Mga nadagdag:
- Kakayahang magtatag ng damage development triangle, IBNR (natamo ngunit hindi naiulat na pinsala) at chain-ladder method na may suporta ng artificial intelligence at binibigyang-kahulugan ang mga development factors
- Kakayahang ihambing ang mga resulta sa mga alternatibong pamamaraan tulad ng Bornhuetter-Ferguson at Mack at ipaliwanag ang reserbang kawalan ng katiyakan (variability, confidence interval) gamit ang artificial intelligence
- Ang kakayahang mapanatili na ang provision figure na kinakalkula ng artificial intelligence ay isang draft, hindi pinal, at na ang pagpili ng development factor at judicial correction ay pagmamay-ari ng responsableng actuary.
Kapag ang isang kompanya ng seguro ay nagbabayad para sa isang pinsala ngayon, ito ay talagang nagbabayad ng utang ng isang patakaran na ibinenta nito sa nakaraan. Ngunit hindi lahat ng pinsala ay naiulat kaagad at hindi lahat ng naiulat na pinsala ay binabayaran kaagad ng buo. Ang isang aksidente sa trapiko ay nangyari ngayon, ang kumpanya ay aabisuhan pagkalipas ng tatlong buwan, ang proseso ng korte ay tumatagal ng dalawang taon, at ang huling pagbabayad ay nagiging malinaw pagkatapos ng apat na taon. Samakatuwid, ang kumpanya ay dapat magreserba ng pera ngayon para sa mga pinsala na hindi pa ganap na nababayaran o kahit na hindi pa naiulat. Ang pera na ito ay tinatawag na reserba, at ang tumpak na pagkalkula nito ay ang pinaka-kritikal na gawain ng isang kompanya ng seguro sa actuarial. Kung siya ay umalis ng mas kaunti, ang kumpanya ay mapupunta sa bangkarota; Kung labis ang inilalaan, ang kapital ay nakatali sa walang kabuluhan at ang tubo ay itinatago.
Sa yunit na ito, sasaklawin natin ang tatlong konsepto sa gitna ng provision accounting: ang damage development triangle, IBNR at ang chain-ladder method. Pagkatapos ay isasaalang-alang natin ang mga alternatibong pamamaraan (Bornhuetter-Ferguson, Mack) at kawalan ng katiyakan. Isinulat ng AI ang code para sa mga kalkulasyong ito, pinunan ang tatsulok, kinakalkula ang mga kadahilanan at ipinapaliwanag ang resulta; ngunit ang responsibilidad para sa pagpili ng salik ng pag-unlad, pagwawasto ng hudisyal at panghuling probisyon ay nasa responsableng actuary.
Ano ang damage development triangle?
Ang batayan ng pagkalkula ng probisyon ay ang tatsulok ng pag-unlad / tatsulok na run-off. Ipinapakita ng mga row ang panahon kung kailan nangyari ang pinsala (taon ng aksidente), at ipinapakita ng mga column kung magkano ang binayaran para sa pinsalang iyon (taon ng pag-unlad). Ganito ang mababasa: 4 milyon ang binayaran sa 1st development year ng 2021 accident year, isang pinagsama-samang 6.2 milyon ang binayaran sa 2nd year, at 7 milyon ang binayaran sa 3rd year. Ang mga lumang taon ng aksidente ay nag-mature na (halos lahat ng mga pagbabayad ay ginawa), habang ang mga bagong taon ay umuunlad pa rin. Kaya ang pangalan ng tatsulok: ang ibabang kanang sulok ay walang laman, dahil ang karagdagang pag-unlad ng mga bagong taon ay hindi pa naganap. Ang trabaho ng actuary ay tantyahin ang walang laman na sulok na ito.
Ang IBNR (Incurred But Not Reported) ay tiyak na bahagi ng gap na ito: ang hinaharap na halaga ng mga claim na nangyari ngunit hindi pa naiulat sa kumpanya. Mayroon ding IBNER (karagdagang pag-unlad ng mga iniulat ngunit hindi nakalaan na mga paghahabol). Sa pagsasagawa, tinatantya ng mga pamamaraan ng tatsulok ang kabuuang kinakailangang probisyon (bayad + pag-unlad sa hinaharap); Kapag ibinawas mo ang binayarang bahagi, mananatili ang natitirang probisyon, kasama ang IBNR.
Tip: Maaari mong i-set up ang tatsulok sa dalawang magkaibang base: "bayad na pinsala" at "napinsalang natamo (bayad + kilalang reserba)". Ang pagsusuri sa dalawa nang magkasama ay nakakatulong sa iyong makuha ang pagbabago sa gawi sa pag-book ng mga claim team.
Chain-hagdan hakbang-hakbang
Ang chain ladder ay ang pinakakaraniwang paraan ng pagtugon, at ang lohika nito ay madaling maunawaan: kung ang mga pagkalugi sa nakaraan ay lumago sa isang tiyak na rate sa average mula sa isang taon ng pag-unlad hanggang sa susunod, ang mga bagong taon ay lalago sa isang katulad na rate. Mga hakbang:
- I-set up ang pinagsama-samang tatsulok. Pagbukud-bukurin ang pinagsama-samang bayad na mga claim para sa bawat aksidente taon sa pamamagitan ng taon ng pagbuo.
- Kalkulahin ang mga kadahilanan ng pag-unlad. Para sa bawat column pass: kabuuan ng susunod na column / kabuuan ng kasalukuyang column (gamit lang ang mga row na may parehong column na inookupahan). Halimbawa, ang factor 1→2 ay 1.45; Ang factor 2→3 ay maaaring 1.12. Ang kadahilanang ito ay tinatawag na age-to-age factor.
- Maghanap ng pinagsama-samang (nakasalansan) na mga kadahilanan. Pagpaparami ng natitirang mga salik upang maabot ang pangwakas ng bawat taon.
- Punan ang walang laman na sulok. Tantyahin ang ultimong pinsala sa pamamagitan ng pagpaparami ng huling alam na halaga ng bawat bagong taon ng aksidente sa natitirang mga salik.
- Kalkulahin ang tugon. Panghuling pinsala − binayaran hanggang sa kasalukuyan = probisyong babayaran sa hinaharap (kabilang ang IBNR).
Ang sumusunod na talahanayan ay isang maliit na halimbawa (cumulative paid damage, million TL):
taon ng aksidente
Halika na. 1
Halika na. 2
Halika na. 3
Halika na. 4
2021
4.0
6.0
6.8
7.0
2022
4.4
6.5
7.3
?
2023
4.8
7.0
?
?
2024
5.2
?
?
?
Sa tatsulok na ito, ang factor 1→2 ay humigit-kumulang 1.47; 2→3 tungkol sa 1.12; Ang 3→4 ay katumbas ng humigit-kumulang 1.03. 2024 final 5.2 × 1.47 × 1.12 × 1.03 ≈ 8.82 milyon; Dahil ang halagang ibinayad ay 5.2, ang probisyon ay ≈ 3.62 milyong TL. Ginagawa ng AI ang aritmetika na ito sa ilang segundo, ngunit ang actuary ang magpapasya kung ang mga salik ay makatwiran.
Mga alternatibong pamamaraan at kawalan ng katiyakan
Ang chain ladder lamang ay hindi sapat dahil ang mga salik ng pag-unlad ay lubhang sensitibo sa maliliit na pagbabagu-bago dahil may kaunting data sa mga nakaraang taon ng aksidente; Ang isang malaking pinsala ay maaaring tangayin ang buong pagtatantya. Iyon ang dahilan kung bakit ginagamit ang pamamaraang Bornhuetter-Ferguson (BF): Tinatantya ng BF ang hindi pa nabuong bahagi sa pamamagitan ng paggamit ng isang panlabas na inaasahang impormasyon ng ratio ng pagkawala at sa gayon ay pinapadali ang pagkasumpungin. Ang hagdan ng kadena ay ginustong sa mga mature na taon, ang BF ay ginustong sa mga bago at wala pa sa gulang na mga taon; Magkasama silang nagbibigay ng balanseng pagtatantya.
Upang sukatin ang kawalan ng katiyakan, ginagamit ang pamamaraang Mack: nagbibigay ito ng analytical na error (variability) ng pagtatantya ng chain ladder. Bukod pa rito, ang buong probabilidad na pamamahagi ng tugon ay maaaring gawin ng bootstrap (simulation sa pamamagitan ng paulit-ulit na pag-sample ng data); Sinasagot nito ang tanong (kritikal sa Solvency II) ng "ano ang magiging tugon natin sa pinakamasamang sitwasyon?" Ang AI ay napakalakas sa pagbuo ng code at paghahambing ng mga pamamaraang ito.
Babala: Ang pagpili ng growth factor ay hindi mekanikal. Sa isang taon, ang pagbabago sa batas, isang malaking alon ng mga demanda, o isang pagbabago sa rate ng pagbabayad ng claim ay maaaring makagambala sa mga salik. Ang pagpili ng "simpleng average, weighted average, huling 3 taon" ay hudisyal at dapat na makatwiran.
Paano gamitin ang AI sa accounting ng reserba
1) Chain ladder code:
Sumulat ng isang nagkomento na code sa Python na kinakalkula ang chain-ladder. Input: pinagsama-samang bayad na tatsulok ng pinsala (listahan ng mga listahan, nawawalang mga cell Wala). 1) Kalkulahin ang volume-weighted age factor para sa bawat column pass. 2) Hanapin ang pinagsama-samang mga kadahilanan. 3) Punan ang blangkong sulok at tantiyahin ang huling pinsala para sa bawat taon ng aksidente. 4) Kalkulahin at kabuuan ang kabayaran (huling - binayaran). I-print ang bawat intermediate na hakbang sa screen; huwag gumawa ng library, gumamit ng basic Python.
2) Paghahambing ng pamamaraan:
Ipaliwanag sa isang actuary ang pagkakaiba sa pagitan ng chain ladder at Bornhuetter-Ferguson.- Alin ang mas maaasahan sa anong sitwasyon?- Bakit mas pinipili ang BF sa mga bagong (immature) na taon ng aksidente?- Paano ko matutukoy ang 'inaasahang damage rate' na kinakailangan para sa BF? Ibuod ang mga kalamangan / kahinaan sa isang talahanayan.
3) Factor plausibility check:
Mayroon akong sumusunod na mga kadahilanan sa edad-sa-edad: 1->2: 1.47; 2->3: 1.12; 3->4: 1.03; 4->5: 1,45.Ang 4->5 factor ay mukhang kakaiba kumpara sa iba.- Ano ang mga posibleng dahilan para sa pagtalon na ito (regulatory, major damage, data error)?- Anong mga pagsusuri ang dapat kong gawin para ma-verify?Paggawa ng desisyon; Bigyan mo ako ng checklist.
4) Kawalang-katiyakan na interpretasyon:
Ang pinakahula kong probisyon ng chain ladder ay 42 milyon TL, ang karaniwang error ng Mack ay 5.3 milyon. Paano ko ito ipapaliwanag sa isang tagapamahala at isang regulator?- Ipaliwanag sa simpleng wika kung ano ang ibig sabihin ng 75% at 99.5% na antas.- Paano ko maihahatid ang mensaheng 'saklaw sa halip na isang numero'?
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Kalkulahin ang aking gantimpala.
Walang tatsulok, walang paraan, walang data. Ang AI ay umaangkop sa puwang.
Napakahusay na prompt:
Ang iyong tungkulin: booking assistant. Ibibigay ko sa iyo ang pinagsama-samang may bayad na tatsulok na claim (anonymous, milyong TL):2021: [4.0, 6.0, 6.8, 7.0]2022: [4.4, 6.5, 7.3]2023: [4.8, 7.0]2024: [5.2]Ipakita ang mga salik ng edad, kalkulahin ang edad:1) sa blangkong sulok, isulat ang huling pagkawala ng bawat taon.3) Kalkulahin ang kabuuang probisyon (huling - bayad).4) Ang 2024 ay napakabago; Kaya ipaliwanag kung bakit mas hindi sigurado ang iyong pagtatantya. Ipakita sa akin ang mga intermediate na numero para ma-verify ko sila nang manu-mano. Gamitin mo lang ang data na binigay ko sayo.
tatlong mini case
Kaso 1 — Hindi sapat na probisyon. Kinakalkula ng isang kumpanya ang huling dalawang taon ng aksidente sa mabilis na lumalagong portfolio ng trapiko nito na may tuwid na hagdan ng kadena. Dahil mababa ang mga salik ng bagong taon, ang probisyon ay tinatayang nasa 31 milyong TL. Nang suriin ng actuary ang BF at ginamit ang inaasahang rate ng pinsala, ang makatotohanang tugon ay 44 milyong TL. Ang pagkakaiba ng 13 milyon ay nakumpirma na may tunay na pinsala makalipas ang isang taon. Aral: sa bagong taon, dinadaya ng simpleng kadena ang hagdan.
Kaso 2 — Sirang salik. Isang assistant actuary ang nakakita ng 3→4 factor na 1.42 sa triangle na ginawa ng AI; samantalang ang makasaysayang average ay 1.05. Kung ito ay pumasa nang walang pagtatanong, ang tugon ay maaaring lumaki ng humigit-kumulang 30 porsyento. Ang pagsisiyasat ay nagsiwalat na dalawang taon ng aksidente ang inilipat dahil sa isang error sa pag-load ng data. Ang AI ay hindi gumawa ng error, ngunit hindi nito napansin; Nahuli ang pagsusuri ng pagiging makatwiran ng actuary.
Kaso 3 — Tamang pagtatanghal ng kawalan ng katiyakan. Isang responsableng actuary ang nagsabi sa management na "ang probisyon ay 42 milyon." Naisip ng pamunuan na ito ay tiyak at namamahagi ng kita. Nang sumunod na taon, nang ang tunay na bilang ay 48 milyon, isang krisis ang lumitaw. Sa susunod na termino, ang actuary ay nag-alok ng isang hanay na may Mack at bootstrap na nagsasabing "pinakamahusay na hula ay 42, ngunit 75% na antas ay 46, 99.5% na antas ay 55 milyon"; Naaayon ang desisyon ng management. Nakatipid ito ng maraming oras sa paghahanda ng AI bootstrap code at chart.
Mga karaniwang pagkakamali
- Ginagamit lang ang chain ladder sa mga nakaraang taon ng aksidente. Ang mas kaunting data ay nangangahulugan ng volatile factor; Balanse sa BF.
- Hindi pagsasailalim sa mga kadahilanan ng pag-unlad sa kontrol ng pagiging makatwiran. Isang tiwaling salik ang sumasabog sa buong tugon; Ihambing sa makasaysayang pattern.
- Ang pagpapakita ng kapalit bilang isang solong eksaktong numero. Ang tugon ay hula; Ang pagtatanghal nito nang walang isang hanay ng kawalan ng katiyakan (Mack, bootstrap) ay nakaliligaw.
- Nakalilito ang binayaran at natanto na tatsulok. Magkaiba ang sukat ng dalawa; Magtrabaho nang tuluy-tuloy sa isang batayan o sinasadyang ihambing ang dalawa.
- Binabalewala ang inflation at mga paglabag sa regulasyon. Ang nakaraang pattern ng pag-unlad ay maaaring hindi manatiling pareho sa hinaharap; Isaalang-alang din ang pagbabago sa istruktura.
Sa buod
Ang reserba ay ang kasalukuyang pagtatantya ng pananagutan sa hinaharap at ang pinakakritikal na pagkalkula ng actuarial ng kompanya ng seguro. Ang nakaraang pattern ng pagbabayad ay makikita sa development triangle; Pinupuno ng chain ladder ang walang laman na sulok ng mga salik ayon sa edad at tinatantya ang huling pinsala at kabayaran kabilang ang IBNR. Sa bagong taon, mas matatag ang BF; Ang kawalan ng katiyakan ay sinusukat ng Mack at bootstrap. Pinupuno ng AI ang tatsulok, isinulat ang code, at inihahambing ang mga pamamaraan; ngunit ang pagpili ng salik, pagsusuri sa pagiging makatwiran at pinal na pigura ay nakadepende sa paghatol at pirma ng responsableng actuary.
Gawain ng aplikasyon
Gumawa ng anonymous na mini triangle ng pinagsama-samang bayad na claim (4 na aksidenteng taon × hanggang 4 na taon ng pag-unlad). Hilingin sa AI na kalkulahin ang katumbas ng chain ladder. Manu-manong i-verify ang mga salik ayon sa edad at ang huling 2 taon. Pagkatapos ay tanungin ang AI "paano nakagawa ang BF ng ibang resulta para sa pinakahuling taon" at ihambing ang dalawang pamamaraan. Maingat na i-distort ang isa sa mga salik (halimbawa, palakihin ang isang cell ng 10 beses) at obserbahan kung paano nagbabago ang tugon ng AI at kung paano ito mahuhuli ng pagsusuri sa pagiging totoo.
checklist
- [ ] Naaayon ba ako sa kung ise-set up ko ang tatsulok batay sa pinsalang binayaran o pinsalang natamo?
- [ ] Sinuri ko ba ang pagiging totoo sa pamamagitan ng paghahambing ng mga salik sa edad-edad sa makasaysayang pattern?
- [ ] Nag-cross-check ba ako sa BF para sa mga bago/immature na taon?
- [ ] Ipinakita ko ba ang tugon na may saklaw ng kawalan ng katiyakan sa halip na isang numero?
- [ ] Independyente ko bang nakalkula ang huling pinsala at counter arithmetic?
- [ ] Inilagay ko ba ang katwiran para sa aking pagpili ng salik (karaniwang uri, panahon) sa pagsulat?