Daromadlar:
- Sun'iy intellekt yordamida zarar chastotasi va zarar miqdori (jiddiyligi), tegishli taqsimotlar (Puason, salbiy binomial, gamma) va kompozit model mantig'i o'rtasidagi farqni o'rnatish va izohlash imkoniyatiga ega bo'lish.
- To'g'ri savollar va ma'lumotlar bilan sun'iy intellektga o'ta katta yo'qotishlarni (chetdan tashqari ko'rsatkichlar/katta yo'qotishlar), ma'lumotlarni cheklash va trend/rivojlanish tuzatishlarini saralash.
- Sun'iy intellekt tomonidan ishlab chiqarilgan taqsimot tanlovi va parametrlari moslik sinovlari va aktuar asoslar bilan tasdiqlanishi kerakligini tushunish qobiliyati.
Sug'urta kompaniyasi uchun eng asosiy savol: "Kelgusi yilda biz ushbu siyosat guruhi uchun qancha zarar to'laymiz?" Bu savolga to'g'ri javob berish mukofotni to'g'ri belgilash uchun ham, etarli zaxiralarni ajratish uchun ham zaruriy shartdir. Aktuariylar bu savolga ikkiga bo'lish orqali javob berishadi; chunki umumiy zararni bir bo'lakda baholash o'rniga ikkita alohida xatti-harakatni alohida modellashtirish ancha to'g'riroqdir. Bu ikki qism chastota va intensivlikdir.
Chastotasi (zarar chastotasi) - ma'lum bir ta'sir qilishda qancha zarar sodir bo'lishi; Masalan, 100 ta transport vositasi - yiliga 8 ta baxtsiz hodisa. Jiddiylik - har bir etkazilgan zararning o'rtacha miqdori; masalan, har bir baxtsiz hodisa uchun 30 000 TL. Ikkalasini ko'paytirish xavf mukofotini beradi: har bir ta'sir qilish uchun kutilgan zarar narxi (0,08 × 30,000 = 2,400 dollar). Ushbu bo'limda biz ushbu farqni o'rnatish, to'g'ri ehtimollik taqsimotini tanlash va chet elliklarni boshqarish uchun AIdan qanday foydalanishni bosqichma-bosqich ko'rib chiqamiz. Eng boshidan eslatib o'tamiz: AI tarqatishni taklif qiladi va kod yozadi, ammo muvofiqlik sinovlari va qarorlar orqali tarqatish tanlovini tasdiqlash aktuariyga bog'liq.
Nega chastota va intensivlik alohida modellashtirilgan?
Chastotasi va intensivligi turli statistik xatti-harakatlarni ko'rsatadi. Da'volar soni hisoblash o'zgaruvchisidir (0, 1, 2, 3...) va odatda Puasson taqsimoti yoki ortiqcha dispersiya mavjud bo'lsa (dispersiya > o'rtacha) salbiy binomial taqsimot bilan modellanadi. Puasson - bu noyob va mustaqil hodisalar sonini modellashtiruvchi klassik taqsimot. Zarar miqdori uzluksiz va o'ng tomonga egilgan o'zgaruvchidir: ko'pchilik da'volar kichik, bir nechta da'volar juda katta. Shuning uchun jiddiylik ko'pincha gamma yoki lognormal taqsimot bilan modellanadi; bular ijobiy va o'ngga egri taqsimotlardir.
Ikkalasini alohida modellashtirish uchta aniq afzalliklarga ega. Birinchidan, har birining o'z haydovchilari (xavf omillari) borligini ko'rishingiz mumkin: yosh haydovchi chastotani oshiradi, qimmat avtomobil zo'ravonlikni oshiradi. Ikkinchidan, ma'lumotlar o'zgarganda, nima uchun tashxis qo'yishingiz mumkin: zarar narxi yoki da'volar soni ko'payganmi? Uchinchidan, zo'ravonlik tomonida faqat o'ta katta yo'qotishlarni alohida ko'rib chiqishingiz mumkin. Bu ikkisining birikmasi birikma model deyiladi; kutilgan umumiy zarar = kutilgan chastota × kutilgan jiddiylik.
Maslahat: "Bizning zararimiz/premium nisbatimiz oshdi" jumlasi o'z-o'zidan hech narsa demaydi. Chastotasi yoki intensivligi oshganligi haqidagi savolni ajrating; aralashuv (narx, qoplash, zararni boshqarish) butunlay boshqacha bo'lar edi.
Chiqib ketish, kesish va trendni tuzatish
Xom ko'rinishdagi zarar ma'lumotlari model yaratish uchun tayyor emas. Deyarli har doim uchta tuzatish talab qilinadi. Birinchisi, ekstremal/katta zararni saralash: bir nechta yirik zararlar (masalan, zavod yong'inlari) o'rtacha ko'rsatkichni buzadi; bular alohida "katta zarar yuki" sifatida modellashtirilgan. Ikkinchisi - yopish: ma'lum bir shiftga juda katta zararni tuzatish (masalan, 1 000 000 TL) va yuqori qismini alohida hisoblash modelni barqaror qiladi. Uchinchidan, tendentsiya va rivojlanishni tuzatish: o'tgan da'volar inflyatsiya bilan bugungi narx darajasiga (trend) yangilanishi kerak va hali to'liq to'lanmagan da'volar yakuniy darajasiga keltirilishi kerak (ishlab chiqish - bu mavzuni 3-bo'limda yoritamiz).
Quyidagi jadval ikkita komponentning xususiyatlarini taqqoslaydi:
xususiyat
Chastota (chastota)
Zo'ravonlik (miqdori)
O'zgaruvchan turi
Hisoblash (0,1,2...)
doimiy, ijobiy
Oddiy taqsimot
Puasson, salbiy binom
Gamma, lognormal
Asosiy haydovchi misollar
Yosh, tajriba, mintaqa, foydalanish
Avtomobil qiymati, qamrov chegarasi, ta'mirlash qiymati
Chetdan tashqari muammo
past
Yuqori (katta zarar)
Inflyatsiya ta'siri
zaif
kuchli
Zararni modellashtirishda AIdan qanday foydalanish kerak
AI eng kuchli bo'lgan joy tarqatish tanlovini muhokama qilish, kodni yozish va natijani sharhlashdir. Quyida to'rtta nusxalanadigan shablon mavjud.
1) Tarqatish tanlovini muhokama qiling:
Sizning rolingiz: aktuar modellashtirish bo'yicha yordamchi. Menda AMOUNT sug‘urta da’vosi bor (anonim, 1600 ta da’vo). Xulosa: o'rtacha 30 300 TL, o'rtacha 12 500 TL, maksimal 940 000 TL, egrilik yuqori. Savol: jiddiylik modeli uchun gamma yoki lognormal ko'proq mos keladimi? Har birining taxmini qanday, ortiqcha/minus va qaysi muvofiqlik testi (masalan, men qaror qabul qilishimni tushuntiring (Q-Q diagrammasi, K-S testi, AIC). Aniq qaror qabul qilish; Menga taqqoslash ramkasini bering.
2) Chastota-intensivlikni hisoblash kodi:
Quyidagi amallarni bajaradigan Python + pandas bilan sharhlangan kodni yozing: 1) Df da 'ta'sir qilish', 'da'vo_hisoblash', 'da'vo_summa' ustunlari mavjud. 2) Umumiy chastota = umumiy da'volar soni / umumiy ta'sir qilish. 3) Oʻrtacha jiddiylik = jami daʼvo_summasi / jami daʼvolar soni. 4) Risk mukofoti = chastota × jiddiylik. 5) Men uni qo'lda tekshirishim uchun har bir oraliq natijani ekranga chop eting. Kutubxonani jihozlash; faqat pandalardan foydalaning.
3) Ekstremal qiymat/kesish tahlili:
Menda anonim da'vo miqdori taqsimoti bor. 950.000, 720.000, 610.000 lira kabi da'volar umumiy summaning 22% ni tashkil qiladi. Cheklash yondashuvingiz haqida gapirib bering: - Qaysi qopqoq variantlari oqilona (masalan, 500K, 750K, 1M)? - Qanday qilib kesilgan qismni alohida "katta zarar yuki" sifatida qo'shishim mumkin? - Menga bu qarorning risk mukofotiga qanday ta'sir qilishini bosqichma-bosqich ko'rsating.
4) Natijani biznes tiliga tarjima qilish:
Mening chastotam 0,13 dan 0,15 gacha oshdi; O'rtacha zo'ravonlik 28,000 dan 34,000 liraga ko'tarildi. Buni menejer tushunadigan 4 ta jumla bilan ifodalang: - Nima bo'ldi, qaysi komponent qanchaga oshdi? - Tavakkal mukofotining umumiy ta'siri qanday? - Men tekshirishim kerak bo'lgan mumkin bo'lgan sabablarni va 2 ta taxminni yozing.
Zaif taklif / Kuchli taklif
Zaif taklif:
Mening yo'qotish modelimni o'rnating va mukofotni hisoblang.
Noaniq: qaysi ma'lumotlar, qaysi komponent, qaysi taqsimot, qaysi davr? AI bu bo'shliqni uydirma bilan to'ldiradi.
Kuchli so'rov:
Sizning rolingiz: aktuar modellashtirish bo'yicha yordamchi. Ma'lumotlar (anonim, transport bo'limi, 2024): ta'sir qilish muddati 20 000 siyosat yili, da'volar soni 2 600, jami zarar 91 000 000 TL, 5 ta eng katta zarar jami 12 000 000 TL. Topshiriq: 1) Chastotani va xom o'rtacha zo'ravonlikni hisoblang, formulani ko'rsating. 2) 5 ta eng katta zarar Uni 1 000 000 TL ga oshiring va sozlangan jiddiylikni qayta hisoblang. 3) Risk mukofotini chegirmali va cheksiz solishtiring, farqni sharhlang. 4) Har bir qadamni oraliq raqamlar bilan yozing, shunda men uni qo'lda tekshirishim mumkin. Men bergan raqamlardan foydalaning; Agar u etishmayotgan bo'lsa, so'rang.
uchta mini holat
1-holat - Ajratish kuchi. Bir aktuariy uy-joy filialida yo'qotish / mukofot nisbati bir yil ichida 68 foizdan 81 foizga ko'tarilganini ko'rdi. Vahima narxini oshirish taklif qilinishidan oldin, chastota va jiddiylik farqi amalga oshirildi: chastota deyarli o'zgarmas edi (0,041 → 0,043), lekin o'rtacha jiddiylik 14,200 TL dan 19,800 TL ga ko'tarildi. Buning sababi siyosat yoki xavfli mijozlar soni emas, balki qurilish xarajatlarining inflyatsiyasi edi. To'g'ri aralashuv ko'r-ko'rona mukofotni oshirish emas, balki qamrov miqdorini yangilash edi.
2-holat - Chetdan tashqari tuzoq. Biznes sug'urtasi portfelidagi o'rtacha 1800 ta da'vo 42 000 lira edi. Biroq, faqat 6,4 million liralik yong'in zarari bu o'rtacha miqdorni taxminan 3500 liraga oshirdi. Ushbu katta zarar alohida "katta zarar yuki" sifatida modellashtirilgan va chegaralanganida, asosiy jiddiylik 38,500 TL ga kamaydi va mukofot yanada adolatli bo'ldi. AI tezda cheklash kodini va muqobil qopqoqlarni yaratdi; Aktuariy qaror qabul qildi.
3-holat - noto'g'ri taqsimlash. Shubhasiz, yordamchi jiddiylik uchun oddiy (Gauss) taqsimotni tanlagan AI kodini ishlatdi. Oddiy taqsimot salbiy qiymatlar va simmetriyaga imkon berganligi sababli, u o'ngga egri chiziqli zarar ma'lumotlariga mos kelmadi; model kichik zararlarni ortiqcha baholadi va kattalarni kam baholadi. Q-Q syujeti va AIC solishtirganda, gamma ancha yaxshi mos kelishi aniqlandi. Dars: AI tomonidan taklif qilingan taqsimot har doim mos test orqali sinovdan o'tkaziladi.
Umumiy xatolar
- Chastotani va intensivlikni birlashtirish va bitta model bilan bashorat qilish. U ikki xil xatti-harakatni yashiradi; siz haydovchini yo'qotasiz va nima uchun.
- Haddan tashqari/katta zararni bartaraf qilmasdan o'rtacha. Bir nechta yirik zararlar butun rasmni buzadi; premium sun'iy ravishda oshirildi.
- Inflyatsiya tendentsiyasini qo'llamasdan eski zarardan foydalanish. 2019 yilgi zarar bugungi narx bilan bir xil emas; trendni tuzatish zarur.
- O'ng tomonga burilmagan ma'lumotlarga normal taqsimotni o'rnatish. Salbiy qiymat va simmetriya taxmini ma'lumotlarga zarar etkazishga ziddir; Gamma/lognormalni o'ylab ko'ring.
- Tarqatish tanlovini moslik testi bilan tasdiqlamaslik. AIning taklifi - bu boshlanish; Q-Q, K-S, AIC bilan tasdiqlang.
Diqqat: Qopqoq (kesish) darajasi o'zboshimchalik bilan tanlanmaydi. Shiftning juda pastligi katta zarar xavfini yashiradi; juda baland shift bezakni foydasiz qiladi. Portfelning o'tmishdagi asosiy yo'qotish tajribasi va qayta sug'urtalash shartlariga qarab tanlang.
Xulosa
Umumiy zararni to'g'ri baholash usuli uni chastota (chastota) va og'irlik (miqdor) ga bo'lishdir. Chastota Puasson/salbiy binomial, intensivlik gamma/lognormal tomonidan modellashtirilgan; Risk mukofoti ikkalasini ko'paytirish orqali topiladi. Xom maʼlumotlar chetni olib tashlash, kesish va trendni tuzatishni talab qiladi. AI tarqatish muhokamasi kod va sharhlash uchun ajoyib yordamchidir; lekin tarqatish tanlovi va qopqoq qarori muvofiqlik testlari va aktuar qarorlar bilan tasdiqlanadi.
Ilova vazifasi
Anonim zarar xulosasini tayyorlang (ta'sir qilish, da'volar soni, umumiy zarar, eng yaxshi 3-5 da'vo). AIdan (a) xom chastota-jiddiy-xavf mukofotini, (b) katta yo'qotishlarni qoplashni va tuzatilgan xavf mukofotini hisoblashni so'rang. Ikki natijani qo'lda tekshiring va cheklash risk mukofotini necha foizga o'zgartirayotganiga e'tibor bering. Keyin AIga "zo'ravonlik uchun gamma yoki lognormal" degan savolni bering va u taqdim etgan taqqoslash ramkasini o'z so'zlaringiz bilan umumlashtiring.
nazorat ro'yxati
- [ ] Men chastota va intensivlikni alohida hisobladimmi yoki ularni bir qism sifatida ko'rib chiqdimmi?
- [ ] Men katta/ekstremal zararni aniqladimmi va uni alohida hal qildimmi?
- [ ] Men eski da'volarga inflyatsiya/trendga tuzatish kiritdimmi?
- [ ] Men intensivlik taqsimotini muvofiqlik testi bilan tekshirdimmi?
- [ ] Risk mukofotini (chastota × jiddiylik) mustaqil ravishda qayta hisoblab chiqdimmi?
- [ ] Men AI tomonidan taklif qilingan tarqatish va chegara darajasini shubha ostiga qo'ydimmi va buni hukm bilan tasdiqladimmi?