Reserve ranges
Bootstrap and Bayesian methods produce distributions of reserve outcomes around the central estimate, showing the range that could emerge.
GRA · Actuarial and Quantitative Risk
Spatial financeWhere capital meets hazard, exposure and transition
Uncertainty quantification and model validation for actuarial and quantitative risk
Uncertainty quantification identifies and propagates uncertainty in data, parameters, model structure and assumptions. On this platform it shows how wide plausible outcomes are for premiums, reserves and capital, and which assumptions matter most.
01تۆمارکردن
Uncertainty quantification and model validation for actuarial and quantitative risk on the record.
Method recordSTEM method
- ڕێگاژماردنی نادڵنیایی و پشتڕاستکردنەوەی مۆدێل
- Applied inمەترسی ئەکچوەری و بڕی
- داتا3 inputs
- Checks3 validation steps
- Canonical pageSTEM Commons
02بەکارهێنان
What uncertainty quantification and model validation does here.
Uncertainty quantification and model validation characterise how uncertainty in inputs, parameters and model structure affects predictions. They establish how much confidence a model’s outputs deserve. In insurance and catastrophe, methods and modelling and capital markets and investment, uncertainty quantification shows where risk estimates are robust and where they are fragile. It guides where better data or models would change decisions. The canonical description is on the STEM Commons.
Parameter and model uncertainty
Parameter uncertainty is separated from the uncertainty of choosing one model over another, and both are carried into capital estimates.
Sensitivity ranking
Inputs are varied to rank which assumptions drive results most, guiding where better data or review would add most value.
03Loss model
Loss exceedance, average annual loss and probable maximum loss.
The loss a portfolio in the footprint can expect per year and at the 1 in 100 and 1 in 250 levels that insurers and lenders price, from the same three blocks every catastrophe model uses. Teaching model with stated illustrative values, not a prediction.
کۆنترۆڵەکان
- Typical annual hazard intensity (location)
- 1.00 intensity index
- بڵاوبوونەوەی لێکەوتە توندەکان (پێوەر)
- 0.80 intensity index
- توندییەک کە تێیدا نیوەی بەها لەدەست دەچێت
- 4.00 intensity index
- بڵاوبوونەوەی لاوازی
- 0.55
- بەشی بەها لە شوێنپێی مەترسیدەردا
- 40%
- ستانداردی پاراستن (ماوەی گەڕانەوە)
- 50 ساڵ
خوێندنەوەکان
- تێکڕای زیانی ساڵانە
- 0.51% of value
- زیان لە 1 لە 100 ساڵدا
- 24.5% of value
- زیان لە 1 لە 250 ساڵدا
- 28.4% of value
- توندی لە 1 لە 100 ساڵدا
- 4.68 intensity index
ژمارە، ڕێگا و سەرچاوەکان
| ماوەی گەڕانەوە (ساڵ) | Intensity (intensity index) | زیان (% ی بەها) |
|---|---|---|
| 1 | 0.09 | 0.00 |
| 2 | 1.27 | 0.00 |
| 4 | 1.91 | 0.00 |
| 7 | 2.47 | 0.00 |
| 13 | 3.00 | 0.00 |
| 24 | 3.51 | 0.00 |
| 44 | 4.02 | 0.00 |
| 82 | 4.53 | 23.55 |
| 154 | 5.03 | 26.44 |
| 287 | 5.53 | 28.87 |
| 536 | 6.03 | 30.88 |
| 1,000 | 6.53 | 32.53 |
ڕێگاکان
- مەترسیدەری بەهای زۆرداری Gumbel Gumbel (1958)، Statistics of Extremes، Columbia University Press
- ناسکیی لۆگنۆرماڵ (لاوازی) FEMA (2003)، HAZUS-MH Technical Manual
- چەمکی ئەگەری تێپەڕبوون و تێکڕای زیانی ساڵانە Grossi و Kunreuther (2005)، Catastrophe Modeling، Springer
- کاریگەری بەربەست Di Baldassarre و ئەوانی دیکە (2013)، Socio-hydrology، HESS 17
- پەنجەی نادڵنیایی (مۆنتی کارلۆی پارامیتەر) Spiegelhalter, Pearson و Short (2011)، Visualising uncertainty about the future، Science 333
- هەستیاریی یەک-یەک (تۆرناد) Saltelli و ئەوانی دیکە (2008)، Global Sensitivity Analysis: The Primer، Wiley
داتا
The model runs on the teaching values set by the controls. To calibrate it for a place, read it against these admitted layers and series, which this page’s map can draw:
- ڕووبارەکان Natural Earth
- بەرینی شارەکان Natural Earth
- شارەکان Natural Earth
- بوومەلەرزەکانی M4.5+، هەفتەی ڕابردوو (USGS) U.S. Geological Survey · register usgs.earthquake.summary-feeds
- ڕێژەی باران، نیو کاتژمێری ڕابردوو (IMERG) NASA GPM IMERG Early · register nasa.gibs.context-live-layers
- پێشبینی ڕۆیشتنی ڕووبار، 30 ڕۆژ لەگەڵ مەودا (GloFAS لە ڕێگەی Open-Meteo) Open-Meteo.com (CC BY 4.0), Copernicus GloFAS · register open-meteo.public-pages
- بەرینی دروستکراو و نیشتەجێبوون، 2010 (HBASE، Landsat) CIESIN/Columbia, NASA SEDAC HBASE · register sedac.context-urban-layers
لە ناو شەش کۆڵەکەکەدا، بە سەرپەرشتیی Nexus Consortium
- تاقیکردنەوەکان Labs
- تێدا دروستکراوە Actuarial and Quantitative Risk in Foundry
- تاقیکراوەتەوە لە Actuarial and Quantitative Risk in Universe
- کۆدکراوە لە دارایی، بیمە و ئابووری لە Standards
- بڵاوکراوەتەوە لە Actuarial and Quantitative Risk in Reports
- فێرکراو لە کۆلێژی دارایی و ئابووری لە Academy
04داتا
What the method consumes.
Datasets and records used by uncertainty quantification and model validation on this platform, with the role each plays and the label its values carry. Sources are listed in the source register.
| داتا | ڕۆڵ | ناونیشان |
|---|---|---|
| Model inputs and parameters | Input uncertainty | مەزەندەکراو |
| Alternative models | Structural uncertainty | مۆدێلکراو |
| Historical outcomes | Calibration of ranges | چاودێریکراو |
05Exposure, loss and capital
What it means for exposure, loss and capital.
The exposure, loss, scenario and capital views a risk officer, supervisor or ministry of finance would ask for, with the frameworks they report against. Structures follow supervisory and actuarial practice. Values are illustrative: never prices, ratings or advice.
Exposure and loss at return periods
How losses from uncertainty quantification and model validation for actuarial and quantitative risk grow with severity, gross and net of reinsurance, against capital.
| Return period | Annual probability | Gross loss | Net loss | Net, capital = 100 |
|---|---|---|---|---|
| 1 in 10 | 0.10 | 14 | 10 | 10 |
| 1 in 50 | 0.02 | 33 | 21 | 21 |
| 1 in 100 | 0.01 | 46 | 27 | 27 |
| 1 in 250 | 0.004 | 68 | 39 | 39 |
| تێکڕای زیانی ساڵانە | 3.1 | 2.2 | 2.2 |
NGFS climate scenarios · Network for Greening the Financial SystemIFRS S2 Climate-related Disclosures · ISSBTCFD recommendations · Financial Stability Board TCFDPrinciples for the effective management of climate-related financial risks · Basel Committee on Banking Supervision
06پشتڕاستکردنەوە
How results are checked.
Predictive distributions are tested for calibration and sharpness against held-out observations. Verification confirms that code solves the intended equations.
| بپشکنە | How it is done |
|---|---|
| Range calibration | Stated ranges are compared with outcomes where possible |
| Dependence of inputs | Correlations between uncertain inputs are documented |
| Clear communication | Uncertainty is presented with each result |
Structural uncertainty and unknown unknowns are difficult to represent. Computational cost limits exploration of high-dimensional models.
08Stewardship
Who maintains the method.
زانستی سیستەمەکان و مۆدێلسازی stewards uncertainty quantification and model validation for the Consortium and reviews how it is applied across platforms.
09پەیوەست
ئەو شوێنانەی ئەم لاپەڕەیە لە ناو کۆنسۆرتیۆم بۆیان دەبات.
10پرسیارەکان
پرسیار و وەڵام.
What are the limits of uncertainty quantification and model validation in this field?
Structural uncertainty and unknown unknowns are difficult to represent. Computational cost limits exploration of high-dimensional models.
How are results checked?
Predictive distributions are tested for calibration and sharpness against held-out observations. Verification confirms that code solves the intended equations.
Are the values on this page real?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Where else is this method applied?
ئەو canonical method page lists every platform that applies it.
Reportsبەشداربە
لەم لاپەڕەیەوە بەڵگە پێشکەش بکە.
Reports is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
Global Risks Allianceمەترسی ئەکچوەری و بڕیڕێگا و تەکنیکیئامادەیی دارایی و بیمە
- ئیمەیڵGateway GW-GRAلەم لاپەڕەیەوە بینێرەبەڵگە، ڕاستکردنەوە، بابەت، ڕێگا، پێداچوونەوە، وەرگێڕان یان تێکردنی پڕۆفایل. بە نیشانەی ئەم لاپەڕەیە دەگات، بۆ ئەوەی دەستکاریکەری خاوەنەکەی وەریبگرێت.
- Zenodoتەکیەی کراوەدایبنێ و بیدە بە کۆمەڵگاتۆماری خۆت لە Zenodo بە ORCID iD ی خۆت بڵاو بکەرەوە، پاشان لەوێ بیدە بە کۆمەڵگای Reports. سەرپەرشتیارەکان پێداچوونەوەی بۆ دەکەن؛ DOI هەر هی تۆیە.
- ReportsGlobal Risks Allianceهەموو ڕێگاکانی بەشداری ببینەجۆرەکانی بەشداری، هەریەکە چۆن پێداچوونەوەی بۆ دەکرێت، چ ناوبردنێک وەردەگریت، مۆڵەتەکە و ئەوەی هەرگیز وەرناگیرێت.
هەرگیز داتای کەسی، وردەکاریی هەستیاری ژێرخان یان هیچ شتێک مەنێرە کە مافی بڵاوکردنەوەت نییە. بەشدارییەک پێش بەکارهێنان پێداچوونەوەی بۆ دەکرێت؛ ناردنی ماف نابەخشێت بە نووسەرایەتی یان بەڕێوەبردنی ڕاگەیاندن، و پاڵپشتی دارایی هەرگیز دۆزینەوەیەک ناکڕێت.
مەترسی ئەکچوەری و بڕی
Bring an exposure or capital question to the Alliance.
زانیاری و پرسیار ئەمڕۆ کراوەن. پرسیارێک ژمارەی ئاماژەی پێدەدرێت و هەنگاوی دواتر دیاری دەکات؛ داواکاری، پارەدان، تەرخانکردنی کۆمپیوتەر و تۆمارکردن تەنیا کاتێک دەکرێنەوە کە تیم، مەرج و توانای پێداچوونەوەیان هەبێت.
یاسایی
بەڵگەنامە یاساییەکان.
نەخشە، داتا و وێنەکانی ئەم ماڵپەڕە بۆ ناوەڕۆک و زانیاریی گشتی پیشان دراون. ئامۆژگاری، پێشبینی یان ئاگادارکردنەوە نین؛ سنوورەکانی زانیارییەکە لە ڕەتکردنەوەی بەرپرسیارێتی و ئاگاداریی داتادا دەستنیشان کراون.