GRA · Versicherungsmathematische und quantitative Risiken
Räumliche FinanzanalyseWo Kapital auf Gefahr, Exposition und Transition trifft
Glaubwürdigkeit und spärliche Daten
Many risks have little data: new products, small portfolios, rare perils and emerging markets. Credibility theory blends a portfolio’s own experience with wider data according to how much the own data can be trusted. Bayesian methods, pooling and expert judgement extend this. This page sets out how actuaries estimate risk with sparse data, where estimates go wrong, the sources used and who decides.
Credibility and sparse data on the record.
Credibility and sparse data: how the risk develops.
Arbeiten dort, wo die Schadenhistorie kurz ist oder fehlt. Das folgende Dossier legt dar, wie sich das Risiko entwickelt, was gemessen wird, woher die Daten stammen, wie sie modelliert werden und wer entscheidet.
Eigene und weitere Daten zusammenführen
Glaubwürdigkeitsgewichte geben der eigenen Erfahrung mehr Gewicht, je mehr sie wächst. Zu wenig Gewicht ignoriert reale Unterschiede; zu viel bepreist Rauschen.
Benchmarks passen möglicherweise nicht
Branchen- oder Rückversicherer-Benchmarks spiegeln andere Portfolios wider. Weicht das Portfolio in Zusammensetzung oder Praxis ab, enthält der Mischwert eine Verzerrung.
Expertenurteil füllt Lücken
Wo Daten fehlen, liefert eine strukturierte Expertenbefragung Schätzungen. Ohne Struktur und Dokumentation bringt das Urteil verdeckte Verzerrungen ein.
Updating as data arrive
Bayesian updating revises estimates as experience accumulates, showing how far data have moved the prior assumption.
Ein Dürreindex gegenüber seinem Anschlusspunkt.
Wie eine Trockenzeit im Verhältnis zu dem Punkt gelesen wird, ab dem die Dürredeckung zu zahlen beginnt. Synthetische Saison und Ausgestaltungsbedingungen.
Was gemessen wird und wie gut.
Jeder Indikator trägt seine Einheit, seinen Rhythmus, die Art der zugrunde liegenden Quelle und die Evidenzkennzeichnung, die ein Wert tragen würde. Es werden keine Werte gezeigt: Ein Programm liefert sie unter seiner eigenen Autorität.
| Indikator | Einheit | Takt | Quellentyp | Kennzeichnung |
|---|---|---|---|---|
| Glaubwürdigkeitsgewicht, das der eigenen Erfahrung zugewiesen wird | Anteil, null bis eins | pro Analyse | Preisanalyse | MODELLIERT |
| Exposure underlying own experience | exposure units | pro Analyse | Portfoliodaten | BEOBACHTET |
| Differenz zwischen eigenen Schätzungen und Referenzschätzungen | Prozent | pro Analyse | Preisanalyse | GESCHÄTZT |
| Expert elicitation sessions documented | Anzahl | pro Modell | Modelldokumentation | DEKLARIERT |
| Posteriori-Unsicherheit zentraler Parameter | Intervallbreite | pro Analyse | Bayessche Modelle | MODELLIERT |
| Verhältnis von tatsächlichem zu erwartetem Wert nach dem Start | Verhältnis | periodisch | Erfahrungsmonitoring | GESCHÄTZT |
Trace a shock in credibility and sparse data to the balance sheet.
Assembled from the Nexus Standards area profile Insurance and reinsurance: the shocks it names, the systems and sectors that carry the loss, the controls that dampen it and the data that observe it. Pick an initiating shock and step through the cascade to see which exposures it reaches and where losses could concentrate. The Map view places the run on an example geography with open data. Every weight is a stated assumption. An exercise, not a forecast, a valuation, a rating or investment advice. To model a place of your own choosing, open the full System Builder.
Gefahren
- tropischen Wirbelstürmen
- Erdbeben
- Eisstau-Hochwasser
- Waldbrand
- Sturmflut (nachgelagert ausgelöst)
- Starkregen (nachgelagert ausgelöst)
- Flusshochwasser (nachgelagert ausgelöst)
- Flash flood (set off downstream)
- Gefährliche Brandung (stromabwärts ausgelöst)
- Großflächiger Stromausfall (stromabwärts ausgelöst)
- Massenvertreibung (stromabwärts ausgelöst)
- Küstenhochwasser (stromabwärts ausgelöst)
- Aftershock sequence (set off downstream)
- Fault surface rupture (set off downstream)
- Soil liquefaction (set off downstream)
- Slope slide (set off downstream)
- Rockfall (set off downstream)
- Tsunami (set off downstream)
Systeme und Kopplungen
Steuerung
NS-0Verfassung und GrundsätzeNS-3UNIs für Risikodatensätze (Grammatik, Altbestands-Crosswalk, Zuteilungsstelle)NS-9Kontextuelle UNIs (Bereitstellungen, Instanzen, Programminstanzen)NS-10Richtlinien und Klauseln (maschinenlesbare Pflichten: Definition, Bindung, Bewertung und Durchsetzung)NS-11Verifikation und Überwachung (Evidenz, Bescheinigungen, Beobachtung der Zero-Trust-Konformität)NS-14Konformität und Abgleich mit externen StandardsNRS-F3Versicherung, Katastrophenrisiko und AbsicherungslückenNRS-H113Gefahrenfamilie: Fragilität des Finanzsystems (NHS-1 soc.financial-system)NRS-U17Universe-Plattformprofil: Insurance NexusNRS-H71Gefahrenfamilie: kosmische und erdgeschichtliche Katastrophen (NHS-1 planet.deep-time)NRS-H65Gefahrenfamilie: Überschreitung planetarer Grenzen (NHS-1 planet.boundary)NRS-F8Parametrischer und indexbasierter Risikotransfer
Beobachtung
- OECD Data Explorer (incl. Creditor Reporting System, insurance and pension statistics) (listed for reference)
- Insurance statistics (listed for reference)
- USGS earthquake GeoJSON summary feeds (listed for reference)
- Direct economic loss attributed to disasters in relation to global gross domestic product (GDP)
- Direct economic loss attributed to disasters in relation to global gross domestic product
- (a) Number of commercial bank branches per 100,000 adults and (b) number of automated teller machines (ATMs) per 100,000 adults
Beispielgeografie
- Westeuropa: 152 Sechseckzellen
- Niederschlagsrate, letzte halbe Stunde (IMERG), NASA GIBS
- Nachtlichter heute Nacht, Ausfälle (VIIRS Day/Night Band), NASA GIBS
- Oberflächenwasser durch Wolken, 30 m (Radar OPERA DSWx-S1), NASA GIBS
- Carbon monoxide, smoke transport (AIRS), NASA GIBS
Woher die Evidenz stammt.
Benannte öffentliche Datensätze und institutionelle Aufzeichnungen, jeweils mit ihrer Lizenzklasse. Quellen auf Vereinbarungsbasis werden nur zu ihren Bedingungen genutzt und niemals weiterveröffentlicht.
| Quelle | Was es liefert | Lizenzklasse |
|---|---|---|
| Actuarial Standards Board ASOP on credibility procedures | Berufsstandards für Glaubwürdigkeit | Kostenlos, ASB-Bedingungen |
| Monografien der Casualty Actuarial Society zur Kredibilität | Bühlmann-Verfahren und Verfahren der begrenzten Schwankung | Frei lesbar, CAS-Bedingungen |
| Statistische Agentendaten der Branche | Pooled experience for benchmarks | Lizenziert, Bedingungen je Akteur |
| Structured expert judgement literature (Cooke method) | Methoden zur Erhebung und Zusammenführung von Expertenschätzungen | Frei lesbar, Bedingungen je Verlag |
| Dokumentation zu Stan und PyMC | Open-Source-Werkzeuge für die Bayes'sche Modellierung | Open-Source-, BSD- und Apache-Lizenzen |
Was Glaubwürdigkeit und spärliche Daten für Exposition, Verlust und Kapital bedeuten.
Die Ansichten zu Exposition, Verlust, Szenario und Kapital, die eine Risikoverantwortliche, ein Aufseher oder ein Finanzministerium verlangen würde, samt den Rahmenwerken, gegen die berichtet wird. Die Strukturen folgen der aufsichtsrechtlichen und versicherungsmathematischen Praxis. Die Werte sind illustrativ: niemals Preise, Ratings oder Beratung.
Exposition und Verlust nach Wiederkehrperiode
How losses from credibility and sparse data grow with severity, gross and net of reinsurance, against capital.
| Wiederkehrperiode | Jährliche Wahrscheinlichkeit | Bruttoverlust | Nettoverlust | Netto, Kapital = 100 |
|---|---|---|---|---|
| 1 von 10 | 0.10 | 14 | 10 | 10 |
| 1 zu 50 | 0.02 | 33 | 21 | 21 |
| 1 zu 100 | 0.01 | 46 | 27 | 27 |
| 1 zu 250 | 0.004 | 68 | 39 | 39 |
| Durchschnittlicher Jahresschaden | 3.1 | 2.2 | 2.2 |
Wer entscheidet und wozu die Evidenz dient.
Versicherungsmathematik und quantitatives Risiko bereitet Evidenz vor. Die nachstehenden Entscheidungen treffen die genannten Behörden nach ihren eigenen Regeln, niemals die Plattform.
| Wer entscheidet | Die Frage | Evidenz, der diese Seite dient |
|---|---|---|
| Tarifierungs- und Reservierungsaktuare | Wie viel Glaubwürdigkeit eigenen Daten zukommt und welcher Referenzwert heranzuziehen ist | Exposition, Benchmark-Relevanz und Berufsstandards |
| Product committees | Ob Produkte bei spärlicher Datenlage eingeführt werden sollen und welche Überwachung gilt | Unsicherheitsschätzungen und Überwachungspläne |
| Aufsichtsbehörden | Ob Annahmen für neue oder kleine Portfolios angemessen sind | Actuarial reports |
| Rückversicherer | Wie sich Deckung für Portfolios mit geringer Historie bepreisen lässt | Referenzwerte und Expositionsdaten |
Ergebnisse, die dieses Thema hervorbringt
- Leitfaden zu Methoden der Glaubwürdigkeit
- Methodenhinweis zur Bayes'schen Aktualisierung von Preisannahmen
- Überblick zur strukturierten Expertenbefragung
- Questions for reviewers on benchmark relevance
Die Fragen, die Fachleute stellen.
- How much weight should a portfolio’s own experience receive relative to wider data?
- Welche externen Daten sind relevant, und wie stark unterscheidet sich die Zielpopulation?
- Wie sollte Expertenurteil erhoben und mit Daten kombiniert werden?
- Wie sollte die zusätzliche Unsicherheit durch spärliche Daten in den Ergebnissen abgebildet werden?
- Wie können Modelle für datenarme Kontexte vermeiden, schlicht Annahmen aus datenreichen Kontexten zu übernehmen?
Glaubwürdigkeit und Stärke durch Informationsaustausch (borrowing strength).
Credibility theory, developed by actuaries over many decades, blends a risk’s own experience with a broader collective estimate, giving more weight to own experience as its volume and stability grow. The Bühlmann and Bühlmann-Straub models formalise this as a linear estimate that minimises expected error, and they are closely related to Bayesian methods and to hierarchical models in statistics.
Hierarchical Bayesian models extend the idea, letting groups such as regions, industries or policy types share information while retaining their own parameters. They make uncertainty explicit and can incorporate prior knowledge from expert judgement or related data. Structured expert elicitation methods help reduce bias when experts supply estimates.
Bei neu entstehenden Risiken wie Cyberrisiken liegt das Problem nicht nur im Volumen, sondern im Wandel: Das Bedrohungsumfeld entwickelt sich schneller, als sich Daten ansammeln, sodass ältere Daten weniger relevant sein können. In Märkten mit niedrigerem Einkommen kann die Verwendung von Modellen, die für andere Länder entwickelt wurden, Annahmen zu Gebäudequalität, Gesundheit oder Verhalten festschreiben, die nicht zutreffen.
Methoden und ihre Grenzen.
Credibility-Modelle
Verbindung eigener und kollektiver Erfahrung; erfordert eine sinnvolle Definition des Kollektivs.
Hierarchical models
Informationen über Gruppen hinweg mit expliziter Unsicherheit teilen; die Ergebnisse hängen von den Prioris ab.
Structured elicitation
Formale Methoden zur Gewinnung und Kalibrierung von Expertenurteilen.
Limits: no method creates information that is not there. Sparse-data estimates carry wide uncertainty, and results can be dominated by assumptions about the collective or prior.
Wie es untersucht wird und was die Methoden nicht sagen können.
- 01VersicherungsmathematikReservierung mit Abwicklungsdreiecken · Prämienaufbau · Bewertung von LeibrentenHier angewandt
- 02Wahrscheinlichkeit und StatistikVerallgemeinerte lineare Modelle in der Tarifierung · Bayessche Glaubwürdigkeit · AnpassungstestsHier angewandt
- 03Unsicherheitsquantifizierung und ModellvalidierungReservebandbreiten · Parameter- und Modellunsicherheit · Rangfolge der SensitivitätenHier angewandt
- 04Hochleistungs-, Cloud- und Edge-ComputingMonte-Carlo-Simulation · Versionskontrolle und Reproduzierbarkeit · Kontrollen für Endbenutzer-AnwendungenHier angewandt
Fragen und Antworten.
What is credibility in actuarial work?
Was ist Bühlmann-Kredibilität?
Wann ist ein Expertenurteil angemessen?
Kann die Branche Daten teilen, um die Datenknappheit zu verringern?
Ist Expertenurteil wissenschaftlich?
Warum ist Cyberrisiko schwer zu modellieren?
Evidenz von dieser Seite aus beitragen.
Reports ist die vierteljährliche Publikation des Konsortiums. Was Sie über dieses Thema wissen, kann in der nächsten Ausgabe zu Evidenz, einem Fall oder einer Korrektur werden, Ihnen zugeschrieben und unter CC BY 4.0 veröffentlicht, soweit es Ihr eigenes Werk ist.
- E-MailPortal GW-GRAVon dieser Seite aus sendenEvidenz, eine Korrektur, ein Fall, eine Methode, eine Prüfung, eine Übersetzung oder ein Beitrag zu einem Profil. Sie kommt mit dieser Seite gekennzeichnet an, sodass die zuständige Redaktion sie erhält.
- ZenodoOpen depositDeposit it and submit to the communityPublish your own record on Zenodo with your ORCID iD, then submit it to the Reports community there. Curators review it; the DOI stays yours.
- ReportsGlobal Risks AllianceSee every way to contributeThe contribution types, how each is reviewed, what credit you receive, the licence and what is never accepted.
Senden Sie nie personenbezogene Daten, sensible Infrastrukturdetails oder etwas, das Sie nicht weitergeben dürfen. Ein Beitrag wird vor der Nutzung geprüft; das Einsenden begründet weder Urheberschaft noch redaktionelle Rechte, und Sponsoring erkauft nie ein Ergebnis.
Bringen Sie eine Frage zu Exposition oder Kapital in die Alliance ein.
Information und Anfragen sind heute offen. Eine Anfrage erhält ein Aktenzeichen und nennt den nächsten Schritt; Bewerbungen, Zahlungen, Rechenzuteilungen und Registrierungen öffnen erst, wenn Team, Bedingungen und Prüfkapazität bestehen.
Rechtliche Dokumente.
Karten, Daten und Zahlen auf dieser Website werden zu Kontext- und allgemeinen Informationszwecken gezeigt. Sie sind weder Beratung noch Prognosen oder Warnungen; die Grenzen der Information sind in den Haftungsausschlüssen und Datenhinweisen dargelegt.