Skip to content

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.

01Registrieren

Credibility and sparse data on the record.

02Die Frage

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.

Mechanismus

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.

Mechanismus

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.

Mechanismus

Expertenurteil füllt Lücken

Wo Daten fehlen, liefert eine strukturierte Expertenbefragung Schätzungen. Ohne Struktur und Dokumentation bringt das Urteil verdeckte Verzerrungen ein.

Mechanismus

Updating as data arrive

Bayesian updating revises estimates as experience accumulates, showing how far data have moved the prior assumption.

03Räumliche Finanzanalyse

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.

Eine Regenzeit in der Sahelzone, gelesen an den Punkten, an denen eine Dürredeckung zu zahlen beginnen und aufhören würde.Synthetische Saison- und Gestaltungsbedingungen; es wird keine Deckung impliziert.
04Indikatoren

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.

IndikatorEinheitTaktQuellentypKennzeichnung
Glaubwürdigkeitsgewicht, das der eigenen Erfahrung zugewiesen wirdAnteil, null bis einspro AnalysePreisanalyseMODELLIERT
Exposure underlying own experienceexposure unitspro AnalysePortfoliodatenBEOBACHTET
Differenz zwischen eigenen Schätzungen und ReferenzschätzungenProzentpro AnalysePreisanalyseGESCHÄTZT
Expert elicitation sessions documentedAnzahlpro ModellModelldokumentationDEKLARIERT
Posteriori-Unsicherheit zentraler ParameterIntervallbreitepro AnalyseBayessche ModelleMODELLIERT
Verhältnis von tatsächlichem zu erwartetem Wert nach dem StartVerhältnisperiodischErfahrungsmonitoringGESCHÄTZT
05Zwillings- und Kaskadensimulator

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)

Steuerung

  • NS-0 Verfassung und Grundsätze
  • NS-3 UNIs für Risikodatensätze (Grammatik, Altbestands-Crosswalk, Zuteilungsstelle)
  • NS-9 Kontextuelle UNIs (Bereitstellungen, Instanzen, Programminstanzen)
  • NS-10 Richtlinien und Klauseln (maschinenlesbare Pflichten: Definition, Bindung, Bewertung und Durchsetzung)
  • NS-11 Verifikation und Überwachung (Evidenz, Bescheinigungen, Beobachtung der Zero-Trust-Konformität)
  • NS-14 Konformität und Abgleich mit externen Standards
  • NRS-F3 Versicherung, Katastrophenrisiko und Absicherungslücken
  • NRS-H113 Gefahrenfamilie: Fragilität des Finanzsystems (NHS-1 soc.financial-system)
  • NRS-U17Universe-Plattformprofil: Insurance Nexus
  • NRS-H71 Gefahrenfamilie: kosmische und erdgeschichtliche Katastrophen (NHS-1 planet.deep-time)
  • NRS-H65 Gefahrenfamilie: Überschreitung planetarer Grenzen (NHS-1 planet.boundary)
  • NRS-F8 Parametrischer 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
06Quellen

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.

QuelleWas es liefertLizenzklasse
Actuarial Standards Board ASOP on credibility proceduresBerufsstandards für GlaubwürdigkeitKostenlos, ASB-Bedingungen
Monografien der Casualty Actuarial Society zur KredibilitätBühlmann-Verfahren und Verfahren der begrenzten SchwankungFrei lesbar, CAS-Bedingungen
Statistische Agentendaten der BranchePooled experience for benchmarksLizenziert, Bedingungen je Akteur
Structured expert judgement literature (Cooke method)Methoden zur Erhebung und Zusammenführung von ExpertenschätzungenFrei lesbar, Bedingungen je Verlag
Dokumentation zu Stan und PyMCOpen-Source-Werkzeuge für die Bayes'sche ModellierungOpen-Source-, BSD- und Apache-Lizenzen
07Exposition, Verlust und Kapital

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.

1 von 101 zu 501 zu 1001 zu 250bruttonach Rückversicherung800
WiederkehrperiodeJährliche WahrscheinlichkeitBruttoverlustNettoverlustNetto, Kapital = 100
1 von 100.10141010
1 zu 500.02332121
1 zu 1000.01462727
1 zu 2500.004683939
Durchschnittlicher Jahresschaden3.12.22.2
Illustrativer Schadenindex für ein Beispielportfolio (Kapital = 100): die Form der Überschreitungswahrscheinlichkeit, die Versicherer und Aufsichtsbehörden lesen. Keine Daten über ein Institut, kein Preis und kein Rating.
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
08Entscheidungen

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 entscheidetDie FrageEvidenz, der diese Seite dient
Tarifierungs- und ReservierungsaktuareWie viel Glaubwürdigkeit eigenen Daten zukommt und welcher Referenzwert heranzuziehen istExposition, Benchmark-Relevanz und Berufsstandards
Product committeesOb Produkte bei spärlicher Datenlage eingeführt werden sollen und welche Überwachung giltUnsicherheitsschätzungen und Überwachungspläne
AufsichtsbehördenOb Annahmen für neue oder kleine Portfolios angemessen sindActuarial reports
RückversichererWie sich Deckung für Portfolios mit geringer Historie bepreisen lässtReferenzwerte und Expositionsdaten

Ergebnisse, die dieses Thema hervorbringt

09Kernfragen

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?
10Mechanismen

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.

11Methoden und Daten

Methoden und ihre Grenzen.

Credibility

Credibility-Modelle

Verbindung eigener und kollektiver Erfahrung; erfordert eine sinnvolle Definition des Kollektivs.

Bayesian

Hierarchical models

Informationen über Gruppen hinweg mit expliziter Unsicherheit teilen; die Ergebnisse hängen von den Prioris ab.

Fachleute

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.

13Fragen

Fragen und Antworten.

What is credibility in actuarial work?
The weight given to a portfolio’s own experience when combining it with broader data, increasing as the volume and stability of own data grow.
Was ist Bühlmann-Kredibilität?
Eine Methode, die Glaubwürdigkeitsgewichte aus der Varianz innerhalb und zwischen Risikogruppen ableitet und die eigene Erfahrung gegen das Kollektiv abwägt.
Wann ist ein Expertenurteil angemessen?
When data are absent or not relevant, provided it is elicited in a structured, documented way and tested as data arrive.
Kann die Branche Daten teilen, um die Datenknappheit zu verringern?
Only aggregated, under GRA’s written competition policy, once membership opens. Competitively sensitive data are not exchanged.
Ist Expertenurteil wissenschaftlich?
Das kann sie sein, wenn sie mit strukturierten Methoden erhoben, kalibriert und dokumentiert wird und ihre Unsicherheit angegeben ist.
Warum ist Cyberrisiko schwer zu modellieren?
Weil die Daten knapp sind, sich Bedrohungen schnell ändern und Verluste zwischen Unternehmen stark korreliert sein können.
BerichteBeitragen

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.

Global Risks AllianceActuarial and Quantitative RiskMethods and TechnicalFinance and Insurance Readiness
Versicherungsmathematische und quantitative Risiken

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.