Skip to content

GRA · Riesgo actuarial y cuantitativo

Spatial financeDonde el capital se encuentra con la amenaza, la exposición y la transición

High-performance, cloud and edge computing for actuarial and quantitative risk

Computing makes quantitative risk work possible and introduces its own risks. On this platform it covers simulation, reproducible code, version control and the controls that keep spreadsheets and models from producing silent errors.

01Registro

High-performance, cloud and edge computing for actuarial and quantitative risk on the record.

Registro del métodoMétodo CTIM
  1. MétodoComputación de alto rendimiento, en la nube y en el borde
  2. Se aplica enRiesgo actuarial y cuantitativo
  3. Página canónicaProcomún CTIM
02Solicitud

What high-performance, cloud and edge computing does here.

High-performance, cloud and edge computing provide the processing and storage capacity for simulation, analytics and digital services. They are both an enabler of análisis de riesgos and a critical dependency for society. In insurance and catastrophe, methods and modelling and capital markets and investment, computing capacity determines how fast and at what resolution risks can be modelled. Its concentration is itself a systemic dependency for finance, health and government services. The canonical description is on el bien común CTIM.

Simulación de Monte Carlo

Large simulations estimate aggregate losses and capital, with convergence tested and random seeds recorded so results can be reproduced.

Version control and reproducibility

Model code, data and parameters are held under version control, so any result can be traced and rerun by a reviewer.

End-user computing controls

Spreadsheets used in reserving and capital are inventoried, tested and reviewed, since errors in them have caused material misstatements.

03Seguimiento

Compute workload.

La pantalla que utilizaría un equipo para seguir este método: sus mediciones, estados y decisiones. Los nombres son ejemplos y los valores son ilustrativos.

Compute workload

Actuarial and quantitative risk · High-performance, cloud and edge · Run R-8719

  • Channels reporting
    99of 100Normal
  • Median latency
    343ms
  • Records failing checks
    2.8per 1,000Vigilar
  • Backlog
    15min
Gaps on 5 channelsGRA · Actuarial and Quantitative Risk

Latency, p95

Eventos

  1. 06:25AlertarChannel C-17 stale
  2. 07:37InfoSchema v2 accepted
  3. 08:19ErrorChecksum mismatch, batch quarantined
  4. 08:31HechoReplay complete
Compute workload: the screen’s structure, terms and states for Actuarial and quantitative risk.Nombres de ejemplo y valores ilustrativos; un diseño, no un registro ni un sistema en vivo.
04Datos

Lo que consume el método.

Datasets and records used by high-performance, cloud and edge computing on this platform, with the role each plays and the label its values carry. Sources are listed in el registro de fuentes.

DatosFunciónEtiqueta
Model code repositoriesImplementaciónDECLARADO
Simulation outputsResultsMODELIZADO
Spreadsheet inventoriesEnd-user computingDECLARADO
05Modelo de pérdidas

Excedencia de pérdidas, pérdida media anual y pérdida máxima probable.

La pérdida que puede esperar por año una cartera de la huella, y en los niveles de 1 en 100 y 1 en 250 que fijan los precios de aseguradoras y prestamistas, a partir de los mismos tres bloques que usa todo modelo de catástrofes . Modelo didáctico con valores ilustrativos explícitos, no una predicción.

Controles

Intensidad anual típica de la amenaza (lugar)
1,00 índice de intensidad
Dispersión de los extremos (escala)
índice de intensidad de 0.80
Intensidad a la que se pierde la mitad del valor
4,00 índice de intensidad
Dispersión de la vulnerabilidad
0.55
Proporción del valor en la huella de la amenaza
40%
Norma de protección (período de retorno)
50 años

Lecturas

Pérdida anual media
0.51 % del valor
Pérdida a 1 en 100 años
24.5 % del valor
Pérdida de 1 en 250 años
28.4 % del valor
Intensidad a 1 en 100 años
índice de intensidad de 4.68
Cifras, métodos y fuentes
Período de retorno (años)Intensidad (índice de intensidad)Pérdida (% del valor)
10.090.00
21.270.00
41.910.00
72.470.00
133.000.00
243.510.00
444.020.00
824.5323.55
1545.0326.44
2875.5328.87
5366.0330.88
1,0006.5332.53

Métodos

  1. Amenaza de valores extremos de Gumbel Gumbel (1958), Statistics of Extremes, Columbia University Press
  2. Fragilidad lognormal (vulnerabilidad) FEMA (2003), HAZUS-MH Technical Manual
  3. Curva de probabilidad de excedencia y pérdida anual media Grossi and Kunreuther (2005), Catastrophe Modeling, Springer
  4. Efecto dique Di Baldassarre and others (2013), Socio-hydrology, HESS 17
  5. Abanico de incertidumbre (Monte Carlo de parámetros) Spiegelhalter, Pearson y Short (2011), Visualising uncertainty about the future, Science 333
  6. Sensibilidad de un factor a la vez (tornado) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley

Datos

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:

  • Ríos Natural Earth
  • Extensiones urbanas Natural Earth
  • Ciudades Natural Earth
  • Terremotos M4.5+, última semana (USGS) U.S. Geological Survey · registro usgs.earthquake.summary-feeds
  • Intensidad de lluvia, última media hora (IMERG) NASA GPM IMERG Early · registro nasa.gibs.context-live-layers
  • Pronóstico del caudal fluvial, 30 días con rango (GloFAS mediante Open-Meteo) Open-Meteo.com (CC BY 4.0), Copernicus GloFAS · registro open-meteo.public-pages
  • Extensión edificada y de asentamientos, 2010 (HBASE, Landsat) CIESIN/Columbia, NASA SEDAC HBASE · registro sedac.context-urban-layers
Excedencia de pérdidas, pérdida anual media y pérdida máxima probable. Modelo didáctico ilustrativo: funciona con los valores fijados por los controles, no con datos medidos. Métodos: amenaza de valores extremos de Gumbel (Gumbel (1958), Statistics of Extremes, Columbia University Press); fragilidad lognormal (vulnerabilidad) (FEMA (2003), HAZUS-MH Technical Manual); curva de probabilidad de excedencia y pérdida anual media (Grossi y Kunreuther (2005), Catastrophe Modeling, Springer).
06Validación

Cómo se verifican los resultados.

Sistemas are tested through benchmarks, load testing and failover exercises. Numerical reproducibility is checked across hardware and software configurations.

VerificaciónCómo se hace
ConvergenciaSimulation results are stable as iterations increase
ReproducibilidadA reviewer can rerun results from recorded inputs
Independent testingCode is tested against independent calculations

Concentration in few providers or regions creates shared points of failure. Energy, water and supply chain constraints limit capacity growth.

07Exposición, pérdida y capital

What it means for exposure, loss and capital.

Las vistas de exposición, pérdida, escenarios y capital que pediría un responsable de riesgos, un supervisor o un ministerio de finanzas, con los marcos con arreglo a los cuales informan. Las estructuras siguen la práctica supervisora y actuarial. Los valores son ilustrativos: nunca precios, calificaciones ni asesoramiento.

Exposición y pérdida por periodo de retorno

How losses from high-performance, cloud and edge computing for actuarial and quantitative risk grow with severity, gross and net of reinsurance, against capital.

1 en 101 en 501 en 1001 en 250brutoneto de reaseguro800
Periodo de retornoProbabilidad anualPérdida brutaPérdida netaNeto, capital = 100
1 en 100.10141010
1 en 500.02332121
1 en 1000.01462727
1 en 2500.004683939
Pérdida anual media3.12.22.2
Índice de pérdidas ilustrativo para una cartera de ejemplo (capital = 100): la forma de probabilidad de excedencia que leen las aseguradoras y los supervisores. No son datos de ninguna institución, ni un precio ni una calificación.
Escenarios climáticos del NGFS · Red para la Ecologización del Sistema FinancieroNIIF S2 Información a revelar relacionada con el clima · ISSBRecomendaciones del TCFD · TCFD del Consejo de Estabilidad FinancieraPrincipios para la gestión eficaz de los riesgos financieros relacionados con el clima · Comité de Supervisión Bancaria de Basilea
09Custodia responsable

Quién mantiene el método.

Datos y computación stewards high-performance, cloud and edge computing for the Consortium and reviews how it is applied across platforms.

11Preguntas

Preguntas y respuestas.

What are the limits of high-performance, cloud and edge computing in this field?
Concentration in few providers or regions creates shared points of failure. Energy, water and supply chain constraints limit capacity growth.
¿Cómo se verifican los resultados?
Systems are tested through benchmarks, load testing and failover exercises. Numerical reproducibility is checked across hardware and software configurations.
¿Son reales los valores de esta página?
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.
¿Dónde más se aplica este método?
El Observatory del página canónica del método enumera todas las plataformas que lo aplican.
InformesContribuir

Aporte evidencia desde esta página.

Informes 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 AllianceRiesgo actuarial y cuantitativoMétodos y técnicaPreparación financiera y de seguros
Riesgo actuarial y cuantitativo

Plantee una cuestión de exposición o de capital a la Alliance.

La información y las consultas están abiertas hoy. Una consulta recibe una referencia e indica el siguiente paso; las solicitudes, pagos, asignaciones de cómputo y registros solo se abren cuando existen su equipo, sus condiciones y la capacidad de revisión.