GRA · Risiko Aktuaria dan Kuantitatif
Keuangan spasialTempat modal bertemu bahaya, keterpaparan, dan transisi
Kredibilitas dan data yang langka
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.
Kredibilitas dan data yang jarang dalam catatan.
Credibility and sparse data: how the risk develops.
Working where loss history is short or missing. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Memadukan data sendiri dan data yang lebih luas
Credibility weights give more weight to own experience as it grows. Too little weight ignores real differences; too much prices on noise.
Benchmarks may not fit
Tolok ukur industri atau reasuradur mencerminkan portofolio lain. Jika portofolio berbeda dalam komposisi atau praktik, campurannya membawa bias.
Penilaian pakar mengisi kekosongan
Where data are absent, structured expert elicitation provides estimates. Without structure and documentation, judgement adds hidden bias.
Pembaruan seiring data masuk
Pembaruan Bayesian merevisi estimasi seiring bertambahnya pengalaman, menunjukkan seberapa jauh data telah menggeser asumsi awal (prior).
Indeks kekeringan terhadap titik lekatnya.
Cara membaca musim kemarau terhadap titik di mana perlindungan kekeringan mulai membayar. Musim dan ketentuan desain bersifat sintetis.
Apa yang diukur, dan seberapa baik.
Setiap indikator membawa satuan, frekuensi, jenis sumber di baliknya, dan label bukti yang akan dibawa suatu nilai. Tidak ada nilai yang ditampilkan: sebuah program menyediakannya berdasarkan wewenangnya sendiri.
| Indikator | Unit | Kadensi | Jenis sumber | Label |
|---|---|---|---|---|
| Credibility weight assigned to own experience | proporsi, nol hingga satu | per analisis | Pricing analysis | DIMODELKAN |
| Keterpaparan yang mendasari pengalaman sendiri | unit keterpaparan | per analisis | Portfolio data | TERAMATI |
| Selisih antara estimasi sendiri dan estimasi acuan | persen | per analisis | Pricing analysis | ESTIMASI |
| Elisitasi pakar yang terdokumentasi | jumlah | per model | Dokumentasi model | DINYATAKAN |
| Posterior uncertainty of key parameters | lebar interval | per analisis | Model Bayesian | DIMODELKAN |
| Rasio aktual terhadap yang diharapkan setelah peluncuran | rasio | berkala | Experience monitoring | ESTIMASI |
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.
Bahaya
- siklon tropis
- Gempa bumi
- Banjir akibat sumbatan es
- Kebakaran hutan dan lahan
- Gelombang badai (dipicu di hilir)
- Curah hujan lebat (dipicu di hilir)
- Banjir sungai (dipicu di hilir)
- Banjir bandang (dipicu di hilir)
- Gelombang berbahaya (dipicu di hilir)
- Pemadaman listrik meluas (dipicu di hilir)
- Pengungsian massal (dipicu di hilir)
- Banjir pesisir (dipicu di hilir)
- Rangkaian gempa susulan (dipicu di hilir)
- Pecahnya permukaan sesar (dipicu di hilir)
- Likuefaksi tanah (dipicu di hilir)
- Longsor lereng (dipicu di hilir)
- Longsoran batu (dipicu di hilir)
- Tsunami (dipicu di hilir)
Sistem dan keterkaitan
- Asuransi dan reasuransi
- Perbankan Keterkaitan
- Lembaga pembiayaan pembangunan Keterkaitan
- Kemanusiaan dan masyarakat sipil Keterkaitan
- Pertanian dan penggunaan lahan Keterkaitan
Kendali
NS-0Anggaran dasar dan prinsipNS-3UNI catatan risiko (tata bahasa, pemetaan ke sistem lama, kewenangan alokasi)NS-9UNI kontekstual (penerapan, instans, instans program)NS-10Kebijakan dan klausul (kewajiban yang dapat dibaca mesin: definisi, pengikatan, evaluasi, dan penegakan)NS-11Verifikasi dan pemantauan (bukti, atestasi, pengamatan kesesuaian zero trust)NS-14Kesesuaian dan pemetaan silang ke standar eksternalNRS-F3Asuransi, risiko katastrofe, dan kesenjangan perlindunganNRS-H113Keluarga bahaya: Kerapuhan sistem keuangan (NHS-1 soc.financial-system)NRS-U17Semesta : Insurance NexusNRS-H71Keluarga bahaya: Bencana zaman purba dan kosmik (NHS-1 planet.deep-time)NRS-H65Keluarga bahaya: Pelampauan batas planet (NHS-1 planet.boundary)NRS-F8Transfer risiko parametrik dan berbasis indeks
Pengamatan
- OECD Data Explorer (termasuk Creditor Reporting System, statistik asuransi dan pensiun) (dicantumkan sebagai rujukan)
- Statistik asuransi (dicantumkan sebagai rujukan)
- Umpan ringkasan GeoJSON gempa bumi USGS (dicantumkan sebagai rujukan)
- Kerugian ekonomi langsung akibat bencana dibandingkan dengan produk domestik bruto (PDB) global
- Kerugian ekonomi langsung akibat bencana dibandingkan dengan produk domestik bruto global
- (a) Jumlah kantor cabang bank umum per 100.000 orang dewasa dan (b) jumlah anjungan tunai mandiri (ATM) per 100.000 orang dewasa
Contoh geografi
- Eropa Barat: 152 sel heksagonal
- Laju hujan, setengah jam terakhir (IMERG), NASA GIBS
- Cahaya malam hari ini, pemadaman (VIIRS Day/Night Band), NASA GIBS
- Air permukaan menembus awan, 30 m (radar OPERA DSWx-S1), NASA GIBS
- Karbon monoksida, sebaran asap (AIRS), NASA GIBS
Asal bukti.
Set data publik bernama dan catatan kelembagaan, masing-masing dengan kelas lisensinya. Sumber berdasarkan perjanjian hanya digunakan sesuai ketentuannya dan tidak pernah diterbitkan ulang.
| Sumber | Apa yang diberikannya | Kelas lisensi |
|---|---|---|
| Actuarial Standards Board ASOP on credibility procedures | Professional standards for credibility | Gratis, ketentuan ASB |
| Casualty Actuarial Society credibility monographs | Metode Bühlmann dan fluktuasi terbatas | Bebas dibaca, ketentuan CAS |
| Industry statistical agent data | Pooled experience for benchmarks | Licensed, terms per agent |
| Structured expert judgement literature (Cooke method) | Methods for eliciting and combining expert estimates | Gratis dibaca, ketentuan sesuai penerbit |
| Dokumentasi Stan dan PyMC | Alat pemodelan Bayesian sumber terbuka | Open source, BSD and Apache licences |
What credibility and sparse data means for exposure, loss and capital.
Tampilan eksposur, kerugian, skenario, dan modal yang akan diminta oleh pejabat risiko, otoritas pengawas, atau kementerian keuangan, beserta kerangka pelaporan yang mereka gunakan. Strukturnya mengikuti praktik pengawasan dan aktuaria. Nilai bersifat ilustratif: tidak pernah merupakan harga, peringkat, atau saran.
Eksposur dan kerugian pada periode ulang
How losses from credibility and sparse data grow with severity, gross and net of reinsurance, against capital.
| Periode ulang | Probabilitas tahunan | Kerugian bruto | Kerugian neto | Neto, modal = 100 |
|---|---|---|---|---|
| 1 dalam 10 tahun | 0.10 | 14 | 10 | 10 |
| 1 dalam 50 tahun | 0.02 | 33 | 21 | 21 |
| 1 dalam 100 tahun | 0.01 | 46 | 27 | 27 |
| 1 dalam 250 tahun | 0.004 | 68 | 39 | 39 |
| Rata-rata kerugian tahunan | 3.1 | 2.2 | 2.2 |
Siapa yang memutuskan, dan apa yang dilayani bukti.
Actuarial and Quantitative Risk menyiapkan bukti. Keputusan di bawah ini diambil oleh otoritas yang disebutkan, berdasarkan aturan mereka sendiri, dan tidak pernah oleh platform ini.
| Siapa yang memutuskan | Pertanyaannya | Bukti yang dilayani halaman ini |
|---|---|---|
| Aktuaris penetapan harga dan pencadangan | How much credibility to give own data and which benchmark to use | Keterpaparan, relevansi tolok ukur, dan standar profesional |
| Komite produk | Whether to launch products with sparse data and what monitoring applies | Uncertainty estimates and monitoring plans |
| Pengawas | Whether assumptions for new or small portfolios are reasonable | Actuarial reports |
| Perusahaan reasuransi | How to price cover for portfolios with little history | Benchmarks and exposure data |
Keluaran yang dihasilkan topik ini
- Panduan metode kredibilitas
- Method note on Bayesian updating of pricing assumptions
- Brief on structured expert elicitation
- Questions for reviewers on benchmark relevance
Pertanyaan yang diajukan para pakar.
- How much weight should a portfolio’s own experience receive relative to wider data?
- Which external data are relevant, and how different is the target population?
- How should expert judgement be elicited and combined with data?
- How should the extra uncertainty from sparse data be reflected in results?
- Bagaimana model untuk konteks minim data dapat menghindari sekadar mengimpor asumsi dari konteks kaya data?
Credibility and 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.
In emerging risks such as cyber, the problem is not only volume but change: the threat environment evolves faster than data accumulate, so old data may be less relevant. In lower-income markets, using models built for other countries can embed assumptions about building quality, health or behaviour that do not hold.
Metode dan batasannya.
Credibility models
Memadukan pengalaman sendiri dan pengalaman kolektif; memerlukan definisi kolektif yang masuk akal.
Hierarchical models
Sharing information across groups with explicit uncertainty; results depend on priors.
Structured elicitation
Formal methods to obtain and calibrate expert judgement.
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.
Cara hal ini dikaji, dan apa yang tidak dapat dinyatakan metodenya.
- 01Matematika aktuariaPencadangan dengan segitiga perkembangan · Penyusunan premi · Valuasi anuitasDiterapkan di sini
- 02Probabilitas dan statistikaModel linear tergeneralisasi dalam penetapan harga · Kredibilitas Bayesian · Uji kecocokanDiterapkan di sini
- 03Kuantifikasi ketidakpastian dan validasi modelRentang cadangan · Ketidakpastian parameter dan model · Peringkat sensitivitasDiterapkan di sini
- 04Komputasi berkinerja tinggi, cloud, dan edgeSimulasi Monte Carlo · Kontrol versi dan reprodusibilitas · Pengendalian komputasi pengguna akhirDiterapkan di sini
Tanya jawab.
Apa yang dimaksud dengan kredibilitas dalam pekerjaan aktuaria?
What is Bühlmann credibility?
Kapan penilaian pakar sesuai digunakan?
Dapatkah industri berbagi data untuk mengurangi kelangkaan data?
Is expert judgement scientific?
Why is cyber risk hard to model?
Kontribusikan bukti dari halaman ini.
Reports adalah publikasi triwulanan Konsorsium. Apa yang Anda ketahui tentang subjek ini dapat menjadi bukti, kasus, atau koreksi dalam edisi berikutnya, dengan kredit atas nama Anda dan dipublikasikan di bawah CC BY 4.0 jika merupakan karya Anda sendiri.
- SurelGerbang GW-GRAKirim dari halaman iniBukti, koreksi, kasus, metode, tinjauan, terjemahan, atau masukan profil. Kiriman tiba dengan label halaman ini, sehingga editor pemiliknya menerimanya.
- 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.
Jangan pernah mengirim data pribadi, rincian infrastruktur sensitif, atau apa pun yang tidak berhak Anda bagikan. Kontribusi ditinjau sebelum digunakan. Mengirimkannya tidak memberikan hak kepenulisan atau editorial, dan sponsor tidak pernah membeli sebuah temuan.
Ajukan pertanyaan eksposur atau modal kepada Aliansi.
Informasi dan pertanyaan sudah terbuka hari ini. Sebuah pertanyaan menerima nomor referensi dan menyebutkan langkah berikutnya; lamaran, pembayaran, alokasi komputasi, dan pendaftaran hanya dibuka ketika tim, ketentuan, dan kapasitas tinjauannya tersedia.
Dokumen hukum.
Peta, data, dan gambar di situs ini ditampilkan untuk konteks dan informasi umum. Semua itu bukan nasihat, prakiraan, atau peringatan; batasan informasinya dijelaskan dalam Penafian dan Pemberitahuan Data.