Skip to content

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.

01Daftar

Kredibilitas dan data yang jarang dalam catatan.

02Pertanyaannya

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.

Mekanisme

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.

Mekanisme

Benchmarks may not fit

Tolok ukur industri atau reasuradur mencerminkan portofolio lain. Jika portofolio berbeda dalam komposisi atau praktik, campurannya membawa bias.

Mekanisme

Penilaian pakar mengisi kekosongan

Where data are absent, structured expert elicitation provides estimates. Without structure and documentation, judgement adds hidden bias.

Mekanisme

Pembaruan seiring data masuk

Pembaruan Bayesian merevisi estimasi seiring bertambahnya pengalaman, menunjukkan seberapa jauh data telah menggeser asumsi awal (prior).

03Keuangan spasial

Indeks kekeringan terhadap titik lekatnya.

Cara membaca musim kemarau terhadap titik di mana perlindungan kekeringan mulai membayar. Musim dan ketentuan desain bersifat sintetis.

Satu musim hujan di seluruh Sahel, dibaca terhadap titik-titik saat perlindungan kekeringan akan mulai dan berhenti membayar.Musim sintetis dan ketentuan rancangan; tidak tersirat adanya perlindungan.
04Indikator

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.

IndikatorUnitKadensiJenis sumberLabel
Credibility weight assigned to own experienceproporsi, nol hingga satuper analisisPricing analysisDIMODELKAN
Keterpaparan yang mendasari pengalaman sendiriunit keterpaparanper analisisPortfolio dataTERAMATI
Selisih antara estimasi sendiri dan estimasi acuanpersenper analisisPricing analysisESTIMASI
Elisitasi pakar yang terdokumentasijumlahper modelDokumentasi modelDINYATAKAN
Posterior uncertainty of key parameterslebar intervalper analisisModel BayesianDIMODELKAN
Rasio aktual terhadap yang diharapkan setelah peluncuranrasioberkalaExperience monitoringESTIMASI
05Simulator kembaran dan efek berantai

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)

Kendali

  • NS-0 Anggaran dasar dan prinsip
  • NS-3 UNI catatan risiko (tata bahasa, pemetaan ke sistem lama, kewenangan alokasi)
  • NS-9 UNI kontekstual (penerapan, instans, instans program)
  • NS-10 Kebijakan dan klausul (kewajiban yang dapat dibaca mesin: definisi, pengikatan, evaluasi, dan penegakan)
  • NS-11 Verifikasi dan pemantauan (bukti, atestasi, pengamatan kesesuaian zero trust)
  • NS-14 Kesesuaian dan pemetaan silang ke standar eksternal
  • NRS-F3 Asuransi, risiko katastrofe, dan kesenjangan perlindungan
  • NRS-H113 Keluarga bahaya: Kerapuhan sistem keuangan (NHS-1 soc.financial-system)
  • NRS-U17 Semesta : Insurance Nexus
  • NRS-H71 Keluarga bahaya: Bencana zaman purba dan kosmik (NHS-1 planet.deep-time)
  • NRS-H65 Keluarga bahaya: Pelampauan batas planet (NHS-1 planet.boundary)
  • NRS-F8 Transfer 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
06Sumber

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.

SumberApa yang diberikannyaKelas lisensi
Actuarial Standards Board ASOP on credibility proceduresProfessional standards for credibilityGratis, ketentuan ASB
Casualty Actuarial Society credibility monographsMetode Bühlmann dan fluktuasi terbatasBebas dibaca, ketentuan CAS
Industry statistical agent dataPooled experience for benchmarksLicensed, terms per agent
Structured expert judgement literature (Cooke method)Methods for eliciting and combining expert estimatesGratis dibaca, ketentuan sesuai penerbit
Dokumentasi Stan dan PyMCAlat pemodelan Bayesian sumber terbukaOpen source, BSD and Apache licences
07Eksposur, kerugian, dan modal

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.

1 dalam 10 tahun1 dalam 50 tahun1 dalam 100 tahun1 dalam 250 tahunbrutoneto setelah reasuransi800
Periode ulangProbabilitas tahunanKerugian brutoKerugian netoNeto, modal = 100
1 dalam 10 tahun0.10141010
1 dalam 50 tahun0.02332121
1 dalam 100 tahun0.01462727
1 dalam 250 tahun0.004683939
Rata-rata kerugian tahunan3.12.22.2
Indeks kerugian ilustratif untuk portofolio contoh (modal = 100): bentuk probabilitas pelampauan yang dibaca perusahaan asuransi dan pengawas. Bukan data tentang lembaga mana pun, bukan harga atau peringkat.
Skenario iklim NGFS · Network for Greening the Financial SystemIFRS S2 Pengungkapan terkait Iklim · ISSBRekomendasi TCFD · Financial Stability Board TCFDPrinsip-prinsip pengelolaan efektif risiko keuangan terkait iklim · Basel Committee on Banking Supervision
08Keputusan

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 memutuskanPertanyaannyaBukti yang dilayani halaman ini
Aktuaris penetapan harga dan pencadanganHow much credibility to give own data and which benchmark to useKeterpaparan, relevansi tolok ukur, dan standar profesional
Komite produkWhether to launch products with sparse data and what monitoring appliesUncertainty estimates and monitoring plans
PengawasWhether assumptions for new or small portfolios are reasonableActuarial reports
Perusahaan reasuransiHow to price cover for portfolios with little historyBenchmarks and exposure data

Keluaran yang dihasilkan topik ini

09Pertanyaan inti

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?
10Mekanisme

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.

11Metode dan data

Metode dan batasannya.

Credibility

Credibility models

Memadukan pengalaman sendiri dan pengalaman kolektif; memerlukan definisi kolektif yang masuk akal.

Bayesian

Hierarchical models

Sharing information across groups with explicit uncertainty; results depend on priors.

Pakar

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.

13Pertanyaan

Tanya jawab.

Apa yang dimaksud dengan kredibilitas dalam pekerjaan aktuaria?
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.
What is Bühlmann credibility?
A method that sets credibility weights from the variance within and between risk groups, balancing own experience against the collective.
Kapan penilaian pakar sesuai digunakan?
Ketika data tidak tersedia atau tidak relevan, asalkan diperoleh dengan cara yang terstruktur dan terdokumentasi serta diuji ulang seiring masuknya data.
Dapatkah industri berbagi data untuk mengurangi kelangkaan data?
Only aggregated, under GRA’s written competition policy, once membership opens. Competitively sensitive data are not exchanged.
Is expert judgement scientific?
Bisa, apabila digali dengan metode terstruktur, dikalibrasi dan didokumentasikan, serta ketidakpastiannya dilaporkan.
Why is cyber risk hard to model?
Karena data terbatas, ancaman berubah dengan cepat, dan kerugian dapat sangat berkorelasi antarperusahaan.
LaporanBerkontribusi

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.

Global Risks AllianceActuarial and Quantitative RiskMethods and TechnicalFinance and Insurance Readiness
Risiko Aktuaria dan Kuantitatif

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.