GRA · Risiko Aktuaria dan Kuantitatif
Keuangan spasialTempat modal bertemu bahaya, keterpaparan, dan transisi
Validasi model kuantitatif
Model kuantitatif untuk penetapan harga, pencadangan, permodalan, dan risiko harus terbukti layak untuk tujuannya sebelum diandalkan. Validasi menguji data, metode, asumsi, implementasi, dan hasil, serta dilakukan oleh pihak yang independen dari pengembangan berdasarkan standar profesional dan pengawasan. Halaman ini menjelaskan cara kerja validasi model kuantitatif, di mana kekurangannya, bukti yang digunakan, dan siapa yang memutuskan.
Quantitative model validation on the record.
Validasi model kuantitatif: bagaimana risiko berkembang.
Back-testing, benchmarking and challenger models. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Validasi mencakup seluruh model
Data quality, conceptual soundness, implementation, assumptions and outcomes all need testing. Checking only outputs misses errors that cancel or hide.
Uji balik membutuhkan waktu
Comparing predictions with outcomes takes years for long-tail and rare risks, so validation relies on other tests in the meantime.
Independence and skill
Validators must understand the methods and have authority to require changes. Weak independence turns validation into confirmation.
Code is part of the model
Errors in spreadsheets and code have caused large losses. Implementation testing, version control and reproducibility are part of validation.
Eksposur, bahaya, dan kurva pelampauan.
Tempat mana yang mendorong kerugian pada tahun yang parah, dan seberapa jauh kerugian itu menjangkau reasuransi. Nilai rancangan ilustratif.
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 |
|---|---|---|---|---|
| Models validated in cycle | share by tier | tahunan | Catatan validasi | DINYATAKAN |
| Temuan validasi menurut tingkat keparahan | jumlah | tahunan | Catatan validasi | DINYATAKAN |
| Hasil aktual terhadap hasil yang diharapkan | rasio | tahunan | Experience monitoring | ESTIMASI |
| Reserve run-off deviation | persen | tahunan | Perkembangan cadangan statutori | Statistik yang diterbitkan |
| Kesalahan implementasi yang ditemukan | jumlah | tahunan | Validation and audit records | DINYATAKAN |
| Model dengan kode dan data yang dapat direproduksi | pangsa | berkala | Dokumentasi model | DINYATAKAN |
Trace a shock in quantitative model validation 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 |
|---|---|---|
| IAA ISAP on models (ISAP 1A) | Model governance standard for actuaries | Free, IAA terms |
| Actuarial Standards Board ASOP on modelling | United States standard for actuarial models | Gratis, ketentuan ASB |
| Financial Reporting Council Technical Actuarial Standards | UK standards including models | Gratis, ketentuan FRC |
| Pedoman EIOPA tentang validasi model internal | Ekspektasi pengawasan | Gratis, ketentuan penggunaan ulang UE |
| Data perkembangan kerugian statutori | Reserve run-off for back-testing | Public records, terms per supervisor |
Apa arti validasi model kuantitatif bagi keterpaparan, kerugian, dan modal.
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
Bagaimana kerugian dari validasi model kuantitatif tumbuh seiring tingkat keparahan, bruto dan neto setelah reasuransi, terhadap modal.
| 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 |
|---|---|---|
| Validation functions | Whether models are fit for purpose | Hasil dan temuan pengujian |
| Aktuaris kepala dan pemilik model | Temuan mana yang perlu diperbaiki dan bagaimana caranya | Findings and impact analysis |
| Pengawas | Whether validation meets standards | Laporan validasi |
| Komite audit | Whether validation is independent and effective | Catatan tata kelola |
Keluaran yang dihasilkan topik ini
- Guide to validating actuarial and quantitative models
- Catatan metode tentang uji balik cadangan
- Brief on implementation risk and reproducibility
- Questions for boards on validation independence
Pertanyaan yang diajukan para pakar.
- Is the model’s theory and design appropriate for its purpose?
- Is it implemented correctly, and do results reproduce?
- How do its predictions compare with outcomes that were not used to build it?
- Bagaimana hasil dibandingkan dengan model alternatif dan tolok ukur eksternal?
- Dalam kondisi apa model ini akan gagal?
Apa yang diperiksa dalam validasi.
Validation frameworks typically cover conceptual soundness, data quality, implementation, outcomes analysis and ongoing monitoring. Independence from model development is essential, because developers tend to share the model’s assumptions. Validation is proportionate to the materiality and complexity of the model.
Back-testing compares predictions with realised outcomes, for example the number of times losses exceeded a value-at-risk estimate. For rare-event models, back-testing has little power, because the events of interest seldom occur. Benchmarking compares results with alternative models, industry studies or external data. Challenger models, built with different assumptions or methods, reveal how much results depend on modelling choices.
Analisis sensitivitas dan uji tekanan menelaah bagaimana keluaran berubah menurut masukan dan asumsi, sehingga mengidentifikasi pendorong yang paling berpengaruh. Reproduksibilitas, yaitu kemampuan menjalankan ulang model dan memperoleh hasil yang sama dari masukan yang sama, merupakan persyaratan dasar yang dimungkinkan oleh kode dan data yang diberi versi.
Governance gives validation its force. Findings must reach people with authority to restrict or stop a model’s use, and model inventories, tiering by materiality and tracking of open findings help ensure that validation results lead to action rather than sitting in reports.
Metode dan batasannya.
Analisis hasil
Comparing predictions with realised outcomes; weak for rare events.
Challenger models
Comparing with alternatives to reveal model dependence.
Analisis sensitivitas
Mengidentifikasi pendorong dan kondisi kegagalan.
Batasan: validasi dapat menunjukkan bahwa suatu model tidak jelas keliru, tetapi tidak dapat membuktikan bahwa model itu benar, terutama untuk peristiwa langka dan kondisi yang berubah.
Cara hal ini dikaji, dan apa yang tidak dapat dinyatakan metodenya.
- 01Matematika aktuariaPencadangan dengan segitiga perkembangan · Penyusunan premi · Valuasi anuitasDiterapkan di sini
- 02Kuantifikasi ketidakpastian dan validasi modelRentang cadangan · Ketidakpastian parameter dan model · Peringkat sensitivitasDiterapkan di sini
- 03Probabilitas dan statistikaModel linear tergeneralisasi dalam penetapan harga · Kredibilitas Bayesian · Uji kecocokanDiterapkan di sini
- 04Komputasi berkinerja tinggi, cloud, dan edgeSimulasi Monte Carlo · Kontrol versi dan reprodusibilitas · Pengendalian komputasi pengguna akhirDiterapkan di sini
Tanya jawab.
Apa yang diperiksa oleh validasi?
What is reserve back-testing?
Why does code matter for validation?
Apakah GRA memvalidasi model?
Can a validated model still fail?
Why are challenger models useful?
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.