Skip to content

GRA · Rischio attuariale e quantitativo

Finanza spazialeDove il capitale incontra pericolo, esposizione e transizione

Credibilità e dati scarsi

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.

01Registrare

Credibilità e dati scarsi a verbale.

02La domanda

Credibilità e dati scarsi: come si sviluppa il rischio.

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.

Meccanismo

Combinare dati propri e dati più ampi

I pesi di credibilità attribuiscono maggiore peso all'esperienza propria man mano che cresce. Un peso troppo basso ignora differenze reali; un peso troppo alto fissa i prezzi sul rumore.

Meccanismo

I parametri di riferimento potrebbero non essere adatti

I benchmark di settore o dei riassicuratori riflettono altri portafogli. Se il portafoglio differisce per composizione o pratica, la combinazione risulta distorta.

Meccanismo

Il giudizio degli esperti colma le lacune

Dove mancano i dati, l' elicitazione degli esperti fornisce stime. Senza struttura e documentazione, il giudizio introduce distorsioni nascoste.

Meccanismo

Aggiornamento all'arrivo dei dati

aggiornamento bayesiano rivede le stime man mano che si accumula esperienza, mostrando di quanto i dati abbiano spostato l'ipotesi a priori.

03Finanza spaziale

Un indice di siccità rispetto al suo punto di attacco.

Come si legge una stagione secca rispetto al punto in cui la copertura contro la siccità inizia a pagare. Stagione e condizioni di progetto sintetiche.

Una stagione delle piogge nel Sahel, letta rispetto ai punti in cui la copertura contro la siccità inizierebbe e smetterebbe di pagare.Stagione sintetica e termini di progettazione; non è implicita alcuna copertura.
04Indicatori

Cosa viene misurato e con quale accuratezza.

Ogni indicatore riporta la sua unità, la sua cadenza, il tipo di fonte su cui si basa e l'etichetta di evidenza che un valore riporterebbe. Non sono mostrati valori: un programma li fornisce sotto la propria autorità.

IndicatoreUnitàCadenzaTipo di fonteEtichetta
Credibility weight assigned to own experienceproportion, zero to oneper analisiAnalisi dei prezziMODELLATO
Exposure underlying own experienceunità di esposizioneper analisiDati di portafoglioOSSERVATO
Difference between own and benchmark estimatesper centoper analisiAnalisi dei prezziSTIMATO
Expert elicitation sessions documentedconteggioper modelloDocumentazione del modelloDICHIARATO
Incertezza a posteriori dei parametri chiaveinterval widthper analisiModelli bayesianiMODELLATO
Rapporto tra valori effettivi e attesi dopo il lanciorapportoperiodicoMonitoraggio dell'esperienzaSTIMATO
05Simulatore di gemello e cascata

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.

Pericoli

  • cicloni tropicali
  • Terremoto
  • Alluvione da ingorgo di ghiaccio
  • Incendio boschivo
  • Mareggiata (innescata a valle)
  • Piogge intense (innescate a valle)
  • Alluvione fluviale (innescata a valle)
  • Flash flood (set off downstream)
  • Mareggiata pericolosa (innescata a valle)
  • Blackout diffuso (innescato a valle)
  • Sfollamenti di massa (innescati a valle)
  • Alluvione costiera (innescata a valle)
  • 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)

Comandi

  • NS-0 Costituzione e principi
  • NS-3 UNI dei record di rischio (grammatica, corrispondenza legacy, autorità di assegnazione)
  • NS-9 UNI contestuali (distribuzioni, istanze, istanze di programma)
  • NS-10 Politiche e clausole (obblighi leggibili dalle macchine: definizione, vincolo, valutazione e applicazione)
  • NS-11 Verifica e monitoraggio (evidenze, attestazioni, osservazione della conformità zero trust)
  • NS-14 Conformità e corrispondenza con standard esterni
  • NRS-F3 Assicurazioni, rischio di catastrofe e divari di protezione
  • NRS-H113 Famiglia di pericoli: fragilità del sistema finanziario (NHS-1 soc.financial-system)
  • NRS-U17Profilo di piattaforma Universe: Insurance Nexus
  • NRS-H71 Famiglia di pericoli: catastrofi cosmiche e del tempo profondo (NHS-1 planet.deep-time)
  • NRS-H65 Famiglia di pericoli: superamento dei confini planetari (NHS-1 planet.boundary)
  • NRS-F8 Trasferimento del rischio parametrico e basato su indici

Osservazione

  • 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

Geografia di esempio

  • Europa occidentale: 152 celle esagonali
  • Intensità delle precipitazioni, ultima mezz'ora (IMERG), NASA GIBS
  • Luci notturne di stanotte, blackout (VIIRS Day/Night Band), NASA GIBS
  • Acque superficiali attraverso le nuvole, 30 m (radar OPERA DSWx-S1), NASA GIBS
  • Carbon monoxide, smoke transport (AIRS), NASA GIBS
06Fonti

Da dove provengono le evidenze.

Set di dati pubblici e registri istituzionali specifici, ciascuno con la sua classe di licenza. Le fonti soggette ad accordo sono utilizzate solo alle relative condizioni e mai ripubblicate.

FonteCosa fornisceClasse di licenza
ASOP dell'Actuarial Standards Board sulle procedure di credibilitàProfessional standards for credibilityGratuito, condizioni dell'ASB
Monografie sulla credibilità della Casualty Actuarial SocietyBühlmann and limited fluctuation methodsLettura gratuita, condizioni CAS
Industry statistical agent dataEsperienza condivisa per i parametri di riferimentoLicensed, terms per agent
Letteratura sul giudizio strutturato di esperti (metodo di Cooke)Metodi per raccogliere e combinare le stime degli espertiLettura gratuita, condizioni stabilite da ciascun editore
Documentazione di Stan e PyMCOpen-source Bayesian modelling toolsLicenze open source, BSD e Apache
07Esposizione, perdita e capitale

What credibility and sparse data means for exposure, loss and capital.

Le viste su esposizione, perdita, scenari e capitale che un responsabile del rischio, un'autorità di vigilanza o un ministero delle finanze richiederebbe, con i quadri normativi in base ai quali riferisce. Le strutture seguono la prassi di vigilanza e attuariale. I valori sono illustrativi: mai prezzi, rating o consulenza.

Esposizione e perdita per periodo di ritorno

How losses from credibility and sparse data grow with severity, gross and net of reinsurance, against capital.

1 su 101 su 501 su 1001 su 250lordoal netto della riassicurazione800
Periodo di ritornoProbabilità annuaPerdita lordaPerdita nettaNetto, capitale = 100
1 su 100.10141010
1 su 500.02332121
1 su 1000.01462727
1 su 2500.004683939
Perdita annua media3.12.22.2
Indice di perdita illustrativo per un portafoglio di esempio (capitale = 100): la forma di probabilità di superamento che assicuratori e autorità di vigilanza leggono. Non sono dati su alcuna istituzione, né un prezzo o un 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
08Decisioni

Chi decide, e a cosa servono le evidenze.

Rischio attuariale e quantitativo prepara le evidenze. Le decisioni seguenti sono adottate dalle autorità indicate, secondo le proprie regole, e mai dalla piattaforma.

Chi decideLa domandaEvidenze fornite da questa pagina
Attuari della tariffazione e della riservazioneQuanta credibilità attribuire ai propri dati e quale benchmark utilizzareEsposizione, rilevanza del parametro di riferimento e standard professionali
Product committeesWhether to launch products with sparse data and what monitoring appliesStime dell'incertezza e piani di monitoraggio
Autorità di vigilanzaWhether assumptions for new or small portfolios are reasonableActuarial reports
RiassicuratoriHow to price cover for portfolios with little historyBenchmarks and exposure data

Output prodotti da questo argomento

09Questioni centrali

Le domande che si pongono gli esperti.

  • How much weight should a portfolio’s own experience receive relative to wider data?
  • Quali dati esterni sono rilevanti e quanto è diversa la popolazione di riferimento?
  • How should expert judgement be elicited and combined with data?
  • Come si dovrebbe riflettere nei risultati l'incertezza aggiuntiva dovuta alla scarsità di dati?
  • Come possono i modelli per contesti con pochi dati evitare di importare semplicemente ipotesi da contesti ricchi di dati?
10Meccanismi

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.

11Metodi e dati

Metodi e loro limiti.

Credibility

Modelli di credibilità

Blending own and collective experience; requires a sensible definition of the collective.

Bayesian

Modelli gerarchici

Condivisione delle informazioni tra gruppi con incertezza esplicita; i risultati dipendono dalle distribuzioni a priori.

Esperti

Structured elicitation

Metodi formali per ottenere e calibrare il giudizio degli esperti.

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.

13Domande

Domande e risposte.

Che cos'è la credibilità nel lavoro attuariale?
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.
Che cos'è la credibilità di Bühlmann?
A method that sets credibility weights from the variance within and between risk groups, balancing own experience against the collective.
When is expert judgement appropriate?
Quando i dati sono assenti o non pertinenti, purché sia raccolto in modo strutturato e documentato e verificato man mano che i dati diventano disponibili.
Il settore può condividere i dati per ridurre la scarsità di dati?
Only aggregated, under GRA’s written competition policy, once membership opens. Competitively sensitive data are not exchanged.
Is expert judgement scientific?
It can be, when elicited with structured methods, calibrated and documented, and when its uncertainty is reported.
Perché il rischio cibernetico è difficile da modellare?
Poiché i dati sono scarsi, le minacce mutano rapidamente e le perdite possono essere fortemente correlate tra le imprese.
RapportiContribuisci

Contribuisci con evidenze da questa pagina.

Reports è la pubblicazione trimestrale del consorzio. Ciò che sai su questo tema può diventare un'evidenza, un caso o una correzione nella prossima edizione, attribuita a te e pubblicata con licenza CC BY 4.0 se si tratta di un tuo lavoro.

Global Risks AllianceActuarial and Quantitative RiskMethods and TechnicalFinance and Insurance Readiness
Rischio attuariale e quantitativo

Portate all'Alliance una questione di esposizione o di capitale.

Informazioni e richieste sono aperte oggi. Una richiesta riceve un riferimento e indica il passo successivo; candidature, pagamenti, assegnazioni di calcolo e registrazioni si aprono solo quando esistono il team, le condizioni e la capacità di revisione.