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.
Credibilità e dati scarsi a verbale.
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.
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.
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.
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.
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.
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.
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.
| Indicatore | Unità | Cadenza | Tipo di fonte | Etichetta |
|---|---|---|---|---|
| Credibility weight assigned to own experience | proportion, zero to one | per analisi | Analisi dei prezzi | MODELLATO |
| Exposure underlying own experience | unità di esposizione | per analisi | Dati di portafoglio | OSSERVATO |
| Difference between own and benchmark estimates | per cento | per analisi | Analisi dei prezzi | STIMATO |
| Expert elicitation sessions documented | conteggio | per modello | Documentazione del modello | DICHIARATO |
| Incertezza a posteriori dei parametri chiave | interval width | per analisi | Modelli bayesiani | MODELLATO |
| Rapporto tra valori effettivi e attesi dopo il lancio | rapporto | periodico | Monitoraggio dell'esperienza | STIMATO |
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)
Sistemi e accoppiamenti
- Assicurazione e riassicurazione
- Banche Accoppiamento
- Istituzioni di finanza per lo sviluppo Accoppiamento
- Umanitario e società civile Accoppiamento
- Agricoltura e uso del suolo Accoppiamento
Comandi
NS-0Costituzione e principiNS-3UNI dei record di rischio (grammatica, corrispondenza legacy, autorità di assegnazione)NS-9UNI contestuali (distribuzioni, istanze, istanze di programma)NS-10Politiche e clausole (obblighi leggibili dalle macchine: definizione, vincolo, valutazione e applicazione)NS-11Verifica e monitoraggio (evidenze, attestazioni, osservazione della conformità zero trust)NS-14Conformità e corrispondenza con standard esterniNRS-F3Assicurazioni, rischio di catastrofe e divari di protezioneNRS-H113Famiglia di pericoli: fragilità del sistema finanziario (NHS-1 soc.financial-system)NRS-U17Profilo di piattaforma Universe: Insurance NexusNRS-H71Famiglia di pericoli: catastrofi cosmiche e del tempo profondo (NHS-1 planet.deep-time)NRS-H65Famiglia di pericoli: superamento dei confini planetari (NHS-1 planet.boundary)NRS-F8Trasferimento 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
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.
| Fonte | Cosa fornisce | Classe di licenza |
|---|---|---|
| ASOP dell'Actuarial Standards Board sulle procedure di credibilità | Professional standards for credibility | Gratuito, condizioni dell'ASB |
| Monografie sulla credibilità della Casualty Actuarial Society | Bühlmann and limited fluctuation methods | Lettura gratuita, condizioni CAS |
| Industry statistical agent data | Esperienza condivisa per i parametri di riferimento | Licensed, terms per agent |
| Letteratura sul giudizio strutturato di esperti (metodo di Cooke) | Metodi per raccogliere e combinare le stime degli esperti | Lettura gratuita, condizioni stabilite da ciascun editore |
| Documentazione di Stan e PyMC | Open-source Bayesian modelling tools | Licenze open source, BSD e Apache |
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.
| Periodo di ritorno | Probabilità annua | Perdita lorda | Perdita netta | Netto, capitale = 100 |
|---|---|---|---|---|
| 1 su 10 | 0.10 | 14 | 10 | 10 |
| 1 su 50 | 0.02 | 33 | 21 | 21 |
| 1 su 100 | 0.01 | 46 | 27 | 27 |
| 1 su 250 | 0.004 | 68 | 39 | 39 |
| Perdita annua media | 3.1 | 2.2 | 2.2 |
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 decide | La domanda | Evidenze fornite da questa pagina |
|---|---|---|
| Attuari della tariffazione e della riservazione | Quanta credibilità attribuire ai propri dati e quale benchmark utilizzare | Esposizione, rilevanza del parametro di riferimento e standard professionali |
| Product committees | Whether to launch products with sparse data and what monitoring applies | Stime dell'incertezza e piani di monitoraggio |
| Autorità di vigilanza | Whether assumptions for new or small portfolios are reasonable | Actuarial reports |
| Riassicuratori | How to price cover for portfolios with little history | Benchmarks and exposure data |
Output prodotti da questo argomento
- Guida ai metodi di credibilità
- Method note on Bayesian updating of pricing assumptions
- Nota sull' elicitazione degli esperti
- Domande per i revisori sulla pertinenza dei benchmark
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?
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.
Metodi e loro limiti.
Modelli di credibilità
Blending own and collective experience; requires a sensible definition of the collective.
Modelli gerarchici
Condivisione delle informazioni tra gruppi con incertezza esplicita; i risultati dipendono dalle distribuzioni a priori.
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.
Come viene studiato, e cosa i metodi non possono dire.
- 01Matematica attuarialeRiservazione con triangoli di sviluppo · Composizione del premio · Valutazione delle renditeApplicato qui
- 02Probabilità e statisticaModelli lineari generalizzati nella tariffazione · Credibilità bayesiana · Test della bontà di adattamentoApplicato qui
- 03Quantificazione dell'incertezza e validazione dei modelliIntervalli delle riserve · Incertezza dei parametri e dei modelli · Classificazione della sensibilitàApplicato qui
- 04Calcolo ad alte prestazioni, cloud ed edgeSimulazione Monte Carlo · Gestione delle versioni e riproducibilità · Controlli sul calcolo degli utenti finaliApplicato qui
Domande e risposte.
Che cos'è la credibilità nel lavoro attuariale?
Che cos'è la credibilità di Bühlmann?
When is expert judgement appropriate?
Il settore può condividere i dati per ridurre la scarsità di dati?
Is expert judgement scientific?
Perché il rischio cibernetico è difficile da modellare?
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.
- E-mailPortale GW-GRAInvialo da questa paginaUn'evidenza, una correzione, un caso, un metodo, una revisione, una traduzione o un contributo a un profilo. Arriva etichettata con questa pagina, così la riceve la persona redattrice che ne è responsabile.
- 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.
Non inviare mai dati personali, dettagli su infrastrutture sensibili o qualsiasi cosa che tu non abbia il diritto di condividere. Un contributo viene sottoposto a revisione prima dell'uso; inviarlo non conferisce diritti di paternità né editoriali, e la sponsorizzazione non compra mai un risultato.
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.
Documenti legali.
Le mappe, i dati e le cifre di questo sito sono mostrati a titolo di contesto e di informazione generale. Non costituiscono consigli, previsioni né allerte; i limiti dell'informazione sono esposti nelle Dichiarazioni di esclusione di responsabilità e nelle Note sui dati.