Skip to content

GRA · 보험계리와 정량 리스크

공간 금융자본이 재해, 노출, 전환과 만나는 곳

High-performance, cloud and edge computing for actuarial and quantitative risk

Computing makes quantitative risk work possible and introduces its own risks. On this platform it covers simulation, reproducible code, version control and the controls that keep spreadsheets and models from producing silent errors.

문의하기 Back to STEM foundation of Actuarial and Quantitative Risk
01등록

High-performance, cloud and edge computing for actuarial and quantitative risk on the record.

방법 기록STEM 방법
  1. 방법고성능, 클라우드 및 엣지 컴퓨팅
  3. 적용 분야보험계리와 정량 리스크
  4. 데이터3 inputs
  6. 정본 페이지STEM 공유지
02신청서

What high-performance, cloud and edge computing does here.

High-performance, cloud and edge computing provide the processing and storage capacity for simulation, analytics and digital services. They are both an enabler of 리스크 분석 and a critical dependency for society. In insurance and catastrophe, methods and modelling and capital markets and investment, computing capacity determines how fast and at what resolution risks can be modelled. Its concentration is itself a systemic dependency for finance, health and government services. The canonical description is on STEM 공유 자원.

몬테카를로 시뮬레이션

Large simulations estimate aggregate losses and capital, with convergence tested and random seeds recorded so results can be reproduced.

Version control and reproducibility

Model code, data and parameters are held under version control, so any result can be traced and rerun by a reviewer.

End-user computing controls

Spreadsheets used in reserving and capital are inventoried, tested and reviewed, since errors in them have caused material misstatements.

03모니터링

Compute workload.

팀이 이 방법을 따라가는 데 사용할 화면으로, 그 지표, 상태, 결정을 보여 줍니다. 이름은 예시이며 값은 설명용입니다.

Compute workload

Actuarial and quantitative risk · High-performance, cloud and edge · Run R-8719

  • Channels reporting
    99of 100정상
  • Median latency
    343ms
  • Records failing checks
    2.8per 1,000주시
  • Backlog
    15분
Gaps on 5 channelsGRA · 보험계리와 정량 리스크

Latency, p95

행사

  1. 06:25경고Channel C-17 stale
  2. 07:37정보Schema v2 accepted
  3. 08:19ErrorChecksum mismatch, batch quarantined
  4. 08:31완료Replay complete
Compute workload: the screen’s structure, terms and states for Actuarial and quantitative risk.예시 이름과 예시 값으로, 실제 기록이나 운영 중인 시스템이 아닌 설계안입니다.
04데이터

방법이 사용하는 입력.

Datasets and records used by high-performance, cloud and edge computing on this platform, with the role each plays and the label its values carry. Sources are listed in 출처 등록부.

데이터역할라벨
Model code repositories구현신고됨
Simulation outputsResults모델 추정
Spreadsheet inventoriesEnd-user computing신고됨
05손실 모델

손실 초과, 연평균 손실과 예상 최대 손실.

모든 재해 모델 이 사용하는 동일한 세 가지 구성 요소로부터, 해당 영향권 내 포트폴리오가 연간으로, 그리고 보험사와 대출기관이 가격에 반영하는 1/100 및 1/250 수준에서 예상할 수 있는 손실을 산출합니다. 명시된 설명용 값을 사용한 교육용 모델이며 예측이 아닙니다.

통제 수단

전형적인 연간 재해 강도(위치)
1.00 강도 지수
극값의 퍼짐(척도)
강도 지수 0.80
가치의 절반이 손실되는 강도
4.00 강도 지수
취약성의 분산
0.55
재해 영향 범위 내 가치 비중
40%
방호 기준(재현 기간)
50년

판독값

연평균 손실
가치의 0.51%
100년에 1번 발생하는 손실
가치의 24.5%
250년에 1번 발생하는 손실
가치의 28.4%
100년에 1번 발생하는 강도
강도 지수 4.68
수치, 방법과 출처
재현 기간(년)강도(강도 지수)손실(가치 대비 %)
10.090.00
21.270.00
41.910.00
72.470.00
133.000.00
243.510.00
444.020.00
824.5323.55
1545.0326.44
2875.5328.87
5366.0330.88
1,0006.5332.53

방법

  1. Gumbel 극값 재해 Gumbel (1958), Statistics of Extremes, Columbia University Press
  2. 로그정규 취약도(취약성) FEMA (2003), HAZUS-MH Technical Manual
  3. 초과 확률 곡선과 연평균 손실 Grossi and Kunreuther (2005), Catastrophe Modeling, Springer
  4. 제방 효과 Di Baldassarre and others (2013), Socio-hydrology, HESS 17
  5. 불확실성 팬 차트(매개변수 몬테카를로) Spiegelhalter, Pearson and Short (2011), Visualising uncertainty about the future, Science 333
  6. 단일 요인 민감도(토네이도) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley

데이터

The model runs on the teaching values set by the controls. To calibrate it for a place, read it against these admitted layers and series, which this page’s map can draw:

  • 하천 Natural Earth
  • 도시 범위 Natural Earth
  • 도시 Natural Earth
  • 지난 1주일 M4.5+ 지진(USGS) 미국 지질조사국 · 등록 usgs.earthquake.summary-feeds
  • 강우 강도, 최근 30분(IMERG) NASA GPM IMERG Early · 등록 nasa.gibs.context-live-layers
  • 하천 유량 예보, 30일 및 범위(Open-Meteo 경유 GloFAS) Open-Meteo.com(CC BY 4.0), Copernicus GloFAS · 등록 open-meteo.public-pages
  • 시가지 및 정주지 범위, 2010년(HBASE, Landsat) CIESIN/Columbia, NASA SEDAC HBASE · 등록 sedac.context-urban-layers
손실 초과확률, 연평균 손실 및 추정 최대 손실. 예시용 교육 모델로, 실측 데이터가 아니라 컨트롤에서 설정한 값으로 작동합니다. 방법: Gumbel 극값 재해(Gumbel(1958), Statistics of Extremes, Columbia University Press), 로그정규 취약성(FEMA(2003), HAZUS-MH Technical Manual), 초과확률 곡선과 연평균 손실(Grossi와 Kunreuther(2005), Catastrophe Modeling, Springer).

여섯 기둥 전반에 걸쳐, Nexus Consortium 주도

06검증

결과가 점검되는 방식.

시스템 are tested through benchmarks, load testing and failover exercises. Numerical reproducibility is checked across hardware and software configurations.

점검수행 방식
융합Simulation results are stable as iterations increase
재현성A reviewer can rerun results from recorded inputs
Independent testingCode is tested against independent calculations

Concentration in few providers or regions creates shared points of failure. Energy, water and supply chain constraints limit capacity growth.

07노출, 손실 및 자본

What it means for exposure, loss and capital.

리스크 책임자, 감독 당국이나 재무부가 요구할 익스포저, 손실, 시나리오와 자본 보기와 이들이 보고의 기준으로 삼는 체계. 구조는 감독과 보험계리 실무를 따릅니다. 값은 예시이며 가격, 등급이나 조언이 결코 아닙니다.

재현 기간별 익스포저와 손실

How losses from high-performance, cloud and edge computing for actuarial and quantitative risk grow with severity, gross and net of reinsurance, against capital.

1/10 빈도1/50 빈도1/100 빈도1/250 빈도총액재보험 공제 후800
재현 기간연간 확률총손실순손실순액, 자본 = 100
1/10 빈도0.10141010
1/50 빈도0.02332121
1/100 빈도0.01462727
1/250 빈도0.004683939
연평균 손실3.12.22.2
예시 포트폴리오의 예시 손실 지수(자본 = 100): 보험사와 감독 당국이 읽는 초과 확률 형식입니다. 어떤 기관의 데이터도, 가격이나 등급도 아닙니다.
NGFS 기후 시나리오 · 녹색금융협의체IFRS S2 기후 관련 공시 · ISSBTCFD 권고안 · 금융안정위원회 TCFD기후 관련 금융 리스크의 효과적 관리 원칙 · 바젤은행감독위원회
08연결

이 방법에 의존하는 주제.

09스튜어드십

방법을 유지하는 주체.

데이터와 컴퓨팅 stewards high-performance, cloud and edge computing for the Consortium and reviews how it is applied across platforms.

Canonical page: High-performance, cloud and edge computing

10연결됨

이 페이지가 컨소시엄 전체에서 어디로 이어지는지.

11질문

질문과 답변.

What are the limits of high-performance, cloud and edge computing in this field?
Concentration in few providers or regions creates shared points of failure. Energy, water and supply chain constraints limit capacity growth.
결과는 어떻게 점검됩니까?
Systems are tested through benchmarks, load testing and failover exercises. Numerical reproducibility is checked across hardware and software configurations.
이 페이지의 값은 실제입니까?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
이 방법은 다른 어디에 적용됩니까?
사회를 움직이는 정본 방법 페이지 는 이를 적용하는 모든 플랫폼을 나열합니다.
보고서기여하기

이 페이지에서 증거를 기여하십시오.

보고서 is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.

글로벌 리스크 얼라이언스(Global Risks Alliance)보험계리와 정량 리스크방법 및 기술금융 및 보험 준비도

개인정보, 민감한 인프라 세부 정보, 공유할 권리가 없는 자료는 절대 보내지 마십시오. 기여물은 사용 전에 검토됩니다. 기여물을 보낸다고 해서 저작자 지위나 편집 권한이 부여되지 않으며, 후원으로 조사 결과를 얻을 수 없습니다.

보험계리와 정량 리스크

익스포저나 자본에 관한 질문을 얼라이언스에 가져오십시오.

정보와 문의는 오늘부터 열려 있습니다. 문의에는 참조 번호가 부여되고 다음 단계가 안내됩니다. 신청, 결제, 컴퓨팅 할당, 등록은 해당 팀, 약관, 심사 역량이 갖추어졌을 때만 열립니다.

준비 태세 시범사업 제안 모든 연락 경로 보기
법률

이 사이트의 지도, 데이터와 그림은 맥락과 일반 정보로 제시됩니다. 조언, 예보 또는 경보가 아니며, 정보의 한계는 면책 고지와 데이터 고지에 나와 있습니다.