Skip to content

GRA · Risco Atuarial e Quantitativo

Finanças espaciaisOnde o capital encontra ameaça, exposição e transição

Credibilidade e escassez de dados

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.

01Registrar

Credibilidade e dados escassos no registro.

02A pergunta

Credibility and sparse data: how the risk develops.

Trabalhar onde o histórico de perdas é curto ou inexistente. O dossiê abaixo expõe como o risco se desenvolve, o que é medido, de onde vêm os dados, como são modelados e quem decide.

Mecanismo

Combinação de dados próprios e mais amplos

Os pesos de credibilidade dão mais peso à experiência própria à medida que ela cresce. Peso insuficiente ignora diferenças reais; peso excessivo precifica ruído.

Mecanismo

Benchmarks may not fit

Os parâmetros de referência do setor ou de resseguradores refletem outras carteiras. Se a carteira diferir em composição ou prática, a combinação carrega viés.

Mecanismo

O julgamento de especialistas preenche lacunas

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

Mecanismo

Atualização à medida que os dados chegam

atualização bayesiana revisa as estimativas à medida que a experiência se acumula, mostrando quanto os dados deslocaram a premissa prévia.

03Finanças espaciais

Um índice de seca em relação ao seu ponto de ativação.

Como uma estação seca é lida em relação ao ponto em que a cobertura de seca começa a pagar. Estação e termos de desenho sintéticos.

Uma estação chuvosa no Sahel, lida em relação aos pontos em que a cobertura contra secas começaria e deixaria de pagar.Temporada sintética e termos de desenho; nenhuma cobertura está implícita.
04Indicadores

O que é medido e com que qualidade.

Cada indicador leva sua unidade, sua periodicidade, o tipo de fonte por trás dele e a etiqueta de evidência que um valor levaria. Nenhum valor é mostrado: um programa os fornece sob sua própria autoridade.

IndicadorUnidadeCadênciaTipo de fonteRótulo
Credibility weight assigned to own experienceproportion, zero to onepor análiseAnálise de preçosMODELADO
Exposição subjacente à experiência própriaunidades de exposiçãopor análiseDados do portfólioOBSERVADO
Difference between own and benchmark estimatespor centopor análiseAnálise de preçosESTIMADO
Expert elicitation sessions documentedcontagempor modeloDocumentação do modeloDECLARADO
Incerteza posterior dos principais parâmetrosinterval widthpor análiseModelos bayesianosMODELADO
Razão entre o real e o esperado após o lançamentorazãoperiódicoMonitoramento da experiênciaESTIMADO
05Simulador de gêmeo 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.

Ameaças

  • ciclones tropicais
  • Terremoto
  • Inundação por congestionamento de gelo
  • Incêndio florestal
  • Maré de tempestade (desencadeada a jusante)
  • Chuvas intensas (desencadeadas a jusante)
  • Inundação fluvial (desencadeada a jusante)
  • Flash flood (set off downstream)
  • Arrebentação perigosa (desencadeada a jusante)
  • Apagão generalizado (desencadeado a jusante)
  • Deslocamento em massa (desencadeado a jusante)
  • Inundação costeira (desencadeada a jusante)
  • 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)

Controles

  • NS-0 Constituição e princípios
  • NS-3 UNIs de registros de risco (gramática, correspondência legada, autoridade de atribuição)
  • NS-9 UNIs contextuais (implantações, instâncias, instâncias de programa)
  • NS-10 Políticas e cláusulas (obrigações legíveis por máquina: definição, caráter vinculante, avaliação e aplicação)
  • NS-11 Verificação e monitoramento (evidências, atestações, observação da conformidade de confiança zero)
  • NS-14 Conformidade e correspondência com normas externas
  • NRS-F3 Seguros, risco de catástrofe e lacunas de proteção
  • NRS-H113 Família de ameaças: fragilidade do sistema financeiro (NHS-1 soc.financial-system)
  • NRS-U17Perfil de plataforma do Universe: Insurance Nexus
  • NRS-H71 Família de ameaças: catástrofes cósmicas e do tempo profundo (NHS-1 planet.deep-time)
  • NRS-H65 Família de ameaças: transgressão dos limites planetários (NHS-1 planet.boundary)
  • NRS-F8 Transferência de risco paramétrica e baseada em índices

Observação

  • 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 de exemplo

  • Europa Ocidental: 152 células hexagonais
  • Taxa de chuva, última meia hora (IMERG), NASA GIBS
  • Luzes noturnas desta noite, apagões (VIIRS Day/Night Band), NASA GIBS
  • Água superficial através das nuvens, 30 m (radar OPERA DSWx-S1), NASA GIBS
  • Carbon monoxide, smoke transport (AIRS), NASA GIBS
06Fontes

De onde vêm as evidências.

Conjuntos de dados públicos nomeados e registros institucionais, cada um com sua classe de licença. As fontes obtidas por acordo só são usadas nos seus termos e nunca são republicadas.

FonteO que ofereceClasse de licença
Actuarial Standards Board ASOP on credibility proceduresProfessional standards for credibilityGratuito, termos do ASB
Monografias de credibilidade da Casualty Actuarial SocietyBühlmann and limited fluctuation methodsLeitura gratuita, termos CAS
Dados de agentes estatísticos do setorExperiência agregada para referências comparativasLicensed, terms per agent
Structured expert judgement literature (Cooke method)Methods for eliciting and combining expert estimatesLeitura gratuita, termos conforme cada editora
Documentação do Stan e do PyMCOpen-source Bayesian modelling toolsLicenças de código aberto, BSD e Apache
07Exposição, perda e capital

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

As vistas de exposição, perda, cenários e capital que um responsável pelo risco, um supervisor ou um ministério das finanças pediria, com os quadros de referência perante os quais reportam. As estruturas seguem a prática de supervisão e atuarial. Os valores são ilustrativos: nunca preços, notações ou aconselhamento.

Exposição e perda por período de retorno

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

1 em 101 em 501 em 1001 em 250brutolíquido de resseguro800
Período de retornoProbabilidade anualPerda brutaPerda líquidaLíquido, capital = 100
1 em 100.10141010
1 em 500.02332121
1 em 1000.01462727
1 em 2500.004683939
Perda anual média3.12.22.2
Índice de perdas ilustrativo para uma carteira de exemplo (capital = 100): a forma de probabilidade de excedência que seguradoras e supervisores leem. Não são dados sobre nenhuma instituição, nem um preço ou uma classificação.
Cenários climáticos do NGFS · Network for Greening the Financial SystemIFRS S2 Divulgações Relacionadas ao Clima · ISSBRecomendações da TCFD · Financial Stability Board TCFDPrincípios para a gestão eficaz dos riscos financeiros relacionados ao clima · Comitê de Basileia de Supervisão Bancária
08Decisões

Quem decide, e a que servem as evidências.

Risco Atuarial e Quantitativo prepara evidências. As decisões abaixo são tomadas pelas autoridades indicadas, segundo suas próprias regras, e nunca pela plataforma.

Quem decideA perguntaEvidências a que esta página serve
Atuários de precificação e de provisionamentoQuanta credibilidade atribuir aos dados próprios e qual referência usarExposição, relevância do parâmetro de referência e padrões profissionais
Product committeesWhether to launch products with sparse data and what monitoring appliesUncertainty estimates and monitoring plans
SupervisoresWhether assumptions for new or small portfolios are reasonableActuarial reports
ResseguradorasHow to price cover for portfolios with little historyReferências de comparação e dados de exposição

Produtos que este tema gera

09Questões centrais

As questões que os especialistas levantam.

  • How much weight should a portfolio’s own experience receive relative to wider data?
  • Quais dados externos são relevantes e quão diferente é a população-alvo?
  • How should expert judgement be elicited and combined with data?
  • How should the extra uncertainty from sparse data be reflected in results?
  • Como os modelos para contextos com poucos dados podem evitar simplesmente importar pressupostos de contextos ricos em dados?
10Mecanismos

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.

Em riscos emergentes, como o cibernético, o problema não é só o volume, mas a mudança: o ambiente de ameaças evolui mais rápido do que os dados se acumulam, de modo que dados antigos podem ser menos relevantes. Em mercados de renda mais baixa, usar modelos construídos para outros países pode incorporar pressupostos sobre qualidade das edificações, saúde ou comportamento que não se sustentam.

11Métodos e dados

Métodos e seus limites.

Credibility

Credibility models

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

Bayesian

Hierarchical models

Compartilhamento de informações entre grupos com incerteza explícita; os resultados dependem das distribuições a priori.

Especialistas

Structured elicitation

Métodos formais para obter e calibrar o julgamento de especialistas.

Limites: nenhum método cria informação que não existe. Estimativas com dados escassos carregam ampla incerteza, e os resultados podem ser dominados por pressupostos sobre o coletivo ou sobre a distribuição a priori.

13Perguntas

Perguntas e respostas.

What is credibility in actuarial work?
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.
O que é a credibilidade de 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 os dados estão ausentes ou não são relevantes, desde que seja obtido de forma estruturada e documentada e testado à medida que os dados chegam.
O setor pode compartilhar dados para reduzir a esparsidade?
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.
Why is cyber risk hard to model?
Porque os dados são escassos, as ameaças mudam rapidamente e as perdas podem ser altamente correlacionadas entre as empresas.
RelatóriosContribuir

Contribua com evidências a partir desta página.

Reports é a publicação trimestral do Consortium. O que você sabe sobre este tema pode se tornar evidência, um caso ou uma correção na próxima edição, com crédito a você e publicado sob CC BY 4.0 quando for obra sua.

Global Risks AllianceActuarial and Quantitative RiskMethods and TechnicalFinance and Insurance Readiness
Risco Atuarial e Quantitativo

Apresente à Alliance uma questão de exposição ou de capital.

A informação e os pedidos estão abertos hoje. Um pedido recebe uma referência e indica o próximo passo; candidaturas, pagamentos, alocações de computação e registros só abrem quando existem a equipa, os termos e a capacidade de revisão.