Skip to content

GRA · Актуарные и количественные риски

Пространственные финансыГде капитал встречается с опасностями, подверженностью и переходом

Достоверность и скудные данные

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.

02Вопрос

Credibility and sparse data: how the risk develops.

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.

Механизм

Blending own and wider data

Credibility weights give more weight to own experience as it grows. Too little weight ignores real differences; too much prices on noise.

Механизм

Benchmarks may not fit

Отраслевые или перестраховочные эталонные показатели отражают другие портфели. Если портфель отличается по структуре или практике, смесь содержит смещение.

Механизм

Экспертные суждения восполняют пробелы

Где данных нет, оценки дают структурированные опрос экспертов . Без структуры и документирования суждение вносит скрытое смещение.

Механизм

Updating as data arrive

Байесовское обновление пересматривает оценки по мере накопления опыта и показывает, насколько данные сместили априорное допущение.

03Пространственные финансы

Индекс засухи относительно точки привязки.

Как сухой сезон оценивается относительно порога, с которого покрытие от засухи начинает выплачиваться. Сезон и условия структуры синтетические.

Сезон дождей в Сахеле в сопоставлении с точками, в которых страховое покрытие от засухи начинало бы и прекращало бы выплаты.Синтетический сезон и расчётные условия; страховое покрытие не подразумевается.
04Индикаторы

Что измеряется и насколько хорошо.

Каждый показатель указывает свою единицу, периодичность, тип источника и метку доказательной базы, которую несло бы значение. Значения не показываются: программа предоставляет их под собственную ответственность.

ИндикаторЕдиницаПериодичностьТип источникаМетка
Credibility weight assigned to own experienceдоля, от нуля до единицына один анализPricing analysisСМОДЕЛИРОВАНО
Exposure underlying own experienceexposure unitsна один анализДанные о портфелеНАБЛЮДАЕМО
Расхождение между собственными и эталонными оценкамипроцентна один анализPricing analysisОЦЕНЕНО
Expert elicitation sessions documentedколичествона модельДокументация моделиЗАДЕКЛАРИРОВАНО
Posterior uncertainty of key parametersinterval widthна один анализБайесовские моделиСМОДЕЛИРОВАНО
Отношение фактических значений к ожидаемым после запускаотношениепериодическиExperience monitoringОЦЕНЕНО
05Симулятор двойника и каскадов

Trace a shock in credibility and sparse data to the balance sheet.

Составлена на основе профиля области Указатель Nexus Standards профиль территории Страхование и перестрахование: шоки, которые в нём названы, Системы и секторы, несущие убытки, меры контроля, которые их сдерживают, и данные, по которым их наблюдают. Выберите исходный шок и пройдите каскад шаг за шагом, чтобы увидеть, каких позиций он достигает и где могут концентрироваться убытки. Вид «Карта» помещает расчёт на условную географию с открытыми данными. Каждый вес является заявленным допущением. Это упражнение, а не прогноз, оценка стоимости, рейтинг или инвестиционная рекомендация. Чтобы смоделировать выбранное вами место, откройте полный Конструктор систем.

Опасности

  • Тропический циклон
  • Землетрясение
  • Наводнение из-за ледового затора
  • Лесной пожар
  • Штормовой нагон (вызванное ниже по цепочке)
  • Интенсивные осадки (вызванное ниже по цепочке)
  • Речное наводнение (вызванное ниже по цепочке)
  • Внезапный паводок (запущено далее по цепочке)
  • Опасный прибой (вызванный ниже по цепочке)
  • Масштабное отключение электроэнергии (вызванное ниже по цепочке)
  • Массовое перемещение населения (вызванное ниже по цепочке)
  • Прибрежное наводнение (вызванное ниже по цепочке)
  • Серия афтершоков (запущена ниже по цепочке)
  • Разрыв поверхности разлома (запущен ниже по цепочке)
  • Разжижение грунта (запущено ниже по цепочке)
  • Оползень склона (запущен ниже по цепочке)
  • Камнепад (запущен ниже по цепочке)
  • Цунами (запущено ниже по цепочке)

Меры контроля

  • NS-0 Устав и принципы
  • NS-3 UNI записей о рисках (грамматика, сопоставление с прежней системой, полномочия на присвоение)
  • NS-9 Контекстные UNI (развертывания, экземпляры, экземпляры программ)
  • NS-10 Политики и положения (машиночитаемые обязательства: определение, обязательность, оценка и обеспечение исполнения)
  • NS-11 Верификация и мониторинг (доказательства, подтверждения, наблюдение за соответствием принципу нулевого доверия)
  • NS-14 Соответствие и сопоставление с внешними стандартами
  • NRS-F3 Страхование, катастрофический риск и разрывы в страховой защите
  • NRS-H113 Семейство опасностей: хрупкость финансовой системы (NHS-1 soc.financial-system)
  • NRS-U17 Вселенная : Insurance Nexus
  • NRS-H71 Семейство опасностей: катастрофы глубокого времени и космические катастрофы (NHS-1 planet.deep-time)
  • NRS-H65 Семейство опасностей: нарушение планетарных границ (NHS-1 planet.boundary)
  • NRS-F8 Параметрическая и индексная передача риска

Наблюдение

  • OECD Data Explorer (включая систему отчётности кредиторов, статистику страхования и пенсий) (приведено для справки)
  • Статистика страхования (приведено для справки)
  • Сводные потоки USGS о землетрясениях в формате GeoJSON (приведено для справки)
  • Прямой экономический ущерб от бедствий в отношении к мировому валовому внутреннему продукту (ВВП)
  • Прямой экономический ущерб от бедствий в отношении к мировому валовому внутреннему продукту
  • (a) Число отделений коммерческих банков на 100 000 взрослых и (b) число банкоматов на 100 000 взрослых

Пример географии

  • Западная Европа: 152 шестиугольные ячейки
  • Интенсивность осадков за последние полчаса (IMERG), NASA GIBS
  • Ночные огни сегодня, отключения (VIIRS Day/Night Band), NASA GIBS
  • Поверхностные воды сквозь облачность, 30 m (радар OPERA DSWx-S1), NASA GIBS
  • Угарный газ, перенос дыма (AIRS), NASA GIBS
06Источники

Откуда берётся доказательная база.

Названные публичные наборы данных и институциональные записи, каждый со своим классом лицензии. Источники по соглашению используются только на их условиях и никогда не публикуются повторно.

ИсточникЧто он даётКласс лицензии
Actuarial Standards Board ASOP on credibility proceduresProfessional standards for credibilityБесплатно, условия ASB
Casualty Actuarial Society credibility monographsBühlmann and limited fluctuation methodsFree to read, CAS terms
Industry statistical agent dataPooled experience for benchmarksLicensed, terms per agent
Structured expert judgement literature (Cooke method)Methods for eliciting and combining expert estimatesМожно читать бесплатно, условия определяет издатель
Stan and PyMC documentationИнструменты байесовского моделирования с открытым исходным кодомOpen source, BSD and Apache licences
07Подверженность, убытки и капитал

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

Представления о подверженности, убытках, сценариях и капитале, которые запросил бы риск-менеджер, надзорный орган или министерство финансов, с указанием систем отчётности, которым они следуют. Структуры соответствуют надзорной и актуарной практике. Значения иллюстративны: это никогда не цены, рейтинги или рекомендации.

Подверженность и убытки по периодам повторяемости

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

1 раз в 10 лет1 раз в 50 лет1 раз в 100 лет1 раз в 250 летбруттоза вычетом перестрахования800
Период повторяемостиГодовая вероятностьВаловой убытокЧистый убытокНетто, капитал = 100
1 раз в 10 лет0.10141010
1 раз в 50 лет0.02332121
1 раз в 100 лет0.01462727
1 раз в 250 лет0.004683939
Средние годовые потери3.12.22.2
Иллюстративный индекс убытков для примерного портфеля (капитал = 100): форма вероятности превышения, которую читают страховщики и надзорные органы. Это не данные о каком-либо учреждении, не цена и не рейтинг.
Климатические сценарии NGFS · Сеть по экологизации финансовой системыIFRS S2 «Раскрытие информации, связанной с климатом» · ISSBРекомендации TCFD · Совет по финансовой стабильности, TCFDПринципы эффективного управления климатическими финансовыми рисками · Базельский комитет по банковскому надзору
08Решения

Кто принимает решения и чему служит доказательная база.

Направление «Актуарные и количественные риски» готовит доказательную базу. Перечисленные ниже решения принимают указанные органы по своим собственным правилам, но никогда не платформа.

Кто принимает решениеВопросДоказательная база, которую обслуживает эта страница
Актуарии по ценообразованию и резервированиюHow much credibility to give own data and which benchmark to useПодверженность, релевантность эталона и профессиональные стандарты
Product committeesWhether to launch products with sparse data and what monitoring appliesUncertainty estimates and monitoring plans
Надзорные органыWhether assumptions for new or small portfolios are reasonableActuarial reports
ПерестраховщикиHow to price cover for portfolios with little historyBenchmarks and exposure data

Результаты, которые даёт эта тема

09Ключевые вопросы

Вопросы, которые задают эксперты.

  • How much weight should a portfolio’s own experience receive relative to wider data?
  • Which external data are relevant, and how different is the target population?
  • How should expert judgement be elicited and combined with data?
  • How should the extra uncertainty from sparse data be reflected in results?
  • Как моделям для условий с дефицитом данных избежать простого заимствования допущений из условий с обилием данных?
10Механизмы

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.

11Методы и данные

Методы и их ограничения.

Credibility

Credibility models

Сочетание собственного и коллективного опыта; требует разумного определения коллектива.

Bayesian

Hierarchical models

Sharing information across groups with explicit uncertainty; results depend on priors.

Эксперты

Структурированная экспертная оценка

Formal methods to obtain and calibrate expert judgement.

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.

12Методы

Как это изучается и чего методы не могут сказать.

  1. Актуарная математикаРезервирование с помощью треугольников развития · Построение премии · Оценка аннуитетовПрименяется здесь
  2. Теория вероятностей и статистикаОбобщённые линейные модели в ценообразовании · Байесовская теория доверия · Проверка согласияПрименяется здесь
  3. Количественная оценка неопределённости и валидация моделейДиапазоны резервов · Неопределённость параметров и моделей · Ранжирование чувствительностиПрименяется здесь
  4. Высокопроизводительные, облачные и периферийные вычисленияМоделирование методом Монте-Карло · Управление версиями и воспроизводимость · Контроль вычислений конечных пользователейПрименяется здесь
13Вопросы

Вопросы и ответы.

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.
Что такое кредибильность по Бюльману?
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?
When data are absent or not relevant, provided it is elicited in a structured, documented way and tested as data arrive.
Can industry share data to reduce sparsity?
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?
Because data are short, threats change quickly and losses can be highly correlated across firms.
ОтчётыВнести вклад

Поделитесь доказательствами с этой страницы.

Reports является ежеквартальным изданием Консорциума. Ваши знания по этой теме могут стать доказательством, кейсом или исправлением в следующем выпуске с указанием вашего авторства и публикацией по лицензии CC BY 4.0, если это ваша собственная работа.

Global Risks AllianceActuarial and Quantitative RiskMethods and TechnicalFinance and Insurance Readiness
Актуарные и количественные риски

Обратитесь в Альянс с вопросом о подверженности или капитале.

Информация и запросы открыты уже сегодня. Запрос получает номер и указывает следующий шаг; заявки, платежи, выделение вычислительных ресурсов и регистрации открываются только тогда, когда существуют их команда, условия и возможности для проверки.

Правовая информация

Карты, данные и рисунки на этом сайте приводятся для контекста и общей информации. Они не являются советом, прогнозом или предупреждением; ограничения информации изложены в Оговорках и уведомлениях о данных.