📋 Ocena ryzyka ubezpieczeniowego — model aktuarialny na żywo

Underwriting to proces decydowania, czy przyjąć wniosek ubezpieczeniowy i po jakiej cenie. Czysto ręczne podejście nie skaluje się, a ludzcy weryfikatorzy stosują niespójne standardy wobec tysięcy wniosków. Aktuarialna ocena ryzyka zamiast tego dopasowuje model statystyczny — historycznie uogólniony model liniowy, taki jak regresja logistyczna — aby oszacować prawdopodobieństwo i oczekiwany koszt przyszłej szkody na podstawie mierzalnych czynników ryzyka (wiek, historia szkód, wartość mienia, region). Wynik jest spójny, audytowalny i może być rekalibrowany w miarę gromadzenia doświadczeń szkodowych, dlatego stanowi podstawę decyzji cenowych i akceptacyjnych niemal każdego nowoczesnego ubezpieczyciela.

Surowe czynniki każdego syntetycznego wnioskodawcy (wiek, liczba wcześniejszych szkód, wartość ubezpieczonego mienia, poziom ryzyka regionu) są standaryzowane i łączone w liniowy wynik z = b0 + b1·wiek_z + b2·szkody + b3·wartość_z + b4·region, dokładnie jak w prawdziwym uogólnionym modelu liniowym. To z przechodzi przez funkcję logistyczną (sigmoidalną) p = 1/(1+e^-z), dając prawdopodobieństwo szkody w nadchodzącym okresie polisy, ograniczone między 0 a 1. To ta sama forma matematyczna stosowana w prawdziwych aktuarialnych modelach częstości szkód — gwarantuje ona, że wynik jest ważnym prawdopodobieństwem niezależnie od tego, jak skrajne są czynniki wejściowe, w odróżnieniu od zwykłej regresji liniowej, która mogłaby przewidzieć prawdopodobieństwa poniżej 0% lub powyżej 100%.

Składka jest budowana z oczekiwanej straty, nie z samego prawdopodobieństwa. Oczekiwana strata = prawdopodobieństwo szkody (częstość) × oczekiwana wielkość szkody (dotkliwość), a dotkliwość skaluje się z wartością ubezpieczonego mienia — szkoda przy większej polisie kosztuje więcej nawet przy tym samym prawdopodobieństwie. Symulacja stosuje następnie współczynnik obciążenia ponad oczekiwaną stratą, aby pokryć koszty underwritingu, koszty kapitału i marżę zysku, plus niewielką stałą opłatę na polisę: składka = oczekiwana_strata × (1 + obciążenie) + opłata_stała. Odzwierciedla to prawdziwą aktuarialną tożsamość wyceny stosowaną w ubezpieczeniach majątkowych, komunikacyjnych i na życie, gdzie częstość i dotkliwość są modelowane i wyceniane osobno przed połączeniem.

Próg wyznacza maksymalne modelowane prawdopodobieństwo szkody, jakie underwriter jeszcze zaakceptuje. Podniesienie progu przyjmuje więcej wnioskodawców — odsetek akceptacji rośnie — ale obejmuje bardziej ryzykowne polisy, których zrealizowane szkody podnoszą wskaźnik szkodowości (wypłacone szkody podzielone przez zebrane składki). Obniżenie progu odrzuca więcej granicznego ryzyka, kurcząc księgę biznesową (niższy odsetek akceptacji), ale utrzymując przyjętą populację bliżej założeń, na których zbudowano model wyceny, co utrzymuje wskaźnik szkodowości bliżej celu. Nie ma progu, który maksymalizowałby oba wskaźniki jednocześnie — ta symulacja czyni ten kompromis bezpośrednio widocznym i regulowanym w czasie rzeczywistym.

Wskaźnik szkodowości = suma wypłaconych szkód / suma zebranych składek w danym okresie. Wskaźnik szkodowości 60% oznacza, że 60 groszy z każdej złotówki składki poszło na szkody, pozostawiając 40 groszy na koszty i zysk — współczynnik obciążenia tej symulacji jest skalibrowany tak, by docelowy wskaźnik szkodowości (typowo 55–70%) pozostawiał miejsce na wbudowaną opłatę kosztową. Wskaźnik znacznie poniżej celu zwykle oznacza, że próg jest zbyt surowy, a składki przewyższone względem ryzyka (utrata konkurencyjnego biznesu); wskaźnik znacznie powyżej celu oznacza, że szkody pochłaniają obciążenie przeznaczone na koszty i zysk, a księga jest nierentowna przy obecnym progu i wycenie.

Selekcja negatywna (adverse selection) to tendencja, w której najbardziej ryzykowni wnioskodawcy — znający własne ryzyko lepiej, niż uchwycił je model ubezpieczyciela — są nieproporcjonalnie reprezentowani wśród przyjętych polis, gdy standardy underwritingowe się rozluźniają. W tej symulacji podniesienie progu wpuszcza wnioskodawców, których modelowe prawdopodobieństwo jest bliskie granicy; ponieważ wynik modelu jest oszacowaniem, a nie pewnością, część tych granicznych wnioskodawców ma prawdziwe ryzyko zauważalnie wyższe, niż sugerował ich wynik. Obserwuj wskaźnik szkodowości: gdy próg rośnie, przyjęta mieszanka coraz bardziej przechyla się ku ślepym plamom modelu, a zrealizowane straty rosną szybciej, niż przewidywałaby modelowa oczekiwana strata.

Wynik ryzyka jest prawdopodobieństwem, a nie prognozą pojedynczego zdarzenia — wnioskodawca oceniony na 12% prawdopodobieństwa szkody nadal wygeneruje szkodę mniej więcej raz na osiem razy, jeśli ubezpieczysz ich wystarczająco wielu, wynikające czysto z nieusuwalnej losowości. Ta symulacja losuje rzeczywisty wynik każdej przyjętej polisy jako próbę Bernoulliego z użyciem jej prawdziwego bazowego prawdopodobieństwa oraz losowania dotkliwości z rozkładu logarytmiczno-normalnego, więc krótkoterminowy zrealizowany wskaźnik szkodowości oscyluje wokół oczekiwania modelu, zamiast dokładnie mu odpowiadać krok po kroku. Właśnie dlatego prawdziwi ubezpieczyciele ubezpieczają duże, zdywersyfikowane księgi i monitorują wskaźnik szkodowości w oknach kroczących, zamiast oceniać model na podstawie pojedynczej polisy.

Ponieważ prawdopodobieństwo wchodzi do obliczenia oczekiwanej straty multiplikatywnie z dotkliwością, a następnie jest powiększane przez proporcjonalny współczynnik obciążenia, małe wzrosty wyniku ryzyka blisko górnego krańca przekładają się na nieproporcjonalnie większe wzrosty składki niż taki sam wzrost blisko dolnego krańca — jest to efekt składany, a nie płaska dopłata za punkt. Ta wypukła zależność jest zamierzona: odzwierciedla, jak ubezpieczyciele wyceniają ryzyko ogona bardziej agresywnie niż ryzyko rutynowe, zniechęcając do selekcji negatywnej przez to, że najbardziej ryzykowni, lecz wciąż akceptowalni wnioskodawcy płacą składkę, która już odzwierciedla większość ich dodatkowego oczekiwanego kosztu.