Современное резервирование: от цепной лестницы к ML

Автор: Jonas Mohamed Osman Abdelghafour, актуарий и эксперт по количественным рискам.

Резервирование убытков находится на пересечении самого важного числа в балансе страховщика и самого «субъективного» угла актуарной практики. Последнее десятилетие существенно изменило инструментарий, но — вопреки маркетингу — не сделало классические методы устаревшими. Изменилось то, где каждый метод должен находиться в иерархии резервирования и сколько информации актуарий может извлечь из данных, которые традиционный треугольник отбрасывает.

Почему треугольник всё ещё выигрывает в большинстве случаев

Метод цепной лестницы Мака и его «родственники» остаются «рабочей лошадкой» индустрии. Они требуют мало данных, прозрачны, дают среднее значение и дисперсию при заявленных предположениях и — что важнее всего — агрегируют информацию, которую бизнес действительно имеет: оплаченные и заявленные суммы по периодам развития. Для линий с относительно стабильным составом убытков и паттернами выплат, их трудно превзойти по результатам вне выборки.

Классические возражения хорошо известны. Треугольники отбрасывают информацию на уровне убытка. Формула дисперсии Мака предполагает независимость календарных лет, что почти никогда не верно при трендах инфляции. Факторы развития неявно предполагают, что состав убытков, урегулируемых в каждом периоде, стабилен. Все эти возражения реальны. Ни одно из них не оправдывает отказ от метода — они оправдывают использование его как эталона и диагностику того, где его предположения дают сбой.

Серьёзный процесс резервирования всегда включает треугольную оценку. Это число, которое может воспроизвести любой аудитор и регулятор, и это число, против которого каждый более сложный метод должен оправдывать своё существование.

Борнхьюттер-Фергюсон и где он зарабатывает свой хлеб

Метод Борнхьюттера-Фергюсона (БФ) делает то, чего не может цепная лестница: он позволяет актуарию привносить априорный взгляд в недавние, незрелые годы наступления убытков, где треугольник почти не даёт сигнала. В длиннохвостых линиях, таких как общая гражданская ответственность, где первый период развития содержит малую долю итоговых убытков, БФ не даёт цепной лестнице слишком сильно реагировать на несколько крупных или мелких ранних убытков.

Распространены два способа провала. Первый — устаревший априорный взгляд, заданный два «мягких» рыночных цикла назад. Второй — механическое применение, которое придаёт БФ вес даже в зрелых годах, где сигнал цепной лестницы силён. Варианты Кейп-Код и Бенктандера с доверительным взвешиванием решают вторую проблему.

Обобщённые линейные модели (GLM): всё ещё недоиспользованы

GLM на инкрементальных платежах восстанавливают цепную лестницу как частный случай и обобщают её. Они позволяют совместно оценивать эффекты календарного года (инфляция, правовые реформы, изменение процесса обработки убытков) с развитием, дают полное прогнозное распределение и позволяют актуарию включать ковариаты экспозиции, которые треугольник использовать не может.

Главная практическая причина недоиспользования GLM не в статистике — просто большинство ПО для резервирования делает их неудобными, а актуарий по резервам часто не тот человек, что строит модели для тарификации. Когда одна команда владеет обоими процессами, GLM-резервирование прямолинейно и окупает инвестиции через диагностику календарного года.

Резервирование индивидуальных убытков: реальный сдвиг

Самое существенное изменение за десятилетие — не машинное обучение как таковое, а переход от треугольного уровня к уровню индивидуальных убытков. Модели индивидуальных убытков оценивают для каждого открытого дела распределение будущих выплат как функцию характеристик (линия, причина, юрисдикция, индикаторы тяжести, время с момента события, текущий резерв, теги аджастера), а не усредняя по всей когорте.

Преимущества значительны. Изменения состава портфеля обрабатываются естественно, так как модель предсказывает каждый убыток по его собственным признакам. Динамику крупных убытков можно отделить от аттриционных без пост-хок корректировок. Усиления резервов становятся аудируемыми на уровне убытка, а не реконсилируемыми на уровне треугольника.

Минусы также реальны. Модели требуют больше очистки данных, их труднее валидировать, и они могут быть «непрозрачны» для рецензентов, владеющих Маком, но не градиентным бустингом.

Машинное обучение: где оно действительно помогает

Машинное обучение в резервировании приносит реальную ценность в трёх конкретных местах, а в остальном — в основном хайп.

Прогноз выплат на уровне убытка. Градиентный бустинг деревьев и случайные леса подбирают распределения выплат лучше параметрических GLM, когда есть нелинейные взаимодействия между признаками убытка. Прирост умерен на уровне портфеля и материален для «хвостов» крупных убытков.

Адекватность резервов по делу (case reserves). Контролируемые модели, предсказывающие итоговую выплату по открытому убытку, — мощная диагностика. Систематические отклонения сигнализируют либо о дрейфе философии резервирования, либо об изменении состава, которое процесс резервирования еще не поглотил.

Оценка паттернов развития на новых линиях. Там, где портфель слишком незрел для стабильного треугольника, подходы трансферного обучения, заимствующие силу из связанных линий, превосходят наивные априорные взгляды БФ, при условии, что аналоговый портфель подлинно сопоставим.

Где ML не помогает — и где я видел, как оно вредит процессам, — так это в качестве «черного ящика» для замены слоя актуарного суждения. Модель, которая даёт резерв ниже треугольника без диагностируемой причины, не должна приниматься, независимо от счёта кросс-валидации.

Иерархия резервирования

Для большинства портфелей страхования иного, чем жизнь, иерархия, которую я бы защищал сегодня, выглядит так:

1. Оценка на основе треугольника (Мак или GLM) как якорь.
2. БФ или Кейп-Код для незрелых годов.
3. Модель индивидуальных убытков для проверки треугольника и для распределения резервов на гранулярности убытков для перестрахования и IFRS 17.
4. ML-диагностика адекватности case-резервов и динамики крупных убытков.
5. Слой экспертного суждения, задокументированный, который реконсилирует слои и принимает финальное решение.

Ни один слой сам по себе не достаточен. Все они вместе, применённые честно — да.

---

Автор: Jonas Osman Abdelghafour, актуарий и менеджер по финансовым рискам. Информация об опыте и контакты доступны на странице «об авторе».