الذكاء الاصطناعي لتحليل مثلثات الخسائر والتنبؤ بتطور الخسائر النهائية

ماذا تخبرنا مثلثات الخسائر

تُمثل مثلثات الخسائر، أو ما يُسمى أيضاً بمثلثات التطور، الأداة الأساسية لتقدير الخسائر النهائية في التأمين. فهي تُنظم بيانات الخسائر التاريخية بحسب سنة الحادث وفترة التطور، وتُظهر كيف تنمو الخسائر (أو تنكمش) لكل سنة مع نضج المطالبات. ويستخدم الإكتواريون هذه المثلثات لإسقاط كيفية تطور السنوات الراهنة غير الناضجة بناءً على كيفية تطور السنوات السابقة في المرحلة ذاتها.

الطرائق المعيارية لتحليل مثلثات الخسائر، شاملةً سلسلة السلم (chain ladder)، وبورنهيوتر-فيرغوسون، وكيب كود، تُستخدم منذ عقود. وتعمل بنجاح حين تكون أنماط التطور التاريخية مستقرة، وحين يكون مزيج الأعمال الراهن مماثلاً للمزيج التاريخي. وتتعثر حين تتغير الظروف، كتغير مزيج الأعمال، أو تطور ممارسات معالجة المطالبات، أو تغير البيئات القانونية، أو وقوع أحداث غير مسبوقة تكسر الأنماط التاريخية.

أين يُضيف الذكاء الاصطناعي قيمة

يُعزز الذكاء الاصطناعي تحليل مثلثات الخسائر بطرائق عدة. أولاً، يستطيع معالجة بيانات أكثر تفصيلاً من الطرائق المعيارية. فبدلاً من العمل بمثلثات إجمالية على مستوى خط الأعمال، يستطيع الذكاء الاصطناعي تحليل مثلثات مُقسَّمة بحسب نوع المطالبة، والسلطة القضائية، ومشاركة المحامي، وشدة الإصابة، وسواها من الخصائص التي تُؤثر في أنماط التطور. ويكشف هذا التفصيل أنماط تطور داخل المحفظة يُغفلها التحليل الإجمالي.

ثانياً، يكشف الذكاء الاصطناعي أنماط التطور غير الخطية التي تُغفلها الطرائق المعيارية القائمة على المُعاملات. فإذا تسارع التطور أو تباطأ في مراحل معينة بسبب تغيرات في ممارسات معالجة المطالبات أو البيئة القانونية، يلتقط الذكاء الاصطناعي هذه الديناميات بدلاً من افتراض نمط تطور ثابت.

الكشف عن الشذوذات

من أكثر قدرات الذكاء الاصطناعي قيمةً في تحليل المثلثات الكشفُ عن الشذوذات. فالنماذج تُحدد فترات التطور التي ينحرف فيها التطور الفعلي انحرافاً كبيراً عن الأنماط التاريخية، وتُؤشر إليها للتحقيق الإكتواري. فسنة تطور تُظهر نمواً سريعاً غير اعتيادي قد تُشير إلى تغير في ممارسات الاحتياطي أو إلى اتجاه ناشئ في المطالبات. والسنة التي تُظهر نمواً بطيئاً غير متوقع قد تُشير إلى تأخر التبليغ أو تحول في توقيت التسوية.

وعند رصد هذه الشذوذات مبكراً، يُتاح للإكتواريين التحقيق فيها وضبط تحليلهم قبل أن تُشوّه التقديرات النهائية. ومن دون الكشف بالذكاء الاصطناعي، قد لا تُلاحظ هذه الشذوذات حتى تُنتج تطورات احتياطية غير متوقعة.

نمذجة التطور على مستوى المطالبة

يعمل تحليل المثلثات التقليدي ببيانات إجمالية. ويستطيع الذكاء الاصطناعي نمذجة التطور على مستوى المطالبة الفردية، فيتنبأ بكيفية تطور كل مطالبة مفتوحة بناءً على خصائصها المحددة. ويُوفر مجموع تنبؤات المطالبات الفردية تقديراً بديلاً للخسائر النهائية يُمكن مقارنته بالطرائق الإجمالية التقليدية.

ويكتسب هذا النهج على مستوى المطالبة قيمة خاصة للخطوط ذات المطالبات غير المتجانسة. فمثلث المسؤولية العامة الذي يتضمن مطالبات الانزلاق والسقوط الصغيرة ومطالبات مسؤولية المنتجات الكبيرة يستفيد من النمذجة المنفصلة؛ لأن أنماط التطور مختلفة تماماً.

دمج العوامل الخارجية

طرائق المثلثات المعيارية داخلية بحتة، وتعتمد فقط على البيانات التاريخية لشركة التأمين ذاتها. ويستطيع الذكاء الاصطناعي دمج العوامل الخارجية التي تُؤثر في تطور الخسائر، كالظروف الاقتصادية، وتضخم التكاليف الطبية، والاتجاهات القضائية، والتغييرات التشريعية، وأنماط التضخم الاجتماعي. وتُوفر هذه العوامل الخارجية سياقاً يُساعد في تفسير أسباب احتمال اختلاف التطور الراهن عن الأنماط التاريخية.

تقدير معامل الذيل

يُعد تقدير ذيل التطور، أي مقدار التطور الذي يحدث فيما وراء المثلث المرصود، من أكثر جوانب التحليل الإكتواري عدمَ يقين. ويُساعد الذكاء الاصطناعي بتحليل أنماط تطور الذيل عبر مجموعة بيانات أوسع مما هو مُتاح عادةً ضمن مثلث شركة تأمين واحدة. وبيانات الصناعة، وقواعد البيانات التنظيمية، ومعلومات المطالبات العامة، جميعها يُمكنها إثراء تقديرات معامل الذيل.

قياس عدم اليقين

وربما الأهم من ذلك، أن الذكاء الاصطناعي يقيس عدم اليقين المحيط بتقديرات تطور الخسائر. فبدلاً من تقدير نقطة وحيدة للخسائر النهائية، يُنتج الذكاء الاصطناعي توزيعاً احتمالياً يُظهر مدى النتائج الممكنة وأرجحيتها. ويدعم هذا التوزيع قرارات إدارة المخاطر بشأن كفاية الاحتياطي، وشراء إعادة التأمين، وتخطيط رأس المال.

طالما عرف الإكتواريون أن تقديراتهم غير مؤكدة. ويجعل الذكاء الاصطناعي عدم اليقين هذا صريحاً وقابلاً للقياس، وهو ما يكتسب قيمةً لكلٍ من صناعة القرار الداخلية والتواصل الخارجي مع المنظمين، ووكالات التصنيف، والمستثمرين.

لمزيد من المعلومات حول كيفية تعزيز الذكاء الاصطناعي للتحليل الإكتواري للتأمين، تفضل بزيارة حلول التأمين لدى FirmAdapt.