GESTIRE IL “MODEL RISK” NELLE IMPRESE DI ASSICURAZIONE NELL’ERA DEL “DEEP LEARNING”
“Believing the Bot - Model Risk in the Era of Deep Learning”
Ronald RICHMAN, Nicolai VON RUMMELL, Mario V. WUTHRICH
SSRN Link alla WEBPAGE DI PRESENTAZIONE E AL PAPER
Il concetto di Deep Learning si riferisce a un approccio per il disegno e l’adattamento di reti neurali che recentemente ha conseguito buoni risultati nelle soluzioni di problemi con dati non strutturati.
Nel settore assicurativo, i modelli di Deep Learning sono attualmente in fase di introduzione con l’obiettivo di supportare il processo decisionale delle imprese. Allo stesso tempo, il rischio di modello è riconosciuto come un aspetto sempre più rilevante nell'ambito della gestione del rischio operativo, con l’obiettivo di mitigare il rischio di decisioni aziendali sbagliate a causa di modelli difettosi o di utilizzi inappropriati dei medesimi.
Nel presente Paper, gli Autori cercano di determinare in che modo i modelli di Deep Learning differiscano dai modelli attuariali consolidati attualmente in uso nelle compagnie assicuratrici e in che modo queste differenze potrebbero richiedere cambiamenti nella gestione del rischio del modello.
Viene analizzato il rischio operativo nello sviluppo e nell'implementazione di modelli di Deep Learning, utilizzando esempi dalle previsioni di prezzi e della mortalità al fine di illustrare rischi e controlli specifici per mitigare tali rischi.
Si discute dei cambiamenti nella governance dei modelli e del ruolo che i risk manager potrebbero svolgere nel fornire garanzie sull'uso appropriato dei modelli di Deep Learning.