TECNICHE DI VALUTAZIONE DELLE RISERVE IBNR: UN APPROCCIO BASATO SUL MACHINE LEARNING
“The Actuary and IBNR Techniques: A Machine Learning Approach”
Caesar BALONA, Ronald RICHMAN
SSRN
https://www.ssrn.com/index.cfm/en/
Le tecniche di riservazione attuariale si sono evolute dall'applicazione di algoritmi, come il metodo Chain-Ladder, a modelli stocastici di sviluppo dei sinistri e, più recentemente, sono state sensibilmente migliorate dall'applicazione di tecniche di Machine Learning.
Nonostante questa proliferazione di teorie e tecniche, ci sono relativamente poche indicazioni su quali tecniche di riservazione dovrebbero essere applicate e quando. Poiché la scelta della tecnica e le modalità della sua applicazione non sono sempre effettuate in modo sistematico, a volte può essere difficile giustificare la riservazione IBNR a revisori e regolatori. Inoltre, lo sviluppo di Solvency II ha complicato ulteriormente la questione della riservazione IBNR. Senza un metodo sistematico per identificare le tecniche che producono la best estimate, gli attuari non solo sono costretti a fare affidamento sul loro giudizio professionale per stabilire che una particolare tecnica produce la migliore stima, ma devono anche convincere i regolatori della validità di questo giudizio.
In questo lavoro, gli Autori rivisitano le tecniche tradizionali di riservazione nel quadro dell'apprendimento controllato per selezionare modelli di riservazione ottimali.
Mostrano che l'uso di tecniche di ottimizzazione può portare a riserve più accurate e vengono individuate le circostanze in cui dovrebbero essere utilizzate diverse metriche di valutazione.