Участник сообщества

«В мае-июле 2012г. одной из крупных компаний устроят крутой «образцово-показательный» прессинг — чтобы была более сговорчива»
Я уже не помню, что там была за бутылка на кону, но, имхо, Влас вполне может рассчитывать на звание почетного Нострадамуса страхового сообщества.

Ну, никто же не рождается специалистом, правда? Довольно логично, что там, где хорошая школа и наследие, растут хорошие специалисты (и есть у уого учиться, и изначально компания может себе позволить выбирать самых перспективных).

Верно, да и не только в страховании.
Сама как-то купилась на бренд.
Надо было взять выпускника на работу. Вакансию опубликовали, и пришло 100500 резюме. Эйчары отфильтровали часть по формальным критериям, и осталось, в общем, столько, что день надо только на чтение убить, не говоря уже о пригласить всех на собеседование. И все резюме написаны под красивую бла-бла-бла копирку, опыта работы нет, и как выбирать вслепую — неясно.

Смотрю, у одного в «личных достижениях» стоит — в 20хх году установил рекорд, занесенный в книгу рекордов Гиннесса. Думаю -о! как минимум, человек чем-то увлекается серьезно, целеустремлен, ставит себе задачи и всякие такие полезные личностные качества имеет. Да и книга рекордов Гиннесса — серьезная организация, брЭнд почище Ингосстраха. Ну, давайте вот именно его приглашать беседовать.
На собеседовании товарищ по знаниям не то, что ноль, а просто даже отрицательная величина. К концу не удержалась и из любопытства и вопреки всякой политкорректности спросила: а что Вы за рекорд поставили в 20хх году? «А, это», — мнется кандидат, — «это я участвовал в рекордном массовом поедании пиццы, сто тыщ человек пришло тогда».

Владимир, большое спасибо за объяснения. К сожалению, у меня нет диплома по инвестициям в страховании, а Википедию читать не могу, там слишком много умных слов для тупой бабы. Как приятно, что есть такие знающие люди, как Вы, которые всегда поделятся своим опытом. Скажите, Вам, наверное, предсказать проблемы с Леманами и АИГ не составило никакого труда за несколько лет до их возникновения?

Wells Fargo — это понятная инвестиция? А чем она понятнее, например, чем Леман Бро-с или AIG?

Продукт банковский (иначе вообще стремно его делать)? Попросите у банка их кредитные скоринговые шкалы, это может быть началом.

Вторая мысль.
Перенесемся в светлое будущее, когда мы уже построили нашу 20-факторную тарифную сетку.

Теперь наступает необходимость ее поддеживать и регулярно валидировать (иначе она может быстро стать непригодной и даже опасной — достаточно домохозяйкам массово повестись на рекламу другой СК с Бредом Питтом в главной роли, а планктону массово утечь к конкуренту за углом с акцией -0.05% на фордфокус). И тут наступает ужос.

Мы открываем нашу базу данных. А там:
Цвет указан только для 20% автомобилей, при этом для 99% из этого количества цвет указан как «белый» (первый по алфавиту из выпадающего списка).
У 95% клиентов с именем Наталья пол указан как «мужской» (что стояло по дефолту)
И прочие чудеса.

Мы кряхтим, пишем фаззи-алгоритмы по вычислению пола по отчеству и по заполнению пустых мест в данных исходя из собственных диких предположений. Потрачено три месяца, тарифная сетка перекалибрована. За это время конкурент за другим углом объявил скидку -30% на Лексусы, и домохозяйки отпинали папиков перезаключить договоры с ним. Процесс надо начинать сначала.

Нам это надоедает, и мы устраиваем в компании проект по борьбе за чистоту данных. Теперь невозможно учесть договор, если его реальная премия не совпадает с тем, что рассчитывает учетная система по введенным тарифным коэффициентам. Мы, в нашем актуарном уголке, не нарадуемся — данные стали идеальны. Только вот когда приходит время нагружать наши нетто-тарифы на офисные расходы, мы ВЕСЬМА удивлены. Сколько-сколько? А зачем нам пять новых операционистов в каждом отделении? Так теперь у нас же ж дороже, чем за углом.

Мораль сей басни такова — не создавайте хрупкие тарифные сетки, которые не сможете потом поддерживать в актуальном состоянии. Эта истина вписана кровью в инструкцию по актуарной технике безопасности

Как по мне, то и коэффициенты за противоугонную систему, и за гараж/СТО, и за количества допущенных фтопку. При этом я вовсе не утверждаю, что эти факторы не влияют на размер/частоту убытков, более того, скорее всего, действительно есть прямая причинно-следственная связь между, например, местом ночного хранения ТС и вероятностью угона.

Забыла еще один «реальный» фактор — интенсивность эксплуатации. Видела статистику западную по КАСКО — pay as you drive, очень красивая устойчивая зависимость частоты от количества накрученных миль. При этом, что интересно, совсем не линейная.

Я попробую объяснить чуть шире.

Допустим, мы создали прекрасную тарифную сетку с 20 тарифными факторами (это не виртуальный пример, я видела тарифные сетки по КАСКО с 17 факторами). Первый вопрос — КАК мы это сделали и какое качество коэффициентов мы получили, так как все нормальные регрессионные прайсинговые методы типа GLM работают тем хуже, чем большее количество независимых переменных мы пытаемся получить.

Объясню на примере. Например, мы вводим первые два коэффициента — коэффициент за возраст И коэффициент за стаж в нашу тарифную структуру. В реальной жизни эти два параметра для человека естественным образом довольно сильно коррелированы. Для того, чтобы получить «правильное» предсказание тарифа из нашей модели для основной массы клиентов, мы должны подобрать коэффициенты так, чтобы, грубо говоря, не наказывать два раза юного водителя за то, что у него еще и небольшой стаж, и наоборот — не поощрять 40-летнего дважды, за возраст и за хороший стаж. Таким образом, коэффициенты будут учитывать зависимость между факторами.

После того, как мы «имплантируем» эту зависимость в наши тарифы, наша двухкомпонентная модель будет давать более далекие от правды результаты для «нестандартных» с точки зрения обычной зависимости тарифных ячеек, например, для 40-летней домохозяйки, которая только что получила права.

Дальше, например, мы хотим добавить еще три тарифных фактора — пол водителя, марку/модель и цвет автомобиля.
При этом мы видим новые зависимости: модели представительского класса и внедорожники чаще всего черные или серый металлик и на них чаще всего катаются мужчины среднего возраста и старше с солидным стажем (назовем эту клиентскую группу «папики»), малолитражки чаще бывают веселеньких расцветок и на них чаще катаются молодые девушки с маленьким стажем (назовем эту клиентскую группу «домохозяйки»), а фордфокусы всех расцветок чаще всего водят 30-летние люди со средним стажем независимо от пола (назовем их «планктон»).

Ну что ж, попыхтели и распутали и этот клубок зависимостей, связав из него тарифную сетку. Теперь наши тарифы, грубо говоря, «хорошо» работают для папиков, домохозяек и офисного планктона — наших «основных» групп, но «плохо» работают для молодых инвестиционных банкиров любого пола, для пожилых любителей спортивных тачек, для колхозников среднего возраста, которые купили себе калину мечты цвета серый металлик, для бизнесвимен среднего возраста, да тысячи их.

Думаю, моя первая мысль тут понятна (будет и вторая) — чем больше мы добавляем тарифных факторов, тем «лучше» мы угадываем тарифы для «основных» групп, но тем «хуже» мы угадываем для групп на периферии. Беда в том, что с добавлением новых факторов размер «основной» группы сужается, как шагреневая кожа, и прайсинговые ошибки для неосновных групп становятся очень весомы в общем портфеле.

Я написала о коэффициенте за износ, он по-хорошему должен быть градуирован по возрасту автомобиля.

Противоугонные системы — такой себе фактор, как раз из тех, которые необоснованно усложняют тарифную сетку без реальных весомых преимуществ. Для дорогих марок сейчас даже базовые комплектации вроде идут со спутниковой системой.

Количество допущенных — тоже крайне сомнительный фактор. С неопытными водителями, которые прячутся в договорах супругов/родителей, логично бороться повышенной франшизой по убыткам с такими водителями, или прописывать условие, что компания имеет право отказать в случае, если убыток нанес водитель с меньшим стажем, чем минимальный, оговоренный в полисе.

Желательно еще и без водительских прав.