Analysis of data uncertainties in modeling and forecasting of actuarial processes

Abstract

EN: Context. Analysis of data uncertainties in modeling and forecasting of actuarial processes is very important issue because it allows actuaries to efficiently construct mathematical models and minimize insurance risks considering different situations. Objective. The goal of the following research is to develop an approach that allows for predicting future insurance payments with prior minimization of possible statistical data uncertainty. Method. The proposed method allows for the implementation of algorithms for estimating the parameters of generalized linear models with the preliminary application to data of the optimal Kalman filter. The results demonstrated better forecast results and more adequate model structures. This approach was applied successfully to the simulation procedure of insurance data. For generating insurance dataset the next features of clients were used: age; sex; body mass index (applying normal distribution); number of children (between 0 and 5); smoker status; region (north, east, south, west, center); charges. For creating the last feature normal distribution with known variance and a logarithmic function, exponential distribution with the identity link function and Pareto distribution with a known scale parameter and a negative linear function were used. Results. The proposed approach was implemented in the form of information processing system for solving the problem of predicting insurance payments based on insurance data and with taking into account the noise of the data. Conclusions. The conducted experiments confirmed that the proposed approach allows for more adequate model constructing and accurate forecasting of insurance payments, which is important point in the analysis of actuarial risks. The prospects for further research may include the use of this approach proposed in other fields of insurance related to availability of actuarial risk. A specialized intellectual decision support system should be designed and implemented to solve the problem by using actual insurance data from real world in online mode as well as modern information technologies and intellectual data analysis. UK: Актуальність. Розглянуто задачу аналізу невизначеностей даних у моделюванні та прогнозуванні актуарних процесів. Об’єктом дослідження є задача прогнозування страхових виплат на основі даних про страхових клієнтів з врахуванням можливих ситуацій невизначеності. Мета роботи – розробка підходу, що дозволяє спрогнозувати майбутні страхові виплати з попередньою мінімізацією можливої невизначеності статистичних даних. Метод. Запропоновано метод, що дозволяє реалізувати алгоритми оцінювання параметрів узагальнених лінійних моделей з попереднім використанням оптимального фільтру Калмана. Результати продемонстрували більш якісні результати прогнозу та більш адекватні структури моделі. Даний підхід був успішно застосований на процедурі штучно згенерованих страхових даних. Для генерування страхового набору даних клієнтів були використані наступні показники: вік; стать; індекс маси тіла (використвуючи нормальний закон розподілу); кількість дітей (від 0 до 5); статус курця; регіон (північ, схід, південь, захід, центр); виплати. Для створення останньої величини використовувався нормальний розподіл з відомою дисперсією і логарифмічною функцією зв’язку, експоненційний розподіл з одиничною функцією зв’язку та розподіл Парето з відомим параметром масштабування і від’ємною лінійною функцією зв’язку. Результати. Запропонований підхід реалізований програмно у вигляді системи обробки інформації для розв’язування задачі прогнозування страхових виплат за страховими даними та з урахуванням зашумленості даних. Висновки. Запропонований підхід реалізований програмно для побудування більш адекватних моделей та розв’язування задачі точного прогнозування страхових виплат за страховими даними та врахуванням зашумленості даних. Перспективи подальших досліджень можуть включати використання даного підходу в інших областях застосування, що пов’язані з акутарним ризиком. Необхідно розробити спеціалізовану інтелектуальну систему підтримки прийняття рішень для розв’язування задач з використанням страхових даних реального світу в режимі онлайн, а також сучасних інформаційних технологій та інтелектуального аналізу даних.