A Note on the Generalized Cape Cod Reserving Method

यहाँ रोनाल्ड रिचमैन और मारियो वी. वुथ्रिच के शोध पत्र "A Note on the Generalized Cape Cod Reserving Method" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

दावा आरक्षित करना (Claims reserving) गैर-जीवन बीमा में एक महत्वपूर्ण कार्य है, जिसमें अंतिम नुकसान (ultimate losses) का अनुमान लगाना और भविष्यवाणी अनिश्चितता (prediction uncertainty) का परिमाणीकरण शामिल है। जबकि चेन-लैडर (CL) विधि (जैसे मैक का मॉडल) और बोर्नहुटर-फर्ग्यूसन (BF) विधि के लिए स्टोकेस्टिक ढांचे और मीन स्क्वेर्ड एरर ऑफ प्रेडिक्शन (MSEP) सूत्र मौजूद हैं, जनरलाइज्ड केप कॉड (GCC) विधि के लिए एक कठोर विश्लेषणात्मक MSEP सूत्र की कमी थी।

• अंतराल (The Gap): GCC विधि (और इसके पूर्ववर्ती बुल्मन के केप कॉड) का उपयोग व्यवहार में व्यापक रूप से किया जाता है क्योंकि यह पूरी तरह से अवलोकन-आधारित CL और पूर्व-आधारित (prior-based) BF विधियों के बीच एक मध्य मार्ग प्रदान करता है। हालांकि, मौजूदा स्टोकेस्टिक उपचार (जैसे सालुज़, 2017) या तो उद्योग-मानक पैरामीटर अनुमानों (CL-निहित विकास पैटर्न का उपयोग करके) के साथ संरेखित नहीं होते हैं या उनमें एक क्लोज्ड-फॉर्म MSEP एस्टिमेटर का अभाव होता है जो वास्तविक बुकिंग प्रक्रिया को दर्शाता हो।
• चुनौती (The Challenge): चिकित्सक अक्सर GCC या BF विधियों का उपयोग करके रिजर्व बुक करते हैं, लेकिन अनिश्चितता को मैक के CL फॉर्मूले या बूटस्ट्रैपिंग का उपयोग करके रिपोर्ट करते हैं। यह एक विसंगति पैदा करता है: अनिश्चितता का परिमाणीकरण एक अलग प्रेडिक्टर पर लागू होता है जिसे वास्तव में बुक किया गया है। इसके अलावा, BF MSEP एस्टिमेटर्स के लिए प्रायोर लॉस रेश्यो के स्पष्ट संभाव्यता विनिर्देशों (probabilistic specifications) की आवश्यकता होती है, जिन्हें उद्योग की योजना प्रक्रियाओं में शायद ही कभी औपचारिक रूप दिया जाता है।

2. कार्यप्रणाली (Methodology)

लेखक एरर प्रोपेगेशन तकनीक (जिसे मूल रूप से रोहर, 2018 द्वारा CL विधि के लिए लागू किया गया था) का उपयोग करके GCC विधि के लिए एक एकीकृत स्टोकेस्टिक ढांचे को विकसित करते हैं।

A. जनरलाइज्ड केप कॉड (GCC) ढांचा

पेपर GCC प्रेडिक्टर को चेन-लैडर डेवलपमेंट फैक्टर्स ($f_j$) और एक ट्रेंडिंग पैरामीटर $\lambda \in [0, 1]$ के फलन (function) के रूप में परिभाषित करता है।

• केप कॉड (CC): एकल लॉस रेशियो ($\kappa$) का अनुमान लगाने के लिए सभी दुर्घटना वर्षों के दौरान देखे गए लॉस रेश्यो के भारित औसत (weighted average) का उपयोग करता है, जो स्थिरता (stationarity) को मानता है।
• GCC विस्तार: ट्रेंडिंग को अनुमति देने के लिए एक एक्सपोनेंशियल वेटिंग फैक्टर $\lambda^{|i-l|}$ पेश करता है। यह लॉस रेशियो अनुमान को दुर्घटना वर्ष $i$ के लिए पड़ोसी वर्षों पर अधिक निर्भर बनाता है, जिससे एक्सपोजर मिस-स्पेसिफिकेशन या ट्रेंड्स को ठीक किया जा सके।
• सीमा मामले (Boundary Cases):
  • $\lambda = 0$: GCC विधि चेन-लैडर (CL) विधि में बदल जाती है।
  • $\lambda = 1$: GCC विधि बुल्मन की केप कॉड (CC) विधि में बदल जाती है।

B. प्रेडिक्शन अनिश्चितता (MSEP) का व्युत्पत्ति

मुख्य तकनीकी योगदान लॉग-स्केल पर फर्स्ट-ऑर्डर टेलर एक्सपेंशन (एरर प्रोपेगेशन) का उपयोग करके MSEP की व्युत्पत्ति है।

1. विघटन (Decomposition): कुल MSEP को प्रोसेस अनिश्चितता ($\Psi^2$) और पैरामीटर एस्टिमेशन एरर ($\Delta^2$) में विभाजित किया गया है।
2. संवेदनशीलता विश्लेषण (Sensitivity Analysis): लेखक GCC प्रेडिक्टर को CL डेवलपमेंट फैक्टर्स ($f_j$) के फलन के रूप में देखते हैं। वे इन फैक्टर्स में व्यवधानों के प्रति GCC प्रेडिक्टर की संवेदनशीलता की गणना करते हैं।
3. क्लोज्ड-फॉर्म समाधान: एरर प्रोपेगेशन पद्धति को लागू करके, वे एक क्लोज्ड-फॉर्म विश्लेणात्मक सूत्र $\hat{\Delta}^2_{GCC}$ प्राप्त करते हैं जो CL-निहित पैटर्न का उपयोग करके पैरामीटर अनुमान लगाने वाले उद्योग-मानक अभ्यास के अनुरूप है।

3. मुख्य योगदान (Key Contributions)

1. GCC के लिए प्रथम विश्लेषणात्मक MSEP: यह पेपर GCC की भविष्यवाणी अनिश्चितता के लिए पहला क्लोज्ड-फॉर्म विश्लेणात्मक सूत्र प्रदान करता है।
2. कार्यप्रणालीगत निरंतरता (Methodological Consistency): व्युत्पन्न MSEP एस्टिमेटर पूरी तरह से चेन-लैडर-निहित पैरामीटर अनुमानों के अनुरूप है जिनका उपयोग उद्योग में किया जाता है। सालुज़ (2017) जैसे पिछले प्रयासों के विपरीत, जो लाइक्लीहुड-आधारित अनुमानों का उपयोग करते हैं, यह दृष्टिकोण सुनिश्चित करता है कि अनिश्चितता का माप सीधे उन रिजर्वों के अनुरूप है जो चिकित्सकों द्वारा बुक किए गए हैं।
3. CL और CC का एकीकरण: ढांचा यह प्रदर्शित करता है कि GCC विधि CL और CC विधियों के बीच निरंतर इंटरपोलेशन करती है। फलस्वरूप, व्युत्पन्न MSEP फॉर्मूला स्वाभाविक रूप से इनमें परिवर्तित हो जाता है:
   • जब $\lambda \to 0$ हो, तो मैक का CL MSEP।
   • जब $\lambda \to 1$ हो, तो एक नया, सुसंगत केप कॉड MSEP।
4. क्रेडिबिलिटी व्याख्या: पेपर एक क्रेडिबिलिटी पुनर्गठन (credibility reformulation) प्रदान करता है, जो GCC प्रेडिक्टर को प्रीमियम स्तरों और टेम्पोरल प्रॉक्सिमिटी (temporal proximity) द्वारा समायोजित, विभिन्न दुर्घटना वर्षों के CL प्रेडिक्टर्स के भारित औसत के रूप में दिखाता है।

4. परिणाम और संख्यात्मक उदाहरण (Results and Numerical Example)

लेखक मानक दावों के डेटा (Wüthrich–Merz) पर आधारित एक संख्यात्मक उदाहरण का उपयोग करके अपने सिद्धांत को मान्य करते हैं।

• रिजर्व संवेदनशीलता (Reserve Sensitivity): जैसे-जैसे $\lambda$ का मान 0 (CL) से 1 (CC) की ओर बढ़ता है, अनुमानित रिजर्व बढ़ते हैं। ऐसा इसलिए है क्योंकि डेटा में एक समय का रुझान (time trend) दिखता है जहाँ व्यक्तिगत लॉस रेश्यो समय के साथ कम होते जाते हैं, जिसे मानक CL विधि कैप्चर करती है, लेकिन CC विधि (स्थिरता मानते हुए) औसत निकालकर उसे ओवरएस्टिमेट करती है।
• अनिश्चितता घटक (Uncertainty Components):
  • पैरामीटर एस्टिमेशन एरर ($\Delta^2$): $\lambda$ बढ़ने के साथ घटता है। ऐसा इसलिए है क्योंकि उच्च $\lambda$ "प्रायर" (प्रीमियम-आधारित) संरचना पर अधिक निर्भर करता है, जिससे व्यक्तिगत दुर्घटना वर्ष के अवलोकनों के शोर (noise) के प्रति मॉडल की संवेदनशीलता कम हो जाती है।
  • प्रोसेस अनिश्चितता ($\Psi^2$): $\lambda$ के साथ थोड़ा बढ़ता है क्योंकि कुल रिजर्व राशि (वैरिएंस गणना में हर (denominator) में उपयोग की जाने वाली राशि) बढ़ जाती है।
• इष्टतम $\lambda$ (Optimal $\lambda$): उदाहरण में, न्यूनतम कुल MSEP $\lambda = 0.55$ के आसपास होता है। हालांकि, लेखक चेतावनी देते हैं कि MSEP को कम करने का अर्थ "सत्य" इष्टतम मॉडल की गारंटी नहीं है, क्योंकि MSEP मॉडल धारणाओं के प्रति संवेदनशील है।
• सालुज़ (2017) के साथ तुलना: पेपर हाइलाइट करता है कि सालुज़ के CC रिजर्व अधिक हैं और उनका MSEP अलग है क्योंकि वह विकास पैटर्न के लिए एक अलग अनुमान विधि का उपयोग करती हैं। लेखकों का दृष्टिकोण उद्योग-मानक (CL-निहित पैटर्न) के अनुरूप है, जिसके परिणामस्वरूप इस विशिष्ट डेटासेट के लिए कम, अधिक यथार्थवादी रिजर्व अनुमान प्राप्त होते हैं।

5. महत्व और व्यावहारिक निहितार्थ (Significance and Practical Implications)

• अंतराल को पाटना: यह कार्य एक स्टोकेस्टिक मॉडल प्रदान करके साहित्य के एक महत्वपूर्ण अंतर को भरता है जो व्यवहार में उपयोग किए जाने वाले नियतात्मक एल्गोरिदम (deterministic algorithm) से मेल खाता है।
• बोर्नहुटर-फर्ग्यूसन के लिए प्रॉक्सी: चूंकि GCC विधि का उपयोग अक्सर BF विधि के एक मजबूत एल्गोरिथम प्रॉक्सी के रूप में किया जाता है (जहाँ व्यक्तिपरक प्रायर को CL-निहित अनुपातों के भारित औसत से बदल दिया जाता है), यह MSEP एस्टिमेटर प्रभावी रूप से BF-शैली के रिजर्विंग के लिए एक कठोर अनिश्चितता माप प्रदान करता है, जिसमें प्रायर लॉस रेशियो के कठिन-से-परिभाषित संभाव्यता विनिर्देश की आवश्यकता नहीं होती है।
• नियामक और प्रबंधन उपयोगिता: व्युत्पन्न MSEP बीमाकर्ताओं को भविष्यवाणी अनिश्चितता रिपोर्ट करने की अनुमति देता है जो उनके बुक किए गए रिजर्व के गणितीय रूप से सुसंगत है। यह सॉल्वेंसी रिपोर्टिंग (जैसे IFRS 17, Solvency II) और प्रबंधन निर्णय लेने के लिए महत्वपूर्ण है, जो वर्तमान में मैक के CL अनिश्चितता (जो एक अलग प्रेडिक्टर पर लागू होता है) या एड-हॉक स्केलिंग कारकों का उपयोग करने की प्रथा को प्रतिस्थापित करता है।

संक्षेप में, रिचमैन और वुथ्रिच ने जनरलाइज्ड केप कॉड विधि के लिए एक मजबूत, क्लोज्ड-फॉर्म टूल प्रदान करके, प्रेडिक्शन अनिश्चितता को मापने के लिए एक मजबूत ढांचा तैयार किया है जो वास्तविक दुनिया के बीमा रिजर्विंग अभ्यासों में सीधे लागू करने योग्य है।