JP2015222596A - 将来の損失に関連する頻度を予測し、損失決定ユニットの関連する自動処理のためのシステム及び方法 - Google Patents
将来の損失に関連する頻度を予測し、損失決定ユニットの関連する自動処理のためのシステム及び方法 Download PDFInfo
- Publication number
- JP2015222596A JP2015222596A JP2015156146A JP2015156146A JP2015222596A JP 2015222596 A JP2015222596 A JP 2015222596A JP 2015156146 A JP2015156146 A JP 2015156146A JP 2015156146 A JP2015156146 A JP 2015156146A JP 2015222596 A JP2015222596 A JP 2015222596A
- Authority
- JP
- Japan
- Prior art keywords
- loss
- risk
- control unit
- scenario
- responsible
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 title abstract description 24
- 238000009826 distribution Methods 0.000 claims abstract description 59
- 230000008859 change Effects 0.000 claims abstract description 18
- 230000000737 periodic effect Effects 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims description 118
- 230000008569 process Effects 0.000 claims description 17
- 230000008439 repair process Effects 0.000 claims description 17
- 230000003993 interaction Effects 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 abstract description 8
- 230000011664 signaling Effects 0.000 abstract description 7
- 230000006978 adaptation Effects 0.000 abstract description 6
- 230000004044 response Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 67
- 239000000047 product Substances 0.000 description 60
- 238000010586 diagram Methods 0.000 description 35
- 230000006378 damage Effects 0.000 description 24
- 230000009471 action Effects 0.000 description 22
- 238000012986 modification Methods 0.000 description 19
- 230000004048 modification Effects 0.000 description 19
- 230000002776 aggregation Effects 0.000 description 16
- 238000004220 aggregation Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 12
- 208000027418 Wounds and injury Diseases 0.000 description 10
- 208000014674 injury Diseases 0.000 description 10
- 238000004088 simulation Methods 0.000 description 9
- 230000004931 aggregating effect Effects 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 8
- 238000011002 quantification Methods 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 7
- 230000003247 decreasing effect Effects 0.000 description 7
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 7
- 230000001960 triggered effect Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000008054 signal transmission Effects 0.000 description 6
- 230000001364 causal effect Effects 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000012356 Product development Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000000872 buffer Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000010899 nucleation Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004540 process dynamic Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 206010016759 Flat affect Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 101000737574 Homo sapiens Complement factor H Proteins 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 102000045512 human CFH Human genes 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
である。ここで、Riλ,lRpipiλ;lは、取得(lが製品に等しい場合)又は製造(lが施設に等しい場合)した製品/活動iによる収入であり、fikl=Fiai,klが産業セグメントiにおけるリファレンスボリュームの単位毎のシナリオiklの頻度である。本実施例の変形では、利用されるパラメータは、R合計収入、pi産業セグメントiにより分割されるエクスポージャ(ボリューム)、piλ;l影響を受けた主体l(製品又は施設)の位置(国)λによって産業セグメントiに分割されたエクスポージャ(ボリューム)である。さらに、利用されるパラメータは、Fi基礎頻度、すなわち、産業セグメントiにおけるリファレンスボリュームの単位の毎年の潜在的なイベント数、ai,kl原因iに対する効果klの割当てパーセンテージ、すなわち、原因iによるすべての潜在的なイベントにおける効果klによる潜在的なイベントの割合、及びR0リファレンス収入(毎年1億ユーロなど)である。この責任リスクドライバシステムのフレームワークは、企業の売上(又は収入)と損失頻度との間の線形従属性を意味する。
ここで、Fは損失頻度であり、b及びβは、例えば、100万ユーロから10億ユーロまでの収入に対して有効な経験的定数である。本実施例の変形の当該要件を充足するため、位置λにおいて発生するシナリオilkm(il:潜在損失の原因、km:潜在損失の効果)に関連する潜在損失の頻度λilkm,λは、
はプリファクタである。本実施例の変形の実現される変数は、v相対ボリューム(責任リスクドライバユニットにおいて測定される責任リスクドライバボリュームv)、pi産業セグメントiにより分割されるエクスポージャ(ボリューム)、piλ;l影響を受けた主体l(製品又は施設)について位置(国)λによる産業セグメントiにおいて分割されたエクスポージャ(ボリューム)である。利用される以下のさらなるパラメータは、Fil基礎頻度、すなわち、影響を受けた主体lについて産業セグメントiにおけるリファレンスボリュームの単位と毎年の潜在的なイベント数、ail,km原因ilに対する効果kmの割当てパーセンテージ、すなわち、原因ilを有するすべての潜在的なイベントにおける効果kmを有する潜在的なイベントの割合である。bは、経験的な収入の冪乗であり、例えば、0.5などに設定可能である。βは、経験的なログの冪乗であり、例えば、2などに設定可能であり、ログ係数としてのRlogは、例えば、108などに設定可能である。
実施例の変形として、コントロールユニットであるコントローラ10は、スタートポイントとしてこのようなテーブルを利用可能である。それは処理について完成されておらず、完成されている必要もないが、処理中にコントロールユニットであるコントローラ10により自動的に完成及び適応化される。例えば、平均的な建物は自然単位としては明らかに不十分である。これは、所与のタイプの他の何れか平均的な建物と同様に、平均的な建物は当然には所与の単位でなく、建物、車両、消費財及び農産物などのコストの間のレシオは市場から独立したものでないためである。しかしながら、異なるスケールは、コントロールユニットであるコントローラ10のコンポーネント131〜135が小さな消費財と摩天楼などの異なるタイプの資産への自然単位のカウントに関する資産損害損失負担の分割を防ぐ。この条件化の問題は、例えば、資産の損害をそれのコストにより規定することによって解決できる。資産損害の有効なコンポーネントがシステムによって以降に追加される。身体的な傷害の各サブコンポーネントが身体的な傷害から直接的に発生したコストの時間の進展と異なる時間の進展を有する移行の金銭的な損失コンポーネントを暗黙的に含むことなどを生じさせる何れかの不整合性が、他のシステムによって別々に解消される必要があり、最適化中にコントロールユニットであるコントローラ10により解消される。
(標準偏差と平均値との間の比)とによって特徴付けされる。しかしながら、他の実施例の変形として、特に少数のシナリオしか利用可能でない単一の産業セグメントにおける様相損失の予測における精度を向上させるための以下の変更が可能である。すなわち、(i)損失重大性コンポーネントの変動係数vjα (2)はもはやシステムの制約でなく、損失コンポーネントjとシナリオαの損失機構m(α)とに依存する。(ii)経済的補償γjλ (2)の変動係数はもはや位置(国)λのみに依存せず、損失コンポーネントjにもまた依存する。それらは、モデル毎のデフォルトγ(2)に対して優先する。(iii)リスクドライバは、賞金予測可能性を説明する責任法則を用いて実現され、これに応じて不確実性を増大させる。調整手段fjαλ ratは、損失コンポーネントに依存してもよいし、そうでなくてもよい。上述されるように、変動係数の組み合わせのための式は、N及びCの分布関数に依存する。それらは知られていないため、変動係数が加えられる(平均値の周りの級数展開に基づき)。位置(国)λにおける各シナリオ損失モデルαの各損失コンポーネントjについて、不確実性が計算される。すなわち、(i)シナリオ生成手段131が損失重大性の不確実性を決定し、
を増加させる。さらなる他の実施例の変形では、標準偏差と平均値との間の比は、固定されたモデルワイドパラメータとして設定可能である。自然単位と金銭単位との間の変換はコンポーネント単位で行われるため、本実施例の変形では、対数正規分布が自然単位と金額との双方について利用可能である。他方、何れの非乗算演算もまた他の分布を利用することを必要にするであろう。以下のテーブルは、以下のコンポーネントによって表されるコントロールユニットであるコントローラ10を用いて生成される一例となる損失子成りを示す。
以下のテーブルは、コントロールユニットであるコントローラ10を用いて生成される一例となる損失シナリオとしての他の実施例の変形を示す。本実施例の変形では、損失シナリオは以下のコンポーネントによって表される。
この実施例の変形では、損失シナリオの損失は正規化されず、シナリオ生成手段131において正規化された表現から生成される。以降の金銭的損失は、暗黙的に身体的傷害の各コンポーネントの一部である。潜在的な損失の位置は、損失決定ユニット40の位置、保険対象の位置及び第三者の永続的な位置と異なるものであってもよい。実施例の変形について、これは、例えば、製品責任の輸出市場のため及び/又は企業総合責任の製造の代わりに仮定できる。損失の頻度がイベントの頻度とイベント毎の損失数の分布とから生成されることが妥当である可能性がある。
本例では、保険対象の製品ポートフォリオは、保険対象の動作ユニット30により販売される製品に固有のリスクを表す。製品のタイプは、保険対象により製造される製品のタイプを規定する。シナリオ生成手段131への入力数量のソースとして、リファレンスボリュームのシナリオ基礎頻度、リファレンスボリューム及びシナリオ基礎重大性が、入力パラメータとして利用可能である。シナリオ生成手段131の出力として、シナリオ生成手段131は、1.回復可能/軽微な傷害、2.身体障害/回復不可な傷害、3.死亡、4.財産損害、及び5.事業停止である損失モデルコンポーネントに対する作用について動作する。各基礎リスク(時間は産業セグメントのみについて)は、それぞれが自らの基礎重大性を有する1以上のシナリオクラスをトリガしてもよい。シナリオ生成手段131はさらに、単一の損失コンポーネントの自然単位による損失シナリオの頻度と重大性とを生成する処理モジュールを有する。好適な実施例の変形では、測定パラメータは、製品及び一般責任損失の観察された頻度が収入(売上)にサブ比例する点で、上述した責任リスクドライバ311〜313において実現される。従って、好適な実施例の変形では、それは、ゆっくり変化するプリファクタを有する平方根に従う。
ただし、Fは損失頻度であり、b及びβは100万〜10億ユーロなどの収入に対して有効な経験的定数である。責任リスクシステムの上記要件を充足するため、位置λにおいて発生するシナリオilkm(il:潜在的な損失の原因、km:潜在的な損失の効果)に関する潜在的な損失の頻度λilkm,λは、
である。ここで、filkm=Filail,kmはLRDボリュームの1単位のすべてのシナリオilkmの頻度であり、φik;l=Φpipiλ;lは収入分割に依存したボリュームファクタであり、Φ=alnβ(Rlogv)vbは合計ボリュームファクタ(相対ボリュームvのサイズ訂正)であり、
はプリファクタである。使用される変数は、相対ボリュームV(責任リスクドライバユニットにより測定される責任リスクドライバボリュームV)、産業セグメントiにより分割されるエクスポージャ(ボリューム)pi、及び影響を受ける主体I(製品又は施設)について位置(国)λにより産業セグメントiにおいて分割されるエクスポージャ(ボリューム)piλ;lである。使用されるパラメータは、基礎頻度、すなわち、影響を受ける主体Iについて産業セグメントにおけるリファレンスボリュームの単位及び年毎の潜在的なイベント数Fil、原因ilに対する効果kmの割当てパーセンテージ、すなわち、原因ilを有するすべての潜在的なイベントにおける効果kmを有する潜在的なイベントの割合ail,km、経験的な収入の冪乗b(0.5など)、経験的な対数の冪乗β(2など)、及び対数係数Rlog(108など)である。相対ボリュームvの生成のため、使用されるパラメータは、収入定数R0(1億ユーロ/年など)及び時間(年)tにおける位置(国)λの相対リファレンス収入rλ(t)である。
追加的なリスクドライバ311〜313は、“生計費”として参照されるリスクドライバにより指定されるような各損失コンポーネントの合計予想損失コストに対する生計費コンポーネントと組み合わされる。この場合、経済環境は、製品が販売又は製造される経済環境に関するリスクを表す。経済環境の表現としてコントロールユニットであるコントローラ10により選択される生計費責任リスクドライバは、支払請求時のベンチマーク化を可能にするため、各国における耐久財及び非耐久財のバスケットを比較する。当該リスクドライバを測定するためコントロールユニットであるコントローラ10により選択される測定パラメータは、欧州家計の平均消費に対応する製品バスケットを含む、ニューヨークの100等により測定された都市ベースインデックスである。ある国が測定不可である場合、コントロールユニットであるコントローラ10は、同じ地域の各国の平均などを利用可能である。最も低い都市インデックスが、ある国が複数の都市により表現可能な場合に利用される。実施例の変形として、ある損失コンポーネントαの合計コスト損失額が苦痛、医療費、収入喪失コストコンポーネントなどに生計費リスクドライバのコストに関する追加的なコストコンポーネントを加えた測定パラメータを有することが仮定できる。適切な測定パラメータにより測定される生計費とこれらに関する有効なコストコンポーネントとの間の関係を確定するため、生計費をコストコンポーネントにスケーリングするファクタを求める。生計費は国に固有のものであるため、第1ステップでは、スケーリングファクタが国から独立していることを仮定することが妥当でありうる。本例では、各損失コンポーネントαについて、パラメータはコントロールユニットであるコントローラ10を用いた以下の関係式に基づき結合可能である。
ここで、α=損失コンポーネント(回復可能/軽微な傷害、身体障害/回復不可な傷害、死亡)、Cl α=国l(l=1,2,...,n)における損失コンポーネントαの合計コスト、cl,j=国lにおける物品グループj(j=1,2,...,m)、Pl=国lにおける苦痛、El=国lにおける収入喪失コスト、及びHl=国lにおける医療費である。各損失コンポーネントαに対するスケーリングファクタの集合Wαは、関係式を解くことによって決定される。損失コンポーネントαと国lとのそれぞれの合計コストCl αは、請求部門によって提供される。生計費を表す各物品グループjと国lとのそれぞれのコストcl,jは、適切なデータサンプルから抽出可能である。国l毎の苦痛、医療及び収入喪失のコストは、従来技術において利用可能なデータなどから導出可能である。図7は、価格タグエンジン132が“ボリューム配分マトリックス誘導手段、”市場分割手段“、”リスク対象ボリューム配分手段“及び”価格タグ決定手段“の機能コンポーネントなどに分解できる。これらのコンポーネントは、測定パラメータに基づきやりとりしている。ボリューム配分マトリックス誘導手段を実現するため、既知の情報データから分割されたエクスポージャ(ボリューム)が必要とされることは明らかである。機能コンポーネントは、価格タグエンジン132において独立していない。これらのシーケンスは単に変更可能でない。市場分割手段は、分割されたリスク対象/活動に基づき、入力された損失シナリオに配分されたエクスポージャ(ボリューム)を必要とする。価格タグ決定手段は、損失結果の価格を決定するため、位置を必要とする。
の式に基づく。ここで、Vは合計エクスポージャ(ボリューム)であり、Vikは入力されたシナリオikに配分されるボリュームであり、pjはリスク対象/活動iによるボリュームのパーセンテージであり、iはリスク対象/活動であり、kは影響を受ける主体のタイプである。
の式に基づく。ここで、Vikは入力されたシナリオikに配分されたボリュームであり、pjは位置lによりリスク対象/活動に配分されたボリュームのパーセンテージであり、Viklは出力されるシナリオiklに配分されるボリュームであり、lは位置である。
ここで、Fは損失頻度であり、b及びβは、100万〜10億ユーロなどの収入に対して有効な経験的な定数である。責任リスクドライバシステムを用いてこの要件を充足するため、位置λにおいて生じるシナリオilkm(il:潜在的な損失の原因、km:潜在的な損失の効果)に関連する潜在的な損失の頻度λilkm,λは、
である。ここで、filkm=Filail,kmは責任リスクドライバボリュームの1単位のすべてのシナリオilkmの頻度であり、φik;l=Φpipiλ;lは収入分割に依存したボリュームファクタであり、Φ=alnβ(Rlogv)vbは合計ボリュームファクタ(相対ボリュームvのサイズ訂正)であり、
はプリファクタである。使用される変数は、相対ボリュームV(責任リスクドライバユニットにより測定される責任リスクドライバボリュームV)、産業セグメントiにより分割されるエクスポージャ(ボリューム)pi、及び影響を受ける主体I(製品又は施設)について位置(国)λにより産業セグメントiにおいて分割されるエクスポージャ(ボリューム)piλ;lである。さらに使用されるパラメータは、基礎頻度、すなわち、影響を受ける主体Iについて産業セグメントにおけるリファレンスボリュームの単位及び年毎の潜在的なイベント数Fil、原因ilに対する効果kmの割当てパーセンテージ、すなわち、原因ilを有するすべての潜在的なイベントにおける効果kmを有する潜在的なイベントの割合ail,km、経験的な収入の冪乗b(0.5など)、経験的な対数の冪乗β(2など)、及び対数係数Rlog(108など)である。相対ボリュームvの生成のため、使用されるパラメータは、収入定数R0(1億ユーロ/年など)及び時間(年)tにおける位置(国)λの相対リファレンス収入rλ(t)である。
の式に基づく。ここで、Cl αは位置lにおける損失コンポーネントαの1自然単位の予想コストであり、sikl αは出力されるシナリオiklの平均損失結果コンポーネントα(自然単位)であり、Sikl αは出力されるシナリオiklの平均損失重大性コンポーネントα(金銭単位)である。上記式は、任意の重大性分布に対して成り立つが、予想コストCl αが特定のものになることを意味する(平均より大きなすべてのモーメントがゼロである)ことに留意されたい。実施例の変形として、資産損害の自然単位と金銭的損失コンポーネントとが、例えば、予想損失コストによって身体的傷害コンポーネントの自然単位に結び付けることができる。従って、すべての自然な資産損害と金銭的損失コンポーネントαとの合計予想コストCl αは、本例について、例えば、
ドライバ選択手段15は、測定パラメータに従ってリスクドライバ311〜313を選択する。以下において、ドライバ選択手段15により調整エンジン133に対して選択された上述されたリスクドライバ311〜313が説明される。“集団訴訟頻度”リスクドライバとして参照されるリスクドライバ311〜313が、法的システムが集団訴訟システムを介し集団不法行為訴訟を可能にするか否かに対して割り当てられる。それは、地域/国に関するリスク環境を反映する。当該リスクドライバ311〜313を測定するのに追跡及び選択される数量は、本実施例では、4つのサブファクタの組み合わせであり、それぞれは集団訴訟に関する法的システムにおける一態様を表す。測定パラメータは、地域/国に固有であり、(1)原告団の適格性(当該国において集団訴訟が認められているか否かを示す)、(2)最新の法律(当該国における立法/訴訟の傾向を示す)、(3)ビジネス適格性(集団訴訟がすべてのエリアに適用可能であるか、又は特定のビジネスに限定されるかを示す)、及び(4)成功報酬(弁護士報酬システムがより多くの集団訴訟のインセンティブとなっているかを示す)、という4つのサブファクタの法的な解析の結果である。各サブファクタはさらに、質問に対する回答に応じて、0.9(見込みがある、10%のリスクディスカウントなど)、1(中立的である、ディスカウント又は付加なし)、1.11(見込みなし、11%のリスクの増大)に設定されるさらなる要求又は属性を考慮するよう構成される。これは、割引と割り増しとの間のバランスを実現することを可能にする(0.9×1.11=1であり、0.9×1.1=0.99)。サブファクタaは、例えば、その他のものと比較して当該サブファクタの相対的な重要性を反映するように、3の冪乗に設定可能である。サブファクタb(トレンド)などは、サブファクタaがすでに有利であるときは、有利なものとなりえない。本例のその他のサブファクタは、a及びbから独立し、3つの値をとりうる。サブファクタは、全体的な集団訴訟ファクタ(CAF)を取得するため互いに乗算される。コントロールユニットであるコントローラ10は常に、客観的により測定可能及び比較可能なものにするため、これらの値とサブファクタとを適応させるため、測定パラメータを追跡する。これは、従来システムによっては可能でない。以下のテーブルは、各種損失コンポーネントの損失頻度と重大生徒に対する“集団訴訟頻度”リスクドライバ311〜313の影響パラメータの一例を示す(キャプション:3=強い影響;2=中程度の影響;1=弱い影響)。
の式に基づく。ここで、CAkは検討されている国kの集団訴訟ファクタであり、fiはシナリオ損失モデルiの頻度であり、si,jは損失コンポーネントjの重大性であり、χR,A,Gは各種損失コンポーネント(強、中、弱の影響)に関する影響指数である。χR,A,Gの各値は、損失コンポーネントに対する影響を増減するための経験値である。実施例の変形では、例えば、強についてはχR,A,G=2であり、中についてはχR,A,G=1であり、弱についてはχR,A,G=0.5である。これらの値は、例えば、投票手続のため利用可能である。他の実施例の変形では、これらの値は、強についてはχR,A,G=1/3、中についてはχR,A,G=2/3、弱についてはχR,A,G=1に設定可能である。
との式に基づく。ここで、fiはシナリオ損失モデルiの頻度であり、si,jは損失コンポーネントjの重大性であり、db2bは事業のb2b部分についての割引であり、lb2cは事業のb2c部分についての割増であり、
はb2c事業の仲介者のパーセンテージであり、χR,A,Gは各種損失コンポーネント(強、中、弱の影響)に関する影響指数である。しかしながら、上述した実施例の変形に対する好適な実施例の変形は、図26に示されるような責任タイプのアクティブなリスクドライバのパス図により示される。図27は、責任タイプの非アクティブなリスクドライバを示すさらなるパス図を示す。
として測定パラメータに基づき従属性を生成する。ここで、Lkは国kの法律ファクタであり、fiはシナリオ損失モデルlの頻度であり、sijは損失コンポーネントjの重大性であり、χR,A,Gは各種損失コンポーネント(強、中、弱の影響)に関する影響指数である。測定パラメータについて、χR,A,Gの値は、損失コンポーネントに関する影響を増減するための経験値である。強についてはχR,A,G=2、中についてはχR,A,G=1、弱についてはχR,A,G=0.5である。
である。本例では、9つのサブファクタのそれぞれがバスケット内で等しく重み付けされることが仮定される。調整エンジン133の入力パラメータは、この場合、(1)リスクマネージャ、(2)事業継続管理、(3)リコールプラン(製品のみについて)、(4)認証、(5)契約スクリーニング、(6)安全/セキュリティトレーニング、(7)クレーム管理、(8)事件のフォロー、及び(9)環境制御監査のサブファクタに関して測定される。
として測定パラメータに基づき従属性を生成する。ここで、Lは考慮されているリスクの損失回避ファクタであり、fiは損失シナリオiの頻度であり、si,jは損失コンポーネントjの重大性であり、χR,A,Gは各種損失コンポーネント(強、中、弱の影響)に関する影響指数である。χR,A,Gの測定パラメータの値は、損失コンポーネントに関する影響を増減するための経験値である。好適な実施例の変形では、頻度と重大性とが影響テーブルに従って増減される回避ファクタと単に乗算されるように、仮定が設定される。スコアの前処理生成は、以下の実施例において示される。
図32は、頻度と重大性とに関する損失回避スコアの効果を示す(rl=0.7,ru=1.6を仮定)。赤色、黄色及び緑色の曲線は、強、中及び弱の影響のケースを表す(上記の損失回避影響テーブルを参照)。rl及びrrの値は、パラメータ化文書に記載されるような予想損失に対する最大割引及び割増に関する専門家の推定から決定される。LSが正規化前の考慮されているリスクの損失回避スコア
であり、CPLは製品認証スコアであり、CGLは環境認証スコアであり、Cnはサブスコア(ティア2)であり、fiはシナリオ損失モデルlの頻度であり、si,jは損失コンポーネントjの重大性であり、lはシナリオ損失モデルlの影響を受ける主体のタイプであり、rlは頻度と重大性とに関する標準的な影響範囲の下限であり、ruは頻度と重大性とに関する標準的な影響範囲の上限であり、χR,A,Gは各種損失コンポーネント(強、中、弱の影響)に関する影響指数であるとき、定量化及び生成式に関する詳細を与えることができる。前処理段階中、損失回避スコアLSは、適切な認証スコアから生成可能である。
関数Lは、損失回避スコアが3に等しい場合、頻度と重大性とに対する効果を有さず、χR,A,G=1の場合にパラメータrl及びruにより与えられる値の範囲に関する制約を充足するよう構成される。頻度と重大性とに対する効果は、
自動化ファクタが特定の産業セグメントの平均値に関して増加するとき、本実施例の変形では、保険対象の動作ユニット30の自動化の程度は同じであり、より少ない従業員が同じ量の仕事をしていることが仮定される。従って、コントロールユニットであるコントローラ10は、ヒューマンファクタによるエラーの増加を仮定し、ヒューマンファクタは1より大きい。自動化ファクタのさらなる増加は、自動化の増加を意味し、ヒューマンファクタによるエラーの減少を意味し、ヒューマンファクタが1未満となる。同様に、自動化ファクタが特定の産業セグメントの平均値に関して減少すると、保険対象の動作ユニット30の自動化の程度は同じであり、より多くの従業員が同じ量の仕事をしていることが仮定できる。従って、ヒューマンファクタによるエラーの減少があり、ヒューマンファクタが1未満であると仮定される。自動化ファクタのさらなる減少は、自動化の減少を意味し、ヒューマンファクタによるエラーが増加し、ヒューマンファクタが1より大きいことを意味する。“保険対象オペレーション/ヒューマンファクタ”リスクドライバ311〜313は、
として測定パラメータに基づき従属性を生成する。ここで、tは自動化ファクタであり、tkは産業セグメントkの産業に固有のリファレンス自動化ファクタであり、fiはシナリオ損失モデルiの頻度であり、sijは損失コンポーネントjの重大性である。さらに、
実施例の変形では、イノベーションファクタへの頻度と重大性との指数的な従属性が仮定される。従属性は、同じであると仮定される。指数的関数のパラメータは、例えば、4%以下のイノベーションファクタの値については影響はなく、イノベーションファクタ=30%については損失頻度と重大性と50%の増加(この値は、イノベーションファクタが想定される可能な値の制限がない場合でさえ、イノベーションファクタの上限としてみなされる)を仮定して決定することができる。
のケースである。実際、無制限な遡及期間において参照される時間要素は、“発生”であると意図されるが、フランス語の単語“fait dommageable”は実際には“災害”を意味する。厳密に言うと、このトリガは、遡及日が通常は発生を参照する“行われる請求”に等しくない。従って、約款フィルタ134は、このような解釈上の問題を対処できるものである必要がある。コントロールユニットであるコントローラ10の本実施例の変形では、ポリシーの下でファイルされるべき請求を適正なものにするため、特定の請求特性が属する必要がある複数の時間ウィンドウの組み合わせを介し何れかの請求トリガ(すなわち、すべての時間バッファを含む)が概して正確に表現可能であることが仮定される。例えば、2年間のサンセット条項によりトリガされる発生請求は、損失イベント時間ウィンドウと請求提起ウィンドウとによって表すことができる。各ウィンドウは、(a)以降に特性が実行される必要がある最も早い日付であるエントリタブレータ(in−tab)と、(b)それまでに特性が実行される必要がある最も近い日付であるイグジット他ビュレータ(out−tab)の2つのタブレータにより規定することができる。実施例の変形として、何れかのトリガが、例えば、因果関係(約束されたアクション)、損失イベント(発生)、知識(明示)、提起された請求(行われた請求)の4つの時間要素によって表現できる。図17〜20は、本実施例の変形による具体例を示す。上記グラフに基づき、損失負担曲線の形状が決定される。何れかのトリガが4つのa.m.タブの位置によって示すことが可能であるという同じ原理により、損失負担曲線がトリガに関係なく同じ形状を有するか決定される。時間バー全体の損失負担は、これらがポリシーの下で提起されるのに適したものであるか否かにかかわらず、損失負担曲線は発生するすべての潜在的な請求の合計である。ポリシーの損失負担は、発生し、ポリシーの下で合法的に提起されるすべての潜在的な請求の合計である。時間タブレータを使用することは、時間バー全体の損失負担のテールをカットすることと同様である。請求の時間要素が独立していることが仮定された場合、ポリシーの損失負担は異なる時間要素からのすべての潜在的なものの合計であると言うことができる。すべての要素が考慮される年にあるかもしれないが、ポリシーの下で請求になる前の過去にこれらはある可能性があるため、過去のエクスポージャは因果関係と発生要素とによってのみ表される。同様に、将来のエクスポージャは、これらのみが未来にありうるため、明示と請求が提起された要素とによってのみ表される。
“活動の地理的拡張”として参照される責任リスクドライバ311〜313の数量定義は、国及び/又は地域による活動の拡がりを規定する活動の地理的範囲を有する。以下の数量がヒューマンファクタを特徴付けるのに利用される。すなわち、(a)国毎の販売(対応するPPPにより除されたスケールの地理的分割):この数量は製品責任のケースではエクスポージャ(ボリューム)としてとられる。本実施例の変形では、製品がある国から他の国に販売される可能性があるというリスクは取得されなかった。(b)平均収入における国毎の賃金(当該国の平均収入により除される当該国において支払われる給与額):この数量は、施設責任のケースにおけるエクスポージャ(ボリューム)としてとられる。平均収入は、国の生計費により生じる歪みを抽出する。調整手段である活動の地理的拡張を記述する数量があり、それはまた調整エンジン133に関連するものになりうる。本実施例の変形では、国毎の販売が、企業総合責任のエクスポージャ(ボリューム)として利用される。入力される数量ソースとして、エクスポージャ(ボリューム)がシステムにより利用される。その出力は、損失モデルコンポーネント上のオペレーションを生成する。定義によって、エクスポージャ(ボリューム)は、頻度を直接決定する。エクスポージャ(ボリューム配分に関する技術的なフレームワークは、上述された価格タグエンジン132により提供され、ボリューム・頻度関係に関する技術的フレームワークは、集約手段135により提供される。
を有するパレート分布である。重大性シミュレータは、例えば、結果が整合し続けるこを補償するためのシード処理を利用可能である。しかしながら、ユーザは、他のランダムシミュレーションをテストするため、変更又はシード処理することが許容されうる。ユーザはまた、シミュレーションの回数(すなわち、n)を変更することが許容されうる。図10に示されるように、モンテカルロシミュレータコンポーネントは、各シナリオの複合分布を形成するため、ポワソン(λi)分布とパレート(ci,αi)分布とを合成する。シミュレータはまず、ポワソン(λi)分布からシナリオiの請求数をシミュレートする。その後、シミュレートされた各請求について、シミュレータは、パレート(ci,αi)分布から損失重大性をシミュレートする。この処理が、各シナリオについて繰り返される。実施例の変形として、シミュレータは、結果が整合し続けることを保障するためシード処理を利用可能である。しかしながら、ユーザは、他のランダムシミュレーションをテストするため、変更又はシード処理することが許容されうる。ユーザはまた、シミュレーションの回数を変更することが許容されうる。最後の、図10による(再)保険構成コンポーネントが最後のコンポーネントである。それは、シナリオレベル及び/又は集約レベル(すべてのシナリオを一緒に加える)において適用される損失決定ユニット40の(再)保険構成(制限、免責など)を含む。その結果は、(再)保険構成に対する予想損失である。
11 シグナリングモジュール
13 中央処理装置
14 信号伝送インタフェース
15 ドライバ選択手段
16 責任リスクドライバセット
17 過去のデータを有するデータストレージ
18 地域に固有のデータを有するデータストレージ
20〜26 損失ユニット
30 動作ユニット
40 自動損失決定ユニット
Claims (12)
- 複数の動作ユニットに関する個別のリスクについて将来の損失に関する頻度及び損失分布を予想する方法であって、前記複数の動作ユニットのそれぞれは少なくとも1つの測定可能な責任エクスポージャを有し、
当該方法は、
ハードウェア制御ユニットコントローラが、損失ユニットに割り当てられた測定装置によって送信された測定パラメータ及び測定可能パラメータのサブセットを動的に選択するステップであって、前記測定装置は、前記損失ユニットの少なくとも1つによって損失が発生したとき、複数の責任リスクドライバの少なくとも1つの動的なプロセスと静的な特性との少なくとも1つをキャプチャする前記測定パラメータ及び前記測定可能測定パラメータを動的にスキャンする、選択するステップと、
前記ハードウェア制御ユニットコントローラが、前記測定パラメータ及び前記測定可能パラメータのサブセットを前記複数の責任リスクドライバの少なくとも1つに動的に割り当てるステップと、
前記ハードウェア制御ユニットコントローラのドライバ選択手段が、前記複数の動作ユニットの少なくとも1つのための前記少なくとも1つの測定可能な責任エクスポージャをパラメータ化する前記複数の責任リスクドライバのセットを選択し、前記ハードウェア制御ユニットコントローラが、前記選択された測定パラメータ及び測定可能パラメータのサブセットに基づき、前記複数の動作ユニットの少なくとも1つのための責任エクスポージャ信号を生成するステップと、
前記ドライバ選択手段が、前記生成された責任エクスポージャ信号の周期的な変化に基づき、前記責任リスクドライバを変えることによって前記責任リスクドライバのセットを動的に適応させるステップと、
前記ハードウェア制御ユニットコントローラが、前記適応された責任リスクドライバのセットに基づき、損失決定ユニットと前記複数の動作ユニットの少なくとも1つとの間の責任リスクドリブンインタラクションを自動的に調整するステップと、
を有する方法。 - 前記測定パラメータの1以上がスキャン可能でないとき、前記測定パラメータは、前記ハードウェア制御ユニットコントローラによって、前記複数の動作ユニットの少なくとも1つに関連する前記複数の責任リスクドライバの少なくとも1つについて、データストレージの保存された履歴データに基づき生成される、請求項1記載の方法。
- 地理的地域に割り当てられた過去のエクスポージャ及び損失データが、地域固有データを含む専用のデータストレージから選択され、過去の測定パラメータが、前記選択された測定パラメータに対応して生成され、前記生成された責任エクスポージャ信号は、前記過去の測定パラメータによって重み付けされる、請求項1又は2記載の方法。
- 前記測定装置はそれぞれ、前記測定パラメータの変化をトリガし、前記測定パラメータの1以上の検出された変化を前記ハードウェア制御ユニットコントローラに送信するトリガモジュールを有する、請求項1又は2記載の方法。
- 前記ハードウェア制御ユニットコントローラは、前記測定パラメータの変化を動的に検出するため、測定パラメータの更新に対するリクエストを前記測定装置に定期的に送信する、請求項1又は2記載の方法。
- 前記損失決定ユニットが前記ハードウェア制御ユニットコントローラによりアクティブ化されると、前記損失決定ユニットは、前記損失ユニットの少なくとも1つが受けた損失を決定するため、指定された信号を生成し、前記指定された信号を送信することによって、前記損失決定ユニットに割り当てられた自動修復ノードをロック解除する、請求項1又は2記載の方法。
- 複数の動作ユニットの個別のリスクについて将来の損失に関する頻度及び損失分布を予想するシステムであって、前記複数の動作ユニットのそれぞれは少なくとも1つの測定可能な責任エクスポージャを有し、
測定パラメータを動的にスキャン及び選択し、ハードウェア制御ユニットコントローラに送信する測定装置を有し、前記ハードウェア制御ユニットコントローラは、前記測定された測定パラメータを複数の責任リスクドライバの少なくも1つに動的に割当て、前記ハードウェア制御ユニットコントローラは、
前記測定パラメータについて前記損失ユニットに割り当てられた前記測定装置をスキャンするトリガモジュールであって、前記測定パラメータは、複数の責任リスクドライバの少なくとも1つの動的なプロセスと静的な特性との少なくとも1つをキャプチャする、トリガモジュールと、
前記少なくとも1つの測定可能な責任エクスポージャと前記複数の動作ユニットの少なくとも1つとをパラメータ化する前記複数の責任リスクドライバのセットを選択し、前記選択された測定パラメータのサブセットに基づき前記動作ユニットの責任エクスポージャ信号を生成するドライバ選択手段であって、前記ドライバ選択手段は更に、前記生成された責任エクスポージャ信号の周期的な変化に基づき責任リスクドライバを変えることによって、前記責任リスクドライバのセットを動的に適応させ、前記適応した責任リスクドライバのセットに基づき、損失決定ユニットと前記複数の動作ユニットの少なくとも1つとの間の責任リスクドリブンインタラクションを自動的に調整する手段を含む、ドライバ選択手段と、
を有するシステム。 - 前記ハードウェア制御ユニットコントローラは更に、前記複数の動作ユニットの少なくとも1つに関連する前記セットにおける前記責任リスクドライバの少なくとも1つについて、前記測定パラメータの1以上がスキャン可能でないとき、データストレージからの保存された履歴データに基づき、前記セットの責任リスクドライバの少なくとも1つの測定パラメータを生成するスイッチユニットを有する、請求項7記載のシステム。
- 前記ハードウェア制御ユニットコントローラは、地理的地域に割り当てられた地域固有の過去のエクスポージャ及び損失データを有する専用データストレージを有し、前記ハードウェア制御ユニットコントローラは、前記選択された測定パラメータに対応する過去の測定パラメータを生成し、前記過去の測定パラメータにより生成された責任エクスポージャ信号を重み付けする更なる手段を有する、請求項7又は8記載のシステム。
- 前記測定装置はそれぞれ、前記測定パラメータの変化をトリガし、前記測定パラメータの1以上の検出された変化を前記ハードウェア制御ユニットコントローラに送信するトリガモジュールを有する、請求項7又は8記載のシステム。
- 前記ハードウェア制御ユニットコントローラは、前記測定パラメータの変化を動的に検出するため、測定パラメータの更新に対するリクエストを前記測定装置に定期的に送信する、請求項7又は8記載のシステム。
- 前記損失決定ユニットが前記ハードウェア制御ユニットコントローラによりアクティブ化されると、前記損失決定ユニットは、前記損失ユニットの少なくとも1つが受けた損失を決定するため、指定された信号を生成し、前記指定された信号を送信することによって、前記損失決定ユニットに割り当てられた自動修復ノードをロック解除する、請求項7又は8記載のシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/IB2010/055575 WO2012073074A1 (en) | 2010-12-03 | 2010-12-03 | Liability risk driven system for optimized triggering risk exposure if insurance objects |
WOPCT/IB2010/055575 | 2010-12-03 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011264716A Division JP2012150788A (ja) | 2010-12-03 | 2011-12-02 | 将来の損失に関連する頻度を予測し、損失決定ユニットの関連する自動処理のためのシステム及び方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015222596A true JP2015222596A (ja) | 2015-12-10 |
Family
ID=43736007
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011264716A Pending JP2012150788A (ja) | 2010-12-03 | 2011-12-02 | 将来の損失に関連する頻度を予測し、損失決定ユニットの関連する自動処理のためのシステム及び方法 |
JP2015156146A Pending JP2015222596A (ja) | 2010-12-03 | 2015-08-06 | 将来の損失に関連する頻度を予測し、損失決定ユニットの関連する自動処理のためのシステム及び方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011264716A Pending JP2012150788A (ja) | 2010-12-03 | 2011-12-02 | 将来の損失に関連する頻度を予測し、損失決定ユニットの関連する自動処理のためのシステム及び方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US8639617B2 (ja) |
EP (1) | EP2461286A1 (ja) |
JP (2) | JP2012150788A (ja) |
CN (2) | CN107103546B (ja) |
AU (1) | AU2010364643B9 (ja) |
CA (1) | CA2815202C (ja) |
WO (1) | WO2012073074A1 (ja) |
ZA (1) | ZA201302758B (ja) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9058560B2 (en) | 2011-02-17 | 2015-06-16 | Superior Edge, Inc. | Methods, apparatus and systems for generating, updating and executing an invasive species control plan |
JP5800353B2 (ja) * | 2011-03-29 | 2015-10-28 | 日本電気株式会社 | リスク管理装置 |
US20130226624A1 (en) | 2012-02-24 | 2013-08-29 | B3, Llc | Systems and methods for comprehensive insurance loss management and loss minimization |
US9037394B2 (en) * | 2012-05-22 | 2015-05-19 | Hartford Fire Insurance Company | System and method to determine an initial insurance policy benefit based on telematics data collected by a smartphone |
US8756152B2 (en) * | 2012-07-12 | 2014-06-17 | Bank Of America Corporation | Operational risk back-testing process using quantitative methods |
US9113590B2 (en) | 2012-08-06 | 2015-08-25 | Superior Edge, Inc. | Methods, apparatus, and systems for determining in-season crop status in an agricultural crop and alerting users |
US20140058783A1 (en) * | 2012-08-22 | 2014-02-27 | Hartford Fire Insurance Company | System and method for optimizing catastrophe based resources |
US20140244311A1 (en) * | 2013-02-25 | 2014-08-28 | International Business Machines Corporation | Protecting against data loss in a networked computing environment |
US20140324519A1 (en) * | 2013-04-25 | 2014-10-30 | Bank Of America Corporation | Operational Risk Decision-Making Framework |
US9430535B2 (en) * | 2013-05-14 | 2016-08-30 | Adobe Systems Incorporated | Method and apparatus for normalizing and predicting time series data |
EP3058533A1 (en) * | 2013-10-17 | 2016-08-24 | Swiss Reinsurance Company Ltd. | Parametric draw-down system for risks sharing of critical illness risk and corresponding method thereof |
US9489576B2 (en) | 2014-03-26 | 2016-11-08 | F12 Solutions, LLC. | Crop stand analysis |
JP6382334B2 (ja) * | 2014-03-26 | 2018-08-29 | スイス リインシュランス カンパニー リミテッド | 多岐にわたるサイバーリスクの計測および自動蓄積のためのシステムおよびそれらに対応する方法 |
AU2014388113A1 (en) * | 2014-03-28 | 2016-09-29 | Swiss Reinsurance Company Ltd. | Adaptive coupling-system based on a flexible risk transfer structure and corresponding method thereof |
US11087403B2 (en) * | 2015-10-28 | 2021-08-10 | Qomplx, Inc. | Risk quantification for insurance process management employing an advanced decision platform |
US20170161837A1 (en) * | 2015-12-04 | 2017-06-08 | Praedicat, Inc. | User interface for latent risk assessment |
WO2017108133A1 (en) * | 2015-12-23 | 2017-06-29 | Swiss Reinsurance Company Ltd. | Automated, reactive flight-delay risk-transfer system and method thereof |
CN106022929A (zh) * | 2016-05-27 | 2016-10-12 | 大连楼兰科技股份有限公司 | 基于专家***的碰撞事故定损方法及*** |
JP6849705B2 (ja) * | 2016-06-24 | 2021-03-24 | スイス リインシュランス カンパニー リミテッド | 自動化されたリスク制御システムを含む自律的又は部分的に自律的な自動車及びそれに対応する方法 |
US10460010B2 (en) * | 2016-07-05 | 2019-10-29 | Oracle Financial Services Software Limited | Computing scenario forecasts using electronic inputs |
WO2018072855A1 (en) * | 2016-10-21 | 2018-04-26 | Swiss Reinsurance Company Ltd. | Inter-arrival times triggered, probabilistic risk-transfer system and a corresponding method thereof |
EP3679552A1 (en) * | 2017-09-06 | 2020-07-15 | Swiss Reinsurance Company Ltd. | Electronic logging and track identification system for mobile telematics devices, and corresponding method thereof |
EP3803767A1 (en) * | 2018-06-05 | 2021-04-14 | Swiss Reinsurance Company Ltd. | Risk splitter and risk quantifying forecast system using a structured forward-looking simulation technique quantifying clashing, long-tail risk events causing casualty loss accumulation and high earning volatility, and method thereof |
EP3942488A1 (en) * | 2019-03-22 | 2022-01-26 | Swiss Reinsurance Company Ltd. | Structured liability risks parametrizing and forecasting system providing composite measures based on a reduced-to-the-max optimization approach and quantitative yield pattern linkage and corresponding method |
CN111260198A (zh) * | 2020-01-10 | 2020-06-09 | 广东电网有限责任公司 | 一种台区同期线损合理度评判方法、***及终端设备 |
US20230267540A1 (en) * | 2022-02-24 | 2023-08-24 | International Business Machines Corporation | Risk mitigation using mixture importance sampling with random effect considerations |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070043662A1 (en) * | 2005-08-19 | 2007-02-22 | The Hartford Steam Boiler Inspection And Insurance | Method of determining prior net benefit of obtaining additional risk data for insurance purposes via survey or other procedure |
US20070055595A1 (en) * | 2005-09-06 | 2007-03-08 | Ge Corporate Financial Services, Inc. | Methods and system for assessing loss severity for commercial loans |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2001283331A1 (en) * | 2000-08-14 | 2002-02-25 | Ge Financial Assurance Holdings, Inc. | Process and system for providing premium increase protection for insurance policies |
US20030009419A1 (en) * | 2001-06-11 | 2003-01-09 | Chavez R. Martin | Risk management system and trade engine with automatic trade feed and market data feed |
EP1910991A1 (de) * | 2005-07-19 | 2008-04-16 | Swiss Reinsurance Company | System und verfahren zur rückgekoppelten, dynamischen überwachung von unterlegungshöhen bei risikoereignissen |
CN101533503A (zh) * | 2008-02-08 | 2009-09-16 | 霍尼韦尔国际公司 | 在签发仅风害保险时减轻风险的方法和*** |
-
2010
- 2010-12-03 CA CA2815202A patent/CA2815202C/en not_active Expired - Fee Related
- 2010-12-03 AU AU2010364643A patent/AU2010364643B9/en active Active
- 2010-12-03 WO PCT/IB2010/055575 patent/WO2012073074A1/en active Application Filing
-
2011
- 2011-11-24 EP EP11190452A patent/EP2461286A1/en not_active Ceased
- 2011-12-02 US US13/310,398 patent/US8639617B2/en active Active
- 2011-12-02 JP JP2011264716A patent/JP2012150788A/ja active Pending
- 2011-12-05 CN CN201610852066.2A patent/CN107103546B/zh active Active
- 2011-12-05 CN CN201110399771.9A patent/CN102609881B/zh active Active
-
2013
- 2013-04-17 ZA ZA2013/02758A patent/ZA201302758B/en unknown
-
2015
- 2015-08-06 JP JP2015156146A patent/JP2015222596A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070043662A1 (en) * | 2005-08-19 | 2007-02-22 | The Hartford Steam Boiler Inspection And Insurance | Method of determining prior net benefit of obtaining additional risk data for insurance purposes via survey or other procedure |
US20070055595A1 (en) * | 2005-09-06 | 2007-03-08 | Ge Corporate Financial Services, Inc. | Methods and system for assessing loss severity for commercial loans |
Also Published As
Publication number | Publication date |
---|---|
CA2815202A1 (en) | 2012-06-07 |
US20120143633A1 (en) | 2012-06-07 |
ZA201302758B (en) | 2014-06-25 |
CN107103546A (zh) | 2017-08-29 |
CN102609881A (zh) | 2012-07-25 |
CA2815202C (en) | 2017-05-23 |
CN102609881B (zh) | 2016-11-23 |
JP2012150788A (ja) | 2012-08-09 |
AU2010364643B9 (en) | 2015-06-25 |
CN107103546B (zh) | 2020-11-10 |
AU2010364643A1 (en) | 2013-05-02 |
WO2012073074A1 (en) | 2012-06-07 |
EP2461286A1 (en) | 2012-06-06 |
AU2010364643B2 (en) | 2015-05-28 |
US8639617B2 (en) | 2014-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2015222596A (ja) | 将来の損失に関連する頻度を予測し、損失決定ユニットの関連する自動処理のためのシステム及び方法 | |
Desai et al. | Domestic effects of the foreign activities of US multinationals | |
Hidayat et al. | The influence of determined tax load, tax planning, and profitability in profit management in the company manufacturing the mining sector, the coal sub sector listed on the indonesia stock exchange year | |
Ubani et al. | Project risk management issues in the Nigerian construction industry | |
Shi et al. | Long-tail longitudinal modeling of insurance company expenses | |
Altavilla et al. | Supply or demand: What drives fluctuations in the bank loan market? | |
Alpers et al. | A systematic approach for evaluation and selection of ERP systems | |
Özen et al. | Transitory mortality jump modeling with renewal process and its impact on pricing of catastrophic bonds | |
US20210012256A1 (en) | Structured liability risks parametrizing and forecasting system providing composite measures based on a reduced-to-the-max optimization approach and quantitative yield pattern linkage and corresponding method | |
Chou et al. | Estimating software project effort for manufacturing firms | |
KR101334891B1 (ko) | SaaS 환경에서의 재무위험관리 서비스를 제공하기 위한 시스템 | |
US20220129805A1 (en) | Digital platform for automated assessing and rating of construction and erection risks, and method thereof | |
US11625788B1 (en) | Systems and methods to evaluate application data | |
CN113962817A (zh) | 异常人员识别方法及装置、电子设备和存储介质 | |
Despotaki et al. | “Back to Normal”: Earthquake Recovery Modelling | |
Jain et al. | Modeling business interruption losses for insurance portfolios | |
KR102315229B1 (ko) | 건강보험 재정 예측 시스템 및 방법 | |
Taylor | ERM in an optimal control framework | |
Peddada et al. | Project Risk Management Using Analytical Hierarchy Process: Illustrative Case Study | |
Colivicchi et al. | MedMal Insurance: a methodological approach for risk retention in the Italian National Health System | |
Kelliher et al. | Operational Risk Working Party-Validating Operational Risk Models | |
KR20230094936A (ko) | 근무행동 데이터를 활용한 행동주의 대안신용평가 모델 및 그 제공 방법 | |
Zhang | Who Bears Firm-Level Risk? | |
D'Alelio et al. | Colossus and Xactimate: A Tale of Two AI Insurance Software Programs | |
Buchholtz | An Investigation in Construction Cost Estimation Using a Monte Carlo Simulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160913 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20161202 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170213 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20170307 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170707 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20170718 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20170804 |