SAS Dynamic Actuarial Modelingの特長一覧

保険料モデリング・プロセス

• データ準備からモデリング、オンラインおよびバッチ方式の両モードのデプロイメント（業務実装／現場展開）まで、エンドツーエンドのプライシング・プロセスをサポート
• 純保険料と総収入保険料、両方のモデリングが可能
• ユーザーは引受ルールを作成および適用し、新しい保険料モデル（新しい引受ルールを含む）の効果を検証することが可能
• 責任／役割や権限の異なるさまざまなユーザーが、トレーサビリティがあり監査可能な環境で、同じ保険料モデリング・プロセスを用いて作業することが可能
• アクチュアリー（保険数理担当者）に対して、モデル選択の自由と、プライシング・プロセスに沿ったガイダンスを提供することで、利用しやすい機械学習環境を実現
• 新しいプライシング・モデルのマーケット投入期間が劇的に短縮

データ管理

• ユーザーは多種多様なソースからデータをシステムに読み込むことが可能
• データ品質チェックを定義および適用し、事前定義済みの範囲から逸脱している異常なデータをレポートすることが可能。
  使いやすいインターフェイスがユーザーをガイドし、事前設定済みのルールセットや事前定義済みの範囲を自動的に提示
• ユーザーは対象のデータに変更を加え、数式に基づく新しい列を作成することが可能
• データ・ビジュアライゼーション（視覚化）、相関分析、箱ひげ図（ボックスプロット）を利用できるほか、最終モデルでの利用に向けて変数を検証するためにプロトタイプ・モデルを実行することが可能

モデリング

• モデルの推定
  • 頻度／重大度／集計モデリングを実行するための各種テンプレートを提供。ユーザーが独自のモデルやモデル・テンプレートを構築することも可能
  • 新しいモデリング技法 ── 機械学習モデル、一般化加法モデル（GAM）、あるいはSAS Visual Data Mining and Machine Learningに搭載された他のモデル ── を、ビジュアルなユーザー・インターフェイスを通じて利用することができ、パイプライン内にSASコードを記述する作業は不要
  • モデリング・プロセスの中でRまたはPythonモデルを利用することが可能
  • さまざまな入力データ／前提条件を用いたモデル再キャリブレーションをサポート
  • 選択したすべてのモデルの結果を、従来の一般化線形モデル（GLM）の結果に照らしてベンチマーク比較することが可能
• 対話型のグルーピングノード（IGN）
  • 簡単かつ自動的な変数グループ化機能を実現し、結果に関する完全な可視性およびコントロールをユーザーに提供。自動生成されたモデルの結果をユーザーが対話操作で変更することも可能
  • グループ化構造が既知の場合、ユーザーはそれをローカルファイルからインポートして、時間の節約や、以前の実行との一貫性確保を図ることが可能
• レートメイキングノード
  • 従来の各種GLMやより高度なモデルを用いて保険金請求の頻度や重大度をモデリングするための専用コンポーネントを、それらのパフォーマンスを最終比較する機能と一緒に提供
  • さまざまな変数の使用を複数の異なるモデルにわたって定義した上で、それらのモデルのトレーニング（学習）を同時に実行することが可能
• 説明可能なAI
  • 説明可能なAIの各種要素を、大域的／局所的な解釈可能性のインジケータとして利用することが可能。これらの要素により、機械学習モデルを解釈する取り組みの容易性と透明性が向上する
  • 説明可能なAIのインジケータの例：
    • LIME（Local interpretable model-agnostic explanations、直訳＝局所的に解釈可能なモデル非依存の説明）
    • ICE（Individual Conditional Expectation、個別条件付き期待値）
    • PD（Partial Dependence、部分依存）
    • SHAP（Shapley additive explanations、直訳＝シャープレイ加法的説明）
    • 変数レベルでは、プライシングにおける不公正を回避するためのバイアス分析を、あらゆる技法（GLMを含む）に対して適用することが可能

ビジネスルール

• 一般的な事前定義済みのルールの編集、または新しいルールの作成を通じて、引受ルールやプライシング・ルールを定義することが可能
• ユーザーは前のステップで作成したスコアコードをデプロイすることが可能
• ユーザーが提供するデータを用いて、新しい保険料構造全体のシミュレーション／テストを実施することが可能。結果をレビューすることができ、以前の保険料構造との相違点はレポーティング・ツール内に出力される。そこにはマップやその他のセグメンテーション変数が含まれる

統合レポーティング

• 保険料のモデリング・パラメータをモデリング後に修正することが可能
  • リスク・ファクターの係数に上限および下限を設定。修正内容は自動的にレポート内で追跡管理される
  • リスク・ファクターの係数を特定のレベルに固定。修正内容は自動的に相対プロット内に表示され、レポート内で追跡管理される
• 個々の変数に関するパラメータ推定値が表形式で掲載されているレートブック（料率表）を提示。ユーザーは任意のレート範囲を選択し、個々のレートやレート範囲を手動で修正することが可能
• ユーザーは、加えられた変更を破棄することや、大元の出力表から再開すること、あるいは、修正後の表をスコアリング・コードとして保存することが可能

自動デプロイメント（業務実装／現場展開）

• 保険料モデリング・プロセス内で定義されたビジネスルール群を用いてモデルを本稼働環境に組み込む工程を、ワンクリックで実行することが可能。オンラインおよびバッチ方式の両モードに対応