Сучасне застосування узагальнених адитивних моделей (GAM) та GAMM у страхових компаніях

Abstract

Узагальнені адитивні моделі GAM та їх змішані варіанти GAMM є сучасними актуарними інструментами, що дозволяють страховим компаніям ефективно моделювати нелінійні залежності між факторами ризику та показниками збитковості. На відміну від традиційних узагальнених лінійних моделей GLM, GAM використовують гладкі функції (сплайни), зберігаючи при цьому високу інтерпретованість результатів, що є критично важливим для тарифної політики, формування резервів та відповідності регуляторним вимогам Solvency II. У страховій практиці, особливо в автострахуванні, ці моделі дають змогу точно відтворювати складні профілі ризику (вік, стаж, пробіг, територія) та інтегрувати телематичні дані в рамках UBI. GAMM додатково враховують індивідуальну гетерогенність страхувальників та часові ефекти при роботі з панельними даними. В Україні застосування GAM/GAMM поки що обмежене, однак з впровадженням цифрових платформ, вимог НБУ та переходом до МСФЗ 17 інтерес до цих моделей стрімко зростає, оскільки вони поєднують високу точність прогнозування з прозорістю та легкістю інтеграції в актуарні системи. Generalized Additive Models (GAM) and their mixed variants (GAMM) are modern actuarial tools that enable insurance companies to effectively model nonlinear relationships between risk factors and loss indicators. Unlike traditional Generalized Linear Models (GLM), GAMs use smooth functions (splines) while maintaining high interpretability of results, which is critical for tariff policy, reserve formation, and compliance with Solvency II regulatory requirements. In insurance practice, particularly in motor insurance, these models allow accurate reproduction of complex risk profiles (age, experience, mileage, territory) and integration of telematics data within Usage-Based Insurance (UBI) frameworks. GAMMs additionally account for individual policyholder heterogeneity and temporal effects when working with panel data. In Ukraine, the application of GAM/GAMM is still limited; however, with the implementation of digital platforms, NBU requirements, and the transition to IFRS 17, interest in these models is growing rapidly, as they combine high predictive accuracy with transparency and ease of integration into actuarial systems.