Темные данные. Практическое руководство по принятию правильных решений в мире недостающих данных

Как правило, размеры страховых взносов основаны на оценке риска наступления страхового события, когда человек попадает в автомобильную аварию или заболевает и может предъявить страховое требование. Прогнозирование таких рисков строится на анализе исторических данных. Например, в случае медицинской страховки людей можно разделить на группы на основе индивидуальных признаков (возраст, пол, индекс массы тела, история болезни и т. д.), и данные покажут, какой сегмент каждой группы с одинаковыми характеристиками составляют люди, имеющие конкретное заболевание. Эти данные могут быть использованы для оценки того, с какой вероятностью человек с характеристиками, аналогичными характеристикам каждой из групп, заболеет в будущем. А эта вероятность, в свою очередь, будет использована при определении размера взноса для каждого в группе, поскольку считается, что внутри группы вероятность заболеваемости у всех одинаковая. Производить подобные расчеты – обязанность актуария.

Но давайте посмотрим, что происходит в такой группе людей с течением времени. Члены группы будут меняться, и при этом меняться по-разному. Некоторые прибавят в весе, другие бросят курить, третьи перестанут платить страховые взносы, четвертые просто исчезнут из поля зрения и т. д. Риск заключается именно в том, что каждый меняется по-своему, а вместе с этим меняется и вероятность заболеваемости: кто-то станет менее восприимчив к болезни, а кто-то наоборот. Соответственно изменятся и вероятности предъявления страховых требований.

Те, у кого меньше шансов заболеть, поймут, что вполне могут снизить свои страховые взносы, заключив договор с другим страховщиком. Благодаря этому в страховом портфеле компании начнет расти доля людей с более высоким риском. Через некоторое время страховая компания увидит, что взносы оставшихся людей с высоким риском вряд ли покроют стоимость их требований. Поэтому она увеличит премии. Затем цикл повторится, образуя так называемую страховую спираль смерти, которая с каждым витком увеличивает затраты. Помните рынок «лимонов» Джорджа Акерлофа?

Фундаментальная проблема здесь состоит в том, что расчет страховщика основывается на среднем значении. Всем в начальной группе был присвоен одинаковый риск, хотя на деле риски разные. При таком усредняющем подходе любые отклонения от среднего значения можно рассматривать как темные данные (DD-тип 9: обобщение данных).

Агрегируя и обобщая данные, заменяя их средними значениями, мы сами создаем область тьмы, и это, увы, происходит не только в теории. Давайте рассмотрим Закон о доступном медицинском обслуживании, подписанный в 2010 г. президентом США и вошедший в историю как Obamacare.

Один из параграфов закона предусматривал так называемый индивидуальный мандат – требование к американцам покупать медицинскую страховку или же быть подвергнутыми штрафу, за исключением особых обстоятельств. Это означало, что в план были включены как здоровые люди с низким риском заболеваемости, так и те, кто нуждался в дорогостоящем медицинском лечении. В свою очередь, это означало, что в целом пул застрахованных людей имел меньший риск, поэтому размер взносов мог быть снижен. Однако в 2017 г. сенат США проголосовал за отмену этого мандата, иначе говоря, за то, чтобы медицинская страховка не являлась обязательной (эти законодательные изменения вступили в силу в 2019 г.). Как следствие, мы можем ожидать, что из программы страхования выпадет непропорционально больше людей с низким риском, чем с высоким, так что в среднем потребуется больше медицинских услуг и большие расходы. А это, в свою очередь, будет означать более высокие взносы. Бюджетное управление конгресса предсказало, что отмена индивидуального мандата заставит 13 млн человек отказаться от страхования здоровья до 2027 г., что приведет к увеличению размера взносов на 10 % в год. Оценки разнятся, например, Standard & Poor’s называет более низкую цифру, от 3 до 5 млн человек в течение 10-летнего периода, но в любом случае перспективы не самые радужные.

Существует и целый ряд других осложнений. Одним из них является тот факт, что страховщики США могут отказаться от участия в программе. Это еще один возможный источник неблагоприятного отбора, влияющий на качество данных и всю систему страхования в целом. На момент написания книги ситуация продолжает развиваться, и во что она выльется, пока не ясно, хотя и весьма любопытно.

В этой главе мы познакомились с тем, какие возможности дают неопределенности и упущения в правилах, как наблюдение может влиять на процесс генерации данных, как информационная асимметрия дает одним преимущества перед другими и как все эти аспекты темных данных воздействуют на алгоритмы. Проблема осложняется тем, что эти аспекты могут проявляться одновременно, как в случае со «спиралью смерти» в страховании. Но все-таки манипулирование правилами – это одно, а намеренная подделка данных – нечто совсем другое. И это именно то, что мы исследуем в следующей главе.