Subontologia ryzyk

Omawiając poprzednią część modelu wiedzy wykorzystanego w procesie badaw-czym, odwołano się do pojęcia Ryzyka. Mimo tego w subontologii produktu nie

208 Celowo unikamy nazwania tego konceptu RodzajemUbezpieczenia ze względu na przyjętą konwencję modelowania. RodzajemUbezpieczenia nazwalibyśmy meta-klasę, której instancjami byłyby pojęcia reprezentujące poszczególne rodzaje ubezpieczeń.

104

mowaliśmy się, ani nie zakładaliśmy żadnej konkretnej definicji tego pojęcia. Podej-ście takie było celowe ze względu na jak największe odseparowanie poszczególnych modeli składowych współtworzących całą ontologię.

Dokonując przeglądu literatury zauważyć trzeba, że jest to jedno z centralnych po-jęć we współczesnej teorii ubezpieczeń. Badacze zajmujący się ubezpieczeniami wy-różniają szereg definicji ryzyka. Kolejne definicje uwypuklają poszczególne przejawy tego pojęcia209

, a przez to także specyficzne konteksty użycia. Mimo iż w opisywanym badaniu pojęcie to nie pełni roli pierwszoplanowej, to przeprowadzamy skrótową dys-kusję dotyczącą tego zagadnienia ze względu na wagę konceptu dla modelu domeny jako takiego. Można bowiem zaryzykować stwierdzenie, iż bez zaistnienia zespołu zjawisk składających się na to pojęcie – bez względu na wybraną precyzyjną definicję lub model – cała dziedzina ubezpieczeń nie miałaby racji bytu.

Poniżej dokonujemy przeglądu zaproponowanych schematów modelowania

ryzy-ka²¹⁰ oraz podajemy przesłanki, którymi kierowano się podejmując decyzję co do

wy-branego rozwiązania.

Wszystkie z przytoczonych schematów modelujących zasadniczo różnią się mię-dzy sobą. Mimo to można dla nich doszukać się także pewnych cech wspólnych. Do takich cech zaliczyć można koncentrację raczej na skali mikro zagadnień związa-nych z wystąpieniem ryzyka niż podejście od strony organizacji ubezpieczeniowej jako wyodrębnionej całości. Inną cechą jest nieuwzględnianie zmienności w zjawisku jakim jest ryzyko. Szablony te, w przedstawionej formie, nie uwzględniają również istnienia związków pomiędzy danymi statystycznymi oraz wiedzą o przedmiocie ubezpieczenia. Z punktu widzenia przydatności w przedstawionym badaniu takie uproszczenia nie są dyskwalifikujące przy rozważeniu wyboru szablonu, aczkolwiek stanowią pewien rodzaj ułomności.

Pierwszy z przytoczonych wzorców stanowi próbę zamodelowania pragmatycznej

definicji Ryzyka, często przytaczanej w praktyce biznesu ubezpieczeniowego²¹¹.

209 Fakt istnienia różnych definicji wynika z trudności w ujęciu licznych aspektów tego pojęcia w jednorodny i całościowy sposób.

210 Przedstawiamy 5 modeli odpowiadających różnym definicjom pochodzącym z opracowań naukowych dotyczących ryzyka w ubezpieczeniach [Monkiewicz2000], [Michalski2004].

211 Modelowana definicja jest krytykowana ze strony znawców teorii ubezpieczeń. Mimo to była brana pod uwagę przy tworzeniu ontologii na potrzeby badawcze.

105

W definicji tej za równoważne uznaje się pojęcia Ryzyka i PrzedmiotuUbezpieczenia (rysunek 10). Dalsze semantyczne implikacje będące pochodną wymienionej równo-ważności oznaczają, że PrzedmiotUbezpieczenia można także uznać za ŹródłoRyzyka. Ponadto jest on także narażony na RealizacjęRyzyka.

Zarówno model, jak i definicja, na bazie której został on zbudowany, powoduje pojawienie się istotnych zastrzeżeń z punktu widzenia stosowania dobrych praktyk inżynierii wiedzy. Wynika to zasadniczo z faktu, iż definicja pojęcia Ryzyka jest bar-dzo daleko posuniętym skrótem myślowym, wygodnym do stosowania podczas nikacji przy realizacji części procesów dystrybucji. Brak precyzji cechujący tę komu-nikację na poziomie formalnej specyfikacji objawia się jednak potencjalnymi błędami

logicznymi²¹². W rezultacie szablon ten jest nie do zaakceptowania.

W drugim z omówionych podejść (rysunek 11) Ryzyko jest pojęciem równoważ-nym z terminem WystąpienieStraty. Strata ma cechę mierzalności, co oznacza, że mo-że być wyrażona w określonym mierniku wartości. WystąpienieStraty jest jednak toż-same z pojęciem Ryzyka tylko wówczas, jeżeli zdarzenie je powodujące może poten-cjalnie wystąpić i jeszcze nie zaszło. Takie obostrzenia nie są wprost reprezentowane w rozważanym wzorcu. Częściowo rekompensuje tę niedoskonałość wprowadzenie pomocniczej umownej miary prawdopodobieństwa. Zaletą takiego schematu jest osz-czędność w zakresie wykorzystania modelujących bytów, a co za tym idzie, prostota. Jednocześnie jest to także istotną wadą, ponieważ szablon ten bardzo spłyca

212

Można dojść do wniosku, że Ryzyko jest ŹródłemRyzyka.

Rysunek 10. Model UML pojęcia "Ryzyko" w postaci definicji pragmatycznej Źródło: opracowanie własne

106

tację analizowanego pojęcia, przez co nie pozwala brać pod uwagę szeregu ważnych czynników, które w modelu wiedzy dziedzinowej powinny zostać uwzględnione. Po-stulat większej szczegółowości uwzględniają natomiast pozostałe szablony.

Następne z analizowanych rozwiązań wykazuje podobieństwo do poprzedniego modelu, w tym że wykorzystuje ono także termin WystąpienieStraty (rysunek 12). Nie jest to jednak tym razem koncept centralny dla całego schematu. Pojęciem ekwiwa-lentnym dla Ryzyka jest nowo wprowadzony termin MożliwośćStraty. Ten ostatni ma za zadanie odzwierciedlenie dwustanowości wystąpienia straty wprowadzonej przez definicję, na podstawie której szablon modelujący powstał. MożliwośćStraty może w ten sposób przyjąć jeden z dwóch stanów: strata wystąpiła albo nie. Drugie podobieństwo, jakie wykazuje obecnie dyskutowany wzorzec w stosunku do poprzed-nika, to kopia pojęcia Straty. Termin ten może być rozumiany w związku z tym analo-gicznie. W stosunku do pierwszego modelu rozwiązano tutaj ułomność pojęcia Wy-stąpienieStraty – szablon explicite reprezentuje możliwe stany rzeczywistości. Ele-mentem uwsteczniającym z kolei jest fakt, że schemat nie zawiera odniesienia do pro-babilistycznej natury zjawisk²¹³.

Kolejny kandydujący do wyboru wzorzec zasadniczo niweluje ujemne aspekty dwóch poprzednich. Przede wszystkim, w stosunku do poprzedniego, koncentruje się na rozkładach prawdopodobieństwa (rysunek 13). Aby skutecznie to zrobić, w szablo-nie wprowadzono pomocnicze pojęcia abstrakcyjnego Wyniku oraz stanowiących jego

213 Aczkolwiek obie z modelowanych definicje wykazują podobieństwo, to w literaturze przedmiotu właśnie ta okoliczność podnoszona jest jako wyróżniająca obydwa sposoby spojrzenia na rozumienie ryzyka.

Rysunek 11. Model UML pojęcia "Ryzyko" definiowanego poprzez mierzalną stratę Źródło: opracowanie własne

107

konkretyzację WynikuOczekiwanego214

oraz WynikuInnego. Każdy Wynik jest w tym modelu Zdarzeniem, co stanowi dopuszczalne, semantyczne uproszczenie związku przyczynowo-skutkowego. Wreszcie w schemacie tym dla każdej instancji Wyniku przypisana jest odpowiednia informacja o prawdopodobieństwie za pomocą obiektu będącego instancją PrawdopodobieństwaWyniku. Ryzyko jest odpowiednikiem szcze-gólnego rodzaju tego prawdopodobieństwa, mianowicie przypisanego do każdej in-stancji WynikuInnego. W rezultacie przyjęcia takiej interpretacji Ryzyko jest tożsame z konceptem PrawdopodobieństwoWynikuInnego (od oczekiwanego).

Analizowany schemat w stosunku do wszystkich pozostałych kandydatów jest najbardziej rozbudowany. Ponadto dobrze obrazuje naturę powiązań pomiędzy takimi kluczowymi dla domeny konceptami jak Zdarzenie, Wynik oraz natury niepewności. Wzorzec generuje jednak dwa potencjalne problemy w przypadku praktycznego zasto-sowania. Po pierwsze, w takim schemacie każde możliwe do zaistnienia zdarzenie jest

źródłem wyniku, które w większości stanowić będą instancję WynikuInnego215.

Każ-demu takiemu wynikowi przypisać można pewne prawdopodobieństwo – trudno jed-nak wskazać na kryteria jego wyznaczenia. Dodatkowo oznacza to istnienie bardzo wielu bytów typu PrawdopodobieństwoWynikuInnego, a zatem z każdym z nich trze-ba by łączyć osobne Ryzyko. Po drugie, Zdarzenia jako uogólnienie wcześniej poja-wiającego się pojęcia Straty mogą mieć także pozytywne implikacje. Oznacza to,

214 Wynik oczekiwany może być tutaj rozumiany zazwyczaj jako neutralny wariant rzeczywistości, czyli taki, w którym nie dochodzi do niezakładanego (a zatem najczęściej negatywnego) zdarzenia.

215

Najczęściej odpowiadającego sytuacji straty lub wypadku etc.

Rysunek 12. Model UML pojęcia "Ryzyko" rozumianego jako możliwość straty Źródło: opracowanie własne

108

że taki wzorzec wymusza jednocześnie uwzględnianie Ryzyka powiązanego z

pożąda-nymi stanami rzeczywistości216.

Ostatni z kandydatów rozważanych przy wyborze wzorca reprezentującego poję-cie Ryzyka zaprezentowano na rysunku 14. W tym ujęciu pojępoję-cie Ryzyka odpowiada pojęciu DyspersjiRezultatów. Dyspersja ta stanowi różnicę pomiędzy RezultatemRze-czywistym a RezultatemOczekiwanym. Takie rozwiązanie oznacza, że dla każdego obiektu uznawanego za RezultatRzeczywisty istnieć musi analog w postaci instancji pojęcia RezultatOczekiwany. Na potrzeby projektowanego wzorca założono, że oba rodzaje rezultatów są mierzone w wartościach pieniężnych.

Zaletą tego wzorca jest niski stopień skomplikowania. W odróżnieniu od innych schematów zakłada on pomiar ryzyka w jednostce pieniężnej. Jeśli chodzi o wady, w stosunku do poprzedniego wzorca, to aktualnie analizowany szablon nie reprezentu-je powiązań w sieci znaczeniowej ważnych, jak się wydareprezentu-je, dla teorii ubezpieczeń po-jęć.

Wybór odpowiedniego kandydata spośród przedstawionych szablonów oraz defi-nicji wpływa w sposób wyraźny na rozwiązania implementacyjne i funkcjonowanie całej ontologii. Dzieje się tak dlatego, że poszczególne subontologie wymagają inte-gracji przez połączenie pojęć w nich zawartych różnymi relacjami z innymi

216 Konsekwencją takiego stanu rzeczy jest możliwość pojawienia się dychotomii na ryzyko klienta oraz ryzyko ubezpieczyciela – co niekoniecznie jest pożądane.

Rysunek 13. Model UML pojęcia "Ryzyko" – prawdopodobieństwo nieoczekiwanego wyniku Źródło: opracowanie własne

109

tami pozostałych części. Zaadoptowany wzorzec musi przede wszystkim odzwiercie-dlać cele postawione przed konstruowanym modelem jako całością.

W przypadku tworzenia ontologii ogólnego przeznaczenia lub ontologii integrują-cej informacje różnego pochodzenia dopuszczających różnice w interpretacji pojęć, użytecznym rozwiązaniem będzie zastosowanie więcej niż jednego modelu jednocze-śnie.

Zaznaczyć także należy, że przedstawiono tutaj ilustrację dla najbardziej reprezen-tatywnych konstrukcji pojęciowych ryzyka. Lista definicji jest oczywiście bogatsza. Dla dalszych zastosowań subontologia ryzyk stanowić będzie dopełnienie umożliwia-jące modelowanie takich sytuacji, jak np. produkty zagregowane (chroniące przed róż-nymi ryzykami) oraz techniki cross-selling (produkty chroniące przed komplementar-nymi ryzykami).