Традиционное накопительное страхование жизни стремительно теряет популярность из-за низких гарантированных процентных ставок. На смену ему пришли продукты инвестиционного страхования (Unit-Linked и Variable Annuities), где премии клиента инвестируются в паевые инвестиционные фонды, а финансовый риск перекладывается на плечи страхователя. Однако для повышения привлекательности продуктов страховщики встраивают в них сложные инвестиционные гарантии (например, возврат не менее вложенной суммы при смерти или по окончании договора, независимо от падения фондового рынка). Эти гарантии (GMDB, GMAB, GMIB) по своей математической природе являются долгосрочными финансовыми деривативами. Их прайсинг и хеджирование стали самым серьезным вызовом для современной актуарной математики.

Хотя актуарная математика исторически зародилась в сфере страхования жизни, в последние десятилетия ее мощный стохастический аппарат активно проникает в банковский риск-менеджмент. Страховые компании и пенсионные фонды являются крупнейшими в мире институциональными инвесторами, держащими на своих балансах триллионы долларов корпоративных и государственных облигаций. Риск дефолта (банкротства) эмитента этих облигаций способен разрушить платежеспособность самого страховщика. Для количественной оценки вероятности дефолта (Probability of Default, PD) и потенциальных потерь (Loss Given Default, LGD) финансовая математика предлагает два конкурирующих аналитических подхода: структурные модели, основанные на стоимости активов, и редуцированные модели, основанные на интенсивности отказов.

Классическое страхование жизни обычно оперирует простейшей бинарной системой: человек либо жив, либо мертв. Однако современные страховые продукты, такие как страхование от критических заболеваний, долгосрочный уход (Long-Term Care) или страхование потери трудоспособности, требуют гораздо более сложной математической архитектуры. В таких продуктах застрахованный может переходить между множеством различных состояний (здоров, временно болен, инвалид, мертв), причем некоторые переходы являются обратимыми. Для точного прайсинга и резервирования таких комплексных полисов актуарная математика использует аппарат марковских цепей и мультидекрементных моделей, позволяющий связать интенсивности переходов со стохастическими финансовыми потоками.

Классическая теория вероятностей, построенная вокруг нормального распределения и Центральной предельной теоремы (ЦПТ), великолепно описывает поведение средних величин. Рост человека, колебания температуры или количество мелких ДТП на перекрестке легко укладываются в колоколообразную кривую Гаусса. Однако в финансовом мире и глобальном страховании балом правят не средние величины, а экстремумы — "Черные лебеди". Один разрушительный ураган (как Катрина), одна пандемия или один биржевой крах могут принести больше убытков, чем миллионы обычных инцидентов за десятилетие. Для математического укрощения этих катастрофических аномалий была создана Теория экстремальных значений (Extreme Value Theory, EVT), вооружившая актуариев мощным инструментом анализа хвостов распределений.