В традиционном страховом прайсинге использование обычных линейных регрессий (МНК) сталкивается с фундаментальной математической преградой: убытки и частота страховых случаев не подчиняются нормальному распределению и строго неотрицательны. Решением этой проблемы стало массовое внедрение Обобщенных линейных моделей (Generalized Linear Models, GLM). Этот мощнейший алгебраический аппарат позволил актуариям объединить множество разнородных риск-факторов в единую мультипликативную тарификационную сетку, совершив революцию в оценке стоимости полисов автострахования и страхования имущества.

Когда страховая компания устанавливает тарифы для небольшого флота автомобилей корпоративного клиента или оценивает риск муниципалитета, она сталкивается с фундаментальной дилеммой. С одной стороны, можно использовать общерыночный тариф (Manual Premium), рассчитанный на миллионах полисов — он статистически сверхнадежен, но абсолютно не учитывает специфику данного конкретного клиента. С другой стороны, можно установить тариф на основе собственной исторической статистики клиента — это справедливо, но если у клиента всего пять машин, его статистика подвержена чудовищным случайным флуктуациям. Для математического разрешения этого конфликта Ганс Бюльман в 1960-х годах разработал Теорию доверительности (Credibility Theory), основанную на эмпирическом байесовском подходе.

На пересечении банковского дела, актуарной математики и Data Science возникла дисциплина кредитного скоринга. Выдача кредитов населению и корпорациям сопряжена с риском невозврата (дефолта). Если раньше решения принимались кредитными инспекторами на основе личного опыта и интуиции, то сегодня глобальная финансовая система опирается на строгие математические алгоритмы классификации. Скоринг — это перевод социально-экономических и поведенческих характеристик клиента в единый числовой показатель (Score), который с высокой степенью достоверности отражает вероятность его дефолта. Золотым математическим стандартом построения скоринговых карт исторически является логистическая регрессия, дополненная алгоритмами Weight of Evidence и анализом ROC-кривых.