Задача о рюкзаке (Knapsack Problem) — это классическая задача комбинаторной оптимизации, входящая в список NP-трудных задач. Суть ее заключается в выборе набора предметов с заданным весом и стоимостью, чтобы максимизировать суммарную стоимость при ограничении по общей грузоподъемности рюкзака. Простота постановки контрастирует со сложностью нахождения точного решения при увеличении числа предметов.
Нелинейное программирование охватывает задачи оптимизации, в которых целевая функция или ограничения являются нелинейными. В отличие от линейных задач, здесь локальный экстремум не всегда является глобальным, а сложность алгоритмов зависит от свойств выпуклости функции. Методы градиентного спуска составляют основу итерационных процедур для поиска локального минимума дифференцируемых функций.
Целочисленное программирование — это раздел математического программирования, в котором на некоторые или все переменные накладывается условие целочисленности. Это кардинально меняет природу задачи: если для линейного программирования существуют эффективные полиномиальные методы, то целочисленные задачи во многих случаях относятся к классу NP-трудных. Наиболее распространенным и эффективным подходом для их решения является метод ветвей и границ.
Динамическое программирование — это математический подход к решению задач, в которых процесс принятия решений разбит на несколько этапов, причем результат каждого этапа влияет на последующие. Основанный на принципе оптимальности Ричарда Беллмана, метод позволяет сводить многошаговую задачу оптимизации к последовательности простых одношаговых подзадач, что делает его незаменимым в задачах управления запасами, календарного планирования и инвестиционного проектирования.
Теория двойственности является одним из самых мощных теоретических и прикладных разделов математического программирования. Она позволяет рассматривать задачу оптимизации с двух разных точек зрения: исходной задачи и ее двойственного аналога. Помимо математической элегантности, двойственность обладает глубокой экономической интерпретацией, позволяя оценить эффективность ресурсов и рыночную стоимость ограничений.
Методы внутренней точки представляют собой мощную альтернативу симплекс-методу, особенно для задач большой размерности и задач с выпуклыми ограничениями, к которым относится квадратичное программирование. В отличие от симплекс-метода, идущего вдоль границ допустимой области, алгоритмы внутренней точки движутся внутри этой области, что обеспечивает полиномиальную сложность решения и высокую устойчивость к структуре задачи.
Симплекс-метод, разработанный Джорджем Данцигом в 1947 году, остается наиболее эффективным и широко применяемым алгоритмом для решения задач линейного программирования. Несмотря на развитие методов внутренних точек, симплекс-метод сохраняет свою актуальность благодаря высокой скорости сходимости на реальных задачах и способности эффективно находить оптимальное решение, перемещаясь по вершинам выпуклого многогранника допустимых решений.
Страхование от критических заболеваний (Critical Illness Insurance) требует особого подхода, так как событие (постановка диагноза) может произойти в любой момент времени, а последствия для застрахованного являются долгосрочными. Актуарии должны учитывать не только вероятность самого заболевания, но и вероятность смерти застрахованного до постановки диагноза, что делает модель мультидекрементной. Высокая конкуренция и быстрое развитие медицины также влияют на параметры риска, требуя постоянного обновления моделей.
Операционный риск в страховой компании включает в себя широкий спектр угроз: от IT-сбоев и ошибок персонала до юридических рисков и кибератак. В отличие от рыночных рисков, операционные риски сложнее поддаются количественной оценке, так как события редки, но их последствия могут быть весьма значительными. Стохастическое моделирование позволяет оценить потенциальные убытки от операционных рисков, основываясь на сочетании исторических данных и сценарного анализа.
Value-at-Risk (VaR) — это один из наиболее широко используемых инструментов для количественной оценки финансовых рисков. Он определяет максимальный ожидаемый убыток портфеля за заданный период времени с установленным уровнем доверия. В страховом бизнесе VaR применяется как для оценки рыночных рисков инвестиционных портфелей, так и для агрегации рисков в рамках требований к достаточности капитала по стандартам платежеспособности.