Оценка рисков ликвидности в страховании: стресс-тестирование и ALM

Математическое моделирование риска ликвидности базируется на построении динамического профиля разрывов (Liquidity Gap Profile). Актуарий проецирует все входящие денежные потоки (поступление премий, купонные выплаты по облигациям, погашение номиналов, поступления от перестраховщиков) и исходящие потоки (выплаты по убыткам, административные расходы, налоги, маржинальные требования). Разница между этими потоками на каждом временном интервале $t$ (день, неделя, месяц) формирует чистый денежный поток (Net Cash Flow). В детерминированной модели положительный кумулятивный денежный поток означает абсолютную устойчивость. Однако в стохастической вселенной каждый из этих потоков является случайной величиной, подверженной влиянию макроэкономических переменных и поведения страхователей.

Для укрощения этой неопределенности применяется сценарное стресс-тестирование (Stress Testing). Разрабатываются экстремальные, но правдоподобные сценарии (Plausible Tail Events). Например, сценарий "Идеального шторма" может включать: одновременное падение фондового рынка на 30% (провоцирующее рост маржинальных требований по опционам Unit-Linked), резкий скачок процентных ставок (снижающий рыночную стоимость портфеля облигаций) и панику среди клиентов, приводящую к расторжению 20% накопительных полисов (Surrender Shock). Моделирование поведения клиентов в условиях паники требует использования логистических регрессий и нелинейных функций полезности, так как расторжение полиса становится экономически выгодным для клиента, если ставки альтернативной доходности в банках резко возрастают (Interest Rate Driven Lapses).

Когда стресс-сценарий генерирует отрицательный чистый денежный поток, страховая компания вынуждена ликвидировать часть своих активов для получения кэша. Здесь в математическую модель встраивается Функция дисконта ликвидности (Liquidity Haircut Function или Fire Sale Penalty). Если компания пытается экстренно продать низколиквидные активы (недвижимость, корпоративные облигации мусорного рейтинга, инфраструктурные проекты) на падающем рынке, она получит сумму, значительно меньшую их справедливой балансовой стоимости. Размер этого дисконта (Haircut) моделируется как эндогенная переменная, зависящая от объема продажи: чем больше объем экстренной ликвидации, тем сильнее страховщик "двигает рынок" не в свою пользу (Market Depth Risk). Это создает нелинейную петлю обратной связи (Feedback Loop), способную закрутить компанию в спираль смерти (Death Spiral).

Для защиты от таких катастрофических сценариев актуарии и риск-менеджеры разрабатывают План на случай кризиса ликвидности (Contingency Funding Plan) и вычисляют метрику Буфера ликвидности (Liquidity Buffer). Буфер состоит из высококачественных ликвидных активов (HQLA — государственные облигации, денежные средства), которые можно продать мгновенно без потери стоимости. Оптимизация размера этого буфера представляет собой классическую задачу исследования операций: поддержание избыточной ликвидности резко снижает инвестиционную доходность акционеров (Cost of Carry), а недостаток ликвидности грозит банкротством. Использование методов смешанного целочисленного стохастического программирования позволяет найти глобальный оптимум, обеспечивающий выживание компании даже в условиях паралича глобальных межбанковских рынков.