Main menu

Экономический капитал (Economic Capital) и агрегация рисков: копулы и диверсификация

Регуляторные требования к капиталу (такие как Solvency II или Risk-Based Capital) устанавливают лишь минимально допустимую планку для выживания страховой компании. Однако для высшего менеджмента и акционеров этой оценки недостаточно. Компании необходимо знать реальный, внутренний профиль своего риска для максимизации доходности на собственный капитал (ROE). Для этих целей актуарная наука разработала концепцию Экономического капитала (Economic Capital, EC). Это внутренне рассчитанная сумма собственного капитала, которая требуется компании для поглощения всех возможных непредвиденных убытков с заданным, крайне высоким уровнем уверенности. Главной математической проблемой при расчете EC является корректная агрегация сотен разнородных рисков с учетом эффекта диверсификации.

Подробнее

Анализ выживаемости (Survival Analysis) в актуарной науке: модель пропорциональных рисков Кокса

Оценка времени до наступления определенного события (Time-to-Event Data) является краеугольным камнем как в медицине, так и в актуарной математике. Будь то смерть застрахованного лица, досрочное расторжение полиса (Lapse) или наступление инвалидности, страховщику необходимо математически смоделировать кривую выживаемости. Стандартные методы регрессии (МНК) здесь абсолютно неприменимы из-за явления цензурирования данных: на момент анализа многие клиенты еще живы, и мы не знаем точного времени их будущей смерти. Для решения этой фундаментальной проблемы была разработана методология Анализа выживаемости, вершиной которой стала полупараметрическая модель пропорциональных рисков Дэвида Кокса (Cox Proportional Hazards Model).

Подробнее

Метод Монте-Карло в актуарных расчетах: стохастическое моделирование и снижение дисперсии

Когда аналитические решения дифференциальных уравнений и прямые формулы закрытого типа становятся математически невозможными (что характерно для комплексных страховых продуктов с многомерными гарантиями и опционами), актуарная наука обращается к стохастическому численному моделированию. Метод Монте-Карло, основанный на Законе больших чисел, позволяет вычислять сложнейшие многомерные интегралы и оценивать вероятности разорения, генерируя миллионы независимых виртуальных сценариев развития событий. Однако эффективность этого метода жестко ограничена скоростью сходимости, что требует от актуариев применения изощренных алгебраических алгоритмов снижения дисперсии.

Подробнее

Соц. сети