Referenssikuolevuuden K2016 stokastinen mallintaminen vahinkovakuutusyhtio ssa
|
|
- Eeva-Kaarina Mäkelä
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 SUOMEN AKTUAARIYHDISTYS Referenssikuolevuuden K2016 stokastinen mallintaminen vahinkovakuutusyhtio ssa Suppea SHV-työ Ville Lilja 11. syyskuuta 2017 Tiivistelmä Tyo ssa tutkitaan kuolevuudesta aiheutuvaa epa varmuutta vahinkovakuutusyhtio n ela kemuotoisessa korvausvastuussa soveltamalla lakisa a teista vahinkovakuutusta harjoittavien vakuutusyhtio iden ka ytto o n tarkoitettua referenssikuolevuusmallia (K2016) ja mallille laskettua luottamusva lia. Tyo ssa tutkitaan stokastisesti kuolevuusmallista aiheutuvan systemaattisen epa varmuuden ohessa myo s yksitta isista ela kkeensaajista aiheutuvaa epa varmuutta olettamalla, etta yksitta isten ela kkeensaajien elinajan todenna ko isyysjakauma noudattaa referenssikuolevuusmallia ja etta ela kkeensaajien kuolinhetket ovat toisistaan riippumattomia. Lisa ksi tutkitaan korkotason vaikutusta ka ytta en hyva ksi stokastisesti simuloituja korkoka yria. Tuloksena syntyy todenna ko isyysjakauma koko henkivakuutustekniikoin varatulle ela kekorvausvastuulle. Simulointi toteutetaan nelja lle erilaiselle esimerkkiela kekannalle. Tuloksia verrataan Solvenssi II vakavaraisuuslaskentaan ja erityisesti tyo ssa pyrita a n vastaamaan pitka ika isyysriskin osalta Vakuutusyhtio lain 6 luvun 12 riski- ja vakavaraisuusarviota koskevaan vaatimukseen selvitta a yhtio n riskiprofiilin sopivuutta standardikaavan mukaisen vakavaraisuuspa a omavaatimuksen perusoletuksiin. Tyo ssa tutkitaan myo s yksinkertaisen suojausstrategian vaikutuksia korkoriskin ma a ra a n. 1 (21)
2 Abstract In this paper, uncertainty caused by mortality to P/C insurers annuity reserves is investigated by utilizing reference mortality model (K2016) and its confidence interval. The reference mortality model has been developed for the use of insurers that practice workers compensation and motor third party liability insurance in Finland. Both systematic model-based uncertainty and uncertainty caused by individual claimants are investigated stochastically by assuming that the times of death of the claimants are independent and follow the probability distribution set by the reference model. Additionally, the effect of interest rate is studied by applying stochastically simulated interest rates. Simulation outcome is the probability distribution of the total annuity reserves. Simulations are performed to four different model portfolios containing annuities. Results are compared to Solvency II standard formula. Emphasis is made to answer the requirement set out in Article 45 of Directive 2009/138/EC to assess the significance with which the risk profile of the undertaking concerned deviates from the assumptions underlying the solvency capital requirement calculated with the standard formula, with respect to longevity risk. In addition, simple hedging strategy to reduce the interest rate risk is studied. Sisällysluettelo 1 Johdanto Referenssikuolevuusmalli K Epa varmuustekija t Elinajan epa varmuus Korkojen epa varmuus Aineistot Simulointimenetelma Tulokset Korvausvastuun kassavirtaennuste Epa varmuutta selitta va t tekija t Vertailu Solvenssi II vakavaraisuuslaskentaan Korkosuojauksen vaikutus Pohdinta ja yhteenveto La hdeluettelo Liite Liite (21)
3 1 Johdanto Ela kemuotoinen korvausvastuu muodostaa merkitta va n osan suomalaisten vahinkovakuutusyhtio iden vastuuvelasta. Vahinkovakuutusyhtio t arvioivat ela kemuotoisen korvausvastuun suuruuden henkivakuutustekniikoin, ka ytta en apuna kuolevuusmalleja, eli ennusteita ela kkeensaajien keskima a ra isesta kuolevuudesta ja elinia sta. Korvausvastuu muodostuu ka yta nno ssa elinika isista ela kkeista tai muista jatkuvista korvauksista, jolloin kuolevuusennusteilla on suuri merkitys korvausvastuun suuruuden ma a ritta misessa. Yhtio iden ka ytto o n kuolevuuden ennustamisen tueksi Tapaturma-, Liikenne- ja Potilasvakuutuskeskukset ovat yhteistyo ssa laatineet valtakunnalliseen aineistoon perustuvan referenssikuolevuusmallin K2016 [1]. Ta ssa tyo ssa tutkitaan ta ma n yleisesti sovelletun referenssikuolevuusmallin ja mallille rakennetun simulointimenetelma n avulla: 1) korvausvastuuennusteiden epa varmuuden suuruutta, 2) epa varmuuden ajallista jakautumista, 3) vakuutuskannan suuruuden vaikutusta ja 4) vastuuvelan pituudesta ja sen diskonttauksesta aiheutuvaa korkoepa varmuutta. Vakuutuskannan koon vaikutuksiin kohdistuu mielenkiintoa erityisesti La hitapiola-ryhma ssa sen liikennevakuutuskannan jakauduttua 20 pienempa a n alueelliseen yhtio o n [2]. Tuloksia verrataan vakavaraisuuslaskennan standardikaavan mukaisesti laskettuihin pitka ika isyys- ja korkoriskeihin ja pyrita a n na in vastaamaan Vakuutusyhtio lain 6 luvun 12 riski- ja vakavaraisuusarviota koskevaan vaatimukseen selvitta a yhtio n riskiprofiilin sopivuutta standardikaavan mukaisen vakavaraisuuspa a omavaatimuksen perusoletuksiin. Ta ma kin on ajankohtaista, silla Euroopan vakuutusvalvontaviranomaisen mukaan [3] vakuutusyhtio illa on yleisesti ottaen liiallinen luottamus standardikaavaan, ja arvioita riskiprofiilin poikkeamisesta standardikaavan oletuksista tulisi parantaa. Tyo on jaoteltu seuraavasti. Referenssikuolevuusmalli ja siihen liittyva matemaattinen tausta esiteta a n luvussa 2. Luvussa 3 kerrotaan ela kemuotoiseen korvausvastuuseen liittyvista epa - varmuustekijo ista ja pureudutaan erityisesti elinaikojen ja korkojen epa varmuuteen. Tyo ssa tutkitaan epa varmuutta nelja n erikokoisen esimerkkiaineiston avulla. Yleiskuvaus aineistoista selostetaan luvussa 4. Simulointimenetelma ka yda a n yksityiskohtaisesti la pi luvussa 5. Luvussa 6 esiteta a n tulokset ja luvussa 7 syvennyta a n johtopa a to ksiin ja esiteta a n lyhyt yhteenveto. 2 Referenssikuolevuusmalli K2016 Referenssikuolevuusmallissa K2016 kuolevuusennusteen pohjana ka yteta a n Human Mortality Databasen (HMD) vuosia ja Tilastokeskuksen vuosia koskevia Suomen va esto kuolevuusaineistoja, seka lisa ksi Tapaturmavakuutuskeskuksen (TVK) ja Liikennevakuutuskeskuksen (LVK) tilastorekistereista muodostettuja aineistoja lakisa a teisten vahinkovakuutuslajien ela kkeensaajien toteutuneista kuolevuuksista seurantaperiodeilla TVK: ja LVK: Referenssikuolevuusmalli on Lee-Miller variantti [4] tunnetusta Lee-Carter mallista [5]: ln(m xt ) = α x + b x k t + e xt, (1) jossa ln on luonnollinen logaritmi, parametrivektorit α ja b riippuvat ia sta x = 0 n, ja vektori k kalenterivuodesta t. Matriisi m xt kuvaa havaittua keskikuolevuutta ja e xt ~N(0, σ e 2 ) on riippumaton ja normaalijakautunut ja a nno stermi. Mallin dimensioita on havainnollistettu kuvassa (Kuva 1). 3 (21)
4 Aika (t) Ennustettu keskikuolevuus ruudussa (x, t) Ennuste Epävarmuus lisääntyy, mitä kauemmas nykyhetkestä ennustetaan Nykyhetki (t = T) Havaittu keskikuolevuus ruudussa (x, t) Yksittäiset elämät syntymästä kuolemaan Havaintoaineisto Havaittu keskikuolevuus ruudussa (x, t) lasketaan kaavalla: Ikä (x) Kuva 1: Kuolevuusmallin dimensioiden havainnollistaminen: aika, ika, nykyhetki, havaittu keskikuolevuus ja kuolevuusennuste. Mallissa tulevien kalenterivuosien parametrien k T+h ennustaminen toteutetaan olettamalla parametrien noudattavan autoregressiivista prosessia: k t = k t 1 + d + ε t, (2) jossa d kuvaa kuolevuuden kalenterivuosittaista muutosvauhtia ja ε t ~N(0, σ ε 2 ) on riippumaton ja normaalijakautunut ja a nno stermi. Poiketen perinteisesta Lee-Carter mallista, Lee-Miller variantti sovitetaan havaittuihin vastasyntyneiden elinaikoihin. Lisa ksi mallin kuolevuusennuste la htee liikkeelle viimeisista havaituista keskikuolevuuksista m xt = m x (T). Estimoimalla mallin parametrit, seka ja a nno stermien hajonnat havaintoaineistosta, kuolevuuden piste-estimaatiksi, eli ennusteen parhaaksi arvioksi saadaan: Ennusteen luottamusva li on [6]: m x(t + h) = m x (T)e b xdh. (3) 2 m x(t + h) e ±z σ 2 e +b 2 x (hσ 2 ε + h2 σε N 2 ), (4) =:K(z,x,h) jossa N on aineiston pituus vuosina. K on niin sanottu epa varmuuskerroin, jossa z kuvaa luottamustasoa. VaR-laskelmia varten todenna ko isyytta p vastaava (yksisuuntainen) luottamustaso saadaan valitsemalla: z = Φ 1 (p). Referenssikuolevuusmalli K2016 on annettu erikseen miehille ja naisille ika - ja kohorttikohtaisesti. Va esto n keskikuolevuuksien lisa ksi ka ytetta vissa on ika kohtaiset turvaavasti valitut korjauskertoimet, joilla va esto kuolevuus tulee korjata lakisa a teisille vahinkovakuutuslajeille sopivaksi. Ta ssa tyo ssa kyseisia korjauskertoimia sovelletaan ilman eri mainintaa. Epa varmuuskertoimet lasketaan liitteessa (Liite 1) esitettyjen parametrien mukaisesti. Kuvassa (Kuva 2) esiteta a n kuolevuusmallin keskikuolevuuksien paras arvio ja esimerkin vuoksi keskikuolevuudet stressattuna vastaamaan 99,5 %:n luottamustasoa (vrt. standardikaava). 4 (21)
5 Keskikuolevuus Keskikuolevuus Miehet Naiset ,1 0,1 0,01 0,01 0,001 0,001 0,0001 Havainnot Stressi (VaR=99,5%) 0,0001 Havainnot Stressi (VaR=99,5%) 0,00001 Paras arvio 120 0,00001 Paras arvio 120 Ikä Ikä Kuva 2: Referenssikuolevuusmallin K2016 mukainen lakisa a teisten vahinkovakuutuslajien keskikuolevuus miehilla ja naisilla ia n funktiona kymmenvuotiskohorteissa Vuoden 1935 kohortti ylimpa na ja vuoden 2015 kohortti alimpana. Havainnot, parhaan arvion mukainen ennuste ja VaR 99,5 % mukainen pitka ika isyysstressi on esitetty omilla va reilla a n. Olettamalla kuolinhetket tasajakautuneeksi vuoden aikana, voidaan henkivakuutusmatematiikassa tarvittavat yhden vuoden selviytymistodenna ko isyydet p x laskea keskikuolevuuksista ns. aktuaariestimaattorilla: p x = 2 m x 2+m x, (5) ja johtaa edelleen erityisesti ta ssa tyo ssa tarvittava rekursiokaava vastasyntyneen kuolintodenna ko isyyden kertyma funktiolle x q 0, ts. vastasyntyneen todenna ko isyydelle kuolla tasaika a n x mennessa : { 0 q 0 = 0 xq 0 = 1 2 m x 2+m x (1 x 1 q 0 ). (6) 3 Epävarmuustekijät Ela kemuotoisen korvausvastuun ma a ra a n liittyy useita epa varmuustekijo ita, joista ta rkeimma t ovat elinaikojen ennustamiseen liittyva t epa varmuustekija t ja ela kekassavirtojen diskonttaamisessa ka ytettyyn korkoon liittyva t epa varmuustekija t. Myo s varsinaisten maksettavien ela kkeiden ma a ra a n liittyy epa varmuutta. On esimerkiksi mahdollista, etta osittaisella tyo kyvytto - myysela kkeella olevien ela kkeensaajien tyo kyky heikkenee odottamattomasti, jolloin vakuutusyhtio n korvausvelvollisuus kasvaa ns. muutosriskin realisoituessa. On myo s mahdollista etta ela kekorvausten hoitamiseen arvioitu kustannus kasvaa ennakoidusta mm. inflaation seurauksena. Ta llo in vakuutusyhtio n tulee kasvattaa ela kkeiden hoitokuluvarausta toteutunutta kuluriskia vastaavalle tasolle. Seuraavassa kuvataan tarkemmin elinajan epa varmuutta ja korkojen epa varmuutta. Muutosriski ja kuluriski rajataan ta ma n tyo n laajuuden ulkopuolelle. 5 (21)
6 Suhteutettu Jäljellä olevan elinajan odote Suhteutettu jäljellä olevan elinajan odote Odotettu kuolinikä Odotettu kuolinikä 3.1 Elinajan epävarmuus Ela kekannan elinaikoihin liittyva epa varmuus voidaan ajatella aiheutuvan kahdesta pa a tekija s- ta : ela kekannan keskima a ra iseen elinia n epa varmuudesta ja kunkin ela kkeensaajan yksilo llisen elinia n sattumanvaraisuudesta. Ela kekannan keskima a ra isen elinia n arviointiin liittyy useita epa varmuustekijo ita. Va esto kuolevuuden jatkuva pieneneminen ja erityisesti pienenemisvauhdin ennustaminen tulevaisuuteen on hankalaa. Pienenemisvauhdin mallinnukseen ka ytetta via tekniikoita on monia. Referenssikuolevuusmallissa ja ta ssa tyo ssa vauhtia mallinnetaan yksinkertaisella kaavan (2) mukaisella satunnaiskululla ja sen luottamusva lilla, mutta myo s moniparametriset ARIMA-mallit ovat yleisia [7, 8, 9, 10]. Mallin valinnasta seuraa aina vaikeasti mitattavaa mallivirhetta ja toisaalta mallin parametrien estimoinnista parametrivirhetta. Lopulta ennusteisiin liittyy aina satunnaisvaihtelu. Epa varmuutta lisa a myo s se, etta ela kekanta on aina valikoitunut populaatio suhteessa koko va esto o n, eika ole varmaa kuinka hyvin va esto kuolevuus kuvaa ela kekantaa. Ela kekannan keskima a ra ista elinia n epa varmuutta arvioidaan ta ssa tyo ssa Referenssikuolevuusmallin epa varmuutta kuvaavalla luottamusva lilla. Kuvassa (Kuva 3) vaihteluva li esiteta a n Miehet Naiset , 75, 5, 95, S II, paras arvio S II, pitkäikäisyys , 75, 5, 95, S II, paras arvio S II, pitkäikäisyys 0 0 Ikä nykyhetkellä Ikä nykyhetkellä Miehet Naiset 160% 25, 75, 160% 25, 75, 150% 5, 95, 150% 5, 95, 140% 140% 130% S II, paras arvio S II, pitkäikäisyys 130% S II, paras arvio S II, pitkäikäisyys 120% 120% 110% 110% 100% 100% 90% 90% 80% 80% Ikä nykyhetkellä Ikä nykyhetkellä Kuva 3: Referenssikuolevuusmallin K2016 epa varmuudesta aiheutuva vaihteluva li odotetuissa kuolini issa (ylla ) ja ja ljella olevissa elinajan odotteissa suhteutettuna elinajan odotteiden parhaaseen arvioon (alla). 6 (21)
7 Suhteutettu jäljellä oleva elinaika Suhteutettu jäljellä oleva elinaika Kuolinikä Kuolinikä i itta in ja sukupuolittain odotetun kuolinia n ja suhteellisen elinajanodotteen na ko kulmasta. Ennustaminen on sita vaikeampaa, mita kauemmaksi tulevaisuuteen ennustetaan. Siita johtuen nuorilla epa varmuus on vuosima a ra isesti suurempi kuin vanhemmilla. Ero kuitenkin tasaantuu, kun vaihtelu suhteutetaan ja ljella olevaan elinaikaan. Kuvaan on piirretty na kyviin myo s Solvenssi II standardikaavan pitka ika isyysstressi, joka lasketaan kuolevuuden a killisena -2 pienenemisena kaikille i ille. Havaitaan, etta odotetuiksi elinajoiksi muunnettuna pitka ika isyysstressi on pienempi, kuin Referenssimallin pitka ika isyysriskia vastaava 99,5 % luottamusva li, joka nyrkkisa a nto na on noin +1 ja ljella olevasta odotetusta elinajasta (poikkeuksena yli 80- vuotiaat). Kunkin ela kkeensaajan yksilo lliseen elinaikaan vaikuttaa todellisuudessa mm. ela ma ntavat, geenit ja yleinen terveydentila. Kuitenkin ka yta nno ssa vain ela kkeensaajan ika a ja sukupuolta ka yteta a n ela kevarauksen suuruuden ma a rityksessa. Varaukseen sisa ltyva n epa varmuuden voidaan ajatella olevan osin tieta ma tto myytta ela kkeensaajan tilasta ja osin puhdasta sattumaa. Ta ssa tyo ssa molempia epa varmuuskomponentteja arvioidaan referenssikuolevuusmallilla, jonka elinaikojen vaihteluva li on esitetty kuvassa (Kuva 4). Na hda a n, etta yksitta isten elinaikojen vaihteluva li on huomattavasti suurempi kuin keskima a ra isen elinia n vaihteluva li. Suhteellinen vaihtelu odotetuissa ja ljella olevissa elinajoissa kasvaa ia n mukana ja on huomattavan suuri yli Miehet Naiset , 75, 5, 95, Odotettu kuolinikä , 75, 5, 95, Odotettu kuolinikä 0 Ikä nykyhetkellä 0 Ikä nykyhetkellä Miehet Naiset 500% 450% 400% 350% 300% 25, 75, 5, 95, Elinajanodote 500% 450% 400% 350% 300% 25, 75, 5, 95, Elinajanodote 250% 250% 200% 200% 150% 150% 100% 100% 50% 50% 0% Ikä nykyhetkellä 0% Ikä nykyhetkellä Kuva 4: Yksitta isten elinaikojen epa varmuudesta aiheutuva vaihteluva li kuolini issa (ylla) ja ja ljella olevissa elinajoissa suhteutettuna elinajan odotteeseen (alla). Vaihteluva lit ja elinajanodote ovat referenssikuolevuusmallin K2016 parhaan arvion mukaisia. 7 (21)
8 Korko 70-vuotiailla (VaR 99,5 % on yli +20 ja ljella olevasta elinajasta). Vaikka yksitta isen elinajan vaihtelu on suuri, on sen vaikutus koko ela kekannan hajontaan pieni varsin tehokkaan hajautumisen johdosta. Kuvassa on esitetty ainoastaan yhden luottamustason (5 = paras arvio) mukainen elinaikojen vaihteluva li. Tyo ssa huomioidaan kuitenkin myo s keskima a ra isen elinia n epa varmuuden ja yksilo llisen elinajan epa varmuuden va linen yhteisvaikutus. 3.2 Korkojen epävarmuus Ela kemuotoisen korvausvastuun suuruus ma a riteta a n diskonttaamalla arvioidut ela kekassavirrat nykyarvoonsa. Kassavirtojen pituuden takia muutokset diskonttauksessa ka ytetyssa korkotasossa na kyva t voimakkaasti vastuuvelan arvossa. Solvenssi II vakavaraisuuslaskennassa vastuuvelan diskonttauksessa sovelletaan Euroopan vakuutus- ja lisa ela keviranomaisen (EIOPA) kuukausittain julkaisemaa riskito nta korkoka yra a, joka perustuu koronvaihtosopimusten (swap) ja valtionvelkakirjojen markkinahintoihin. Pitkille maturiteeteille markkinahintaa ei ole saatavilla, joten EIOPA ekstrapoloi korkoka yra n kohti ns. lopullisesta korkotasoa (UFR), joka lasketaan summana Euroopan keskuspankin inflaatiotavoitteesta ja pitka lla aikava lilla toteutuneesta reaalikorosta. UFR:ssa sallitaan vain 0,15 prosenttiyksiko n vuosimuutokset [11]. Nykytaso on 4,2 %, mutta se tulee alenemaan la hivuosina n. 3,65 % tasolle [12]. Ta ssa tyo ssa korkotason epa varmuutta mallinnetaan koronvaihtosopimuksille simuloiduilla koroilla, jossa korkojen vaihtelu kuvastaa yhden vuoden aikana ilmeneva a markkinavaihtelua. Korkomallinnus on toteutettu Monte Carlo tekniikalla kolmen faktorin affiiniin korkomalliin perustuvalla mallisovelluksella, jota kuvataan tarkemmin liitteessa (Liite 2). Kuvassa (Kuva 5) esiteta a n korko la hto tasolla , keskikorko ja korkosimulaatioiden jakauma maturiteeteittain. Kuvaan on myo s piirretty vertailun vuoksi viranomaiskorkoka yra , vakavaraisuuslaskennan korot-alas shokin mukainen korkoka yra ja EIOPA:n vuoden 2016 stressitestissa ilmoittama korko pitka a n kesta va n alhaisen korkotason skenaariolle. 5% 4% 3% 2% 1% 0% -1% -2% 25, 75, 5, 95, Keskikorko 12/2017 Lähtökorko 12/2016 EIOPA 12/2016 Perus EIOPA 12/2016 Alas EIOPA 6/2016 Low for long Koron maturiteetti (vuosina nykyhetkestä) Kuva 5: Tyo ssa sovelletun stokastisen swap-korkoka yra n keskikorko, vaihteluva li ja la hto korko. Kuvaan on piirretty vertailun vuoksi myo s vakavaraisuuslaskennassa ka ytetyt vastuuvelan diskonttokorko (EIOPA 12/2016 Perus) ja korkoriskin alas-shokin diskonttauskorko (EIOPA 12/2016 Alas) ja vuoden 2016 stressitestissa ka ytetty korko (EIOPA 6/2016 Low for long). 8 (21)
9 4 Aineistot Tyo ssa analysoidaan esimerkinomaisesti nelja a erikokoista La hitapiola-ryhma n ela kemuotoista korvausvastuuaineistoa ajanhetkella : 1. Koko aineisto sisa lta a liikennevakuutukseen, tyo tapaturmavakuutukseen, yleiseen vastuuvakuutukseen ja tapaturmavakuutukseen liittyvia ela kemuotoisia korvausvelvoitteita. Ela keriveja on , ela kkeensaajia on ja korvausvastuun paras arvio ilman hoitokuluvarausta on miljoonaa euroa. 2. Työtapaturmavakuutus sisa lta a vain lakisa a teisen tyo tapaturmavakuutukseen liittyvia ela kemuotoisia korvausvelvoitteita. Ela keriveja on 5 578, ela kkeensaajia on ja korvausvastuun paras arvio ilman hoitokuluvarausta on 530 miljoonaa euroa. 3. Liikennevakuutus: pieni sisa lta a vain lakisa a teiseen liikennevakuutukseen liittyvia ela kemuotoisia korvausvelvoitteita. Ela keriveja on 208, ela kkeensaajia on 100 ja korvausvastuun paras arvio ilman hoitokuluvarausta on 26 miljoonaa euroa. 4. Liikennevakuutus: hyvin pieni sisa lta a vain lakisa a teiseen liikennevakuutukseen liittyvia ela kemuotoisia korvausvelvoitteita. Ela keriveja on 25, ela kkeensaajia on 13 ja korvausvastuun paras arvio ilman hoitokuluvarausta on 3,3 miljoonaa euroa. Kuvassa (Kuva 6) esiteta a n korvausvastuun paras arvio ilman hoitokuluvarausta jaettuna ika - ja sukupuolijakaumiksi kunkin aineiston osalta. 5 Simulointimenetelmä Ta ssa tyo ssa ela kekantojen simuloinnissa noudatetaan seuraavaa menetelma a : 1. Varioi kuolevuusmallin luottamustasoa 1 geneneroimalla uusi normaalijakautunut luottamustaso kaavalla: z = Φ 1 (rnd), missa rnd ~ Tas(0,1) on riippumaton tasajakautunut satunnaismuuttuja. 2. Pa ivita vastasyntyneen kuolintodenna ko isyyden kertyma funktiot x q 0 vastaamaan uutta luottamustasoa kaikille mies- ja naiskohorteille rekursiokaavalla (6). 3. Generoi jokaiselle ela kkeensaajalle kuolinika D seuraavin va livaihein: a. Interpoloi ela kkeensaajan tarkkaa ika a x vastaava kuolintodenna ko isyyden kertyma funktion x q 0 arvo kaavalla: x q 0 = (x x ) x +1 q 0 + (1 x + x ) x q 0. b. Generoi kuolinia n ma a ra a va satunnaismuuttuja: ε = 1 (1 x q 0 ) rnd, missa rnd ~ Tas(0,1) on riippumaton tasajakautunut satunnaismuuttuja. c. Etsi kuolinia n kokonaislukuosa kuolintodenna ko isyyden kertyma funktiosta: D = max( x x q 0 ε) d. Interpoloi tarkka kuolinika kaavalla: D = D + (ε D q 0 ) ( D +1 q 0 D q 0 ) 1 Ta ssa tyo ssa kuolevuusmallia varioitiin simuloimalla luottamustasoa, mutta tyo ssa kokeiltiin myo s liitteessa (Liite 1) esitettya vaihtoehtoista tapaa. Menetelmien va linen ero odotetulla elinajalla mitattuna oli kaikilla tyo ssa esitetyilla luottamustasoilla ka yta nno ssa < 1 %, joten tyo ssa pa a dyttiin ka ytta ma a n yksinkertaisempaa ja laskennallisesti kevyempa a menetelma a. 9 (21)
10 Korvausvastuun paras arvio (% koko määrästä) Korvausvastuun paras arvio (% koko määrästä) Korvausvastuun paras arvio (% koko määrästä) Korvausvastuun paras arvio (% koko määrästä) Koko aineisto Työtapaturmavakuutus 45 % 45 % 4 35 % 3 Miehet (67 %) Naiset (33 %) 4 35 % 3 Miehet (69 %) Naiset (31 %) % 15 % % 5 % Korvauksensaajan ikä (vuotta) Korvauksensaajan ikä (vuotta) Liikennevakuutus: pieni Liikennevakuutus: hyvin pieni 45 % 45 % 4 35 % 3 Miehet (59 %) Naiset (41 %) 4 35 % 3 Miehet () Naiset () % 15 % % 5 % Korvauksensaajan ikä (vuotta) Korvauksensaajan ikä (vuotta) Kuva 6: Tyo ssa analysoitujen ela kemuotoisten korvausvastuuaineistojen ika - ja sukupuolijakaumat. 4. Muodosta kullekin ela kkeensaajalle niiden simuloitua elinaikaa vastaavat vuotuiset kassavirrat tiedossa olevien ela kkeiden vuotuisma a ra n, seka ela kkeiden alkaen- ja pa a ttyen pa iva ma a rien perusteella. Oleta ela kkeita maksettavan kuukausittain etuka teisesti. 5. Summaa eri ela kkeensaajien kassavirrat yhteen ja tallenna yhteenlaskettu koko kannan vuosikassavirta halutulla segmentointitasolla (esim. vakuutuslajit) myo hemmin tehta va a diskonttausta ja muuta tarkastelua varten. 6. Palaa takaisin kohtaan 1, kunnes on toteutettu riitta va ma a ra simulaatioita. Ela kekantojen simulointi ja analyysit toteutettiin Excelilla. Yksinkertaisuuden vuoksi leskenela kkeille ei huomioitu uudelleenavioitumis-intensiteetteja, eika leskille uudelleenavioitumishetkella maksettavia kolmen vuoden ela ketta vastaavia huomenlahjoja. Simulaatioita tehtiin kullekin aineistolle kpl. Yhdistetta essa simuloituja kassavirtoja ekonomisiin skenaarioihin, na iden va lille ei oleteta korrelaatiota. Simulointien oikeellisuus tarkistettiin vertaamalla simuloitujen kassavirtojen viranomaiska yra l- la diskontattua keskiarvoa Solvenssi II mukaiseen parhaaseen arvioon ilman korvaustoiminnan hoitokuluja. Ero oli jokaiselle aineistolle alle 1 % parhaasta arviosta, joten simulointia voi tehdyista yksinkertaistuksista huolimatta pita a varsin tarkkana. 10 (21)
11 Simuloidut korvaukset Simuloidut korvaukset Simuloidut korvaukset Simuloidut korvaukset 6 Tulokset 6.1 Korvausvastuun kassavirtaennuste Kuvassa (Kuva 7) esiteta a n ela kemuotoisten korvausvastuuaineistojen diskonttaamattomat kumulatiiviset kassavirrat vaihteluva leineen. Na hda a n, etta epa varmuus ilmentyy pa a sa a nto isesti hyvin myo ha isessa (yli 20 vuotta) vaiheessa. Tyo tapaturmavakuutuksen korkeampi keski-ika toisaalta lyhenta a kassavirran kestoa, mutta toisaalta hivenen kasvattaa kassavirran vaihteluva - lia. Hyvin pienen liikennevakuutuskannan vaihteluva li on suurin, koska pienella kannalla yksitta isten elinaikojen merkitys korostuu. Hyvin pienessa aineistossa on myo s na hta villa yksitta isen ela kkeensaajan vuosima a ra n tason lasku 65 vuoden ia ssa, mika aiheuttaa kulman n. 43 vuoden kohdalle. Kuvaan (Kuva 8) on piirretty vastatavat kassavirrat stokastisella korolla diskontattuina. Na h- da a n, etta koron stokastisuus kasvattaa merkitta va sti kassavirran suhteellista hajontaa ja etta hajonta ilmenee ajallisesti aiemmin, kuin diskonttaamattomassa kassavirrassa. Hyvin pienen liikennevakuutuskannan tapauksessa diskonttaus ei lisa a riskia suhteellisesti samassa mittakaavassa kuin muissa aineistoissa. Koko aineisto Työtapaturmavakuutus % % % 12 % 5 25, 75, 5, 95, Odotusarvo 5 25, 75, 5, 95, Odotusarvo Korvauksen suoritushetki (vuosina nykyhetkestä) Korvauksen suoritushetki (vuosina nykyhetkestä) Liikennevakuutus: pieni Liikennevakuutus: hyvin pieni % % % 5 25, 75, 5, 95, Odotusarvo 5 25, 75, 5, 95, Odotusarvo 54 % Korvauksen suoritushetki (vuosina nykyhetkestä) Korvauksen suoritushetki (vuosina nykyhetkestä) Kuva 7: Ela kemuotoisten korvausvastuuaineistojen kumulatiiviset diskonttaamattomat kassavirrat vaihteluva leineen. 11 (21)
12 Simuloidut korvaukset Simuloidut korvaukset Simuloidut korvaukset Simuloidut korvaukset Koko aineisto Työtapaturmavakuutus % % % 29 % 5 25, 75, 5, 95, Odotusarvo 5 25, 75, 5, 95, Odotusarvo Korvauksen suoritushetki (vuosina nykyhetkestä) Korvauksen suoritushetki (vuosina nykyhetkestä) Liikennevakuutus: pieni Liikennevakuutus: hyvin pieni % , 75, 5, 95, Odotusarvo 37 % 5 25, 75, 5, 95, Odotusarvo 49 % Korvauksen suoritushetki (vuosina nykyhetkestä) Korvauksen suoritushetki (vuosina nykyhetkestä) Kuva 8: Ela kemuotoisten korvausvastuuaineistojen kumulatiiviset stokastisesti diskontatut kassavirrat vaihteluva leineen. Seuraavassa kappaleessa tarkastellaan tarkemmin kussakin tapauksessa vaihteluva lin suuruutta ja ennusteen epa varmuutta selitta via tekijo ita. 6.2 Epävarmuutta selittävät tekijät Kuvaan (Kuva 9) on esitetty kuolevuusmallin luottamustason vaikutus diskonttaamattomiin korvauksiin, eli kuvissa na kyy ainoastaan kuolevuudesta aiheutuva vaihtelu. Luottamustaso z kuvaa kuolevuusmalliin liittyva a systemaattista epa varmuutta ja on mallin keskihajonnan monikerta kaavan (4) mukaisesti. Kuvissa yksi piste vastaa aina yhta simulaatiota, tosin na kyviin on piirretty ainoastaan 2 kaikista simuloiduista pisteista. Na hda a n, etta suurilla aineistolla luottamustaso selitta a valtaosan vaihtelusta. Pienilla ela kekannoilla korostuu yksitta isista elinajoista aiheutuva vaihtelu. Ilmio voi tulla esille myo s suuremmilla kannoilla, jos kannassa on yksitta i- sia isoja ela kepa a omia. Luottamustason vaikutus on kaikille aineistoille ka yta nno ssa lineaarinen. 12 (21)
13 Simuloidut korvaukset yhteensä Simuloidut korvaukset yhteensä Simuloidut korvaukset yhteensä Simuloidut korvaukset yhteensä 15 Koko aineisto 15 Työtapaturmavakuutus Luottamustaso Luottamustaso 15 Liikennevakuutus: pieni 15 Liikennevakuutus: hyvin pieni Luottamustaso Luottamustaso Kuva 9: Kuolevuusmallin luottamustason vaikutus diskonttaamattomiin korvauksiin. Yksi piste vastaa aina yhta simulaatiota. Seuraavissa kuvissa esiteta a n kuolevuusmallin luottamustason (Kuva 10) ja diskonttauskoron (Kuva 11) vaikutukset stokastisesti diskontattuihin korvauksiin. Kuvissa na kyy ela kkeiden kokonaishajonta- ja riski. Kunkin simulaation korkotasoa mitataan odotetun kassavirran keskikorolla, joka on laskettu simulaatiossa ka ytetyn korkoka yra n korkojen painotettuna keskiarvona, ka ytta en painoina kunkin aineiston odotettua diskonttaamatonta kassavirtaa. Na hda a n, etta kaikissa tapauksissa korolla on huomattavasti suurempi vaikutus kokonaisriskiin, kuin mallin luottamustasolla. Toisaalta korkotaso ei yksina a n ole riitta va kuvaamaan kokonaisriskia. Seuraavassa kappaleessa esiteta a n yhteenveto riskitasoista ja verrataan riskeja Solvenssi II standardikaavan mukaiseen riskilaskentaan. 6.3 Vertailu Solvenssi II vakavaraisuuslaskentaan Taulukossa (Taulukko 1) kullekin aineistolle esiteta a n Solvenssi II standardikaavan mukainen pa a omavaade ja vaadetta verrataan simulaatiotuloksiin eri luottamustasoilla. Kokonaisriskin ohella esiteta a n riskin muodostuminen pitka ika isyysriskista ja korkoriskista. Pitka ika isyysriski on lisa ksi jaettu kuolevuusmallin riskiin ja yksitta isista elinajoista johtuviin riskeihin. Riskit ilmoitetaan prosenttiosuutena Solvenssi II mukaisesta vastuuvelan parhaasta arvioista ilman hoitokuluvarausta. 13 (21)
14 Simuloidut korvaukset yhteensä Simuloidut korvaukset yhteensä Simuloidut korvaukset yhteensä Simuloidut korvaukset yhteensä 15 Koko aineisto 15 Työtapaturmavakuutus Luottamustaso Luottamustaso 15 Liikennevakuutus: pieni 15 Liikennevakuutus: hyvin pieni Luottamustaso Luottamustaso Kuva 10: Kuolevuusmallin luottamustason vaikutus stokastisesti diskontattuihin korvauksiin. Yksi piste vastaa aina yhta simulaatiota. Simulointien osalta kunkin riskin VaR-taso on ma a ra tty simulaatioissa realisoituneiden riskien prosenttipisteena. Realisoituneet riskit on allokoitu simulaatioittain seuraavasti: Realisoitunut kokonaisriski on laskettu kullekin simulaatiolle va henta ma lla stokastisesti diskontatuista korvauksista stokastisesti diskontattujen korvausten keskiarvo. Realisoitunut pitka ika isyysriski on laskettu kullekin simulaatiolle va henta ma lla simuloiduista korvauksista simulaatioiden keskima a ra inen korvaus ka ytta en korvausten diskonttauksessa keskima a ra ista diskonttauskerrointa. Kuolevuusmallin aiheuttamaan riskiin on allokoitu se osa pitka ika isyysriskista, joka selittyy simuloidun luottamustason perusteella lineaarisesti (katso Kuva 9). Residuaali, joka ei selity luottamustasolla, muodostaa yksitta isista elinajoista aiheutuvan riskin. Allokointimenetelma pitka ika isyysriskin sisa lla on osin arvionvarainen, mutta na in va ltyta a n raskaalta pa a oma-arvojen laskemiselta simulaatioittain. Realisoitunut korkoriski on laskettu kullekin simulaatiolle va henta ma lla edella lasketusta kokonaisriskista edella laskettu pitka ika isyysriski. Standardikaavan pitka ika isyysriski on kokonaisuudessaan sisa llytetty kuolevuusmallin riskiin seka sairaus- etta henkivakuutuksen annuiteettien osalta. Standardikaavan kokonaisriskissa on 14 (21)
15 Simuloidut korvaukset yhteensä Simuloidut korvaukset yhteensä Simuloidut korvaukset yhteensä Simuloidut korvaukset yhteensä 15 Koko aineisto 15 Työtapaturmavakuutus , 1, 2, 3, 4, 5, Keskikorko odotetulle kassavirralle 0, 1, 2, 3, 4, 5, Keskikorko odotetulle kassavirralle 15 Liikennevakuutus: pieni 15 Liikennevakuutus: hyvin pieni , 1, 2, 3, 4, 5, Keskikorko odotetulle kassavirralle 0, 1, 2, 3, 4, 5, Keskikorko odotetulle kassavirralle Kuva 11: Koron vaikutus stokastisesti diskontattuihin korvauksiin. Yksi piste vastaa aina yhta simulaatiota. huomioitu sairaus- ja henkivakuutusriskien 2 seka korkoriskin va linen hajautushyo ty. Standardikaavan ja simulaatioiden diskonttaus on tehty eri korkoka yra lla, jonka johdosta esitetyt pitka ika isyysriskit eiva t ole puhtaan pitka ika isyysriskin na ko kulmasta ta ysin vertailukelpoisia. Solvenssi II standardikaavan mukainen pitka ika isyysriski on aineistosta riippuen 3 6 % vastuuvelasta. Tyo tapaturmavakuutukseen kohdistuu suhteessa suurin pitka ika isyysriski ela kkeensaajien korkean keski-ia n johdosta (katso Kuva 3 ja Kuva 6). Simulaatioissa 99,5 % VaR-tasoa vastaava pitka ika isyysriski on va lilla 8 17 %, mika on selkea sti suurempi kuin standardikaavan pitka ika isyysriski. Pienemmilla aineistoilla yksitta iset elinajat aiheuttavat merkitta va n osan pitka ika isyysriskista. Standardikaavan mukainen korkoriski puolestaan vaihtelee tasolla 4 8 % vastuuvelasta. Tyo tapaturmavakuutukseen kohdistuu suhteessa pienin korkoriski, koska lajin kassavirta on ajallisesti kaikkein lyhin (katso Kuva 7). Simulaatioissa 99,5 % VaR-tason mukainen korkoriski on va lilla % vastuuvelasta. Ero standardikaavan mukaiseen riskitasoon on merkitta va, simulaati- 2 Standardikaavassa sairaus- ja henkivakuutuksen annuiteetit aiheuttavat pitka ika isyysriskia erillisissa sairaus- ja henkivakuutuksen alariskimoduuleissa. Standardikaavan korrelaatiorakenteesta seuraa, etta na iden riskien va lille syntyy laskennallista hajautushyo tya verrattuna tilanteeseen, jossa kaikki annuiteetit ka sitelta isiin samassa riskimoduulissa. 15 (21)
16 Taulukko 1: Riskiyhteenveto ja vertailu Solvenssi II standardikaavan mukaiseen riskilaskentaan Koko aineisto VaR (% S II parhaasta arviosta) S II 99,5 % Simuloinnit 95 % 99,5 % 99,9 % Pitkäikäisyysriski 4 % 2 % 5 % 8 % 9 % - Kuolevuusmalli 4 % 2 % 5 % 7 % 8 % - Yksittäiset elinajat 1 % 1 % 2 % Korkoriski 6 % 7 % 14 % 18 % 19 % Kokonaisriski 8 % 7 % 15 % 22 % 24 % Riskien korrelaatio - Malli vs. elinajat -11 % 8 % 4 % 36 % - Pitkäik. vs. korko 12 % -13 % 5 % 33 % 37 % Liikennevakuutus: pieni VaR (% S II parhaasta arviosta) S II 99,5 % Simuloinnit 95 % 99,5 % 99,9 % Pitkäikäisyysriski 3 % 3 % 7 % 1 12 % - Kuolevuusmalli 3 % 2 % 4 % 6 % 7 % - Yksittäiset elinajat 2 % 5 % 8 % 9 % Korkoriski 7 % 8 % 16 % 21 % 22 % Kokonaisriski 8 % 9 % 18 % 26 % 29 % Riskien korrelaatio - Malli vs. elinajat -3 % 5 % 4 % - Pitkäik. vs. korko -11 % 12 % 39 % 46 % Työtapaturmavakuutus VaR (% S II parhaasta arviosta) S II 99,5 % Simuloinnit 95 % 99,5 % 99,9 % Pitkäikäisyysriski 6 % 2 % 6 % 9 % 11 % - Kuolevuusmalli 6 % 2 % 5 % 9 % 1 - Yksittäiset elinajat 1 % 1 % 2 % 3 % Korkoriski 4 % 6 % 12 % 15 % 16 % Kokonaisriski 8 % 6 % 13 % 19 % 23 % Riskien korrelaatio - Malli vs. elinajat -11 % 6 % 16 % 4 - Pitkäik. vs. korko -14 % 6 % 31 % 41 % Liikennevakuutus: hyvin pieni VaR (% S II parhaasta arviosta) S II 99,5 % Simuloinnit 95 % 99,5 % 99,9 % Pitkäikäisyysriski 3 % 6 % 12 % 17 % 19 % - Kuolevuusmalli 3 % 2 % 4 % 6 % 7 % - Yksittäiset elinajat 6 % 11 % 15 % 17 % Korkoriski 8 % % 29 % Kokonaisriski 9 % 11 % 26 % 37 % 42 % Riskien korrelaatio - Malli vs. elinajat -3 % 4 % 3 % 5 % - Pitkäik. vs. korko -5 % 24 % 44 % 52 % oista jopa VaR, eli joka nelja tta vuotta vastaava riskitaso tuottaa suuremman korkoriskin, kuin Solvenssi II standardikaava. Standardikaavan mukainen kokonaisriski on 8 9 % vastuuvelasta, kun simuloinneissa kokonaisriski kasvaa edella kuvattujen seikkojen johdosta tasolle % vastuuvelasta. 6.4 Korkosuojauksen vaikutus Korkoriskia on mahdollista va henta a suojaustoimenpiteilla, kuten korkosijoituksilla tai korkojohdannaisilla. Ta ssa tyo ssa tutkitaan korvausvastuun odotusarvon replikoivan korkosijoitussalkun vaikutusta kokonaisriskiin. Korkosijoitukset oletetaan nollakuponkibondeiksi, joiden arvo ma a ra ta a n stokastisella korkoka yra lla diskonttaamalla aivan vastaavasti kuin korvausvastuunkin arvo. Vastaava suojaus olisi saavutettavissa koronvaihtosopimuksilla, jossa maksetaan vaihtuvaa korkoa ja saadaan kiintea a korkoa [13]. Yksinkertaisuuden vuoksi suojauksen ei oleteta aiheuttavan korkomarginaali- eika vastapuoliriskeja. Tyo ssa tutkitaan suojauksen vaikutusta eri suojaustasoilla 0 12, jossa taso asetetaan jokaiselle maturiteetille samassa suhteessa. suojaustaso vastaa suojaamatonta tilannetta ja 10 tarkoittaa korvausvastuun odotusarvon replikoivaa korkosalkkua. Suojauksen vaikutukset kokonaisriskiin (velat varat) aineistoittain esiteta a n kuvassa (Kuva 12). Kuviin on kokonaisvaihtelun ymma rta miseksi ja tetty na kyviin myo s negatiivinen akseli. Havaitaan, etta korkoriskin suojaamisella on merkitta va vaikutus kokonaisriskitasoon ja etta korkoriski voidaan suojata ka yta nno ssa kokonaan. Ta ydellinen suojaus ja kokonaisriskin minimointi edellytta a kuitenkin yli 10 suojaustasoa, mika korostuu erityisesti korkeilla VaR 99,5 % ja VaR 99,9 % luottamustasoilla. Ylisuojaus vaaditaan riskijakauman epa symmetrisyyden takia. Suurilla riskitasoilla on yliedustettuina pitka t kassavirrat, joiden suojaamiseen korkoriskilta tarvitaan suurempi kuin keskima a ra isen kassavirran edellytta ma suojaustaso. 16 (21)
17 Kokonaisriski: velat varat (% korvausvastuun odotusarvosta) Kokonaisriski: velat varat (% korvausvastuun odotusarvosta) Kokonaisriski: velat varat (% korvausvastuun odotusarvosta) Kokonaisriski: velat varat (% korvausvastuun odotusarvosta) Koko aineisto Työtapaturmavakuutus Korkoriskin suojaustaso 0% 20% 40% 60% 80% 100% 120% 4 Korkoriskin suojaustaso 0% 20% 40% 60% 80% 100% 120% , 95, 25, 75, Odotusarvo 5, 95, 25, 75, Odotusarvo Liikennevakuutus: pieni Liikennevakuutus: hyvin pieni Korkoriskin suojaustaso 0% 20% 40% 60% 80% 100% 120% 4 Korkoriskin suojaustaso 0% 20% 40% 60% 80% 100% 120% , 95, 25, 75, Odotusarvo 5, 95, 25, 75, Odotusarvo Kuva 12: Korkoriskin suojauksen vaikutus kokonaisriskiin eli velkojen ja varojen erotukseen eri luottamustasoilla. 7 Pohdinta ja yhteenveto Tyo ssa tutkittiin kuolevuudesta aiheutuvaa epa varmuutta vahinkovakuutusyhtio n ela kemuotoisessa korvausvastuussa soveltamalla referenssikuolevuusmallia ja mallille laskettua luottamusva lia stokastisesti. Kuolevuusmallista aiheutuvan systemaattisen epa varmuuden ohessa tutkittiin yksitta isista ela kkeensaajista aiheutuvaa epa varmuutta ja korkotason vaikutusta. Tuloksena generoitiin luottamustasot koko henkivakuutustekniikoin varatulle ela kekorvausvastuulle nelja ssa erilaisessa esimerkkiela kekannassa. Tuloksia verrattiin Solvenssi II vakavaraisuuslaskennan standardikaavaan pitka ika isyys- ja korkoriskin osalta, seka tutkittiin yksinkertaisen korkosuojausstrategian vaikutusta. Referenssikuolevuusmalliin havaittiin liittyva n noin 1 epa varmuus odotetulla elinajalla mitattuna. Havaittu epa varmuus oli erityisesti nuorilla suurempi kuin vastaava standardikaavan pitka ika isyysriski, joka referenssimalliin sovellettuna johti n. 1-2 vuoden lisa ykseen odotetussa elinajassa (katso Kuva 3). Ero voi johtua monesta syysta. Standardikaavassa pitka ika isyysriski on mahdollisesti kalibroitu [14, p. 32] tuottamaan oikeaa suuruusluokkaa olevia tuloksia tyypillisille henkiyhtio n ela kevakuutuskannoille, joissa ela kkeensaajien keski-ika on la hella ela keika a. Nuorille tulisi soveltaa korkeampaa kuolevuuden alenemisprosenttia kuvaamaan pitka n aikava - 17 (21)
18 lin suurempaa ennuste-epa varmuutta. Esimerkiksi 1980-luvulla syntyneille referenssikuolevuusmallin mukainen kuolevuuden alenemisprosentti on yli 5 (VaR 99,5 %, 82 vuoden ia sta alkaen), kun standardikaavassa kaikille oletetaan vakio 2 alenema, ela kkeensaajan ia sta riippumatta. Moni yhtio kommentoikin Solvenssi II vaikutustutkimusten yhteydessa, ettei vakioprosenttiin perustuva menetelma olisi paras mahdollinen [15, p. 95] ja etta se ei riitta va sti huomioi kuolevuuden alenemisvauhtiin liittyva a trendiepa varmuutta [16, p. 80]. Tilalle ehdotettiin kalenterivuosittain X % kasvavaa alenemaa, mutta sita pidettiin standardimalliin liian monimutkaisena. Toisaalta referenssimallissa luottamusva lin laskennan ika kohtaiset vaikutukset b x on vakioitu turvaavasti (katso Liite 1), mika kasvattaa referenssimallin vaihteluva lia. Turvaava valinta vaikuttaa sika li ja rkeenka yva lta, etta on hyva varautua myo s yli 80-vuotiaiden kuolevuuden nopeampaan alenemiseen (katso Kuva 2). Ela kemuotoisen korvausvastuun epa varmuus ilmenee maksetuissa ela kekorvauksissa vasta vuosikymmenien (>20 vuotta) kuluttua tulevaisuudessa. Korvausvastuussa epa varmuus ilmenee nopeammin, konkreettisimmin aina kuolevuusennustetta pa ivitetta essa. On esitetty arvioita, kuinka paljon vuositason vaihtelua kuolevuusmallien vuosittainen pa ivitys aiheuttaa. Esim. Englannin ja Walesin kuolevuusaineistoon sovitetussa mallissa saatiin VaR 99,5 % vaihtelutasoksi ennustemallista riippuen 1,4 2,7 % vastuuvelasta [7]. Vakuutusyhtio iden on kuitenkin varauduttava koko ela kevastuun elinaikana tapahtuvaan vaihteluun ja ta ma on ollut la hto kohtana ta ssa tyo ssa myo s silma lla pita en yhtio iden omia riski- ja vakavaraisuusarviointeja, joissa riskeja arvioidaan vuotta pidemma lla aikava lilla. Tyo ssa pitka ika isyysriskin suuruudeksi saatiin aineistosta riippuen 8 17 % vastuuvelasta. Pienilla kannoilla riskista yli puolet aiheutui yksitta isten elinaikojen vaihtelusta. Kokonaisriskin na ko kulmasta korkoriskilla havaittiin olevan vallitseva rooli, mutta myo s pitka ika isyysriskin vaikutus huomattiin merkitta va ksi. Ta ma johtui paitsi pitka ika isyysriskin suuruudesta, myo s siita, etta korko- ja pitka ika syysriskien va lilla havaittiin voimakas (>3) korrelaatio. Korrelaatio aiheutui kassavirtojen diskonttauksesta 3 siita huolimatta etta stokastiset korkoka yra t olivatkin itsessa a n riippumattomia stokastisista ela kekassavirroista. Pitka ika isyysriskin vaikutus korostui erityisesti pienilla ela kekannoilla ja korkosuojausta ka ytetta essa. Korkosuojauksella kokonaisriskia voitiin pienenta a noin pitka ika isyysriskiin asti, tosin korkoriskin ta ydelliseen suojaamiseen vaadittiin yli 10 suojausaste. Solvenssi II standardikaava aliarvioi korkoriskin suuruutta nykyisen matalan korkosuhdanteen johdosta erityisesti lyhyilla duraatioilla: korkoshokki on suhteellinen koron suuruuteen verrattuna, eika shokki vaikuta negatiivisiin korkoihin ollenkaan. Nykytilanteessa myo s UFR on liian korkealla tasolla. Mm. edella mainituista seikoista johtuen tyo ssa laskettu korkoriski on standardikaavaan riskia huomattavasti suurempi. Korkoriskin tarkempi analyysi ja vertailu ja teta a n asian kompleksisuudesta johtuen ta ma n tyo n laajuuden ulkopuolelle. 3 Diskonttauksesta johtuen korkoriski ilmenee suurempana simuloiduilla pitkilla kassavirroilla, kuin lyhyilla kassavirroilla, mika na kyy korrelaationa riskien va lilla. Vastaava ilmio syntyy laskettaessa kahden riippumattoman satunnaismuuttujan tulon hajontaa: σ 2 XY = σ 2 X μ 2 Y + σ 2 Y μ 2 X + σ 2 X σ 2 Y. 18 (21)
19 8 Lähdeluettelo [1] Tapaturmavakuutuskeskus ja Liikennevakuutuskeskus, Työtapaturma- ja ammattitautivakuutuksen ja liikennevakuutuksen referenssikuolevuusmalli K2016, [2] La hitapiola-ryhma, Vakavaraisuutta ja taloudellista tilaa koskeva kertomus, [3] European Insurance and Occupational Pensions Authority, EIOPA's Supervisory Assessment of the Own Risk and Solvency Assessment - First experiences -, EIOPA-BoS/17-097, [4] R. Lee ja T. Miller, Evaluating the performance of the Lee-Carter method for forecasting mortality, Demography, vol. 38, no. 4, p , [5] R. Lee ja L. Carter, Modeling and Forecasting U.S. Mortality, Journal of the American Statistical Association, vol. 87, no. 419, p , [6] J. Alho, Error Bounds for Mortality Forecasts, Kuolevuusreferenssimallin K2011 taustamateriaalia, [7] T. Kleinow ja S. J. Richards, Parameter risk in time-series mortality forecasts, Viitattu [8] S. Silverman ja P. Simpson, Modelling Longevity Risk for Solvency II, Milliman, [9] J. M. Codina, J. G. Puche ja J. d. Ipin a, Longevity Risk Investigation, Towers Perrin, [10] J. Kolponlahti, Vahinkovakuutuksen eläkemuotoisten vastuiden epävarmuus, Suomen Aktuaariyhdistys, [11] European Insurance and Occupational Pensions Authority, Risk-free interest rate term structures: Specification of the methodology to derive the UFR, EIOPA-BoS-17/072, [12] European Insurance and Occupational Pensions Authority, Risk-free interest rate term structures: Calculation of the UFR for 2018, EIOPA-BoS-17/072, [13] O. Punkkinen, Koronvaihtosopimukset vastuuvelan suojaamisessa ja korkosijoittamisessa, Suomen Aktuaariyhdistys, [14] European Insurance and Occupational Pensions Authority, The underlying assumptions in the standard formula for the Solvency Capital Requirement calculation, EIOPA , [15] Committee of European Insurance and Occupational Pensions Supervisors, QIS 5 Calibration Paper, CEIOPS-SEC-40-10, [16] European Insurance and Occupational Pensions Authority, EIOPA Report on the fifth Quantitative Impact Study (QIS5) for Solvency II, EIOPA-TFQIS5-11/001, [17] H. Eskola, Sähköpostikeskustelu, (21)
20 Liite 1 Epävarmuuskertoimen laskennan parametrit Kaavan (4) mukainen epa varmuuskerroin: K(z, x, h) = exp (z σ 2 e + b 2 x (hσ 2 ε + h2 σ2 ε N 2 )) lasketaan referenssikuolevuusmallissa K2016 kohorteittain miehille ja naisille taulukossa (Taulukko 2) esitetyin parametrein [17]. Kertoimien laskennassa sovelletaan muuttujanvaihtoa: h = max (c + x T, 0), jossa c {1935, 1945,, 2015} on kohortti, x on ika ja T = 2014 on viimeisin aineiston vuosi. Aineiston pituus N = 60. Referenssimallissa ika kohtainen vaikutus b x on vakioitu erikseen miehille ja naisille valitsemalla: b max = max(b x 35 x 60). Referenssikuolevuusmallin stokastinen simulointi tehda a n ta ssa tyo ssa simuloimalla mallin luottamustasoa z standardinormaalijakaumasta N(0,1). Ta ma vastaa tapaa, jolla referenssimallia ja sen luottamustasoa yleisesti tulkitaan. Vaihtoehtoinen ja tietyssa mielessa tarkempi tapa olisi simuloida epa varmuuskertoimet kaavalla: K(x, h) = exp (σ e ξ e x,h + b x σ ε ( h k ξ ε k=1 + hξ d N 2 )), jossa ξ e x,h, ξ ε h ja ξ d ovat riippumattomia N(0,1)-jakautuneita satunnaismuuttujia. Menetelma vastaa kaavojen (1) ja (2) ja a nno stermien ja kuolevuuden kalenterivuotisen muutosvauhdin d parametrivirheen suoraa simuloimista. Taulukko 2: Epa varmuuskertoimen laskennan parametrit Parametri Arvo miehilla Arvo naisilla 2 σ e σ ε 2, , b max 0, , (21)
21 Liite 2 Kolmen faktorin affiini korkomalli Kolmen faktorin affiinissa korkomalliperheessa maturiteetin τ kuluttua era a ntyva n nollakuponkibondin arvo on yleisesti: P(τ) = e A(τ)+rB(τ)+θC(τ)+VD(τ), jossa A, B, C ja D ovat maturiteetista riippuvia ei-stokastisia funktioita. Lyhyt korko r, keskikorko θ ja lyhyen koron varianssi V noudattavat stokastista differentiaaliyhta lo ryhma a : dr = μ r (r, θ, t)dt + σ r (r, V, t)dw 1 dθ = μ θ (θ, t)dt + σ θ (θ, t)dw 2, dv = μ V (V, t)dt + σ V (V, t)dw 3 annettuna ajautumis- ja diffuusiofunktiot μ ja σ. W on kolmiulotteinen Brownin liike (korrelaatiot mahdollisia). Ta ssa tyo ssa hyo dynnetyt korkosimulaatiot on toteutettu ulkopuolisen ohjelmistotalon simulointialustalla, jossa mallin maturiteetista riippuvien funktioiden, seka ajautumis- ja diffuusiofunktioiden muoto on kiinnitetty. Mallin parametrit on sovitettu historiadataan ja La hitapiolan sisa iseen ekonomistina kemykseen pohjautuen. 21 (21)
Kuolevuusseminaari
Kuolevuusseminaari 19.03.2013 K2012: Henkivakuutuksen kuolevuustutkimus Henkivakuutettujen pitkän ajan kuolevuusennuste 1 Aihealueet Taustaa Kuolevuusennuste: menetelmän valinta Kuolevuusennuste: lähtöaineiston
Vahinkovakuutuksen vakavaraisuusvalvonnan kehittämishaasteet: Vastuuvelan Best Estimaten laskeminen. Aktuaariyhdistyksen kuukausikokous 26.4.
Vahinkovakuutuksen vakavaraisuusvalvonnan kehittämishaasteet: Vastuuvelan Best Estimaten laskeminen Aktuaariyhdistyksen kuukausikokous 26.4.2007 Pasi Laaksonen Vastuuvelka Solvenssi II: kehikossa Vastuuvelka
Korvausvastuun ennustejakauma bootstrap-menetelmän avulla
Korvausvastuun ennustejakauma bootstrap-menetelmän avulla Sari Ropponen 13.5.2009 1 Agenda Korvausvastuu vahinkovakuutuksessa Korvausvastuun arviointi Ennustevirhe Ennustejakauma Bootstrap-/simulointimenetelmä
Solvenssi II:n markkinaehtoinen vastuuvelka
Solvenssi II:n markkinaehtoinen vastuuvelka Mikä on riskitön korko ja pääoman tuottovaatimus Suomen Aktuaariyhdistys 13.10.2008 Pasi Laaksonen Yleistä Mikäli vastuuvelka on ei-suojattavissa (non-hedgeable)
Finanssisitoumusten suojaamisesta
Finanssisitoumusten suojaamisesta Harri Nyrhinen Matematiikan ja tilastotieteen laitos Helsingin yliopisto Vakuutusmatematiikan seminaari 4.5.2017 Esitelmän sisältö Teoreettisluonteisia poimintoja kirjallisuudesta
Vahinkojen selvittelykuluvaraus vahinkovakuutuksessa
Vahinkojen selvittelykuluvaraus vahinkovakuutuksessa SHV-harjoitustyö Suomen Aktuaariyhdistyksen kuukausikokous 27.10.2014 Mika Sirviö Vakuutuskeskus Vakuutuskeskuksen muodostavat: Liikennevakuutuskeskus
Solvenssi II Pilari 1- QIS 2. Aktuaariyhdistys Pasi Laaksonen
Solvenssi II Pilari 1- QIS 2 Aktuaariyhdistys 12.12.2006 Pasi Laaksonen Sisällys Solvenssi II Yleistä - pilarit Vastuuvelka Best Estimate - Risk margin Vakavaraisuus Vakavaraisuuspääoma Vakavaraisuusvaatimus
805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista
Vakavaraisuusvaade vahinkovakuutuksessa
Vakavaraisuusvaade vahinkovakuutuksessa Aktuaariyhdistyksen solvenssiseminaari Antti Pulkkinen ja Sari Ropponen 18.5.2010 5/25/10 1 Sisältö QIS5[-luonnoksen] tärkeimmät muutokset SCR: yleiskuva SCR non-life
Nyt ensimmäisenä periodina (ei makseta kuponkia) odotettu arvo on: 1 (qv (1, 1) + (1 q)v (0, 1)) V (s, T ) = C + F
Mat-2.34 Investointiteoria Laskuharjoitus 2/2008, Ratkaisut 29.04.2008 Binomihilan avulla voidaan laskea T vuoden ja tietyn kupongin sisältävän joukkovelkakirjan arvo eli hinta rekursiivisesti vaihtelevan
Strategiapelit ja Nashin tasapaino. Esitta ja : Sebastian Siikavirta
Strategiapelit ja Nashin tasapaino. Esitta ja : Sebastian Siikavirta Johdantoa peliteoriaan - ka ytetyt termit Peliteoria tutkii pelaajien toimintaa peleissa. Mika on peli? Mika on pelaaja? Peli tarkasti
Julkaistu Helsingissä 31 päivänä joulukuuta /2013 Sosiaali- ja terveysministeriön asetus
SUOMEN SÄÄDÖSKOKOELMA Julkaistu Helsingissä 3 päivänä joulukuuta 03 Sosiaali- ja terveysministeriön asetus tapaturmavakuutuslain 8 e :n 3 momentin mukaisen haittarahan kertakorvauksen perusteista Annettu
Liikennevakuutuksen maksututkimus
Ohje 1 (6) Viimeisin muutos 31.12.2015 VN Liikennevakuutuksen maksututkimus VN-tiedonkeruussa kerätään tietoa vahinkovakuutusyhtiön liikennevakuutuksesta. Tietoja käytetään Finanssivalvonnan suorittamaan
HENKIVAKUUTUSYHTIÖIDEN VAKAVARAISUUSASEMAN ENNAKOIVA VALVONTAJÄRJESTELMÄ UUSI LAKIEHDOTUS. (odotettu voimaantulo 1.1.2008)
HENKIVAKUUTUSYHTIÖIDEN VAKAVARAISUUSASEMAN ENNAKOIVA VALVONTAJÄRJESTELMÄ Suomen Aktuaariyhdistys 15.5.2007 Raoul Berglund raoul.berglund@vakuutusvalvonta.fi - UUSI LAKIEHDOTUS (odotettu voimaantulo 1.1.2008)
4.0.2 Kuinka hyvä ennuste on?
Luonteva ennuste on käyttää yhtälöä (4.0.1), jolloin estimaattori on muotoa X t = c + φ 1 X t 1 + + φ p X t p ja estimointivirheen varianssi on σ 2. X t }{{} todellinen arvo Xt }{{} esimaattori = ε t Esimerkki
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 21. syyskuuta 2007 Antti Rasila () TodB 21. syyskuuta 2007 1 / 19 1 Satunnaismuuttujien riippumattomuus 2 Jakauman tunnusluvut Odotusarvo Odotusarvon ominaisuuksia
Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia
Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia { z(t k+1 ) = z(t k ) + ɛ(t k ) t t k+1 = t k + t, k = 0,..., N, missä ɛ(t i ), ɛ(t j ), i j ovat toisistaan riippumattomia siten, että
Liikennevakuutuksen maksututkimus
Ohje 1 (5) Viimeisin muutos 1.1.2016 VN Liikennevakuutuksen maksututkimus VN-tiedonkeruussa kerätään tietoa vahinkovakuutusyhtiön liikennevakuutuksesta. Tietoja käytetään Finanssivalvonnan suorittamaan
Kuolevuus Eläketurvakeskuksen pitkän aikavälin laskelmissa. Heikki Tikanmäki
Kuolevuus Eläketurvakeskuksen pitkän aikavälin laskelmissa Heikki Tikanmäki 23.5.2017 Johdanto Kuolevuus vaikuttaa työeläkemenoon monta kautta Eläkkeiden päättyvyys Elinaikakerroin Eläkeiät Eläketurvakeskuksen
8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH
8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH Osa aikasarjoista kehittyy hyvin erityyppisesti erilaisissa tilanteissa. Esimerkiksi pörssikurssien epävakaus keskittyy usein lyhyisiin
Regressioanalyysi. Kuusinen/Heliövaara 1
Regressioanalyysi Kuusinen/Heliövaara 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun joidenkin
Korko ja inflaatio. Makrotaloustiede 31C00200 Kevät 2016
Korko ja inflaatio Makrotaloustiede 31C00200 Kevät 2016 Sisältö Nimellis ja reaalikorot, Fisher yhtälö Lyhyt ja pitkä korko Rahapolitiikka ja korot Korko ja inflaatio Nimellinen korko i: 1 tänä vuonna
Vakavaraisuusvaade henkivakuutuksessa (SCR, MCR) Aktuaariyhdistyksen solvenssiseminaari 14.4.2010 Lauri Saraste Henki-Fennia
Vakavaraisuusvaade henkivakuutuksessa (SCR, MCR) Aktuaariyhdistyksen solvenssiseminaari 14.4.2010 Lauri Saraste Henki-Fennia Agenda SCR - yleistä Esimerkkilaskelma SCR (life underwriting risk) Mortality
Harjoitus 7: NCSS - Tilastollinen analyysi
Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen
Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen
Yhden faktorin malli: n kpl sijoituskohteita, joiden tuotot ovat r i, i =, 2,..., n. Olkoon f satunnaismuuttuja ja oletetaan, että tuotot voidaan selittää yhtälön r i = a i + b i f + e i avulla, missä
TyEL-kuolevuusperusteesta
TyEL-kuolevuusperusteesta 26.5.2015 29.5.2015 Kuolevuusperusteesta Tuomas Hakkarainen 1 Tarve kuolevuusperusteelle TyEL-vakuutuksessa Työnantajan eläkevakuutuksen vanhuuseläkevastuut ovat pitkäikäisiä,
Estimointi. Vilkkumaa / Kuusinen 1
Estimointi Vilkkumaa / Kuusinen 1 Motivointi Tilastollisessa tutkimuksessa oletetaan jonkin jakauman generoineen tutkimuksen kohteena olevaa ilmiötä koskevat havainnot Tämän mallina käytettävän todennäköisyysjakauman
Dynaamiset regressiomallit
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen
Liikennevakuutuksen tilastotutkimus
Ohje 1 (7) Viimeisin muutos 31.12.2017 VN Liikennevakuutuksen tilastotutkimus VN-tiedonkeruussa kerätään tietoa vahinkovakuutusyhtiön liikennevakuutuksesta. Tietoja käytetään Finanssivalvonnan suorittamaan
Regressioanalyysi. Vilkkumaa / Kuusinen 1
Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen
Tilastollinen aineisto Luottamusväli
Tilastollinen aineisto Luottamusväli Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Tilastollinen aineisto p.1/20 Johdanto Kokeellisessa tutkimuksessa tutkittavien suureiden
HENKIVAKUUTUKSEN VASTUUVELKA
HENKIVAKUUTUKSEN VASTUUVELKA Solvenssiseminaari 14.4.2010 Suomen Aktuaariyhdistys 14.4.2010 Henkivakuutuksen vastuuvelka / PS 1 VAIHE Esitykseni perustuu ensisijassa Komission luonnoksiin, mihin vastuuvelan
Parametrin estimointi ja bootstrap-otanta
Parametrin estimointi ja bootstrap-otanta Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo Tutkimustiedonhallinnan peruskurssi Parametrin estimointi ja bootstrap-otanta 1/27 Kevät 2003 Käytännön asioista
pitkittäisaineistoissa
Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf
Vakuutusmatematiikan sovellukset a) miksi lineaariset mallit eivät välttämättä sovi käytettäväksi vakuutusalalla
Y1. a) miksi lineaariset mallit eivät välttämättä sovi käytettäväksi vakuutusalalla b) yleistetty lineaarinen malli voidaan esittää seuraavasti ja edelleen matriisimuodossa: Y = g -1 (Xβ + ξ) + ε. Selitä
Tutkimustiedonhallinnan peruskurssi
Tutkimustiedonhallinnan peruskurssi Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo hannu.toivonen, marko.salmenkivi, inkeri.verkamo@cs.helsinki.fi Helsingin yliopisto Hannu Toivonen, Marko Salmenkivi,
KAUPANKÄYNTIVARASTON POSITIORISKIN LASKEMINEN
00 N:o 22 LIITE KAUPANKÄYNTIVARASTON POSITIORISKIN LASKEMINEN. Positioriskin laskemisessa käytettävät määritelmät Tässä liitteessä tarkoitetaan: arvopaperin nettopositiolla samanlajisen arvopaperin pitkien
Ennustaminen ARMA malleilla ja Kalmanin suodin
Ennustaminen ARMA malleilla ja Kalmanin suodin MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2017
KuntoRitarit Oy Tietosuojaseloste
KuntoRitarit Oy Tietosuojaseloste Ta ma tietosuojaseloste sisa lta a myo s henkilo tietolain (523/1999) 10 :n mukaisen rekisteriselosteen tiedot. Ta ssa tietosuojaselosteessa kerromme, minka laisia henkilo
SISÄLTÖ. 1. Yleista s Lataus s Ka ytto s Lisa tietoja s Lakka Pihakivet GDL ohjeet
SISÄLTÖ 1. Yleista s. 3 2. Lataus s. 3 3. Ka ytto s. 4 4. Lisa tietoja s. 7 2 Lakka Pihakivet GDL ohjeet 1. Yleistä Lakka Pihakivet GDL objekti toimii Archicad ohjelmistossa ja se on tehty helpottamaan
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 18. lokakuuta 2007 Antti Rasila () TodB 18. lokakuuta 2007 1 / 19 1 Tilastollinen aineisto 2 Tilastollinen malli Yksinkertainen satunnaisotos 3 Otostunnusluvut
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 8. marraskuuta 2007 Antti Rasila () TodB 8. marraskuuta 2007 1 / 15 1 Tilastollisia testejä Z-testi Normaalijakauman odotusarvon testaus, keskihajonta tunnetaan
Tilastollisen analyysin perusteet Luento 9: Moniulotteinen lineaarinen. regressio
Tilastollisen analyysin perusteet Luento 9: lineaarinen lineaarinen Sisältö lineaarinen lineaarinen lineaarinen Lineaarinen Oletetaan, että meillä on n kappaletta (x 1, y 1 ), (x 2, y 2 )..., (x n, y n
Uskottavuusperusteisten luottamusvälien korjaaminen bootstrap-menetelmällä Pro gradu -esitelmä
Uskottavuusperusteisten luottamusvlien korjaaminen bootstrap-menetelmllpro gradu -esitelm p. 1/35 Uskottavuusperusteisten luottamusvälien korjaaminen bootstrap-menetelmällä Pro gradu -esitelmä 29.4.2009
1. Tilastollinen malli??
1. Tilastollinen malli?? https://fi.wikipedia.org/wiki/tilastollinen_malli https://en.wikipedia.org/wiki/statistical_model http://projecteuclid.org/euclid.aos/1035844977 Tilastollinen malli?? Numeerinen
Vuoden 2005 eläkeuudistuksen
Vuoden 2005 eläkeuudistuksen vaikutus eläkkeelle siirtymiseen Roope Uusitalo HECER, Helsingin yliopisto Aktuaariyhdistys 23.10. 2013 Tutkimuksen tavoite Arvioidaan vuoden 2005 uudistusten kokonaisvaikutus
Estimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla määritelty funktio
17.11.2015/1 MTTTP5, luento 17.11.2015 Luku 5 Parametrien estimointi 5.1 Piste-estimointi Estimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla
Mat Tilastollisen analyysin perusteet, kevät 2007
Mat-.14 Tilastollisen analyysin perusteet, kevät 7 7. luento: Tarina yhden selittään lineaarisesta regressiomallista atkuu Kai Virtanen 1 Luennolla 6 opittua Kuvataan havainnot (y, x ) yhden selittään
Järvenpään kaupungille toteutettu lainakilpailutus tarjousvertailu ja vertailulaskelmat
Järvenpään kaupungille toteutettu lainakilpailutus tarjousvertailu ja vertailulaskelmat Marraskuu 2018 Julkinen versio 1Copyright inspira Yhteenveto 1. Inspira avustaa Järvenpään kaupunkia lainarahoituksen
r = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.
A. r = 0. n = Tilastollista testausta varten määritetään aluksi hypoteesit. H 0 : Korrelaatiokerroin on nolla. H : Korrelaatiokerroin on nollasta poikkeava. Tarkastetaan oletukset: - Kirjoittavat väittävät
Vastuuvelan ja vakavaraisuusaseman markkinaherkkyyksien mallintaminen
Vastuuvelan ja vakavaraisuusaseman markkinaherkkyyksien mallintaminen proxy-malleilla SII-maailmassa Timo Salminen, Model IT Matias Leppisaari, Mandatum Life Esityksen sisältö Markkinaehtoinen tase & vastuuvelka
Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä
Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä arvon Sisältö arvon Bootstrap-luottamusvälit arvon arvon Oletetaan, että meillä on n kappaletta (x 1, y 1 ),
2. TILASTOLLINEN TESTAAMINEN...
!" # 1. 1. JOHDANTO... 3 2. 2. TILASTOLLINEN TESTAAMINEN... 4 2.1. T-TESTI... 4 2.2. RANDOMISAATIOTESTI... 5 3. SIMULOINTI... 6 3.1. OTOSTEN POIMINTA... 6 3.2. TESTAUS... 7 3.3. TESTIEN TULOSTEN VERTAILU...
Markkina- ja vastapuoliriski
Markkina- ja vastapuoliriski Aktuaariyhdistys 14.4.2010 Kai Niemi 4/23/10 / 1 Yleistä Perustuu pitkälti CEIOPS:n antamiin ehdotuksiin komissiolle 2. tason ohjeistuksesta Riskien vaikutus lasketaan delta-nav-periaatteella
Aki Taanila YHDEN SELITTÄJÄN REGRESSIO
Aki Taanila YHDEN SELITTÄJÄN REGRESSIO 26.4.2011 SISÄLLYS JOHDANTO... 1 LINEAARINEN MALLI... 1 Selityskerroin... 3 Excelin funktioita... 4 EKSPONENTIAALINEN MALLI... 4 MALLIN KÄYTTÄMINEN ENNUSTAMISEEN...
pitkittäisaineistoissa
Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon
l (φ; y) = l(θ(φ); y) Toinen derivaatta saadaan tulon derivaatan laskusäännöllä Uudelleenparametroidun mallin Fisherin informaatio on
HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 018 Harjoitus B Ratkaisuehdotuksia Tehtäväsarja I 1 (Monisteen tehtävä 14) Olkoon f Y (y; θ) tilastollinen malli, jonka
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 6A Tilastolliset luottamusvälit Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,
FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 6. luento. Pertti Palo
FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa 6. luento Pertti Palo 1.11.2012 Käytännön asioita Harjoitustöiden palautus sittenkin sähköpostilla. PalautusDL:n jälkeen tiistaina netistä löytyy
Yleistetyistä lineaarisista malleista
Yleistetyistä lineaarisista malleista Tilastotiede käytännön tutkimuksessa -kurssi, kesä 2001 Reijo Sund Klassinen lineaarinen malli y = Xb + e eli E(Y) = m, jossa m = Xb Satunnaiskomponentti: Y:n komponentit
S-114.3812 Laskennallinen Neurotiede
S-114.381 Laskennallinen Neurotiede Projektityö 30.1.007 Heikki Hyyti 60451P Tehtävä 1: Virityskäyrästön laskeminen Luokitellaan neuroni ensin sen mukaan, miten se vastaa sinimuotoisiin syötteisiin. Syöte
HAVAITUT JA ODOTETUT FREKVENSSIT
HAVAITUT JA ODOTETUT FREKVENSSIT F: E: Usein Harvoin Ei tupakoi Yhteensä (1) (2) (3) Mies (1) 59 28 4 91 Nainen (2) 5 14 174 193 Yhteensä 64 42 178 284 Usein Harvoin Ei tupakoi Yhteensä (1) (2) (3) Mies
Maximum likelihood-estimointi Alkeet
Maximum likelihood-estimointi Alkeet Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Maximum likelihood-estimointi p.1/20 Maximum Likelihood-estimointi satunnaismuuttujan X
ABHELSINKI UNIVERSITY OF TECHNOLOGY
Johdatus regressioanalyysiin Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen vaihtelun avulla.
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 30. lokakuuta 2007 Antti Rasila () TodB 30. lokakuuta 2007 1 / 23 1 Otos ja otosjakaumat (jatkoa) Frekvenssi ja suhteellinen frekvenssi Frekvenssien odotusarvo
Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1
Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin
12. Korkojohdannaiset
2. Korkojohdannaiset. Lähtökohtia Korkojohdannaiset ovat arvopapereita, joiden tuotto riippuu korkojen kehityksestä. korot liittyvät lähes kaikkiin liiketoimiin korkojohdannaiset ovat tärkeitä. korkojohdannaisilla
laskuperustekorkoisia ja ns. riskihenkivakuutuksia), yksilöllisiä eläkevakuutuksia, kapitalisaatiosopimuksia sekä sairauskuluvakuutuksia.
SHV - TUTKINTO Vakavaraisuus 30.9.2010 klo 9-15 1(5) 1. Henkivakuutusosakeyhtiö Tuoni myöntää yksilöllisiä henkivakuutuksia (sijoitussidonnaisia, laskuperustekorkoisia ja ns. riskihenkivakuutuksia), yksilöllisiä
Tilastollisen analyysin perusteet Luento 7: Lineaarinen regressio
Tilastollisen analyysin perusteet Luento 7: Lineaarinen regressio Sisältö Regressioanalyysissä tavoitteena on tutkia yhden tai useamman selittävän muuttujan vaikutusta selitettävään muuttujaan. Sen avulla
SUOMEN AKTUAARIYHDISTYS
109 SUOMEN AKTUAARIYHDISTYS THE ACTUARIAL SOCIETY OF FINLAND WORKING PAPERS ISSN 0781-4410 SUOMEN AKTUAARIYHDISTYS The Actuarial Society of Finland 109 Vilska, Petri Coc-menetelmä vahinkovakuutusyhtiön
MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)
21.11.2017/1 MTTTP5, luento 21.11.2017 Otossuureita ja niiden jakaumia (jatkuu) 4) Olkoot X 1, X 2,..., X n satunnaisotos (, ):sta ja Y 1, Y 2,..., Y m satunnaisotos (, ):sta sekä otokset riippumattomia.
Määräykset 4/2012. Eläkekassan vastuuvelan laskuperusteet. Dnro FIVA 2/01.00/2012. Antopäivä 14.6.2012. Voimaantulopäivä 1.7.2012
Määräykset 4/2012 Eläkekassan vastuuvelan laskuperusteet Dnro FIVA 2/01.00/2012 Antopäivä 14.6.2012 Voimaantulopäivä 1.7.2012 FINANSSIVALVONTA puh. 010 831 51 faksi 010 831 5328 etunimi.sukunimi@finanssivalvonta.fi
9. Tila-avaruusmallit
9. Tila-avaruusmallit Aikasarjan stokastinen malli ja aikasarjasta tehdyt havainnot voidaan esittää joustavassa ja monipuolisessa muodossa ns. tila-avaruusmallina. Useat aikasarjat edustavat dynaamisia
Projektin arvon aleneminen
Projektin arvon aleneminen sivut 99-07 Optimointiopin seminaari - Syksy 000 / Arvon aleneminen Jatketaan projektin arvon tutkimista. Nyt huomioidaan arvon aleneminen. Syitä esimerkiksi: kaluston vanheneminen
Tilastotieteen kertaus. Kuusinen/Heliövaara 1
Tilastotieteen kertaus Kuusinen/Heliövaara 1 Mitä tilastotiede on? Tilastotiede kehittää ja soveltaa menetelmiä, joiden avulla reaalimaailman ilmiöistä voidaan tehdä johtopäätöksiä tilanteissa, joissa
Selvitys vakuutussäästöille annetuista kokonaishyvityksistä vuodelta 2014
Mandatum Life Selvitys vakuutussäästöille annetuista kokonaishyvityksistä vuodelta 2014 Suomi-yhtiöstä 30.12.2014 siirtyneen ryhmäeläkevakuutuskannan asiakashyvityksen vuodelta 2014 on päättänyt Suomi-yhtiö.
Harjoitus 2: Matlab - Statistical Toolbox
Harjoitus 2: Matlab - Statistical Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen tavoitteet Satunnaismuuttujat ja todennäköisyysjakaumat
Vastuuvelan markkina-arvon määrittämisestä *
Vastuuvelan markkina-arvon määrittämisestä * 13.10.2008 Markku Miettinen * Market Value of Liabilities for Insurance Firms, CRO Forum, July 2008 1 Eri lähestymistapoja / periaatteita vastuuvelan parhaan
VAHINKOVAKUUTUKSEN ELÄKEMUOTOISTEN VASTUIDEN EPÄVARMUUS
VAHINKOVAKUUTUKSEN ELÄKEMUOTOISTEN VASTUIDEN EPÄVARMUUS Jesse Kolponlahti SHV tutkielma (suppea) 10.8.2016 Sisältö 1 Johdanto... 1 2 Eläkevahingot... 2 3 Eläkevarauksen epävarmuus... 7 3.1 Tunnetut eläkkeet...
Johdatus regressioanalyysiin. Heliövaara 1
Johdatus regressioanalyysiin Heliövaara 1 Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 4A Parametrien estimointi Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016, periodi
Projektin arvon määritys
Projektin arvon määritys Luku 6, s. 175-186 Optimointiopin seminaari - Syksy 2000 / 1 Tehtävä Johdetaan menetelmä projektiin oikeuttavan option määrittämiseksi kohde-etuuden hinnan P perusteella projektin
Todennäköisyyden ominaisuuksia
Todennäköisyyden ominaisuuksia 0 P(A) 1 (1) P(S) = 1 (2) A B = P(A B) = P(A) + P(B) (3) P(A) = 1 P(A) (4) P(A B) = P(A) + P(B) P(A B) (5) Tapahtuman todennäköisyys S = {e 1,..., e N }. N A = A. Kun alkeistapaukset
Otoskoko 107 kpl. a) 27 b) 2654
1. Tietyllä koneella valmistettavien tiivisterenkaiden halkaisijan keskihajonnan tiedetään olevan 0.04 tuumaa. Kyseisellä koneella valmistettujen 100 renkaan halkaisijoiden keskiarvo oli 0.60 tuumaa. Määrää
805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016)
805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016) Tavoitteet (teoria): Hallita autokovarianssifunktion ominaisuuksien tarkastelu. Osata laskea autokovarianssifunktion spektriiheysfunktio. Tavoitteet
, tuottoprosentti r = X 1 X 0
Ostat osakkeen hintaan ja myyt sen vuoden myöhemmin hintaan X 1. Kokonaistuotto on tällöin R = X 1, tuottoprosentti r = X 1 ja pätee R = 1 + r. Lyhyeksimyymisellä tarkoitetaan, että voit myydä osakkeen
Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta
Tilastollisen analyysin perusteet Luento 1: ja hajonta Sisältö Havaittujen arvojen jakauma Havaittujen arvojen jakaumaa voidaan kuvailla ja esitellä tiivistämällä havaintoarvot sopivaan muotoon. Jakauman
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5B Bayesläiset piste- ja väliestimaatit Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
Investointimahdollisuudet ja niiden ajoitus
Investointimahdollisuudet ja niiden ajoitus Ratkaisu optiohinnoitteluteorian avulla Esitelmä - Eeva Nyberg Optimointiopin seminaari - Syksy 000 / Tähän asti opittua NP:n rajoitteet vaikka NP negatiivinen
Tilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä
Tilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä Sisältö Riippumattomuus Jos P(A B) = P(A)P(B), niin tapahtumat A ja B ovat toisistaan riippumattomia. (Keskustelimme
Nykyarvo ja investoinnit, L7
Nykyarvo ja investoinnit, L7 netto netto 1 Tarkastellaan tulovirtaa, joka kestää n jakson ajana, ja jossa jakson j lopussa kassaan tulee tulo k j. k n k 1 k 2 k 3 k 4 k 5 k 6... 0 1 2 3 4 5 6... n j netto
Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely)
Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely) 17.09.2015 Ohjaaja: TkT Eeva Vilkkumaa Valvoja: Prof. Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
Tasoitusmääräjärjestelmän sopeuttaminen solvenssi II ympäristöön
Tasoitusmääräjärjestelmän sopeuttaminen solvenssi II ympäristöön Suomen Aktuaariyhdistyksen vuosikokous 28.2.2012 Markku Miettinen 27.2.2012 1 Sisältö Perusperiaatteita uudelle TM järjestelmälle vahinkovakuutuksessa
tilastotieteen kertaus
tilastotieteen kertaus Keskiviikon 24.1. harjoitukset pidetään poikkeuksellisesti klo 14-16 luokassa Y228. Heliövaara 1 Mitä tilastotiede on? Tilastotiede kehittää ja soveltaa menetelmiä, joiden avulla
Aki Taanila AIKASARJAENNUSTAMINEN
Aki Taanila AIKASARJAENNUSTAMINEN 26.4.2011 SISÄLLYS JOHDANTO... 1 1 AIKASARJA ILMAN SYSTEMAATTISTA VAIHTELUA... 2 1.1 Liukuvan keskiarvon menetelmä... 2 1.2 Eksponentiaalinen tasoitus... 3 2 AIKASARJASSA
Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen)
1 MTTTP3 Luento 29.1.2015 Luku 6 Hypoteesien testaus Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? H 0 : µ = µ 0 H 1 : µ < µ 0 Nollahypoteesi Vaihtoehtoinen hypoteesi
Harjoitus 9: Excel - Tilastollinen analyysi
Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin
KUOLEVUUSPERUSTEJAOKSEN LOPPURAPORTTI 29.5.2015
KUOLEVUUSPERUSTEJAOKSEN LOPPURAPORTTI 29.5.2015 1. Yhteenveto Telan Laskuperusteasiain neuvottelukunnan Kuolevuusperustejaos on tehnyt selvityksen TyEL:n mukaisessa vakuutuksessa noudatettavan kuolevuusperusteen
Genetiikan perusteet 2009
Genetiikan perusteet 2009 Malli selittää, mutta myös ennustaa ja ennusteen voi testata kokeella. Mendel testasi F 2 -mallinsa tuottamalla itsepölytyksellä F 3 -polven Seuraava sukupolvi tai toinen, riippumaton
Luento 2. Yksiparametrisia malleja. Binomi-malli. Posteriorijakauman esittämisestä. Informatiivisista priorijakaumista. Konjugaattipriori.
Luento 2 Binomi-malli Posteriorijakauman esittämisestä Informatiivisista priorijakaumista Konjugaattipriori Slide 1 Yksiparametrisia malleja Binomi Jacob Bernoulli (1654-1705), Bayes (1702-1761) Normaali