Försäkringsrisker: Realistiska modeller för beroende

Forskningsprojekt, 2010 – 2014

REALISTISK SAMMANVÄGNING AV RISKER : EN PUSSELBIT I SPELET OM HUR MAN GÖR FÖRSÄKRINGSBOLAG MOTSTÅNDSKRAFTIGA MOT FINANSKRISER - OCH ANDRA KRISER: I ett industridoktorandprojekt ska en doktorand anställas av ett företag och handledas gemensamt av forskare från företaget och från universitet. I det här projektet kommer handledarna från Folksam, Chalmers, KTH och Finansinspektionen, och doktoranden ska anställas av Folksam. Projektet handlar om metoder att bedöma och väga samman risker. Ett försäkringsbolag är utsatt för risker av många slag: finansiella risker, kostnadsrisker, operativa risker, politiska risker och rena försäkringsrisker. För att kunna möta dessa risker måste bolaget disponera ett buffertkapital. Storleken av buffertkapitalet är en balansgång mellan risken att buffertkapitalet inte räcker till, och risken att för mycket av försäkringstagarnas pengar samlas i reserver, och därmed inte komma till omedelbar nytta för försäkringstagarna. Försäkringsbolaget kan inte ensamt bestämma storleken av buffertkapitalet: lagstiftning anger en minimistorlek, som beror av bolagets enskilda förhållanden. Svensk Lagstiftning följer i sin tur noga internationella överenskommelser. Den som just nu är aktuell heter Solvency II (och motsvarande överenskommelse för banker heter Basel II). Reglerna ger två möjligheter att bestämma buffertkapitalet. Antingen kan man använda en schablonmetod, eller en mycket mera sofistikerad egentillverkad s.k. intern model. Ett centralt problem för båda sätten att beräkna buffertkapital är hur man ska väga samman olika typer av risker. Å ena sidan är det inte rimligt att anta att alla olyckor inträffar samtidigt, men å andra sidan kan man inte heller tro att de olika riskslagen är helt oberoende, då att olyckorna (nästan) aldrig kommer samtidigt. En realistisk riskhantering kräver ett mellanting, att man kan mäta grader av beroende av extrema utfall av olika riskslag. Målet för detta projekt är att utveckla nya metoder att mäta sådant extremt beroende, och att använda dessa för riskhantering i försäkringsbolag. Tillvägagångssättet är att utnyttja matematisk-statistiska modeller för riskerna. Klassiska metoder bygger på normalfördelningen - den klassiska klockkurvan som man möter redan i gymnasiet. Men, normalfördelningen, och dess generalisering till flera olika riskslag, underskattar storleken av de verkliga riskerna. Och inte bara det: den underskattar också beroendet, att problem kan sprida sig som en skogsbrand från ett företag till nästa, och från en del av ekonomin till en annan. En mycket tydlig illustration till detta är den pågående finansiella krisen. Nya statistiska metoder, s.k. extremvärdesstatistik som utvecklas under de senaste decennierna kan ge mycket mera realistisk bild av riskernas storlek och av beroendet mellan dem. I projektet ska vi vidareutveckla extremvärdesstatistiken, och använda den till att finna metoder för riskhantering i försäkringsbolag. Många spännande frågor finns att lösa: Hur ska man hantera relation mellan riskkomponenter och total risk? Hur ska man förstå och mäta hur beroende utvecklar sig i tiden? Hur ska man göra med riskslag där det finns för lite data för en statistisk analys? Projektet kommer att ge oss möjlighet att få data som annars inte är tillgänglig för forskning, och möjlighet att prova lösningar i verkligheten. Det kommer att leda till både nya vetenskapliga resultat och vara till nytta för riskhanteringen på Folksam, och i hela den svenska försäkringsindustrin.