ریسک بد وجود ندارد، قیمت‌گذاری بد داریم!

به گزارش ریسک نیوز، طی دو سال گذشته، بیمه‌گران با بیشترین اختلال در بازار بیمه اتکایی اموال از سال 1992 مواجه بوده‌اند. همان‌طور که در دوران پس از طوفان اندرو اتفاق افتاد، بیمه‌گران اتکایی به‌طور ناگهانی هزینه‌های پوشش، ظرفیت محدود و پوشش محدود را با نیاز به حفظ بیشتر افزایش دادند. شرکت‌های بیمه اتکایی بزرگ در حال خروج از بازارها هستند در حالیکه بیمه‌ها از ایالت‌هایی مانند فلوریدا و کالیفرنیا عقب‌نشینی می‌کنند. هم‌اکنون و هم در آن زمان، دست کم گرفتن ریسک سیستماتیک تا حد زیادی عامل اصلی بوده است.

شرکت‌‌های بیمه اتکایی اکنون برای ارزیابی ریسک به مدل‌های فاجعه تکیه می‌‌کنند و در 30 سال گذشته، تمرکز بر ریسک‌های احتمالی و حداکثر زیان‌های احتمالی (PML) بوده است. اما اختلال فعلی در بازار ناشی از یک رویداد بزرگ غیرمنتظره نیست که منجر به زیان بسیار بالاتر از انتظارات بازار شود. بلکه تا حد زیادی ناشی از فراوانی غیرمنتظره تلفات کوچکتر از به اصطلاح ریسک‌های ثانویه است.

مدل‌های فاجعه‌ای که به ‌شدت توسط کارگزاران و بیمه‌گران اتکایی مورد استفاده قرار گرفته‌اند، برای به‌تصویر کشیدن پتانسیل زیان‌‌های زیاد ناشی از حوادث نادر و با شدت بالا مانند طوفان‌ها و زلزله‌‌ها طراحی شده‌اند، و به خوبی درک شده است که این مدل‌ها نتوانسته‌اند پتانسیل ریسک‌های فرکانس (معروف به ثانویه) مانند آتش‌سوزی، طوفان زمستانی و طوفان‌های همرفتی شدید (SCS) زیان را به‌طور دقیق ارزیابی کنند.

ریسک‌های فرکانس در دوره‌‌های بازگشت کمتر منحنی‌های احتمال بیش از حد (EP) تأثیر بیشتری دارند، و این جایی است که مدل‌‌های قدیمی از قلم می‌‌افتند. ممکن است غیرمنطقی به نظر برسد، اما مدل‌سازی ریسک‌های فرکانس به‌دلیل ماهیت بی‌‌شکل و پویا چالش ‌برانگیزتر است.

فشارهای دیگر بر روی زیان‌‌های با احتمال بالاتر و دوره بازدهی پایین‌تر شامل افزایش هزینه‌های ساخت‌وساز، تغییر جمعیت‌‌شناسی تورم اجتماعی و تغییرات آب‌وهوایی است. به‌ویژه تغییرات اقلیمی به طور نامتناسبی احتمال تلفات 20 میلیارد دلاری، 30 میلیارد دلاری و 40 میلیارد دلاری ناشی از طوفان‌ها و همچنین ریسک‌های فرکانس را افزایش می‌دهد.

از آنجایی که این عوامل باعث افزایش ریسک و در نتیجه افزایش تقاضا برای حمایت از بیمه اتکایی می‌شوند، بیمه‌گران اتکایی دو انتخاب دارند. آن‌ها می‌توانند به محدود کردن پوشش و خروج از بازارها ادامه دهند یا از مدل‌ها و فناوری‌های جدید استقبال کنند و فرصت‌های تجاری را با محصولات انتقال ریسک نوآورانه گسترش دهند.

رهبران صنعت که تشخیص می‌‌دهند ریسک روبه رشد می‌‌تواند یک فرصت باشد تا تهدید، دومی را انتخاب می‌‌کنند و یکی از این نوآوری‌‌ها معامله «زیان مدل شده» است.

معامله زیان مدل شده

یک ضرب‌المثل معروف وجود دارد: چیزی به نام ریسک بد وجود ندارد، فقط قیمت‌گذاری بد داریم. بیمه‌گران اتکایی از مناطقی که ابزار مناسبی برای قیمت‌گذاری مطمئن ریسک ندارند، عقب‌نشینی می‌کنند. بیمه‌گران اتکایی در حال عقب‌نشینی نگران هستند که زیان‌هایی که در قراردادهای بیمه اتکایی می‌پردازند توسط مدل‌هایی که برای قیمت‌گذاری آن قراردادها استفاده می‌کنند، در نظر گرفته نشود.

معامله زیان مدل جدید (MLT) این مشکل را حل می‌کند. در MLT، پرداخت بر اساس زیان مدل‌‌سازی شده است تا زیان واقعی بیمه‌گر واگذارنده. MLT به یک عامل محاسباتی، معمولاً مدل ساز فاجعه، برای تولید تجزیه و تحلیل ضررهای قبل از رویداد و مدل‌سازی تلفات واقعی رویداد در هنگام وقوع متکی است.

برای تعیین ضرر مدل‌‌سازی ‌شده، عامل محاسبه یک پایگاه داده از پیش تعیین ‌شده و آرشیو شده از بیمه نامه‌ها و مواجهه‌‌ها را از طریق مدل اجرا می‌‌کند. MLT‌ها همچنین به‌عنوان محصول «ردپا» نامیده می‌شوند زیرا برای تخمین ضرر، اولین گام تولید ردپای با شدت وضوح بالا برای رویداد است. به عنوان مثال، رد پای باد و طوفان با وضوح بالا برای یک طوفان، و رد پای تگرگ و گردباد/باد برای یک رویداد SCS مورد نیاز است.

MLT‌ها همچنین می‌توانند هر فرضیه مورد توافق را در خود بگنجانند. به عنوان مثال، بیمه‌گر واگذارنده ممکن است بخواهد عاملی را برای رسیدگی به دعاوی مازاد در فلوریدا یا یک تابع افزایش تقاضای خاص اعمال کند. این مفروضات می‌‌توانند هم در منحنی‌های EP مدل‌سازی‌شده برای قیمت‌گذاری معامله و هم در زیان مدل‌سازی شده برای یک رویداد تحت پوشش منعکس شوند.

این بدان معناست که تقارن کاملی بین پرداخت تراکنش و قیمت وجود دارد، و غافلگیری ناخوشایند برای بیمه‌گران اتکایی و سرمایه‌‌گذاران ILS ناشی از تورم زیان و از دست دادن مدل را حذف می‌‌کند.

برای ارائه‌دهندگان حفاظت،MLT بسیاری از مشکلاتی را که باعث اختلال در بازار فعلی می‌شود، از جمله ریسک‌های مدل نشده یا ضعیف را حل می‌کند. شاید مهم‌ترین مزیت MLT برای بیمه‌گران اتکایی و سرمایه‌گذاران ILS سرعت تسویه حساب باشد. ممکن است ماه‌ها یا حتی سال‌ها طول بکشد تا ادعاهای واقعی ناشی از رویدادهای زیان بزرگ به‌طور کامل توسعه و تسویه شود.

این زمان‌‌های تسویه طولانی در قراردادهای غرامت، فرصت‌‌هایی را برای خزش زیان فراهم می‌‌کند و منجر به سرمایه محبوس می‌‌شود که انعطاف‌‌پذیری، فرصت‌‌های سرمایه‌گذاری و بازده را محدود می‌‌کند. عدم اطمینان در مورد ضرر نهایی و متعاقب آن سرمایه مقید شده یکی از بزرگترین چالش‌هایی است که سرمایه‌گذاران در قراردادهای غرامت تجربه کرده‌اند.

برعکس، مدل‌‌های جدید با دقت بالا می‌‌توانند با دقت تلفات ناشی از رویدادهای واقعی را ظرف چند روز پس از وقوع تخمین بزنند، به طوریکه یک MLT می‌‌تواند به راحتی ظرف 30 روز تسویه شود. این تسویه سریع نقدینگی سریع را برای بیمه‌گران واگذارنده فراهم می‌کند و ریسک توسعه نامطلوب و همچنین سرمایه محبوس شده را برای بیمه‌گران اتکایی و سرمایه‌گذاران حذف می‌کند.

در حالیکه ضرر کمی برای بیمه‌گران اتکایی و سرمایه‌گذاران ILS وجود دارد، بیمه‌گر واگذارنده باید مطمئن باشد که مدل مورد استفاده برای MLT می‌‌تواند به ‌طور دقیق خسارات غرامت خود را برای رویدادهای واقعی در هنگام وقوع تخمین بزند. در غیر این صورت، ریسک پایه بیش از حد وجود خواهد داشت و معامله قابل دوام نخواهد بود. مدل زیربنایی MLT باید مهارت در باز تولید مطالبات و زیان‌های واقعی بیمه‌گر را در مجموعه‌ای از رویدادهای تاریخی به اندازه کافی نشان دهد.

برای آزمایش مهارت یک مدل، یک بیمه‌گر باید بتواند ردپای شدت وضوح بالا را به همراه داده‌‌های مواجهه همزمان خود در مدل بارگیری کند تا آزمایش کند که مدل چقدر ادعاها و زیان‌های واقعی را برای هر رویداد تاریخی برآورد می‌کند. حداقل 10 سال پیش برای بیشتر خطرات، این باید یک تحلیل ریسک پایه کافی ارائه دهد.

گزینه‌هایی برای Cedents

پوشش‌های غرامت حفاظت ایده‌آلی را برای بیمه شدگان ارائه می‌کند. با این حال، خرید پوشش به اندازه‌‌ای که بیمه‌‌گر واگذارنده می‌‌خواهد، بسیار گران تمام می‌‌شود. در حال حاضر بیمه‌‌گرانی که در حال واگذاری هستند می‌توانند از پوشش‌‌های تکمیلی و با قیمت پایین‌تر مانند تراکنش‌های پارامتریک (پرداخت با معیاری خاص مانند سرعت باد) و ILW (پرداخت بر اساس ضرر صنعت در مقابل زیان خاص بیمه‌گر) استفاده کنند، اما این موارد دارای اشکالات خاص خود هستند.

برای مثال، محرک‌های پارامتریک برای شرکت‌هایی با یک مرکز بزرگ یا کتاب تجاری بسیار متمرکز مناسب‌تر هستند. برعکس، برای شرکت‌های بیمه با دفاتر متنوع، بر اساس خط کسب‌وکار یا جغرافیا، ریسک پایه با محصول پارامتریک می‌تواند بسیار بزرگ باشد.

ILW‌ها دو سطح از ریسک پایه را برای بیمه‌گر واگذارنده به همراه دارند که ممکن است در زیان صنعت تخمین زده شده نادرستی وجود داشته باشد، و یک رویداد می‌تواند باعث آسیب در مناطقی شود که زیان‌های بیمه‌گر واگذارنده ارتباط زیادی با صنعت نداشته باشد. ILW‌ها چالش‌های بیمه‌گر اتکایی و سرمایه‌گذار از جمله توسعه نامطلوب و سرمایه به دام افتاده را حل نمی‌کنند.

مدل‌های جدید با دقت بالا می‌‌توانند زیان‌‌های ناشی از رویدادهای واقعی را بلافاصله پس از وقوع آن‌ها به‌طور دقیق تخمین بزنند، در نتیجه هم ریسک پایه و هم زمان تسویه معاملات را کاهش می‌‌دهند.

ساختار تراکنش

اولین MLT‌ها ریسک SCS را پوشش داده‌اند، و بر توانایی MLT در پرداختن به ریسک‌های فرکانسی که بیمه‌گران اتکایی سنتی اکنون می‌خواهند از آن اجتناب کنند، تأکید می‌کند.

در حالیکه یک رویداد SCS به احتمال زیاد برای اکثر بیمه‌گران به ضرر پرداخت بدهی منجر نمی‌‌شود، انباشته شدن بسیاری از زیان‌‌های کوچک تا متوسط می‌‌تواند منجر به ضربه‌‌های متعدد به احتباس شود و بر نتایج مالی تأثیر منفی بگذارد. یک MLT را می‌توان برای محافظت از احتباس‌ها و همچنین زیان‌های بزرگ از رویدادهای مهم ساختار داد.

MLT‌ها با توجه به طراحی تراکنش انعطاف کاملی را ارائه می‌دهند. حتی پوشش‌‌های کل سالانه (که اساساً در چند سال گذشته در بازار سنتی وجود نداشت) بر اساس مدل‌‌سازی خسارت به بیمه‌‌گران ارائه می‌‌شود. این واقعیت که قیمت‌گذاری می‌تواند کاملاً با پرداخت مطابقت داشته باشد، حتی معاملات کل سالانه را برای سرمایه‌گذاران جالب می‌کند.

MLT‌ها می‌توانند هر نوع ریسک مدل‌سازی شده را پوشش دهند، از جمله طوفان‌ها، زلزله‌ها، طوفان‌های زمستانی و آتش‌سوزی‌های جنگلی. و آن‌ها را می‌توان برای پرتفوی‌های خاص بیمه‌گر یا صنعت به عنوان یک کل در قراردادهای ILW استفاده کرد.

از آنجایی که عرضه بیمه اتکایی برای پاسخگویی به تقاضای روبه رشد تلاش می‌کند، MLT راه حلی ارائه می‌دهد. مدل‌سازی با دقت بالا همراه با ساختار MLT به بیمه‌گران اتکایی این امکان را می‌‌دهد تا ظرفیت خود را با اطمینان افزایش دهند و با جذب سرمایه جدید، MLT می‌ تواند شرایط سخت را کاهش دهد و به صنعت کمک کند در دنیایی با ریسک فزاینده انعطاف‌پذیر و مرتبط باقی بماند.

به جای عقب نشینی در مواجهه با ریسک فزاینده، بیمه‌گران و بیمه‌گران اتکایی مجهز به مدل‌های با دقت بالا و ساختارهای نوآورانه برای انتقال ریسک می‌توانند تهدیدات پتانسیل زیان فزاینده را به فرصت تبدیل کنند. به‌طور مشابه، MLT‌ها به سرمایه‌گذاران اجازه می‌دهد تا از بازده غیر هم‌بسته بهره‌مند شوند و از شرایط جذاب بازار بدون چالش‌های محصولات سنتی سرمایه‌گذاری کنند.

منبع

https: //www. carriermanagement. com/features/2023/11/28/256045. htm?bypass=6a3e368413fb486a16403ed7e2bdfc51