محاسبه سرمايه الزامي ريسك بازار در مدل توانگري مالي شركتهاي بيمه

Determining Capital Requirement for Market Risk in the Solvency Assessment Model of Insurance Companies

چالشي كه امروزه سيستم توانگري مالي شركتهاي بيمه با آن مواجه است، درك مفهوم ريسك و به دنبال آن اندازه گيري و كمي كردن ريسك است. يكي از ريسكهاي مهم يك شركت بيمه، ريسك بازار ناشي از سرمايه گذاري است. هدف اصلي اين مقاله، رفع نواقص و ايرادات آيين نامة نحوۀ محاسبه و نظارت بر توانگري مالي مؤسسات بيمه و لحاظ كردن دقيق تر ويژگيهاي سريهاي زماني مالي براي برآورد ارزش در معرض ريسك پرتفوي سرمايه گذاري (سهام شركتهاي بورسي، حسابهاي ارزي، و املاك و مستغلات) است. ابتدا از مدلهاي گارچ براي مدل سازي توزيعهاي حاشيه اي سري زماني لگاريتم بازدهيها استفاده مي كنيم. سپس با استفاده از روش فرا ابتكاري الگوريتم ژنتيك، براي حصول بهترين آستانه در نظريه ارزش فرين، دنباله هاي توزيع را مدل سازي و از تابع مفصل براي مدل سازي همبستگي بين توزيعهاي حاشيه اي استفاده مي كنيم. روشهاي پس آزمايي نشان مي دهند كه مدل پيشنهادي نسبت به مدل سنتي شبيه سازي تاريخي عملكرد بهتري دارد و نتايج حاصل شده از تابع مفصل تي- استيودنت قابل قبول تر است و ضريب ريسك بازار برابر با 9/403 درصد به دست آمد.

The most important challenge that solvency assessment system of insurance companies faces is understanding the concept of risk and then measuring and quantifying it. One of the most important risks of insurance companies is market risk stemming from investments. The main purpose of this paper is to correct the defects of the method of calculation of the solvency of insurance companies to consider more accurately the financial time series features for estimating the value of risk exposed investment portfolios (stocks of exchange companies, currency accounts, and real estate). First, the marginal distributions of log-returns of time series were modeled using GARCH models. Then, using the Genetic Algorithm (GA) in order to achieve the best threshold in Extreme Value Theory (EVT), distribution sequences were modeled and using copulas to model dependency structuresbetween marginal distributions. Finally, back-testing methods show that the proposed model had a better performance than the traditional simulation model. Also, the results of the student’s t copula function were more acceptable, and market risk factor was estimated as 9.403%.