Análisis del riesgo de renta variable en el marco de Solvencia IImodelos internos frente al estándar

  1. Durán Santomil, Pablo 1
  2. Otero González, Luís A. 1
  3. Vivel Búa, Milagros 1
  4. Fernández López, Sara 1
  1. 1 Departamento de Economía Financiera y Contabilidad Universidad de Santiago de Compostela (USC)
Revista:
Anales de ASEPUMA

ISSN: 2171-892X

Ano de publicación: 2010

Número: 18

Tipo: Artigo

DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Outras publicacións en: Anales de ASEPUMA

Resumo

Solvencia II transformará el sistema de determinación de las necesidades de capital del asegurador. En el nuevo marco regulatorio se propone un modelo estándar, pero al mismo tiempo, se fomenta la aplicación de modelos internos de autoevaluación y gestión del riesgo. Este trabajo tiene por objeto analizar modelos alternativos propuestos en la literatura económica para la medición del riesgo de renta variable al que están expuestas las compañías de seguros. Para ello, se han utilizado datos mensuales de la serie del IBEX-35 en el periodo comprendido entre Enero de 1992 y Diciembre de 2008. Los modelos calibrados han permitido comparar los requerimientos de capital resultantes frente a la propuesta del cuarto estudio de impacto cuantitativo (QIS4). Los resultados obtenidos muestran que el capital necesario obtenido por los modelos que presentan un mejor ajuste supera considerablemente al propuesto en el modelo estándar. Esto significa que las compañías que utilicen el modelo estándar u otro basado en hipótesis similares, estarán subestimando considerablemente su exposición al riesgo de renta variable.

Referencias bibliográficas

  • Ahlgrim, K. C.; D'Arcy, S. P.; Gorvett, R. W. (2004a): “Asset-liability modeling for insurers: Incorporating a regime-switching process for equity returns into a Dynamic Financial Analysis model”, Presentado a ASTIN Colloquium 2004.
  • Ahlgrim, K. C.; D'Arcy, S. P.; Gorvett, R. W. (2004b): “Modeling of Economic Series Coordinated with Interest Rate Scenarios”
  • Bayliffe D.; Pauling, B. (2003):” Long Term Equity Returns”, Presentado al 2003 Stochastic Modeling Symposium, 4-5 septiembre, Toronto.
  • Boudreault , Panneton (2009): “Multivariate Models of Equity Returns for Investment Guarantees Valuation”, North American Actuarial Journal, Vol.13, No.1, pp. 36-53.
  • D’Arcy, S.P.; Gorvett, R. W.; Herbers, J. A.; Hettinger, T. E.; Lehmann, S. G. Y Miller, M. J. (1997): “Building a Public Access PC-Based DFA Model”, CAS Forum, pp. 1–40.
  • D’Arcy, S. P.; Gorvett, R.W.; Hettinger, T.E.; Walling, III R.J. (1998): “Using the Public Access Dynamic Financial Analysis Model. A Case Study”, CAS Forum, pp. 53–118.
  • D’Arcy, S.P.; Gorvett, R. (2004): “The Use of Dynamic Financial Analysis to Determine Whether an Optimal Growth Rate Exists for a Property-Liability Insurer”, Journal of Risk and Insurance, Vol. 71, No. 4, pp. 583–615.
  • Glosten, L.; Jagannthan, R.; Runkle, D. (1993): “On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks”, Journal of Finance, Vol. 48, No. 5, pp. 1779-1801.
  • Hamilton, J. D (1994): Time Series Analysis. Princeton: Princeton University Press.
  • Hardy, M. R. (2001): “A Regime Switching Model of Long-Term Stock Returns, North American Actuarial Journal, Vol. 5, No. 2, pp. 41–53.
  • Hardy, M. R.; Freeland, R. K.; Till, M. C. (2006): “Validation of LongTerm Equity Return Models for Equity-Linked Guarantees”, North American Actuarial Journal, Vol. 10, pp. 28–47.
  • Hibbert, J.; Mowbray, P. ; Turnbull, C. (2001): A Stochastic Asset Model & Calibration for Long-Term Financial Planning Purposes, Technical Report, Barrie & Hibbert Limited.
  • Kaufmann, R.; Gadmer, A.; Klett, R. (2001): “Introduction to Dynamic Financial Analysis”, ASTIN Bulletin, Vol. 31, No. 1, pp. 213–249.
  • Nelson, D.B. (1991) “Conditional heteroscedasticity in asset returns: a new approach”, Econometrica, Vol. 59, pp. 347-370.
  • Panneton, C.-M. (2003): “Mean-Reversion in Equity Models in the Context of Actuarial Provisions for Segregated Fund Investment Guarantees”, Presentado al 2003 Stochastic Modeling Symposium Proceedings, Canadian Institute of Actuaries.
  • Ruiz, E.; Veiga, H. (2008) “Modelos de volatilidad estocástica: una alternativa atractiva y factible para modelizar la evolución de la volatilidad”, Anales de Estudios Económicos y Empresariales, No 18, pp. 9-68.
  • Silverman, B. W. (1986) Density Estimation. London: Chapman and Hall.
  • Schmeiser, H., (2004): “New Risk-Based Capital Standards in the EU. A Proposal Based on Empirical Data”, Risk Management and Insurance Review, Vol. 7, No. 1, pp. 41–52.
  • Taylor, S.J. (1986): Modeling Financial Time Series, Wiley, New York.
  • Wong, C. S.; Chan, W. S. (2005): “Mixture Gaussian Time Series Modeling of Long-Term Market Returns”, North American Actuarial Journal, Vol. 9, No. 4, pp. 83–94.
  • Wong, C. S.; Li, W. K. (2000): “On a Mixture Autoregressive Model” Journal of the Royal Statistical Society B62, pp. 95–115.
  • Wong, C. S. Y LI, W. K. (2001): “On a Mixture Autoregressive Conditional Heteroscedastic Model”, Journal of the American Statistical Association, Vol. 96, pp. 982–995.
Fonte de datos: Dialnet