Riskomanagement für Versicherungen

Betrug und Kosten minimieren,
Effizienz steigern

Risikomanagement

Die Versicherungswirtschaft muss heute Mindestanforderungen an das Risikomanagement erfüllen, die inzwischen in der Rahmenrichtlinie zum neuen europäischen Aufsichtsregime (Solvabilität II) vorgegeben werden. Mit neuen Bewertungsvorschriften hinsichtlich Vermögenswerten und Verbindlichkeiten in Orientierung an Marktwerten soll das Insolvenzrisiko eines Versicherers verringert werden.

Damit bewegt sich das Risikomanagement von Versicherungsunternehmen im Spannungsfeld zwischen Marktpreisrisiken für Kapitalanlagen zur Eigenmittelausstattung einerseits und den davon unabhängigen Risiken der Schadenshöhe im Leistungsfall andererseits. Bei der Risikoabschätzung wird daher sowohl auf Versicherungsmathematik wie auf statistische Verfahren  zur Datenauswertung zurück gegriffen. Einige der weltweit größten und erfolgreichsten Versicherungsanbieter verlassen sich dabei auf Statistica, verbessern so die Eigenmittelausstattung und minimieren Verlustrisiken.

Einsatzszenarien

Risikomessung und -bewertung

Das Risikomanagement in der Versicherungswirtschaft besteht aus Teilprozessen wie  Identifikation, Messung,  Bewertung und Handhabung  von Risiken. Methoden zur Identifizierung der Risiken umfassen  beispielsweise  Fehlerbaum- und Szenarioanalyse. Bei der Risikobewertung  fordern aktuell geltende Solvabilitätsvorschriften die Einhaltung einer eine Eigenmittelausstattung in einer Höhe,  mit der Verluste innerhalb eines Jahres mit einer Wahrscheinlichkeit von mindestens 99,5 % gedeckt werden können.

Die Risikobewertung erfolgt also als Eintrittswahrscheinlichkeit eines möglichen Ereignisses, die aus Wahrscheinlichkeitsverteilungen der Extremwerttheorie abgeleitet werden. Zur Bemessung von Ruinwahrscheinlichkeiten und damit verbundenen Kapitalanforderungen sind insbesondere die Extrembereiche von Wahrscheinlichkeitsverteilungen von großer Bedeutung. Darauf bezogene quantilbasierende Risikomaße für Marktpreisschwankungen und Schadenshöhen sind der Value-at-Risk (VaR) und der Tail Value-at-Risk  (TVaR). Letzterer ist auch als Conditional Value-at-Risk (CVaR) oder Expected Shortfall (ES) bekannt.

Mit Statistica lassen sich Wahrscheinlichkeitsverteilungen der Extremwerttheorie aus historischen Daten von Aktienkursen, Zinsänderungen und Schadenshöhen ableiten und daraus die in der Versicherungswirtschaft akzeptierten Risikomaße berechnen. Die Risikobewertung einzelner Produktportfolios liefert einem Versicherungsunternehmen die erforderlichen Grundlagen für Risikosteuerung und -kontrolle zur Erfüllung regulatorischer Anforderungen.

Risikoverminderung

Im Rahmen der Risikovermeidung und -minderung werden in der Versicherungswirtschaft Möglichkeiten gesucht, auf das identifizierte und bewertete Risikospektrum effizient zu reagieren. Dafür werden Daten des Hinweis- und Informationssystem der Versicherungswirtschaft über Versicherungsfälle, Versicherungsnehmer und Geschädigte herangezogen. Die statistische Auswertung solcher Daten unterstützt die Entwicklung von risikoorientierten Prämienmodellen und die Implementierung von Frühwarnsystemen  für Versicherungsbetrug und -missbrauch.

Statistica bietet als breit aufgestellte Plattform für Predictive Analytics eine große Suite traditioneller statistischer Verfahren und moderner Data-Mining-Algorithmen zur quantitativen Einordnung von Versicherungsrisiken in Form eines Punktesystems, zur Bildung von Risikoklassen und zur Formulierung von Schwellenwerten für eine erhöhte Betrugsgefahr. Punktesystem und Risikoklassen basieren auf für die jeweilige Versicherungssparte spezifischen Daten zu atypischen Schadenhäufigkeiten, besondere Schadenfolgen, extreme Schadenhöhen oder risikobehafteten Aktivitäten mit jeweils unterschiedlichen Gewichtung. Mit Statistica  lassen sich Monte-Carlo-Simulationen durchführen und mehrere multivariate Vorhersagemodelle (logistische Regression,  Entscheidungsbäume, Neuronale Netze) miteinander kombinieren und mit Testdatensätzen validieren, bevor sie in der Produktivumgebung eines Versicherungsunternehmens implementiert werden.

Referenzen

Kunden-Feedback

„Die schnelle Einsatzbereitschaft und der Betrieb von Statistica Data Miner durch die Fachabteilung ermöglichte uns ein schlankes Projektvorgehen.“

Bruno Küpper, Kundenbindung und Dialog-Marketing, DEVK Versicherungen

„Anwenderfreundlichkeit, Support direkt vom Hersteller und anspruchsvolle, fachliche Anforderungen – Statistica bringt alle unsere Themen unter einen Hut.“

Björn Degenkolbe, Projektleiter und Berater, Versicherungsforen Leipzig

Anwenderbericht

Die DEVK Versicherungen optimieren das Direktmarketing mit STATISTICA Data Miner.

Ausgestaltung von Wahltarifen für Gesetzliche Krankenversicherer – Versicherungsforen Leipzig erstellen individuelle Lösung anhand von Monte-Carlo-Simulationen mit STATISTICA.

Kontakt