Oldenburger Forschungsprojekte zur Umsetzung von Solvency II bei KMVU
|
|
- Liane Heintze
- vor 6 Jahren
- Abrufe
Transkript
1 Oldenburger Forschungsprojekte zur Umsetzung von Solvency II bei KMVU 1. Oldenburger Versicherungstag Angelika May, Dietmar Pfeifer, Doreen Straßburger
2 Gliederung 1. Warum Forschung mit / für KMVU? 2. Risikomessung unter Solvency II 3. Probleme mit der Wurzelformel 4. Zusammenfassung und Ausblick Seite 2 von 41
3 1. Warum Forschung mit / für KMVU? Seite 3 von 41
4 1. Warum Forschung mit / für KMVU? Regionaler Bezug: ein großer Teil der klein(st)en VVaG im nordwestdeutschen Raum (Schleswig-Holstein / Niedersachsen / Westfalen) befinden sich in räumlicher Nähe zur Universität Oldenburg Verstärkung der von der Universität gewünschten Kooperation mit der regionalen Wirtschaft KMVU besitzen eine überschaubare Struktur, meist mit einer Konzentration auf wenige Sparten im Sachversicherungsbereich Reduktion in der Komplexität aktuarieller Modelle, bessere Validierbarkeit KMVU verfügen in der Regel über keine spezialisierten Mathematiker (Aktuare) Hilfestellung zur Bewältigung neuer Anforderungen (z.b. im Zusammenhang mit Solvency II / Risikomanagement) Seite 4 von 41
5 1. Warum Forschung mit / für KMVU? Win-Win-Situation: KMVU profitieren wirtschaftlich von einer neutralen Kooperation, die Universität profitiert von finanzieller Unterstützung außerhalb der üblichen klassischen Förderwege (DFG, BMBF, ) Fokussierung auf Methodenentwicklung, nicht auf kommerzielle Software- Lösungen! höhere Transparenz, Validierbarbarkeit, Erfahrungsaustausch mit Verbänden / Aufsichtsbehörden Seite 5 von 41
6 1. Warum Forschung mit / für KMVU? Aktueller Förderantrag über EFRE (Europäischer Fonds zur regionalen Entwicklung) Entwicklung eines Solvency II-kompatiblen quantitativen Risikomanagement-Modells für kleine Versicherungsunternehmen, insbesondere regionale VVaG s Seite 6 von 41
7 1. Warum Forschung mit / für KMVU? Seite 7 von 41
8 1. Warum Forschung mit / für KMVU? Seite 8 von 41
9 1. Warum Forschung mit / für KMVU? Themenschwerpunkte: Reserverisiko: Abwicklungsdreiecke, Schätzung der Reserveverteilung, Implementierung von IFRS-Aspekten [Diskontierung, Cost of Capital-Ansatz] Prämienrisiko: Entwicklung geeigneter Methoden zur Bestimmung statistischer Schadenverteilungen aus vorhandenen Zeitreihen (Homogenisierung durch Indizierung mit Bestandsveränderung [Versicherungssummen, Vertragszahlen] und ggf. weiteren ökonomischen Kenngrößen [z.b. Inflation, Baukostenindex], angemessene Einordnung von Großschäden [Schäden zu hohen Wiederkehrperioden]) aus physikalischen Modellen (Schadenfrequenzen, Einzelschadenhöhen; Kombinationen für unterschiedliche Gefahren) Abgleich verschiedener Ansätze ( use test ) Auswirkungen gegenseitiger Abhängigkeiten zwischen verschiedenen Sparten / Risiken Seite 9 von 41
10 1. Warum Forschung mit / für KMVU? Seite 10 von 41
11 2. Risikomessung unter Solvency II Seite 11 von 41
12 2. Risikomessung unter Solvency II Risikomessung unter Solvency II Solvency Capital Requirement (SCR) je Risiko wird hier im Sinne von Sandström (2006) verstanden als Differenz zwischen einem geeigneten Risikomaß und gewissen Eigenmitteln (etwa Netto-Prämien = Erwartungswert als Basisgröße). Bei normalverteilten Risiken ist das SCR in der Regel ein Vielfaches der Standardabweichung des Risikos, dessen Größe nur vom Risikoniveau abhängt Das SCR für das Gesamtrisiko wird als Wurzel der Summe von Quadraten der einzelnen SCR s dargestellt ( Wurzelformel der NAIC / IAA; Standardmodell). Seite 12 von 41
13 2. Risikomessung unter Solvency II Definition (kohärentes Risikomaß): Ein Risikomaß R auf einer geeigneten Menge D Z der reellwertigen Zufallsvariablen (Risiken) heißt kohärent im Sinne von ARTZNER, DELBAEN, EBER und HEATH (1999), wenn es die folgenden Eigenschaften besitzt: [1] R ist positiv homogen, d.h. ( ) = c R( X ) R cx für alle c> 0 und X D; [2] R ist translationsinvariant, d.h. ( c) ( ) R X + =R X + c für alle X D und c ; [3] R ist monoton, d.h. ( ) ( ) R X R Y für alle X, Y D mit X Y; [4] R ist subadditiv, d.h. ( ) ( ) ( ) R X + Y R X + R Y für alle XY, D. Seite 13 von 41
14 2. Risikomessung unter Solvency II Die internationale Diskussion über Risikomaße als Basis für die Bestimmung des Zielkapitals für Solvency II (IAA, DAV, SST) in Bezug auf das versicherungstechnische Gesamtrisiko S konzentriert sich im Wesentlichen auf Value at Risk: VaR ( ) ( ) 1 α S : = q1 S F α = S ( 1 α) = inf{ x FS( x) 1 α} [in der Versicherungstechnik bekannt unter: und Probable Maximum Loss (PML) zur Wiederkehrperiode 1/α ] Expected Shortfall (auch Tail Value at Risk genannt): 1 α ES α( S) : = E( S S VaR α( S) ) = FS ( x) dx VaR u( S). α = α du 1 α 0 ; Seite 14 von 41
15 2. Risikomessung unter Solvency II μ ES α : Mittel aller Werte oberhalb von VaRα Seite 15 von 41
16 2. Risikomessung unter Solvency II Wurzelformel: SCR n 2 gesamt= SCRi + 2 ρi j SCRi SCRj ì= 1 i< j n 2 ( ( ) μ ) 2 ( ) i i ij i i= 1 i< j ( i) ( ( j) j) = R X + ρ R X μ R X μ unter Berücksichtigung von Abhängigkeiten, z.b. paarweisen Korrelationen ρ ij ( i j) E( Xi) E( X j) Var( Xi ) Var( X j ) E X X = Seite 16 von 41
17 2. Risikomessung unter Solvency II Eine Idee der Wurzelformel ist die Darstellung des Value at Risk (VaR) als Risikomaß zur Berechnung des erforderlichen Risikokapitals für ein Einzelrisiko X als VaR ( i) = μ i + i α, k α σ k, α i mit Erwartungswert μ und Standardabweichung σ 0. i i Sind die Risiken X normalverteilt, gilt i k α 1 ( Φ ( ) = exp = ϕ( ) =Φ 1 α) mit x 2 u π 2 wobei k α unabhängig von μ i und σ für i= 1,, n ist. 1 x du u du 2 i, x Seite 17 von 41
18 2. Risikomessung unter Solvency II Ähnlich: Der Expected Shortfall (ES) für normalverteilte Einzelrisiken durch ( k ) 2 α 2 e ES () = μi + σi = i + 1 α i μ τασ i mit k α =Φ ( 1 α). 2πα X i ist gegeben Kommentar: 1 Bei Normalverteilung ist VaR ein kohärentes Risikomaß für k α 0 α. 2 Bei Normalverteilung ist die gegenseitige Abhängigkeitsstruktur der Risiken vollständig und eindeutig durch die paarweisen Korrelationen bestimmt. ES ist stets ein kohärentes Risikomaß (unter jeder Verteilungsannahme). Seite 18 von 41
19 2. Risikomessung unter Solvency II Folgerung: Bei Normalverteilung ist die Wurzelformel konsistent mit der Definition des SCR, und zwar sowohl für VaR als auch für ES. Aber: Bei Nicht-Normalverteilung ist VaR im Allgemeinen kein kohärentes Risikomaß. Bei Nicht-Normalverteilung ist das der Wurzelformel zu Grunde liegende Prämienprinzip (Standardabweichungsprinzip) nicht kohärent ( Monotonie verletzt) Bei Nicht-Normalverteilung ist die gegenseitige Abhängigkeitsstruktur der Risiken nicht eindeutig durch die paarweisen Korrelationen bestimmt. Seite 19 von 41
20 2. Risikomessung unter Solvency II Wie die Portfoliotheoretiker bislang Risiken gemessen haben, wird der Wirklichkeit nicht gerecht. Dem zugrunde liegen viele falsche Annahmen darunter die der Gaußschen Normalverteilung. Im Ergebnis werden Risiken an den Finanzmärkten signifikant unterschätzt. Honorar-Professor Benoit B. Mandelbrot, Yale University Uns ist durchaus bewusst, dass die klassischen Risikomaße keinesfalls die tatsächlichen Gegebenheiten des Marktes widerspiegeln. Langfristig wollen wir uns anderer Verteilungsfunktionen zur Berechnung des Value-at-Risks bedienen, die hohen Verlustereignissen höhere Wahrscheinlichkeiten zuordnen, um somit das Risiko noch besser steuern zu können. Richard Peters, Vorstand der Versorgungsanstalt des Bundes und der Länder aus: Deutsche Pensions- und Investment-Nachrichten vom Seite 20 von 41
21 2. Risikomessung unter Solvency II Beispielrechnung für einen VVaG für Sturm mit Extremwertverteilung: Seite 21 von 41
22 2. Risikomessung unter Solvency II Seite 22 von 41
23 2. Risikomessung unter Solvency II Seite 23 von 41
24 2. Risikomessung unter Solvency II Rückversicherung! (Standardformel??) Seite 24 von 41
25 3. Probleme mit der Wurzelformel Seite 25 von 41
26 3. Probleme mit der Wurzelformel Wesentlicher Aspekt eines Standard-Modells (in Einklang mit der IAA): Die Eigenkapitalausstattung des Versicherungsunternehmens muss so beschaffen sein, dass die Wahrscheinlichkeit, dass das Unternehmen innerhalb des nächsten Jahres seinen Verpflichtungen nicht nachkommen kann, höchstens α beträgt. Aktuell wird bei VaR als Risikomaß α = 0.005, bei ES α = 0.01 als sinnvoll angesehen. Das bedeutet: die Berechnung des SCR (insbesondere über die Wurzelformel) muss sich an dieser Forderung messen lassen! Aber Beobachtung: speziell bei rechts-schiefen Verteilungen unterschätzt die Wurzelformel den Kapitalbedarf deutlich! Seite 26 von 41
27 3. Probleme mit der Wurzelformel Beispiel 1: Überprüfung der Wurzelformel bei Beta-Verteilungen: Wir betrachten zwei unabhängige Beta-verteilte Risiken X 1 und X 2 mit den Dichten αi 1 βi 1 x (1 x) fi ( x) = für 0 x 1, i = 1, 2. B ( α, β ) i i Für ganzzahlige Werte von α kann die Dichte g der Summe explizit i, βi S = X1+ X2 als stückweise definiertes Polynom bestimmt werden; beispielsweise ergibt sich für α = 2, β = 3, α = 1, β 4 : = gz ( ) z 56z + 48z z + 4z z z = z + z z + z z + 7 für 0 z 1 für 1 z 2. Seite 27 von 41
28 3. Probleme mit der Wurzelformel α = 1, β = α = 2, β = Graphen der Dichten f (rot) und 1 f 2 (grün) sowie der Summendichte g Seite 28 von 41
29 3. Probleme mit der Wurzelformel Legt man als Risikomaß den VaR zu Grunde, so ergibt sich für die Einzelrisiken: 1 1 αi SCRi = Fi (0.995) μi = Fi (0.995) α + β i i, i =1,2 mit den Verteilungsfunktionen F( x) = f ( u) du, 0 x 1. i x 0 i Die Quantile können trotz der polynomialen Form der Dichten bei ganzzahligen Parametern im Allgemeinen nur numerisch berechnet werden. Die folgende Tabelle zeigt die jeweiligen Kapitalbedarfe ( SCR-Levels) K 0.005, zum Einen nach Wurzelformel K = μ + μ + SCR + SCR, zum Anderen exakt (als VaR für das Summenrisiko). Seite 29 von 41
30 3. Probleme mit der Wurzelformel α1 1 2 β2 β α Dichte g der Summe K VaR Abw. in % , , , ,77 Seite 30 von 41
31 3. Probleme mit der Wurzelformel α1 1 2 β2 β α Dichte g der Summe K VaR Abw. in % , , , ,63 Seite 31 von 41
32 3. Probleme mit der Wurzelformel α1 1 2 β2 β α Dichte g der Summe K VaR Abw. in % , , , ,71 Seite 32 von 41
33 3. Probleme mit der Wurzelformel α1 1 2 β2 β α Dichte g der Summe K VaR Abw. in % , , , ,30 Seite 33 von 41
34 Aus der Modellbeschreibung des GDV: 3. Probleme mit der Wurzelformel Wichtiges Ziel bei einer umfassenden Risikobetrachtung ist die Berücksichtigung von Korrelationseffekten zwischen verschiedenen Teilrisiken. Eine Bezugnahme auf die Gesamtrisikosituation des Versicherungsunternehmens ohne eine solche Betrachtung entspricht nicht dessen tatsächlicher Risikosituation. Anmerkung: Korrelationseffekte alleine reichen leider auch nicht aus, die Gesamtrisikosituation des Versicherungsunternehmens angemessen abzubilden! Seite 34 von 41
35 3. Probleme mit der Wurzelformel Abhängigkeit vs. Korrelation: Beispiel: Zufallsvariablen X, Y und Z mit identischen (uniformen) Randverteilungen und gleichen Korrelationen L L ρ ( X, Y ) ρ ( X, Z) = =7/15 aber verschiedener gemeinsamer Verteilungsstruktur Seite 35 von 41
36 3. Probleme mit der Wurzelformel Beispiel 2: SCR-Berechnung für unkorrelierte, aber abhängige Risiken X 1 und X 2 : Dichten des Summenrisikos für verschiedene Situationen Seite 36 von 41
37 3. Probleme mit der Wurzelformel zugehörige Verteilungsfunktionen Seite 37 von 41
38 3. Probleme mit der Wurzelformel In den drei Fällen erhält man folgende Werte für die Risikomaße: pos. abhängig unabhängig neg. abhängig Wurzelformel VaR ES VaR ES VaR ES Value at Risk (VaR) and Expected Shortfall (ES) mit α= 0.1, α= 0.01, und α = Seite 38 von 41
39 3. Probleme mit der Wurzelformel Abweichungen in % (bezogen auf Wurzelformel): pos. abhängig unabhängig neg. abhängig Wurzelformel VaR ES VaR ES VaR ES Value at Risk (VaR) and Expected Shortfall (ES) mit α= 0.1, α= 0.01, und α = Seite 39 von 41
40 4. Zusammenfassung und Ausblick Seite 40 von 41
41 4. Zusammenfassung und Ausblick Ein Standardansatz ist nicht ausreichend für eine angemessene Beurteilung der wahren Risikosituation eines KMVU Ein Standardansatz ist kein geeignetes Instrument für ein unternehmensinternes Risikomanagement Das ORSA (Säule 2) erfordert künftig spezifischere Betrachtungsweisen Angemessene (partiell-)interne Modelle können die Eigenmittelanforderungen an KMVU unter Solvency II gegenüber dem Standardansatz senken Angemessene (partiell-)interne Modelle können zur Optimierung der Rückversicherungsordnung eines KMVU eingesetzt werden Begleitende wissenschaftliche Forschung + firmeninterne Weiterbildung können die Kosten der Umsetzung von Solvency II bei KMVU deutlich senken Begleitende wissenschaftliche Forschung mit / für KMVU erleichtert einen Vergleich von Standardansatz und internem Modell und kann wegen der geringeren Komplexität die Schwächen eines Standardansatzes besser verdeutlichen Seite 41 von 41
Die Auswirkung von Rückversicherung auf die Eigenmittelanforderungen unter Solvency II Prof. Dr. Dietmar Pfeifer
Die Auswirkung von Rückversicherung auf die Eigenmittelanforderungen unter Solvency II Prof. Dr. Dietmar Pfeifer xxx 0 Agenda Der Aufbau der Solvenz-Bilanz Zur Begriffsbestimmung des SCR Die Auswirkung
MehrRisikoaggregation und allokation
2. Weiterbildungstag der DGVFM Risikoaggregation und allokation Einführung in das Thema Prof. Dr. Claudia Cottin, FH Bielefeld Dr. Stefan Nörtemann, msg life Hannover, 21. Mai 2015 2. Weiterbildungstag
MehrSolvency II und die Standardformel
Fakultät Mathematik und Naturwissenschaften Institut für Mathematische Stochastik Solvency II und die Standardformel Festkolloquium 20 Jahre (neue) Versicherungsmathematik an der TU Dresden Sebastian Fuchs
MehrSST und Solvency II im Vergleich für die Einzellebensversicherung: Kriterien und Auswirkungen
SST und Solvency II im Vergleich für die Einzellebensversicherung: Kriterien und Dr. Nils Rüfenacht Prüfungskolloquium Aktuar SAV Bern, 1. Juni 2012 1 / 16 Inhalt 1 Entwicklung des SST und Solvency II
MehrPräsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik
Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Dozent: Volker Krätschmer Fakultät für Mathematik, Universität Duisburg-Essen, WS 2012/13 1. Präsenzübung Aufgabe T 1 Sei (Z 1,...,
MehrNichtlebenversicherungsmathematik Aus welchen Teilen besteht eine Prämie Zufallsrisiko, Parameterrisiko, Risikokapital Risikomasse (VaR, ES) Definition von Kohärenz Zusammengesetze Poisson: S(i) CP, was
MehrVersicherungsmathematische Funktion: Vorschläge zur pragmatischen Umsetzung
Versicherungsmathematische Funktion: Vorschläge zur pragmatischen Umsetzung 9. Oldenburger Versicherungstag 13. Oktober 2015 Dietmar Pfeifer Schwerpunkt Versicherungs- und Finanzmathematik Agenda 1. Aufgaben
MehrAnforderungen an Krankenversicherer unter SST und Solvency II. Prüfungskolloquium zum Aktuar SAV Michele Casartelli, 16.
Anforderungen an Krankenversicherer unter SST und Solvency II Prüfungskolloquium zum Aktuar SAV Michele Casartelli, 16. November 2012 Grundlagen Hauptziele von Solvenzvorschriften: Schutz von Versicherungsnehmern
MehrKatastrophenrisiko für die Nichtlebensversicherung in der deutschen Teiluntersuchung der QIS 2
Zweite Untersuchung zu den quantitativen Auswirkungen von Solvabilität II (Quantitative Impact Study QIS ) Katastrophenrisiko für die Nichtlebensversicherung in der deutschen Teiluntersuchung der QIS Hintergrund
MehrQuotierungsmethoden für nicht-proportionale Rückversicherungsverträge. Stefan Schmuttermair Pricing Actuary
Quotierungsmethoden für nicht-proportionale Rückversicherungsverträge Stefan Schmuttermair Pricing Actuary Berufspraxistage Universität Oldenburg Oldenburg, 16.05.2008 Berufspraxistage Uni Oldenburg LEBENSLAUF
MehrORSA. Mag. Sibylle Scaria Grazer Wechselseitige Versicherung AG
ORSA Mag. Sibylle Scaria Grazer Wechselseitige Versicherung AG ORSA The heart of Solvency II (EIOPA) xxx Folie 2 ORSA rechtliche Anforderungen Teil des System of Governance Geregelt in Artikel 45 der Rahmenrichtlinie
MehrRisikokapital Definition und Allokation
Risikokapital Definition und Allokation Rolf Stölting Köln Münchener Rück Munich Re Group Einige ragen intern und unserer Kunden Wie viel Kapital benötigen wir für unser Geschäft? Welche unserer Teilportefeuilles
MehrDie Ausgestaltung des Risikomanagements bei kleinen VVaG. neue Herausforderungen durch MaRisk und Solvency II
Die Ausgestaltung des Risikomanagements bei kleinen VVaG neue Herausforderungen durch MaRisk und Solvency II Prof. Dr. Dietmar Pfeifer Carl von Ossietzky Universität Oldenburg Schwerpunkt Versicherungs-
MehrStochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
MehrQuantitatives Risikomanagement
FaRis Forschungsstelle aktuarielles Risikomanagement Herzlich Willkommen zum 9. FaRis & DAV-Symposium Quantitatives Risikomanagement Köln, 4. Dezember 2015 Eröffnungsvortrag TH Köln, Institut für Versicherungswesen
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrManagement Tools im Zusammenhang mit Solvency II
Management Tools im Zusammenhang mit Solvency II Dr. Jan Keller / Dr. Dietmar Kohlruss Vereinigte Hagelversicherung VVaG / Meyerthole Siems Kohlruss GmbH Herzliche Grüße aus Köln! Meyerthole Siems Kohlruss
MehrValue at Risk Einführung
Value at Risk Einführung Veranstaltung Risk Management & Computational Finance Dipl.-Ök. Hans-Jörg von Mettenheim mettenheim@iwi.uni-hannover.de Institut für Wirtschaftsinformatik Leibniz Universität Hannover
Mehrvon Portfolioaspekten bei Großkunden im Strommarkt
Sandra Strohbücker Bepreisen von Preis- und Mengenrisiken der Strombeschaffung unter Berücksichtigung von Portfolioaspekten bei Großkunden im Strommarkt Mit einem. Geleitwort von Prof. Dr. Christoph Weber
MehrWie kann man Risiko messen?
Wie kann man Risiko messen? Karl Mosler Universität zu Köln Symposium DAGStat & BfR: Was bedroht unser Leben wirklich? Statistische Bewertung von Gesundheitsrisiken Berlin, 19. April 2013 Karl Mosler Universität
MehrKompaktskript zur Vorlesung Stochastische Risikoanalyse
Kompaktskript zur Vorlesung Stochastische Risikoanalyse Friedrich-Schiller-Universität Jena Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Wirtschafts- und Sozialstatistik Prof. Dr. P. Kischka Sommersemester
MehrBanken, Versicherungen und andere
Risikomanagement Banken, Versicherungen und andere Finanzinstitutionen 3., aktualisierte Auflage John C. Hull Fachliche Betreuung der deutschen Übersetzung durch Dr. Wolfgang Mader und Dr. Marc Wagner
MehrSolvency II Konsequenzen für die Kapitalanlage der Versicherungen. Dr. Stefan Arneth, CFA Köln, 12. Mai 2009
Solvency II Konsequenzen für die Kapitalanlage der Versicherungen Dr. Stefan Arneth, CFA Köln, 12. Mai 2009 Agenda 1. MEAG MUNICH ERGO AssetManagement GmbH 2. Solvency II Ziele und aktueller Status 3.
MehrSolvency II: Ziele, Knackpunkte, Lösungen
Gesamtverband der Deutschen Versicherungswirtschaft e.v. Solvency II: Ziele, Knackpunkte, Lösungen Pierre Joos, Chief Risk Officer der Allianz Deutschland AG GDV-Pressekolloquium am 30. März 2011 Gesamtverband
MehrDie Solvency-II-Standardformel: Berücksichtigung der Schaden/UnfallRückversicherungen
Die Solvency-II-Standardformel: Berücksichtigung der Schaden/UnfallRückversicherungen Unter Solvency II haben Erstund Rückversicherer die Wahl, mit welcher Methode sie ihr Risiko und damit ihren Kapitalbedarf
MehrRisikomanagement und Statistik. Raimund Kovacevic
Risikomanagement und Statistik Raimund Kovacevic Dieses Werk ist Urheberrechtlich geschützt. Jede Vervielfältigung ohne Einverständnis des Autors ist verboten. Risiko hazard, a chance of bad consequences,
MehrBeispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K.
Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K. Wert der Call Option zum Zeitpunkt T: max{s T K,0} Preis der ECO zum Zeitpunkt t < T: C = C(t,
MehrZielsetzung. Problematik
Kreditrisiko-Modellierung für Versicherungsunternehmen Tamer Yilmaz 21. November 2007 Zielsetzung Die Ermittlung der Eigenkapitalhinterlegung für das Kreditrisiko, die auf das Versicherungsunternehmen
MehrRisikodiversifikation. Steffen Frost
Risikodiversifikation Steffen Frost 1. Messung Risiko 2. Begriff Risiko 3. Standardabweichung 4. Volatilität 5. Gesamtrisiko 6. Systematische & unsystematisches Risiko 7. Beta und Korrelation 8. Steuerung
MehrDelta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer
Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer 1 Einleitung Im Rahmen des SST wird teilweise vereinfachend angenommen, dass der Zusammenhang zwischen der Veränderung des risikotragenden
MehrUntersuchungen zum Thema Tracking Error
Untersuchungen zum Thema Tracking Error J. Fulmek 24. August 2003 1 Einleitung Im Folgenden werden folgende Punkte untersucht: 1. verschiedene in der Literatur übliche Definitionen des Tracking Errors
MehrLutz Oehlenberg Update zum Stand des EU-Solvency II - Projekts
q x -Club, Köln: Sitzung am 2. Dezember 2003 bei der PB-Versicherung in Hilden Lutz Oehlenberg Update zum Stand des EU-Solvency II - Projekts Lutz Oehlenberg, Update zum Stand des EU-Solvency II - Projekts
MehrKlausur im Grundwissen Wert- und risikoorientierte Unternehmenssteuerung
Klausur im Grundwissen Wert- und risikoorientierte Unternehmenssteuerung 14.05.2010 Hinweise: Als Hilfsmittel ist ein Taschenrechner zugelassen. Die Gesamtpunktzahl beträgt 90. Die Klausur ist bestanden,
MehrAUSWIRKUNGEN VON MODELL- UNSICHERHEITEN AUF DIE PRAXIS
AUSWIRKUNGEN VON MODELL- UNSICHERHEITEN AUF DIE PRAXIS Dr. Angelika Werner Nat Cat R&D Willis Re André Gerling Executive Director, Head of Analytics D-A-CH, Willis Re Aufgabenstellung Auswirkungen von
MehrStellungnahme. zum Regierungsentwurf eines Gesetzes zur Modernisierung der Finanzaufsicht über Versicherungen. Inhalt
INSTITUT FÜR MATHEMATIK Prof. Dr. Dietmar Pfeifer Stellungnahme zum Regierungsentwurf eines Gesetzes zur Modernisierung der Finanzaufsicht über Versicherungen Inhalt 1. Fachinhaltliche Anmerkungen Professur
MehrRisiko- und Kapitalsteuerung in Banken. MN-Seminar 12.05.2009 Martina Böhmer
Risiko- und Kapitalsteuerung in Banken MN-Seminar 12.05.2009 Martina Böhmer Risiko- und Kapitalsteuerung in Banken Basel II Risiko- und Kapitalsteuerung in Banken 25 a Absatz 1 KWG Kreditinstitute sind
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
MehrSolvency II und Optionen in den Lebensversicherungsverträgen. Dr. techn. Dipl.-Ing. Alexander Uljanov
Solvency II und Optionen in den Lebensversicherungsverträgen Dr. techn. Dipl.-Ing. Alexander Uljanov Dr. Alexander Uljanov Pfeilgasse 20 1080 Wien Tel: +43 (0)660 346 1993 Email: alexander.uljanov@chello.at
MehrSchmalenbach-Gesellschaft Arbeitskreis Strategieentwicklung und Controlling in Banken
Schmalenbach-Gesellschaft Arbeitskreis Strategieentwicklung und Controlling in Banken Risikotragfähigkeit nur ein Instrument für die Bankenaufsicht? Überlegungen aus der genoss. Finanzgruppe Bernhard Krob,
MehrBetreff: Bester Schätzwert für die Prämienrückstellung. Sehr geehrte Damen und Herren!
BEREICH Versicherungsaufsicht und Pensionskassenaufsicht GZ FMA-VU000.680/0001-VPM/2014 (bitte immer anführen!) SACHBEARBEITER/IN Mag. Dr. Klaus Gansberger TELEFON (+43-1) 249 59-2303 TELEFAX (+43-1) 249
MehrThema 3 Was ist Risiko?
Thema 3 Was ist Risiko? Einflussfaktoren und Konzepte des Risikos! Nasan Aksoy! Massiullah Shamps Amiri! Verena Schwinde! Nadine Eppmann 1 1. Einführung Vortragsübersicht 2. Begriffsabgrenzung und Kategorisierung
MehrErmittlung des Ausfallrisikos
Ermittlung des Ausfallrisikos Das Ausfallrisiko, dessen Ermittlung maßgeblich von der Datenqualität der Vorsysteme abhängt, nimmt in der Berechnung der Eigenmittelanforderung einen relativ geringen Stellenwert
MehrWirkung von Rückversicherung auf das Risikokapital Ein Praxisbeispiel
Wirkung von Rückversicherung auf das Risikokapital Ein Praxisbeispiel Ihre Ansprechpartner Dr. Norbert Kuschel Tel.: +49 (89) 38 91-43 49 E-Mail: nkuschel@munichre.com Dr. Ali Majidi Tel.: +49 (89) 38
MehrErrata für Wertorientiertes Risikomanagement von Versicherungsunternehmen (1. Auflage 2012)
Errata für Wertorientiertes Risikomanagement von Versicherungsunternehmen 1. Auflage 2012 Diese Errata enthalten hauptsächlich Korrekturen von Schreibfehlern, die zu Missverständnissen führen könnten,
Mehrfür Nichtleben-Versicherungsunternehmen betreffend die Schätzung der Parameter des SST- Standardmodells
WEGLEITUNG für Nichtleben-Versicherungsunternehmen betreffend die Schätzung der Parameter des SST- Standardmodells Ausgabe vom 16. Dezember 2011 Zweck Diese Wegleitung ist eine Arbeitshilfe zur Schätzung
MehrModellbildung und Simulation
Modellbildung und Simulation 5. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Glossar Portfolio: In der Ökonomie bezeichnet der Begriff Portfolio ein Bündel von Investitionen, das
MehrOperational Risks KSP. ! Incidentsverwaltung! Riskindicator! Reporting! Eigenkapitalbindung. Erfüllung der Voraussetzungen im Rahmen von Basel II
Consulting AG Operational Risks Incidentsverwaltung Riskindicator Reporting Eigenkapitalbindung Erfüllung der Voraussetzungen im Rahmen von Basel II Consulting AG Kantonsstrasse 102, CH-8807 Freienbach
MehrSolvency II zunächst auf die europaweit. zurückgreifen werden. Die. Umsetzung von Solvency II
Risikokapitalbewertung mit unternehmensspezifischen Parametern unter Solvency II Gibt es Alternativen zum internen Modell? Autoren Dr. Kathleen Ehrlich Dr. Manijeh Schwindt Dr. Norbert Kuschel Kontakt
MehrMASTERARBEIT. Frau B.A. Hoang Anh Nguyen. Risikokapitalbedarf für versicherungstechnische Risiken von Lebensversicherungsunternehmen
MASTERARBEIT Frau B.A. Hoang Anh Nguyen Risikokapitalbedarf für versicherungstechnische Risiken von Lebensversicherungsunternehmen bei der Anwendung von Solvency II und Schweizer Solvenztest Mittweida,
MehrRahmenrichtlinie von Solvency II Auswirkungen (und Ausnahmen) für kleinere Versicherer
Rahmenrichtlinie von Solvency II Auswirkungen (und Ausnahmen) für kleinere Versicherer Dr. Marcus Wrede Teilprojektleiter Interne Modelle Referat VA 46 Rahmenrichtlinie Solvency II Dr. Marcus Wrede, BaFin
MehrKlausur im Grundwissen Wertorientiertes Risikomanagement
Klausur im Grundwissen Wertorientiertes Risikomanagement 16.05.2015 Hinweise: Als Hilfsmittel ist ein Taschenrechner zugelassen. Die Gesamtpunktzahl beträgt 90. Die Klausur ist bestanden, wenn mindestens
MehrRisikomanagement: Hintergrund und Ziele
Risikomanagement: Hintergrund und Ziele Beispiel 1 Anfangskapital V 0 = 100 Spiel: man verliert oder gewinnt 50 mit Wahrsch. jeweils 1/2. Kapital nach dem Spiel V 1 = { 150 mit Wahrsch. 1/2 50 mit Wahrsch.
MehrAbschlussklausur der Vorlesung Bank I, II:
Seite 1 von 23 Name: Matrikelnummer: Abschlussklausur der Vorlesung Bank I, II: Bankmanagement und Theory of Banking Hinweise: o Bitte schreiben Sie Ihren Namen und Ihre Matrikelnummer auf die Klausur
MehrBegriffe zur Detailanalyse
Begriffe zur Detailanalyse ANALYSE Interesse Das thescreener Sterne-Rating ist so angelegt, dass man schnell qualitativ einwandfreie Aktien, Branchen und Indizes erkennen kann. Das Rating-System verteilt
MehrRoundtable Solvency II
Roundtable Solvency II Oskar Ulreich Isabella Mammerler Investorentreffen Wien, 13. Oktober 2006 Inhalt Einführung Solvency II Grundlagen Solvency II Status Quo CEIOPS Rahmenrichtlinie Weitere Entwicklungen
MehrRisikoanalyse und optimale Portfolios
Seminar "Quantitative Finance" Universität des Saarlandes 03. 06. 2009 Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3 Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3 Volatilität Logarithmischer Ertrag
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrMathematische Grundlagen geophysikalischer Naturgefahrenmodelle
Mathematische Grundlagen geophysikalischer Naturgefahrenmodelle Tagung der Fachschaft Mathematik/Informatik des Cusanuswerks "Mathematik von Naturkatastrophen" 28. Mai 1. Juni 2014 Dietmar Pfeifer Institut
MehrSolvency II im Überblick
Solvency II im Überblick Kernpunkte und Herausforderungen für die deutsche Versicherungswirtschaft Dr. Thomas Schubert 13. Versicherungswissenschaftliche Fachgespräch am 10. September 2009 in Berlin Solvency
MehrInflation! Ein Risiko? Bericht aus der Schaden-/Unfallversicherung Vortrag qx-club, 05.08.2014 Dr. Marcel Wiedemann, Aktuariat Komposit, HUK-COBURG
Inflation! Ein Risiko? Bericht aus der Schaden-/Unfallversicherung Vortrag qx-club, 05.08.2014 Dr. Marcel Wiedemann, Aktuariat Komposit, HUK-COBURG Inhalt 1 Einleitung 2 Risiken in der Schaden-/Unfallversicherung
MehrNeue Anforderungen an Risikomessung bei kollektiven Kapitalanlagen in der Schweiz. 31. Mai 2007 Dimitri Senik
Neue Anforderungen an Risikomessung bei kollektiven Kapitalanlagen in der Schweiz Dimitri Senik Agenda Risikomanagement bei Fonds: neue regulatorische Vorschriften Risikomessung gemäss KKV-EBK Risikomanagement
MehrRisk Parity in Stress-Szenarien
Risk Parity in Stress-Szenarien Investor Circle Building Competence. Crossing Borders. Peter Schwendner peter.schwendner@zhaw.ch Zürich, 10.12.2013 Risk Parity in Stress-Szenarien Die Ideen hinter Risk
MehrCommercial Banking. Kreditportfoliosteuerung
Commercial Banking Kreditportfoliosteuerung Dimensionen des Portfoliorisikos Risikomessung: Was ist Kreditrisiko? Marking to Market Veränderungen des Kreditportfolios: - Rating-Veränderung bzw. Spreadveränderung
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße
MehrCAPM Die Wertpapierlinie
CAPM Die Wertpapierlinie Systematisches und unsystematisches Risiko Frank von Oppenkowski 6. Semester Betriebswirtschaftslehre SP Finanzwirtschaft 1 Die Wertpapierlinie (= CAPM) Gliederung 2 Wie man Erträge
MehrAuswirkungen von Solvency II auf die Versicherungspraxis
Auswirkungen von Solvency II auf die Versicherungspraxis Dr. Armin Zitzmann Vorstandsvorsitzender der NÜRNBERGER Versicherungsgruppe Forum V Versicherungsmathematisches Kolloquium 11.02.2014 Dr. Armin
MehrAnalyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse
Analyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse Yannik Behr Gliederung 1 Stochastische Prozesse Stochastische Prozesse Ein stochastischer Prozess ist ein Phänomen, dessen
MehrDas Parameterrisiko - Ein häufig vernachlässigtes Risiko in Internen Modellen von Schaden- und Unfallversicherern
Das Parameterrisiko - Ein häufig vernachlässigtes Risiko in Internen Modellen von Schaden- und Unfallversicherern Dorothea Diers Preprint Series: 2007-19 Fakultät für Mathematik und Wirtschaftswissenschaften
MehrKreditrisiko bei Swiss Life. Carl-Heinz Meyer, 13.06.2008
Kreditrisiko bei Swiss Life Carl-Heinz Meyer, 13.06.2008 Agenda 1. Was versteht man unter Kreditrisiko? 2. Ein Beisiel zur Einführung. 3. Einige kleine Modelle. 4. Das grosse kollektive Modell. 5. Risikoberechnung
MehrMonte Carlo Simulation (Grundlagen)
Der Titel des vorliegenden Beitrages wird bei den meisten Lesern vermutlich Assoziationen mit Roulette oder Black Jack hervorrufen. Allerdings haben das heutige Thema und die Spieltische nur den Namen
MehrWirkung von rück versicherung auf das Risikokapital
Wirkung von rück versicherung auf das Ein praktisches Beispiel unter QIS5 Autoren Dr. Norbert Kuschel Ekaterina Mamykina Radek Pavlis Kontakt solvency-solutions@munichre.com Die Knowledge Series finden
MehrModellierung des Stornos nach Beitragsanpassung in der PKV
ierung des Stornos nach Beitragsanpassung in der PKV 02.07.2013 Alexander Küpper Central Krankenversicherung AG Inhaltsverzeichnis Einführung Gesetzlicher Rahmen Stornomodell Anwendung Ausblick und Weiterentwicklung
MehrKorrelationen, Portfoliotheorie von Markowitz, Capital Asset Pricing Model
Korrelationen, Portfoliotheorie von Markowitz, Capital Asset Pricing Model Matthias Eltschka 13. November 2007 Inhaltsverzeichnis 1 Einleitung 3 2 Vorbereitung 4 2.1 Diversifikation...........................
MehrQuantifizierung von Risiken
Quantifizierung von Risiken Alpiq Group Risk Management Olten, 31. Oktober 2013 Was ist ein Risiko? Ein Risiko ist die Beschreibung eines Ereignisses mit der Möglichkeit einer negativen Auswirkung. In
MehrMonte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011
Kevin Schellkes und Christian Hendricks 29.08.2011 Inhalt Der herkömmliche Ansatz zur Simulation logarithmischer Renditen Ansatz zur Simulation mit Copulas Test und Vergleich der beiden Verfahren Fazit
MehrStandardmodell und ORSA Herausforderungen für mittelständische Versicherungsunternehmen DI Christian Freibauer, MBA
Standardmodell und ORSA Herausforderungen für mittelständische Versicherungsunternehmen DI Christian Freibauer, MBA Workshop QIS 6 4. Juni 2014, KPMG 1 Agenda Ressourcenintensität Organisationseinheiten
MehrDer Schweizer Solvenztest SST
Der Schweizer Solvenztest SST Bruno Pfister Präsident Ausschuss Wirtschaft und Finanzen SVV CFO Swiss Life 1 Fünf Fehlentwicklungen in den 1990er Jahren einseitig auf Wachstum fokussiert verspätete Reaktion
MehrDatenanalyse mit Python. Dr. Wolfram Schroers <Wolfram.Schroers - at - Field-theory.org>
Datenanalyse mit Python Dr. Wolfram Schroers Problem Beobachtungen Modell (Annahmen, Vereinfachungen) Vorhersagen Vergleich Python: Stärken und Schwächen Anwendung:
MehrVeröffentlicht in RISIKO MANAGER 24/2012. S. 1 u. 6 11. Bank-Verlag GmbH, Köln
!!!! Veröffentlicht in RISIKO MANAGER 24/2012 Neue Wege in der regulatorischen Messung des Marktrisikos: Expected Shortfall statt Value-at-Risk S. 1 u. 6 11 Bank-Verlag GmbH, Köln Quantil GmbH E-Mail:
MehrWie die Märkte wirklich funktionieren - und wie nicht
JACK SCHWAGER SINN UND UNSINN AN DER BÖRSE Wie die Märkte wirklich funktionieren - und wie nicht VERZEICHNIS Vorwort Prolog 13 ^ Teil 1 Märkte, Renditen und Risiken Kapitel 1 Ratschläge von Experten 19
MehrRisikomessung und Value at Risk Wintersemester 2013/14
Risikomessung und Value at Risk Wintersemester 2013/14 Walter Sanddorf-Köhle Statistik und Ökonometrie Foliensatz Nr. 11 Version vom 24. Januar 2014 1 / 45 6.5.1 Bisherige Vorgehensweise zur Berechnung
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrMerkblatt für die Versicherungen
Merkblatt für die Versicherungen Im Abschluss des Versicherungsplanspiels sollen die Versicherungen eine Bilanz nach QIS 4 für die Solvency II Prüfung aufbauen. Im Folgenden werden kurz grundlegende Informationen
Mehreinfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110
Übungsbeispiele 1/6 1) Vervollständigen Sie folgende Tabelle: Nr. Aktie A Aktie B Schlusskurs in Schlusskurs in 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110 Arithmetisches Mittel Standardabweichung
MehrMaRisk-relevante Anpassungen im Kreditportfoliomodell. GenoPOINT, 28. November 2013 Dr. Martin Bialek parcit GmbH
im Kreditportfoliomodell GenoPOINT, 28. November 2013 Dr. Martin Bialek parcit GmbH Agenda Überblick KPM-KG Bedeutung des Portfoliomodells für den MaRisk-Report MaRisk-relevante Anpassungen MaRisk-relevante
MehrEin Partialmodell für Lebensversicherer BRiSMA die stochastische Modellierung biometrischer Risiken
Solvency Consulting Knowledge Series Autor Lars Moormann Kontakt solvency-solutions@munichre.com Dezember 2012 2012 Münchener Rückversicherungs-Gesellschaft Königinstraße 107, 80802 München Bestellnummer
MehrAuf dem Weg zu Solvency II: Aktueller Stand
Auf dem Weg zu Solvency II: Aktueller Stand Rolf Stölting Köln, 8. November 2004 Inhalt 1. Status Quo Solvency I 2. Handlungsbedarf 3. Die Vision Solvency II 4. Organisation des Gesamtprozesses 5. Bisherige
MehrPortfolio-Optimierung und Capital Asset Pricing
Portfolio-Optimierung und Capital Asset Pricing Peter Malec Institut für Statistik und Ökonometrie Humboldt-Universität zu Berlin Econ Boot Camp, SFB 649, Berlin, 4. Januar 2013 1. Einführung 2 29 Motivation
MehrINTERNE MODELLE IN DER LEBENSVERSICHERUNG. 3. MaRisk-TAGUNG DER BDO
INTERNE MODELLE IN DER LEBENSVERSICHERUNG 3. MaRisk-TAGUNG DER BDO Dr. Frank Schiller 20.05.2010 Agenda Risikomodelle und Unternehmenssteuerung Biometrische Analysen: Traditioneller Ansatz Biometrische
MehrREGULIERT SOLVENCY II KLEINE VVAG AUS DEM DEUTSCHEN MARKT?
REGULIERT SOLVENCY II KLEINE VVAG AUS DEM DEUTSCHEN MARKT? Monika Köstlin Verband der Versicherungsvereine a.g. e.v. Vorstandsmitglied des Kieler Rückversicherungsvereins a.g. Agenda 2 Einführung Mitgliederstruktur
MehrGeneralthema: Ausgewählte Fragen der Fremdfinanzierung
Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Seminar zur Allgemeinen Betriebswirtschaftslehre und Bankbetriebslehre Wintersemester 1999/000 Zuständiger Mitarbeiter:
MehrKalkulation versicherungstechnischer Risiken
Kalkulation versicherungstechnischer Risiken mit Beispielen aus den Sparten Dr. Arnd Grimmer DBV-Winterthur Lebensversicherung AG Wiesbaden Begriff des Risikos Definition: Risiko bedeutet die Möglichkeit
MehrNumerische Optionsbepreisung durch Monte-Carlo-Simulation und Vergleich mit dem Black-Scholes-Modell
Numerische Optionsbepreisung durch Monte-Carlo-Simulation und Vergleich mit dem Black-Scholes-Modell Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft
MehrGrundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!
Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)
MehrPortfolio-Optimierung und Capital Asset Pricing
Portfolio-Optimierung und Capital Asset Pricing Prof. Dr. Nikolaus Hautsch Institut für Statistik und Ökonometrie Humboldt-Universität zu Berlin CASE, CFS, QPL Econ Boot Camp, SFB 649, Berlin, 8. Januar
MehrQualitative Anforderungen: Säule 2 und Säule 3 für KMUs schon machbar?
Gesamtverband der Deutschen Versicherungswirtschaft e.v. Qualitative Anforderungen: Säule 2 und Säule 3 für KMUs schon machbar? Dr. Axel Wehling Bonn, 7. Juni 2011 Gesamtverband der Deutschen Versicherungswirtschaft
MehrVon der Mathematik zu Advanced Solutions
Von der Mathematik zu Advanced Solutions Underwriting bei Advanced Solutions in Rückversicherungsverträgen Regina Skibbe Referatsleiterin Oldenburg, 9. Mai 2008 Berufspraxistag Uni Oldenburg - 09.05.2008
MehrSolvency II für Gruppen: Ein Puzzle für Aktuare, Risikomanager und Bilanzierer qx-club, 05. Februar 2013
Solvency II für Gruppen: Ein Puzzle für Aktuare, Risikomanager und Bilanzierer qx-club, 05. Februar 2013 Dr. Robert Bahnsen, Dr. Oliver Delzeith Gruppen: Überblick Fokus für heute Gruppensolvenzkapitalanforderungen
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
MehrInkrafttreten der teilrevidierten Verordnung über die Beaufsichtigung von privaten Versicherungsunternehmen
Inkrafttreten der teilrevidierten Verordnung über die Beaufsichtigung von privaten Versicherungsunternehmen Am 25. März 2015 hat der Bundesrat beschlossen, die teilrevidierte Aufsichtsverordnung (AVO)
Mehr