Repna Teža: Ključ do Natančnih Kapitalskih Zahtev in Tveganj

Uvod v Repno Težo in Ekstremne Dogodke v Zavarovalništvu

V zavarovalništvu se nenehno soočamo z negotovostjo. Medtem ko so 'običajne' škode relativno predvidljive in jih lahko obvladamo z množičnim zakonom, predstavljajo ekstremni dogodki, kot so katastrofalne nezgode ali izjemno visoke odškodnine, poseben izziv. Ti 'repni dogodki' so redki, a imajo lahko uničujoče posledice za finančno stabilnost zavarovalnice. Prav zato je razumevanje in natančno modeliranje teh dogodkov ključnega pomena za vsakega aktuarja in finančnega analitika.

Koncept 'repne teže' distribucije se nanaša na verjetnost pojava izjemno velikih vrednosti – v našem primeru, izjemno visokih škod. Distribucije z 'debelimi repi' (heavy-tailed distributions) imajo bistveno višjo verjetnost za pojav ekstremnih dogodkov v primerjavi z distribucijami z 'lahkimi repi' (light-tailed distributions), kot je na primer normalna distribucija. Napačna ocena repne teže lahko vodi do katastrofalnih napak pri določanju kapitalskih rezervacij in upravljanju tveganj, kar lahko ogrozi solventnost in celotno poslovanje zavarovalnice. Zato je moja osredotočenost vedno na robustnih in zanesljivih metodah modeliranja.

Pri analizi ekstremnih škod se ne moremo zanašati zgolj na empirične podatke o preteklih dogodkih, saj so ti redki in ne zagotavljajo dovolj statistične moči za zanesljivo napovedovanje prihodnosti. Potrebujemo teoretične modele, ki so sposobni ekstrapolirati iz obnašanja distribucije v njenih repih. Tu pridejo v poštev napredni statistični modeli, kot sta Generalized Extreme Value (GEV) distribucija in Generalized Pareto Distribution (GPD), ki so posebej zasnovani za modeliranje ekstremnih vrednosti.

Razumevanje Expected Shortfall (ES) in Value at Risk (VaR)

V zavarovalništvu in širše v finančnem sektorju sta Expected Shortfall (ES) in Value at Risk (VaR) dve ključni meri tveganja, ki nam pomagata kvantificirati potencialne izgube. VaR je definiran kot največja potencialna izguba, ki je ne bo presežena z določeno verjetnostjo (npr. 99%) v določenem časovnem obdobju. Na primer, 99% VaR v višini 1 milijona EUR pomeni, da obstaja 1% verjetnost, da bo izguba presegla 1 milijon EUR v danem časovnem okviru. VaR je relativno intuitivna mera in se pogosto uporablja v regulativne namene, vendar ima svoje pomanjkljivosti, še posebej pri modeliranju repnih tveganj.

Expected Shortfall (ES), znan tudi kot Conditional Value at Risk (CVaR), je sofisticirana mera tveganja, ki odpravlja nekatere pomanjkljivosti VaR. ES meri povprečno izgubo, ki presega VaR na določeni stopnji zaupanja. Povedano drugače, če VaR pove, kakšna je 'najslabša' izguba, ki se lahko zgodi z določeno verjetnostjo, ES pove, kakšna je povprečna izguba, *če* se že zgodi scenarij, ki presega VaR. ES je koherentna mera tveganja, kar pomeni, da izpolnjuje določene aksiome, ki so zaželeni za robustno upravljanje tveganj. Zaradi svoje občutljivosti na repno obnašanje distribucije je ES vse bolj priljubljen in je celo predpisan kot prednostna mera tveganja v okviru regulativnih okvirov, kot je Solvency II.

Povezava med repno težo in tema merama je kritična. V distribucijah z debelimi repi so ekstremni dogodki verjetnejši, kar pomeni, da bosta tako VaR kot ES višja. Še pomembneje je, da bo razlika med VaR in ES večja pri distribucijah z debelejšimi repi, saj ES zajame celotno območje nad VaR, medtem ko VaR predstavlja le eno točko. Napačno modeliranje repne teže lahko torej povzroči, da so naše ocene teh ključnih mer tveganja drastično podcenjene, kar ima lahko resne finančne posledice za zavarovalnico.

GEV in GPD Modeli: Osnova za Analizo Ekstremnih Vrednosti

Za natančno analizo ekstremnih škod se v zavarovalništvu in aktuarski znanosti pogosto uporabljata Generalized Extreme Value (GEV) distribucija in Generalized Pareto Distribution (GPD). GEV distribucija je primerna za modeliranje maksimumov (ali minimumov) blokov podatkov – na primer, letnih maksimumov škod. Njena teoretična podlaga izhaja iz teorije ekstremnih vrednosti, ki pravi, da se porazdelitev maksimumov neodvisnih in identično porazdeljenih slučajnih spremenljivk približuje GEV distribuciji, ko se velikost bloka poveča.

GEV distribucija ima tri parametre: lokacijski parameter (μ), skalarni parameter (σ) in, kar je najpomembneje za našo razpravo, parameter oblike (ξ). Parameter oblike ξ določa obliko repa distribucije: če je ξ > 0, ima GEV distribucija debel rep (Frechet tip); če je ξ = 0, ima lahek rep (Gumbel tip); in če je ξ < 0, ima GEV distribucija končen zgornji ekstrem (Weibull tip). Prav ta parameter je ključen za oceno repne teže in s tem za natančnost naših izračunov VaR in ES.

Generalized Pareto Distribution (GPD) pa se uporablja za modeliranje dogodkov, ki presegajo določen visok prag. Namesto da bi modelirala maksimum bloka, se GPD osredotoča na 'presežke' nad pragom. Po teoriji ekstremnih vrednosti se presežki nad visokim pragom asimptotično približujejo GPD distribuciji. Tudi GPD ima parameter oblike (ξ), ki ima enako interpretacijo kot pri GEV distribuciji, in skalarni parameter (β). Izbira optimalnega praga za GPD modeliranje je kritična in zahteva skrbno analizo podatkov, saj prenizek prag vključi preveč 'neekstremnih' podatkov, previsok pa zmanjša število opazovanj in s tem statistično moč.

Oba modela, GEV in GPD, sta nepogrešljiva orodja za razumevanje in kvantificiranje ekstremnih tveganj. Njihova uporaba nam omogoča, da se ne zanašamo zgolj na pretekla opazovanja, temveč da zgradimo robusten model, ki lahko napove obnašanje distribucije v njenih skrajnih repih. To je ključno za določanje pravilnih rezervacij in kapitalskih zahtev v skladu z regulativnimi standardi.

Vpliv Parametra Oblike (ξ) na Repno Težo in Izračune ES/VaR

Kot sem že omenila, je parameter oblike (ξ) tisti, ki v GEV in GPD modelih neposredno določa naravo repne teže distribucije in s tem vpliva na verjetnost ekstremnih dogodkov. Pozitiven parameter oblike (ξ > 0) nakazuje na debel rep, kar pomeni, da so izjemno velike škode bolj verjetne. V takem primeru se vrednosti VaR in ES eksponentno povečujejo z naraščajočo stopnjo zaupanja, kar zahteva višje kapitalske rezerve. Če je ξ blizu nič (ξ ≈ 0), distribucija kaže obnašanje Gumbel tipa (lahek rep), kjer so ekstremni dogodki manj verjetni, in VaR/ES rastejo počasneje. Negativen parameter oblike (ξ < 0) pa pomeni končen zgornji rep, kar nakazuje na omejeno zgornjo mejo možnih škod, kar je v praksi zavarovalništva redkeje pričakovano za neomejene izgube, a pomembno za določene vrste škod, kjer obstaja naravna zgornja meja.

Napačna ocena parametra oblike lahko ima resne posledice. Če podcenimo parameter oblike (npr. ocenimo ξ = 0,1, ko je dejanski ξ = 0,5), bomo podcenjevali repno težo. Posledično bodo izračunane vrednosti VaR in ES prenizke, kar bo vodilo do nezadostnih kapitalskih rezervacij. Zavarovalnica bi bila v tem primeru izpostavljena bistveno višjim tveganjem, kot jih prikazujejo njeni modeli. Nasprotno, precenjevanje parametra oblike (npr. ocenimo ξ = 0,5, ko je dejanski ξ = 0,1) bo povzročilo precenjevanje VaR in ES, kar bo vodilo do previsokih kapitalskih zahtev. Čeprav se to morda zdi varno, ima lahko negativen vpliv na dobičkonosnost in konkurenčnost zavarovalnice, saj nepotrebno 'zaklepa' kapital, ki bi ga lahko investirali drugam.

Zato je izjemno pomembno uporabiti robustne statistične metode za oceno parametrov GEV/GPD modelov, kot so metoda maksimalnega verjetja (Maximum Likelihood Estimation - MLE) ali metoda momentov (Method of Moments - MoM). Redno preverjanje in posodabljanje teh modelov z novimi podatki je prav tako nujno za ohranjanje njihove natančnosti in zanesljivosti. Natančnost parametra oblike je srce natančnega upravljanja tveganj pri ekstremnih dogodkih, kar sem se naučila skozi leta prakse.

Numerični Primeri: Podcenjevanje in Precenjevanje Kapitalskih Zahtev

Predstavljajmo si zavarovalnico, ki modelira potencialne izgube iz naslova ekstremnih nezgodnih dogodkov. Za oceno 99,5% VaR in ES uporabljajo GPD model. Podatki kažejo, da so povprečni presežki škod nad pragom 10.000 EUR. Zdaj pa si poglejmo, kako različni parametri oblike vplivajo na izračune. Za informativni primer izračuna bomo uporabili naslednje predpostavke: lokacijski parameter μ=0 (kar poenostavi GPD za presežke), skalarni parameter β=15.000 EUR.

Primer 1: Natančna ocena. Recimo, da je dejanski parameter oblike ξ = 0,2. Pri tej vrednosti, ki nakazuje zmerno debel rep, bi bili izračuni 99,5% VaR in ES bistveno višji kot pri lahkorapi distribuciji. Numerično bi bila vrednost VaR na primer 120.000 EUR, medtem ko bi bil ES 150.000 EUR. Te vrednosti bi predstavljale optimalne kapitalske zahteve, ki bi zavarovalnici omogočile dovolj rezerve za kritje pričakovanih ekstremnih dogodkov.

Primer 2: Podcenjevanje repne teže. Če bi analitik napačno ocenil parameter oblike kot ξ = 0 (kar implicira Gumbelov tip z lažjim repom), bi bili izračuni dramatično nižji. Za enak prag in skalarni parameter bi bil 99,5% VaR na primer le 80.000 EUR, ES pa 95.000 EUR. To bi pomenilo, da bi zavarovalnica držala za 40.000 EUR manj kapitala (pri VaR) oziroma 55.000 EUR manj (pri ES), kot je dejansko potrebno. V primeru resnega ekstremnega dogodka bi bila ta zavarovalnica resno ogrožena in bi se lahko soočila z insolventnostjo.

Primer 3: Precenjevanje repne teže. Po drugi strani, če bi analitik precenil parameter oblike na ξ = 0,4 (zelo debel rep), bi bili izračuni 99,5% VaR na primer 200.000 EUR in ES 280.000 EUR. Zavarovalnica bi v tem primeru vezala bistveno preveč kapitala – kar 80.000 EUR več pri VaR in 130.000 EUR več pri ES, kot je dejansko potrebno. To bi zmanjšalo donosnost kapitala (Return on Capital - RoC), omejilo možnosti za naložbe in rast ter vplivalo na konkurenčnost podjetja na trgu. Ti primeri jasno kažejo, kako subtilna, a kritična je natančna ocena parametra oblike.

Zakaj je Natančno Modeliranje Ključno za Solventnost in Konkurenčnost?

V luči regulativnih okvirov, kot je Solvency II v Evropski uniji, je natančno določanje kapitalskih zahtev za zavarovalnice izjemno pomembno. Solvency II določa kapitalske zahteve na podlagi VaR na 99,5% stopnji zaupanja v enoletnem časovnem horizontu. Napačno modeliranje repne teže distribucij škod lahko neposredno vpliva na izračun solventnega kapitalskega zneska (Solvency Capital Requirement - SCR) in s tem na solventnostni količnik zavarovalnice.

Zavarovalnica, ki sistematično podcenjuje repno težo, se ne zaveda pravega obsega tveganja, ki ga prevzema. To lahko privede do nezadostnih rezervacij, podkapitaliziranosti in morebitnih težav pri izpolnjevanju obveznosti do zavarovancev. V skrajnih primerih to lahko pomeni celo insolventnost in stečaj. Takšna situacija ima daljnosežne posledice ne le za delničarje in zaposlene, ampak tudi za ugled celotnega zavarovalniškega sektorja in zaupanje javnosti v finančne institucije.

Po drugi strani pa zavarovalnica, ki precenjuje repno težo in s tem kapitalske zahteve, se sooča z izzivi na področju konkurenčnosti. Vsak 'odvečni' evro kapitala, ki ga moramo držati v rezervi, je evro, ki ga ne moremo investirati v donosne naložbe ali ga vrniti delničarjem. To zmanjšuje donosnost kapitala in lahko povzroči, da je zavarovalnica manj privlačna za vlagatelje, težje pridobiva kapital in težje konkurira drugim zavarovalnicam, ki morda uporabljajo natančnejše modele.

Moja izkušnja me uči, da je iskanje optimalnega ravnovesja med varnostjo in učinkovitostjo ključnega pomena. Ne gre le za izpolnjevanje regulativnih zahtev, temveč za strateško odločitev, ki vpliva na dolgoročno stabilnost in uspešnost zavarovalnice. Zato je naložba v robustne modele ekstremnih vrednosti, kot sta GEV in GPD, ter strokovnjake, ki jih znajo pravilno uporabiti in interpretirati, nujna.

Kaj je krito in kaj ni krito: Pomen natančnih pogojev pri ekstremnih dogodkih

Ko govorimo o ekstremnih škodah, je razumevanje, kaj je krito in kaj ni krito v polici nezgodnega zavarovanja, še toliko bolj pomembno. Repna teža distribucije nam pomaga oceniti verjetnost in magnitudo takšnih dogodkov, vendar se dejansko kritje določa s splošnimi in posebnimi pogoji posamezne zavarovalnice. Na primer, splošni pogoji za nezgodno zavarovanje lahko določajo definicijo nezgode, stopnjo invalidnosti, trajanje začasne nesposobnosti za delo, kritje bolnišničnih dni, stroškov zdravljenja in podobno.

Kaj je krito (informativni primer):

1. Smrt zaradi nezgode: Izplačilo zavarovalne vsote dedičem v primeru smrti zavarovanca zaradi nenadne, nepredvidljive in od zunaj povzročene nezgode. Na primer, padec s strehe med delom, avtomobilska nesreča, ki povzroči takojšnjo smrt.

2. Trajna invalidnost zaradi nezgode: Izplačilo dela ali celotne zavarovalne vsote glede na stopnjo invalidnosti, ki je nastala kot posledica nezgode (npr. izguba uda, popolna ohromelost).

3. Dnevnica za bolnišnično zdravljenje zaradi nezgode: Dnevno denarno nadomestilo za čas, preživet v bolnišnici zaradi nezgode.

4. Dnevnica za začasno nezmožnost za delo (invalidnost): Dnevno nadomestilo za določeno obdobje, ko zavarovanec zaradi nezgode ne more opravljati svojega dela.

5. Stroški zdravljenja in rekonvalescence: Povračilo stroškov, kot so fizioterapija, rehabilitacija, zdravila, ki niso krita iz obveznega zdravstvenega zavarovanja in so posledica nezgode.

6. Nadomestilo za zlom kosti/opekline: Pavšalno izplačilo za določene vrste poškodb.

Kaj običajno ni krito (informativni primer – vedno preverite pogoje konkretne zavarovalnice!):

1. Bolezni: Zdravstveni zapleti ali stanja, ki niso posledica nenadne nezgode (npr. srčni infarkt, možganska kap, rak – razen če so kriti v okviru dodatnih kritij za kritične bolezni).

2. Samopoškodbe in samomor: Škode, ki si jih je zavarovanec namenoma povzročil.

3. Poškodbe, nastale pod vplivom alkohola ali mamil: Običajno so izključene, če presegajo zakonsko določene meje (informativni primer: npr. nad 0,5 promila alkohola v krvi, čeprav dejanske vrednosti določa zavarovalnica).

4. Vojna, terorizem, oboroženi konflikti: Dogodki, ki spadajo v kategorijo višje sile ali so politično motivirani.

5. Dejavnosti visokega tveganja: Poklicne športne dejavnosti, ekstremni športi (npr. prosto plezanje, BASE jumping), udeležba na avtomobilističnih dirkah, razen če so posebej dogovorjeni in kriti z dodatnim doplačilom.

6. Estetski posegi: Posegi, ki niso nujni za zdravje po nezgodi, temveč so namenjeni izboljšanju videza.

Pomembno je poudariti, da so to le splošne smernice. Vsaka zavarovalnica ima svoje specifične pogoje, ki jih je treba podrobno preučiti. Zakonodaja (npr. ZZavar-1) določa splošne okvirje, vendar konkretno vsebino kritja določajo pogoji zavarovalnice. Zato vedno svetujem, da se obrnejo name, da skupaj preučimo drobni tisk in zagotovimo optimalno kritje, ki ustreza individualnim potrebam posameznika ali podjetja.

Praktični primer: Nezgoda v podjetju in posledice napačnega modeliranja

Recimo, da je zavarovalnica, ki se je specializirala za zavarovanja odgovornosti in nezgodna zavarovanja za mala in srednja podjetja, leta in leta uporabljala GEV model za oceno pričakovanih škodnih dogodkov. Njihovi analitiki so, na podlagi zgodovinskih podatkov, ocenili parameter oblike ξ = 0,05, kar je nakazovalo na relativno lahek rep distribucije škod. Na podlagi te ocene so določili svoje kapitalske rezerve in oblikovali premijsko politiko.

Vendar pa je podjetje v zadnjih petih letih doživelo strukturne spremembe – prevzeli so nekaj visokorizičnih strank v gradbeništvu in industrijski proizvodnji, hkrati pa se je povečala frekvenca in resnost delovnih nezgod v celotnem sektorju. To so bili predvsem dogodki, ki so povzročili trajno invalidnost ali celo smrt. Ti dogodki so se nahajali v ekstremnem repu distribucije, kjer se je dejanska verjetnost izkazala za bistveno višjo od modelirane. Pravzaprav, če bi uporabili posodobljene podatke, bi se parameter oblike ocenil kot ξ = 0,35, kar kaže na precej debelejši rep.

Posledica te napačne ocene je bila dramatična. Zavarovalnica je imela premalo kapitalskih rezerv, saj so bili njihovi izračuni VaR in ES bistveno podcenjeni. Ko je prišlo do serije resnih nezgod, so bili primorani izplačati odškodnine, ki so presegale njihove pričakovane izgube in rezervacije. To je močno obremenilo njihovo likvidnost in solventnost, kar je povzročilo padec delnic in izgubo zaupanja vlagateljev. Regulatorni organi so sprožili preiskavo in zavarovalnici naložili, da nemudoma poveča svoj kapital, kar je zahtevalo svežo dokapitalizacijo in prodajo dela premoženja. Ta primer jasno prikazuje, kako je nenehno spremljanje in prilagajanje modelov repnim tveganjem ključnega pomena za preživetje in uspeh v zavarovalništvu. Pravočasna prilagoditev bi omogočila zavarovalnici, da bi povečala rezerve, prilagodila premije in se izognila finančni krizi.

Regulativni okviri in priporočila za upravljanje repnih tveganj

Regulativni okviri, kot je že omenjeni Solvency II, so bili vzpostavljeni prav zato, da bi zavarovalnice zanesljivo ocenjevale in obvladovale svoja tveganja, vključno z repnimi. Solvency II določa kvantitativne zahteve, ki zavarovalnicam narekujejo izračun SCR (Solvency Capital Requirement) in MCR (Minimum Capital Requirement). SCR se določi na podlagi VaR na 99,5% stopnji zaupanja v enoletnem časovnem horizontu, kar pomeni, da je zavarovalnica sposobna preživeti izgubo, ki se zgodi enkrat na 200 let. To poudarja pomen natančnega modeliranja repnih dogodkov. Agencija za zavarovalni nadzor (AZN) v Sloveniji skrbi za implementacijo in nadzor teh zahtev.

Poleg regulativnih zahtev obstajajo tudi številna strokovna priporočila s strani aktuarskih združenj in mednarodnih organizacij, kot je International Actuarial Association (IAA), ki poudarjajo pomen uporabe robustnih modelov ekstremnih vrednosti. Priporočila pogosto vključujejo uporabo GEV in GPD modelov, redno validacijo modelov (backtesting), občutljivostne analize in stresne teste, ki preverjajo odpornost zavarovalnice na ekstremne scenarije. To ni le 'must have', ampak 'nice to have' za vzdrževanje zaupanja deležnikov.

Za podjetja in posameznike je pomembno, da razumejo, da zavarovalnice, ki se odgovorno lotevajo modeliranja repnih tveganj, dolgoročno zagotavljajo večjo varnost in zanesljivost. Ko se odločate za zavarovalnico, ni pomembna le cena, temveč tudi njena finančna stabilnost in zmožnost izplačila škod tudi v najbolj ekstremnih scenarijih. Zato je razumevanje teh tehničnih aspektov ključno za mojo svetovalno vlogo, da strankam zagotovim najboljše možne informacije.

Zaključek: Pomen strokovnega pristopa k repnim tveganjem

Kot strokovnjakinja v zavarovalništvu z dolgoletnimi izkušnjami sem prepričana, da je natančno razumevanje in modeliranje repne teže distribucij ekstremnih škod temelj za stabilno in uspešno poslovanje zavarovalnice ter za zagotavljanje varnosti zavarovancev. GEV in GPD modeli nam omogočajo kvantifikacijo tveganj, ki jih 'običajna' statistična orodja preprosto ne morejo zajeti. Napačna ocena parametra oblike lahko ima drastične posledice, od podkapitaliziranosti do izgube konkurenčnosti, zato je skrbnost in strokovnost pri tem delu nepogrešljiva.

Moje poslanstvo je zagotoviti, da so moji klienti vedno zaščiteni pred nepredvidljivostmi. Zato se nenehno izobražujem in sledim najnovejšim trendom in metodam v aktuarski znanosti. Ne gre le za 'prodajo polic', temveč za globoko razumevanje tveganj in ponudbo rešitev, ki so robustne in prilagojene specifičnim potrebam. Izbira ustreznega zavarovanja je pomembna odločitev, ki terja temeljito analizo in strokovno svetovanje, še posebej ko gre za kompleksna vprašanja ekstremnih dogodkov.

Če želite podrobneje raziskati, kako lahko optimiziramo vaše zavarovalne rešitve z upoštevanjem teh naprednih principov upravljanja tveganj, me prosim kontaktirajte. Z veseljem vam bom pomagala pri iskanju najboljših rešitev, ki bodo zagotavljale vašo finančno varnost in stabilnost. Skupaj lahko preprečimo, da bi vas 'repni dogodki' ujeli nepripravljene.

Pogosta vprašanja

Kaj pomeni 'repna teža' v zavarovalništvu?

Repna teža distribucije se nanaša na verjetnost, da se bodo pojavile izjemno velike škode ali dogodki. Distribucije z 'debelimi repi' imajo višjo verjetnost za takšne dogodke kot tiste z 'lahkimi repi', kar vpliva na oceno tveganj in kapitalske zahteve.

Zakaj sta GEV in GPD modela pomembna?

GEV in GPD modela sta ključna za modeliranje ekstremnih vrednosti. GEV modelira maksimume dogodkov (npr. letne maksimume škod), GPD pa modelira presežke škod nad določenim visokim pragom. Oba sta bistvena za natančno oceno repnih tveganj.

Kako parameter oblike (ξ) vpliva na izračune VaR in ES?

Parameter oblike ξ določa obliko repa distribucije. Pozitiven ξ (debel rep) pomeni višje VaR in ES ter zahteva več kapitala. Negativna ali ničelna vrednost (lahek rep) pa pomeni nižje vrednosti VaR in ES. Napačna ocena vpliva na adekvatnost kapitala.

Kakšne so posledice napačne ocene repne teže?

Napačna ocena lahko vodi do podcenjevanja ali precenjevanja kapitalskih zahtev. Podcenjevanje ogroža solventnost zavarovalnice, precenjevanje pa zmanjšuje njeno dobičkonosnost in konkurenčnost, saj veže preveč kapitala.

Kaj je glavna razlika med VaR in ES?

VaR (Value at Risk) je največja potencialna izguba z določeno verjetnostjo. ES (Expected Shortfall) pa je povprečna izguba, če se že zgodi dogodek, ki presega VaR. ES je bolj koherentna mera in občutljivejša na repna tveganja.

Viri in reference

• Uradni list RS – Zakon o zavarovalništvu (ZZavar-1)
• Agencija za zavarovalni nadzor (AZN) – Smernice za izvajanje Solvency II
• Embrechts, P., Klüppelberg, C., & Mikosch, T. (1997). Modelling extremal events for insurance and finance.
• McNeil, A. J., Frey, R., & Embrechts, P. (2015). Quantitative risk management: Concepts, techniques and tools.
• Coles, S. (2001). An Introduction to Statistical Modeling of Extreme Values.

Nadaljujte branje o tej temi

Povezave so izbrane samodejno glede na steber zaščite in ključne besede te objave.

• 
  Primer: Tehnični vpogledi

  Avtoimunske bolezni in zavarovalno kritje: Kaj je realno mogoče

• 
  Primer: Tehnični vpogledi

  Fiksna ali padajoča zavarovalna vsota? Stroškovna primerjava za kreditojemalce

• 
  Primer: Tehnični vpogledi

  Revizija police za hude bolezni: Zakaj jo opraviti vsakih pet let

• 
  Primer: Tehnični vpogledi

  Zdravstveni vprašalnik: dolžnost obveščanja in posledice napak

• 
  Primer: Tehnični vpogledi

  Anamneza in zdravstveni vprašalnik: Zakaj je iskrenost pogoj za izplačilo