Stresni testi in Monte Carlo: Kvantifikacija ekstremnih nezgodnih škod

Uvod: Zakaj je kvantifikacija tveganja ekstremnih nezgodnih škod ključna?

V mojih dvajsetih letih izkušenj v zavarovalništvu sem se vedno zavedala, da je obvladovanje tveganj bistveno za stabilnost in dolgoročno preživetje zavarovalnice. Medtem ko se z rutinskimi in pogostimi škodnimi dogodki relativno enostavno spopadamo s statističnimi modeli, predstavljajo ekstremni dogodki, ki so redki, a imajo lahko katastrofalne posledice, največji izziv. Nezgode niso izjema; čeprav se morda zdijo posamezno majhne, lahko kumulativni učinki v določenih scenarijih ustvarijo izjemne obremenitve za zavarovalniško bilanco.

Solventnost zavarovalnice, torej njena sposobnost izpolnjevanja dolgoročnih obveznosti, je neposredno odvisna od robustnosti njenih modelov za obvladovanje tveganj. Regulativa, kot je Solvency II v Evropski uniji, jasno poudarja pomen naprednih metod za oceno tveganj, vključno s stresnimi testi in scenarijsko analizo. Ta objava je namenjena tehničnim strokovnjakom, ki želijo poglobiti svoje razumevanje metodologije kvantifikacije tveganj ekstremnih dogodkov, s posebnim poudarkom na nezgodnih škodah in uporabi simulacij Monte Carlo.

Moj cilj je predstaviti pristope, ki omogočajo ne le prepoznavanje potencialnih ranljivosti, temveč tudi kvantifikacijo finančnih posledic v najbolj neugodnih, a verjetnih scenarijih. S tem lahko zavarovalnice proaktivno prilagodijo svoje kapitalske zahteve, cenovno politiko in strategije pozavarovanja, s čimer zagotovijo svojo odpornost in zanesljivost za zavarovance.

Regulativni okvir in pomen stresnih testov (Solvency II, ZZavar-1)

V Sloveniji in Evropski uniji je regulativni okvir za zavarovalništvo izjemno natančen, kar med drugim določa tudi Zakon o zavarovalništvu (ZZavar-1), ki je implementacija direktive Solvency II. Ta okvir zahteva od zavarovalnic, da vzpostavijo robusten sistem upravljanja tveganj, ki vključuje redno izvajanje stresnih testov in scenarijskih analiz. Cilj ni le formalna skladnost, temveč zagotavljanje dejanske sposobnosti zavarovalnice za preživetje v neugodnih razmerah.

Solvency II postavlja stroge zahteve glede kapitalske ustreznosti, izražene skozi Solventnostno kapitalsko zahtevo (SCR) in Minimalno kapitalsko zahtevo (MCR). Pri izračunu SCR so stresni testi in scenarijske analize ključni, saj omogočajo oceno, kako se bo kapitalski položaj zavarovalnice odzval na določene, vnaprej definirane šoke. To je še posebej pomembno pri nezgodnih zavarovanjih, kjer se lahko škode v ekstremnih scenarijih močno povečajo zaradi korelacije dogodkov ali nepričakovanih dejavnikov.

Agencija za zavarovalni nadzor (AZN) v Sloveniji aktivno spremlja in preverja skladnost zavarovalnic s temi zahtevami. Zavarovalnice morajo dokazati, da so sposobne identificirati, oceniti, spremljati in obvladovati vsa pomembna tveganja, vključno z operativnimi, tržnimi, kreditnimi in zavarovalniškimi tveganji. Stresni testi so tako ključno orodje pri izpolnjevanju teh obveznosti in pri transparentnem poročanju nadzornim organom ter vsem deležnikom.

Pomembno je razumeti, da regulativni okvir določa minimalne standarde, medtem ko si zavarovalnice prizadevajo za preseganje teh standardov z lastnimi, internimi modeli in analizami, ki so prilagojeni njihovemu specifičnemu poslovnemu modelu in portfelju tveganj. Le tako je mogoče resnično doseči optimalno obvladovanje tveganj in zagotoviti dolgoročno stabilnost.

Osnovna načela simulacij Monte Carlo za zavarovalniške škode

Simulacije Monte Carlo so močno orodje za modeliranje kompleksnih sistemov z visoko stopnjo negotovosti, kar je značilno za zavarovalniško dejavnost. Njihovo bistvo je generiranje velikega števila naključnih vzorcev iz definiranih verjetnostnih distribucij, kar omogoča oceno verjetnostne distribucije izhodnih spremenljivk. Pri nezgodnih škodah to pomeni simulacijo tisočerih ali milijonov možnih scenarijev dogodkov in s tem povezanih škod, namesto da bi se zanašali zgolj na povprečja in enostavne statistične projekcije.

Postopek običajno vključuje tri ključne korake: (1) definiranje verjetnostnih distribucij za ključne vhodne parametre (npr. frekvenca nezgod, povprečni stroški posamezne škode, stopnja inflacije medicinskih stroškov, korelacija med različnimi tipi škod), (2) izvajanje ponavljajočih se naključnih vzorčenj iz teh distribucij in (3) agregacija rezultatov za analizo izhodnih distribucij, kot je skupna škoda ali skupne rezervacije.

Prednost simulacij Monte Carlo je v njihovi sposobnosti zajeti nelinearne odnose in visoke stopnje interakcije med različnimi dejavniki tveganja. To je še posebej pomembno pri nezgodnih zavarovanjih, kjer se škoda ne le sešteva, temveč se lahko pojavijo tudi sinergijski učinki. Na primer, pandemija lahko ne le poveča frekvenco določenih nezgod zaradi spremenjenega življenjskega sloga, temveč tudi eksponentno poviša medicinske stroške na enoto škode.

Kljub vsem prednostim je pomembno poudariti, da je kakovost simulacij Monte Carlo odvisna od kakovosti vhodnih podatkov in ustreznosti izbranih verjetnostnih distribucij. Nepravilno modeliranje repov distribucij ali ignoriranje ključnih korelacij lahko vodi do podcenjevanja ali precenjevanja tveganja, kar bi imelo resne posledice za odločitve zavarovalnice.

Definicija in konstrukcija stresnih scenarijev za nezgodne škode

Definiranje stresnih scenarijev je verjetno najzahtevnejši, a hkrati najpomembnejši korak pri izvajanju stresnih testov. Scenariji morajo biti verodostojni, a hkrati dovolj ekstremni, da preizkusijo odpornost zavarovalnice. Pri nezgodnih škodah to pomeni razmislek o dogodkih, ki bi lahko bistveno povečali frekvenco ali resnost škodnih dogodkov, ali oboje hkrati. Scenariji se lahko razdelijo na specifične in generične.

Specifični scenariji se osredotočajo na določene dogodke, kot je na primer velik obseg nezgod zaradi nenadnega poledice, večja industrijska nesreča, ki vpliva na večje število zaposlenih, ali pa dolgotrajna pandemija, ki povzroči dolgotrajne zdravstvene težave in s tem povezane stroške. Pri tem je ključno identificirati ključne parametre, ki se bodo spremenili v takšnem scenariju: na primer, povečanje frekvence nesreč za X %, povišanje povprečnih medicinskih stroškov za Y % in podaljšanje časa rekonvalescence za Z dni.

Generični scenariji so bolj abstraktni in se osredotočajo na sistemska tveganja. Lahko vključujejo splošno gospodarsko krizo, ki poveča brezposelnost in s tem povezano tveganje za določene tipe nezgod, ali pa kumulativne učinke več manjših, na videz nepovezanih dogodkov. Na primer, simultano povečanje stroškov goriva, hkrati s pomanjkanjem določenih medicinskih pripomočkov in povišanjem sodnih stroškov. Vsak scenarij mora biti natančno dokumentiran, vključno z vsemi predpostavkami in utemeljitvami za izbrane parametre.

Pri konstrukciji scenarijev je nujno sodelovanje med aktuarskimi, škodnimi in 'underwriting' oddelki. Aktuarji priskrbijo kvantitativne modele, škodni referenti podatke o dejanskih škodah in trendih, medtem ko 'underwriting' določa, kako se bodo posamezni scenariji odrazili v zavarovalnih pogojih in cenah. Brez takšnega medoddelčnega pristopa je težko zgraditi realistične in uporabne stresne scenarije.

Implementacija scenarijev v Monte Carlo simulacijski model

Ko so stresni scenariji definirani, je naslednji korak njihova implementacija v Monte Carlo simulacijski model. To vključuje prilagoditev vhodnih verjetnostnih distribucij in parametrov modela v skladu z določenim scenarijem. Na primer, če scenarij predvideva povečanje frekvence prometnih nesreč za 20 % in medicinskih stroškov za 15 %, je treba ustrezno premakniti parametre distribucij (npr. lambda za Poissonovo distribucijo frekvenc ali povprečje za lognormalno distribucijo škod).

Ključnega pomena je tudi modeliranje korelacij med različnimi tipi škod in med različnimi parametri. V stresnem scenariju so korelacije pogosto močnejše kot v normalnih pogojih. Na primer, v primeru naravne katastrofe se lahko frekvenca in resnost poškodb povečata hkrati, prav tako pa se lahko povečajo stroški reševanja in medicinske oskrbe. Te korelacije je mogoče modelirati z uporabo kopul (copulas), ki omogočajo simulacijo skupne distribucije, kjer so maržne distribucije za vsako spremenljivko določene posebej, vendar so medsebojne odvisnosti ohranjene.

Za izvedbo simulacije je potreben specializiran softver, ki omogoča generiranje velikega števila iteracij. Vsaka iteracija predstavlja eno 'realizacijo' scenarija, kjer se naključno generirajo vrednosti za vse vhodne parametre. Na primer, v vsaki iteraciji se lahko simulira število nezgod v določenem obdobju (npr. 1 leto) in za vsako nezgodo se simulira višina škode. Agregat teh simuliranih škod v eni iteraciji predstavlja en možni letni izid.

Po več tisoč ali milijonih iteracij se zberejo rezultati, ki tvorijo empirično distribucijo skupne škode pod določenim stresnim scenarijem. Iz te distribucije lahko nato izračunamo ključne metrike tveganja, kot sta Value at Risk (VaR) in Conditional Tail Expectation (CTE), ki nam povesta, kakšno je tveganje v skrajnih repih distribucije.

Kvantifikacija tveganja: Value at Risk (VaR) in Conditional Tail Expectation (CTE)

Value at Risk (VaR) in Conditional Tail Expectation (CTE), znana tudi kot Expected Shortfall (ES), sta dve ključni metriki za kvantifikacijo tveganja v finančni industriji, vključno z zavarovalništvom. Obe se uporabljata za merjenje potencialnih izgub v prihodnosti, vendar se razlikujeta v načinu, kako obravnavata ekstremne dogodke.

**Value at Risk (VaR)** na dani stopnji zaupanja (npr. 99,5 %) predstavlja največjo pričakovano izgubo, ki je ne bomo presegli z določeno verjetnostjo v določenem časovnem horizontu. Na primer, VaR99,5 % za letno škodo v višini 10 milijonov EUR pomeni, da obstaja le 0,5 % verjetnosti, da bo dejanska škoda v enem letu presegla 10 milijonov EUR. VaR je intuitiven in enostaven za razlago, zato je postal standard v regulativi, kot je Solvency II. Je pa pomembno opozoriti, da VaR ne pove, kolikšna bo povprečna izguba, če se prag preseže – pove le prag sam.

**Conditional Tail Expectation (CTE)**, ali Expected Shortfall (ES), je bolj robustna metrika, še posebej pri obravnavi ekstremnih dogodkov. CTE na dani stopnji zaupanja (npr. 99,5 %) predstavlja povprečno izgubo, ko izguba preseže VaR na tej ravni. Z drugimi besedami, če se zgodi dogodek, ki je v tistem repu 0,5 % najbolj ekstremnih dogodkov, CTE pove, kolikšna je povprečna izguba v tem scenariju. To omogoča boljšo predstavo o velikosti katastrofalnih izgub, ki jih VaR sam po sebi ne zajame. CTE je tako bolj koherentna mera tveganja in se pogosto uporablja v internih modelih zavarovalnic za bolj konzervativno oceno kapitalskih potreb.

Primer izračuna (informativni): Predpostavimo, da simulacija Monte Carlo za nezgodne škode generira 10.000 izidov skupne letne škode. Če te izide razvrstimo od najnižjega do najvišjega, bo VaR99,5 % tista vrednost škode, ki je na 99,5 percentilu (torej 9.950. izid). CTE99,5 % pa bo povprečje vseh izidov, ki so nad VaR99,5 % (torej povprečje zadnjih 50 izidov). To ponuja celovitejši pogled na tveganje, saj zajame tako verjetnost preseganja določene izgube kot tudi povprečno velikost te izgube v ekstremnih scenarijih.

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

Pri obravnavi ekstremnih dogodkov in simulacij Monte Carlo je ključnega pomena, da se jasno zavedamo, kaj zavarovalna polica sploh krije in česa ne. To ni zgolj pravna podrobnost, ampak bistven del modeliranja tveganj. Nedefinirana ali nejasna kritja lahko povzročijo nepredvidene izgube, ki niso bile vključene v stresne teste.

**Krito (splošni primeri):**

1. **Smrt zaradi nezgode:** Izplačilo dogovorjene zavarovalne vsote dedičem v primeru smrti zavarovanca zaradi nezgode, kot je definirana v splošnih pogojih (npr. padec, prometna nesreča, utopitev).

2. **Trajna invalidnost zaradi nezgode:** Izplačilo deleža ali celotne zavarovalne vsote glede na stopnjo trajne invalidnosti (določa se po lestvici invalidnosti), ki je posledica nezgode.

3. **Bolnišnični dan zaradi nezgode:** Dnevna odškodnina za vsak dan bivanja v bolnišnici zaradi zdravljenja posledic nezgode.

4. **Dnevna odškodnina v primeru začasne nezmožnosti za delo:** Izplačilo dogovorjenega zneska za vsak dan (po določenem karenčnem obdobju), ko je zavarovanec zaradi nezgode začasno nezmožen za delo.

5. **Stroški zdravljenja:** Povračilo dejanskih stroškov nujnega zdravljenja, prevozov in rehabilitacije, ki niso kriti iz obveznega zdravstvenega zavarovanja in so posledica nezgode.

6. **Zlomi in opekline:** Kritje specifičnih poškodb, kot so zlomi kosti ali opekline, z določenimi izplačili glede na resnost poškodbe.

**Nekrito (splošni primeri):**

1. **Bolezni:** Kritje se v splošnem nanaša izključno na dogodke, ki so posledica nenadne in nepredvidljive nezgode. Bolezni, tudi če so akutne in resne, niso krite, razen če so neposredna posledica zavarovane nezgode (npr. okužba rane, ki je nastala pri nezgodi).

2. **Dogodki pod vplivom alkohola/mamil:** Nezgodni dogodki, ki se zgodijo, ko je zavarovanec pod vplivom alkohola ali prepovedanih drog, so običajno izključeni iz kritja. Določena je meja alkohola v krvi (npr. 0,5 promila).

3. **Namerno povzročene poškodbe:** Samopoškodbe ali poškodbe, ki so bile povzročene namerno, niso krite.

4. **Določeni športi in dejavnosti:** Ekstremni športi ali nekatere nevarne dejavnosti (npr. profesionalni boks, letenje z jadralnim zmajem brez licence, potapljanje pod določeno globino) so lahko izključeni ali pa zahtevajo doplačilo in posebno dogovorjeno kritje.

5. **Vojne in teroristična dejanja:** Poškodbe, nastale kot posledica vojnih operacij, državljanskih nemirov ali terorističnih dejanj, so običajno izključene. Podrobna določila so opredeljena v splošnih pogojih posamezne zavarovalnice. Vedno preberite splošne pogoje in določila specifične police, saj se kritja lahko razlikujejo med ponudniki in paketi. Moja vloga je, da vam pomagam razumeti te nianse.

Praktični primer: Stresni test nezgodnega portfelja po simulaciji pandemije

Predpostavimo, da naša zavarovalnica želi oceniti ranljivost svojega portfelja nezgodnih zavarovanj v scenariju ponovne pandemije, ki povzroči dolgotrajne zdravstvene zaplete in splošno povečanje nesreč zaradi spremenjenih življenjskih navad. V našem portfelju imamo 50.000 aktivnih nezgodnih polic z različnimi kritji (smrt, trajna invalidnost, bolnišnični dan, stroški zdravljenja).

**Definicija stresnega scenarija (informativni primer izračuna):**

1. **Frekvenca nezgod:** Povečanje frekvence vseh nezgod za 15 % zaradi povečanega dela od doma, manjše gibalne aktivnosti in spremenjenih potovalnih navad, ki vodijo do več manjših, a pogostejših nezgod.

2. **Povprečni stroški škode:** Povečanje povprečnih medicinskih stroškov za 25 % zaradi preobremenjenosti zdravstvenega sistema, pomanjkanja specialistov, podaljšanih rehabilitacij in višjih cen medicinskih pripomočkov, povezanih z okrevanjem po COVID-19.

3. **Trajna invalidnost:** Povečanje povprečne stopnje trajne invalidnosti za 5 % (pri tistih, ki utrpijo invalidnost), saj dolgotrajne posledice pandemije (npr. Long COVID) poslabšajo okrevanje po nezgodah.

4. **Korelacija:** Povečana korelacija med frekvenco in resnostjo škod na 0,7 (iz prejšnjih 0,4) zaradi sistemskega šoka.

**Implementacija v Monte Carlo:**

Uporabimo simulacijo Monte Carlo z 1.000.000 iteracijami. V vsaki iteraciji: a) se generira število nezgod na podlagi Poissonove distribucije z 15 % višjo povprečno frekvenco; b) za vsako nezgodo se generira višina škode na podlagi lognormalne distribucije, katere povprečje je 25 % višje in standardna deviacija je prilagojena glede na povečano korelacijo; c) upoštevajo se tudi ostali parametri, kot so višje povprečne invalidnosti.

**Rezultati simulacije (informativni primer):**

V normalnih razmerah bi naša letna pričakovana škoda znašala 8 milijonov EUR, z VaR99,5 % pri 12 milijonih EUR in CTE99,5 % pri 15 milijonih EUR.

V stresnem scenariju pandemije simulacija pokaže, da se pričakovana letna škoda dvigne na 12 milijonov EUR. Še pomembneje, **VaR99,5 % se dvigne na 20 milijonov EUR**, **CTE99,5 % pa na 25 milijonov EUR**. To pomeni, da je v takšnem ekstremnem, a verjetnem scenariju, naša potencialna povprečna izguba v najbolj skrajnih 0,5 % primerov bistveno višja kot v normalnih razmerah. Te številke so ključne za odločanje o višini potrebnega kapitala, določanju ustrezne stopnje pozavarovanja in morebitnih prilagoditvah premijskih cen.

Takšna analiza mi omogoča, da podjetju priporočim konkretne ukrepe, kot so povišanje rezervacij, pogajanja z pozavarovalnicami za dodatno kritje ali celo pregled kritij in izključitev v zavarovalnih pogojih, da bi zmanjšali izpostavljenost. To je konkreten primer, kako kvantitativna analiza neposredno vpliva na strateške odločitve.

Obvladovanje tveganj in strategije zmanjšanja ranljivosti

Identifikacija in kvantifikacija tveganj s stresnimi testi in simulacijami Monte Carlo sta le prvi korak. Drugi, enako pomemben korak, je razvoj in implementacija strategij za obvladovanje tveganj in zmanjšanje ranljivosti. Glede na rezultate analize lahko zavarovalnice sprejmejo različne ukrepe, ki so specifični za nezgodna zavarovanja.

Ena ključnih strategij je **optimizacija pozavarovanja**. Če simulacija pokaže, da bi ekstremni dogodek lahko povzročil škode, ki presegajo kapaciteto lastnega kapitala, je nujno razmisliti o dodatnem pozavarovanju. To vključuje ne le določitev ustrezne stopnje retencije (deleža škode, ki ga zavarovalnica obdrži sama), temveč tudi izbiro tipa pozavarovanja (npr. proporcionalno, neproporcionalno, škodni višek, agregatni višek) in ustreznega pozavarovalca. Podrobne analize VaR in CTE so pri tem nepogrešljive.

Druga strategija je **prilagoditev 'underwriting' politik in cen zavarovanj**. Če se izkaže, da so določeni segmenti portfelja posebej izpostavljeni v stresnih scenarijih, lahko zavarovalnica prilagodi svoje pogoje za sprejemanje novih zavarovanj ali poviša premije za tvegane skupine. To lahko vključuje tudi revizijo kritij in izključitev, kot smo že omenili, da se natančneje določi obseg odgovornosti v ekstremnih situacijah. Seveda je pri tem vedno treba upoštevati konkurenčno okolje in etične vidike.

Nenazadnje, **razvoj notranjih kontrol in preventive** je prav tako pomemben. Čeprav so nezgode pogosto nepredvidljive, lahko določene kampanje ozaveščanja (npr. o varnosti v prometu, delovnih pogojih, ergonomiji pri delu od doma) ali partnerstva z organizacijami za varnost pomagajo zmanjšati frekvenco in resnost določenih tipov nezgod. Dolgoročno to prispeva k manjšim škodam in bolj stabilnemu portfelju, kar se nato odraža tudi v bolj ugodnih rezultatih stresnih testov.

Celovit pristop k obvladovanju tveganj torej združuje kvantitativne analize z aktivnimi strateškimi odločitvami, ki zagotavljajo, da je zavarovalnica pripravljena na vsakršne izzive.

Zaključek: Pomen robustne analize za solventnost in zaupanje

Kot strokovnjakinja z bogatimi izkušnjami v zavarovalništvu lahko z gotovostjo trdim, da sta razumevanje in kvantifikacija tveganj ekstremnih nezgodnih dogodkov eden temeljnih kamnov za solventnost in dolgoročno zaupanje v zavarovalnico. Simulacije Monte Carlo, skupaj s stresnimi testi in scenarijsko analizo, niso zgolj regulativna obveznost, temveč so ključno orodje za vpogled v potencialne ranljivosti in proaktivno upravljanje tveganj.

Z njihovo pomočjo zavarovalnice niso le sposobne izpolnjevati stroge zahteve regulative, kot je Solvency II, temveč lahko tudi optimizirajo svoje kapitalske zahteve, določijo ustrezne premije in razvijejo učinkovite strategije pozavarovanja. To pa v končni fazi pomeni, da lahko zavarovancem ponudijo stabilno in zanesljivo zaščito, tudi v najbolj neugodnih scenarijih.

V današnjem hitro spreminjajočem se svetu, kjer se soočamo z novimi in nepredvidljivimi tveganji, kot so podnebne spremembe, pandemije in globalne gospodarske krize, je sposobnost modeliranja in obvladovanja ekstremnih dogodkov pomembnejša kot kdaj koli prej. Moje poslanstvo je, da vam pomagam krmariti skozi te kompleksnosti in zagotoviti, da so vaše zavarovalne rešitve robustne in prilagojene vsem morebitnim izzivom.

Če imate vprašanja ali bi želeli poglobiti analizo vašega zavarovalniškega portfelja, sem vam z veseljem na voljo za pogovor. Skupaj lahko poiščemo rešitve, ki bodo zagotovile varnost in stabilnost v prihodnosti.

Pogosta vprašanja

Kaj je glavna razlika med VaR in CTE?

VaR (Value at Risk) pove, kolikšna je največja pričakovana izguba, ki je ne bomo presegli z določeno verjetnostjo. CTE (Conditional Tail Expectation) pa je povprečna izguba, ko izguba že preseže VaR, torej bolj robustna mera za ekstremne dogodke.

Zakaj so simulacije Monte Carlo boljše od povprečnih izračunov?

Simulacije Monte Carlo omogočajo modeliranje kompleksnih interakcij in nelinearnih odvisnosti med različnimi dejavniki tveganja, česar povprečni izračuni ne morejo. Zagotavljajo celotno distribucijo možnih izidov, ne le eno povprečno vrednost.

Kako regulativa (npr. Solvency II) vpliva na stresne teste?

Solvency II zahteva od zavarovalnic, da izvajajo stresne teste za oceno kapitalske ustreznosti v neugodnih razmerah. Določa minimalne standarde in metodologijo za izračun solventnostnega kapitalskega zahtevka (SCR), kjer so stresni testi ključni.

Kateri so ključni koraki pri definiranju stresnih scenarijev za nezgode?

Ključni koraki vključujejo identifikacijo verodostojnih ekstremnih dogodkov, določitev, kako ti dogodki vplivajo na frekvenco in resnost škod, kvantifikacijo teh vplivov (npr. % spremembe) in modeliranje morebitnih korelacij med dejavniki tveganja.

Ali lahko neustrezni stresni testi ogrozijo zavarovalnico?

Da, neustrezni ali premalo robustni stresni testi lahko vodijo do podcenjevanja tveganj, neustreznih rezervacij in nezadostnega pozavarovanja. V primeru ekstremnih dogodkov lahko to ogrozi solventnost zavarovalnice, njeno likvidnost in zaupanje strank.

Viri in reference

• Uradni list RS – Zakon o zavarovalništvu (ZZavar-1)
• Agencija za zavarovalni nadzor (AZN) – Smernice za izvajanje Solvency II
• EIOPA – Guidelines on Own Risk and Solvency Assessment (ORSA)
• Actuarial Association of Europe (AAE) – Papers on Solvency II and Risk Management
• Vlasta Krmelj: Osnove zavarovalništva (univerzitetni učbenik)

Nadaljujte branje o tej temi

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

• 
  Primer: Tehnični vpogledi

  Nezgodno zavarovanje in zavarovanje odgovornosti: kdo komu plača

• 
  Primer: Tehnični vpogledi

  Anamneza in zdravstveni vprašalnik: Zakaj je iskrenost pogoj za izplačilo

• 
  Primer: Tehnični vpogledi

  Doživljenjsko življenjsko zavarovanje in upravljanje sprememb na polici

• 
  Primer: Tehnični vpogledi

  Družinska anamneza in genetski testi: Kaj morate razkriti ob sklenitvi

• 
  Primer: Tehnični vpogledi

  Nezgodno zavarovanje pri delu na kmetiji