A Szolvencia II harmadik mennyiségi hatástanulmányának (QIS3) eredményei. Gaálné Kodila Diána március 20.

Átírás

1 A Szolvencia II harmadik mennyiségi hatástanulmányának (QIS3) eredményei Gaálné Kodila Diána március 20. 1

2 Korábbi hatástanulmányok Előkészítő helyszíni tanulmány (Preparatory Field Study, PFS) április szeptember cél: felkészülés a hatástanulmányokra; nem számszerű eredmények, hanem a változás irányának megismerése csak életbiztosítókra eszközök és kötelezettségek piaci alapú értékelése stressz tesztek Első mennyiségi hatástanulmány (Quantitative Impact Study 1, QIS1) október március biztosítástechnikai tartalékok piaci alapú értékelésére fókuszált Legjobb Becslés+Kockázati Ráhagyás (BE+RM) RM: különböző (75, 90 és 60%-os) megbízhatósági szintek 2

3 Korábbi hatástanulmányok Második mennyiségi hatástanulmány (Quantitative Impact Study 2, QIS2) május december Célja: az alábbiak tesztelése: biztosítástechnikai tartalékok piaci alapú értékelése, ahol a kockázati ráhagyás (RM) számítása: 75%-os megbízhatósági szinten tőkeköltség (Cost of Capital, CoC) alapú megközelítéssel szavatoló tőkeszükséglet minimális tőkeszükséglet Megjegyzés: QIS2 során csak előzetes kalibráció a paraméterekre; kalibráció tesztelése a QIS3 során. 3

4 A QIS2 eredményei - SZTSZ Teljes pénzügyi helyzetre vonatkozó eredmények Élet ág: a tőke-megfelelési helyzetben bekövetkező átlagos változások cégenként lényegesen eltértek egymástól általánosságban: a biztosítástechnikai tartalékok lecsökkentek, míg az alap SZTSZ és a rendelkezésre álló tőke megnőtt 11 országban a tőke-megfelelési arány a legtöbb élet ági résztvevő esetén lecsökkent ugyan, de 100% felett maradt, míg 6 országban megnőtt néhány résztvevő esetében a SZTSZ megközelítette a nullát, sőt egyes esetekben az alá is csökkent 4

5 A QIS2 eredményei - SZTSZ Teljes pénzügyi helyzetre vonatkozó eredmények Nem-élet ág: általánosságban: a biztosítástechnikai tartalékok lecsökkentek, míg a rendelkezésre álló tőke és az alap SZTSZ megnőtt 16 országban a tőke-megfelelési arány a legtöbb nem-élet ági résztvevő esetén lecsökkent ugyan, de 100% felett maradt az életbiztosítókhoz képest sokkal több nem-élet ági biztosító tőke-megfelelési aránya került 100% alá, sőt 2 országban a résztvevők kb. felénél került ez az arány 100% alá 5

6 A QIS2 eredményei - MTSZ MTSZ tőke-megfelelési arány majdnem minden életbiztosító és a legtöbb nem-életbiztosító esetén 100% felett volt. MTSZ és SZTSZ kapcsolata: sok esetben a két szint túl közel van egymáshoz 13 országban minden résztvevő vagy legalább a többségük esetében az MTSZ értéke kisebb volt az SZTSZ 75%-ánál. 4 ország esetében a résztvevők jelentős részénél az MTSZ szintje meghaladta az SZTSZ 75%-át. Ennek legfőbb okai: k-faktor és a nem-élet ági várható nyereségek vagy veszteségek kockázati elemek, mivel ezek az SZTSZ-t csökkentik, az MTSZ-t viszont nem. 6

7 CEIOPS-javaslat a QIS2 tapasztalatai alapján Tartalékok kockázati ráhagyásának meghatározásához: tőkeköltség alapú megközelítés bizonyos előfeltételezések keretirányelvben való rögzítése fő paraméterek és feltételezések szabályozása 3. szintű részletszabályokban hosszú-kifutású nem-élet ági termékek esetében további elemzés Megjegyzés/figyelemfelhívás: a tőkeköltség alapú megközelítéssel számított tartalékok értéke függ a szavatoló tőkeszükséglet számításának módszertanától és paramétereitől. 7

8 Harmadik mennyiségi hatástanulmány (QIS3) április november (publikálás: november 21.) Célja: az alábbiak tesztelése: biztosítástechnikai tartalékok piaci alapú értékelése, ahol a kockázati ráhagyás (RM) számítása: tőkeköltség (Cost of Capital, CoC) alapú megközelítéssel szavatoló tőkeszükséglet számítása standard formulával belső modellel minimális tőkeszükséglet csoportszintű számítások 8

9 Részvételi minta a QIS3-ban Összesen 28 EEA-ország 1027 solo biztosítója => közel 100%-os növekedés a QIS2-höz képest. Az 1027 biztosító közül: 330 életbiztosító 511 nem-életbiztosító 158 kompozit biztosító 28 viszontbiztosító Közülük: egyesület: 251 egészségbiztosító: 56 Magyarországról 13 résztvevő: 4 életbiztosító 3 nem-életbiztosító (közülük: 1 egyesület) 6 kompozit biztosító 9

10 Részvételi minta nagyság szerint Az 1027 solo biztosító közül: 422 kis biztosító 418 közepes biztosító 187 nagy biztosító Magyarország részéről: 8 kis biztosító 5 közepes biztosító Ahol a méretosztályok határai: 100, illetve 1000 millió bruttó díjbevétel nem-életbiztosítók esetében; 1 000, illetve millió bruttó technikai tartalék életbiztosítók esetében. 10

11 Technikai tartalékok új értékelése Technikai tartalék = Legjobb becslés (BE)+ Kockázati ráhagyás (RM) ahol a kockázati ráhagyást a tőkeköltség alapú megközelítéssel (Cost of Capital, CoC) kellett kiszámolni, amely azon megközelítésre épül, hogy egy biztosítónak a legjobb becslésen felül annyi tartalékkal kell még rendelkeznie, mint amennyi egy esetleges állomány-átruházás esetén szükséges szavatoló tőke költsége. 11

12 Átértékelés hatása a technikai tartalékokra élet ág 140% 120% 100% 80% 60% 40% 20% 0% min- max int erval 25th to 75th percentile interval Median Weighted Average 12

13 Átértékelés hatása a technikai tartalékokra nem-élet ág 200% 180% 160% 140% 120% 100% 80% 60% 40% 20% 0% min- max int erval 25th to 75th percentile interval Median Weighted Average 13

14 Átértékelés hatása a technikai tartalékokra kompozitok 200% 180% 160% 140% 120% 100% 80% 25th to 75th percentile interval min- max interval Weighted Average Median 60% 40% 20% 0% 14

15 SZTSZ alapelvek QIS3 időhorizont: 1 év kockázati mérték, biztonsági szint: 99,5%-os VaR számítás elvégzése: standard formulával belső modellel SZTSZ standard formula: moduláris megközelítés, ahol a fő kockázati modulok: piaci kockázat életbiztosítási kockázat nem-életbiztosítási kockázat egészségbiztosítási kockázat nemfizetési kockázat működési kockázat (alap SZTSZ-en kívül, legfelső szinten) 15

16 Korrelációs mátrix a fő kockázatok között QIS2 Korrelációk piaci hitel élet egészség nem-élet működési piaci 1 hitel MH 1 élet ML ML 1 egészség ML ML ML 1 nem-élet ML M L L 1 működési M ML ML ML M 1 ahol L alacsony, ML közepes-alacsony, M közepes, és MH közepes-magas korrelációt jelöl. 16

17 Korrelációs mátrix a fő kockázatok között- QIS3 korrelációk piaci nemfizetési élet egészség nem-élet piaci 1 nemfizetési élet egészség nem-élet

18 SZTSZ aránya a jelenlegihez élet ág 1200% 3831% 1236% 1560% 1000% 800% 600% 400% 200% 0% min- max int erval 25th to 75th percentile interval Median Weighted Average 18

19 SZTSZ aránya a jelenlegihez nem-élet ág 900% Non-life 800% 700% 600% 500% 400% 300% 200% 100% 0% min- max int erval 25th to 75th percentile interval Median Weighted Average 19

20 SZTSZ aránya a jelenlegihez - kompozitok 1400% 1200% 1000% 800% 25th to 75th percentile interval min-max interval Weighted Average 600% Median 400% 200% 0% 20

21 Szolvencia II hatása a pénzügyi helyzetre Mérleg összetételét és méretét tekintve a Szolvencia I-hez képest nincs nagy változás EU szinten, bár az egyes tagállamok között vannak eltérések. A technikai tartalékok átlagosan lecsökkentek az átértékelés hatására; ez persze megnöveli a rendelkezésre álló tőkét; ám ez nem ellensúlyozza az SZTSZ megnövekedését; így a tőke-megfelelési arány a legtöbb résztvevő esetében lecsökkent a jelenlegi tőke-megfelelési arányhoz képest. A szabad tőke (azaz az SZTSZ-en felüli tőkerész) cégek 30%-ánál: több, mint 50%-kal nőtt cégek 34%-ánál: több, mint 50%-kal csökkent cégek 16%-ánál: tőkét kellene emelni, hogy teljesíteni tudja a szavatoló tőkeszükségletet 21

22 A jövőbeni nyereségrészesedés kockázatcsökkentő hatása élet ág 100% 183% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% min- max int erval 25th to 75th percentile interval Median Weighted Average 22

23 A jövőbeni nyereségrészesedés kockázatcsökkentő hatása kompozitok 100% 90% 80% 70% 60% 50% 40% 25th to 75th perc entile interval min- max interval Weighted Average Median 30% 20% 10% 0% 23

24 A diverzifikáció hatása élet ág 200% 150% 100% 50% 0% -50% -100% Market risk Counterparty risk Life u/w risk Health u/w risk Diversification 24

25 A diverzifikáció hatása nem-élet ág 150% 125% 100% 75% 50% 25% 0% -25% -50% Market risk Counterparty risk Non-Life u/w risk Diversification 25

26 A diverzifikáció hatása kompozitok 150% 125% 100% 75% 50% 25% Diversific ation Non-Life u/w risk Health u/w risk Life u/w risk Counterparty risk Market risk 0% -25% -50% 26

27 Belső modellek Először vizsgálta a CEIOPS. A résztvevőknek mindössze 13%-a nyújtott belső modellből származó eredményeket. Részleges belső modellek általában: részvénypiaci kockázatra kamatlábkockázatra ingatlanpiaci kockázatra Hatalmas különbségek adódtak a belső modellek és a standard formula eredményei között; általánosságban leszűrhető: Magasabb SZTSZ-rész a hitelezési kockázatra, mint a standard formulával. A nem-életágban a teljes SZTSZ jelentősen (átlagosan 25%-kal) kisebb lett, mint a standard formulával, mely főként a nem-életbiztosítási kockázati komponensnek volt köszönhető. 27

28 MTSZ QIS3-beli kalkulációja MTSZ kockázati moduljai: piaci kockázat életbiztosítási kockázat nem-életbiztosítási kockázat egészségbiztosítási kockázat Majd ezt lehetett csökkenteni a jövőbeni nyereségrészesedést figyelembe véve. És végül figyelembe kellett venni egy abszolút minimum padlót. A piaci kockázati modulra két alternatíva: egy egyszerű faktor alapú; és egy sokkal kifinomultabb faktor alapú. Gyakorlatilag tesztelve lett a CEA-megközelítés is: MCR = 0,33 * SCR Kalibráció: 90%-os VaR, 1 éves időhorizonttal 28

29 MTSZ eredmények Nem-élet ág esetén mindkét alternatíva esetén az MTSZ viszonylag jó összhangot mutatott az SZTSZ-szel. Élet-ág és a kompozit biztosítók esetén: nagyon széles sávban mozogtak az eredmények, a legtöbb országban nem volt megfelelő az összhang az SZTSZ-szel, és nemcsak az országok, hanem az egyes cégek között is hatalmas eltéréseket tapasztaltak. MTSZ és SZTSZ közötti nem megfelelő összhang lehetséges okai: MTSZ és SZTSZ inkonzisztens a jövőbeni nyereségrészesedés figyelembevételében; az élet ági SZTSZ-ben minden jelentős kockázati modul szcenárió-alapon számolódik, így azt nehéz összhangba hozni az MTSZ egyszerű faktor-alapú megközelítésével 29

30 MTSZ 1. alternatíva aránya az SZTSZ-hez nem-élet ág 140% 120% 100% 80% 60% 40% 20% 0% 25th to 75th percentile interval min- max int erval median weighted average 30

31 MTSZ 2. alternatíva aránya az SZTSZ-hez nem-élet ág 140% 2488% 120% 100% 80% 60% 40% 20% 0% 25th to 75th percentile interval min- max int erval median weighted average 31

32 MTSZ 1. alternatíva aránya az SZTSZ-hez élet ág 140% 839% 517% 1852% 165% 284% 170% 612% 273% 120% 100% 80% 60% 40% 20% 0% -1749% -584% -6% -510% -4000% -496% -353% -131% -24% -178% 25th to 75th percentile interval min- max int erval median weighted average 32

33 MTSZ 2. alternatíva aránya az SZTSZ-hez élet ág 140% 528% 561% 376% 175% 484% 1652% 291% 271% 120% 100% 80% 60% 40% 20% 0% -100% -611% -2% -518% -3575% -1450% -27% -190% -362% -385% -511% 25th to 75th percentile interval min- max int erval median weighted average 33

34 MTSZ 1. alternatíva aránya az SZTSZ-hez kompozitok 140% 1572% 183% 120% 100% min- max interval 80% 60% 25th to 75th percentile interval weighted average median 40% 20% 0% 34

35 MTSZ 2. alternatíva aránya az SZTSZ-hez kompozitok 140% 164% 837% 120% 100% min- max interval 80% 60% 25th to 75th perc entile interval weighted average median 40% 20% 0% 35

36 Csoportszintű eredmények Először vizsgálta a CEIOPS. Cél: csoportszintű diverzifikáció hatásainak vizsgálata; információk szerzése a csoport-specifikus kockázatokról és különösen a működési kockázatról. Probléma: nagyon kevés csoport vett részt a tanulmányban. Ennek ellenére néhány következtetés levonható: a csoporton belüli diverzifikációs előnyök nagyban függnek azok forrásától, illetve mennyiségétől; a diverzifikáció szintje csoportonként eléggé eltérő. A csoporton belüli szabad tőke mértékére jelenleg nem látható általános trend. A QIS3 nem tudott megoldást nyújtani a csoportok kezelésére. 36

37 Köszönöm a figyelmet! 37