RiskNET - The Risk Management Network - Risikomanagement: Dynamic Financial Analysis (DFA)

Was ist "Dynamic Financial Analysis" (DFA)?

Ergebnisprognose mittels stochastischer Simulation in einem Versicherungsunternehmen
Stochastische Simulationen wird auf finanzwirtschaftliche Cash Flow-Modelle angewendet
Maximierung des Shareholder-Value unter Berücksichtigung einer adäquaten Solvabilität/Liquidität
"Testen" von Unternehmensstrategien basierend auf Unternehmenswert und Risiko
Parameter Kapitalanlagen, Rückversicherungsschutz, Eigenkapital, Vertrieb sowie makroökonomische Größen werden berücksichtigt

Die Dynamische Finanzanalyse betrachtet ein Versicherungsunternehmen quasi aus der "Vogelperspektive" und nicht wie üblich aus einem bestimmten Blickwinkel. Vielmehr verfolgt DFA einen integrierten Ansatz und verknüpft "Enterprise wide Risk Management" mit einem strategischen Entscheidungsunterstützungstool. DFA könnte man, allgemein gesprochen, auch mit einem „Flugsimulator für Entscheidungsträger“ in Versicherungsunternehmen vergleichen. Mit Hilfe eines DFA-Modells können zukünftige Entscheidungen und deren Auswirkungen auf das Unternehmen "auf sicherem Boden" simuliert werden. Dabei adressiert DFA sowohl Kapitalanlagenmanagement, Investmentstrategien, Rückversicherungsstrategien als auch strategisches Asset-Liability Management.

Bei der Dynamischen Finanzanalyse handelt es sich um eine Simulationstechnik basierend auf einer integrierten Modellierung zur Analyse der gesamten Finanz- und Risikolage eines Versicherungsunternehmens über einen definierten Zeitraum. DFA wurde ursprünglich im Bereich der Schaden- und Unfallversicherung entwickelt und gewinnt heute aber auch zunehmend bei Lebensversicherungsunternehmen an Bedeutung. Bei DFA werden insbesondere die komplexen und gegenseitigen Abhängigkeiten zwischen den das Ergebnis beeinflussenden Faktoren berücksichtigt. Daher unterstützt DFA vor allem auch eine integrierte Unternehmenssteuerung unter Berücksichtigung aller Risikofaktoren (Kapitalanlagen, Versicherungstechnik).

Im Wesentlichen besteht ein DFA-Modell aus den folgenden vier Komponenten (siehe Abbildung 1):

Modellierung bzw. Definition der Anfangsbedingungen
Simulation bzw. Szenariengenerator
Analyse und Optimierer
Ergebnisse und Entscheidungen

Abbildung 1: Die Prozessphasen eines DFA-Modells

Jedes DFA-Modell beginnt mit der Erstellung eines stochastischen Modells. Hierbei werden beispielsweise die versicherungstechnischen Risiken basierend auf geschätzten Schadenfrequenzen und Schadenhöhen modelliert. Hierbei können sowohl die spezifischen Schadenabwicklungen für einzelne Versicherungssparten als auch die Verteilungen der Endschadenlasten modelliert werden. Die Markt- und Kreditrisiken werden mit entsprechenden makroökonomischen Marktmodellen berücksichtigt. Ergänzend wird auch das aktuelle Rückversicherungsportfolio des Versicherers im Modell berücksichtigt.

Abbildung 2: Aufbau eines DFA-Modells

So können mit einem DFA-Modell verschiedene alternative Anlage-, Finanzierungs- und Rückversicherungsentscheidungen simuliert werden. Ist es beispielsweise sinnvoll, eine aggressivere Anlagestrategie zu verfolgen und weniger Geld für den Einkauf von Rückversicherungsschutz auszugeben, oder ist das Gegenteil von Vorteil? Sollte die Rückversicherungsstruktur insgesamt überdacht werden?

Basierend auf der Verknüpfung der Risiken sowie resultierend aus der Versicherungstechnik, dem Kapitalanlage- und Rückversicherungsportfolio, werden sodann die Cash-Flows des Projektionszeitraums modelliert. Dies beinhaltet auch die Modellierung einer statistischen Verteilung der Cash-Flows. Daher haben die Entscheidungen hinsichtlich Rückversicherungs-, Kapitalanlage- oder Underwritingstrategie einen wesentlichen Einfluss auf die simulierten Ergebnisse bzw. Cash-Flows. Die verschiedenen Simulationen reflektieren verschiedene mögliche Ergebnisse der zugrunde liegenden Risiken, etwa verschiedene Entwicklungen der Zinssätze auf den Kapitalmärkten oder der Aktienmärkte oder auch von Extremereignissen (etwa Naturkatastrophen bzw. operationellen Risiken), die sich in einigen Simulationen ereignen und in anderen nicht.

Bei der Analyse der unterschiedlichen Szenarien bzw. Strategiealternativen ist es daher wichtig als Vergleichsmaßstab eine Basisstrategie zugrunde zu legen. Welche Kennzahlen bzw. Statistiken im Mittelpunkt einer DFA-Analyse stehen sollen, richtet sich nach den Präferenzen und Zielen der Entscheidungsträger. In einem nächsten Schritt werden die simulierten Ergebnisse in eine Plan-Bilanz überführt. Bei der Transformation der relevanten Aktiv- und Passivposten werden vor allem auch die anzuwendenden Bilanzierungsvorschriften sowie Zu- und Abschreibungen berücksichtigt.

Bei der Interpretation der Ergebnisse ist in jedem Fall zu berücksichtigen, dass diese immer nur so gut sein können, wir die im Modelldesign zugrunde gelegten Annahmen und die Modellstruktur mit Daten von ausreichender Qualität kalibriert wurde. Auch hier gilt die alte Binsenweisheit von Datenbankadministratoren "garbage in – garbage out" (gigo). Unbedingte Voraussetzung für eine erfolgreiche Umsetzung eines DFA-Projektes ist gute Datenqualität. Die wichtigsten Kriterien für eine adäquate Datenqualität können wie folgt zusammengefasst werden:

Konsistenz: Sind die Daten widerspruchsfrei?
Korrektheit: Stimmen die Daten mit der Realität überein?
Vollständigkeit: Sind die Attribute und Werte sowie Meta-Daten komplett?
Genauigkeit: Ist die Detaillierungsgrad bzw. die Granularität ausreichend?
Zuverlässigkeit und Glaubwürdigkeit: Sind die Datenquellen und Datentransformationen bekannt und glaubwürdig?
Verständlichkeit: Sind die Daten inhaltlich und technisch für die jeweilige Zielgruppe verständlich beschrieben?
Relevanz: Welchen Zweck sollen die Daten erfüllen?

Im Analyseprozess sollte auch überprüft werden, inwieweit Artefakte auftreten, die durch die jeweilige Modellierung des Versicherungsunternehmens entstehen können. So kann sich beispielsweise herausstellen, dass die Kalibrierung oder das Modelldesign nicht adäquat sind.

Mit Hilfe eines DFA-Modells können beispielsweise die folgenden praxisrelevanten Fragen beantwortet werden:

Wieviel ökonomisches bzw. regulatorisches Kapital benötigt das Unternehmen?
Wie und wo erfolgt die Wertschöpfung des Unternehmens?
Ist die Leistung/Performance des Unternehmens adäquat?
Welche Produkte haben eine adäquate Performance?
Was sind die maßgeblichen Verbindlichkeiten?
Welche Konsequenzen hat der aktuelle Incentive Plan (Anreiz-/Bonussystem) auf das Unternehmensergebnis?
Wie kann das regulatorische bzw. ökonomische Eigenkapital optimiert bzw. reduziert werden?
Welche Rückversicherungsverträge stellen auch eine tatsächliche Wertschöpfung dar?
In welchem Bereich sollte der Versicherer noch zusätzlichen Rückversicherungsschutz einkaufen?
Was wäre ein angemessener Preis für den Rückversicherungsschutz unter Berücksichtigung der projezierten zedierten Verluste?
Wie groß ist der potenzielle Kumul- bzw. Katastrophenschaden?
Steht dem potenziellen Kumul- bzw. Katastrophenrisiko ein adäquates Kapital gegenüber, ein solches Risiko zu tragen?
Welches sind die wesentlichen Risiken (Markt-, Kreditrisiko, operationelle Risiken, versicherungstechnische Risiken) des Versicherers?
Wie hoch wäre der höchst mögliche Schaden bei einem Konfidenzniveau von beispielsweise 95 Prozent über einen bestimmten Zeitraum, beispielsweise drei Monaten?
Wie hoch ist der Tail-Value-at-Risk (TailVaR)? Der TailVaR ist definiert als der Erwartungswert der Extremereignisse und wird auch von der IAA Insurer Solvency Assessment Working Party als "kohärentes" Risikomaß empfohlen. Allerdings hat der TailVaR auch den Nachteil, dass am "äußeren Rand" der Verteilung häufig keine ausreichenden historischen Daten ermittelt werden können.
Wie hoch ist das Risikopotenzial bezogen auf die versicherungstechnischen Risiken bzw. Risiken resultierend aus der Investmenttätigkeit?
Wie verteilt sich das Risikopotenzial auf die einzelnen Sparten bzw. Produkte?
Wie verteilt sich das Risikopotenzial auf die verschiedenen Kapitalanlagen?