5. Некоторое замечания по поводу Динамического Финансового Анализа

5.1. Дискуссионные точки

В этой вводной статье рассматривались только наиболее важные темы, относящиеся к ДФА моделированию. Поэтому нам хотелось бы вкратце отметить некоторые другие вопросы.

5.1.1. Детерминистический анализ сценариев

В Секции 1 мы отмечали превосходство ДФА по сравнению с детерминистическим анализом сценариев. Но это вовсе не означает совершенную бесполезность последнего метода. Наоборот, детерминистический анализ сценариев очень полезен, в частности когда нужно оценить воздействие некоторого чрезвычайного события на какую-то дату или воздействие определенного макроэкономического события. Поэтому было бы удобно, если бы в процедуре ДФА можно было бы отключить стохастическое генерирование сценариев и проводить детерминистический анализ, когда это нужно.

5.1.2. Макроэкономическое окружение

В финансовом моделировании страховой компании, занимающейся страхованием жизни, зачастую считается, что процентная ставка является единственным макроэкономическим параметром, воздействующим на стоимость активов и обязательств. Но в Hodes, Feldblum и Neghaiwi [21] было отмечено, что в имущественном страховании процентная ставка является лишь одним из многих факторов, влияющих на стоимость обязательств. В страховании ответственности работодателя в США, например, безработица и загрузка производственных мощностей имеют большее влияние на величину убытков, чем процентная ставка; в тоже время на убытки в страховании автогражданской ответственности большее значение имеют совокупный дорожный трафик и продажи новых автомобилей. Хотя так делают относительно редко, может оказаться полезным отдельное моделирование специфических макроэкономических факторов, таких как загрузка производственных мощностей или дорожный трафик. Это однако потребует предварительного эконометрического анализа динамики этих факторов.

5.1.3. Взаимозависимости

В ДФА возможны зависимости между различными стохастическими переменными. До того как начать использовать эти зависимости нужно четко уяснить себе какие финансовые взаимосвязи существуют внутри страховой компании. Просто оценивать корреляции между переменными на основе статистических данных неприемлемо, поскольку переменные носят агрегативный характер, и поскольку в прошлом возможно были структурные изменения. Например, могли изменяться франшизы и собственные удержания; могли использоваться другие условия полисов; могло произойти объединение страховых портфелей, и т.д. Более того, последние исследования, например Embrechts, McNeil и Straumann [17] и [18], или Lindskog [28], показывают, что линейные корреляции нельзя использовать при моделировании взаимосвязей между переменными, имеющими “тяжелый хвост” или заметную асимметрию.

Мы предлагаем моделировать взаимосвязи неявно, как результат некоторого числа воздействий. Например, катастрофы воздействуют на разные виды страхования, создавая корреляцию между ними; или изменения процентной ставки которые воздействуют только на определенные виды страхования. Большинство этих взаимосвязей должны вводится в модель на основании экономических и актуарных знаний, см. например Kreps [26].

5.1.4. Раздельное моделирование новых договоров и возобновлений

В модели, которая предлагалась в этой статье, мы допустили возможность раздельного моделирования новых договоров страхования и их пролонгации, см. Секцию 2.3. В Hodes, Feldblum, Neghaiwi [21] было замечено, что поступать так наиболее верно, поскольку соответствующие портфели убытков ведут себя по-разному. Более того, такое разделение портфеля позволяет провести более детальный анализ источников прибыли в страховом портфеле и оценить стоимость обязательств страховой компании.

5.1.5. Проверка качества модели

Какая, наконец, ДФА модель хорошая, а какая – нет? Опыт, знания и интуиция пользователей в актуарной, управленческой и экономической сферах играют основную роль при оценке качества ДФА модели. Опасность здесь заключается в том, что результаты, противоречащие здравому смыслу, могут заставить нас забраковать модель, в то время как они связаны с неверными предположениями о значениях параметров, а не с неверной структурой модели. Еще одним способом проверки ДФА модели может быть сравнение результатов, даваемых моделью, с результатами наблюдений. Это возможно лишь в некоторых случаях, поскольку требует сбора данных за несколько лет. Однако, оценке качества модели нужно уделять больше внимания. Поэтому мы должны порекомендовать тем кто приобретает на стороне программные продукты, реализующие методы ДФА, не ориентироваться при принятии подобных решений только на дизайн программы.

5.1.6. Калибровка модели

Мы уже затрагивали эту тему в нескольких местах и обращали внимание на ее важность при проведении ДФА анализа. Какой бы замечательной не была модель, ей нужны входные данные и значения параметров. Опыт показывает, что основная часть ДФА должна быть посвящена именно этой работе. Обычно, калибровка модели есть часть процесса ее настройки, когда проводится анализ того на сколько результаты модели соответствуют наблюдениям.

5.1.7. Интерпретация полученных результатов

В Секции 1.5 мы отмечали, что процесс интерпретации результатов ДФА очень часто следует традиционным образцам, таким как анализ эффективных границ, что может привести к неверным или, как минимум, спорным выводам; см. Cumberworth, Hitchcox, McConnell, Smith [10]. Другим примером иллюстрирующим важность интерпретации результатов может быть следующий: Анализ чистой настоящей стоимости ( NPV ), примененный при моделировании финансовых потоков компании, может привести к появлению или исчезновению большей части стоимости фирмы для акционеров, если немного изменить предположения САРМ модели, которая используется при определении нормы дисконтирования. Способом остаться на твердой экономической почве и отбросить большую часть произвольности заключается в использовании дефляторов, см. Jarvis, Southall, Varnell [23]. Использование этой концепции, предложенной Arrow и Debreu, можно найти в Smith [39], а ее дальнейший анализ – в Bühlmann, Delbaen, Embrechts, Shiryaev [7]. Отмеченные работы могут служить подтверждением растущего понимания того, что наш инструментарий, предназначенный для интерпретации результатов ДФА, нуждается в модернизации, если мы хотим эффективно использовать ДФА.

 

5.2. Сила и слабость ДФА

Модели ДФА обычно позволяют глубже проникнуть в природу рисков и понять результаты использования различных бизнес-стратегий, чем это можно сделать, используя детерминистический анализ сценариев. ДФА делает огромный шаг в деле анализа стратегий по сравнению со старыми методами анализа, позволявшими рассматривать только самые важные соотношения. Фактически, ДФА единственный возможный путь для моделирования страхового бизнеса в целом на основе денежных потоков. Данный метод позволяет проводить весьма детальный анализ, включая анализ перестраховочной программы, моделирование катастроф, зависимости между различными стохастическими переменными и т.д. У ДФА множество различных целей и он может использоваться различными подразделениями страховой компании (андеррайтинговыми, инвестиционными, плановыми, актуарными и т.п.)

Вместе с тем необходимо отметить, что модель никогда не сможет достигнуть той степени сложности, которая присуща реальному страховому бизнесу. Следовательно, при построении модели приходится выделять основные свойства, которые обязательно должны присутствовать в модели. Количество параметров, которые должны быть оценены перед тем как можно будет приметь модель, и число случайных переменных даже в средней по величине ДФА модели вносит большой риск неправильной оценки параметров и неправильного дизайна модели. Более того, используя модель, нужно быть готовым к тому, что результаты будут сильно зависеть от предположений сделанных перед запуском модели. Критическим является вопрос о том насколько большой и сложной должна быть ДФА модель. Все упирается в цену, к тому же простая модель, дающая непротиворечивые результаты будет предпочтена многими по сравнению со сложными и непонятными “черными ящиками”. Дополнительно нужно сказать, что маленькая модель интуитивно понятна для пользователей, что позволяет лучше понимать и трактовать эффекты от изменений параметров. Понимание и контроль неопределенностей и аппроксимаций жизненно важно при использовании ДФА.

 

5.3. Заключительные ремарки

Мы стремились ввести читателей в динамический финансовый анализ, намекнув на возможные ловушки и заострив внимание на особенно важных вопросах, возникающих при построении модели. Нашим намерением было предложить не информированным читателям простой способ ДФА, позволяющий им применять ДФА, используя наш подход в качестве базы. Многие коммерческие инструменты ДФА имеют структуру, подобную той что предложена в этой статье. Специфические концепции и их конкретные приложения могут сильно различаться. Мы абсолютно уверены, что существует множество альтернативных подходов к построению моделей отдельных факторов. Некоторые из них могут быть более гибкими и более мощными чем те, что были предложены здесь. Мы хотели лишь задать рамки в которых каждый пользователь мог бы нарисовать свою картину ДФА, внеся те попраки, которые покажутся ему необходимыми. Хотя наше работа не предназначалась для специалистов ДФА, она может помочь им продемонстрировать сложность полностью готовой к работе ДФА модели.