Stochastische Modelle und Simulation

In den Versicherungsunternehmen bedarf es hierzu eines methodischen Rückgrats. Neben der Bewertung und Bewichtung der sich abzeichnenden Entwicklung besteht die Möglichkeit, die für die Versicherungsunternehmen relevanten Auswirkungen konkret zu erkunden und sich auf sie ausgestaltend einzustellen.

Die methodischen Ansätze kommen aus reinen versicherungsmathematischen, aus fundamentalen finanzmathematischen aber auch aus bedienungstheoretischen und zuverlässigkeitstheoretischen Modellen. Die Bepreisung, die Wertschöpfung und die Kapitalzuteilung werden modellgetrieben "detailgetreu" nachgebildet. Eine hierarchische Modellierung ermöglicht die Weiterverwendung einmal erstellter stochastischer Modelle als künftige Teilmodelle.

Die Simulationen dieser Modelle sind statisch oder dynamisch und ereignisgesteuert. Als "Stichprobendaten" werden zum Beispiel Risikoprämien, Abschlußkosten, Verwaltungskostenvergütungen, lfd. Verwaltungskosten und Amortisationskosten genutzt und erzeugt. Aus den realen Geschäftsdaten gewinnt man Start-Kennwerte der Modelle (notwendige Risikoprämie, den Kosten zugrundeliegende Erwartungen, Bruttoprämie usw.). Wechselwirkungen zwischen den unterschiedlichen Risikoarten sollten berücksichtigt werden.

Die Modelle repräsentieren das qualitative Verständnis, das auch gewisse quantitative Folgerungen induziert beziehungsweise solche ausschließt. Das quantitative Verständnis ist allein in Parametern und Kennwerten aufgehoben.

Gelingt es, risikonah in dem vertriebsegmentierten Versicherungsgeschäft mit Methoden des Data Mining weitere Differenzierungen der Risiken aufzuspüren, dann fördern diese Erkenntnisse und systematisches Probieren eine risikogerechtere Bepreisung und die vermögensgerechte Sicherung der Solvabilität des Unternehmens.