Valoración Neutral Al Riesgo de Opciones y Garantías en Seguros de Vida

Máster en Ciencias Actuariales y Financieras
2015-2016
TRABAJO FIN DE MÁSTER
“Valoración neutral al riesgo de opciones y garantías en contratos de

seguros de vida con modelos de tipos de interés estocásticos”
Jorge Andrade Cifuentes
Tutores:
José Miguel Rodríguez Pardo
Jesús Simón del Potro
Madrid, 15 Junio 2016
1
Esta tesis es propiedad del autor. No está permitida la reproducción total o parcial de este
documento sin mencionar su fuente. El contenido de este documento es de exclusiva
responsabilidad del autor, quien declara que no ha incurrido en plagio y que la totalidad
de referencias a otros autores han sido expresadas en el texto.
2
ÍNDICE CONTENIDO
Dimensionamiento del problema _____________________________ 6
1.1 Introducción ______________________________________________________________________________ 6
1.2 Objetivos del TFM ________________________________________________________________________ 9
General _________________________________________________________________________________________________ 9
Específicos ____________________________________________________________________________________________10
1.3 Marco legal ______________________________________________________________________________ 10
Hipótesis ________________________________________________________ 11
Metodología ____________________________________________________ 13
3.1 Valoración neutral al riesgo __________________________________________________________ 14
3.2 Simulación Monte Carlo _______________________________________________________________ 14
3.2.1 Error estándar de Monte Carlo ________________________________________________________________15
3.3 Una aproximación martingala para modelar el tipo de interés _________________ 16

3.4 Validación del modelo _________________________________________________________________ 17
Modelos estocásticos para la estructura temporal de los

tipos de interés _________________________________________________ 18
4.1 Modelo Ornstein-Uhlenbeck (OUh). _________________________________________________ 21
4.2 Modelo de Cox, Ingersoll y Ross ______________________________________________________ 23
4.3 Modelo Hull and White________________________________________________________________ 24
Opciones y Garantías __________________________________________ 28

5.1 Introducción a las opciones ___________________________________________________________ 28
5.1.1 Desarrollo matemático para la valoración de opciones _____________________________________ 29
5.2 Tipo de interés mínimo garantizado en el contrato. ______________________________ 30

5.3 Participación en beneficios garantizada. ___________________________________________ 32
5.4 Opción de participación en beneficios discrecionales futuros __________________ 33
5.5 Opción de rescate_______________________________________________________________________ 34
5.6 Opción de conversión de un capital en una renta vitalicia. ______________________ 36
Modelos de tipos de interés y mercado financiero. ______ 39

6.1 Modelo Cartera de Activos (MBG)____________________________________________________ 39
6.2 Correlación entre activo financiero y tipos de interés ___________________________ 41
6.3 Valoración de la cartera _______________________________________________________________ 42
3
ESPACIO BIOMÉTRICO Y FINANCIERO, VINCULACIÓN ________________________________ 44
Implementación práctica de los modelos _________________ 45

7.1 Simulación: cartera de activos y estructura temporal de los tipos de interés. 46
7.2 Algoritmos _______________________________________________________________________________ 47
7.3 Parámetros ______________________________________________________________________________ 51
7.3.1 Parámetros generales__________________________________________________________________________51
7.3.2 Parámetros modelos tipos de interés ________________________________________________________ 51
7.3.3 Parámetros modelo activo de renta variable ________________________________________________ 52
Implementación Numérica ___________________________________ 53

8.1 Resultados numéricos _________________________________________________________________ 54
8.2 Análisis de Escenarios _________________________________________________________________ 57
9. CONCLUSIONES ______________________________________________ 61
Bibliografía _____________________________________________________ 66
ANEXO I: Información externa _______________________________ 67
ANEXO II: Implementación Modelo VBA ___________________ 69
ANEXO III: Índice de longevidad Español (SLI) ___________ 72
ANEXO IV: Cotización bono español y Eurostoxx 50 _____ 72
ANEXO V: Código Excel-VBA __________________________________ 73
4
ÍNDICE GRÁFICOS
Gráfico 1 Proceso Wiener, Elaboración del Autor ................................................................................. 20
Gráfico 2. Modelo Hull&White, Elaboración el autor. .......................................................................... 26
Gráfico 3. Modelo Hull&White componente determinista, elaboración el Autor..................... 27
Gráfico 4. Beneficios Opción 1, elaboración el Autor. .......................................................................... 31
Gráfico 5. Beneficios Opción No. 2, elaboración el Autor. .................................................................. 32
Gráfico 6. Beneficios Opción N° 3, elaboración Autor.......................................................................... 34
Gráfico 7. Función opción N° 4, elaboración Autor. .............................................................................. 35
Gráfico 8. Beneficios Opción N° 5, elaboración el Autor. .................................................................... 36
Gráfico 10. Movimiento Browniano Geométrico, muestras neutrales al riesgo (0,1)
Elaboración el Autor. ......................................................................................................................................... 41
Gráfico 10. Interface aplicativo Excel-VBA, elaboración el Autor. .................................................. 46
Gráfico 12. Resultados simulación estocástica Modelos Tipos de Interés, elaboración el
Autor. ....................................................................................................................................................................... 54
Gráfico 13. Provisiones Matemáticas diferentes TM, elaboración el Autor. ............................... 55
Gráfico 14. Provisiones Matemáticas diferentes TM, elaboración el Autor. ............................... 55
Gráfico 16. Resultados Simulación Op. 1, elaboración el Autor. ...................................................... 56
Gráfico 20. Valor Op N°1 con Sigma R y Sigma S, elaboración el autor. ...................................... 58
Gráfico 21. Valor Opción N°1 y Sigma R, elaboración el Autor. ....................................................... 59
Gráfico 22. Resultados Simulación Op. 1 stress, elaboración el Autor.......................................... 59
Gráfico 23. Resultados Simulación Op. 2 stress, elaboración el Autor.......................................... 60
Gráfico 24. Resultados Simulación Op. 3 stress, elaboración el Autor......................................... 60
Gráfico 27. Comparativo Resultados Biométrico y Financiero. ....................................................... 65
Gráfico 27. Inversiones en el sector asegurador, ICEA 2014. ........................................................... 68
Gráfico 28. Evolución Distribución Cartera, ICEA 2014...................................................................... 69
ÍNDICE DE TABLAS
Tabla 1. Fórmula Excel H&W Componente Determinista. ................................................................. 50
Tabla 2. Parámetros Modelo Hull&White ................................................................................................. 50
Tabla 3. Resultados Opciones Escenario Central, elaboración el Autor. ...................................... 63
Tabla 4. Resultados Opciones Escenario Stress , elaboración el Autor. ....................................... 64
Tabla 5. Resultados Comparativos Central y Stress, elaboración el Autor. ................................ 64
Tabla 6. Datos de Seguro de Vida y Pensiones, Inese 2016. .............................................................. 68
5
ABSTRACT
This study purposes a theoretical framework for risk neutral valuation of embedded
options and guarantees of life insurance contracts and their implementation in Excel-VBA
code. The aim is to satisfy the valuation of the best estimate liabilities, the requirements of
the European regulator under Solvency II as other valuation portfolio’s techniques like
Market Consistent Embedded Value (MCEV). In order to fulfil this goal, three stochastic
models are given to simulate the term structure of interest rates and one for the equity
portfolio underlying the generation of options and guarantees: minimum interest rate
guaranteed, profit sharing, participation in future discretionary benefits, lapses and the
option to convert one deferred capital into an annuity.
En el presente estudio se propone un marco teórico para realizar la valoración neutral al

riesgo de las opciones y garantías1 implícitas en los contratos de seguros de vida así como
su implementación en código Excel-VBA. Con la finalidad de dar respuesta, respecto a la
valoración de la mejor estimación de las provisiones técnicas, a los requerimientos del
regulador europeo en el marco de Solvencia II así como a técnicas de valoración de cartera
como Market Consistent Embedded Value (MCEV), para lo cual se propone tres modelos
estocásticos para proyectar la estructura temporal de los tipos de interés y un modelo
para la cartera de renta variable, variables subyacentes a la generación de las opciones y
garantías de tipo de interés mínimo garantizado, participación en beneficios, participación
en beneficios futuros discrecionales, rescate y la opción de transformar un capital diferido
en renta vitalicia.
CAPÍTULO 1
Dimensionamiento del problema
1.1 Introducción
La industria aseguradora en los contratos de vida ha venido evolucionando, forzados por

las presiones del mercado por mayor competitividad así como por reformas legales de
carácter tributario que buscan fortalecer los sistemas de previsión social
complementarios, lo cual ha derivado en que los contratos incluyan una serie de opciones
y garantías a favor del tomador del seguro, con la finalidad de cumplir con dos objetivos
claros, atraer nuevos clientes y proteger las pólizas en cartera, estableciendo en los
contratos flexibilidad y garantías para los asegurados como garantizar un tipo de interés a
la inversión, participación en beneficios, entrega de beneficios de manera discrecional,
estableciendo la opción de transformar un capital diferido en renta vitalicia, etc.
Tradicionalmente las opciones y garantías de los seguros de vida no han sido tarificadas
aunque históricamente existen, debido a que algunas garantías financieras como el interés
La valoración de garantías financieras están vinculadas a opciones, por lo que se hablará

1
indistintamente de opciones y garantías.
6
técnico mínimo garantizado no era preocupante en un escenario de tipos de interés
alcistas, mientras que actualmente debido a la tendencia decreciente e incluso de alcanzar
valores negativos los tipos de interés, se encuentra mayor preocupación al respecto
debido a que los aseguradores de vida tienen carteras voluminosas con esta garantía
financiera.
Actualmente la industria del seguro se encuentra en un punto intermedio, en vista de que

la tarificación de los productos de seguros de vida, sobre todo los de vida-ahorro se están
realizando en la mayoría de los casos sin tomar en cuenta el valor de las opciones y
garantías financieras intrínsecas en los contratos; y por otro lado el valor de las
provisiones técnicas obligatoriamente tienen que tomar en cuenta la valoración de las
opciones y garantías a partir de la entrada en vigencia de la Directiva y el Reglamento
Delegado referentes a Solvencia II a nivel europeo en Enero del 2016, así como también a
nivel nacional, la Ley de Ordenamiento Supervisión y Solvencia de Entidades
Aseguradoras y Reaseguradoras y su reglamento.
Los tipos de interés bajos afecta a los productos de seguros de vida que tengan un tipo de
interés mínimo garantizado, como señala [1] advierten que aunque en el pasado no se han
ejercido las opciones y garantías esto cambiará en el futuro, los mercados están
entendiendo y realizando algunas transacciones en este sentido.
EIOPA en el documento “Una potencial macro-prudencial aproximación al ambiente de

bajas tasas de interés en el contexto de Solvencia II” [2] señala que cada vez se incrementan
las medidas tomadas por los reguladores nacionales para el riesgo de tipos de interés
bajos, estableciendo un cambio en las políticas de inversión de las aseguradoras,
limitaciones en la entrega de bonos o participación en beneficios.
Las recomendaciones emitidas por el regulador europeo a las aseguradoras según este
documento son:
- Niveles de garantías decrecientes para nuevos contratos.
- Incremento en nuevos negocios focalizados hacia productos sin garantías.
- Para la venta de ciertos productos garantizados: introducir cláusulas de revisión

para las garantías, introducir cláusulas de ajuste a valor de mercado en caso de
rescate.
- Acortar la duración de nuevos contratos.
- Explorando nuevas alternativas de negocio tales como garantías de crédito,

seguros.
Estrategia de productos para negocios existentes:
- Reducir la participación de beneficios.
- Establecer una reserva preventiva, una provisión técnica adicional para las
opciones y garantías establecidas en el contrato.
- Renegociar los términos del contrato para negocios existentes, donde sea posible.
7
Para resumir actualmente las aseguradoras se enfrentan a una tarificación que no incluyen
las opciones y garantías, y a una obligatoriedad legal para el cálculo de su valor dentro de
las provisiones técnicas. A efectos de tarificación a futuro supondrá un incremento en el
valor de los productos de seguros de vida ahorro, que algunas compañías ya lo vienen
haciendo, y por el lado de provisiones técnicas tendrá también efectos incrementales,
mientras que en el cálculo del Capital de Solvencia Obligatorio (Solvency Capital
Requirement -SCR- por sus siglas en inglés) la provisión creada para estas opciones y
garantías lo disminuye.
Como podemos observar en el siguiente cuadro tomado de [3], los seguros de vida ahorro
donde principalmente están presentes las opciones y garantías en el año 2015 en el
mercado español significaron el 96,84% de las provisiones técnicas de los productos de
seguros de vida, lo cual evidencia una importancia significativa para el sector asegurador.
Las inversiones del sector asegurador, se encuentran dispuestas para el año 2014 como lo
indica [4] recogido en la tabla No. 6 del Anexo I.
Como podemos evidenciar, en el gráfico No. 27 del Anexo I, las provisiones técnicas del
sector asegurador principalmente son generadas en los productos de vida, y la mayoría
representan los productos de vida ahorro.
A continuación se realizará una descripción somera de los productos de vida ahorro, como
se están actualmente comercializando en el mercado, para constatar la presencia de las
opciones y garantías intrínsecas en estos productos.
 Descripción de los productos de vida ahorro información tomada [5]:
Productos del mercado: Seguros Capitales Diferidos, PPA, PIAS, SIALP, de acuerdo a los
principales productos mostrados en los cuadros precedentes:
- Capitales Diferidos:
En el momento del vencimiento del seguro de ahorro, el asegurado recibe el capital

garantizado en la póliza.
Es una póliza de prima única y no se admiten aportaciones posteriores.
Para cualquier duración, transcurrida la primera anualidad, el cliente tiene derecho a

solicitar el valor de rescate de la póliza, percibiendo el capital correspondiente. Esto
permite disponer de liquidez inmediata antes del vencimiento en caso de que el cliente
necesite recuperar la inversión realizada.
La rentabilidad se mantiene fija hasta el vencimiento previsto, aunque el mercado sufra

una evolución negativa.
- Planes de Previsión Asegurados (PPA):
Están destinados a complementar los ingresos una vez que los asegurados llegan a la
jubilación. Son seguros de vida cuyo objetivo es constituir un capital de forma segura,
por lo que están orientados y recomendados a personas conservadoras o que se
encuentren cerca de la edad de jubilación.
8
Incluyen la opción de participación en beneficios.
- Plan Individual de Ahorro Sistemático (PIAS):
Con esta modalidad, el titular constituye un capital que recibirá al vencimiento, y que
está garantizado en función del tipo de interés técnico vigente en el momento de la
contratación.
Junto a dicho capital, se percibirá de forma adicional otro procedente de la

participación en beneficios obtenida hasta el vencimiento de la póliza, y del cual se
informa al titular anualmente. Con ambos capitales, se constituye una renta vitalicia
garantizada que se abonará al cliente con la periodicidad que establezca desde el
momento del vencimiento (normalmente, de forma mensual).
Transcurridas y satisfechas las primas de las dos primeras anualidades (en caso de ser
periódica), el tomador puede solicitar el rescate o la reducción de la póliza. De esta
manera, dispone de liquidez en caso de necesidad.
- Seguro Individual de Ahorro a Largo Plazo (SIALP):
Cuenta con un interés técnico garantizado.
Adicionalmente cuenta con la participación en beneficios, con la que se puede obtener

una rentabilidad final a través de las inversiones vinculadas a este seguro.
Dispone de liquidez a corto plazo: se puede solicitar el rescate transcurrido el primer

año.
Al vencimiento existe la posibilidad de prorrogar el contrato según las condiciones

vigentes en ese momento o de percibir el capital.
1.2 Objetivos del TFM
General
Proponer modelos y su implementación para la valoración neutral al riesgo de opciones y

garantías contractuales de los productos de los seguros de vida-ahorro como:
- Tipo de interés mínimo garantizado en el contrato.

- Participación en beneficios garantizada.
- Opción de participación en futuros beneficios discrecionales futuros.
- Opción de rescate.
- Opción de conversión de un capital en una renta vitalicia.
9
Específicos
- Detallar la metodología y técnicas a usar, bajo determinadas hipótesis, para realizar la

valoración de las opciones y garantías establecidas en el objetivo general.
- Desarrollar matemáticamente los tres modelos estocásticos que servirán de base para la
simulación de la estructura temporal de los tipos de interés.
- Conceptualizar, desarrollar y formular las opciones y garantías determinadas en el

objetivo general.
- Relacionar los espacios de probabilidad financieros y actuariales evidenciando los

resultados. En el caso del mercado financiero se simulará el comportamiento de una
cartera hipotética de renta variable; en el caso biométrico se afectará la hipótesis de
mortalidad a través de la aplicación del Índice de Longevidad Español (Spanish Longevity
Index –SLI- por sus siglas en inglés).
- Realizar la implementación en código Excel-VBA de los modelos teóricos estudiados,

mediante el establecimiento de los algoritmos, obteniendo estimadores del valor de las
opciones, intervalos de confianza, medidas de dispersión y gráficos dinámicos para cada
uno de los modelos desarrollados teóricamente y de las opciones y garantías valoradas. El
código también contiene la programación de un producto tradicional como es el capital
diferido.
- Analizar los resultados obtenidos de la aplicación del modelo a un producto tradicional

de seguros de vida, para estudiar la convergencia o divergencia entre los resultados
obtenidos, realizando un análisis de sensibilidad respecto a los parámetros de los modelos
con los cuales se establecerá las respectivas conclusiones.
1.3 Marco legal
La Directiva Solvencia 2 establece en su artículo 79, la obligatoriedad, que al calcular las

provisiones técnicas las empresas de seguros y reaseguros tendrán en cuenta el valor de
las garantías financieras y de las posibles opciones contractuales incluidas en los contratos
de seguro y reaseguro, las hipótesis construidas con respecto a la probabilidad de que los
tomadores ejerzan las opciones contractuales deben basarse en información actual y
fiable.
Además, la Directiva en su artículo 78 indica que dentro del cálculo de las provisiones
técnicas se deben tomar en cuenta, las futuras participaciones discrecionales que las
empresas pretenden realizar independientemente que se encuentren o no garantizadas en
el contrato de seguro. Para esto EIOPA indica que estos flujos de caja pueden ser utilizados
como variable para la capacidad de absorción de pérdidas para el cálculo del SCR de
acuerdo al artículo 108 del mismo cuerpo legal.
10
En el Reglamento Delegado el artículo 24 respecto a la valoración de futuras prestaciones
discrecionales dependan de los activos que mantengan las aseguradoras se elaborarán
hipótesis sobre futuros cambios en la estructura de la cartera, y que los rendimientos de la
cartera serán coherentes con la estructura temporal de los tipos de interés sin riesgo, y se
calcularán por separado de las provisiones técnicas.
La discrecionalidad de los pagos de los beneficios futuros se refiere tanto al monto como a
la periodicidad, se considerarán una acción de gestión.
Las garantías financieras a favor del tomador se refieren a la posibilidad de atribuir

pérdidas al asegurador, o de recibir beneficios adicionales debido al comportamiento de
las variables financieras y su afectación a la cartera de opciones.
Las opciones, son de carácter contractual y son definidas como el derecho, a quien las
posee, a cambiar el contrato en este caso el tomador del seguro, son establecidos
anticipadamente; para ejercer una opción es necesaria una acción deliberada de su
poseedor.
El valor de la mejor estimación debe considerar tanto el valor intrínseco como el valor
temporal de las opciones y garantías del contrato.
En su artículo 103 la Directiva señala además que el SCR será ajustado por el importe que
significa la capacidad de absorción de pérdidas de las provisiones técnicas, es decir su
capacidad de absorber pérdidas inesperadas, entendiendo que en un escenario adverso la
reducción de estas prestaciones permitirán liberar provisión técnica para dar cobertura a
las obligaciones garantizadas del contrato de seguro.
CAPÍTULO 2
Hipótesis
En este capítulo se establecerán las hipótesis para el desarrollo del estudio y su

implementación, se indica la hipótesis asumida y una declaración argumentativa a manera
de justificación o aclaración.
Las dos hipótesis de partida que se toman en cuenta para el presente estudio son:
- La estructura temporal de los tipos de interés puede ser modelizada usando los
tres modelos estocásticos propuestos y cuyos parámetros se indican más adelante.
- El activo de renta variable al cual se asigna parte de la provisión matemática se
puede modelizar mediante un Movimiento Browniano Geométrico (MBG).
En la opción de participación del tomador en los beneficios discrecionales futuros,

respecto a la distribución temporal de pagos discrecionales a los tomadores se supondrán
fijos al final de cada aniversario de la póliza, que por facilidad coincidirá con el 01 de
Enero de cada año, y serán aquellos que resulten del rendimiento de la cartera de activos
afectos a la provisión técnica de la póliza, a los cuales se aplicará un porcentaje fijo para
mantener una relación que es objetivo del gestor de inversiones en cuanto a los beneficios
11
a entregar a los tomadores y la provisión técnica que corresponde a los tomadores. Se le
determina el parámetro de smoothing (delta) para la participación discrecional en la
distribución de beneficios futuros.
Se establece la estructura de la cartera con dos activos: bonos del gobierno y activo de
renta variable, se supone además que ésta se mantiene constante a lo largo de la vida del
contrato. Para establecer la mencionada estructura se toma como referencia la experiencia
observada en años recientes en el mercado asegurador español así como también de
acuerdo a la cartera referencia calculada, por mandato de la Directiva de Solvencia II en su
artículo 77 ter donde señala el procedimiento para calcular el ajuste por volatilidad, se
indica que para realizar el cálculo del ajuste por volatilidad a la estructura temporal de los
tipos de interés sin riesgo se realizará mediante la estimación de una cartera de referencia
de las inversiones de las compañías aseguradoras y reaseguradoras en el mercado,
encontramos que para el caso de España el 50,1% de esta cartera está formada por bonos
del gobiernos y del bancos centrales, de este porcentaje un 91% está formado por el
gobierno y el banco central de España, mientras que el porcentaje restante están
invertidos en otros activos [6].
Partiendo de la racionalidad existente entre los tomadores de seguro, se ha considerado la

opción del rescate, entendida como el derecho unilateral de los tomadores del seguro a
terminar el contrato, en el presente trabajo se considera que esta opción es ejercida
cuando la estructura temporal de los tipos de interés en un punto del período de vigencia
del contrato es mayor al tipo de interés garantizado, en vista que el tomador puede
encontrar en el mercado opciones más atractivas de inversión. El driver de la variable de
porcentaje de rescates, que será modelizada a través de una función determinista, es el
tipo de interés afectado por un porcentaje que lo denominaremos margen que disminuirá
directamente los resultados del modelo, su metodología y modelo será explicado en el
capítulo 5.
La valoración de la mejor estimación será póliza a póliza.
Que las variables biométricas se comportan de acuerdo a la tabla de mortalidad utilizada

para la tarificación. Aunque posteriormente se definirá el resultado biométrico que será
precisamente el cambio de la tabla de mortalidad usada en el pricing para el cálculo de
otra provisión técnica.
Se supone un mercado sin fricciones ni riesgos de contraparte.
Para estimar el parámetro de la volatilidad en los modelos de simulación estudiados,

realizo un estudio histórico del índice financiero representativo del mercado europeo de
renta variable EURO-STOXX50.
En el caso de las opciones de participación en beneficios que se precisan valorar en este

estudio, se parte de la directriz que el exceso de rentabilidad entregado al tomador sirve
para contratar un producto de capital diferido con aportación definida, ya que esta es la
modalidad más común en la industria aseguradora española.
12
En el caso de la opción de transformar un capital diferido en renta vitalicia se supone que
el tipo de interés garantizado para la renta vitalicia es el mismo se garantiza en el capital
diferido.
Se supone independencia entre las variables financieras y las biométricas.
CAPÍTULO 3
Metodología
La metodología usada en el presente estudio es la recomendada en el documento Technical

Specifications [7], donde se indica que para valorar opciones y garantías así como futuras
participaciones discrecionales en beneficios las técnicas de simulación pueden dar una
más apropiada y robusta valoración de la mejor estimación ‘best estimate’, y como una de
las técnicas aprobadas está la simulación Monte Carlo que es la que se desarrolla en este
trabajo.
Para estimar el valor de las opciones y garantías financieras de los productos de seguros
de vida, la principal herramienta usada en el trabajo es la simulación Monte Carlo que nos
permitirá construir los escenarios de la estructura temporal de los tipos de interés y el
valor de las obligaciones es calculado en un número grande de escenarios donde las
hipótesis de valoración del escenario central son cambiadas, al tener varios escenarios se
puede construir una distribución de probabilidad y tomaremos la media de la distribución
como aproximación de nuestra mejor estimación en un escenario estocástico.
Se incluyen variaciones estocásticas en las hipótesis de no mercado como los rescates, que
están influenciados por los tipos de interés, por lo que suponemos que se encuentran
altamente correlacionadas.
Se parte del escenario de valoración en términos de ausencia de oportunidades de

arbitraje, por lo tanto al estar en la valoración del pasivo de la entidad aseguradora el
descuento será con la estructura temporal de los tipos libres de riesgo.
Se realizará además un cálculo del cambio en la hipótesis respecto a la mortalidad, siendo

afectada por el SLI obteniendo una diferencia por el cambio de hipótesis actuarial que le
denominaremos resultado biométrico, que será contrastado con el resultado financiero.
Para la implementación se desarrolla un aplicativo en código Excel- VBA, que permite

llevar a la práctica los modelos teóricos y obtener resultados numéricos para un análisis
completo. La base de trabajo del aplicativo será tomar los inputs de Excel, realizar todos
los cálculos internamente en VBA trabajando principalmente con matrices y vectores que
hacen eficiente el código en términos computacionales, para finalmente mostrarlos
visualmente exportándolos a Excel.
13
Con la información generada a través del aplicativo se realizará un análisis estadístico
comparativo estableciendo un análisis de escenarios y de stress test.
3.1 Valoración neutral al riesgo
En el caso que nos ocupa las opciones y garantías financieras son pagos contingentes o
derivados, es decir sus pagos dependen de un suceso futuro incierto que es la evolución de
nuestra variable que utilizaremos como driver o subyacente el tipo de interés, de esta
forma tanto el activo subyacente como el derivado están asociados a la misma fuente de
incertidumbre [8] , por lo tanto el valor de la opción se incrementa conforme se
incrementa la volatilidad del subyacente. Cualquier activo que depende de otros activos
negociados puede valorarse bajo el supuesto de que los inversionistas son neutrales al
riesgo, es decir no se afirma que los inversionistas son neutrales al riesgo, lo que sí afirma
es que los derivados, como las opciones, pueden valorarse bajo el supuesto de que los
inversionistas son neutrales al riesgo. Esto significa que las preferencias de riesgo de los
inversionistas, asegurados en nuestro caso, no tienen ningún efecto en el valor de una
opción cuando ésta se expresa en función del precio del activo subyacente, como señala
[9], en la valoración no se incluye el rendimiento real del activo subyacente, en un mundo
neutral al riesgo se sostienen dos premisas particularmente simples:
- El rendimiento esperado de todos los activos de inversión es la tasa de interés

libre de riesgo.
- La tasa de interés libre de riesgo es la tasa de descuento adecuada para para
aplicar a cualquier flujo de efectivo esperado.
Las carteras réplica formadas por el activo libre de riesgo y por la posibilidad de las ventas
en corto, fuerzan a una valuación neutral al riesgo, al replicar exactamente los pagos
futuros del activo derivado.
Todas las variables introducidas en la valoración son independientes de la preferencia por

el riesgo de los inversores.
La aproximación neutral al riesgo necesita que los generadores de escenarios sean

calibrados a condiciones de mercado, el retorno esperado de todos los activos es el tipo
libre de riesgo. La combinación de probabilidades neutrales al riesgo y descontar a los
tipos libres de riesgo es un método conveniente para encontrar escenarios consistentes
con los precios de mercado.
3.2 Simulación Monte Carlo
Con la simulación Monte Carlo se espera tener una muestra de los pay-off de las opciones
en un mundo de riesgo neutro, según [9] para realizar una valoración neutral al riesgo
debemos realizar los siguientes pasos:
1.- Generar un camino del activo subyacente en un mundo neutral al riesgo.
14
2.- Calcular el pay-off del derivado, en un mundo neutral al riesgo.
3.- Repetir los pasos 1 y 2, para obtener un número grande de los pay-off derivados
en un mundo neutral al riesgo.
4.- Calcular la media de la muestra de los pay-off para conseguir un estimador del
valor esperado del pay-off en un mundo neutral al riesgo.
5.- Descontar el valor esperado del pay-off al tipo libre de riesgo para obtener un
estimador del valor del derivado.
Ahora incluiremos el error del proceso Monte Carlo de acuerdo a [7], cuando se realiza
modelización estocástica para el cálculo de las provisiones técnicas se debe demostrar las
propiedades de exactitud, robustez y consistencia a mercado del modelo. Una medida de la
exactitud del modelo es el análisis del error de Monte Carlo.
3.2.1 Error estándar de Monte Carlo
De acuerdo a los requerimientos de las especificaciones técnicas de EIOPA es obligatorio

establecer una medida de la exactitud de la simulación Monte Carlo, en el caso que nos
ocupa aproximaremos el error en la simulación del valor de las opciones que se
desarrollan en el capítulo 5.
{ ( )
∗ + }
Ξ =
√
Donde:
- ( )
: será el descuento con la estructura temporal de los tipos de interés simulados.
- : es el vector de los pay-off de cada una de las cinco opciones.
- : es la probabilidad de que el individuo esté vivo en el ejercicio de la opción.
- : el resultado biométrico que será establecido como la diferencia entre la

provisión calculada con la tabla de mortalidad que se realizó el pricing y la tabla de
mortalidad afectada por el S.L.I.
- : Desviación estándar
- : es el número de simulaciones.
Como podemos observar el error de la simulación Monte Carlo es inversamente

proporcional al número de simulaciones.
Para evaluar la exactitud del estimador, apoyándonos en el Teorema Central del Límite,
calculamos la desviación de la estimación a un nivel de confianza y construimos intervalos
a un nivel de confianza predeterminado.
15
3.3 Una aproximación martingala para modelar el tipo de
interés
Una técnica estándar para modelar el tipo de interés es usar una martingala tomamos
como referencia [10], se parte de un análisis de un espacio de probabilidad (Ω, ℑ, Ρ) que
incluye un ℑ que es una filtración. La filtración es una familia que incrementa las sub σ-
álgebras de ℑ, incrementar significa que ℑ ⊂ ℑ la filtración es interpretada como la
manera en la que la información de mercado evoluciona o es revelada a través del tiempo,
la filtración es a menudo referida como la información de estructura.
Dentro de las opciones y garantías establecidas en el estudio, nosotros fijamos una

probabilidad neutral al riesgo ℵ , por lo tanto la estructura temporal de los tipos de interés
construida a partir de los precios de los bonos cupón se podría aproximar
( , )= ℵ
exp − ℑ
Donde ℵ denota el valor esperado con respecto a la medida de probabilidad neutral al

riesgo ℵ , esto nos garantizaría una valoración de no arbitraje. En el estudio se supone un
proceso de generación de los precios de los bonos para aproximar la estructura temporal
de los tipos de interés así como también para los activos.
Para garantizar que el precio de las opciones en el modelo de simulación y la fórmula

cerrada expresada anteriormente, es necesario realizar un ajuste en el modelo de
simulación del tipo de interés, la idea es adherir una función determinística, digamos ℎ 2al
proceso del tipo de interés spot, la cual ajusta el modelo a los precios de los bonos y a los
tipos observados en el mercado actualmente, supongamos que el precio de los bonos
observados en el mercado están dados por la función
( )= ℵ
exp − +ℎ
Donde la función ℎ es determinística que puede ser calculada
( ) = exp − ℎ ℵ
exp −
( ) = exp − ℎ (0, )
La introducción de ésta perturbación se verá claramente cuando se realice la simulación del modelo de
2
tipo de interés Hull- White, en la sección correspondiente, mediante la introducción del ajuste cubic-
splines.
16
Donde (0, ) es la función del precio del bono a tiempo 0 en el modelo inicialmente
planteado y ( ) es la función observada del precio del bono que nosotros queremos para
generar el modelo.
Ahora es relativamente fácil solucionar para encontrar la funciónℎ, como veremos en los
modelos se añadirán parámetros o funciones que se añaden al proceso de r generado.
Un contrato de seguros de vida no sólo depende de cambios en el mercado financiero sino

también de eventos biométricos tales como la supervivencia de los tomadores del seguro,
que se desarrolla en el siguiente espacio ( Ξ, ξ, Θ ) que incluye Ξ que es el espacio de
estados de los eventos biométricos, ξ que es la filtración y Θ que son las probabilidades
asociadas. Para modelar un mercado en el cual los contratos de seguro son
comercializados, tenemos que construir un espacio de probabilidad en el cual el mercado
financiero y el mercado de eventos biométricos son modelados simultáneamente, para lo
cual se asume que hay varios individuos, con la misma edad y género. Dos personas
cualesquiera con similares condiciones biométricas deben pagar lo mismo por un contrato
similar y los eventos biométricos para los dos son considerados independientes.
Adicionalmente se supone que los riesgos de mortalidad y financieros están incorrelados,
y que conocemos la tabla de mortalidad aplicada en el contrato.
También se incluirá un apartado donde se haga variar el espacio de probabilidad

biométrico.
Tomando en cuenta las hipótesis biométricas, podemos decir que la empresa es

asintóticamente neutral al riesgo, a continuación se establecerá un espacio de
probabilidad filtrada común:
(Ψ, , Φ) = (Ω, ℑ, Ρ)⨂ ( Ξ, ξ , Θ )
Como el producto de los eventos financieros y biométricos, Ψ ⨂ Ξ denota el producto de

los espacios financieros y biométricos, = ℑ ⨂ ξ la información acerca del producto
acerca del mercado financiero y asegurador en cada paso, Ρ⨂ Θ el producto de las
probabilidades medidas.
3.4 Validación del modelo
Como señalan las especificaciones técnicas de EIOPA [11], se debe evaluar la exactitud,
robustez y consistencia con el mercado cuando se usa un generador de escenarios
estocásticos, en el caso de las técnicas de simulación Monte Carlo y su exactitud bastaría
con realizar un análisis del error, el aplicativo desarrollado calcula de acuerdo al apartado
3.2.1 de este cálculo.
Para demostrar la robustez del modelo se debería testear la sensibilidad de los resultados
a cambios en los parámetros.
Para demostrar la consistencia con el mercado, la normativa señala que algunos de los
siguientes test deberían ser realizados en la generación del modelo:
17
a) Test de calibración.- verifica que los requerimientos establecidos en el artículo
22.3 que señala que el modelo debe cumplir:
“que genere precios de activos que sean coherentes con los precios de
activos observados en los mercados financieros; que no presuponga
posibilidad de arbitraje alguna; que la calibración de los parámetros y
escenarios sea coherente con la pertinente estructura temporal de tipos de
interés sin riesgo utilizada para calcular la mejor estimación a que se
refiere el artículo 77, apartado 2, de la Directiva 2009/138/CE.”
El modelo de Hull and White propuesto dispone de la posibilidad de incluir en cada

paso de su desarrollo información del mercado.
b) Test Martingala.- verificar que los test martingalas han sido usados en la
generación del proceso.
c) Test de Correlación.- comparar las correlaciones generadas con las correlaciones
históricas.
CAPÍTULO 4
Modelos estocásticos para la estructura temporal

de los tipos de interés
Este capítulo tiene como propósito establecer los modelos de tipos de interés y su
desarrollo matemático, para posteriormente realizar la simulación a través de algoritmos,
que será la variable subyacente con la finalidad de calcular el valor de las opciones y
garantías.
La mayoría de compañías aseguradoras realizan la tarificación de los productos de

seguros de vida suponiendo una tasa de interés constante, sin embargo, debido al largo
plazo de los contratos, las opciones intrínsecas y la obligatoriedad legal están llamadas a
realizar el cálculo en sus provisiones técnicas de las opciones y garantías mencionadas,
por lo que es más realista suponer modelos dinámicos de los tipos de interés.
En esta sección se realizará la justificación de la elección y desarrollo de la estructura

temporal de los tipos de interés mediante los procesos de Ornstein-Uhlenbeck, Cox-
Ingersoll-Ross y Hull and White, son modelos que parten del principio de reversión a la
media de un único factor homogéneo en el tiempo. Para cada uno de estos modelos se
realizará un desarrollo teórico.
Los modelos de tipo de interés que tienen reversión a la media en el largo plazo, son
justificables en vista de que cuando los tipos de interés se incrementan, la actividad
económica disminuye y por lo tanto la demanda de crédito, préstamos etc., esto hace que
baje para lograr recuperar la actividad económica, tampoco disminuirá demasiado por las
18
políticas económicas para evitar procesos inflacionarios agresivos. El supuesto de
reversión a la media no viola el supuesto de mercado eficiente.
La forma de los procesos que estudiaremos del tipo de interés, están dados por la
siguiente ecuación diferencial estocástica:
= ( − ) + (A)
: es el tipo de interés libre de riesgo.
: es un movimiento Browniano de una dimensión.
Realizaremos una breve descripción del movimiento Browniano o proceso de Wiener es

un proceso si una variable digamos Ζ es una función definida en algún intervalo [0, ] con
las siguientes propiedades:
i) (0) = 0
ii) ∀ ,∀ ≥ 0
( + )− ( )~ 0, √
( + )= ( )+ √
Dónde:
~ (0,1)
Entonces:
( )− ( ) = −
iii) Para < < < ,
( )− ( ) Está incorrelado con ( ) − ( )
La proyección de cada Ζ sobre la coordenada t, Ζ(t) es una variable aleatoria para todo
∈ (0, ).
Ζ(t) Es un proceso estocástico, la propiedad ii) nos indica que es independiente de su

historia.
19
Además con probabilidad 1 Ζ(t) no es diferenciable en nigún punto ∈ (0, ).
1 path 10 path
113
129
145
161
177
193
209
225
241
257
1
17
33
49
65
81
97
1 4 7 101316192225283134374043464952
1,5
1,5
50 path 100 path
1
1
0,5
0,5
0
0
100
111
122
133
144
1
12
23
34
45
56
67
78
89
1
11
21
31
41
51
61
71
81
91
101
111
121
131
141
151
-0,5
-0,5
-1 -1
-1,5 -1,5
Gráfico 1 Proceso Wiener, Elaboración del Autor
A partir de la ecuación diferencial estocástica (1) procedemos a desarrollar los modelos

que utilizaremos en el estudio, nos enfocaremos en tres modelos, Ornstein-Uhlenbeck
(OUh) que supone = 0 , Cox-Ingersoll-Ross (CIR) para = ½ y Hull and White
(Hull&White) como una generalización del modelo OUh en el cual se incorpora
permanentemente información externa del mercado.
20
4.1 Modelo Ornstein-Uhlenbeck (OUh).
Este proceso modela el tipo de interés libre de riesgo, a través de la ecuación diferencial
estocástica, es igual que (A) con = 0:
= ( − ) + (B)
Donde
> 0, denota la volatilidad del proceso de .
: Puede ser interpretada como un tipo de interés de equilibrio de largo plazo.
: determina la velocidad a la cual rt es lanzado a la media (tasa de reversión a la

media).
: es un proceso browniano, proceso de Wiener, bajo el supuesto de ser neutral al

riesgo.
Entonces el proceso de OUh, describe un proceso de evolución del tipo de interés,

mediante un proceso de reversión a la media, donde el proceso está afectado por el
tamaño de y .
Se asume que y son constantes estrictamente positivas.
Para resolver la ecuación diferencial estocástica (B) tenemos ( , ) = , aplicamos el

lemma de Ito:
1
= + + +
2
Reemplazando y aplicando en (1.2) tenemos:
= ; = ; = 0;
Dado que = ( − ):
=[ + ( − ) ] +
= [ + ( − )] +
= [ + ]
Ahora escribimos en forma de integral y reemplazando = :
= +
Para (0, ) = + :
21
= + +
Realizando la integración del segundo término de la derecha obtenemos:
= + (1 − )+ ( )
Cómo es un proceso markoviano de primer orden (martingala) calculamos el valor

esperado y la varianza del proceso OUh dado un valor donde < :
Ε = ( )
+ (1 − ( )
)
)(
= (
− )+
Dado que ( )
es un proceso de Wiener de media 0.
Varianza
VAR = ( )
= [ − 1]
2
Dado la martingala
VAR = 1− ( )
2
Es fácil obtener la distribución de :
~ ( )
( − )+ ; − ( )
Y que para nuestros fines, el proceso del tipo de interés en nuestro modelo será:
=[ − ] ( )
+ + [1 − ( )] ∗
|
2
Dónde:
~ (0,1)
Con lo cual se concluye que la los tipos de interés se distribuyen normalmente y que con
probabilidad positiva pueden ser negativos.
22
Desde el planteamiento teórico frecuentemente se consideraba únicamente un modelo
teórico, en vista que era ‘irracional’ pensar en tipos de interés negativos, pero la realidad
da la razón a este modelo al tener en la eurozona tipos de interés negativos y que según las
previsiones se mantendrán al menos en el corto plazo, por lo que el modelo recobra su
importancia práctica.
4.2 Modelo de Cox, Ingersoll y Ross
Incluye como hemos mencionado la raíz cuadrada del proceso, fijando en (A) = ½ se
obtiene el modelo propuesto por CIR, y es conocido como el proceso de raíz cuadrada.
= ( − ) +
Donde los parámetros , y son considerados nuevamente estrictamente positivos y

: es un movimiento Browniano de una dimensión.
Debido a que se exige la raíz cuadrada el proceso debe ser estrictamente positivo.
El proceso es cero cuando 2 ( ) < . Para todo tiempo t el valor del modelo es
estrictamente positivo.
Además la varianza absoluta del tipo de interés se incrementa a medida que la tasa de
interés crece por sí misma.
En contraste con el modelo de OUh donde los tipos de interés pueden tomar valores
negativos, el término decrece a cero como se aproxima al origen y así los tipos de
interés negativos son excluidos. A diferencia de OUh no puede ser escrita de una forma
cerrada, pero escribiremos remplazando por en la raíz cuadrada.
= + (1 − )+ ( )
La distribución de r en el modelo de CIR ver desarrollo en (pg. 125 y siguientes en [12]) es

como sigue:
Dado un dado que < , es un factor de escala para de una distribución chi cuadrado
no centrada.
− ( )
= ,
4 ( )
= ∗
(1 − ( ))
23
4
=
( )
Así, dado es distribuido como veces una variable aleatoria chi-cuadrado
no centrada con d grados de libertad y como parámetro de no centralidad.
El algoritmo detallado para este modelo se describe en la sección 7.2.
4.3 Modelo Hull and White
A continuación realizaremos la calibración del modelo de Hull- White (1994) tomando

como referencia en [13]. El tipo de interés instantáneo es asumido que sigue la ecuación
diferencial estocástica como sigue:
=[ ( ) − )] + (C)
Donde (t) es una función determinística del tiempo, a y son constantes, y Wt es un

proceso Wiener.
Para resolver la ecuación diferencial estocástica (C) tenemos G( , ) = , aplicamos el
lemma de Ito:
1
= +ℎ + +
2
Reemplazando y aplicando en (1.2) tenemos:
= ; = ; = 0;
Dado que ℎ = [ ( ) − )]
= +[ ( ) − ] +
= [ +[ ( ) − ]] +
= [ ( ) + ]
Ahora escribimos en forma de integral
= ( ) +
Para (0, ) = + :
= + ( ) +
24
Tomando un valor t <T, debido a la martingala:
= ( )
+ ( ) ( )
+ ( )
Cómo es un proceso markoviano de primer orden (martingala) calculamos el valor

esperado y la varianza del proceso OUh dado un valor donde < :
Ε = ( )
+ ( ) ( )
Dado que ( )
es un proceso de Wiener de media 0.
Varianza
VAR = ( )
= [ − 1]
2
Dado la martingala
VAR = 1− ( )
2
Se puede concluir que la varianza de este modelo es similar a la varianza del modelo OUh.
Para realizar la simulación del modelo se asume que a y son conocidas, luego se calibra
( ) al precio de mercado actual de un bono cupón cero. En otras palabras dado P(t, T), lo
cual es más complicado. Además es más conveniente descomponer por:
= +
Y sigue un proceso
=− +
Es una determinística función del tiempo que incorpora información en (t), y xt

corresponde al componente aleatorio conducido por . Nosotros tomamos =0 y
(0) = r(0). Para simular rt, sólo necesitamos realizar la simulación sobre y adicionar el
correspondiente en cada paso. Se simula y la suma de los dos obtenemos el
25
camino de . Note que realmente sigue un modelo Hull-White degenerado; de hecho,
este es un proceso Ornstein Uhlenbeck, donde (t) ≡ 0 para todo t. Ésta propiedad es útil
α(T) X(t)
0 5 10
0 2 4 6 8 10
r(t)
0 1 2 3 4 5 6 7 8 9 10
Gráfico 2. Modelo Hull&White, Elaboración el autor.
Para encontrar , tomamos el precio de un bono cupón cero P(t,T)
( , )= ℑ
= ℑ
= ( , )
26
Tomando los logaritmos naturales sobre ambas partes
( , )
=−
( , )
Asumiendo t=0, y diferenciado ambas partes con respecto a T, tenemos,
( , )
=− ( )
( , )
Cuando R(0,T) es estimada desde los datos del mercado y como sigue, puede ser
encontrada explicitamente.
Para estimar (0, ), estimamos desde los precios de los bonos cupón cero observados en
el mercado, en nuestro caso de la curva libre de riesgo publicada por EIOPA, (0, ) es la
TIR de un bono cupón cero. Para encontrar los coeficientes, se usa métodos de
interpolación como polinomio de tercer orden, dando valores a la siguiente ecuación.
A partir de esta encontramos los precios de los bonos cupón cero para los distintos plazos,
y encontramos
log ( , )
( , )=−
−
El método de suavizado cúbico puede ser parametrizado como sigue
(0, ) = + + + , para ∈ [0, ]
Sustituyendo en la fórmula B da:
= + + + + ( − + ), ∈[ , ]
y = -0,000016x3 + 0,000311x2 - 0,000632x - 0,000997

0,010
R² = 0,999805
0,008
0,006 R(T)
0,004
R(T)
0,002 Polinómica (R(T))
0,000
0 2 4 6 8 10 12
-0,002
Gráfico 3. Modelo Hull&White componente determinista, elaboración el Autor.
Con lo cual en cada paso (t) incorporamos la información referente al mercado.
27
CAPÍTULO 5
Opciones y Garantías
5.1 Introducción a las opciones
Las opciones en los contratos de seguros de vida están siendo ofrecidas con más
frecuencia, por razones fiscales y de competitividad.
Las opciones permiten mayor flexibilidad y por lo tanto mayor competitividad, en España
tales opciones están ganando mayor popularidad por razones impositivas, por ejemplo
quien en lugar de obtener una suma acumulada al vencimiento en un capital diferido, la
transforma en renta vitalicia tiene una exención total del beneficio en su declaración del
impuesto a la renta de las personas físicas (IRPF), o los productos que tienen un tipo de
interés mínimo garantizado se pueden deducir el monto aportado para la liquidación del
impuesto referido.
Tales opciones y garantías pueden tener un impacto extremo en los futuros flujos de caja
‘cash flows’, ellos pueden enfrentar riesgos financieros, los cuales hasta ahora no han sido
tomados en cuenta en la tarificación de la póliza.
Además, si algunas personas aseguradas ejercitan estas opciones en una manera

ventajosa, otra persona asegurada implícitamente pagará por ella. Esto nos conlleva a
transferir el riesgo que no es lo deseado. Además, tales opciones deberían ser tomadas en
cuenta cuando las pólizas son tarificadas.
En la siguiente parte pasaremos a describir cada una de las opciones, formularemos su

pay-off para cada una de ellas, y estableceremos una fórmula de valoración, además en los
casos admisibles se describirá el comportamiento de los activos subyacentes y de la
variable utilizada como conductora para la toma de decisiones.
Valoración de las opciones y garantías financieras
Las opciones y garantías financieras son tomadas de dos maneras:
- El valor intrínseco está tomado con las hipótesis del BEL que es obtenido
directamente.
- Mientras que el valor temporal es más complicado su cálculo y además requiere
una aproximación estocástica e hipótesis para la generación de más escenarios.
En nuestro caso la participación en beneficios tendrá valor intrínseco igual a cero, por lo
tanto únicamente tendrá valor temporal.3
Tomado documento SOA Embedded Value: Practice and Theory, Robert Frasca and Ken LaSorella
3
28
El valor temporal de las opciones y garantías financieras se obtiene el valor de la
diferencia entre la media de los escenarios estocásticos y el escenario determinista o best
estimate.
5.1.1 Desarrollo matemático para la valoración de opciones
En esta sección se realizará el desarrollo matemático, como en [13], para la valoración de

una opción sobre un activo subyacente , en un período T y con un tipo de interés libre de
riesgo r.
Aplicación del lema de Ito para la valoración de opciones, tomaremos como ejemplo una
opción con pay-off ( ) y el tiempo a la expiración T. Suponer también un tipo de interés
continuamente compuesto. El precio actual de la opción europea está determinado por:
( , 0) = [( ]
Donde denota el valor esperado bajo la probabilidad neutral al riesgo. ( , 0) es una

determinística función a tiempo =0 y el precio actual del precio del subyacente .
= y = + ( )
Como podemos observar la rentabilidad obtenida por el activo subyacente es el tipo libre
de riesgo, como señalamos en la metodología.
Luego ( , 0) = ( , 0). Tomemos el proceso ( , ) derivado del proceso estocástico de

{ } por el lema de Ito.
1
= + + +
2
La ecuación de Black and Scholes dice que el coeficiente de es idéntico al término ver
[13].
= +
− =
La parte izquierda de la ecuación indica que puede combinarse con el producto de la

diferenciación para rendimiento:
[ ( , )] =
Esta expresión tiene una forma de integración:
( , ) − ( , 0) =
29
Tomamos valores esperados, y en la parte derecha como tenemos un proceso Gaussiano
obtenemos su valor esperado igual a cero.
′[ ( , ) − ( , 0)] = 0
Esto implica que, despejando
( , 0) = [ ( , )]
Como conclusión el valor de la opción es aplicar la función al subyacente directamente en

período T, tomarlo su valor esperado en un escenario neutral al riesgo y descontarlo al
período inicial con la curva libre de riesgo.
Balance de la compañía aseguradora
Dentro de la valoración de las opciones se realizará una simplificación en la valoración del

balance de una compañía aseguradora, del cual tendremos una visión dinámica:
ACTIVOS PASIVOS
: Instante temporal, por lo general años enteros.
: Valor de los activos en t.
: Valor de la provisión matemática de los contratos en t.
: La Reserva de beneficios en t.
5.2 Tipo de interés mínimo garantizado en el contrato.
Es una de las garantías más típicas en los productos de seguros de vida, se caracteriza por
su invariabilidad a lo largo de la vigencia del contrato. Por lo que puede convertirse, en un
entorno de tipos de interés bajista, en una de las más costosas de las garantías ofrecidas
por las compañías aseguradoras incluso poniendo en riesgo su solvencia. Desde el punto
de vista del tomador del seguro es una de las principales variables para decidirse por una
aseguradora u otra.
El ejercicio de esta opción no necesita acción deliberada.
Es una garantía que es independiente al rendimiento de la cartera de la compañía

aseguradora, la provisión matemática es asignada a una cartera de activos cuyo
rendimiento no es exactamente igual al establecido-garantizado, por lo que en caso de ser
menor la rentabilidad obtenida por los activos la empresa incurrirá en pérdidas, por lo
30
tanto la aseguradora en el caso de un producto de vida como por ejemplo un capital
diferido está entregando al asegurado una opción tipo PUT europea.
Se asume que el tomador del seguro no rescatará en el período de vigencia del contrato.
Beneficios OPCIÓN PUT

CORTO
STRIKE
0
SUBYACENTE
Pérdidas
Gráfico 4. Beneficios Opción 1, elaboración el Autor.
Con lo cual los pay-off en términos relativos de la aseguradora en esta opción serían:
{ − , 0}
Con:
= ∏ (1 + ) = ∏ (1 + )
Dónde:
: Provisión técnica simulada de la compañía en el momento T.
: Es el tipo de interés libre de riesgo en el momento i.
: (strike) Capital Asegurado al tipo de interés garantizado.
: Número de períodos de capitalización del contrato.
: Tipo de interés mínimo garantizado.
: Provisión Matemática inicial en el momento cero, en los contratos de seguros

de vida ahorro coincide con la prima recibida.
El valor de los pay-off de la opción en términos monetarios:
p(0, T) = { ( − , 0)}
En caso de ser la prima del contrato (Π′) periódica se realiza su capitalización con los tipos
generados en cada año de pago.
31
= {− ( − , 0)}
5.3 Participación en beneficios garantizada.
Esta opción presente en los contratos de seguros de vida va generando a favor del
tomador del seguro una provisión adicional al contrato debido, el asegurado transparenta
al tomador los activos en los cuales está invertida la provisión matemática, situación que
la diferencia de la siguiente opción que se estudiará.
En la práctica se implementa a través de asignar un porcentaje fijo( ) de la rentabilidad en

exceso, obtenida por la cartera de activos que respaldan la provisión matemática del
contrato, por lo general entre un 90-98%, este monto pasa a incrementar la provisión
técnica a favor del tomador si la hubiere, en este trabajo se entenderá:
= [ á { − , 0}]
En este caso la aseguradora es como si adoptara una posición corta en una opción call, el
comportamiento de los beneficios para la aseguradora serían:
Beneficios OPCIÓN CALL

CORTO
STRIKE
0
SUBYACENTE
Pérdidas
Gráfico 5. Beneficios Opción No. 2, elaboración el Autor.
Los pay-off de la opción serían:
( − , 0) ∗
= ∏ (1 + ( + )) , = ∏ (1 + )
: Porcentaje de participación en beneficios atribuida al tomador.
: Valor inicial de la cartera de activos asignada al contrato.
:Valor de la cartera de activos obtenida de las simulaciones.
: Valor al vencimiento de la cartera de activos, en la cual no existe participación

en beneficios.
32
5.4 Opción de participación en beneficios discrecionales
futuros
Dentro de este trabajo consideraremos la participación en futuros beneficios

discrecionales futuros como una forma de participación en beneficios en la cual, como
señalan las especificaciones técnicas de EIOPA, no se señala el período que serán
acreditadas o su monto, para solventar esta libertar a las decisiones gerenciales del
modelo y poder derivar en un mecanismo de valoración tomo como referencia [14],
suponemos que existe un ratio constante en la parte de los pasivos ( Υ ) ‘parámetro de
smoothing’ que permite suavizar entre períodos la distribución de los beneficios
generados por la cartera de activos, B y P–estructura indicada al inicio del capítulo- de los
tomadores (Capital + interés garantizado):
=Υ
En términos realistas es alrededor de un 10-15%. Lo que se distribuirá en cualquier

período es un porcentaje , la compañía sin embargo siempre tendrá que dar por lo menos
(que es el tipo de interés mínimo garantizado en el contrato), el cual se distribuirá
incluso teniendo pérdidas, pero está claro que con un Υ adecuado permitirá suavizar la
distribución de los excesos sobre lo garantizado por lo que se denomina ratio de
distribución. El porcentaje de distribución se determinará como:
= , −Υ
Por lo tanto similar que la opción estudiada anteriormente, es una opción tipo call en la
cual la aseguradora toma una posición corta, la diferencia radica en que en este caso la
cartera a la cual está asignada la provisión matemática del contrato no es conocida
explícitamente por el tomador, por lo tanto cumple con los requisitos señalados por EIOPA
para convertirse en una opción de participación discrecional de beneficios futuros.
33
Beneficios OPCIÓN CALL
CORTO
STRIKE
0
SUBYACENTE
Pérdidas
Gráfico 6. Beneficios Opción N° 3, elaboración Autor.
Los pay-off de la opción serían
( − , 0)
= ∏ (1 + ) , = ∏ (1 + )
: Porcentaje de participación en beneficios atribuida al tomador.
: Valor inicial de la cartera de activos asignada al contrato.
:Valor de la cartera de activos obtenida de las simulaciones.
: Valor al vencimiento de la cartera de activos, en la cual no existe participación

en beneficios.
Esta opción será mutuamente excluyente de la opción de participación en beneficios

señalada anteriormente, cuando realicemos las valoraciones de manera conjunta para
determinar el valor de todas las opciones y garantías del contrato.
La valoración de la opción sería:
= ( − , 0) ∗
5.5 Opción de rescate
La opción de rescate se refiere a la opción contractual que garantiza al tomador del seguro
la posibilidad de rescatar el valor del contrato bajo ciertas restricciones temporales,
generalmente a partir del tercer año en el caso de los contratos a mediano plazo y ciertas
restricciones en cuanto a su monto (penalización).
Se parte como supuesto que el comportamiento de los tomadores de seguro es racional, es

decir simplificando para los fines de este trabajo, los asegurados cuando observen
condiciones más favorables en el mercado mayor rentabilidad, rescatarán su póliza de
seguros para invertir en otro activo financiero que ofrezca una mayor rentabilidad.
34
Aunque como señalan las especificaciones técnicas a pesar de la racionalidad o
irracionalidad en el comportamiento de los tomadores, se observa una dependencia al
ciclo económico, situaciones personales, calidad de las ventas, etc.
A continuación transcribo la cláusula relativa al contrato de un contrato de seguro de vida

de una empresa aseguradora:
El Tomador del Seguro que haya solicitado el Valor de Rescate, a cambio de la

anulación de la póliza, tiene derecho a percibir, como importe máximo, el importe
del 100% provisión matemática. No obstante, el valor de rescate no podrá ser
superior al de realización de los activos de la cartera de inversiones, a la que se
encuentre asignada la póliza, a la fecha de su solicitud.
Dentro de este modelo al ser una opción, también partimos de un escenario de valoración
neutral al riesgo y establecemos como subyacente el tipo de interés. Se determina una
función determinista y estática es decir no cambia a través del tiempo.
Se aplicará una función matemática que ajustará el porcentaje de rescates en cada uno de
los años.
( )= 1− ( ) ∗ℎ
( ∗ 100) + Π/2
( )=
Π
Dónde:
ℎ: es un porcentaje asignado por la experiencia de la compañía a la probabilidad de

rescate.
Π: Es el valor de la constante matemática Pi= 3,1415.
% Rescate
1,2
1
0,8
0,6
0,4
0,2
0
-0,15 -0,1 -0,05 0 0,05 0,1 0,15
Rendimiento de la catera j/j-1
Gráfico 7. Función opción N° 4, elaboración Autor.
Con los ajustes realizados a la función matemática arco tangente podemos obtener un
porcentaje de rescate positivo y además que se encuentre entre 0 y1.
35
5.6 Opción de conversión de un capital en una renta
vitalicia.
Algunos productos de capital diferido como los señalados en la sección inicial incluye la
opción de transformar el capital acumulado en una renta vitalicia, que puede ser ejercitada
por la persona asegurada al final del período de diferimiento, ejercitar la opción significa
que la persona asegurada escoge recibir una renta vitalicia en lugar de una suma
acumulada. Si el asegurado escoge la suma acumulada, este monto incluye el beneficio que
ha sido generado durante el período de diferimiento.
Como indicamos en las hipótesis se supondrá que el tipo de interés garantizado de la renta
vitalicia y el que se haría la conversión es el mismo con el que se calculó el capital diferido.
El subyacente de esta opción es el pago de la renta vitalicia esperado, para realizar la

aproximación de esta valoración lo haremos a través de por ejemplo una cartera de bonos
cupón cero. Usamos los modelos de la estructura temporal de los tipos de interés
establecidos en secciones anteriores para nuestros análisis.
STRIKE:
= − +
=
Gráfico 8. Beneficios Opción N° 5, elaboración el Autor.
Si nosotros tomamos en cuenta los pagos esperados de la renta vitalicia como un cash-
flow, la opción de suma acumulada es equivalente a una opción PUT Europea que da al
asegurado el derecho de vender la suma acumulada por los futuros cash-flows (al final del
período de diferimiento) con un tipo garantizado a partir del cual se ha calculado , que es
el monto anual de la renta vitalicia.
Es decir si el tipo de interés de mercado, obtenido en nuestro modelo por simulación, es

menor que el garantizado en el contrato, provocará un valor actual actuarial de la renta
vitalicia mayor que si lo obtuviéramos mediante el tipo de interés del contrato, por lo
tanto la aseguradora deberá pagar ese diferencial que es el pay-off de la opción.
36
Normalmente, esta opción no es tomada en cuenta cuando la póliza es tarificada. Además,
si algún asegurado ejercita esta opción en una manera rentable, los costos resultantes son
llevados por los asegurados que no ejercitan la opción con esta ventaja.
En lo que sigue nosotros cuantificaremos el valor de tal opción. Llamemos t=0 el período
de inicio y x la edad de la persona asegurada en t=0, se asume un período de diferimiento
mayor a 0 años, el pago de la primera renta es en n (prepagable). Se asume que será
pagada en n sí la opción no es ejercitada. Denotamos por R el pago de la renta.
= −
Para es el factor de descuento financiero con un tipo de interés fijo (establecido en la

negociación del contrato) igual a ∗ , P la probabilidad de supervivencia dada por una tabla
de mortalidad y la edad máxima posible. Suponemos un pago de renta igual en todos los
años.
=
∑
Por lo tanto, para dar , nostros determinamos R sus flujos de caja esperados.
Normalmente, no es garantizado. Este consiste de una parte garantizada y una parte que
depende de un beneficio (sur-plus).
Sin embargo, puede ser predecido porque el surplus puede ser supuesto.
son los flujos de caja esperados de la renta.
= , = , + 1, ….
Como se mencionó más arriba, la opción de suma acumulada es el derecho para vender
una suma acumulada por una renta vitalicia en el instante = .
Por lo tanto, el strike de la opción es la fecha de vencimiento es = , y el subyacente es

el flujo esperado actualizado de la renta vitalicia. Esto es equivalente a un bono con cupón
anual pagadero de en tiempo . La tarificación de una cartera de opciones call Europeas
sobre un bono con cupón puede ser reducida a la valoración de una cartera de opciones
call sobre los cupones como si fueran bonos cupón cero cada uno de los cupones. Nosotros
ahora aplicaremos estas ideas al caso de la opción PUT, en lo que sigue, es crucial que el
precio de los bonos sean funciones decrecientes de los tipos de interés a corto, tomado en
parte desarrollo en [15].
Nosotros analizamos el caso general de una opción put Europea con strike = X y madurez T
sobre un bono que paga en los tiempos > T.
37
( ∗, , )=
Dado:
∗
: Tipo de interés fijo con el cual es calculado la .
Por lo tanto, la opción es ejercitada cuando < ∗, donde es el tipo de interés

simulado, entonces el asegurado decidirá recibir la renta vitalicia en lugar de la suma
acumulada dado que el pay-off de la opción PUT está dado por:
0, ( , , )−
Que es igual a: se evalúa en cada fecha el valor del bono del strike y de la renta vitalicia.
[0, ( , , )− ]
Con:
= ( ∗, , )
El strike también es un bono cupón cero que se descuenta con el tipo simulado, entre las
fechas , es decir en cada uno de los pagos se evalúa el pago.
Por lo tanto la opción PUT, es el pago de m opciones PUT, cada una de un bono cupón cero
con strike y madurez . Por lo tanto, el precio de una opción PUT sobre un bono con
cupón es igual al precio de una cartera de opciones PUT, cada una sobre un bono
cupón cero.
Nosotros ahora aplicaremos estas ideas para describir la opción de renta vitalicia: los
cupones son pagados en tiempos t= n, n+1… pagando en tiempo j. la madurez de la
opción PUT es t=n y el strike K. Sin embargo la opción sólo puede ser ejercitada, si el
asegurado está vivo en tiempo n. Esto es considerado en 6.
Para > , nosotros ahora denota el precio en tiempo de una opción PUT europea con
madurez y pago máximo:
= ( , , )− ,0
Entonces, el precio de una opción de suma acumulada es dado por:
38
=
Para determinar los precios , para obtener el valor de la opción Put el momento de la
valoración realizados:
= ∗ ( , 0, )
CAPÍTULO 6
Modelos de tipos de interés y mercado financiero.
En esta sección se procede a indicar la relación entre los modelos de tipos de interés de la
sección anterior y la cartera de activos asignada al contrato que de acuerdo a nuestras
hipótesis de partida está conformada por bonos y acciones, de acuerdo a una distribución
del porcentaje de la cartera establecido de antemano también.
De acuerdo con lo anterior, realizamos un modelo de valoración de activos financieros,

para el caso de las acciones supondremos que la cartera tiene el comportamiento de un
movimiento Browniano Geométrico (MBG), para el caso de los bonos nos serviremos de
las simulaciones de los tipos de interés a cada paso y por lo tanto podremos obtener el
valor actual del bono cuyo monto está establecido al vencimiento del contrato.
En conclusión en la propuesta de modelo tendríamos dos activos financieros y cuyo

comportamiento estocástico sería para el caso de las acciones un MBG y para el caso de la
estructura temporal de los tipos de interés sería uno de los tres modelos planteados en el
capítulo anterior.
Cabe señalar que realizaremos una valoración de los activos en mundo neutral al riesgo,
por lo cual la rentabilidad de todos los activos será la de los tipos de interés libres de
riesgo simulados, y que además existe una correlación igual a 1 entre la variación de los
tipos de interés y la parte de la cartera correspondiente a los bonos y una correlación
entre la estructura temporal de los tipos de interés o la parte de la cartera asignada a los
bonos y el rendimiento de la cartera de acciones.
6.1 Modelo Cartera de Activos (MBG)
En esta sección, se realizará una modelización matemática y gráfica del MBG, a

continuación veremos la relación entre los modelos existentes en la cual será necesaria la
introducción de la descomposición de Cholesky que será descrita matemáticamente
también.
39
Este proceso es utilizado ampliamente en la modelización de carteras de renta variable-
acciones para determinar el valor de una cartera de acciones en un tiempo determinado. Y
es planteado como sigue en la versión discreta:
log( ) = log( ) + ( )
En la versión continua:
dlog( ) = vdk + ( )
Donde el valor esperado de la parte derecha es y la varianza .
Si tomamos las integrales:
log( ) = log( ) + + ( )
[ log( )] = log( ) +
Con lo cual el logaritmo del valor de la cartera crece linealmente con el tiempo.
El proceso:
= ( )
=
( )
Podemos observar que para < < < …< , los ratios
; ;…
Son independientes por la propiedad de los incrementos del proceso de Wiener, la media y
varianza de un MBG puede ser calculada como en la distribución log normal, notar que
cuando decimos que un proceso de Wiener está normalmente distribuido se puede
concluir que:
i) ( ) = ( )~ ( )+ ,
ii) Dado que = ( )
entonces el ( ) =
iii) Y la ( )= ( − 1)
Si u >0 y u< entonces el ( ) tiende a infinito como t tienda a infinito.
Si 0<u< 1/2 entonces X(t) tiene una deriva negativa cuanto t tiende a infinito.
Si X(t) tiende a infinito negativo entonces S(t) tiende a cero.
40
200
180 50 paths
5 paths 160
140
120
100
80
60
40
20
0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Gráfico 9. Movimiento Browniano Geométrico, muestras neutrales al riesgo (0,1)

Elaboración el Autor.
6.2 Correlación entre activo financiero y tipos de interés
En este estudio se supone como se mencionó en el capítulo 2 que existe una correlación
entre el activo de renta variable y la estructura de los tipos de interés libre de riesgo.
Al enfrentarnos ante una correlación entre la estructura temporal de los tipos de interés y
el activo de renta variable, y para nuestra necesidad de simular ambos, tenemos un
problema de simular una distribución Normal Bivariante, el software que utilizaremos
para los cálculos no dispone de un motor generador de variables aleatorias normales
multivariantes, por lo que se usará la descomposición de Cholesky que se explica a
continuación tomando de referencia [13].
Χ~ ( , )
Donde es la matriz de varianzas y covarianzas: [ , ] ≠ 0 por lo que no existe

independencia y tenemos que utilizar métodos de descomposición como el de Cholesky.
Suponiendo 2 variables aleatorias , con coeficiente de correlación .
0 1
~ ;
0 1
El teorema de Cholesky indica que , pueden ser descompuestas en 2 variables

aleatorias incorreladas , a través de una transformación lineal
= ;
41
−
= ;
1−
Es fácil ver que,
( ) = 1,
( )= 1− + ,
( , )= 1− + = ,
Así , tienen la distribución deseada.
De hecho, hay una descomposición para ( , ). Desde que es una semipositiva matriz
definia, por ejemplo v > 0 para todo vector v, hay una matriz triangular de más baja
dimensión L tal que = . La descomposición de Cholesky es un algoritmo para
encontrar la matriz triangular más baja L (Ver siguiente sección donde se generan los
algoritmos).
6.3 Valoración de la cartera
Una de las características principales de la simulación estocástica de la estructura

temporal de los tipos de interés es que afectan el precio de las acciones del mercado en
nuestro modelo esto salta a relucir mediante las correlaciones existentes entre los dos
activos financieros y que serán indicadas a continuación:
Se considera la dinámica del activo de renta variable bajo los 3 modelos de tipos de interés
establecidos en las secciones previas:
1. Modelo OUh
= ( − ) +
=[ − ] ( )
+ [1 − ( )] ∗
|
2
2. Modelo CIR para este modelo se utilizará la discretización demostrada en la

sección (Ej. 1 Chang 2 edition) correspondiente
= ( − ) +
= + ( − )[ − ] + ( − ) ∗
Modelo Hull&White
=[ ( ) − )] +
42
= +
Y sigue un proceso
=− +
=− + ∗
Para la simulación de la cartera de la cartera de acciones tomamos la siguiente

discretización a partir del MBG:
= + ∆ + √∆
A partir de ahora denotaremos con para el coeficiente de correlación entre el tipo de

interés y el activo de renta variable-
0 1
~ ;
0 1
Para generar variables aleatorias normales correlacionadas, se realiza la transformación

de Cholesky (Después de la fórmula realizaremos una pequeña demostración de la
fórmula).
= ;
−
= ;
−
Es fácil ver que,
( ) = 1,
( ) = 1,
( , ) = 0,
Por lo tanto las variables , son independientes e idénticamente distribuidas, para

generar realizamos el procedimiento que sigue:
1. Generar , ~ (0,1)
2. Fijar = y = 1− +
Con estos valores sustituimos en los modelos anteriores y obtenemos futuros valores del
activo de renta variable y del tipo de interés.
43
ESPACIO BIOMÉTRICO Y FINANCIERO, VINCULACIÓN
En esta sección realizaremos la vinculación de los escenarios biométricos y financieros,

esto quiere decir que se realizará un análisis del comportamiento de las variables
financieras, principalmente el tipo de interés libre de riesgo y la cartera de inversiones,
producto de la simulación de los modelos, y un cambio en la tabla de mortalidad que se
tomó como hipótesis del pricing para lo cual se utilizará los factores de mejora del estudio
( [16]-pág. 137 y 141) como se dispone de la información a partir de la edad 50 años se
realizará en todos los contratos realizados con el aplicativo de manera que el factor de
mejora, tome los siguientes valores:
0 < 50
=
≥ 50
Para realizar el ajuste a la tabla de mortalidad utilizada en el pricing se utilizará las

siguientes fórmulas:
′ = [ (1 − )]
Dónde:
′ : es la probabilidad de que un individuo de edad x fallezca entre x y x+1.
: Es la probabilidad usada con efectos de tarificación.
: Es el factor de mejora de la mortalidad para cada X (SLI-99,5%).
Con esta nueva ′ se calcula la provisión técnica en cada momento del tiempo t donde,
con la finalidad de calcular la variable resultado biométrico será igual:
= ′ −
O en porcentaje,
′ −
=
Dónde:
′ : Es la provisión técnica para la persona de edad x en el momento t, utilizando

la tabla de mortalidad que incluye el SLI: ′ .
: Es la provisión técnica que para el mismo contrato anterior pero con la

provisión técnica calculada con la tabla que se realizó el pricing.
44
Quedando los pay-off de las opciones objeto del presente estudio afectadas en su
vencimiento por el resultado biométrico de manera negativa, así para la opción j:
= − é
CAPÍTULO 7
Implementación práctica de los modelos
En esta sección se definirá la implementación de los modelos estocásticos señalados

anteriormente, tanto para la variable de la estructura temporal de los tipos de interés así
como para el valor del activo de renta variable, en la gráfica a continuación podemos
observar los componentes del sistema y sus interrelaciones.
Además se realizará una descripción general de los algoritmos utilizados para la

valoración de las opciones y garantías señaladas en el capítulo 5, el código desarrollado
completo formará parte del anexo del presente trabajo.
45
PRICING
(Tradicional)
INTERFACE PARA LA
VALORACIÓN DE OPCIONES Y
GARANTÍAS FINANCIERAS
CÁLCULO PROVISIÓN
( con y sin S.L.I)
-Volatilidad: activo y tipo

interés
- FLUJOS DE INGRESOS
INFORMACIÓN -FLUJOS DE PRESTACIONES
-Tipo a largo plazo
-Velocidad de convergencia
MERCADO -TIPO INTERÉS GARANTIZADO
- Porcentaje de
- Euro stoxx 50
- Eiopa risk free rate participación en beneficios
-Smoothing P.B.D.F
- Correlación: activo y tipo
de interés.
Control de la
información INPUT
PARÁMETROS
ALGORITMO
(Tipo de modelo)
ANÁLISIS DE
RESULTADOS
SENSIBILIDAD
Gráfico 10. Interface aplicativo Excel-VBA, elaboración el Autor.
7.1 Simulación: cartera de activos y estructura temporal

de los tipos de interés.
Paso 1. Realizar la tarificación de los seguros de vida, calcular y establecer las siguientes
variables:
- Establecer t, que generalmente serán años y T que será el número de años del
contrato.
- Π: Prima del contrato, única o periódica anual, será el valor de la cartera en t=0.
- Tabla de mortalidad a utilizar.
- : Tipo de interés mínimo garantizado.
- Monto de la prestación a recibir.
46
- Provisión Matemática.
- Provisión Matemática establecida por el SLI.
Paso 2. Establecer los diferentes parámetros del modelo:
- _ : Tipo de opción a valorar.

- t: Periodicidad, que por lo general será anual.
- S(renta variable), B(bonos): Estructura de la cartera que respaldará la provisión
matemática de este contrato.
- : Volatilidad del tipo de interés-
- : Volatilidad del activo financiero.
- = , es decir al tipo vigente a día de inicio del contrato.
- : Tipo a largo plazo.
- : Velocidad de convergencia.
- Υ: Coeficiente de smoothing para la opción de participación en beneficios
discrecionales.
- : Porcentaje de participación en beneficios.
Paso 3. Inicia proceso reiterativo:
- Calculamos mediante las fórmulas indicadas en el capítulo 5 (a continuación

algoritmos de cada método).
- Para las diferentes opciones calcular:
 s(t): tasa de caída.
 : Porcentaje de la PB entregada al tomador.
 : Porcentaje de los Beneficios discrecionales entregados al
tomador.
 Actualizar los valores de , ,
 Calcular los pay-off de las diferentes opciones.
Paso 4. Resultados
 Calcular el valor de las diferentes opciones, separado y para cada modelo, como el
valor esperado de cada uno de los pay-off.
 Establecer el error de la simulación Monte Carlo.
 Establecer intervalos de confianza al 95% para el valor de las opciones simuladas.
 Incluir análisis de sensibilidad.
7.2 Algoritmos
Simulación Montecarlo para la generación de las variables y
1. Generar , ~ (0,1) (descomposición de Cholesky).

2. Fijar = y = 1− +
3. Calcular de acuerdo a los 3 modelos la
47
a. Modelo OUh:
=[ − ] ( )
+ [1 − ( )] ∗
|
2
b. Modelo de CIR:
Para este caso al no disponer el paquete informático la manera de simular el inverso de

una Chi cuadrada no centrada, se acude a bibliografía, de donde transcribimos el siguiente
algoritmo:
 Establecer el valor de :
4
=
 Caso 1: si > 1
o Para i= 0,…, n-1
( )
 =
( )
 = ∗
 Generar ~ (0,1)
 Generar X~
 = [ +√ + ]
o Fin
 Caso 2: si ≤ 1
o Para i= 0,…, n-1
( )
 =
( )
 = ∗
 Generar ~ ( /2)
 Generar X~
 =
o Fin
c. Modelo Hull&White
= +
=− + ∗
(a continuación algoritmo más detallado).
4. Repetir el paso 2, el número de simulaciones establecido.
48
Modelo Hull&White
Pasos para simulación de algoritmo:
= +
Y sigue un proceso
=− +
1.- Incorpora información de mercado a través del precio de un bono ya emitido en el

mercado entre t y T, que es, ( , ). Siempre vamos a tener una función diferente para el
intervalo (0, ) y ( , ), el bono tiene un vencimiento de (0, ) que es todo el período de
vigencia del bono.
2.- Encontrar ( , ), como se ha indicado.
log ( , )
( , )=−
−
3.- Calibrar la función de 11.6 mediante un polinomio de tercer grado, uso de la función
estimación de un polinomio de grado 3 en Excel.
4.- Calcular (t)
5.- Realizar los siguientes pasos un número n de simulaciones:
5.1.- Fijar para = 0: = , será el tipo actual de mercado, y = 0.
5.2.- Generar que sigue N(0,1).
5.3.- Calcular = − + √
5.4.- Calcular = +
Ajuste Polinomio tercer grado.
En el modelo Hull&White se hace necesario para el cálculo de realizar un ajuste
(0, ) = + + + , para ∈ [0, ]
Mediante las fórmulas de Excel de Estimación lineal
49
Tabla 1. Fórmula Excel H&W Componente Determinista.
x3,x2,x1,x0
d0, c0, b0,a0
=+ESTIMACION.LINEAL(E3:E12;D3:D12^{1\2\3};VERDADERO;VERDADERO)
Esta función me permite ajustar la curva de R(t) a un polinomio de grado 3, una vez
obtenidos los resultados procedemos a estimar la función :
= +2 +3 +4 + (1 − 2 + ), para ∈ [0, ]
2
Con el cual se introduce permanentemente información del mercado a fecha actual en el

modelo.
Estimaciones numéricas
Modelo Hull&White obtenemos los siguientes parámetros para encontrar la función

determinista :
Tabla 2. Parámetros Modelo Hull&White
d0 c0 b0 a0
-1,57306E-05 0,000311286 -0,0006324 -0,00099702
Movimiento Browniano
Se supone que el comportamiento de la proporción de la cartera que es renta variable se

asigna a un activo cuyos rendimientos se comporta como un movimiento browniano
geométrico, es decir los logaritmos de los rendimientos del activo tienen distribución log-
normal.
( )= _ ( ) ∗ %
( )= _ ( ) - ( )
= + ∆ + √∆
50
7.3 Parámetros
En este apartado indicaremos de donde se han estimado los parámetros y su método de

cálculo, tanto para los modelos de tipos de interés como para la modelización de la cartera
del activo de renta variable, la definición de estos parámetros se ha dado en el capítulo 5.
7.3.1 Parámetros generales
El parámetro del tipo de interés mínimo garantizado en los seguros de vida en España
han dependido de las condiciones de mercado y de la competitividad entre las empresas,
lo que se puede remarcar es que han ido variando a lo largo del tiempo en descenso. Así en
nuestras simulaciones utilizaremos para esta variable valores máximos y mínimos entre 6
y 0,5% de los datos recientes. En caso de ser un parámetro fijo en los análisis lo
estableceremos en un nivel del 2,0%.
El porcentaje de participación en beneficios, prácticamente se establece sobre el 90%,

para nuestros análisis lo estableceremos en un 90%.
La provisión técnica que se constituye en cada contrato como se ha mencionado

anteriormente se invierte en dos activos: Bonos y Acciones, el porcentaje asignado a
cada activo hemos tomado como referencia la información expuesta en [4] recogida en el
gráfico No. 28 en el Anexo I.
Como podemos observar entre renta fija, tesorería y depósitos (activos relacionados para
el mercado del dinero) para el año 2014 ascienden al 88% de la inversión de la cartera de
vida, en el modelo se establecerá por simplificación un 80% de la cartera se asigna a bonos
y un 20% a activos de renta variable, esta composición de la inversión de la cartera se
mantendrá a lo largo de toda la vida del seguro.
Como se estableció en el capítulo 5 respecto a la opción contractual de la participación en

beneficios discrecionales futuros, el modelo considera un porcentaje fijo establecido por la
industria entre la relación de la provisión por bonos y la provisión obligatoria que
pertenece al tomador – parámetro de smoothing- , este porcentaje se ha establecido de
acuerdo a lo establecido en [14], en un 15%.
El porcentaje por el cual es afectado la función matemática que modeliza la probabilidad

de rescate es un 10%, que se ha obtenido mediante un análisis de sensibilidad.
7.3.2 Parámetros modelos tipos de interés
Como se estableció en el capítulo 6 los tres modelos de tipos de interés propuestos son de
la misma familia, por lo que tienen parámetros comunes. En esta sección justificaremos y
fijaremos un valor para cada uno que serán los usados en la implementación práctica del
programa.
51
Para el parámetro del tipo a largo plazo , se le aproxima como la media a largo plazo
establecido por la misma EIOPA como punto ultimo de tipos a largo plazo (ultimate
forward rate –UFR- por sus siglas en inglés) para el caso de España y lo fija en 4,2%.
Para la velocidad de convergencia al tipo a largo plazo , parámetro al que se le puede

atribuir la mayor parte de la volatilidad en la simulación de la estructura temporal de los
tipos de interés, para este parámetro se acudirá a la estimación realizada en el capítulo 6
en [17] por un valor de 0,14.
Para el tipo de interés inicial se tomará el tipo de interés vigente en el mercado

financiero para los bonos del estado español a 10 años en 1,52% a fecha 28 Abril del 2016.
En la desviación estándar de los tipos de interés a se estimará a partir de las

observaciones realizadas desde 03/02/2006 hasta el 14/03/2016 de las cotizaciones del
bono del gobierno español a 10 años, es decir un período de 10,083 años:
= log = 0,816%
0,00816
( ) = = 0,257%
√10,083
Para la estimación del componente determinista del Modelo Hull&White hemos realizado
una aproximación para el precio de los bonos y poder realizar los correspondientes
ajustes, se ha considerado que a cada año de vencimiento existe un bono con vencimiento
igual a 1 y para encontrar su valor actual en un mundo neutral al riesgo realizo el
descuento con la curva risk-free publicada en EIOPA.
7.3.3 Parámetros modelo activo de renta variable
Hemos tomado como referencia para el proceso de los activos el Dow Jones EURO STOXX
50 y para el mercado de dinero la curva EIOPA risk free proyectada.
En los modelos propuestos en las secciones anteriores se han definido como la

desviación estándar de los logaritmos de los rendimientos del proceso de la cartera de
renta variable, la estimación se ha realizado a partir de las cotizaciones del índice desde
15/08/2011 hasta 29/04/2016, es decir en un período de 4,67 años
= log = 1,38%
0,0138
( ) = = 0,639%
√4,67
52
La estimación de la correlación entre el mercado de los tipos de interés y el mercado de
renta variable, se realizará para los datos en los cuales se dispone de información para
ambos activos:
( , )
=
( ) ( )
= 0,05453%
CAPÍTULO 8
Implementación Numérica
En este capítulo se presentarán los principales resultados numéricos obtenidos del uso
del aplicativo desarrollado sobre un contrato estándar de seguros de vida como es el
Capital Diferido, la aplicación del modelo se puede generalizar para cualquier contrato de
seguro de vida. Se compararán los resultados obtenidos para cada una de las opciones en
los tres modelos desarrollados anteriormente.
Se partirá de un contrato estándar tradicional de Capital Diferido en el cual se calculará la

prima periódica mediante el uso de símbolos de conmutación para cualquier tabla de
mortalidad usada en el mercado, los flujos de la provisión matemática en cada aniversario
de la póliza se calculará usando la tabla de mortalidad que se usó en el pricing,
posteriormente también se afectará la tabla de mortalidad con el SLI por lo cual
tendremos el cálculo de dos provisiones técnicas.
A partir del cálculo de las dos provisiones matemáticas podemos estimar el resultado
biométrico del contrato.
Para esta sección y poder realizar un análisis comparativo se partirá de un asegurado

hipotético de edad 35 años que contrata un seguro de capital diferido por un valor de
10.000 € con una duración de 30 años y paga una prima periódica anual.
A partir de estos datos y de los parámetros estimados en la sección 7.3 se realizará una
serie de análisis comparativos y de sensibilidad.
53
8.1 Resultados numéricos
A continuación se presentan gráficamente una muestra de los caminos aleatorios

simulados para los tres modelos establecidos de la estructura temporal de los tipos de
interés, en toda la sección los resultados son obtenidos en 5000 simulaciones:
Gráfico 11. Resultados simulación estocástica Modelos Tipos de Interés, elaboración el Autor.
Como ejemplo se muestra el resultado, tanto de la provisión matemática, simulada y la que

incluye el SLI, de una de las iteraciones como podemos observar que tanto el resultado
biométrico como el financiero son desfavorables para la aseguradora al término del
contrato, esto se puede visualizar en cualquiera de las tablas ultimate.
54
Gráfico 12. Provisiones Matemáticas diferentes TM, elaboración el Autor.
Mientras que cuando la tarificación se realiza con la tabla PERM como podemos observar
el resultado entre la provisión matemática y la provisión con SLI se elimina, este era un
resultado de suponer pues lo que se está suponiendo en el pricing que la población tiene
un factor de mejora generacional en la qx.
Gráfico 13. Provisiones Matemáticas diferentes TM, elaboración el Autor.
A continuación observaremos los resultados para el contrato mencionado en los tres

modelos, cabe indicar que las valoraciones de las opciones Nº 2,3 y 4 son mutuamente
excluyentes, debido a su construcción y supuestos indicados anteriormente, por lo cual
para agregar el valor de las opciones se tomará en cuenta esta situación, pero para realizar
un análisis completo de cada una de las opciones se ha supuesto que en este contrato de
Capital Diferido posee las 5 opciones estudiadas.
55
Opción 1: Tipo de interés mínimo garantizado.
Gráfico 14. Resultados Simulación Op. 1, elaboración el Autor.
Opción 2: Participación en beneficios.
Opción 3: Participación discrecional en beneficios futuros.
56
Opción 4 tres modelos escenario central
Opción 5 tres modelos escenario central
8.2 Análisis de Escenarios
En la presente sección se muestran los resultados numéricos que se obtuvieron

estableciendo diferentes escenarios a partir de variaciones en los parámetros iniciales, con
la finalidad de estresar las condiciones de partida de los modelos, incluyendo sobre todo
escenarios negativos.
57
Para determinar la variable que está marcando la mayor volatilidad de la opción se ha
tomado como referencia la valoración de la garantía financiera del tipo de interés mínimo
garantizado en el contrato de referencia contrastando con la volatilidad del activo de renta
variable así como con la volatilidad de la estructura temporal de los tipos de interés y
como se puede observar en la gráfica a continuación.
OPCIÓN TIMG - MODELO 1
1000
800
600
Valor Opción
400
200
0
5
4 0.015
3
0.01
x 10
-3
2
1 0.005
0 0
Sigma R sigma S
Gráfico 19. Valor Op N°1 con Sigma R y Sigma S, elaboración el autor.
Para realizar la gráfica se ha partido de 10.000 simulaciones para los diferentes valores
que pueden tomar las opciones para la volatilidad del activo de renta variable entre 0 y
15% y para la volatilidad de la estructura temporal de los tipos de interés entre 0 y 5%.
Como se puede observar en la gráfica de tercera dimensión la variable que determina la
volatilidad del valor de la opción, situación que se confirma con la gráfica bidimensional
dada a continuación.
58
Gráfico 20. Valor Opción N°1 y Sigma R, elaboración el Autor.
Como podemos observar en la siguiente gráfica el valor de la opción es sensible a cambios

en el valor de la volatilidad de los tipos de interés, mientras que para la volatilidad del
activo de renta variable la volatilidad aportada a la volatilidad del valor de la opción es
menor.
Resultados con incremento del 40% de la volatilidad de los tipos de interés.
Opción 1 tres modelos escenario stress
Gráfico 21. Resultados Simulación Op. 1 stress, elaboración el Autor.
59
60
9. CONCLUSIONES
Con el trabajo se propone un marco teórico y su implementación para cumplir con los
requerimientos del regulador europeo de acuerdo a la Directiva, Reglamento Delegado y
Directrices de Solvencia II en cuanto a la valoración de opciones, garantías y
participaciones en los beneficios discrecionales futuros de los contratos de seguros de
vida, mediante la técnica de simulación de Monte Carlo recomendada por la normativa
para esta temática, particularmente para las siguientes opciones, garantías y participación
en beneficios discrecionales futuros:
61
- Tipo de interés mínimo garantizado en el contrato,
- Participación en beneficios garantizada,
- Opción de participación en futuros beneficios discrecionales futuros,
- Opción de rescate, y;
- Opción de conversión de un capital en renta vitalicia.
Las opciones, garantías y participación en beneficios discrecionales futuros se

conceptualizaron y formularon para valorarlas a la fechad de efecto del contrato, bajo la
metodología de valoración neutral al riesgo, principalmente se ha determinado el strike y
pay-off para cada una de ellas.
Se modeló la valoración de opciones con las últimas técnicas actuariales, usando los
modelos estocásticos propuestos para simular la estructura temporal de los tipos de
interés, en el primero de ellos el modelo OUh tiene la posibilidad de que los tipos de
interés alcancen valores negativos, situación descartada en años y estudios precedentes,
pero que en la actualidad dada la dinámica de la variable en la zona euro hoy en día
podemos considerar este modelo como válido; el segundo modelo CIR debido a su propia
construcción no se obtienen tipos de interés negativos, y por lo tanto era más utilizado en
años pasados; el tercer modelo de Hull&White tiene una particularidad que le da mayor
fiabilidad por que en cada punto de la curva incorpora las expectativas futuras del
mercado a día de hoy respecto a los tipos de interés.
Los parámetros de los diferentes modelos incluyen la realidad reflejada en el

comportamiento histórico y actual del activo de renta variable como el euro-stoxx50 y la
curva libre de riesgo de EIOPA, así como el rendimiento del bono del gobierno español a
10 años, de los cuales se ha obtenido las volatilidades, expectativas a largo plazo, y nivel
actual.
En el aplicativo que forma parte integrante del trabajo se implementan los modelos
teóricos desarrollados tanto para la estructura temporal de los tipos de interés, activo de
renta variable y el cálculo de la provisión que incluye el SLI. También incluye como paso
previo el cálculo de la prima y la provisión matemática de la forma tradicional para cada
uno de los años de la duración del contrato.
Con los resultados se explicitan en los contratos de seguro, a beneficio del tomador y por
motivos de transparencia, el valor intrínseco de las opciones, garantías y participación en
beneficios discrecionales futuros. En el presente estudio se realizó para un producto
tradicional como es el Capital Diferido a prima periódica con una duración de 30 años,
para una persona de edad 35 años obteniendo los siguientes resultados, se presentan los
resultados de manera comparativa con la finalidad de observar la convergencia de los
resultados en ciertas opciones así como la divergencia en otras.
62
Tabla 3. Resultados Opciones Escenario Central, elaboración el Autor.
ESCENARIO CENTRAL
Modelo 1 Modelo 2 Modelo 3
1 445,84 389,09 781,18
2 177,53 119,01 164,43
3 175,69 124,27 91,93
4 862,60 807,85 1.691,19
5 559,14 443,27 2.681,52
1,2,5 1.182,51 951,37 3.627,13
1,3,5 1.180,67 956,63 3.554,63
1,4,5 1.867,58 1.640,21 5.153,89
Como se puede observar en los resultados debido al entorno de tipos de interés bajos las
opciones de participación en beneficios (2 y 3) toman valores bajos, mientras que las
opciones de tipo de interés mínimo garantizado y de transformar un capital en renta
vitalicia (1 y 5) toman valores grandes esto debido a que en las dos opciones se está
garantizando un interés del 2%. Cabe resaltar el incremento sustancial de valor que ha
tomado la opción 5 en el modelo 3 esto se debe a que los últimos puntos de la curva del
componente determinista que tiene el modelo es alto.
La opción 4 tiene un comportamiento al que se le puede aislar del resto de opciones y

garantías en vista de que se está modelando con una función determinista, y sus
resultados dependen de los niveles alcanzados por los tipos de interés.
La mayor volatilidad del valor de las opciones y garantías se encuentra en la volatilidad de

los modelos de la estructura temporal de los tipos de interés, como se pudo describir en la
implementación numérica, esto permitió realizar un análisis de escenarios, principalmente
se estableció un escenario negativo que toma en cuenta un incremento del 40% en la
volatilidad de los modelos de tipos de interés.
63
Tabla 4. Resultados Opciones Escenario Stress, elaboración el Autor.
ESCENARIO NEGATIVO
1 608,73 596,14 968,05
2 260,96 161,51 245,60
3 275,54 162,03 168,50
4 1.007,02 949,41 1.337,33
5 602,01 339,86 3.101,02
1,2,5 1.471,70 1.097,51 4.314,67
1,3,5 1.486,28 1.098,03 4.237,57
1,4,5 2.217,76 1.885,41 5.406,40
Realizando un análisis a nivel comparativo, se puede observar un incremento en el valor

total de las opciones para el contrato en estudio y en cada uno de los 3 modelos
estudiados, el menor impacto en todos los modelos son los que incluyen la opción 1,4 y 5.
Tabla 5. Resultados Comparativos Central y Stress, elaboración el Autor.
Escenarios: Negativo Vs. Central

1,2,5 24,5% 15,4% 19,0%
1,3,5 25,9% 14,8% 19,2%
1,4,5 18,8% 14,9% 4,9%
El Resultado biométrico para este contrato asciende a 414, 28 €, cabe señalar que la tabla
de mortalidad usada en el pricing es la PEM 80, en el gráfico a continuación una
comparativa con un promedio del valor de las opciones en los tres modelos y el valor del
resultado biométrico para el contrato estudiado, como podemos observar el resultado
64
financiero es 5,25 veces mayor, esto se debe a que en el contrato en cuestión se toma en
cuenta para un asegurado de edad 35 años mientras que el parámetro del SLI es partir de
los 50 años de edad.
Gráfico 26. Comparativo Resultados Escenarios y, Biométrico y Financiero.
65
Bibliografía
[1] Max J. Rudolph, Sustained Low Interest Rate Environment: Can It Continue? Why It
Matters.: SOA, CAS, CIA, 2014.
[2] EIOPA, "EIOPA-BoS-15/202. ," EIOPA, Frankfurt– Germany., Site:

www.eiopa.europa.eu. 23 Marzo 2016.
[3] Inese, "Seguro de Vida y Planes de Pensiones en cifras," Boletín Diario del Seguro,
2016.
[4] ICEA. (2015, Abril) Las Inversiones de las Entidades Aseguradoras, Informe 1368.
[5] Mapfre. (24, Febrero) Mapfre. [Online]. https://www.mapfre.es/seguros
[6] EIOPA. (2015, Dec.) "Volatility AdjustmentRepresentative portfolios Risk-Free

Interest Rate Term Structures.
[7] EIOPA. (2014, Noviembre) Examples of techniques for the calculation of the best
estimate of technical provisions.
[8] José Marín and Gonzalo Rubio, Economía Financiera. Barcelos, España: Antoni Bosch,
2010.
[9] John C. Hull, Fundamentals of Futures and Options Markets. New Jersey: Pearson
Education, Inc., 2009.
[10] James A. Tilley, "An Actuarial Layman's Guide to Building Stochastic Interest Rate
Generators".
[11] "Guidelines of valuation of technical provisions," EIOPA, Frankfurt,.
[12] Paul Glasserman, "Monte Carlo Methods in Finance Engineering," Berlin, 2004.
[13] Ngai Hang Chan and Hoi Ying Wong, Simulation Techniques in Financial Risk
Management - Second Edition. United States of America: Wiley , 2015.
[14] Anders Grosen and Peter Løchte Jørgensen , "Fair Valuation of Life Insurance
Liabilities: The Impact of Interest Rate Guarantees, Surrender Options, and Bonus
Policies," Insurance: Mathematics and Economics, vol. 26, no. 1, January 2003.
[15] Tobias S. Dillman Jochen Rub, "IMPLICIT OPTIONS IN LIFE INSURANCE CONTRACTS
The cas e of the lump sum in deferred annuity contracts," University of Ulm, Ulm -
Germany ,.
[16] José Miguel Rodríguez Pardo, Irene Albarrán Lozano, Fernando Ariza Rodríguez,
Víctor Manuel Cóbreces Juáres, and María Luz Durbán Reguera, El Riesgo de
66
Longevidad y su aplicación práctica a Solvencia II. Madrid: Fundación Mapfre, 2014.
[17] Katharina Zaglauer, Risk-Neutral Valuation of Participanting Life Insurance Contracts

in a Stochastic Interest Rate Environment, Mayo 2006.
[19] Gary Finkelstein et al. (2003, Junio) Guarantee and embedded options.
[20] Shao Anqi, "A fast and exact simulation for CIR process," in A dissertation presented to
the graduate school of the university of Florida for the degree doctor of philosophy,
Florida, 2012.
ANEXO I: Información externa
67
Tabla 6. Datos de Seguro de Vida y Pensiones, Inese 2016.
Gráfico 27. Inversiones en el sector asegurador, ICEA 2014.
68
Gráfico 28. Evolución Distribución Cartera, ICEA 2014.
ANEXO II: Implementación Modelo VBA
69
70
71
ANEXO III: Índice de longevidad Español (SLI)
ANEXO IV: Cotización bono español y

Eurostoxx 50
72
ANEXO V: Código Excel-VBA
TABLA DE MORTALIDAD, SLI.
Public TM() 'As Double
Sub pruebas()
'Dim Qx() As Double
73
'Call Qx_Input_TM_Simb_Conm(False, 3, True, 2030, 70)
Call MatrizTabla(True, 3, True, 2030, 70, 0.025)
End Sub
'SUBRUTINA QUE CARGA QX DE LAS TABLAS
Function Qx_Input_TM_Simb_Conm(ByVal Tipo As Boolean, ByVal modalidad As Integer, ByVal Genero As

Boolean, ByVal Año_act As Integer, ByVal Edad, ByVal Resul_Biomet As Boolean)
Dim qx() As Double
Dim T As String
'Función que carga de la tabla de mortalidad seleccionada la qx()

'Tipo: Si la queremos generacional (true) [a la espera] o ultimate (false)
'Modalidad: Dentro de las 5 disponibles: 1-GRM/f 80' 2-GRM/f 95' 3-PE-80 4-EVKm/f 90' 5-GKMF95
'Genero: 1-Varon True 0-Mujer false
'Edad cont es el año de la fecha de corte de las reservas, o el año actual para primas
'Edad es la edad actual
Dim g As Integer, K As Integer
If Tipo = False Then g = 121 Else g = 116
ReDim qx(1 To g, 1 To 1) As Double
'Begin to Ultimate
If Tipo = False Then
Select Case Genero
Case True
Hoja2.Activate 'Men
For K = 1 To g
qx(K, 1) = Worksheets("Men").Cells(2 + K, modalidad).Value ' la variable modalidad da la columna para
el tipo de tabla
Next K
Case False
Hoja3.Activate 'Women
For K = 1 To g
qx(K, 1) = Worksheets("Women").Cells(2 + K, modalidad).Value
Next K
End Select
' calclulamos la Qx para una generacional
ElseIf Tipo = True Then
' deberían entrar como inputs Edad y Sexo

' This macro calculate the Mortality Table for a person of age=x.
' Gender=H/M h:Hombre, M: Mujer
Dim Año_2000 As Integer, TM_1 As Variant

Dim Generac As Integer, Edad_Año_2000 As Integer, i As Integer
' Formulae
Edad_Año_2000 = Edad - (Año_act - 2000)
Generac = 2000 - Edad_Año_2000
Hoja4.Activate 'Nueva Produccion

' We had took the data of the initial matrix.- 1: Year 2000-, 2: qx-H , 3:qx-M, 4: FM-H, 5:FM-M
74
TM_1 = Range(Cells(9, 2), Cells(9 + 116, 6))
'Create columns.- 6: Conversition factor, 7: Age, 8: qx, 9: lx

Dim TM_2(1 To 116, 1 To 3)
If Genero = True Then
For i = 1 To 116
TM_2(i, 1) = Exp(-TM_1(i, 4) * (Generac - TM_1(i, 1)))
TM_2(i, 2) = 2000 - TM_1(i, 1)
TM_2(i, 3) = TM_2(i, 1) * TM_1(i, 2) / 1000 '*** qx hombre
Next i
Else
For i = 1 To 116
TM_2(i, 1) = Exp(-TM_1(i, 5) * (Generac - TM_1(i, 1)))
TM_2(i, 2) = 2000 - TM_1(i, 1)
TM_2(i, 3) = TM_2(i, 1) * TM_1(i, 3) / 1000 '*** qx mujer
Next i
End If
For i = 1 To 116
qx(i, 1) = TM_2(i, 3)
Next i
Else
End If
If Resul_Biomet = True Then
If Genero = True Then ' Men

For i = 1 To g
Hoja5.Cells(i + 2, 4) = qx(i, 1)
qx(i, 1) = Hoja5.Cells(i + 2, 8)
Next i
ElseIf Genero = False Then ' Women

For i = 1 To g
Hoja5.Cells(i + 2, 5) = qx(i, 1)
qx(i, 1) = Hoja5.Cells(i + 2, 8)
Next i
Else
End If
End If
TablaM:
'Call MatrizTabla(qx(), 0.05)
Qx_Input_TM_Simb_Conm = qx()
75
End Function
'Funcion privada que realizara sumatorio sobre la usando la variable publica TM
Public Function Sumatorio(ByVal Edad As Integer, ByVal Columna As Integer, ByVal max As Integer) As Single
Dim i As Single
For i = Edad To max
Sumatorio = Sumatorio + TM(i, Columna)
Next i
End Function
Public Sub MatrizTabla(ByVal Tipo As Boolean, ByVal modalidad As Integer, ByVal Genero As Boolean, ByVal
Año_act As Integer, ByVal Edad, ByVal Interes As Single)
'(qx() As Double, ByVal Interes As Single)
Dim qx
qx = Qx_Input_TM_Simb_Conm(Tipo, modalidad, Genero, Año_act, Edad, False)
'Columna: 1 2 3 4 5 6 7 8 9 10 11 12
'******** qx px lx dx Dx Nx Sx Cx Mx Rx Ax äx
Dim i As Integer
Dim maximo As Integer 'Variable que medira el máximo de filas de la columna importada de qx
maximo = UBound(qx) 'Redimensionamiento
'Redimensionamos
ReDim TM(1 To maximo, 1 To 12) 'As Double
'Primera generacion de Simbolos

For i = 1 To (maximo)
TM(i, 1) = qx(i, 1) 'Valor qx en edad i

TM(i, 2) = 1 - qx(i, 1) 'Valor px en edad i
If i = 1 Then TM(i, 3) = 1000 Else TM(i, 3) = TM(i - 1, 3) * TM(i - 1, 2) 'Empezaremos por 1000 e iremos
calculando uno a uno (Lx)
TM(i, 4) = TM(i, 1) * TM(i, 3) 'Valor de dx
TM(i, 5) = TM(i, 3) * V(i, Interes) 'valor de Dx
TM(i, 8) = TM(i, 4) * V(i + 1, Interes) 'Valor de Cx
Next i
'Segunda generacion de Simbolos

For i = 1 To maximo
TM(i, 6) = Sumatorio(i, 5, maximo) 'Valor de Nx

TM(i, 9) = Sumatorio(i, 8, maximo) 'Valor de Mx
Next i
76
'Tercera Generacion de simbolos
For i = 1 To maximo
TM(i, 7) = Sumatorio(i, 6, maximo) 'Valor de Sx

TM(i, 10) = Sumatorio(i, 9, maximo) 'Valor de Rx
Next i
'Simbolos Seguro (Ax) y Renta (äx)
For i = 1 To maximo
If TM(i, 1) = 1 Then
TM(i, 11) = 0
TM(i, 12) = 0
Exit For
Else
TM(i, 11) = TM(i, 9) / TM(i, 5) 'Valor del Seguro Ax = Mx/Dx
TM(i, 12) = TM(i, 6) / TM(i, 5) 'Valor de la renta äx= Nx/Dx
End If
Next i
End Sub
SEGUROS
'Funcion Vida Entera - 1 Sólo pago si el individuo fallece

Public Function VidaEntera(ByVal Edad As Integer, ByVal Diferido As Integer) As Double
Dim nEx As Double
nEx = TM(Edad + Diferido, 5) / TM(Edad, 5)

VidaEntera = nEx * TM(Edad + Diferido, 11)
End Function
'Funcion Capital Diferido - 1 Sólo pago si el individuo sobrevive
Public Function KDiferido(ByVal Edad As Integer, ByVal Diferido As Integer) As Double
KDiferido = TM(Edad + Diferido, 5) / TM(Edad, 5)
End Function
'Funcion Temporal N años con posibilidad de diferimiento M años
Public Function TemporalN(ByVal Edad As Integer, ByVal Diferido As Integer, ByVal Duracion As Integer) As
Double
'Variables auxiliares que calcularan diferimientos

Dim mEx As Double, mnEx As Double
mEx = TM(Edad + Diferido, 5) / TM(Edad, 5) '(Dx+m/Dx)

mnEx = TM(Edad + Diferido + Duracion, 5) / TM(Edad + Diferido, 5) 'Dx+m+n/Dx+m
77
'(Dx+m/Dx)*(Ax+n-(Dx+m-n/Dx+n)*Ax+m+n)
TemporalN = mEx * (TM(Edad + Diferido, 11) - mnEx * TM(Edad + Duracion + Diferido, 11))
End Function
'Función Seguro mixto (pago tanto por muerte como por supervivencia)
Public Function Smixto(ByVal Edad As Double, ByVal Diferido As Double, ByVal Duracion As Double) As
Double
'Variable auxiliar que recojerá el

Dim mEx As Double
Dim mnEx As Double

Smixto = mnEx + (mEx * (TM(Edad + Diferido, 11) - mnEx * TM(Edad + Duracion + Diferido, 11)))
End Function
RENTAS
Public Function RentaPre(ByVal Edad As Integer, ByVal Periodo As Integer, ByVal Diferido As Integer) As
Double
Dim mEx As Double
mEx = TM(Edad + Diferido, 5) / TM(Edad, 5)

RentaPre = mEx * (TM(Edad + Diferido, 12) - ((Periodo - 1) / (2 * Periodo)))
End Function
'Funcion de renta postpagable perpetua

Public Function RentaPost(ByVal Edad As Integer, ByVal Periodo As Integer, ByVal Diferido As Integer) As
Double
RentaPost = TM(Edad + Diferido, 5) / TM(Edad, 5) * (TM(Edad, 12) + ((Periodo - 1) / (2 * Periodo)))
End Function
'----------------------------------------------------------
'RENTAS TEMPORALES
'Funcion renta prepagable:
Public Function RtaPrepTemp(ByVal Edad As Integer, ByVal Periodo As Integer, ByVal Duracion As Integer,
ByVal Diferido As Double) As Double
Dim mEx, mnEx

RtaPrepTemp = mEx * ((TM(Edad + Diferido, 12) - ((Periodo - 1) / (2 * Periodo))) - (mnEx * (TM(Edad +

Diferido + Duracion, 12) - (Periodo - 1) / (2 * Periodo))))
'puse un diferido
'Rtapreptem = Dx+m/Dx *(äx+m-(f-1/2f))-(Dx+m+n/Dx+m * (ax+m+n-(f-1/2f)))

End Function
78
'Funcion renta postpagable:
Public Function RtaPostTemp(ByVal Edad As Integer, ByVal Periodo As Integer, ByVal Duracion As Integer,
ByVal Diferido As Double) As Double

RtaPostTemp = mEx * (TM(Edad + Diferido, 12) + ((Periodo - 1) / (2 * Periodo))) - (mnEx * (TM(Edad +

Diferido + Duracion, 12) + (Periodo - 1) / (2 * Periodo)))
End Function
PRIMAS
Public Function obligaciones(ByVal K As Integer) As Double

With Prima_form
Select Case K
Case 1
obligaciones = .Sumasegu * VidaEntera(.Edad, .Diferido)
'Case 2
' obligaciones = .Sumasegu * TemporalN(.Edad, .Diferido, .Duracion)
Case 3
obligaciones = .Sumasegu * KDiferido(.Edad, .Diferido)
'Case 4
' obligaciones = .Sumasegu * Smixto(.Edad, .Diferido, .Duracion)
' Case 5
' obligaciones = .ValRenta * .Frecunpago * RentaPre(.Edad, .Frecunpago, .Diferido)
'Case 6
' obligaciones = .ValRenta * .Frecunpago * RtaPrepTemp(.Edad, .Frecunpago, .Duracion, .Diferido)
Case Else
obligaciones = 0.02
End Select
End With
End Function
'CALCULAR PRIMA DE INVENTARIO
Public Function PrimaInv_Anual(ByVal K As Integer, ByVal GastosAdm As Double, ByVal Duracion As Integer,
ByVal Diferido As Integer, _
ByVal Edad As Integer, ByVal SumAseg As Double, ByVal CantFijMensual As Double, ByVal FormaPago As
Integer) As Double
'Dim obligaciones2 As Double

Dim renta As Double
'obligaciones2 = obligaciones(k)
renta = RtaPrepTemp(Edad, FormaPago, Duracion, Diferido)
PrimaInv_Anual = (obligaciones(K) + (FormaPago * CantFijMensual) * RtaPrepTemp(Edad, FormaPago,

Duracion, 0)) _
/ (FormaPago * (1 - GastosAdm) * RtaPrepTemp(Edad, FormaPago, Duracion, 0))
' PrimaInv_Anual = (obligaciones(k) + (FormaPago * CantFijMensual) * RtaPrepTemp(Edad, FormaPago,
Duracion, Diferido)) _
' / (FormaPago * (1 - GastosAdm) * RtaPrepTemp(Edad, FormaPago, Duracion, Diferido))
79
' Se asume que la frecuencia de pago de la prima, va a ser igual a la forma de pago de la prima
End Function
MODELIZACIÓN: GRAN ITERACIÓN
Sub MODELOS_TIPOS_SIMULACION(r0 As Double, n As Integer, E As Double, K As Double, p As Double, sigma

As Double, modelo As Integer, _
Provision(), Edad As Integer, Sigs As Double, Por_Cartera As Double, V As Double, y As Double, i_r As Double,
tipo_opc As Integer, Result_Bio _
As Double, Primas(), NConf As Double, Numero_Sim As Integer)
Application.ScreenUpdating = False
Dim Sim
Dim f_r As Integer, nT As Integer, ir_fr As Double, z As Double
' puede ser que venga de la periodicidad de la prima, por lo general mensual
nT = UBound(Primas()) - 1
f_r = nT / n
ir_fr = (1 + i_r) ^ (1 / f_r) - 1
Sim = Numero_Sim ' Número de Simulaciones
Dim r()
ReDim r(0 To nT, 1 To 1)
Dim r_mens()
ReDim r_mens(0 To nT, 1 To 1)
Dim x()
ReDim x(0 To nT, 1 To 1)
Dim T As Integer ' variable contadora de los períodos de tiempo
Dim sd_Ouh As Double
Dim lambda, d_f As Double
Dim WK As WorksheetFunction
Dim At As Double
Dim z_1 As Double, z_2 As Double: Dim ee_1, ee_2, i, j
'Declaración de variables para el modelo CIR

'Dim c, Ji_2, Pois_N
'Declaración de variables para el modelo H&W

Dim alpha()
ReDim alpha(0 To nT, 1 To 1)
' Tomamos los datos de alfa para el modelo H-W (pensar en forma de hacer la f en VBA
Hoja8.Activate
For i = 0 To nT
alpha(i, 1) = Hoja8.Cells(3 + i, 14)
Next i
' Declaración de variables para la simulación de la cartera

Dim St() As Double
80
ReDim St(0 To nT, 1 To 1) As Double
Dim t_Px As Double
Dim Bond() As Double
ReDim Bond(0 To nT, 1 To 1) As Double
' Declaración de variables para la opción 1

Dim Provision_Sim() As Double
ReDim Provision_Sim(0 To nT, 1 To 1) As Double
Dim Payoff_dst_opc_1() As Double
ReDim Payoff_dst_opc_1(1 To Sim, 1 To 1) As Double
'Payoff_dst_opc_1(1, 1) = 0
Dim OPC_1_TIMG As Double
Dim Payoff_1() As Double

ReDim Payoff_1(1 To Sim, 1 To 1) As Double

Dim pb() As Double
ReDim pb(1 To n, 1 To 1) As Double
Dim Provision_Sim_2() As Double
ReDim Provision_Sim_2(0 To nT, 1 To 1) As Double
Dim OPC_2_PB As Double

Dim Bonus() As Double
ReDim Bonus(0 To nT, 1 To 1) As Double
Dim Provision_Sim_3() As Double
ReDim Provision_Sim_3(0 To nT, 1 To 1) As Double
Dim f() As Double
ReDim f(0 To nT, 1 To 1) As Double
Bonus(0, 1) = 0
Dim OPC_3_PBDF As Double

ReDim Payoff_4(1 To nT, 1 To 1) As Double
Dim func_arctg() As Double
ReDim func_arctg(0 To nT, 1 To 1) As Double
Dim OPC_4_Surrender As Double

Dim OPC_5_ConvDR As Double
81
For i = 1 To Sim
For T = 1 To nT
At = (1 / f_r) ' variación de T
z_1 = WorksheetFunction.Norm_S_Inv(Rnd) ' Simulación de Variables aleatorias Normales

z_2 = WorksheetFunction.Norm_S_Inv(Rnd)
ee_1 = z_1
ee_2 = z_2 * Sqr(1 - p ^ 2) + p * z_1
Select Case modelo

Case 1 ' MODELO OUh
r(0, 1) = r0
r(T, 1) = Modelo_OUh(r((T - 1), 1), n, E, K, sigma, ee_2, T, At)
Case 2 ' MODELO CIR
r(0, 1) = r0
r(T, 1) = Modelo_CIR(r((T - 1), 1), n, E, K, sigma, ee_2, T, At)
Case 3 'MODELO HULL AND WHITE

x(0, 1) = 0
r(0, 1) = alpha(0, 1)
x(T, 1) = x((T - 1), 1) - K * x((T - 1), 1) * At + sigma * ee_2 * Sqr(At)
r(T, 1) = alpha(T, 1) + x(T, 1)
End Select
' Realizamos simulación de la cartera

r_mens(T, 1) = (1 + r(T - 1, 1)) ^ (1 / f_r) - 1
Provision_Sim(0, 1) = Primas(1, 1)
'Provision_Sim(t, 1) = Primas(1, 1)
'St(0, 1) = Provision_Sim(0, 1) * Por_Cartera
'Bond(0, 1) = Provision_Sim(0, 1) - St(0, 1)
St(T - 1, 1) = Provision_Sim(T - 1, 1) * Por_Cartera ' Asignamos la reserva inicial a la cartera de
acciones
Bond(T - 1, 1) = Provision_Sim(T - 1, 1) - St(T - 1, 1) ' Asignamos la provision inicial a la cartera de
bonos
St(T, 1) = St((T - 1), 1) + r(T, 1) * St((T - 1), 1) * (At) + Sigs * St((T - 1), 1) * ee_1 * Sqr(At)
Bond(T, 1) = Bond((T - 1), 1) * ((1 + r_mens(T - 1, 1)))
t_Px = uno_Pxf(Int(Edad + (T - 1) / f_r), f_r) '/ f_r ' hacemos una uniforme para los meses
Provision_Sim(T, 1) = (St(T, 1) + Bond(T, 1)) * (1 / t_Px) + Primas(T + 1, 1) '* (1 + r_mens(t, 1)))
' Comienzo a hacer el cálculo de las opciones
Select Case tipo_opc

' OPCIÓN No. 1 TIPO DE INTERÉS MÍNIMO GARANTIZADO
Case 1 ' toma los casos 1 o 6
82
'Provision_tec(0, 1) = Provision
'Provision_tec(t, 1) = (1 + i_rate) ^ t * (1 / t_Px)
'Provision_Sim(t, 1) = (St(t, 1) + Bond(t, 1) * (1 + (r(t, 1)))) * t_Px
'Payoff probabilizado y descontado con los tipos hasta el tipo simulado
'Payoff_1(t, 1) = -WorksheetFunction.Min(Provision_Sim(N, 1) - Provision(N, 1), 0)
'Payoff_dst_opc_1(i, 1) = Descuento(r(), Payoff_1(t, 1) * t_Px, t) + Payoff_dst_opc_1(i, 1) ' introducción

de la función descuento
'OPCIÓN No. 2 PARTICIPACIÓN EN BENEFICIOS GARANTIZADA

Case 2
pb(T, 1) = V * WorksheetFunction.max(r(T, 1) - i_r, 0) 'tipos de interés

Provision_Sim_2(0, 1) = Provision_Sim(0, 1) '((St(t, 1) + Bond(t, 1) * (1 + pb(t, 1) + i_r)) * t_Px) '
provisión simulada probabilizada
Provision_Sim_2(T, 1) = Provision_Sim_2((T - 1), 1) * (1 + pb(T, 1) + ir_fr) * (1 / t_Px) + Primas(T + 1,
1)
' Payoff_2(t, 1) = WorksheetFunction.max(Provision_Sim_2(t, 1) - Provision(t, 1), 0) ' Payoff
' Payoff_dst_opc_2(i, 1) = Descuento(r(), Payoff_2(t, 1) * t_Px, t) + Payoff_dst_opc_2(i, 1)
' OPCIÓN No. 3 PARTICIPACIÓN EN BENEFICIOS DISCRECIONALES FUTUROS

Case 3
f(0, 1) = 0 ' tipo al que crece la provision simulada
Bonus(0, 1) = 0 ' Bonus en el priemer año es cer0
Bonus(T, 1) = WorksheetFunction.max(Provision_Sim_3(T, 1) - Provision(T, 1), 0) ' Sólo toma
f(T, 1) = WorksheetFunction.max(V * (Bonus((T - 1), 1) / Provision((T), 1) - y), ir_fr)
Provision_Sim_3(T, 1) = (St(T, 1) + Bond(T, 1) * (1 + f((T - 1), 1))) * (1 / t_Px) + Primas(T + 1, 1)
'Payoff_3(t, 1) = WorksheetFunction.max(v * (Bonus((t - 1), 1) / Provision((t), 1) - y), i_r) ' Payoff

'Payoff_dst_opc_3(i, 1) = Descuento(r(), Payoff_3(t, 1) * t_Px, t) + Payoff_dst_opc_3(i, 1)
' OPCIÓN No. 4 RESCATE

Case 4
t_Px = tPx(T / f_r, Edad) ' Aquí tengo que probabilizar con edad x esté vivo en t
func_arctg(T, 1) = (1 - (Atn(r(T, 1) * 100) + WorksheetFunction.Pi / 2) / WorksheetFunction.Pi) * 0.05
' función matemática de rescate
Payoff_4(T, 1) = Provision_Sim(T, 1) * func_arctg(T, 1) ' * t_Px
Payoff_dst_opc_4(i, 1) = Descuento(r(), Payoff_4(T, 1) * t_Px, T) + Payoff_dst_opc_4(i, 1)
End Select
Next T
'OPCIÓN No.5 TRANSFORMACIÓN DE UN CAPITAL DIFERIDO EN RENTA VITALICIA AL FINAL DEL PERÍODO
DE DIFERIMIENTO
If tipo_opc = 5 Then Payoff_dst_opc_5(i, 1) = Opcion_5(r0, n, E, K, sigma, modelo, Provision, Edad, i_r, p,

Result_Bio, f_r)
' Exportamos los datos de los tipos simulados para results

Sheets(6 + modelo).Activate
83
Range(Cells(2, 10 + i), Cells(nT + 1, 10 + i)) = r() ' tipo de interés simulado
Range(Cells(2, Sim + 10 + i), Cells(nT + 2, Sim + 10 + i)) = Provision_Sim()
'Hoja7.Cells(3 + j, 3) = j
' If i = Sim Then

' Hoja1.Activate
' For j = 1 To nT
' 'If j Mod f_r = 0 Then
' Hoja1.Cells(3 + j, 4) = Provision_Sim(j, 1) ' Provision Simulada
' 'End If
' Hoja1.Cells(3 + j, 5) = r_mens(j, 1)
' 'Hoja1.Cells(3 + j, 7) = St(j, 1)
' ' Hoja1.Cells(3 + j, 8) = Bond(j, 1)
'
' Next j
' End If
'CALCULO DEL VALOR ACTUAL DE LAS PAYOFF Y OPCIONES (al vencimiento)

t_Px = tPx(n, Edad)
'OPC 1:
Payoff_1(i, 1) = -WorksheetFunction.Min(Provision_Sim(nT, 1) - Provision(n, 1), 0)

Payoff_dst_opc_1(i, 1) = Descuento(r(), Payoff_1(i, 1) * t_Px, nT) ' + Payoff_dst_opc_1(i, 1)
' OPC_2:
Payoff_2(i, 1) = WorksheetFunction.max(Provision_Sim_2(nT, 1) - Provision(n, 1), 0) ' Payoff

Payoff_dst_opc_2(i, 1) = Descuento(r(), Payoff_2(i, 1) * t_Px, nT) '+ Payoff_dst_opc_2(i, 1)
'OPC 3:
Payoff_3(i, 1) = WorksheetFunction.max(Provision_Sim_3(nT, 1) - Provision(n, 1), 0) ' Payoff
Payoff_dst_opc_3(i, 1) = Descuento(r(), Payoff_3(i, 1) * t_Px, nT) '+ Payoff_dst_opc_2(i, 1)
'PARA BARRA DE PROGRESO
Next i
'CALCULO DEL VALOR EL PROMEDIO DE TODOS LOS PAY OFF DESCONTADOS DE LAS OPCIONES
' Intervalos de confianza
' tipo de interés simulado
Range(Cells(10, 6), Cells(Sim + 9, 6)) = Payoff_dst_opc_5()
Dim interv1 As Double, interv2 As Double, sd_opc As Double, mediana As Double, var As Double
Sheets(6 + modelo).Activate
Select Case tipo_opc
Case 1
OPC_1_TIMG = WorksheetFunction.Average(Payoff_dst_opc_1())
sd_opc = WorksheetFunction.StDev(Payoff_dst_opc_1()) '/ Sqr(Sim)
interv1 = OPC_1_TIMG + WorksheetFunction.Norm_S_Inv((1 - NConf) / 2) * sd_opc ' inferior
84
interv2 = OPC_1_TIMG + WorksheetFunction.Norm_S_Inv(1 - (1 - NConf) / 2) * sd_opc ' superior
mediana = WorksheetFunction.Median(Payoff_dst_opc_1())
var = WorksheetFunction.Percentile_Inc(Payoff_dst_opc_1(), 0.995)
Cells(2, 1 + tipo_opc) = OPC_1_TIMG
Cells(3, 1 + tipo_opc) = mediana
Cells(4, 1 + tipo_opc) = var
Cells(5, 1 + tipo_opc) = sd_opc
Cells(6, 1 + tipo_opc) = interv1
Cells(8, 1 + tipo_opc) = Result_Bio
Case 2
OPC_2_PB = WorksheetFunction.Average(Payoff_dst_opc_2())
sd_opc = WorksheetFunction.StDev(Payoff_dst_opc_2()) ' / Sqr(Sim)
interv1 = OPC_2_PB + WorksheetFunction.Norm_S_Inv((1 - NConf) / 2) * sd_opc ' inferior
interv2 = OPC_2_PB + WorksheetFunction.Norm_S_Inv(1 - (1 - NConf) / 2) * sd_opc ' superior
Cells(2, 1 + tipo_opc) = OPC_2_PB
Case 3
OPC_3_PBDF = WorksheetFunction.Average(Payoff_dst_opc_3())
interv1 = OPC_3_PBDF + WorksheetFunction.Norm_S_Inv((1 - NConf) / 2) * sd_opc ' inferior
interv2 = OPC_3_PBDF + WorksheetFunction.Norm_S_Inv(1 - (1 - NConf) / 2) * sd_opc ' superior
Cells(2, 1 + tipo_opc) = OPC_3_PBDF
Case 4
OPC_4_Surrender = WorksheetFunction.Average(Payoff_dst_opc_4())
interv1 = OPC_4_Surrender + WorksheetFunction.Norm_S_Inv((1 - NConf) / 2) * sd_opc ' inferior
interv2 = OPC_4_Surrender + WorksheetFunction.Norm_S_Inv(1 - (1 - NConf) / 2) * sd_opc '
superior
Cells(2, 1 + tipo_opc) = OPC_4_Surrender
85
Case 5
OPC_5_ConvDR = WorksheetFunction.Average(Payoff_dst_opc_5())
interv1 = OPC_5_ConvDR + WorksheetFunction.Norm_S_Inv((1 - NConf) / 2) * sd_opc ' inferior
interv2 = OPC_5_ConvDR + WorksheetFunction.Norm_S_Inv(1 - (1 - NConf) / 2) * sd_opc ' superior
Cells(2, 1 + tipo_opc) = OPC_5_ConvDR
End Select
Application.ScreenUpdating = True
Hoja1.Activate
End Sub
AUXILIARES AL MODELO
Public Function tPx(TProy As Integer, Edad As Integer)

' se la hace llamar cada t debido a que en el caso de la generacional cada año que pasa puede cambiar la
generación
Dim qx_mod, Dimen: Dim j As Integer
qx_mod = Qx_Input_TM_Simb_Conm(False, 3, True, 2016, 50, False)

Dimen = UBound(qx_mod)
Dim tPx_interm()
ReDim tPx_interm(1 To Dimen, 1 To 1)
Dim tPx_interm_2
For j = 1 To Dimen
tPx_interm(j, 1) = 1 - qx_mod(j, 1)
Next j
tPx_interm_2 = 1
For j = 1 To TProy
tPx_interm_2 = tPx_interm(j + Edad - 1, 1) * tPx_interm_2

Next j
86
tPx = tPx_interm_2
End Function
Function Descuento(r(), Monto As Double, T As Integer)

Dim interm As Double
Dim j
interm = Monto
For j = T To 0 Step -1
interm = interm / (1 + r(j, 1)) ' Voy recorriendo un paso hacia atrás
Next j
Descuento = interm
End Function
Sub Prueba_tpx()
Dim m
m = tPx(10, 25)
End Sub
Public Function uno_Px(Edad As Integer)

generación

Dim tPx_interm()
For j = 1 To Dimen
Next j
uno_Px = tPx_interm(Edad, 1)
End Function
Public Function tPx_bio(TProy As Integer, Edad As Integer, SLI As Boolean)

generación
qx_mod = Qx_Input_TM_Simb_Conm(False, 3, True, 2016, 50, SLI)

87
Dim tPx_interm()
Dim tPx_interm_2
For j = 1 To Dimen
Next j
tPx_interm_2 = 1
For j = 1 To TProy
tPx_interm_2 = tPx_interm(j + Edad - 1, 1) * tPx_interm_2

Next j
tPx_bio = tPx_interm_2
End Function
Public Function uno_Pxf(Edad As Integer, f_r As Integer)

generación
qx_mod = TM() 'Qx_Input_TM_Simb_Conm(False, 1, True, 2016, Edad, False)

Dim tPx_interm()
ReDim tPx_interm(1 To Dimen * f_r, 1 To 1)
For j = 1 To Dimen * f_r

If j <= f_r Then j = f_r
tPx_interm(j, 1) = 1 - qx_mod(CInt(j / f_r), 1) / f_r
Next j
uno_Pxf = tPx_interm(Edad * f_r, 1)
End Function
Public Function uno_Px_bio(Edad As Integer)

generación
qx_mod = Qx_Input_TM_Simb_Conm(False, 1, True, 2016, 20, True)

Dim tPx_interm()
88
For j = 1 To Dimen
Next j
uno_Px_bio = tPx_interm(Edad, 1)
End Function
Public Function uno_Pxbiof(Edad As Integer, f_r As Integer, modalidad As Integer, Tipotabla As Boolean, Sexo
As Boolean)
generación
qx_mod = Qx_Input_TM_Simb_Conm(Tipotabla, modalidad, Sexo, 2016, Edad, True)

Dim tPx_interm()
ReDim tPx_interm(1 To Dimen * f_r, 1 To 1)
For j = 1 To Dimen * f_r

If j <= f_r Then j = f_r
tPx_interm(j, 1) = 1 - qx_mod(CInt(j / f_r), 1) / f_r
Next j
uno_Pxbiof = tPx_interm(Edad * f_r, 1)
End Function
OPCIÓN N° 5 CASO ESPECIAL
Function Opcion_5(r0 As Double, n As Integer, E As Double, K As Double, sigma As Double, modelo As Integer, _
Provision, Edad As Integer, i_r As Double, p As Double, Result_SLI As Double, f_r As Integer)
Dim w As Integer, t_Px As Double, n_Px As Double, renta As Double, qx_mod

w = UBound(qx_mod)
Call MatrizTabla(False, 1, True, 2016, 30, i_r)
Dim nT As Integer
Dim r()
ReDim r(0 To w * f_r, 1 To 1)
Dim x()
ReDim x(0 To w * f_r, 1 To 1)
Dim T As Integer ' variable contadora de los períodos de tiempo
Dim alpha()
ReDim alpha(0 To w * f_r, 1 To 1)
Dim z_1 As Double, z_2 As Double: Dim ee_1, ee_2, i, j
'Declaración de variables para el modelo CIR

Dim c, Ji_2, Pois_N
89
' Tomamos los datos de alfa para el modelo H-W (pensar en forma de hacer la f en VBA
Hoja8.Activate
For i = 0 To w * f_r
alpha(i, 1) = Hoja8.Cells(3 + i, 13)
Next i

ReDim Payoff_5(1 To w * f_r, 1 To 1) As Double
Dim XJ() As Double
ReDim XJ(0 To w * f_r, 1 To 1) As Double
Dim Bond_5() As Double
ReDim Bond_5(0 To w * f_r, 1 To 1) As Double
Dim Payoff_dst_opc_5 As Double
Payoff_dst_opc_5 = 0
Dim At As Double
nT = (w - Edad - 1) * f_r
' Calculos preliminares
n_Px = tPx(n, Edad)
renta = (Provision(n, 1) - Result_SLI) / RentaPre(Edad, 1, n) ' calculo el valor de la renta regla de tres 1111----
a // k----x x=k/a
For T = 1 To nT '(w - Edad - 1) * f_r ' omega que es la edad máxima posible
At = (1 / f_r)
z_1 = WorksheetFunction.Norm_S_Inv(Rnd) ' Simulación de Variables aleatorias Normales

z_2 = WorksheetFunction.Norm_S_Inv(Rnd)
ee_1 = z_1
ee_2 = z_2 * Sqr(1 - p ^ 2) + p * z_1
Select Case modelo

Case 1 ' MODELO OUh
r(0, 1) = r0
r(T, 1) = Modelo_OUh(r((T - 1), 1), w - Edad - 1, E, K, sigma, ee_2, T, At)
Case 2 ' MODELO CIR
r(0, 1) = r0
r(T, 1) = Modelo_CIR(r((T - 1), 1), w - Edad - 1, E, K, sigma, ee_2, T, At)
Case 3 'MODELO HULL AND WHITE

x(0, 1) = 0
r(0, 1) = alpha(0, 1)
x(T, 1) = x((T - 1), 1) - E * x((T - 1), 1) + sigma * ee_1 * Sqr(At)
r(T, 1) = alpha(T, 1) + x(T, 1)
End Select
If T >= n * f_r Then
90
t_Px = tPx(Int(T / f_r - n), Edad + n)
' Si esque son muy altos los tipos el valor de la opción es cero: modelo 2
XJ(T, 1) = (1 + i_r) ^ -(T - n): Bond_5(T, 1) = (1 + r(T, 1)) ^ -(T - n) ' calculo la opción
Payoff_5(T, 1) = (Payoff_5(T, 1) + renta * WorksheetFunction.max(Bond_5(T, 1) - XJ(T, 1), 0) * t_Px) '
Payoff_dst_opc_5 = (Descuento(r(), Payoff_5(T, 1), n) + Payoff_dst_opc_5)
End If
Next T
Opcion_5 = Payoff_dst_opc_5 * n_Px
End Function
CÁLCULO DE PROVISIONES MATEMÁTICAS
Public Sub ProvisionesGen(ByVal T As Integer, ByVal Edad As Integer, ByVal i_r As Double, ByVal SLI As
Boolean, f_r As Integer)
' Provision inicial es la prima única que viene del Pricing sale a Export
Hoja1.Activate
Dim Primas, d, l, ir_fr
Dim j As Integer
ir_fr = (1 + i_r) ^ (1 / f_r) - 1

If Hoja1.Cells(1, 2) > 0 Then
d = MsgBox("los datos contienen error")
Exit Sub
End If
If Range("B2") = 1 Then
Primas = Cells(4, 2)
Else
Range("B4").Select
Range(Selection, Selection.End(xlDown)).Select
Primas = Selection.Value
End If
Dim Provisiones_Mat() As Double

ReDim Provisiones_Mat(0 To T * f_r, 1 To 1)
l=1
Provisiones_Mat(0, 1) = Primas(1, 1)
For j = 1 To T * f_r
l = uno_Pxf(Int(Edad + (j - 1) / f_r), f_r)
If j = T * f_r Then
Provisiones_Mat(j, 1) = Provisiones_Mat(j - 1, 1) * (1 / l) * (1 + ir_fr) ' Para que no duplique la prima
Else
Provisiones_Mat(j, 1) = Provisiones_Mat(j - 1, 1) * (1 / l) * (1 + ir_fr) + Primas(j, 1)
End If
Next j
Hoja1.Activate
Cells(3 + j, 3) = Provisiones_Mat(j, 1)
Next j
91
End Sub
' SUBRUTINA QUE GENERA PROVISIONES QUE INCLUYEN EL SLI
Public Sub provisiones_SLIGen(ByVal T As Integer, ByVal Edad As Integer, ByVal i_r As Double, ByVal SLI As
Boolean, f_r As Integer, modalidad As Integer, Tipotabla As Boolean, Sexo As Boolean)
' Provision inicial es la prima única que viene del Pricing sale a Export
Hoja1.Activate
Dim Primas, d, l, ir_fr
Dim j As Integer
ir_fr = (1 + i_r) ^ (1 / f_r) - 1

If Hoja1.Cells(1, 2) > 0 Then
d = MsgBox("los datos contienen error")
Exit Sub
End If
If Range("B2") = 1 Then
Primas = Cells(4, 2)
Else
Range("B4").Select
Range(Selection, Selection.End(xlDown)).Select
Primas = Selection.Value
End If
Dim Provisiones_Mat() As Double

ReDim Provisiones_Mat(0 To T * f_r, 1 To 1)
l=1
Provisiones_Mat(0, 1) = Primas(1, 1)
l = uno_Pxbiof(Int(Edad + (j - 1) / f_r), f_r, modalidad, Tipotabla, Sexo) ' me hace el productorio Int(Edad +
t / 12)
If j = T * f_r Then
Provisiones_Mat(j, 1) = Provisiones_Mat(j - 1, 1) * (1 / l) * (1 + ir_fr) ' Para que no duplique la prima
Else
Provisiones_Mat(j, 1) = Provisiones_Mat(j - 1, 1) * (1 / l) * (1 + ir_fr) + Primas(j, 1)
End If
Next j
Hoja1.Activate
Cells(3 + j, 6) = Provisiones_Mat(j, 1)
Next j
End Sub
MODELOS DE TIPOS DE INTERÉS 1 Y 2
Function Modelo_OUh(ByVal r_1 As Double, ByVal n As Integer, ByVal E As Double, ByVal K As Double, ByVal
sigma As Double, ByVal ee_2 As Double, T As Integer, At As Double)
Dim sd_Ouh As Double
92
Dim r As Double
Dim nT As Integer
nT = n * 12
sd_Ouh = Sqr((sigma ^ 2 / (2 * K)) * (1 - Exp(-2 * K * (At))))

r = (r_1 - E) * Exp(-K * (At)) + E + sd_Ouh * ee_2
Modelo_OUh = r
End Function
Function Modelo_CIR(ByVal r_1 As Double, ByVal n As Integer, ByVal E As Double, ByVal K As Double, ByVal
sigma As Double, ByVal ee_1 As Double, T As Integer, At As Double)
Dim c, d_f, lambda

Dim Ji_2, Pois_N, r
sigma = Sqr(sigma ^ 2 / E)
' Simulación de una variable Chi cuadrado no centrada
c = ((sigma ^ 2 * (1 - Exp(-K * At))) / (4 * K))

lambda = ((r_1) * Exp(-K * At)) / c
d_f = (4 * K * E) / (sigma ^ 2)
If d_f > 1 Then

If d_f - 1 < 1 Then d_f = 2
Ji_2 = WorksheetFunction.ChiInv(Rnd, d_f - 1) ' INVERSO CHI CUADRADO
r = c * ((ee_1 + Sqr(lambda)) ^ 2 + Ji_2)
Else
Pois_N = WorksheetFunction.CritBinom(lambda / (2 * 0.0001), 0.0001, Rnd) ' INVERSO DE UNA
POISSON
Ji_2 = WorksheetFunction.ChiInv(Rnd, d_f + 2 * Pois_N)
r = c * Ji_2
End If
Modelo_CIR = r
End Function
93

Valoración Neutral Al Riesgo de Opciones y Garantías en Seguros de Vida

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Valoración Neutral Al Riesgo de Opciones y Garantías en Seguros de Vida

Cargado por

Copyright:

Formatos disponibles

Máster en Ciencias Actuariales y Financieras

TRABAJO FIN DE MÁSTER

“Valoración neutral al riesgo de opciones y garantías en contratos de

Jorge Andrade Cifuentes

José Miguel Rodríguez Pardo

Jesús Simón del Potro

Madrid, 15 Junio 2016

1.3 Marco legal ______________________________________________________________________________ 10

3.3 Una aproximación martingala para modelar el tipo de interés _________________ 16

Modelos estocásticos para la estructura temporal de los

Opciones y Garantías __________________________________________ 28

5.2 Tipo de interés mínimo garantizado en el contrato. ______________________________ 30

Modelos de tipos de interés y mercado financiero. ______ 39

Implementación práctica de los modelos _________________ 45

Implementación Numérica ___________________________________ 53

En el presente estudio se propone un marco teórico para realizar la valoración neutral al

La industria aseguradora en los contratos de vida ha venido evolucionando, forzados por

La valoración de garantías financieras están vinculadas a opciones, por lo que se hablará

indistintamente de opciones y garantías.

Actualmente la industria del seguro se encuentra en un punto intermedio, en vista de que

EIOPA en el documento “Una potencial macro-prudencial aproximación al ambiente de

- Niveles de garantías decrecientes para nuevos contratos.

- Incremento en nuevos negocios focalizados hacia productos sin garantías.

- Para la venta de ciertos productos garantizados: introducir cláusulas de revisión

- Acortar la duración de nuevos contratos.

- Explorando nuevas alternativas de negocio tales como garantías de crédito,

Estrategia de productos para negocios existentes:

- Reducir la participación de beneficios.

 Descripción de los productos de vida ahorro información tomada [5]:

En el momento del vencimiento del seguro de ahorro, el asegurado recibe el capital

Es una póliza de prima única y no se admiten aportaciones posteriores.

Para cualquier duración, transcurrida la primera anualidad, el cliente tiene derecho a

La rentabilidad se mantiene fija hasta el vencimiento previsto, aunque el mercado sufra

- Planes de Previsión Asegurados (PPA):

- Plan Individual de Ahorro Sistemático (PIAS):

Junto a dicho capital, se percibirá de forma adicional otro procedente de la

- Seguro Individual de Ahorro a Largo Plazo (SIALP):

Cuenta con un interés técnico garantizado.

Adicionalmente cuenta con la participación en beneficios, con la que se puede obtener

Dispone de liquidez a corto plazo: se puede solicitar el rescate transcurrido el primer

Al vencimiento existe la posibilidad de prorrogar el contrato según las condiciones

1.2 Objetivos del TFM

Proponer modelos y su implementación para la valoración neutral al riesgo de opciones y

- Tipo de interés mínimo garantizado en el contrato.

- Detallar la metodología y técnicas a usar, bajo determinadas hipótesis, para realizar la

- Conceptualizar, desarrollar y formular las opciones y garantías determinadas en el

- Relacionar los espacios de probabilidad financieros y actuariales evidenciando los

- Realizar la implementación en código Excel-VBA de los modelos teóricos estudiados,

- Analizar los resultados obtenidos de la aplicación del modelo a un producto tradicional

1.3 Marco legal

La Directiva Solvencia 2 establece en su artículo 79, la obligatoriedad, que al calcular las

Las garantías financieras a favor del tomador se refieren a la posibilidad de atribuir

En este capítulo se establecerán las hipótesis para el desarrollo del estudio y su

En la opción de participación del tomador en los beneficios discrecionales futuros,

Partiendo de la racionalidad existente entre los tomadores de seguro, se ha considerado la

La valoración de la mejor estimación será póliza a póliza.

Que las variables biométricas se comportan de acuerdo a la tabla de mortalidad utilizada

Se supone un mercado sin fricciones ni riesgos de contraparte.

Para estimar el parámetro de la volatilidad en los modelos de simulación estudiados,

En el caso de las opciones de participación en beneficios que se precisan valorar en este

Se supone independencia entre las variables financieras y las biométricas.

La metodología usada en el presente estudio es la recomendada en el documento Technical

Se parte del escenario de valoración en términos de ausencia de oportunidades de

Se realizará además un cálculo del cambio en la hipótesis respecto a la mortalidad, siendo