Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2015-2016
Tutores:
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
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
ESPACIO BIOMÉTRICO Y FINANCIERO, VINCULACIÓN ________________________________ 44
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 16. Resultados Simulación Op. 1, elaboración el Autor. ...................................................... 56
Gráfico 18. Resultados Simulación Op. 3, elaboración el Autor. ...................................................... 56
Gráfico 18. Resultados Simulación Op. 4, elaboración el Autor. ...................................................... 57
Gráfico 19. Resultados Simulación Op. 5, elaboración el Autor. ...................................................... 57
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 25. Resultados Simulación Op. 4 stress, elaboración el Autor......................................... 61
Gráfico 26. Resultados Simulación Op. 5 stress, elaboración el Autor......................................... 61
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.
CAPÍTULO 1
Dimensionamiento del problema
1.1 Introducción
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
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.
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.
Las recomendaciones emitidas por el regulador europeo a las aseguradoras según este
documento son:
- 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.
Productos del mercado: Seguros Capitales Diferidos, PPA, PIAS, SIALP, de acuerdo a los
principales productos mostrados en los cuadros precedentes:
- Capitales Diferidos:
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.
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.
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.
General
9
Específicos
- Desarrollar matemáticamente los tres modelos estocásticos que servirán de base para la
simulación de la estructura temporal de los tipos de interés.
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 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
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).
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].
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.
CAPÍTULO 3
Metodología
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.
13
Con la información generada a través del aplicativo se realizará un análisis estadístico
comparativo estableciendo un análisis de escenarios y de stress test.
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:
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.
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:
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.
{ ( )
∗ + }
Ξ =
√
Donde:
- ( )
: será el descuento con la estructura temporal de los tipos de interés simulados.
- : Desviación estándar
- : es el 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.
( , )= ℵ
exp − ℑ
( )= ℵ
exp − +ℎ
( ) = 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.
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.”
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
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.
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)
i) (0) = 0
ii) ∀ ,∀ ≥ 0
( + )− ( )~ 0, √
( + )= ( )+ √
Dónde:
~ (0,1)
Entonces:
( )− ( ) = −
La proyección de cada Ζ sobre la coordenada t, Ζ(t) es una variable aleatoria para todo
∈ (0, ).
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
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
1
= + + +
2
= ; = ; = 0;
Dado que = ( − ):
=[ + ( − ) ] +
= [ + ( − )] +
= [ + ]
= +
Para (0, ) = + :
21
= + +
= + (1 − )+ ( )
Ε = ( )
+ (1 − ( )
)
)(
= (
− )+
Dado que ( )
es un proceso de Wiener de media 0.
Varianza
VAR = ( )
= [ − 1]
2
Dado la martingala
VAR = 1− ( )
2
~ ( )
( − )+ ; − ( )
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.
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.
= ( − ) +
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 − )+ ( )
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.
=[ ( ) − )] + (C)
1
= +ℎ + +
2
= ; = ; = 0;
Dado que ℎ = [ ( ) − )]
= +[ ( ) − ] +
= [ +[ ( ) − ]] +
= [ ( ) + ]
= ( ) +
Para (0, ) = + :
= + ( ) +
24
Tomando un valor t <T, debido a la martingala:
= ( )
+ ( ) ( )
+ ( )
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
=− +
(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
( , )= ℑ
= ℑ
= ( , )
26
Tomando los logaritmos naturales sobre ambas partes
( , )
=−
( , )
( , )
=− ( )
( , )
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 ( , )
( , )=−
−
= + + + + ( − + ), ∈[ , ]
0,006 R(T)
0,004
R(T)
0,002 Polinómica (R(T))
0,000
0 2 4 6 8 10 12
-0,002
27
CAPÍTULO 5
Opciones y Garantías
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.
- 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.
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) = [( ]
= y = + ( )
Como podemos observar la rentabilidad obtenida por el activo subyacente es el tipo libre
de riesgo, como señalamos en la metodología.
1
= + + +
2
La ecuación de Black and Scholes dice que el coeficiente de es idéntico al término ver
[13].
= +
− =
[ ( , )] =
( , ) − ( , 0) =
29
Tomamos valores esperados, y en la parte derecha como tenemos un proceso Gaussiano
obtenemos su valor esperado igual a cero.
′[ ( , ) − ( , 0)] = 0
( , 0) = [ ( , )]
ACTIVOS PASIVOS
: La Reserva de beneficios en t.
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.
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.
STRIKE
0
SUBYACENTE
Pérdidas
Con lo cual los pay-off en términos relativos de la aseguradora en esta opción serían:
{ − , 0}
Con:
= ∏ (1 + ) = ∏ (1 + )
Dónde:
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)}
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.
= [ 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:
STRIKE
0
SUBYACENTE
Pérdidas
( − , 0) ∗
= ∏ (1 + ( + )) , = ∏ (1 + )
32
5.4 Opción de participación en beneficios discrecionales
futuros
=Υ
= , −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
( − , 0)
= ∏ (1 + ) , = ∏ (1 + )
= ( − , 0) ∗
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).
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.
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:
% 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
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.
STRIKE:
= − +
=
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.
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.
= −
=
∑
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.
= , = , + 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 = .
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 .
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
38
=
Para determinar los precios , para obtener el valor de la opción Put el momento de la
valoración realizados:
= ∗ ( , 0, )
CAPÍTULO 6
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.
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.
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 + ( )
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 0<u< 1/2 entonces X(t) tiene una deriva negativa cuanto t tiende a infinito.
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
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~ ( , )
0 1
~ ;
0 1
= ;
41
−
= ;
1−
( ) = 1,
( )= 1− + ,
( , )= 1− + = ,
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).
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
= ( − ) +
= + ( − )[ − ] + ( − ) ∗
Modelo Hull&White
=[ ( ) − )] +
42
= +
Y sigue un proceso
=− +
=− + ∗
= + ∆ + √∆
0 1
~ ;
0 1
= ;
−
= ;
−
( ) = 1,
( ) = 1,
( , ) = 0,
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
0 < 50
=
≥ 50
′ = [ (1 − )]
Dónde:
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:
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
45
PRICING
(Tradicional)
INTERFACE PARA LA
VALORACIÓN DE OPCIONES Y
GARANTÍAS FINANCIERAS
CÁLCULO PROVISIÓN
( con y sin S.L.I)
ALGORITMO
(Tipo de modelo)
ANÁLISIS DE
RESULTADOS
SENSIBILIDAD
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 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
47
a. Modelo OUh:
=[ − ] ( )
+ [1 − ( )] ∗
|
2
b. Modelo de CIR:
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
= +
=− + ∗
48
Modelo Hull&White
= +
Y sigue un proceso
=− +
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.
5.3.- Calcular = − + √
5.4.- Calcular = +
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
Estimaciones numéricas
d0 c0 b0 a0
-1,57306E-05 0,000311286 -0,0006324 -0,00099702
Movimiento Browniano
( )= _ ( ) ∗ %
( )= _ ( ) - ( )
= + ∆ + √∆
50
7.3 Parámetros
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%.
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 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%.
= 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.
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.
= 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.
A partir del cálculo de las dos provisiones matemáticas podemos estimar el resultado
biométrico del contrato.
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
Gráfico 11. Resultados simulación estocástica Modelos Tipos de Interés, elaboración el Autor.
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.
55
Opción 1: Tipo de interés mínimo garantizado.
56
Opción 4 tres modelos escenario central
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.
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
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.
59
Opción 2 tres modelos escenario stress
60
Opción 4 tres modelos escenario stress
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.
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.
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.
63
Tabla 4. Resultados Opciones Escenario Stress, elaboración el Autor.
ESCENARIO NEGATIVO
Modelo 1 Modelo 2 Modelo 3
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
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.
65
Bibliografía
[1] Max J. Rudolph, Sustained Low Interest Rate Environment: Can It Continue? Why It
Matters.: SOA, CAS, CIA, 2014.
[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.
[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".
[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.
[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.
67
Tabla 6. Datos de Seguro de Vida y Pensiones, Inese 2016.
68
Gráfico 28. Evolución Distribución Cartera, ICEA 2014.
69
70
71
ANEXO III: Índice de longevidad Español (SLI)
72
ANEXO V: Código Excel-VBA
TABLA DE MORTALIDAD, SLI.
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
'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
' Formulae
Edad_Año_2000 = Edad - (Año_act - 2000)
Generac = 2000 - Edad_Año_2000
74
TM_1 = Range(Cells(9, 2), Cells(9 + 116, 6))
Next i
End If
For i = 1 To 116
qx(i, 1) = TM_2(i, 3)
Next i
Else
End If
Else
End If
End If
TablaM:
Qx_Input_TM_Simb_Conm = qx()
75
End Function
Public Function Sumatorio(ByVal Edad As Integer, ByVal Columna As Integer, ByVal max As Integer) As Single
Dim i As Single
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
Next i
Next i
76
'Tercera Generacion de simbolos
For i = 1 To maximo
Next i
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
End Function
End Function
Public Function TemporalN(ByVal Edad As Integer, ByVal Diferido As Integer, ByVal Duracion As Integer) As
Double
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
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
End Function
End Function
'----------------------------------------------------------
'RENTAS TEMPORALES
Public Function RtaPrepTemp(ByVal Edad As Integer, ByVal Periodo As Integer, ByVal Duracion As Integer,
ByVal Diferido As Double) As Double
Dim mEx, mnEx
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
End Function
PRIMAS
End Function
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
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
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
' 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
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
81
For i = 1 To Sim
For T = 1 To nT
At = (1 / f_r) ' variación de T
ee_1 = z_1
ee_2 = z_2 * Sqr(1 - p ^ 2) + p * z_1
r(0, 1) = r0
r(T, 1) = Modelo_OUh(r((T - 1), 1), n, E, K, sigma, ee_2, T, At)
r(0, 1) = r0
r(T, 1) = Modelo_CIR(r((T - 1), 1), n, E, K, sigma, ee_2, T, At)
End Select
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
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)
End Select
Next T
'OPCIÓN No.5 TRANSFORMACIÓN DE UN CAPITAL DIFERIDO EN RENTA VITALICIA AL FINAL DEL PERÍODO
DE DIFERIMIENTO
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
' OPC_2:
Next i
'CALCULO DEL VALOR EL PROMEDIO DE TODOS LOS PAY OFF DESCONTADOS DE LAS OPCIONES
' Intervalos de confianza
Dim interv1 As Double, interv2 As Double, sd_opc As Double, mediana As Double, var As Double
Sheets(6 + modelo).Activate
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(7, 1 + tipo_opc) = interv2
Range(Cells(10, 2), Cells(Sim + 9, 2)) = Payoff_dst_opc_1()
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
mediana = WorksheetFunction.Median(Payoff_dst_opc_1())
var = WorksheetFunction.Percentile_Inc(Payoff_dst_opc_1(), 0.995)
Cells(2, 1 + tipo_opc) = OPC_2_PB
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(7, 1 + tipo_opc) = interv2
Range(Cells(10, 3), Cells(Sim + 9, 3)) = Payoff_dst_opc_2()
Cells(8, 1 + tipo_opc) = Result_Bio
Case 3
OPC_3_PBDF = WorksheetFunction.Average(Payoff_dst_opc_3())
sd_opc = WorksheetFunction.StDev(Payoff_dst_opc_3()) '/ Sqr(Sim)
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
mediana = WorksheetFunction.Median(Payoff_dst_opc_1())
var = WorksheetFunction.Percentile_Inc(Payoff_dst_opc_1(), 0.995)
Cells(2, 1 + tipo_opc) = OPC_3_PBDF
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(7, 1 + tipo_opc) = interv2
Range(Cells(10, 4), Cells(Sim + 9, 4)) = Payoff_dst_opc_3()
Cells(8, 1 + tipo_opc) = Result_Bio
Case 4
OPC_4_Surrender = WorksheetFunction.Average(Payoff_dst_opc_4())
sd_opc = WorksheetFunction.StDev(Payoff_dst_opc_4()) '/ Sqr(Sim)
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
mediana = WorksheetFunction.Median(Payoff_dst_opc_1())
var = WorksheetFunction.Percentile_Inc(Payoff_dst_opc_1(), 0.995)
Cells(2, 1 + tipo_opc) = OPC_4_Surrender
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(7, 1 + tipo_opc) = interv2
Range(Cells(10, 5), Cells(Sim + 9, 5)) = Payoff_dst_opc_4()
85
Cells(8, 1 + tipo_opc) = Result_Bio
Case 5
OPC_5_ConvDR = WorksheetFunction.Average(Payoff_dst_opc_5())
sd_opc = WorksheetFunction.StDev(Payoff_dst_opc_5()) '/ Sqr(Sim)
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
mediana = WorksheetFunction.Median(Payoff_dst_opc_1())
var = WorksheetFunction.Percentile_Inc(Payoff_dst_opc_1(), 0.995)
Cells(2, 1 + tipo_opc) = OPC_5_ConvDR
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(7, 1 + tipo_opc) = interv2
Range(Cells(10, 6), Cells(Sim + 9, 6)) = Payoff_dst_opc_5()
Cells(8, 1 + tipo_opc) = Result_Bio
End Select
Application.ScreenUpdating = True
Hoja1.Activate
End Sub
AUXILIARES AL MODELO
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
86
tPx = tPx_interm_2
End Function
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
Dim tPx_interm()
ReDim tPx_interm(1 To Dimen, 1 To 1)
For j = 1 To Dimen
tPx_interm(j, 1) = 1 - qx_mod(j, 1)
Next j
uno_Px = tPx_interm(Edad, 1)
End Function
87
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_bio = tPx_interm_2
End Function
Dim tPx_interm()
ReDim tPx_interm(1 To Dimen * f_r, 1 To 1)
Next j
End Function
Dim tPx_interm()
88
ReDim tPx_interm(1 To Dimen, 1 To 1)
For j = 1 To Dimen
tPx_interm(j, 1) = 1 - qx_mod(j, 1)
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)
' 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
Dim tPx_interm()
ReDim tPx_interm(1 To Dimen * f_r, 1 To 1)
End Function
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 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
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
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)
ee_1 = z_1
ee_2 = z_2 * Sqr(1 - p ^ 2) + p * z_1
r(0, 1) = r0
r(T, 1) = Modelo_OUh(r((T - 1), 1), w - Edad - 1, E, K, sigma, ee_2, T, At)
r(0, 1) = r0
End Select
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
End Function
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
If Range("B2") = 1 Then
Primas = Cells(4, 2)
Else
Range("B4").Select
Range(Selection, Selection.End(xlDown)).Select
Primas = Selection.Value
End If
Hoja1.Activate
For j = 1 To T * f_r
Cells(3 + j, 3) = Provisiones_Mat(j, 1)
Next j
91
End Sub
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
If Range("B2") = 1 Then
Primas = Cells(4, 2)
Else
Range("B4").Select
Range(Selection, Selection.End(xlDown)).Select
Primas = Selection.Value
End If
Hoja1.Activate
For j = 1 To T * f_r
Cells(3 + j, 6) = Provisiones_Mat(j, 1)
Next j
End Sub
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)
92
Dim r As Double
Dim nT As Integer
nT = n * 12
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)
d_f = (4 * K * E) / (sigma ^ 2)
End If
Modelo_CIR = r
End Function
93