Modellmanagament in Zeiten von COVID 19
In den letzten dreißig Jahren hat die Anwendung aktuarieller Bewertungsmodelle in der Personenversicherung zugenommen. Treiber für diese Entwicklungen waren neben den technischen Möglichkeiten insbesondere Marktentwicklungen und regulatorische Anforderungen.
Die COVID-19-Pandemie hat neue Herausforderungen über den gesamten Modell-Lebenszyklus mit sich gebracht. Diese erstrecken sich von der Entwicklung über die Validierung bis zum Monitoring – und gleichzeitig auf den operativen Betrieb. Mit geeigneten Maßnahmen seitens der Stakeholder, die insbesondere die Finanz-, Risiko- und Aktuarsfunktionen umfassen, gilt es diesen im Rahmen des Modellmanagements entgegenzutreten.
Das Modellmanagement im Modell-Lebenszyklus
Entscheidend für die Modellwahl ist die Angemessenheit für den jeweiligen Bewertungsweck. Im Versicherungskontext erfolgt die Bewertung zu unterschiedlichen Zielsetzungen. Diese erstrecken sich von der Bewertung der Kapitalanforderung durch Risikomodelle über Asset-Liability-Management-Aspekte hin zur Beteiligungs- oder Bestandsbewertung. Vor dem Hintergrund des nicht zuletzt durch COVID-19 angespannten Umfelds gewinnen strategische Fragestellungen an Bedeutung. Dies gilt insbesondere für das mögliche Schicken in den Run-Off oder den Verkauf von Versicherungstöchtern.
Im Zusammenhang mit der Solvenzkapitalbestimmung hat sich nicht zuletzt aufgrund der gesetzlichen Anforderungen ein Rahmenwerk für die Modellgovernance etabliert. Die Abbildung der einzelnen Risiken, die der Bewertung zugrundeliegenden aktuariellen Methoden, aber auch die eingesetzte Software und die zugehörige IT-Infrastruktur sowie der Zyklus zur Weiterentwicklung des Modells stehen dabei im Fokus. Aufgrund der wachsenden Anzahl modellbasierter Entscheidungen im Unternehmen gewinnen diese Anforderungen gerade in gestressten Zeiten wie der aktuellen Covid-19-Krise auch jenseits der Regulatorik zunehmend an Bedeutung.
Ein zielgerichtetes Modellmanagements nimmt in gestressten Situationen die Modellergebnisse genauer unter die Lupe. Dieses erörtert, ob angesichts der extremen ökonomischen Schwankungen der Modelloutput plausibel ist und das betrachtete Modell strukturell der Marktaktivität entspricht. Wenn Modelle für mehrere Zwecke genutzt werden oder es für verschiedene Fragestellungen unabhängige Lösungsansätze gibt, muss die Konsistenz überprüft werden.
Modelle projizieren als Abbild der Realität auf Basis von Bestandsdaten und Annahmen zur Bestandsentwicklung, Kapitalanlagen und Annahmen zum Zusammenspiel von Aktiv- und Passivseite Zahlungsströme, Bilanzpositionen und Kennzahlen. Einzelne Modellkomponenten und deren (Weiter-)Entwicklung sind dabei besonders abhängig von der gestressten Situation, etwa volatilen Kapitalmärkten oder der Unsicherheit bezüglich Sterblichkeits- und Invaliditätsannahmen.
Im Bereich der Modellvalidierung stoßen einzelne Kontrollmechanismen an ihre Grenzen, da aus Mangel an historischer Erfahrung ein Backtesting unmöglich ist. Damit können Schlussfolgerungen zur Angemessenheit des Modells und möglicher Modelländerungen nicht oder nur eingeschränkt getroffen werden. Zudem rücken in der Vergangenheit akzeptierte Modellvereinfachungen in den Fokus. Im durch hohe Volatilität und Niedrigzinsen geprägten Umfeld können diese plötzlich materielle Auswirkungen auf die Aussagekraft der Modellergebnisse haben. Außerdem bekommen Experteneinschätzungen sowohl auf Modellierungs- als auch Validierungsseite mehr Gewicht.
Operative Aspekte im Modellmanagement
Die COVID-19-Pandemie zwingt die meisten Unternehmen, viele, wenn nicht sogar alle ihre Tätigkeiten aufgrund des Social Distancing anzupassen. Systemzugriff aus der Ferne und damit einhergehende Änderungen an Zugriffen auf Daten und Modelle sind Herausforderungen an Abläufe sowie Rechenkapazität.
Hieraus ergeben sich Fragestellungen an die operative Arbeit, die im Modellmanagement in Betracht gezogen werden:
- Ist ausreichend Know-how – auch bei Ausfällen einzelner Mitarbeiter oder gesamter Teams – vorhanden, um fachliche und prozessuale Aspekte zu adressieren?
- Müssen Prozesse und Kontrollen angepasst werden?
- Stehen auch im Falle geänderter Abläufe die richtige Ausrüstung und Zugänge zu den erforderlichen Daten und Plattformen jederzeit zur Verfügung?
- Funktioniert die IT-Infrastruktur rund um das Modell?
Ein umfassendes Modellmanagement greift diese Themen auf und leitet hieraus eine Risiko-Framework zur Identifikation der unternehmensindividuell relevanten und gravierendsten Modellrisiken ab. Die Modellbesitzer sollten Leitprinzipien für die Modellverwaltung und -entwicklung, insbesondere im Umgang mit außerplanmäßigen Anpassungen, rechtzeitig etablieren bzw. anpassen. Gerade wenn sie außerhalb des Modells stattfinden, müssen diese Anpassungen akkurat nachverfolgt und für Entscheider transparent gemacht werden.
Der in der regulären Modellgovernance vorgegebene Modellentwicklungszyklus gehört auf den Prüfstand, um der besonderen Situation gerecht zu werden. Gerade um auch eingeschränkte Ressourcen zielgerichtet einzusetzen gilt es, die Modellweiterentwicklung auf risikosensitive und strategisch relevante Komponenten zu priorisieren. Dies betrifft zum Beispiel die angemessene Abbildung von Zinsstressen im Niedrigzinsumfeld, unternehmensindividuelle Anpassungen am GDV-Branchensimulationsmodell oder Änderungen in der Kapitalanlagesteuerung etwa durch Investments in neue Kapitalanlageklassen.
Das Modellmanagement analysiert auch die kritische Infrastruktur, um Potentiale zur Automatisierung und Digitalisierung der Arbeitsabläufe aufzudecken. Hierbei rücken auch „reguläre“ Projekte rund um Bewertungsmodelle in den Fokus, um mögliche Synergien zu nutzen (z.B. ORA, Solvency-II-Review 2020, IFRS-17-Implementierung).
Handlungsfelder
Versicherer und Pensionseinrichtungen sollten im Rahmen ihres Modellmanagements aktuell einen Blick unter die Motorhaube der genutzten Modelle werfen – das betrifft mit den operativen Bereichen, dem Risikomanagement und der Internen Revision alle Verteidigungslinien. Ein strukturiertes Vorgehen im Modell-Lebenszyklus adressiert die gravierendsten Modellrisiken und setzt Leitplanken für das weitere Vorgehen. Die Fokussierung auf geeignete Maßnahmen verringert die operative Belastung, indem ein stärkeres und widerstandsfähigeres Modellmanagement angestoßen wird.
