Modellmanagement in Zeiten von COVID 19

In den letzten dreißig Jahren hat die Anwendung aktuarieller Bewertungsmodelle in der Personenversicherung zugenommen. Treiber fĂŒr diese Entwicklungen waren neben den technischen Möglichkeiten insbesondere Marktentwicklungen und regulatorische Anforderungen.

Die COVID-19-Pandemie hat neue Herausforderungen ĂŒber den gesamten Modell-Lebenszyklus mit sich gebracht. Diese erstrecken sich von der Entwicklung ĂŒber 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 fĂŒr die Modellwahl ist die Angemessenheit fĂŒr den jeweiligen Bewertungsweck. Im Versicherungskontext erfolgt die Bewertung zu unterschiedlichen Zielsetzungen. Diese erstrecken sich von der Bewertung der Kapitalanforderung durch Risikomodelle ĂŒber 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 fĂŒr 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 fĂŒr 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 MarktaktivitĂ€t entspricht. Wenn Modelle fĂŒr mehrere Zwecke genutzt werden oder es fĂŒr verschiedene Fragestellungen unabhĂ€ngige LösungsansĂ€tze gibt, muss die Konsistenz ĂŒberprĂŒft werden.

Modelle projizieren als Abbild der RealitĂ€t 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 abhĂ€ngig von der gestressten Situation, etwa volatilen KapitalmĂ€rkten oder der Unsicherheit bezĂŒglich Sterblichkeits- und InvaliditĂ€tsannahmen.

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 ModellĂ€nderungen nicht oder nur eingeschrĂ€nkt getroffen werden. Zudem rĂŒcken in der Vergangenheit akzeptierte Modellvereinfachungen in den Fokus. Im durch hohe VolatilitĂ€t und Niedrigzinsen geprĂ€gten Umfeld können diese plötzlich materielle Auswirkungen auf die Aussagekraft der Modellergebnisse haben. Außerdem bekommen ExperteneinschĂ€tzungen 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 TĂ€tigkeiten aufgrund des Social Distancing anzupassen. Systemzugriff aus der Ferne und damit einhergehende Änderungen an Zugriffen auf Daten und Modelle sind Herausforderungen an AblĂ€ufe sowie RechenkapazitĂ€t.

Hieraus ergeben sich Fragestellungen an die operative Arbeit, die im Modellmanagement in Betracht gezogen werden:

  • Ist ausreichend Know-how – auch bei AusfĂ€llen einzelner Mitarbeiter oder gesamter Teams – vorhanden, um fachliche und prozessuale Aspekte zu adressieren?
  • MĂŒssen Prozesse und Kontrollen angepasst werden?
  • Stehen auch im Falle geĂ€nderter AblĂ€ufe die richtige AusrĂŒstung und ZugĂ€nge zu den erforderlichen Daten und Plattformen jederzeit zur VerfĂŒgung?
  • 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 fĂŒr die Modellverwaltung und -entwicklung, insbesondere im Umgang mit außerplanmĂ€ĂŸigen Anpassungen, rechtzeitig etablieren bzw. anpassen. Gerade wenn sie außerhalb des Modells stattfinden, mĂŒssen diese Anpassungen akkurat nachverfolgt und fĂŒr Entscheider transparent gemacht werden.

Der in der regulĂ€ren Modellgovernance vorgegebene Modellentwicklungszyklus gehört auf den PrĂŒfstand, um der besonderen Situation gerecht zu werden. Gerade um auch eingeschrĂ€nkte 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 ArbeitsablĂ€ufe aufzudecken. Hierbei rĂŒcken auch „regulĂ€re“ 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 fĂŒr das weitere Vorgehen. Die Fokussierung auf geeignete Maßnahmen verringert die operative Belastung, indem ein stĂ€rkeres und widerstandsfĂ€higeres Modellmanagement angestoßen wird.

 

Hinterlassen Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

/* */