Onder professoren - Antoon Pelsser

Een belangrijk onderdeel van risicomanagement is tegenwoordig het beoordelen van de impact van model-onzekerheid op de uitkomsten van een risicokapitaal berekening. Een daaraan gerelateerd probleem is het feit dat bij het berekenen van optimaal beleggingsbeleid (zoals bij ALM studies) de uitkomsten van het optimale beleggingsbeleid erg gevoelig kunnen zijn voor de specifieke modelaannames die zijn gemaakt. In beide gevallen gaat het dus om het feit dat modellen verkeerd kunnen zijn en daarom willen we de invloed van een verkeerde specificatie van een model goed in beeld hebben.

Waar actuarissen al goed bekend mee zijn is parameter onzekerheid: wat is de invloed van een verkeerde (geschatte) waarde van de parameters in je model? Bijvoorbeeld: wat is de invloed van een verkeerde waarde voor het verwachte rendement op je beleggingen of een foutieve inschatting van de trend in de ontwikkeling van sterfte. Het kwantificeren van de invloed van verkeerde parameters in je model is een belangrijke eerste stap in het analyseren van modelonzekerheid. Wat echter buiten beeld blijft bij de analyse van je modelparameters is de fout die kan ontstaan doordat je het verkeerde model gebruikt, dit noemen we model onzekerheid. Idealiter zou je willen kijken naar alle plausibele alternatieve modellen die ‘in de buurt liggen’ van je best-estimatemodel. In ons paper doen wij een voorstel over hoe je die hele verzameling van plausibele alternatieve modellen zou kunnen specificeren.

Lees het hele artikel verder onder Download.