
handle: 10852/63477
Denne oppgaven handler om beregning av risiko for forsikringsutbetalinger ved vindkatastrofer, og hvordan Solvency II gir en forenklet måte å beregne kapitalkrav som skal sikre selskapene fra insolvens med 99.5% sikkerhet. Formålet er å undersøke hvordan de forenklede metodene angitt av Solvency II fanger opp reelle risikoer knyttet til vindkatastrofer. For å gjøre dette utarbeides en enkel, stokastisk simuleringsmodell, som skal være mer presis enn Solvency II samtidig som den er mindre kompleks og tidskrevende enn tilsvarende simuleringsmodeller som benyttes til katastrofemodellering. For å undersøke hvor godt kapitalkravet gitt av Solvency II gjenspeiler den reelle risikoen knyttet til katastrofeutbetalinger, sammenlignes 99.5%-persentiler fra de simulerte katastrofeutbetalingene med det kapitalkravet Solvency II har beregnet for en region. De samme reassuransebetingelsene blir tillagt begge metodene og modellantakelsene blir kalibrert mot antakelsene gjort av Solvency II for den gitte regionen for at resultatene skal være sammenlignbare. Slik vil det dannes et bilde av om katastrofeavsetningene for vindkatastrofer gir 99.5% sikkerhet som påstått.
330, forsikring, Katastrofemodellering, solvency II
330, forsikring, Katastrofemodellering, solvency II
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
