بهینه‌سازی سبد سرمایه‌گذاری شرکت‌های بیمه با توابع کاپیولا و رویکرد ارزش حدی

محورهای موضوعی : دانش سرمایه‌گذاری

آرش گودرزی ¹ , رضا تهرانی ² , علی سوری ³

1 - دانشجوی دکتری تخصصی مالی-بیمه، گروه مدیریت مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران ، ایران و عضو هیات علمی دانشگاه سیستان
2 - استاد ، گروه مدیریت و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
3 - دانشیار ، گروه اقتصاد، دانشکده اقتصاد، دانشگاه تهران، تهران، ایران

تاریخ دریافت : 1400/06/08 تاریخ پذیرش : 1400/07/07 تاریخ انتشار : 1403/01/01

کلید واژه: فعالیت سرمایه‌گذاری, توابع کاپیولا, فعالیت بیمه‌گری, نظریه ارزش حدی, ارزش در معرض ریسک شرطی,

چکیده مقاله :

این پژوهـش سبد بهـینه سـرمایه گذاری شـرکت های بیمه را با توجه به فعالیت های بیمه گری تعیین می کند. در شرکت های بیمه تصـمیمات سـرمایه گذاری متأثر از فعــالیت های بیمه گری است. در این مقاله مسئله بهینه سازی سرمایه گذاری با استفاده از ارزش در معرض ریسک شرطی مبتنی بر توابع کاپیولا و با در نظر گرفتن نتایج فعالیت های بیمه گری مدل سازی می شود. همچنین از آنجا که تاکید بر دنباله های توزیع است، توزیع احتمال متغیرها در دنباله ها با استفاده از توزیع پارتو تعمیم یافته و در سایر بخش های توزیع با استفاده از توزیع احتمال تجربی تخمین زده می شود. داده ها که بصورت ماهانه جمع آوری می شوند دو دوره درون نمونه، از 1385 تا 1394 و برون نمونه، از 1395 تا 1398 را پوشش می دهند. یافته ها نشان می دهند که بهترین سبد شامل هشتاد درصد دارایی های ریسکی (سهام و املاک و مستغلات) و تنها بیست درصد دارایی های بدون ریســک (سپــرده های بانکی) است. این نتیجه خارج از حدود قانونی تعیین شده توسط بیمه مرکزی اســت. بنابــراین محــدودیت های قــانونی مانع از انتخاب بهینه سبد ســرمایه گــذاری توسط شرکت های بیمه می شوند. همچنین مقایسه عملکرد برون نمونه ای و درون نمونه ای سبدها نشان میدهد که سبدهای مبتنی بر توابع کاپیولا نسبت به سبدهای سنتی عملکرد بهتر و پایدارتری دارند.

چکیده انگلیسی:

This study determines the optimal investment portfolio of insurance companies by considering underwriting activities. investment decisions in insurance companies are affected by underwriting activities. In this paper, the investment optimization problem of insurers is modeled using the copula-based conditional risk value, taking into account the results of insurance activities. Also, since the emphasis is on tails of distribution, the probability distribution of variables in tails is estimated using Pareto distribution and in other parts of the distribution using the Empirical probability distribution. Data collected on monthly basis covers two periods in-sample, between 2006 to 2015 and out-of-sample, between 2016 to 2019.The findings show that the optimum portfolio includes eighty percent of risky assets (stock and real estate) and only twenty percent of risk-free assets (bank deposits) and it is outside the legal constraints set by Central Insurance Therefore, legal constraints prevent insurance companies from the optimal selection of investment portfolio. Also, the comparison of out-of-sample performance with in-sample performance of portfolios shows that portfolios based on copula functions have better and more robust performance than traditional models.

منابع و مأخذ:

• شهریار، بهنام. (1393). مبانی مدیریت ریسک و نظارت بر توانگری مالی در شرکت های بیمه، تهران، پژوهشکده بیمه


• راعی، رضا، حسینی، سیدفرهنگ. مهدوی کلیشمی، غدیر. (1398). بهینه­سازی سرمایه­گذاری در بیمه­های عمر مبتنی بر برنامه­ریزی آرمانی، مدیریت فردا، 60 (18)، صفحه 233-246


• زادون، ثریا.، تهرانی، رضا،، فلاح پور، سعید. (1391). بهینه­سازی سبد با استفاده از مدل ارزش درمعرض خطر در شرکت­های بیمه، (پایان­نامه کارشناسی ارشد)، دانشگاه تهران


• عباسیان، عزت­ا....، آرمیان، سارا، محمودی، وحید. (1392). حد بهینه سرمایه­گذاری شرکت­های بیمه شامل دارایی­های ریسک و غیر ریسکی با استفاده از مدل مارکویتز (مطالعه موردی یک شرکت بیمه)، پژوهشنامه بیمه، 28(3)، صفحه1-19


• Becker B. (2017). How the insurance industry’s asset portfolio responds to regulation. The economics, regulation, and systemic risk of insurance markets (pp. 153-164). Oxford, Oxford University Press.


• Belgorodski, N. (2010). Selecting pair-copula families for regular vines with application to the multivariate analysis of european stock market indice. (Diplomarbeit). Technical University of Munich .


• Born, H. (2001). Insurer profitability in different regulatory and legal environments. Journal of Regulatory Economics, (19)3, 211-237.


• Boyer, M.M., Cowins, E.P. & Reddic, W.D. (2019(. Portfolio rebalancing behavior with operating losses and investment regulation. International Review of Economics & Finance, 63, 313-328.


• Braun A., Schmeiser, H. & Schreiber, F. (2017) Portfolio optimization under solvency II: Implicit constraints imposed by the market risk standard formula. The Journal of Risk and Insurance.(84)1, 177–207.


• Brechmann, E.C.& Czado, C. (2013). Risk management with High-dimensional vine copulas: An analysis of the euro stoxx50. Statistics & Risk Modeling, (30)4, 307-342.


• Brechmann, E. C. & Schepsmeier U. (2013). Modeling dependence with C- and D-vine copula: The R package CDVine. Journal of Statistical Software, 52, 1-27.


• Che, & Liebenberg P.A. (2017). Effects of business diversification on asset risk-taking: Evidence from the U.S. property-liability insurance industry. Journal of Banking & Finance,77, 122-136.


• Chiu, M. C., & Li, D. (2009). Asset-liability management under the safety-first principle. Journal of Optimization Theory and Applications, (143)3, 455-478.


• Consiglio, A., Pecorella A., & Zenios A.S. (2009). A conditional value-at-risk model for insurance products with a guarantee. International Journal of Risk Assessment and Management, (11)1/2, 122-137.


• Cummins, D. & Weiss, M. (2014). Systemic risk and the U.S. insurance sector. The Journal of Risk and Insurance,(81)3, 489-528


• Delong, L. (2019). Optimal investment for insurance company with exponential utility and wealth-dependent risk aversion coefficient. Mathematical Methods of Operations Research,(89)1,73–113.


• Deng, L., Ma, C. &Yang, W. (2011). Portfolio Optimization via pair popula-GARCH-EVT-CVaR model. Systems Engineering Procedia, 2, 171 – 181.


• Duchin, R. (2010(. Cash holdings and corporate diversification. Journal of Finance, (65)3, 955-992.


• Eling, M. & Marek, S. D. (2012). Internal and external drivers for risk taking in UK and german insurance markets. International Journal of Banking, Accounting and Finance, (4)1, 48-76.


• Gründl, H., Dong M. & Gal, J. (2016). The evolution of insurer portfolio investment strategies for long-term investing. OECD Journal: Financial Market Trends, (2016)2,1-57.


• Heyman, W.H. & Rowland, D.D. (2006). An investment management methodology for publicly held property/casualty insurers. Journal of Applied Corporate Finance, (18)1,36-53.


• Hipp, C. & Plum, M. (2000). Optimal investment for insurers. Insurance: Mathematics and Economics, (27)2, 215–228.


• Hofert, M., Kojadinovic, I., Machler , M. & Yna, J. (2018). Element modeling of copula with R , Switzerland, Springe


• Hufeld, F., Koijen, S.J.R. & Thimann, C. (2017). The economics, regulation, and systemic risk of insurance markets. Oxford , Oxford University Press.


• Karakas, A.M., Karakas, M. & Dogan, M. (2017) Archimedean copula estimation parameter with kendall distribution function. Cumhuriyet Science Journal, (38)4, 619-625.


• Kakouris, I. & Rustem, B. (2014). Robust portfolio optimization with copulas. European Journal of Operational Research, (235)1 ,28–37.


• Kung , K. & Yang, (2020). Optimal consumption and investment problem incorporating housing and life insurance decisions: The continuous time case. Journal of Risk and Insurance, (87)1, 143-171.


• Kurowicka, D. & Harry, J. (2011). Dependence modeling: Vine copula handbook, Singapore,World Scientific Publishing Co. Pte. Ltd.


• Liu, C. & Yang, H. (2004). Optimal Investment for An Insurer to Minimize Its Probabilityof Ruin. North American Actuarial Journal, (8)2 , 11–31.


• Longin, (2005). The choice of the distribution of asset returns: How extreme value theory can help?. Journal of Banking & Finance, (29)4, 1017-1035.


• Mao, H., Carson, M.J., Ostaszewski, M.K. & Zhongkai, W. (2013). Optimal decision on dynamic insurance price and investment portfolio of an insurer. Insurance :Mathematics and Economics, (52)2, 359-369.


• Massari, M. ,Gianfrate, G. & Zanetti, L.(2014) . The Valuation of Financial Companies: Tools and Techniques to Measure the Value of Banks, Insurance Companies and Other Financial Institutions”,The Wiley Finance Series, Edition 1


• McShane, M.K., Zhang, T. & Cox, L.A. (2012). Risk allocation across the enterprise: Evidence from the insurance industry. Journal of Insurance Issues, (35)1, 73-99.


• Milonas, N.T., Papachristou, G. & Roupas, T. (2010). Pension funds under investments constraints: An assessment of the opportunity cost to the greek social security system. Pension fund risk management: Financial & actuarial modeling (pp. 637-658) , United States of America, Chapman & Hall.


• Roy, A.D. (1952). Safety first and the holding of assets. Econometrica, (20)3, 431-449.


• Rudolph, M.J. (2017) Reviewing systemic risk within the insurance industry. Sponsor of the Society of Actuaries, https://www.soa.org/ globalassets/ assets/ Files/ Research/ Projects/ reviewing-systemic-risk.pdf.


• Timmer, R. (2015). Measuring and modeling market risk for life insurance company assets: An application of extreme value statistics. (Doctoral dissertation), Michigan State University.


• Yang, H. & Zhang, L. (2005( Optimal investment for insurer with jump-diffusion risk process. Insurance: Mathematics and Economics, (37)3, 615–634.