- 27 -
Abbildung 26: Ergebnis einer Simulation für den MCEV ohne Renewals in t=1.
Auch beim MCEV ohne Renewals ergibt sich für das konkrete Szenario ein insgesamt nega-
tives Ergebnis, da man durch das Heben stiller Reserven in der HGB Sicht zwar ein schlech-
tes Ergebnis in t = 1 kompensieren kann, über den weiteren Projektionsverlauf danach
aber deutlich weniger stille Reserven zum Heben hat.
Im konkreten Beispiel ergibt sich für das Simulationsergebnis auf Basis des MCEV nur ein
geringer Abschlag im Vergleich zum Simulationsergebnis für das ökonomische Kapital; es
gibt aber auch Szenarien mit anderen Eigenschaften. Auf diese Aspekte wird in einem ei-
genen Abschnitt noch gesondert eingegangen.
Führt man nun einen Simulationslauf mit ausreichend vielen Simulationen durch, dann
erhält man sowohl für das ökonomische Kapital als auch für den MCEV ohne Erneuerungs-
geschäft Verteilungen, mit deren Hilfe man den Eigenkapitalbedarf ermitteln kann. Darü-
ber hinaus kann man mit den üblichen Allokationsmethoden den Gesamtbedarf den ein-
zelne Einflussquellen zuordnen.
3.3
Durchführung eines Simulationslaufs
Für eine brauchbare Aussage im Hinblick auf die Anwendbarkeit des stochastischen Em-
bedded Values ohne Renewals bei internen Modellen in der Schadenversicherung genügt
das Ergebnis einer einzelnen Simulation allerdings nicht; hier benötigt man das Ergebnis
vieler Simulationen.
3.3.1 Simulationsergebnisse
Mit Hilfe eines VBA Makros kann man die einzelnen Simulationen mehrfach durchlaufen
lassen und die wichtigsten Resultate dieser einzelnen Simulationen auflisten. Man be-
kommt somit für alle aufgelisteten Variablen empirische Verteilungen, die man danach
insgesamt auswerten kann.
MCEV t = 0
116.420 Zuwachs
ROC
RAROC
RORAC
in % ökonom.
96,7%
Free Surplus
6.481
Required Capital
42.412
Value in Force
67.527
PVFP
72.828
CoC
-3.454
Friktionale Kosten
-1.848
MCEV t = 1
97.926
-18.494
-15,9%
-18,9%
-43,6%
in % ökonom.
96,2%
Free Surplus
14.488
8.007
Required Capital
43.963
1.550
Value in Force
39.475
-28.051
PVFP
45.453
CoC
-4.441
Friktionale Kosten
-1.537
- 28 -
3.3.2 Ergebnisauswertung
Bei der Auswertung der empirischen Verteilungen sind zunächst die wichtigsten Vertei-
lungsparameter wie etwa
- Mittelwerte und Standardabweichungen,
- Minima und Maxima sowie
- markante Quantile zur kompakten Beschreibung der Verteilung
relevant. Man bekommt somit einen schnellen Überblick über die Verteilungen und kann
entsprechende Aussagen treffen, beispielsweise wie hoch der Abschlag im Schnitt ist, wie
stark das Ergebnis streut und welche extremen Situationen man beobachten kann. Wei-
terhin ergibt sich aus der Analyse der Verteilungsstrukturen der Kapitalbedarf.
Geht man aber einen Schritt weiter in Richtung Anwendbarkeit interner Modelle zur Un-
ternehmenssteuerung, dann ist nicht nur der absolute Kapitalbedarf eines Unternehmens
wichtig, sondern auch die Allokation des Gesamtbeitrages auf die einzelnen Risikopositio-
nen. Hier existieren verschiedene Allokationsmethoden auf Basis des VaR oder des TVaR,
die zu ganz unterschiedlichen Ergebnissen führen. Hier gibt es kein wirklich stringentes
mathematisches Entscheidungskriterium. Die Entscheidung ist dabei nicht unwesentlich
davon abhängig, welche Unternehmensziele ein Unternehmen verfolgt.
3.3.3 Exkurs: Tail Value at Risk Berechnungen
Sofern man die empirische Verteilung eines Parameters aufgelistet hat, kann die Value at
Risk Berechnung in EXCEL automatisch mit der Funktion QUANTIL erfolgen. Für die Tail
Value at Risk Berechnung gibt es einen solchen festen EXCEL Befehl nicht, d. h. man muss
diese Werte selbst ermitteln.
Für eine transparente Berechnung kann man (optimalerweise in einem gesonderten Da-
tenblatt) bei einem vorgegebenen VaR für jede Realisierung X
k
der empirischen Verteilung
eine Boolsche Variable B
k
mit
B
k
= [X
k
≤ VaR] ∙ 1
definieren. Die Anzahl N
VaR
sowie die Summe S
VaR
aller Werte, die den VaR unterschreiten,
ergeben sich dann wie folgt:
N
VaR
= SUMME(… B
k
…).
S
VaR
= SUMMENPRODUKT(… X
k
…; … B
k
…).
Der TVaR kann dann als TVaR = S
VaR
/ N
VaR
ermittelt werden. Der hier skizzierte Algorithmus
ist in der Umsetzung sehr übersichtlich und damit auch fehlerarm, verlangsamt aber – so-
fern man bei der VBA Simulation nicht auf eine effiziente Ausgestaltung achtet – ggf. die
Berechnungen insgesamt.