Применение управленческого учета в управлении продающих подразделений и использование управ.учета для бюджетирования, планирования и контроля затрат в страховых компаниях

Введение
1. Использование управленческого учета в страховых компаниях
1.1 Особенности страхового бизнеса как объекта экономического анализа
1.2 Основы сбалансированной системы управленческого учета в страховых организациях
2. Методы снижения рисков деятельности
2.1 Типология рисков страховой деятельности и подходы к их выявлению
2.2 Использование методологии VaR для статистической оценки рисков
3. Исследование деятельности продающих подразделений компании и выработка рекомендаций
3.1 Характеристика объекта исследования
3.2 Оценка деятельности продающих подразделений с помощью VaR
Заключение
Список литературы

Применение управленческого учета в управлении продающих подразделений и использование управ.учета для бюджетирования, планирования и контроля затрат в страховых компаниях

- анализ основной деятельности - объемов и сумм поступивших страховых премий и осуществленных страховых выплат, доходности страховых операций, их убыточности, операций по перестрахованию, структуры и динамики страхового портфеля;
- оценка финансовой устойчивости страховщика, которая в настоящее время может проводиться на трех уровнях - на законодательном, с учетом и в рамках требований, нормативов российского законодательства; на общеэкономическом - в рамках общепринятой системы коэффициентов, характеризующих финансовое состояние хозяйствующего субъекта; на индивидуальном - с учетом и в зависимости от требований пользователей результатов анализа. В данном случае могут применяться систематизированные и несистематизированные авторские подходы. Рассмотрим основные аспекты реализации этих двух направлений анализа деятельности страховщика.
1. Вероятностный характер финансовых отношений при страховании ведет и к определенной специфике процедуры анализа основной деятельности страховщика. В частности, реализация в страховании принципа раскладки ущерба во времени приводит к тому, что большое значение приобретает анализ показателей за длительный период.
Основными направлениями анализа основной деятельности выступают:
- факторный анализ выручки от страховых операций, который проводится чтобы выявить факторы, оказывающие наибольшее влияние на объем собранных страховых взносов;
- анализ страховых выплат, включающий определение динамики страховых выплат, величины средней выплаты по одному договору, уровень выплат и нормы выплат по видам страхования;
- анализ доходности страховых продуктов, предполагающий изучение себестоимости страховых услуг в динамике, а также сравнение фактических затрат с нормативными;
- анализ убыточности страховых сумм, включающий исследование соотношений выплат страхового возмещения к общему объему страховой суммы или к страховой сумме всех застрахованных объектов; такие соотношения исследуются в динамике, а также по видам страхования, по подразделениям страховой компании;
- анализ страхового портфеля; при котором основными исследуемыми показателями выступают величина портфеля и его структура.
2. Общая цель анализа финансовой устойчивости страховой компании заключается в получении объективных, достоверных данных о ее финансовом положении и платежеспособности. Оценка финансовой устойчивости, как мы уже упоминали, может проводиться на нескольких уровнях.
С общеэкономической точки зрения финансовая устойчивость любой организации, в том числе страховой, достигается при сочетании благоприятных значений четырех характеристик финансово-хозяйственного положения предприятия:
- платежеспособности, то есть способности исправно расплачиваться по своим обязательствам;
- ликвидности баланса, то есть достаточной степени покрытия заемных пассивов пред-
приятия активами, соответствующими по срокам оборачиваемости в деньги срокам погашения обязательств;
- кредитоспособности, то есть способности возмещения кредитов с процентами и другими финансовыми издержками;
- рентабельности, то есть прибыльности, обеспечивающей необходимое развитие организации, хороший уровень дивидендов и капитализации компании.
С юридической точки зрения, согласно Закону РФ "Об организации страхового дела в РФ", можно выделить пять факторов, обеспечивающих финансовую устойчивость страховщика: достаточный собственный капитал; достаточные страховые резервы; инвестиционную деятельность; ограничение единичного риска (система перестрахования); тарифную политику.
В целом, показатели финансовой устойчивости - общепризнанные, наиболее емкие показатели деятельности страховой компании, поскольку характеризуют ее способность выполнять свои обязательства, как в существующих условиях, так и при неблагоприятных изменениях факторов внешней и внутренней среды.
Анализ экономической литературы позволяет сгруппировать существующие показатели по оценке финансовой устойчивости, разделив их на следующие категории:
1) показатели оценки собственных средств, которые отражают степень достаточности собственных средств для выполнения обязательств страховщика:
- расчет соотношения активов и принятых обязательств страховщика (нормативные значения установлены соответствующим Приказом Минфина РФ №90н от 02.11.01г.);
- степень вероятности дефицита средств, или коэффициент В.Ф. Коныпина (чем меньше значение коэффициента, тем выше финансовая устойчивость);
- уровень покрытия собственными средствами технических резервов, который отражает возможность покрытия обязательств собственными средствами при возможном неадекватном формировании технических резервов (оптимальное значение более 0,28);
- уровень покрытия собственными средствами резерва по страхованию жизни (оптимум более 0,05);
2) показатели платежеспособности:
- текущей платежеспособности (по компании и по видам страхования), отражающие достаточность притока средств в виде поступлений страховых премий для покрытия текущих расходов на страховые выплаты и текущих расходов на ведение дела (оптимальное значение - больше 100%); уровень платежеспособности страховой компании и уровень достаточности покрытия собственными средствами (CAR), эти показатели используются международными рейтинговыми агентствами;
3) показатели ликвидности;
4) показатели зависимости от перестраховщиков:
- удельный вес страховой премии, переданной в перестрахование (оптимальные пределы 0,05 - 0,5);
- удельный вес компенсаций от перестраховщиков в состоявшихся убытках (нормативного значения нет, большее значение оценивается как положительный момент; этот показатель необходимо сопоставить с предыдущим показателем для оценки эффективности перестраховочной защиты);
- показатели участия перестраховщиков в страховых резервах, которые отражают степень зависимости страховой компании в выполнении принятых обязательств от надежности перестраховщиков (оптимальными считают значения 0,15-0,5);
- долю комиссионного вознаграждения и тантьем от перестраховщиков, в страховых премиях, переданных в перестрахование;
- показатель зависимости результатов страховой и инвестиционной деятельности от доходов по перестрахованию, который отражает степень участия перестраховщиков в результатах деятельности страховой компании (оптимум - не более 0,5);
- показатели оценки страховых обязательств:
- отношение величины технических резервов к нетто-премии отражает достаточность сформированных технических резервов по отношению к величине обязательств, выраженных в виде нетто-премии;
- дефицит (излишек) технических резервов;
- отношение дефицита (излишка) технических резервов к их величине;
- показатели рентабельности;
- показатели, характеризующие инвестиционную деятельность:
- динамика изменений абсолютной величины инвестиционных активов;
- долю инвестиционных активов и средств на счетах в активах;
- соответствие объемов инвестиционных активов объему обязательств;
- показатели эффективности инвестиционной деятельности: показатели доходности всех активов и отдельно - инвестиционных активов;
- показатели диверсификации инвестиционных активов, отражающие удельный вес отдельных видов инвестиционных активов в их общем объеме, позволяющие определить степень защищенности инвестиционной деятельности с точки зрения реализации принципа диверсификации.
Выбор тех или иных показателей зависит от целей проводимого анализа, а в нашем случае - от группы рисков, управление которыми на настоящий момент ставится целью предпринимателя, осуществляющего страховую деятельность. Выявленные в процессе анализа отклонения фактических показателей от их нормативных значений позволяют уже исследовать степень вероятности реализации того или иного риска.
2.2 Использование методологии VaR для статистической оценки рисков
Широко распространенные традиционные меры риска, к сожалению, обладают следующими серьезными недостатками.
1. Многие из них не могут быть агрегированы (т. е. сведены в один показатель такого же типа) безразлично к факторам риска (так, например, нельзя агрегировать дельта-риск вега-риск). Факторы риска не могут быть агрегированы для различных рынков, например, дельта валютного опциона и дельта опциона на акции не суммируются.
2. Традиционные меры риска не измеряют «капитал под риском», т. е. капитал, покрывающий потери, вызываемые данными факторами риска. Поэтому на основе этих показателей трудно анализировать качество управления портфелем с учетом риска.
3. Традиционные меры риска сравнительно плохо позволяют контролировать риск. Лимиты позиций, определяемые по факторам риска или показателям чувствительности, часто неэффективны11.
Все это объясняет ту огромную популярность, которой в современном риск-менеджменте пользуется подход к измерению рисков на основе показателя «стоимости под риском» (value at risk - VaR), более или менее успешно справляющегося с вышеперечисленными проблемами.
VaR – это выраженная в данных денежных единицах (базовой валюте) оценка величины, которую не превысят ожидаемые в течение данного периода времени потери с заданной вероятностью12.
Показатель VaR обычно не используется применительно к рынкам, находящимся в состоянии кризиса.
Пусть фиксирован некоторый портфель открытых позиций. VaR портфеля для данного доверительного уровня (1-Α) и данного периода поддержания позиций t определяется как такое значение, которое обеспечивает покрытие возможных потерь х держателя портфеля за время t с вероятностью (1-Α), т. е.
P(VaR x) = 1-Α.
Как следует из определения, величина VaR для портфеля заданной структуры определяется как наибольший ожидаемый убыток, обусловленный колебаниями цен на финансовых рынках, который рассчитывается:
на определенный период времени в будущем (временной горизонт);
с заданной вероятностью его непревышения (уровень доверия);
при данных предположениях о характере поведения рынка (метод расчета).
Доверительный интервал и временной горизонт являются ключевыми параметрами, без которых не возможны ни расчет, ни интерпретация показателя VaR. Так, значение VaR в 10 млн. руб. для временного горизонта в 1 день и доверительного интервала 99% будет означать (при условии сохранения тенденций рыночной конъюнктуры):
вероятность того, что в течение следующих 24 часов мы потеряем меньше, чем 10 млн. руб., составляет 99%;
вероятность того, что наши убытки превысят 10 руб. в течение ближайших суток, равна 1%;
убытки, превышающие 10 млн. руб., ожидаются в среднем один раз в 100 дней.
Временной горизонт (holding period) для расчета VaR часто выбирается исходя из срока удержания данного инструмента в портфеле, или его ликвидности, т. е. исходя из минимального реального срока, на протяжении которого можно реализовать на рынке данный инструмент (закрыть позиции) без существенного убытка, поскольку именно в пределах этого срока трейдеры не в состоянии что-либо сделать для снижения потерь. Например, «недельный VaR», «месячный VaR» – это оценки возможных потерь за неделю и за месяц соответственно.
Следует отличать от горизонта расчета VaR глубину периода расчета VaR (observation period) – объем выборки ретроспективных или искусственно смоделированных данных, на основе которых рассчитывается оценка. Например, фраза «глубина расчета месячного VaR составила 2 года» означает, что данные брались за 2 года, т. е. за 24 месяца, а фраза «глубина расчета недельного VaR составила 2 года» означает, что данные брались за 2 года, т. е. за 104 недели.
Уровень доверия (confidence level), или вероятность, выбирается в зависимости от предпочтений по риску, выраженного в регламентирующих документах надзорных органов, или в корпоративной практике, отражая оценки менеджеров. Например, Базельский комитет по банковскому надзору рекомендует уровень в 99%, на который ориентируются надзорные органы; на практике часто используется уровень в 95%, но встречаются также и другие (обычно между 95% и 99%).
Кривая на рис. 2.1 задает (нормальное в данном примере) распределение вероятностей прибылей и убытков для заданных портфеля и периода поддержания позиций. Заштрихованная область соответствует выбранному доверительному уровню 95% (ее площадь составляет 95% от общей площади под кривой). VaR представляет собой максимальную величину возможных потерь, отвечающих заданному доверительному уровню.
Рис. 2.1 Определение величины VaR на графике распределения прибылей и убытков
Существует две основных группы подходов к оценке VaR. Первая группа основана на так называемом «локальном оценивании» (local valuation), т. е. на линейной или более сложной аппроксимации функции стоимости финансового инструмента, важнейшим примером которого является параметрический дельта-нормальный метод. Вторая группа использует «полное оценивание» (full valuation), подразумевающее полный перерасчет стоимости финансового инструмента без аппроксимирующих предположений. К этой группе относятся метод исторического моделирования и метод стохастического моделирования Монте-Карло.
Показатель VaR используется в риск-менеджменте в следующих основных целях:
для расчета лимитов по открытым позициям;
для расчета достаточности капитала и размещения капитала между направлениями бизнеса;
для оценки доходности операций с учетом риска.
Верификация модели расчета VaR по историческим данным (backtesting) – это процедура, позволяющая установить степень адекватности модели оценки рыночного риска в виде показателя VaR реальным условиям рынка.
Процесс верификации включает в себя следующие этапы.
1. Расчет Т значений VaR выбранным методом с заданными параметрами.
2. Оценка T фактических изменений стоимости портфеля Vi во времени для каждого периода, для которого был рассчитан VaR: ΔVi = Vi-Vi-1, i =1, 2,.. T.
3. Сравнение дневных значений VaRi и соответствующих им фактических изменений стоимости портфеля ΔVi. Случай, когда выполняются условия:
ΔVi < 0, ,
т. е. когда изменение стоимости отрицательно (убыток) и при этом по абсолютной величине превосходит VaR, считается случаем превышения.
4. Пусть существует вероятность того, что модель для данного уровня доверия (например, 95%), неадекватна.
5. Выдвигается нулевая гипотеза о том, что вышеуказанная вероятность - правильная.
6. Можно вычислить, для какой вероятности количество превышений будет таким, что нулевая гипотеза не отвергается при заданном количестве наблюдений.
Например, при количестве наблюдений, равном 255, не будет отвергаться следующая нулевая гипотеза: вероятность того, что данная модель расчета 95%-го VaR не соответствует реальности, если число превышений больше 2, но меньше 12, равна 0,025.
Чем больше количество наблюдений, тем легче отвергается модель оценки VaR в случае ее некорректности. Чем меньше вероятность, тем труднее понять, завышена ли оценка VaR, поэтому на практике многие стремятся задавать вероятность на уровне 5%.
Если по результатам верификации модели точность оценок VaR оказывается неудовлетворительной, необходимо проверить выбранное распределение доходности и его параметры на соответствие реально наблюдаемым, проанализировать ретроспективу данных на наличие аномальных явлений на рынке и, возможно, изменить ее глубину при оценке входных параметров модели.
Важнейшей аналитической функцией отдела риск-менеджмента является регулярная верификация (оценка адекватности) внутренней модели компании по историческим данным (backtesting) с целью проверки ее прогнозной точности и внесения необходимых изменений. Общие требования, предъявляемые к процедуре проверки адекватности моделей, изложены в специальной инструкции Базельского комитета13.
Верификация VaR-модели по историческим данным осуществляется путем ретроспективного анализа, заключающегося в подсчете частоты случаев превышения (outliers) фактическими дневными убытками прогнозных значений VaR за продолжительный период времени в прошлом (см. рис. 2.2). Как ожидается, на протяжении всего периода тестирования модели величина VaR должна превосходить понесенные убытки с относительной частотой, задаваемой доверительным интервалом модели. С целью стандартизации данной процедуры Базельский комитет предписывает банкам ежеквартально проводить оценку точности внутренних моделей по выборке из предшествующих 250 дней торгов с использованием доверительного интервала в 99% и горизонта прогнозирования в 1 день в качестве нормативных параметров расчета VaR.
Рис. 2.2 Принцип верификации VaR-моделей по историческим данным
Необходимость в специальной верификации модели по историческим данным возникает в силу того, что банки не могут использовать для этой цели непосредственно свои оценки 10-дневного VaR, которые они рассчитывают каждый день в целях поддержания достаточности капитала. Это объясняется тем, что сравнивать прогнозную величину VaR, рассчитанную в начале 10-дневного периода, с финансовым результатом за этот же период времени было бы некорректно из-за значительных изменений в структуре портфеля, которые, вероятно, произойдут в течение этих 10 дней. Именно поэтому банк должен заново рассчитать с использованием одной и той же внутренней модели величину VaR на каждый день из предшествующих 250 дней торгов, но уже с горизонтом прогнозирования в 1 день.
Тем не менее, изменения в структуре портфеля возможны и в течение одного торгового дня, а на финансовый результат от торговых операций могут оказывать влияние суммы полученных брокерами комиссионных вознаграждений (в частности, от продажи новых финансовых инструментов), которые не имеют отношения к риску, связанному со структурой неизменного портфеля и отражаемому показателем VaR. Ввиду этого Базельский комитет рекомендует банкам проводить верификацию моделей путем сравнения величины VaR, рассчитанной на 1 день, как с реальными прибылями и убытками от торговой деятельности, так и с теоретическим финансовым результатом, рассчитываемым как изменение рыночной стоимости портфеля при условии неизменности его структуры в течение дня. Первый из указанных подходов иногда называют «грязной» верификацией (dirty backtesting), а второй - «чистой» верификацией (clean backtesting). Метод «чистой» верификации является наиболее предпочтительным с точки зрения статистического оценивания адекватности VaR-моделей, и не случайно, что, например, в ФРГ, орган надзора может ввести максимальную надбавку (d =1) к нормативному множителю, если банк проводит только «грязную» верификацию своей VaR-модели, используемой для расчета требуемого капитала14.
Процедура проверки точности модели по методике Базельского комитета представляет собой статистический тест на отклонение фактической частоты превышений убытками дневной величины VaR от заданной вероятности в 1%, основанный на вычислении вероятностей ошибки I рода (отклонение адекватной модели) и ошибки II рода (принятие неадекватной модели). Для оценки прогнозной точности модели производится подсчет числа дней, когда фактические убытки от изменений стоимости портфеля превосходили прогнозные значения VaR за последние 250 дней торгов. Так, при доверительном интервале в 99% и 250 днях тестирования полностью адекватная модель должна показывать в среднем 2,5 превышения величины VaR, которые можно объяснить «нормальными» колебаниями рынка. При росте числа превышений по сравнению с ожидаемым повышается и вероятность того, что используемая модель является неадекватной, т. е. в среднем занижает величину VaR.
Поскольку для каждого дня из интервала тестирования возможны только два исхода (убытки либо превышают прогнозную величину VaR, либо нет), для расчета вероятностей ошибок I и II рода используется биномиальный критерий (схема Бернулли). Если обозначать через n общее количество дней в интервале тестирования, k – количество случаев превышения на интервале тестирования (0 k n), p – вероятность любого отдельного случая превышения, то вероятность того, что на всем интервале тестирования общее количество превышений (X) для адекватной модели (p = 1%) будет равно в точности k, составляет:
Аналогично, вероятность того, что адекватная модель даст k или менее превышений, равна
Таким образом, вероятность того, что адекватная модель покажет k или более превышений на интервале тестирования и на основании этого будет отклонена (ошибка I рода - type I error), составляет: