Catastrofe accumulatie
Wat is een accumulatie van rampen?
In de verzekeringssector verwijst de term “accumulatie van rampen” naar de totale claims die zouden moeten worden betaald als zich een of meer rampen zouden voordoen in een hele regio. In die zin is de accumulatie van een ramp een soort schatting van mogelijke schade veroorzaakt door rampen zoals aardbevingen of zware weersomstandigheden.
Belangrijkste leerpunten
- Een accumulatie van een catastrofe is een schatting van het potentiële risico dat een verzekeringsmaatschappij loopt als zich een of meer rampen zouden voordoen binnen een bepaalde regio.
- Het wordt gebruikt door verzekeringsmaatschappijen om hun risico’s te beheersen.
- Afhankelijk van het niveau van de opeenstapeling van rampen, kunnen verzekeringsmaatschappijen ervoor kiezen om premies te verhogen of herverzekering af te sluiten.
Hoe Catastrophe Accumulation werkt
Het basisbedrijfsmodel voor verzekeringsmaatschappijen is het innen van premies van een groot aantal polishouders, waarbij de in rekening gebrachte premies hoog genoeg zijn om de claims te ondersteunen die waarschijnlijk tegen die polissen zullen worden ingediend. Als de claims echter boven het verwachte niveau uitstijgen, kan de verzekeringsmaatschappij de claims mogelijk niet financieren met de eerder geïnde verzekeringspremies, wat leidt tot verlies en mogelijke insolventie.
Deze fundamentele uitdaging is vooral acuut bij het omgaan met catastrofale risico’s, zoals aardbevingen of orkanen. In tegenstelling tot de meeste verzekeringscontracten, waarbij de kans dat een polishouder een claim indient niet wordt beïnvloed door het feit of een tweede of derde polishouder dit doet, kunnen rampen veel gevaarlijker zijn voor verzekeraars. Dit komt omdat een enkele gebeurtenis mogelijk gevolgen kan hebben voor polishouders in een hele regio, wat kan leiden tot een cascade van polisclaims die allemaal tegelijk plaatsvinden. Vanuit het perspectief van de verzekeringsmaatschappij is dit een soort “worst case scenario”, omdat de totale waarde van deze claims de premies die op die polissen worden geïnd, aanzienlijk zou kunnen overschrijden.
Om dit risico te beheersen, houden verzekeringsmaatschappijen de potentiële verliezen bij die gepaard gaan met dit soort rampen, door deze schattingen voor elke regio of voor het bedrijf als geheel te groeperen. Verzekeringsmaatschappijen noemen dit lopende totaal de accumulatie van hun catastrofe, aangezien het in wezen de accumulatie is van het risico van een mogelijke catastrofe. Een aanbieder van woningverzekeringen die tegen aardbevingen verzekert, kan bijvoorbeeld de opeenhoping van catastrofes bijhouden voor een bepaalde staat of stad die bijzonder vatbaar is voor aardbevingen. Afhankelijk van het niveau van de opeenhoping van rampen dat ze registreren, moet de verzekeringsmaatschappij mogelijk hun verzekeringspremies verhogen of herverzekering kopen om hun risico te beheersen.
Voorbeeld uit de echte wereld van een accumulatie van rampen
Verzekeringsmaatschappijen evalueren het risico dat gepaard gaat met het onderschrijven van een nieuwe polis door de mogelijke ernst en frequentie van verliezen te onderzoeken. De ernst en frequentie zullen variëren naargelang het soort gevaar, het risicobeheer en reductietechnieken die door de verzekerde worden gebruikt, en andere factoren zoals geografie. De kans dat een brandverzekeringspolis bijvoorbeeld verlies zal lijden, hangt af van hoe dicht gebouwen bij elkaar zijn, hoe ver weg de dichtstbijzijnde brandweerkazerne is en welke brandpreventiemaatregelen het gebouw heeft getroffen.
Na rekening te hebben gehouden met deze factoren, zou de verzekeringsmaatschappij kunnen proberen haar worstcasescenario te schatten door haar waarschijnlijke maximale verlies (PML) te berekenen. Een verzekeringsmaatschappij met blootstelling aan brandgerelateerde risico’s zou bijvoorbeeld een tabel kunnen maken waarin de jaarlijkse geaggregeerde PML voor natuurbranden over een periode van 100 jaar wordt gemodelleerd. Omdat catastrofale gebeurtenissen inherent zeldzaam zijn, kunnen dergelijke lange perioden nodig zijn om ervoor te zorgen dat een voldoende groot aantal gebeurtenissen uit het verleden in de dataset wordt opgenomen.