Revista de Métodos Cuantitativos para la Economía y la Empresa (Jun 2019)

Cálculo del Valor en Riesgo Operacional de una Empresa Aseguradora Mediante Redes Bayesianas || Calculation of Operational Value at Risk of an Insurance Company through Bayesian Networks

  • Dávila Aragón, Griselda,
  • Ortiz Arango, Francisco

Journal volume & issue
Vol. 27, no. 1
pp. 30 – 54

Abstract

Read online

Fue en los noventas cuando se definió el concepto de Riesgo Operacional, desde entonces las instituciones, sobre todo del sector financiero, están preocupadas en este tipo de riesgo dado que su exposición podría tener consecuencias fatales. En el caso del sector asegurador su estudió se origina debido al nuevo marco regulatorio Europeo de Solvencia II. El propósito de esta investigación es el desarrollo de una metodología basada en redes bayesianas que permita identificar y medir el riesgo operacional para poder determinar el requerimiento de capital de solvencia en el proceso de cotización de pólizas en línea de una aseguradora que incursionó recientemente en esta forma de operar. Para lo cual se diseñó un modelo de red bayesiana con distribuciones a priori y a posteriori que permitieran estimar la frecuencia y la severidad de las pérdidas, con las distribuciones a posteriori se realizó una estimación de la pérdida esperada para un periodo de un año, utilizando simulación Montecarlo. || It was in the 1990’s when the concept of Operational Risk was defined, since then the institutions, especially those in the financial sector, are worried about this type of risk since their exposure could have fatal consequences. In case of the insurance sector its study originates due to the new European regulatory framework of Solvency II. The purpose of this research is the development of a methodology based on Bayesian networks to identify and measure operational risk in order to determine the solvency capital requirement in the online policy quotation process of an insurance company that recently entered into this way of operating. For this, a Bayesian network model was designed with a priori and a posteriori distributions that allowed estimating the frequency and severity of the losses, with the posteriori distributions, an estimate of the expected loss for a period of one year was made using Monte Carlo simulation.

Keywords