CURSO PROPEDÉUTICO

​

Módulo 1: Probabilidad

 

Objetivo: Explicar algunos conceptos elementales de la teoría matemática de la probabilidad. Se expone cuales son las distribuciones de probabilidad usadas en los riesgos financieros y de seguro y como estimar parámetros. Se explica la importancia de la probabilidad en Solvencia II. 

•       Introducción a la probabilidad  

•       Análisis combinatorio 

•       Probabilidad condicional e independencia

•       Variables aleatorias 

•       Funciones de densidad y de distribución                

•       Esperanza, varianza, momentos 

•       Distribuciones de probabilidad 

•       Distribuciones de frecuencia, Poisson, Binomial, Binomial Negativa

•       Distribuciones de pérdidas, lognormal, EVT, gyh, beta, gamma, weibull, etc.

•       Vectores Aleatorios

•       Ajuste de distribuciones y estimación de parámetros

•       Uso de distribuciones de probabilidad en Solvencia II

•       Ejercicio 1: Ajustes de distribuciones de probabilidad en R

 

Módulo 2: Estadística

 

Objetivo: La estadística es la ciencia que se encarga de recolectar, organizar, resumir y analizar datos para después obtener conclusiones a partir de ellos. De manera general, la estadística puede ser dividida en dos grandes áreas: estadística inferencial y estadística descriptiva. La estadística descriptiva es una colección de métodos para la organización, resumen y presentación de datos. La estadística inferencial consiste en un conjunto de técnicas para obtener, con determinado grado de confianza, información de una población con base en la información de una muestra. La estadística es imprescindible para la construcción de modelos y validación de los mismos. 

 

•       Introducción 

•       Variables y tipos de datos

•       Estadística descriptiva

•       Estadística inferencial

•       Muestras aleatorias y estadísticas

•       Estimación puntual

•       Estimación por intervalos 

•       Pruebas de hipótesis 

•       Importancia de la estadística en Solvencia II

•       Ejercicio 2: Estadística descriptiva en Python de datos de una compañía de seguros

•       Ejercicio 3: Pruebas de hipótesis en R 

 

Módulo 3: Finanzas

 

Objetivo: Revisar los conceptos del valor del dinero en el tiempo, matemáticas financieras, valoración de las annuities, bonos, y modelos de valoración Capital Asset Pricing Model y Arbitrage pricing theory. Los modelos son fundamentales para la valoración de activos y pasivos de una compañía de seguros.

 

•       Valor del dinero en el tiempo

•       Matemáticas financieras y annuities

•       Valoración de bonos

•       Duración y convexidad

•       Modelo CAPM y APT

•       Procesos estocásticos

•       Simulación de Monte Carlo

•       Ejercicio 4: Valoración bonos en Excel

•       Ejercicio 5: Estimación de la duración y convexidad en Excel

•       Ejercicio 6: Estimación del CAPM y APT en Excel

•       Ejercicio 7: Simulación de Monte Carlo y Procesos Estocásticos en R 

​

Módulo 4: Programación en Python

 

Objetivo: Explicar que es el lenguaje de programación Python y funcionalidades. Se explica que es Jupyter y como instalarlo. Exponer nociones básicas de programación y las librerías que serán usadas desarrollar modelos de Solvencia II.

 

•  Introducción a Python

• Entorno e instalación de librerías

• Jupyter

• Importación y exportación de datos

• Programación básica

• Herramientas de estadística

•  Librerías de regresión

• Librerías de finanzas

•  Librerías de Machine Learning

• Ejercicio 8: programación en Python

 

Módulo 5: Programación en R

 

Objetivo: Explicar que es R y Rstudio y como instalarlo. Explicar nociones básicas de programación de R y las librerías usadas para desarrollar modelos de Solvencia II.

 

•       Introducción a R

•       Entorno e instalación de librerías

•       R Studio

•       Importación y exportación de datos

•       Programación básica

•       Herramientas de estadística

•       Librerías de regresión

•       Librerías de finanzas

•       Librerías de ciencias actuariales

•       Ejercicio 9: programación en R

​

 

Módulo 6: Introducción Riesgos Financieros

 

Objetivo:  Sentar las bases teóricas sobre los riesgos financieros que impactan a las compañías de seguros, explicar la tipología de riesgos y las fuentes de tales riesgos. Entender la probabilidad e impacto de los eventos que detonan el riesgo financiero en las compañías de seguro.

 

•       ¿Qué es el riesgo?

•       Riesgos financieros en las compañías de seguros

•       Probabilidad e Impacto

•       Fuentes de riesgos financieros

•       Diferencias entre Riesgos financieros y no financieros

•       Riesgo de Mercado

•       Riesgo de tipo de interés

•       Riesgo de liquidez

•       Riesgo de Crédito

•       Riesgo operacional

 

Módulo 7: Ciencias Actuariales para no Actuarios

 

Objetivo:  Introducción de las ciencias actuariales para participantes sin formación actuarial. Se expone una breve introducción del seguro de vida y no vida, así como de matemáticas actuariales.  

 

•       ¿Qué hacen los actuarios?

•       Introducción al seguro de Vida

•       Introducción al seguro de No Vida

•       Tipología de contratos

•       Introducción a las Reservas de seguro de vida

•       Introducción a las Reservas del seguro de no vida

•       Margin Based Pricing

•       Introducción a las matemáticas actuariales

•       Introducción al Seguro de Vida

•       Introducción al Seguro de No Vida

•       Ejercicio 10: Modelización de distribución de la severidad y frecuencia de siniestros en Excel y R

•       Ejercicio 11: Simulación de los valores actuales de una Annuity de una renta vitalicia.

​

Módulo 8: Machine Learning

 

Objetivo: El aprendizaje automático de maquinas, en ingles machine learning, indispensable para que los sistemas sean inteligentes, permite desarrollar predicciones basadas en datos y mejora las proyecciones de los modelos tradicionales. Se introduce el uso de los algoritmos de machine learning y Deep learning. Se explican los beneficios del machine learning en la gestión de riesgos de las compañías de seguros.

 

•       Introducción Machine Learning

•       Diferencias con la estadística

•       Modelos supervisados y no supervisados

•       Introducción a los Árboles de decisión

•       Introducción al Support Vector Machine

•       Introducción al K-means

•       Introducción al Random Forest

•       Introducción a las redes neuronales

•       Introducción a los modelos de conjunto

•       Introducción al Deep learning

•       Ejercicio 10: Estimación del Support Vector Machine y Random Forest

•       Ejercicio 11: Creación de algoritmo de Deep learning

​

​

CURSO SOLVENCIA II, IFRS 17 

​

Módulo 1: Solvencia II

 

Objetivo:  Explicar como Solvencia II refleja las nuevas prácticas de gestión de riesgos para definir el capital necesario y gestionar riesgos financieros y de seguro. Se explica pormenorizadamente el Solvency Capital Requirement SCR, Minimum Capital Requirement MCR y los tres pilares de Solvencia II. 

 

• La Directiva de Solvencia II y EIOPA

• Estructura general

• Experiencia Basilea II y III

• Calendario de Implementación

• Valuación de Activos

• Provisiones Técnicas

  • Segmentación

  • Productos

• Análisis de Pasivo: Best Estimate y Margin Risk

• Recursos Propios: Tier 1, Tier 2 y Tier 3

• MCR-Estimación y cálculo

• SCR-Fórmula Estándar

• Directivas de modelos internos

• Pilar 1: Recursos propios para solvencia

  • Solvency Capital Requirement (SCR)

  • Enfoque Estándar

  • Modelo Interno

  • Aspectos tecnológicos e implementación

  • Minimum Capital Requirement (MCR)

• Pilar 2 Proceso de Supervision y Own Risk and Solvency Assessment (ORSA)

  • Definición y alcance ORSA

  • El rol ORSA

• Pilar 3 Requerimientos de Transparencia

  • Financial Condition Report

  • Directiva Solvencia II

• IFRS

  • Margen Residual

  • Margen de Riesgo

  • Best Estimate

​

Módulo 2: Desempeño de la función de Auditoría Interna en Solvencia II

​

La normativa Marco de Solvencia II establece la necesidad de una función eficaz de Audito-ría Interna en las empresas de seguros y rea- seguros. Fundamentalmente, exige como requisito su independencia, y ésta solo se garantiza con su adecuado posicionamiento dentro del organigrama y la apropiada cualificación y objetividad de sus auditores internos.

​

• EL ROL DE AUDITORÍA INTERNA EN SOLVENCIA II 

• Auditoría Interna en el Sistema de Gobierno 

• El Modelo de las Tres Líneas de Defensa 

• Aspectos específicos 

• MARCO DE ACTUACIÓN DE AUDITORÍA INTERNA EN SOLVENCIA II 

• Actividades principales de Auditoría Interna en el nuevo perímetro 

• Actividades de consultoría desarrolladas por Auditoría Interna 

• Actividades fuera del alcance de Auditoría Interna 

• Seguimiento del proceso de implementación de Solvencia 

​

Módulo 3: Metodología de Fórmula Estándar

​

Objetivo:  Explicar las fórmulas del enfoque estándar para la estimación del SCR y MCR. Comprender los riesgos de las compañías de seguros. Explicar detalladamente las fórmulas matemáticas y los posibles valores esperados.

 

• Especificaciones técnicas para la fase preparatoria parte 1

• Estructura de Dependencia

• Técnicas de mitigación de riesgo

• Riesgo de Mercado

  • Riesgo de tipo de interés

  • Riesgo de renta variable

  • Riesgo Inmobiliario

  • Riesgo de Spread

  • Riesgo de Concentración

  • Riesgo de iliquidez

• Riesgo de Crédito

  • Riesgo de contraparte

  • Cálculo LGD y PD

• Riesgo Operacional

  • Fórmula Estándar

• Riesgo de suscripción: No vida

  • Riesgo de Reserva

  • Riesgo de Prima

  • Riesgo catastrófico

• Riesgo de suscripción: Vida

  • Riesgo de Mortalidad

  • Riesgo de Longevidad

  • Riesgo de Morbilidad

  • Riesgo de Discapacidad

  • Riesgo de Caída de Cartera

  • Riesgo de Gastos

  • Riesgo de revisión

• Riesgo Técnico de Salud

• Especificaciones técnicas para la fase preparatoria parte 2

• Determinación del tipo de interés libre de riesgo

• Ejercicio 1: Estimación de SCR Mkt de tipo de interés y Mkt Spread en un portfolio de bonos y SCR Mkt de Renta variable en un portfolio de acciones.

​

MODELOS INTERNOS y ORSA

 

Módulo 4: Aprobación de Modelos Internos

​

Objetivo:  Definir que son los modelos internos y explicar las directrices sobre el uso de modelos internos que deben tener en cuenta las compañías de seguros para que las autoridades de supervisión aprueben y continúen permitiendo el uso de modelos internos para el cálculo del capital de solvencia.

 

• Pre-aplicación

• Aplicación

• Valoración y derecho a retirar la aplicación

• Decisión sobre la aplicación: Términos y condiciones

• Monitorización

 

Módulo 5: Test de Uso

​

Objetivo:  Explicar el desafío que representa la integración de los modelos en los procesos de decisión y las directivas del test de uso. 

​

 

• Comparativa test de uso Basilea 3 vs Solvencia 2

• Requerimientos de Solvencia

• Dificultad que los modelos sean parte del proceso de decisión

• Como pueden los modelos añadir valor a la compañía de seguros

• Aspectos de Gobernanza

 

Módulo 6: Estándares en la calidad estadística

​

 Objetivo:  Explicar los estándares de la calidad estadística en los modelos internos y estándar. El impacto de la deficiencia de datos en los riesgos financieros y técnicos y el nuevo riesgo de modelo. 

​

• Métodos y asunciones

• Replica de Portfolios

• Consistencia, cobertura, resolución y congruencia

• Calidad de la data

• Criterio experto

• Riesgo mercado

• Riesgo de suscripción de no vida

• Riesgo operacional

• Governanza

• Comunicación en la compañía de seguros

• Cobertura de riesgos materiales

• Efecto de diversificación

• Técnicas de mitigación

• Modelización de acciones futuras

• Opciones y garantías financieras

 

Módulo 7: Auditoría interna de gobierno del dato

​

Este módulo explica  los problemas a los que se enfrentan las compañías de seguros a la hora de tratar los datos con la tecnología y métodos tradicionales y facilita pautas sobre cómo se deben abordar estos problemas desde Auditoría Interna.

​

• MODELO DE GOBIERNO DEL DATO 

  • Estándares para el gobierno del dato

  • Mejores prácticas en materia de gobierno del dato 

  • Relación entre el “gobierno y calidad del dato”

  • y otras disciplinas de sistemas 

  • Nuevos actores en el gobierno del dato

  • El rol de Auditoría Interna 

• GESTIÓN DEL DATO 

• Ciclo de vida del dato

• Calidad del dato

•  Trazabilidad del dato

• Calidad de los informes 

• ARQUITECTURA TÉCNICA 

• FACILITADOR DEL BUEN GOBIERNO DEL DATO

• El rol de Auditoría Interna 

• MEJORES PRÁCTICAS EN LA SEGURIDAD 36 EN ACCESO A LOS DATOS

• El rol de Auditoría Interna 

• Ejercicio 2: Revisión y auditoría de la calidad del dato en R

​

​

Módulo 8: Own Risk and Solvency Assessment (ORSA)

​

Objetivo:  ORSA es el acrónimo de Own Risk and Solvency Assestment y se explica el conjunto de procesos empleados para evaluar los riesgos conforme a las necesidades de capital. Se explica pormenorizadamente el marco de gestión, el proceso ORSA y los informes ORSA.

 

• Alcance de ORSA

• Contexto normativo:

• Marco de gestión

• Proceso ORSA

• Informe ORSA

• Sistema de gobierno

• Riesgo de la entidad

• Prueba de estrés y análisis de escenarios

• Requerimientos de capital y evaluación de la solvencia

• Plan de negocio y planificación de capital

 

Estructura Temporal de los Tipos de Interés

​

Módulo 9: Modelización de estructura temporal de tipo de interés (ETTI)

​

Objetivo:  La relevancia de modelizar adecuadamente la estructura temporal de tipo de interés o yield curve es crucial para la adecuada valoración de los pasivos de la compañía de seguros. Se explica como construir la curva, el rol de los modelos estocásticos y metodologías de extrapolación entre muchos otros temas. 

​

• Concepto Yield Curve

• Nelson Siegel

• Yield curve smoothing y modelos de estructura temporal

• Métodos de interpolación: Cubic Splines

• Métodos de Extrapolación: Wilson-Smith

• Modelización estocástica

  • Modelo Cox-Ingersoll-Ross

  • Modelo Heath-Jarrow-Morton

• Seleccionando variables objetivos

• Análisis de Componentes Principales

• Selección de escenarios

• Modelo de Vacicek

• Modelo Vacicek de tipo de interés

• Modelo Libor Market Model

• Curva de tipo de interés en EIOPA

  • Curva básica

  • Last Liquid point

  • Ajuste de volatilidad

  • Ajuste por casamiento de flujos

  • Implementación de la extrapolación

• Ejercicio 2: Ejercicio de Componentes Principales en SAS

• Ejercicio 3: Estimación parámetros Nelson Siegel en SAS y Excel

• Ejercicio 4: Interpolación en Excel

• Ejercicio 5: Calculadora de simulación CIR y Vasicek en Excel y VBA

• Ejercicio 6: Caplet y Swaption usando Libor Market Model en Excel y VBA

• Ejercicio 7: Método de extrapolación de Wilson-Smith en Excel y R

​

Módulo 10: Medición del riesgo de tipo de interés

​

Objetivo:  Se mide el riesgo de tipo de interés con herramientas clásicas como duración y convexidad y se explica la inmunización, técnica, para mitigar el riesgo de tipo de interés. 

 

• Duración Macaulay en bonos

• Duración Modificada

• Convexidad

• Duración y Duración Modificada

• Duración y convexidad de cartera

• Duración de Recursos Propios

• Inmunización de carteras

• Convexidad Negativa

• Ejercicio 8: Estimación de duración y efecto de convexidad en Excel

• Ejercicio 9: Inmunización en cartera de bonos Excel

 

IFRS 17

 

Módulo 11: Normativa Internacional de información financiera

IFRS 17 e IFRS 4

​

Objetivo: El estándar IFRS 17 cambia profundamente el enfoque de contabilización de los seguros, pasando de un esquema tradicional, basado en valores históricos, a un enfoque más cercano al "valor económico" de los contratos. Se explican las metodologías y mediciones del contrato del seguro.

​

• IFRS 4 valoración del pasivo por contrato de seguro

• Objetivo y Alcance 

• Current exit value

• Proyección de flujos futuros estimados

• Tipo de mercado ajustado al pasivo

• Margen de riesgos

• Current value approach

• IFRS 17: Contrato de Seguro

• Objetivo y Alcance

• Tipología de contratos de seguros

• Desagregación y clasificación de contratos IFRS 9

• Diferencias con IFRS 4

• Fechas de implementación

• Mejoras del IFRS 17 sobre las actuales prácticas contables

• Costes de implementación

• Información sobre la rentabilidad

  • Estimación del valor actual de flujos de caja futuros

  • Ajuste al riesgo

  • Margen de servicio contractual

• Diferencia en el estado de resultados con IFRS 17

• Metodologías y medición de los contratos de seguro

  • Building Block Approach (BBA)

  • Variable Fee Approach (VFA)

  • Premium Allocation Approach (PAA)

• IFRS 17 y Solvencia II

• Ejercicio 10: Impacto de escenarios económicos en balance, cuenta de resultados y flujos de caja futuros por valoración de contratos de seguro de vida, bajo enfoque IFRS 17, incluyendo ajuste al riesgo y margen de servicio contractual en Excel y R.  

​

VALORACIÓN DE PROVISIONES

​

Módulo 12: Valoración de provisiones de Seguro de Vida

​

Objetivo:  Se muestran las Directrices sobre la valoración de las provisiones técnicas de seguro de Vida para aumentar la coherencia y la convergencia de la práctica profesional de todos los tipos y tamaños de empresas aseguradoras. Fermac Risk muestra la experiencia Europea de esta práctica.

 

• Modelos determinístico de Seguro de Vida

• Valoración de portfolio determinístico

• Valoración de portfolio estocástico

• Riesgo Técnico de Vida

• Protección frente a riesgo técnico de vida con opciones

• Contratos con PB

• Contratos sin PB

• Unit link

• Variable Annuities

• Reaseguro

• Modelo de Caída Dinámico (Lapse rate)

• Opciones de Rescate

• Opción en participación de beneficios

• Ejercicio 1: Herramienta de Valoración de portfolio de seguro de vida, incluye:

  • Simulación de tipo de interés Vasicek

  • Simulación estocástica de riesgo de mortalidad

  • Modelización de lapse rate

  • Opciones usando modelo black sholes.

• Ejercicio 14: Variable Annuities usando modelo Black Sholes

​