Dabas katastrofu ietekmes simulācija uz Latvijas ekonomiku un apdrošināšanas sektoru

Velga Ozoliņa, Latvijas Bankas ekonomiste
Kristīne Petrovska, Latvijas Bankas ekonomiste

Izveidotais modelis ir paredzēts tikai dabas katastrofu radīto zaudējumu tiešās ietekmes analīzei uz iekšzemes kopproduktu (IKP) un apdrošināšanas sektoru. Tajā netiek analizēta rekonstrukcijas darbu, adaptācijas pasākumu un citu aspektu ietekme uz IKP izaugsmi. Modelī lielākā daļa rādītāju ir attiecināti pret IKP, tādēļ cenu ietekme modelī tiek atspoguļota tikai netieši.

Modeļa pieņēmumi un sakarības attiecībā uz dabas katastrofām un apdrošināšanas segumu

Dabas katastrofu radītie zaudējumi

Vidējo un maksimālo zaudējumu apmērs katram risku veidam noteikts atbilstoši rakstā par dabas katastrofām Latvijā dotajiem novērtējumiem. Atgādinājumam – Latvijā novērotie dabas katastrofu radītie zaudējumi palielinās atbilstoši Austrum- un Ziemeļeiropas tendencēm.

Lai vienkāršotu aprēķinus, izmantojām pieņēmumu, ka liela vētra iespējama tikai pirmajā ceturksnī, pavasara pali tikai otrajā ceturksnī, bet lietus plūdi trešajā ceturksnī. Savukārt vidējie zaudējumi vētrām un lietus plūdiem tiek rēķināti kā ceturtā daļa no attiecīgā gada vērtības, bet pavasara plūdiem gada vidējie zaudējumi tiek attiecināti uz 2. ceturksni un tikai tad, ja attiecīgajā gadā nav novēroti lieli pavasara plūdi.

Dabas katastrofu radītie zaudējumi tiek aprēķināti, izmantojot sakarības:

Dmax_tot = Dmax_storm + Dmax_rain + Dmax_spring

Dmean_tot = Dmean_storm + Dmean_rain + Dmean_spring

D_tot = Dmax_tot + Dmean_tot

DImax_tot = SI_storm*Dmax_storm + SI_rain*Dmax_rain + SI_spring*Dmax_spring

DImean_tot = SI_storm*Dmean_storm + SI_rain*Dmean_rain + SI_spring*Dmean_spring

DI_tot =DImax_tot + DImean_tot

kur        

Dmax_tot, Dmax_storm, Dmax_rain, Dmax_spring – lielie kopējie - lielu vētru, lielu lietus plūdu un lielu palu - radītie zaudējumi,

Dmean_tot, Dmean_storm, Dmean_rain, Dmean_spring – vidējie kopējie - vētru, lietus plūdu un palu - radītie zaudējumi,

D_tot – kopējie dabas katastrofu radītie zaudējumi,

SI_storm, Si_rain, SI_spring – apdrošināto zaudējumu īpatsvars (attiecīgi vētrām, lietus plūdiem un pavasara plūdiem),

DImax_tot, DImean_tot, DI_tot – apdrošinātie zaudējumi lielu katastrofu, vidēju katastrofu gadījumā un kopējie.

Piezīme:  Vidējie pavasara plūdu zaudējumi tiek ņemti vērā tikai tad, ja attiecīgajā gadā nav novērojami katastrofāli plūdi. Vētrām un lietus plūdiem sagaidāmie zaudējumi ir vienmērīgi sadalīti gada ietvaros, bet pavasara plūdiem tikai 2. ceturksnī.

Lielu dabas katastrofu varbūtības

Lai simulētu lielu dabas katastrofu radīto zaudējumu iestāšanos, tika izmantoti gadījuma skaitļi un attiecīgo katastrofu norises varbūtības. Lai noteiktu šīs varbūtības, nepieciešami pieņēmumi par dabas katastrofu skaitu līdz 2050. gadam (t.i., turpmākajos 28 gados). Balstoties uz analīzi, kuras galvenie rezultāti atspoguļoti rakstā par dabas katastrofām Latvijā, noteicām, ka līdz 2050. gadam mūs sagaida:

• Lielas vētras – 1 līdz 2, tādējādi varbūtības pieaug no 3,6% perioda sākumā līdz 7,1% 2050. gadā.
• Lieli lietus plūdi – 3 līdz 6, attiecīgi varbūtības palielinās no 10,7% līdz 21,4%.
• Lieli pavasara pali – 7 visa perioda laikā, atbilstošā varbūtība 25%.

Pieņēmumi par apdrošināto zaudējumu īpatsvaru

Sākam ar pieņēmumu, ka 50% no visiem īpašumiem (vērtības izteiksmē) ir apdrošināti (galvenokārt nekustamais īpašums, bet arī transportlīdzekļi un citi objekti). Turpmāk šis īpatsvars varētu pieaugt desmit reizes lēnākā tempā nekā IKP iepriekšējā perioda pieaugums (ja ņem vērā bāzes IKP tendences, tas pieaugtu līdz 60% 2050. gadā). Pieņēmumi ir balstīti uz informāciju no 2022. gada ERGO drošības indeksa[1], kura analīze liecina, ka 38,7% respondentu – automašīnu īpašnieku – ir iegādājušies KASKO polisi, savukārt 59,4% no respondentiem, kam pieder nekustamais īpašums, ir atbilstoša apdrošināšanas polise. Savukārt LAA informācija saistībā ar ugunsgrēkiem[2] liecina, ka 90-95% uzņēmumu un 30-40% mājsaimniecības apdrošina savus īpašumus. Mājsaimniecību gadījumā galvenokārt tiek apdrošinātas privātmājas.

LAA sniegtajā informācijā norādīts, ka nekustamo īpašumu apdrošināšanā 5-100%, bet vidēji 30% parakstīto prēmiju ietver arī dabas stihiju apdrošināšanu, KASKO gadījumā šis īpatsvars vidēji ir 1-6%. Pieņemot, ka daudzos gadījumos kustamo mantu ir vienkāršāk nosargāt nekā nekustamo īpašumu, savus pieņēmumus par dabas katastrofu segumu polisēs balstām pamatā uz datiem par nekustamo īpašumu apdrošināšanu.

Tā kā apdrošinātāju izmaksātajās atlīdzībās dominē vētras un krusa, tad pieņemts, ka vētru izraisīto zaudējumu segums palielināsies no 40% šobrīd līdz 60% 2050. gadā. Lietus radīto plūdu gadījumā pieņemam, ka segums atbilst vidējam, tas ir, 30% šobrīd un pieaug līdz 40% 2050. gadā. Savukārt, pavasara plūdiem pieņemam 5% segumu šim brīdim vairāku iemeslu dēļ – pirmkārt, ne visi īpašumi ir pakļauti palu riskam; otrkārt, ja īpašums regulāri applūst, to nav iespējams apdrošināt pret plūdu risku (apdrošināšana parasti ir iespējama, ja plūdu attiecīgajā īpašumā nav bijis iepriekšējos 5 gados). Ņemot vērā, ka pavasara plūdu risks nākotnē var pieaugt (un aptvert plašākas teritorijas) jūras līmeņa celšanās un ledus sastrēgumu dēļ, pieņemam, ka apdrošināšanas segums šim riskam var pieaugt līdz 10% 2050. gadā.

LAA sniegtā informācija ietvēra arī datus par atteikumu īpatsvaru atlīdzību pieprasījumos. Tas svārstās 9-30% ietvaros, vidēji sasniedzot 18%. Aprēķinu vajadzībām pieņemam, ka vētru gadījumā atteikumu īpatsvars ir viszemākais, tas ir, 9%. Lietus plūdu gadījumā pieņemam, ka atteikumu īpatsvars atbilst vidējam, tas ir 18%. Bet palu gadījumā pieņemam, ka atteikumu īpatsvars ir visaugstākais jeb 30%.

Sakarības apdrošināto zaudējumu īpatsvara aprēķinam:

SIPV = SIPV_(-1)*(GDP^A_(-1)/GDP^A_(-2)/10+0.9)

SI_storm = SIPV*SPR_storm*SIC_storm

SI_rain = SIPV *SPR_rain*SIC_rain

SI_spring = SIPV *SPR_spring*SIC_spring

kur

SIPV – īpašumu vērtības daļa, kas ir apdrošināta,

GDP^A – atbilstoši simulācijas rezultātiem koriģētais IKP,

CC – lielu katastrofu efekta korekcijas koeficients,

SPR_storm, SPR_rain, SPR_spring – prēmiju vērtības daļa, kas ir saistīta ar dabas katastrofām (attiecīgi vētrām, lietus plūdiem un pavasara plūdiem),

SIC_storm, SIC_rain, SIC_spring – apdrošinātāju akceptēto atlīdzības pieteikumu īpatsvars dabas stihiju radīto zaudējumu segšanai (attiecīgi vētrām, lietus plūdiem un pavasara plūdiem).

Pieņēmumi par apdrošināšanas īpatsvara pieaugumu pēc lielām dabas katastrofām

Lielas dabas katastrofas ne tikai rada lielus zaudējumus, bet var ietekmēt arī lēmumus attiecībā uz īpašumu apdrošināšanu. Savos aprēķinos pieņemam, ka šī ietekme izpaužas trīs veidos, pirmkārt, lielas dabas katastrofas ietekmē apdrošināto īpašumu daļu, otrkārt, tās ietekmē konkrētā riska iekļaušanu polises segumā, treškārt tās ietekmē prēmiju apjomu. Faktiski prēmijas pieaug gan polišu skaita, gan cenu pieauguma dēļ.

Faktori, kas ietekmē lēmumus par apdrošināšanas polišu iegādi, vairāk ir pētīti tieši saistībā ar plūdiem. Kā būtiskākie ietekmējošie faktori tiek minēti iedzīvotāju ienākumi un polises cena, kā arī plūdu radītie zaudējumi iepriekšējā gadā.

Pētījums par plūdu apdrošināšanu ASV[3] norāda, ka pēc plūdiem (neatkarīgi no to apmēra) attiecīgajā reģionā apdrošināto īpašumu īpatsvars pieaug par 9%, pēc tam tas pakāpeniski samazinās līdz 9 gadu laikā sasniedz bāzes līmeni. Savukārt, ja plūdi notikuši blakus reģionā vai par plūdiem citos reģionos stāstīts vietējā televīzijā, apdrošināto īpašumu īpatsvars pieaug par 3% un tas atgriežas bāzes līmenī 6 gadus pēc plūdiem. Šis vērtējumam ir divi trūkumi:

• Pirmkārt, pētījumā pieņemts, ka plūdu varbūtības 1958.-2007. gadā ir nemainīgas, kas neatbilst klimata pārmaiņu procesa būtībai;
• Otrkārt, apdrošināšanas prēmijas (insurance rates) ASV nosaka federālā valdība, tādēļ tās pirms un pēc plūdiem ir gandrīz identiskas. Attiecīgi nav novērtēta polišu cenu ietekme uz apdrošināto īpašumu izmaiņām.

Salīdzinājumam – citā pētījumā par plūdu riska apdrošināšanu pēc orkāniem[4] noteikts, ka pie nosacījuma, ka federālā atbalsta saņēmējiem jāiegādājas plūdu apdrošināšana, rezultātā tika iegādāts par 5% vairāk polišu. Savukārt, ja šāds nosacījums nebija jāievēro, tad polišu skaits palielinājās par 1,5%, bet trīs gadu laikā šis efekts bija izzudis.

Savukārt pētījumā, kas aptver dažāda veida katastrofas ASV[5] novērtēts, ka privātīpašumu apdrošināšanā svarīga ir inerce, t.i., liela ietekme ir iepriekšējā perioda prēmiju apjomam. Pēc katastrofām pieaug polišu cena, palielinot kopējo prēmiju apjomu attiecīgajām polisēm. Tomēr vienlaikus novērojama vēl lielāka negatīvā ietekme, jo daļa īpašnieku atteiksies no apdrošināšanas, kā arī apdrošinātāji var pamest attiecīgo reģionu, tādējādi samazinot izsniegto polišu skaitu. Attiecīgi kopējā parakstīto prēmiju vērtība un apdrošināto īpašumu īpatsvars pēc katastrofām samazinās.

Tā kā Latvijā līdz šim apdrošinātāji ir novērojuši noteiktu klientu aktivitātes pieaugumu pēc lielākām dabas katastrofām, pieņemam, ka kopējais efekts ir pozitīvs, bet tas ir neliels un pakāpeniski izbeidzas trīs gadu laikā. Nākamajā ceturksnī pēc katastrofas attiecīgā riska segums palielinās par 1,5%. Savukārt attiecībā uz apdrošināto īpašumu daļu un prēmiju apjomu ņemam vērā vidējo ietekmi. Tātad, ja iepriekšējā ceturksnī ir novēroti lieli zaudējumi visu trīs modelī iekļauto dabas katastrofu dēļ, tad arī apdrošināto īpašumu daļa un parakstīto prēmiju vērtības palielināsies par 1,5%, bet pārējos gadījumos pieaugums būs mazāks un atkarīgs no tā, cik sen lielās katastrofas notikušas.

Sakarības, kurās izmantoti korekcijas koeficienti pēc lielām dabas katastrofām:

CC = (CC_storm + CC_rain + CC_spring)/3

SPR_storm = SPRT_storm*(1+CC_storm)

SPR_rain = SPRT_rain*(1+CC_rain)

SPR_spring = SPRT_spring*(1+CC_spring)

kur

CC – lielu katastrofu efekta korekcijas koeficients,

CC_storm, CC_rain, CC_spring – korekcijas koeficienti apdrošināšanas seguma pieaugumam pēc attiecīgās dabas katastrofas (vētras, lietus vai pavasara plūdiem),

SPR_storm, SPR_rain, SPR_spring – prēmiju vērtības daļa, kas ir saistīta ar dabas katastrofām (attiecīgi vētrām, lietus plūdiem un pavasara plūdiem),

SPRT_storm, SPRT_rain, SPRT_spring – trends prēmiju vērtības daļai, kas ir saistīta ar dabas katastrofām (attiecīgi vētrām, lietus plūdiem un pavasara plūdiem).

Ietekme uz IKP un apdrošināšanas sektoru: Bāzes scenārijs

IKP pieauguma temps

Aprēķinos izmantojam Latvijas Bankas IKP prognozes (salīdzināmajās cenās, sezonāli un kalendāri izlīdzināti dati) līdz 2024. gadam. Turpmākajam 2025.-2050. gada periodam izmantotas NGFS novēlotās pārejas (Delayed transition) scenārija IKP vērtības (iegūtas ar REMIND-MAgPIE 3.0-4.4 modeli)[6], kas ietver augstu hronisko fizisko risku zaudējumu novērtējumu, lineāri interpolējot gada datus uz ceturkšņa datiem un kalibrējot vērtības tā, lai 2024. gadā tās atbilstu Latvijas Bankas prognozēm.

Modeļa sakarībās IKP pieauguma temps tiek rēķināts pret koriģēto IKP, ņemot vērā dabas katastrofu ietekmi. Pieņēmums ir tāds, ka IKP pieauguma tempu dabas katastrofas ietekmē tikai attiecīgajā ceturksnī, bet jau nākamajā ir iespējams tāds pats pieaugums absolūtajā izteiksmē kā bāzes scenārijā. Pie neliela apdrošināto zaudējumu īpatsvara tas nozīmē, ka nākamajā ceturksnī IKP relatīvā izteiksmē pieaugs nedaudz straujāk kā bāzes scenārija gadījumā, ko var skaidrot arī ar atjaunošanas darbiem.

Koriģētā IKP aprēķina vienādojumi:

GDP^D_gr = -0.25* Dmax_tot + 0.37* DImax_tot

GDP_gr = (GDP – GDP_(-1))/GDP^A_(-1)

GDP^A_gr = GDP_gr + GDP^D_gr

GDP^A = GDP^A_(-1) *(1 + GDP^A_gr/100)

GDP^A_tot(-1) = GDP^A_(-1) + GDP^A_(-2) + GDP^A_(-3) + GDP^A_(-4)

kur

GDP^A_gr – koriģētais IKP pieauguma temps,

Dmax_tot – lielu katastrofu radītie zaudējumi,

DImax_tot – apdrošinātie lielu katastrofu radītie zaudējumi,

GDP_gr – bāzes IKP pieauguma temps,

GDP – IKP bāzes vērtība (Latvijas Bankas un NGFS prognozes),

GDP^A – atbilstoši simulācijas rezultātiem koriģētais IKP,

GDP^A_tot(-1) – IKP gada vērtība ar viena ceturkšņa nobīdi.

Pieņēmumi par apdrošināšanas prēmijām un atlīdzībām

Attiecībā uz prēmijām pieņemts, ka caurmērā tās aug proporcionāli gada kopējām IKP izmaiņām. Aprēķinos izmantots arī sezonalitātes koeficients, kas atspoguļo salīdzinoši lielo prēmiju apjomu katra gada 1.ceturksnī. Savukārt atlīdzību gadījumā pieņemts, ka atlīdzības, kas nav saistītas ar dabas katastrofām, mainās proporcionāli gada prēmiju apjomam.

Prēmiju un atlīdzību aprēķina vienādojumi:

Premiums = GDP^A_tot(-1) * (k₁ + k_seas1) /1000*(1+CC)

Premiums_tot(-1) = Premiums_(-1) + Premiums_(-2) + Premiums_(-3) + Premiums_(-4)

Claims = Premiums_tot(-1)*k₂ + DI_tot

Net = Premiums – Claims

kur

Premiums – prēmiju apjoms ceturksnī,

Premiums_tot(-1) – prēmiju gada vērtība ar viena ceturkšņa nobīdi,

GDP^A_tot(-1) – IKP gada vērtība ar viena ceturkšņa nobīdi,

k_seas1 – 1. ceturkšņa sezonalitāte koeficients prēmijām,

CC – lielu katastrofu efekta korekcijas koeficients,

Claims – atlīdzības ceturksnī,

DI_tot – apdrošinātie zaudējumi,

Net – prēmiju un atlīdzību starpība.

Pieņēmumi attiecībā uz pašu kapitālu

Iespējamo maksātnespējas risku izvērtēšanai apdrošināšanas sektorā definējam nosacījumus, pie kuriem trešais lielākais apdrošinātājs varētu pamest tirgu. Šo maksātspējas rādītāja (SCR) slieksni vienam apdrošinātājām noteicām 90%. Ja pārējo apdrošinātāju maksātspējas norma netiktu ietekmēta, tad visu apdrošinātāju maksātspējas rādītājs būtu vidēji 130%. Tomēr dabas katastrofu gadījumā nav ticama situācija, ka cieš tikai viens apdrošinātājs. Tādēļ pieņemam, ka pārējo apdrošinātāju maksātspējas rādītājs samazinās līdz 110%, tādējādi nozares vidējā vērtība ir aptuveni 105%. Savukārt par riskantu uzskatām tādu situāciju, kad maksātspējas rādītājs ir zemāks par 105% divus ceturkšņus pēc kārtas.

Apdrošināšanas sektora maksātspējas rādītāja turpmākās dinamikas novērtēšanai, nepieciešams vērtēt pašu kapitāla attīstību. Pieņemam, ka tā, galvenokārt, ir atkarīga no ekonomiskās attīstības Latvijā un ārvalstīs, kā arī prēmiju un atlīdzību starpības iepriekšējā ceturksnī.

Lai novērtētu, cik lielā mērā pašu kapitāla vērtību ietekmē Latvijas un citu valstu ekonomika, izmantojām datus par aktīvu (ieguldījumu) struktūru. Atbilstoši mums pieejamajiem datiem (Latvijas Bankas vērtspapīru statistika, EIOPA insurance statistics) vidēji 70% apdrošinātāju ieguldījumu portfeļa veido valdības obligācijas, 20% uzņēmumu obligācijas un 10% akcijas (equity). Valdības obligāciju grupā 20% ir Latvijas valdības, bet 78% ES/EEA valdību parādzīmes. Uzņēmumu obligāciju grupā 15% ir Latvijā, 59% ES/EEA, bet 13% ir ASV bāzēto uzņēmumu parādzīmes. Savukārt akciju grupā 62% ir Latvijas, bet 37% ES/EEA uzņēmumu akcijas. Apkopojot šos datus, pieņemam, ka 24% ieguldījumu portfeļa ir saistīts ar Latvijas tirgu, 73% ar ES tirgu, bet 3% ar ASV tirgu. Tas nozīmē, ka, klimata katastrofai skarot Latviju, ES vai ASV, būtiski tiek ietekmēta arī apdrošinātāju ieguldījuma portfeļa vērtība (dabas katastrofu seku likvidēšanas izdevumu segšana no valsts budžeta mazina (reģionu) valdības un uzņēmumu parādzīmju vērtību).

Prēmiju un atlīdzību starpība iepriekšējā ceturksnī pašu kapitāla vērtību ietekmē tieši – ja tā ir pozitīva, tad apdrošinātāji var palielināt pašu kapitāla vērtību. Savukārt, ja tā ir negatīva, apdrošinātāji būs spiesti daļu vērtspapīru pārdot, lai varētu segt atlīdzības.

Maksātspējas rādītāja un pašu kapitāla aprēķina vienādojumi:

Solvency = (Cap/SCR)*100

Cap_LV = SC_LV * Cap_(-1) * (1 + GDP^A_gr/100)

Cap_EU = SC_EU * Cap_(-1) * (1 + GDP^EU_gr/100)

Cap_US = SC_US * Cap_(-1) * (1 + GDP^US_gr/100)

Cap¹ = k₃ * (Cap_LV + Cap_EU + Cap_US)

Cap = Net + Cap¹

kur

Solvency – maksātspējas rādītājs,

Cap – pašu kapitāls,

SCR – maksātspējas norma,

Cap_LV , Cap_EU , Cap_US – apdrošinātāju pašu kapitāls, kas saistīts ar ekonomisko attīstību Latvijā, ES/EEZ un ASV,

SC_LV , SC_EU , SC_US – apdrošinātāju aktīvu īpatsvars, kas ieguldīts obligācijās un akcijās Latvijā, ES/EEZ un ASV,

GDP^A_gr – koriģētais Latvijas IKP pieauguma temps,

GDP^EU_gr – IKP pieauguma temps ES (28 bez Maltas un Kipras),

GDP^US_gr – IKP pieauguma temps ASV,

Cap¹ – pašu kapitāla daļa, kas ir atkarīga no ekonomiskās attīstības Latvijā, ES un ASV,

Net – starpība starp prēmijām un atlīdzībām.

Pieņēmumi par maksātspējas normu (Solvency Capital Requirement – SCR).

Maksātspējas norma tiek aprēķināta, ņemot vērā četrus būtiskākos riskus:

• Parakstīšanas risks – neatbilstoši noteiktas prēmijas, tādēļ atlīdzības pārsniedz parakstīto prēmiju apjomu. Saskaņā ar LAA datiem, Latvijas apdrošinātāji visus dabas katastrofu riskus pārapdrošina, tādēļ risks nav liels. Tomēr, ja nav noteikts atbilstošs pārapdrošināšanas limits, tad šis risks var iestāties. Tāpat problēmas var radīt pārapdrošināšanas cenu izmaiņas, kas var būtiski pieaugt, palielinoties globālā mērogā lielu dabas stihiju radīto zaudējumu apmēram. Tādējādi maksātspējas norma var tikt palielināta gan pēc vietējā, gan pasaules mērogā lielām dabas katastrofām.
• Tirgus risks – dabas katastrofu dēļ samazinās obligāciju un akciju vērtība, īpaši tajās valstīs, kurās šīs katastrofas norisinās. Lielai dabas katastrofai norisinoties Latvijā, apdrošinātājiem var nākties savus vērtspapīrus pārdot par neadekvāti zemām cenām (fire sales), lai varētu segt atlīdzības. Attiecīgi lielu dabas katastrofu gadījumā šis risks palielinās, tādējādi palielinās arī maksātspējas norma.
• Kredītrisks – šis risks ir saistīts ar apdrošinātāju maksātnespējas risku, kas apdrošināšanas sabiedrību filiālēm var nebūt tik aktuāls, jo mātes uzņēmums var novirzīt nepieciešamo kapitālu šī riska novēršanai. Kredītriska gadījumā var runāt arī par aktīvu portfeļa defolta risku, tas ir, ka ieguldījumi var defoltēt vai zaudēt investīciju klases reitingu, radot nepieciešamību tos pārdot. Bankrotēt var arī pārapdrošinātājs, radot problēmas ar atlīdzību segšanu postošas katastrofas norises brīdī. Attiecīgi maksātspējas norma palielinās.
• Operacionālais risks – šeit svarīgas ir tikai vietējā mērogā lielas katastrofas, kas var izraisīt apdrošinātāja ēku un tehnikas bojājumus, problēmas ar darbiniekiem (piemēram, traucētas mobilitātes vai veselības problēmu dēļ) un tādējādi traucēt apdrošinātāju darbību.

Praktiski ir tā, ka pie augstākas ekonomiskās izaugsmes un citiem labvēlīgiem faktoriem, maksātspējas norma ir zemāka, bet lejupslīdes laikā tā paaugstinās. Vēl ir jāņem vērā ne tikai situācija iekšzemē, bet arī saistītajās valstīs. Latvijas gadījumā tās ir ES un ASV, kas lielā mērā spēj ietekmēt arī pārapdrošināšanas nosacījumus.

Attiecībā uz riskiem bāzes scenārijā pieņemam:

• Parakstīšanas risks nemainās dabas katastrofu dēļ, tas ir, pārapdrošināšanas nosacījumi ļauj segt visus dabas katastrofu radītos apdrošinātos zaudējumus. Tomēr risks mainās līdz ar prēmiju izmaiņām, pieņemot, ka lielākas prēmijas palielina risku kļūdīties, nosakot polises cenu.
• Tirgus risks ir atkarīgs tikai no kopējām ekonomikas attīstības tendencēm gan Latvijā, gan ES un ASV.
• Kredītrisks nemainās lielu dabas katastrofu dēļ, jo grūtību gadījumā apdrošinātājiem palīdz mātes uzņēmums, bet ieguldījumi ir veikti atbilstošas kvalitātes aktīvos. Tas mainās atbilstoši Latvijas ekonomikas attīstībai.
• Operacionālais risks palielinās tikai lielu vētru gadījumā attiecīgajā ceturksnī.

Papildus maksātspējas normas vērtību ietekmē arī tās vērtība pirms gada, iekļaujot sevī lielu skaitu citu faktoru, ko makro līmenī grūtāk novērtēt.

 

Maksātspējas normas aprēķina vienādojumi:

SCR = SCR_uwr + SCR_mr + SCR_cr + SCR_opr +SCR_base

SCR_uwr = k₄ * Premiums

SCR_mr = k₅ * (-SC_LV * GDP^A_gr – SC_EU * GDP^EU_gr – SC_US * GDP^US_gr)

SCR_cr = k₆ * GDP^A_gr

SCR_opr = k₇ * Dmax_storm / 1000

SCR_base = k₈ * SCR_(-4)

kur

SCR, SCR_uwr, SCR_mr, SCR_cr, SCR_opr, SCR_base – maksātspējas norma un tās daļas, kas ir saistītas ar parakstīšanas risku, tirgus risu, kredītrisku, operacionālo risku un pārējiem riskiem,

Premiums – prēmijas,

SC_LV , SC_EU , SC_US – apdrošinātāju aktīvu īpatsvars, kas ieguldīts obligācijās un akcijās Latvijā, ES/EEZ un ASV,

GDP^A_gr – koriģētais Latvijas IKP pieauguma temps,

GDP^EU_gr – IKP pieauguma temps ES (28 bez Maltas un Kipras),

GDP^US_gr – IKP pieauguma temps ASV ,

Dmax_storm – zaudējumi lielu vētru gadījumā.

Pieņēmumi par IKP, dabas katastrofu biežumu un to ietekmi uz IKP ES un ASV

IKP novērtējumam izmantoti divi avoti: Ekonomiskās sadarbības un attīstības organizācijas (OECD) prognozes līdz 2025. gadam pa ceturkšņiem[7] un NGFS novēlotās pārejas (Delayed transition) scenāriju dati (aprēķināti, izmantojot REMIND-MAgPIE 3.0-4.4 modeli)[8], kas ietver augstu hronisko fizisko risku zaudējumu novērtējumu, lineāri interpolējot piecu gadu datus uz ceturkšņa datiem.

Dabas katastrofu ietekmes novērtējumam uz IKP izmantoti S&P Global Ratings 2022. gada pētījuma dati[9], kas parāda, ka fizisko klimata risku iestāšanās gadījumā IKP samazinājums ASV var būt ap 1 procentpunktu, bet Eiropā tas ir salīdzinoši niecīgs – ap 0,1 procentpunktu. Mēs pieņemam, ka šī ietekme ir īslaicīga un attiecinām to uz ceturksni, kurā parādās liela katastrofa.

Izmantojot USA Facts apkopoto informāciju[10] un atlasot tajā dabas katastrofas, kas radījušas zaudējumus lielākus par 50 miljardiem dolāru (2022. gada cenās) laika periodā 1980.-2022. gads, novērtējām, ka lielu katastrofu iestāšanās varbūtība ir aptuveni 20%. Attiecībā uz Eiropu izmantojām Yale Climate Connections apkopojumu par dabas katastrofām[11]. Tajā izceltas 11 dabas katastrofas, kas radījušas vismaz 10 miljardus dolāru (2022. gada cenās) lielus zaudējumus. Tādējādi pieņemam, ka lielu katastrofu iestāšanās varbūtība Eiropā ir 26%. Mazākais lielu katastrofu raksturojošais zaudējumu slieksnis daļēji arī izskaidro starpību starp katastrofu ietekmi uz ASV un ES ekonomisko izaugsmi jeb IKP.

Minētās sakarības parāda vienādojumi:

GDP^EU_gr = (GDP^EU/GDP^EU_(-1) – 1) – CC_EU

GDP^US_gr = (GDP^US/GDP^US_(-1) – 1) – CC_US

kur

GDP^EU_gr – IKP pieauguma temps ES (28 bez Maltas un Kipras),

GDP^EU – IKP vērtība ES (28 bez Maltas un Kipras) – OECD un NGFS prognozes,

GDP^US_gr – IKP pieauguma temps ASV,

GDP^US – IKP vērtība ASV – OECD un NGFS prognozes,

CC_EU, CC_US – IKP korekcijas koeficienti lielu dabas katastrofu gadījumā (attiecīgi ES un ASV).

Alternatīvie scenāriji

Pieņēmumi zemāka apdrošināšanas līmeņa scenārijam:

• Korekcijas koeficienta vērtība pēc lielām dabas katastrofām ir 2%. Tā pozitīvi ietekmē prēmiju apmēru, jo apdrošināšanas polišu cenas pieaug. Savukārt negatīva ietekme ir uz apdrošināto īpašumu vērtību, t.i., lielāko prēmiju dēļ daļa klientu izvēlēsies savu īpašumu neapdrošināt.
• Prēmiju daļa, kas saistīta ar konkrētu dabas katastrofu segumu, nav atkarīga no lielajām dabas katastrofām.

Specifiskie zemāka apdrošināšanas scenārija vienādojumi:

SIPV = SIPV_(-1)*(GDP^A_(-1)/GDP^A_(-2)/10+0.9)*(1-CC)
SPR_storm = SPRT_storm
SPR_rain = SPRT_rain
SPR_spring = SPRT_spring

kur

SIPV – īpašumu vērtības daļa, kas ir apdrošināta,

GDP^A – atbilstoši simulācijas rezultātiem koriģētais IKP,

CC – lielu katastrofu efekta korekcijas koeficients,

SPR_storm, SPR_rain, SPR_spring – prēmiju vērtības daļa, kas ir saistīta ar dabas katastrofām (attiecīgi vētrām, lietus plūdiem un pavasara plūdiem),

SPRT_storm, SPRT_rain, SPRT_spring – trends prēmiju vērtības daļai, kas ir saistīta ar dabas katastrofām (attiecīgi vētrām, lietus plūdiem un pavasara plūdiem).

Pieņēmumi zemāka apdrošināšanas un augstāka adaptācijas līmeņa scenārijam:

• Saglabājas tie paši pieņēmumi, kas zemāka apdrošināšanas līmeņa scenārijā.
• Adaptācijas pasākumi ļauj samazināt katastrofu izraisītos zaudējumus, sākot no 0% 2023. gadā līdz 60% 2050.gadā lietus un pavasara palu plūdiem un līdz 30% vētrām (stingrāku būvnormatīvu un piekrastes plūdu aizsardzības dēļ).
• Adaptācijas pasākumu līmenis pieaug straujāk pēc lielām katastrofām pieņemot, ka esošā infrastruktūra var būt bojāta un tādēļ tiks atjaunota atbilstoši jaunākajām adaptācijas nepieciešamībām, vai tiks lemts par adaptācijas pasākumu nepieciešamību tur, kur iepriekš tie nebija pieejami. Adaptācijas līmenis nākamajā ceturksnī pēc lielām katastrofām palielinās par 10%, tad pakāpeniski 2 gadu laikā samazinās līdz tendences vērtībai.

Pieņēmumi apdrošināšanas shēmas scenārijam:

• Shēmas darbības periods ir 2030.-2045. gads.
• Shēmas fondu veido iemaksas 12% apmērā no prēmiju vērtības.
• Shēmas darbības laikā apdrošinātā īpašuma vērtība ir par 10% augstāka un tās limits ir 80%.
• Klasiskā apdrošināšana sedz vidējos zaudējumus un lielo katastrofu zaudējumus 30% no apdrošināto īpašumu vērtības apmērā atbilstoši segumam un izmaksāto atlīdzību proporcijai.
• Lielo dabas katastrofu zaudējumus 70% no apdrošināto īpašumu vērtības sedz no apdrošināšanas shēmas fonda ar 97% izmaksāto atlīdzību proporciju – atbilstoši fondā pieejamo līdzekļu apjomam.

Koriģētie un papildu vienādojumi apdrošināšanas shēmas scenārijam:

SIPV = SIPV_(-1)*(GDP^A_(-1)/GDP^A_(-2)/10+0.9)*(1+CC)+A₁
DImax_S = A₂ * SIPV * SIC_s * Dmax_tot
DImax_tot = (SI_storm*Dmax_storm + SI_rain*Dmax_rain + SI_spring*Dmax_spring)*(1-A₂) + DImax_S
SFund = SFund_(-1) + Premiums_(-1)*A₃ - DImax_S

A₁, A₂, A₃ – ar apdrošināšanas shēmas darbību saistītie korekcijas koeficienti,

SIPV – īpašumu vērtības daļa, kas ir apdrošināta,

GDP^A – atbilstoši simulācijas rezultātiem koriģētais IKP,

CC – lielu katastrofu efekta korekcijas koeficients,

DImax_S – shēmas ietvaros apdrošinātie zaudējumi,

SIC_S – apdrošināšanas shēmas akceptēto atlīdzības pieteikumu īpatsvars dabas stihiju radīto zaudējumu segšanai

Dmax_tot – kopējie zaudējumi lielu dabas katastrofu gadījumā

SI_storm, Si_rain, SI_spring – apdrošināto zaudējumu īpatsvars (attiecīgi vētrām, lietus plūdiem un pavasara plūdiem),

DImax_tot, DImax_storm, DImax_rain, DImax_spring – apdrošinātie dabas katastrofu radītie zaudējumi (attiecīgi kopējie, vētru, lietus un palu plūdu),

SFund – uzkrātie apdrošināšanas shēmas līdzekļi.

Modeļa versija, kas paredz iespēju vienam apdrošinātājam iziet no tirgus

Pieņēmumi par prēmiju un apdrošināšanas īpatsvara izmaiņām.

Apdrošinātājam izejot no tirgus, daļu to saistību pārņem citi apdrošinātāji, daļa polišu attiecīgajā ceturksnī automātiski tiek slēgtas, jo beidzas to derīguma termiņš, vēl daļa polišu līgumu tiek lauzti. Attiecīgi daļa klientu, kam vairs nav polises, var lemt to iegādāties pie cita apdrošinātāja, vai atteikties no apdrošināšanas pavisam. Piemēram, pētījumā par 155 nedzīvības apdrošinātāju iziešanu no tirgus Kanādā[12] 1996.-2014. gadā norādīts, ka 25% apdrošinātāju apvienojās ar citu apdrošināšanas sabiedrību, 8% gadījumos to saistības pārņēma pārapdrošinātāji, vēl 32% gadījumu saistības pārņēma citi apdrošinātāji, bet 35% gadījumu apdrošinātāji izgāja no tirgus pakāpeniski, beidzoties ar to klientiem noslēgto apdrošināšanas līgumu termiņiem.

Mēs pieņemam, ka apdrošināto īpašumu īpatsvars samazinātos par 10%, bet prēmiju apjoms mazākā mērā – par 5 % (atbilst īpatsvaram, kas iegūts 20% trešā lielākā apdrošinātāja parakstītās prēmijas attiecinot pret kopējo prēmiju vērtību, pieņemot, ka izmaiņu gadījumā 20% no klientiem nevēlētos pāriet pie cita apdrošinātāja). Tā kā tirgū piedāvājums samazinātos, pieaugtu polišu cenas. Tādējādi savus īpašumus vairs neapdrošinātu gan daļa no tirgu pametušā apdrošinātāja klientiem, gan daļa no citiem klientiem, kam jaunā polišu cena būtu par augstu.

Pieņēmumi par pašu kapitālu

Pieņemam, ka apdrošinātāji, kas pārņems klientus no tirgu pametušā apdrošinātāja, palielinās pašu līdzekļu vērtību atbilstoši “zaudētajai” maksātspējas normai turpmāko 4 ceturkšņu laikā. Citiem vārdiem sakot, trešajam apdrošinātājam izejot no tirgus, kopējā apdrošināšanas sektora pašu kapitāla vērtība samazināsies par 80% no šī apdrošinātāja pašreizējās maksātspējas normas, attiecīgi turpmākā gada laikā ik ceturksni šis “iztrūkums” tiktu samazināts par ceturto daļu no šīs vērtības. Attiecīgi sektora pašu kapitāla vērtība palielināsies tādā apmērā, kas nodrošina pietiekamu apdrošinātāju maksātspējas līmeni, tas ir, sasniedzot vērtību, kas ir lielāka par sektora maksātspējas normu.

Pieņēmumi par maksātspējas normu

Maksātspējas normas aprēķinā daļa, kas saistīta ar parakstīšanas riskiem, samazinās automātiski, sarūkot prēmijām. Maksātspējas normas daļas, kas saistītas ar tirgus risku, kredītrisku un operacionālo risku, paliek nemainīgas, jo tās jau ir nelielas un mūsu modelī tās nav piesaistītas polišu vērtībai. Savukārt maksātspējas normas daļa, kas ir saistīta ar pārējiem riskiem, samazinās atbilstoši pieņēmumam, ka, samazinoties klientu skaitam par 20%, atbilstoši samazinātos arī maksātspējas norma apdrošinātājam, kas iziet no tirgus. Tādējādi kopējā maksātspējas norma samazinātos vidēji par 5%.

Specifiskie šīs modeļa versijas vienādojumi:

SIPV = SIPV_(-1)*(GDP^A_(-1)/GDP^A_(-2)/10+0.9)*(1+CC)*E₁
Premiums = GDP^A_tot(-1) * (k₁ + k_seas1)/1000*(1+CC)*E₂
Cap = Net + Cap¹ - E₃ + E₄
SCR_base = k₈ * SCR_(-4) * E₅

E₁, E₂, E₃, E₄, E₅ – korekcijas koeficienti gadījumā, ja trešais lielākais apdrošinātājs iziet no tirgus,

SIPV – īpašumu vērtības daļa, kas ir apdrošināta,

GDP^A – atbilstoši simulācijas rezultātiem koriģētais IKP,

CC – lielu katastrofu efekta korekcijas koeficients,

Cap – pašu kapitāls,

Cap¹ – pašu kapitāla daļa, kas ir atkarīga no ekonomiskās attīstības Latvijā, ES un ASV,

Net – starpība starp prēmijām un atlīdzībām,

SCR_base – maksātspējas norma (SCR), kas saistīta ar pārējiem riskiem.

 

[1] LAA (2022) ERGO Drošības indekss: Vairāk nekā puse Latvijas iedzīvotāju baidās nonākt nabadzībā. https://www.laa.lv/ergo-drosibas-indekss-vairak-neka-puse-latvijas-iedzivotaju-baidas-nonakt-nabadziba/

[2] LSM.lv (2022) Pēc VUGD paziņojuma par atsevišķu posteņu slēgšanu apdrošinātāji ar bažām gaida ziemu. https://www.lsm.lv/raksts/zinas/latvija/pec-vugd-pazinojuma-par-atsevisku-postenu-slegsanu-apdrosinataji-ar-bazam-gaida-ziemu.a479681/

[3] Gallagher J. (2014) Learning about an Infrequent Event: Evidence from Flood Insurance Take-Up

in the United States. American Economic Journal: Applied Economics 2014, 6(3): 206–233 https://pubs.aeaweb.org/doi/pdfplus/10.1257/app.6.3.206

[4] Bradt J. T. et al (2021) Voluntary purchases and adverse selection in the market for flood insurance. Journal of Environmental Economics and Management, Volume 110, October 2021, 102515 https://www.sciencedirect.com/science/article/abs/pii/S0095069621000826

[5] Born P., Viscusi W. K. (2006) The catastrophic effects of natural disasters

on insurance markets. Journal of Risk Uncertainty (2006) 33:55–72 https://law.vanderbilt.edu/files/archive/263_The-Catastrophic-Effects-of-Natural-Disasters-on-Insurance-Markets.pdf

[6] NGFS Scenario Explorer https://data.ece.iiasa.ac.at/ngfs

[7] Šajā datuāzē nav pieejami dati par Maltu un Kipru, tādēļ ES iekļautas 26 valstis. OECD Dataset: Economic Outlook No 112 - November 2022, https://stats.oecd.org/#

[8] NGFS Scenario Explorer https://data.ece.iiasa.ac.at/ngfs

[9] Jones M. (2022) Climate change putting 4% of global GDP at risk, new study estimates. Reuters. https://www.reuters.com/world/climate-change-putting-4-global-gdp-risk-new-study-estimates-2022-04-27/

[10] USA Facts (2022) Is the number of major natural disasters increasing? https://usafacts.org/articles/are-the-number-of-major-natural-disasters-increasing/

[11] Masters J. (2022) World rocked by 29 billion-dollar weather disasters in 2022. Yale Climate Connections. https://yaleclimateconnections.org/2022/10/world-rocked-by-29-billion-dollar-weather-disasters-in-2022/

[12]Kelly G. (2017) Why inrurers fail. Exit strategies of P&C insurers in Canada. PACICC. http://www.pacicc.ca/wp-content/uploads/2017/11/WIF-2017-Exit-Strategies.pdf