先日、当社のグレーターチャイナ責任者であるアレックス・ツァイは、北京で開催されたインシュアランス・インサイト・サミットで、この重大な疑問について深く掘り下げた：保険数理ソフトウェアの効率性は、IFRS第17号の導入に本当に大きな影響を与えるのでしょうか？保険数理を取り巻く環境は、特にIFRS第17号の世界的な導入に伴いパラダイムシフトが起きており、損害保険会社は生命保険数理ソフトウェアの査定への利用を模索している。本稿では、保険数理ソフトウェアの従来の境界線を探り、従来の生命保険数理モデルにおける予測能力の欠点を浮き彫りにする。

このブログでは、R3S保険数理ソフトを使用した「予測モデル」の例を中心に、IFRS第17号における保険数理ソフトの効率性と影響、特に上位層の測定モデルとの関連についても取り上げている。保険数理ソフトウエアの複雑さと重要性を、進化する保険査定という状況の中で紐解いていくこの旅に、ぜひご参加ください。

背景

保険数理モデルは、保険数理評価を行うための基本的なツールである。伝統的に、生命保険会社はモデル作成に専用の保険数理ソフトウエアを使用するのが一般的であるが、損害保険会社はモデル構築に統計ソフトウエアや自社開発システムを使用するのが主流である。

しかし、会計基準や規制ルールの急速な変化、特にIFRS17の世界規模での導入に伴い、一部の損害保険会社は保険数理査定に生命保険数理ソフトウェアを使用し始めている。また、国内損害保険会社の中にも、これらの関連実務を模索しているところがある。保険数理ソフトは、従来の生命保険利用の枠を打ち破り、徐々に様々な保険数理評価業務のための普遍的なツールになりつつあると言える。

伝統的な保険数理モデルの予測能力の欠点は以下の通りである：

近年、IFRS第17号、ソルベンシー規制、バリュエーション評価などの活動により、保険数理モデルの予測的側面における機能性と効率性の向上に対する要求が高まっている。従来の生保保険数理モデルは、この点である種の欠陥を示すことが多く、使用中に大きな痛手を負うことになった。

例えば、ソルベンシー・ストレステ ストと四半期ソルベンシー・レポートの両方がソルベンシー予測を必要としている。ソルベンシー予測の予測期間は比較的短いにもかかわらず、規制上の規定では、一定の条件の下で、リスク・キャリア・ファクター・アプローチのような簡便な手法の使用を認めている。最低資本予測期間がより長いエンベディッド・バリューと新契約価値の評価に関しては、既存の「エンベディッド・バリュー評価基準」は制限を課しておらず、簡便な計算のためのキャリア手法の使用を認めている。

このような簡便な手法の使用が許可されていることは、従来の生命保険数理モデルの予測機能の限界と明らかに関連している。この関連性は、実用的な運用性を確保するためには、ソルベンシー予測や価値評価において、ある程度の精度と合理性を犠牲にする妥協が必要かもしれないという状況をもたらす。

さらに、IFRS第17号が導入され、評価時に将来キャッシュ・フローを同時に予測することが求められるようになったため、業界はモデル予測に関する問題に直面せざるを得なくなった。

保険数理モデルの基本的な2つのタイプ。

一般的に、保険数理モデルは、時点評価と予測という 2 つの基本的な機能を持っている。初期設計において、時点評価と予測のどちらを重視するかによって、モデルの予測能力に大きな違いが生じる。機能の観点から、生命保険数理モデルは、基本的に2つのタイプに大別することができる：すなわち、"評価モデル "と "予測モデル "である。

その中でも「評価モデル」は、主にポイント・イン・タイムの評価機能に重点を置きながら、予測機能も考慮している。一方、「予測モデル」は予測機能に基づいて構築され、ポイント・イン・タイム評価は予測の特殊な形態として自動的に含まれる。

2種類の保険数理モデルを区別する

ポイント・イン・タイム評価と予測は、どちらも生命保険数理モデルにとって不可欠な機能である。では、なぜ2種類のモデルを区別する必要があるのだろうか。それは、ほとんどの保険数理業務では、異なる保険数理上の前提条件を複数セット同時に使用する必要があることが多いからである。これは、次の2つの側面に現れている：

1.責任査定における最適見積りの前提、不利なシナリオの前提、比較シナリオの前提。

2.責任予測における予測の前提条件と責任評価の前提条件。

この2種類のモデルを区別する技術的な根源は、保険数理モデルが複数の異なる保険数理上の前提条件を同時にどのように扱うかにある。

評価モデル」の場合、モデルを設計する際には、ポイント・イン・タイムの評価機能に主眼が置かれる。予測機能の要件を満たすために、モデルにはある種のリセット計算が導入される。これは、同じ計算ロジックセットを使用し、異なる数理前提を個別に呼び出し、複数の前提セットの下で計算を完了することを含む（異なる前提間の水平リセット計算と理解することができる）。さらに、数理前提の各セットの下での予測では、評価時点の計算ロジックを再利用して、各予測時点の計算を完了する（時間軸に沿った垂直方向のリセット計算と理解できる）。例えば、これは、保険数理ソフトウエアが提供する再評価、再計算、再ベースといった機能を使ったり、保険数理モデルに同様の機能を実装するコードを記述することで実現できる。

一方、"予測モデル "の場合、モデルを設計する際に第一に考慮されるのは予測機能の実装である。ポイントインタイム評価は、単に特別なケースとして含まれるに過ぎない。したがって、モデルのアーキテクチャは "評価モデル "とは大きく異なることが多い。例えば、リセット計算の代わりに階層的計算が使用されることがある。これには、異なる保険数理上の前提条件を使用するようにモデル内のモジュールを階層的に設定し、対応する階層モジュールで異なる前提条件の下での計算を実現し、異なる階層間で計算結果を相互作用させることが含まれる。

2種類の保険数理モデルの簡単な比較

業務効率を考慮しない "評価モデル "は、様々な保険数理評価業務に一般的に適用可能であり、ある種の "普遍性 "を持っているとさえ言える。特に、ポイント・イン・タイムのアセスメントに優れている。しかし、予測機能を実装するとなると、リセット／リピート計算が大量に発生するため、効率が制約されることが多い。

一方、「予測モデル」は一般的に予測機能を実装する上で有利であるが、ポイント・イン・タイム評価にとっては最適解ではないかもしれない。さらに、"予測モデル "は、"評価モデル "ほど "普遍性 "を実装するのが簡単ではないことが多い。しかし、別の方法を採用することで、同様の結果を得ることができるが、これにはここでは説明しない多くの技術的な詳細が含まれる。

まとめると、保険数理上の評価作業において、2種類のモデルの優劣を絶対的に区別することはできない。

予測モデル」の一例。

従来の「評価モデル」とそのアーキテクチャーについては、業界内で広範な議論が行われているため、本稿では、R3S保険数理ソフトウェアを例として、「予測モデル」とそのアーキテクチャーを簡単に示すことに焦点を当てる。

R3S 保険数理ソフトウェアは、RNA Analytics の製品である。RNA Analytics は、英国および韓国に本社を置く、数十年の歴史を持つソフトウェアおよびコンサルティング・サービスのプロバイダーである。同社は、技術革新を活用し、規制遵守、リスク管理、レポーティングシステムにまたがる保険数理プラットフォームの構築において保険業界を支援することに専心している。現在、R3Sは世界49の国と地域に150以上の保険機関ユーザーを有しており、その中には大手保険グループも含まれている。国内市場においても、R3Sは相当数の顧客を抱えている。R3Sのソフトウェアは、階層的計算とモジュール式モデリングを特徴としており、"予測モデル "という特殊なアーキテクチャを比較的容易に実装することができる。

我々のモデルは、旧基準（CGAAP）とソルベンシー（CROSSII）の下でのポイント・イン・タイム評価と予測との間で、実行時間の差は比較的小さい。さらに、国内における様々な主要な保険数理適用シナリオにおいて、高い運用効率を達成している。その結果、保険リスクの最低資本を予測するために、価値評価に簡易なキャリア手法を用いる必要はない。

前述のような業務効率を達成できるのは、階層的な計算やモジュール化されたモデリングなど、R3Sの機能性が "予測モデル "のアーキテクチャを実装するのに比較的便利であることが主な要因である。

旧基準の会計上の引当金のモデリングプロセスでは、R3Sユーザーは、モデル内の異なるレベル（レイヤー）に、同じキャッシュフロー予測モジュールセット（ProgramsまたはProjectionプロセス）を配置することができる。そして、それぞれ最適な見積りの仮定と不利なシナリオの仮定を読み込むことで、負債の評価と予測の両方を実現することができる。

ソルベンシー・モデリング・プロセスにおいて、R3Sユーザーは、モデル内の異なるレベル（レイヤー）において、異なるキャッシュフロー予測モジュール（プログラムまたはプロジェクション・プロセス）を使用して、ソルベンシー予測機能を実現することもできる。

IFRS第17号における数理ソフトウェアの効率性とプロジェクト実施への影響：我々はどこまで知っているか？

上記の議論では、主に伝統的な保険数理モデル（キャッシュフローモデル）に関する問題を取り上げた。しかし、IFRS第17号の実施には、「ボトムレイヤーモデル」と呼ばれる保険契約ごとに計算されるキャッシュフローモデルだけでなく、契約群ごとに計算される上位レイヤーモデル、すなわち契約群レベルの測定モデルも含まれる。

契約グループの数は、保険契約数／モデルポイント数に比べてはるかに少ないことが多く、契約グループレベルでの測定はキャッシュフローモデルに比べて比較的単純であるため、一般的に、IFRS第17号における上位レイヤモデルの効率性に問題はないと考えられる（例えば、前述したように、R3Sを使用した国内生命保険会社の上位レイヤ測定モデルの実行時間はわずか1～2秒である）。

しかし、現在の業界の実施経験に基づくと、実際の状況は理想とは程遠い。したがって、IFRS第17号における上位レイヤーの測定モデルに関する問題に具体的に取り組む必要がある。

以下の視点と資料は、IFRS第17号をすでに国内市場で導入しているユーザーの経験と教訓から導き出されたものであり、今年プロジェクトを開始する企業にとって参考となることを願っている。

近年、国内保険業界ではIFRS第17号の導入が大きな焦点となっている。2023年の上場会社による体系的な導入から始まり、銀行関連会社や外資系会社による連結報告要件への継続的な導入努力に至るまで、保険業界は様々な解決策を目の当たりにしてきた。

企業の保険数理部門が主導するか、財務部門が主導するか、統合ソフトウェア（計測エンジン＋会計エンジン）を選択するか、既存の保険数理ソフトウェアで計測を完了し、結果をサブアカウントに出力するかは別として、上流と下流のシステム間で自動化されたデータフローを実現することは避けられない。計測モデル／計測プラットフォームの極めて重要な役割を無視することはできない。このため、保険数理部門は、従来の技術的・業務的領域から一歩踏み出し、財務部門やIT部門とも徐々に融合していかなければならない。そして、「相互依存」、「栄光と不名誉を分かち合い、共に前進し、共に後退する」ことがトレンドになりつつある。

IFRS第17号における上位層の測定モデル/測定プラットフォームの極めて重要な役割は、上位層の測定モデル/測定プラットフォームの効率性が、IFRS第17号プロジェクトの全体的な実施効果を直接的に決定するという事実に、決定的に現れている。

要するに、保険数理ソフトウェアの効率性は、IFRS第17号の導入を成功させるために極めて重要であり、生命保険の保険数理ツールが保険業界全体で受け入れられるという変化を示している。評価」モデルと「予測」モデルの区別は、R3S ソフトウェアの多用途性によって示されるように、個々のニーズに合わせたアプローチの必要性を浮き彫りにしている。期待とは裏腹に、IFRS第17号における上位レイヤーの測定モデルの効率性には課題が残っており、シームレスな移行とプロジェクト全体の成功を確実にするためには、保険数理、財務、ITの各部門が協力する必要性が強調されている。