FigName
Estágio em modelagem/capital econômico, no setor de gestão de riscos, Curitiba - PR





Introdução

Previdencia Privada

A previdência privada é uma aposentadoria que não está ligada ao sistema do Instituto Nacional do Seguro Social (INSS). Ela é complementar a previdência pública. Todo setor de previdência é fiscaçizado pela Supeintendência de Seguros Privados (SUSEP), órgão do governo federal. fonte: https://economia.uol.com.br/noticias/redacao/2019/12/27/previdencia-privada-como-funciona-rendimento.htm

Buffer de Czpital

Por razões regulatórias os bancos devem manter um determinado nível de capital proporcional aos riscos assumidos (o mesmo é valido para as seguradoras), porém, os bancos mantêm um volume de capital superior ao capital regulamentar, o chamado bufferde capital. Obuffer de capital pode ser explicado, do ponto de vista regulatório,como um seguro contra o risco de violar a exigência de capital mínimo, ou seja, os bancos buscam evitar os custos gerados por uma demanda de capitalnão esperada por parte do regulador. Esta motivação deriva de duas outras razões: (i) as instituiçoes financeiras não podem ajustar o capital e o risco instantaneamente; (ii) a violação dos requisitos de capital mínimo regulamentar desencadeia ações de supervisão, que podem levar a uma penalidade com alto custopara as instituiçes (Stolz e Wedow, 2005; Jokipii e Milne, 2008; Stolz e Wedow, 2011).

O presente trabalho é um exercicio proposto aos estágiarios pela equipe de modelagem no setor de gestão de riscos, Curitiba - PR, e tem o objetivo de gerar um relatório contendo indicadores e parametros do comportamento do premio e resgate da previdencia privada que permitam ao grupo segurador mensurar o buffer de capital. De acordo com esses indicadores, os gestores podem tomar decisões de maneira mais assertiva, alinhados com as normas do mercado e normas internas. O exercico utlizou de ferramentas estatistas aplicados na linguarem de programação R, mais especificamentes modelos ARIMA. Esta metodologia consiste em ajustar modelos autorregressivos integrados de médias móveis, ARIMA(p,d,q), a um conjunto de dados. Para a construção do modelo seguimos um algorítimo no qual a escolha da estrutura do modelo é baseado nos próprios dados.A base de dados utilizada e pública e disponibilizada pela SUSEP em: https://www2.susep.gov.br/menuestatistica/SES/principal.aspx

O seguinte estudo tem o objetivo de ……





Contribuição Previdência

Base de dados SES/ANS: Ses_seguros(ramo = 992, 994 e 1392), SES_pgbl_uf

Série de todo o mercado acumulado por trimestre:



Ajuste Arima

## Series: Contribuicao_Previdencia.ts 
## ARIMA(1,1,2)(2,1,2)[4] 
## 
## Coefficients:
##           ar1     ma1      ma2     sar1     sar2    sma1    sma2
##       -0.9999  0.5589  -0.4214  -1.2414  -0.9470  0.5188  0.8763
## s.e.   0.0013  0.3538   0.3465   0.2502   0.1283  0.4166     NaN
## 
## sigma^2 estimated as 3.977e+18:  log likelihood=-394.77
## AIC=805.55   AICc=823.55   BIC=812.21
## 
## Training set error measures:
##                      ME       RMSE        MAE       MPE     MAPE      MASE
## Training set -244471837 1344519576 1040425426 -1.088091 3.643258 0.2548373
##                     ACF1
## Training set -0.01386452

## 
##  Ljung-Box test
## 
## data:  Residuals from ARIMA(1,1,2)(2,1,2)[4]
## Q* = 8.5434, df = 3, p-value = 0.03602
## 
## Model df: 7.   Total lags used: 10



Comparação gráfica entre a série real e a ajustada:



Projeção para os próximos três anos:



Choque:

data forecast_u forecast_l forecast_mean diferenca_u diferenca_l percent_u percent_l
2020-09-01 34603432919 25174651539 29889042229 4714390690 -4714390690 0.1577297 -0.1577297
2020-12-01 34674181922 23989916146 29332049034 5342132888 -5342132888 0.1821261 -0.1821261
2021-03-01 31062176386 19142381838 25102279112 5959897274 -5959897274 0.2374245 -0.2374245
2021-06-01 31523507774 18720372082 25121939928 6401567846 -6401567846 0.2548198 -0.2548198
2021-09-01 36990699670 22294331205 29642515438 7348184233 -7348184233 0.2478934 -0.2478934
2021-12-01 37703196253 21910961101 29807078677 7896117576 -7896117576 0.2649075 -0.2649075
2022-03-01 36341831256 19299160877 27820496067 8521335190 -8521335190 0.3062970 -0.3062970
2022-06-01 33345590757 15360045652 24352818205 8992772553 -8992772553 0.3692703 -0.3692703
2022-09-01 46404860354 23206730897 34805795625 11599064729 -11599064729 0.3332510 -0.3332510
2022-12-01 44644705337 19296397737 31970551537 12674153800 -12674153800 0.3964321 -0.3964321
2023-03-01 43101905443 15333920953 29217913198 13883992245 -13883992245 0.4751877 -0.4751877
2023-06-01 33669222296 4120074297 18894648297 14774573999 -14774573999 0.7819449 -0.7819449





Resgate Previdência

Ajuste Arima

série de todo o mercado acumulado por trimestre

## Series: Resgate_Previdencia.ts 
## ARIMA(2,1,1)(2,1,1)[4] 
## 
## Coefficients:
##           ar1     ar2      ma1     sar1     sar2     sma1
##       -0.3859  0.1486  -1.0000  -0.3130  -0.4824  -0.1740
## s.e.   0.7250  1.0652   0.3417   0.8425   0.4119   1.0165
## 
## sigma^2 estimated as 1.972e+18:  log likelihood=-382.18
## AIC=778.37   AICc=790.81   BIC=784.2
## 
## Training set error measures:
##                      ME      RMSE       MAE       MPE     MAPE      MASE
## Training set -148226644 992961560 693121037 -1.183648 4.055258 0.4061488
##                     ACF1
## Training set -0.04396891

## 
##  Ljung-Box test
## 
## data:  Residuals from ARIMA(2,1,1)(2,1,1)[4]
## Q* = 6.5958, df = 3, p-value = 0.08596
## 
## Model df: 6.   Total lags used: 9

data forecast_u forecast_l forecast_mean diferenca_u diferenca_l percent_u percent_l
2020-09-01 23227340722 17467971300 20347656011 2879684711 -2879684711 0.1415241 -0.1415241
2020-12-01 21626135346 15635098189 18630616768 2995518579 -2995518579 0.1607847 -0.1607847
2021-03-01 26390993107 20075297934 23233145520 3157847587 -3157847587 0.1359199 -0.1359199
2021-06-01 23191514177 16869437764 20030475971 3161038206 -3161038206 0.1578114 -0.1578114
2021-09-01 25794041275 18342682714 22068361995 3725679281 -3725679281 0.1688245 -0.1688245
2021-12-01 24515870242 17046947153 20781408697 3734461545 -3734461545 0.1797020 -0.1797020
2022-03-01 27183508439 19548367030 23365937735 3817570704 -3817570704 0.1633819 -0.1633819
2022-06-01 25948644453 18340798963 22144721708 3803922745 -3803922745 0.1717756 -0.1717756
2022-09-01 26785638016 18924425780 22855031898 3930606118 -3930606118 0.1719799 -0.1719799
2022-12-01 26336041841 18507467864 22421754852 3914286989 -3914286989 0.1745754 -0.1745754
2023-03-01 29912164804 22028715996 25970440400 3941724404 -3941724404 0.1517773 -0.1517773
2023-06-01 26673747389 18810381018 22742064203 3931683185 -3931683185 0.1728815 -0.1728815