Analisis Risiko Produk Asuransi Kredit

Abstract

Perusahaan asuransi perlu melakukan penghitungan risiko mengenai produk-produk asuransi yang diterbitkan guna memperkirakan kerugian yang mungkin didapatkan di masa mendatang. Pada penelitian dianalisa risiko dua produk asuransi dari suatu perusahaan asuransi kredit, yaitu produk A dan produk B. Penelitian ini bertujuan untuk mengukur risiko kerugian maksimum setiap produk asuransi dan penggabungan produk dengan menggunakan Value at Risk (VaR) dan Tail Value at Risk (TVaR). Risiko produk A mengikuti sebaran mixture dari tiga sebaran, sedangkan risiko produk B mengikuti sebaran mixture dari dua sebaran. Risiko gabungan produk juga mengikuti sebaran mixture dari dua sebaran. Hasil estimasi VaR dan TVaR menunjukkan nilai APE kurang dari 20%, yang mengindikasikan akurasi model yang memadai. Diperoleh bahwa TVaR lebih cocok dalam memodelkan risiko dibandingkan VaR karena TVaR lebih memperhitungkan adanya kerugian extreme. Secara individu, produk A memiliki risiko yang tinggi dengan potensi kerugian yang besar dan produk B memiliki risiko yang lebih rendah dengan potensi keuntungan yang lebih stabil. Dengan menggabungkan produk A (yang memiliki risiko tinggi) dan produk B (yang memiliki risiko rendah), perusahaan dapat mengurangi risiko. Risiko dari satu produk dapat diimbangi dengan stabilitas atau keuntungan dari produk lain.

Insurance companies need to calculate the risk of insurance products issued to estimate the losses that may be obtained in the future. The research analyzed the risk of two insurance products from a credit insurance company, namely product A and product B. This study aims to measure the maximum risk of loss of each insurance product and product merger using the Value at Risk and Tail Value at Risk. The risk of product A follows a mixture of three distributions, while the risk of product B follows a mixture of two distributions. Merged product risk also follows a mixture of two distributions. The VaR and TVaR results show an APE value of less than 20%, which indicates sufficient accuracy. It is found that TVaR is more suitable for modeling risk than VaR because TVaR considers extreme losses. Individually, product A has a high risk with a large potential loss and product B has a lower risk with a more stable potential profit. Merging these products can help mitigate overall risk. The risk of one product can be balanced by the stability or profit of the other product.