SUS - historia och resultat. Erik Alm Hannover Life Re Sweden

Transkript

1 Erik Alm Hannover Life Re Sweden SFF 29 mars 2011

2 Disclaimer The information provided in this presentation does in no way whatsoever constitute legal, accounting, tax or other professional advice. While Hannover Rückversicherung AG has endeavoured to include in this presentation information it believes to be reliable, complete and up-to-date, the company does not make any representation or warranty, express or implied, as to the accuracy, completeness or updated status of such information. Therefore, in no case whatsoever will Hannover Rückversicherung AG and its affiliate companies or their employees be liable to anyone for any decision made or action taken in conjunction with the information in this presentation or for any related damages. 1 Here you may add the title of the presentation

3 Agenda Lite historia Arbetet Resultat 2

4 Sjukförsäkring Lite historia 1908 studie av material från sjukkassor Under ledning av Filip Lundberg av Filip Lundberg Uppföljning för , Allmänna Pensionsbolaget, Fredrik Esscher 1922 Framtiden , publicerad 1930 Uppdelning efter orsak Olycksfall Tuberkulos Andra sjukdomar Valkyrian , Publicerad

5 Gemensamma grunder 1938 Antal kvarvarande sjuka = 1/(1+t) (t mätt i år) en parameter 1955 Särskild formel för första kvartalet 9 parametrar 1965 Avveckling summa av fem exponentialfunktioner 14 parametrar 4

6 Gemensamma grunder 5

7 Gemensamma grunder 1973 Viss förändring av avvecklingsfunktionen Ytterligare något invecklad 12 parametrar 1976 Främst för tjänstepensioner Ytterligare invecklad avvecklingsfunktion 14 parametrar 1984 J-faktor i avvecklingen Olika avveckling före och efter förtidspensionering 16 parametrar Senare Olika antaganden för olika bolag Premiekonkurrens 6

8 Datainsamling

9 Arbetet Utförd av Försäkringsförbundet Under ledning av Försäkringstekniska Forskningsnämnden Dataspecifikation Datainsamling Kvalitetsgranskning Kontakt med bolagen Nästan alla bolag med Enstaka hade för stora problem med datakvalitet Enbart könskvot studerad för insjuknande Absoluta data konkurrenskänsliga 7

10 Datainsamling Skador inträffade Inklusive gamla skador Om insjuknandedatum tillgängligt Insjuknandedag Datum för rätt till ersättning Karenstid Huvudsakligen bara 3 månader Okänd i 22% av fallen Sista sjukdag Eller fortsatt sjuk vid pensionering eller slutet av 2007 Avgångsorsak Avliden eller frisk Försäkringstiden slut Ersättningsgrad Men inte dess utveckling över tiden 8

11 Datainsamling Frivillig/Obligatorisk Premiebefrielse/Sjuk Hälsoprövning Kön Födelseår Skulle ha frågat om födelsemånad 9

12 Datakvalitet Stora problem Många rapporterade som avlidna/friska vid 65 Insjukandeålder under 18 Många skador för unga män 10

13 Data sjukfall Hälften sjuk, hälften pbf 15% pågick vid början av

14 Resultat insjukande

15 Insjuknandefrekvens Kvinnor/Män Kvot 250% 200% 150% 100% 50% 0% Here you may add the title of the presentation

16 Avveckling

17 Insjuknandeålder Avveckling Aktuellt område att studera Sjuktid år 13 Here you may add the title of the presentation

18 Insjuknandeålder Avveckling Tillgängliga data, män Sjuktid år 14

19 Insjukandeålder Avveckling Tillgängliga data, kvinnor Sjuktid år 15

20 Antal kvarvarande Exempel på avveckling 100% 90% Mycket snabb 80% 70% 60% Snabb 50% 40% 30% Långsam 20% 10% 0% Sjuktid månader 16

21 Frågeställningar Tabell eller funktion Vi valde funktion Alternativ Antalet kvarvarande f(x,t) Andelen som avvecklas f(x,t+1) / f(x,t) (Derivata/kvot av f(x,t)) Reserv V(t) (Ränteviktad summa/integral av f(x,t)) Vi valde andelen kvarvarande f(x,t) 17

22 Krav på funktion Alla uppfylldes inte helt Deriverbar i x och t (inga knyckar eller hopp) Fungera för ingångsåldrar upp till 65 (x<65) Fungera för åldrar upp till 65 (x+t<65) Men behöver inte kunna extrapoleras till åldrar över 65 (ej x+t>65) Fungera för åldrar ner till 18 Kan vara svårt Alternativ: Alla med ingångsålder mindre än X behandlas som X. (X=25?) Rimligt antal parametrar Men också rimligt bra anpassning Rimligt enkel att hantera Icke ökande i t Antalet kvarvarande sjuka minskar över tiden Ökande i x? Inte nödvändigt men lämpligt Avvecklingen blir långsammare med högre ålder Men dödsfall kan göra att den blir snabbare 18

23 Insjuknandeålder Avveckling Skall fungera inom blå området Skall vara = 1 här 70 Avtagande Avtagande Behöver kanske inte fungera här Sjuktid år 19 Here you may add the title of the presentation

24 Problem Helt opålitliga data för åldrar över 65 Få observationer, datakvalitetsproblem Opålitliga data vid åldrar nära 65 Avveckling eller försäkringstidens slut Problemet förstärkas av att födelsetid ges i år och inte år+månad Få observationer för långa avvecklingstider Få observationer för unga insjuknandeåldrar 20

25 Åtgärder Slå ihop materialet till femårsgrupper efter insjuknandeålder Ersätt data för t>20 med befolkningsdödlighet Lägsta åldersgrupp Högsta åldersgrupp

26 Insjuknandeålder Avveckling Skall vara = 1 här Sjukavveckling studerad 50 Befolkningsdödlighet använd Sjuktid år 22 Here you may add the title of the presentation

27 Frågeställningar Vilken funktion? Någon av dem som tidigare använts? Utländsk funktion? Men tekniken mycket annorlunda i de flesta länder Litteraturstudie 23

28 Frågeställningar Vad anpassa? Antalet kvarvarande Avvecklingshastigheten Reserven Vi valde antalet kvarvarande Avvecklingshastigheten är för instabil Följer man reserven får man lätt konstiga värden för första månaderna 24

29 Kvot Anpassning av antalet kvarvarande Förväntat mot observerat 110% 105% 100% 95% 90% 85% 80% Sjuktid månader 25

30 Problem Anpassning Många parametrar Många lokala minima Svårt att hitta globalt minimum Svårt att få funktionen att passa alla t Svårt att få funktionen att passa alla x Man kan inte alltid extrapolera i x Kan bli minskande i x för låga x Går inte alltid att extrapolera i t Blir ofta ökande i t för x+t > 65 26

31 Föreslagen funktion n i 1 f i ( x) exp( d i ( t 3)) där f i ( x) a b exp( c x) i i i och, f n ( x) 1 n 1 i 1 f i ( x) i 1,2,..., n 1 Vi har här testat att låta n variera från 2 till 5. Bäst verkar vara n=4 13 parametrar n=5 ger liten extra exakthet 27

32 Föreslagen funktion Föreslagen av Johanna Eriksson, Folksam i examensarbete 2008 Släkt med de funktioner som tidigare använts i Sverige Men uppdelningen i tid före och efter förtidspension borta 28

33 Studerat material Individuell sjukförsäkring Gruppsjukförsäkring Sjukförsäkring kopplad till tjänstepension Premiebefrielse till individuell livförsäkring Premiebefrielse till individuell pensionsförsäkring Premiebefrielse till tjänstepension Men inte försäkringar med engångsbelopp 29

34 Portföljuppdelning Män/Kvinnor Sjuk/Premiebefrielse Frivillig/Obligatorisk Totalt 8 portföljer 30

35 Jämförelse med offentlig statistik? Nej Svårt att få i rätt format 31

36 Resultat avveckling

37 Antal kvarvarande Avveckling Obligatorisk pbf, män 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Sjuktid månader 27,5 32,5 37,5 42,5 47,5 52,5 57,5 62,5 32

38 Antal kvarvarande Avveckling Frivillig pbf, män 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Sjuktid månader

39 Antal kvarvarande Avveckling Frivillig pbf, kvinnor 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Sjuktid månader

40 Antal kvarvarande Avveckling Obligatorisk sjuk, kvinnor 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Sjuktid månader

41 Reserv Reserv (0% ränta) Obligatorisk pbf, män Sjuktid månader

42 Reserv Reserv (0% ränta) Frivillig pbf, män Sjuktid månader

43 Reserv Reserv (0% ränta) Frivillig pbf, kvinnor Sjuktid månader

44 Kvot Kvot kvinnor/män Obligatorisk pbf 200% 180% 160% 140% 120% 100% 80% 60% 40% 20% 0% Sjuktid månader

45 Kvot Kvot kvinnor/män Frivillig pbf 200% 180% 160% 140% 120% 100% 80% 60% 40% 20% 0% Sjuktid månader

46 Kvot Kvot kvinnor/mänsjuk Frivillig sjuk 200% 180% 160% 140% 120% 100% 80% 60% 40% 20% 0% Sjuktid månader

47 Kvot Kvot kvinnor/män Obligatorisk sjuk 200% 180% 160% 140% 120% 100% 80% 60% 40% 20% 0% Sjuktid månader

48 Reserv Reserv (0% ränta) Obligatorisk sjuk, män Sjuktid månader

49 Reserv Reserv (o% ränta) Finansinspektionens grunder Sjuktid månader