بررسی انتشار اوراق مرگ و میر در ایران و قیمت‌گذاری آن

نوع مقاله : مقاله علمی - پژوهشی

نویسندگان

1 استادیار گروه مهندسی مالی، دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، ایران، تهران (نویسنده مسؤول).

2 دانش آموخته کارشناسی ارشد مهندسی مالی، دانشکده مدیریت،‌‌‏ دانشگاه خاتم، ایران

10.22056/jir.2020.185240.2500

چکیده

هدف: این تحقیق با هدف بررسی اوراق مرگ‌ومیر شکل گرفته که یک فرصت سرمایه‌گذاری جذاب برای بازار سرمایه، ابزار مدیریت ریسک و دست‌یابی به منبع جدید تأمین مالی برای شرکت‌‌‌‌‌‌های بیمه و ابزار تنوع‌‌‌‌‌‌بخشی سبد سرمایه‌‌‌‌‌‌گذاری و افزایش بازدهی آن برای سرمایه‌گذاران محسوب می‌شود.
روش شناسی: در این پژوهش ابتدا نرخ مرگ‌ومیر گروه‌های سنی 5 ساله طی سال‌های 1996 تا 2016 برآورده و با روش تجزیه‌ ارزش منفرد، پارامترهای مدل لی کارتر تخمین زده‌ شد. در گام بعد، با استفاده از شبیه‌سازی مونت‌کارلو، حالات مختلفی برای شاخص مرگ‌‌‌‌‌‌ومیر ایران در سه سال آتی تولید شد. در نهایت، بر روی نرخ سود و آستانه‌ فاجعه تحلیل حساسیتی انجام شد تا واکنش قیمت به تغییرات نرخ سود و تغییرات بازه‌ آستانه مورد بررسی قرار گیرد.
یافته‌ها: نتایج نشان داد در پایان عمر سه ساله‌‌ این اوراق، با افزایش نرخ سود، قیمت آن افزایش می‌یابد. همچنین، با افزایش سطح آستانه، قیمت این اوراق افزایش می‌یابد؛ زیرا احتمال عدم بازپرداخت از جانب ناشر کاهش می‌یابد. اگر نیز ناشر بازه‌ آستانه را دو واحدی تعیین کند با ثابت نگه داشتن سایر شرایط، قیمت این اوراق کاهش می‌یابد.
نتیجه‌گیری: در این پژوهش سعی شد اوراق مرگ‌ومیر به‌عنوان یک ابزارمالی موجود در بازارهای جهانی معرفی و امکان انتشار آن در ایران بررسی گردد. به‌‌‌‌‌‌علاوه، با روش تنزیل عایدی، قیمت این اوراق برای سرمایه‌گذاران و ناشران داخلی مشخص شود.
طبقه‌بندی موضوعی: G13, G22, G23, G63.

کلیدواژه‌ها


عنوان مقاله [English]

Study of issuing mortality bonds in Iran and its pricing

چکیده [English]

Objective:  This paper analyzes the possibility of publishing mortality bonds. This class of securities provides attractive investment opportunities for capital market and is a good hedging tool for managing the risk of life insurance companies. It allows the insurers to access a new source of financing and provides some facilities for investors to diversify their portfolios.
Methodology: It is required to predict future rate of mortality in order to conduct pricing of mortality bonds. We used lee and carter model simulation mortality rate, as it is very flexible and can be used for limited data. First, the mortality rate of 5 _year age groups for years between 1996 and 2016 was calculated. The reason for using Gregorian calendar is that we use the united nation’s database. With Singular Value Decomposition (SVD), Lee-Carter model parameters were estimated and we have produced various scenarios for Iran’s mortality index for the next three years using the Monte Carlo simulation. In the last step, a sensitivity analysis for the interest rate and catastrophe threshold was provided to examine the price response to changes in interest rates and changes in the threshold.
One of the characteristics of the q-forward contracts if that they can be used for hedging both mortality and longevity risk. Mortality risk refers to the risk that mortality rates are higher than expected whereas longevity risk refers to the risk that mortality rates are lower than expected. A q-forward is an agreement between two counterparties to exchange at a future date (the maturity of the contract) an amount equal to the realized mortality rate of a given population at that future date (the floating leg), in return for a fixed mortality rate agreed upon at the inception of the contract (the fixed leg). In principle there are hedgers who are interested in both sides of the trade of a q-forward contract.
Finding: The result shows that at maturity of three-year mortality bonds, increasing the interest rate, will rise the prices of these securities. Moreover, as the threshold grows, the price of these securities also increases; it is because the probability of default by issuer is reduced. Furthermore, by keeping other conditions constant, if the issuer determines the threshold range to two units, the price of these securities is reduced. Ultimately, the result shows that there is a small possibility of issuing these papers in the Iranian financial market.
 Conclusion: In addition to introduction of mortality bonds which is an available investment instrument in global financial markets, this study aims to investigate possibility of issuing it in Iran and also overview the pricing of these bonds for domestic investors and issuers based on earnings discount approach.
JEL Classification: G13, G22, G23, C63.

کلیدواژه‌ها [English]

  • Possibility of issuing mortality securities
  • pricing
  • Lee Carter- model
  • Simulation
  • Monte Carlo
  • Swiss reinsurance
پیکارجو، کامبیز و داوودی رستمی، حانیه. (1388). توجیه انتشار اوراق بهادار فاجعه‌آمیز بر اساس داده‌های شبیه‌سازی‌ شده خسارات زلزله احتمالی تهران. پژوهشنامه بیمه، 24(1): 124-95.
پیکارجو، کامبیز و حسین‌‌‌‌‌‌پور، بدریه. (1385). اندازه گیری ارزش در معرض ریسک در شرکت‌‌‌‌‌‌های بیمه با استفاده از مدل GARCH. صنعت بیمه، 25(4): 58-33.
تهرانی، رضا و نوربخش، عسگر. (1388). درس آموخته‌‌‌‌‌‌های بحران مالی جهانی برای نظام مالی ایران و جهان. دومین کنفرانس بین المللی توسعه نظام تأمین مالی در ایران، تهران، 12 اسفندماه.
کمیجانی، اکبر.، کوششی، مجید و نیاکان، لیلی. (1392). برآورد و پیش‌بینی نرخ مرگ‌ومیر در ایران با استفاده از مدل لی-کارتر. پژوهشنامه بیمه، 28(4): 1-25.
گرگانی فیروزجاه، مصطفی و پیروی، علی. (1392). تعیین نرخ بازده انتظاری اوراق بهادار فاجعه‌آمیز با استفاده از رویکرد نظریه مقدار کرانی. پژوهش‌ها و سیاست‌های اقتصادی، 21(65): 255-280.
Barrieu, P. M. & Veraart, L. A. (2016). Pricing q-forward contracts: an evaluation of estimation window and pricing method under different mortality models. Scandinavian Actuarial Journal,  2: 146-166.
Bauer, D., & Kramer, F. (2007). Risk and valuation of mortality contingent catastrophe bonds. Available at SSRN: https://ssrn.com/abstract=2024255.
Bauer, D., Börger, M., & Ruß, J. (2010). On the pricing of longevity-linked securities. Insurance: Mathematics and Economics46(1): 139-149.
Biffis, E. (2005). Affine processes for dynamic mortality and actuarial valuations. Insurance: mathematics and economics37(3): 443-468.
Cairns, A. J., Blake, D. & Dowd, K. (2006). A two‐factor model for stochastic mortality with parameter uncertainty: theory and calibration. Journal of Risk and Insurance73(4): 687-718.
Carter, L. R. & Lee, R. D. (1992). Modeling and forecasting US sex differentials in mortality. International Journal of forecasting8(3): 393-411.
Chen, H. & Cox, S. H. (2009). Modeling mortality with jumps: Applications to mortality securitization. Journal of Risk and Insurance76(3): 727-751.
Chen, H. & Cummins, J. D. (2010). Longevity bond premiums: The extreme value approach and risk cubic pricing. Insurance: Mathematics and Economics46(1): 150-161.
Choudhry, M. (2013). An introduction to value-at-risk. John Wiley & Sons.
Cox, S. H., Lin, Y. & Pedersen, H. (2010). Mortality risk modeling: Applications to insurance securitization. Insurance: Mathematics and Economics, 46(1): 242-253.
Cummins, J. D. & Mahul, O. (2009). Catastrophe risk financing in developing countries: principles for public intervention. World Bank Publications.
Dahl, M. (2004). Stochastic mortality in life insurance: market reserves and mortality-linked insurance contracts. Insurance: mathematics and economics, 35(1): 113-136.
De Mey, J. (2007). Insurance and the capital markets. The Geneva Papers on Risk and Insurance-Issues and Practice, 32(1): 35-41.
Deng, Y., Brockett, P. L. & MacMinn, R. D. (2012). Longevity/mortality risk modeling and securities pricing. Journal of Risk and Insurance, 79(3): 697-721.
Duffie, D. (2010). Dynamic asset pricing theory. Princeton University Press.
Froot, K. A. (2001). The market for catastrophe risk: a clinical examination. Journal of Financial Economics, 60(2-3): 529-571.
Gallati, R. (2003). Risk management and capital adequacy. New York; London : McGraw-Hill.
Hunt, A. & Blake, D. (2020). Forward mortality rates in discrete time I: Calibration and securities pricing. North American Actuarial Journal, 25(1): S482-S5507.
Hunt, A. & Blake, D. (2020). On the structure and classification of mortality models. North American Actuarial Journal, 25(1): S215-S234.
Klein, R. W. & Wang, S. (2007). Catastrophe risk financing in the US and EU: A comparative analysis of alternative regulatory approaches. Journal of Risk and Insurance, 76(3): 607-637.
Lane, M. N. (2000). Pricing risk transfer transactions1. ASTIN Bulletin: The Journal of the IAA, 30(2): 259-293.
Lin, Y. & Cox, S. H. (2008). Securitization of catastrophe mortality risks. Insurance: Mathematics and Economics, 42(2): 628-637.
Wang, J. L., Jeng, V. & Peng, J. L. (2007). The impact of corporate governance structure on the efficiency performance of insurance companies in Taiwan. The Geneva Papers on Risk and Insurance-Issues and Practice, 32(2): 264-282.
Wang, Z. & Li, J. S. H. (2016). A DCC-GARCH multi-population mortality model and its applications to pricing catastrophic mortality bonds. Finance Research Letters, 16(c): 103-111.
Yang, S. S., Yue, J. C. & Huang, H. C. (2010). Modeling longevity risks using a principal component approach: A comparison with existing stochastic mortality models. Insurance: Mathematics and Economics, 46(1): 254-270.
Zanjani, G. (2002). Pricing and capital allocation in catastrophe insurance. Journal of financial economics, 65(2): 283-305.
Zhou, R., Li, J. S. H. & Tan, K. S. (2015). Economic pricing of mortality‐linked securities: A tâtonnement approach. Journal of Risk and Insurance, 82(1): 65-96.
https://www.artemis.bm/news/q1-2017-catastrophe-premiums-up-at-renre-davinci-profits-decline/