ESTIMASI BEST ESTIMATE LIABILITY DAN RISK ADJUSTMENT MENGGUNAKAN HIDDEN MARKOV MODEL DUA REGIME DALAM KERANGKA IFRS 17

Rita Setiawati, Dr. Nanang Susyanto, S.Si., M.Sc., M.Act.Sc.

2026 | Skripsi | S1 ILMU AKTUARIA

Dalam kerangka International Finance Reporting Standards 17 (IFRS 17), pengukuran kewajiban asuransi memerlukan estimasi arus kas masa depan yang mencerminkan risiko dan ketidakpastian yang melekat pada kewajiban tersebut. Dalam pengukuran kewajiban klaim, terdapat dua komponen utama yang perlu di hitung, yaitu Best Estimate Liability (BEL) dan Risk Adjustment (RA). Penelitian ini bertujuan untuk mengestimasi BEL dan RA menggunakan pendekatan Hidden Markov Model. Pendekatan ini digunakan untuk mengakomodasi kemungkinan perubahan kondisi risiko klaim dari waktu ke waktu yang tidak dapat sepenuhnya dijelaskan oleh model satu regime. Analisis dilakukan melalui identifikasi regime risiko menggunakan Hidden Markov Model, pemodelan distribusi frekuensi dan severity klaim pada setiap regime, evaluasi model, serta simulasi Monte Carlo untuk membentuk distribusi aggregate loss. Hasil penelitian menunjukkan bahwa model dua regime memberikan kinerja yang lebih baik dibandingkan model satu regime dalam menangkap perubahan kondisi risiko klaim. Penelitian ini dibatasi pada data klaim historis Danish Fire Insurance serta menggunakan pendekatan TVaR sebagai proksi perhitungan Risk Adjustment. Berdasarkan hasil simulasi diperoleh rata-rata aggregate loss sebesar 628,29 juta DKK. Dengan tingkat diskonto sebesar 5?n tingkat kepercayaan 95%, diperoleh estimasi BEL sebesar 598,37 juta DKK, RA sebesar 223,65 juta DKK, dan total kewajiban asuransi sebesar 822,02 juta DKK. Hasil tersebut menunjukkan bahwa pendekatan Hidden Markov Model mampu mengha silkan estimasi kewajiban asuransi yang mempertimbangkan dinamika risiko klaim dan ketidakpastian pada distribusi kerugian.

Under International Finance Reporting Standards 17 (IFRS 17), the measurement of insurance liabilities requires estimates of future cash flows that reflect the risks and uncertainties associated with insurance obligations. Two key components in claim liability measurement are the Best Estimate Liability (BEL) and the Risk Adjustment (RA). This study aims to estimate BEL and RA using a Hidden Markov Model. This approach is employed to accommodate potential changes in claim risk conditions over time that cannot be fully captured by a single-regime model. The analysis involves risk regime identification, claim modeling, model evaluation, and simulation to generate an aggregate loss distribution. The results indicate that the two-regime model outperforms the single-regime model in capturing changes in claim risk conditions. This study is limited to the historical Danish Fire Insurance claims data and uses TVaR as a proxy measure for the Risk Adjustment. Based on the simulation results, the mean aggregate loss is estimated at DKK 628.29 million. Using a 5% discount rate and a 95% confidence level, the estimated BEL is DKK 598.37 million, the RA is DKK 223.65 million, and the total insurance liability is DKK 822.02 million. These findings demonstrate that the Hidden Markov Model provides an insurance liability estimate that incorporates both claim risk dynamics and uncertainty in the loss distribution.

Kata Kunci : Best Estimate Liability, Risk Adjustment, Markov Regime, Hidden Markov Model, Simulasi Monte Carlo, IFRS 17