Understand and apply the main methods of measuring and monitoring risk that can be used

ยินดีต้อนรับสู่บทเรียนการวัดผลและติดตามความเสี่ยง!

ในโลกของ CP1 – Actuarial Practice เราได้เรียนรู้กันแล้วว่าชีวิตเต็มไปด้วยความไม่แน่นอน แต่ในฐานะนักคณิตศาสตร์ประกันภัย เราไม่สามารถแค่บอกว่า "อะไรๆ ก็อาจผิดพลาดได้" แล้วปล่อยผ่านไปเฉยๆ ได้ เราจำเป็นต้องใส่ตัวเลขให้กับความเสี่ยงเหล่านั้นและคอยจับตาดูมันอย่างใกล้ชิด บทนี้เป็นส่วนหนึ่งของหัวข้อ การระบุปัญหา (Specifying the Problem) เพราะก่อนที่เราจะแก้ปัญหาหรือออกแบบผลิตภัณฑ์ใดๆ เราต้องเข้าใจก่อนว่าความเสี่ยงที่เกี่ยวข้องนั้นมีขนาดและลักษณะอย่างไร

ถ้าใครรู้สึกกังวลกับศัพท์ทางสถิติที่ดูน่ากลัวในตอนแรก ไม่ต้องกังวลนะ! เราจะค่อยๆ ย่อยมันให้กลายเป็นเรื่องใกล้ตัวที่เข้าใจง่ายกัน

1. ทำไมเราต้องวัดความเสี่ยง?

ลองจินตนาการว่าคุณกำลังวางแผนไปเดินป่า การรู้แค่ว่า "อากาศอาจจะหนาว" นั้นยังไม่เพียงพอ แต่ถ้าคุณรู้ว่า "มีโอกาส 80% ที่อุณหภูมิจะลดลงถึง -10°C" นั่นจะช่วยให้คุณตัดสินใจได้แม่นยำขึ้นว่าจะเตรียมอุปกรณ์อะไรไปบ้าง ในงานด้านคณิตศาสตร์ประกันภัย การวัดความเสี่ยงช่วยให้เราทำสิ่งต่างๆ ดังนี้:

- กำหนดเงินกองทุนที่ต้องดำรงไว้ (Capital Requirements): เราต้องมีเงินสดสำรองไว้ในธนาคารเท่าไหร่เพื่อให้สถานะทางการเงินยังคงมั่นคง?
- การตั้งราคาผลิตภัณฑ์ (Price Products): เราควรเรียกเก็บเบี้ยประกันหรือเงินบำนาญเท่าไหร่?
- การตัดสินใจลงทุน (Make Decisions): การลงทุนนี้คุ้มค่ากับความเสี่ยงหรือไม่?
- การปฏิบัติตามกฎเกณฑ์ (Meet Regulations): หน่วยงานกำกับดูแลมักกำหนดให้มีการวัดความเสี่ยงเฉพาะเจาะจง (เช่น ข้อกำหนดภายใต้ Solvency II)

ทบทวนสั้นๆ: เราวัดความเสี่ยงเพื่อหาค่าความไม่แน่นอนออกมาเป็นตัวเลข ซึ่งจะนำไปสู่การตัดสินใจที่ดีขึ้นและความมั่นคงทางการเงิน

2. การวัดความเสี่ยงทางสถิติ

มาดูฝั่งที่ "เน้นคณิตศาสตร์" กันบ้าง วิธีการเหล่านี้ใช้ข้อมูลในอดีตและการแจกแจงความน่าจะเป็นในการประเมินความเสี่ยง

ความผันผวน (ส่วนเบี่ยงเบนมาตรฐาน - Standard Deviation)

ส่วนเบี่ยงเบนมาตรฐานวัดว่าผลลัพธ์มักจะคลาดเคลื่อนไปจากค่าเฉลี่ยเท่าใด ถ้าการลงทุนมีความ ผันผวน (Volatility) สูง ราคาก็จะแกว่งตัวอย่างรุนแรง แต่ถ้าความผันผวนต่ำ ราคาจะค่อนข้างนิ่ง
เปรียบเทียบ: ลองนึกถึงนักกอล์ฟมืออาชีพ นักกอล์ฟที่มี "ความผันผวนต่ำ" จะตีลูกเข้าใกล้หลุมทุกครั้ง ส่วนนักกอล์ฟที่มี "ความผันผวนสูง" อาจจะทำโฮลอินวันได้ แต่ก็มีโอกาสตีลูกลงน้ำได้เหมือนกัน!

มูลค่าที่เสี่ยง (Value at Risk - VaR)

VaR เป็นคำที่พบบ่อยมากในการสอบของ IFoA มันบอกถึงผลขาดทุนสูงสุดที่เราคาดว่าจะได้รับในช่วงเวลาหนึ่งด้วยระดับความเชื่อมั่นที่กำหนด
ตัวอย่าง: 1-year VaR ที่ 1 ล้านปอนด์ ณ ระดับความเชื่อมั่น 95% หมายความว่ามีโอกาสเพียง 5% เท่านั้นที่เราจะขาดทุน มากกว่า 1 ล้านปอนด์ในปีหน้า
ข้อควรระวัง: VaR บอกเราแค่ว่า "โซนอันตราย" เริ่มต้นตรงไหน แต่มันไม่ได้บอกว่าถ้าเราหลุดเข้าไปในโซนนั้นแล้ว สถานการณ์จะเลวร้ายแค่ไหน เพราะมันละเลยส่วนหาง (Tail) ของการแจกแจง

มูลค่าที่เสี่ยงส่วนหาง (Tail Value at Risk - TVaR)

หรือที่รู้จักกันในชื่อ Conditional VaR (CVaR) หรือ Expected Shortfall ซึ่งเป็นเหมือน "พี่ชายที่ฉลาดกว่า" ของ VaR โดยจะคำนวณ ค่าเฉลี่ย ของผลขาดทุน ในกรณีที่ผลขาดทุนนั้นเกินขีดจำกัด VaR ไปแล้ว
เปรียบเทียบ: VaR บอกว่า: "มีโอกาส 5% ที่คุณจะทำจานแตกอย่างน้อย 10 ใบ" ส่วน TVaR บอกว่า: "ถ้าคุณทำจานแตกเกิน 10 ใบขึ้นไป โดยเฉลี่ยแล้วคุณจะทำแตกถึง 25 ใบเลยนะ"

ความน่าจะเป็นที่บริษัทจะล้มละลาย (Probability of Ruin)

วิธีนี้ใช้เฉพาะในบริษัทประกันภัย เป็นความน่าจะเป็นที่ หนี้สิน (Liabilities) ของบริษัท (สิ่งที่ต้องจ่าย) จะมากกว่า สินทรัพย์ (Assets) (สิ่งที่มี) ในอนาคต ซึ่งก็คือโอกาสที่บริษัทจะเจ๊งนั่นเอง

ข้อผิดพลาดที่พบบ่อย: อย่าสับสนระหว่าง VaR และ TVaR นะ VaR คือจุดเดียว (เส้นแบ่ง/Threshold) ส่วน TVaR คือค่าเฉลี่ยของเหตุการณ์ทั้งหมดที่อยู่เกินจุดนั้นไป

3. การทดสอบความไว, สถานการณ์, และความเครียด

บางครั้ง ข้อมูลในอดีตอย่างเดียวก็ไม่พอ เราต้องตั้งคำถามว่า "จะเกิดอะไรขึ้นถ้า...?"

การวิเคราะห์ความไว (Sensitivity Analysis)

คือการเปลี่ยนตัวแปร เพียงตัวแปรเดียว เพื่อดูว่ามันส่งผลกระทบต่อผลลัพธ์มากน้อยเพียงใด
ตัวอย่าง: "กำไรของเราจะเป็นอย่างไรถ้าอัตราดอกเบี้ยเพิ่มขึ้น 1% พอดี?"
วิธีนี้ช่วยระบุว่าปัจจัยใดมีผลกระทบมากที่สุดต่อโครงการของเรา (เรียกว่า "ปัจจัยขับเคลื่อนหลัก")

การวิเคราะห์สถานการณ์ (Scenario Analysis)

คือการเปลี่ยน หลายตัวแปรพร้อมกัน เพื่อสะท้อนถึง "เรื่องราว" หรือเหตุการณ์ที่สอดคล้องกัน
ตัวอย่าง: สถานการณ์ "โรคระบาดทั่วโลก" อาจรวมถึงเหตุการณ์ที่อัตราดอกเบี้ยลดลง อัตราการเสียชีวิตเพิ่มขึ้น และตลาดหุ้นตกต่ำพร้อมๆ กัน

การทดสอบภาวะวิกฤต (Stress Testing)

คือการมองไปที่เหตุการณ์ที่ รุนแรงสุดๆ หรือเหตุการณ์แบบ "หงส์ดำ" (Black Swan) เราไม่ได้ดูสถานการณ์ที่ "น่าจะเกิดขึ้น" แต่เราดูว่า "เราจะรับมือได้แค่ไหนก่อนที่จะล่มสลาย?"
เทคนิคการจำ: ลองนึกถึง Stress Testing ว่าเป็นเหมือน "การทดสอบการชน (Crash Test)" ของรถยนต์ เราต้องการดูว่ารถจะยังปกป้องผู้โดยสารได้ไหมแม้จะเกิดอุบัติเหตุที่เลวร้ายที่สุด

สรุปประเด็นสำคัญ: Sensitivity = 1 ปัจจัย, Scenario = กลุ่มปัจจัย (เป็นเรื่องราว), Stress Test = ปัจจัยที่รุนแรงที่สุด/กรณีเลวร้ายที่สุด

4. การติดตามความเสี่ยง (Monitoring Risk)

การวัดความเสี่ยงไม่ใช่การทำครั้งเดียวจบ! ความเสี่ยงเปลี่ยนไปทุกวัน การติดตามคือกระบวนการตรวจสอบความเสี่ยงอย่างสม่ำเสมอ

ตัวชี้วัดความเสี่ยงหลัก (Key Risk Indicators - KRIs)

KRI คือตัวชี้วัดที่ทำหน้าที่เป็นระบบเตือนภัยล่วงหน้า ซึ่งจะคอยบอกเราว่าความเสี่ยงเริ่มเพิ่มขึ้นก่อนที่จะเกิดหายนะจริง
ตัวอย่างในชีวิตจริง: ในรถยนต์ ไฟเตือน "น้ำมันใกล้หมด" คือ KRI อย่างหนึ่ง มันไม่ได้หมายความว่ารถดับไปแล้ว แต่มันเตือนว่าความเสี่ยงที่คุณจะไปติดอยู่กลางทางกำลังเพิ่มขึ้น!

ทะเบียนความเสี่ยง (Risk Registers)

ทะเบียนความเสี่ยง คือเอกสารหลักที่ระบุความเสี่ยงทุกอย่างที่พบ ผู้รับผิดชอบ (เจ้าของความเสี่ยง), ความน่าจะเป็นที่จะเกิดขึ้น และผลกระทบหากเกิดขึ้นจริง ซึ่งจะต้องมีการอัปเดตอย่างสม่ำเสมอ

การรายงานและการกำหนดขีดจำกัด (Reporting and Limits)

บริษัทจะกำหนด ระดับความเสี่ยงที่ยอมรับได้ (Risk Appetite) เช่น "เราจะไม่ลงทุนในอสังหาริมทรัพย์เกิน 10% ของเงินทั้งหมด" การติดตามคือการคอยดูว่าเราเข้าใกล้ขีดจำกัดเหล่านี้หรือไม่ และต้องรายงานต่อคณะกรรมการบริษัทหากเราทำเกินที่กำหนดไว้

รู้หรือไม่? การติดตามไม่ใช่แค่เรื่องของความเสี่ยงในเชิงลบเท่านั้น แต่รวมถึงความเสี่ยงเชิงบวกด้วย ถ้าเราแบกรับความเสี่ยงน้อยเกินไป เราอาจทำกำไรได้ไม่มากพอที่จะบรรลุเป้าหมายที่วางไว้!

5. สรุปวิธีหลักๆ

เพื่อให้จำได้ง่าย นี่คือสรุปเครื่องมือที่เราได้เรียนรู้มา:

1. ทางสถิติ: Standard Deviation, VaR, TVaR (เหมาะกับข้อมูลเชิงปริมาณ)
2. ความน่าจะเป็น: Probability of ruin (เหมาะสำหรับการวัดความมั่นคงทางการเงิน)
3. การทดสอบ: Sensitivity, Scenario, Stress (เหมาะสำหรับการตั้งคำถาม "จะเกิดอะไรขึ้นถ้า?")
4. การติดตาม: KRIs, ทะเบียนความเสี่ยง, การตรวจสอบขีดจำกัด (เหมาะสำหรับการควบคุมอย่างต่อเนื่อง)

ส่งท้าย: CP1 เป็นวิชาที่เน้นความกว้างของเนื้อหา คุณไม่จำเป็นต้องจบปริญญาเอกด้านสถิติเพื่อเข้าใจเรื่องเหล่านี้ แต่คุณ จำเป็น ต้องรู้ว่าเมื่อไหร่ควรใช้เครื่องมือแต่ละชนิดและข้อจำกัดของมันคืออะไร หมั่นทบทวนนิยามเหล่านี้เรื่อยๆ แล้วคุณจะทำได้ดีแน่นอน!