Uyumluluk Mühendisliği: Platform Builder için Solvency II ve IFRS 17
Çok az teknoloji alanı uyumluluk kadar karmaşık ve yüksek risklidir sigorta düzenlemeleri. Solvency II ve IFRS 17 iki düzenleyici çerçevedir sırasıyla ödeme gücü (ne kadar sermaye tutulacağı) ve finansal raporlama (nasıl Avrupa şirketleri için sigorta sözleşmelerinin muhasebeleştirilmesi. Uygulamanın yanlış yapılması Bu çerçevelerin tekniği yaptırımlar, operasyonel kısıtlamalar ve itibar kaybı anlamına gelir.
Geliştiriciler için zorluk, bu çerçevelerin teknolojiyle tasarlanmamış olmasıdır. akılda tutulması gereken: bunlar yazılım sistemlerine çevrilmesi gereken aktüeryal ve muhasebe düzenlemeleridir. Çoğu şirket Excel sayfası tabanlı ve toplu tabanlı uygulamalarla mücadele ediyor saatler süren geceler. İyi haber şu ki, modern mimari — veri ambarı sütunlu, ELT boru hattı, dağıtılmış bilgi işlem — sonunda sistemler oluşturmanıza olanak tanır uyumluluk ölçeklenebilir e denetlenebilir.
PwC'ye göre Solvency II ve IFRS 17 uyumluluğu benzersiz bir fırsat sunuyor: her ikisi de Düzenlemeler birçok girdi verisini paylaşıyor. Raporlama ardışık düzenlerini entegre etmek yerine onları ayrı tutmak, %40-60 yıllık işletme maliyeti uyumluluk.
Ne Öğreneceksiniz
- Solvency II'ye teknik genel bakış: Sütun 1 (SCR), Sütun 2 (ORSA), Sütun 3 (raporlama)
- UFRS 17 veri modeli: sözleşme grupları, ölçüm modelleri (GMM, PAA, VFA)
- Sigorta uyumluluğu için veri ambarı mimarisi
- Python ve dbt ile SCR hesaplama hattı
- Solvency II raporlarının (QRT) XBRL formatında oluşturulması
- UFRS 17 veri modeli ve yükümlülük tedbirlerinin hesaplanması
- Solvency II + IFRS 17 entegrasyonu: paylaşılan veriler ve kopyaların azaltılması
Solvency II: Geliştiriciler için Teknik Genel Bakış
Solvency II ve Avrupa sigorta mali yeterlilik çerçevesi (Direktif 2009/138/EC), üç sütun üzerinde yapılandırılmıştır:
- Bölüm 1 - Niceliksel Gereksinimler: Ödeme Gücü Sermaye Gereksinimi (SCR), Asgari Sermaye Gereksinimi (MCR) ve teknik rezervlerin (En İyi Tahmin + Risk Marjı) hesaplanması
- Sütun 2 - Yönetişim ve Risk Yönetimi: ORSA (Kendi Riski ve Ödeme Gücü Değerlendirmesi), iç kontrol sistemi, temel işlevler
- Sütun 3 - Raporlama ve Şeffaflık: EIOPA için QRT (Niceliksel Raporlama Şablonları), kamuya açık SFCR (Ödeme Yeterliliği ve Mali Durum Raporu), denetçi için RSR
Bir platform oluşturucu için ana çalışma noktaları şunlardır: hesaplama hattı teknik rezervler ve SCR (Sütun 1), QRT raporlaması için veri altyapısı (Sütun 3) ve Sütun 2 için denetim takibi sistemleri.
Solvency II Veri Bileşenleri
| Bileşen | Tanım | Frekans Hesaplaması | Teknik Çıktı |
|---|---|---|---|
| En İyi Tahmini Sorumluluk (BEL) | Gelecekteki nakit akışlarının beklenen bugünkü değeri | Üç aylık / yıllık | Yıla/satıra göre nakit akışını gösteren tablolar |
| Risk Marjı (RM) | Korunamayan riskler için sermaye maliyeti | Üç aylık / yıllık | İş koluna göre skaler değer |
| SCR (Standart Formül) | 16 risk modülündeki şoklar için gerekli sermaye | Yıllık (YE), altı ayda bir | Korelasyon + toplama matrisi |
| QRT (Nicel Raporlama Şablonları) | Düzenleyici raporlama için EIOPA şablonu | Üç aylık + yıllık | XBRL, Excel şablonu EIOPA |
| ORSA Raporu | Kendi risk ve ödeme gücü değerlendirmesi | Yıllık | PDF belgesi + destekleyici veriler |
Uyumluluk için Veri Ambarı Mimarisi
Sigorta uyumluluğu belirli özelliklere sahip bir veri ambarı gerektirir: tarihselleştirme eksiksiz (denetim takibi), her dönüşümün izlenebilirliği, farklı sistemler arasında mutabakat, ve veriler düzeltildiğinde geçmiş dönemleri yeniden işleyebilme yeteneği (geç değişiklikler).
-- ============================================================
-- Schema dbt per Solvency II + IFRS 17 Data Warehouse
-- ============================================================
-- Layer 1: Raw / Staging (dati grezzi dai sistemi operativi)
-- Tabella base contratti assicurativi
CREATE TABLE staging.insurance_contracts (
contract_id VARCHAR(50) NOT NULL,
policy_number VARCHAR(30) NOT NULL,
product_code VARCHAR(20) NOT NULL,
line_of_business VARCHAR(30) NOT NULL, -- auto, property, liability, life
inception_date DATE NOT NULL,
expiry_date DATE,
issue_date DATE NOT NULL,
policyholder_id VARCHAR(50),
sum_insured DECIMAL(18, 2),
annual_premium DECIMAL(18, 2),
currency CHAR(3) NOT NULL,
status VARCHAR(20), -- active, lapsed, expired, cancelled
-- Audit columns
source_system VARCHAR(30),
load_timestamp TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
valid_from DATE NOT NULL,
valid_to DATE, -- NULL = record corrente
is_current BOOLEAN DEFAULT TRUE,
PRIMARY KEY (contract_id, valid_from)
);
-- Tabella sinistri per BEL cashflow
CREATE TABLE staging.claims (
claim_id VARCHAR(50) NOT NULL PRIMARY KEY,
contract_id VARCHAR(50) NOT NULL,
fnol_date DATE NOT NULL,
incident_date DATE NOT NULL,
reported_amount DECIMAL(18, 2),
paid_amount DECIMAL(18, 2),
reserve_amount DECIMAL(18, 2), -- riserva corrente
case_reserve DECIMAL(18, 2), -- riserva per sinistro specifico
ibnr_reserve DECIMAL(18, 2), -- riserva IBNR
settlement_date DATE,
status VARCHAR(20),
load_timestamp TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP
);
-- Tabella yield curve per sconto BEL (EIOPA Risk-Free Rate)
CREATE TABLE staging.eiopa_yield_curve (
curve_date DATE NOT NULL,
currency CHAR(3) NOT NULL,
maturity_years INTEGER NOT NULL, -- 1, 2, ..., 150
spot_rate DECIMAL(10, 6), -- tasso spot risk-free
forward_rate DECIMAL(10, 6),
source VARCHAR(30), -- EIOPA pubblicazione ufficiale
PRIMARY KEY (curve_date, currency, maturity_years)
);
-- Layer 2: Intermediate / Mart (trasformazioni dbt)
-- Calcolo cashflow proiettati per linea di business
-- Modello semplificato: in produzione usare modelli attuariali complessi
CREATE TABLE mart.solvency2_bel_cashflows (
valuation_date DATE NOT NULL,
line_of_business VARCHAR(30) NOT NULL,
projection_year INTEGER NOT NULL, -- anni futuri: 1, 2, ..., N
currency CHAR(3) NOT NULL,
-- Cashflow per categoria
expected_claims_paid DECIMAL(18, 2), -- sinistri attesi da pagare
expected_expenses DECIMAL(18, 2), -- spese di gestione attese
expected_premiums DECIMAL(18, 2), -- premi futuri attesi (rami vita)
net_cashflow DECIMAL(18, 2), -- cashflow netto (claims + exp - premi)
-- Fattore di sconto dalla yield curve EIOPA
discount_factor DECIMAL(10, 6),
present_value_net_cf DECIMAL(18, 2), -- PV del cashflow netto
-- Metadata
calc_run_id VARCHAR(36), -- UUID del run di calcolo
calc_timestamp TIMESTAMP,
actuary_model_version VARCHAR(20),
PRIMARY KEY (valuation_date, line_of_business, projection_year, currency)
);
-- Best Estimate Liability aggregata
CREATE TABLE mart.solvency2_bel_summary (
valuation_date DATE NOT NULL,
line_of_business VARCHAR(30) NOT NULL,
currency CHAR(3) NOT NULL,
best_estimate DECIMAL(18, 2), -- somma PV cashflow futuri
risk_margin DECIMAL(18, 2), -- costo del capitale rischi non hedgiabili
technical_provision DECIMAL(18, 2), -- BEL + Risk Margin
-- Componenti BEL
bel_claims DECIMAL(18, 2),
bel_expenses DECIMAL(18, 2),
bel_premiums DECIMAL(18, 2),
-- Confronto con periodo precedente
prior_quarter_bel DECIMAL(18, 2),
bel_movement DECIMAL(18, 2),
-- Metadata
calc_run_id VARCHAR(36),
approved_by VARCHAR(100),
approval_date DATE,
PRIMARY KEY (valuation_date, line_of_business, currency)
);Python ile En İyi Tahmin Hesaplama Hattı
En İyi Tahmin Yükümlülüğünün (BEL) hesaplanması, Solvency II'nin aktüeryal kalbidir. açısından teknik, gelecekteki beklenen nakit akışlarının (talepler, giderler, primler) tahmin edilmesini ve bunların indirgenmesini gerektirir uygun EIOPA risksiz getiri eğrisi ile. Aşağıdaki kod bir sürümü uygular Hayat dışı branş için basitleştirilmiş BEL hesaplaması.
import numpy as np
import pandas as pd
from typing import Dict, List, Optional, Tuple
from dataclasses import dataclass
from datetime import date
import uuid
@dataclass
class BELInputData:
"""Dati di input per il calcolo del BEL."""
valuation_date: date
line_of_business: str
currency: str
# Triangolo di sviluppo sinistri (per Chain-Ladder o BF)
claims_triangle: pd.DataFrame # rows=accident_year, cols=development_year
# Premi di competenza e spese storici
earned_premiums: pd.Series # indexed by year
expense_ratio: float # % premi
# Yield curve EIOPA
yield_curve: pd.Series # indexed by maturity (1, 2, ..., 150)
# Parametri del modello
tail_factor: float = 1.05 # fattore di coda per il triangolo
projection_years: int = 25 # anni di proiezione
@dataclass
class BELResult:
"""Risultato del calcolo BEL."""
valuation_date: date
line_of_business: str
currency: str
best_estimate: float
bel_claims: float
bel_expenses: float
cashflow_by_year: pd.DataFrame
calc_run_id: str
calc_timestamp: str
class BestEstimateLiabilityCalculator:
"""
Calcolo del Best Estimate Liability per ramo danni (Solvency II).
Implementa il metodo Chain-Ladder per la proiezione dei sinistri
e il discounting con la curva risk-free EIOPA.
NOTA: Questo e un modello semplificato a scopo didattico.
In produzione, il calcolo attuariale richiede modelli certificati
e validati dal team attuariale.
"""
def calculate(self, data: BELInputData) -> BELResult:
"""Esegue il calcolo completo del BEL."""
calc_run_id = str(uuid.uuid4())
# Step 1: Proiezione dei sinistri con Chain-Ladder
projected_claims = self._chain_ladder_projection(data)
# Step 2: Proiezione cashflow annuali
cashflow_df = self._build_cashflow_projections(data, projected_claims)
# Step 3: Sconto con yield curve EIOPA
cashflow_df = self._apply_discounting(cashflow_df, data.yield_curve)
# Step 4: Aggregazione
bel_claims = float(cashflow_df["pv_claims"].sum())
bel_expenses = float(cashflow_df["pv_expenses"].sum())
best_estimate = bel_claims + bel_expenses
return BELResult(
valuation_date=data.valuation_date,
line_of_business=data.line_of_business,
currency=data.currency,
best_estimate=round(best_estimate, 2),
bel_claims=round(bel_claims, 2),
bel_expenses=round(bel_expenses, 2),
cashflow_by_year=cashflow_df,
calc_run_id=calc_run_id,
calc_timestamp=pd.Timestamp.now().isoformat(),
)
def _chain_ladder_projection(self, data: BELInputData) -> pd.DataFrame:
"""
Proiezione dei sinistri con il metodo Chain-Ladder.
Il triangolo di sviluppo ha:
- Righe: anni di accadimento (accident year)
- Colonne: anni di sviluppo (development year 1, 2, ..., N)
"""
triangle = data.claims_triangle.copy()
# Calcola i fattori di sviluppo (link ratios) dalla diagonale
n_dev_years = len(triangle.columns)
development_factors = []
for j in range(n_dev_years - 1):
col_curr = triangle.columns[j]
col_next = triangle.columns[j + 1]
# Solo le righe con dati in entrambe le colonne
mask = triangle[col_curr].notna() & triangle[col_next].notna()
if mask.sum() == 0:
development_factors.append(1.0)
continue
factor = (
triangle.loc[mask, col_next].sum() /
triangle.loc[mask, col_curr].sum()
)
development_factors.append(factor)
# Aggiungi il tail factor per l'ultimo anno di sviluppo
development_factors.append(data.tail_factor)
# Completa il triangolo proiettando i valori mancanti
for i, accident_year in enumerate(triangle.index):
for j, dev_year in enumerate(triangle.columns):
if pd.isna(triangle.loc[accident_year, dev_year]):
# Proietta dalla cella precedente
prev_col = triangle.columns[j - 1]
if not pd.isna(triangle.loc[accident_year, prev_col]):
triangle.loc[accident_year, dev_year] = (
triangle.loc[accident_year, prev_col] * development_factors[j - 1]
)
# Calcola i sinistri da sviluppare per anno
# (ultima colonna del triangolo completato - ultima diagonale)
ultimate_claims = triangle.iloc[:, -1]
last_known = triangle.apply(lambda row: row.dropna().iloc[-1] if row.notna().any() else 0, axis=1)
ibnr_by_year = ultimate_claims - last_known
return pd.DataFrame({
"accident_year": triangle.index,
"ultimate": ultimate_claims.values,
"last_known": last_known.values,
"ibnr": ibnr_by_year.values,
}).set_index("accident_year")
def _build_cashflow_projections(
self, data: BELInputData, projected_claims: pd.DataFrame
) -> pd.DataFrame:
"""
Costruisce il profilo temporale dei cashflow futuri.
Distribuisce i sinistri proiettati negli anni futuri.
"""
rows = []
total_ibnr = projected_claims["ibnr"].sum()
avg_premium = data.earned_premiums.mean() if not data.earned_premiums.empty else 0
for year in range(1, data.projection_years + 1):
# Pattern di pagamento semplificato: esponenziale decrescente
payment_weight = np.exp(-0.3 * year)
normalizer = sum(np.exp(-0.3 * y) for y in range(1, data.projection_years + 1))
year_claims = total_ibnr * (payment_weight / normalizer)
year_expenses = year_claims * data.expense_ratio
rows.append({
"projection_year": year,
"claims_cashflow": round(year_claims, 2),
"expense_cashflow": round(year_expenses, 2),
"net_cashflow": round(year_claims + year_expenses, 2),
})
return pd.DataFrame(rows).set_index("projection_year")
def _apply_discounting(
self, cashflows: pd.DataFrame, yield_curve: pd.Series
) -> pd.DataFrame:
"""Applica il discounting con la curva risk-free EIOPA."""
result = cashflows.copy()
pv_claims = []
pv_expenses = []
for year in cashflows.index:
# Tasso spot per la maturity corrispondente
rate = float(yield_curve.get(year, yield_curve.iloc[-1]))
discount_factor = 1.0 / (1.0 + rate) ** year
pv_claims.append(cashflows.loc[year, "claims_cashflow"] * discount_factor)
pv_expenses.append(cashflows.loc[year, "expense_cashflow"] * discount_factor)
result["pv_claims"] = pv_claims
result["pv_expenses"] = pv_expenses
result["pv_net"] = result["pv_claims"] + result["pv_expenses"]
return resultUFRS 17: Veri Modeli ve Uygulama
UFRS 17 (AB şirketleri için 1 Ocak 2023'ten itibaren yürürlükte) muhasebede devrim yaratıyor sigorta sözleşmeleri. Temel prensip, sigorta sözleşmelerinin artık Primler tahsil edildiğinde muhasebeleştirilir ancak karlılık muhasebeleştirilir gelecekteki beklenti (Sözleşmeye Bağlı Hizmet Marjı - CSM) ve taleplerin maliyetle ölçülmesi cari (Geçerli Değer, tarihi maliyet değil).
UFRS 17'nin üç ana ölçüm modeli şunlardır:
- Genel Ölçüm Modeli (GMM): ana model; BEL (indirimli) + Risk Ayarlaması + CSM'yi hesaplayın
- Prim Tahsis Yaklaşımı (PAA): Kısa vadeli sözleşmeler (maksimum 1 yıl) için önceki UFRS 4'e benzer basitleştirme
- Değişken Ücret Yaklaşımı (VFA): kar paylaşımlı ömür boyu sözleşmeler
import pandas as pd
import numpy as np
from dataclasses import dataclass, field
from typing import Dict, List, Optional
from datetime import date
from enum import Enum
class IFRS17MeasurementModel(str, Enum):
GMM = "GMM" # General Measurement Model
PAA = "PAA" # Premium Allocation Approach
VFA = "VFA" # Variable Fee Approach
class ContractGroup(str, Enum):
"""IFRS 17 richiede la separazione in 3 gruppi di redditivita."""
ONEROUS = "onerous" # contratti in perdita
NO_SIGNIFICANT_RISK = "no_significant_risk" # nessun rischio di diventare onerosi
REMAINING = "remaining" # tutti gli altri
@dataclass
class IFRS17ContractGroup:
"""
Gruppo di contratti IFRS 17.
IFRS 17 richiede di raggruppare i contratti per:
- Anno di emissione (cohort annuale)
- Linea di business
- Gruppo di redditivita (onerous/remaining/no-significant-risk)
I gruppi NON possono essere mescolati tra anni diversi.
"""
group_id: str
line_of_business: str
issue_cohort_year: int
profitability_group: ContractGroup
measurement_model: IFRS17MeasurementModel
currency: str
# Contratti nel gruppo
contract_ids: List[str] = field(default_factory=list)
@dataclass
class IFRS17LiabilityMeasures:
"""
Misure delle passivita IFRS 17 per un gruppo di contratti.
GMM: LRC = FCF (BEL + RA) + CSM
"""
group_id: str
valuation_date: date
measurement_model: IFRS17MeasurementModel
# Fulfilment Cash Flows (FCF)
best_estimate_liability: float # BEL scontato (come Solvency II)
risk_adjustment: float # aggiustamento per rischio non-finanziario
fulfilment_cash_flows: float # = BEL + RA
# Contractual Service Margin (CSM)
# Profitto futuro atteso ancora da riconoscere
csm_opening: float # CSM inizio periodo
csm_accretion: float # interessi maturati
csm_experience_adjustments: float # rettifiche per esperienza
csm_release: float # CSM rilasciato a P&L nel periodo
csm_closing: float # CSM fine periodo
# Liability for Remaining Coverage (LRC)
lrc: float # = FCF + CSM (se > 0) oppure FCF (se CSM < 0, onerous)
# Liability for Incurred Claims (LIC)
lic: float # per sinistri già occorsi ma non ancora liquidati
# Total Insurance Contract Liabilities
total_liability: float # = LRC + LIC
class IFRS17Calculator:
"""
Calcolatore delle misure IFRS 17.
Implementa il GMM (General Measurement Model) e il PAA
(Premium Allocation Approach) per contratti breve termine.
"""
RISK_ADJUSTMENT_CONFIDENCE = 0.75 # confidenza target per RA (tipicamente 70-80%)
def calculate_gmm(
self,
group: IFRS17ContractGroup,
bel: float,
bel_prior: float,
risk_adjustment: float,
csm_opening: float,
discount_rate: float,
coverage_units_current: float,
coverage_units_remaining: float,
experience_variance: float = 0.0,
) -> IFRS17LiabilityMeasures:
"""
Calcola le misure IFRS 17 con il GMM.
Args:
bel: Best Estimate Liability corrente (attualizzato)
bel_prior: BEL al periodo precedente
risk_adjustment: RA al periodo corrente
csm_opening: CSM di apertura del periodo
discount_rate: tasso di interesse locked-in (tasso alla data di emissione)
coverage_units_current: unita di copertura del periodo corrente
coverage_units_remaining: unita di copertura residue
experience_variance: varianza di esperienza sul BEL
"""
# Fulfilment Cash Flows
fcf = bel + risk_adjustment
# CSM movement
csm_accretion = csm_opening * discount_rate
# Aggiustamento CSM per variazioni delle stime future (non experience)
# Le experience variances vanno a P&L, non al CSM
csm_after_accretion = csm_opening + csm_accretion
# Rilascio CSM: proporzionale alle coverage units del periodo vs totali
if (coverage_units_current + coverage_units_remaining) > 0:
release_ratio = coverage_units_current / (
coverage_units_current + coverage_units_remaining
)
else:
release_ratio = 0.0
csm_release = csm_after_accretion * release_ratio
csm_closing = max(0.0, csm_after_accretion - csm_release)
# Se il gruppo diventa oneroso (CSM negativo), impatta subito P&L
if csm_after_accretion < 0:
# Loss component: ammontare per cui il gruppo e oneroso
csm_closing = 0.0
# LRC = FCF + CSM (contratti non onerosi)
lrc = fcf + csm_closing
# LIC approssimato (in produzione: calcolo separato per sinistri incorsi)
lic = abs(bel * 0.15) # stima semplificata: 15% BEL e LIC
return IFRS17LiabilityMeasures(
group_id=group.group_id,
valuation_date=date.today(),
measurement_model=IFRS17MeasurementModel.GMM,
best_estimate_liability=round(bel, 2),
risk_adjustment=round(risk_adjustment, 2),
fulfilment_cash_flows=round(fcf, 2),
csm_opening=round(csm_opening, 2),
csm_accretion=round(csm_accretion, 2),
csm_experience_adjustments=round(experience_variance, 2),
csm_release=round(csm_release, 2),
csm_closing=round(csm_closing, 2),
lrc=round(lrc, 2),
lic=round(lic, 2),
total_liability=round(lrc + lic, 2),
)
def calculate_paa(
self,
group: IFRS17ContractGroup,
unearned_premium_reserve: float,
acquisition_costs_deferred: float,
claims_liability: float,
risk_adjustment_incurred: float,
) -> IFRS17LiabilityMeasures:
"""
Calcola le misure IFRS 17 con il PAA (contratti <= 1 anno).
Nel PAA la LRC e approssimata dalla riserva premi non guadagnati
meno i costi di acquisizione differiti.
"""
lrc = unearned_premium_reserve - acquisition_costs_deferred
lic = claims_liability + risk_adjustment_incurred
return IFRS17LiabilityMeasures(
group_id=group.group_id,
valuation_date=date.today(),
measurement_model=IFRS17MeasurementModel.PAA,
best_estimate_liability=claims_liability,
risk_adjustment=risk_adjustment_incurred,
fulfilment_cash_flows=claims_liability + risk_adjustment_incurred,
csm_opening=0.0, # PAA non ha CSM esplicito
csm_accretion=0.0,
csm_experience_adjustments=0.0,
csm_release=0.0,
csm_closing=0.0,
lrc=round(lrc, 2),
lic=round(lic, 2),
total_liability=round(lrc + lic, 2),
)Solvency II için QRT XBRL nesli
Niceliksel Raporlama Şablonları (QRT), standartlaştırılmış EIOPA şablonlarıdır. şirketlerin denetim otoritesine (İtalya'da: IVASS) sık sık bildirimde bulunması gerekir üç aylık ve yıllık. 2016'dan bu yana zorunlu iletim formatı XBRL'dir (eXtensible İşletme Raporlama Dili). Bir veri ambarından QRT'lerin otomatik olarak oluşturulması Uyumluluk mühendisliği için en etkili kullanım örneklerinden biri.
import pandas as pd
from typing import Dict, List, Any, Optional
from dataclasses import dataclass
from datetime import date
import xml.etree.ElementTree as ET
from xml.dom import minidom
# Namespace XBRL standard per Solvency II (EIOPA)
XBRL_NAMESPACES = {
"xbrli": "http://www.xbrl.org/2003/instance",
"link": "http://www.xbrl.org/2003/linkbase",
"xlink": "http://www.w3.org/1999/xlink",
"xsi": "http://www.w3.org/2001/XMLSchema-instance",
"s2md_met": "http://eiopa.europa.eu/xbrl/s2md/dict/met",
"s2c_dim": "http://eiopa.europa.eu/xbrl/s2c/dict/dim",
"s2c_CA": "http://eiopa.europa.eu/xbrl/s2c/dict/dom/CA",
"iso4217": "http://www.xbrl.org/2003/iso4217",
}
# Template S.01.01 - Contenuto della presentazione (indice dei QRT)
# Template S.02.01 - Stato patrimoniale
# Template S.17.01 - Riserve tecniche ramo non vita
# Template S.25.01 - Solvency Capital Requirement (Standard Formula)
@dataclass
class QRTContext:
"""Metadati per la generazione del QRT XBRL."""
entity_id: str # codice identificativo IVASS/LEI
entity_name: str
reporting_period_end: date
reporting_currency: str # EUR per la maggior parte
solo_or_group: str # "solo" o "group"
report_type: str # "annual" o "quarterly"
class SolvencyIIQRTGenerator:
"""
Generatore di QRT XBRL per Solvency II.
Implementa un sottoinsieme dei template EIOPA:
- S.01.01 (indice)
- S.02.01 (stato patrimoniale Solvency II)
- S.17.01 (riserve tecniche non vita)
NOTA: In produzione, usare librerie XBRL specializzate come
Arelle o soluzioni certified EIOPA per la compliance completa.
"""
def generate_s01_01(self, ctx: QRTContext) -> str:
"""
Genera il template S.01.01 - Contenuto della presentazione.
Elenca i QRT inclusi nella submission.
"""
root = ET.Element("xbrl", attrib={
"xmlns": "http://www.xbrl.org/2003/instance",
"xmlns:xsi": "http://www.w3.org/2001/XMLSchema-instance",
})
# Context
context = ET.SubElement(root, "context", id="ctx_S0101")
entity_el = ET.SubElement(context, "entity")
identifier = ET.SubElement(entity_el, "identifier", scheme="http://www.lei.org")
identifier.text = ctx.entity_id
period = ET.SubElement(context, "period")
instant = ET.SubElement(period, "instant")
instant.text = ctx.reporting_period_end.isoformat()
# Unit (EUR)
unit = ET.SubElement(root, "unit", id="EUR")
measure = ET.SubElement(unit, "measure")
measure.text = "iso4217:EUR"
# Template S.01.01 data points
# R0010: Template S.01.01 presente
self._add_fact(root, "s2md_met:ei_S0101R0010C0010", "ctx_S0101", "EUR", "true")
# R0020: Template S.02.01 presente (stato patrimoniale)
self._add_fact(root, "s2md_met:ei_S0101R0020C0010", "ctx_S0101", "EUR", "true")
# R0080: Template S.17.01 presente (riserve non vita)
self._add_fact(root, "s2md_met:ei_S0101R0080C0010", "ctx_S0101", "EUR", "true")
# R0190: Template S.25.01 presente (SCR formula standard)
self._add_fact(root, "s2md_met:ei_S0101R0190C0010", "ctx_S0101", "EUR", "true")
return self._pretty_print(root)
def generate_s17_01(
self,
ctx: QRTContext,
bel_data: Dict[str, float],
risk_margin_data: Dict[str, float],
) -> str:
"""
Genera S.17.01 - Riserve tecniche ramo non vita.
Args:
bel_data: BEL per linea EIOPA (es. {"motor_vehicle_liability": 1500000.0})
risk_margin_data: Risk Margin per linea EIOPA
"""
root = ET.Element("xbrl", attrib={
"xmlns": "http://www.xbrl.org/2003/instance",
})
# Mapping linee di business interne -> codici EIOPA QRT
lob_codes = {
"motor_vehicle_liability": "s2c_CA:x1",
"other_motor": "s2c_CA:x2",
"marine": "s2c_CA:x5",
"fire_property": "s2c_CA:x7",
"general_liability": "s2c_CA:x9",
"credit_suretyship": "s2c_CA:x10",
}
for lob_internal, bel_value in bel_data.items():
lob_code = lob_codes.get(lob_internal, "s2c_CA:x99")
ctx_id = f"ctx_S1701_{lob_internal}"
# Context con dimensione linea di business
context = ET.SubElement(root, "context", id=ctx_id)
entity_el = ET.SubElement(context, "entity")
identifier = ET.SubElement(entity_el, "identifier", scheme="http://www.lei.org")
identifier.text = ctx.entity_id
period = ET.SubElement(context, "period")
instant = ET.SubElement(period, "instant")
instant.text = ctx.reporting_period_end.isoformat()
scenario = ET.SubElement(context, "scenario")
explicit_member = ET.SubElement(
scenario, "explicitMember",
dimension="s2c_dim:LB"
)
explicit_member.text = lob_code
# Unit
unit = ET.SubElement(root, "unit", id=f"EUR_{lob_internal}")
measure = ET.SubElement(unit, "measure")
measure.text = "iso4217:EUR"
# Dati QRT S.17.01
# R0010: Riserve premi - BEL
self._add_fact(
root, "s2md_met:tp_S1701R0010C0010",
ctx_id, f"EUR_{lob_internal}",
str(round(bel_value * 0.3, 2)) # stima: 30% del BEL e premi
)
# R0020: Riserve sinistri - BEL
self._add_fact(
root, "s2md_met:tp_S1701R0020C0010",
ctx_id, f"EUR_{lob_internal}",
str(round(bel_value * 0.7, 2)) # 70% del BEL e sinistri
)
# R0060: Best Estimate (totale)
self._add_fact(
root, "s2md_met:tp_S1701R0060C0010",
ctx_id, f"EUR_{lob_internal}",
str(round(bel_value, 2))
)
# R0070: Risk Margin
rm = risk_margin_data.get(lob_internal, 0.0)
self._add_fact(
root, "s2md_met:tp_S1701R0070C0010",
ctx_id, f"EUR_{lob_internal}",
str(round(rm, 2))
)
# R0100: Technical Provisions totale (BEL + RM)
self._add_fact(
root, "s2md_met:tp_S1701R0100C0010",
ctx_id, f"EUR_{lob_internal}",
str(round(bel_value + rm, 2))
)
return self._pretty_print(root)
def _add_fact(
self, parent: ET.Element,
concept: str, context_ref: str,
unit_ref: str, value: str
) -> ET.Element:
"""Aggiunge un data point XBRL."""
fact = ET.SubElement(parent, concept, attrib={
"contextRef": context_ref,
"unitRef": unit_ref,
"decimals": "2",
})
fact.text = value
return fact
def _pretty_print(self, root: ET.Element) -> str:
xml_str = ET.tostring(root, encoding="unicode")
dom = minidom.parseString(xml_str)
return dom.toprettyxml(indent=" ", encoding=None)Solvency II + IFRS 17 entegrasyonu: Paylaşılan Veriler
Uyumluluk maliyetini azaltmanın en büyük fırsatı Solvency II ve IFRS 17'nin kullanılmasıdır. pek çok ortak veri: her ikisi de En İyi Yükümlülük Tahminini gerektirir (hesaplanmış olsa bile) farklı metodolojilerle), her ikisi de indirim için bir getiri eğrisi gerektirir (her ne kadar farklı: Solvency II için EIOPA risksiz, IFRS 17 için mevcut iskonto oranı), her ikisi de iş kollarına göre bölümlere ayırıyorlar.
Solvency II / UFRS 17 Paylaşılan Veriler
| Verilen | Ödeme Gücü II | UFRS 17 | Temel Fark |
|---|---|---|---|
| En İyi Tahmin Yükümlülüğü | BEL (risksiz indirimli) | FCF - BEL bileşeni | Farklı getiri eğrisi, farklı nakit akışı tanımı |
| Getiri Eğrisi | EIOPA risksiz + VA/MA | Mevcut + kilitli oran | UFRS 17'de iki ayrı eğri |
| LoB segmentasyonu | 17 EIOPA hattı | Daha fazla toplu satır | Haritalama gerekli |
| Kalkınma üçgenleri | Zincirli Merdiven İçin | FCF için | Aynı kaynak verileri |
| Politika/sözleşme verileri | Rezerv hesaplaması için | Sözleşme gruplarına göre | Aynı kaynak verileri, farklı toplama |
En İyi Uygulamalar ve Anti-kalıplar
Uyumluluk Mühendisliği için En İyi Uygulamalar
- Giriş verileri için Tek Doğruluk Kaynağı: talepler, poliçeler ve primler tek bir sertifikalı veri ambarından gelmelidir; Solvency II ve IFRS 17 hesaplamaları aynı ham verilerden başlamalıdır
- Her çalıştırma için değişmez denetim izi: Her hesaplama çalıştırması, aktüeryal ve düzenleyici incelemeler için gerekli olan kod sürümü, giriş verileri, parametreler ve çıktıyı içeren eksiksiz bir günlük oluşturmalıdır.
- Veri ayırma ve hesaplama: veri ambarı yalnızca geçmişe ait ve seçilmiş verileri içermelidir; hesaplama mantığı SQL saklı yordamlarında değil, uygulama katmanında (Python/R) olmalıdır
- Zorunlu aktüeryal testler: Hesaplama modellerinde yapılan her değişiklik, aktüeryal ekip tarafından önceki dönemle karşılaştırmalı doğrulama ve sapma analizi ile birlikte yapılmalıdır.
- Kapanış döngüsü otomasyonu: QRT'lerin hesaplanması, doğrulanması ve iletilmesi süreci, SLA'lar için zaman tetikleyicileri ve uyarılarla tamamen otomatikleştirilmelidir
Kaçınılması Gereken Anti-örüntüler
- Üretim hesaplama sistemi olarak Excel: Excel sayfaları denetlenemez, ölçeklenebilir değildir ve sürüm kontrolünü desteklemez; her düzenleyici hesaplamanın sürüm kodunda olması gerekir
- Solvency II ve UFRS 17 için ayrı veriler: iki ayrı boru hattının sürdürülmesi maliyetleri ve riskleri çoğaltır; çoğaltma ve iki çerçeve arasında maliyetli uzlaşmalara neden olur
- Getiri eğrisinin sabit kodlanması: EIOPA risksiz eğrisi her ay değişmektedir; manuel olarak girilmemeli, EIOPA web sitesinden otomatik olarak yüklenmelidir
- Manuel QRT oluşturma: EIOPA'nın ve hataya açık ve ölçeklenemeyen Excel şablonlarının manuel olarak derlenmesi; veri ambarından XBRL oluşturmayı otomatikleştirir
Sonuçlar: InsurTech Mühendislik Serisinin Sonu
Solvency II ve IFRS 17 için uyumluluk mühendisliği en karmaşık alanlardan biridir ve sigorta BT stratejileri. Zorluk yalnızca teknik değildir (aktüeryal hesaplamalar, XBRL formatı, hesaplamaların zamanlaması) ve aynı zamanda organizasyonel: aktüeryal, muhasebe, BT ve Kritik ve düzenlenmiş bir sürece uyum.
İyi haber şu ki modern teknolojiler — sütunlu veri ambarları, bildirime dayalı ELT hatları (dbt), dağıtılmış bilgi işlem (Spark), iş akışı otomasyonu — sonunda bunu mümkün kılıyorlar gerektiğinde ölçeklenebilir, denetlenebilir ve hızla güncellenebilir uyumluluk sistemleri oluşturun. düzenlemeler gelişiyor.
Bu makale seriyi sonlandırıyor InsurTech Mühendislik. bizde Modern sigorta sektörünün tüm teknoloji yığınını kapsıyordu: etki alanından ve verilerden modelden bulut tabanlı politika yönetimine, UBI telematikten yapay zeka sigortacılığına kadar, talep otomasyonu, dolandırıcılık tespiti, ACORD standartları ve uyumluluğa kadar Solvency II ve IFRS 17 ile düzenleyici.
InsurTech Mühendislik Serisi - Tüm Makaleler
- 01 - Geliştiriciler için Sigorta Alanı: Ürünler, Aktörler ve Veri Modelleri
- 02 - Bulutta Yerel Politika Yönetimi: API Öncelikli Mimari
- 03 - Telematik İşlem Hattı: Geniş Ölçekte UBI Veri İşleme
- 04 - Yapay Zeka Sigortacılığı: Özellik Mühendisliği ve Risk Puanlaması
- 05 - Talep Otomasyonu: Bilgisayarla Görme ve NLP
- 06 - Dolandırıcılık Tespiti: Grafik Analizi ve Davranışsal Sinyal
- 07 - ACORD Standardı ve Sigorta API Entegrasyonu
- 08 - Uyumluluk Mühendisliği: Solvency II ve UFRS 17 (bu makale)