Modelo de simulação de governança de passivo atuarial de um fundo de pensão brasileiro

• Ano de defesa: 2018
• Autor(a) principal: Corrêa, Raphael Baseggio
• Orientador(a): Filomena, Tiago Pascoal
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Fundos de pensão; Contabilidade financeira
• Palavras-chave em Inglês: Pension funds; Actuarial liabilities; ALM - Asset Liability Management; Stochastic programming; Scenario tree; Monte Carlo simulation
• Link de acesso: http://hdl.handle.net/10183/180828

Este trabalho propõe um modelo para a simulação do passivo atuarial de um fundo de pensão brasileiro. As principais fontes de incertezas que influenciam a avaliação do passivo atuarial foram especificadas como variáveis aleatórias e parâmetros do modelo. Diversos cenários são gerados utilizando a técnica de simulação de Monte Carlo e a microssimulação no intuito de determinar o status de cada participante do fundo de pensão modelo para períodos futuros em diferentes nós de uma árvore de cenários. A situação de vida de cada participante, simulada individualmente a cada nó, está condicionada ao seu estado no nó imediatamente antecessor. O resultado é um modelo flexível, que permite a configuração de parâmetros a níveis individuais e possibilita trabalhar com diversas tábuas biométricas, mostrando-se capaz de gerar cenários consistentes, realistas e variados, capturando a essência da incerteza inerente às entidades de previdência complementar e produzindo não só valores únicos e determinísticos de reservas matemáticas e fluxos de caixa atuariais, mas intervalos de valores possíveis com distribuições conhecidas, importantes para a gestão eficiente de um fundo de pensão. A metodologia proposta serve como alternativa ao cálculo atuarial tradicional, que utiliza diretamente as probabilidades das tábuas biométricas, fixas por idade e sexo, para a mensuração dos fluxos de caixa previdenciários e reservas matemáticas. Os dados gerados a partir das simulações servem como dados de entrada para um modelo estocástico completo de Asset-Liability Management (ALM).