Monte Carlo Simulation

Monte Carlo simulation adalah teknik simulasi statistik yang menggunakan pengambilan sampel acak berulang (random sampling) untuk memodelkan probabilitas berbagai skenario dan mengukur ketidakpastian.

Penerapan dalam asuransi:

1. Reserving: estimasi cadangan klaim dengan confidence interval
2. Pricing: simulasi ribuan skenario kerugian untuk menentukan premi
3. Capital modeling: menghitung kebutuhan modal (RBC) berdasarkan skenario stochastic
4. Catastrophe modeling: simulasi ribuan kemungkinan bencana alam
5. ALM (Asset Liability Management): simulasi kinerja investasi dan kewajiban klaim

Cara kerja:

1. Tentukan distribusi probabilitas untuk setiap variabel (frekuensi klaim, severity, dll)
2. Lakukan sampling acak ribuan/jutaan kali
3. Hitung hasil untuk setiap simulasi
4. Analisis distribusi hasil untuk mendapat statistik (mean, VaR, TVaR)

Keunggulan:

• Menangkap korelasi antar risiko
• Menghasilkan distribusi probabilitas penuh (bukan hanya point estimate)
• Dapat memodelkan skenario ekstrem (tail risk)

Keterbatasan:

• Membutuhkan data historis yang cukup
• Hasil bergantung pada asumsi distribusi yang dipilih
• Komputasi intensif untuk model kompleks