Perpustakaan Digital ITB

IFRS 17 memperkenalkan Risk Adjustment (RA) sebagai komponen penting dalam pengukuran fulfilment cash flows untuk mencerminkan ketidakpastian risiko non-keuangan. Pada penelitian sebelumnya, estimasi RA telah dikembangkan menggunakan pendekatan Takagi–Sugeno Fuzzy Inference System (TS-FIS). Penelitian ini melanjutkan pendekatan tersebut dengan membangun model ruang-keadaan fuzzy Takagi–Sugeno, dengan state sistem didefinisikan sebagai xt = [RAt, pt, dt]T . Komponen RAt merepresentasikan nilai internal RA, pt menunjukkan tingkat keyakinan, sedangkan dt menggambarkan deviasi atau memori sistem. Input risiko yang digunakan meliputi indeks volatilitas, indeks ketidakpastian mortalitas, dan indeks ketidakpastian lapse. Model ruang-keadaan fuzzy dibangun melalui kombinasi fungsi keanggotaan rendah, sedang, dan tinggi sehingga menghasilkan 81 aturan lokal dalam bentuk matriks Ai, Bi, dan vektor konstanta ci. Dinamika RA dirumuskan dengan mempertimbangkan parameter persistensi ?, parameter skala ?, tingkat keyakinan, serta ringkasan penggerak risiko. Parameter ? diestimasi menggunakan pendekatan least squares agar model dapat menyesuaikan dinamika RA terhadap nilai referensi aktuaria. Selain itu, Linear Quadratic Regulator (LQR) digunakan sebagai mekanisme kontrol untuk mengurangi penyimpangan nilai RA terhadap target. Dengan demikian, pendekatan ini diharapkan mampu memberikan kerangka yang lebih sistematis, adaptif, dan interpretatif dalam memodelkan serta mengendalikan dinamika RA dari waktu ke waktu.