Modal Kontinjen & AI: Pelajaran daripada SCOR

Kerugian bencana yang diinsuranskan melepasi USD100 bilion setahun selama enam tahun berturut-turut (mengikut anggaran industri 2025). Itu bukan sekadar nombor besar—itu tekanan sebenar pada modal, solvency, harga retro, dan selera risiko penanggung insurans serta reinsurans.

Dalam suasana hujung tahun dan musim pembaharuan perjanjian (renewals) yang biasanya paling “tegang” bagi pasukan risiko, satu berita dari pasaran global patut diberi perhatian: SCOR memperbaharui fasiliti modal kontinjen bencana & mortaliti untuk kali kelima, mengekalkan perlindungan kunci kira-kira yang boleh dicetuskan oleh bencana alam ekstrem, peristiwa mortaliti ekstrem, atau kejatuhan besar harga saham.

Yang menarik bukan sekadar pembaharuan itu sendiri. Ceritanya ialah bagaimana instrumen pemindahan risiko semakin “hibrid”—gabungan reinsurans tradisional, ILS, retrocession, sidecar, dan modal kontinjen—dan kenapa AI dalam insurans dan pengurusan risiko makin relevan untuk membuat keputusan yang cepat, tepat, dan boleh diaudit.

Apa yang SCOR buat—dan kenapa modal kontinjen masih “hidup”

Jawapan ringkas: SCOR mengunci semula perlindungan modal kontinjen EUR300 juta untuk tempoh 3 tahun (01/01/2026 hingga 31/12/2028), disokong oleh pasaran modal melalui struktur waran saham.

Modal kontinjen (contingent capital facility) ialah “payung kecemasan” untuk modal. Bila pencetus tertentu berlaku, syarikat boleh mendapatkan suntikan modal secara automatik atau mengikut terma yang telah dipersetujui—tanpa perlu berunding dari kosong ketika krisis sedang berlaku.

Dalam kes SCOR, fasiliti ini wujud lama, bermula 2010 dan pernah benar-benar dicairkan (drawdown)—contohnya apabila kerugian bencana pada suku pertama 2011 mencetuskan akses kepada sebahagian fasiliti. Itu sebabnya pembaharuan kali demi kali memberi isyarat jelas: instrumen ini bukan kosmetik. Ia telah diuji.

Apa yang unik tentang pembaharuan 2026–2028

• Saiz perlindungan: EUR300 juta
• Tempoh: 3 tahun kalendar
• Pencetus:
  • kerugian bencana alam ekstrem,
  • peristiwa mortaliti ekstrem,
  • kejatuhan signifikan harga saham
• Had pencairan ekuiti (dilution): maksimum 10% modal saham

Bagi saya, ini mesej besar kepada pasaran: pengurusan risiko bukan lagi tentang “membeli perlindungan semata-mata”, tetapi tentang mereka bentuk struktur modal yang tahan hentakan.

Modal kontinjen vs retrocession vs ILS: beza yang orang selalu tersilap

Jawapan terus: modal kontinjen bukan pengganti retrocession atau ILS; ia lapisan tambahan untuk memastikan solvency dan kecairan modal kekal stabil apabila kejadian ekstrem berlaku.

Kita sering dengar istilah:

• Retrocession: reinsurans untuk reinsurer—memindahkan sebahagian risiko portfolio kepada pihak lain.
• ILS (Insurance-Linked Securities): pemindahan risiko kepada pelabur pasaran modal (contoh: cat bond), selalunya dengan struktur cagaran tertentu.
• Sidecar: kenderaan pelaburan yang berkongsi risiko tertentu, biasanya untuk menambah kapasiti.
• Modal kontinjen: akses kepada modal (selalunya ekuiti atau seakan-ekuiti) selepas pencetus.

Bezanya dari segi apa yang diselesaikan:

1. Retro/ILS menyelesaikan isu kerugian underwriting (loss absorption).
2. Modal kontinjen menyelesaikan isu modal dan solvency selepas loss, termasuk bila keadaan pasaran buruk dan pengumpulan modal baharu jadi mahal.

Satu lagi beza praktikal: instrumen modal kontinjen boleh direka supaya ia juga “melindungi” ketika harga saham jatuh, iaitu risiko korporat yang tidak semestinya diliputi oleh struktur reinsurans.

Di sinilah AI masuk: AI jadikan struktur seperti ini lebih mudah “dikawal”

Jawapan terus: AI membantu syarikat insurans/reinsurans membuat keputusan modal kontinjen dengan lebih tepat melalui pemodelan bencana, ramalan tuntutan, dan automasi pemantauan pencetus.

Fasiliti modal kontinjen nampak mudah atas kertas—tetapi realitinya kompleks:

• Bagaimana kita tentukan ambang pencetus yang betul?
• Berapa lapisan risiko patut dipindahkan ke retro/ILS vs disimpan?
• Bila akses modal perlu diaktifkan supaya solvency tak jatuh di bawah sasaran?
• Macam mana nak yakinkan pihak pengurusan dan lembaga pengarah bahawa struktur ini “nilai untuk wang”?

AI boleh menyelesaikan beberapa titik sakit ini.

1) AI untuk pemodelan bencana (catastrophe modelling) yang lebih pantas dan granular

Pemodelan bencana tradisional kuat, tetapi kadang-kadang:

• lambat untuk kemas kini,
• sukar menggabungkan sumber data baharu (imej satelit, data IoT, data sosial),
• mahal untuk menjalankan simulasi yang terlalu banyak.

AI—terutama gabungan machine learning dan analitik geospatial—membolehkan:

• pembaharuan parameter risiko lebih kerap,
• penilaian kerugian yang lebih granular mengikut zon,
• “what-if” scenario yang lebih cepat untuk perbincangan modal.

Kalau anda sedang merangka strategi perlindungan 2026, kelajuan ini penting. Bukan sebab nak mengejar trend, tetapi sebab pasaran renewals bergerak laju dan keputusan lambat biasanya mahal.

2) AI untuk ramalan mortaliti ekstrem dan risiko kesihatan populasi

Fasiliti SCOR turut melindungi risiko mortaliti ekstrem. Ini memberi petunjuk bahawa risiko hayat/kematian dan risiko bencana alam semakin dilihat sebagai satu spektrum “kejadian ekor tebal” (tail risk).

AI boleh bantu dengan:

• pengesanan anomali mortaliti mengikut wilayah/segmen,
• ramalan tekanan tuntutan berdasarkan corak penyakit, mobiliti, dan kapasiti kesihatan,
• simulasi senario “lonjakan tuntutan” untuk menilai sama ada pencetus modal kontinjen sesuai.

Yang penting: AI bukan menggantikan aktuari; AI mempercepatkan signal detection supaya aktuari boleh fokus pada penghakiman dan kawalan model.

3) AI untuk pemantauan pencetus dan automasi tadbir urus (governance)

Struktur yang ada pencetus memerlukan disiplin pemantauan.

AI boleh menyokong:

• papan pemuka (dashboard) risiko masa nyata,
• amaran awal bila metrik menghampiri ambang pencetus,
• automasi dokumentasi untuk audit dalaman dan pematuhan.

Saya tegas di sini: tanpa governance yang kemas, instrumen canggih jadi beban. AI membantu “menjaga rumah” supaya keputusan krisis tak dibuat secara panik.

Kenapa pembaharuan SCOR penting untuk pemain Asia Tenggara

Jawapan terus: ia menunjukkan hala tuju pasaran—lebih banyak gabungan modal pasaran dan pemindahan risiko—yang relevan untuk syarikat di rantau ini yang berdepan banjir, ribut, gempa, dan jurang perlindungan (protection gap).

Di Malaysia dan Asia Tenggara, perbualan risiko bencana sering berkisar pada:

• banjir besar dan banjir kilat,
• gangguan rantaian bekalan,
• pendedahan hartanah di kawasan berisiko,
• isu takaful/insurans hayat dan trend kesihatan.

Walaupun struktur seperti SCOR ialah contoh global berskala besar, pelajarannya boleh diterjemahkan:

1. Jangan bergantung pada satu saluran perlindungan. Gabungkan reinsurans, alternatif (jika sesuai), dan pelan kontingensi modal.
2. Modal dan solvency ialah strategi, bukan sekadar pematuhan. Bila kerugian besar berlaku, yang menang ialah yang boleh bertindak cepat.
3. Data dan AI menentukan kualiti keputusan. Jika input lemah, struktur modal sehebat mana pun akan tersasar.

Playbook praktikal: cara menilai sama ada anda perlukan “contingent capital” versi anda

Jawapan terus: anda perlukan analisis berstruktur yang menyambungkan risiko ekor, toleransi solvency, kos perlindungan, dan kelajuan akses modal.

Berikut kerangka yang saya gunakan bila berbincang dengan pasukan risiko atau kewangan:

1) Tetapkan objektif yang boleh diukur

Contoh objektif yang jelas:

• “Kekalkan solvency di atas X% dalam senario 1-dalam-200 tahun.”
• “Hadkan dilution ekuiti di bawah Y% jika krisis berlaku.”
• “Pastikan akses kepada modal dalam Z hari selepas peristiwa.”

2) Bina peta risiko ekor (tail risk map)

Senaraikan kejadian yang boleh memusnahkan kunci kira-kira:

• bencana alam utama,
• mortaliti ekstrem,
• kejatuhan nilai aset/ekuiti,
• kejutan korelasi (contoh: bencana + pasaran jatuh serentak).

AI membantu di sini melalui scenario generation dan analisis korelasi bukan linear.

3) Bandingkan kos secara “apple-to-apple”

Kos bukan hanya premium. Kira juga:

• kos peluang (opportunity cost) modal,
• kos volatiliti pendapatan,
• kos reputasi jika solvency tertekan,
• kos masa (kelajuan dapatkan modal ketika krisis).

SCOR sendiri menyatakan manfaat ekonomi bersih berbanding retro tradisional dan ILS dalam konteks tertentu—itu tepat: setiap instrumen ada tempatnya.

4) Pastikan tadbir urus AI dan model risk management wujud

Jika anda guna AI untuk menyokong keputusan modal:

• tetapkan pemilik model (model owner),
• dokumentasikan data latihan dan andaian,
• lakukan ujian tekanan (stress testing) dan back-testing,
• sediakan laluan eskalasi bila model memberi isyarat risiko.

Tanpa ini, AI boleh jadi “kotak hitam” yang menakutkan lembaga.

Apa yang patut anda buat minggu ini (ya, minggu ini)

Jawapan terus: audit data risiko anda dan pastikan pasukan boleh menjalankan simulasi senario modal dalam masa 48 jam.

Jika anda berada dalam insurans, reinsurans, takaful, broker, atau pasukan ERM:

1. Semak keupayaan scenario analysis: boleh tak anda jalankan senario banjir/angin/kematian berlebihan dan lihat impak pada solvency dengan cepat?
2. Kenal pasti jurang data: geokod aset? data tuntutan bersih? pendedahan mengikut zon? data kesihatan/mortaliti?
3. Mulakan automasi pemantauan metrik utama: loss ratio, reserve development, pendedahan terkumpul (accumulation), dan indikator pasaran.

Ini kerja yang nampak remeh, tapi bila krisis berlaku, pasukan yang sudah “siap latihan” akan jauh lebih tenang.

“Struktur modal yang tahan lasak lahir daripada disiplin data, bukan semata-mata kreativiti kewangan.”

Penutup: modal kontinjen ialah isyarat—AI ialah enjin

Pembaharuan fasiliti modal kontinjen SCOR untuk 2026–2028 menunjukkan satu realiti: risiko ekstrem bukan anomali sekali-sekala. Ia sesuatu yang perlu diurus sebagai rutin—dengan lapisan perlindungan yang pelbagai dan perancangan modal yang jelas.

Dalam siri AI dalam Insurans dan Pengurusan Risiko, saya melihat modal kontinjen sebagai contoh sempurna mengapa AI diperlukan: bukan untuk “menggantikan manusia”, tetapi untuk membolehkan manusia membuat keputusan yang tepat di bawah tekanan, dengan data yang berubah pantas.

Jika organisasi anda sedang mempertimbangkan strategi pemindahan risiko atau pengoptimuman modal untuk 2026, persoalan yang patut dibawa ke mesyuarat seterusnya ialah: adakah kita boleh mensimulasikan pencetus, kos, dan impak solvency dengan pantas—dan adakah AI kita cukup matang untuk menyokong keputusan itu?