Vol.33- Prática Atuarial na Previdência Social - Ministério da ...

dados podem vir do próprio plano ou de fontes externas. Os dados do plano não
podem ser estatisticamente verossímeis para explicar corretamente um fenômeno.
Por exemplo, no caso de um novo plano, as experiências de mortalidade ou
invalidez podem incluir um número insuficiente de observações. Nesse caso, o
atuário precisará confiar nos dados gerais da população ou nas experiências de um
regime similar de previdência. Em outras situações, os dados simplesmente podem
não existir, tal como quando um novo tipo de risco deve ser coberto. Então, o
julgamento do atuário será necessário.
Na prática, o nível de sofisticação exigido para realizar projeções depende
de diferentes fatores. O objetivo do exercício de modelagem deve indicar se apela
para resultados precisos ou se o objetivo é simplesmente obter uma visão geral
das tendências. Por exemplo, o estudo suplementar para uma avaliação atuarial
básica pode apenas exigir uma abordagem simplificada de modelagem, enquanto
que o estudo de várias propostas de reforma sobre as disposições de benefícios
ou estratégia de investimentos pode exigir uma abordagem mais avançada. Outro
fator que determina o nível de sofisticação é a informação estatística disponível.
Ela poderia ser ilusória para utilizar um modelo muito sofisticado quando a
maioria de seus dados de entrada e pressupostos está indisponível, e deve ser
baseada no julgamento do usuário. O construtor de modelo deve ainda considerar
as ferramentas disponíveis para arrecadar os dados e executar as aplicações; o
modelo pode ser construído em uma planilha simples ou pode envolver técnicas
sofisticadas de informática. O atuário deve também considerar as restrições de
tempo e os recursos disponíveis.
6.2 MODELOS DETERMINÍSTICOS VERSUS MODELOS ESTOCÁSTICOS
Os modelos são de dois tipos principais: estocásticos e determinísticos. Um modelo
estocástico é um modelo matemático no qual a representação de um determinado
fenômeno é expressa em termos de probabilidades. O modelo estocástico é
utilizado para derivar uma estimativa do valor esperado de uma variável aleatória
e um intervalo de confiança para essa variável. A saída de um modelo estocástico
inclui, dessa forma, uma ampla gama de possíveis resultados, cada um dos quais
associado à probabilidade de ocorrência. O modelo determinístico, por outro lado,
é baseado em um determinado conjunto de dados e pressupostos, e produz um
conjunto de saídas:
Um modelo determinístico é uma simplificação de um modelo
estocástico, no qual a proporção de ocorrências de um determinado
evento estimado pelo modelo estocástico supostamente ocorre com
probabilidade um. 3
89