Artículo publicado en Tribuna de Actualidad Aseguradora de 19 de marzo de 2012.
--------------------------------
La técnica de tarificación habitual del seguro de vida se basa en el cálculo de probabilidad de fallecimiento o supervivencia de un individuo, obtenida esta de una tabla de mortalidad. En la generalidad de los casos las variables que se consideran en el precio son la edad y hasta le fecha el género del candidato.
El desarrollo de la estadística actuarial nos pone a disposición herramientas de cálculo modernas que permiten incorporar parámetros correlacionados entre sí que nos facilitan evaluar el riesgo de fallecimiento en base a comportamiento de los asegurados.
De la familia de modelos predictivos, nos referiremos a los modelos lineales generalizados (GLM), permiten construir sistemas de tarificación sostenibles en el tiempo y que incorporan un conjunto de variables que pueden predecir con suficiente fortaleza estadística el riesgo biométrico.
Para que se pueda optar por estos modelos, es necesario que el actuario disponga de una base datos amplios y robustos, así como experiencia en el manejo de estos modelos pues los distintos resultados necesitan ser interpretados.
Estas técnicas que son de utilizadas en otros sectores de la actividad empresarial, también en la industria del seguro su uso es común en determinados riesgos masa no vida, como es el ramos de autos.
La implantación de estas técnicas aplicadas a riesgos sobre personas serán habituales en los próximos años y supondrán una verdadera disrupción en el trabajo cotidiano de los actuarios y suscriptores.
Esta oportunidad se justifica por tres circunstancias que han coincidido en el tiempo:
• La reciente limitación en el uso de variables habituales en el proceso de pricing como hemos comentado como es el género y otras posibles que pudieran ser consideradas como discriminatorias, como es el debate incipiente de la variable edad en determinados foros. Esto conlleva una mayor incertidumbre en el riesgo suscrito por los aseguradores que conllevará mayor volatilidad en el resultado. Los modelos predictivos contribuyen a reducir el riesgo biométrico con lo que la carga de capital asignada por la volatilidad disminuye considerablemente.
• La reciente automatización del proceso de selección de riesgo mediante la teleselección, ha propiciado disponer de bases de datos estructuradas y con multitud de factores de riesgo, hasta la fecha no disponible con tanta riqueza de datos. Este proceso ya alcanza en el mercado español a más del 80% del análisis de los riesgos que deben ser evaluados por procesos específicos de admisión de riesgos.
Esta cantidad ingente de datos disponibles por los aseguradores que no son tenidos en consideración a la hora de modelar el riesgo, hábitos de compra, historial de conducción, hábitos saludables,... permitirán construir modelos muy robustos y válidos para el cambio tan radical que supone un modelo predictivo.
• La existencia de variables relacionadas con el estilo de vida y que explican, junto las variables de salud de una manera correlacionada el riesgo de fallecimiento de un individuo. Y son precisamente los estudios causales que permiten identificar variables genéticas, fenotípicas y determinados biomarcadores son capaces ya de explicar hasta el 80% del riesgo de fallecimiento-longevidad. Debemos consideran con cierta cautela estas nuevas variables para que puedan ser utilizadas, pues pudieran ser bien discriminatoria o bien que no tengan suficiente capacidad predictiva en opinión del legislador.
La modelización predictiva aplicada al seguro de vida mediante técnicas GLM, no solo son útiles para la tarificación denominada lifestyle underwriting sino que abre el campo de actuación en otros ámbitos de la estrategia empresarial.
Veamos algunos de las oportunidades que se abren:
• Marketing, realizando segmentación de precios una vez identificados perfiles de riesgos específicos.
• Selección, realizando calificaciones de tipo riesgos como superpreferentes, preferentes, estándar o subestandar.
• Estrategias de detección del fraude.
• Modelos de perfiles de caída de cartera.
Los modelos predictivos deben conjugar variables de salud, de estilo de vida, socioeconómicos, específicos del producto asegurador y transacionales (hábitos bancarios, compra, uso de tarjetas de pago o afinidad…..). La elección del conjunto de variables a elegir bajo el principio estadístico de parsimonia, debe dar como resultado un sistema de tarificación muy preciso. También es necesario el análisis previo de la correcta seguridad jurídica en materia de protección de datos
El proceso en su implantación, que genera ventajas competitivas evidentes y sostenibles, será complejo y llevará cierto tiempo y requerirá empezar por factores mas contrastados como son los propios de los procesos de selección automatizada para ir sucesivamente incorporando nuevas variables de estilo de vida y socio demográficas y posteriormente variables biomédicas, todo ello capturará de manera precisa al edad biológica de un individuo en sustitución de la variable edad cronológica.
Y en una segunda fase de implantación o complementaria a la primera se incorporarán las variables denominadas transacionales.
José Miguel Rodríguez-Pardo del Castillo.
