Capítulo 7 El precio
del riesgo y su gerencia
7-1
Introducción
El
actuario cuando se enfrenta a un riesgo que quiere medir, de alguna manera
trata de transformar la incertidumbre en certeza, y sin intervenir en la propia contingencia. Esta
neutralidad no es evidente, como ha hemos podido comprobar en el capítulo de
intervinientes de la medida del riesgo. Por otra parte nuestro conocimiento
sobre las causas que explican un riesgo será siempre fragmentario, lo que no
deja de ser un reconocimiento de la ignorancia del analista.
Ya
que hablamos del conocimiento necesario para poder medir un evento, es muy
oportuno traer a colación los distintos significados atribuidos al sustantivo logos, siguiendo a Norbert Bilbeny
( obra citada, pág 86) nos dice
que significaba: Hablar, referir, seleccionar, reunir, ensamblar , cómputo…El
logos es relacional. En el proceso de
razonamiento en el que el analista del riesgo ejerce su función, deberían estar presentes las acepciones anteriores: Seleccionar, reunir y
computar.
No olvidemos que nos movemos en el mundo de lo
probable y como tal, las certezas pueden no ser tales en el futuro, por otra
parte la decisión del asegurado de
trasladar el riesgo individual a una
entidad de seguros, emerge la
llamada la “sabiduría del grupo” que
debe ser considerada en el proceso de la medida del riesgo.
El
analista de riesgo debe tener siempre la sentencia de Rajan de 2010: La mejor
forma de gestionar los riesgos suele consistir en no asumir aquellos que no se
entienden. ( Rajan, Raugham G, 2010. Fault lines, How Hidden
Fractures Still Theatren the World Economy. Pricenton,N.J. Pricenton University Press.),
pero el desafío del analista es todavía mayor, ya que cuando valora riesgos sobre personas, las
cosas, el patrimonio… algunas
contingencias son desconocidas y pueden emergen una vez que el contrato de
seguro se ha formalizado, podríamos citar multitud de ejemplos, epidemias,
daños y responsabilidad de edificaciones por amianto, consecuencias a largo
plazo de una técnica médica o un fármaco…
Cuando
un individuo entiende está muy expuesto
a una contingencia, el asegurador debe analizar este escenario con cautela y no
proveer de coberturas ilimitadas o a bajo precio, de lo contrario se estarían generando
condiciones de mercado altamente
especulativas, donde el asegurador no
debe tomar una posición de aceptante de una apuesta. Podríamos estar los
primeros síntomas de una crisis financiera de origen asegurador, donde la
economía real es sustituida por la economía de ganancia especulativa de dudosa
creación valor a la economía en su conjunto, estaríamos en definitiva ante la
economía de casino.
En este capítulo, trataremos en primer lugar
del proceso de decisión de elección de variables, recurrimos a la ética clásica
cuando nos dice que debemos tener presente la razón ( logos) y la reflexión ( diánoia); es
habitual desconsiderar el segundo elemento en los pilares de la decisión del
valor asignado a una contingencia, pues la
razón suele ser asimilada al resultado del modelo estadístico utilizado.
Una buena guía de actuación para asegurarse la reflexión en la elección que
hace el analista y discernir si esta es
moral, es contrastarla con los tres principios que Javier Muguerza ( La razón, 247-253) le atribuye a un proceso
de elección, y así esta debe ser: libre, informada e imparcial
Nuestro
propósito final al analizar un riesgo, medirlo en términos aseguradoras,
bajo el marco ético, es cómo hacer justos los números, evitando
caer en lo que ya conoce como el “datocentrismo” donde se ha instalado la
creencia que todo está en el dato, el servidor y el modelo. La definición de
dato, la encontramos en Davenport y Prusak (1999), es una representación
simbólica (numérica, alfabética, algorítmica, etc…) de un atributo o variable
cuantitativa o cualitativa. Describen hechos empíricos, sucesos y entidades. En
esta misma línea de pensamiento, Yuval Noah Harari en su libro Homo Deus, breve
historia del porvenir ( Harari, Y.N, Homo Deus, breve historia del porvenir,
Editorial Debate, Barcelona, 2016), sostiene que el humanismo ha muerto a favor
del dataismo, donde los patrones
repetitivos proporcionan el
acierto perpetuo. Incluso afirma que dado que el hombre es un algoritmo
como ser vivo, nada impide que este persista indefinidamente.
Podemos
llegar a pensar que hay que sustituir el
concepto de riesgo por el dato, asignándole valor intrínseco, esta deriva
reduccionista hacia el número solo puede ser ponderada con el gozne de la
ética, si queremos poner el centro de la medida en la persona, el homo mensura
que citábamos al comienzo del trabajo. Las cifras de los datos nos ratifican la
relevancia del dato, según la consultora Deloitte, desde el comienzo de la
humanidad hasta 2003 se generaron 2 exabytes de información. En 2011 se creó el
mismo volumen en tan solo 2 días y en 2020 se tardará menos de 10 minutos. La
conectividad, los sensores y las redes sociales no harán más que aumentar de
manera exponencial la disponibilidad de los datos, y donde tan solo el 10% de
los datos que circulan por la red son utilizados.
La hegemonía del dato y el modelo sobre la
persona expuesta a la contingencia puede haberse ya instalado en el proceso mental de trabajo
del analista de riesgo, buen ejemplo de
ello, nos lo recuerda Mario Tascón y Arantza Cullaut en Big Data y el Internet
de las Cosas (2016) con el artículo publicado en Science conocido como “ la
arrogancia del Big Data”, titulado The
parable of Google Flu: Traps in Big Data Analysis” ( 10.1126/science 1248506 (2014),
donde se critica los supuestos implícitos que los modelos basados en el manejo
de grandes datos han sustituido a análisis tradicional. En el artículo se hacía
referencia a que muchos de los usuarios que buscaron la palabra gripe en los
Estados Unidos, no padecían la enfermedad, solo la buscaron por tener resfriado
o por psicosis mediática, y tampoco los cambios en el algoritmo de Google
alteraban los resultados, dando como resultado del algoritmo una
sobreestimación del 30% de la temporada 2013-2014. Los análisis de los Centros
para el Control y la Prevención de Enfermedades ( CDC) resultaron más precisos
que los algoritmos de Google, a pesar de las dos semanas de retraso.
7-2
Las variables del riesgo
La
medida de un riesgo debe estar muy pegada a la realidad personal y socioeconómica presente y futura de
la contingencia, y no menos importante también debe estar mediada por la cultura en el sentido
antropológico del término,como apunta Carlos Gómez, donde los sistemas
políticos, sociales e instintito de conservación modifican la naturaleza
humana.
Por
otra parte al decidir sobre el precio final, no debemos ignorar, como advierte
el profesor José Vila de la Universidad de Valencia, los pesos de cada decisión
en la decisión final y así no se comenten errores de compresión y previsión del
comportamiento del asegurado que traslada el riesgo. Dicho de otra manera, debemos analizar bien las relaciones de la
variables y entender su nivel explicativo cuando determinemos el rango de
valores de la variable dependiente, y todo ello con una visión de anticipación
a los perfiles del riesgo, donde el asegurador puede elaborar ofertas
personalizadas de seguros a clientes potenciales antes de este haya solicitado
un seguro o incluso que tuviera interés en estar asegurado.
Esta visión prospectiva, tiene especial
relevancia en un entorno donde las tasas unitarias de los riesgos más
tradicionales en la vida cotidiana están disminuyendo considerablemente,
amenazando incluso la propia existencia del seguro tal y como se ha construido
y gestionado a los largo del siglo XX, y donde ya hay estrategias empresariales
que abogan por sustituir coberturas de riesgos por servicios de valor añadido,
lo que a su vez el servicio de valor mitiga el riesgo, y se convierte en un
acelerante del menor interés, por reducción de la exposición, al contrato del
seguro.
En
algunos de estos riesgos, la percepción de probabilidad de daño de la persona
que soporta el riesgo será muy superior al riesgo real, estas disociación entre
percepción vs realidad, deberá ser corregida y requiere un compromiso ético por
parte de los aseguradores.
En
el marco actual de determinación de
variables, estamos perdiendo las
referencias tradicionales que explicaban
el riesgo, es como si estuviéramos en un
escenario “calm before the storm”, donde todo nuestro conocimiento está
sometido a revisión, y donde las nuevas
realidades todavía hoy las ignoramos. En este escenario solo cabe entender que
estamos en un entorno propicio a la innovación, recordamos a Schumpeter que la
definía como el cambio de la función de producción que no es susceptible de ser
descompuesto en infinitesimales. Y
cuando se pierden las referencias técnicas por el proceso de innovación, no
confundamos con la mejora de procesos continua, las referencias éticas deben
estar muy presentes en este transito tecnológico.
En
los nuevos modos de cuantificación del
riesgo que se están implantando desde principio de este siglo, se incorporan variables explicativas del
riesgo que hacen que el conocimiento de la contingencia sea muy superior al de
décadas pasadas. Este proceso de innovación actuarial al enfrentarse con las limitaciones sucesivas
y posibles futuras en el uso de
variables por considerarse discriminatorias, puede hacernos recordar al poema
de José Hierro, Después de todo, todo ha
sido nada, a pesar de que un día fue todo.
Para
comprender este fenómeno de tendencia de eliminación de variables por la
sociedad por considerarlas discriminatorias, recurrimos a la reflexión ética
llamada utópica, donde en opinión de Amelia Valcárcel, en La Aventura de la
Moralidad, en el horizonte progresista de la sociedad, está será igualitaria,
participativa, ecológica, pacífica, libre y planificada, todas las
vindicaciones del progresismo son asintóticas en el horizonte utópico.
Recordemos que utopía tiene su origen etimológico en u-topía, el lugar que está fuera de lugar, el ningún sitio, y como
bien dice Javier Muguerza las utopías se “alejan de nosotros” a medida que
queremos alcanzaras.
El
debate del horizonte ético utópico, tiene muchas aristas que exceden a nuestro
trabajo, como el de la correlación de la utopía con la ideología, o aún más, si
como dice Ricoeur (Ricoeur P. Ideología y utopía, compilación de G.H. Tylor,
Barcelona,Gedisa 1989) todas las utopías son en cierto modo religiones
secularizadas.
La
sociedad del siglo XXI, se encuentra en conflicto permanente entre las
garantías de derechos de la multicultularidad y los derechos civiles alcanzados
en el siglo XX; el camino hacia el horizonte utópico no será fácil, pero si nos
da ciertas señales teleológicas acerca de las variables y el riesgo, si
aceptamos ese lugar utópico, como buen lugar ( eu-topía), que recuerda a la que
describía Tomás Moro en 1516 en su obra Utopía, donde todo era justo e ideal.
Debemos advertir, como dice Carlos Álvarez ( obra citada) en una magnífica
sentencia que: si la patología de la
ideología es disimulo, la patología de la utopía es evasión. Y nos alerta
del peligro de la excentricidad utópica y de la desconexión entre la realidad
cotidiana y el “buen lugar”.
En
nuestro propósito de discernir las variables que además de explicar el riesgo,
puedan ser utilizadas en el horizonte utópico, la consideración del
“igualitarismo” como ideal utópico al que hay que transitar, nos da ciertas
pistas sobre la dificultad al que se enfrenta el analista al elaborar el modelo
que sea a la vez explicativo del riesgo y no colisione con el horizonte
progresista de la sociedad que hemos mencionado anteriormente.
El riesgo de morbilidad
y mortalidad
Hemos
recogido en los capítulos anteriores, las variables que el analista de riesgo
ha incorporado en el proceso de medida del riesgo de contingencias relacionada
con la salud o vida humana.
En
este capítulo, abordaremos el análisis de las distintas variables que han
demostrado su capacidad explicativa, bien en estudios científicos o bien en
experiencias de carteras aseguradas en estos riesgos.
Utilizaremos
dos enfoques diferenciados, el primero que viene desde las estadísticas poblaciones,
técnica habitual en la medida del seguro, y el segundo mediante el conocimiento
que aporta la biomedicina en el análisis biológico del envejecimiento humano.
-Análisis
poblacional- demográfico
La
medida de una contingencia de vida o fallecimiento, en la práctica aseguradora,
se realiza de manera generalizada mediante el uso exclusivo de la variable edad
cronológica. Sabemos que existen muchas más variables que intervienen en la
tasas de fallecimiento, algunas de ellas en algunos escenarios presentan mayor
poder predictivo que la propia edad cronológica.
No
pretendemos profundizar en las causas por las que la práctica profesional ha
ignorado la posibilidad de valorar de manera más precisa este riesgo.
Seguramente no haya una sola explicación, pero tal vez la mera costumbre y la
falta de juicio crítico puedan estar detrás de este problema. Este hecho, es un
buen ejemplo de que la inercia contribuye a la desigualdad, es así, la
consideración como única variable de tarificación la edad cronológica para medir
el riesgo de vida, es un caso que se puede calificar de extremo de subvenciones
cruzadas de individuos de un colectivo asegurable, alterando el principio de
equidad actuarial. Si en el pasado se justificaba por no poder más evidencias
científicas de la variables que explican la mortalidad humana, esta técnica
hoy podría ser calificada como
éticamente reprobable.
Si
hacemos una relación de las variables que influyen en la mortalidad, podemos
entender mejor las oportunidades para el analista del riesgo de mejorar sus
estimaciones y además nos sirve para explicitar posibles derivas éticas del uso
de alguna de las variables que la ciencia ha demostrado su nivel explicativo.
Nos
apoyamos en el trabajo de Carlos de la Haza ( Carlos de la Haza, Tarificar en
función de la edad biológica en los seguros de vida y salud con la ayud de
wearables y APP´STFM Ciencias Actuariales UC3M, Madrid 2016), quien censa las
variables después de analizar la literatura, estas son:
-Edad
-Sexo
-Peso/
Altura o Índice de Masa Corporal
-Zona
geográfica de residencia
-Nivel
de estudios
-Frecuencia,
duración, intensidad y tipo de ejercicio físico
-Horas
de sueño al día
-Estado
civil
-Profesión.
-Nivel
de estrés
-Nivel
de renta.
-Satisfacción
con la vida
-Dieta,
frecuencia de la comidas diarias, del consumo de fruta o verdura, de grasas,
pre-cocinados
-Consumo
de alcohol
-Hábito
de tabaquismo
-Hábitos
de droga
-Estado
de salud actual
-Puntos
del carnet de conducir
-Familiares
longevos
La
relación podría ser ampliada con otras variables, pero recoge de manera precisa
todas las variables que hacen que debamos corregir la mera observación de edad
cronológica y que la literatura nos dice que puede llegar a variar hasta en más
menos 15 años.
El
autor del trabajo, con este censo de variables y con estimación prudente de
variación de edad cronológica de cada valor asignado a cada variable, realizó
un trabajo de campo en redes sociales, con resultados interesantes. Así el 5,7%
de los encuestados coincidían la edad cronológica con la biológica, el 32,8% la
edad biológica era inferior y el 61,5 % la edad biológica era superior que la
cronológica. Todos ellos con una edad cronológica media de 34,3 años, edad que
guarda relación con la edad media de los asegurados de los seguros vida riesgo
en el mercado español. Si tenemos en cuenta que en el estudio, la edad
biológica media era de 38,3 años, nos permite concluir que pudiera existir una
infravaloración del riesgo de 4 años en las carteras de seguros, con un modelo
de credit scoring.
El análisis causal de la mortalidad, también
puede extenderse a la supervivencia en edades avanzadas, destacamos el estudio encargado por la Sociedad de Actuarios de
Reino Unido a la universidad de Waterloo (publicado en SOA 2003) para determinar los factores predictores más relevantes que afectan a la mortalidad
después de la jubilación. Del estudio se identificaron las siguientes 12 variables: edad, sexo, raza, origen
étnico, educación, ingresos, estado civil, religión, salud, fumar, alcohol y
obesidad.
Anticipándonos
al capítulo de uso de tecnologías de wearables aplicados a la salud, en la
encuesta anterior se incluyeron tres preguntas sobre el uso y su frecuencia de
estos dispositivos, pues bien, aquellos que respondieron afirmativamente su
edad biológica era 2 años menor que la cronológica, es decir, el perfil del
riesgo de estos potenciales asegurados es mejor que el de la población general.
Trataremos con detalle este fenómeno.
Debemos
comentar que existe una relación causal de cada variable y de los niveles de
biomarcadores que analizaremos en el siguiente punto. Esta congruencia nos
indica que la propuesta de medida de riesgo de la mortalidad humana bien por la
demografía o bien por la biomedicina presentan resultados coherentes aunque no
similares.
El
analista de riesgo, al observar estas variables debe entender lo que se conoce
como gradientes sociales, esto es la esperanza de vida de una zona geográfica
concreta, incluso a nivel de barrio, tiene su origen en el nivel de educación,
como también lo tiene el nivel de renta. Comprender los gradientes nos ayudarán
a valorar si una variable entra en conflicto ético.
La
relevancia de esta necesidad de entendimiento se antoja emergente, habida
cuenta que los modelos predictivos que se están construyendo en los mercados
más desarrollados en el seguro de privado, cuyos inicios se pueden situar en el
tiempo al final de la primera década de este siglo, veamos las fuentes de
información que se utilizan para construir estos modelos:
Datos de salud
y de estilo de vida.
Base de
datos de Salud.
Base de
datos de medicamentos.
Programas de
“wellness”
Base de
datos de aseguradoras.
Gimnasios, pertenencia a clubs…
Datos
transaccionales, como serían datos de retail,
código postal…
Bancos.
Supermercados.
Tarjetas de
fidelización, utilizando por ejemplo de rating del crédito.
Otros datos
recogidos al cliente en un contexto distinto:
Seguro de
automóvil, seguros de viajes, de salud…
Accidentes.
El modelo generado permite crear una batería de productos de emisión
garantizada versus emisión con suscripción, con los siguientes resultados :
El 65% de
las solicitudes se emiten con tarifa estándar.
El tiempo de
admisión es menos de1 minuto, frente a los 45 minutos de media de mercado de
propuestas en papel.
Con los
datos disponibles se elabora un perfil predictivo del cliente y riesgo con una
suscripción muy simplificada de 2 ó 3 preguntas de salud con el propósito de
ofrecer un producto a un determinado nicho de mercado preestablecido
previamente y que según experiencias habidas en este modelo gerencial los
resultados son:
El l00% de
las solicitudes preseleccionadas se aceptan sin evidencias, frente al 40% del
sector.
No se
necesita asesoramiento en la venta.
Las reglas
de negocio se reevalúan cada dos meses.
Se elimina
prácticamente el proceso de selección a posteriori.
En estos
modelos surge la figura del Super-Underwriter, pues el suscriptor
decide ex ante qué clientes potenciales son susceptibles de ser asegurados y el
precio estándar en las líneas de negocio denominadas Lifestyle Underwriting. La encuesta realizada y presentada en Medicals Direct Group:Panorama Conference de
1 de octubre de 2009 concluye que el 55%
de los encuestados consideraban que el papel de los suscriptores expertos de vida crecerán en importancia en los
próximos cinco años, el 38% consideraban que se mantendría constante y menos
del 10% pensaba que la importancia se reducirá.
Esta nueva
función se encuadra dentro del perfil de especialista en estrategia, esto es,
pasará de una función de gerente de un proceso a gerente de riesgos y por tanto
su función en el ciclo de vida del producto pasará de ser marginal a esencial.Para
cumplir con este fin esta figura debe ser capaz de (ver Global Underwriting:
Local lessons,Melanie Slack Swiss Re-abril 2010-página 24):
Realizar una modelización inteligente de
datos.
Ser capaz de evaluar la complejidad de los
riesgos de salud y de envejecimiento.
Explicar y justificar claramente los criterios de admisión y precio
a los reguladores, consumidores y grupos de interés.
- Aprender a adquirir un papel relevante en el
desarrollo de productos y aprender el lenguaje del valor económico
-Análisis
por CRM., relacional y comportamiento del cliente.
-Identificar
el target market.
-Estratificación
del riesgo. Si el número de variables utilizadas por factores de estilo de vida
que dan lugar a la tarifa pueden llegar a ser veinte, todas ellas se pubicaron
en Underwriting without underwriting
:Predictive underwriting-European
Life and Health Summit 2010.
Dentro de la
estrategia de estratificación el suscriptor utilizará técnicas de segmentación
“cherry pick” con el objetivo de preseleccionar candidatos con una tasa de
tarifa estándar superior al 90%.
Insistimos en la necesidad de evaluar desde
posiciones éticas, la elección de cada variable a incorporar en el modelo.
Pongamos el caso que ha sido motivo de controversia en los Estados Unidos, se refiere a la mortalidad por zona geográfica que ha demostrado ser relevante en la medida
del riesgo, pero en determinados casos el gradiente social del barrio es la
raza, y aquí emerge el conflicto ético, ya que tarificar por barrio es una
aproximación indirecta a tarificar por raza.
Y
no dejemos pasar por alto las variables de comportamiento que han demostrado capacidad
predictiva para ser incorporadas en el modelo de pricing, veamos algunas de
ellas
-Factores relacionados con el producto:
•
Tamaño
de la cartera.
•
Suma asegurada.
•
Sistema de selección.
•
Razón
de compra.
Otras características del producto.
- Factores
de riesgo relacionado con la póliza-cliente.
•
Mes de renovación.
•
Prima de cartera.
•
Modalidad de contrato.
•
Variación de prima.
•
Proporción prima de primera renovación vs
prima de nueva producción.
•
Variación de prima con respecto al mercado.
•
Antigüedad de la póliza.
•
Antigüedad del cliente.
•
Bonificaciones.
•
Fraccionamiento de la prima.
•
Posición del cliente-venta cruzada.
-Análisis
biomédico.
La
biomedicina aplicada a la medida del riesgo, aporta soluciones prometedoras y un
nivel de precisión mayor sobre el conocimiento personalizado de la
morbi-mortalidad que nos reporta el análisis demográfico causal.
La
existencia de biomarcadores, entre los que se incluyen los de predisposición
genética, orientados a predecir enfermedades antes de que clínicamente
presenten síntomas- subclínicos- constituyen herramientas de manejo
terapéutico, y para nuestro propósito anticipar con métricas biológicas la
posibilidad de padecer una enfermedad en un futuro, o medir mediante la edad biológica, definida en
2015 por el profesor Antonio López Farré de la facultad de medicina de la
Universidad Complutense de Madrid, como
aquella que corresponde al estado funcional de nuestros órganos comparados con
patrones estándar asociada a la edad cronológica.
Encontramos
en la literatura biomédica ya definiciones de esta medida de riesgo en 1970 por
F.Bourlière en su trabajo Métodos para determinar la edad biológica , donde
considera que la capacidad vital disminuye desde los 20 años y desde esa edad
no dejamos de envejecer, más tarde en 1980 GA Borkan y AH Norris en Assessment
of biological age a profile of physical parameters determinan la edad biológica
mediante 24 variables.
La
descripción de los diferentes biomarcadores que se proponen desde esta área de
conocimiento, excedería el alcance del trabajo, nos interesa plantear desde la
certeza que la biomedicina está avanzando en el conocimiento de la edad
biológica con un nivel de precisión superior al de la edad cronológica aunque
esta fuera corregida con las extramortalidades que resultan de hábitos de vida
o enfermedades preexistentes de la persona sometida al análisis de riesgo.
En
este conocimiento que nos propone la biomedicina, el contraste con los principios
éticos es necesario cuando hablamos de marcadores no de respuesta al
tratamiento de una enfermedad, sino aquellos que son capaces de capturar
inicios de procesos biológicos previos a la enfermedad, y es más, si nos
adentramos en el genoma, el estadio causal con la enfermedad es anterior a la
mera alteración biológica. Podríamos ir a un paso anterior que sería mediante
un Test de Compatilidad Genética, donde se puede llegar a evaluar el riesgo de
una pareja de engendrar un niño/a con un padecimiento genético en concreto.
En
este momento no tratamos las posibilidades de la genómica, en el proceso de
perfección humana, lo abordaremos en el último capítulo. Pero si resulta
oportuno reproducir los requisitos que desde del Comité de bioética del Consejo
de Europa, se exigen a las pruebas de predicitividad genética:
-Proporcionalidad,
los beneficios que aportan la realización de las pruebas predictivas deben ser
superiores a las pérdidas ocasionales en el individuo.
-Pertinencia,
deben tener interés clínico ante todo
-Calidad
-Predictividad.
Debe cumplir su papel predictivo.
Estos
criterios son un buen ejemplo del dialogo que debe producirse entre las dos
disciplinas, ética y seguro, para que el analista pueda escalar hacia modelos
más complejos con variables más explicativas del riesgo.
José Miguel Rodríguez-Pardo
José Miguel Rodríguez-Pardo
