Modelos de Predicción Avanzados para el Cálculo de Reservas en la Industria Aseguradora

Ficha técnica

Resumen

La industria del seguro tiene por un lado una necesidad urgente de innovación luego del arribo del concepto de “Insurtech”, que propone un mercado mucho más competitivo que se basa justamente en la innovación y en la aplicación de tecnología al negocio. Pero por otro lado se trata de una actividad con un alto grado de regulación por parte de los organismos gubernamentales, que establecen un marco común de aplicación de procedimientos y técnicas de las cuales las aseguradoras no se pueden salir. En esa puja entre innovación y regulación se desarrolla el concepto de las Reservas, que representan la provisión económica que las empresas aseguradoras deben disponer para hacer frente al pago de los posibles siniestros que podrían ocurrir en el futuro, como consecuencia directa de las coberturas vigentes que les brindan a sus asegurados. Si bien se trata de un tema definido por ley, tanto en lo conceptual como en lo técnico, representa uno de los indicadores más importantes a tener en cuenta en la toma de decisiones porque establece el límite de la libre disponibilidad de fondos que la compañía puede invertir para obtener resultados financieros. No preocupa tanto si en un período un rubro o producto ofrecido por una aseguradora es deficitario si se tiene en cuenta sus resultados técnicos, porque la ganancia se puede generar a partir de los resultados financieros producto de invertir el dinero en el tiempo transcurrido entre que se cobra una prima de seguro y se paga un siniestro. En esa actividad cuando mejor sea la predicción de esas reservas que representan los riesgos de siniestralidad, mayores serán las mejoras en la renta financiera que se puede obtener de las disponibilidades monetarias, mayor será el ahorro de costos directos, y se tendrían más oportunidades en la aplicación de primas personalizadas que permitan capturar clientes. El objetivo general de este trabajo es analizar el funcionamiento de diferentes modelos de predicción avanzados, basados en técnicas de Machine Learning, que puedan estimar las reservas futuras con antelación a la ejecución de los tradicionales procedimientos de cálculo usados en la industria de acuerdo a lo definido por la ley. A partir de un muestreo de datos de reserva y siniestralidad real de una compañía aseguradora argentina, se exploraron diferentes modelos de predicción de reserva tanto de seguros generales como de ramos en particular, desagregadas a nivel de contratos individuales y acumuladas mensualmente como proyecciones en una serie de tiempo. Los modelos se entrenaron en diferentes bases monetarias (monedas nacionales y dólares estadounidenses), haciendo especial análisis en el impacto de procesos inflacionarios. Se utilizaron las técnicas de Regresión Lineal, ARIMA y Redes Neuronales LSTM, y un proceso metodológico adaptado a Machine Learning basado en el estándar CRISP-DM. Se obtuvieron conclusiones del nivel de precisión de cada modelo para los diferentes ramos y monedas, y de la problemática de implementación este tipo de procesos en una empresa de seguros de magnitud.

Publicaciones

Proyectos