Ganancias:
- Capacidad para establecer el triángulo de desarrollo de daños, IBNR (daños ocurridos pero no reportados) y el método de escalera de cadena con el apoyo de inteligencia artificial e interpretar los factores de desarrollo.
- Capacidad para comparar resultados con métodos alternativos como Bornhuetter-Ferguson y Mack y explicar la incertidumbre de las reservas (variabilidad, intervalo de confianza) con inteligencia artificial.
- Pudiendo sostener que la cifra de provisión calculada por inteligencia artificial es un borrador, no definitivo, y que la elección del factor de desarrollo y corrección judicial corresponde al actuario responsable.
Cuando una compañía de seguros paga un daño hoy, en realidad paga la deuda de una póliza que vendió en el pasado. Pero no todos los daños se reportan inmediatamente y no todos los daños reportados se pagan en su totalidad de inmediato. Hoy ocurre un accidente de tráfico, la empresa es notificada tres meses después, el proceso judicial dura dos años y el pago final se hace efectivo después de cuatro años. Por lo tanto, la empresa debe reservar dinero hoy para los daños que aún no se han pagado en su totalidad o incluso no se han informado. Este dinero se llama reserva y su cálculo preciso es la tarea actuarial más crítica de una compañía de seguros. Si deja menos, la empresa irá a la quiebra; Si se asigna demasiado, el capital se inmoviliza en vano y las ganancias se ocultan.
En esta unidad, cubriremos los tres conceptos centrales de la contabilidad de provisiones: el triángulo de desarrollo de daños, IBNR y el método de escalera de cadena. Luego consideraremos métodos alternativos (Bornhuetter-Ferguson, Mack) y la incertidumbre. La IA escribe el código para estos cálculos, rellena el triángulo, calcula los factores y explica el resultado; pero la responsabilidad de la selección del factor de desarrollo, corrección judicial y cifra de provisión final recae en el actuario responsable.
¿Qué es el triángulo de desarrollo de daños?
La base para el cálculo de las provisiones es el triángulo de desarrollo/triángulo de escorrentía. Las filas muestran el período en el que ocurrió el daño (año del accidente) y las columnas muestran cuánto se pagó por ese daño (año de desarrollo). Dice así: se pagaron 4 millones en el primer año de desarrollo del año del accidente 2021, se pagaron 6,2 millones acumulados en el segundo año y 7 millones en el tercer año. Los años anteriores del accidente han madurado (se han realizado casi todos los pagos), mientras que los años nuevos aún se están desarrollando. De ahí el nombre del triángulo: la esquina inferior derecha está vacía, porque aún no se ha producido el desarrollo posterior del nuevo año. El trabajo del actuario es estimar este rincón vacío.
IBNR (Incurred But Not Reported) es precisamente parte de esta brecha: el costo futuro de los siniestros que han ocurrido pero aún no han sido reportados a la empresa. También está IBNER (desarrollo adicional de reclamaciones reportadas pero poco reservadas). En la práctica, los métodos triangulares estiman la provisión total requerida (pagada + desarrollo futuro); Al restar la parte pagada, queda la provisión restante, incluido el IBNR.
Consejo: Puede configurar el triángulo sobre dos bases diferentes: "daño pagado" y "daño incurrido (pagado + reserva conocida)". Examinar los dos juntos le ayuda a captar el cambio en el comportamiento de reserva de los equipos de reclamaciones.
Escalera de cadena paso a paso
La escalera de cadenas es el método de respuesta más común y su lógica es intuitiva: si las pérdidas en el pasado han crecido a una cierta tasa en promedio de un año de desarrollo al siguiente, los años nuevos crecerán a una tasa similar. Pasos:
- Configura el triángulo acumulativo. Ordene las reclamaciones acumuladas pagadas por cada accidente año por año de desarrollo.
- Calcular los factores de desarrollo. Para cada paso de columna: suma de la siguiente columna / suma de la columna actual (usando solo filas con ambas columnas ocupadas). Por ejemplo, el factor 1→2 es 1,45; El factor 2→3 puede ser 1,12. Este factor se llama factor edad-edad.
- Encuentre factores acumulativos (apilados). Multiplicando los factores restantes para llegar a la final de cada año.
- Llena la esquina vacía. Calcule el daño final multiplicando el último valor conocido de cada nuevo año de accidente por los factores restantes.
- Calcula la respuesta. Daño final − pagado hasta la fecha = provisión pagadera en el futuro (incluido IBNR).
La siguiente tabla es un mini ejemplo (daños acumulados pagados, millones de TL):
año del accidente
Vamos. 1
Vamos. 2
Vamos. 3
Vamos. 4
2021
4.0
6.0
6.8
7.0
2022
4.4
6.5
7.3
?
2023
4.8
7.0
?
?
2024
5.2
?
?
?
En este triángulo, el factor 1→2 es aproximadamente 1,47; 2→3 aproximadamente 1,12; 3→4 equivale aproximadamente a 1,03. Final de 2024 5,2 × 1,47 × 1,12 × 1,03 ≈ 8,82 millones; Dado que el importe pagado es 5,2, la provisión es de ≈ 3,62 millones de TL. La IA hace esta aritmética en segundos, pero el actuario decide si los factores son razonables.
Métodos alternativos e incertidumbre.
La escalera de cadena por sí sola no es suficiente porque los factores de desarrollo son extremadamente sensibles a pequeñas fluctuaciones porque hay pocos datos sobre los últimos años de accidentes; Un solo daño importante puede arruinar toda la estimación. Por eso se utiliza el método Bornhuetter-Ferguson (BF): BF estima la parte no desarrollada utilizando información externa del índice de pérdida esperada y así suaviza la volatilidad. Se prefiere la escalera de cadena en años maduros, se prefiere BF en años nuevos e inmaduros; Juntos dan una estimación equilibrada.
Para medir la incertidumbre se utiliza el método de Mack: analíticamente proporciona el error estándar (variabilidad) de la estimación de la escalera de cadena. Además, se puede producir una distribución de probabilidad completa de la respuesta mediante bootstrap (simulación mediante muestreo repetido de los datos); Esto responde a la pregunta (crítica para Solvencia II) de "¿cuál sería nuestra respuesta en el peor de los casos?" La IA es muy poderosa para generar código y comparar estos métodos.
Precaución: la selección del factor de crecimiento no es mecánica. En un año, un cambio en la legislación, una gran ola de demandas o un cambio en la tasa de pago de reclamaciones pueden alterar los factores. La elección de “promedio simple, promedio ponderado, últimos 3 años” es judicial y debe estar justificada.
Cómo utilizar la IA en la contabilidad de reservas
1) Código de escalera de cadena:
Escriba un código comentado en Python que calcule la escalera de cadena. Entrada: triángulo de daño pagado acumulado (lista de listas, faltan celdas Ninguna). 1) Calcule el factor de edad ponderado por volumen para cada pasada de columna. 2) Encuentra los factores acumulativos. 3) Complete el espacio en blanco y estime el daño final para cada año de accidente. 4) Calcular y sumar la compensación (final - pagada). Imprima cada paso intermedio en la pantalla; No cree una biblioteca, use Python básico.
2) Comparación de métodos:
Explique a un actuario la diferencia entre una escalera de cadena y Bornhuetter-Ferguson. - ¿Cuál es más confiable en cada situación? - ¿Por qué se prefiere BF en años de accidentes nuevos (inmaduros)? - ¿Cómo determino la 'tasa de daño esperado' requerida para BF? Resume los pros y los contras en una tabla.
3) Verificación de plausibilidad de los factores:
Tengo los siguientes factores edad-edad: 1->2: 1,47; 2->3: 1,12; 3->4: 1,03; 4->5: 1,45.El factor 4->5 parece extraño en comparación con los demás.- ¿Cuáles podrían ser las posibles razones de este salto (reglamentario, daños importantes, error de datos)?- ¿Qué comprobaciones debo hacer para verificar?Toma de decisiones; Dame una lista de verificación.
4) Interpretación de la incertidumbre:
Mi mejor estimación de la escalera de cadena es de 42 millones de TL, el error estándar de Mack es de 5,3 millones. ¿Cómo le explico esto a un gerente y a un regulador? - Explique en lenguaje sencillo qué significan los niveles del 75% y del 99,5%. - ¿Cómo puedo transmitir el mensaje "rango en lugar de un solo número"?
Aviso débil / Aviso fuerte
Aviso débil:
Calcula mi recompensa.
No hay triángulo, ni método, ni datos. La IA encaja en esa brecha.
Potente mensaje:
Su función: asistente de reservas. Le daré el triángulo de reclamaciones pagadas acumuladas (anónimo, millones de TL): 2021: [4.0, 6.0, 6.8, 7.0] 2022: [4.4, 6.5, 7.3] 2023: [4.8, 7.0] 2024: [5.2] Tarea: 1) Calcule los factores ponderados de edad a edad, cada uno. 2) Complete el espacio en blanco esquina, escriba la pérdida final de cada año.3) Calcule la provisión total (final - pagada).4) 2024 es muy nuevo; Entonces explica por qué tu estimación es más incierta. Muéstrame los números intermedios para poder verificarlos manualmente. Solo usa los datos que te doy.
tres mini casos
Caso 1: Disposición inadecuada. Una empresa calculó los dos últimos años de accidentes en su cartera de tráfico de rápido crecimiento con una escalera de cadena recta. Dado que los factores de año nuevo eran bajos, la provisión se estimó en 31 millones de liras turcas. Cuando el actuario consultó con BF y utilizó la tasa de daños esperada, la respuesta realista fue de 44 millones de TL. La diferencia de 13 millones se confirmó con daños reales un año después. Lección: en el nuevo año, la mera cadena engaña a la escalera.
Caso 2: Factor corrupto. Un actuario asistente vio un factor 3→4 de 1,42 en el triángulo que produjo la IA; mientras que el promedio histórico fue de 1,05. Si se hubiera aprobado sin cuestionarlo, la respuesta se habría inflado en aproximadamente un 30 por ciento. La investigación reveló que se cambiaron dos años de accidentes debido a un error en la carga de datos. La IA no produjo el error, pero no lo notó; La verificación de razonabilidad del actuario tuvo éxito.
Caso 3: Presentación correcta de la incertidumbre. Un actuario responsable sólo dijo a la dirección que "la provisión es de 42 millones". La dirección lo consideró seguro y distribuyó beneficios. Al año siguiente, cuando la cifra real era de 48 millones, surgió una crisis. El siguiente período, el actuario ofreció un rango con Mack y bootstrap diciendo "la mejor estimación es 42, pero el nivel del 75% es 46, el nivel del 99,5% es 55 millones"; La dirección tomó su decisión en consecuencia. Ahorró mucho tiempo en la preparación del código y el gráfico de arranque de IA.
Errores comunes
- Utilizando únicamente la escalera de cadena en los últimos años de accidentes. Menos datos significa factor volátil; Equilibrio con BF.
- No someter los factores de desarrollo a control de razonabilidad. Un factor corrupto echa por tierra toda la respuesta; Comparar con el patrón histórico.
- Presentando el recíproco como un único número exacto. La respuesta es una suposición; Presentarlo sin un rango de incertidumbre (Mack, bootstrap) es engañoso.
- Confundir el triángulo pagado y realizado. Los dos miden cosas diferentes; Trabaje consistentemente sobre una base o compare conscientemente las dos.
- Haciendo caso omiso de la inflación y las rupturas regulatorias. Es posible que el patrón de desarrollo pasado no siga siendo el mismo en el futuro; Consideremos también el cambio estructural.
En resumen
La reserva es la estimación actual de la responsabilidad futura y es el cálculo actuarial más crítico de la compañía de seguros. El patrón de pagos pasado se observa en el triángulo del desarrollo; La escalera de cadena llena el rincón vacío con factores edad por edad y estima el daño final y la compensación, incluido el IBNR. En años nuevos, BF es más estable; La incertidumbre se mide mediante Mack y bootstrap. La IA completa el triángulo, escribe el código y compara los métodos; pero la selección de factores, la verificación de razonabilidad y la cifra final dependen del criterio y firma del actuario responsable.
Tarea de aplicación
Cree un mini triángulo anónimo de reclamaciones pagadas acumuladas (4 años de accidente × hasta 4 años de desarrollo). Pídele a la IA que calcule el equivalente con la escalera de cadena. Verifique manualmente los factores edad por edad y el final de 2 años. Luego pregúntele a la IA "¿cómo habría producido BF un resultado diferente para el año más reciente" y compare los dos métodos? Distorsione conscientemente uno de los factores (por ejemplo, agrande una celda 10 veces) y observe cómo cambia la respuesta de la IA y cómo la verificación de plausibilidad lo detectará.
lista de verificación
- [ ] ¿Soy coherente al configurar el triángulo en función del daño pagado o del daño incurrido?
- [ ] ¿He comprobado la verosimilitud comparando los factores edad-edad con el patrón histórico?
- [] ¿He verificado con BF los años nuevos/inmaduros?
- [ ] ¿Presenté la respuesta con un rango de incertidumbre en lugar de un solo número?
- [ ] ¿He recalculado de forma independiente el daño final y la contraaritmética?
- [ ] ¿He puesto por escrito la justificación de mi selección de factores (tipo de promedio, período)?