Seguro: Parte 2 - Precios de los seguros adecuados, justos y competitivos

Blog

Publicado

05 jul. 2018

Categoría

Ciencia de datos

Compartir

De: Natasha Mashanovich, Científica de datos superior en World Programming, Reino Unido



"¿Qué seguro?" – es la primera pregunta que se hace un candidato al buscar una cotización de póliza atractiva. En el muy competitivo mercado de seguros del Reino Unido (Figura 1), las aseguradoras deben desarrollar una metodología de fijación de precios personalizada para garantizar que las primas de las pólizas sean, en primer lugar, adecuadas para que cubran las pérdidas previstas y los gastos contractos. En segundo lugar, las pólizas deben establecerse de manera justa, de modo que las primas estén estrechamente asociadas con las pérdidas y los gastos previstos. En tercer lugar, las primas deben ser competitivas para atraer nuevos clientes y retener a los clientes existentes.


Figura 1. Competitivo mercado de seguros del Reino Unido

La tarificación o la fijación de precios basada en el riesgo es un paso esencial y el elemento clave de la fijación de precios de los seguros. Las técnicas y metodologías de fijación de precios actuariales dependen en gran medida del tipo de seguro, la disponibilidad de los datos y las amplias limitaciones reglamentarias, comerciales y operacionales. Además, las técnicas de modelado seleccionadas cambian constantemente en línea con los avances en tecnología y ciencia de datos.

Las técnicas varían desde diferentes métodos estadísticos, tales como modelos lineales, aditivos y de mezclas, hasta un amplio conjunto de modelos de aprendizaje automático, tales como bosque aleatorio, potenciación del gradiente, redes neuronales o máquinas de vectores de soporte. Los modelos estadísticos suelen trabajar en una serie de suposiciones que se centran en ajuste de datos en forma de ecuaciones. Por el contrario, los métodos de aprendizaje automático tienden a tener menos suposición sobre los datos y se centran en el aprendizaje a través de la construcción de algoritmos. Reconocer la técnica más adecuada en el rico panorama analítico suele ser un desafío y requiere considerar múltiples facetas, tales como precisión del modelo, estabilidad del modelo a lo largo del tiempo, limitaciones comerciales, recursos necesarios de DevOps para la distribución e implementación del despliegue del modelo, el tiempo de respuesta del modelo y demás.

A pesar de la diversidad de modelos, el Modelo Lineal Generalizado (MLG) sigue siendo el estándar de facto en la industria de seguros. Aunque los métodos de aprendizaje automático a menudo pueden lograr un mejor rendimiento de predicción, el MLG ha ganado popularidad sobre las otras técnicas de modelado ya que es fácil de interpretar y comprender los resultados; el modelo supone una relación lineal entre los predictores y el resultado; y proporciona un mejor control al seleccionar los factores de calificación. Además, un algoritmo de calificación basado en MLG (Tabla 1) es fácil de implementar, de rápida ejecución y ofrece más flexibilidad para integrar la experiencia actuarial e implementar varias limitaciones, incluidas las limitaciones reglamentarias, operativas y comerciales.

Tarifa base£ 500Algoritmo de calificación
Factor de calificaciónNivelRelatividadPrima pura = Tarifa base
Zona territorial13,81* Zona territorial
21,91
30,71
41,00
1ª Matriculación12,38* 1ª Matriculación
21,44
31,00
Potencia del motor10,37* Potencia del motor
20,72
31,00
41,26
51,50
62,96
74,41
Gratificación10,58* Gratificación
20,79
31,00

Tabla 1. Relatividades de calificación basadas en MLG y algoritmo de calificación (ilustración)

El resultado del proceso de tarificación es un precio técnico previsto (es decir, prima pura) que coincide con la probabilidad de presentar una reclamación. Si se modela con precisión, debe proporcionar el precio adecuado para cubrir las pérdidas previstas. El precio técnico luego se ajusta para incluir otros gastos de suscripción, incluidos el coste de adquisición, las comisiones y los impuestos, así como las ganancias de suscripción.

El enfoque tradicional de fijación de precios de seguros se ha centrado únicamente en la fijación de precios basada en el riesgo, descuidando los precios de la competencia. En el clima actual, este enfoque no es sostenible y muchas aseguradoras están en transición hacia metodologías de fijación de precios más sofisticadas. World Programming puede proponer un enfoque holístico de fijación de precios de los seguros ilustrado en la Figura 2. Con una referencia simbólica al buceo en el océano, cuanto más profundo te sumerjas en un océano (de datos) en una búsqueda para descubrir nuevas especies (de datos), mayor éxito tienes en obtener gemas nuevas y valiosas (de negocios).

Figura 2. Proceso de fijación de precios de los seguros

En esta vista, las primas que se basan únicamente en la fijación de precios basada en el riesgo serían como buscar en aguas poco profundas y no maximizar todo el potencial de los datos disponibles. La fijación de precios de la tarificación garantiza un precio adecuado, pero no necesariamente competitivo. Por lo tanto, el proceso de fijación de precios debe comprender los elementos adicionales, incluida la segmentación del cliente, la consideración de los precios de los competidores y la optimización de los precios.

La segmentación del cliente es un paso importante para identificar si un cliente debe ser objetivo de un aumento o disminución de precios. Además, sirve como una confirmación de que los descuentos en las primas sólo se ofrecen a los clientes menos arriesgados. La segmentación puede ser muy simple en función de unas pocas reglas comerciales, o más sofisticada en función de un modelo de propensión, tal como la probabilidad de presentar una reclamación o un modelo de agrupación en clústeres que crea segmentos por niveles de idoneidad.

La fijación de precios competitivos consiste en ajustar las primas basadas en el riesgo a las tasas de los competidores. Dependiendo de las iniciativas comerciales, se pueden requerir modelos de demanda para conquistar el mercado competitivo: un modelo de conversión para la adquisición de clientes o un modelo de abandono para la retención de clientes. La decisión sobre qué clasificador binario utilizar para construir estos modelos de propensión dependerá de muchos factores, incluido el rendimiento del modelo requerido y la facilidad de distribución e implementación del modelo. Además, los modelos de conversión generalmente se ejecutan en tiempo real, por lo tanto, la velocidad de la puntuación del modelo es un factor importante a considerar cuando se decide la técnica de modelado.

El paso final del proceso de fijación de precios es la optimización de precios, generalmente denominada elasticidad del precio, y se trata de evaluar la tolerancia de precios a nivel individual. Este paso proporciona un beneficio adicional asegurando que el modelo competitivo relevante (la línea amarilla en la Figura 3) establezca el precio, lo que maximiza las ganancias (la línea azul en la Figura 3). Un modelo de optimización suele requerir simulaciones de precios para diferentes escenarios hipotéticos, por lo que se puede extraer el beneficio máximo dadas las limitaciones de optimización.

Figura 3. Problema de optimización de precios (fuente: www.casact.org)

La Figura 4 es una ilustración de un modelo de optimización que ofrece descuentos en las primas de hasta un 20% en el precio basado en riesgo. Dependiendo del modelo de demanda subyacente, la distribución de descuentos en las primas varía desde sin descuento hasta un descuento máximo del 20%.

Figura 4. Resultados de optimización de precios (ilustración)

Una vez que se selecciona el escenario óptimo, la solución de fijación de precios completa está lista para su distribución, implementación y prueba. Esto incluye el modelo basado en el riesgo, el modelo de demanda y el modelo de optimización. El conjunto completo de modelos se puede implementar en un único motor de calificación o alojado en varios motores. Después de un riguroso proceso de prueba, la solución de fijación de precios está lista para una carrera para conseguir más clientes.