Varying risk exposure in auto insurance: a weighted tweedie framework for experience rating an cancellation penalties

Este artículo propone un nuevo marco de modelos Tweedie ponderados para la tarificación de seguros de automóviles que incorpora penalizaciones por cancelación intermedia, demostrando mediante datos reales que este enfoque permite compensar pérdidas grandes y mantener la coherencia actuarial al diferenciar la experiencia de siniestros entre asegurados que mantienen su póliza hasta el vencimiento y aquellos que la cancelan antes de tiempo.

Lo esencial

Imagina que contratar un seguro de coche es como suscribirte a una gimnasio anual.

Normalmente, si pagas tu membresía por un año y decides irte a los tres meses, el gimnasio te devuelve el dinero de los nueve meses que no usaste (o te cobra una pequeña multa administrativa). Ellos asumen que tu riesgo de lesionarte es el mismo, sin importar si vas a diario o solo una vez al mes.

Pero, ¿y si el gimnasio descubriera algo sorprendente?
Descubrió que las personas que se van a los tres meses son, en realidad, las que más se lesionan. ¿Por qué? Porque quizás se lesionaron en un accidente grave, vendieron el coche y ya no necesitan el seguro, o simplemente cambiaron de gimnasio porque les salió más barato, pero solo después de tener un problema.

Este es exactamente el problema que los autores de este artículo (Jean-Philippe, Raïssa y Julien) quieren resolver en el mundo de los seguros de coche.

El Problema: La "Talla Única" no Funciona

En el seguro de coche tradicional, los actuarios (los matemáticos que calculan los precios) asumen una regla simple:

• Si tienes el seguro 6 meses, pagas la mitad del año.
• Si lo tienes 3 meses, pagas un cuarto.

Es como si el precio fuera una regla lineal: más tiempo = más dinero, proporcionalmente.

Sin embargo, al analizar millones de datos reales de un seguro canadiense, los autores vieron que esta regla es falsa. Descubrieron que:

1. Los conductores que cancelan su seguro a mitad de año (llamémosles los "canceladores") tienen más accidentes y accidentes más graves que los que se quedan todo el año.
2. A menudo, cancelan justo después de un gran accidente (como un robo o un choque total) y compran un coche nuevo, o simplemente se van porque el seguro les subió mucho de precio tras el accidente.

Si el seguro sigue cobrando "proporcional al tiempo" (la regla lineal), está perdiendo dinero. Está cobrando poco a los conductores de alto riesgo que se van rápido y no está cobrando lo suficiente por el riesgo real que trajeron.

La Solución: Un "Cobro por Uso" Inteligente

Los autores proponen una nueva forma de calcular el precio, usando una herramienta matemática llamada modelo Tweedie, pero con un giro creativo: funciones de peso flexibles.

En lugar de usar una regla lineal, proponen una curva de penalización. Imagina que el precio no es una línea recta, sino una rampa.

• La idea: Si cancelas tu seguro a los 3 meses, no te devolvemos el 75% del dinero. Te cobramos una multa por cancelación porque, estadísticamente, sabes que eres un conductor de mayor riesgo o que tu salida fue costosa para la aseguradora.
• El resultado:
  • Los conductores "buenos" (que se quedan todo el año) terminan pagando menos al año, porque la aseguradora recupera el dinero extra de los "malos" conductores que se van rápido.
  • Los conductores que cancelan pronto pagan más de lo que esperarían, compensando el riesgo que trajeron.

¿Cómo funciona la "Multa"? (La Analogía del Restaurante)

Imagina un restaurante que cobra por plato.

• Método antiguo: Si entras y te vas a los 10 minutos sin pedir nada, te cobran solo por el tiempo que estuviste (muy poco).
• Método nuevo: El restaurante sabe que la gente que se va a los 10 minutos suele ser la que pidió el plato más caro, se quemó la lengua y se fue furiosa. Entonces, el restaurante dice: "Si te vas antes de terminar, te cobraremos una tarifa especial por el riesgo de que hayas tenido un mal momento".

En el seguro, esta "tarifa especial" se llama penalización por cancelación. No es un castigo arbitrario, es una forma de que el precio refleje la realidad: quien se va antes, suele haber traído más problemas.

Los Tres Ingredientes Mágicos

Para hacer esto funcionar, los autores usan tres trucos matemáticos:

1. La Curva Flexible (γ(t)): En lugar de una línea recta, dibujan una curva suave que decide cuánto cobrar según cuánto tiempo llevas. Esta curva se ajusta sola usando datos reales (como un GPS que aprende del tráfico).
2. El Peso (W): No todos los meses son iguales. Un mes de enero (donde hay más accidentes por hielo) vale más que un mes de julio. El modelo da más "peso" a los periodos de riesgo.
3. La Regla de la Justicia (C1 y C2): Para que la gente no se enfade, ponen reglas:
   • Cuanto más tiempo pases, más pagas (no puedes pagar más por irte rápido que por quedarte todo el año).
   • La multa nunca puede ser negativa (siempre es un cobro extra, nunca un descuento).

¿Por qué es genial esto?

1. Es más justo: Los buenos conductores no subsidian a los que se van rápido tras un accidente.
2. Es más rentable: La aseguradora recupera dinero de los conductores de alto riesgo que intentan escapar.
3. Es más barato para los leales: Al recuperar ese dinero extra de los "canceladores", la aseguradora puede bajar el precio anual para todos los que se quedan todo el año. ¡Es un descuento por lealtad financiado por los que se van!

En Resumen

Este artículo dice: "Dejemos de tratar el seguro de coche como una suscripción simple de Netflix donde pagas por mes. Trátalo como un contrato donde tu comportamiento (quedarte o irte) cambia el precio real."

Al usar matemáticas avanzadas (pero con lógica simple), proponen un sistema donde la multa por irse antes de tiempo ayuda a pagar los accidentes graves, haciendo que el sistema sea más justo para todos y más inteligente para la aseguradora. Es como si el seguro dijera: "Si te quedas, te damos un descuento. Si te vas rápido, es porque probablemente tuviste un problema, así que pagas un extra para compensar".

Resumen técnico

A continuación presento un resumen técnico detallado del artículo de investigación en español, estructurado según los puntos solicitados:

Título: Exposición de Riesgo Variable en Seguros de Automóvil: Un Marco Tweedie Ponderado para la Tarificación por Experiencia y las Penalizaciones por Cancelación

1. El Problema

En la industria de seguros de automóviles, los contratos suelen tener una duración anual. Sin embargo, es común que las pólizas se cancelen antes de su fecha de vencimiento (cancelaciones a mitad de término).

• Limitación de los modelos actuales: La mayoría de los modelos de tarificación asumen una relación lineal y proporcional entre la prima esperada ($\mu$) y la exposición al riesgo ($t$), es decir, $\mu = t \cdot \exp(x^\top\beta)$. Esto implica que si un asegurado cancela a mitad de año, el costo esperado es exactamente la mitad de la prima anual.
• Evidencia empírica: Los autores demuestran que esta suposición es restrictiva y no refleja la realidad. Los datos muestran que los asegurados que cancelan a mitad de término (especialmente tras un siniestro mayor o por cambio de aseguradora) tienen una frecuencia y severidad de siniestros significativamente más altas que aquellos que mantienen la cobertura completa.
• Consecuencia: Los modelos tradicionales subestiman las pérdidas esperadas para las pólizas de corta duración y no capturan el riesgo adicional asociado a la cancelación anticipada, lo que genera desequilibrios financieros y falta de equidad actuarial.

2. Metodología

El paper propone un marco teórico y empírico basado en la distribución de Tweedie, extendiendo la estructura clásica para incorporar funciones flexibles.

• Generalización del Modelo de Media:
  En lugar de la proporcionalidad estricta, se propone una función de media flexible:
  $$\mu = \gamma(t) \exp(x^\top\beta)$$
  Donde $\gamma(t)$ es una función suave (estimada mediante Modelos Aditivos Generalizados - GAM con splines) que captura la relación no lineal entre la exposición y el costo esperado.

• Estrategias de Ponderación (Weighting):
  Se comparan tres especificaciones dentro del marco de Tweedie para el parámetro de peso ($w$):

  1. Modelo de Peso Constante (CWM): $w=1$ (generalización del enfoque de "offset").
  2. Modelo de Peso Gamma (GWM): $w = \gamma(t)^{p-1}$ (generalización del enfoque de "ratio").
  3. Modelo de Peso por Exposición (EWM): $w = t^{p-1}$, pero con una media flexible $\gamma(t)$.

• Estructura de Penalizaciones:
  Se define una penalización por cancelación $\rho(t)$ como la diferencia entre la prima cobrada bajo el modelo flexible y la prima proporcional tradicional:
  $$\rho(t) = \pi_{Flex}(t) - t \cdot \pi_{Flex} = \pi_{Flex}(\gamma(t) - t)$$
  Para que el modelo sea operativo y actuarialmente coherente, se imponen dos restricciones sobre $\gamma(t)$:

  • C1 (Monotonía): $\gamma(t)$ debe ser creciente (la prima ganada no puede disminuir con el tiempo).
  • C2 (No negatividad): La penalización $\rho(t)$ debe ser no negativa (la prima cobrada no puede ser menor que la proporcional tradicional).

• Estimación:
  Se utiliza un algoritmo iterativo para estimar los parámetros, especialmente en el GWM, donde la función $\gamma(t)$ aparece tanto en la media como en el peso. Se aplican restricciones de monotonicidad y no negatividad directamente en las funciones base de los splines.

• Criterios de Selección de Modelos:
  Se evalúan los modelos utilizando:

  • Desviación (Deviance) en conjuntos de entrenamiento y prueba.
  • Criterio ABC (Área entre Curvas) basado en curvas de concentración y Lorenz.
  • Diagramas de Murphy (basados en la dominancia de Bregman).

3. Contribuciones Clave

• Relajación de la Proporcionalidad: Es la primera propuesta que relaja explícitamente la suposición de proporcionalidad entre prima y exposición en modelos Tweedie, permitiendo que la exposición interactúe de manera compleja con el proceso de generación de siniestros.
• Penalización Actuarial por Cancelación: Introduce un mecanismo formal para cobrar un recargo por cancelación anticipada que refleja el riesgo real (frecuencia y severidad más altas) de quienes cancelan, permitiendo al asegurador recuperar indirectamente parte del costo de siniestros mayores a través de la penalización.
• Coherencia Estratégica y Competitiva: Demuestra que al aumentar las penalizaciones por cancelación, la prima anual base para los clientes que mantienen la cobertura completa puede reducirse, ofreciendo una ventaja competitiva en el mercado.
• Heterogeneidad por Perfil de Riesgo: Propone extender el modelo para que la función de penalización $\gamma(t)$ varíe según el nivel de la Escala Bonus-Malus (BMS), reconociendo que los conductores de alto riesgo tienen comportamientos de cancelación distintos a los de bajo riesgo.

4. Resultados

El estudio se basa en un conjunto de datos de un asegurador canadiense (más de 2 millones de registros, 13 años).

• Desempeño del Modelo:

  • Los modelos flexibles (CWM, GWM, EWM) superan consistentemente al enfoque tradicional (ratio) en términos de desviación (deviance) y criterios de equilibrio local (ABC y Diagramas de Murphy).
  • El Modelo de Peso por Exposición (EWM) mostró el mejor ajuste estadístico.
  • No se detectó sobreajuste (overfitting), ya que el rendimiento en el conjunto de prueba fue comparable al de entrenamiento.

• Análisis de la Función de Penalización:

  • La función $\gamma(t)$ estimada sin restricciones mostraba que cancelar muy temprano podría implicar un costo mayor que mantener la póliza completa (lo cual es irracional).
  • Al imponer las restricciones C1 y C2, se obtuvo una función de penalización realista.
  • Impacto Financiero: El modelo propuesto recupera aproximadamente un 15% más de prima de los asegurados que cancelan a mitad de término en comparación con el modelo tradicional.
  • Ventaja Competitiva: Al internalizar estos costos en la penalización, la prima anual para los clientes que mantienen la póliza completa se reduce significativamente (hasta un 25% en algunos perfiles), haciendo la oferta más atractiva.

• Segmentación por BMS:

  • Al dividir los datos por niveles de BMS (bajo riesgo vs. alto riesgo/nuevos clientes), se observó que la función de penalización óptima difiere entre grupos. Los clientes de alto riesgo (o nuevos) requieren penalizaciones más estrictas y front-loaded (cargos iniciales más altos) para cubrir su mayor probabilidad de cancelación tras un siniestro.

5. Significado e Implicaciones

• Para las Aseguradoras: Este marco permite una gestión más precisa del riesgo y la rentabilidad. Al reconocer que la cancelación anticipada es un indicador de riesgo (a menudo ligado a siniestros graves), las aseguradoras pueden diseñar estructuras de precios que protejan su cartera de pérdidas y mejoren la selección de riesgos.
• Para la Regulación y Transparencia: El paper argumenta que, siempre que las penalizaciones estén claramente estipuladas en el contrato, es posible implementar estructuras de precios más sofisticadas que no violen los principios de equidad, sino que refinen la alineación entre prima y riesgo.
• Avance Actuarial: Marca un paso hacia la modernización de la tarificación, alejándose de las simplificaciones lineales hacia modelos que capturan la dinámica temporal y conductual de los asegurados, integrando la experiencia de siniestros y el comportamiento de cancelación en un solo marco estadístico robusto.

En conclusión, el artículo demuestra que ignorar la no linealidad entre la exposición y el riesgo en las cancelaciones a mitad de término lleva a una subestimación de pérdidas, y que un enfoque flexible basado en Tweedie con penalizaciones estructuradas ofrece una solución estadísticamente superior y estratégicamente ventajosa.