Measuring the Longevity Tail of the Pension Gap: A Longevity-at-Risk Framework for Annuity, Pension, and Risk-Transfer Markets

Resumen Técnico: Midiendo la Cola de Longevidad de la Brecha de Pensiones

Planteamiento del Problema
El artículo aborda una brecha crítica en la gestión de riesgos de pensiones y anualidades: la incapacidad de medir y realizar pruebas retrospectivas (backtesting) de la "cola de longevidad" —el riesgo de una mejora de la mortalidad inesperadamente rápida—. Mientras que los modelos de mortalidad estándar (p. ej., Lee–Carter, Cairns–Blake–Dowd) proyectan eficazmente las trayectorias centrales de la mortalidad, no proporcionan una métrica compacta, comparable o vinculada a los pasivos para los resultados adversos en la cola. El aumento de la longevidad amplía la brecha de las pensiones no solo al aumentar la esperanza de vida esperada, sino al introducir incertidumbre respecto a la tasa de mejora. Para los emisores de anualidades y los planes de beneficios definidos, el riesgo adverso no es una mortalidad menor a la esperada, sino que las probabilidades de supervivencia aumenten más rápido de lo supuesto, extendiendo así las duraciones de los pagos e inflando el valor presente de los pasivos. Los profesionales carecen de una herramienta para convertir el riesgo de cola demográfico en métricas de estrés económico adecuadas para la fijación de precios, las pruebas de solvencia y la gobernanza de la transferencia de riesgos.

Metodología
El artículo desarrolla un marco de Longevidad en Riesgo (LaR, por sus siglas en inglés), definido como el cuantil de la cola superior de la mejora de la mortalidad para una edad, país y horizonte de previsión específicos. La metodología se desarrolla a través de cuatro etapas distintas:

1. Medición de la Mejora de la Mortalidad: Utilizando datos de la Human Mortality Database (HMD) para ocho economías desarrolladas (Canadá, EE. UU., Reino Unido, Francia, Alemania, Países Bajos, Suecia, Japón) para edades de 50 a 100 años, el estudio calcula la mejora de la mortalidad ($MI$) como el cambio de logaritmo negativo en las tasas de muerte centrales sobre horizontes de 1, 5, 10 y 20 años.
2. Modelado de Cuantiles (LaR de Cuantil Compuesto): En lugar de modelar la media condicional de las tasas de mortalidad, el autor emplea la Regresión de Cuantiles Compuestos para estimar la distribución condicional de la mejora de la mortalidad directamente. El modelo utiliza un rico conjunto de predictores que incluyen:
   • Mortalidad de mejora doméstica rezagada (1 y 2 períodos).
   • Efectos de edad, periodo, país y cohorte (agrupados por década).
   • Variables de población de referencia: un índice de mejora de la mortalidad de población de referencia ponderado por exposición y excluyendo un país, y un indicador de estrés de la población de referencia.
   • Variables de estado demográfico: Esperanza de vida rezagada a los 65 años, tasa de dependencia de la vejez y exposición al riesgo.
   • Indicadores de volatilidad: Desviaciones típicas móviles de cinco años de la mejora de la mortalidad doméstica y de referencia.
3. Traducción de Pasivos: Los cuantiles estimados de la mejora de la mortalidad se convierten en escenarios de mortalidad adversos. Estos escenarios se traducen luego en LaR basado en Pasivos, que mide el aumento del valor presente (PV) de la anualidad con respecto a una línea base. Este paso vincula el riesgo de cola demográfico directamente con el estrés del balance general.
4. Longevidad en Riesgo Condicional (CoLaR): El marco introduce el CoLaR para medir el riesgo de cola doméstico condicionado al estrés de la población cruzada. Esto captura la amplificación del riesgo de longevidad doméstico cuando una población de referencia ya se encuentra en un estado de mejora de la mortalidad adversa, reconociendo las dinámicas compartidas entre las economías desarrolladas.

Resultos Clave
El estudio valida el marco mediante pruebas de validación fuera de la muestra con origen móvil en una muestra común de siete países (excluyendo a Alemania para la comparación de referencia debido a restricciones de datos en los modelos de referencia específicos).

• Calibración Superior: El modelo de LaR de Cuantil Compuesto supera significativamente a los referentes de Lee–Carter y Cairns–Blake–Dowd en la calibración de la cola.
  • Error de Cobertura: El LaR logró un error de cobertura absoluto promedio de 0.0235, comparado con 0.1196 para Lee–Carter y 0.2124 para Cairns–Blake–Dowd.
  • Pérdida Pinball: El LaR registró la pérdida pinball promedio más baja (0.0070), lo que indica una precisión de pronóstico de cuantiles superior en comparación con los referentes (0.0161 y 0.0200, respectivamente).
• Determinantes del Riesgo de Cola: Los resultados de la regresión indican que los impulsores de la mejora de la mortalidad adversa difieren de las tendencias centrales. La mejora de la mortalidad rezagada muestra persistencia en horizontes más largos (5–20 años), y la volatilidad doméstica es un predictor positivo significativo de los resultados de la cola superior. El estrés de la población de referencia amplifica significativamente el riesgo de cola doméstico en los horizontes de 5 y 10 años.
• Estrés de Pasivos: La traducción del LaR en el valor presente de la anualidad revela un estrés económicamente significativo. En el percentil 95, el estrés del PV medio aumenta del 2.11% en un horizonte de 1 año al 7.00% en un horizonte de la 10 años. En el percentil 99, el estrés aumenta del 2.80% al 7.93%. El modelo produce estimaciones de estrés prudentemente conservadoras, con tasas de excedencia generalmente por debajo de los niveles esperados, particularmente en los horizontes más largos. Nótese que, si bien el análisis completo incluye horizontes de 20 años, la comparación formal de referencia en la Tabla 4 se restringe a los horizontos de 1, 5 y 10 años debido al periodo de validación realizado más corto para el horizonte de 20 años.

Significancia y Contribuciones
El artículo realiza tres contribuciones primarias a la literatura sobre pensiones y riesgo de longevidad:

1. Reencuadre de la Brecha de Pensiones: Trata la brecha de las pensiones no solo como un déficit de ahorro, sino como una exposición de riesgo de cola medible integrada en las garantías de ingresos de por vida. Cambia el enfoque de pronosticar la "trayectoria esperada" de la mortalidad a medir la "cola adversa" de la mejora de la mortalidad.
2. Desarrollo de LaR y CoLaR: Introduce la Longevidad en Riesgo como una métrica transparente y verificable para el riesgo de cola de la mejora de la mortalidad. A diferencia de los modelos de cuantiles de mortalidad existentes que se centran en la estimación de la distribución, este marco apunta específicamente a la variable de riesgo relevante para la gestión de pasivos. Además, lo extiende con la Longevidad en Riesgo Condicional (CoLaR), proporcionando un mecanismo para evaluar cómo el estrés de la población cruzada amplifica el riesgo de cola doméstico.
3. Gestión de Riesgos Vinculada a Pasivos: El documento demuestra cómo traducir los cuantiles de la cola demográfica en estrés del valor presente de la anualidad. Esto proporciona una herramienta práctica para la fijación de precios de anualidades, la transferencia de riesgo de longevidad, la reaseguro de longevidad, las pruebas de estrés de solvencia y la gobernanza del apetito de riesgo. Al vincular la incertidumbre demográfica directamente con las exposiciones económicas, el marco ofrece una métrica de estrés estandarizada que puede monitorearse en el tiempo para activar revisiones de precios o ajustes de capital.

El autor concluye que, si bien los modelos de mortalidad estándar siguen siendo indispensables para el pronóstico central, un marco de LaR vinculado a los pasivos ofrece una herramienta más adecuada para gestionar los riesgos de cola específicos que impulsan los requisitos de solvencia de las anualidades y de financiación de las pensiones. El enfoque complementa los modelos de mortalidad estocástica existentes al proporcionar la interpretación actuarial de riesgo de cola necesaria para las soluciones de jubilación basadas en seguros.