🔢 mathematics

Gerber–Shiu Analysis of a Dependent Portfolio Risk Model with a Constant Dividend Barrier and Extended-Exponential Premium Income

Este artículo desarrolla un modelo de riesgo de cartera dependiente con una barrera de dividendos constante e ingresos de primas exponencial-extendidos para derivar funciones de Gerber-Shiu para probabilidades de ruina específicas del mecanismo, demostrando mediante el análisis teórico y la aplicación empírica al seguro de automóviles francés que la incorporación de la dependencia en la duración entre siniestros mejora el modelado de la severidad de los siniestros y potencia la evaluación del riesgo de ruina.

Autores originales: Halim Zeghdoudi

Publicado 2026-09-29

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Halim Zeghdoudi

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El seguro es un sistema de riesgo compartido, donde muchas personas pagan pequeñas cantidades en un fondo común para cubrir las pérdidas grandes y poco frecuentes de unos pocos. Para las empresas que gestionan estos fondos, la pregunta fundamental es de supervivencia: ¿podrá el dinero que entra por las primas cubrir alguna vez el dinero que sale por los siniestros, especialmente cuando estos llegan en momentos impredecibles y con tamaños impredecibles? Si la salida de efectivo supera a la entrada durante demasiado tiempo, la empresa se enfrenta a la ruina, un estado en el que ya no puede pagar sus deudas. Para comprender este delicado equilibrio, los investigadores estudian modelos de riesgo, que son descripciones matemáticas de cómo fluye el dinero hacia adentro y hacia afuera de una cartera de seguros a lo largo del tiempo. Estos modelos ayudan a las aseguradoras a fijar precios, decidir cuánto capital mantener en reserva y determinar cuándo es seguro pagar dividendos a los accionistas. Sin embargo, el seguro en el mundo real es caótico. Las primas no siempre llegan siguiendo un horario estricto, y el tamaño de un siniestro a menudo depende de cuánto tiempo ha pasado desde el último. Un largo periodo de calma podría sugerir una acumulación de riesgo, mientras que un grupo repentino de siniestros podría indicar un cambio en el entorno. Comprender estas conexiones ocultas es crucial para predecir cuándo podría fracasar una empresa.

En un estudio reciente, un investigador llamado Halim Zeghdoudi abordó estas complejidades construyendo un nuevo tipo de modelo de riesgo que trata a toda la cartera de seguros como un sistema único y dinámico. En lugar de asumir que cada siniestro es independiente o que las primas llegan a un ritmo constante y predecible, este modelo permite la aleatoriedad tanto en el momento como en el tamaño del dinero entrante. También introduce una forma específica de vincular el tamaño de un siniestro con el tiempo transcurrido desde el anterior. La idea central es que la historia de la cartera importa; la duración del periodo de calma antes de que llegue un siniestro cambia la probabilidad de que ese siniestro sea pequeño o grande. Para dar sentido a esto, el estudio utiliza una herramienta llamada función de Gerber–Shiu, que actúa como una tarjeta de puntuación detallada. No solo le dice si una empresa quebrará, sino que calcula la probabilidad de que eso ocurra, qué tan profundo será el agujero y, crucialmente, qué tipo de evento causó el colapso. Esto permite al investigador separar el riesgo de unos pocos desastres masivos y raros del riesgo de muchas pérdidas pequeñas y frecuentes.

El estudio se centra en un escenario específico donde una compañía de seguros paga dividendos a sus propietarios cada vez que sus reservas de efectivo crecen por encima de un límite fijo determinado, conocido como barrera. Esta estrategia crea una tensión: el pago de dividendos mantiene contentos a los accionistas a corto plazo, pero deja a la empresa con menos dinero para absorber futuros impactos. Para lograr esto, el modelo asume que los pagos de primas siguen un patrón flexible que puede variar más de lo que permitiría un simple promedio, y que los siniestros se dividen en dos categorías distintas. Una categoría representa siniestros más pequeños y frecuentes, mientras que la otra representa eventos más grandes y severos. El modelo determina a qué categoría pertenece un nuevo siniestro basándose en cuánto tiempo ha pasado desde el último. Si ha pasado mucho tiempo, el modelo sugiere que el siguiente siniestro tiene más probabilidades de ser del tipo severo.

Para probar cómo se comporta este sistema, el investigador primero realizó una serie de simulaciones por computadora utilizando un conjunto de números estándar para representar una cartera de seguros típica. Estos experimentos demostraron que la cantidad de dinero con la que una empresa comienza es el factor más poderoso en su supervivencia. Cuando la reserva inicial es baja, la probabilidad de ruina es alta, pero a medida que la reserva crece, el riesgo cae drásticamente. Las simulaciones también confirmaron que recibir primas con mayor frecuencia ayuda a la empresa a mantenerse segura, mientras que que los siniestros lleguen con más frecuencia aumenta el peligro. Curiosamente, el estudio encontró que la forma de la distribución de las primas importa. Incluso cuando la cantidad promedio de dinero que entra se mantiene igual, cambiar el patrón de cómo llegan esos pagos puede alterar ligeramente el riesgo de ruina. El análisis también exploró el efecto de la barrera de dividendos. Una barrera más baja, que activa los pagos de forma más temprana, conduce a un mayor riesgo de ruina porque la empresa conserva menos efectivo en reserva. Una barrera más alta actúa como un amortiguador de seguridad, reduciendo el riesgo de fracaso pero retrasando el retorno de dinero a los accionistas.

La segunda parte del estudio pasó de la teoría a la realidad aplicando el modelo a un conjunto de datos reales de una cartera de seguros de automóviles privados francesa. El investigador utilizó registros de primas y siniestros de más de 50,000 pólizas que cubrieron los años 2003 y 2004. Tras limpiar los datos, el estudio se centró en 606 instancias específicas donde ocurrió un siniestro, observando el tiempo que había pasado desde el siniestro anterior y el tamaño del nuevo siniestro. Los resultados fueron sorprendentes. Los datos mostraron claramente que los siniestros no eran todos iguales; se dividían en dos grupos muy diferentes. Un grupo consistía en un pequeño número de siniestros extremadamente grandes, con un promedio de 12,573 euros, mientras que el otro grupo contenía la gran mayoría de los siniestros, que eran mucho más pequeños, con un promedio de 1,539 euros. El modelo capturó con éxito la regla que conecta estos grupos con el tiempo: los siniestros que siguieron a un periodo de espera más largo tenían una probabilidad significativamente mayor de pertenecer al grupo severo.

Cuando el investigador comparó este nuevo modelo con formas más antiguas y simples de observar los mismos datos, los resultados fueron matizados. El nuevo modelo, que tiene en cuenta el tiempo entre siniestros, funcionó mejor que un modelo básico que asumía que todos los siniestros eran iguales. También funcionó ligeramente mejor que un modelo que asumía que había dos tipos de siniestros pero ignoraba el tiempo entre ellos. La mejora sobre el modelo más simple de dos tipos fue modesta, lo que sugiere que, si bien el tiempo entre siniestros proporciona información útil, el principal motor de la diferencia en el tamaño de los siniestros es simplemente que existen dos tipos distintos de accidentes ocurriendo. El estudio concluyó que el modelo propuesto ofrece una forma práctica de entender estos riesgos. Confirma que el tiempo entre siniestros contiene pistas sobre la severidad del siguiente, y proporciona un método claro para calcular cómo diferentes estrategias, como pagar dividendos temprano o tarde, afectan la seguridad a largo plazo de la compañía de seguros. Los hallazgos sugieren que las aseguradoras pueden utilizar este tipo de análisis detallado para tomar decisiones más informadas sobre cuánto capital mantener y cuándo compartir las ganancias, equilibrando la necesidad de seguridad con el deseo de crecimiento.

Resumen Técnico: Análisis de Gerber–Shiu de un Modelo de Riesgo de Cartera Dependiente

Planteamiento del Problema
Este artículo investiga un modelo de riesgo de cartera de seguros agregada que se aparta del marco clásico de Cramér–Lundberg al incorporar simultáneamente tres características complejas: ingresos de primas estocásticos, dependencia entre la severidad de los siniestros y la duración inter-siniestro precedente, y una estrategia de barrera de dividendos constante. El objetivo principal es analizar la probabilidad de ruina y las funciones de penalización descontadas asociadas (funciones de Gerber–Shiu) dentro de este entorno. Específicamente, el estudio busca distinguir las contribuciones de diferentes regímenes de severidad de siniestros a la insolvencia general, reconociendo que el tamaño de los siniestros puede no ser independiente del tiempo transcurrido desde el último siniestro.

Metodología
El modelo se construye de la siguiente manera:

Primas Estocásticas: Los ingresos por primas llegan según un proceso de Poisson con intensidad $\lambda$ . Los montos de las primas siguen una distribución exponencial extendida (introducida por Gómez et al., 2014), que es una mezcla de una distribución exponencial y una Erlang-2. Esta estructura de tipo fase se elige para permitir una mayor variabilidad en los montos de las primas que un modelo exponencial estándar, manteniendo al mismo tiempo la tractabilidad analítica.
Mecanismo de Siniestros Dependiente: Los siniestros llegan a través de un proceso de Poisson independiente con intensidad $\lambda_1$ . La severidad del $i$ -ésimo siniestro depende de la duración inter-siniestro $V_i$ . Un parámetro de referencia latente y específico de cada siniestro $M_i \sim \text{Exp}(\lambda_2)$ determina el régimen: si $V_i > M_i$ , el siniestro pertenece al régimen 1; de lo contrario, pertenece al régimen 2. Esto resulta en probabilidades condicionales donde los periodos libres de siniestros más largos aumentan la probabilidad del primer régimen.
Barrera de Dividendos: Se impone una barrera constante $b$ . Cualquier excedente que supere $b$ se paga inmediatamente como dividendos.
Análisis de Gerber–Shiu: El autor define funciones de Gerber–Shiu específicas de cada mecanismo, $\Phi_i(u)$ , que representan la penalización descontada esperada asociada específicamente a la ruina causada por un siniestro del régimen $i$ . La función de penalización total es la suma $\Phi(u) = \Phi_1(u) + \Phi_2(u)$ .
Derivación Analítica:
- Se derivan ecuaciones integrales para $\Phi_1$ y $\Phi_2$ utilizando la descomposición del primer evento.
- La representación de la distribución de primas como mezcla exponencial–Erlang permite que el operador de prima-barrera se descomponga en funciones auxiliares que satisfacen relaciones diferenciales de primer orden.
- Bajo el supuesto de que las severidades de los siniestros en ambos regímenes son exponencialmente distribuidas y la función de penalización es la unidad, el sistema se reduce a un sistema diferencial lineal de dimensión finita.
- Esto conduce a una representación de exponencial matricial para las probabilidades de ruina descontadas específicas de cada mecanismo, $\Psi_i(u)$ .

Contribuciones Clave

Formulación del Modelo: El artículo formula un modelo de riesgo unificado que combina primas estocásticas, severidades de siniestros dependientes de la duración y barreras de dividendos, abordando un vacío donde estos elementos suelen estudiarse de forma aislada.
Descomposición Específica por Mecanismo: Introduce una descomposición de la función Gerber–Shiu que rastrea explícitamente qué régimen de severidad causa la ruina, permitiendo un análisis granular de las fuentes de riesgo de insolvencia.
Tractabilidad Analítica: Al aprovechar la estructura de tipo fase (mezcla exponencial–Erlang) de la distribución de primas, el autor deriva una solución compacta de exponencial matricial para las probabilidades de ruina bajo severidades de siniestros exponenciales, evitando la necesidad de ecuaciones diferenciales escalares de alto orden.
Validación Empírica: El modelo se aplica a una cartera real de seguros de automóviles privados en Francia (Garantía de Daños), ajustando la distribución exponencial extendida a las primas y el modelo de dos regímenes dependiente de la duración a los siniestros.

Resultados

Análisis de Sensibilidad Numérica:
- Reserva Inicial: Las probabilidades de ruina disminuyen de forma no lineal a medida que aumenta el superávit inicial, con un descenso más pronunciado en niveles de capital bajos.
- Parámetros de Prima: El aumento de la intensidad de llegada de las primas ( $\lambda$ ) reduce el riesgo de ruina. El parámetro de forma $\alpha$ de la distribución exponencial extendida también reduce el riesgo de ruina; sin embargo, un análisis de preservación de la media revela que este efecto es impulsado tanto por el aumento en la media del monto de la prima como por el cambio en la forma de la distribución.
- Parámetros de Siniestros: El aumento de la intensidad de llegada de siniestros ( $\lambda_1$ ) aumenta el riesgo de ruina. Este parámetro también altera las probabilidades incondicionales de los dos regímenes de severidad, añadiendo complejidad al análisis de sensibilidad.
- Barrera de Dividendos: Una barrera más baja conlleva pagos de dividendos más tempranos pero aumenta significativamente la probabilidad de ruina debido a la reducción de los colchones de capital.
Aplicación Empírica:
- El modelo dependiente de la duración supera significativamente a un modelo de siniestro exponencial único en términos de AIC y BIC.
- Comparado con una mezcla constante de dos exponenciales (que permite la heterogeneidad pero no la dependencia de la duración), el modelo dependiente de la duración arroja valores de AIC y BIC ligeramente menores ( $\Delta \text{AIC} \approx 1.60$ ). El autor caracteriza esta mejora como moderada, sugiriendo que, si bien la duración entre siniestros proporciona información adicional, gran parte de la heterogeneidad de la severidad es capturada por la propia estructura de dos regímenes.
- El modelo ajustado identifica dos regímenes distintos: Mecanismo 1 (raro, alta severidad, asociado con tiempos de espera más largos) y Mecanismo 2 (frecuente, baja severidad, asociado con tiempos de espera más cortos).

Significancia y Reivindicaciones
El artículo afirma que su principal significancia radica en proporcionar un marco analítico tratable para analizar la ruina en carteras donde la severidad de los siniestros depende del tiempo desde el último siniestro y las primas son estocásticas. La descomposición en funciones de Gerber–Shiu específicas de cada mecanismo ofrece una herramienta práctica para que los aseguradores comprendan los impulsores específicos de la insolvencia (por ejemplo, distinguiendo entre siniestros pequeños frecuentes y siniestros grandes y raros desencadenados por brechas largas).

El autor es modesto respecto a los hallazgos empíricos. No afirma que el modelo dependiente de la duración sea una descripción universal de los datos de seguros de automóviles. En su lugar, concluye que el modelo está respaldado empíricamente como una extensión útil que captura información adicional, aunque la mejora sobre una mezcla heterogénea estándar no es abrumadora. El estudio enfatiza que el modelo es mejor interpretado a nivel de cartera, donde los ingresos por primas y los siniestros surgen de diferentes pólizas y no necesitan seguir un orden temporal estrictamente uno a uno.

Limitaciones
El artículo reconoce varias limitaciones:

La suposición de procesos de llegada de Poisson tanto para las primas como para los siniestros, que puede no capturar la estacionalidad o la agrupación (clustering).
La dependencia de severidades de siniestros exponenciales para la solución explícita de exponencial matricial (aunque existen ecuaciones integrales para distribuciones generales).
El uso de datos de primas anuales en lugar de datos a nivel de transacción, lo que aproxima la intensidad de llegada de las primas.
La falta de datos históricos de dividendos en el conjunto de datos empíricos, lo que significa que la barrera de dividendos se trata como un parámetro de escenario en lugar de una política estimada.

Más como este