Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AUTÓNOMA DE PUEBLA
FACULTAD DE CIENCIAS
FÍSICO MATEMÁTICAS
LICENCIATURA EN ACTUARÍA
TESIS
PRESENTA:
DIRECTOR DE TESIS:
DR. FRANCISCO SOLANO TAJONAR SANABRIA
A mis sinodales, M.C. Brenda Zavala López, por ser excelente maestra, a
la que admiro por sus enseñanzas, sus clases fueron esenciales en mi desarrollo
profesional. Dra. Hortensia Josefina Reyes Cervantes, por su paciencia y la
manera en la transmite sus conocimientos, siempre motivándonos a ser mejor.
Dr. Hugo Adán Cruz Suárez, por aceptar ser parte de mi jurado, por su
tiempo, por sus comentarios y observaciones que ayudaron a mejorar este
trabajo.
A mis amigos con los que compartı́ largas horas de estudio pero también
agradables momentos a lo largo de la licenciatura.
i
Introducción
Todos los dı́as nos enfrentamos a la ocurrencia de riesgos, al estar pre-
sentes en cualquier actividad que se realice. El riesgo es una amenaza por la
incertidumbre que implica, ya que no se sabe en qué momento se presentará
ni las consecuencias que puede generar, provocando incluso un desequilibrio
económico. Como medida para protegerse de los riesgos surge el seguro, por
medio del cual las empresas o personas transfieren sus riesgos a una asegura-
dora a cambio del pago de cierta cantidad que es llamada prima, la compañı́a
de seguros pagará la cantidad acordada en caso de la ocurrencia del even-
to. Es indispensable que estas empresas de seguros cuenten con la suficiente
solvencia para poder hacer frente a los compromisos que se presenten.
ser suficiente para cubrir los gastos de administración y las reservas para
cumplir con las obligaciones futuras, en ocasiones esto es muy difı́cil ya que
existen diversos factores que la afectan y tratar de controlarlos es complicado.
Debido a que analizar y controlar todos los factores que afectan la sol-
vencia de una compañı́a de seguros resulta muy complicado, es importante
encontrar condiciones mı́nimas que hagan más fácil mantener en equilibrio
la solvencia en la aseguradora.
Introducción I
2. Teorı́a de riesgo 21
2.1. Modelos de reclamación . . . . . . . . . . . . . . . . . . . . . 21
2.1.1. Modelo individual de riesgo . . . . . . . . . . . . . . . 21
2.1.2. Modelo de riesgo colectivo para un solo periodo . . . . 23
2.1.3. Distribución del número de siniestros . . . . . . . . . . 26
2.1.4. Distribución del tamaño de reclamación . . . . . . . . . 29
2.2. Procesos estocásticos . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.1. Procesos de conteo . . . . . . . . . . . . . . . . . . . . 31
2.2.2. Proceso Poisson . . . . . . . . . . . . . . . . . . . . . . 31
2.2.3. Procesos de Poisson compuesto . . . . . . . . . . . . . 33
v
vi ÍNDICE GENERAL
Conclusiones 60
Bibliografı́a 61
Condiciones mı́nimas para garantizar la
solvencia de una aseguradora
27 de junio de 2018
Capı́tulo 1
1
2 Solvencia en una aseguradora
Modelo Básico
La relación entre los riesgos que afectan la solvencia se modela con un
algoritmo de simulación, que refleja el comportamiento de la gestión de la
solvencia. Se presenta el desarrollo anual de la posición económica de un
asegurador por la siguiente ecuación:
B = Ingreso de primas.
I = Rendimiento neto de las inversiones.
X = Reclamaciones pagadas y el incremento de los saldos.
C = Gastos.
D = Dividendos y bonos.
∆U = U (t) − U (t − 1) = Incremento del margen de solvencia.
t = Año fiscal.
Donde
U (t)
u(t) = Coeficiente de solvencia. (1.3)
B(t)
X(t)
x(t) = Índice de siniestralidad. (1.4)
B(t)
ri
rigp = . (1.5)
rgp
La expresión (1.5) muestra la relación del interés, inflación y la carga de
seguridad. Si esta proporción es menor que la unidad, significa que ocurrió
una disminución en el margen de solvencia en relación con el volumen de las
inversiones, situación que es compensada con una carga de seguridad que se
obtiene del resto de las expresiones de (1.2), es decir, de una disminución de
las reclamaciones, gastos y utilidades de bonos.
B(t)
rgp = = rg rp . (1.6)
B(t − 1)
Por otro lado, el rendimiento de las inversiones I(t) es repartido entre las
reservas técnicas w(t) y el margen de solvencia.
Análisis estadı́stico
Otra manera de controlar la solvencia es por medio del análisis estadı́stico
y se logra entendiendo el comportamiento que presentan los seguros a través
de un análisis de los datos observados en ejercicios anteriores, entre estos
1.3 Factores que comprometen la solvencia de la aseguradora 5
aseguradora.
(1 + ii )
rip = 1 + iip = . (1.7)
(1 + ip )
Donde:
1.3.3. Liquidez
La liquidez es la facilidad con la que un activo se convierte en dinero
en efectivo, mide la capacidad que tiene una empresa para obtener efectivo
y hacer frente a sus obligaciones a corto plazo sin tener que vender algún
activo a un precio más barato. Ası́ se sabe si la aseguradora es solvente y
tiene capacidad para cubrir cualquier imprevisto.
1.3.4. Inversiones
Empleando aspectos de riesgo de activos se trata de compensar el riesgo
de pérdidas de inversiones con los rendimientos esperados. Pero el principal
problema es que hay que encontrar una relación entre la inflación y los ciclos
de la economı́a nacional, ya que estos afectan la suscripción de pólizas. Los
riesgos relacionados con las inversiones se miden en términos de desviaciones
estándar.
8 Solvencia en una aseguradora
1.3.5. Gastos
Inicialmente los gastos administrativos y de operaciones de las asegura-
doras no eran contemplados en la teorı́a de riesgo, a pesar de influir en la
solvencia, afectando la carga de seguridad, que es una variable clave en el
análisis de teorı́a de riesgo. Es por eso, que cambios en esta variable afectan
los gastos en el modelo, razón por la que deben ser incluidos.
Los movimientos en los gastos son una pieza clave en la planificación es-
tratégica de las aseguradoras siempre y cuando estas se encuentren en buena
situación económica.
1.3.6. Inflación
La inflación es un aumento en el nivel de precios de bienes y servicios
durante cierto periodo de tiempo. Cuando el nivel de precios sube con cada
unidad monetaria se adquieren menos bienes y servicios, lo que refleja una
caı́da en el poder adquisitivo. Los efectos de la inflación en la economı́a son
positivos y negativos, entre los efectos negativos tenemos una disminución de
las inversiones y el ahorro, o una escasez de bienes ya que los consumidores
comienzan a adquirir más por el temor a un aumento mayor después de un
tiempo, otro aspecto que se ve afectado es el tipo de cambio. Uno de los e-
fectos positivos es que los bancos se ven obligados a ajustar los tipos de interés
para motivar la inversión. Los efectos de inflación para unos representan un
beneficio mientras que para otros es un problema.
Modelo de inflación
El modelo se define de la siguiente forma:
i(t) ≥ imin .
Donde:
Notación
La prima de riesgo con carga de seguridad, Pλ , es la reclamación promedio
más un porcentaje para carga de gastos, es la manera en la que se descompone
el ingreso de la prima, B(t), lo cual se expresa de la siguiente manera:
1.4 Elementos de solvencia 11
El valor actual del ingreso de primas para usos a corto plazo debe ser
calculado con alguna estimación estadı́stica directa de B(t), dicha estimación
podrı́a ser una regresión y se realiza respecto al efecto de inflación, la etapa
del ciclo económico, la situación de la cartera, etc.
ŷ = β1 + β2 xi
Primero debemos ver si se cumplen los supuestos de regresión lineal, para
ello graficamos los datos, para ver si existe una posible relación.
En la Figura 1.4 se ve que casi hay igual cantidad de valores por abajo y
14 Solvencia en una aseguradora
Pero para usos a largo plazo, es decir, cuando se usa la teorı́a de riesgo
es necesario utilizar (1.9), al utilizarla se nota que la principal dificultad es
encontrar la estimación adecuada para λ(t). Para solucionar este problema
se recomienda fijar un rango de incertidumbre al usar estimaciones óptimas
[5].
Usar este enfoque tradicional implica que con alguna probabilidad acep-
table se encuentren las condiciones mı́nimas que garanticen la continuidad
de la empresa, es decir, el cálculo de las probabilidades de ruina y los rangos
de variación.
Donde
n = Número esperado de reclamaciones.
a2 = Segundo momento del tamaño de la reclamación.
σq = Desviación estándar de la variable aleatoria.
X X
σT2 = σ12 (t) + 2 Cov[X(t), X(u)], t ∈ [1, T ]. (1.14)
t t>u
Sea
X = v(y). (1.15)
Donde
v = Función auxiliar para transformación X => y
y es simétrica con media 0 y desviación estándar 1, es decir, esta variable
tiene distribución normal estándar.
Transformación generalizada:
z = (X/EX)h . (1.16)
y = (z − mz )/σz . (1.17)
De esta forma queda una expresión que resulta ser práctica para simular
variables aleatorias con una media, desviación estándar y asimetrı́a dada. Lo
primero que se debe hacer es generar un número aleatorio que siga una dis-
tribución normal con media 0 y desviación estándar 1 al que denotamos con
r. Posteriormente, la transformada se define como se muestra a continuación
pero es mas recomendable usar v(y)
X = v −1 (r). (1.19)
Para analizar el efecto que producen los elementos que afectan las fluctua-
ciones mencionadas anteriormente se debe suponer que los números de re-
clamaciones son variables aleatorias y las otras variables son fijas. Posterior-
mente los tamaños de reclamación también se hacen aleatorios.
Teorı́a de riesgo
21
22 Teorı́a de riesgo
S = X1 + X2 + · · · + X n . (2.1)
Donde
S = Variable aleatoria de la pérdida de las n unidades aseguradas.
Xi = Pérdida de la unidad i asegurada.
n = Número de unidades de riesgo aseguradas.
Para analizar este modelo es necesario entender algunos conceptos básicos
del seguro de vida para un solo periodo. El asegurador paga una cantidad b
si el asegurado muere durante el periodo de emisión de la póliza y no paga
si sobrevive en ese periodo.
Función de distribución de X
Para presentar la función de distribución de X, primero hay que tener pre-
sente lo siguiente.
Esperanza y Varianza de X
A partir de la función de probabilidad y de la definición de momentos tene-
mos:
X∞
E[X] = xi f (xi )
i=0
= 0 · (1 − q) + b · q = bq.
2.1 Modelos de reclamación 23
Por lo tanto,
E[X] = bq. (2.2)
Para calcular la varianza, por definición tenemos
Ası́,
E[X 2 ] = b2 q. (2.3)
Regresando a la definición de varianza, se sustituye como se presenta a
continuación
Var[X] = E[X 2 ] − (E[X])2
= b2 q − (bq)2 = b2 q(1 − q).
Por lo tanto, la varianza es
Var[X] = b2 q(1 − q). (2.4)
Función de distribución de S
Para obtener la función de distribución de S se considera el número de
reclamaciones y mediante el Teorema de Probabilidad Total se calcula la
distribución de los siniestros acumulados
F (x) = P r(S ≤ x)
X∞
= P r(S ≤ x|N = n) · P r(N = n)
n=0
X∞
= P r(X1 + X2 + · · · + Xn ≤ x) · P r(N = n).
n=0
∞
X
F (x) = p∗(n) (x) · P r(N = n). (2.5)
n=0
MS (t) = E[etS ], t ∈ R.
Ası́ tenemos,
∞
X
tS
E[E(e |N )] = E(et(X1 +X2 +···+Xn ) ) · P r(N = n),
n=0
por la propiedad MX1 +X2 +···+Xn (t) = [MX (t)]n para variables aleatorias y
dado que X1 , X2 , ..., Xn son independientes e idénticamente distribuidas.
∞
X
tS
E[E(e |N )] = [MX (t)]n · P r(N = n) = E[MX (t)N ]
n=0
N
= E[eln[MX (t) ] ] = E[eN ·ln(MX (t) ]
= MN (ln(MX (t))). (2.6)
Donde:
MN : Generadora de momentos del número de reclamaciones.
MX : Generadora de momentos de los montos.
Esperanza y Varianza de S
A partir de la función generadora de momentos podemos obtener la espe-
ranza y varianza de la distribución de reclamaciones agregadas como sigue
26 Teorı́a de riesgo
d d
MS (t)|0 = [MN (ln(MX (t)))]|0
dt dt
MX0 (t)
0
= MN (ln(MX (t))) ·
MX (t) 0
M 0 (0)
= MN0 (ln(MX (0))) · X
MX (0)
0
M (0)
= MN0 (ln(1)) · X = MN0 (0)MX0 (0)
1
= E[N ]E[X] = E[S]. (2.7)
d2 MX0 (t)
d 0
MS (t)|0 = MN (ln(MX (t))) ·
d2 t dt MX (t) 0
0 2
00 MX (t)
= MN (ln(MX (t))) ·
M (t)
" X 2 #
00
0
M (t) M (t)
+MN0 (ln(MX (t))) · X
− X
MX (t) MX (t)
0
= MN00 (0)(MX0 (0))2 + MN0 (0)[MX00 (0) − (M 0 (0))2 ]
= E[N 2 ]E 2 [X] + E[N ]Var(X) = E[S 2 ].
λn e−λ
P r(N = n) = , n = 0, 1, 2, .... (2.9)
n!
Con λ > 0 constante, se sabe que E[N ] = λ y la Var[N ] = λ. Al tomar
la distribución Poisson como distribución de N , la distribución de S resulta
una distribución Poisson compuesta. Cuya esperanza y varianza se calcula
utilizando (2.7) y (2.8), respectivamente.
La función generadora de S
r+n−1 r n
P r(N = n) = p q , n = 0, 1, 2, .... (2.13)
n
rq
E[N ] = .
p
rq
Var[N ] = .
p2
r
p
MN (t) = .
1 − qet
rq
E[S] = E[X]. (2.14)
p
2.1 Modelos de reclamación 29
rq rq
Var[S] = E[X]2 + Var[X]
p2 p
2 rq rq
E[X 2 ] − E[X]2
= E[X] 2 +
p p
rq 2 2 rq rq
= E[X ] + E[X] −
p p2 p
rq 2 2 rq(1 − p)
= E[X ] + E[X]
p p2
rq rq 2
= E[X 2 ] + 2 E[X]2 . (2.15)
p p
Distribución Exponencial
La distribución Exponencial en ocasiones es seleccionada como distribu-
ción del tamaño de reclamación, ver [3], ya que tiene las mismas caracterı́sti-
cas que tienen algunos tipos de seguro, un ejemplo es el seguro de vida, dichas
caracterı́sticas son; que la variable aleatoria del monto de reclamaciones sólo
es positiva y su distribución es sesgada a la derecha.
30 Teorı́a de riesgo
Distribución Normal
Cuando el monto de reclamaciones tiene una distribución normal con
media µ y varianza σ 2 , su n-ésima convolución es una distribución normal
con media nµ y varianza nσ 2 ; como puede verse en [4].
ii) N (t) toma valores enteros positivos para todo t, es decir, N (t) > 0 casi
seguramente.
b) Incrementos independientes.
Es decir, que para 0 ≤ t1 < t2 < . . . < tn ,
Se tiene que N (t1 ), N (t2 )−N (t1 ),..., N (tn )−N (tn−1 ) son independientes.
32 Teorı́a de riesgo
c) Incrementos estacionarios.
(λt)n
P (X(t) = n) = e−λt .
n!
E[X(t)] = λt,
Var[X(t)] = λt.
2. E[X(t)] = λtE[Y ].
3. Var[X(t)] = λtE[Y 2 ].
Donde
Cn = Capital de la compañı́a aseguradora al tiempo n ≥ 1.
u= Capital inicial de la aseguradora.
n= Ingreso por primas.
Y1 , Y2 , ...= Montos de las reclamaciones en periodos sucesivos.
2.4 Tiempo de ruina 35
Además, supongamos
u ≥ 0.
T0 = 0, Tn = W1 + · · · + Wn , n ≥ 1.
p(t) = ct.
El proceso de riesgo es un proceso estocástico que también se conoce como
proceso de superávit, conforme a los términos presentados se expresa como
se aprecia a continuación
Figura 2.3: Una realización del proceso de riesgo U para tamaños exponen-
ciales de reclamaciones y un proceso Poisson homogéneo para el número de
reclamaciones.
n o
Ruina = ı́nf U (t) < 0 = ı́nf U (Tn ) < 0
t>0 n≥1
= ı́nf [u + p(Tn ) − S(Tn )] < 0
n≥1
( n
)
X
= ı́nf [u + cTn − Xi ] < 0 .
n≥1
i=1
Zn = Xn − cWn , Sn = Z1 + · · · + Zn , n ≥ 1, S0 = 0.
Con lo anterior podemos llegar a la siguiente expresión alternativa para
la probabilidad de ruina ψ(u), con un capital inicial u
ψ(u) = P ı́nf (−Sn ) < −u = P sup Sn > u . (2.20)
n≥1 n≥1
41
42 Solvencia con medidas de riesgo
de riesgo. Esto genera la necesidad de manejar bases sólidas con las que se
puedan crear modelos para cuantificar la incertidumbre, en este capı́tulo se
utilizarán estas bases para analizar un modelo que cuente con condiciones
mı́nimas de solvencia.
Para que una medida de riesgo ρ sea útil y permita incluir varias carac-
terı́sticas para evaluar riesgos, debe cumplir con algunas propiedades básicas
o deseables. En dichas propiedades se supone que ρ es una medida de riesgo
en un cono convexo M el cual contiene todas las constantes c ∈ R.
Este axioma nos quiere decir que si la pérdida X está dominada por la
pérdida de Y , la medida de riesgo de X es menor que la medida de riesgo de
Y.
Lo que este axioma quiere decir es que la suma de dos riesgos no pro-
duce riesgo adicional. En portafolios de inversión esto significa que la diver-
sificación reduce el riesgo. El cumplimiento de esta propiedad permite una
administración de riesgos más eficiente.
Demostración. Para probar que una medida de riesgo coherente es una me-
dida convexa es necesario probar que los Axiomas 3 y 4 implican el Axioma
5.
A los elementos de B(R) se les conoce como conjuntos de Borel y con ellos
se asocia la σ- álgebra al conjunto de números reales para obtener el espacio
46 Solvencia con medidas de riesgo
Esta medida de riesgo describe todos los posibles escenarios adversos cuya
probabilidad es menor que p. En [20] se analiza el argumento que demues-
tra que el VaR es monótono, invariante y homogéneo positivo, pero no es
subaditivo, por lo tanto, no es una medida de riesgo coherente.
( )
X
Lϕ = X ∈ L1n+1 (Ω, F , P, F); E ϕk |Xk | F0 < ∞ .
(3.1)
k∈J
(1) El deflactor de precios ϕ debe tener una estructura de producto, esto es,
para todo t ∈ J
ϕt = ϕA T
t ϕt . (3.2)
El enfoque de VaPo será usado para volver comparables los dos lados
del balance y se puedan valorar de manera consistente ya que los activos
generalmente se miden con valores de mercado, pero la valoración de los
pasivos del seguro es más complicada porque no existe un mercado activo
donde se negocien los pasivos del seguro. Por lo tanto, no hay precios de
mercado para los pasivos del seguro. Por esta razón es conveniente calcular
los valores de mercado consistentes para los pasivos del seguro expresandolos
en base a instrumentos financieros A(k) , k ∈ J , es decir, correlacionando los
pasivos del seguro con una VaPo multidimensional en un espacio vectorial.
Luego, la VaPo se compara con el portafolio de activos existentes S al estar
expresados en el mismo espacio vectorial.
Para poder realizar la VaPo primero suponemos que los flujos de efectivo
del pasivo del seguro X, que describen los pagos al asegurado en términos de
la base financiera A(k) , k ∈ J , son como se muestra en seguida:
(0)
X = (Λ(0) U0 , ..., Λ(n) Un(n) ) ∈ Lϕ . (3.3)
Expresar los flujos de efectivo del pasivo de está manera permite analizar
las partes susceptibles de cobertura y las no asegurables, ya que consta de
(k)
de una parte Ak medible que se puede cubrir, Uk , y una parte Tk medible
que no se puede cubrir, Λ(k) . Donde Ak y Tk son las filtraciones que generan
(k)
a Fk , mientras que Uk y Λ(k) se definen a continuación.
(k)
Mientras que los procesos de precios (Ut )t∈J de los portafolios financie-
ros A(k) , k ∈ J además de ser A-adaptados, son no negativos, integrables y
(k)
consistentes con respecto a ϕ; el superı́ndice k en Ut siempre denota que la
cartera financiera A(k) soporta el flujo de efectivo Xk y el subı́ndice t denota
el precio de U (k) en el tiempo t. La cartera financiera A(k) necesita venderse
en el momento k para generar el flujo de efectivo Xk .
(i)
Donde As como se mencionó en la Suposición 3, es el proceso de precios
de todos los instrumentos financieros de base A(i) , i ∈ J .
(i)
(As )s∈J
(t)
ADt+1 = Xt+1 + Bt+1 (X(t+2) ) − St+1 . (3.4)
pasivos en el momento t (a), si no que también los activos deben cubrir los
pasivos en el futuro (b), es decir, la aseguradora debe generar los suficientes
ingresos con su plan de negocios para pagar los futuros reclamos.
ρt (ADt+1 ) ≤ 0.
La aceptabilidad de un plan de negocios (S (t) , X(t+1) ) es un requisito más
débil que la solvencia, ya que solo toma en cuenta la condición del contrato
de seguro (b).
Donde P (t, t+1) es el precio de bonos cupón cero Z(t+1) en el tiempo t ≤ t+1.
3.4. Insolvencia
Si la aseguradora no cumple con la condición contable o la condición del
contrato del seguro, es decir, es insolvente, se pueden aplicar varias medi-
das como, restricciones comerciales, o medidas más drásticas como cerrar la
empresa y ceder responsabilidades a un tercero.
(t)
ρt (Xt+1 + Bt+1 (X(t+2) ) − (St+1 + ρt (ADt+1 ))) = ρt (ADt+1 − ρt (ADt+1 )) = 0.
Conclusiones
En este trabajo se explican algunos de los factores que comprometen el
equilibrio de una empresa aseguradora. Para conservar la estabilidad de las
aseguradoras resulta complicado analizar al mismo tiempo todos estos facto-
res, por lo que en este trabajo se realizó el estudio y análisis solo considerando
el riesgo de activos.
Para analizar el comportamiento de los activos se tomaron en cuenta
condiciones mı́nimas que permitieran tener el control de la solvencia, dichas
condiciones fueron la condición contable y la condición del contrato de seguro.
[3] Beard, R.E., (1984), Risk Theory: The Stochastic Basis of Insurance,
London, Chapman and Hall.
61
62 BIBLIOGRAFÍA
[12] Minzoni, A., (1998), Técnica Actuarial de los seguros no-vida, México,
Coordinación de Servicios Editoriales, Facultad de Ciencias UNAM.
[14] Rincón, L., (2012), Introducción a la teorı́a del riesgo, Cd. de México,
México.
[16] Ross, S., (2010), Introduction to Probability Models, San Diego, USA,
Elsevier Inc.
[17] Ross, S., (1996), Stochastic Processes, USA, John Wiley and Sons, Inc.
[19] Sandström, A., (2011), Handbook of Solvency for Actuaries and Risk
Managers: Theory and Practice, USA, Taylor and Francis Group, LLC.