SOLVENCIA II

Módulo VIII – Seguros de

corto plazo (Parte 4)
CONTENIDO (4/4)
1. Antecedentes 9. Requerimiento de Capital de Solvencia
2. Balance económico a. Por riesgos técnicos y financieros de
seguros (RCTyFS)
3. Reservas técnicas (seguros de corto plazo)
b. Por riesgos basados en la Pérdida Máxima
4. Reserva de Riesgos en Curso
Probable (RCPML)
5. Reserva de obligaciones pendientes de
c. Por otros riesgos de contraparte (RCOC)
cumplir
d. Por riesgo operativo (RCOp)
6. Ejemplo práctico de RRC y SONR (método
estatutario) 10. RCTyFS – pasivo para seguros de corto plazo
7. Métodos alternativos para cálculo de RSONR
11. 𝑳𝑷,𝑵𝑽,𝑹𝒎 - ejemplo práctico
8. Modelo colectivo de riesgo
a. Modelo colectivo
b. Modelo Poisson compuesto
c. Modelo Poisson compuesto mixto

2
.10
𝑹𝑪𝑻𝒚𝑭𝑺 −
PASIVO PARA
SEGUROS DE CORTO
PLAZO
RCS BASADO EN RIESGOS (LISF)

Balance económico Riesgos

Riesgos Escenarios simulados

• Riesgo de mercado (tasa de

Valor interés, spread, accionarios)
económico • Riesgo de crédito #1
Valor de los • Riesgo de concentración
económico pasivos • Riesgo de descalce entre
de los activos y pasivos
activos • Riesgo de primas y reservas #2
• Riesgo catastrófico
Capital • Riesgo sistemático

#n
• Inversiones
• Préstamos Simulando… Var 99.5%
• Valores y otras Escenario 1… Listo.
inversiones Escenario 2… Listo.
• Participación de …
reaseguro Escenario 100,000… Listo.
• Reservas técnicas (RRC,
OPC, Catastróficas) #100,000
• Otros pasivos

4
 𝑹𝑪𝑺 = 𝒎𝒂𝒙(𝑹𝑪𝑻𝒚𝑭𝑺 + 𝑹𝑪𝑷𝑴𝑳, , 𝟎. 𝟗 𝑹𝑪𝑻𝒚𝑭𝑺 ) + 𝑹𝑪𝑶𝑪 + 𝑹𝑪𝑶𝒑

La Disposición 6.3.2 establece que el 𝑹𝑪𝑻𝒚𝑭𝑺 se calcula como

𝑅𝐶𝑇𝑦𝐹𝑆 = 𝑚𝑎𝑥 0, 𝑉𝑎𝑅99.5% −∆𝑉𝑁𝐹

donde −∆𝑉𝑁𝐹 representa la pérdida en el valor de los fondos propios a lo largo de un

año, calculada como
∆𝑉𝑁𝐹 = 𝑉𝑁𝐹 1 − 𝑉𝑁𝐹 0
y
𝑉𝑁𝐹 𝑡 = 𝐴 𝑡 − 𝑃 𝑡 .
Los componentes de la fórmula anterior denotan
❑ 𝐴(𝑡) es el valor presente del valor de mercado de los activos expresados en pesos
sujetos a riesgo al tiempo 𝑡;
❑ 𝑃(𝑡) es el valor presente del valor de mercado de los pasivos expresados en pesos
sujetos a riesgo al tiempo 𝑡, sin incluir el margen de riesgo;
5
VARIABLE DE PÉRDIDA – DAÑOS & AyE
La variable aleatoria de pérdida de los Seguros de No-Vida, 𝐿𝑃,𝑁𝑉,𝑅𝑚 para cada uno de
los ramos de seguro se calculará como:

𝐿𝑃,𝑁𝑉,𝑅𝑚 = 𝑃𝑁𝑉,𝑅𝑚 1 + 𝐺𝑁𝑉,𝑅𝑚 (0,1) − 𝑃𝑁𝑉,𝑅𝑚 0

donde:
𝑃𝑁𝑉,𝑅𝑚 0 es el valor del pasivo técnico a retención al tiempo 0 para el ramo 𝑅𝑚 ;
𝐺𝑁𝑉,𝑅𝑚 (0,1) es el valor total a retención de las reclamaciones pagadas durante el
periodo (0; 1);
𝑃𝑁𝑉,𝑅𝑚 1 es el valor presente del pasivo técnico a retención al tiempo 1;
𝑁𝑉 se refiere a la operación: daños o accidentes y enfermedades (AyE); y
𝑅𝑚 corresponde a cada uno de los ramos de daños o AyE.

6
VARIABLE DE PÉRDIDA – DAÑOS & AyE

Gasto en [0; 1). Se calculará utilizando la siguiente expresión:

𝐾𝑟,0
𝑍𝑚 1
𝐺𝑁𝑉,𝑅𝑚,𝑟 0,1 = 𝑃𝑙𝑑 (0,1) ෍ 𝑝𝑚𝑟,𝑚 𝑋𝑟,𝑛 ,
𝑃𝑚 (δ, 1)
𝑛=1

donde:

𝒁𝒎 𝟏 variable aleatoria que representa el tipo de cambio de la moneda m a pesos al

tiempo 1;

𝑷𝒍𝒅 (. ) precio de un bono cupón cero del mercado doméstico;

𝑷𝒎 (. ) precio de un bono cupón cero en el mercado m;

𝜹 fracción del año donde se pagan los siniestros ocurridos (𝜹=1/2)

𝑲𝒓,𝟎 variable aleatoria Poisson con parámetro aleatorio 𝜼𝒓 que representa el número
de pagos que la institución realizará para la protección 𝑟, en el periodo [0,1);

7
VARIABLE DE PÉRDIDA – DAÑOS & AyE

Gasto en [0; 1). Se calculará utilizando la siguiente expresión:

𝐾𝑟,0
𝑍𝑚 1
𝐺𝑁𝑉,𝑅𝑚,𝑟 0,1 = 𝑃𝑙𝑑 (0,1) ෍ 𝑝𝑚𝑟,𝑚 𝑋𝑟,𝑛 ,
𝑃𝑚 (δ, 1)
𝑛=1

donde:

𝜼𝒓 variable aleatoria con media 𝜿𝒓 que representa la frecuencia de siniestralidad de

la protección r;

𝒑𝒎𝒓,𝒎 prima promedio de la institución para la protección 𝑟 expresada en moneda

m;

𝑿𝒓,𝒏 variable aleatoria que representa el 𝑛-ésimo monto pagado, por cada peso de
prima, para la protección 𝑟 en el periodo [0,1) expresado en moneda 𝑚, y

𝒑𝒎𝒓,𝒎 𝑿𝒓,𝒏 toma valores en el conjunto (0,𝑆𝐴𝑟,𝑚 ], donde 𝑆𝐴𝑟,𝑚 representa la suma
asegurada de la protección r expresado en moneda m.
8
VARIABLE DE PÉRDIDA – DAÑOS & AyE

Pasivo en 1. Se calculará mediante la siguiente expresión:

𝑎𝑟
𝑍
𝑃𝑁𝑉,𝑅𝑚,𝑟 1 = ෍ 𝜂𝑟 θ𝑟,𝑘 𝑝𝑚𝑟,𝑚 𝜇𝑟 𝑃෨𝑚 𝑚 (1, 𝑘 + 𝛿),
𝑘=1
donde:

𝒂𝒓 número de años que transcurren para que se extinga la obligación de la

protección r;

𝜼𝒓 variable aleatoria con media 𝜿𝒓 que representa la frecuencia de siniestralidad de

la protección r;

𝜽𝒓,𝒌 tasa de caída de la frecuencia de pagos para la protección r que se pagará en el

año k, con k=1,…, 𝑎𝑟

𝝁𝒓 valor medio del índice de siniestralidad de la protección r (se considera v.a);

9
VARIABLE DE PÉRDIDA – DAÑOS & AyE

Pasivo en 1. Se calculará mediante la siguiente expresión:

𝑎𝑟
𝑍
𝑃𝑁𝑉,𝑅𝑚,𝑟 1 = ෍ 𝜂𝑟 θ𝑟,𝑘 𝑝𝑚𝑟,𝑚 𝜇𝑟 𝑃෨𝑚 𝑚 (1, 𝑘 + 𝛿),
𝑘=1
donde:

෩ 𝒎 𝒁𝒎 (𝟏, 𝑻) precio de un bono cupón cero en moneda 𝑚 , expresado en pesos,

𝑷
calculado a valor presente, valuado al tiempo 1 con vencimiento al 𝑘 + 𝛿;

𝜹 fracción del año donde se pagan los siniestros ocurridos (𝜹=1/2).

10
VARIABLE DE PÉRDIDA – DAÑOS & AyE

FRECUENCIA
El número de reclamaciones se determina mediante una variable aleatoria Poisson,
cuyo parámetro se determina como el número de siniestros entre el número de
unidades expuestas, donde el número de siniestros se obtiene mediante
remuestreo.

SEVERIDAD

La estimación de la distribución de la siniestralidad se obtiene mediante los índices

de severidad observados. Se procede de la siguiente manera.
1. Se obtiene la severidad de cada monto de siniestro observado
𝑐
𝑐
𝑥𝑖,𝑚
𝑠𝑚 =
𝑝𝑚𝑖𝑐
donde la 𝑐 identifica a la compañía, la 𝑖 al año, y 𝑚 al número de reclamación.

11
VARIABLE DE PÉRDIDA – DAÑOS & AyE

2. Se agrega la información de todas las instituciones y los años para obtener los
índices de severidad individuales {𝑠𝑚 }𝑀
𝑚=1 .

3. Se define un porcentaje α∈(0,1) para considerar los datos que corresponden a la

cola de la distribución y aquéllos que corresponden a la panza. Para esto,
𝑝 𝑀𝑝 𝑀
separamos los datos en dos tipos, {𝑠𝑚 }𝑚=1 , {𝑠𝑚
𝑡 𝑡
}𝑚=1 donde los primeros
corresponden a los (1- α)% menores y los segundos al α% restante.

❑ Panza. Se toma la distribución empírica 𝐹𝑃𝑁𝑍 de los datos {𝑠𝑚𝑝 }𝑀𝑚=1

𝑝
.

❑ Cola. Se ajusta una distribución paramétrica 𝐹𝐶𝐿 de los datos {𝑠𝑚𝑡 }𝑀𝑚=1
𝑡
.

4. Finalmente se estima la distribución de la severidad de cada escenario como:

𝐹 𝑥 = 1 − α 𝐹𝑃𝑁𝑍 (𝑥) + α𝐹𝐶𝐿 (𝑥)

12
FACTORES DE AJUSTE

Para realizar un mejor ajuste de la siniestralidad observada para cada institución, se

aplica una metodología de ajuste a la distribución de la severidad.

1. Para cada institución se obtienen n remuestreos 𝑏𝑜𝑜𝑡,𝑐

𝑠𝑚 (con tamaño el
número de siniestros observados para la compañía c), y de cada remuestreo se
definen los porcentajes de panza y cola:

𝑏𝑜𝑜𝑡,𝑐
𝑝𝑝𝑛𝑧 porcentaje de siniestros menores o iguales al percentil de mercado, entre
total de siniestros de la compañía.
𝑏𝑜𝑜𝑡,𝑐
𝑝𝑐𝑙 porcentaje de siniestros mayores al percentil de mercado, entre total de
siniestros de la compañía.

13
FACTORES DE AJUSTE

Para realizar un mejor ajuste de la siniestralidad observada para cada institución, se

aplica una metodología de ajuste a la distribución de la severidad.

2. Se obtienen factores de ajuste de panza y cola:

𝑏𝑜𝑜𝑡,𝑐
𝑓𝑝𝑛𝑧 media de los siniestros de la compañía que están en la panza entre la
media de siniestros del mercado que están en la panza,

𝑓𝑐𝑙𝑏𝑜𝑜𝑡,𝑐 media de los siniestros de la compañía que están en la cola entre la

media de siniestros del mercado que están en la cola.

3. Finalmente, la distribución de la severidad para la compañía se define como:

𝑏𝑜𝑜𝑡,𝑐 𝑥 𝑏𝑜𝑜𝑡,𝑐 𝑥
𝐹𝑐 𝑥 = 𝑝𝑝𝑛𝑧 𝐹𝑃𝑁𝑍 𝑏𝑜𝑜𝑡,𝑐
+𝑝𝑐𝑙 𝐹𝐶𝐿
𝑓𝑝𝑛𝑧 𝑓𝑐𝑙𝑏𝑜𝑜𝑡,𝑐
Y en este caso la media de la severidad corresponde la media observada para la
compañía
14
FACTORES DE AJUSTE

Con el ajuste anterior, la distribución de la frecuencia y la severidad se ajustan a la

estadística reportada por la compañía. Para lograr disminuir la diferencia entre el
valor medio de 𝐺 0,1 + 𝑃(1) y el mejor estimador calculado por la compañía, 𝑃(0), se
realiza el siguiente ajuste:

1. Se determina el cociente
𝑐
𝐼𝑅𝑅𝐶
ℒ 𝑐 𝑠ҧ 𝑐

Donde:
ℒ𝑐 frecuencia media de siniestros de la compañía
𝑠ҧ 𝑐 media de índices de severidad de la compañía
𝑐
𝐼𝑅𝑅𝐶 índice de siniestralidad empleado para el cálculo del ME de la RRC
𝑐
𝐼𝑆𝑂𝑁𝑅 índice de siniestralidad empleado para el cálculo del ME de la SONR

15
FACTORES DE AJUSTE

El cociente anterior se separa en frecuencia y severidad aplicando la función raíz, y

se emplean los siguientes factores de ajuste:

Para la frecuencia
𝑐
𝑓𝑟𝑒𝑐,𝑐 𝐼𝑅𝑅𝐶
𝑓𝑅𝑅𝐶 =
ℒ 𝑐 𝑠ҧ 𝑐
𝑐 𝑐
𝑓𝑟𝑒𝑐,𝑐 𝐼𝑅𝑅𝐶 𝐼𝑆𝑂𝑁𝑅
𝑓𝑆𝑂𝑁𝑅 = 𝑐
ℒ 𝑐 𝑠ҧ 𝑐 𝐼𝑅𝑅𝐶

Para la severidad
𝑐
𝑠𝑒𝑣,𝑐
𝐼𝑅𝑅𝐶
𝑓 =
ℒ 𝑐 𝑠ҧ 𝑐

16
DEPENDENCIA ENTRE PROTECCIONES Y RAMOS

Una vez que se cuenta con las variables de pérdida para cada ramo 𝑅𝑚 o protección
𝑟, 𝐿𝑁𝑉,𝑅𝑚 y 𝐿𝑁𝑉,𝑅𝑚 ,𝑟 respectivamente, es necesario obtener la distribución conjunta de
estas variables de pérdida, para las cuales se supone que existe cierta dependencia.

El concepto detrás del método empleado para obtener la distribución conjunta a

partir de las distribuciones marginales se conoce cómo cópula y a continuación se
revisará una breve introducción.

Definición: Una función bidimensional 𝐶: 0,1 × [0,1] → 𝑅 es una cópula si cumple lo

siguiente:

1. ∀ 𝑢, 𝑣 ∈ [0,1], 𝐶 0, 𝑣 = 0 = 𝐶(𝑢, 0) y 𝐶 𝑢, 1 = 𝑢; 𝐶 1, 𝑣 = 𝑣

2. ∀𝑢1 , 𝑢2 , 𝑣1 , 𝑣2 ∈ 0,1 , con 𝑢1 < 𝑢2 y 𝑣1 < 𝑣2 , se cumple

0 ≤ 𝐶 𝑢2 , 𝑣2 − 𝐶 𝑢2 , 𝑣1 − 𝐶 𝑢1 , 𝑣2 + 𝐶 𝑢1 , 𝑣1

17
DEPENDENCIA ENTRE PROTECCIONES Y RAMOS

A continuación, se enuncia uno de los teoremas más relevantes dentro de la teoría

de cópulas:

Teorema de Sklar: Sea 𝐻 una función de distribución conjunta con marginales 𝐹, 𝐺.

Entonces existe una cópula 𝐶 tal que ∀ 𝑥, 𝑦 ∈ 𝑅:
𝐻 𝑥, 𝑦 = 𝐶 𝐹(𝑥), 𝐺(𝑦)

Si 𝐹 y 𝐺 son continuas, entonces 𝐶 es única y en otro caso 𝐶 está determinada de

manera única en 𝑅𝑎𝑛𝑔𝐹 × 𝑅𝑎𝑛𝑔𝐺.

De manera inversa, si 𝐶 es una cópula y 𝐹 y 𝐺 son funciones de distribución,

entonces 𝐻 definida en la ecuación anterior es una función de distribución con
marginales 𝐹 y 𝐺.

18
DEPENDENCIA ENTRE PROTECCIONES Y RAMOS

Como consecuencia de teorema de Sklar se obtiene que una función que modela la
dependencia entre las variables aleatorias 𝑋 y 𝑌 es la cópula
𝐶 𝑢, 𝑣 = 𝐻 𝐹 −1 𝑢 , 𝐺 −1 𝑣
donde 𝐹 −1 𝑢 y 𝐺 −1 𝑣 son las funciones inversas de las distribuciones marginales de
𝑋 y 𝑌 respectivamente.

Incluso, tanto el teorema de Sklar como la consecuencia señalada, se puede

generalizar obteniendo que:

Una función que modela la dependencia entre las variables aleatorias 𝑋1 , 𝑋2 , … , 𝑋𝑛 es

la cópula
𝐶 𝑢1 , … , 𝑢𝑛 = 𝐹 𝐹1−1 𝑢1 , … , 𝐹𝑛−1 𝑢𝑛 ,

donde 𝐹 es la distribución conjunta de 𝑋1 , 𝑋2 , … , 𝑋𝑛 y 𝐹𝑖−1 es la inversa de la función de

distribución marginal de 𝑋𝑖 .

19
DEPENDENCIA ENTRE PROTECCIONES Y RAMOS

Para modelar la dependencia entre las variables de pérdida del pasivo de los
distintos ramos 𝑅𝑚 y protecciones 𝑟 se emplean cópulas de racimo del tipo D.

Si se consideran n variables aleatorias 𝑋1 , 𝑋2 , … , 𝑋𝑛 , con función de densidad

f(𝑥1 , … , 𝑥𝑛 ), ésta se puede factorizar en densidades condicionales

f 𝑥1 , … , 𝑥𝑛 = f 𝑥𝑛 ∙ f 𝑥𝑛−1 |𝑥𝑛 ∙ f 𝑥𝑛−2 |𝑥𝑛−1 , 𝑥𝑛 ∙ ⋯ ∙ f(𝑥1 |𝑥2 , … , 𝑥𝑛 )

y la descomposición resulta única salvo por el renombramiento en los índices de las

variables.

Para la descomposición se emplea un modelo gráfico denominado racimo regular

del tipo D, el cual se define a continuación

20
DEPENDENCIA ENTRE PROTECCIONES Y RAMOS

Definición (D-racimo). En el caso n-dimensional un D-racimo consiste de 𝑛 − 1

árboles, 𝑇𝑗 con 𝑗 = 1, … , 𝑛 − 1. El árbol 𝑇𝑗 tiene 𝑛 + 1 − 𝑗 nodos y 𝑛 − 𝑗 aristas. Cada
arista corresponde a una cópula bivariada o también llamada cópula-par. Dos
aristas en el árbol 𝑇𝑗 , que se vuelven nodos en el árbol 𝑇𝑗+1 , se unen por una arista en
𝑇𝑗+1 sólo si tienen un nodo en común en 𝑇𝑗 .

Observación. Una de las características de los D-racimos es que la estructura total

del racimo queda completamente determinada por el primer árbol.
𝒓𝟏𝟐 𝒓𝟐𝟑 𝒓𝟑𝟒
1 2 3 4

𝒓𝟏𝟑|𝟐 𝒓𝟐𝟒|𝟑

𝒓𝟏𝟒|𝟐𝟑
21
DEPENDENCIA ENTRE PROTECCIONES Y RAMOS

Cada arista, que corresponde a una cópula bivariada o cópula-par, se modela a

través de una cópula 𝑡.
𝒓𝟏𝟐 𝒓𝟐𝟑 𝒓𝟑𝟒
1 2 3 4

𝒓𝟏𝟑|𝟐 𝒓𝟐𝟒|𝟑

𝒓𝟏𝟒|𝟐𝟑

Para la estimación de la estructura de dependencia entre las variables de pérdida

de los distintos ramos y protecciones se utilizó la estadística de severidad por año y
por compañía, donde la severidad se define cómo el cociente del monto total
pagado entre la prima total emitida.
22
¡GRACIAS!
¿Alguna pregunta?
Datos de contacto:
Laura Liljehult León
❑ liljehult.laura@gmail.com

23