Modelos de evaluación de riesgos en el Sector Asegurador
Los modelos internos de evaluación de riesgos, según una de las clasificaciones más extendidas, pueden clasificarse en el Sector Asegurador entre los denominados modelos estáticos (se considera sólo un momento en el tiempo) y dinámicos (toma en cuenta un período de tiempo).
- Los modelos estáticos, normalmente basados en la contabilidad, tienen en cuenta como magnitudes de referencia para el cómputo de los niveles de solvencia variables como las cuentas del balance, las partidas integrantes de la cuenta de pérdidas y ganancias o la exposición a riesgos subyacentes de las inversiones.
- Los modelos dinámicos se basan en proyecciones de flujos de caja, estimados de acuerdo con distintos temas.
Otra de las principales clasificaciones diferencia entre los modelos deterministas y los modelos probabilísticos.
- Un modelo determinista considera todos los procesos más importantes de un hecho y que las variables son conocidas con certeza. Sus predicciones se basan en cómo esos procesos pueden estar actuando para una situación dada y fueron utilizados inicialmente para eventos físicos y biológicos.
- En cambio, un modelo probabilístico simple (la misma probabilidad para cada uno de los seis posibles resultados) suele funcionar mejor, debido a que muchos de los parámetros no pueden conocerse con exactitud.
La función normal, o de Gauss, es una de las distribuciones de probabilidad más comúnmente utilizadas. Es un hecho empírico que las mediciones sujetas a errores se describen estadísticamente mediante una distribución de Gauss.
En Gestión de Riesgos, para un asegurador es de importancia primordial entender la dependencia de los riesgos a los que está expuesto, pues la dependencia puede resultar en un cúmulo de riesgos. Ello resulta evidente en el ejemplo de la tempestad.
La determinación de modelos probabilísticos adecuados basados en datos históricos es un campo de la estadística conocido como estimación estadística. Se considera que los datos son aleatorios y responden a un modelo probabilístico subyacente desconocido. El estadístico se dedica a deducir de los datos la mayor información posible sobre el mismo.
Dado que los datos son aleatorios, la deducción estadística está sujeta a errores estadísticos. Dos observaciones diferentes del mismo fenómeno pueden producir dos modelos diferentes.
Información extraída del webinar impartido por Daniel José María Caridad López del Río.
