Skip to content

GRA · Riesgo actuarial y cuantitativo

Spatial financeWhere capital meets hazard, exposure and transition

Credibilidad y escasez de datos

Many risks have little data: new products, small portfolios, rare perils and emerging markets. Credibility theory blends a portfolio’s own experience with wider data according to how much the own data can be trusted. Bayesian methods, pooling and expert judgement extend this. This page sets out how actuaries estimate risk with sparse data, where estimates go wrong, the sources used and who decides.

01Registro

Credibility and sparse data on the record.

02La pregunta

Credibility and sparse data: how the risk develops.

Trabajar donde el historial de pérdidas es corto o inexistente. El expediente siguiente expone cómo se desarrolla el riesgo, qué se mide, de dónde proceden los datos, cómo se modelizan y quién decide.

Mecanismo

Combinación de datos propios y datos más amplios

Los pesos de credibilidad dan más peso a la experiencia propia a medida que esta crece. Un peso demasiado bajo ignora diferencias reales; uno demasiado alto fija precios sobre ruido.

Mecanismo

Es posible que los puntos de referencia no encajen

Los referentes del sector o de los reaseguradores reflejan otras carteras. Si la cartera difiere en composición o en práctica, la combinación arrastra sesgo.

Mecanismo

El juicio experto cubre las lagunas

Where data are absent, structured expert elicitation provides estimates. Without structure and documentation, judgement adds hidden bias.

Mecanismo

Actualización a medida que llegan los datos

Bayesian updating revises estimates as experience accumulates, showing how far data have moved the prior assumption.

03Spatial finance

Un índice de sequía frente a su punto de activación.

Cómo se interpreta una estación seca frente al punto en que la cobertura de sequía empieza a pagar. Estación y condiciones de diseño sintéticas.

Una temporada de lluvias en el Sahel, interpretada en relación con los puntos en que la cobertura contra la sequía empezaría y dejaría de pagar.Temporada sintética y términos de diseño; no se implica ninguna cobertura.
04Indicadores

Qué se mide y con qué calidad.

Cada indicador lleva su unidad, su periodicidad, el tipo de fuente que lo respalda y la etiqueta de evidencia que llevaría un valor. No se muestran valores: un programa los aporta bajo su propia autoridad.

IndicadorUnidadCadenciaTipo de fuenteEtiqueta
Credibility weight assigned to own experienceproporción, de cero a unopor análisisAnálisis de preciosMODELIZADO
Exposure underlying own experienceexposure unitspor análisisDatos de carteraOBSERVADO
Difference between own and benchmark estimatespor cientopor análisisAnálisis de preciosESTIMADO
Expert elicitation sessions documentedrecuentopor modeloDocumentación del modeloDECLARADO
Incertidumbre a posteriori de los parámetros claveamplitud del intervalopor análisisModelos bayesianosMODELIZADO
Relación entre lo real y lo esperado tras el lanzamientorazónperiódicoExperience monitoringESTIMADO
05Simulador de gemelo y cascada

Trace a shock in credibility and sparse data to the balance sheet.

Assembled from the Nexus Standards area profile Insurance and reinsurance: the shocks it names, the systems and sectors that carry the loss, the controls that dampen it and the data that observe it. Pick an initiating shock and step through the cascade to see which exposures it reaches and where losses could concentrate. The Map view places the run on an example geography with open data. Every weight is a stated assumption. An exercise, not a forecast, a valuation, a rating or investment advice. To model a place of your own choosing, open the full System Builder.

Amenazas

  • Ciclón tropical
  • Terremoto
  • Inundación por atasco de hielo
  • Incendio forestal
  • Marea de tormenta (desencadenada aguas abajo)
  • Lluvias intensas (desencadenadas aguas abajo)
  • Inundación fluvial (desencadenada aguas abajo)
  • Flash flood (set off downstream)
  • Oleaje peligroso (desencadenado aguas abajo)
  • Apagón generalizado (desencadenado aguas abajo)
  • Desplazamiento masivo (desencadenado aguas abajo)
  • Inundación costera (desencadenada aguas abajo)
  • Aftershock sequence (set off downstream)
  • Fault surface rupture (set off downstream)
  • Soil liquefaction (set off downstream)
  • Slope slide (set off downstream)
  • Rockfall (set off downstream)
  • Tsunami (set off downstream)

Controles

  • NS-0 Constitución y principios
  • NS-3 UNI de registros de riesgo (gramática, tabla de correspondencia heredada, autoridad de asignación)
  • NS-9 UNI contextuales (despliegues, instancias, instancias de programa)
  • NS-10 Políticas y cláusulas (obligaciones legibles por máquina: definición, carácter vinculante, evaluación y aplicación)
  • NS-11 Verificación y seguimiento (evidencia, atestaciones, observación de la conformidad de confianza cero)
  • NS-14 Conformidad y correspondencia con normas externas
  • NRS-F3 Seguros, riesgo de catástrofes y brechas de protección
  • NRS-H113 Familia de amenazas: fragilidad del sistema financiero (NHS-1 soc.financial-system)
  • NRS-U17Perfil de plataforma de Universe: Insurance Nexus
  • NRS-H71 Familia de amenazas: catástrofes cósmicas y del tiempo profundo (NHS-1 planet.deep-time)
  • NRS-H65 Familia de amenazas: transgresión de los límites planetarios (NHS-1 planet.boundary)
  • NRS-F8 Transferencia de riesgo paramétrica y basada en índices

Observación

  • OECD Data Explorer (incl. Creditor Reporting System, insurance and pension statistics) (listed for reference)
  • Insurance statistics (listed for reference)
  • USGS earthquake GeoJSON summary feeds (listed for reference)
  • Direct economic loss attributed to disasters in relation to global gross domestic product (GDP)
  • Direct economic loss attributed to disasters in relation to global gross domestic product
  • (a) Number of commercial bank branches per 100,000 adults and (b) number of automated teller machines (ATMs) per 100,000 adults

Geografía de ejemplo

  • Europa Occidental: 152 celdas hexagonales
  • Intensidad de la lluvia, última media hora (IMERG), NASA GIBS
  • Luces nocturnas de esta noche, apagones (VIIRS Day/Night Band), NASA GIBS
  • Agua superficial a través de nubes, 30 m (radar OPERA DSWx-S1), NASA GIBS
  • Carbon monoxide, smoke transport (AIRS), NASA GIBS
06Fuentes

De dónde procede la evidencia.

Conjuntos de datos públicos y registros institucionales identificados, cada uno con su tipo de licencia. Las fuentes obtenidas por acuerdo solo se utilizan conforme a sus condiciones y nunca se republican.

FuenteLo que aportaTipo de licencia
ASOP de la Actuarial Standards Board sobre procedimientos de credibilidadNormas profesionales para la credibilidadGratuito, condiciones de ASB
Monografías sobre credibilidad de la Casualty Actuarial SocietyBühlmann and limited fluctuation methodsLectura gratuita, condiciones de CAS
Industry statistical agent dataExperiencia agrupada para puntos de referenciaLicensed, terms per agent
Structured expert judgement literature (Cooke method)Métodos para obtener y combinar estimaciones de expertosDe lectura gratuita, condiciones según la editorial
Stan and PyMC documentationOpen-source Bayesian modelling toolsOpen source, BSD and Apache licences
07Exposición, pérdida y capital

Qué implican la credibilidad y la escasez de datos para la exposición, la pérdida y el capital.

Las vistas de exposición, pérdida, escenarios y capital que pediría un responsable de riesgos, un supervisor o un ministerio de finanzas, con los marcos con arreglo a los cuales informan. Las estructuras siguen la práctica supervisora y actuarial. Los valores son ilustrativos: nunca precios, calificaciones ni asesoramiento.

Exposición y pérdida por periodo de retorno

How losses from credibility and sparse data grow with severity, gross and net of reinsurance, against capital.

1 en 101 en 501 en 1001 en 250brutoneto de reaseguro800
Periodo de retornoProbabilidad anualPérdida brutaPérdida netaNeto, capital = 100
1 en 100.10141010
1 en 500.02332121
1 en 1000.01462727
1 en 2500.004683939
Pérdida anual media3.12.22.2
Índice de pérdidas ilustrativo para una cartera de ejemplo (capital = 100): la forma de probabilidad de excedencia que leen las aseguradoras y los supervisores. No son datos de ninguna institución, ni un precio ni una calificación.
Escenarios climáticos del NGFS · Red para la Ecologización del Sistema FinancieroNIIF S2 Información a revelar relacionada con el clima · ISSBRecomendaciones del TCFD · TCFD del Consejo de Estabilidad FinancieraPrincipios para la gestión eficaz de los riesgos financieros relacionados con el clima · Comité de Supervisión Bancaria de Basilea
08Decisiones

Quién decide y a qué sirve la evidencia.

Riesgo actuarial y cuantitativo prepara evidencia. Las decisiones que figuran a continuación las toman las autoridades indicadas, conforme a sus propias normas, y nunca la plataforma.

Quién decideLa preguntaEvidencia a la que sirve esta página
Actuarios de tarificación y de reservasCuánta credibilidad otorgar a los datos propios y qué referencia utilizarExposición, relevancia de los parámetros de referencia y normas profesionales
Product committeesWhether to launch products with sparse data and what monitoring appliesEstimaciones de incertidumbre y planes de seguimiento
SupervisoresWhether assumptions for new or small portfolios are reasonableActuarial reports
ReaseguradorasHow to price cover for portfolios with little historyBenchmarks and exposure data

Productos que genera este tema

09Cuestiones centrales

Las preguntas que se plantean los expertos.

  • How much weight should a portfolio’s own experience receive relative to wider data?
  • ¿Qué datos externos son pertinentes y en qué medida difiere la población objetivo?
  • How should expert judgement be elicited and combined with data?
  • ¿Cómo debe reflejarse en los resultados la incertidumbre adicional derivada de datos escasos?
  • ¿Cómo pueden los modelos para contextos con pocos datos evitar importar simplemente supuestos de contextos con abundancia de datos?
10Mecanismos

Credibilidad y aprovechamiento de información complementaria.

Credibility theory, developed by actuaries over many decades, blends a risk’s own experience with a broader collective estimate, giving more weight to own experience as its volume and stability grow. The Bühlmann and Bühlmann-Straub models formalise this as a linear estimate that minimises expected error, and they are closely related to Bayesian methods and to hierarchical models in statistics.

Los modelos bayesianos jerárquicos amplían la idea y permiten que grupos como regiones, sectores o tipos de póliza compartan información y conserven sus propios parámetros. Hacen explícita la incertidumbre y pueden incorporar conocimiento previo procedente del juicio experto o de datos afines. Los métodos estructurados de elicitación de expertos ayudan a reducir el sesgo cuando los expertos aportan estimaciones.

In emerging risks such as cyber, the problem is not only volume but change: the threat environment evolves faster than data accumulate, so old data may be less relevant. In lower-income markets, using models built for other countries can embed assumptions about building quality, health or behaviour that do not hold.

11Métodos y datos

Los métodos y sus límites.

Credibility

Credibility models

Blending own and collective experience; requires a sensible definition of the collective.

Bayesian

Hierarchical models

Compartir información entre grupos con incertidumbre explícita; los resultados dependen de las distribuciones a priori.

Expertos

Structured elicitation

Métodos formales para obtener y calibrar el juicio de expertos.

Límites: ningún método crea información que no existe. Las estimaciones con datos escasos conllevan una incertidumbre amplia, y los resultados pueden estar dominados por los supuestos sobre el colectivo o la distribución previa.

13Preguntas

Preguntas y respuestas.

¿Qué es la credibilidad en el trabajo actuarial?
The weight given to a portfolio’s own experience when combining it with broader data, increasing as the volume and stability of own data grow.
¿Qué es la credibilidad de Bühlmann?
Método que fija ponderaciones de credibilidad a partir de la varianza dentro de los grupos de riesgo y entre ellos, equilibrando la experiencia propia con la colectiva.
When is expert judgement appropriate?
Cuando los datos están ausentes o no son pertinentes, siempre que se obtenga de forma estructurada y documentada y se contraste a medida que lleguen los datos.
¿Puede la industria compartir datos para reducir la dispersión?
Only aggregated, under GRA’s written competition policy, once membership opens. Competitively sensitive data are not exchanged.
Is expert judgement scientific?
It can be, when elicited with structured methods, calibrated and documented, and when its uncertainty is reported.
¿Por qué es difícil modelizar el riesgo cibernético?
Porque los datos son escasos, las amenazas cambian con rapidez y las pérdidas pueden estar muy correlacionadas entre las empresas.
InformesContribuir

Aporte evidencia desde esta página.

Reports es la publicación trimestral del Consortium. Lo que usted sabe sobre este tema puede convertirse en evidencia, un caso o una corrección en la próxima edición, con su crédito y publicado bajo licencia CC BY 4.0 cuando se trate de obra propia.

Global Risks AllianceActuarial and Quantitative RiskMethods and TechnicalFinance and Insurance Readiness
Riesgo actuarial y cuantitativo

Plantee una cuestión de exposición o de capital a la Alliance.

La información y las consultas están abiertas hoy. Una consulta recibe una referencia e indica el siguiente paso; las solicitudes, pagos, asignaciones de cómputo y registros solo se abren cuando existen su equipo, sus condiciones y la capacidad de revisión.