Este documento presenta un resumen de los pasos para estimar la distribución de siniestros para el año 2016 utilizando datos históricos de 2010 a 2014. Primero, se analizan los datos históricos de frecuencia y severidad para determinar las distribuciones subyacentes. Luego, se prueban diferentes distribuciones como la binomial negativa para la frecuencia y la Pareto para la severidad extrema. Finalmente, se eligen parámetros específicos para estas distribuciones que mejor se ajustan a los datos, con el fin de generar simulaciones para estim
Posiciones en el IDH global de EUA (1950-2024).pdf
Parametros de la Cola de una Distribucion
1. Parametros de Distribucion
de Siniestros
Metodo de estimar la cola
Congreso AMA XXVII
Cancun, Quintana Roo, Mexico
23 Octubre, 2015
Alejandro Ortega, FCAS, CFA
2. 2
El Problema
• Estimar la Distribuccion de Siniestros para el
ano 2016
• Lo podemos usar para medir Capital
• Determinar un plan de Reaseguro
• Podria ser una cartera de Auto, Transportes,
Incendio, o toda la compania
3. 3
Los Datos
• Fecha de hacer Analisis – 23 Oct 2015
• Prima 2010 – 2014
• Siniestros 2010-2014
• Porque no 2015?
5. 5
Resumen de Datos
Supuestos
• El tamano de la cartera no ha cambiado
• Si cambia, se necesita calcular Frecuencia de
Siniestros
• Inflacion es cero – 0%
• Si no es, se necesita ajustar los datos historicos
• Lo comun es usar la inflacion general del mercado
• Si existe suficiente data, se puede usar algo mas
preciso
6. 6
Resumen de Datos
Monto Pagado
1,000
2,000
3,000
4,000
5,000
2010 2011 2012 2013 2014
Monto Pagado
8. 8
Resumen de Datos
Ano
Numero
Siniestros
Monto
Pagado Promedio
2010 330 3,057,507 9,265
2011 312 3,177,057 10,183
2012 256 2,849,844 11,132
2013 272 3,571,991 13,132
2014 367 4,680,122 12,752
• Parece tendencia subiendo
9. 9
Resumen de Datos
Numero de Siniestros (Trimestral)
Media 77
Mediana 77
Min 49
Max 114
Desv Std 15
• Parece que no hay tendencia
• Suponemos que expuestos no han cambiado en tiempo
0
20
40
60
80
100
120
140
2010Q1 2011Q1 2012Q1 2013Q1 2014Q1
Siniestros
Siniestros
10. 10
Pasos
• Estimar Distribuccion Para Numero de
Siniestros
• En General se usa Frecuencia, y se aplica a la
prima pronosticada del proximo ano
• Estimar Distribuccion por el costo de cada
siniestro
• Primero la Pansa
• Despues la Cola
18. 18
Pasos
• Estimar Distribuccion Para Numero de
Siniestros
• En General se usa Frecuencia, y se aplica a la prima
pronosticada del proximo ano
• Estimar Distribuccion por el costo de cada
siniestro
• Primero la Pansa
• Despues la Cola
20. Excess Mean
La media de siniestros arriba de un monto
𝐸 𝑋 𝑋 > 𝑢 − 𝑢
• Por cualquier 𝑢
Cuando sube tienes cola larga
20
21. Excess Mean - Normal
21
93
-
250
500
- 500 1,000 1,500 2,000
u
Excess Mean Normal
22. Excess Mean - Exponential
22
-
250
500
- 500 1,000 1,500 2,000
u
Excess Mean Exponential
23. Excess Mean - Weibull
23
-
500
1,000
1,500
2,000
- 500 1,000 1,500 2,000
u
Excess Mean Weibull
24. Excess Mean - LogNormal
24
-
500
1,000
1,500
2,000
- 500 1,000 1,500 2,000
u
Excess Mean Lognormal
25. Excess Mean - Pareto
25
-
500
1,000
1,500
2,000
- 500 1,000 1,500 2,000u
Excess Mean Pareto
Esta curva esta subestimada
26. Cola Larga
Embrechts:
Cada Distribucion con cola larga
En el Limite se parece a Pareto
26
El tamano de la cola se controla con el
parametro 𝜉 (Xi)
1 < 𝜉 No existe Desviacion Std.
1 < 𝜉 < 2 Seguros
2 < 𝜉 < 5 Financia (eg. acciones)
32. Survival Function – Log Log Scale
32
𝑆 𝑥 = 1 − 𝐹(𝑥)
0.05%
0.10%
0.20%
0.39%
0.78%
1.56%
3.13%
6.25%10,000 40,000 160,000
S(x) emprico - logarithmo
La Distribucion Pareto es un linea recta en un graphico log log
33. Survival Function – Log Log Scale
33
𝑆 𝑥 = 1 − 𝐹(𝑥)
La Distribucion Pareto es un linea recta en un graphico log log
0.05%
0.10%
0.20%
0.39%
0.78%
1.56%
3.13%
6.25%
12.50%10,000 40,000 160,000
S(x) emprico - logarithmo
34. Survival Function – Log Log Scale
34
𝑆 𝑥 = 1 − 𝐹(𝑥)
La Distribucion Pareto es un linea recta en un graphico log log
0.05%
0.10%
0.20%
0.39%
0.78%
1.56%
3.13%
6.25%
40,000 320,000
S(x) emprico - logarithmo
35. Survival Function – Log Log Scale
35
𝑆 𝑥 = 1 − 𝐹(𝑥)
La Distribucion Pareto es un linea recta en un graphico log log
0.05%
0.10%
0.20%
0.39%
0.78%
1.56%
3.13%
6.25%
40,000 320,000
S(x) emprico - logarithmo
36. Survival Function – Log Log Scale
36
No se elige con meta que el ultimo punto esta en la linea
0.05%
0.10%
0.20%
0.39%
0.78%
1.56%
3.13%
6.25%
40,000 320,000
S(x) emprico - logarithmo
37. Survival Function – Log Log Scale
37
No se elige con meta que el ultimo punto esta en la linea
0.05%
0.10%
0.20%
0.39%
0.78%
1.56%
3.13%
6.25%
40,000 320,000
S(x) emprico - logarithmo
38. Elegir Parametros - Severidad
𝑢 = 50,000
𝐹 𝑢 = 95.26%
𝑆 𝑢 = 4.74%
Se puede tratar diferentes 𝑢’s para ver si
da resultado similar (o diferente)
38
45. Prueba de Parametros del Pareto
Peor de 0.30 y 0.35; pero nos da un
tope
45
𝑢 = 50,000
𝑆 𝑢 = 4.74%
0.01%
0.02%
0.05%
0.10%
0.20%
0.39%
0.78%
1.56%
3.13%
6.25%
40,000 320,000
S(x) emprico - logarithmo
0.40
= 7,400
0.01%
0.02%
0.05%
0.10%
0.20%
0.39%
0.78%
1.56%
3.13%
6.25%40,000 320,000
S(x) emprico - logarithmo
S(x) empirico
S(x) Pareto
46. Prueba de Parametros del Pareto
Mucho Mejor
Buscamos un poco abajo y arriba 46
𝑢 = 50,000
𝑆 𝑢 = 4.74%
0.01%
0.02%
0.05%
0.10%
0.20%
0.39%
0.78%
1.56%
3.13%
6.25%
40,000 320,000
S(x) emprico - logarithmo
0.35
= 9,000
0.01%
0.02%
0.05%
0.10%
0.20%
0.39%
0.78%
1.56%
3.13%
6.25%40,000 320,000
S(x) emprico - logarithmo
S(x) empirico
S(x) Pareto
47. Resumen Severidad
Tenemos Distribucion para la pansa
• Hasta el 95.26%
La Cola se usa el Pareto con estos parametros:
• 𝑢 = 50,000
• 𝐹 𝑢 = 95.26%
• 𝜉 = 0.35
• 𝛽 = 8,500
47
48. 48
Pasos
• Estimar Distribuccion Para Numero de
Siniestros
• En General se usa Frecuencia, y se aplica a la
prima pronosticada del proximo ano
• Estimar Distribuccion por el costo de cada
siniestro
• Primero la Pansa
• Despues la Cola
49. Supuestos
La Cartera es similar
• Hogar, Apartamentos
Hay buena forma de estimar expuestos
• Autos, Casas, Ventas
Ajustes de Inflacion se hacen
• El del mercado general, o mas detallado
Riesgo de Modelo
• Expuestos, inflacion
49