El siguiente artículo es una pieza de opinión del autor, Michael McKenney. Representa su propia opinión personal y no necesariamente representa los puntos de vista de la SOA, su empleador (el Departamento de Seguros de Pensilvania), cualquier otro regulador de seguros del estado, el AIC o el Grupo de Trabajo Actuarial y Estadístico (C) de Accidentes de la NAIC.
Por Michael McKenney
Prácticamente todos los que trabajan en la industria de los seguros pueden decirle que las tarifas de seguro no están permitidas para ser excesivas, inadecuadas o injustamente discriminatorias. Pero, ¿qué hace que una tasa sea excesiva, inadecuada o injustamente discriminatoria en virtud de la legislación estatal?
Sorprendentemente, a pesar de que cada una de las leyes reguladoras de la tasa de accidentes y propiedad de Pensilvania y su Ley de Prácticas Desleales de Seguros incluyen estas restricciones, solo hay tres casos en los que se definen.
Con respecto a las tarifas excesivas, la Sección 704(a)(2) de la Ley de Compensación de Trabajadores de Pensilvania (77 P. S. § 1035.4(a)(2)) establece:
«Una tarifa no se puede considerar excesiva a menos que sea probable que produzca un beneficio a largo plazo que sea irrazonablemente alto en relación con el riesgo asumido y los servicios que se prestarán.»
Con respecto a las tarifas inadecuadas, la Sección 704 (a) (3) de la Ley de Compensación de Trabajadores de Pensilvania (77 P. S. § 1035.4(a) (3)) establece:
«Una tarifa no se puede considerar inadecuada a menos que:
- sea irrazonablemente baja para el seguro proporcionado y el uso continuado del mismo pondría en peligro la solvencia del asegurador; o
- la tarifa sea irrazonablemente baja para el seguro proporcionado y el uso de la tarifa por el asegurador haya tenido o, de continuar, tenga el efecto de destruir la competencia o de crear un monopolio.»
Finalmente, la Sección 3 (d) de la Ley Reguladora de Tasas de Caución y Accidentes de Pensilvania(40 P. S. § 1183 (d)) señala lo siguiente con respecto a las tasas injustamente discriminatorias:
» Ningún tipo se considerará injustamente discriminatorio a menos que, teniendo en cuenta limitaciones prácticas, no refleje claramente con una exactitud razonable las diferencias en las pérdidas y gastos previstos. Una tasa no es injustamente discriminatoria porque se obtienen primas diferentes para los asegurados con exposiciones a pérdidas similares, pero con factores de gasto diferentes, siempre que la tasa refleje las diferencias con una precisión razonable. Una tasa no es injustamente discriminatoria si se promedia ampliamente entre las personas aseguradas en virtud de una póliza colectiva, de franquicia o general.»
Rara vez el Departamento de Seguros de Pensilvania se encuentra con problemas con las compañías de seguros que presentan tarifas de seguros de propiedad y accidentes que se pueden determinar (en el contexto de una presentación de tarifas) como una amenaza para la solvencia financiera de una aseguradora o la destrucción de la competencia. En ocasiones, podemos discrepar con una presentación que propone tarifas que creemos que son excesivas, pero la cuestión más común se refiere a la presentación de tarifas que creemos que son injustamente discriminatorias.
Cuando se presentan cambios en el plan de clase, el regulador a menudo recibirá una exposición que muestre las relatividades actuales, indicadas y propuestas. Hemos entablado conversaciones con compañías de seguros y otros reguladores que creen que prácticamente cualquier selección entre (e inclusive) las relatividades actuales e indicadas es aceptable. Algunos creen que esto es cierto incluso cuando diferentes clases de riesgos reciben un tratamiento diferente, siempre y cuando las selecciones se mantengan dentro del rango creado por las relatividades actuales e indicadas. Pero, ¿no es excesiva, inadecuada o injustamente discriminatoria alguna selección (entre la relatividad actual y la indicada) bajo la ley de Pensilvania?
Considere un ejemplo simplista en el que una aseguradora tiene tres grupos de asegurados: Promedio, Por encima de la Media y por Debajo de la Media. En su plan de calificación actual, los riesgos promedio pagan el doble de la tasa de riesgos por encima de la media y los riesgos por debajo de la media pagan dos veces más. Supongamos que cada grupo indica la necesidad de un aumento de tarifas del 50 por ciento, pero la aseguradora desea moderar este gran aumento de tarifas para sus asegurados promedio y por encima del promedio:
| Actual | Indica | Propuesta | |
| Por Encima De La Media | .50 | .75 | .60 |
| Promedio | 1.00 | 1.50 | 1.20 |
| Por debajo de la Media | 2.00 | 3.00 | 3.00 |
Si las indicaciones son correctas, es probable que ninguno de los tipos propuestos produzca beneficios a largo plazo excesivamente elevados.
En el entorno de seguros de múltiples líneas y estados de hoy en día, en el que muchas aseguradoras escriben negocios y la frecuencia con la que las aseguradoras presentan cambios de tarifas, es poco probable que las tarifas moderadas para riesgos promedio y superiores a la media amenacen la solvencia de la aseguradora. Además, dados los mercados competitivos en los que operan los aseguradores de bienes y accidentes, es dudoso que las tarifas moderadas destruyan la competencia.
¿Qué pasa con la discriminación injusta? Después de tener en cuenta las limitaciones prácticas, ¿reflejan las diferencias en las tasas propuestas las diferencias en las pérdidas y gastos previstos con una precisión razonable?
Tanto las tasas actuales como las indicadas ilustran que los riesgos inferiores a la media deben pagar cuatro veces la tasa de los riesgos superiores a la media y dos veces la tasa de los riesgos medios. Por lo tanto, ¿es aceptable que los riesgos por debajo de la media paguen cinco veces la tasa de riesgos por encima de la media y dos veces y media la tasa de riesgos medios?
Algunos argumentos a favor de la validez de las tarifas propuestas similares al ejemplo proporcionado citan leyes como la Sección 4 (a) de la Ley Reguladora de Tasas de Caución y Accidentes de Pensilvania (40 P. S. § 1184 (a)) que permiten a las aseguradoras respaldar sus presentaciones:
«(1) la experiencia o el juicio de la aseguradora u organización de calificación que realiza la presentación, (2) la experiencia de otras aseguradoras u organizaciones de calificación, o (3) cualquier otro factor que la aseguradora u organización de calificación considere relevante.»
Pero al permitir que las tarifas de seguro se basen en «juicio» y «cualquier otro factor que el asegurador u organización de calificación considere relevante», ¿significa esto que no necesitan basarse en costos? ¿O estas otras consideraciones se limitan a ayudar al asegurador a predecir las estimaciones apropiadas basadas en los costos?
En Pensilvania, estamos de acuerdo en que las aseguradoras pueden usar muchos tipos diferentes de consideraciones para respaldar sus tarifas y estas consideraciones no necesitan (y en algunos casos incluso no deberían) basarse en la propia experiencia de la aseguradora. Sin embargo, independientemente de lo que entrañen esas consideraciones, las diferencias en las tasas deben reflejar las diferencias en las pérdidas y gastos previstos con una precisión razonable. Si no lo hacen, las tarifas son injustamente discriminatorias.
En el ejemplo anterior, si hay análisis y/o consideraciones adicionales que respalden adecuadamente una conclusión razonable de que las pérdidas y gastos esperados por riesgos por debajo del promedio serán cinco veces mayores que los riesgos por encima del promedio y dos veces y media mayores que los riesgos promedio, es probable que aprobemos la presentación.
Por ejemplo, si el asegurador puede proporcionar un análisis competitivo que muestre que tomar la indicación completa de la tarifa para riesgos inferiores a la media los colocará en línea con su competencia, pero hacerlo para riesgos medios y superiores a la media los colocará muy por encima de su competencia, podemos aceptar la propuesta. En este caso, el mercado en su conjunto puede proporcionar una estimación más creíble de las pérdidas y gastos previstos.
Pero si la aseguradora carece de información que sugiera que las pérdidas esperadas y los gastos pueden razonablemente esperarse que difieran en el mismo grado de magnitud que el que se propone, es probable que no aprobemos la presentación.
El ejemplo anterior fue un ejemplo sencillo proporcionado con fines ilustrativos. En la práctica, el mundo asegurador actual de «Big Data» y «Modelos Lineales Generalizados» ha dado lugar a planes de clasificación increíblemente complejos y segmentados. Los territorios que antes se definían a nivel de condado (con excepciones para las áreas urbanas) ahora se establecen cada vez más a nivel de código postal (a veces códigos postales de nueve dígitos) o incluso por bloque censal donde la cuadra 100 de North Market Street tiene una relatividad de territorio diferente a la cuadra 200 de North Market Street. Las relatividades no se basan en la experiencia real de pérdida del bloque censal (que carecería de credibilidad), sino en las características del bloque censal que los estadísticos pueden demostrar que están correlacionadas con la pérdida.
En respuesta al uso de Big Data por parte de las aseguradoras, el Comité de Regulación del Mercado y Asuntos del Consumidor (D) de la NAIC ha creado el Grupo de Trabajo de Big Data (D), cuyo cargo para 2016 es:
«Explore el uso de big data por parte de las aseguradoras para reclamaciones, marketing, suscripción y fijación de precios. Explorar las oportunidades potenciales para el uso regulatorio de los macrodatos a fin de mejorar la eficiencia y la eficacia de la regulación del mercado. Si es apropiado, haga recomendaciones a más tardar en la Reunión Nacional de Otoño de 2016 para cargos de 2017 para que el Comité aborde cualquier recomendación identificada por la exploración de 2016.»
Con respecto al uso de Big Data en la fijación de precios, los complejos modelos informáticos multivariantes que predicen las relatividades indicadas subyacentes a los planes de clase excepcionalmente segmentados de hoy en día a menudo se realizan de forma iterativa e incluyen el uso de juicio en todo momento. Además, los aspectos más críticos de la selección de relatividades de tasas basadas en las indicaciones ahora incluso se están modelando, una práctica a veces conocida como «optimización de precios».»
El Grupo de Trabajo Actuarial y Estadístico (C) de Accidentes de la NAIC comenzó a redactar un libro blanco sobre el tema de la optimización de precios después de que el Grupo de Estudio de Seguros de Automóviles (C/D) le remitiera el tema el pasado noviembre. 11, 2014. El libro blanco fue adoptado por el Comité de Seguros de Propiedad y Accidentes (C) del NAIC el 2 de noviembre. 21 de abril de 2015 y por el Comité Ejecutivo el 6 de abril de 2016. En el párrafo 1 del libro blanco, el Grupo de Trabajo afirma que «proporciona una investigación de antecedentes sobre la optimización de precios, identifica los posibles beneficios e inconvenientes del uso de la optimización de precios y presenta opciones para las respuestas reglamentarias estatales con respecto al uso de la optimización de precios en la elaboración de tarifas.»
El párrafo 6 del Libro Blanco de Optimización de precios de la NAIC describe:
«En los últimos años, a través de un proceso o técnica conocida por muchos como ‘optimización de precios’, las aseguradoras han comenzado a utilizar big data (minería de datos de bases de datos de seguros y no seguros de información personal del consumidor donde lo permita la ley), modelos estadísticos avanzados o ambos para seleccionar precios que difieren de las tarifas indicadas a un nivel muy detallado o granular. Se pueden hacer ajustes formales y mecanizados a las tasas indicadas para muchas clasificaciones de riesgo y, en última instancia, tal vez incluso para asegurados individuales.»
Párrafo 9 del Libro Blanco de Optimización de precios de la NAIC Notas adicionales:
» Los reguladores aceptan algunas desviaciones de las tarifas y los factores de calificación indicados. Sin embargo, les preocupa que el uso de métodos sofisticados de optimización de precios pueda desviarse de la elaboración tradicional de tarifas, extendiéndose más allá de niveles aceptables de ajuste a tarifas basadas en costos y dando lugar a precios que varían injustamente según el titular de la póliza. Los reguladores en cada estado determinan el nivel aceptable de ajuste permitido en función de la ley estatal y el juicio regulatorio.»
A la fecha en que se escribió este artículo de opinión, aproximadamente 20 estados (incluido Pensilvania) han notificado oficialmente que no se tolerará el uso de técnicas de optimización de precios que resulten en tarifas injustamente discriminatorias. La mayoría de estos avisos relacionan la optimización de precios con el uso de modelos informáticos para establecer tarifas de seguros basadas de alguna manera en cuánto puede estar dispuesto a pagar un consumidor o grupo de consumidores antes de comprar. Muchos se basaron, al menos en parte, en un borrador de Boletín incluido como Apéndice B del Libro Blanco de Optimización de Precios del NAIC.
Una de las recomendaciones más controvertidas del Libro Blanco de Optimización de precios de la NAIC se encuentra en el párrafo 48, que analiza las prácticas de calificación de seguros injustamente discriminatorias que «ajustan las tarifas o primas actuales o actuarialmente indicadas, estén o no incluidas en el plan de calificación de la aseguradora.»Al proporcionar ejemplos de lo que puede constituir una práctica injustamente discriminatoria a este respecto, el documento incluye::
- » Elasticidad de precios de la demanda.
- Propensión a comprar seguros.
- Ajuste de retención a nivel individual.
- La propensión del asegurado a hacer preguntas o presentar quejas.»
Estas mismas cuatro prácticas se señalan en el borrador del boletín del libro blanco.
Los comentarios recibidos por el Comité Ejecutivo de NAIC antes de la adopción del documento en la reunión nacional de primavera de NAIC de 2016 recomendaron que la «elasticidad de precios de la demanda» y la «propensión a comprar seguros» se consideraran ejemplos de discriminación injusta potencial solo cuando se consideraran a nivel individual o granular, pero el documento se adoptó sin los cambios recomendados.
Los días de revisar la experiencia de pérdida de una variable del plan de clase de forma univariada han desaparecido hace mucho tiempo. Las aseguradoras están calificando a niveles de segmentación que pocos podrían haber imaginado hace años.
Como se indica en el párrafo 49 del Libro Blanco de Optimización de precios de la NAIC:
«El uso de análisis de datos sofisticados para desarrollar metodologías finamente ajustadas con una multiplicidad de celdas de calificación posibles no es, en sí mismo, una violación de las leyes de calificación, siempre que las clases de calificación y los factores de calificación se basen en el costo.»
Pero con las indicaciones del plan de clase derivadas de procesos iterativos que utilizan modelos informáticos complejos que incluyen juicios en todo momento, ¿cómo garantiza el regulador que los aspectos de juicio de la indicación sean imparciales y estén relacionados con las pérdidas y los gastos esperados? Y cuando también se modelan los aspectos más críticos de la selección de relatividades de tasas basadas en estas indicaciones, ¿cómo puede el regulador mantener el ritmo?
Las complejidades subyacentes a la manera en que se están desarrollando las tarifas de seguros de propiedad y accidentes y la segmentación extrema con la que se están administrando los planes de clase se han convertido en desafíos significativos para los reguladores actuales. El Libro Blanco de Optimización de precios de la NAIC, los boletines que muchos estados han publicado contra las prácticas de optimización de precios y el Grupo de Trabajo de Big Data (D) de la NAIC son ejemplos de respuestas regulatorias recientes a estos desafíos. Pero al final del día, los mismos estándares que se han aplicado a las tarifas de seguros durante muchas décadas continúan aplicándose hoy y siguen aplicándose independientemente de si solo hay tres clases de riesgo (por ejemplo, promedio, por encima del promedio y por debajo del promedio) o muchos miles (por ejemplo, bloques censales). Las tarifas no serán excesivas, inadecuadas ni injustamente discriminatorias.
Recursos
- Para obtener información sobre el Grupo de Trabajo de Big Data (D) de la NAIC, incluido su cargo de 2016, consulte el Comité de Regulación del Mercado y Asuntos del Consumidor (D) de la NAIC, la página principal del Grupo de Trabajo de Big Data (D) (última visita, 18 de mayo de 2016).
- Para acceder al Informe Técnico de Optimización de Precios, consulte Grupo de Trabajo Actuarial y Estadístico de Accidentes de NAIC (C), «Informe Técnico de Optimización de precios» (Nov. 19, 2015) disponible aquí.
- El sitio web del Grupo de Trabajo Actuarial y Estadístico (C) de Siniestros de la NAIC enumera los boletines de varios estados sobre optimización de precios en la página principal del Grupo de Trabajo Actuarial y Estadístico (C) de Siniestros de la NAIC (última visita, 18 de mayo de 2016) (se encuentra en el encabezado Boletines de Optimización de Precios/Comunicados de Prensa).
- Los comentarios sobre el Libro Blanco de Optimización de Precios del NAIC que fueron recibidos por el Comité Ejecutivo del NAIC antes de la adopción del documento en la reunión nacional de primavera del NAIC de 2016 se pueden encontrar en línea dentro de los materiales para el Comité Ejecutivo (EX) y la Reunión Plenaria del NAIC del 6 de abril de 2016. Véase NAIC, «Report of the Executive Committee» (Apr. 6, 2016) disponible aquí.
- Puede encontrar más información sobre los antecedentes de por qué el Grupo de Trabajo Actuarial y Estadístico (C) de Siniestros de la NAIC comenzó a redactar el Libro Blanco de Optimización de Precios en el sitio web de la NAIC. Véase Centro de Investigaciones y Pólizas de Seguros, «Optimización de Precios» (Ene. 6, 2016) disponible aquí.
Michael McKenney es el supervisor actuarial del Departamento de Seguros de Pensilvania, Oficina de Accidentes de Propiedad &. También es actualmente el presidente del Grupo de Trabajo Actuarial y Estadístico (C) de Accidentes del NAIC.
