Hva Er Urettferdig Diskriminering I General Insurance Rating? En Regulator Perspektiv

følgende artikkel er en mening pieceav forfatteren, Michael McKenney. DET representerer hans egen personlige mening og representerer ikke nødvendigvis synspunktene TIL SOA, hans arbeidsgiver( thePennsylvania Insurance Department), noen annen statlig forsikringsregulator, theNAIC eller NAIC Casualty Actuarial And Statistical (C) Task Force.

Av Michael McKenney

Praktisk talt alle som jobber i forsikringsbransjen kan fortelle deg at forsikring priser ikke er tillatt å være overdreven, utilstrekkelig eller urettferdig diskriminerende. Men hva gjør en rate overdreven, utilstrekkelig eller urettferdig diskriminerende under statlig lov?

Bemerkelsesverdig, selv om Hver Av Pennsylvanias eiendom og havari rate regulatoriske handlinger og Dens Urettferdig Forsikring Praksis Loven inkluderer disse restriksjonene, er det bare tre tilfeller der de er definert.

Med hensyn til overdreven priser, Avsnitt 704(a)(2) Av Pennsylvanias Workers’ Compensation Act (77 p. S. § 1035.4(a)(2)) sier:

«en sats kan ikke holdes for å være overdreven med mindre Det er sannsynlig å gi en langsiktig fortjeneste som er urimelig høy i forhold til risikoen som er foretatt og tjenestene som skal ytes.»

Når det gjelder utilstrekkelige priser, Sier Seksjon 704(a)(3) I Pennsylvanias Workers’ Compensation Act (77 p. S. § 1035.4(a)(3)):

» en sats kan ikke holdes for å være utilstrekkelig med mindre:

1. det er urimelig lavt for forsikringen og fortsatt bruk av den ville sette assurandørens solvens i fare; eller
2. satsen er urimelig lav for forsikringen og assurandørens bruk av satsen har hatt eller, hvis den fortsetter, vil føre til å ødelegge konkurransen eller skape monopol.»

Endelig bemerker Avsnitt 3(d) I Pennsylvanias Lov Om Havari Og Kausjonist (40 p. S. § 1183(d)) følgende med hensyn til urettferdig diskriminerende priser:

» ingen sats skal anses for å være urettferdig diskriminerende med mindre den, som åpner for praktiske begrensninger, klart unnlater å reflektere med rimelig nøyaktighet forskjellene i forventede tap og utgifter. En rente er ikke urettferdig diskriminerende fordi ulike premier resulterer for forsikringstakere med lignende tapeksponeringer, men forskjellige kostnadsfaktorer, så lenge frekvensen reflekterer forskjellene med rimelig nøyaktighet. En rente er ikke urettferdig diskriminerende hvis den er gjennomsnittlig bredt blant personer forsikret under en gruppe -, franchise-eller teppepolicy.»

Sjelden Gjør Pennsylvania Insurance Department kjøre inn i problemer med forsikringsselskaper filing eiendom og havari forsikring priser som kan bestemmes (innenfor rammen av en rate filing) som truer et forsikringsselskap økonomisk soliditet eller ødelegge konkurransen. Noen ganger kan vi ta problemet med en innlevering som foreslår priser vi mener er overdreven, men det vanligste problemet gjelder innlevering av priser som vi mener å være urettferdig diskriminerende.

når klasseplanendringer arkiveres, vil regulatoren ofte bli gitt en utstilling som viser gjeldende, indikerte og foreslåtte relativiteter. Vi har engasjert oss i samtaler med forsikringsselskaper og andre regulatorer som mener at praktisk talt ethvert valg mellom (og inkludert) nåværende og indikerte relativiteter er akseptabelt. Noen mener dette gjelder selv når ulike risikoklasser får forskjellig behandling så lenge valgene holder seg innenfor området som er opprettet av nåværende og indikerte relativiteter. Men er noe utvalg (mellom gjeldende og indikerte relativiteter) ikke overdreven, utilstrekkelig eller urettferdig diskriminerende under Pennsylvania lov?

Tenk på et forenklet eksempel der et forsikringsselskap har tre grupper av forsikringstakere: Gjennomsnitt, Over Gjennomsnittet og Under Gjennomsnittet. I sin nåværende vurderingsplan betaler gjennomsnittlig risiko dobbelt så mye som gjennomsnittlig risiko og under gjennomsnittlig risiko betaler to ganger mer. Anta at hver gruppe indikerer behovet for en renteøkning på 50 prosent, men forsikringsselskapet ønsker å temperere denne store renteøkningen for sine gjennomsnittlige og over gjennomsnittlige forsikringstakere:

hvis indikasjonene er riktige, vil ingen av de foreslåtte satsene sannsynligvis gi langsiktig fortjeneste som er urimelig høy.

i dagens multi-state, multi-line forsikring miljø der mange forsikringsselskaper skrive virksomhet og hvor ofte forsikringsselskapene filen for å gjøre renteendringer, er det usannsynlig at herdet priser for gjennomsnittlig og over gjennomsnittet risiko vil true soliditeten i selskapet. I tillegg, gitt de konkurransedyktige markedene der eiendoms-og ulykkesforsikringsselskaper opererer, er det tvilsomt at de tempererte prisene vil ødelegge konkurransen.

hva med urettferdig diskriminering? Etter å ha tillatt praktiske begrensninger, reflekterer forskjellene i de foreslåtte prisene forskjeller i forventede tap og utgifter med rimelig nøyaktighet?

både de nåværende og de angitte ratene illustrerer at under gjennomsnittlig risiko skal betale fire ganger frekvensen av over gjennomsnittlig risiko og to ganger frekvensen av gjennomsnittlig risiko. Er det derfor akseptabelt for under gjennomsnittlig risiko å betale fem ganger frekvensen av over gjennomsnittlig risiko og to og en halv ganger frekvensen av gjennomsnittlig risiko?

noen argumenter i favør av gyldigheten av foreslåtte priser som ligner på eksempelet gitt sitere lover Som Seksjon 4 (a) Av Pennsylvanias Havari Og Kausjonist Rate Regulatory Act (40 p. S. § 1184 (a)) som tillater assurandører å støtte sine registreringer av:

«(1) assurandørens eller ratingorganisasjonens erfaring eller vurdering av innlevering, (2) opplevelsen av andre assurandører eller ratingorganisasjoner, eller (3) andre faktorer som assurandøren eller ratingorganisasjonen anser relevant.»

men ved å tillate forsikringsrenter å være basert på «dom» og «eventuelle andre faktorer som assurandøren eller ratingorganisasjonen anser som relevante», betyr dette at de ikke trenger å være kostnadsbaserte? Eller er disse andre hensyn begrenset til å hjelpe assurandøren i å forutsi de riktige kostnadsbaserte estimatene?

I Pennsylvania er vi enige om at forsikringsselskapene kan bruke mange forskjellige typer hensyn for å støtte sine priser, og disse hensynene trenger ikke (og i noen tilfeller heller ikke) være basert på forsikringsselskapets egen erfaring. Men uansett hva disse hensynene innebærer, må forskjeller i priser gjenspeile forskjeller i forventede tap og utgifter med rimelig nøyaktighet. Hvis de ikke gjør det, er prisene urettferdig diskriminerende.

i eksemplet ovenfor, hvis det er flere analyser og/eller hensyn som tilstrekkelig støtter en rimelig konklusjon om at de forventede tapene og utgiftene for risiko under gjennomsnittet vil være fem ganger større enn risikoen over gjennomsnittet og to og en halv ganger den gjennomsnittlige risikoen, vil vi sannsynligvis godkjenne innleveringen.

som et eksempel, hvis assurandøren kan gi en konkurransedyktig analyse som viser at å ta full rate indikasjon for under gjennomsnittlig risiko vil plassere dem i tråd med konkurransen, men å gjøre det for gjennomsnittlig og over gjennomsnittlig risiko vil plassere dem langt over konkurransen, kan vi godta forslaget. I dette tilfellet kan markedet som helhet gi et mer troverdig estimat av forventede tap og utgifter.

men hvis assurandøren mangler opplysninger som tyder på forventede tap og utgifter med rimelighet kan forventes å avvike i samme grad som det som foreslås, vil vi sannsynligvis ikke godkjenne innlevering.

ovenstående var et enkelt eksempel gitt for illustrative formål. I praksis har dagens forsikringsverden av «Store Data «og» Generaliserte Lineære Modeller » ført til utrolig komplekse og segmenterte klassifiseringsplaner. Territorier som en gang ble definert på fylkesnivå (med unntak for urbane områder) er nå i økende grad satt på postnummernivå (noen ganger ni-sifrede postnummer) eller til og med ved folketellingsblokk hvor 100-blokken I North Market Street har et annet territoriumrelativitet enn 200-blokken I North Market Street. Relativitetene er ikke basert på den faktiske tapsopplevelsen av tellingsblokken (som ville mangle noen troverdighet), men i stedet på egenskapene til tellingsblokken som statistikere kan vise seg å være korrelert med tap.

SOM svar på bruk Av Big Data av forsikringsselskaper, HAR NAICS Markedsregulering Og Forbrukerforhold (D) Komiteen opprettet Big Data (D) Arbeidsgruppe hvis 2016 kostnad er:

«Utforsk forsikringsselskapers bruk av big data for krav, markedsføring, garanti og prising. Utforsk potensielle muligheter for regulatorisk bruk av big data for å forbedre effektiviteten av markedsregulering. Hvis det er hensiktsmessig, gi anbefalinger senest 2016 Fall National Meeting for 2017 kostnader For Komiteen å ta opp eventuelle anbefalinger identifisert av 2016 exploration.»

med hensyn til bruk Av Big Data i prising, de komplekse multivariate datamodeller forutsi de angitte relativiteter underliggende dagens eksepsjonelt segmenterte klasseplaner er ofte utført på en iterativ basis og inkluderer bruk av dom gjennom. Dess, de ytterligere fordømmende aspekter ved å velge rate relativiteter basert på indikasjoner er nå selv blir modellert, en praksis noen ganger referert til som » pris optimalisering.»

NAIC ‘ S Casualty Actuarial And Statistical (C) Task Force begynte å utarbeide et stortingsmelding om temaet prisoptimalisering etter at problemet ble henvist til Det Av Auto Insurance (C/D) Study Group Nov. 11, 2014. Stortingsmeldingen ble vedtatt AV NAIC Eiendom Og Havari Forsikring (C) Komiteen Nov. 21. April 2015 og Av Styret 6. April 2016. I punkt 1 i hvitboken sier Arbeidsgruppen at Den «gir bakgrunnsforskning om prisoptimalisering, identifiserer potensielle fordeler og ulemper ved bruk av prisoptimalisering, og presenterer alternativer for statlige regulatoriske svar angående bruk av prisoptimalisering i ratemaking.»

Avsnitt 6 I NAICS Prisoptimalisering White Paper beskriver:

«i de senere år, gjennom en prosess eller teknikk referert til av mange som «prisoptimalisering», har forsikringsselskaper begynt å bruke store data (datautvinning av forsikrings-og ikke-forsikringsdatabaser med personlig forbrukerinformasjon der det er tillatt ved lov), avansert statistisk modellering eller begge deler for å velge priser som avviger fra angitte priser på et svært detaljert eller granulært nivå. Formaliserte og mekaniserte justeringer kan gjøres til angitte priser for mange risikoklassifiseringer og til slutt, kanskje til og med for individuelle forsikrede.»

Paragraf 9 I NAICS Prisoptimalisering White Paper ytterligere notater:

» Regulatorer godtar noen avvik fra angitte priser og ratingfaktorer. Imidlertid er de bekymret for at bruken av sofistikerte metoder for prisoptimalisering kan avvike fra tradisjonell ratemaking, som strekker seg utover akseptable nivåer av justering til kostnadsbaserte priser og resulterer i priser som varierer urettferdig av forsikringstaker. Regulatorer i hver stat bestemmer akseptabelt nivå av justering tillatt basert på statlig lov og regulatorisk dom.»

fra datoen da dette opinionsstykket ble skrevet, har omtrent 20 stater (inkludert Pennsylvania) gitt offisiell varsel om at bruk av prisoptimaliseringsteknikker som resulterer i urettferdig diskriminerende priser ikke vil bli tolerert. De fleste av disse merknadene relaterer prisoptimalisering til bruk av datamodeller for å sette forsikringsrenter basert på en eller annen måte på hvor mye en forbruker eller gruppe forbrukere kan være villige til å betale før de handler. Mange var basert, i det minste delvis, på et Utkast Bulletin inkludert Som Vedlegg B AV NAIC Pris Optimalisering Hvitt Papir.

EN av DE mer kontroversielle anbefalingene I NAICS Prisoptimaliseringsmelding Er funnet i punkt 48 som drøfter urettferdig diskriminerende forsikringsvurderingspraksis som » justerer gjeldende eller aktuarielt angitte priser eller premier, enten inkludert eller ikke inkludert i forsikringsselskapets vurderingsplan.»Ved å gi eksempler på hva som kan utgjøre en urettferdig diskriminerende praksis i denne forbindelse, inkluderer papiret:

1. «Priselasticitet av etterspørsel.
2. Tilbøyelighet til å handle for forsikring.
3. Retensjonsjustering på individuelt nivå.
4. en forsikringstakers tilbøyelighet til å stille spørsmål eller sende inn klager.»

De samme fire praksis er nevnt i stortingsmeldingens utkast Bulletin.

Kommentarer mottatt AV NAICS Eksekutivkomite i forkant av papirets vedtak på 2016 naic spring national meeting anbefalte «priselasticitet av etterspørsel» og «tilbøyelighet til å handle for forsikring» betraktes som eksempler på potensiell urettferdig diskriminering bare når det vurderes på individnivå eller granulært nivå, men papiret ble vedtatt uten de anbefalte endringene.

dagene med å gjennomgå en klasseplanvariabels tapserfaring på univariate basis er langt borte. Forsikringsselskaper er vurdering på nivåer av segmentering som få kunne ha forestilt år siden.

som nevnt i Punkt 49 I NAICS Prisoptimaliseringsmelding:

» bruken av sofistikert dataanalyse for å utvikle finjusterte metoder med et mangfold av mulige vurderingsceller er ikke i seg selv et brudd på vurderingslovene så lenge vurderingsklassene og vurderingsfaktorene er kostnadsbaserte.»

men med klasse plan indikasjoner avledet av iterative prosesser ved hjelp av komplekse datamodeller som inkluderer dom hele, hvordan regulator sikre at fordømmende aspekter av indikasjonen er upartisk og relatert til forventede tap og utgifter? Og når de videre dømmende aspektene ved å velge rate relativiteter basert på disse indikasjonene også blir modellert, hvordan kan regulatoren holde tritt?

kompleksiteten som ligger til grunn for måten eiendoms-og ulykkesforsikringsrenten utvikles på, og den ekstreme segmenteringen som klasseplaner administreres med, har blitt betydelige utfordringer for dagens regulatorer. NAICS Prisoptimalisering White Paper, bulletinene som mange stater har utstedt mot prisoptimaliseringspraksis og NAICS Big Data (D) Working Group er eksempler på nyere regulatoriske svar på disse utfordringene. Men på slutten av dagen fortsetter de samme standardene som har søkt på forsikringsrenter i mange tiår, å gjelde i dag, og de forblir gjeldende uansett om det bare er tre risikoklasser(f. eks. gjennomsnittlig, over gjennomsnittet og under gjennomsnittet) eller mange tusen (f. eks. Prisene skal ikke være overdrevne, utilstrekkelige eller urettferdig diskriminerende.

Ressurser

1. for informasjon OM NAICS Arbeidsgruppe For Big Data (D), inkludert 2016-avgiften, se Naic Market Regulation and Consumer Affairs (D) Committee, Big Data (D) Working Group homepage , (sist besøkt 18.Mai 2016).
2. FOR å få tilgang Til White Paper Om Prisoptimalisering, se NAIC Casualty Actuarial And Statistical (C) Task Force, «White Paper Om Prisoptimalisering» (Nov. 19, 2015) tilgjengelig her.
3. NAIC ‘ S Casualty Actuarial And Statistical (C) Task Forces nettsted viser ulike staters bulletiner om prisoptimalisering PÅ NAIC Casualty Actuarial And Statistical (C) Task Force hjemmeside, (sist besøkt 18. Mai 2016) (funnet under Prisoptimaliserings Bulletiner / Nyhetsutgivelser overskrift).
4. Kommentarer TIL NAICS Prisoptimaliserings Hvitt Papir som ble mottatt AV NAICS Executive Committee i forkant av papirets vedtak på 2016 naic spring national meeting, kan bli funnet online i materialene TIL NAICS April 6, 2016 Executive (EX) Committee og Plenumsmøte. Se NAIC, «Rapport Fra Styret» (Apr. 6, 2016) tilgjengelig her.
5. Ytterligere informasjon om bakgrunnen for HVORFOR NAIC ‘ S Casualty Actuarial And Statistical (C) Task Force begynte å utarbeide White Paper Om Prisoptimalisering finner DU på NAICS nettsted. Se Senter For Forsikring Og Forskning, «Pris Optimalisering» (Jan. 6, 2016) tilgjengelig her.

Michael McKenney er aktuarmessige veileder For Pennsylvania Insurance Department, Eiendom & Havari Bureau. HAN er også for TIDEN leder FOR NAIC Casualty Actuarial And Statistical (C) Task Force.