o que é discriminação injusta na Classificação Geral de seguros? A perspectiva de um regulador

o seguinte artigo é uma opinião pieceby o autor, Michael McKenney. Representa sua própria opinião pessoal enão representa necessariamente as opiniões da SOA, seu empregador (thePennsylvania Insurance Department), qualquer outro regulador de seguros do estado, theNAIC ou a força-tarefa Atuarial e Estatística (C) da Naic Casualty.

por Michael McKenney

praticamente todos que trabalham no setor de seguros podem dizer que as taxas de seguro não podem ser excessivas, inadequadas ou injustamente discriminatórias. Mas o que torna uma taxa excessiva, inadequada ou injustamente discriminatória sob a lei estadual?

notavelmente, embora cada um dos atos regulatórios de propriedade e taxa de acidentes da Pensilvânia e Sua lei de práticas injustas de seguro incluam essas restrições, existem apenas três casos em que são definidos.

Com relação ao excesso de taxas, Secção 704(a)(2) de Pensilvânia Workers’ compensation Act (77 P. S. § 1035.4(a)(2)) estados:

“A taxa não pode ser considerada excessiva, a menos que ele é susceptível de produzir um longa-executar lucro que é excessivamente alto em relação aos riscos assumidos e dos serviços a serem prestados.”

em relação a taxas inadequadas, seção 704(a) (3) da Lei de compensação dos trabalhadores da Pensilvânia(77 P. S. § 1035.4(a) (3)) afirma:

“uma taxa não pode ser considerada inadequada, a menos que:

1. é excessivamente baixo para o seguro fornecido e uso continuado de colocar em risco a solvência da seguradora; ou
2. a taxa é excessivamente baixo para o seguro fornecido e o uso da taxa pela seguradora teve ou, se continuar, vai ter o efeito de destruir a concorrência ou a criação de monopólio.”

finalmente, a Seção 3 (d) da Lei Regulatória de acidentes e Fiança da Pensilvânia(40 P. S. § 1183 (d)) observa o seguinte com relação a taxas injustamente discriminatórias:

“nenhuma taxa deve ser considerada injustamente discriminatória, a menos que, permitindo limitações práticas, claramente não reflita com precisão razoável as diferenças nas perdas e despesas esperadas. Uma taxa não é injustamente discriminatória porque diferentes prémios resultam para os segurados com exposições a perdas semelhantes, mas diferentes fatores de despesa, desde que a taxa reflita as diferenças com precisão razoável. Uma taxa não é injustamente discriminatória se for calculada em média entre as pessoas seguradas sob um grupo, franquia ou política geral.”

raramente o Departamento de seguros da Pensilvânia enfrenta problemas com as companhias de seguros que arquivam taxas de seguro de propriedade e acidentes que podem ser determinadas (dentro do contexto de um depósito de taxa) como ameaçando a solvência financeira de uma seguradora ou destruindo a concorrência. Ocasionalmente, podemos discordar de um documento que propõe taxas que consideramos excessivas, mas a questão mais comum diz respeito ao arquivamento de taxas que acreditamos serem injustamente discriminatórias.

quando as alterações do plano de classe são arquivadas, o regulador geralmente recebe uma exibição exibindo as relatividades atuais, indicadas e propostas. Nós nos envolvemos em conversas com companhias de seguros e outros reguladores que acreditam que praticamente qualquer seleção entre (e inclusive) as relatividades atuais e indicadas é aceitável. Alguns acreditam que isso é verdade mesmo quando diferentes classes de riscos recebem tratamento diferente, desde que as seleções permaneçam dentro da faixa criada pelas relatividades atuais e indicadas. Mas qualquer seleção (entre as relatividades atuais e indicadas) não é excessiva, inadequada ou injustamente discriminatória de acordo com a lei da Pensilvânia?

considere um exemplo simplista em que uma seguradora tem três grupos de segurados: média, acima da média e Abaixo da média. Em seu atual plano de classificação, os riscos médios pagam o dobro da taxa de riscos acima da média e os riscos abaixo da média pagam duas vezes mais. Suponha que cada grupo indique a necessidade de um aumento de taxa de 50 por cento, mas a seguradora deseja moderar esse grande aumento de taxa para seus segurados médios e acima da média:

Se as indicações estão corretas, nenhuma das propostas é provável que as taxas para produzir a longo-prazo, os lucros que são excessivamente elevados.

no atual ambiente de seguros multi-estado e multi-linha em que muitas seguradoras escrevem negócios e a frequência com que as seguradoras arquivam para fazer mudanças de taxa, é improvável que as taxas moderadas para riscos médios e acima da média ameacem a solvência da seguradora. Além disso, dados os mercados competitivos nos quais as seguradoras de propriedades e acidentes operam, é duvidoso que as taxas moderadas destruam a concorrência.

e quanto à discriminação injusta? Depois de permitir limitações práticas, as diferenças nas taxas propostas refletem diferenças nas perdas e despesas esperadas com precisão razoável?

tanto as taxas atuais quanto as indicadas ilustram que os riscos abaixo da média devem pagar quatro vezes a taxa de riscos acima da média e duas vezes a taxa de riscos médios. Portanto, é aceitável que os riscos abaixo da média paguem cinco vezes a taxa de riscos acima da média e duas vezes e meia a taxa de riscos médios?

Alguns argumentos em favor da validade da proposta taxas semelhantes ao exemplo fornecido citar leis, tais como a Seção 4(a) da Pensilvânia, Ferido e com Certeza Taxa de Ato Regulamentar (40 P. S. § 1184(a)) que permitem às seguradoras para apoiar os seus arquivamentos por:

“(1) a experiência ou julgamento da seguradora ou a classificação da organização de fazer o depósito, (2) a experiência de outras seguradoras ou organizações de classificação, ou (3) quaisquer outros fatores que a seguradora ou com a classificação da organização considere relevantes.”

mas ao permitir que as taxas de seguro sejam baseadas em” julgamento “e” quaisquer outros fatores que a seguradora ou organização de classificação considere relevantes”, isso significa que eles não precisam ser baseados em custos? Ou essas outras considerações estão restritas a ajudar a seguradora a prever as estimativas baseadas em custos apropriadas?

na Pensilvânia, concordamos que as seguradoras podem usar muitos tipos diferentes de considerações para suportar suas taxas e essas considerações não precisam (e em alguns casos nem devem) ser baseadas na própria experiência da seguradora. No entanto, não importa o que essas considerações impliquem, as diferenças nas taxas devem refletir diferenças nas perdas e despesas esperadas com precisão razoável. Caso contrário, as taxas são injustamente discriminatórias.

No exemplo acima, se existem análises adicionais e/ou considerações que dão apoio a uma conclusão razoável de que as perdas esperadas e despesas para abaixo da média riscos será cinco vezes acima da média riscos e dois-e-um-meia vezes maior que o da média riscos, é provável que aprovar o requerimento.

como exemplo, se a seguradora puder fornecer uma análise competitiva que mostre que tomar a indicação de taxa total para riscos abaixo da média os colocará em linha com sua concorrência, mas fazê-lo para riscos médios e acima da média os colocará muito acima de sua concorrência, podemos aceitar a proposta. Neste caso, o mercado como um todo pode fornecer uma estimativa mais credível das perdas e despesas esperadas.

mas se a seguradora não tiver informações para sugerir que as perdas e despesas esperadas possam diferir razoavelmente do mesmo grau de magnitude que o proposto, provavelmente não aprovaremos o arquivamento.

o acima foi um exemplo simples fornecido para fins ilustrativos. Na prática, o mundo dos seguros de hoje de” Big Data “e” modelos lineares generalizados ” levou a planos de classificação incrivelmente complexos e segmentados. Territórios que antes eram definidos no nível do condado (com exceções para áreas urbanas) agora são cada vez mais definidos no nível do Código Postal (às vezes códigos postais de nove dígitos) ou mesmo por bloco censitário onde o bloco 100 da North Market Street tem uma relatividade de território diferente do bloco 200 da North Market Street. As relatividades baseiam-se não na experiência real de perda do bloco censitário (que não teria credibilidade), mas sim nas características do bloco censitário que os estatísticos podem provar estar correlacionados com a perda.

em resposta ao uso de Big Data pelas seguradoras, o Comitê de regulamentação de mercado e assuntos do consumidor (D) da NAIC criou o grupo de trabalho Big Data (D) cuja cobrança em 2016 é:

“Explore o uso de Big data pelas seguradoras para reclamações, marketing, subscrição e preços. Explore oportunidades potenciais para o uso regulatório de big data para melhorar a eficiência e a eficácia da regulamentação do mercado. Se apropriado, faça recomendações o mais tardar na reunião nacional de Outono de 2016 para as cobranças de 2017 para o Comitê abordar quaisquer recomendações identificadas pela exploração de 2016.”

com relação ao uso de Big Data na precificação, os complexos modelos de computador multivariados que prevêem as relatividades indicadas subjacentes aos planos de classe excepcionalmente segmentados de hoje são frequentemente realizados em uma base iterativa e incluem o uso de julgamento por toda parte. Além disso, os outros aspectos críticos da seleção de relatividades de taxa com base nas indicações estão agora mesmo sendo modelados, uma prática às vezes referida como “otimização de preço.”

a força-tarefa Atuarial e Estatística (C) da Naic começou a elaborar um white paper sobre o tema da otimização de preços após a questão ter sido encaminhada pelo Grupo de estudo de seguro automóvel (C/D) Em novembro. 11, 2014. O Livro Branco foi adotado pelo Comitê de seguro de propriedade e Acidentes da NAIC (C) Em novembro. 21, 2015 e pelo Comitê Executivo em 6 de abril de 2016. No parágrafo 1 do Livro Branco, A Força-Tarefa afirma que “fornece pesquisas de fundo sobre otimização de preços, identifica potenciais benefícios e desvantagens para o uso da otimização de preços e apresenta opções para respostas regulatórias estaduais em relação ao uso da otimização de preços na ratemaking.”

o parágrafo 6 do White Paper de otimização de preços da NAIC descreve:

“nos últimos anos, através de um processo ou técnica referida por muitos como ‘otimização de preços’, as seguradoras começaram a usar big data (mineração de dados de bancos de dados de seguros e não seguros de Informações Pessoais ao consumidor, quando permitido por lei), modelagem estatística avançada ou ambos para selecionar preços que diferem das taxas indicadas em um nível muito detalhado ou granular. Ajustes formalizados e mecanizados podem ser feitos para taxas indicadas para muitas classificações de risco e, em última análise, talvez até para segurados individuais.”

o parágrafo 9 do White Paper de otimização de preços da NAIC observa ainda:

” os reguladores aceitam alguns desvios das taxas indicadas e dos fatores de classificação. No entanto, temem que o uso de métodos sofisticados de otimização de preços possa desviar-se da ratemaking tradicional, estendendo-se além dos níveis aceitáveis de ajuste às taxas baseadas em custos e resultando em preços que variam injustamente pelo tomador do seguro. Os reguladores em cada Estado determinam o nível aceitável de ajuste permitido com base na lei estadual e no julgamento regulatório.”

na data em que este artigo de opinião foi escrito, aproximadamente 20 estados (incluindo a Pensilvânia) forneceram aviso oficial de que o uso de técnicas de otimização de preços, resultando em taxas injustamente discriminatórias, não será tolerado. A maioria desses avisos relaciona a otimização de preços ao uso de modelos de computador para definir taxas de seguro com base em quanto um consumidor ou grupo de consumidores pode estar disposto a pagar antes de fazer compras. Muitos foram baseados, pelo menos em parte, em um rascunho de boletim incluído como Apêndice B do Livro Branco de otimização de preços da NAIC.

uma das recomendações mais controversas no White Paper de otimização de preços da NAIC é encontrada no parágrafo 48, que discute práticas injustamente discriminatórias de classificação de seguros que “ajustam as taxas ou prêmios atuais ou atuarialmente indicados, incluídos ou não no plano de classificação da seguradora.”Ao fornecer exemplos do que pode constituir uma prática injustamente discriminatória a esse respeito, o artigo Inclui:

1. “elasticidade de preço da demanda.
2. propensão para comprar seguro.
3. ajuste de retenção em um nível individual.
4. propensão de um segurado para fazer perguntas ou apresentar reclamações.”

estas mesmas quatro práticas constam do projecto de boletim do Livro Branco.

Comentários recebidos pela NAIC Comitê Executivo de antecedência do papel da adopção, em 2016 NAIC primavera encontro nacional recomendado “elasticidade-preço da demanda” e “propensão para comprar” seguro de ser considerados exemplos do potencial de discriminação injusta somente quando consideradas no nível individual ou a nível granular, mas o papel foi aprovada sem alterações recomendadas.

os dias de revisão da experiência de perda de uma variável de plano de classe em uma base univariada já se foram. As seguradoras estão classificando em níveis de segmentação que poucos poderiam ter imaginado anos atrás.

conforme observado no parágrafo 49 do White Paper de otimização de preços da NAIC:

” o uso de análises de dados sofisticadas para desenvolver metodologias bem ajustadas com uma multiplicidade de células de classificação possíveis não é, por si só, uma violação das leis de classificação, desde que as classes de classificação e os fatores de classificação sejam baseados em custos.”

mas com indicações de plano de classe derivadas de processos iterativos usando modelos de computador complexos que incluem julgamento por toda parte, como o regulador garante que os aspectos de julgamento da indicação sejam imparciais e relacionados a perdas e despesas esperadas? E quando os aspectos de julgamento adicionais da seleção de relatividades de taxa com base nessas indicações também estão sendo modelados, como o regulador pode manter o ritmo?As complexidades subjacentes à maneira como as taxas de seguro de propriedade e acidentes estão sendo desenvolvidas e a segmentação extrema com a qual os planos de classe estão sendo administrados tornaram-se desafios significativos para os reguladores de hoje. O White Paper de otimização de preços da NAIC, os boletins que muitos estados emitiram contra as práticas de otimização de preços e o grupo de trabalho Big Data (D) da NAIC são exemplos de respostas regulatórias recentes a esses desafios. Mas no final do dia, os mesmos padrões que se aplicaram às taxas de seguro por muitas décadas continuam a se aplicar hoje e permanecem aplicáveis, independentemente de haver apenas três classes de risco (por exemplo, média, acima da média e abaixo da média) ou muitos milhares (por exemplo, blocos de censo). As taxas não devem ser excessivas, inadequadas ou injustamente discriminatórias.

recursos

1. para obter informações sobre o grupo de trabalho Big Data (D) da NAIC, incluindo sua taxa de 2016, consulte o Comitê de regulamentação do mercado e assuntos do Consumidor da NAIC (D), página inicial do grupo de trabalho Big Data (visitado pela última vez em 18 de Maio de 2016).
2. para acessar o White Paper de otimização de preços, consulte Naic Casualty Atuarial and Statistical (C) Task Force, “Price Optimization White Paper” (Nov. 19, 2015) disponível aqui.
3. o site da Força-Tarefa Atuarial e Estatística (C) da Naic lista os boletins de vários estados sobre otimização de preços na página inicial da Força-Tarefa Atuarial e Estatística (C) da Naic Casualty Atuarial and Statistical (última visita em 18 de Maio de 2016) (encontrado em boletins de otimização de preços/título de lançamentos de notícias).
4. comentários sobre o White Paper de otimização de preços da NAIC que foram recebidos pelo Comitê Executivo da NAIC antes da adoção do documento na reunião nacional da primavera da NAIC de 2016 podem ser encontrados on-line nos materiais para o Comitê Executivo (EX) e reunião plenária da NAIC em 6 de abril de 2016. Veja NAIC, “relatório do Comitê Executivo” (Apr. 6, 2016) disponível aqui.
5. mais informações sobre o motivo pelo qual a força-tarefa Atuarial e Estatística (C) da Naic começou a redigir o White Paper de otimização de preços podem ser encontradas no site da NAIC. Veja Centro de apólice de seguro e pesquisa, “otimização de preços” (Jan. 6, 2016) disponível aqui.

Michael McKenney é o supervisor atuarial do Departamento de seguros da Pensilvânia, propriedade & Casualty Bureau. Ele também é atualmente o presidente do Naic Casualty Atuarial and Statistical (C) Task Force.