Siniestralidad en seguros de consumo anual de las entidades de previsión social, La. Perspectiva probabilística y econométrica. Propuesta de un modelo econométrico neuronal para Cataluña.

Abstract

[spa] El objetivo perseguido en la presente Tesis Doctoral es presentar propuestas de modelización para la siniestralidad del sector de Mutualidades de Previsión Social de Cataluña (segmento no vida) desde una doble vertiente, probabilística y econométrica. Con esta finalidad tres organismos públicos han facilitado la información necesaria para la elaboración de la parte empírica: la Generalitat de Catalunya (Departamento de Trabajo), el Gobierno Vasco (Departamento de Trabajo) y la Dirección General de Seguros (D.G.S.). Así su estructura está claramente diferenciada: fundamentos y herramientas metodológicas, para la primera de ellas, y para la segunda, el estudio empírico realizado sobre el sector asegurador y de previsión social Español, en especial, Cataluña.

Respecto a la parte metodológica su estructura es la siguiente, el capítulo 1, presenta los diferentes mecanismos de análisis económico-financiero existentes mediante el uso de ratios, sus debilidades, los nuevos avances y la simulación estadística como una herramienta más de análisis. En el capítulo 2 se ha realizado un esfuerzo por sistematizar una de las herramientas de mayor desarrollo en el análisis de datos, los modelos neuronales, desde tres vertientes: desde la óptica de su potencial en términos de modelización; la descripción de los modelos disponibles y en último lugar, por sus aplicaciones. El capítulo 3 es el último de esta parte metodológica, y en él se ha realizado una aproximación de los modelos neuronales al campo estadístico y econométrico.

La estructura de la parte empírica es la siguiente. El capítulo 4 contiene las características básicas del sector asegurador Español (1991-1997) y del subsector de previsión social, desglosado por Comunidades Autónomas que poseen competencias propias en materia de Previsión Social (País Vasco (1990-1998) y Cataluña (1991-1997)) y aquellas que dependen directamente de la Dirección General de Seguros (D.G.S.) (1992-1997)). El capítulo 5 contiene el análisis de la siniestralidad no vida del sector de las Mutualidades de Previsión Social de Cataluña, con los datos oficiales que facilitan las entidades a la Administración Pública. Y finalmente, el capítulo 6 contiene varias aplicaciones de la metodología neuronal descrita.

Las principales aportaciones son las siguientes:

1. Desde la vertiente metodológica del análisis financiero mediante ratios, presentamos una síntesis de los avances en el diseño del modelo de ratio financiero. 2. Utilización de herramientas de Simulación Estadística como soporte a la probabilización de ratios económico-financieros. 3. Desde la vertiente empírica, las aportaciones son: a) El estudio de un sector económico poco analizado como es el sector de Mutualidades de Previsión Social de Cataluña. b) El análisis de la siniestralidad no vida anual a partir de los componentes aleatorios que la constituyen, número de siniestros y cuantía de cada siniestro. c) Obtención de márgenes mínimos de solvencia (MMS) por dos vías, Método de Monte-Carlo y probabilización del ratio de siniestralidad no vida, permitiendo su comparación. d) Características econométricas de las diferentes especificaciones del modelo de ratio. e) Propuesta de contrastes de forma funcional del modelo de ratio, a partir de la forma Funcional Generalizada de Box-Cox (FFG). f) Diferentes aplicaciones de la metodología neuronal. En primer lugar, utilización de los modelos neuronales para la identificación de la forma funcional del modelo de ratio. En segundo lugar, y una vez detectada la posible naturaleza no lineal del modelo de ratio, proponemos una modelización alternativa, el modelo neuronal de regresión generalizada (GRNN). En tercer lugar, proponemos una definición flexible de sector o norma representado por un modelo Multilayer feed-forward MLP(4:3). En último lugar, mediante los residuos del modelo neuronal definido (MLP(p:q)), obtenemos información del posicionamiento relativo de las entidades respecto al sector o benchmark flexible que nos permite proponer unos valores de "referencia" máximos para la siniestralidad de cada prestación.

[eng] The knowledge of how the insurance market behaves is a topic of great importance, according it future viability. The total losses associated with the company portfolio have a random component that should be kept in mind in it analysis. The principal objective of this work is to model the total claims amount of the mutual insurance sector in Catalonia (non life) according a probabilistic and econometric point of view. The structure of the study is clearly divided into two different parts. In the first part we present several methodological tools that can be applied to the analysis that we are carrying out; in the second one we present some results related with the application of the previous theory to a real insurance Catalonian database.

In the methodological part, we highlight the definition of some ratios to summarize different financial analysis mechanisms; the effort to systematize one of the most famous methods of data analysis: the neural model, including its approach to the statistical field and econometrics. Concerning the empirical part, we emphasize the following aspects: the analysis of the basic characteristics of the Spanish insurance market (1991-1997) and the characteristics of the insurance mutual societies (by Autonomous Communities); the analysis of the non life total claims amount of the insurance mutual societies in Catalonia, and finally, the presentation of several applications of the neuronal methodology.

The main empirical contributions are about the study of an economic sector not sufficiently studied before: the analysis of the total compensation starting from its random components, the frequency and severity of the claims; the definition of the minimum margins of solvency by using two methods: Method of MonteCarlo and the distribution of the ratio of the total non life claims amount; the specification of several statistical functions for this ratio; the formulation of some hypothesis contrasts, starting from the Generalized Functional form of Box-Cox and different applications of the neuronal methodology. We highlight the use of the neural model for the identification of the functional form of the ratio and the application of the Multilayer feed-forward model.