Previsão da sinistralidade em seguros de vida utilizando modelos de séries temporais

• Gonçalves, Jussiane Nader ^[1] ; Pandolfi, Amanda Santos ^[1]
  1. [1] Universidade Federal de Minas Gerais

     Universidade Federal de Minas Gerais

     Brasil

     
• Localización: Revista Eniac Pesquisa, ISSN-e 2316-2341, Vol. 13, Nº. 1, 2024, págs. 3-28
• Idioma: portugués
• Títulos paralelos:
  • Claims forecast in life insurance using time series models
• Enlaces
  • Texto completo (pdf)
• Resumen
  • English

    The non-static nature of insurance, in general, is because it depends on many social and economic factors to sustain itself. Individual Life Insurance, in particular, is impacted by various factors that include economic and cultural policies, the performance of insurers in terms of supply and demand, and sociodemographic aspects that influence the behavior of the life insurance consumer. Analyzing each factor may facilitate the acceptance and pricing of insurance. Knowledge of the identified risk is essential for the evaluation to be realistic and accurate. To ensure the solvency of these companies and, thus, for them to fulfill their future commitments, the management and risk pricing involves several actuarial assumptions, such as analysis of claim frequency, severity, biometric risk, sensitivity and subscription analysis, and monitoring of claims experience. Consequently, it is up to the responsible actuary to manage such measures to the reality of the risk institution. Therefore, this paper aims to evaluate prediction models for one of the aforementioned actuarial assumptions, namely, loss ratio, through regression and Box-Jenkins models. This work analyzed monthly data available in the Statistics System (SES) of the Superintendence of Private Insurance (SUSEP), from the eight insurers with the highest premium volume, between 2011 and 2021. To perform model adequacy, we have compared the predicted values with the current data from the first half of 2022. Both regression and Box-Jenkins models showed satisfactory performance, but the regression model was more appropriate for predicting the loss ratio of the claims experience.

  • português

    A condição de não estaticidade dos seguros em geral se dá por se tratar de uma ciência que depende de fatores sociais e econômicos para se sustentar. O Seguro de Vida, em especial, é impactado por diversos agentes, desde políticas econômicas e culturais, até o desempenho das seguradoras quanto a oferta e demanda do seu produto e aspectos sociodemográficos que influenciam no comportamento do próprio segurado. O conhecimento sobre o risco identificado é fundamental para que a avaliação seja realista e precisa. Para garantir a solvência dessas empresas e assegurar os compromissos futuros, diversas premissas atuariais estão envolvidas no gerenciamento e precificação de riscos, como análise de frequência de sinistros, severidade, risco biométrico, análises de sensibilidade e subscrição, acompanhamento de sinistralidade, entre outras, cabendo ao atuário responsável adequar tais medidas a realidade da instituição de risco. Portanto, este trabalho tem como objetivo avaliar modelos de previsão para uma das premissas atuariais mencionadas, a saber, a sinistralidade, por meio de métodos de regressão e Box-Jenkins. Foram analisados os dados mensais disponíveis no Sistema de Estatísticas (SES) da Superintendência de Seguros Privados (SUSEP), entre os anos de 2011 e 2021, das oito seguradoras com maior volume de prêmio. A capacidade de previsão dos modelos foi avaliada comparando os valores previstos com os dados reais do 1° semestre de 2022. O modelo de regressão foi o mais adequado para a previsão da sinistralidade, embora ambos os métodos tenham apresentado desempenho satisfatório.