Muchos mitos giran en torno a nuestra forma de conducir. Lo que para muchos es tema de debate con amigos, para las compañías de seguros constituye una problemática seria que necesita de modelos cada vez más complejos para resolverla.

Si te pidieran listar de qué depende que un auto choque, ¿qué dirías? La edad del conductor, el tipo de vehículo, su antigüedad, el color, el tipo de uso, etc. Estos elementos son denominados Rating Factors y son algunas de las variables que explican la probabilidad de que un vehículo se siniestre y qué tan costoso puede ser repararlo.

Los modelos actuariales para tarificar seguros de autos utilizan hasta 20 rating factors que determinan la siniestralidad esperada de un vehículo, y a partir de ello su precio. Un factor clásico es la edad: se sabe que los conductores jóvenes son más propensos a tener accidentes que los mayores. Las compañías calibran curvas de siniestralidad donde asignan un valor a cada edad que refleje el riesgo relativo a cada una. Así, un seguro para alguien de 50 años debería ser más barato que para alguien de 20. Otro factor considerado es el tipo de vehículo: aquellos que alcanzan velocidades más altas o con motores más potentes también son más proclives a chocar porque se puede hacer un uso más irresponsable de ellos. La antigüedad del vehículo tiene que ver con el cuidado que el dueño le dará y con la capacidad de respuesta ante situaciones riesgosas en función del estado de los frenos, caja de cambios y demás engranajes. Mientras más antiguo es más riesgoso. Pero, ¿es más riesgoso un conductor de 50 con un auto de 15 años o uno de 20 con uno nuevo? ¿y si el primero es una camioneta y el segundo una SUV?

Así, tenemos modelos donde una variable (la probabilidad de choque) es explicada -en mayor o menor medida- por hasta 20 factores distintos y el resultado final es la combinación de todos ellos.

Este tipo de problemas pueden ser resueltos utilizando los denominados Modelos Lineales Generalizados que son una generalización flexible de la regresión lineal. Utilizando software estadístico se determina cuáles son las variables explicativas del modelo y una vez elegidas se calibran sus parámetros validando los resultados con distintas técnicas.

Algunas de ellas deben ser tomadas en conjunto, como la edad y el género, para entender su funcionamiento. Las estadísticas muestran que los hombres adultos conducen mejor que los jóvenes pero con las mujeres es al revés, las jóvenes conducen mejor que las adultas. La curva de edad tiene pendiente distinta según el género por lo que si se mira sin considerar el efecto del género, esta puede aplanarse haciendo invisible el efecto. Esto se llama interacción y puede darse en las –casi- infinitas combinaciones posibles de factores.

Si te interesa este tipo de análisis, cada vez más requerido por aseguradoras y bancos para entender sus riesgos, te invitamos a inscribirte en el primer Magíster en Ciencia Actuarial de Chile que dicta la Universidad Católica.

Por cierto, ¿qué pasa con los autos rojos? Estadísticas muestran que los autos rojos son más propensos a chocar que los de otros colores. ¿Es porque distraen a los otros, porque son menos seguros? Nada de eso, un estudio de interacciones reveló que los autos rojos son elegidos principalmente por gente joven y por eso chocan más. En este caso el color y la edad son variables correlacionadas por lo que el color no debe tenerse en cuenta.





Si deseas recibir más información sobre el Magíster en Ciencia Actuarial, puedes contactarnos completando el siguiente formulario.