Análisis de Experiencia: Cómo Comparan los Actuarios los Resultados Reales con las Hipótesis

En resumen: El análisis de experiencia compara los resultados reales — fallecimientos, caídas, siniestros — con las hipótesis incorporadas en los modelos de tarificación y valoración. El ratio A/E (Real / Esperado) es la métrica central: por encima del 100% es adverso para la mayoría de riesgos aseguradores, por debajo del 100% es favorable. Cuando los volúmenes de datos son demasiado pequeños para basarse únicamente en la experiencia propia, la ponderación por credibilidad combina el A/E observado con una referencia sectorial para producir una estimación más estable. Las conclusiones alimentan directamente las actualizaciones de hipótesis, las revisiones de tarificación y los ajustes de valor intrínseco.

Todo modelo actuarial se construye sobre hipótesis: sobre cuántos tomadores fallecerán, cuántos anularán su póliza, cuánto costarán los gastos, cuántos siniestros se declararán tarde. Esas hipótesis se calibran en el momento de la tarificación — usando datos sectoriales, experiencia histórica de la cartera y juicio actuarial — pero el mundo no se queda quieto. Las tasas de mortalidad mejoran con el tiempo. El comportamiento de caída cambia con las condiciones económicas. La inflación de gastos se sitúa por encima o por debajo del objetivo. La frecuencia siniestral de un ramo concreto de responsabilidad civil se ve afectada por cambios legislativos.

El análisis de experiencia es la disciplina actuarial que compara sistemáticamente la experiencia real con la supuesta, identifica dónde se están desviando las hipótesis de la realidad y realimenta esas conclusiones en los modelos y la tarificación. Sin él, un modelo correctamente calibrado hace tres años se convierte gradualmente en un modelo que tarifica mal el riesgo de forma sistemática — en cualquiera de las dos direcciones.

Este artículo cubre el ratio A/E, la mecánica de construir un análisis de experiencia en Excel, la teoría de la credibilidad y el proceso estructurado para investigar desviaciones adversas.

El Ratio A/E: El Fundamento de Todo Análisis de Experiencia

El ratio Real sobre Esperado se define como:

Ratio A/E = Eventos reales observados / Eventos esperados (según hipótesis del modelo)

Un ratio A/E del 100% significa que la experiencia coincidió exactamente con las hipótesis. Por encima del 100% indica que ocurrieron más eventos de los esperados; por debajo, menos.

Que una desviación sea adversa o favorable depende del tipo de riesgo:

Merece la pena subrayar esta asimetría, porque a veces los analistas asumen que “más de lo esperado” es siempre malo. Para un proveedor de rentas vitalicias, una mortalidad superior a la esperada es en realidad una buena noticia.

Calcular el Esperado: la Exposición al Riesgo

El denominador del ratio A/E es el “Esperado” — lo que exige calcular la exposición central al riesgo del periodo analizado.

En un análisis de experiencia de mortalidad, la exposición al riesgo de un tramo de edad concreto es el número total de años-vida en riesgo durante el periodo de observación. Si 1.000 tomadores tuvieron entre 50 y 54 años durante todo el año, la exposición al riesgo es de 1.000 años-vida. Si 200 de ellos salieron a mitad de año (por anulación o fallecimiento), aportan de media medio año-vida cada uno — es decir, su contribución es de 100 años-vida.

Fallecimientos Esperados (tramo de edad x) = Exposición Central al Riesgo (tramo x) × qx (tabla estándar)

En Excel, el cálculo requiere una extracción de datos a nivel de póliza con:

• Fecha de nacimiento (para derivar el tramo de edad)
• Fecha de inicio de la póliza
• Fecha de fin de la póliza o fecha actual (la que sea anterior)
• Indicador de si la salida fue por fallecimiento, anulación o vencimiento

La contribución de cada póliza a la exposición al riesgo es el número de días que estuvo en vigor durante el año de observación, dividido entre 365.

Construir el Análisis de Experiencia en Excel

Un análisis de experiencia bien estructurado tiene cuatro tablas fundamentales:

Tabla 1: Exposición y siniestros reales por tramo de edad y género

El A/E agregado del 115% significa que la mortalidad real de la cartera es un 15% superior a la de la tabla estándar. Esto podría reflejar antiselección (la cartera está atrayendo vidas de mayor riesgo), un cambio en la composición entre tomadores fumadores y no fumadores, o simplemente fluctuación estadística.

Tabla 2: Análisis de tendencia — A/E por año natural

El repunte de 2021–2022 seguido de un retorno hacia el 110–115% en los años posteriores es coherente con el exceso de mortalidad de la pandemia de COVID-19. Un análisis de tendencia distingue las anomalías del periodo pandémico de un deterioro estructural de la cartera — algo importante para decidir si la base de tarificación necesita un ajuste permanente o una dotación puntual.

Tabla 3: A/E por canal de distribución

Segmentar por canal de distribución es esencial para entender dónde se concentra la experiencia adversa. Un A/E agregado del 115% podría estar impulsado íntegramente por el negocio del canal directo (que puede atraer vidas peor suscritas), mientras que el negocio distribuido por IFA se sitúa en el 96%.

Tabla 4: A/E por año de póliza (duración)

La experiencia de mortalidad suele variar según la duración de la póliza — las pólizas muy nuevas (años 1–2) a veces muestran menor mortalidad porque la suscripción excluyó las vidas de mayor riesgo; las pólizas en los años 5–10 pueden mostrar mayor mortalidad a medida que se diluye el efecto de selección de la suscripción. Este análisis por duración informa tanto al proceso de suscripción como al diseño del producto.

Teoría de la Credibilidad: Cuando los Datos Propios No Bastan

Con volúmenes pequeños de datos, el ratio A/E no es fiable. Si solo se observan 20 fallecimientos en un tramo de edad y lo esperado eran 18, el A/E del 111% podría ser fácilmente ruido estadístico — no se puede distinguir una experiencia genuinamente adversa de un mal año aleatorio.

La teoría de la credibilidad ofrece una forma rigurosa de combinar la experiencia propia con una referencia:

Tasa ponderada por credibilidad = Z × Ratio A/E propio + (1 − Z) × A/E de referencia

Donde Z es el factor de credibilidad, que va de 0 (sin credibilidad — usar íntegramente la referencia) a 1 (credibilidad plena — usar íntegramente la experiencia propia).

La fórmula de credibilidad más común (Bühlmann-Straub para siniestros con distribución de Poisson):

Z = n / (n + k)

Donde n es el número de siniestros observados y k es un parámetro de credibilidad (a menudo estimado en torno a 50 para la experiencia de mortalidad, aunque varía según el contexto).

Para la credibilidad plena (Z = 1,00) se necesita un número de siniestros suficientemente grande. El estándar actuarial clásico de credibilidad plena, con un nivel de precisión de ±5% y una confianza del 90%, exige aproximadamente 1.082 siniestros. En la mayoría de análisis individuales de aseguradoras, este umbral solo se alcanza al nivel más agregado — a nivel de tramo de edad o de canal, la ponderación por credibilidad es normalmente necesaria.

Un ejemplo práctico: una aseguradora observa 85 fallecimientos en el tramo de 40–49 años frente a 78 esperados (A/E = 109%). Con k = 50:

Z = 85 / (85 + 50) = 85 / 135 = 0,63

A/E ponderado por credibilidad = 0,63 × 109% + 0,37 × 100% = 105,7%

En lugar de aceptar el 109% bruto como actualización de la hipótesis, el actuario propondría un recargo del 5,7% sobre las tasas de mortalidad estándar para este segmento — una respuesta más estable y menos reactiva a los datos de un solo año.

Investigar la Experiencia Adversa

Cuando un ratio A/E supera un umbral de activación — típicamente una desviación adversa de 10–15 puntos o un resultado estadísticamente significativo — se requiere una investigación formal de experiencia. Una investigación estructurada sigue cuatro pasos:

Paso 1: Verificar la calidad de los datos. Antes de concluir que la experiencia es genuinamente adversa, confirma que los datos que alimentan el análisis están completos y depurados. Los errores habituales incluyen: fallecimientos declarados tardíamente que inflan el recuento real de un solo año (y que faltarán al año siguiente), problemas de extracción que desalinean el periodo de observación, o clasificación incorrecta de las salidas (anulaciones codificadas como fallecimientos o viceversa).

Paso 2: Segmentar y aislar. Descompón el A/E agregado en los subgrupos significativos más pequeños — tramo de edad, género, canal, producto, año de póliza, tramo de capital asegurado. Esto permite identificar si la experiencia adversa es generalizada (un error sistemático de tarificación) o está concentrada en un segmento concreto (un problema de calidad de negocio de un socio distribuidor o una variante de producto).

Paso 3: Comparar con referencias externas. Compara el A/E de la aseguradora con los datos sectoriales disponibles del CMI (para negocio de vida y rentas) o los datos del mercado de Lloyd’s (para seguro no vida). Si el A/E de la aseguradora se sitúa en el 115% frente al 105% del sector, el exceso residual de 10 puntos es específico de esta cartera y requiere explicación. Si tanto la aseguradora como el mercado se sitúan en el 115%, lo que ocurre es que la tabla estándar está simplemente desactualizada.

Paso 4: Cuantificar el impacto en tarificación y recomendar un cambio de hipótesis. El resultado de la investigación es una recomendación actuarial — o mantener la base actual con un plan de seguimiento, o actualizar el factor A/E de tarificación y valoración. Para una actualización del A/E de mortalidad del 100% al 110%: recalcula las primas que se habrían cobrado, evalúa el impacto sobre el valor intrínseco (una desviación adversa de mortalidad en el análisis de movimientos del EV) y establece la cadencia de seguimiento anual.

Realimentar la Experiencia en el Modelo

El ciclo de análisis de experiencia se ejecuta anualmente (o con mayor frecuencia en carteras grandes):

1. Observar experiencia real → 2. Comparar con lo esperado → 3. Calcular ratios A/E
         ↑                                                             ↓
6. Monitorizar la base actualizada                   4. Ponderar por credibilidad con referencia
         ↑                                                             ↓
5. Actualizar hipótesis de tarificación/valoración  →  Investigación formal si A/E > umbral

La hipótesis actualizada alimenta tres destinos: el modelo de tarificación (las nuevas pólizas se tarifican con la base revisada de qx o de caídas), la base de valoración (el cálculo de provisiones y el valor intrínseco usan las hipótesis actualizadas) y la línea de desviación de experiencia en el análisis de movimientos del EV (la desviación del año en curso respecto de la hipótesis se cuantifica explícitamente para su divulgación a inversores).

Una aseguradora que realiza un análisis de experiencia riguroso y actualiza sus hipótesis con prontitud tiene mucha menos probabilidad de enfrentarse a cambios de hipótesis adversos, grandes y repentinos en un solo periodo — el tipo de anuncio de “refuerzo de provisiones” que tiende a provocar reacciones bruscas en la cotización de las aseguradoras de vida. Las actualizaciones consistentes e incrementales basadas en datos creíbles son el sello distintivo de la disciplina actuarial.

Puntos Clave

• El ratio A/E (Real / Esperado) es la métrica central del análisis de experiencia. Mide si los eventos observados están por encima o por debajo de la hipótesis del modelo. Que estar por encima del 100% sea adverso o favorable depende del tipo de riesgo.
• El denominador “Esperado” se calcula multiplicando la exposición central al riesgo (años-vida en riesgo del periodo) por la hipótesis de tasa de la tabla estándar.
• Construye el análisis de experiencia con una estructura de cuatro tablas: A/E agregado por segmento, tendencia temporal, A/E por canal de distribución y A/E por duración de póliza.
• La ponderación por credibilidad es esencial cuando los volúmenes de siniestros son pequeños: A/E ponderado = Z × experiencia propia + (1 − Z) × referencia. La credibilidad plena requiere aproximadamente 1.082 siniestros según el umbral actuarial estándar.
• Se activa una investigación formal de experiencia cuando el A/E se desvía más de 10–15 puntos. Los cuatro pasos son: verificación de datos, segmentación, comparación externa y cuantificación del impacto en tarificación.
• Las hipótesis actualizadas alimentan el modelo de tarificación, la base de valoración y la línea de desviación de experiencia en el análisis de movimientos del EV.

Práctica

Una aseguradora de vida observa la siguiente experiencia de mortalidad a lo largo de un año para el tramo de edad 45–54 (hombre, no fumador, seguro temporal): 35.000 años-vida de exposición, 98 fallecimientos reales. La tabla estándar AM92 implica un A/E del 100% para este segmento. Usando las tasas qx masculinas de AM92 (edad 45 = 0,00280; 46 = 0,00315; 47 = 0,00354 — supón exposición repartida uniformemente entre edades), calcula: (1) los fallecimientos esperados; (2) el ratio A/E bruto; (3) el A/E ponderado por credibilidad usando Z = n/(n+50). Después, si la base de tarificación actual emplea el 95% de AM92 (un recargo de mejora de mortalidad del 5%), calcula el A/E revisado respecto de la base de tarificación actual y comenta si procede una revisión de hipótesis.