Medición y gestión del riesgo operacional asegurable en corporates energéticas

Introducción
- Planteamiento del problema
Las condiciones del mercado de seguros de los grandes riesgos globales, entre los que se incluyen las corporates energéticas, obligan a las compañías a trabajar permanentemente en la optimización de las primas ofertadas; para ello un mejor conocimiento del comportamiento de sus carteras les debe permitir ser más competitivos.
El conocimiento de la pérdida esperada interesa de cara a calcular:
• La prima técnica a cobrar.
• Costes de protección de reaseguro necesarios para garantizar la rentabilidad de la cartera.
- Estado de la técnica
En este proyecto se ha desarrollado una metodología que pretende incrementar la precisión en el conocimiento de la pérdida esperada; se incorporan, para ello, un mayor número de consideraciones técnicas y paramétricas, complementando la tradicional metodología de la curva LDA.
- Objetivo del proyecto
Desarrollar un modelo de evaluación de la distribución de pérdidas (daños materiales) (frecuencia/intensidad) en el sector de la generación eléctrica partiendo de una base histórica, desde el 2009 hasta la actualidad, de activos asegurados y siniestros que permita optimizar la prima técnica, que sirva para la toma de decisiones, desde el punto de vista del asegurador, para ofrecer las condiciones óptimas para el aseguramiento de las diferentes tecnologías.
Metodología
La curva de excedencia muestra el porcentaje de riesgo vs el importe de los siniestros, siendo su integral la esperanza de pérdidas (ver Anexo VII del proyecto).
Bajo este esquema la tasa de riesgo corresponderá al área bajo la curva. Basado en la experiencia se aglomeran los siniestros esperados en un periodo de retorno estimado, que corresponden a un rectángulo de área proporcional al área bajo la curva hasta el importe total, por zonas.
Para realizar una estimación adecuada de los siniestros de intensidad, son necesarios dos puntos fundamentales:
- La forma de la curva, que se obtendrá del histórico de siniestros.
- La tasa de riesgo de la tecnología en cuestión, extraída de la curva.
La forma de la curva que se estudiará será la siguiente, que podrá tener mayor pendiente en su inicio, lo que significará en una mayor siniestralidad de frecuencia, o ser una curva más tendida, lo que indicará una siniestralidad de elevada intensidad.
Con un inventario de siniestros y unas fichas de riesgo, de las que se extrae la información de las situaciones, se procede a una crear una herramienta en Excel que integre la funcionalidad necesaria para la determinación de los parámetros fundamentales (tasa esperada de pérdida y forma de la curva de reparto de pérdidas no proporcionales) de los diferentes escenarios de estudio.
- Obtención de la tasa
La tasa de pérdidas se obtendría en principio como la proporción de siniestros en relación con la suma asegurada para la población objeto de análisis:
Tasa de pérdidas=(∑Siniestros)/(∑SA)
No obstante, hay un factor muy importante en este proceso consecuencia de existir grupos asegurados de los que, por causa del importe de la retención, no se dispone de información de siniestros por debajo de dicho importe, por lo que ha de aplicarse un factor corrector a la frecuencia del siniestro, y en consecuencia al total de pérdidas.
Dicho factor tomaría la siguiente forma para cada uno de los siniestros
〖Factor〗_(siniestro_j)=(∑〖SA〗_total )/(∑〖SA〗_(siniestro_j) )>1
Donde ∑〖SA〗_(siniestro_j) correspondería a la suma asegurada de los activos, objeto del análisis, cuyo deducible es inferior al importe del siniestro j.
- Obtención de curvas
Sobre la base de las premisas de las curvas:
Siempre será creciente (y’ > 0 )
Siempre será cóncava ( y” < 0)
Pasará por el (0,0) y por el (1,1)
y tras diferentes pruebas se encontró como proceso óptimo:
Se selecciona familias de curva con la expresión:
(1-y)=〖(1-x)〗^b, con b>1
y=1-〖(1-x)〗^b , con b>1
Con el fin de poder tener en cuenta diferentes comportamientos en diferentes zonas se considera una familia de curvas que resulten de la combinación lineal de dos curvas con variación de los pesos a lo largo de la curva.
y1=1-〖(1-x)〗^b1 , con b>1
y2=1-〖(1-x)〗^b2 , con b>1
y=a1*y1+a2*y2
a1+a2=1 (0<=a1<=1)
y=a1*y1+(1-a1)*y2
Con el fin de poder obtener una familia de mayor variabilidad de curvas, se establece que a1 no se aun valor constante, sino que pueda variar linealmente en el intervalo de la siguiente forma:
5 rectas con pendiente 0 (a1 constante 0, 0,25, 0.50, 0.75 y 1)
4 rectas con pendiente 0,25
3 rectas con pendiente 0,5
2 rectas con pendiente 0,75
1 recta con pendiente 1
- Herramienta de generación de curvas de excedencia (LDA) y de reparto de pérdidas
Sobre la base de las metodologías anteriores se ha realizado una herramienta que, asociada a la parametrización generada a partir del análisis, permite analizar la distribución de los costes derivados de la siniestralidad.
Permite integrar activos con diferentes tecnologías, sumas aseguradas, ubicaciones, PML’s, etc.

Introduction
Problem Statement
Insurance market conditions for large global risks, including energy corporates, force companies to permanently work on optimizing the premiums offered; a better knowledge of the behavior of their portfolios should allow them to be more competitive.
The knowledge of the expected loss is of interest in calculating:
The technical premium to charge.
Reinsurance protection costs necessary to guarantee the profitability of the portfolio.
State of the art
In this project, a methodology has been developed that aims to increase accuracy in the knowledge of the expected loss; a greater number of technical and parametric considerations are incorporated, complementing the traditional methodology of the LDA curve.
Objective of the project
Develop a model for evaluating the distribution of losses (material damages) (frequency / intensity) in the electricity generation sector, starting from a historical base, from 2009 to the present, of insured assets and claims that allows optimizing the technical premium, that serves for making decisions, from the point of view of the insurer to offer the optimal conditions for the assurance of different technologies.
Methodology
The exceedance curve shows the percentage of risk vs the amount of the losses, the integral is the expectation of losses (see Annex VII of the project).
The following illustration shows the expectation of losses and their distribution:
Under this scenario, the risk rate corresponds to the area below the curve. Based on the experience, the expected losses are accumulated in an estimated return period, corresponding to a rectangle of proportional area to the area below the curve up to the total amount, by zones.
To make an adequate estimate of the large losses, two fundamental points are necessary:
The shape of the curve, which will be obtained from the historical losses.
The risk rate of the technology in question, extracted from the curve.
The shape of the studied curve will be the following shown below, which may have a steeper slope at the beginning, which will mean a higher frequency accident rate, or a plainer curve, which will indicate a high intensity accident rate.
With an inventory of claims and risk cards, from which information of the situations is extracted, we proceed to create an Excel tool that integrates the necessary functionality to determinate the fundamental parameters (expected rate of loss and of the distribution curve of non-proportional losses) of the different studied scenarios.
Obtaining the rate
The loss rate is obtained as the proportion of claims in relation to the sum insured for the population under analysis:
Loss rate=(∑Claims)/(∑〖Sum Insured〗)
However, there is a very important factor in this process as a result of the existence of insured groups from which, due to the amount of the retention, there is no claim information below that amount, so a correction factor must be applied to the frequency of the loss, and consequently to the total of losses.
This factor would take the following form for each of the claims:
〖Factor〗_(claim_j)=(∑〖Sum Insured〗_total )/(∑〖Sum Insured〗_(claim_j) )>1
Where ∑〖Sum Insured〗_(claim_j) would correspond to the insured sum of the assets object of the analysis whose deductible is lower than the amount of the loss j.
Obtaining curves
Based on the premises of the curves:
It will always be growing ( 0)
It will always be concave (and "<0)
Go through (0,0) and through (1,1)
After different tests it was found as an optimal process:
Select curve families with the expression:
(1-y)=〖(1-x)〗^b, con b>1
y=1-〖(1-x)〗^b , con b>1
In order to be able to take into account different behaviors in different areas, we consider a family of curves resulting from the linear combination of two curves with variation of the weights along the curve.
y1=1-〖(1-x)〗^b1 , con b>1
y2=1-〖(1-x)〗^b2 , con b>1
y=a1*y1+a2*y2
a1+a2=1 (0<=a1<=1)
y=a1*y1+(1-a1)*y
In order to obtain a family with greater variability of curves, it is established that a1 is not a constant value, but that it can vary linearly in the interval as follows:
5 lines with slope 0 (a1 constant 0, 0.25, 0.50, 0.75 and 1)
4 straights with slope 0.25
3 straights with slope 0.5
2 straight with slope 0.75
1 straight with slope 1
Tool to generate the exceedance curves (LDA) and loss distribution

Based on the above methodologies, a tool has been created that, associated with the parameterization generated from the analysis, allows to analyze the distribution of the costs derived from the loss ratio.

It allows integrating assets with different technologies, sums insured, locations, PML's, etc.