Una aproximación a Solvencia II y Business Intelligence

El entorno financiero actual, la inestabilidad económica y un mercado global poco robusto han dado lugar a cambios importantes en el manejo del Riesgo. Han surgido en estos años diferentes marcos de regulación como Basilea II en el entorno bancario.

En este artículo nos vamos a centrar en el acuerdo de capitales alcanzado para entidades aseguradoras: Solvencia II.

El entorno financiero actual, la inestabilidad económica y un mercado global poco robusto han dado lugar a cambios importantes en el manejo del Riesgo. Han surgido en estos años diferentes marcos de regulación como Basilea II en el entorno bancario. En este artículo nos vamos a centrar en el acuerdo de capitales alcanzado para entidades aseguradoras: Solvencia II. Trataremos de analizarlo desde el punto de vista de los sistemas de información, en particular las soluciones de Business Intelligence, y cómo estas pueden ayudar a realizar estas actividades de control e impulsar este cambio en la gestión del riesgo, que implica en general un cambio organizativo en las compañías del negocio asegurador.

 

¿Qué es Solvencia II?

Es una regulación que afecta al negocio asegurador y que implica la implantación de sistemas de Control Interno y de Gestión de Riesgos más eficientes. Se modifica la valoración de activos, pasivos y el cálculo del margen de solvencia. Estos cambios regulatorios modifican las provisiones de fondos a realizar por las compañías de seguros en base al riesgo que en su operativa asumen. Para ello es crítico calcular de la forma más precisa el riesgo asumido. Considerando en esta medición los datos referentes a todos los componentes del riesgo (de mercado, operacionales, de crédito y de liquidez) De forma similar a Basilea II, la normativa se estructura en tres pilares:   Pilar I: Medida de activos, pasivos y capital (Exigencia de recursos propios) Pilar II: Procesos de supervisión Pilar III: Disciplina de mercado (requerimientos de transparencia).  

¿Qué papel juega el B.I. en Solvencia II?

Lógicamente la visión actual es una aproximación inicial a unos cambios que a lo largo de su implantación definirán claramente los requerimientos en materia de B.I. y cómo el propio B.I. dotará de soluciones a este cambio regulador. Trataremos de adelantar una serie de cuestiones que hay que abordar:  

Gestión de datos e información a considerar: 

Nos centramos en un modelo de datos específico para el sector asegurador, compañías de seguros de vida y no vida. Más allá de un modelo clásico basado en la información relativa a la propia operativa del negocio, tales como pólizas, objeto o servicio asegurado, tomador, fraude, primas, coberturas, siniestros, suscripciones, abandonos reclamaciones, etc…., hay que poner el foco en la información que nos clarifique el nivel de riesgo y la valoración de recursos propios. Profundizar en Información de clientes, información financiera y de marketing, así como de la propia gestión de la compañía y de mercado  con objeto de valorar correctamente los riesgos y los requerimientos que exige Solvencia II.   Gestión de datos: Gestionar la disparidad de fuentes de origen, maestros de datos, visión única a nivel de compañía, diccionario único de conceptos de negocio, calidad y perfilado de datos, trazabilidad del dato. Necesidad de diferentes niveles de agregación. Del mismo modo, no olvidar que hablamos de sistemas con una profundidad histórica del dato importante, en los que puede ser necesario recalcular datos. Ante la heterogénea naturaleza de la información de origen será necesario una correcta segmentación y modelización temática de los datos.   Validaciones: el nivel de complejidad de las validaciones a realizar en la información recibida, va a ser alto. A parte de las validaciones técnicas habituales (información obligatoria, duplicidades, integridades, inconsistencias, criterios de homogeneización, etc..), existirán una batería de validaciones funcionales en las que los cuadres contables y las validaciones de activo y pasivo del balance serán críticas y en los que será necesario establecer puntos de control de cara a depurar y homogeneizar la información recibida. Esto conlleva un proceso de validación por fases.   Gestión particular datos de Riesgos: Correcta modelización buscando una correcta clasificación de riesgos, tipología, segmentación, diccionario de riesgos, jerarquías riesgo-subriesgo. Establecer relaciones en el modelo que faciliten la ágil comparación de la información de riesgos con información de otra naturaleza, ejemplo: Binomios valor-riesgo. Modelización que facilite la agregación de riesgos y creación de vistas según nivel de análisis (estratégico, táctico y operacional).  

Controles y mediciones:

En la implantación de los sistemas B.I. estos deben identificar y poder medir todos los aspectos que influyan en el cálculo y control del riesgo. Valoración de masas patrimoniales, activos, pasivos, capital, calibración, etc…, sin entrar en una enumeración exhaustiva, entre ellos, cabe destacar:   Recursos propios exigibles: Determinación del MCR (Minimum Capital Requirement) y SCR (Solvency Capital Requirement).   Valoración consistente con el mercado de las provisiones técnicas (Best Estimate, Margin Value Market).   Riesgos de mercado: divisas, tipos de interés, inmuebles, renta variable, etc…   Riesgos de crédito: reaseguro, riesgo de concentración, cartera de crédito, etc..   Riesgo operacional: métodos cualitativos y cuantitativos.   Riesgos de liquidez.   Riesgos de contrapartida.   Gestión del riesgo de balance.   En estas mediciones y controles el objetivo de los sistemas B.I. deben ser ágiles en los cálculos y estimaciones, deben anticipar riesgos y proponer y ejecutar de forma eficiente las medidas a adoptar. Por otro debe dotar a la compañía un marco de definición de objetivos, niveles acceso a información y herramientas de análisis y reporting que ayuden a la alineación de objetivos de gestión del riesgo estratégicos, con los tácticos y operacionales, En particular, es crítica la coordinación entre objetivos de gestión financiera, marketing y de riesgos. Por último, capacidad de divulgación de las conclusiones y resultados que se vayan obteniendo.   Sin pretender en entrar en un análisis exhaustivo, a continuación se listan algunos de los procesos B.I. que serán necesarios implantar para dar soporte a los requerimientos que impone Solvencia II.   Procesos de cálculo y minería de datos:   El sistema deberá combinar las herramientas cuantitativas necesarias (análisis descriptivo, simulación Montecarlo, series temporales, etc..) con técnicas actuariales.   Creación y ajuste de modelos internos, estos modelos deben aplicar las técnicas estadísticas necesarias, realizar una adecuada calibración y facilitar la divulgación de los resultados dentro de la compañía como información crítica y a aplicar en las diferentes unidades de gestión de la compañía.   De especial relevancia las técnicas de agregación de Riesgos. Ejemplo: uso de matrices de correlaciones y cópulas.   Selección de variables: Ante la disparidad de información a incorporar la selección de variables se convierte en parte clave en todos los procesos de análisis avanzado a implementar. Como ejemplo en los estudios relativos a suscripción vida (aumento de la mortalidad por un año, aumento gradual de la mortalidad, Incertidumbre de la mortalidad, longevidad, volatilidad, etc..)   Diseño de los motores de cálculo buscando un óptimo rendimiento y acortar los ciclos de cálculo, permitiendo anticipar riesgos con margen para ejecutar medidas correctoras.   Análisis avanzado para proyectar con los flujos de cash. Ejemplo: seguros de vida individuales, incluyendo además las anualidades de todos los productos de vida y seguros de inversión.   Stress testing. Ejemplo: Estimar el potencial efecto que importantes cambios en el la coyuntura de mercado pueden producir en el riesgo de la compañía. Asegurar la solvencia sometiendo al activo y pasivo del balance a pruebas de stress de coyuntura adversa de mercado.   Entornos de simulación. Creación de escenarios de exposición a determinados riesgos buscando la óptima asignación de capital, reducir pérdidas no deseadas y maximizar el rendimiento de las inversiones.     Procesos de estimación de Reservas o provisiones técnicas para Siniestros No-Vida. El sistema debe soportar métodos estocásticos, como pueden ser: link ratio, grossing up, chain ladder y Bornhuetter-Ferguson.   Soporte para valoraciones de instrumentos financieros, que permitan analizar, y realizar estimaciones sobre el riesgo de mercado:   Productos financieros: renta fija, cartera de bonos, instrumento cupón, renta variables, tipo de cambio, fondos de inversión, depósitos bancarios, inmuebles, hedge funds etc.. Derivados financieros: futuros, opciones, swaps, depósitos fiduciarios y SPV    Explotación: análisis, reporting, cuadros de mando:   En la definición de la capa de explotación y análisis considerar tanto el análisis y reporting interno de la compañía como el regulatorio, que lógicamente tendrán requerimientos y periodicidades distintas, pudiendo ser más estático y definido el regulatorio, frente a un análisis y explotación interno más dinámico que aparte de los informes predefinidos deberá facilitar el análisis ad-hoc, análisis multidimensional y deberá considerar diferentes niveles de análisis (estratégico, táctico, operacional..), llegando al cuadro de mando (KPI’s, KRI’s, objetivos, umbrales, alertas, códigos semafóricos, etc…). El cuadro de mando debe primar la identificación de riesgos que requieren un mayor seguimiento.   En un proyecto de esta envergadura es importante evitar la sobreinformación. Racionalizar la definición de KPI’s, racionalizar el número de informes predefinidos, etc… , realizar auditorías de uso de la plataforma de explotación con objeto de depurar aquellos objetos de análisis que caigan en desuso o se accedan muy puntualmente.   Capas de metadatos que permitan la comprensión y el acceso con el debido nivel de permisos al repositorio central de información de riesgos a diferentes áreas usuarias (riesgos, marketing, financiero, recursos humanos, etc..). En este acceso el usuario precisará una información organizada y depurada de tal forma que facilite su comparación, sea coherente en el tiempo y completa. Primar acceso vía web.   Procesos ágiles de publicación y distribución de informes y resultados obtenidos.   Ejecución planificada de informes predefinidos. En particular, ejecución automática según calendario establecido de informes regulatorios exigidos.  

Cuestiones técnicas a considerar en la herramienta a adoptar. 

El sistema debe primar la escalabilidad: la gestión del riesgo va a estar en constante evolución y sometidos a sucesivos cambios normativos.   Potente gestión de la metadata técnica y funcional.   Flexibilidad y Capacidad de integración con resto de sistemas y fuentes de datos. Especial sintonía con los sistemas financieros y de marketing (CRM). Ejemplo: las conclusiones de nivel de riesgo deben ser repercutidas en los procesos de pricing y en las políticas de inversión.   Capacidades de trabajo colaborativo para facilitar el intercambio de información entre los analistas, así como un sistema que defina roles en el proceso. Facilidad de uso que permita el trabajo conjunto a perfiles de diferentes áreas (analistas de riesgos, técnicos actuariales, financieros, marketing, sistemas de información, etc..).   Capacidades de publicación y divulgación de resultados. Capacidades de documentación que faciliten el proceso de auditoría tanto interno, como externo.   Explotación del sistema controlada y bajo la supervisión de un marco de  IT Governance (arquitectura, estándares, oficina de proyectos).     Los aspectos relativos a B.I. mencionados son una primera aproximación a lo que el B.I puede aportar a este marco regulatorio. Lógicamente, aún queda un largo camino por recorrer en las cuestiones relativas a Solvencia II, en este camino que ahora vemos como una imposición regulatoria que causa inquietud en las compañías de seguros, llegaremos también a una mejor gestión, a una organización más eficiente y descubriremos problemas que mejorarán las propias soluciones de Business Analytics.    
  • Star
  • Star
  • Star
  • Star
  • Star