Cómo se calcula la probabilidad de un siniestro

Calcular la probabilidad de que ocurra un siniestro es una operación central en seguros y en la gestión del riesgo personal o empresarial. Esa probabilidad condiciona la prima que paga el asegurado, las reservas que debe constituir la compañía y las decisiones sobre mitigación y reaseguro. A continuación explicamos de forma clara los conceptos, los modelos básicos, cómo se estiman en la práctica y qué factores hay que tener en cuenta.

Conceptos clave

• Siniestro: el evento cubierto por la póliza que da lugar a una reclamación (por ejemplo, accidente, incendio, robo).
• Exposición: la unidad sobre la que se mide el riesgo (un vehículo, una vivienda, una póliza por un año).
• Frecuencia: número de siniestros por unidad de exposición en un periodo dado.
• Severidad (o gravedad): coste medio por siniestro cuando ocurre.
• Probabilidad individual vs. probabilidades de cartera: la probabilidad de que un asegurado sufra un siniestro y la distribución del número de siniestros en todo un portafolio son dos formas distintas de abordar el riesgo.

Modelos básicos para calcular la probabilidad de siniestro

Dependiendo del tipo de riesgo y de la disponibilidad de datos, se usan distintos modelos probabilísticos. Los más comunes son:

• Modelo binomial: aplica cuando hay un número fijo de exposiciones n y cada exposición tiene una probabilidad p de sufrir un siniestro en el periodo. La probabilidad de k siniestros es C(n,k) p^k (1−p)^(n−k).
• Modelo de Poisson: adecuado para eventos raros o para modelar el número de siniestros por unidad de exposición cuando no hay un límite claro superior. Si N sigue Poisson(λ), P(N=k)=e^(−λ) λ^k / k!. La esperanza es E[N]=λ.
• Distribuciones de exceso de varianza: cuando la varianza observada supera la esperada por Poisson, se recurre a distribuciones como la binomial negativa para la frecuencia.
• Modelos para severidad: el coste por siniestro suele modelarse con distribuciones continuas (por ejemplo, Gamma o log-normal) que se ajustan a la cola de grandes siniestros.

Probabilidad de al menos un siniestro

Dos fórmulas útiles y sencillas:

• Binomial: P(al menos 1) = 1 − (1 − p)^n
• Poisson: P(al menos 1) = 1 − e^(−λ)

Ejemplo hipotético: calcular la probabilidad de al menos un siniestro

Ejemplo puramente ilustrativo: supongamos un pequeño parque de 100 vehículos y que, por experiencia histórica, estimamos la probabilidad anual de siniestro por vehículo en p = 0,03 (3%). Usando el modelo binomial, la probabilidad de que al menos uno de los 100 vehículos sufra un siniestro en el año sería 1 − (1 − 0,03)^100. Este cálculo es un ejemplo hipotético y las cifras no representan datos reales.

Cálculo de la prima técnica (prima pura)

Para fijar una prima técnica o prima pura se suele partir de la esperanza matemática del coste por exposición. La fórmula básica es:

Prima pura = Frecuencia esperada × Severidad media esperada

En términos matemáticos, si N es el número de siniestros por exposición y S el coste medio por siniestro, la prima pura por exposición es E[N] · E[S].

Ejemplo hipotético de prima pura

Si por ejemplo (hipotético) la frecuencia media anual es 0,05 siniestros por exposición y la severidad media por siniestro es 3.000 unidades monetarias, la prima pura sería 0,05 × 3.000 = 150 (unidades monetarias). Es importante recordar que esto es sólo un ejemplo didáctico; una compañía añadirá cargas por gastos, margen de riesgo, impuestos y reaseguro para obtener la prima comercial.

Cómo se estima la probabilidad en la práctica

La estimación se apoya en datos y técnicas estadísticas:

• Datos históricos: registros de siniestros y exposiciones son la base. Es clave que los datos estén bien depurados y normalizados.
• Unidades de exposición: convertir la información a una base comparable (por ejemplo, vehículo-año, vivienda-año).
• Métodos de estimación: estimadores simples (proporciones), máxima verosimilitud (MLE), método de los momentos y modelos más avanzados como GLM (modelos lineales generalizados).
• Selección de variables: edad del asegurado, uso, ubicación, características del bien asegurado, historial previo, y factores macroeconómicos o meteorológicos relevantes.
• Validación y backtesting: contrastar las predicciones con datos fuera de muestra y revisar periódicamente los parámetros.

Modelos GLM y aprendizaje automático

En pricing y tarificación se usan con frecuencia GLM: para la frecuencia suele emplearse una familia Poisson o binomial negativa con enlace log; para la severidad, Gamma o log-normal. En los últimos años, técnicas de machine learning (árboles, gradient boosting, redes neuronales) completan las herramientas, sobre todo para detectar interacciones complejas. Sin embargo, conviene mantener interpretabilidad y controlar overfitting.

Factores que influyen en la probabilidad de siniestro

• Características del asegurado: edad, experiencia, historial de siniestros.
• Características del bien: edad del vehículo o vivienda, estado de conservación, medidas de seguridad instaladas.
• Condiciones externas: clima, densidad de tráfico, criminalidad en la zona.
• Cobertura y condiciones contractuales: límites, franquicias y exclusiones cambian el incentivo a reclamar y la exposición real.
• Selección adversa y riesgo moral: malas prácticas de suscripción y comportamientos del asegurado pueden aumentar la siniestralidad si no se controlan.
• Correlación y riesgo catastrófico: eventos que afectan a muchas exposiciones simultáneamente (inundaciones, terremotos) requieren modelos específicos.

Comparativa sencilla de modelos

Errores comunes y buenas prácticas

• No ajustar por exposición: comparar porcentajes sin normalizar lleva a sesgos.
• Usar muestras pequeñas sin ajustar la incertidumbre estadística.
• Ignorar cambios en el entorno o en la cartera (cambio de perfil de clientes, introducción de telemática).
• No validar modelos ni actualizarlos con datos recientes.
• Combinar modelos simples y análisis cualitativo: la decisión no debe basarse sólo en un número, sino en su comprensión y en pruebas.

Aplicaciones prácticas en finanzas personales y empresariales

Conocer la probabilidad de siniestro ayuda a:

• Calcular primas justas y comparar pólizas.
• Decidir sobre la conveniencia de franquicias o límites de cobertura.
• Planificar reservas y provisiones si se gestiona un riesgo propio (por ejemplo, flotas de vehículos en una empresa).
• Valorar la necesidad de reaseguro o cobertura adicional frente a eventos extremos.

Conclusión

Calcular la probabilidad de un siniestro combina datos, modelos estadísticos y juicio experta. Desde fórmulas sencillas (binomial o Poisson) hasta modelos complejos (GLM, simulaciones), la elección depende de la naturaleza del riesgo y de la calidad de los datos. Las estimaciones deben revisarse con regularidad y aplicarse junto a análisis cualitativos para tomar decisiones razonadas en tarificación, suscripción y gestión financiera.

¿Cuál es la diferencia entre frecuencia y severidad?

La frecuencia mide cuántos siniestros ocurren por unidad de exposición en un periodo (por ejemplo, siniestros por vehículo-año). La severidad mide cuánto cuesta, de media, cada siniestro. Ambos componentes determinan el coste esperado total: Coste esperado = frecuencia × severidad.

¿Qué modelo es mejor para estimar la probabilidad de siniestro?

No hay un único “mejor” modelo. Para eventos raros y muchas exposiciones, Poisson es una buena aproximación; si hay sobredispersión, binomial negativa; para pólizas individuales con observaciones limitadas, binomial. Modelos avanzados (GLM, machine learning) aportan mayor precisión si hay suficientes datos y se validan correctamente.

¿Cómo influye el historial del asegurado en la probabilidad?

El historial de siniestros es un predictor potente: un historial con reclamaciones aumenta la probabilidad estimada de futuros siniestros. Sin embargo, hay que controlarlo en modelos junto con otras variables para evitar sanciones indebidas y considerar cambios de conducta o medidas de mitigación.

¿Se puede calcular la probabilidad de siniestro sin datos históricos?

Es posible usar juicios expertos, benchmarks de mercado o datos externos, pero las estimaciones tendrán mayor incertidumbre. Es recomendable obtener datos propios lo antes posible y combinar enfoques cualitativos y cuantitativos mientras se construye una serie histórica fiable.

¿Qué papel juega el reaseguro en relación con la probabilidad de siniestro?

El reaseguro no cambia la probabilidad de que ocurra un siniestro, pero sí mitiga el impacto económico de siniestros severos o catastróficos sobre la compañía cedente. Las decisiones de reaseguro se basan en la distribución de probabilidad de pérdidas: cuánto y con qué probabilidad ocurren pérdidas grandes.

Contenido informativo y general. No es asesoramiento financiero, fiscal ni de inversión personalizado.