Artculo 5

Snchez Pia Eduardo

UNA APROXIMACIN A SOLVENCIA II Y BUSINESS INTELLIGENCE
Submitted by Juan Vidal on 26 July, 2011 - 23:37
El entorno financiero actual, la inestabilidad econmica y un mercado global poco
robusto han dado lugar a cambios importantes en el manejo del Riesgo. Han surgido en
estos aos diferentes marcos de regulacin como Basilea II en el entorno bancario.
Qu es Solvencia II?
Es una regulacin que afecta al negocio asegurador y que implica la implantacin de
sistemas de Control Interno y de Gestin de Riesgos ms eficientes. Se modifica la
valoracin de activos, pasivos y el clculo del margen de solvencia. Estos cambios
regulatorios modifican las provisiones de fondos a realizar por las compaas de seguros
en base al riesgo que en su operativa asumen. Para ello es crtico calcular de la forma
ms precisa el riesgo asumido. Considerando en esta medicin los datos referentes a
todos los componentes del riesgo (de mercado, operacionales, de crdito 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 supervisin
Pilar III: Disciplina de mercado (requerimientos de transparencia).

Qu papel juega el B.I. en Solvencia II?
Lgicamente la visin actual es una aproximacin inicial a unos cambios que a lo largo de
su implantacin definirn claramente los requerimientos en materia de B.I. y cmo el
propio B.I. dotar de soluciones a este cambio regulador. Trataremos de adelantar una
serie de cuestiones que hay que abordar:
Gestin de datos e informacin a considerar: Nos centramos en un modelo de datos
especfico para el sector asegurador, compaas de seguros de vida y no vida. Ms all
de un modelo clsico basado en la informacin relativa a la propia operativa del negocio,
tales como plizas, objeto o servicio asegurado, tomador, fraude, primas, coberturas,
siniestros, suscripciones, abandonos reclamaciones, etc., hay que poner el foco en
la informacin que nos clarifique el nivel de riesgo y la valoracin de recursos propios.
Profundizar en Informacin de clientes, informacin financiera y de marketing, as como
de la propia gestin de la compaa y de mercado con objeto de valorar correctamente
los riesgos y los requerimientos que exige Solvencia II.
Gestin de datos: Gestionar la disparidad de fuentes de origen, maestros de datos,
visin nica a nivel de compaa, diccionario nico de conceptos de negocio, calidad y
perfilado de datos, trazabilidad del dato. Necesidad de diferentes niveles de agregacin.
Del mismo modo, no olvidar que hablamos de sistemas con una profundidad histrica del
dato importante, en los que puede ser necesario recalcular datos. Ante la heterognea
naturaleza de la informacin de origen ser necesario una correcta segmentacin y
modelizacin temtica de los datos.
Validaciones: el nivel de complejidad de las validaciones a realizar en la informacin
recibida, va a ser alto. A parte de las validaciones tcnicas habituales (informacin
obligatoria, duplicidades, integridades, inconsistencias, criterios de homogeneizacin,
etc...), existirn una batera de validaciones funcionales en las que los cuadres contables
Artculo 5
Snchez Pia Eduardo
y las validaciones de activo y pasivo del balance sern crticas y en los que ser
necesario establecer puntos de control de cara a depurar y homogeneizar la informacin
recibida. Esto conlleva un proceso de validacin por fases.

Gestin particular datos de Riesgos: Correcta modelizacin buscando una correcta
clasificacin de riesgos, tipologa, segmentacin, diccionario de riesgos, jerarquas riesgo-
sub riesgo. Establecer relaciones en el modelo que faciliten la gil comparacin de la
informacin de riesgos con informacin de otra naturaleza, ejemplo: Binomios valor-
riesgo. Modelizacin que facilite la agregacin de riesgos y creacin de vistas segn nivel
de anlisis (estratgico, tctico y operacional).
Controles y mediciones:
En la implantacin de los sistemas B.I. estos deben identificar y poder medir todos los
aspectos que influyan en el clculo y control del riesgo. Valoracin de masas
patrimoniales, activos, pasivos, capital, calibracin, etc, sin entrar en una enumeracin
exhaustiva, entre ellos, cabe destacar:

Recursos propios exigibles: Determinacin del MCR (Minimum Capital Requirement) y
SCR (Solvency Capital Requirement).

Valoracin consistente con el mercado de las provisiones tcnicas (Best Estimate, Margin
Value Market).

Riesgos de mercado: divisas, tipos de inters, inmuebles, renta variable, etc
Riesgos de crdito: reaseguro, riesgo de concentracin, cartera de crdito, etc
Riesgo operacional: mtodos cualitativos y cuantitativos.
Riesgos de liquidez.
Riesgos de contrapartida.
Gestin del riesgo de balance.

En estas mediciones y controles el objetivo de los sistemas B.I. deben ser giles en los
clculos y estimaciones, deben anticipar riesgos y proponer y ejecutar de forma eficiente
las medidas a adoptar. Por otro debe dotar a la compaa un marco de definicin de
objetivos, niveles acceso a informacin y herramientas de anlisis y reporting que ayuden
a la alineacin de objetivos de gestin del riesgo estratgicos, con los tcticos y
operacionales, En particular, es crtica la coordinacin entre objetivos de gestin
financiera, marketing y de riesgos. Por ltimo, capacidad de divulgacin de las
conclusiones y resultados que se vayan obteniendo.

Sin pretender en entrar en un anlisis exhaustivo, a continuacin se listan algunos de los
procesos B.I. que sern necesarios implantar para dar soporte a los requerimientos que
impone Solvencia II.

Procesos de clculo y minera de datos:

El sistema deber combinar las herramientas cuantitativas necesarias (anlisis
descriptivo, simulacin Montecarlo, series temporales, etc...) con tcnicas actuariales.

Creacin y ajuste de modelos internos, estos modelos deben aplicar las tcnicas
estadsticas necesarias, realizar una adecuada calibracin y facilitar la divulgacin de los
Artculo 5
Snchez Pia Eduardo
resultados dentro de la compaa como informacin crtica y a aplicar en las diferentes
unidades de gestin de la compaa.

De especial relevancia las tcnicas de agregacin de Riesgos. Ejemplo: uso de matrices
de correlaciones y cpulas.

Seleccin de variables: Ante la disparidad de informacin a incorporar la seleccin de
variables se convierte en parte clave en todos los procesos de anlisis avanzado a
implementar. Como ejemplo en los estudios relativos a suscripcin vida (aumento de la
mortalidad por un ao, aumento gradual de la mortalidad, Incertidumbre de la mortalidad,
longevidad, volatilidad, etc...)

Diseo de los motores de clculo buscando un ptimo rendimiento y acortar los ciclos de
clculo, permitiendo anticipar riesgos con margen para ejecutar medidas correctoras.

Anlisis avanzado para proyectar con los flujos de cash. Ejemplo: seguros de vida
individuales, incluyendo adems las anualidades de todos los productos de vida y seguros
de inversin.

Stress testing. Ejemplo: Estimar el potencial efecto que importantes cambios en el la
coyuntura de mercado pueden producir en el riesgo de la compaa. Asegurar la solvencia
sometiendo al activo y pasivo del balance a pruebas de stress de coyuntura adversa de
mercado.

Entornos de simulacin. Creacin de escenarios de exposicin a determinados riesgos
buscando la ptima asignacin de capital, reducir prdidas no deseadas y maximizar el
rendimiento de las inversiones.

Procesos de estimacin de Reservas o provisiones tcnicas para Siniestros No-Vida. El
sistema debe soportar mtodos estocsticos, 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 cupn, renta variables, tipo
de cambio, fondos de inversin, depsitos bancarios, inmuebles, hedge funds etc
Derivados financieros: futuros, opciones, swaps, depsitos fiduciarios y SPV

Explotacin: anlisis, reporting, cuadros de mando:

En la definicin de la capa de explotacin y anlisis considerar tanto el anlisis y reporting
interno de la compaa como el regulatorio, que lgicamente tendrn requerimientos y
periodicidades distintas, pudiendo ser ms esttico y definido el regulatorio, frente a un
anlisis y explotacin interno ms dinmico que aparte de los informes predefinidos
deber facilitar el anlisis ad-hoc, anlisis multidimensional y deber considerar diferentes
niveles de anlisis (estratgico, tctico, operacional..), llegando al cuadro de mando
(KPIs, KRIs, objetivos, umbrales, alertas, cdigos semafricos, etc). El cuadro de
mando debe primar la identificacin de riesgos que requieren un mayor seguimiento.

Artculo 5
Snchez Pia Eduardo
En un proyecto de esta envergadura es importante evitar la sobreinformacin.
Racionalizar la definicin de KPIs, racionalizar el nmero de informes predefinidos, etc,
realizar auditoras de uso de la plataforma de explotacin con objeto de depurar aquellos
objetos de anlisis que caigan en desuso o se accedan muy puntualmente.

Capas de metadatos que permitan la comprensin y el acceso con el debido nivel de
permisos al repositorio central de informacin de riesgos a diferentes reas usuarias
(riesgos, marketing, financiero, recursos humanos, etc). En este acceso el usuario
precisar una informacin organizada y depurada de tal forma que facilite su
comparacin, sea coherente en el tiempo y completa. Primar acceso va web.

Procesos giles de publicacin y distribucin de informes y resultados obtenidos.

Ejecucin planificada de informes predefinidos. En particular, ejecucin automtica segn
calendario establecido de informes regulatorios exigidos.

Cuestiones tcnicas a considerar en la herramienta a adoptar.
El sistema debe primar la escalabilidad: la gestin del riesgo va a estar en constante
evolucin y sometidos a sucesivos cambios normativos.

Potente gestin de la metadata tcnica y funcional.

Flexibilidad y Capacidad de integracin con resto de sistemas y fuentes de datos.
Especial sintona 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
polticas de inversin.

Capacidades de trabajo colaborativo para facilitar el intercambio de informacin entre los
analistas, as como un sistema que defina roles en el proceso. Facilidad de uso que
permita el trabajo conjunto a perfiles de diferentes reas (analistas de riesgos, tcnicos
actuariales, financieros, marketing, sistemas de informacin, etc...).

Capacidades de publicacin y divulgacin de resultados. Capacidades de documentacin
que faciliten el proceso de auditora tanto interno, como externo.

Explotacin del sistema controlada y bajo la supervisin de un marco de IT Governance
(arquitectura, estndares, oficina de proyectos).

Los aspectos relativos a B.I. mencionados son una primera aproximacin a lo que el B.I
puede aportar a este marco regulatorio. Lgicamente, an queda un largo camino por
recorrer en las cuestiones relativas a Solvencia II, en este camino que ahora vemos como
una imposicin regulatoria que causa inquietud en las compaas de seguros, llegaremos
tambin a una mejor gestin, a una organizacin ms eficiente y descubriremos
problemas que mejorarn las propias soluciones de Business Analytics.

http://www.dataprix.com/