Anales2012 by Instituto de Actuarios Españoles

ANALES 2

Tercera Época Número 18 Año 2012

Consejo Editorial Jesús Vegas, Catedrático Universidad Complutense de Madrid Luis María Sáez de Jáuregui Sanz, Presidente del Instituto de Actuarios Españoles Julián Oliver, Actuario y Profesor Universidad Pontificia Comillas Montserrat Guillén Estany, Catedrática Universidad de Barcelona Ángel Vegas Muntaner, Actuario Consultor y Profesor Universidad Alcalá de Henares Amadeo Rodríguez, Gerente del Instituto de Actuarios Españoles

Comité científico Alba de, Enrique - Profesor Instituto Tecnológico Autónomo de Méjico Albarrán, Irene - Profesora Titular de la Universidad Carlos III de Madrid Arocha, Carlos - Vice President Swiss Reinsurance Company Ltd Betzuen, Amancio - Catedrático Universidad del País Vasco Boada, José - Presidente de Pelayo Mutua de Seguros Escuder, Roberto - Catedrático de la Universidad de Valencia Gil Fana, José A. - Catedrático Universidad Complutense de Madrid Heras, Antonio - Catedrático Universidad Complutense de Madrid López Zafra, Juan M. - Profesor Titular Universidad Complutense de Madrid Lozano, Cristina - Profesora Titular Universidad Pontificia de Comillas (ICADE) Moreno, Rafael - Profesor Titular Universidad de Málaga Peraita, Manuel - Director Peraita y Asociados, Honorary Fellow Institute of Actuaries Pérez, Mª José - Profesor Titular Universidad a Distancia de Madrid (UDIMA) Rodríguez-Pardo, José Miguel – Profesor Asociado Universidad Carlos III de Madrid Sarabia, José Mª - Catedrático Universidad de Cantabria Vázquez Polo, Francisco - Catedrático Universidad Las Palmas de Gran Canaria Vilar Zanón, José Luis - Profesor Titular Universidad Complutenese de Madrid Director de la Publicación Jesús Vegas Asensio, Catedrático de la Universidad Complutense de Madrid

Impreso en España Editor: Fecha Publicación: Depósito Legal: ISSN:

Instituto de Actuarios Españoles Noviembre 2012 M – 3160 – 1961 0534 – 3232

Imprime:

Albadalejo, S.L. C/ Antonio Alonso Martín, s/n Polígono Industrial Lama de Paracuellos 28860 Madrid

Buzón de sugerencias:

anales@actuarios.org

ANALES 2

Tercera Época Número 18 Año 2012

EDITORIAL El presente número de Anales del Instituto de Actuarios Españoles, incluye siete artículos de distintos investigadores de la Ciencia Actuarial y Financiera, de los cuales hay tres dedicados a la temática de Solvencia II, dos analizan aspectos de la reciente reforma de la Seguridad Social española y los dos trabajos restantes abordan cuestiones de actualidad como la modelización de la prevención de la dependencia y la elección de un punto de corte en la regresión logística basada en distancias. El artículo “Nuevos factores exógenos en la modelización de la dependencia: la inversión en prevención de la dependencia en la población de edad avanzada”, de los profesores Ramón Alemany Leira, Mercedes Ayuso Gutiérrez y Montserrat Guillén Estany, contiene una interesante contribución al seguro de dependencia. Básicamente esta contribución consiste en evaluar cuantitativamente un programa destinado a mejorar la calidad de vida de personas mayores de 65 años, es decir, en evaluar un programa de prevención de la dependencia; En concreto, se trata del programa de adaptación funcional del hogar implementado en 2011 por los servicios sociales del Ayuntamiento de Barcelona. La principal conclusión de este estudio de carácter empírico es que el ahorro obtenido en términos de cuidados a personas dependientes, puede alcanzar hasta 1,70 Euros por cada euro invertido en el citado programa de prevención, cifra estimada aplicando un riguroso análisis coste-beneficio con la consideración de los distintos niveles de dependencia. Respecto al trabajo de los profesores Teresa Costa Cor , Eva Boj del Val y José Fortiana Gregori, titulado “Bondad de ajuste y elección del punto de corte en regresión logística basada en distancias. Aplicación al problema de Credit Scoring” contiene un estudio de distintos criterios para la elección de un punto de corte adecuado en el modelo de regresión logística basado en distancias. Teniendo en cuenta el elevado grado de aplicación de la regresión logística en la Matemática y en la Estadística Actuarial, tanto en el ámbito asegurador como en el financiero, destaca la operatividad práctica de este análisis, que, en la presente colaboración, se aplica al problema del “Credit Scoring”. Los autores emplean como criterios de calidad del ajuste el coeficiente de Kolmogovov-Smirnov, mediante la representación de la curva ROC (característica operativa del receptor) para así obtener gráficamente el punto de corte que permite maximizar el citado coeficiente K-S y, en segundo lugar, el Índice de Gini como medida de calidad global del modelo. El estudio supone un avance respecto al ya maduro grado de investigación de los autores en esta materia, algunas de cuyas investigaciones anteriores están precisamente publicadas en nuestra revista, y destaca la coherencia entre la metodología empleada y los objetivos y resultados obtenidos, haciendo uso de datos empíricos de Australia y Alemania. El trabajo calcula los principales parámetros del modelo como la Deviance, la Null Deviance y el Akaike Information Criterion como pasos previos a la obtención de los distintos valores del coeficiente de K-S en función de los diferentes puntos de corte. El profesor Juan Casanovas Arbó, aborda un tema muy de actualidad como es el riesgo de suscripción dentro del marco de Solvencia II, referido al seguro no-vida y en particular al seguro de crédito. Con el Título “Capital requerido para el riesgo de suscripción en el ramo de crédito”, el autor analiza diferentes metodologías de cálculo del capital de solvencia (SCR), aplicables al ramo de crédito comercial, a partir del enfoque actuarial que supone considerar que un Modelo Interno se adecua, en general, mejor al perfil de riesgo de la Entidad que la fórmula standard. Para cada una de las cinco metodologías de cálculo estudiadas en este artículo se pone de manifiesto sus principales características y, en particular, sus propias limitaciones, lo que permite obtener conclusiones sobre los resultados esperados tras la aplicación de uno u otro método. También destacan por su interés el análisis efectuado sobre el “riesgo catastrófico”, así como sobre la duración del horizonte temporal a efectos del cálculo del SCR y sobre las cuestiones que se derivan de un enfoque demasiado a corto plazo en la modelización de esta clase de riesgos. Finalmente, el trabajo relaciona el SCR con el balance económico del asegurador (provisiones técnicas y margen de riesgo) y su rigor metodológico permite extrapolar una parte significativa de su contenido a otros seguros no vida, diferentes al ramo de crédito. Un planteamiento original de la reciente reforma de la Seguridad Social recogida en la Ley 27/2011, de 1 de Agosto, es el artículo “Muchos pierden y pocos ganan: efectos de la reforma legislativa sobre el poder adquisitivo del trabajador tras la jubilación”, cuyos autores son Ana Vicente Merino, Mª José Calderón Milán y Timoteo Martínez Aguado. Mediante el empleo de la denominada “tasa de sustitución” de las pensiones, en relación con el nivel salarial en el momento de la jubilación, se clasifican los cotizantes en “ganadores” o “perdedores” con el nuevo sistema. Los resultados del estudio indican una tasa de sustitución calculada con la base media de cotización de 3,42 puntos para los ganadores y 7,03 puntos para

los perdedores, mientras que calculada con la percepción dineraria media, resultan 1,45 puntos y 4,97 puntos, respectivamente. Los profesores Asier Garayeta Bajo, Iván Iturricastillo Plazaola y J. Iñaki De La Peña Esteban, abordan el nuevo marco regulatorio de la solvencia del Sector Asegurador (Solvencia II), mediante una perspectiva histórica. En la colaboración “Evolución del capital de Solvencia requerido en las aseguradoras españolas hasta Solvencia II”, se analiza con espíritu crítico la evolución experimentada en el cálculo de dicho capital en los últimos treinta años, destacando el paso de un enfoque estático a un planteamiento dinámico del negocio asegurador. El trabajo pone también de manifiesto la necesidad de modificaciones en la estructura organizativa de la aseguradora, la adecuada autoevaluación de las distintas clases de riesgos y cómo la gestión y toma de decisiones en el devenir diario de la empresa debe basarse en la modelización de la solvencia que se haya establecido al respecto, mediante el desarrollo de un cuadro de mando integral para la toma de decisiones donde estén involucrados los principales cuadros directivos de la organización. En línea con el nuevo marco normativo de solvencia se encuentra también el artículo “Fórmula de credibilidad para la estimación de las correlaciones entre líneas de negocio en el cálculo del SCR del módulo de suscripción no vida”, de los profesores Lluís Bermúdez y Antoni Ferri. Se trata de avanzar en la aplicación de modelos que utilicen parámetros específicos (UPS) o, directamente, en la aplicación de Modelos Internos adaptados a los riesgos característicos de la Entidad. Los autores proponen una fórmula de credibilidad basada en una metodología bayesiana al objeto de estimar los coeficientes de correlación entre dos líneas de negocio de la variable implícita para el riesgo de primas y reservas. La fórmula de credibilidad recogida en esta colaboración, combina la información del mercado (información a priori), con la información de la propia Entidad mediante la aplicación del Teorema de Bayes. Por tanto, para su utilización, sólo es necesario disponer del coeficiente de correlación muestral del mercado (se aplican los que figuran en la Matriz de Correlación del QIS-5), y en segundo lugar, del coeficiente de correlación estimado a partir de la experiencia de la aseguradora. También se dispone del número de observaciones (o años) de los que se han extraído los anteriores coeficientes de correlación muestrales. El artículo contiene algunas observaciones de interés que resultan de la aplicación de la fórmula de credibilidad a los datos agregados del sector asegurador español no vida. Este número de Anales del Instituto de Actuarios Españoles concluye con el trabajo “¿Está justificada la reforma del sistema público de pensiones español realizada en 2011 desde el punto de vista actuarial?”, de los profesores Manuel García García y Carlos Vidal Meliá, en el que también se abordan determinadas consecuencias de la reforma de las pensiones de la Seguridad Social de 2011. A este respecto los autores toman como referencia los sistemas de Suecia y de EEUU, sistemas avalados por prestigiosos autores como posibles sistemas de referencia pero también, como es lógico, con algunos puntos débiles. Destaca en este artículo, la puesta de manifiesto de la necesidad de rigor actuarial en el análisis de las prestaciones correspondientes a sistemas de previsión social. Entre sus conclusiones destacan cómo las reformas llevadas a cabo en la Ley 27/2011, no responden finalmente a los cuatro requerimientos básicos establecidos por los autores: Equidad; Transparencia; Solvencia y Comunicación con los afectados. Asimismo, destaca que el coste de la cobertura, precio de coste o coste de venta de la prestación valorada, es muy superior al precio de venta de la misma, lo que pone de relieve el problema actuarial que, previsiblemente, se ha pretendido reducir con la citada reforma del sistema público de pensiones en España. Me complace, asimismo, recordar a los autores y lectores en general, que nuestra revista está incluida en los índices ISOC, LATINDEX, RESH, DICE y CARHUS PLUS, lo cual constituye un claro reconocimiento a la calidad de Anales del Instituto de Actuarios Españoles Nuestra revista pretende dar servicio a la comunidad universitaria y profesional en el ámbito actuarial y financiero, por lo que, por ejemplo, las conclusiones de los trabajos publicados, no deben ser resúmenes de los mismos, sino una puesta de manifiesto de sus aplicaciones en la correcta valoración y/o gestión de los riesgos de naturaleza financiero-estocástica de que se trate. No quiero finalizar sin agradecer la labor desempeñada por los miembros del Comité Científico, del Consejo Editorial, de los restantes evaluadores, y animar a los actuarios y demás profesionales vinculados al área financiero-actuarial que envíen originales de carácter académico y/o profesional. Jesús Vegas Asensio Director

Anales del Instituto de Actuarios Españoles, 3ª época, 18, 2012/1-18

NUEVOS FACTORES EXÓGENOS EN LA MODELIZACIÓN DE LA DEPENDENCIA: LA INVERSIÓN EN PREVENCIÓN DE LA DEPENDENCIA EN LA POBLACIÓN DE EDAD AVANZADA Ramón Alemany Leira1, Mercedes Ayuso Gutiérrez1,a, Montserrat Guillén Estany1 Abstract In 2011 the Social Services of the Barcelona City Council launched a programme aimed at enhancing the quality of life for people over 65. The programme has introduced and funded technical support products or home repairs in order to increase personal autonomy. A group of 911 beneficiaries were selected. The main result is that the programme is clearly preventive. We demonstrate that for every unit euro invested in the programme, savings are larger than one and half euros in terms of long-term care saved due to increased quality of life. This result can be of great interest for long term care insurance. Keywords: disability, prevention, long term care insurance. Resumen En 2011 los Servicios Sociales del Ayuntamiento de Barcelona pusieron en marcha un programa para mejorar la calidad de vida de los individuos mayores de 65 años. El programa ha financiado ayudas técnicas o ha sufragado la realización de obras en el hogar con el objetivo de aumentar la autonomía personal de los individuos. Un grupo de 911 beneficiarios fueron seleccionados. El principal resultado es que el programa es claramente preventivo. Demostramos que por cada euro invertido en el programa, los ahorros en términos de cuidados de larga duración son superiores a un euro y medio. Este resultado puede ser de gran interés para el seguro de dependencia. 1

Dpto. Econometría, Estadística y Economía Española, RISC-IREA (ralemany@ub.edu, mayuso@ub.edu; mguillen@ub.edu); Universitat de Barcelona, Av. Diagonal, 690, 08034 Barcelona. Los autores agradecen la ayuda recibida del Ministerio de Ciencia e Innovación/Feder (ECO2010-21787). a Autor para correspondencia: mayuso@ub.edu Este articulo se ha recibido en versión revisada el 20 de julio 2012

Nuevos factores exógenos en la modelización de la … Anales 2012/1-18

Palabras clave: discapacidad, prevención, seguro de dependencia. 1. Introducción Desde un punto de vista actuarial el análisis de la probabilidad de ser dependiente se ha realizado tradicionalmente teniendo en cuenta factores endógenos asociados a la edad del individuo. Los estudios realizados a nivel nacional e internacional se han focalizado básicamente en el colectivo de individuos mayores de 65 años de edad, calculándose las funciones biométricas básicas (funciones censales de supervivencia, tantos anuales de fallecimiento y esperanzas de vida) para este colectivo. Para ello se han tenido en cuenta las tasas de prevalencia de la dependencia obtenidas a partir de estudios poblacionales; en el caso de España, de dos encuestas llevadas a cabo por el Instituto Nacional de Estadística (EDDES 1999, EDAD 2008), aunque usualmente se ha supuesto la probabilidad de fallecimiento de la población por la inexistencia de datos concretos sobre la mortalidad de dependientes en España. Sin embargo, la probabilidad de ser dependiente puede verse afectada por la influencia de factores exógenos no ligados estrictamente a la edad del individuo. Es el caso de la dependencia provocada por factores accidentales, como los accidentes de tráfico (Alemany et al., 2012; Ameratunga et al., 2004; Shults et al., 2004; Lund y Bjerkedal, 2001) o los accidentes laborales (Björnstig y Larsson, 1994; Alemany et al., 2012). En el caso de estos estudios se pone de manifiesto como el comportamiento de las tasas de prevalencia no sigue el comportamiento exponencial observado cuando únicamente se toman como referencia factores endógenos, relacionados con el envejecimiento. Sin embargo, en cualquiera de los trabajos mencionados en el párrafo anterior, el efecto de los factores accidentales se ha relacionado con incrementos en las tasas de prevalencia, en el sentido de considerarlos como causas adicionales que pueden provocar que un mayor número de individuos adquieran esta situación. El análisis de las causas que pueden afectar a la modelización de la probabilidad de ser dependiente nos lleva, en este trabajo, a considerar un enfoque alternativo, no tenido en cuenta hasta la fecha en el análisis actuarial de la dependencia. Nos referimos al estudio de políticas sociales o actuaciones que pueden contribuir a la reducción de las tasas de prevalencia de la dependencia. Son lo que denominamos políticas preventivas de la dependencia, y que cada vez están ganando más peso en las economías desarrolladas. 2

Ramón Alemany, Mercedes Ayuso y Montserrat Guillén - Anales 2012/1-18

Las estrategias de prevención en el caso de la dependencia pueden clasificarse en dos tipos: a) las dirigidas a reducir los riesgos exógenos (siniestralidad por accidentes, básicamente), y b) las que se concentran en retrasar lo máximo posible la entrada en una situación de discapacidad vinculada al proceso de envejecimiento. El primer grupo afecta especialmente a personas más jóvenes y el segundo a personas mayores. Los Servicios Sociales del Ayuntamiento de Barcelona en colaboración con la Asociación de Vida Independiente (AVI) pusieron en marcha en el 2011 un programa preventivo de entrada en situación de dependencia para personas mayores, y el objetivo de este artículo es analizar los principales resultados obtenidos a partir de las actuaciones realizadas, teniendo en cuenta la incidencia esperada en los valores estimados de las tasas de prevalencia de la dependencia para diferentes niveles de severidad. Además, se presentan los resultados de un estudio coste-beneficio de las inversiones realizadas, en términos del ahorro que se espera obtener como consecuencia del retardo en la entrada en situación de dependencia tras la aplicación del programa. Nuestra conclusión indica que el desarrollo de programas destinados a cubrir las necesidades de apoyo especialmente en personas mayores, puede combinar seguros y una adecuada oferta de servicios complementarios o ayudas técnicas, a fin de disminuir notablemente el coste de los productos aseguradores de dependencia. La estructura del artículo es la siguiente. En el apartado 2 presentamos un resumen de las principales características del programa preventivo puesto en marcha en Barcelona en el año 2011, haciendo referencia a uno de los estudios más relevantes utilizado como referente en la investigación llevada a cabo. En el apartado 3 presentamos la estimación de las tasas de prevalencia de la dependencia por edades y niveles de severidad, obtenidas a partir de la explotación de la Encuesta sobre Discapacidades, Autonomía personal y situaciones de Dependencia (EDAD 2008) realizada por el Instituto Nacional de Estadística en el año 2008. En el apartado 4 presentamos los datos utilizados en la aplicación empírica, y en el apartado 5 llevamos a cabo el análisis coste-beneficio de las actuaciones realizadas, presentando una estimación del impacto económico de la actividad preventiva en el retardo de entrada en dependencia. Concluimos este apartado y el trabajo mostrando cómo los programas de prevención tienen un fuerte impacto en el abaratamiento de los seguros de dependencia, de modo que pueden considerarse imprescindibles para que éstos puedan desarrollarse.

Nuevos factores exógenos en la modelización de la … Anales 2012/1-18

2. Estado de la cuestión La referencia más cercana al estudio aquí presentado lo encontramos en Heywood y Turner (2007) donde en un estudio realizado para el Gobierno Británico se pone de manifiesto la eficiencia de las inversiones realizadas en actividades preventivas de la dependencia, desde un punto de vista económico y de retardo en la entrada en situación de discapacidad. En el trabajo se tiene en cuenta no solo el impacto en la reducción de los costes de atención domiciliaria (eliminación o reducción del número de visitas diarias, o del tiempo que las necesitan), sino también la reducción de los costes de atención residencial, y el ahorro derivado de la prevención de accidentes (como, por ejemplo, evitando lesiones en las personas de edad más avanzada como las fracturas de cadera, la prevención de ingresos en centros hospitalarios, la prevención de necesitar tratamientos médicos adicionales, o la prevención de costes sanitarios adicionales para los cuidadores habituales o cuidadores informales, entre otros). En España, Poveda et al. (2008) analizan el impacto que la implementación de ayudas técnicas puede tener en las necesidades de los servicios de ayuda a domicilio. En el año 2011, los Servicios Sociales del Ayuntamiento de Barcelona, en colaboración con la AVI, pusieron en marcha el programa Adaptación funcional del hogar de las personas grandes y/o dependientes, con el objetivo de mejorar la calidad de vida de las personas mayores facilitando su realización de las actividades básicas de la vida diaria. Un total de 911 personas fueron seleccionadas en función de dos criterios fundamentales. Por un lado, ser usuarios del servicio de teleasistencia; por otro, tener un nivel de ingresos bajo. La gran mayoría de los individuos seleccionados vivían solos, y eran personas independientes con un determinado grado de dificultad para la realización de las actividades básicas de la vida diaria. El programa contemplaba fundamentalmente dos tipos de actuaciones. Por un lado, la concesión de ayudas técnicas adecuadas específicamente a la dificultad presentada por el individuo para la realización de las actividades básicas de la vida diaria (como por ejemplo, mesas adaptables para preparar la comida, agarradores para facilitar el desplazamiento,…) y por otro, la realización de obras en el hogar con el mismo objetivo (por ejemplo, cambio de bañeras por duchas). Cabe señalar que, el nivel de satisfacción manifestado por los receptores de dichas ayudas, fundamentalmente desde el punto de vista de mejora de la calidad de vida, aumento de la seguridad, y percepción de mejora en su estado de salud, pone de manifiesto la relevancia que este tipo de actuaciones pueden tener en la prevención de la

Ramón Alemany, Mercedes Ayuso y Montserrat Guillén - Anales 2012/1-18

dependencia, en el sentido de eliminar, o al menos dilatar en el tiempo, la aparición de mayores niveles de severidad de las discapacidades. La realización de actividades preventivas de entrada en situación de dependencia puede reducir notablemente el pago de prestaciones públicas derivado de la aplicación de la Ley 39/2006, de 14 de diciembre, por reducir la necesidad de ayuda de terceras personas. Recordemos que según el artículo 2.2 de la ley se define dependencia como el estado de carácter permanente en que se encuentran las personas que, por razones derivadas de la edad, la enfermedad o la discapacidad, y ligadas a la falta o a la pérdida de autonomía física, mental, intelectual o sensorial, precisan de la atención de otra u otras personas o ayudas importantes para realizar actividades básicas de la vida diaria. La prestación de ayudas técnicas, y/o la realización de obras en el hogar, puede reducir la necesidad de ayuda externa. Recordemos, además, que las dificultades económicas por las que está pasando el servicio público de ayuda a la dependencia en España (recientemente se ha pospuesto el pago de prestaciones para la cobertura del grado 1, dependencia moderada, al año 2015) puede ser además un factor adicional para potenciar la puesta en marcha de otras políticas sociales que, favoreciendo la ayuda a los discapacitados, deriven en menores costes económicos. Y estas políticas pueden ser de interés no solo para el sector público, sino también para el sector privado. Cabe señalar que el seguro de dependencia se está ofertando en España sin demasiado éxito hasta la fecha, a pesar de la incentivación fiscal que se le está otorgando.2 Además, el aumento de la autonomía personal, el mantenimiento de población activa, la prevención de riesgos en la realización de las actividades básicas de la vida diaria y el aumento de la calidad de vida, son todos ellos resultados que pueden interpretarse como claramente preventivos de la entrada en situación de dependencia, y no pueden ser ignorados por el sector asegurador. Para concluir este apartado cabe señalar que, atendiendo a la aplicación del baremo de medición de las discapacidades publicado en la ley se diferencian fundamentalmente cuatro niveles de severidad de la dependencia. En el primer nivel, denominado grado 0, el individuo se encuentra en la situación más leve de dependencia y se considera que no necesita ayuda diaria de otras personas. En el segundo nivel, denominado grado 1 o de dependencia moderada, el individuo necesita ayuda al menos una vez al día para realizar 2 En concreto, la Ley 27/2011, de 1 de agosto, sobre actualización, adecuación y modernización del sistema de la Seguridad Social, recoge diversas medidas tendentes a incentivar fiscalmente la cobertura del riesgo de dependencia mediante la contratación de seguros colectivos a partir del 1 de enero de 2013.

Nuevos factores exógenos en la modelización de la … Anales 2012/1-18

las actividades básicas de la vida diaria. En el grado 2 o de dependencia severa el individuo necesita ayuda dos o tres veces al día pero no requiere el apoyo o la supervisión permanente de un cuidador, y en el grado 3 o de dependencia total, el individuo requiere de ayuda para realizar las actividades básicas de la vida diaria varias veces al día requiriendo del apoyo continuo de otra persona por su pérdida de autonomía. En nuestro caso, las personas seleccionadas responden mayoritariamente a individuos con dependencia grado 0, es decir, personas que presentan dificultades en la realización de las actividades básicas pero que no requieren del apoyo diario de un cuidador. 3. Tasas de prevalencia de la dependencia según la EDAD 2008: análisis por edades y grados de severidad El objetivo es analizar el impacto económico que las medidas preventivas adoptadas pueden tener en el retraso en la entrada en mayores niveles de severidad de dependencia, por lo que analizaremos en primer lugar el comportamiento de las tasas estimadas de prevalencia de la dependencia a nivel poblacional. La estimación de las tasas de prevalencia de la dependencia para la población española adulta por intervalos de edad aparece recogida en la tabla 1. El cálculo se ha realizado a partir de la explotación directa de la encuesta EDAD 2008, aplicando el baremo de valoración de la dependencia.3 En este sentido hemos tenido en cuenta las 26 discapacidades consideradas en la aplicación de dicho baremo (ver anexo 1), y que están relacionadas fundamentalmente con la realización de las actividades básicas de la vida diaria. El análisis gráfico de las tasas estimadas de prevalencia de la dependencia presentadas en la tabla 1 (figura 1) refleja una clara acentuación del fenómeno de la dependencia en los individuos de mayor edad, asociado al envejecimiento de las personas. Según las estimaciones realizadas, un 18.33% de la población española de entre 65 y 74 años de edad muestra algún nivel de dependencia, cifra que se eleva al 34.14% cuando analizamos la población de entre 75 y 84 años de edad, y al 57.91% cuando seleccionamos los individuos más mayores, de 85 o más años. 3

RD 504/2007, de 20 de abril, por el que se aprueba el baremo de valoración de la situación de dependencia establecido por la Ley 39/2006, de 14 de diciembre, de Promoción de la Autonomía Personal y Atención a las Personas en Situación de Dependencia (B.O.E. nº 96, de 21 de abril de 2007) y actualizaciones.

Ramón Alemany, Mercedes Ayuso y Montserrat Guillén - Anales 2012/1-18

Tabla 1. Tasas estimadas de prevalencia de la dependencia en la población española adulta, y censo poblacional . Por intervalos de edad 18-24

25-34

35-44

45-54

55-64

65-74

75-84

85+

1.60%

2.15%

3.75%

6.52%

11.01%

18.33%

34.14%

57.91%

3,816,105

7,851,085

7,643,398

6,223,823

4,957,060

3,805,822

2,889,063

938,040

Fuente: Elaboración propia en base a EDAD 2008. Población española por intervalos de edad (INE, 2009).

Figura 1. Análisis gráfico de las tasas estimadas de prevalencia de la dependencia según la EDAD 2008 70,0% 60,0%

porcentajes

50,0% 40,0%

tasa de prevalencia de la dependencia

30,0% 20,0% 10,0% 0,0% 18-24 25-34 35-44 45-54 55-64 65-74 75-84 85+

edad

Fuente: elaboración propia en base a EDAD 2008.

Cuando en el análisis tenemos en cuenta la severidad de la dependencia, es decir, los grados de dependencia según la definición dada en la ley (tabla 2), destacamos la elevada presencia de individuos con dependencia grado 0 en las edades inferiores a los 65 años. Este porcentaje sigue siendo elevado en los individuos con edades comprendidas entre los 65 y 74 años de edad (un 69.42% de la población discapacitada) pero comienza a disminuir notablemente, en detrimento de un aumento en los mayores niveles de severidad, a partir de los 75 años de edad, y sobre todo en los individuos de 85 o más años. Dado que el objetivo de este artículo es analizar el efecto de un programa preventivo de entrada en situación de dependencia en la población de mayor edad, el intervalo de edades seleccionado ha sido el 65 o más años.

Nuevos factores exógenos en la modelización de la … Anales 2012/1-18

Tabla 2. Tasas estimadas de prevalencia del nivel de severidad de la dependencia en la población española adulta discapacitada

Grado 0 Grado 1 Grado 2 Grado 3

18-24

25-34

35-44

45-54

55-64

65-74

75-84

66.17% 15.03% 8.95% 9.84%

74.64% 11.10% 6.40% 7.86%

79.08% 11.14% 5.74% 4.05%

77.21% 13.98% 5.64% 3.17%

78.06% 13.56% 5.30% 3.08%

69.42% 16.45% 7.92% 6.22%

57.92% 20.03% 11.62% 10.43%

Fuente: Elaboración propia en base a EDAD 2008.

Se trata de analizar si la puesta en marcha de políticas preventivas de la dependencia y de potenciación de la autonomía personal en los individuos de edad avanzada está justificada, adoptando un enfoque de análisis costebeneficio. En definitiva, analizar la inversión que habría que realizar para adaptar los hogares de las personas para reducir la necesidad de ayuda de terceras personas en la realización de las actividades de la vida diaria, y el beneficio que de ello podría derivarse, teniendo en cuenta el retraso en la entrada en mayores niveles de severidad. 4. Los datos: el Programa de Adaptación Funcional del hogar de las personas grandes y/o dependientes Las 911 personas beneficiarias del Programa de Adaptación Funcional del hogar de las persones grandes y/o dependientes durante el año 2011 fueron seleccionadas por los Servicios Sociales del Ayuntamiento de Barcelona. Como ya hemos comentado en páginas anteriores el programa tiene como principal objetivo mejorar la calidad de vida y autonomía de las personas mayores, concediendo ayudas técnicas adecuadas específicamente a la dificultad presentada para la realización de las actividades básicas de la vida diaria y/o realizando obras en el hogar. El listado de ayudas técnicas es extenso y contempla instrumentos para facilitar la higiene de los individuos (sillas giratorias de bañera, asientos de ducha, alzadores de WC, barras de apoyo,…), instrumentos para mejorar las tareas de cocinar, comer y vestirse (mesas adaptadas para preparar alimentos, vasos ergonómicos, manteles antideslizantes, calzadores de mango largo,…), instrumentos para mejorar la movilidad (caminadores, pasamanos,…), e instrumentos para mejor la comunicación (teléfonos con pantalla y teclas grandes, teléfonos con fotos en las teclas,…), entre otros.

85+ 38.86% 20.21% 16.91% 24.02%

Ramón Alemany, Mercedes Ayuso y Montserrat Guillén - Anales 2012/1-18

La composición de la muestra de estudio por edades y género aparece reflejada en la tabla 3. En términos agregados, un 94.8% de los individuos analizados son personas de más de 75 años de edad, siendo fundamentalmente del género femenino. Adicionalmente, y teniendo en cuenta la explotación de los datos realizada, cabe destacar que un 92.42% de los individuos vivían solos en sus hogares, y un 97.26% tenían servicio de teleasistencia. Un 73.29% eran usuarios de la tarjeta de transporte público gratuito o de tarifa reducida4 facilitada por el Ayuntamiento de Barcelona, lo que indica un nivel de ingresos bajos. Tabla 3. Composición de la muestra por edades y sexo

65-69 70-74 75-79 80-84 85-89 90-94 Más de 95 No respuesta Total

Hombres

Mujeres

Total

2 (0.021) 1 (0.011) 22 (0.232) 42 (0.442) 22 (0.232) 3 (0.032) 0 (0.000) 3 (0.032) 95

4 (0.005) 40 (0.049) 201 (0.246) 347 (0.425) 195 (0.239) 14 (0.017) 10 (0.012) 5 (0.006) 816

6 (0.007) 41 (0.045) 223 (0.245) 389 (0.427) 217 (0.238) 17 (0.019) 10 (0.011) 8 (0.009) 911

Fuente: Elaboración propia. Frecuencias relativas (respecto columna) entre paréntesis.

En términos del nivel de autonomía en la realización de las actividades básicas de la vida diaria presentado por cada una de las personas beneficiarias del proyecto, los expedientes de valoración diferencian fundamentalmente cuatro niveles: a) independiente, b) independiente con dificultades, c) parcialmente dependiente, y d) totalmente dependiente. Según los resultados obtenidos (tabla 4) solo en un 0.10% de los casos se considera que el individuo es independiente, es decir, con total autonomía para la realización de las actividades. La categoría más frecuente es la 4 Tarjeta personal e intrasferible con la que se puede viajar en transporte público gratutitamente o con tarifa reducida en Barcelona.

Nuevos factores exógenos en la modelización de la … Anales 2012/1-18

asociada a individuos independientes pero con alguna dificultad en la realización de las tareas básicas, con un 94.73% de los casos. El examen detallado de los expedientes ligados a estos individuos nos pone de manifiesto una situación equiparable al grado 0 señalado por la ley de dependencia, en el sentido de que las limitaciones que padecen pueden verse reducidas con el ofrecimiento de ayudas técnicas de apoyo, o de realización de obras en el hogar. Se trata de personas que comienzan a mostrar dificultades para realizar tareas cotidianas y para quien las ayudas técnicas y reformes del programa pueden suponer un retardo del inicio de la dependencia. Tabla 4. Limitaciones de autonomía en la realización de las actividades básicas de la vida diaria, por sexos Hombres

Mujeres

Total

Independiente Independente con dificultades

1.05% 85.26%

. 95.83%

0.10% 94.73%

Parcialmente dependiente

12.63%

3.06%

4.06%

Totalmente dependiente

0.49%

0.43%

No respuesta

1.05%

0.61%

0.65%

Total

100.0%

Fuente: Elaboración propia.

Respecto a las principales limitaciones observadas en el colectivo de estudio cabe destacar aquellas relacionadas con problemas de movilidad. En este sentido, solo el 37.54% de los beneficiarios declara ser autónomo para sus desplazamientos dentro del hogar y el 54.5% requiere una ayuda técnica (bastón, muleta o similar). Más de un tercio de los beneficiarios declara tener problemas para mover piernas y brazos. Respecto a otras actividades básicas de la vida diaria, el 62.35% de las personas analizadas tienen problemas para vestirse, y el 4.17% tienen problemas para comer de forma autónoma. Al 46.21% de las personas valoradas les cuesta entrar en la bañera y al 11.42% les cuesta entrar en la ducha. Finalmente, al 76.4% de las personas valoradas les cuesta levantarse del WC, y el 25.5% tienen problemas para utilizarlo.

Ramón Alemany, Mercedes Ayuso y Montserrat Guillén - Anales 2012/1-18

5. Análisis coste-beneficio de las actuaciones realizadas: estimación del impacto económico de la actividad preventiva en el retardo de entrada en dependencia Nuestro objetivo se centra ahora en analizar los efectos del Programa de adaptación funcional del hogar desde un punto de vista económico, valorando las consecuencias que el mismo puede tener en el retardo de entrada en dependencia, entendida como la necesidad permanente de ayuda de terceras personas. En el proceso procedemos a cuantificar, por un lado, el coste de las actuaciones realizadas, y por otro, el ahorro que podría derivarse de la menor necesidad de ayuda de terceras personas para la realización de las actividades básicas de la vida diaria, gracias a las ayudas técnicas recibidas. En el primer paso utilizamos información sobre el número de ayudas técnicas y obras realizadas por el Centro de Vida Independiente, así como el coste medio asociado a cada una de las actuaciones. En el segundo, formulamos escenarios sobre la permanencia en niveles menos severos de dependencia como consecuencia de las ayudas recibidas. En este segundo caso, utilizamos simultáneamente información sobre el coste de diferentes servicios públicos de ayuda a la dependencia, tal y como publica el IMSERSO (2008). 5.1 El coste de las actuaciones realizadas A modo de resumen, en el total de actuaciones realizadas en el 2011 por el Centro de Vida Independiente se colocaron cerca de 2,000 elementos para facilitar la movilidad y la transferencia de las personas evaluadas, y se facilitaron más de 1,700 utensilios relacionados con la higiene y el uso del WC. A más de la mitad de los usuarios se les facilitaron utensilios para ayudar a vestirse y mecanismos para la cocina. En términos de si la actuación consistió en la prestación de ayudas técnicas o en la realización de obras en el hogar cabe señalar que el 71.35% de las actuaciones llevadas a cabo no requirieron efectuar obras en el hogar de los beneficiarios (y en caso de realizarse, fundamentalmente consistieron en el cambio de bañeras por platos de ducha). En términos económicos, el coste medio de las actuaciones realizadas por el Centro de Vida Independiente en 2011 fue de 933.5 euros en el caso de ofrecer únicamente ayudas técnicas a los beneficiarios, y de 2,712.5 euros en el caso de tener que hacer obras en el hogar. 11

Nuevos factores exógenos en la modelización de la … Anales 2012/1-18

5.2. Impacto económico esperado del retraso de la entrada en mayores niveles de severidad de dependencia El análisis de eficiencia de la actuación realizada se ha llevado a cabo teniendo en cuenta las tasas estimadas de prevalencia de la dependencia obtenidas de la explotación de la encuesta EDAD 2008, que han sido presentadas en el apartado 3 (tabla 2). En el estudio, y teniendo en cuenta las valoraciones positivas emitidas por los receptores de las ayudas sobre su aumento en el nivel de autonomía para la realización de las actividades básicas de la vida diaria, planteamos como hipótesis de partida que las actuaciones realizadas (ayudas técnicas y/u obras en el hogar) retrasan la entrada del individuo en el padecimiento de mayores niveles de severidad de la dependencia. En este sentido, suponemos que las tasas estimadas de prevalencia de cada uno de los niveles de severidad de la dependencia para un intervalo de edades [xi, xs] se mantienen en el intervalo siguiente en caso de aplicarse un programa preventivo como el detallado en este trabajo. En caso contrario, las tasas de prevalencia para el intervalo de edades siguiente sería el estimado según la EDAD 2008. La cuantificación del coste individual esperado anual de los cuidados de larga duración para cada nivel de severidad de la dependencia se ha realizado teniendo en cuenta la información suministrada por el IMSERSO (2008), y en base a escenarios de necesidades de ayuda ya utilizados en trabajos anteriores (Artís et al., 2007; Ayuso y Guillén, 2010). Dichos costes se han estimado teniendo en cuenta los diferentes servicios ofertados desde el servicio público de ayuda a la dependencia. Nótese que en la dependencia de grado 0 no se contempla el ofrecimiento de ningún tipo de ayuda pública por lo que el coste esperado en este caso se supone igual a cero. Los resultados obtenidos en el análisis realizado para la muestra de estudio quedan recogidos en la tabla 5. Recordemos que, según los datos presentados en la tabla 3, un 5.2% de los individuos tienen entre 65 y 74 años de edad (un total de 47 personas), un 67.2% tienen entre 75 y 84 años de edad (612 personas), y finalmente, un 26.8% tienen 85 o más años (244 personas). La interpretación de la tabla es la siguiente. Las columnas con las tasas de prevalencia de la dependencia para cada nivel de severidad indican los valores estimados a partir de la encuesta EDAD 2008. Tal y como hemos comentado en párrafos anteriores, establecemos la hipótesis de que las ayudas técnicas ofrecidas dentro del programa funcional del hogar (que hemos denominado con actuaciones de apoyo a la autonomía) suponen un retraso en la entrada en mayores niveles de severidad de dependencia, por lo 12

Ramón Alemany, Mercedes Ayuso y Montserrat Guillén - Anales 2012/1-18

que las tasas presentadas en este caso en un intervalo de edad son las estimadas en el intervalo inmediatamente anterior (ver tabla 2). El coste anual esperado en cada situación se obtiene multiplicando el número de personas dependientes en cada nivel de severidad (en función de las tasas de prevalencia) por el coste individual anual en función de las necesidades de cuidados de larga duración para cada grado (Ayuso y Guillén, 2010). De este modo, el coste total anual esperado en cuidados de larga duración en caso de no haber realizado un programa preventivo de ayuda a la autonomía se estima en aproximadamente 9.6 millones de euros, cifra que disminuye hasta 7.4 millones de euros aproximadamente en caso de haber realizado actuaciones en este sentido. El ahorro esperado como consecuencia del programa desarrollado se estima, por tanto, en aproximadamente 2.2 millones de euros. La inversión media realizada en el marco del programa de adaptación funcional del hogar ha sido de aproximadamente 1.3 millones de euros, teniendo en cuenta que un 71.35% de los beneficiarios recibieron ayudas técnicas y a un 28.65% se les hicieron obras en el hogar. Los costes medios utilizados en cada caso han sido presentados en el apartado 5.1. En conclusión, el rendimiento obtenido de la actuación realizada pone de manifiesto que por cada euro invertido se obtiene un ahorro de aproximadamente 1.7 euros, en términos del coste ahorrado en cuidados de larga duración.

Nuevos factores exógenos en la modelización de la … Anales 2012/1-18

Tabla 5. Análisis coste-beneficio del programa de adaptación funcional del hogar de las personas mayores (actuaciones de apoyo a la autonomía) Individuos de 65 o más años

Intervalos de edad 65-74 (n=47)

Nivel de dependencia Grado 0 Grado 1 Grado 2 Grado 3 Coste anual esperado** (en euros)

75-84 (n=612)

85 o más (n=244)

Sin actuaciones de apoyo a la autonomía

Con actuaciones de apoyo a la utonomía

Sin actuaciones de apoyo a la autonomía

Con actuaciones de apoyo a la autonomía

Sin actuaciones de apoyo a la autonomía

Con actuaciones de apoyo a la autonomía

ˆt

ˆt *

ˆt

0.579 0.200 0.116 0.104

0.694 0.165 0.079 0.062

0.389 0.202 0.169 0.240

0.579 0.200 0.116 0.104

0.261 0.204 0.246 0.553

0.389 0.202 0.169 0.240

284,140.63 (a)

272,570.76 (b)

5,558,782.81 (c)

4,583,102.04 (d)

3,778,235.20 (e)

2,568,383.51 (f)

Total coste anual esperado en cuidados de larga duración sin actuaciones de apoyo a la autonomía (a)+(c)+(e), datos en euros Total coste anual esperado en cuidados de larga duración con actuaciones de apoyo a la autonomía (b)+(d)+(f), datos en euros Ahorro esperado (datos en euros) Inversión en las actuaciones de apoyo a la autonomía personal (ayudas técnicas y/u obras) Rendimiento (Ahorro/Inversión)

9,621,158.64 7,424,056.32 2,197,102.31 1,303,194.70

Fuente: Elaboración propia. ˆt tasas estimadas de prevalencia de la dependencia. *Tasas calculadas aplicando el porcentaje de reducción de la tasa de prevalencia del grado 0 observada entre los intervalos de edad anteriores al estudiado (-32.91%) y los porcentajes de aumento observados para los grados 1, 2 y 3 (0.90%, 45.52% y 130.30%, respectivamente). ** Según Ayuso y Guillén (2010) el coste individual estimado de cuidados de larga duración para una persona dependiente de grado 1 (dependencia moderada) es de 13,917.45 euros (servicio de atención a domicilio durante tres horas al día); para una persona dependiente de grado 2 (dependencia severa) es de 12,512.47 euros (ingreso en un centro de día más una hora diaria de atención domiciliaria), y para un dependiente de grado 3 (dependiente total) de 17,295.60 euros (ingreso en una residencia).

El ahorro esperado en términos de menores costes en cuidados de larga duración resulta de gran importancia no solo de cara a apostar por la puesta en marcha de políticas sociales dirigidas a prevenir la entrada en dependencia, sino también para buscar fórmulas alternativas de diseño de 14

1.69

Ramón Alemany, Mercedes Ayuso y Montserrat Guillén - Anales 2012/1-18

seguros privados de dependencia que permitan ofertar este tipo de productos a unas primas inferiores a las actuales. En este tipo de productos, la oferta de prestaciones (no demasiado costosas, como ha quedado de manifiesto en este trabajo) que retrasen la entrada en mayores niveles de severidad de la dependencia puede compensar notablemente los mayores costes que se derivarían de la entrada en situaciones de dependencia moderada, severa y grave, sobre todo en las edades más avanzadas de los individuos. 6. Conclusiones Los programas preventivos de entrada en situación de dependencia, aunque ampliamente reconocidos por los expertos, no habían podido ser evaluados de forma económica. Este artículo supone una aportación en esta dirección. Las inversiones en prevención se demuestra que son beneficiosas desde el punto de vista del ahorro que suponen en los cuidados de larga duración que dejan de prestarse, o que tienen una menor intensidad de la que cabría que tuvieran si no se hubiera desarrollado un programa de ayudas técnicas. Según las estimaciones realizadas en base al Programa de adaptación funcional del hogar puesto en marcha en el año 2011 por los Servicios Sociales del Ayuntamiento de Barcelona en colaboración con el Centro de Vida Independiente el ahorro esperado puede llegar a alcanzar aproximadamente dos millones de euros, con una rentabilidad de la inversión (ahorro/inversión) de 1.70 euros. Hasta ahora los seguros de dependencia en España se han centrado en la oferta de coberturas que entran en funcionamiento cuando la persona tiene alguno de los grados de dependencia reconocidos por la ley. Estas coberturas han adoptado fundamentalmente la forma de prestación de servicios y/o pagos de capital, con unas primas habitualmente muy elevadas, lo que ha frenado su desarrollo. El trabajo que aquí presentamos amplía las posibilidades de tarificación de los seguros de dependencia, incorporando actuaciones preventivas. Los resultados obtenidos ponen de manifiesto la necesidad de tener en cuenta los beneficios de la implementación de las ayudas técnicas, no sólo ya por el beneficio neto que suponen por sí mismas, sino porque dichos beneficios pueden repercutir en la moderación de las primas que son ya de por si elevadas. El presente análisis contribuye a cuantificar la rentabilidad que la prevención de la dependencia significa, lo que puede ayudar a las aseguradoras a valorar si las coberturas ofertadas en los seguros de dependencia pueden contemplar 15

Nuevos factores exógenos en la modelización de la … Anales 2012/1-18

las ayudas técnicas en la cesta de prestaciones. En opinión de los autores y tras el análisis empírico llevado a cabo y relatado a lo largo del trabajo, proporcionar ayudas técnicas a personas con necesidad de apoyo que no muestran todavía un grado de severidad elevado, puede proporcionar beneficios sustanciales porque implican un retraso en la evolución de la dependencia. Anexo 1 Tipos de discapacidades para la realización de las actividades básicas de la vida diaria utilizadas en la aplicación del Baremo de valoración del nivel de severidad de la dependencia 1. Tiene dificultad importante para prestar atención con la mirada o mantener la atención con el oído. 2. Tiene dificultad importante para aprender a leer, aprender a escribir, aprender a contar (o calcular), aprender a copiar o aprender a manejar utensilios. 3. Tiene dificultad importante para llevar a cabo tareas sencillas sin ayudas y sin supervisión. 4. Tiene dificultad importante para llevar a cabo tareas complejas sin ayudas y sin supervisión. 5. Tiene dificultad importante para mantener el cuerpo en la misma posición sin ayudas y sin supervisión. 6. Tiene dificultad importante para cambiar de postura sin ayudas y sin supervisión. 7. Tiene dificultad importante para andar o moverse dentro de su vivienda sin ayudas y sin supervisión. 8. Tiene dificultad importante para andar o moverse fuera de su vivienda sin ayudas y sin supervisión. 9. Tiene dificultad importante para desplazarse utilizando medios de transporte como pasajero sin ayudas y sin supervisión. 10. Tiene dificultad importante para conducir vehículos sin ayudas. 11. Tiene dificultad importante para lavarse o secarse las diferentes partes del cuerpo sin ayudas y sin supervisión. 12. Tiene dificultad importante para realizar los cuidados básicos del cuerpo sin ayudas y sin supervisión. 13. Tiene dificultad importante para controlar las necesidades o realizar las actividades relacionadas con la micción sin ayudas y sin supervisión. 14. Tiene dificultad importante para controlar las necesidades o realizar las actividades relacionadas con la defecación sin ayudas y sin supervisión. 16

Ramón Alemany, Mercedes Ayuso y Montserrat Guillén - Anales 2012/1-18

15. Tiene dificultad importante para vestirse o desvestirse sin ayudas y sin supervisión. 16. Tiene dificultad importante para llevar a cabo las tareas de comer o beber sin ayudas y sin supervisión. 17. Tiene dificultad importante para organizar, hacer y trasladar las compras de la vida cotidiana sin ayudas y sin supervisión. 18. Tiene dificultad importante para preparar comidas sin ayudas y sin supervisión. 19. Tiene dificultad importante para ocuparse de las tareas de la casa sin ayudas y sin supervisión. 20. Tiene dificultad importante para cumplir las prescripciones médicas sin ayudas y sin supervisión. 21. Tiene dificultad importante para evitar situaciones de peligro en la vida diaria sin ayudas y sin supervisión. 23. Tiene dificultad importante para crear y mantener relaciones familiares. 24. Tiene dificultad importante para crear y mantener relaciones sentimentales, de pareja o sexuales. 25. Tiene dificultad importante para crear y mantener relaciones con amigos/as, vecinos/as, conocidos/as o compañeros/as. 26. Tiene dificultad importante para crear y mantener relaciones con personas subordinadas, iguales o con cargos superiores.

7. Bibliografía Alemany, R., Ayuso, M. y M. Guillén (2012). Incidence of road traffic injuries in Spanish disability rates and long term costs. Working paper. Alemany, R., Bolancé, C. y M. Guillén (2012). Disability caused by occupational accidents in the Spanish long-term care system. En A.M. GilLafuente et al (eds.): Soft Comput. in Manag. and Bus.Econ., STUDFUZZ 287, pp. 167-176, Springer-Verlag Berlin Heidelberg. Ameratunga, S.N., Norton, R.N., Bennett, D.A. y R.T. Jackson (2004). Risk of disability due to car crashes: a review of the literature and methodological issues. Injury 35, 1116-1127. Artís, M., Ayuso, M., Guillén, M. y M. Monteverde (2007). Una estimación actuarial del coste individual de la dependencia en la población de mayor edad en España. Estadística Española 49, 165, 373-402. Ayuso, M. y M. Guillén (2011) El coste de los cuidados de larga duración en España bajo criterios actuariales: ¿es sostenible su financiación? El Estado de bienestar en la encrucijada: nuevos retos ante la crisis global. Serie

Nuevos factores exógenos en la modelización de la … Anales 2012/1-18

Ekonomi Gerizan XVIII, Federación de Cajas de Ahorros Vasco-Navarras. Vitoria-Gasteiz. Heywood, F.S. y L. Turner (2007). Better outcomes, lower costs: implications for health and social care budgets of investment in housing adaptations, improvements and equipment - a review of the evidence. Office for Disability Issues, Department of Work and Pensions, HMSO. Reino Unido. IMSERSO (2008). Informe anual 2008. Instituto de Mayores y Servicios Sociales. Madrid. Instituto Nacional de Estadística, INE (1999) Encuesta sobre Discapacidades, Deficiencias y Estado de Salud, EDDES 1999. Instituto Nacional de Estadística, INE (2008) Encuesta sobre Discapacidades, Autonomía personal y situaciones de Dependencia, EDAD 2008. Björnstig, U. y T.J. Larsson (1994). Persistent medical problems and permanente impairment: injuries associated with work, vehicles, and sports. Accident Analysis and Prevention 26,1, 41-48. Lund, J. y T. Bjerkedal (2001). Permanent impairments, disabilities and disability pensions related to accidents in Norway. Accident Analysis and Prevention 33, 19-30. Shults, R.A.; Jones, B.H., Kresnow, M., Langlois, J.A. y J.L. Guerrero (2004). Disability among adults injured in motor-vehicle crashes in the United States. Journal of Safety Research 35, 447-452.

Anales del Instituto de Actuarios Españoles, 3ª época, 18, 2012/19-40

BONDAD DE AJUSTE Y ELECCIÓN DEL PUNTO DE CORTE EN REGRESIÓN LOGÍSTICA BASADA EN DISTANCIAS. APLICACIÓN AL PROBLEMA DE CREDIT SCORING.† Teresa Costa Cor1, Eva Boj del Val2 y José Fortiana Gregori3 ABSTRACT The goal of this paper is finding and evaluating criteria for choosing an adequate group assignation cut point from probabilities predicted by the distance-based logistic regression model, with application to credit scoring problems. Goodness-of-fit is assessed by means of the Kolmogorov-Smirnov and Gini index statistics, in concert with the ROC curve. Resulting misclassification probabilities and error cost functions are evaluated. Applications to real datasets, namely two credit risk portfolios, illustrate the procedure. Computations are performed with the dbstats package in the R environment. KEY WORDS: Credit scoring; Distance-based logistic regression; cut-off point; ROC curve; Probability of default, dbstats. RESUMEN En este trabajo se estudian criterios para la elección de un punto de corte adecuado en el modelo de regresión logística basado en distancias. Todo ello con aplicación al problema de credit scoring. Los criterios de calidad de ajuste que se analizan son el coeficiente Kolmogorov-Smirnov y el índice de Gini, junto con la representación gráfica ROC. También se calculan las probabilidades de mala clasificación y unas funciones de coste del error. Se †

Trabajo financiado por el Ministerio de Educación y Ciencia, proyecto número MTM2010-17323, y por la Generalitat de Catalunya, AGAUR, proyecto número 2009SGR970. 1 Autora de correspondencia. Profesora Titular de Escuela Universitaria. Departamento de Matemática Económica, Financiera y Actuarial. Facultad de Economía y Empresa. Universidad de Barcelona. Avenida Diagonal 690, 08034_Barcelona. España. E-mail: tcosta@ub.edu 2 Profesora Titular de Universidad. Departamento de Matemática Económica, Financiera y Actuarial. Facultad de Economía y Empresa. Universidad de Barcelona. Avenida Diagonal 690, 08034_Barcelona. España. E-mail: evaboj@ub.edu 3 Profesor Titular de Universidad. Departamento de Probabilidad, Lógica y Estadística. Facultad de Matemáticas. Universidad de Barcelona. Gran Vía de las Cortes Catalanas 595, 08007_Barcelona. España. E-mail: fortiana@ub.edu Este artículo ha sido recibido en versión revisada el 24 de septiembre de 2012.

Bondad de ajuste y elección del punto de corte en regresión – Anales 2012/19-40

realiza la aplicación a dos carteras de datos reales de riesgo de crédito haciendo uso del paquete dbstats de R. 1. INTRODUCCIÓN En trabajos anteriores (ver Boj et al., 2009b, 2011) se explica con detalle la importancia para las Entidades Financieras de realizar un cálculo preciso de las primas por riesgo de crédito. Estas primas se calculan haciendo uso de las probabilidades de insolvencia de los riesgos a partir de un modelo de credit scoring. En Boj et al. (2009b) se propuso la aplicación de análisis discriminante basado en distancias (BD) en este problema y, posteriormente, en Boj et al. (2011) se propuso la aplicación de regresión logística BD (presentada inicialmente en Boj et al., 2008), ésta última utilizando un punto de corte de 0.5 para el cálculo de las matrices de confusión. Este trabajo se centra nuevamente en la técnica de regresión logística BD, ampliando su estudio para diferentes puntos de corte dentro del intervalo (0,1). La justificación de este objetivo teórico del modelo está en que no siempre es adecuado utilizar el punto de corte 0.5 si contamos con datos reales no balanceados. En credit scoring es el caso en que los individuos insolventes no suponen aproximadamente la mitad de la cartera. Se analizan como medidas de calidad de ajuste el coeficiente KolmogorovSmirnov (K-S) y el índice de Gini, y se realiza la representación gráfica de la curva ROC obtenida con regresión logística BD. En la curva ROC se representan los resultados para diferentes puntos de corte teniendo en cuenta el coeficiente K-S, cuyo máximo genera un óptimo según dicho criterio. El índice de Gini se calcula únicamente como medida global del modelo, pues tiene en cuenta todos los puntos de corte adecuados o no. Además, para completar el estudio se calculan las probabilidades de mala clasificación y las funciones de coste del error que se describieron en Boj et al. (2009b) como criterios de elección de modelo de credit scoring, aquí para diferentes puntos de corte. El estudio de sensibilidad que se realiza en este artículo de las diferentes medidas ante cambios en el punto de corte con variaciones entre 0 y 1 para el modelo de regresión logística BD, tiene su motivación en las sugerencias recibidas durante el congreso RISK2011 celebrado en Sevilla y en el cuál se presentó el trabajo de Boj et al. (2011). Se agradecen los comentarios

Teresa Costa Cor, Eva Boj del Val y José Fortiana Gregori – Anales 2012/19-40

recibidos por parte de los participantes ya que han ayudado a completar este estudio. Se realizan dos aplicaciones con conjuntos de datos reales de riesgo de crédito, los cuales pueden ser descargados gratuitamente junto con su descripción del repositorio Machine Learning Repository4. Ambas carteras pertenecen a Entidades Financieras, la primera, “Statlog (Australian Credit Approval)” 5, a una Financiera australiana y la segunda, “Statlog (German Credit Data)” 6, a una alemana. Estos datos fueron analizados en Boj et al. (2009b) y en Boj et al. (2011) con análisis discriminante BD y regresión logística BD para un punto de corte de 0.5, obteniendo como resultado que el ajuste de ambas técnicas es competitivo frente al de otros modelos de credit scoring 7 (ver Tablas 1, 2, 3 y 4 en ambas referencias). Cabe destacar como novedad que en este estudio los cálculos se realizan haciendo uso de la función “dbglm” del paquete dbstats de R (Boj et al., 2012). El trabajo está estructurado del siguiente modo: en el apartado 2 se presentan las medidas de calidad de ajuste y la curva ROC resultante con regresión logística BD y se aplica a los dos conjuntos de datos de riesgo de crédito; en los apartados 3 y 4 se calculan respectivamente las probabilidades de mala clasificación y los costes del error para diferentes puntos de corte; finalmente, en el apartado 5, se exponen las principales conclusiones y aportaciones del trabajo. 2. CALIDAD DEL MODELO: CÁLCULO DEL COEFICIENTE KOLMOGOROV-SMIRNOV E ÍNDICE DE GINI. REPRESENTACIÓN GRÁFICA DE LA CURVA ROC. El modelo de regresión logística BD (ver Boj et al., 2008 y 2011 para el detalle sobre el algoritmo iterativo de estimación por mínimos cuadrados

http://archive.ics.uci.edu/ml/datasets.html http://archive.ics.uci.edu/ml/datasets/Statlog+(Australian+Credit+Approval) 6 http://archive.ics.uci.edu/ml/datasets/Statlog+(German+Credit+Data) 7 Métodos no-paramétricos como las redes neuronales, el método de los k vecinos más próximos, el método de la estimación núcleo de la densidad y el árbol de clasificación classification and regression trees (CART); y Métodos paramétricos como el análisis discriminante lineal y la regresión logística clásica. 5

Bondad de ajuste y elecciĂłn del punto de corte en regresiĂłn â&#x20AC;&#x201C; Anales 2012/19-40

ponderados) es una versiĂłn de la regresiĂłn logĂstica clĂĄsica en el ĂĄmbito no paramĂŠtrico y BD. Es no paramĂŠtrico y BD puesto que la Ăşnica informaciĂłn requerida en el espacio de los predictores es una matriz de distancias al cuadrado, D2, calculada mediante una funciĂłn de distancias a partir de los predictores originales, usualmente de tipo mixto en el caso del riesgo de crĂŠdito. La variable respuesta en credit scoring se construye codificando con 1 a los individuos que han resultado insolventes en el periodo de estudio y con 0 a los que no. La predicciĂłn de las probabilidades de insolvencia para cada uno de los n individuo en la poblaciĂłn Z se estima como:

SË&#x2020; Z PË&#x2020; Z

eK Z

Ë&#x2020;

1 eK Z

Ë&#x2020;

Finalmente, dado un punto de corte s, la matriz de confusiĂłn se calcula como: Estimada

Real

Buenos riesgos Malos riesgos Total

Buenos riesgos

Malos riesgos

Total

s n11

s n21

s s n11 n21

s n12

s n22

s s n12 n22

s s n11 n12

s s n21 n22

Con estos resultados calcularemos los criterios de calidad de ajuste con los que elegir un punto de corte â&#x20AC;&#x153;Ăłptimoâ&#x20AC;? para unos datos determinados. En el caso de riesgo de crĂŠdito, para la determinaciĂłn del punto de corte o valor del score s a partir del cual decidir si un cliente es un mal riesgo de crĂŠdito, podemos utilizar la denominada curva ROC (Receiver Operating Characteristic o CaracterĂstica Operativa del Receptor). La curva ROC fue desarrollada inicialmente por ingenieros para la estimaciĂłn de errores en la transmisiĂłn de mensajes y se ha aplicado posteriormente en ĂĄreas como la medicina y la estadĂstica. A partir de la matriz de confusiĂłn calculada con el modelo de regresiĂłn logĂstica BD se calculan las razones de verdaderos positivos y falsos positivos. En nuestro caso, los verdaderos positivos son aquellos malos s riesgos predichos como malos (en la matriz de confusiĂłn el elemento n22 )y los falsos positivos son aquellos buenos riesgos predichos como malos (en la 22

Teresa Costa Cor, Eva Boj del Val y JosĂŠ Fortiana Gregori â&#x20AC;&#x201C; Anales 2012/19-40

s ). GrĂĄficamente, en un espacio ROC, se matriz de confusiĂłn el elemento n21 pueden representar los intercambios entre verdaderos positivos (eje de ordenadas) y falsos positivos (eje de abcisas).

Otra interpretaciĂłn posible de la curva ROC es la de representar la Sensibilidad (eje de ordenadas) frente a (1 â&#x20AC;&#x201C; Especificidad) (eje de abcisas), como se indica en Reyes et al. (2007). Para su cĂĄlculo, en funciĂłn de los elementos de la matriz de confusiĂłn, tenemos: s n22 - Sensibilidad: representa la proporciĂłn de malos riesgos s n12s n22 predichos como malos. ns - Especificidad: s 11 s representa la proporciĂłn de buenos riesgos n11 n21 predichos como buenos. En el modelo de regresiĂłn logĂstica BD, segĂşn se van variando los puntos de corte o frontera, s, se obtienen los distintos puntos que conforman la curva ROC. Para medir la calidad del modelo de credit scoring es usual utilizar Ăndices cuantitativos como el Ăndice de Gini o el coeficiente K-S, que se basan en la funciĂłn de distribuciĂłn o probabilidades acumuladas. El Ăndice de Gini es Ăşnicamente una medida global de calidad del modelo, mientras que en el coeficiente K-S, a parte de medir la calidad de ajuste, identifica el valor del score para el cual se maximiza dicho coeficiente, y es â&#x20AC;?idealâ&#x20AC;? si el punto de corte â&#x20AC;&#x153;esperadoâ&#x20AC;? es cercano a dicho score (Ä&#x203A;ezĂĄĂž y Ä&#x203A;ezĂĄĂž, 2011). En este trabajo se representa la curva ROC para obtener grĂĄficamente el punto de corte que permite maximizar el coeficiente K-S. El procedimiento de construcciĂłn de la curva es el siguiente (Ă?Ăąiguez y Morales, 2009): a) Ordenar los valores de los puntos de corte, s, de manera ascendente. b) Calcular la proporciĂłn de buenos y malos riesgos que comparten el mismo punto de corte, pb ( s ) y pm ( s ) , siendo:

p b ( s)

n11s n12s s s n12 n11

ÂŚ

s s n22 n21 . s s n22 n21

ÂŚ s

p m (s)

Bondad de ajuste y elecciĂłn del punto de corte en regresiĂłn â&#x20AC;&#x201C; Anales 2012/19-40

c) Calcular la proporciĂłn acumulada de buenos y malos riesgos Pb ( s ) y Pm ( s ) :

Pb ( s )

ÂŚ p (S ) b

Pm ( s)

S ds

ÂŚp

m ( S ).

S ds

d) Calcular las diferencias entre proporciones acumuladas por punto de corte entre buenos y malos riesgos: Pm ( s ) Pb ( s ) . e) Identificar el punto de corte sË&#x2020; * que proporciona la mĂĄxima diferencia absoluta del coeficiente K-S: K S mĂĄx ^ Pm ( s) Pb ( s) `. s

Por otro lado, como medida de calidad global del modelo se calcula el Ăndice de Gini, que se puede calcular a partir de la siguiente expresiĂłn (Ă?Ăąiguez y Morales, 2009): n

Gini 1 ÂŚ Pm ( si ) Pm ( si 1 ) Â&#x2DC; Pb ( si ) Pb ( si 1 ) , i 1

Pm ( s0 ) 0, Pb ( s0 ) 0, donde:

Pm ( si ) : proporciĂłn acumulada de malos riesgos para un score si Pm ( si 1 ) : proporciĂłn acumulada de malos riesgos para el score anterior a si Pb ( si ) : proporciĂłn acumulada de buenos riesgos para un score si Pb ( si 1 ) : proporciĂłn acumulada de buenos riesgos para el score anterior a si El modelo â&#x20AC;&#x153;idealâ&#x20AC;?, es decir, que predice exactamente los buenos y malos riesgos, tendrĂa un Ăndice de Gini igual a 1; en caso contrario, el modelo asignarĂa un score aleatorio al cliente y tendrĂa un Ăndice de Gini igual a 0 (Ä&#x203A;ezĂĄĂž y Ä&#x203A;ezĂĄĂž, 2011). En resumen, en este trabajo se maximiza el coeficiente K-S para la obtenciĂłn de un punto de corte â&#x20AC;&#x153;Ăłptimoâ&#x20AC;?, sË&#x2020; * , segĂşn dicho criterio. El coeficiente K-S se representa grĂĄficamente en una curva ROC. Por otro lado, el Ăndice de Gini se calcula como medida global de calidad de ajuste, pues tiene en cuenta los mismos datos que el coeficiente K-S para todo el repertorio de puntos de corte entre 0 y 1. El Ăndice de Gini no ofrece un punto de corte Ăłptimo, pero puede resultar Ăştil para comparar distintos modelos para un mismo conjunto de datos. En las aplicaciones de este trabajo sĂłlo se indica 24

Teresa Costa Cor, Eva Boj del Val y José Fortiana Gregori – Anales 2012/19-40

su valor numérico como dato ilustrativo del procedimiento de cálculo para el modelo BD. 2.1. APLICACIÓN CON LOS DATOS DE RIESGO DE CRÉDITO AUSTRALIANOS

Estos datos hacen referencia al riesgo asociado a tarjetas de crédito de una Entidad Financiera. Para mantener la confidencialidad, el autor no cedió los nombres de los factores de riesgo ni lo que significan sus clases y valores. La base de datos es de especial interés porque el conjunto de predictores es de tipo mixto y el número de datos faltantes es reducido. Tal y como se explica en Boj et al. (2009b), para las variables continuas los datos faltantes fueron re-emplazados por la media de la variable correspondiente, y para las variables categóricas y binarias éstos fueron re-emplazados por la moda. En total contiene n = 690 individuos, de los cuales 307 fueron buenos riesgos y 383 malos. Los factores potenciales de riesgo son 14, de los cuales 6 son continuos, 4 categóricos y 4 binarios. A partir de los 14 predictores mixtos, calculamos la matriz de distancias, D2, como la suma pitagórica dada por la fórmula (1) de Boj et al. (2009b) teniendo en cuenta el índice de similaridad de Gower (Gower, 1971) para cada una de las variables individualizadas. Estimamos la regresión logística BD haciendo uso de la función “dbglm” del paquete de R dbstats (Boj et al., 2012) especificando que la distribución del error es Binomial y que el link es el canónico logit mediante la instrucción: > dbglmaus <- dbglm(D2, y, family = binomial (link = "logit"), maxiter = 50, eps1 = 0.05, eps2 = 0.05, rel.gvar = 0.99); dbglmaus Call: dbglm.D2(D2 = D2, y = y, family = binomial(link = "logit"), maxiter = 50, eps1 = 0.05, eps2 = 0.05, rel.gvar = 0.99) family: binomial Degrees of Freedom: 689 Total (i.e. Null); 556 Residual Null Deviance: 948.2 Residual Deviance: 248.4 AIC: 516.4 y obtenemos la estimación en la variable dbglmaus$fitted.values, con la que se calculan las matrices de confusión para diferentes puntos de corte.

Bondad de ajuste y elección del punto de corte en regresión – Anales 2012/19-40

En la siguiente tabla, Tabla 1, se presentan los cálculos del coeficiente K-S para representar la curva ROC (Figura 1), para distintos puntos de corte con los datos australianos:

Punto de corte 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95

Cálculo del coeficiente K-S Proporción de Proporción de buenos riesgos malos riesgos acumulados acumulados 0.0152 0.0392 0.0341 0.0755 0.0557 0.1095 0.0783 0.1428 0.1024 0.1750 0.1278 0.2060 0.1537 0.2368 0.1801 0.2671 0.3163 0.4151 0.4563 0.5603 0.6015 0.7013 0.7504 0.8394 0.7817 0.8658 0.8139 0.8914 0.8468 0.9166 0.8815 0.9403 0.9178 0.9627 0.9566 0.9831 1 1

K-S

0.0240 0.0414 0.0538 0.0645 0.0726 0.0782 0.0831 0.0870 0.0988 0.1040 0.0998 0.0890 0.0841 0.0775 0.0698 0.0588 0.0449 0.0265 0

Tabla 1. Cálculo del coeficiente K-S para diferentes puntos de corte en el intervalo (0, 1), con los datos de riesgo de crédito australianos.

Analizando con más detalle en la Tabla 2 los valores del K-S para los puntos de corte del intervalo [0.45, 0.55] , donde se observan los valores más altos de la Tabla 1, se obtiene que el punto de corte que maximiza el K-S es igual a 0.51.

Teresa Costa Cor, Eva Boj del Val y José Fortiana Gregori – Anales 2012/19-40

Punto de corte 0.45 0.46 0.47 0.48 0.49 0.5 0.51 0.52 0.53 0.54 0.55

Proporción de buenos riesgos acumulados 0.3163 0.3439 0.3717 0.3996 0.4279 0.4563 0.4848 0.5134 0.5426 0.5720 0.6015

Cálculo del K-S Proporción de malos riesgos acumulados 0.4151 0.4445 0.4737 0.5028 0.5316 0.5603 0.5889 0.6174 0.6455 0.6734 0.7013

K-S 0.0988 0.1006 0.1020 0.1032 0.1037 0.1040 0.1041 0.1040 0.1029 0.1014 0.0998

Tabla 2. Cálculo del coeficiente K-S para diferentes puntos de corte en el intervalo [0.45, 0,55], con los datos de riesgo de crédito australianos.

En el siguiente gráfico, Figura 1, se representa la curva ROC y el punto de corte que maximiza el K-S, que se corresponde con el punto en la curva ROC cuya distancia horizontal al eje es máxima (Balzarotti y Castelpoggi, 2009):

Figura 1. Curva ROC para los datos de riesgo de crédito australianos. Se obtiene un punto de corte óptimo de 0.51.

Bondad de ajuste y elección del punto de corte en regresión – Anales 2012/19-40

En cuanto al índice de Gini, para su cálculo, tal como hemos indicado en el apartado 1, son necesarias las proporciones acumuladas de buenos y malos riesgos, es decir, los mismos datos que se han utilizado para el cálculo del coeficiente K-S. En los datos de riesgo de crédito australianos el valor obtenido en el índice de Gini es 0.16. Este es un valor pequeño, pero similar al que se obtiene con regresión logística clásica8 que es de 0.20. Recordemos que para estos datos si estudiamos con detalle los resultados obtenidos en las Tablas 1 y 2 de Boj et al. (2011) o en las Tablas 3 y 4 de Boj et al. (2009b) la regresión logística en sus dos versiones es uno de los métodos competitivos, por lo que aunque los valores obtenidos no son elevados, éstos son un indicador del ajuste global para dichos modelos. 2.2. APLICACIÓN CON LOS DATOS DE RIESGO DE CRÉDITO ALEMANES

Estos datos clasifican a un conjunto de individuos como buenos o malos riesgos en función de una serie de predictores de tipo mixto. La cartera contiene datos cedidos en fecha 17-11-1994. En total contiene n = 1000 individuos, de los cuales 700 han sido buenos riesgos y 300 malos. Los factores potenciales de riesgo considerados son 20, de los cuales 7 son continuos, 11 categóricos y 2 binarios. Al igual que en la primera aplicación, se utiliza el índice de similaridad de Gower en el cálculo de D2 y se estima el modelo haciendo uso de la función “dbglm” del paquete dbstats: > dbglmger <- dbglm (D2, y, family = binomial(link = "logit"), maxiter = 50, eps1 = 0.05, eps2 = 0.05, rel.gvar = 0.99); dbglmger Call: dbglm.D2(D2 = D2, y = y, family = binomial(link = "logit"), maxiter = 50, eps1 = 0.05, eps2 = 0.05, rel.gvar = 0.99) family: binomial Degrees of Freedom: 999 Total (i.e. Null); 860 Residual Null Deviance: 1222 Residual Deviance: 780.1 AIC: 1060 obteniendo la estimación en la variable dbglmger$fitted.values, y con ella las matrices de confusión para diferentes puntos de corte.

8 Calculado con la función “dbglm” introduciendo como input la matriz de distancias D2 calculada a partir de la función Eclídea y tratando a los predictores categóricos y binarios como factores.

Teresa Costa Cor, Eva Boj del Val y José Fortiana Gregori – Anales 2012/19-40

En este apartado se detalla el cálculo del coeficiente K-S y su representación gráfica en la curva ROC y se obtiene el índice de Gini. En la siguiente tabla, Tabla 3, se presentan los cálculos del coeficiente K-S para representar la curva ROC (Figura 2), para distintos puntos de corte con los datos alemanes:

Punto de corte 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95

Proporción de buenos riesgos acumulados 0.0075 0.0199 0.0356 0.0546 0.0761 0.0994 0.1244 0.1510 0.2872 0.4317 0.5856 0.7445 0.7781 0.8125 0.8481 0.8847 0.9223 0.9609 1

Cálculo del K-S Proporción de malos riesgos acumulados 0.0828 0.1531 0.2150 0.2681 0.3150 0.3571 0.3948 0.4286 0.5885 0.7271 0.8416 0.9432 0.9588 0.9721 0.9826 0.9906 0.9959 0.9987 1

K-S 0.0753 0.1332 0.1794 0.2135 0.2389 0.2577 0.2704 0.2776 0.3013 0.2954 0.2560 0.1987 0.1807 0.1596 0.1345 0.1059 0.0736 0.0378 0

Tabla 3. Cálculo del coeficiente K-S para diferentes puntos de corte en el intervalo (0, 1), con los datos de riesgo de crédito alemanes.

Bondad de ajuste y elección del punto de corte en regresión – Anales 2012/19-40

Punto de corte 0.40 0.41 0.42 0.43 0.44 0.45 0.46 0.47 0.48 0.49 0.50

Proporción de buenos riesgos acumulados 0.1510 0.1776 0.2045 0.2319 0.2544 0.2872 0.3153 0.3437 0.3725 0.4018 0.4317

Cálculo del K-S Proporción de malos riesgos acumulados 0.4286 0.4623 0.4950 0.5268 0.5581 0.5885 0.6183 0.6473 0.6753 0.7020 0.7271

K-S 0.2776 0.2847 0.2905 0.2949 0.2987 0.3013 0.3030 0.3036 0.3028 0.3002 0.2954

Tabla 4. Cálculo del coeficiente K-S para diferentes puntos de corte en el intervalo [0.4, 0.5], con los datos de riesgo de crédito alemanes.

Si calculamos los valores del coeficiente K-S para los puntos de corte del intervalo [0.4, 0.5], donde los valores de la Tabla 3 son mayores, se obtiene que, en este caso, el valor máximo del K-S está en el punto de corte 0.47 (ver Tabla 4). La representación gráfica, Figura 2, de la curva ROC y del valor que maximiza el K-S para estos datos es:

Figura 2. Curva ROC para los datos de riesgo de crédito alemanes. Se obtiene un punto de corte óptimo de 0.47. 30

Teresa Costa Cor, Eva Boj del Val y José Fortiana Gregori – Anales 2012/19-40

El índice de Gini que se obtiene para los datos de riesgo de crédito alemanes es igual a 0.44. 3. ESTUDIO DE LAS PROBABILIDADES DE CLASIFICACIÓN EN FUNCIÓN DEL PUNTO DE CORTE

MALA

En este apartado se estudia el comportamiento de las probabilidades de mala clasificación: de buenos riesgos, de malos riesgos y global para los distintos puntos de corte entre 0 y 1. En Boj et al. (2009b y 2011) se utilizaron dichas probabilidades para la comparación de modelos de credit scoring. Se calculan, para los dos conjuntos de datos, las probabilidades de mala clasificación con puntos de corte que toman valores desde 0.05 hasta 0.95 con incrementos de 0.05. De este modo es posible observar la evolución de dichas probabilidades en función de los diferentes puntos de corte. 3.1. APLICACIÓN CON LOS DATOS DE RIESGO DE CRÉDITO AUSTRALIANOS

Los resultados para los datos australianos de riesgo de crédito se muestran en la Tabla 5. Si nos fijamos en la probabilidad de mala clasificación global los mejores resultados, es decir, las menores probabilidades de mala clasificación, se encuentran en el punto 0.5. Las probabilidades de mala clasificación de buenos riesgos, malos riesgos y global para el punto de corte de 0.51 son 0.081, 0.060 y 0.070 respectivamente.

Bondad de ajuste y elección del punto de corte en regresión – Anales 2012/19-40

Punto de corte 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95

Probabilidades estimadas de mala clasificación Buenos riesgos 0.479 0.349 0.261 0.225 0.179 0.143 0.134 0.127 0.098 0.081 0.065 0.062 0.046 0.036 0.029 0.026 0.020 0.013 0

Malos riesgos 0.005 0.005 0.010 0.010 0.013 0.021 0.026 0.037 0.044 0.055 0.073 0.084 0.107 0.123 0.138 0.180 0.227 0.292 0.407

Global 0.216 0.195 0.122 0.106 0.087 0.075 0.074 0.077 0.068 0.067 0.070 0.074 0.080 0.087 0.090 0.112 0.135 0.168 0.226

Tabla 5. Probabilidades estimadas de mala clasificación para diferentes puntos de corte en el intervalo (0, 1), con los datos de riesgo de crédito australianos.

3.2. APLICACIÓN CON LOS DATOS DE RIESGO DE CRÉDITO ALEMANES

Para los datos alemanes, los resultados de las probabilidades de mala clasificación considerando puntos de corte que varían desde 0.05 hasta 0.95 con incrementos de 0.05, quedan recogidos en la Tabla 6. Las menores probabilidades de mala clasificación global se encuentran en el punto 0.55. Las probabilidades de mala clasificación de buenos riesgos, malos riesgos y global para el punto de corte de 0.47 son 0.116, 0.323 y 0.178 respectivamente.

Teresa Costa Cor, Eva Boj del Val y José Fortiana Gregori – Anales 2012/19-40

Punto de corte 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95

Probabilidades estimadas de mala clasificación Buenos riesgos 0.733 0.567 0.463 0.361 0.287 0.239 0.186 0.159 0.127 0.086 0.059 0.043 0.031 0.017 0.014 0.010 0.006 0.001 0

Malos riesgos 0.010 0.030 0.063 0.110 0.143 0.183 0.203 0.263 0.303 0.380 0.420 0.477 0.563 0.607 0.690 0.763 0.840 0.913 0.957

Global 0.516 0.406 0.343 0.286 0.244 0.222 0.191 0.189 0.180 0.174 0.167 0.173 0.191 0.194 0.217 0.236 0.256 0.275 0.287

Tabla 6. Probabilidades estimadas de mala clasificación para diferentes puntos de corte en el intervalo (0, 1), con los datos de riesgo de crédito alemanes.

4. ESTUDIO DE LOS COSTES DEL ERROR EN FUNCIÓN DEL PUNTO DE CORTE

Por otro lado, utilizando las matrices de confusión se estudia el comportamiento de los costes del error dados por las fórmulas (5) y (6) de Boj et al. (2009b) para los distintos puntos de corte entre 0 y1. Recordemos que en Boj et al. (2009b y 2011) se aplicaron para la elección de un modelo predictivo en el cálculo de scorings.

Bondad de ajuste y elección del punto de corte en regresión – Anales 2012/19-40

4.1. APLICACIÓN CON LOS DATOS DE RIESGO DE CRÉDITO AUSTRALIANOS

Para los datos australianos se calculan los costes del error utilizando puntos de corte que varíen entre 0.05 y 0.95 con incrementos de 0.05. Los resultados obtenidos se recogen en la Tabla 7. Se observa que, en el escenario en que la probabilidad a priori es de 0.144, el mínimo coste se obtiene en el punto de corte 0.5, con un valor de 0.105, mientras que en el otro escenario, el mínimo coste es de 0.116 y se consigue cuando el punto de corte es de 0.3. Los costes en los dos escenarios para el punto de corte de 0.51 son de 0.110 y 0.143 respectivamente.

Costes estimados

Punto de corte

S2 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95

0.144 0.247 0.195 0.162 0.144 0.122 0.111 0.111 0.118 0.106 0.105 0.110 0.116 0.122 0.130 0.131 0.156 0.178 0.207 0.243

0.249 0.224 0.177 0.152 0.136 0.120 0.116 0.119 0.134 0.129 0.135 0.151 0.163 0.182 0.201 0.208 0.252 0.294 0.347 0.419

Tabla 7. Costes estimados para diferentes puntos de corte en el intervalo (0, 1), con los datos de riesgo de crédito australianos. 34

Teresa Costa Cor, Eva Boj del Val y José Fortiana Gregori – Anales 2012/19-40

4.2. APLICACIÓN CON LOS DATOS DE RIESGO DE CRÉDITO ALEMANES

Para los datos alemanes se presentan los costes del error en los dos escenarios calculados para puntos de corte que varíen desde 0.05 hasta 0.95 con incrementos de 0.05. Los resultados se recogen en la Tabla 8. Se obtiene que los puntos de corte en los que se minimiza el coste son de 0.95 en el primer escenario y de 0.7 en el segundo. Los costes en los dos escenarios para el punto de corte de 0.47 son 0.342 y 0.383 respectivamente. Costes estimados

Punto de corte

S2 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95

0.144 0.554 0.515 0.493 0.466 0.433 0.414 0.371 0.369 0.349 0.318 0.279 0.264 0.267 0.230 0.249 0.256 0.257 0.234 0.209

0.249 0.495 0.469 0.462 0.451 0.428 0.421 0.385 0.397 0.386 0.371 0.343 0.339 0.357 0.330 0.360 0.377 0.389 0.378 0.362

Tabla 8. Costes estimados para diferentes puntos de corte en el intervalo (0, 1), con los datos de riesgo de crédito alemanes.

Bondad de ajuste y elección del punto de corte en regresión – Anales 2012/19-40

5. PRINCIPALES CONCLUSIONES Y APORTACIONES

En este trabajo se completa el estudio de aplicación del modelo de regresión logística BD en el problema de riesgo de crédito iniciado en Boj et al. 2011. Por un lado, de forma simétrica al procedimiento con el modelo clásico de regresión logística por mínimos cuadrados ordinarios, se analizan criterios teóricos de calidad de modelo para la elección de un punto de corte adecuado cuando los datos tratados no son balanceados y, por otro lado, se enfoca el estudio en aplicación al problema del cálculo del punto de corte “óptimo” en credit scoring. Se propone el uso de la curva ROC para representar el punto de corte donde se maximiza el coeficiente K-S construida para el modelo de regresión logística BD y el índice de Gini como medidas de calidad de ajuste. El máximo en el coeficiente K-S da el punto de corte “óptimo” y el índice de Gini ofrece una medida de calidad global del modelo. Además, se analiza el comportamiento de las probabilidades de mala clasificación y de los costes del error (propuestos en Boj et al. 2009b y 2011 como criterio de elección de modelo en credit scoring) en función de los diferentes puntos de corte entre 0 y 1. Con las dos carteras tratadas en este trabajo ya se habían obtenido buenos resultados con regresión logística BD y punto de corte 0.5 en comparación con otras técnicas de credit scoring (ver Tablas 1, 2, 3 y 4 de Boj et al.. 2011). Pero a raíz de las sugerencias recibidas en el congreso RISK2011 celebrado en Sevilla, se mejora y amplía el estudio para estas carteras frente a diferentes puntos de corte. Puesto que ambos datos son bastante balanceados, se obtiene un resultado sobre el punto de corte “óptimo” con el criterio K-S que oscila el 0.5 como era de esperar. A continuación listamos las principales conclusiones para cada uno de los conjuntos por separado: Para los datos australianos, el punto de corte “esperado” era de 0.55, ya que n = 690, de los cuales 307 eran buenos riesgos y 383 malos. Se obtienen los siguientes resultados: - El punto de corte que maximiza el coeficiente K-S es de 0.51. - El índice de Gini de calidad global del modelo es de 0.16. Se obtiene que el punto de corte que minimiza las probabilidades globales de mala clasificación es de 0.5 con una probabilidad de 0.067. Las probabilidades de mala clasificación de buenos riesgos, malos riesgos y

Teresa Costa Cor, Eva Boj del Val y José Fortiana Gregori – Anales 2012/19-40

global para el punto de corte 0.51 obtenido con el coeficiente K-S son 0.081, 0.060 y 0.070 respectivamente. Los puntos de corte que minimizan el coste cuando las probabilidades a priori de malos riesgos son respectivamente de 0.144 y de 0.249 son de 0.5 y 0.3. Los costes calculados en los dos escenarios para el punto de corte de 0.51 obtenido con el coeficiente K-S son de 0.110 y 0.143 respectivamente. Tanto si comparamos las probabilidades de mala clasificación, de malos riesgos y global, como si comparamos los costes del error en los dos escenarios para el punto de corte 0.51 obtenido con el coeficiente K-S, la regresión logística BD sigue siendo la técnica con menores valores y por lo tanto la mejor en las Tablas 1 y 2 de Boj et al. (2011). Para los datos alemanes, el punto de corte “esperado” era de 0.3, ya que n = 1000, de los cuales 700 eran buenos riesgos y 300 malos, unos datos algo menos balanceados que los anteriores. Se obtienen los siguientes resultados: - El punto de corte que maximiza el coeficiente K-S es de 0.47. - El índice de Gini de calidad global del modelo es de 0.44. Se obtiene que el punto de corte que minimiza las probabilidades globales de mala clasificación es de 0.55 con una probabilidad de 0.167. Las probabilidades de mala clasificación de buenos riesgos, malos riesgos y global para el punto de corte de 0.47 son 0.116, 0.323 y 0.178 respectivamente. Los puntos de corte que minimizan el coste cuando las probabilidades a priori de malos riesgos son respectivamente de 0.144 y de 0.249 son de 0.95 y 0.7. Los costes calculados en los dos escenarios para el punto de corte de 0.47 son de 0.342 y 0.383 respectivamente. Tanto si comparamos la probabilidad de mala clasificación global como los costes del error en los dos escenarios para el punto de corte 0.47 obtenido con el coeficiente K-S, la regresión logística BD sigue siendo la técnica con menores valores y por lo tanto la mejor en las Tablas 3 y 4 de Boj et al. (2011). Si comparamos las probabilidades de mala clasificación de malos riesgos para el punto de corte 0.47 obtenido con el coeficiente K-S, la regresión logística BD es la segunda mejor técnica después del análisis discriminante clásico y BD.

Bondad de ajuste y elección del punto de corte en regresión – Anales 2012/19-40

Si se comparan visualmente las curvas ROC (ver Figuras 1 y 2) obtenidas en ambas aplicaciones, se observa una más abombada en el caso alemán, en el que el índice de Gini era también superior, con valor de 0.44 frente a 0.16. Esto es debido a que dicho índice mide el área comprendida entre las funciones graficadas. El índice de Gini sirve para comparar la calidad global de ajuste de dos modelos calculados para los mismos datos. En este trabajo se propone como medida global pero no se llega a comparar con el obtenido mediante diferentes modelos. En general, es apropiado y aconsejable realizar un estudio completo sobre cuál es el punto de corte “óptimo” si las poblaciones de la muestra original están desproporcionadas. De este modo se puede mejorar el ajuste del modelo logístico con punto de corte 0.5. Una ventaja del modelo de regresión logística BD es que por sí sólo permite flexibilidad en este sentido, pues la estimación resultante no es dicotómica, sino que produce probabilidades de insolvencia que están entre 0 y 1. Se resalta que los cálculos se realizan con la función “dbglm”, eligiendo distribución Binomial y link canónico logit, del paquete dbstats de R (Boj et al., 2012). Esto implica que el presente trabajo supone una herramienta de libre uso y de fácil utilización para el problema de credit scoring en el mercado asegurador.

Teresa Costa Cor, Eva Boj del Val y José Fortiana Gregori – Anales 2012/19-40

BIBLIOGRAFÍA

Balzarotti, V y F. Castelpoggi (2009). Modelos de puntuación crediticia: la falta de información y el uso de datos de una central de riesgos. Ensayos Económicos (Banco Central de la República Argentina) 56, 95–156. Boj, E., Claramunt, M. M. y J. Fortiana (2000). Una alternativa en la selección de los factores de riesgo a utilizar en el cálculo de primas. Anales del Instituto de Actuarios Españoles, Tercera Época 6, 11–35. Boj, E., Claramunt, M. M. y J. Fortiana (2001). Herramientas estadísticas para el estudio de perfiles de riesgo. Anales del Instituto de Actuarios Españoles, Tercera Época 7, 59–89. Boj, E., Claramunt, M. M. y J. Fortiana (2004). Análisis multivariante aplicado a la selección de factores de riesgo en la tarificación. Cuadernos de la Fundación MAPFRE, 88. Fundación MAPFRE Estudios, Madrid. Boj, E., Delicado, P. y J. Fortiana (2008). Logistic and local logistic distance-based regression. Proceedings of the International Seminar on Nonparametric Inference ISNI 2008, 66–70. Boj, E., Claramunt, M. M., Esteve, A. y J. Fortiana (2009a). Credit Scoring basado en distancias: coeficientes de influencia de los predictores. En: Heras, A. y otros (2009). Investigaciones en Seguros y Gestión de riesgos: RIESGO 2009, pp. 15–22. Cuadernos de la Fundación MAPFRE, 136. Fundación MAPFRE Estudios, Madrid. Boj, E., Claramunt, M. M., Esteve, A. y J. Fortiana (2009b). Criterios de selección de modelo en credit scoring, aplicación del análisis discriminante basado en distancias. Anales del Instituto de Actuarios Españoles, Tercera Época 15, 209–230. Boj, E., Fortiana, J., Esteve, A., Claramunt, M.M. y T. Costa (2011). Aplicación de un modelo de regresión logística basado en distancias en el problema de credit scoring. En: Feria, J. M. y otros (2011). Investigaciones en Seguros y Gestión de riesgos: RIESGO 2011, pp. 293–305. Cuadernos de la Fundación MAPFRE, 171. Fundación MAPFRE Estudios, Madrid. Boj, E., Caballé, A., Delicado, P. y J. Fortiana (2012). dbstats: Distancebased statistics (dbstats). R package version 1.0.2. Gower J. C. (1971). A general coefficient of similarity and some of its properties. Biometrics 27, 857–874. Hosmer, D. W. y S. Lemeshow (2000). Applied logistic regression, 2nd edition. John Wiley & Sons, Inc. New York (USA). Iñiguez, C. A.y M. G. Morales, M.G. (2009). Selección de perfiles de clientes mediante regresión logística para muestras desproporcionadas, validación, monitoreo y aplicación en la proyección de provisiones. Proyecto de Fin de Carrera, Escuela Politécnica Nacional, Ecuador.

Bondad de ajuste y elección del punto de corte en regresión – Anales 2012/19-40

Mures, M. J., García, A. y M. E. Vallejo (2005). Aplicación del análisis discriminante y regresión logística en el estudio de la morosidad en las entidades financieras. Comparación de resultados. Pecvnia 1, 175–199. Reyes, J., Escobar, C., Duarte, J. y P. Ramírez (2007). Una aplicación del modelo de regresión logística en la predicción del rendimiento estudiantil. Estudios Pedagógicos 23:2, 101–120. ěezáþ, M. y F. ěezáþ (2011). How to Measure the Quality of Credit Scoring Models. Journal of Economics and Finance 61:5, .486–507 Siddiqi, N. (2006). Credit Risk Scorecards. Developing and Implementing Intelligent Credit Scoring. John Wiley & Sons, Inc. New Jersey (USA). West, D. (2000). Neural network credit scoring models. Computer & Operations Research 27, 1131–1152.

Anales del Instituto de Actuarios Españoles, 3ª época, 18, 2012/41-76

CAPITAL REQUERIDO PARA EL RIESGO DE SUSCRIPCIÓN EN EL RAMO DE CRÉDITO Juan Casanovas Arbó1 Abstract We are performing an analysis of the models to evaluate the Solvency Capital Requirement –SCR- applicable to underwriting credit insurance risk. The simplicity and ease of calculation of the standard formula may entail extra capital regarding the use of an internal model adapted to the risks of the entity. We present a compendium of five different options, or models, of the SCR calculation of underwriting credit risk. Differences between those options are shown and certain aspects are discussed. Suggestions for possible changes are included in order to reflect the reality of risk. Possible future lines of research are outlined regarding the models. The treatment of catastrophic risk and the time horizon considered in Solvency II are addressed. Keywords: Credit insurance Solvency, Underwriteing Capital credit risk models.

Credit

SCR

calculation,

Resumen Se realiza un análisis de los modelos de cálculo del capital requerido SCR (Solvency Capital Requirement) aplicables al Riesgo de Suscripción del Seguro de Crédito Comercial. La simplicidad y facilidad de cálculo de la Fórmula Estándar puede comportar un sobre-capital respecto a aplicar un Modelo Interno adaptado a los Riesgos de la Entidad. Se presentan a modo de compendio cinco opciones distintas o modelos distintos de cálculo del SCR del Riesgo de Suscripción del ramo de Crédito. Se evidencian las diferencias entre ellos, cuestionando ciertos aspectos y sugiriendo posibles modificaciones tendentes a reflejar mejor la realidad del riesgo que miden y consecuentemente abriendo posibles líneas de investigación futuras tanto en los propios modelos como en el tratamiento del catastrófico y en el horizonte temporal contemplado en Solvencia II. Palabras clave: Solvencia ramo Crédito Comercial, Calculo SCR Crédito, modelos de capital del riesgo de suscripción del ramo de crédito. 1

Dpto. Econometría, Estadística y Economía Española (juan.casanovas@ub.edu): Universitat de Barcelona. Avd. Diagonal. 690, 08034 Barcelona. Este artículo ha sido recibido en versión revisada el 3 de octubre de 2012.

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

1. Introducción El Riesgo de Crédito fue contemplado por primera vez en 1988 en la directiva de Basilea I, como el riesgo primordial de la actividad bancaria y al que en 1996 se le añadiría el riesgo de Mercado. Por su parte el Riesgo de Crédito, en términos aseguradores, o sea el riesgo inherente al Seguro de Crédito Comercial, se gestiona en prácticamente la mayoría de entidades siguiendo el modelo bancario, lo que ha dado lugar a que cuando se plantea la necesidad de definir un modelo de capital aplicable a él, también se estén siguiendo las prácticas del Riesgo de Crédito bancario. No obstante la técnica actuarial y en general los posibles modelos aplicables a la actividad aseguradora han seguido un curso paralelo al bancario, disponiéndose en estos momentos de alternativas contrastadas específicamente aseguradoras. Se trata pues de compendiar y analizar los pros y contras de las distintas alternativas de calculo del capital requerido bajo Solvencia II (SCR), con visión actuarial o meramente econométrica, evidenciando y cuestionando aspectos que pueden tener especial incidencia en los cálculos y que explican pero no justifican el amplio abanico de resultados que pueden presentarse. Ligado con todo ello, también se analiza el tratamiento que se viene dando al riesgo catastrófico y las consecuencias que se derivan de considerar un horizonte temporal de 12 meses tal y como requiere Solvencia II. 2. Estado de la cuestión El Riesgo de Crédito tal y como se asume en Solvencia II está directamente asociado a tres subcategorías de riesgos según explica Sandström, A.(2006). y la propia Directiva Solvencia II (25/11/2009): -

Riesgo de Impago Riesgo de Concentración Riesgo de Contraparte – Reaseguro

El informe publicado en 2004 por la IAA (International Actuarial Association) asistido por la IASB (International Accounting Standards Board) aportó, en base a los principios y métodos actuariales, una aproximación estándar para la determinación de las provisiones técnicoactuariales acordes con las nuevas regulaciones contables, y recomendó la clasificación de los riesgos en los siguientes, Sandström, A. (2006). 78-85: -

Riesgo de Suscripción Riesgo de Crédito 42

Juan Casanovas Arbó - Anales 2012/41-76

Riesgo de Mercado Riesgo Operacional

Para el Riesgo de Suscripción, se recomendaron los siguientes sub-riesgos: -

Riesgo del proceso de Suscripción Riesgo de Precio Riesgo de Diseño del Producto Riesgo de Siniestros Riesgo de Entorno Económico Riesgo de Retención Riesgo de Comportamiento de los Asegurados Riesgo de Reserva

No obstante lo anterior, la Directiva de Solvencia II (25/11/2009), el Draft Implementing mesures Level 2 (2010) y el QIS5 - Resumen Especificaciones Técnicas (2010), han reconocido los siguientes sub-riesgos para el Riesgo de Suscripción No Vida: Riesgo de Primas y Reservas Riesgo Anulación “Lapse Risk” Riesgo Catastrófico Llegados a este punto, es importante hacer una aclaración. Como se verá cuando analicemos uno de los posibles modelos internos, es posible aplicar una metodología análoga para medir el Riesgo de Suscripción del Ramo de Crédito a la usada bajo la Directiva de Basilea II aplicable a la banca para medir el Riesgo de Crédito bancario. Ello no debe generar ningún tipo de confusión, ya que solo se trata de un modelo de calculo del SCR, que en nuestro caso concreto utiliza para el ámbito asegurador la misma técnica que otro Riesgo de ámbito Bancario. Al respecto, académicos y los propios textos oficiales, explican: “El modelo estándar para el riesgo de crédito, es el que se define en la aproximación estandarizada de Basilea II. En orden a limitar las posibilidades de arbitraje del riesgo de crédito en la cuantificación del mismo, entre la banca y el sector asegurador y viceversa, se sigue lo más cerca posible el uso que de él hace el regulador bancario, así, la carga de capital es calculada usando una aproximación compatible con Basilea II.” Sandström, A.(2006). 155.

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

En la Directiva 200/138/CE “Directiva de Solvencia II (25/11/2010)” en el Art. 101 referido a cálculo del Capital de Solvencia Obligatorio (SCR), se menciona, acorde con lo anterior, al Riesgo de Crédito, separadamente del de Suscripción, no obstante en el artículo 104 y 105, referentes a la Fórmula Estándar, solo se menciona el sub-riesgo de Contraparte y no el genérico de Crédito. Por último y aunque la referencia sea un Working Paper, sin valor a efectos prácticos, en el Draft Implementing mesures Level 2 (2010) , en la Sección 2ª, desde pag. 72 a 95, se detallan los cálculos específicos para el riesgo de suscripción No Vida y para el riesgo catastrófico de cada especialidad No Vida, con una clara referencia dentro del grupo de “Man.made catastrophe risk sub-module” a “Credit and Suretyship risk sub-model” Art. 95 NLUR15 y Art. 102 NLUR22. De lo anterior, debemos entender que el legislador, está asumiendo que el riesgo de Suscripción del ramo de Crédito, debe considerarse dentro del Riesgo de Suscripción propiamente dicho. La Formula Estándar, tal y como se define en el QIS5 - Resumen Especificaciones Técnicas (2010), utiliza un modelo simple basado en un VaR sobre el Volumen de Primas y de Reservas. Por otra parte y como ya se ha indicado, los Modelos Internos, deben ser planteados por la entidad y aprobados por el regulador. Las entidades tienen absoluta libertad en ese planteamiento, y en este sentido, tan aceptable es un acercamiento al estilo bancario con PD y LGD como a través de las Cuentas Técnicas de Resultados, como a través de las metodologías de cálculo de las Provisiones Técnicas de Prestaciones. Ello es trascendente, pues en la práctica los principales operadores mundiales del ramo de Crédito, han manifestado que están trabajando con un modelo al estilo bancario, usando las PD y las LGD, dado que su operativa en el día a día, descansa sobre ambas, lo que permite justificar que la gestión de Riesgos, el cálculo de las Provisiones Técnicas de Siniestros y el Modelo Interno son congruentes, aunque evidentemente desligados económicamente de la práctica diaria de la entidad, inclusive a efecto de determinar la insuficiencia o suficiencia de las primas. No obstante, no podemos soslayar que las definiciones expuestas y la propia Formula Estándar nos acerca más a las metodologías más genuinamente aseguradoras, que a la metodología bancaria, aportando un plus de 44

Juan Casanovas Arbó - Anales 2012/41-76

congruencia adicional según el método, bien con las Cuentas Técnicas de Resultados en un caso, bien con el cálculo de las Provisiones Técnicas de Prestaciones en el otro. Adicionalmente, el Modelo Bancario, asume que cuando la entidad no dispone de modelos de calificación (rating), el Modelos Estándar a aplicar consiste en que el regulador facilita unos estándares para determinación del Capital Mínimo Requerido, obviando las PD y las LGD. Ello abunda en que solo debería aplicarse este modelo en los supuestos de disponer de las PD y LGD, adoptando para el caso de no disponer de ellas, no unos estándares bancarios, sino alguno de los modelos basados en la técnica aseguradora. En otro orden de cosas, según Carrillo, S. (2005) en su artículo: Basilea II: Una Mirada Crítica, la mayor parte de los Modelos, incluida la Fórmula Estándar han optado por Modelos basados en variables aleatorias Normales, cuando la evidencia es que los datos reales del Riesgo de Crédito presentan leptocurtosis y distribuciones asimétricas, no olvidemos que estamos dentro del ámbito de las series financieras. Adicionalmente, se han venido utilizando, como base de cálculo del Capital, metodologías tipo VaR, es decir, que el SCR es el Valor de la Distribución de Pérdidas para un determinado percentil. Estas metodologías, que arrancaron con el Riesgo de Mercado y la hipótesis de Normalidad de los Rendimientos, cuando la distribución no es Normal, cosa que ocurre con el Riesgo de Crédito, el conocer el Valor para un determinado percentil, supone conocer sólo un punto de la distribución de probabilidad y ese conocimiento no permite inferir el comportamiento de la misma para valores extremos. Ante esta evidencia, diversos autores, pe. Carrillo, S. (2005) han recomendado el uso de metodologías más adaptadas como el TailVar, o el VaRC (VaR Condicional), definido como el valor medio de la pérdida esperada cuando se supera el VaR. Este es otro de los aspectos a considerar de cara a los modelos, y a las mejoras a introducir en el corto o medio plazo. No obstante algo de ello sí que parece haberse considerado en Solvencia II, pues esta hipótesis, que minora el SCR, podríamos convenir que se compensa total o parcialmente al mantener un percentil alto del 99,5%, aunque evidentemente sin ninguna justificación científica que la respalde

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

3. El Cálculo de Capital basado en la Formula Estándar. En este apartado referido a la Fórmula Estándar, el Riesgo de suscripción se subdivide en distintos Sub-riesgos, de los que se irán describiendo las particularidades con comentarios atendiendo a la formulación planteada, sea en la directiva, en el reglamento o en su defecto en el test de impacto QIS5. También debe asumirse que, las explicaciones y los comentarios, son aplicables tanto si se usan parámetros estándares como si se usan parámetros propios, en cuyo caso, habrán de pasar el filtro de aceptación del regulador. Formula Estándar: El Riesgo de Suscripción No Vida, en el que se incluye el Seguro de Crédito, está compuesto de los siguientes sub-riesgos: Riesgo de Primas y Reservas Riesgo Anulación “Lapse Risk” Riesgo Catastrofico La fórmula estándar agrupan los SCR de los tres sub-riesgos indicados teniendo en cuenta unas determinadas correlaciones definidas específicamente en la normativa. Draft Implementing mesures Level 2 (2010) , Section 2m Non-Life Underwriting Riesk module Art. 80 NLUR1, pag 72). Riesgo de Primas y Reservas: La fórmula estándar definida en el Draft Implementing mesures Level 2 (2010), define al SCR del riesgo de Primas y Reservas como una función del volumen de primas y reservas. Concretamente utiliza un modelo simple basado en un VaR sobre el Volumen de Primas y de Reservas, es decir, que el SCR será el valor de la distribución de pérdidas para un percentil del 99,5% en un horizonte temporal de evolución de ambas de doce meses. Riesgo de Anulación “Lapse Risk”: Por riesgo de anulación se entiende el riesgo de que se anule un volumen sustancial de pólizas o contratos. En el Draft Implementing mesures Level 2 (2010), no se concreta ninguna operativa, simplemente se hace referencia a que deben contemplarse dos escenarios de caída de cartera: A: La cancelación de un 30% de la cartera debida al ejercicio del derecho de cancelación. B: Esa misma caída de cartera cuando esté afectando a las estimaciones futuras y estén cubiertas por contratos de Reaseguro. 46

Juan Casanovas Arbó - Anales 2012/41-76

Lo anterior se ha trasladado a las especificaciones del QIS5 – Resumen de Especificaciones Técnicas (2010) ( último test de impacto realizado) a través de una metodología basada en que en el cálculo de las Provisiones Técnicas, si la tasa real de anulaciones es inferior a lo esperado, habrá una reducción de los RRPP. La exigencia de capital para el riesgo de anulación debe calcularse cuando se utilizan estas primas futuras para el cálculo de las Provisiones Técnicas. El cálculo del riesgo de anulación se realizara en base a las Provisiones Técnicas mediante la variación del NAV en tres escenarios (Down, Up, Mass). Riesgo Catastrófico: La fórmula estándar y lo especificado para QIS5contempla los mismos supuestos siguientes: Art. 102 NLUR22 Draft Level II y Art 105/2 Directiva Solvencia II (25/11/2009). Riesgo de Grandes Siniestros simultáneos: Debe considerarse la suma de las exposiciones de los tres mayores clientes de la entidad en la visión neta, deduciendo todas las coberturas incluidas el reaseguro u otras. Se asumirá a efectos del cálculo del SCR que la LGD en estos casos supone un 10% de la suma asegurada. Riesgo de Recesión: Debe considerarse el importe que supone una pérdida inesperada e instantánea de un determinado porcentaje de la exposición sin deducción alguna por reaseguro u otras coberturas. No obstante se establece un tope máximo calculable en base a un porcentaje sobre las primas, dependiendo este porcentaje del valor que adopte en Net Loss Ratio. Limitaciones: Según Carrillo, S.(2005) en su artículo: Basilea II: Una Mirada Crítica, la Fórmula Estándar ha optado por la utilización de variables aleatorias Normales, cuando la evidencia es que los datos reales del Riesgo de Crédito presentan leptocurtosis y distribuciones asimétricas, no olvidemos que estamos dentro del ámbito de las series financieras. Adicionalmente, La Formula Estándar, tal y como se define en el QIS5 Resumen Especificaciones Técnicas (2010), utiliza un modelo simple basado en un VaR sobre el Volumen de Primas y de Reservas, es decir, que el SCR es el Valor de la Distribución de Pérdidas para un determinado percentil. Esta metodología, que arrancó con el Riesgo de Mercado y la hipótesis de Normalidad de los Rendimientos, cuando la distribución no es Normal, cosa que ocurre con el Riesgo de Crédito, supone conocer sólo un punto de la distribución de probabilidad y ese conocimiento no permite 47

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

inferir el comportamiento de la misma para valores extremos. También cuando salimos del marco de las distribuciones elípticas, se pierde la subaditividad y el VaR de la Cartera puede llegar a ser mayor que la suma de los VaR de las subcarteras que la componen. Esto contradice la intuición acerca del efecto diversificación. Ante estas evidencia, diversos autores, pe. Carrillo, S. (2005) han recomendado el uso de metodologías más adaptadas como el TailVar, o el VaRC (VaR Condicional), definido como el valor medio de la pérdida esperada cuando se supera el VaR. En cuanto al riesgo Catastrófico, la fórmula estándar al plantearlo como un riesgo separado del Riesgo de Primas y Reservas, está asumiendo lo siguiente: - La información referida a los eventos catastróficos va a poder ser diferenciable y por tanto separable, de forma que no exista un Doble Computo entre este riesgo de Primas y el de Reservas, lo cual, ante la tipología de este tipo de riesgos y su estrecha vinculación, hace que en la práctica sea muy difícil segregarlos por no decir imposible. - El mismo horizonte Temporal que el utilizado para todo en Solvencia II, o sea 12 meses, en oposición a la experiencia directa que nos muestra que los eventos catastróficos se presentan en espacios temporales mucho más amplios, siendo los más comunes los periodos decenales. Ambas asunciones son, desde una visión práctica, difícilmente asumibles y en consecuencia los cálculos a realizar nos acercan más a Solvencia I que al objetivo de Solvencia II que no es otro que acercar los cálculos a la verdadera medición del riesgo incurrido. 4. El Cálculo de Capital basado en Modelos Internos Los Modelos Internos que se están utilizando en la actualidad por las principales entidades aseguradoras del ramo de crédito, se sustentan en los modelos basados en las “Pérdidas de una Cartera de Créditos” usados de forma extensiva por el sector bancario y desarrollados bajo Basilea II para el riesgo de Crédito Bancario, si bien se argumenta que se han calibrado para considerar las especificidades de los Seguros de Crédito. También se han realizado modelizaciones basadas en la consideración de que al ramo de Crédito, siendo como es un ramo más dentro del grupo de los Seguros Generales, puede y debe aplicársele la misma metodología que las utilizadas para dichos ramos aunque adaptada a sus especificidades. 48

Juan Casanovas Arbó - Anales 2012/41-76

Una de estas metodologías, ha consistido en la simulación de un elevado número de escenarios por Monte-Carlo de la Cuenta de Resultados. Esta metodología, que tiene en cuenta las principales variables que intervienen en la cuenta de resultados, y que como puede intuirse no supone una gran complejidad ni la necesidad de disponer de importantes bases de datos, aporta un plus al integrarse como una herramientas de gestión del riesgo de las entidades, toda vez que su enfoque, aunque inicialmente centrado en la visión cortoplacista de Solvencia II ( 12 meses), es muy fácilmente extensible al medio y largo plazo, aportando información respecto al valor de las carteras y ayudando de forma clara en la toma de decisiones estratégicas de las entidades. Esta es una línea de actuación no suficientemente desarrollada ni testeada en el ramo de crédito y que aportaría, en una visión amplia, un comparativo tanto en relación a la metodología bancaria indicada anteriormente, como a la Formula Estándar ya fuera en lo referente a la valoración y cuantificación del riesgo como a los requerimientos de capital, a la vez que un comparativo con los otros ramos de Seguros Generales. Por último, el desarrollo desde su aceptación reglamentaria en España de los Métodos de Valoración de las Provisiones Técnicas para Prestaciones basados en Métodos globales, abre una puerta, al uso de esas metodologías más allá de limitarlas al cálculo del Best Estimate de las PT, y que por estar plenamente integradas en la gestión del seguro en gran número de entidades aseguradoras, supondría una simplificación y una general aceptación y entendimiento del modelo de negocio que propone Solvencia II. Esta metodología, al igual que la anterior, supondría también un comparativo para los restantes modelos, y en la medida que mostrasen una tendencia entre ellas, cabría suponer que estamos en el buen camino. 5. Modelos Internos basados en la propuesta contenida en Basilea II para el Riesgo de Crédito Definiciones previas: Que afectan a los datos: Exposición al Riesgo: Límites de Crédito, vínculos, etc Internal or External Bayer Rating: Rating o calificación interna/externa cliente

del

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

PD = Probability of Default (Probabilidad de Impago) derivada del Rating LGD = Loss Given Default (Cuantía de la pérdida asociada al Impago) EAD = Exposure at Default (Exposición al Impago). Es un concepto, que se viene utilizando para Carteras pequeñas, aunque en los principales productos, se asume que LGD=EAD+LGD, debidamente calibrado para que ello sea posible. Que afectan al calculo del SCR (Solvency Capital Required) Correlaciones del Crédito: Basadas en las “Moody´s asset-correlations framework” Simulaciónes de Pérdidas. Se utiliza el método Monte Carlo. El Modelo: Este modelo, que como ya se ha indicado fue desarrollado para la cuantificación del riesgo de crédito de la banca, se basa en una serie de elementos o ingredientes comunes entre los prestamos bancarios y el seguro de crédito. Dichos elementos son: -

Exposición al Crédito – con sus límites, coberturas, etc. La Probabilidad de impago (PD) derivada del rating de crédito, sea de procedencia interna o externa La Cuantía de la Pérdida asociada al impago (LGD) que se calibra de forma específica según la experiencia en cada producto La mecánica del modelo, Las Correlaciones existentes entre riesgo y asegurados o prestatarios

La mecánica básica del modelo, supone la simulación extensiva por Montecarlo de la evolución de las LGD y sus consecuencias económicas, configurando una función de densidad de las pérdidas, en la que la cola de la distribución hasta el percentil 99,5% representa la pérdida máxima esperable con ese nivel de probabilidad y su valor es el valor que debe tomar el SCR. El exceso por encima de ese 99,5% supone la aceptación de una probabilidad de ruina del 0,05%. Las especificidades consideradas en la calibración del Modelo para adaptarlo específicamente a la actividad aseguradora de los Seguros de Crédito, son entre otras las siguientes: - Un importe sustancial del riesgo es cedido a los Reaseguradores. - Existen diferentes causas/razones de las pérdidas. - El asegurador puede re-suscribir el riesgo en cualquier momento. 50

Juan Casanovas Arbó - Anales 2012/41-76

- En muchas ocasiones el cliente auto-asegura una parte sustancial de su riesgo. - Existen condiciones adicionales, como por ejemplo, la exigencia al asegurado de gestionar prudentemente el crédito. Otro aspecto relevante de la aplicación de un Modelo Interno es el enfoque Top-Down o Botton-up. Evidentemente el enfoque Top-Down tiene menores servitúdes que el Botton-up en términos de coste de desarrollo e implementación, en los conocimientos que se requiere para su aplicación y hasta en el tiempo que se precisa para su desarrollo inicial y para realizar los cálculos. No obstante en la práctica, y atendiendo a los Pilares II y III, si de lo que se trata es de mejorar la gestión de los riesgos, a la vez que demostrar a los supervisores que realmente se hace, la adopción del método botton-up se vislumbra como el más adecuado, pues proporciona un conocimiento de los riesgos y su cuantificación con un grado de segmentación y una calidad muy superior. Pros:

Provee de un profundo conocimiento de los riesgos contenidos en la cartera. Se puede utilizar para dirigir más adecuadamente. Los Test de sensibilidad proporcionaran una información mucho más cercana a la realidad de los riesgos. Puede contemplarse cualquier forma de Reaseguro .

Contras: Es más complejo. Requiere un tiempo de desarrollo muy importante. Requiere de un equipo humano altamente especializado en la materia Requiere mayores medios informáticos. En cuanto a los riesgos que se consideran dentro del Modelo Interno son: Riesgo de Primas Riesgo de Reservas Riesgo de Anulación o Persistencia de los contratos Riesgo Catastrófico Debido a la dificultad de segregar los escenarios o los eventos catastróficos y sus consecuencias, estos modelos tienden a asumir internamente dichos escenarios, en contraposición con QIS5, que evalúa el capital necesario para los dos escenarios de catastrófico comentados anteriormente .

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

En la práctica no existe una cartera pura a la que aplicar un único modelo conceptual. En función del tamaño de la cartera y de las variantes de contratación desarrolladas, bien sean en Seguro Directo o en Reaseguro Aceptado, o bien por las diferencias entre los mercados, países, sectores o cualquier otro factor trascendente, el modelo debe adaptarse y prever las distintas alternativas de cara a la modelización de la Cartera. En este trabajo vamos a partir de un modelo base que recorre todos los pasos desde la identificación del riesgo, hasta la valoración del SCR, de forma que permita adaptarlo a cualquier otro requerimiento en función de lo anteriormente indicado. Agregación de las exposiciones al riesgo a nivel Comprador. El Comprador o Buyer, es la empresa, (mayormente empresa aunque también puede ser una persona individual) a la que la entidad aseguradora ha concedido crédito sobre todos los clientes de su cartera, otorgando rating e importes máximos de cobertura para cada uno de ellos. El Cliente, es la empresa a la cual el comprador del seguro de crédito vende un bien o servicio que se suministra con anterioridad al pago del mismo y por tanto el comprador del seguro de crédito quiere estar cubierto frente al riesgo de haber expedido/entregado la mercancía o el servicio y que el Cliente no atienda el pago en la fecha pactada. La gestión del Riesgo del Comprador se realiza a nivel agregado teniendo en cuenta la totalidad del crédito concedido sobre todos sus clientes, de la misma manera, la gestión global del Riesgo a nivel agregado de la cartera de la aseguradora se realiza agregando la exposición al riesgo, tanto Comprador a Comprador como Cliente a Cliente. Ello es especialmente importante de cara a mantener la consistencia, necesaria y requerida por Solvencia II, entre la gestión real del riesgo, en el día a día, y los métodos de cálculo de cara a solvencia II. Obtención del Rating del Comprador. La definición de un rating para cada uno de los Clientes, es una tarea ardua y a menudo de difícil consecución debido principalmente a las dificultades en la obtención de la información financiera que se precisa para su elaboración.

Juan Casanovas Arbó - Anales 2012/41-76

Las entidades aseguradoras, dependiendo del grado de penetración en cada uno de los mercados en que operan, han creado o participan en sociedades dedicadas exclusivamente a la determinación del nivel de rating con vocación de abarcar al máximo número de empresas y personas individuales de cada uno de estos mercados. También existen empresas a las que es posible comprar dicha información de forma libre en el mercado. Adicionalmente el acceso a esta información y en especial la calidad de la misma es un factor determinante para el nivel de seguridad en todo el proceso de gestión del riesgo, pero no debe olvidarse su importancia de cara a la competitividad de las entidades aseguradoras, en la medida que ello afecta necesariamente al precio del seguro y a las condiciones de contratación. Este tipo de Rating, está enfocado a la determinación de lo que ya se ha enunciado al inicio de este capítulo como PD (probability of default). De todas formas existen diversos elementos que facilitan su determinación. En primer lugar están los Ratings que publican las agencias de Ratings especializadas, como Standard&Poor´s, que se destaca, debido a que el aspecto financiero influye en mayor medida en el otorgamiento del rating. En segundo lugar, y para aquellos Clientes con Rating de una agencia de Rating, en que o bien su calificación se realiza a través de información pública o bien aquellas que su nivel de Rating está por debajo de un determinado umbral, las entidades especializadas en la elaboración de estos Rating, asumen complementariamente a dicho nivel de Rating un plus de análisis o de búsqueda de información a fin de disponer de un nivel de Rating más eficiente. Donde no llegan las agencias de Rating especializadas, las entidades o las compañías especializadas han desarrollado en base a los distintos modelos existentes unas metodologías de recogida de información financiera y de otro tipo, así como de calculo de Rating, normalmente supervisadas por personal especializado, que les permite asignar un rating a un gran número de clientes. Específicamente el mercado español, se caracteriza por la existencia de un importante número de empresas muy pequeñas y pequeñas, por lo que su nivel de riesgo debe abordarse desde este tipo de actuación. (IBR=Internal Buyer Rating). 53

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

El IBR es uno de los más complejos sistemas de clasificación de clientes existentes en la actualidad en manos de las entidades aseguradoras, y que analizaremos más adelante. Por último, y sin menoscabo de que ante cada realidad del mercado puedan y de hecho se dan, nuevas formas y cálculos de asignar rating, sí que es necesario introducir el riesgo país, como un elemento, que en el caso de las exportaciones condiciona el nivel de rating, incluso en algunos casos de forma abrumadora frente a lo aportado por la información financiera caso de que se disponga de ella. Estos procesos de asignación de Rating, son sumamente ágiles y muy cercanos a la realidad del día a día, tanto de la información económica como de cualquier tipo que se publica. Por último y de cara a la normalización de todos estos niveles de Rating, las entidades y empresas especializadas, normalizan y unifican todos y cada uno de estos Rating en un solo Rating según sus propios procesos informáticos internos para su uso extensivo en la suscripción y el otorgamiento de límites de crédito o cobertura. Metodología de obtención del Internal Buyer Rating y de las PD´s El IBR, viene a determinar la probabilidad de impago (PD) de los clientes en el horizonte temporal de un año. En este contexto, la probabilidad de impago incorpora cualquier insolvencia que se pueda producir por la causa que fuere incluso debida a terceros. Dependiendo de la información disponible se usan tres sub-modelos para la determinación del IBR - Modelo con información financiera completa, a partir del Balance y de la Cuenta de Resultados de la entidad Cliente – (FIM= Finantial Information Model) - Modelo con información financiera parcial o incompleta, disponiendo del Balance pero no de la Cuenta de Resultados de la entidad Cliente. – (LFIM = Ligth Finantial Information Model) - Modelos específicos basados en información no financiera, recogiendo las características de riesgo de la región, de las estructuras legales, antigüedad de la empresa cliente, etc. (NFIM = No Finantial Information Model).

Juan Casanovas Arbó - Anales 2012/41-76

Adicionalmente los suscriptores pueden incluir y/o influir en el Rating, mejorando o empeorando el rating a partir de su propia experiencia u opinión. Un estándar generalmente aceptado de valoración del rating, toma los valores comprendidos entre 1 y 99, correspondiendo al mejor rating el valor 1 y al peor rating al valor 99. Adicionalmente el valor 100 se reserva para cuando se dispone de información completamente adversa como por ejemplo que el cliente está en suspensión de pagos efectiva o en concurso de acreedores. Este sistema de proveer rating, dispone de señales de alerta adicionales, para cada nueva entrada de información relevante en el sistema o bien en el extremo opuesto aplicando normas de caducidad del rating por falta de información o de noticias, mas allá de un plazo prudente. La obtención del IBR para cada cliente, incluida en el Modelo de Información FIM, LFIM o NFIM, está soportado por la aplicación de un “Modelo de Medición del Riesgo de Crédito”, de los que existen múltiples variantes y con abundante bibliografía al respecto. Como resumen véase: Saavedra, M.L. Saavedra, M.J. (2010). A título de ejemplo, los Modelos de Valoración del Riesgo de Crédito se pueden dividir según Galicia, M. (2003), en: Modelos Tradicionales, que se basan en que los factores que deben tomarse en cuenta para decidir si se otorga crédito o no, y que reciben el nombre de “las cinco C del Crédito:” (Capacidad, Capital, Colateral, Carácter y Condiciones) A modo de ejemplo, Altman definió en 1968 un modelo en base a distintos coeficientes aplicables a cada uno de los cinco ratios que consideraba. (Capital productivo/Activos Totales, Beneficios Retenidos/Activos Totales, EBIT/Activos Totales, Valor de mercado de las acciones/Valor en libros de la Deuda y Ventas/Activos Totales), definiendo tres escenarios según el resultado de la ecuación. para un valor > 2,99 “No Default” para un valor < 1,81 “Default” para un valor entre 1,81 y 2,99 ”Grey zone”

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

Modelos Modernos, que incluyen distintos modelos como el modelo KMV, el modelo de Merton basado en Black & Scholes, el modelo Credimetrics de J.P. Morgan 1997b, el modelo de Credit Risk+ de J.P. Morgan 1997a, el Modelo de Retorno sobre capital ajustado al Riesgo de Faikenstein 1997, o el modelo CyRCE, los modelos Logit y Probit, los modelos basados en Redes Neuronales, etc. La base de todos estos modelos radica en convertir la información Financiera y no financiera disponible en un número determinado de elementos y/o relaciones o ratios. Estos elementos son usados para estimar el IBR (Internal Bayer Rating) y asignar una determinada PD (Probability of Default), en una visión a 12 meses vista A modo de ejemplo, un modelo actual podría contener los siguientes elementos: Beneficios antes de impuestos Suma total del Balance Deudas a c/p + créditos de la s operaciones / Deudas a su valor neto Provisiones en Balance Suma total del Balance a precios mercado Suma total del Balance a precios mercado menos Fondo de Comercio / Activos Reales Beneficios después impuestos / Precio neto Total Créditos por operaciones + otras deudas / Ventas totales Intereses pagados / Suma Total del Balance Activos Netos Totales / Ventas Totales En donde para cada elemento de la tabla anterior, dispondremos del valor o ratio, y a partir de este calcularemos, acorde con una determinada metodología estadística una puntuación que homogeneice los distintos ratios y que permita su correcta agregación. Los valores calculados para cada empresa se asocian a un rating con valor r, entre 1 y 99, a través de una función de distribución Gausiana con una media y una varianza dadas. Posteriormente para cada cierto intervalo de valores del rating “r”, se asocia una probabilidad de impago(PD), previamente calibrada. Esta calibración ayuda a identificar la relación existente entre las categorías del Rating y que PD son asignadas a cada categoría. Esta metodología requiere de unas bases históricas que permitan establecer las relaciones entre los resultados del 56

Juan Casanovas Arbó - Anales 2012/41-76

modelo y los niveles de impago realmente observados en la realidad. Las calibraciones así obtenidas, y dependiendo del periodo histórico observado, estarán más en la línea de ser observaciones del tipo “Through the cycle” o tipo “point of time” lo que dada la actual coyuntura económica supone un condicionante importante y que puede y debe ser corregido con alguna medida preventiva. (Ver el punto: limitaciones de estos modelos al final de este capítulo). El Rating responde a una escala logarítmica, que va desde una categoría hasta la siguiente incrementándose la probabilidad de impago (PD), en una escala multiplicativa y/o exponencial de factor x. Metodología de cálculo de las LGD (Loss Given Default = Cuantía de la pérdida asociada al Impago): Como ya se ha indicado anteriormente la LGD describe la parte de la exposición de cada cliente que se va a perder en caso de impago, o sea que efectivamente no se va a recuperar en el caso de impago. En términos del seguro de Crédito, la LGD generalmente cubre un corto espacio de tiempo y está en estrecho contacto con la realidad del mercado con lo que puede anticipar problemas con ciertos clientes. Ello permite que la exposición se pueda gestionar de una forma dinámica a través de una revisión y análisis de los estados financieros y de determinados indicadores del mercado, gestionando adecuadamente los limites de las coberturas y reduciendo el riesgo drásticamente tan rápido como se pueda ante cualquier indicio de deterioro. Un acercamiento a la medición de la LGD para el ramo de Crédito debe considerar el ser capaz de definir la exposición límite, a 12 meses vista, antes de que ocurra un impago, cliente a cliente. Cálculo de la LGD: Se establece un escenario considerando unas determinadas bandas de exposiciones del tipo: 0-10.000€ 10.000-20.000€ 20.000-50.000€ 50.000-100.000€ 100.000-200.000€ 200.000-500.000€ 500.000-1.000.000€ 1.000.000-2.000.000€ 2.000.000-infinito 57

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

Y para cada banda de exposición se introduce el modelo de distribución LGD de forma que exprese la severidad por cada banda de exposición. Para que el proceso sea consistente, las LGD, al igual que se ha definido para las PD, deben calcularse a nivel de clientes. Correlaciones para la Simulación de Pérdidas. En este punto se precisa juntar las PD derivadas del riesgo con las LGD y para ello utilizaremos las correlaciones. El desarrollo de un modelo de correlación interno, supone disponer de gran cantidad de datos históricos, difícilmente disponibles. En su lugar, algunos de los grandes operadores del ramo de Crédito a nivel mundial agrupados a través de ICISA, están utilizando el modelo de correlaciones desarrollado por Moody´s KMV denominado “MKMV Default Correlation Model” http://www.moodysanalytics.com . El modelo MKMV utiliza el Modelo de Impago de Merton, basado en la formula de Black and Sholes en donde la probabilidad de impago es igual a la probabilidad de que los activos del cliente sean menores que sus responsabilidades. Este modelo describe las correlaciones entre grandes compañías, en un horizonte superior al año, requiriendo de ajustes para usarlo sobre una cartera de seguros de crédito y en un horizonte temporal de 12 meses. El modelo KMV-Merton es una aplicación de la teoría financiera clásica, pero funciona bien en el pronóstico dependiendo de qué tan realistas sean sus supuestos. El modelo no es complejo y usa un modelo estructural que requiere una serie de supuestos. El modelo asume que el valor subyacente de cada empresa sigue un movimiento Browniano geométrico y que cada empresa tiene emitido un solo bono cupón cero. El modelo de MKMV contiene dos tipos de parámetros: Las Betas que describen la dependencia relativa del cliente respecto del estado macro-económico. Las R.cuadrados que es un factor por cliente que describe la fuerza de la correlación global, y que se ha adaptado al negocio de crédito de forma separada para las grandes exposiciones y para las pequeñas exposiciones. 58

Juan Casanovas Arbó - Anales 2012/41-76

Simulación de las Pérdidas a 12 meses vista: El último paso, es simular las pérdidas de la cartera. La simulación se realiza aplicando el método de Monte-Carlo un número suficientemente alto de veces y que en el caso de trabajar cliente a cliente, supondría trabajar con un número ingente de información, para generar cada posible escenario. Por ello, dada su magnitud y la del número de escenarios previstos posibles, se hacen necesarias simplificaciones que permitan utilizar agregados que podamos calificar como “segmentos”, y por tanto que cumplan los requisitos de homogeneidad del riesgo. A la vez, estos segmentos deben permitir extraer la información necesaria para gestionar correctamente el riesgo y los requerimientos de capital. Así es interesante el obtener resultados por segmentos, referidos a Países, Sectores Económicos, Subsectores, Carteras específicas, entre otros. Debido al efecto de la subaditividad ocasionado por las correlaciones entre los distintos segmentos, el querer disponer del SCR para segmentos específicos como partes integrantes del SCR global calculado, va a implicar la utilización de técnicas de “Capital Allocation”. El método de simulación de Montecarlo se aplica de forma que se van modificando aleatoriamente y de forma ligera los nivel de “Default” de cada segmento, aplicando sus respectivas correlaciones y obteniendo así un valor de la pérdida esperada para cada uno de los escenarios, generando la correspondiente función de distribución de la pérdida esperada en el horizonte temporal de los próximos 12 meses. El valor para una probabilidad de ocurrencia el 99,5% será el que asignaremos como SCR. En las simulaciones que se realizan es importante destacar, que si se incluyen todos los eventos a los que se está expuesto, o en otros términos, si la modificación de los niveles de “default” es suficientemente importante o si abarca a un número de segmentos amplio simultáneamente, implica la hipótesis de que se están incluyendo escenarios catastróficos. Su segregación, que implicaría establecer ciertas restricciones en la generación de escenarios supondría incrementar notablemente la complejidad del modelo Limitaciones: Este tipo de modelos, son complejos tanto desde su construcción teórica como desde la óptica de su manejo. Requieren de una importante dotación de recursos humanos y materiales y especialmente de mantenimiento y contraste de las hipótesis.

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

No obstante este tipo de modelos, dependiendo de la velocidad con que se refleje la información y al contrario que los restantes modelos, incorporan un efecto anticipador de las crisis económicas muy importante, ya que las simulaciones de pérdidas que se realizan, se hacen a partir de la última información conocida de las entidades y de sus PD, que en situaciones complicadas evidentemente se resienten y trasladan al valor de la Pérdida Máxima Esperada su expectativa de empeoramiento de la situación económica. En este sentido, una limitación o peligro del modelo hace referencia a la volatilidad que puede mostrar el SCR ante situaciones adversas, llevando a las entidades aseguradoras a mostrar situaciones inclusive de insolvencia debido a ello y que en el peor de los casos debería matizarse. Por otra parte estos modelos, adaptados a la industria aseguradora a partir de la implantación previa al sector bancario, están asumiendo comportamientos estadísticos y estándares de mercado, como pueden ser determinadas funciones de distribución y determinados tipos de correlaciones, no testeados ni comprobados en el ámbito de los seguros de crédito. Como ya se ha indicado en otros capítulos, el establecimiento para el sector asegurador de una metodología clara y consensuada que sirva de “referencia de contraste”, permitiría valorar el resultado de estos modelos, en todas sus variantes, sin la necesidad de exámenes metodológicos exhaustivos entidad por entidad, inclusive en situaciones estresadas. 6. Modelos Internos basados en la simulación Montecarlo de la Cuenta de Resultados La simulación por Monte-carlo de la Cuenta de Resultados, tiene como punto de arranque la información histórica de la cuenta de resultados de la entidad, ramo o área geográfica relativa a cada una de las partidas que la componen y que en este punto adquieren una importancia vital de cara a asegurar la necesaria congruencia de la información sobre la que vamos a construir el modelo. La idea subyacente, consiste en generar a partir de las funciones de distribución de las variables que intervienen y de las correlaciones entre las mismas un número suficiente de simulaciones que nos permita encontrar el valor de la pérdida máxima esperada o lo que es lo mismo, del resultado negativo máximo esperable en uno de cada 200 años o dicho de otra forma con un porcentaje de confianza del 99,5%.

Juan Casanovas Arbó - Anales 2012/41-76

Las partidas a las que se hace referencia son: - Primas Adquiridas como aglutinante de los ingresos por primas, aunque puede ampliarse el estudio a variables más básicas como las Primas emitidas y las provisiones de primas no consumidas etc . - Siniestralidad, también como aglutinante de los pagos por siniestros más la variación de la provisión de siniestros pendientes y los recobros del reaseguro, con distintas posibilidades de enfoque, ya sea por Provisiones totales o incrementales - El coste del Reaseguro - Los gastos de todo tipo y las comisiones a los agentes Adicionalmente y para poder plantear adecuadamente las hipótesis sobre las que establecer el comportamiento futuro de las variables indicadas, será necesario disponer de información adicional tipo; número de pólizas, número de siniestros declarados, número de siniestros pendientes, inflación, curva de tipos de interés, etc, según el caso. Para poder realizar la simulación de Monte-Carlo se plantean hipótesis sobre el comportamiento aleatorio de las variables que posibilitan el cálculo de la cuenta. Dichas hipótesis deben quedar adecuadamente justificadas, aunque en casos concretos, el juicio del experto, o la utilización de parámetros del mercado puede prevalecer ante determinados comportamientos de alguna de las variables. Complementariamente, si la cuenta de Resultados no refleja debido al plan contable de la entidad las diferencias de valor de su activo y esas van directamente a recursos propios, deberá añadirse esta circunstancia al modelo, incorporando las variables necesarias para considerar este u otro efecto relevante. Otro aspecto importante a considerar es el grado de correlación entre las variables. La aplicación de Cópulas nos va a permitir determinar el comportamiento multivariante que refleje la dependencia entre las marginales. Como veremos seguidamente, para cada variable sobre la que realizamos hipótesis de comportamiento de tendencia temporal, deberemos sustentarlas incluyendo la información histórica empleada, el tipo de extrapolación utilizada y el método estadístico de captura de la evolución prevista para esa variable. 61

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

Por último, el número de simulaciones a realizar, debe determinarse después de un análisis de la sensibilidad del SCR calculado con distinto numero de simulaciones. A modo de ejemplo, Hipótesis sobre la Aleatoriedad de las Primas: Para determinar el patrón de comportamiento de las Primas, se analizan los elementos que explican su comportamiento. En nuestro ejemplo podríamos definir dos elementos / variables a considerar: -

Primas del negocio directo. Primas del reaseguro aceptado.

La exposición: definida como el número de pólizas que están corriendo riesgo y calculada como la semisuma de las pólizas en cartera entre inicio y final de ejercicio. Adicionalmente y para ejercicios a simular, las pólizas en cartera de cada ejercicio se desprenden de agregar a la cartera anterior las pólizas vendidas y sustraer las anulaciones y las pólizas temporales en su caso. La prima media: definida como el cociente entre las primas emitidas y la exposición. El siguiente paso, consiste en ajustar una función de distribución a cada una de las variables. En este sentido tanto para las variables financieras como para las no financieras, existe sobrada literatura que nos permite realizar este análisis. También la disponibilidad de distintos Softwares como el @Risk, el lenguaje R, o el EViews, nos van a permitir testear cual es la función de distribución que mejor se adapta a cada variable. Hipótesis sobre la Aleatoriedad de la Siniestralidad Como norma general, en la mayor parte de tratados referidos a la siniestralidad, se establece la siguiente clasificación atendiendo al comportamiento y cuantía de los siniestros. Siniestros de Frecuencia Siniestros Punta Siniestros Catastróficos 62

Juan Casanovas Arbó - Anales 2012/41-76

En nuestro caso, vamos a asociar a los Siniestros de Frecuencia el coste de siniestro por póliza o Burning Cost, y que no es mas que el cociente entre el coste final proyectado del triángulo de valoraciones o incurridos entre la exposición año a año. La utilización del Coste por póliza, se realiza mayormente para ramos o zonas geográficas de las que se dispone de suficiente información de detalle y normalmente vinculados con frecuencia a la utilización de métodos globales de cálculo de la PTPP. En su defecto, y para los segmentos de información en los que no se utilizan los métodos globales de calculo de la PTPP, se utiliza el Loss ratio, consistente en utilizar como variable representativa el porcentaje de siniestralidad sobre las primas, por su mayor simplicidad y menor requerimiento de información. Para los Siniestros Punta, asociaremos su número total y su coste medio. Por último para los Siniestros Catastróficos asociaremos el número de cúmulos y su coste medio. Es importante resaltar la necesidad de definir un punto de corte entre lo que estamos denominando como siniestros de frecuencia y lo que denominamos siniestros punta a efectos de segregar la información y realizar el análisis. Al igual que hemos hecho con las primas vamos a ajustar una función de distribución a cada una de las variables, seleccionando aquella que presente una mejor bondad de ajuste. En este caso, distinguiendo de forma clara el análisis de variables discretas (número de siniestros) del de variables continuas y dentro de estas últimas, distinguiremos también si el análisis se refiere a siniestros o tipologías de siniestros de cola corta o de cola larga. Hipótesis sobre el resto de variables a considerar. Como norma general, una vez modelado el comportamiento y definidas las hipótesis de las principales variables del negocio como son las primas y la siniestralidad conjuntamente con la evolución de las reservas, para las restantes variables que intervienen en la cuenta de resultados como son los gastos imputables a prestaciones, los gastos de administración, los gastos de adquisición, los otros gastos técnicos, las comisiones, el coste del reaseguro y las comisiones del reaseguro, se asume que tienen un comportamiento “determinista”. Las casuísticas que se pueden presentar, para todo este conjunto de variables, dado que estamos contemplando la evolución del negocio en una situación de continuidad de las operaciones, suelen enmarcarse en la definición de proporcionalidades de distinto tipo respecto de alguna o algunas de las variables modeladas anteriormente. 63

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

Correlaciones: obviamente existen relaciones entre las distintas variables que hemos ido definiendo, y se hace de todo punto necesario el análisis de las correlaciones entre ellas. En este sentido, y dada la dificultad de establecer las mismas a partir de bases de datos no siempre suficientemente voluminosas y congruentes, la utilización de las correlaciones suministradas por el regulador, supondrán en cualquier caso una mejora del proceso frente a no considerarlas. Este es un elemento importante en la definición del Modelo Interno, toda vez que a partir de las funciones de distribución de las variables consideradas y de las correlaciones entre ellas, vamos a establecer una función de distribución conjunta que describa la estructura de dependencia entre todas ellas. Para ello se utiliza la metodología de las Cópulas. La inexistencia de contrastes estadísticos para la selección de la Cópula que mejor se adapte a unos datos multivariantes, nos lleva como planteamiento de salida a la utilización de la Cópula Gausiana dada su mayor facilidad de cálculo frente a otras familias de cópulas al no incluir parámetros a estimar y en que ésta se basa exclusivamente en las correlaciones lineales entre las variables consideradas. Provisiones Técnicas: Provisión de Primas: el devengo de las Primas es un elemento importante a considerar en la cuenta de resultados y que se regula a través de la Provisión de Primas No Consumida. Esta Provisión permite establecer las Primas en Riesgo de cada periodo y por tanto la utilización del patrón de devengos en la definición de las distintas variables afectadas de la cuenta de resultados tiene un efecto relevante en los resultados del modelo. El Patrón de Devengo afecta a básicamente a las primas adquiridas, la exposición, la prima media, al Coste del Reaseguro, a las comisiones, a los gastos de Adquisición, etc. Provisión de Siniestros: como ya se ha indicado anteriormente, la Provisión de Siniestros, está directamente relacionada con el cálculo de la siniestralidad. Las actuales metodologías de cálculo por métodos globales, en la medida en que sus resultados sean aplicados al modelo interno, garantizan no solo la suficiencia de estas, si no la suficiencia del SCR. Por otra parte los patrones de pago contemplados en la liquidación de los siniestros, afecta directamente a las posiciones de liquidez y tesorería de la

Juan Casanovas Arbó - Anales 2012/41-76

entidad, con lo que su consideración a efectos del riesgo de mercado también forma parte del modelo global de la entidad. Técnicas de mitigación del Riesgo: la participación del Reaseguro en los siniestros, es uno técnica de mitigación del riesgo ampliamente utilizada en el sector asegurador. La existencia de múltiples tipologías de contratos y una segmentación de la cartera asociada a esos contratos, muchas veces no acorde con la segmentación existente en los sistemas de información internos, suponen un alto grado de dificultad en su modelización. No obstante al igual que sucede con el resto de variables la inclusión de relaciones entre la siniestralidad, el número de siniestros, el coste medio, o los cúmulos y el reaseguro, permite establecer un grado de mitigación del la siniestralidad cercano al real y en cualquier caso controlable, modelizable y prudente de cara a la cuantificación del SCR. Cálculo del SCR: como ya se ha indicado, para calcular el SCR de suscripción vamos a realizar un número suficiente de simulaciones (previamente testeadas como idóneas) por el método Monte-carlo, y obtendremos el valor de la pérdida máxima esperada con un grado de probabilidad del 99,5% acorde con las indicaciones de Solvencia II siendo este importe el del capital necesario para hacer frente a esas pérdidas, o sea el SCR de Suscripción. El Riesgo Catastrófico: como ya se ha indicado en el apartado correspondiente a las Hipótesis de Aleatoriedad de la Siniestralidad, esta metodología incluye en si misma la segregación de los datos históricos referidos a cúmulos y su coste asociados. También y a raíz de los datos base de las PTPP dispondremos de mayor información fácilmente segregable como catastrófico. No obstante, en términos del ramo de Crédito, la historia ha venido demostrando que a diferencia de los restantes ramos de Seguros Generales, el concepto de Catastrófico se esta reinventando año tras año, con lo que la actual situación financiera, nos aportará un plus de experiencia al contrastar si estos modelos hubieran respondido adecuadamente ante una situación como la que venimos viviendo desde mediados del 2007. Limitaciones: este tipo de metodología, aplicada al ramo de Crédito, supone el definir un modelo en base a parámetros internos de la entidad. Si por algo se caracteriza el ramo de Crédito es por su vinculación con el mundo económico en general, con exposiciones específicas sector a sector y país por país. Ello es trascendente, pues cualquier elemento distorsionador a nivel económico sea sectorial, nacional o global tendrá trascendencia mas o menos inmediata en la entidad. Es por ello, que a esta metodología podría 65

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

calificársela de “aislacionista”, frente a la posibilidad de incorporar como elementos explicativos tanto de la evolución de las primas como de evolución de la siniestralidad variables externas que aporten al modelo un determinado grado de variabilidad frente a situaciones de estabilidad o de crisis económica. Rodriguez, E. (2007). En relación con lo anterior, y a modo de ejemplo, la consideración de las fluctuaciones del PIB de cada país o zona geográfica en el modelo interno supondría un refuerzo de la solvencia de las entidades acorde no solo a las expectativas de resultados recientes, si no que incorporaría una expectativa externa sumamente relevante para su solvencia. 7 Modelos Internos desarrollados bajo la metodología y bases actuariales utilizadas en el cálculo de las Provisiones Técnicas de Siniestros por Métodos Globales Estocásticos Aunque el uso de la metodología estocástica para el calculo de las PTPP (Provisión Técnica Para Prestaciones) no se viene utilizando en la práctica, para el cálculo del Capital Requerido, una línea de investigación futura, debería centrarse en su aplicabilidad dada su amplia difusión, aparente simplicidad y el menor coste de implantación en una entidad aseguradora. De ello, resultaría una alternativa de cálculo del SCR plenamente viable, asumible y especialmente entendible para el sector asegurador. En el informe de EIOPA sobre los resultados de QIS5, EIOPA, 2011 QIS5 Report. 60. se hace mención a que las entidades, mayormente, han informado de que no tienen planes para mejorar las metodologías que vienen utilizando para el cálculo del BE de las PTPP, excepto para incluir el efecto de la inflación. No obstante la propia participación en el QIS5 ha supuesto el dar el paso de metodologías determinísticas a metodologías estocásticas, y en este sentido las más utilizadas por el sector están siendo: - Técnicas de Chain Ladder basadas en siniestros pagados, incurridos o en número de siniestros. - Técnicas Bornhuetter-Ferguson basadas en siniestros pagados o incurridos. - Tecnica de De Vylder minimos cuadrados. - Estocasticas tipo: Bootstrap o métodos de Mack. - Análisis de Frecuencia y Severidad.

Juan Casanovas Arbó - Anales 2012/41-76

Refiriéndonos a los métodos estocásticos, y aunque algunos de ellos coinciden en la estimación del BE de las PTPP con el chain-ladder clásico (determinista ), es evidente que su utilización aporta la ventaja de obtener medidas de precisión de la estimación de las PTPP. El Modelo: Según Solvencia II, el valor de las PTPP debe ser será igual a la mejor estimación (BE) de las PTPP más un margen de riesgo, que en todo caso supone un incremento del BE, bien en función del propio modelo o bien un incremento porcentual referido a las propias PTPP o a otros parámetros que se consideren más adecuados. Así el SCR correspondiente al Riesgo de Reservas se podría plantear como el Best Estimate de las Provisiones Técnicas para Prestaciones ( percentil 99,5%) menos el Best Estimate de las Provisiones Técnicas para Prestaciones ( percentil 50%) menos el Margen para Riesgo. Este SCR, deberá completarse con la adición de los SCR correspondientes a los sub-riesgos de Primas, de Anulaciones y Catastrófico. La aplicación de esta metodología tan genuinamente aseguradora se sustenta en las grandes diferencias que caracterizan al producto de Crédito Asegurador frente al producto de Crédito Bancario, de entre las que destacan como más evidentes las siguientes: a) La existencia de Provisiones Técnicas de Primas, de insuficiencia de Primas y de Siniestros, con metodologías propias de cálculo, así como de técnicas de mitigación del riesgo como es el Reaseguro. b) Los Créditos Bancarios se conceden a un vencimiento final, normalmente superior al año, especialmente a partir de determinadas cuantías, frente al Seguro de Crédito que básicamente es un contrato anual renovable y denunciable por cualquiera de las partes. c) De concurrir algún cambio en el deudor ( empeoramiento de la calidad crediticia), el Crédito bancario sigue inalterable con una deuda pendiente igual al 100% del crédito menos lo amortizado, mientras que en el Seguro de Crédito Comercial solo se verán afectados los importes comprometidos con facturas libradas a ese deudor, pudiéndose tomar cuantas medidas se consideren oportunas, desde recalcular el precio, reducir el límite de exposición e incluso denegar la cobertura de futuras ventas.

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

Por último, destacar que como de lo que se trata, es de medir el riesgo de que la entidad pueda hacer frente a sus compromisos por siniestros, en un escenario probabilístico al 99,5%, y estamos utilizando esta metodología para establecer el mismo escenario al 50% para el cálculo del BE de las PTPP, no parece descabellado, a priori, asumir que el uso de la misma metodología nos aporta un plus de coherencia y simplicidad frente al uso de cualquier otra metodología. En resumen, el cálculo de las Provisiones Técnicas de Siniestros o Prestaciones, bajo un modelo de simulación, supone obtener la distribución predictiva de los pagos futuros por siniestros. En la literatura especializada, Bermudez y Morata, L. (2010) se han venido proponiendo dos métodos para obtener una distribución predictiva simulada. -

Métodos Bootstrapping. Interferencia Bayesiana, basada en técnicas MCMC

Su aplicabilidad viene motivada por: -

Posibilitan el cálculo de medidas de variabilidad del best estimate Posibilitan trabajar con la distribución predictiva de los pagos futuros La existencia de métodos estadísticos y de recursos informáticos Permiten el diagnóstico de los modelos Combinan bien con el análisis financieros

Los modelos estocásticos más adecuados para el análisis de las series de pagos son: A: Métodos chain-ladder estocástico, recurrentes o no recurrentes B: Modelos Bayesianos C: Otros Modelos, como los de Credibilidad, de Kalman-Filter o los Modelos no paramétricos No obstante, una de las aproximaciones mas utilizadas para modelizar el método chaim-ladder en su versión estocástica es a través de los modelos lineales generalizados (MLG). EL Riesgo Catastrófico: En lo referente al tratamiento del Riesgo Catastrófico, este tipo de modelos, que se basan en la información histórica 68

Juan Casanovas Arbó - Anales 2012/41-76

de la entidad y en base a la cual generan un elevado número de simulaciones que se tratan estocásticamente (Bootstrap o métodos de Mack), asumen el comportamiento Catastrófico como los extremos por encima de un determinado nivel de confianza. No obstante, como cada evento Catastrófico puede ser distinto de los anteriores, la actual situación financiera, nos aportará un plus de experiencia al contrastar si estos modelos hubieran respondido adecuadamente ante una situación como la que venimos viviendo desde mediados del 2007. Limitaciones: Como ya se ha indicado anteriormente, la utilización del procedimiento de cálculo del BE de las PTPP como Modelo Interno de Suscripción, no es completo desde una óptica purista, ya que consideraciones como el efecto de las anulaciones o la evolución del volumen del negocio no estarían contemplados en él. No obstante, la práctica aseguradora nos ha venido demostrando que ninguna compañía de seguros ha presentado una situación de insolvencia, dentro del ámbito del riesgo de suscripción a razones debidas a una Insuficiente Provisión de Siniestros Pendientes (PTPP). Por tanto parece de todo punto asumible, y más vistas las asunciones realizadas en la definición de la Fórmula Estándar, el que se consideraran este y algún otro posible riesgo menor, incluyendo en el cálculo un recargo en base a primas o reservas que se considerara suficiente. En este aspecto es necesario remarcar, a diferencia de lo que ocurre con el resto de modelos, la ventaja que supone el menor coste económico y de implantación de este modelo, habida cuenta de que estas metodologías ya están plenamente implantadas y testeadas e imbuidas en la gestión de las entidades. Llevado al extremo, la adaptación a Solvencia II con este tipo de modelos se podría realizar en un especio de tiempo y con una calidad muy superior a lo actualmente previsible. Siguiendo lo mencionado en el párrafo anterior, se hecha en falta, al igual que en el modelo basado en las cuentas de resultados, la inclusión de algún parámetro externo a la actividad de la entidad aseguradora, que relacione el nivel de reservas (su BE) con la evolución macroeconómica a fin de incluir posibles situaciones calificables de catastróficas. Rodríguez, E. (2007). Adicionalmente, deberemos considerar la función del Consorcio de Compensación de Seguros para los riesgos ubicados en España, habida cuenta de que ante situaciones no tasadas, respondió ante la crisis en los ejercicios 2008 y posteriores, facilitando una cobertura de Reaseguro precisamente enfocada a cubrir a las compañías de Crédito ante una desviación importante del Ratio Combinado. 69

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

8. QIS5 Comparativa de Resultados Tanto EIOPA, EIOPA 2011 QIS5 Report, como la DGSyFP en DGSyFP Presentacion Resultados QIS5 23/03/2011 y UNESPA en UNESPA Informe Resultados QIS5 Mercado Español, han publicado los resultados del Test de Impacto QIS5 referidos el primero al ámbito de la CEE y el segundo y tercero al ámbito Español. Lamentablemente en dichos informes, no se refleja información pormenorizada referida al Seguro de Crédito Comercial y por tanto se hace imposible argumentar en base a ellos si la utilización de las distintas opciones de cálculo del Capital (SCR), en base a Fórmula Estándar, o en base a los posibles Modelos Internos supone una desigual carga de capital. Existen indicios en la Formula Estándar que permiten asumir esa distinta carga de capital al comparar entre ramos los porcentajes a aplicar a las Primas y a las Provisiones Técnicas, pero en cualquier caso ello no supone que sea defendible desde un prisma de rigurosidad estadística. De la información publicada por DGSyFP referida al mercado asegurador español, se desprende que el SCR del riesgo de suscripción, expresado en porcentaje sobre las Primas supone algo más del 40% de estas, concretamente un 40,5% y que excede en 10 puntos a sus inmediatos seguidores y del orden de 15 puntos a la media del conjunto de ramos de seguros generales. En relación al catastrófico, se evidencian aun más el efecto de los requerimientos de capital que por dicho concepto se le requieren al ramo de Crédito y Caución en comparación con los restantes ramos de Seguros Generales. Adicionalmente, el mercado asegurador español, como ya se ha indicado, cuenta con la cobertura del Consorcio de Compensación de Seguros, que si bien en algunos ramos está claramente definida, no lo estaba en el ramo de Crédito, aunque a raíz de la presente crisis económica, se han tenido las primeras experiencias. Estos distintos requerimientos de capital resultantes del QIS5 y el hecho de que no se hayan iniciado de forma sectorial actuaciones conjuntas tendentes a minimizarlos, salvo en el Riesgo Catastrófico, en un sector tan poco atomizado, hace pensar en la interferencia que otras políticas empresariales pueden ejercer, ya que, una alta carga de capital supone no solo su 70

Juan Casanovas Arbó - Anales 2012/41-76

disponibilidad, con su coste asociado, sino que también implica la existencia de altas barreras de entrada en la actividad y ello, ante situaciones de solvencia holgada, puede resultar provechoso para algunas entidades. Por último, y como se manifiesta en los documentos reseñados, EIOPA, ha reconocido la necesidad de calibrar mejor tanto el Riesgo Catastrófico como específicamente el de Suscripción, de los ramos No Vida. 9. Consideraciones sobre el Horizonte Temporal de 12 Meses contemplado en Solvencia II frente a un enfoque Multi-anual. La Directiva de Solvencia II (25/11/2009) , define claramente que el cálculo de Capital debe referirse a un horizonte temporal de un año y consecuentemente todos los modelos desarrollados a efectos de cálculo del SCR han tomado esta referencia temporal como hipótesis de partida. No obstante, también dice que el cálculo del SCR debe ser congruente con el ERM y en ese sentido si el modelo del negocio y/o el comportamiento de los riesgos asumidos suponen una visión a más amplio plazo, el modelo de calculo del capital debe también considerar esa particularidad. Atendiendo a lo anterior, es difícilmente planteable desde una óptica de gestión de una empresa aseguradora y especialmente si se trata de la gestión del riesgo (ERM ) , defender el horizonte temporal de un año. Normalmente, la implementación de todo tipo de políticas, requiere de una visión a más largo plazo que la anual, ya que la gestión del riesgo y la gestión del capital entre otras muchas, deben ir acordes con las disponibilidades, capacidades y en definitiva del modelo de negocio, y en ningún caso ello se realiza con una visión cortoplacista. También, en la Directiva de Solvencia II (25/11/2009), y al solicitar la autorización al regulador para el uso de modelos internos, se indica la necesidad de demostrar en la práctica el uso de los mismos y de una adecuada gestión del riesgo contemplado acorde con el desarrollo del modelo seleccionado. En este sentido el ORSA ( Ceiops – ORSA 2011 ), se configura como una pieza básica en ese proceso de documentación y evidencia de la gestión de Riesgos. Si juntamos ambos requerimientos, el horizonte temporal de 12 meses, con la necesidad de demostrar la adecuada gestión de riesgos, que como se ha indicado abarca normalmente un horizonte temporal más amplio, estamos 71

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

ante una situación que va a generar un cierto conflicto en la medida que algunos de los supuestos bases utilizados para definir este horizonte temporal a 12 meses han empezado a resquebrajarse y todo ello con el consiguiente aumento de los requerimientos de capital. Además, la actual situación económica mundial, originada a partir del verano del 2007, con el efecto negativo en los mercados de capitales nos permite vislumbrar que una adecuada ERM debería referirse a un horizonte temporal más amplio, garantizando la solvencia de las entidades no solo en el corto plazo, si no a medio e inclusive el largo plazo. Ello incide no solo en la valoración de los riesgos y en las políticas de suscripción, si no que afecta sobremanera a la valoración de los activos de las entidades, obligando en muchos casos a fijar políticas que aseguren el retorno del capital y/o de una correcta valoración aun a costa de una disminución importante de los márgenes financieros. De otra parte, el incremento de las catástrofes naturales, con el consiguiente incremento de los siniestros y del coste del reaseguro, también incide en la necesidad de abarcar espacios de tiempo mucho más amplios, de forma que se puedan contemplar los aspectos de ciclicidad de estos fenómenos. Por último, los requerimientos de la Directiva de Solvencia II (25/11/2009), en términos de trasparencia con los Mercados y los Reguladores también incide en que tanto las estrategias empresariales como el modelo de capital deben ir aparejados y ser absolutamente congruentes. Los modelos de cálculo de Capital que hemos estado analizando (Formula Estándar y Modelos Internos) se basan en la asunción de que en caso de producirse un evento de pérdida máxima, la sociedad quebraría si no dispone de los suficientes recursos propios o de terceros para poder seguir cubriendo el SCR. No obstante a raíz de la presente crisis la disponibilidad de capitales propios o de terceros, ha dejado de cumplirse. Ni los accionistas estarán en disposición de seguir invirtiendo, ante la duda de recuperar o no el capital, ni el acceso al mercado de capitales va a ser fácil, básicamente debido al sobreprecio que debe pagarse o simplemente por la falta de oferta e interés para entrar en el negocio. Por otra parte la definición de un modelo Multi-anual ayuda al equipo directivo a hacer congruente el modelo de negocio y la definición y 72

Juan Casanovas Arbó - Anales 2012/41-76

aplicación de estrategias empresariales en una visión como mínimo a medio plazo, con la gestión del riesgo y los requerimientos de solvencia. A modo de ejemplo, es importante estar en disposición de responder a preguntas del tipo: ¿Cuántos años, con catástrofes y con un desarrollo adverso del mercado de capitales puede soportar la empresa con un cierto nivel de confianza sin recurrir a financiación externa? ¿De cuánto Capital necesita la entidad disponer para sobrevivir los próximos cinco años sin recurrir a financiación externa? ¿De cuánto capital se necesita disponer en t=0 para que una entidad aseguradora pueda cubrir todas sus pérdidas potenciales simuladas en que va a incurrir en el periodo de simulación considerado ( n años) sin acceder al mercado de capitales en ningún momento de este periodo, para una línea estratégica determinada o modificando una estrategia determinada? Todo ello nos lleva a que una de las actividades más importantes de los directivos de las entidades aseguradoras va a ser el asegurar una adecuada estructura de políticas de selección de riesgos acorde con las estrategias y disponibilidades de capital y ello solo va ser posible si trabajamos en un enfoque a medio y largo plazo en lugar de los 12 meses previstos por Solvencia II. Según Diers, D. (2011), esta visión multi-anual supone cambios en el modelo, que afectan básicamente a la consideración de la perdida máxima, que pasa a ser contemplada de forma acumulada a lo largo del periodo contemplado, en lugar de 12 meses, 5 años en su propuesta, independientemente de la modelización escogida para los distintos riesgos de la entidad. En términos de adaptabilidad de los Modelos que hemos analizado a este nuevo horizonte temporal, es de destacar, que el Modelo basado en la simulación de la Cuenta de Resultados, no requiere de ningún cambio ya que uno de los usos actuales de ese modelo, es el cálculo del valor de las carteras, incluyendo la nueva producción, y para lo cual se consideran horizontes temporales que reflejen la duración máxima de las pólizas. En el desarrollo posterior a la presentación de este trabajo, se pretende profundizar también en ello, aportando la argumentación necesaria y 73

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

evidenciando cuando es realmente necesario este enfoque y el coste en términos de SCR estimable a partir de ejemplos prácticos. 10. Conclusiones A lo largo del presente trabajo, se han expuesto y analizado los aspectos relevantes en relación a las opciones existentes de cálculo del SCR para el Seguro de Crédito Comercial: Se han visto con el suficiente detalle las bases en las que se sustentan los distintos modelos y su complejidad, tanto desde una visión estrictamente de cálculo como desde una visión de recogida y selección de la información. También hemos visto el distinto tratamiento del Riesgo Catastrófico, en cada modelo. Se ha avanzado, ante las evidencias y las asunciones de la formula estándar, en que esta puede no ser la mejor “referencia de contraste” respecto del valor del SCR Como novedad, se ha introducido la metodología de cálculo de las Provisiones Técnicas para Prestaciones con modelos estocásticos, como una alternativa de Modelo Interno lo suficientemente contrastada y asumida por las entidades y no descartable en cuanto a su consideración como “referencia de contraste”. También hemos visto, en relación con el Horizonte temporal, la necesidad de enfocar la Solvencia de las Entidades a un Horizonte Temporal superior al Anual. Podría definirse como algún autor recomienda el considerar un horizonte temporal de 5 años, si bien y en la línea de dejar la responsabilidad de los cálculos en manos de las entidades cabría, previa justificación aceptar una propuesta propia para cada entidad siempre y cuando esta se justificara en base al plazo de ejecución de sus distintas estrategias, básicamente de Riesgos y Capital. En cualquier caso el Horizonte temporal anual no parece el mejor escenario posible. Todos los temas tratados, son de amplia complejidad y el presente trabajo, pretende mostrar las importantes diferencias existentes entre las diversas

Juan Casanovas Arbó - Anales 2012/41-76

metodologías, sus pros y sus contras y especialmente sus limitaciones, y que ello, puede producir unos requerimientos de capital realmente distintos. Ello implica, dependiendo de la discrecionalidad del regulador local, que de no corregirse, las entidades serán mas o menos solventes y en sentido inverso mas o menos competitivas en términos de coste de capital, dependiendo de la metodología que utilicen, lo cual no tan solo no es deseable, si no que, debe hacerse lo posible para evitarlo. 11. Bibliografía Bermúdez y Morata, L. (2010) Métodos Estocásticos para el Cálculo de la Provisión Técnica de Prestaciones Pendientes en Solvencia II. Grupo de Investigación RFA-IREA, Universidad de Barcelona. http://www.ub.edu/dpees/risk, julio/2012 Carrillo, S. (2005). Basilea II: Una Mirada Crítica, Mediterraneo Económico” nº 8, ISBN 84-95531-28-3DL AL-400-2005. Editado por: Instituto de Estudios Económicos de Cajamar. Casanovas, J. (2012). La medición de la Solvencia del Riesgo de Suscripción en el ramo de Crédito. Master de Investigación en Empresas, Finanzas y Seguros. Universidad de Barcelona. DGSyFP Presentación Resultados QIS5 23/03/2011. Disponible en : www.dgsfp-meh.es/sector/sol2_Qis5/qis5230311.asp, julio/2012 Diers, D. (2011). Management Strategies in Multi-year Enterprise Risk Management. Risk Management, Provinzial NordWest Holding and University of Ulm, Provinzial Alice 1, Muenster 48131, Germany. The Geneva Papers 2011, 36, (107-125). www.genevaassociation.org. ©The International Association for the Study of Insurance Economics 10185895/11. England, P. y Verrall, R. (1999). Analytic and Bootstrap estimates of prediction errors in claims reserving. Insurance: Mathematics and Economics 25(1999) 281-293. England, P. y Verrall, R. (2002). Stochastic Claims Reserving in General Insurances. Presentación al Instituto de Actuarios 28 Enero 2002, B.A.J. 8,III, 443-544(2002). EIOPA 2011 QIS5 Report. EIOPA Report on the fifth Quantitative Impact Study (QIS5) for Solvency II. EIOPA-TFQIS5-11/001 de 14 de Marzo de 2011, https://eiopa.europa.eu Galicia, M. (2003). Nuevos enfoques del Riesgo de Crédito. Instituto de Riesgo Financiero. México 2003.

Capital requerido para el riesgo de suscripción - Anales 2012/41-76

Gesmann, M. (2009). Claims Reserving in R The Chain-ladder package. Conference paper: One-Day Workshop 24 July, Stample Inn London. Rodríguez, E. ( 2007). Un modelo de reservas bancarias con correcciones macroeconómicas y financieras. Edición electrónica Diciembre 2007, ISBN 1850-3977. Saavedra, M.L. y Saavedra, M.J. (2010). Modelos para medir el riesgo de crédito de la banca. Cuadernos de Administración vol. 23 num. 40 1-6/ 2010, 295-319, Universidad Pontificia Javeriana – Colombia. Sandström, A. (2006). Solvency, Models, Assessment and Regulation. Chapman & Hall/CRC ( Taylor and Francis Group ) 2006, ISBN 1-58488554-8. The Solvency II Handbook (2009), Developing ERM Frameworks in Insurance and Reinsurance Companies. Lista de 33 autores colaboradores. Edited by Marcelo Cruz. Risk Books, a división of Incisive Finantial Publishing Ltd. UNESPA QIS5 Informe. UNESPA: Resultados QIS5 Mercado Español. Madrid 23/3/2011. www.dgsfp-meh.es/sector/sol2_Qis5/qis5230311.asp, julio/20112

Anales del Instituto de Actuarios Españoles, 3ª época, 18, 2012/77-110

MUCHOS PIERDEN Y POCOS GANAN: EFECTOS DE LA REFORMA LEGISLATIVA SOBRE EL PODER ADQUISITIVO DEL TRABAJADOR TRAS LA JUBILACIÓN Ana Vicente Merino1, Mª José Calderón Milán2 y Timoteo Martínez Aguado3 Resumen4.- ¿Cuál será la proporción de ingresos finales que será sustituida por la pensión de la Seguridad Social en el momento de la jubilación? Se presentan una serie de indicadores que permiten determinar cuál sería ese nivel de vida, la denominada “tasa de sustitución” de las pensiones en relación al nivel salarial en el momento de la jubilación. Los resultados se obtienen aplicando las normas de Seguridad Social y el efecto que supondría la aplicación total de la ley 27/2011 de 1 de agosto. Se estudia el impacto que supone, a través de la ganancia o pérdida que sufren los trabajadores ante este cambio, a partir de la caracterización de los diferentes colectivos de afiliados incardinados por: actividades económicas, categorías profesionales, nivel de estudios, edad y género. Palabras clave: tasa de sustitución salarial, pensión, jubilación, Seguridad Social. A FEW PEOPLE WILL WIN AND MANY PEOPLE WILL LOSE: EFFECTS OF LEGISLATIVE REFORM ON PURCHASING POWER WORKER AFTER RETIREMENT Abstract.- What is the ratio of earnings will be replaced by the Social Security pension after retirement? We present several indicators to determine what would be the standard of living, the so-called "replacement rate" of pensions in relation to the wage at the time of retirement. The results are obtained by applying the current rules of Social Security and the effect would be the full implementation of the law 1

Catedrática de Economía Financiera. Universidad Complutense de Madrid (UCM). Facultad de CC. Económicas y Empresariales. Campus de Somosaguas. C.P. 28223 Pozuelo de Alarcón. Madrid. E-mail: AnaVicente@ccee.ucm.es. (Persona a la que dirigir la correspondencia). 2 Profesora Contratada Doctora. Universidad de Castilla la Mancha (UCLM). Facultad de CC. Sociales. Avenida Alfares, 44. C.P. 16071 Cuenca. E-mail: MariaJose.Calderon@uclm.es. 3 Catedrático de Economía Aplicada. Universidad de Castilla la Mancha (UCLM). Facultad de CC. Jurídicas y Sociales. Cobertizo de San Pedro Mártir s/n. C.P. 45071 Toledo. E-mail: Timoteo.Martinez@uclm.es. 4 Este artículo es la síntesis de un trabajo de investigación que responde al premio concedido por el Ministerio de Trabajo y Asuntos Sociales, el cual ha sido financiado al amparo de lo previsto en la Orden TIN/1512/2010 de 1 de junio. Este artículo ha sido recibido en su versión revisada el 8 de octubre de 2012

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

27/2011 of 1 August. We analyze the impact it has, through the profit or loss suffered by workers when these changes happen, from the characterization of the clusters by: economic sectors, occupational, educational level, age and gender. Keywords: wage replacement rate, pension, retirement, Spanish Social Security System 1.-

Introducción

En España, todos los trabajadores tienen una cobertura de los riesgos sociales a través del Sistema de Seguridad Social y uno de ellos es la sustitución de los salarios por prestaciones económicas, en caso de sufrir una contingencia que les impida percibir la renta salarial. Esta sustitución de rentas salariales, al llegar a una determinada edad como es la jubilación, tiene notable trascendencia para medir la calidad de vida de la población pensionista. En este trabajo, se trata de hacer un estudio sobre la denominada tasa de sustitución de las pensiones, referida al caso de la Seguridad Social en España, con el fin de presentar uno de los signos representativos de las estructuras de bienestar social. Este indicador se suele definir por la relación entre la pensión a percibir de la Seguridad Social y la renta a la que sustituye o renta salarial en el momento de la jubilación. Sin embargo, este aparente sencillo cociente implica una variedad de situaciones que, según las características del colectivo clasificado, permite realizar una serie de conclusiones. Uno de los componentes del indicador es la cuantía de la pensión que, inicialmente, es el producto de una base reguladora calculada en función de los últimos años de cotización, actualizados con el Índice de Precios al Consumo, y un porcentaje, que es función del número total de años cotizados o, como se conoce, de la carrera de seguro. El estudio se presenta para una carrera completa de seguro, es decir, el 100 por 100 de la base reguladora. El otro componente es el salario al que sustituye. Por problemas de información, se ha optado, en primer lugar, por comparar la pensión de jubilación con la última base de cotización previa a la fecha de jubilación. Una segunda alternativa ha sido tomar, como variable de referencia para el cálculo de la tasa de sustitución, las percepciones dinerarias recibidas por los trabajadores y que, a efectos fiscales, tienen la 78

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

consideración de rentas salariales. En ambos casos, la tasa se calcula bajo las dos hipótesis de composición de la base reguladora de la pensión, quince o veinticinco años de bases de cotización. El trabajo se completa con el estudio del número de individuos que presentan ganancia o pérdida al recoger en el cálculo de la base reguladora, 15 o 25 años de bases de cotización; cuál es la cuantía de esa ganancia o pérdida y su influencia en la tasa de sustitución; y desagregando, a su vez, según se tome, como referencia de cálculo, la base de cotización o la percepción dineraria en el momento de la jubilación. Las tasas de sustitución que se han obtenido en este estudio confirman la posición de España dentro de la Unión Europea, si las comparamos con la tasa de reemplazo publicadas por la Oficina Estadística de la Unión Europea, EUROSTAT. Este organismo relaciona la renta de jubilación y las ganancias finales previas a la jubilación, teniendo en cuenta el primer y segundo nivel de protección social mediante pensión (regímenes públicos y obligatorios), para una carrera completa de seguro. En los resultados que obtiene, diferencia dos grupos de países: -

Los que ofrecen una cobertura alta: cuando las tasas de sustitución se sitúan por encima del 70%, caso de España, Grecia, Italia y Portugal.

Los que ofrecen una cobertura moderada: con tasas de sustitución entre el 45% y el 69%, caso de Francia, Alemania, Irlanda, Países Bajos y Reino Unido.

2.-

Base de datos utilizada y metodología

La base de datos utilizada en este trabajo es la Muestra Continua de Vidas Laborales 2009 (MCVL-2009), en su versión con datos fiscales (CDF) que puede definirse como un conjunto organizado de microdatos anónimos extraídos de los registros administrativos informatizados de la Seguridad Social. Estos datos están referidos a algo más de un millón de personas y constituyen una muestra representativa de todas las personas que tuvieron algún tipo de relación con la Seguridad Social en un determinado año, ya sea como afiliado en activo o como perceptor de algún tipo de prestación. Se denomina de “Vidas laborales” porque cada muestra, aunque referida a población cotizante o perceptora de una prestación en un año de referencia, reproduce el historial anterior de las personas seleccionadas para las variables indicadas, remontándose hacia atrás hasta donde se conservan registros informatizados.

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

Un primer reto ha sido establecer el procedimiento para delimitar la muestra que ha servido de base al estudio que se presenta, así como el recorrido que, en función de los resultados que se iban obteniendo, ha habido que hacer hasta situar el tamaño de la muestra en una cifra que ha posibilitado de una forma mejor la definición y clarificación de los individuos que la componen a los objetivos del estudio. Un primer diseño de la muestra recogía todos los individuos nacidos con anterioridad a 1955, es decir que, a la fecha de la muestra de 2009, tenían 55 o más años. Aplicando de forma sucesiva las depuraciones que correspondían (por falta de datos del atributo que se analizaba), se fueron perfilando muestras de diferentes tamaños, así se pasó de forma sucesiva a considerar 70.829, 42.153, 38.317, 30.026 y finalmente 22.478 individuos que es la muestra sobre la que se ha centrado el estudio que se presenta5. La submuestra que ha resultado definitiva una vez aplicados todos los criterios de selección, presenta un resumen de la población que sirve de base para el estudio que se cita, cuya distribución en función de los atributos género y edad, entre otros, es la siguiente: Cuadro 1. Distribución de la muestra por sexo y edad Nº individuos Distribución por sexo Varón Mujer Ambos sexos De 55 a 59 años De 60 a 64 años De 65 y más años Total

15.750 6.728 22.478 Distribución por cohortes de edad 14.264 7.586 628 22.478

Porcentaje 70,1 29,9 100,0 63,5 33,7 2,8 100,0

Fuente: Elaboración propia a partir de la MCVL-2009.

Como se observa el 70,1 por ciento son varones y el 29,9 por ciento mujeres, es decir la relación entre el número varones y mujeres es de 2,34. Esta proporción viene derivada de los tramos de edades que se han considerado a efectos del estudio, mayores de 55 años, es decir son generaciones en las que la mujer no ha tenido una incorporación general al mundo laboral que es el 5 En los sucesivos filtros aplicados sobre la muestra, se han ido eliminando los individuos que sólo percibían prestaciones, los que no pertenecían al Régimen General de cotización, los que no tenían como último año cotizado 2009, los que tenían demasiados huecos en las bases de cotización mensual para los últimos 25 años y, finalmente, los que ya estaban jubilados en 2009.

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

que está reflejado en estos datos, y que se comprende ya que, si se hace referencia a la población española (2008), dicha relación era 0,89 para edades entre 60 y 74 años, pero aquí influye además el fenómeno de la mayor supervivencia de las mujeres y sobre todo a estas edades. 3.-

La tasa de sustitución en relación a la última base de cotización

3.1. Resultados en función de la Base Reguladora de 15 años La primera cuestión que se plantea es el cálculo de las bases de cotización de los últimos 15 años para poder obtener la Base Reguladora de la pensión, la metodología utilizada ha sido la que aparece en el trabajo de investigación completo, aunque se detallan aquí algunos pasos. En la MCVL, se dispone de información sobre las bases de cotización mensual desde el año 1980. Para el cálculo de la base reguladora de 15 años, se han utilizado las bases de cotización desde 1995 a 2009 para los individuos de 65 y más años. En los casos de individuos con edades “x” inferiores a los 65 años, ha habido necesidad de extrapolar las bases que corresponderían al período 65-x, ya que lógicamente no se dispone de todas las bases de cotización a tener en cuenta en el cálculo de la base reguladora de la pensión, es decir hasta la fecha de la jubilación, pero de forma sucesiva se han extrapolado las bases e índices de precios al consumo entre la última información disponible y el año en que se cumplen los 65 años de edad. En el cálculo de la última base de cotización, para obtener el denominador utilizado para la tasa de sustitución, se ha calculado una media de las bases mensuales de los 12 meses de 2009. La base media mensual de 2009 del total de individuos de la muestra se sitúa en 2.190,95 €. La tasa de sustitución es el resultado del cociente entre la pensión y el salario percibido en el momento de la jubilación, pero teniendo en cuenta la base de datos obtenida y el procedimiento para el cálculo de la pensión, se ha cuestionado la mejor forma de cuantificarla, bien como cociente entre la media de las bases reguladoras del total de individuos (o de los diferentes colectivos analizados) y la media de las bases de cotización; o bien, como valor medio de las tasas de sustitución calculadas para cada uno de los individuos de la muestra. El procedimiento que se ha aplicado es el primero, que si bien puede diferir del segundo expuesto, el error que se comete de aplicar uno y otro no difiere en más del 0,4 por ciento.

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

Otro elemento a tener en cuenta es la diferencia en la forma de cálculo de las pensiones, que se perciben en catorce mensualidades durante el año y, de las cotizaciones, que se refieren a doce veces en el año porque se prorratean las pagas extraordinarias, por ello, ha sido necesario homogeneizar ambas variables en términos anuales. En los cuadros 2 a 6 se presenta, según las diferentes clasificaciones que se han obtenido, las bases medias de cotización mensual, las bases reguladoras medias mensuales y la correspondiente tasa de sustitución. Como conclusión se puede decir que con un cómputo de 15 años de bases de cotización para el cálculo de la base reguladora de la pensión, la tasa de sustitución del colectivo se sitúa en el 84,9%, ello es debido a que el colectivo seleccionado, objeto de la muestra, corresponde a individuos con carreras de seguros normalizadas en cuanto a la percepción de rentas salariales regulares y también a la influencia de individuos con edades actuales (en 2009) inferiores a 60 años, que al haber tenido que extrapolar sus salarios con tasas de crecimiento homogéneas han configurado unas pensiones también regulares y sin posibles lagunas de cotización. Si se observan las tasas de sustitución atendiendo a los diferentes subcolectivos, dan los siguientes resultados: -

Las mujeres tienen una tasa de sustitución 4 puntos inferior a la de los hombres.

Por grupos de cotización existe una dispersión de 10 puntos, correspondiendo el valor superior a los Oficiales de 3ª y Especialistas con 4,6 puntos porcentuales superior a la media y, el inferior a los Subalternos con una tasa de 5,4 puntos por debajo de la media.

Por nivel de estudios de los diferentes individuos todos ellos muestran tasas muy próximas al 85%, valor de la media.

En función de la edad al momento actual (en 2009), aunque se ha extrapolado a la edad de jubilación, los individuos del tramo de edad 6064 años se sitúan en una tasa del 91,35%, siendo la que presenta la tasa de sustitución más baja la de los menores de 60 años, 81,40%, esto puede deberse a que los salarios hasta la edad de jubilación crecen a un ritmo superior a la inflación, lo que entra dentro de las hipótesis de trabajo utilizadas.

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

Por actividades económicas del centro de trabajo, destacan las menores tasas de Actividades Sanitarias y Servicios Sociales junto con Actividades del Hogar, donde no alcanzan el 78%; y el mayor valor, 108%, del sector de las Comunicaciones, seguido a distancia por el sector de la Energía con casi el 92% de tasa de sustitución.

3.2. Resultados en función de la Base Reguladora de 25 años La base reguladora, en virtud de la ley 27/2011, de 1 de agosto, sobre actualización, adecuación y modernización del sistema de Seguridad Social, presenta una nueva regulación. En la ley, se dice que la aplicación de esta norma será paulatina hasta 2022, pero debido a la complejidad de la aplicación de esta transitoriedad como hipótesis de trabajo, se ha aplicado la norma con una implantación única y total, es decir, se ha calculado la tasa de sustitución considerando la base reguladora en función de las bases de cotización de 25 años. También en los cuadros 2 a 6, se presentan las bases medias de cotización mensual, las bases reguladoras medias mensuales y la tasa de sustitución según las diferentes clasificaciones. Como conclusión se puede decir que, con un cómputo de 25 años de bases de cotización para el cálculo de la base reguladora de la pensión, la tasa de sustitución del colectivo se sitúa en el 79%, es decir 5,9 puntos por debajo que en el caso de considerar 15 años (84,9%). La inclusión de diez años adicionales produce esta rebaja de la tasa de sustitución, pues supone considerar salarios comprendidos entre los 40 y 65 años de edad del individuo y, a pesar de ser un colectivo con carreras de seguros normalizadas, en cuanto a la percepción de rentas salariales regulares, estos salarios son crecientes con la edad considerándolos en términos medios. En consecuencia, la inclusión hacia atrás de diez años adicionales cotizados, supone incluir salarios menores. En la mayoría de las desagregaciones que se presentan del colectivo incluido en la muestra, los diferenciales entre los grupos de individuos se mantienen en las mismas proporciones que en el caso de considerar 15 años en el cómputo de la base reguladora de la pensión. En la desagregación por grupos de cotización, llama la atención que la categoría 1 de Ingenieros y Licenciados tiene la menor pérdida, 3,4 puntos porcentuales respecto de su cálculo con 15 años de bases de cotización, debido a que la mayoría de estos 83

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

trabajadores están cotizando por la base máxima, y al haber crecido éstas en porcentajes menores que el IPC y haber utilizado para la actualización de la base reguladora este parámetro, hace que presenten una menor pérdida. En el extremo opuesto estarían los Ayudantes no titulados con 7,36 puntos de pérdida de la tasa de sustitución.

Cuadro 2. Tasa de sustitución con base reguladora para 15 y 25 años. Distribución por sexo Base reguladora Tasa de sustitución Base de cotización mensual 15 años 25 años 15 años 25 años Varón

2.199,25

1.893,28

1.762,19

86,09

80,13

Mujer Ambos sexos

2.171,51 2.190,95

1.782,56 1.860,14

1.657,82 1.730,95

82,09 84,90

76,34 79,00

Fuente: Elaboración propia a partir de la MCVL-2009.

Cuadro 3. Tasa de sustitución con base reguladora 15 y 25 años. Distribución por categorías profesionales Base reguladora Tasa de sustitución Base de cotización mensual 15 años 25 años 15 años 25 años Ingenieros, licenciados, alta 2.930,61 2.522,74 2.423,11 86,08 82,68 dirección Ingenieros técnicos, ayudantes 2.833,65 2.309,49 2.153,15 81,50 75,98 titulados 2.554,06 2.249,98 2.077,07 88,09 81,32 Jefes administrativos y de taller Ayudantes no titulados Oficiales administrativos Subalternos Auxiliares administrativos Oficiales 1ª y 2ª Oficiales 3ª y especialistas Peones y asimilados Total

2.413,99 2.238,87 1.846,68 1.956,97 1.828,79 1.718,98 1.457,87 2.190,95

Fuente: Elaboración propia a partir de la MCVL-2009.

2.112,35 1.890,74 1.467,67 1.563,75 1.554,94 1.537,99 1.241,92 1.860,14

1.934,73 1.735,84 1.373,82 1.459,46 1.432,48 1.437,26 1.172,93 1.730,95

87,50 84,45 79,48 79,91 85,03 89,47 85,19 84,90

80,15 77,53 74,39 74,58 78,33 83,61 80,45 79,00

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

Cuadro 4. Tasa de sustitución con base reguladora 15 y 25 años. Distribución por niveles de estudio Base reguladora Tasa de sustitución Base de cotización mensual 15 años 25 años 15 años 25 años Sin estudios Estudios primarios Estudios medios Estudios superiores Total

1.777,79 2.031,80 2.537,73 2.860,80 2.190,95

1.513,95 1.725,72 2.155,61 2.387,27 1.860,14

1.401,42 1.593,44 2.012,57 2.259,49 1.730,95

85,16 84,94 84,94 83,45 84,90

78,83 78,43 79,31 78,98 79,00

Fuente: Elaboración propia a partir de la MCVL-2009.

Cuadro 5. Tasa de sustitución con base reguladora 15 y 25 años. Distribución por tramos edad Base reguladora Tasa de sustitución Base de cotización mensual 15 años 25 años 15 años 25 años De 55 a 59 años De 60 a 64 años De 65 y más años Total

2.311,82 1.989,85 2.166,21 2.190,95

1.881,83 1.817,68 1.880,39 1.860,14

1.740,32 1.707,49 1.854,60 1.730,95

81,40 91,35 86,81 84,90

75,28 85,81 85,61 79,00

Fuente: Elaboración propia a partir de la MCVL-2009.

Cuadro 6. Tasa de sustitución con base reguladora 15 y 25 años. Distribución por ramas de actividad Base reguladora Tasa de sustitución Base de cotización mensual 15 años 25 años 15 años 25 años 2.150,60 1.900,29 1.760,71 88,36 81,87 Ind. manufacturera 2.610,38 2.395,75 2.271,48 91,78 87,02 Energía Suministro de agua y 2.171,67 1.799,90 1.651,17 82,88 76,03 gestión de residuos 1.910,42 1.552,61 1.428,17 81,27 74,76 Construcción 1.980,21 1.676,41 1.559,72 84,66 78,77 Comercio 2.234,01 1.906,17 1.756,74 85,33 78,64 Transporte 1.699,79 1.443,21 1.330,76 84,91 78,29 Hostelería Información y 1.986,32 2.154,21 2.021,99 108,45 101,80 comunicaciones Actividades financieras 2.751,21 2.452,98 2.271,05 89,16 82,55 y de seguros Actividades 1.952,88 1.733,16 1.611,20 88,75 82,50 inmobiliarias Act. profesionales, 2.422,35 2.048,42 1.912,25 84,56 78,94 científicas y técnicas Act. administrativas y 1.714,64 1.456,54 1.358,69 84,95 79,24 servicios auxiliares

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

Administración Pública y defensa Educación Actividades sanitarias y de servicios sociales Actividades artísticas y de entretenimiento Otros servicios Act. del hogar y personal doméstico Total

2.372,64

1.901,67

1.778,09

80,15

74,94

2.555,05

2.091,10

1.936,33

81,84

75,78

2.517,53

1.960,24

1.850,00

77,86

73,48

1.965,82

1.661,80

1.528,12

84,53

77,73

2.011,00

1.706,13

1.581,69

84,84

78,65

1.581,15

1.203,76

1.126,38

76,13

71,24

2.190,95

1.860,14

1.730,95

84,90

79,00

Nota: Se han eliminado los resultados de las ramas de actividad con un tamaño muestral inferior a 50 individuos. Fuente: Elaboración propia a partir de datos de la MCVL-2009.

4.-

Ganancia o pérdida de pensión ante una variación en el cómputo del número de años de la base reguladora

Se analiza aquí el número de individuos que, ante el cambio en el número de años considerados en el cálculo de la Base Reguladora de la pensión, soportará una ganancia o pérdida en su pensión. Se observa la variación que experimenta la pensión inicial ante el cambio en el número de años de base de cotización que se consideraría en la base reguladora de la pensión, es decir, si pasara de los 15 años actuales a los 25 según la nueva ley. De los 22.478 individuos que se estudian en la muestra, 2.963 (13,18%) experimentarían una ganancia en su pensión al resultar que la nueva base reguladora calculada en función de los 25 años cotizados es superior a la calculada en función de los 15 años (en adelante los que ganan), y el 86,82%, es decir, 19.515 individuos, sufrirían una pérdida al darse la situación inversa (en adelante los que pierden). Una primera conclusión es que, para la mayoría, al tomar un mayor número de años de cotización, se han integrado salarios inferiores a los más próximos en el tiempo, son personas con niveles salariales menores en épocas jóvenes y que, posteriormente, han tenido un aumento en sus salarios, no obstante, hay un pequeño grupo en que la situación es a la inversa y en los últimos años de actividad ha habido un decrecimiento en sus salarios, lo que ha condicionado que se pudiera obtener una ganancia. Se acompaña una serie de cuadros en los que se presenta una cuantificación de estos efectos en las distintas desagregaciones del colectivo muestral en función de sus atributos. Si bien este análisis se puede realizar en dos direcciones, en horizontal según que para cada desagregación se tenga el 86

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

número de los que ganan o pierden, o bien, de los que ganan cuál es su clasificación y, asimismo, de los que pierden, los cuadros se presentan con los resultados en horizontal. Las conclusiones que se obtienen son: Viendo la distribución por sexo se deduce que, de los individuos que ganan, el 74,82% son varones y el 25,18% son mujeres, y de los que pierden, el 69,35% son varones y el 30,65% son mujeres. Es decir, teniendo en cuenta que del colectivo total en el que el 70% son varones y el 30% son mujeres, el porcentaje de los que ganan o pierden es muy similar al analizarlo por sexo en el colectivo total. Si se examina la ganancia o pérdida por sexo, en el caso de los varones el 14,08% gana y el 85,92 % pierde, y en el caso de las mujeres el 11,09% gana y el 88,91% pierde, lo que supone que las mujeres se sitúan tres puntos por encima de los varones en el caso de la proporción de mujeres que ganan.

Cuadro 7. Individuos que ganan y pierden con el cambio en el cómputo de años de la base reguladora. Distribución por sexo Ganan

Varón Mujer Ambos sexos

Pierden %

Nº de individuos

s/ganan

2.217

74,82

s/sexo

Nº de individuos

s/pierden

s/sexo

14,08

13.533

69,35

85,92

746

25,18

11,09

5.982

30,65

88,91

2.963

100,00

13,18

19.515

100,00

86,82

Fuente: Elaboración propia a partir de la MCVL-2009.

Analizando las variaciones para los diferentes grupos de cotización, el que tiene mayor número de individuos que gana es el grupo 1 de Ingenieros y Licenciados con el 29,53% y, en consecuencia, el que tiene menor número de individuos que pierden (70,47%). Le siguen los Peones y Asimilados con el 22,34% de individuos que ganan y pierden el 77,66%. En el extremo contrario, están las categorías 2, 3 y 4 (Ingenieros técnicos, Jefes administrativos y de taller y Ayudantes no titulados) que ganan en torno al 8% de su población y pierden alrededor del 92%. Los grupos más cercanos a la media total son los Auxiliares Administrativos y Oficiales de 3ª.

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

Cuadro 8. Individuos que ganan y pierden con el cambio en el cómputo de años de la base reguladora. Distribución por categorías profesionales Ganan Nº de individuos Ingenieros, licenciados, alta dirección Ingenieros técnicos, ayudantes titulados Jefes administrativos y de taller

Pierden Nº de % individuos

714

29,53%

1.704

70,47%

162

7,57%

1.977

92,43%

186

8,61%

1.975

91,39%

Ayudantes no titulados

109

7,76%

1.295

92,24%

Oficiales administrativos

348

10,46%

2.979

89,54%

Subalternos

150

11,48%

1.157

88,52%

Auxiliares administrativos

173

13,18%

1.140

86,82%

Oficiales 1ª y 2ª

610

10,99%

4.939

89,01%

Oficiales 3ª y especialistas

251

14,80%

1.445

85,20%

Peones y asimilados

260

22,34%

904

77,66%

2.963

13,18%

19.515

86,82%

Total

Fuente: Elaboración propia a partir de la MCVL-2009.

En la distribución por nivel de estudios, la mayor proporción de los que presentan ganancia ante la medida del cambio de la Base Reguladora son los que tienen estudios superiores (el 19,15% frente al 13,18% de la media total), confirmándose las conclusiones dichas en las clasificaciones anteriores. En el otro extremo, se tiene que el 88,26% de los individuos con estudios primarios pierden. Cuadro 9. Individuos que ganan y pierden con el cambio en el cómputo de años de la base reguladora. Distribución por niveles de estudio Ganan

Pierden

Nº de individuos

Sin estudios

792

12,50%

5.545

87,50%

Estudios primarios

812

11,74%

6.107

88,26%

Estudios medios

891

13,24%

5.841

86,76%

Estudios superiores

423

19,15%

1.786

80,85%

Desconocido Total

16,01%

236

83,99%

2.963

13,18%

19.515

86,82%

Fuente: Elaboración propia a partir de la MCVL-2009.

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

También en la clasificación por edad de los individuos, se confirman las explicaciones anteriores, son los menores de 60 años, los comprendidos entre 55 y 59, los que en mayor número pierden (el 89,32% de los comprendidos en estas edades), como contrapartida el 27,87% de los que ya han cumplido los 65 años son los que ganan al cambiar el número de años a computar en la base reguladora.

Cuadro 10. Individuos que ganan y pierden con el cambio en el cómputo de años de la base reguladora. Distribución por rangos de edad Ganan

Pierden

Nº de individuos

De 55 a 59 años

1.524

10,68%

12.740

89,32%

De 60 a 64 años

1.264

16,66%

6.322

83,34%

175

27,87%

453

72,13%

2.963

13,18%

19.515

86,82%

De 65 y más años Total

Fuente: Elaboración propia a partir de la MCVL-2009.

En cuanto a la distribución por Actividades Económicas, hay seis de ellas en las que los individuos que ganan está cerca del 20% siendo, por tanto, el 80% los que pierden (mayor detalle puede observase en el Cuadro 11). Hay cuatro actividades que contienen más de la mitad de la población que pierde, el 54,4%, el porcentaje de individuos que pierde en cada una de ellas es: -

Industria manufacturera: 88,46% Actividades sanitarias: 88,03% Construcción: 87,74% Actividades financieras: 92,85%

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

Cuadro 11. Individuos que ganan y pierden con el cambio en el cómputo de años de la base reguladora. Distribución por ramas de actividad

Industria manufacturera Suministro de energía eléctrica, gas, vapor y aire acondicionado Suministro de agua, actividades de saneamiento, gestión de residuos y descontaminación Construcción Comercio al por mayor y al por menor; reparación de vehículos de motor y motocicletas Transporte y almacenamiento

Ganan Nº de % individuos 651 11,54%

Pierden Nº de % individuos 4.990 88,46%

22,22%

203

77,78%

12,81%

211

87,19%

228

12,26%

1.631

87,74%

392

15,76%

2.096

84,24%

104

10,25%

911

89,75%

Hostelería

10,44%

575

89,56%

Información y comunicaciones Actividades financieras y de seguros Actividades inmobiliarias Actividades profesionales, científicas y técnicas Actividades administrativas y servicios auxiliares Administración Pública y defensa; Seguridad Social obligatoria Educación Actividades sanitarias y de servicios sociales Actividades artísticas, recreativas y de entretenimiento Otros servicios Actividades de los hogares como empleadores de personal doméstico; y productores bienes y servicios uso propio Total

109

23,80%

349

76,20%

7,15%

1.208

92,85%

20,45%

79,55%

112

20,04%

447

79,96%

122

18,74%

529

81,26%

255

12,28%

1.822

87,72%

8,76%

917

91,24%

337

11,97%

2.479

88,03%

11,89%

163

88,11%

16,46%

203

83,54%

19,23%

105

80,77%

2.762

12,73%

18.938

87,27%

Nota: Se han eliminado los resultados de las ramas de actividad con un tamaño muestral despreciable. Fuente: Elaboración propia a partir de la MCVL-2009.

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

4.1. Individuos que presentan una ganancia La base media de cotización mensual, (BC media del año 2009), de los 2.963 individuos de la muestra que presentan ganancia, está situada en 1.779,73 € y la base reguladora pasa de 1.667,4 € para 15 años computados, a 1.728,24 € en el caso de computar 25 años. Esto representa una ganancia media de 60,84 €, es decir, un 3,65%. Es importante analizar esta ganancia en función de la distribución por decilas de las Bases medias de cotización mensual del 2009, (BC media), sin olvidar que estos diferenciales no sólo dependen de la última base sino de las trayectorias salariales de los años correspondientes, y que se sintetiza de la forma siguiente: -

El 10% de individuos cuya BC media es inferior a 844,45 €presenta una ganancia de 57,21 €, un 6,57%, al pasar su base reguladora (15 años) de 871,16 €a 928,37 €.

El 10% de individuos con BC media comprendida entre 844,45 euros y 910,17 presenta una ganancia de 60,31 € (5,97%), al pasar su base reguladora de 1.010,85 €a 1.071,16 €.

Pasando al tramo comprendido por los individuos que tienen una BC media entre 3.151,20 € y 3.166,17 € mensuales, les corresponde una Base Reguladora de 2.675,62 €con 15 años de cotización computados, y 2.711,30 € con 25 años, es decir, que sólo les supone una ganancia de 35,68 €, en términos porcentuales el 1,33%. 90

3.166,17

2.675,62

2.711,30

-35,68

-1,33

Cuadro 12. Resultados estadísticos para los individuos que presentan una ganancia (BR15<BR25) Base media de cotización mensual Nº individuos Media

Base reguladora 25 años

Diferencia (BR15BR25)

(BR15-BR25)/ BR15

2.963

1.779,73

1.667,40

1.728,24

-60,84

-3,65

5.273.339,67

4.940.512,69

5.120.787,84

-180.275,15

-3,65

844,45

871,16

928,37

-57,21

-6,57

910,17

1.010,85

1.071,16

-60,31

-5,97

950,17

1.139,39

1.209,51

-70,12

-6,15

Suma

Percentiles

Base reguladora 15 años

1.214,87

1.298,05

1.359,18

-61,13

-4,71

1.469,33

1.449,83

1.518,83

-69,00

-4,76

1.783,17

1.710,53

1.768,26

-57,72

-3,37

2.396,43

2.237,38

2.314,52

-77,14

-3,45

3.151,20

2.603,57

2.653,45

-49,88

-1,92

Fuente: Elaboración propia a partir de la MCVL-2009.

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

El grado de coincidencia entre las distribuciones de frecuencia de ambas Bases Reguladoras (15 y 25 años) de los individuos que ganan, se refleja en los Índices de integración que se presentan en el Gráfico 1 y el Cuadro 13. En el gráfico puede observarse que el mayor distanciamiento entre ambas Bases se produce para los tramos de cuantías: (728,11-949,59) y (1.392,571.614,05). Gráfico 1. Polígono de frecuencias e índice de integración de las bases reguladoras de 15 y 25 años para los individuos que obtienen una ganancia (BR15<BR25) Polígono de frecuencias Total grupos de cotización

Año 2009

30% Índice de integración: 94,20%

25%

Porcentaje

BR15 GANAN 20%

BR25 GANAN

15% 10% 5%

base reguladora superior a 2500 euros

(2278.52Ͳ2499.99)

(2057.03Ͳ2278.51)

(1835.54Ͳ2057.02)

(1614.06Ͳ1835.53)

(1392.57Ͳ1614.05)

(1171.08Ͳ1392.56)

(949.60Ͳ1171.07)

(728.11Ͳ949.59)

base reguladora inferior a la base mínima 2009

Fuente: Elaboración propia a partir de datos de la MCVL-2009.

Cuadro 13. Índices de integración por categorías profesionales para los individuos que presentan una ganancia (BR15<BR25) Índices de integración Ingenieros, licenciados, alta dirección 93,56 90,12 Ingenieros técnicos, ayudantes titulados Jefes administrativos y de taller 91,40 94,50 Ayudantes no titulados 92,82 Oficiales administrativos 88,67 Subalternos 89,60 Auxiliares administrativos 92,13 Oficiales 1ª y 2ª 90,04 Oficiales 3ª y especialistas 88,08 Peones y asimilados 94,20 Total Fuente: Elaboración propia a partir de la MCVL-2009.

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

Por último, en el Cuadro 14, se presentan por percentiles de población las diferencias existentes entre las tasas de sustitución obtenidas para 15 o 25 años computados.

Cuadro 14. Tasas de sustitución con la base de cotización media mensual para los individuos que presentan una ganancia (BR15<BR25) Tasa de Tasa de Base media Diferencias sustitución con sustitución con de cotización entre tasas de BR15 años y BR25 años y mensual sustitución BC media BC media 2.963 2.963 2.963 2.963 Nº individuos 1.779,73 93,69 97,11 -3,42 Media 5.273.339,67 ---Suma

Percentiles

844,45

103,16

109,94

-6,77

910,17

111,06

117,69

-6,63

950,17

119,91

127,29

-7,38

1.214,87

106,85

111,88

-5,03

1.469,33

98,67

103,37

-4,70

1.783,17

95,93

99,16

-3,24

2.396,43

93,36

96,58

-3,22

3.151,20

82,62

84,20

-1,58

3.166,17

84,51

85,63

-1,13

Fuente: Elaboración propia a partir de la MCVL-2009.

4.2.Individuos que presentan pérdida. El número de individuos de la muestra con pérdida es de 19.515, su BC media está situada en 2.246,81 € y la Base Reguladora pasa de 1.889,40 € (15 años) a 1.731,38 €, (25 años), esto representa una pérdida media de 158,04 €, es decir, un 8,36%. Al analizar esta pérdida en función de la distribución en decilas de la BC media en el año 2009, sin olvidar que estos diferenciales no sólo dependen de la última base sino de las trayectorias salariales de los años correspondientes, se tienen los siguientes resultados: -

El 10% de individuos cuya base de cotización es inferior a 1.016,40 € presenta una pérdida de 86,33 €, un 7,59%, al pasar su Base Reguladora (15 años) de 1.137,14 €a 1.050,81 €(25 años).

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

El 10% de individuos con base comprendida entre 1.016,40 €y 1.454,43 € presenta una pérdida de 106,97 €, el 8,08%, al pasar su Base Reguladora (15 años) de 1.324,40 €a 1.217,43 €(25 años).

Así se pueden ir analizando sucesivamente los distintos percentiles.

Cuadro 15. Resultados estadísticos para los individuos que presentan una pérdida (BR15>BR25) Base media de cotización mensual 19.515

Base reguladora 15 años 19.515

Base reguladora 25 años 19.515

Diferencia (BR15BR25) 19.515

2.246,81 43.846.591,79

1.889,40 36.871.727,63

1.731,36 33.787.520,45

158,04 3.084.207,18

8,36 8,36

1.016,40

1.137,14

1.050,81

86,33

7,59

1.454,43

1.324,40

1.217,43

106,97

8,08

1.751,55

1.492,37

1.374,84

117,53

7,88

Nº individuos Media Suma

Percentiles

(BR15-BR25)/ BR15 19.515

2.010,67

1.677,43

1.532,60

144,84

8,63

2.298,58

1.915,83

1.735,02

180,81

9,44

2.654,07

2.132,58

1.931,18

201,40

9,44

2.998,93

2.330,73

2.090,10

240,63

10,32

3.166,17

2.464,43

2.212,19

252,24

10,24

3.166,17

2.642,62

2.431,67

210,95

7,98

Fuente: Elaboración propia a partir de la MCVL-2009.

El grado de coincidencia entre las Bases Reguladoras para los individuos que pierden al cambiar el cómputo de años, se muestra, en el Cuadro 16 y el Gráfico 2, a través de los Índices de integración de ambas Bases. De la observación del gráfico, se deduce que se produce un desplazamiento de los individuos con mayores BR de 15 años hacía BR de 25 de menor cuantía. Así: -

Superados los 2.278,5 € de BR de 15 años computados, crece considerablemente el porcentaje de individuos que la perciben, en cambio, con BR de 25 años el porcentaje decrece acusadamente. Esto también lo corrobora el bajo índice de integración de las Bases Reguladoras que tiene la categoría 1 de Ingenieros y Licenciados (68,96%) que es el que alcanza las pensiones más altas.

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

En compensación, se produce un desplazamiento de los individuos hacia tramos inferiores de BR, especialmente los tres inferiores, menos de 1.392 €, que se corresponden con los índices de integración más altos de los grupos de cotización con BR más baja, desde Subalternos hasta Peones y Asimilados. Gráfico 2. Polígono de frecuencias e índice de integración de las bases reguladoras de 15 y 25 años para los individuos que obtienen una pérdida (BR15>BR25) Polígono de frecuencias Total grupos de cotización

Año 2009

18% 16%

Porcentaje

14%

Índice de integración: 83,46% BR15 PIERDEN BR25 PIERDEN

12% 10% 8% 6% 4% 2% base reguladora superior a 2500 euros

(2278.52Ͳ2499.99)

(2057.03Ͳ2278.51)

(1835.54Ͳ2057.02)

(1614.06Ͳ1835.53)

(1392.57Ͳ1614.05)

(1171.08Ͳ1392.56)

(949.60Ͳ1171.07)

(728.11Ͳ949.59)

base reguladora inferior a la base mínima 2009

Fuente: Elaboración propia a partir de datos de la MCVL-2009.

Cuadro 16. Índices de integración por categorías profesionales para los individuos que presentan una pérdida (BR15>BR25) Índices de integración Ingenieros, licenciados, alta dirección 68,96 73,06 Ingenieros técnicos, ayudantes titulados Jefes administrativos y de taller 75,19 74,13 Ayudantes no titulados 71,60 Oficiales administrativos 86,17 Subalternos 86,75 Auxiliares administrativos 88,28 Oficiales 1ª y 2ª 88,30 Oficiales 3ª y especialistas 86,95 Peones y asimilados 83,46 Total Fuente: Elaboración propia a partir de la MCVL-2009.

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

Finalmente, en el Cuadro 17 pueden estudiarse las diferencias existentes entre las Tasas de sustitución resultantes para 15 y 25 años, distribuyendo la población que pierde por percentiles:

Cuadro 17. Tasas de sustitución con la base de cotización media mensual para los individuos que presentan una pérdida (BR15>BR25) Tasa de Tasa de Base media Diferencias sustitución con sustitución con de cotización entre tasas de BR15 años y BR25 años y mensual sustitución BC media BC media 19.515 19.515 19.515 19.515 Nº individuos 2.246,81 84,09 77,06 7,03 Media 43.846.591,79 ---Suma

Percentiles

1.016,40

111,88

103,39

8,49

1.454,43

91,06

83,70

7,36

1.751,55

85,20

78,49

6,71

2.010,67

83,43

76,22

7,20

2.298,58

83,35

75,48

7,87

2.654,07

80,35

72,76

7,59

2.998,93

77,72

69,69

8,02

3.166,17

77,84

69,87

7,97

3.166,17

83,46

76,80

6,66

Fuente: Elaboración propia a partir de la MCVL-2009.

5.-

La tasa de sustitución en relación a la percepción dineraria recibida por el trabajador

En este apartado, se estudian los resultados obtenidos a partir de la muestra, en primer lugar, teniendo en cuenta la Base Reguladora calculada en función de los últimos 15 años cotizados y, a continuación, los obtenidos con la Base Reguladora para 25 años de cotización a la Seguridad Social. El estudio es similar al planteado en el apartado 3 de este trabajo, pero difiere en que la variable de referencia de renta salarial para el cálculo de las Tasas de sustitución, no es la Base de cotización media mensual, sino la Percepción dineraria media mensual del trabajador en el año 2009, cuya metodología de cálculo se explica en el trabajo de investigación. Sabemos de la peculiaridad de la base de cotización como representativa de los salarios, que si bien ambas magnitudes se identifican, en la mayoría de los casos, las 96

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

bases de cotización están comprendidas entre unos valores mínimos y máximos, por lo que ha sido importante haber podido tomar la variable salarios como punto de comparación. En lo que sigue se presentan una serie de cuadros con distintas clasificaciones, en los que incluyen la percepción dineraria media mensual, la base reguladora cuando se calcula con 15 años de bases de cotización, y la tasa de sustitución resultante; y, al final de ellos, se presentan las conclusiones sobre sus contenidos.

Cuadro 18. Tasa de sustitución para las percepciones dinerarias con base reguladora para 15 y 25 años. Distribución por sexo Base reguladora Tasa de sustitución Percepción dineraria mensual 15 años 25 años 15 años 25 años Varón

3.424,06

1.893,28

1.762,19

55,29

51,46

Mujer Ambos sexos

2.970,42 3.288,70

1.782,56 1.860,14

1.657,82 1.730,95

60,01 56,56

55,81 52,63

Fuente: Elaboración propia a partir de la MCVL-2009.

Cuadro 19. Tasa de sustitución para las percepciones dinerarias con base reguladora 15 y 25 años. Distribución por categorías profesionales Base reguladora Tasa de sustitución Percepción dineraria mensual 15 años 25 años 15 años 25 años Ingenieros, licenciados, alta 6.672,93 2.522,74 2.423,11 37,81 36,31 dirección Ingenieros técnicos, ayudantes 3.946,09 2.309,49 2.153,15 58,53 54,56 titulados 4.394,78 2.249,98 2.077,07 51,20 47,26 Jefes administrativos y de taller Ayudantes no titulados Oficiales administrativos Subalternos Auxiliares administrativos Oficiales 1ª y 2ª Oficiales 3ª y especialistas Peones y asimilados Total

3.547,91 2.894,18 2.037,44 2.719,34 2.165,45 2.030,58 2.096,39 3.288,70

Fuente: Elaboración propia a partir de la MCVL-2009.

2.112,35 1.890,74 1.467,67 1.563,75 1.554,94 1.537,99 1.241,92 1.860,14

1.934,73 1.735,84 1.373,82 1.459,46 1.432,48 1.437,26 1.172,93 1.730,95

59,54 65,33 72,04 57,50 71,81 75,74 59,24 56,56

54,53 59,98 67,43 53,67 66,15 70,78 55,95 52,63

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

Cuadro 20. Tasa de sustitución para las percepciones dinerarias con base reguladora 15 y 25 años. Distribución por niveles de estudio Base reguladora Tasa de sustitución Percepción dineraria mensual 15 años 25 años 15 años 25 años Sin estudios Estudios primarios Estudios medios Estudios superiores Total

2.199,83 2.720,09 4.175,21 5.226,90 3.288,70

1.513,95 1.725,72 2.155,61 2.387,27 1.860,14

1.401,42 1.593,44 2.012,57 2.259,49 1.730,95

68,82 63,44 51,63 45,67 56,56

63,71 58,58 48,20 43,23 52,63

Fuente: Elaboración propia a partir de la MCVL-2009.

Cuadro 21. Tasa de sustitución para las percepciones dinerarias con base reguladora 15 y 25 años. Distribución por tramos edad Base reguladora Tasa de sustitución Percepción dineraria mensual 15 años 25 años 15 años 25 años De 55 a 59 años De 60 a 64 años De 65 y más años Total

3.367,95 3.021,49 4.678,31 3.288,70

1.881,83 1.817,68 1.880,39 1.860,14

1.740,32 1.707,49 1.854,60 1.730,95

55,87 60,16 40,19 56,56

51,67 56,51 39,64 52,63

Fuente: Elaboración propia a partir de la MCVL-2009.

Cuadro 22. Tasa de sustitución para las percepciones dinerarias con base reguladora 15 y 25 años. Distribución por ramas de actividad Base reguladora Tasa de sustitución Percepción dineraria mensual 15 años 25 años 15 años 25 años 3.185,08 1.900,29 1.760,71 59,66 55,28 Ind. manufacturera 6.069,63 2.395,75 2.271,48 39,47 37,42 Energía Suministro de agua y 2.850,71 1.799,90 1.651,17 63,14 57,92 gestión de residuos 2.797,86 1.552,61 1.428,17 55,49 51,04 Construcción 2.692,59 1.676,41 1.559,72 62,26 57,93 Comercio 3.106,27 1.906,17 1.756,74 61,37 56,55 Transporte 2.137,44 1.443,21 1.330,76 67,52 62,26 Hostelería Información y 4.302,90 2.154,21 2.021,99 50,06 46,99 comunicaciones Actividades financieras 5.415,90 2.452,98 2.271,05 45,29 41,93 y de seguros Actividades 2.880,82 1.733,16 1.611,20 60,16 55,93 inmobiliarias Act. profesionales, 3.727,36 2.048,42 1.912,25 54,96 51,30 científicas y técnicas Act. administrativas y 2.616,19 1.456,54 1.358,69 55,67 51,93 servicios auxiliares

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

Administración Pública y defensa Educación Actividades sanitarias y de servicios sociales Actividades artísticas y de entretenimiento Otros servicios Act. del hogar y personal doméstico Total

3.023,46

1.901,67

1.778,09

62,90

58,81

3.615,47

2.091,10

1.936,33

57,84

53,56

3.599,04

1.960,24

1.850,00

54,47

51,40

4.304,11

1.661,80

1.528,12

38,61

35,50

2.805,33

1.706,13

1.581,69

60,82

56,38

1.611,73

1.203,76

1.126,38

74,69

69,89

3.288,70

1.860,14

1.730,95

56,56

52,63

Nota: Se han eliminado los resultados de las ramas de actividad con un tamaño muestral inferior a 50 individuos. Fuente: Elaboración propia a partir de datos de la MCVL-2009.

5.1. Resultados en función de la Base Reguladora de 15 años Para comprender las tasas de sustitución y sus diferencias con las presentadas anteriormente, lo primero es analizar las cuantías de las bases medias de cotización y de las percepciones dinerarias medias de todo el colectivo, cuyas conclusiones se pueden trasladar a todas las clasificaciones que se harán. Así, se tiene: Base media mensual de cotización en 2009 Percepción dineraria media mensual en 2009

2.190,95 € 3.288,70 €

Es decir, los trabajadores han percibido unos ingresos en concepto de salarios un 66,6% por encima de las bases por las que han cotizado, lógicamente este porcentaje es en términos medios y, por tanto, no es uniforme, ya que afecta básicamente a aquellos trabajadores que están cotizando por el tope máximo. De la información que se desprende de los cuadros anteriores, se puede decir que, con un cómputo de 15 años de bases de cotización para el cálculo de la base reguladora de la pensión y tomando como referencia la ultima percepción dineraria del trabajador, la tasa de sustitución del colectivo se sitúa en el 56,56 por 100, ello es debido a que hay una parte importante de masa salarial que no está sometida a cotización, pero si esta cifra puede resultar impactante, la distribución acota conceptos, pues afecta, como ya se ha dicho, a los trabajadores que están cotizando por el tope máximo. Con respecto a la tasa calculada en función de la base de cotización (84,90%), se observa una diferencia de 28,34 puntos, oscilando por encima y debajo según sea el desglose del atributo elegido. 99

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

Contemplando la tasa de sustitución resultante según los diferentes subcolectivos, se obtiene: -

Por sexo, (Cuadro 18), las mujeres tienen una tasa de sustitución 4,72 puntos superior a la de los hombres, situación inversa si se considera la tasa en relación a las bases de cotización en las que el varón supera en 4 puntos a la mujer, debido a que las percepciones dinerarias medias de los varones supera en 453,64 € (15,3%) a la de las mujeres, originando en consecuencia una disminución en el valor de su tasa de sustitución.

Respecto de la distribución por grupos de cotización, (Cuadro 19), existe una dispersión de 37,93 puntos, correspondiendo los valores extremos a Ingenieros y Licenciados con una tasa de 37,81%, valor mínimo, inferior en 44,87 puntos respecto a la de la base de cotización, y a Oficiales de 3ª y especialistas con una tasa del 75,74%, y sólo 7,95 puntos inferior a la tasa en relación a la base de cotización.

En cuanto al nivel de estudios de los diferentes individuos, (Cuadro 20), muestran tasas entre el 50% y 60%, lo que supone alrededor de 30 puntos menos que la tasa calculada en relación a la base de cotización, resaltando que los que tienen estudios primarios experimentan menor rebaja de la tasa, sólo 21,50 puntos. Los que mayor diferencia presentan son los que tienen estudios superiores con una diferencia de 37,78 puntos.

En función de la edad al momento actual (2009), (Cuadro 21), aunque se ha extrapolado a la edad de jubilación, los individuos del tramo de edad 60-64 años se sitúan en el máximo 60,16%, siendo la menor tasa la de los mayores de 70 años, que puede deberse a que los que permanecen en activo disfrutan de altos niveles salariales. En cuanto a las diferencias con la tasa calculada en función de la base de cotización, la diferencia se mantiene alrededor de los 30 puntos.

Por actividades económicas del centro de trabajo, (Cuadro 22), destacan las menores tasas del 38,61% de Actividades artísticas y recreativas, individuos de rentas irregulares, seguida de Suministro de energía (39,47%) y Actividades financieras y de seguros (45,29%), sectores que tradicionalmente disfrutan de salarios más altos. En estas actividades, el diferencial con las tasas calculadas con las BC media se sitúa entre 40 y 49 puntos.

100

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

5.2. Resultados en función de la Base Reguladora de 25 años La tasa de sustitución para todo el colectivo de este estudio se sitúa en el 52,63% en el supuesto de que la base reguladora se calcula en función de las bases de cotización de 25 años y se toma como referencia la última percepción dineraria recibida por el trabajador, además, se supone una carrera completa de seguro, es decir que el individuo ha cotizado al menos 35 años por lo que su pensión inicial sería el 100 por 100 de la correspondiente base reguladora. Como en el apartado anterior, se presentan las conclusiones de los cuadros mostrados al inicio del apartado en sus distintas clasificaciones, en los que figuran la percepción dineraria media mensual y la tasa de sustitución que resulta cuando se consideran 25 años de base de cotización. Pueden extraerse las siguientes conclusiones: -

Con un cómputo de 25 años de bases de cotización para el cálculo de la base reguladora de la pensión, la tasa de sustitución del colectivo, en relación a la percepción dineraria del individuo en 2009, se sitúa en el 52,63%, es decir, casi cuatro puntos menos que en el caso de considerar 15 años. La inclusión de diez años adicionales produce una pequeña rebaja de la tasa de sustitución, es decir que el hecho de considerar salarios comprendidos entre 40 y 65 años de los individuos no tiene tanta trascendencia como cuando se calcula la tasa en relación a la última base de cotización que tiene pérdida en torno a los seis puntos.

Las mujeres tienen una tasa de sustitución (55,81%), 4,35 puntos superior a la de los hombres (51,46%), valor que se aproxima a los 4,72 puntos obtenidos en el caso de considerar 15 años. Situación inversa se presenta si se considera la tasa en relación a las bases de cotización, en las que el varón tiene mayor tasa de sustitución, en torno a 4 puntos, debido a que el tope de las bases máximas afecta más a los varones. (Cuadro 18).

Respecto de la distribución por grupos de cotización, (Cuadro 19), existe una dispersión de más de 34 puntos correspondiendo los valores extremos a Ingenieros y Licenciados con una tasa de sustitución del 36,31 % y en el otro extremo, Oficiales de 3ª y Especialistas con el 70,78%. No obstante, la diferencia con la tasa de la BR15 años apenas es de 1,49 puntos para los Ingenieros, en cambio para los Oficiales de 3ª se sitúa la diferencia en 4,96 puntos porcentuales.

101

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

Respecto al nivel de estudios de los diferentes individuos, (Cuadro 20), la mayor tasa sigue correspondiendo a los que no poseen estudios (63,7%), que pierden cinco puntos con el cambio de Base Reguladora. Los estudios primarios también pierden cinco puntos y los superiores apenas sólo dos, lo que corrobora lo anteriormente explicado.

En función de la edad al momento actual, año 2009, (Cuadro 21), aunque se ha extrapolado a la edad de jubilación, los individuos del tramo de edad 60-64 años se sitúan en el máximo con 56,51%, siendo la menor tasa la de los mayores de 70 años, que puede deberse a que los que permanecen en activo disfrutan de altos niveles salariales. De esta distribución parece deducirse la teoría de salarios crecientes con la edad. Los dos primeros tramos de edad mantienen una diferencia respecto de la BR de 15 años entre 4 y 5 puntos, los otros dos tramos entre 1 y 2 puntos.

Por actividades económicas, (Cuadro 22), destacan las menores tasas del 35,5% de Actividades artísticas y recreativas por ser individuos de rentas irregulares y más elevadas, seguida de Suministros de energía (37,42%) y Actividades financieras y de seguros (41,93%), sectores que tradicionalmente disfrutan de salarios más altos.

6.-

Ganancia o pérdida ante una variación en el cómputo del número de años de la base reguladora en relación a la percepción dineraria

A continuación, para completar el estudio en función de la percepción dineraria media, se presentan los cuadros con los individuos que ganan y pierden, para los diferentes niveles de rentas, ordenadas por tramos de cuantía y sus correspondientes tasas de sustitución. 6.1. Individuos que presentan ganancia La percepción dineraria media mensual del año 2009, de los 1.777 individuos de la muestra que presentan ganancia, está situada en 4.183,92 € y la tasa de sustitución pasa del 39,85% para 15 años computados, al 41,31% en el caso de computar 25 años, esto representa una ganancia media de 1,45 puntos. Resulta de interés analizar esta ganancia en función de la distribución por decilas de la percepción dineraria media mensual del 2009, sin olvidar que estos diferenciales no sólo dependen de la última percepción,

102

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

sino de las trayectorias salariales de los años correspondientes, y que se sintetiza de la forma siguiente: -

El 10% de individuos cuya percepción media es inferior a 1.035,92 € presenta una ganancia de un 5,52% al pasar su tasa del 84,1% al 89,62%.

El 10% de individuos con percepción media comprendida entre 1.035,92 €y 1.253, 59 €presenta una ganancia del 4,81%.

Pasando al tramo comprendido por los individuos que tienen una percepción media entre 6.230,6 € y 8.328,38 € mensuales, les corresponde una tasa del 32,13% para 15 años de cotización computados, y 32,55% con 25 años, es decir, que sólo les supone una ganancia del 0,43%. Los que mayor ganancia experimentan son los que se encuentran en los tres primeros percentiles (entre 1.035,92 € y 1.466,41 €), al experimentar un incremento de la tasa entre 4,8 y 5,5 puntos.

Cuadro 23. Tasas de sustitución con la percepción dineraria media mensual para los individuos que presentan una ganancia (BR15<BR25) Tasa de Tasa de Percepción Diferencias sustitución con sustitución con dineraria entre tasas de BR15 años y BR25 años y media mensual sustitución PD media PD media 1.777 1.777 1.777 1.777 Nº individuos 4.183,92 39,85 41,31 -1,45 Media 7.434.825,46 ---Suma

Percentiles

1.035,92

84,10

89,62

-5,52

1.253,59

80,64

85,45

-4,81

1.466,41

77,70

82,48

-4,78

1.674,00

77,54

81,19

-3,65

1.963,45

73,84

77,35

-3,51

2.643,88

64,70

66,88

-2,18

4.669,29

47,92

49,57

-1,65

6.230,60

41,79

42,59

-0,80

8.328,38

32,13

32,55

-0,43

Fuente: Elaboración propia a partir de la MCVL-2009.

103

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

6.2. Individuos que presentan pérdida El número de individuos válidos de la muestra con pérdida es de 14.725, su percepción media mensual está situada en 3.180,67 €, y la tasa de sustitución pasa de 59,4% (BR15 años) a 54,43% (BR25 años), esto representa una pérdida media de 4,97 puntos porcentuales. Al analizar esta ganancia en función de la distribución en decilas de la percepción media mensual en el año 2009, sin olvidar que estos diferenciales no sólo dependen de la última percepción sino de las trayectorias salariales de los años correspondientes, se tienen los siguientes resultados: -

El 10% de individuos cuya percepción media es inferior a 1.376,56 € presenta una pérdida del 6,27%, al pasar su tasa del 82,61% al 76,34%.

El 10% de individuos con base comprendida entre 1.376,56 €y 1.665,76 € presenta una pérdida del 6,42% al pasar su tasa del 79,51% al 73,09%. Así, se pueden ir analizando sucesivamente los distintos percentiles.

Los que más porcentaje de tasa pierden son los del quinto percentil entre 2.166,36 y 2.485,47 € de percepción dineraria media, y los que menos, los del último percentil.

Cuadro 24. Tasas de sustitución con la percepción dineraria media mensual para los individuos que presentan una pérdida (BR15>BR25) Tasa de Tasa de Percepción Diferencias sustitución con sustitución con dineraria entre tasas de BR15 años y BR25 años y media mensual sustitución PD media PD media 14.725 14.725 14.725 14.725 Nº individuos 3.180,67 59,40 54,43 4,97 Media 46.835.298,17 ---Suma

Percentiles

1.376,56

82,61

76,34

6,27

1.665,76

79,51

73,09

6,42

1.911,77

78,06

71,91

6,15

2.166,36

77,43

70,75

6,69

2.485,47

77,08

69,81

7,27

2.908,29

73,33

66,40

6,92

3.377,18

69,01

61,89

7,13

3.984,48

61,85

55,52

6,33

5.340,94

49,48

45,53

3,95

Fuente: Elaboración propia a partir de la MCVL-2009.

104

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

7.-

Cuadros síntesis

Los cuadros siguientes muestran el resumen de los valores de las principales variables que se han obtenido de la muestra de 22.478 individuos y, finalmente, se incorporan algunas conclusiones que se desprenden de los mismos.

Cuadro 25. Resumen de variables básicas. Valores medios Variables Base de cotización media mensual (€) Percepción dineraria media mensual (€) 15 años Base Reguladora (€) 25 años 15 años Tasa de sustitución con base de cotización media 25 años Tasa de sustitución con 15 años 25 años percepción dineraria media

Ambos sexos 2.190,95 3.288,70 1.860,14 1.730,95 84,90 79,00 56,56 52,63

Varones 2.199,25 3.424,06 1.893,28 1.762,19 86,09 80,13 55,29 51,46

Mujeres 2.171,51 2.970,42 1.782,56 1.657,82 82,09 76,34 60,01 55,81

Fuente: Elaboración propia a partir de la MCVL-2009.

Cuadro 26. Resumen de variables básicas. Valores medios para los individuos que presentan una ganancia o una pérdida en sus bases reguladoras Valor Individuos que: Variables medio Ganan Pierden Base de cotización media 2.190,95 1.799,73 2.246,81 mensual (€) Percepción dineraria media 3.288,70 4.183,92 3.180,67 mensual (€) 1.860,14 1.667,40 1.889,40 15 años Base Reguladora (€) 1.730,95 1.728,24 1.731,36 25 años Tasa de sustitución 84,90 93,69 84,09 15 años con base de 79,00 97,11 77,06 25 años cotización media Tasa de sustitución 56,56 39,85 59,40 15 años con percepción 52,63 41,31 54,43 25 años dineraria media Fuente: Elaboración propia a partir de la MCVL-2009.

105

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

Cuadro 27. Resumen de estadísticos para las variables básicas (€) Base media de cotización mensual

Percepción dineraria media mensual

Base reguladora 15 años

Base reguladora 25 años

22.478

16.502

22.478

Media

2.190,95

3.288,70

1.860,14

1.730,95

Mediana

2.212,24

2.449,52

1.864,86

1.708,66

910,17

1.319,85

1.082,43

1.031,66

1.328,22

1.608,42

1.272,08

1.193,36

1.640,89

1.866,58

1.441,88

1.353,43

1.915,36

2.117,59

1.626,16

1.509,18

2.212,24

2.449,52

1.864,86

1.708,66

2.588,48

2.898,27

2.112,83

1.922,14

2.970,43

3.409,06

2.327,05

2.098,55

3.166,20

4.125,73

2.465,53

2.233,42

3.166,20

5.704,78

2.654,81

2.491,33

Nº de individuos

Deciles

Fuente: Elaboración propia a partir de la MCVL-2009.

8.-

Conclusiones

De los cuadros anteriores se extraen algunas conclusiones relevantes: Los primeros resultados que se presentan en este estudio son los que se exponen en relación a las dos variables que se utilizan para el cálculo de la tasa de sustitución: -

La base media de cotización se sitúa en 2.190,95 euros mensuales, y si bien el número de varones en la muestra es del 70%, la diferencia de bases entre varones y mujeres, sólo alcanza el 1,3%, es decir 2.199,25 € de los varones, frente a los 2.171,51 € de las mujeres. Hay que tener en cuenta que se ha partido de trabajadores con carreras de salarios regulares y que esta base difiere de la que sirve para calcular la cotización del presupuesto, 1.640,96 € mensuales, pero ésta contiene el efecto de los diversos conceptos que conforman la cotización, como pueden ser tipos de cotización parciales o deducciones, además está calculada para la población de todas las edades, no como en los casos que hemos incluido en nuestro análisis donde los individuos tienen una edad mayor de 55 años. 106

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

El 20 por ciento de los trabajadores que tiene una menor base de cotización lo hacen por una cuantía inferior a 1.340 €, y el 20 por ciento que cotizan por bases superiores lo hacen por una cuantía media de 3.166 €mensuales.

Respecto a las bases reguladoras de las pensiones, en el caso de considerar las de 15 años, se sitúa en 1.860,14 € mensuales, con una desviación típica de 576,73 €, resultando que el 25 por ciento de los individuos tiene una base reguladora inferior a 1.358, 51 €, otro 25 por ciento entre esta cuantía y 1.864,86 €, y correspondiendo el último 25 por ciento más alto a bases superiores a 2.418,56 €.

Si nos referimos ahora a las bases reguladoras de las pensiones, incluyendo 25 años, se sitúa en 1.730,95 € mensuales, con una desviación típica de 535,55 €, resultando que el 25 por ciento de los individuos tiene una base reguladora inferior a 1.273,68 €, otro 25 por ciento entre esta cuantía y 1.708,66 y el último 25 por ciento más alto a bases superiores a 2.172,91 €.

Si bien el tamaño de la muestra a los efectos de este estudio ha sido de 22.478 individuos, al trabajar con la variable percepciones dinerarias, identificadas como salarios percibidos, el colectivo se ha reducido a 16.502 trabajadores.

La percepción dineraria media, para el año 2009, se sitúa en 3.288,70 € mensuales frente a los 2.190,95 €de la base media de cotización de estos trabajadores del Régimen General, lo que supone que existe un diferencial del 50 por 100 de masa salarial no sometida a cotización.

Los varones tienen unos ingresos brutos mensuales de 3.424,06 €, lo que representa un 4,1% por encima de la media, en cambio las mujeres se sitúan un 9,7% por debajo con 2.970,42 €. En la comparación por sexo, los varones superan en más de 15 puntos porcentuales los ingresos medios de las mujeres. Los ingresos de las mujeres presentan más disparidad que la de los varones.

Los resultados relativos a la incidencia que la reforma legislativa de la Seguridad Social en España, relativa a un cambio en la normativa sobre las pensiones de jubilación, son los que a continuación se presentan: 1) Al cambiar el cálculo de la base reguladora de 15 a 25 años, se produce una pérdida de 5,9 puntos porcentuales en la tasa de sustitución cuando 107

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

la referencia es la Base media de cotización, y de 3,93 puntos cuando la referencia es la Percepción dineraria media. 2) Tomando la Base media de Cotización como denominador en el cálculo de la tasa de sustitución, los varones superan en 4 y 3,79 puntos porcentuales a las mujeres en las bases reguladoras con 15 años y 25 años de cotización, respectivamente. Pero si se toma como referencia la Percepción dineraria media, la situación se invierte (4,72 y 4,35 puntos por debajo de la tasa de las mujeres), debido a que al tomar el salario como referencia en el cálculo de la tasa de sustitución, los varones tienen salarios medios por encima de los de las mujeres, hecho que queda amortiguado si se toman las bases de cotización como referencia, puesto que están topadas al establecer la ley bases máximas de cotización. 3) Por grupos de cotización, el que sufre mayor pérdida de tasa es el de Ayudantes no titulados en el caso de tomar como referencia la Base media de cotización (7,36 puntos), y el de Oficiales de 1ª y 2ª cuando se toma la Percepción dineraria media (5,66 puntos). En el lado opuesto, los que menor perdida sufren son los Ingenieros y Licenciados con 3,40 y 1,49, respectivamente. 4) De los 22.478 individuos que tiene la muestra, 2.963 (13,18%) ganan con el cambio de la ley al pasar de 15 a 25 años el cálculo de la Base Reguladora; y 19.515 (86,82%) pierden ante dicho cambio. Por sexo, la proporción de mujeres que gana supera en tres puntos a los varones. 5) Los individuos que ganan presentan un incremento medio en su Base Reguladora del 3,65%, y los que pierden lo hacen en una proporción del 8,36%. 6) La ganancia o pérdida en puntos porcentuales de la tasa de sustitución es la siguiente: x x

Calculada con la Base media de Cotización: 3,42 puntos los que ganan y 7,03 puntos los que pierden. Calculada con la Percepción Dineraria media: 1,45 puntos los que ganan y 4,97 puntos los que pierden.

Como conclusión se puede deducir que, para la mayoría de individuos, efectivamente al tomar mayor número de años de cotización, se han integrado salarios inferiores a los más actuales, son personas con niveles salariales menores en épocas jóvenes y que, posteriormente, han sufrido un 108

Ana Vicente, Jose Mª Calderón y Timoteo Martínez - Anales 2012/77-110

ascenso en sus salarios. No obstante, hay un pequeño grupo en que la situación es a la inversa y en los últimos años de actividad ha habido un decrecimiento en los salarios, lo que ha condicionado que se obtenga una ganancia. Es decir, que muchos pierden y algunos ganan viéndose reforzado su poder adquisitivo.

Bibliografía Arranz Muñoz, J.M. y García-Serrano, C. (2011): Los datos fiscales de la Muestra Continua de Vidas Laborales: algunas ideas para su explotación. Papeles de Trabajo nº 5, Instituto de Estudios Fiscales, Madrid. Atkinson, A. (1987): Income Maintenance and Social Insurance. En A. Auerbach y M Feldstein (Eds.) Handbook of public Economics, Vol. II. North Holland. Bailén, J.M. y Gil, J. (1996): Transitional Effects of a Pension System Change in Spain FEDEA. Documento de trabajo 96-24. Blanco, A., Montes, J. y Antón, V. (2000): Modelo para Simular Escenarios de Gasto en Pensiones Contributivas de Jubilación de la Seguridad Social. Dirección General de Análisis y Programación Presupuestaria, Ministerio de Economía y Hacienda, Documento de trabajo SGAPRS-2000-01. Comisión Europea (2009): 2009 Ageing Report: economic and budgetary projections for the EU-27 Member States (2008-2060). París. Comisión Europea (2010): Libro Verde “En pos de unos sistemas de pensiones europeos adecuados, sostenibles y seguros”. COM (2010) 365 final.

De la Fuente Lavín, M. (2004): La tasa de sustitución de las pensiones. Revista de relaciones laborales nº 10, 2004 , pp. 55-76. Doménech, R. y Melguizo, A. (2009): Projecting Pension Expenditures in Spain: On Uncertainty, Communication and Transparency. En D. Franco, D. (ed.), Fiscal Sustainability: Analytical Developments and Emerging Policy Issues. Banca d’Italia, Roma (Disponible como Documento de trabajo 0911, SEE BBVA). Jimeno, J. F., Puente, S. y Rojas, J. (2008): Modelling the Impact of Aging on Social Security Expenditures. Economic Modelling nº 25 , pp. 201–224. Muñoz de Bustillo, R., De Pedraza, P., Antón, J.I. y Rivas, L.A. (2011): Vida laboral y pensiones de jubilación en España: simulación de los efectos de una reforma paramétrica. Revista Internacional de Seguridad Social, vol. 64, 1/2011, pp. 83-105. OECD (2007): Pension reforms: early birds and laggards. París. 109

Muchos pierden y pocos ganan: efectos de la reforma - Anales 2012/77-110

OECD (2011): Pensions at a Glance 2011: Retirement Income Systems in OECD and G20 Countries. París. Vicente Merino, A. (2001): Previsión Social Complementaria. INSS-Mº de Trabajo y Asuntos Sociales. Zubiri, I. (2003): El Futuro del Sistema de Pensiones en España. Instituto de Estudios Fiscales.

110

Anales del Instituto de Actuarios Españoles, 3ª época, 18, 2012/111-150

EVOLUCIÓN DEL CAPITAL DE SOLVENCIA REQUERIDO EN LAS ASEGURADORAS ESPAÑOLAS HASTA SOLVENCIA II Asier Garayeta Bajo Iván Iturricastillo Plazaola J. Iñaki De La Peña Esteban * RESUMEN: Garantizar la calidad de las empresas aseguradoras a través del cumplimiento de sus obligaciones para con los asegurados, es un pilar fundamental de nuestra sociedad. De hecho, las legislaciones reguladoras de los mercados aseguradores y las actuaciones de los supervisores están orientadas a la protección de los consumidores de seguros y al mantenimiento de mercados aseguradores eficientes, estables y seguros. Por otra parte, el capital económico de la entidad aseguradora, al ser un elemento de garantía de que ésta podrá atender las obligaciones contraídas con las pólizas, constituye uno de los principales instrumentos de protección de los consumidores. El nuevo marco para la evaluación de la solvencia de las aseguradoras queda regulado para la Unión Europea, por la Directiva 2009/138/CE, de 25 de noviembre (Solvencia II). Se orienta a la medición y valoración precisa del conjunto de los riesgos a los que está expuesta la aseguradora, lo que debiera permitir cuantificar el nivel adecuado de provisiones técnicas, así como la cifra de capital no comprometido adecuado a los riesgos a los que está expuesta. Este enfoque es, de momento, el último nuevo marco de evaluación de la solvencia de la empresa aseguradora, habiendo llegado a él tras más de 30 años de regulaciones sobre el capital garante de la solvencia.

* Asier Garayeta Bajo. (asier.garayeta@ehu.es ).Profesor del Departamento Didáctica de la matemática y de las Ciencias Experimentales. Facultad de CC. EE. y Empresariales de la Universidad del País Vasco/Euskal Herriko Unibertsitatea. Avda. Lehendakari Agirre, 83. 48.015 – BILBAO, España. Dr. Iván Iturricastillo Plazaola. (ivan.iturricastillo@ehu.es). Profesor del Departamento Economía Financiera I. Escuela Universitaria de Estudios Empresariales, Calle Comandante Izarduy 23, 01.006VITORIA-GASTEIZ, España. Correspondencia a: Dr. J. Iñaki De La Peña Esteban. (jinaki.delapena@ehu.es ). Profesor del Departamento Economía Financiera I. Facultad de CC. EE. y Empresariales de la Universidad del País Vasco/Euskal Herriko Unibertsitatea. Avda. Lehendakari Agirre, 83. 48.015 – BILBAO, España. Trabajo realizado en el marco de UFI 11/51 Dirección empresarial y Gobernanza Territorial y Social de la UPV/EHU. Este artículo ha sido recibido en su versión revisada el 19 de octubre de 2012.

111

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

En este trabajo se analiza precisamente la evolución experimentada del cálculo de dicho capital, pasándose de un enfoque meramente estático de la empresa a una visión dinámica del negocio asegurador. PALABRAS CLAVE: Solvencia II. Capital de Solvencia requerido. Capital Mínimo Requerido ABSTRACT: A fundamental pillar of our society is to ensure the quality of insurance companies through the implementation of its liabilities to policyholders. In fact, the laws and the supervisors are looking for the protection of insurance consumers and markets becomes efficient, stable and safe-keeping. On the other hand, the capital of the insurance company is an element of guarantee that it can meet liabilities with policies, constitutes one of the main instruments for the protection of consumers. The new framework for the valuation of the solvency of insurance companies is regulated into the European Union by Directive 2009/138/EC of 25 November (Solvency II). The aim is to measure and valuate the whole risks that the company has. This should allow quantifying the appropriate level of technical provisions and the amount of adequate capital according to the risks to which it is exposed. This approach is, up to now, the last framework of the solvency for insurance companies. It has taken more than 30 years to reach the current regulation of the solvency guaranteeing capital. This paper analyzes the evolution in the calculation of the capital, from a purely static approach of the company to a dynamic view of the insurance business. KEYWORDS: Solvency II, Solvency capital required, Minimum Capital Required 1.

INTRODUCCIÓN

La Unión Europea (UE) se encuentra en un proceso de renovación de los conceptos contables y de control de las compañías aseguradoras. La Comisión Europea decretó que desde 2005, las compañías de la UE cotizadas en bolsa deben emitir sus estados financieros según un único conjunto de normas desarrolladas por la IASB (International Accounting Standard Board). Sin embargo, la complejidad del negocio asegurador hace 112

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

necesario establecer un marco especial para aspectos contables específicos del seguro. Ya en mayo de 2002 el IASB realizó un Proyecto de Seguros en dos fases. La primera fase abarca la NIIF (Norma Internacional de Información Financiera) 4, y en un sentido más amplio, la NIC (Norma Internacional de Contabilidad) 32 y la NIC 39 (IASB, 2003 a). En la segunda fase se tratan los aspectos mas controvertidos, cómo la valoración de las provisiones técnicas (IAA, 2004); (IASB, 2003 b) a valor de mercado (IASB 2005). La Directiva Solvencia II precisamente busca desarrollar esos conceptos. Ésta se basa en el método Lamfalussy, consistente en establecer una serie de principios que, posteriormente se adaptan mediante disposiciones, con vistas a garantizar la convergencia a la evolución de la reglamentación contable y de seguros y reaseguros a nivel internacional (UNESPA, 2006). Aunque con matices, Solvencia II manifiesta la necesidad de obtener estimaciones consistentes con el mercado para el pasivo y activo (Blanco et al, 2010). Ello supone un enorme cambio en la cuantificación de la partida de pasivo más importante: las provisiones técnicas. Tradicionalmente la estimación de éstas se ha llevado a cabo bajo el principio de prudencia incorporando márgenes técnicos y financieros linealmente estipulados, cuya finalidad fue cubrir las posibles desviaciones adversas en la siniestralidad y las opciones y garantías implícitas en la Póliza. El estrechamiento en los márgenes de intermediación de los últimos años, lleva a incorporar en la valoración estas garantías de forma explícita (Biffis & Millossovich, 2006). Además, la cuantificación se ha de hacer bajo el prisma de la situación actualizada de los mercados financieros, así como de las hipótesis técnicas (mortalidad, morbilidad, longevidad, etc.) previsibles a la fecha de valoración. Lógicamente a este punto no se ha llegado en un año sino que ha sido y es un proceso paulatino tanto dentro de la Unión Europea como fuera de ella. La International Actuarial Association (IAA) creó un grupo de trabajo para establecer un marco de evaluación de la solvencia del asegurador en la labor de identificar los principios técnicos fundamentales sobre los que debería basarse la evaluación y regulación de los requisitos de solvencia de las empresas aseguradoras (AIA, 2009), convirtiéndose en una referencia en los análisis a realizar. Cada país miembro de la Unión Europea ya tenía sus propias leyes antes de que este proceso comenzara en el interior de Europa (Linder & Ronkainen, 2004). Y lo que es mas importante cómo estas leyes estatales han ido 113

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

convergiendo hacia un proceso de equiparación legislativa entre los diferentes estados miembro de la Unión Europea, que por ejemplo en España se ha efectuado por medio de los diferentes reales decretos. Esa convergencia legal es una de las funciones de Solvencia II: que las diferentes empresas que deban cumplir la directiva tengan el mismo marco en España o en Alemania. Todo ello es debido a que el supervisor considera importante que los asegurados estén protegidos (Sandström, 2007). Este no es un proceso nuevo sino que lleva bastantes años muy encaminado hacia sus objetivos. De hecho los primeros pasos hacia Solvencia II comienzan en el año 1973 en España. Como se verá, el camino que conduce a la consideración de solvencia y al capital mínimo requerido para que la compañía aseguradora se mantenga en el mercado ha ido cambiando a lo largo de los años. Las diversas motivaciones y necesidades, tanto políticas como económicas han hecho que tanto el cálculo de las provisiones técnicas como los márgenes de riesgo o seguridad hayan ido apareciendo y modificándose. Y es este precisamente el objetivo de este trabajo: Analizar los cambios en los requisitos de capital de solvencia obligatorio y del capital mínimo obligatorio hasta la promulgación de la Directiva Solvencia II. Con ello se puede apreciar la evolución a mayores requisitos, por otra parte comprensibles, para garantizar los derechos de los asegurados. GRÁFICO I: Evolución de normativas hasta Solvencia II Ramo No Vida

Ramo Vida 1ª Directiva

(79/267/CEE)

1ª Directiva (73/239/CEE)

2ª Directiva

3ª Directiva

(88/357/CEE)

(92/49/CEE)

2ª Directiva

Directiva de Solvencia I aprobada 2002 obligatorio el 1 de Enero de 2004

3ª Directiva (92/96/CEE)

Directiva Solvencia II 2009 obligatorio en 2014

Fuente: Pilan, 2005 y elaboración propia 114

90/619/CEE)

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

Para ello, en el segundo epígrafe de este trabajo se acomete el análisis de la situación anterior a la primera directiva Solvencia I en el ramo de no vida. Posteriormente se realizará el mismo análisis pero para lo concerniente al ramo de vida. En el cuarto epígrafe de este trabajo se acomete el análisis del la determinación del capital de solvencia bajo la primera directiva, tanto para vida como para no vida y en el quinto se indican algunas consideraciones sobre como quedan determinados estos conceptos en Solvencia II. En el sexto punto se acomete la importancia que en el desarrollo de Solvencia II han tenido los 5 Test cuantitativos de impacto llevamos a cabo por el Committee of European Insurance and Occupational Pensions Supervisors (CEIOPS). Finalmente se termina con una serie de comentarios y la bibliografía consultada. Con este análisis transversal y temporal se puede apreciar los fuertes cambios en la concepción del cálculo de dichos importes, inicialmente bajo un punto estático pero que queda demostrado que deben acometerse desde una visión dinámica. 2.

ANTECEDENTES EN EL RAMO NO-VIDA

2.1. Normativa 73/239/ CEE: Primera Directiva No Vida (PDNV) Esta directiva pretende facilitar el acceso a la actividad del seguro y su ejercicio, eliminando algunas divergencias existentes entre las legislaciones nacionales en materia de control. Su finalidad fue proteger sobre todo al asegurado y a terceros, exigiendo una serie de garantías financieras a las compañías aseguradoras (consideraciones previas –cp en adelante- PDNV). La normativa pretendía aplicarse a todas las empresas de seguros de la UE, teniendo también deferencia hacia las pequeñas y medianas empresas con una serie de medidas transitorias para la aplicación de la directiva (cp PDNV). Esta directiva considera que la cuantía del fondo de garantía mínimo dependerá del ramo en el que actúe la compañía aseguradora, siendo más flexible con determinados ramos de trasportes y de crédito (Art.1 PNV). Pospone la determinación de cálculo de las reservas técnicas para posteriores leyes, (Art.24 PDNV) y definió el margen de Solvencia como aquel patrimonio libre, para hacer frente a los riesgos de explotación (Art.25 115

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

PDNV); esta es una de las primeras veces que aparece este margen de Solvencia en la legislación española y se relaciona con el volumen global de las operaciones de la empresa, las primas y los siniestros (Art.26 PDNV), teniendo en cuenta que éste nunca puede estar por debajo del mínimo de seguridad (Art.30 PDNV). Cada estado obligaba a las empresas de seguro de su territorio a cumplir con el mínimo margen de Solvencia, el cual se constituía por medio del patrimonio de la empresa libre de compromisos deduciendo los elementos intangibles. Este Margen de Solvencia (MS) estaba compuesto por (Art.16 PDNV): - el capital social, (CS) - las reservas (RS) legales y libres que no correspondan a compromisos suscritos - los beneficios o pérdidas (PyG) acumuladas una vez deducidos los dividendos (DIV) a pagar. A este margen se le restaban el capital en acciones que posee la propia compañía aseguradora. También se podrán deducir diferentes elementos relacionados con la participación en reaseguros, entidades de crédito, etc.

MS CS C RS R (PyG (P - DIV)- Reaseguro Siempre existiendo excepciones en determinados casos. Aunque no era la única forma pudiendo estar compuesto del siguiente modo (Art.16 PDNV): Las acciones acumulativas preferentes y préstamos subordinados hasta el 50% del margen de Solvencia. (Tomándose sólo los fondos desembolsados, prestamos a plazo fijo y con un vencimiento mínimo de 5 años…) Y el contrato solo podía ser modificado cuando las autoridades lo permitían. + valores de duración indeterminada hasta el 50% de margen de Solvencia, con sus peculiaridades.

= MS Pero es que además de éste, existían otros modos de cálculo, siempre y cuando estuviera justificada la razón del cambio y que las autoridades del estado lo permitieran.

116

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

En cuanto Margen de Solvencia Obligatorio (MSO) por lo tanto, se determinaba con relación, al importe anual de las primas o cuotas, en función de la siniestralidad media de los tres últimos ejercicios.

MSO

f(S f X , S X -1 , S X -2 )

Donde; SX : Siniestralidad media del ejercicio X SX-1 : Siniestralidad media del ejercicio X-1 SX-2 : Siniestralidad media del ejercicio X-2 Para el cálculo de lo anterior se hace necesario obtener la base de primas, la cual se calculaba empleando el valor de las primas propias (VPP) o cuotas brutas devengadas. En determinados ramos se aumentaba esa cantidad un 50% del valor, como en el caso de las primas de responsabilidad civil. A su vez se le sumaban las primas aceptadas por reaseguro (PR), restando las cuotas anuladas (CA), y dividían el resultado en dos tramos, el primero contendrá 50 millones y el segundo el resto, y multiplicaremos por 18% y 16%. El resultado obtenido se multiplicaba por la relación existente, para el conjunto de los tres últimos ejercicios, entre la siniestralidad a cargo de la empresa después de deducir la siniestralidad a cargo del reaseguro y el importe de la siniestralidad bruta; dicha relación no podía ser en ningún caso inferior al 50 %. LA BASE DE PRIMAS

VPP V PR P CA C

50 5 .000.000€ ·18% rresto 1 16%

ff(S X , S X -1 , S X -2 )

El Margen de Solvencia no podía ser menor al del año anterior y tenía que ser al menos igual al del año precedente multiplicado por el coeficiente que resultaba de dividir las provisiones técnicas para siniestros al final del último ejercicio económico entre las provisiones técnicas para siniestros al comienzo del último ejercicio (Art.16 bis PDNV). En cuanto al fondo de garantía, estaba constituido por un tercio del margen de Solvencia obligatorio, no pudiendo ser menor a 2 millones de euros y debiendo aumentarse para determinados ramos (Art.17 PDNV).

FONDO GARANTÍA

Max

MARGEN SOLVENCIA ;2.000.000 € 3

117

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

Las cantidades obtenidas anteriormente debían tener en cuenta los cambios en el índice europeo de precios al consumo, no efectuando cambios si la última actualización era menor al 5% y siempre teniendo en cuenta que el margen se redondeaba a múltiplos de 100.000 (Art.17 bis PDNV). A su vez determinadas empresas que llevaban a cabo actividades de reaseguro debían dotar un fondo de garantía mínimo, si (Art. 17 ter PDNV): a) las primas de reaseguro percibidas excedían en un 10 % sus primas totales; b) las primas de reaseguro percibidas superaban 50.000.000 €; c) las provisiones técnicas resultantes de sus aceptaciones en reaseguro superaban el 10 % de sus provisiones técnicas totales. Todo lo anteriormente expuesto debía estar debidamente reflejado en la situación financiera y de Solvencia de la aseguradora y el estado miembro debía llevar un control sobre todo lo anteriormente mencionado. 2.2. Normativa 88/357/CEE: Segunda Directiva No Vida (SDNV) Dentro de ésta, se pueden extraer dos objetivos. El primero se centra en los grandes riesgos, estableciendo para incendios/elementos naturales y responsabilidad civil unas cantidades para determinar las provisiones siempre que el tomador superase ciertos criterios. El segundo objetivo refleja la moneda en la que los compromisos eran exigibles debiendo existir reciprocidad de moneda entre la prima y la prestación (A nc SDNV). Cuando la moneda no estuviera expresamente establecida, se consideraba la moneda del país en el que se localizaba el riesgo, pudiendo decidirlo también judicialmente cuando existieran problemas y en función de la casuística. 2.3. Normativa 92/49/CEE: Tercera Directiva No Vida (TDNV) Esta directiva siguió el camino desarrollado en torno a la armonización básica, llegando al reconocimiento mutuo de las autorizaciones y de los sistemas de control que permitían la autorización única de ejercicio y el control por parte del estado miembro de origen sobre la actividad de la empresa aseguradora (cp 20 TDNV). Los estados miembros debían, por su parte, vigilar la solidez financiera de la empresa de seguros sobre todo, su Solvencia, determinada por la suficiencia de provisiones técnicas para hacer

118

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

frente a las de prestaciones, y habilitando para ello los mecanismos de control pertinentes (cp 23 TDNV). Se estableció también la posibilidad de que los estados impusiesen sanciones a las empresas si en los análisis de Solvencia las reservas no eran suficientes, pudiendo incluso prohibir la libre disposición de los activos (cp 29 TDNV). Cuando lo anterior sucedía se debía llevar a cabo un plan de saneamiento y si con el plan no fuera suficiente se exigía a la empresa un plan de financiación a corto plazo, que debía ser sometido a su aprobación. Pero esta última directiva fue más explícita con las inversiones de los fondos de Solvencia. Los activos representativos debían garantizar seguridad, rendimiento y liquidez, teniendo la diversificación y la dispersión adecuadas. Y para ello se estableció una serie de categorías en las que invertir (Art.21 TDNV) incluidas en la Tabla I. Se priorizaron los activos de buena calificación crediticia, y se establecieron los activos admisibles. Para llegar al cálculo debemos de saber que los activos representativos se evaluaban netos y prudentemente, los préstamos se usaban como cobertura, los instrumentos derivados se usaban en la medida de reducción de riesgo, los valores mobiliarios y otros créditos eran asignados en función a lo realizables que eran corto plazo. TABLA I: Activos Representativos, ramo no-vida A. Inversiones

B. Créditos

C. Otros activos

-bonos, obligaciones y otros instrumentos del mercado monetario y de capitales;

-créditos frente a los reaseguradores, incluida la parte de los reaseguradores en las provisiones técnicas;

-préstamos ;

-depósitos en empresas cedentes; créditos frente a éstas;

-inmovilizado material, que no se trate ni de terrenos ni de construcciones, sobre la base de una amortización prudente;

-acciones y otras participaciones de renta variable; -participaciones en organismos de inversión colectiva en valores mobiliarios y otros fondos de inversión; -terrenos y construcciones, así como

-créditos frente a los tomadores de seguro e intermediarios surgido de operaciones de seguro directo y reaseguro; -créditos derivados de operaciones de salvamento y subrogación; 119

-haberes en bancos y en caja; depósitos en establecimientos de crédito y en cualquier otro organismo autorizado para recibir depósitos; -gastos de adquisición diferidos; -intereses

rentas

Evolución del capital de solvencia requerido en las – Anales 2012/111-150 derechos inmobiliarios

reales

-créditos de impuestos; -créditos contra fondos de garantía.

devengados no vencidos y otras cuentas de regularización

Fuente: Elaboración propia.

A la empresa aseguradora le pusieron limitaciones inversoras (Art.22 TDNV), no pudiendo invertir, del total de las provisiones técnicas brutas, más del: a) 10% en un terreno b) 5% en valores negociables asimilables a las acciones, en bonos, obligaciones y otros instrumentos del mercado monetario y de capitales de una misma empresa o en préstamos concedidos al mismo prestatario, considerados en su conjunto, siendo los préstamos distintos de los concedidos a una autoridad estatal, regional o local o a una organización internacional en la que participen uno o varios Estados miembros c) 5% en préstamos no garantizados, de los cuales el 1% por un solo préstamo no garantizado, distintos de los préstamos concedidos a las entidades de crédito, empresas de seguros, y empresas de inversiones establecidas en un Estado miembro; d) 3% en caja; e) 10%, otros títulos asimilables a las acciones, y obligaciones, que no se negocien en un mercado regulado. Pero aún cumpliendo estas restricciones se pedía que los activos estuvieran diversificados para mantener un nivel prudente frente a los activos arriesgados y teniendo en cuenta el reaseguro en sus cálculos, limitando también en un nivel prudente las inversiones no liquidas. Por tanto las empresas tenían libertad de elección pero dentro de unos límites y respetando su nivel de Solvencia y límites de riesgo. (Art.23-25 TDNV) 3.

ANTECEDENTES EN EL RAMO VIDA

3.1. Normativa 79/267/ CEE: Primera Directiva Vida (PDV) Esta ley, de 5 de marzo de 1979, constituye la primera directiva sobre el ramo de vida. Pretendía coordinar las diferentes reglamentaciones para que existiera en el futuro una igualdad legislativa entre los estados miembros de la U.E. 120

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

En cuanto al cálculo de las reservas técnicas, se establecía que siguiera las mismas pautas que las reservas concernientes al daño, debiendo representar la suficiente cantidad de dinero para hacer frente a las obligaciones contraídas, esto es, tener un margen de Solvencia representado por el patrimonio libre y, con la aprobación de la autoridad de control. Este margen fue proporcional a la naturaleza y gravedad de los riesgos teniendo en cuenta tanto la empresa como su ámbito de su aplicación. El margen puede estar, por lo tanto, en función de las reservas matemáticas, primas, etc. Teniendo en cuenta los objetivos se exigía por tanto un fondo de garantía que garantizaba que la empresa nunca permitiría que el margen de Solvencia disminuyera durante su actividad por debajo de un mínimo de seguridad, estando este fondo constituido por elementos explícitos del patrimonio. A su vez se crearon mecanismos para las empresas que no cumplían los requisitos.

MINIMO M DE SEGURIDAD

Esta directiva habilitaba a los estados a poner fin a la acumulación de las actividades si los asegurados y beneficiarios tenían sus intereses en peligro. Por ello la gestión debía de estar separada no perjudicando los intereses de los asegurados «vida» y «daños»; y con el fin de que las obligaciones financieras de unos no fueran soportadas por los otros (Art.14 PDV). Los datos contables deberían desglosar por separado ingresos y gastos en función del origen, mostrando a su vez el margen de Solvencia para cada apartado. Los estados miembros controlaban la situación financiera y el estado de la Solvencia, determinando las reservas técnicas suficientes, incluidas las reservas matemáticas (Art.15 PDV). Las reservas debían de estar constituidas por activos congruentes y localizados, tanto en la sede social como en sus sucursales (Art.17 PDV). A su vez, también dentro de la directiva se determinaba la constitución del margen de Solvencia y se introducían las siguientes partidas (Art.18 PDV):

MS C CSd 1.

CSnd C 2

R Rs

B Bef

Rsbef R

Beff B 50% 5

plus p S Sp

Por el patrimonio de la empresa: - Capital social desembolsado (CSd) o, si se trata de mutuas, el fondo social desembolsado, 121

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

La mitad de la parte no desembolsada del capital social (CSnd) o del fondo social, cuando la parte desembolsada alcance el 25 % de ese capital o de ese fondo, Reservas (Rs), legales y libres, que no correspondan a los compromisos, Suma de beneficios (Bef);

Reservas de beneficio (Rsbef) que estaban en el balance y eran permitidas por la legislación, para tapar pérdidas eventuales.

Y cuando las autoridades lo permitían: - 50% de los beneficios futuros (Beff) esto se obtenía, multiplicando el beneficio anual estimado por el multiplicador que represente la duración residual media de los contratos, nunca mayor a 10. - Plusvalía (plus) latentes resultantes de la subestimación de elementos del activo y de la sobrestimación de los elementos del pasivo. - O en caso de hacer una zillmerización (incorporar las comisiones descontadas en el cálculo), o en caso de no hacerla, si esta no alcanza la sobreprima (Sp); se incluirá este importe.

Por lo que en el cálculo del Mínimo Margen de Solvencia (MMS) para los seguros de vida en global y los de renta, se debía sumar dos resultados (Art.19 PDV):

4 RM R MMS 4%

RM - Re Cr - Re 0 C 0,3% CA RM Cr

Donde el número que represente una fracción de 4 % de las reservas matemáticas (RM), relativas a las operaciones directas sin deducción de las cesiones en reaseguro y a las aceptaciones en reaseguro, se multiplicará por la relación existente en el último ejercicio, entre el importe de las reservas matemáticas, con deducción de las cesiones en reaseguro, y el importe bruto como ha quedado indicado, de las reservas matemáticas; este importe no puede ser, en ningún caso, inferior al 85 %,

RM - Re 85% 8 RM Para los contratos cuyos capitales a riesgo no fuesen negativos, el número que represente una fracción de 0,3 % de esos capitales asumidos (CA) por la 122

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

empresa y multiplicado por la relación existente, en el último ejercicio, entre el importe de los capitales con riesgo (Cr) que subsisten a cargo de la empresa después de cesión y retrocesión en reaseguro, y el importe de los capitales con riesgo sin deducción del reaseguro; esta relación no podrá ser en ningún caso inferior al 50 %; para los seguros temporales en caso de muerte, de una duración máxima de tres años, la fracción mencionada anteriormente será de 0,1 %, para aquéllos de una duración superior a tres años y no más de cinco, será de 0,15 %;

Cr - Re Cr

50 5 %

En cuanto a los seguros complementarios (SC), se determinaba sumando todas las primas (p) más las primas por reaseguro aceptadas (pre) aminorándose las primas anuladas (pa) así como impuestos. Después de haber repartido el importe así obtenido en dos partes, la primera hasta diez millones de unidades de cuenta, la segunda el exceso, se calculaba en fracciones de 18 % y de 16 % respectivamente sobre esas partes, y se adicionaban. Y lo obtenido se multiplicaba por la relación entre siniestros (S) a cargo de la empresa y los reasegurados (Re), en ningún caso inferior al 50% (S/Re 50%).

MSSC

10.000.000€ 1 18% S 1 16% eexceso 1 Re

pre - pa

Hemos mencionado los requisitos del mínimo margen de Solvencia (Art.20 PDV); pero además de esto también se determinaba la cantidad que deben de tener 800.000 unidades de cuenta pudiendo reducirse a 600.000 en determinados casos; en el caso de mutuas o tontinas se reduce hasta 100000 pudiendo ser necesario el aumento dependiendo del tipo de empresa. La normativa sólo explicitaba los tipos de activos que eran parte del margen de Solvencia, el resto de reservas no tenían restricciones en cuanto a su composición. 3.2. Normativa 90/619/ CEE: Segunda Directiva Vida (SDV) Esta directiva, de 8 de noviembre de 1990, pretendió desarrollar el camino comenzado por la directiva anterior, resolviendo las dudas que no hubieran quedado explicadas en la ley anterior. Pretendió reducir las distorsiones producidas por la fiscalidad entre los estados, así como crear un mercado más amplio intentando un desarrollo generalizado, permitiendo regimenes transitorios para lograr una igualdad general (cp SDV). 123

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

Esta directiva, al igual que la segunda directiva de no-vida, fue dirigida a las autoridades y a su proceder, dejando a las empresas en un segundo plano. Se centró en la autorización dada por los estados, la información necesaria que debían de dar las empresas y el trasvase de información entre países. Fue una normativa centrada principalmente en la supervisión. 3.3. Normativa 92/96/ CEE: Tercera Directiva Vida (TDV) Esta directiva, de 9 de diciembre de 1992, sigue el camino de las dos directivas anteriores. Uno de sus principales intereses es el desarrollo en el mercado del seguro de vida. Pretendió la aproximación de los mercados nacionales hacia un mercado integrado, realizando previamente una armonización básica en los sistemas de autorización y supervisión de la actividad aseguradora (cp 3 TDV). Esta directiva también pretendió fijar la composición del margen de Solvencia, permitiendo a los estados miembros imponer la aplicación de su legislación para que no existieran barreras (cp 15-16 TDV). En cuanto al control financiero este era competencia y responsabilidad del Estado miembro de origen, en los casos en los en los que el compromiso era en otro estado (título -t. en adelante- II Art.7 TDV). Este control financiero era el control de Solvencia, actividades de la empresa y la constitución de provisiones técnicas además de buena organización administrativa y contable y de procedimientos de control interno adecuados (t. III Art.8 TDV). Esta directiva determinaba el método actuarial por el que se podían construir las provisiones técnicas suficientes incluidas las provisiones matemáticas en los seguros de vida, basándose en los siguientes principios (c. 2 Art. 18 TDV): A. Los seguros de vida debían calcularse con arreglo a un método actuarial prospectivo suficientemente prudente, donde se tuvieran en cuenta todas las obligaciones futuras y las primas: Todas las prestaciones garantizadas, incluidos los valores de rescate garantizados Las participaciones en los beneficios adquiridos a que tengan derecho los asegurados colectiva o individualmente, con independencia de la calificación de dichas participaciones devengadas, declaradas o asignadas

124

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

Todas las opciones a las que el asegurado tenga derecho según las condiciones del contrato Los gastos de la empresa, incluidas las comisiones

Se podía utilizar un método retrospectivo cuando este no era menor al prospectivo, los cálculos debían de tener un margen razonable de desviaciones desfavorables. El método de cálculo debía de ser prudente en la valoración de activos y las provisiones, debiendo estas últimas calcularlas uno por uno. Y cuando el valor estaba garantizado la provisión debía ser al menos el propio valor garantizado. B. El tipo de interés utilizado en todo cálculo también tenía que ser prudente, siendo el máximo determinado por las autoridades. Pero el hecho de que las autoridades marquen el tipo de interés máximo no determinaba que la empresa esté obligada a utilizarlo pudiendo emplear tipos de interés menores. Aunque existen excepciones de aplicación del interés máximo a contratos en unidades de cuenta, contratos a prima única de 8 años o contratos sin participación en beneficios. Otra de las restricciones a tener en cuenta respecto al interés fue que si era utilizado para valorar un activo bajo una estrategia inmunizadora, se podía emplear para la valoración del pasivo y no podía ser superior al rendimiento de este con una serie de penalizaciones por calidad crediticia. C. Los elementos estadísticos y los relativos a los gastos debían estar elegidos prudentemente. D. En los contratos de participación en beneficios, se podía calcular las provisiones teniendo en cuenta implícita o explícitamente la participación de los beneficios futuros. E. La provisión para gastos futuros podía ser implícita. F. El método de cálculo de las provisiones no podía cambiar de un año a otro dependiendo de los intereses de la empresa. Las empresas debían tener a disposición pública las bases técnicas y los datos utilizados para el cálculo de las provisiones técnicas. Teniendo en cuenta lo anteriormente expuesto se entiende que las primas para las nuevas operaciones debían satisfacer los compromisos. Sus activos representativos tenían que garantizar la seguridad, el rendimiento y la liquidez de las 125

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

inversiones de la empresa. Por ello las provisiones técnicas del mismo modo que en el ramo de no vida debían de estar constituidas por activos representativos (c. 2 Art.21.1 TDV), siendo la única diferencia la segunda parte indicada en la Tabla II. TABLA II: Activos Representativos, ramo vida A. Inversiones -bonos, obligaciones y otros instrumentos del mercado monetario y de capitales; -préstamos ; -acciones y otras participaciones de renta variable; participaciones en organismos de inversión colectiva en valores mobiliarios y otros fondos de inversión; -terrenos y construcciones, así como derechos reales inmobiliarios

B. Créditos

C. Otros activos

-créditos frente a los reaseguradores, incluida la parte de los reaseguradores en las provisiones técnicas; -depósitos en empresas cedentes; créditos frente a éstas; -créditos frente a los tomadores de seguro e intermediarios surgido de operaciones de seguro directo y reaseguro; -créditos derivados de operaciones de salvamento y subrogación; -créditos de impuestos;

-inmovilizado material, que no se trate ni de terrenos ni de construcciones, sobre la base de una amortización prudente; -haberes en bancos y en caja; depósitos en establecimientos de crédito y en cualquier otro organismo autorizado para recibir depósitos; -gastos de adquisición diferidos; -intereses y rentas devengados no vencidos y otras cuentas de regularización

-créditos contra fondos de garantía.

- anticipos sobre pólizas

- intereses reversibles

Fuente: Elaboración propia

126

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

Por el hecho de que los Activos se encontrasen relacionados en la lista de la directiva no significaba que las autoridades estatales debieran permitir construir las provisiones en base a ello, sin embargo lo que no podían hacer las autoridades es introducir otra tipología de activos. Los estándares mas importantes eran los siguientes: los activos debían de evaluarse netos y con base prudente, los préstamos solo se admitían como cobertura si se ofrecían garantías suficientes, los instrumentos derivados si reducían el riesgo, los valores mobiliarios en la medida en la que eran realizables a corto plazo, etc. Pero además de lo mencionado anteriormente en lo relativo a los activos representativos se exigía a la aseguradora que cumpliera lo mismo que en el ramo de no vida con una salvedad que en los préstamos no garantizados se pedía el 5% y de esa cantidad hasta un 1% en préstamos distintos de entidades de crédito. Estas dos cantidades podían aumentar hasta representar un 8% y 2% si las autoridades lo permitían dando su visto bueno (c. 2 Art. 22.1 TDV). Los activos representativos debían de cumplir por su parte todas las normas de diversificación, nivel riesgo, etc. para ser incluidos en las provisiones técnicas. 4.

SOLVENCIA I

4.1. Normativa 2002/13/CEE: Solvencia I No Vida (SINV) Esta Directiva, de 5 de marzo de 2002, corresponde a la normativa de ramos de no vida y trata de mejorar ciertos puntos de las directivas anteriores. Reconoce la importancia del margen de Solvencia para garantizar el capital suficiente como para proteger a las empresas de los riesgos (cp 3 SINV). Este margen de Solvencia actuaría como amortiguador ante las fluctuaciones adversas de la actividad propia de la empresa aseguradora, estableciéndose en directivas anteriores mecanismos de supervisión para asegurados y tomadores. La comisión de seguros elaboró los informes pertinentes tras las normativas del periodo anterior. En aquellos informes se observó que el sistema se basaba en principios adecuados y trasparentes, pero que tenía ciertas debilidades. Los informes pusieron de manifiesto que era preciso aumentar los fondos de garantía mínimos debido a que cambian tanto la inflación como los gastos operativos (cp 7 SINV), por lo que se debían de aumentar estos fondos teniendo en cuenta las primas y los siniestros. Con ello se quiso evitar aumentos bruscos del nivel de fondos y buscar como referencia el índice europeo de precios al consumo (cp 8 SINV). 127

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

Esta nueva directiva no permitía la reducción de las cantidades impuestas. Quitó la habilitación de las autoridades a reducir estas cantidades, siendo ésta es su principal razón de ser (cp 14 SINV). 4.2. Normativa 2002/83/CEE: Solvencia I Vida (SIV) Esta directiva, de 5 de noviembre de 2002, propiamente es la que se denomina Solvencia I. Pretendió eliminar las divergencias existentes entre legislaciones nacionales, siempre con el objetivo de proteger a los asegurados y beneficiarios (cp 2 SIV). Otro de los aspectos en los que hizo hincapié es la necesidad de control financiero, intentando que se produjera la no acumulación de seguro de vida/no-vida impulsando la separación de los dos ramos para todos los cálculos de control, para que las situaciones adversas de uno no afectasen al otro (cp 32 SIV). Por ello se hizo obligatoria la necesidad de creación de provisiones técnicas (incluidas las matemáticas) calculadas con principios actuariales y de prudencia, estableciendo a su vez limitaciones del tipo de interés para estos cálculos; debiendo de ser estos cálculos coordinados entre estados (cp 35-36 SIV). El margen de Solvencia exigido también fue parte de este tratado con sus exigencias, lista de elementos de composición o índice sobre el que se debe preveer futuros aumentos (cp 39 SIV). El control financiero se basaba en las actividades de la empresa, su Solvencia, las provisiones técnicas y matemáticas así como los activos que los representan; además de procedimientos adecuados para administración, contabilidad y control interno. Debían rendir cuentas periódicamente de todo lo anterior, incluyendo documentos estadísticos (Art.13 SIV). Los estados podían recabar información con el fin de adoptar medidas para garantizar la actividad adecuada o la ejecución obligatoria de las medidas. Las empresas debían constituir provisiones técnicas incluidas las matemáticas para llevar a cabo su actividad (Art.20 SIV) y éstas se determinaban de la siguiente forma: A.

Para los seguros de vida se calculaban con un método actuarial prospectivo suficientemente prudente, teniendo en cuenta todas las obligaciones futuras; las prestaciones garantizadas, las participaciones en beneficios, las opciones a las que el asegurado tuviera derecho y los gastos. Se podía usar un método retrospectivo siempre y cuando no fuese menor al prospectivo. El cálculo debía tener un margen para las desviaciones desfavorables. Todo ello calculado de 128

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

C. D. F.

forma prudente, y por contrato pudiendo utilizarse generalizaciones razonables. El tipo de interés debía ser elegido prudentemente, existiendo un máximo fijado por las autoridades, pudiendo la empresa usar un interés más bajo que aquel y pudiendo existir excepciones en la aplicación de éste. Los elementos estadísticos debían de estar elegidos prudentemente. En contratos de participación en beneficios se podrá tener en cuenta las participaciones en beneficios futuros. El método de valoración no podía cambiar de un año a otro.

Toda información acerca de las bases técnicas y métodos para los cálculos de provisiones tenía que estar a disposición del público. En este sentido la directiva pretende que las primas fuesen suficientes para hacer frente a los compromisos asumidos en base a la dotación de provisiones, las cuales deben estar constituidas por los activos de la directiva 92/96/CEE anteriormente mencionados para el seguro de vida en este mismo trabajo. Pero que apareciesen en aquella lista de activos no implicaba que fueran aceptados. Las autoridades velaban por que (Art.23 SIV): - los activos fueran evaluados netos - y evaluados sobre una base prudente, teniendo en cuenta el riesgo no realizado - los préstamos sólo eran admisibles como cobertura siempre que ofrecieran garantías sobre su seguridad - los derivados se usaban en la medida en la que reducen el riesgo de emisión y permitieran una gestión eficaz de cartera - los valores mobiliarios no negociables en mercados regulados no eran admitidos - los gastos de adquisición solo eran admitidos si son coherentes con los métodos de calculo de provisiones matemáticas. Estas son algunas características exigidas por esta directiva. El estado puede autorizar otro tipo de activos para que sean incluidos en las provisiones. Por otro lado todos estos activos debían estar diversificados para crear la provisión exigiéndose (Art.24 SIV) que, del total de sus provisiones técnicas brutas, no se invirtiera más de: - el 10% en un terreno o en una construcción - el 5% en acciones y otros valores negociables de una misma empresa o de préstamos al mismo prestatario. Este límite podía aumentarse al 10% si la empresa no invertía más del 40% de sus provisiones técnicas brutas en préstamos o títulos correspondientes a 129

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

emisores y a prestatarios en los cuales coloque más del 5% de sus activos el 5% en préstamos no garantizados, el 1 % por un solo préstamos no garantizado, distintos de los préstamos concedidos a las entidades de crédito, a las empresas de seguros. Estos podían aumentar al 8 y al 2 teniendo autorización. el 3% en provisiones de caja y el 10% en acciones y obligaciones de mercados no regulados

La no aparición en este listado de activos no habilitaba a las empresas a invertir en los activos que deseaban. La constitución de los activos debía ser lo suficientemente diversificada, tendiendo a la reducción del riesgo, utilizando un nivel prudente de las inversiones no liquidas. Las empresas debían tener un Margen de Solvencia, estando constituido por el patrimonio libre de compromiso (Art.27 SIV):

MS CS C Bef B Donde CS : Bef : RsBef : Rs :

RsBef R (a (app ps) p aa a B Beff

p plus C CSnd

El capital social, en el caso de las mutuas el fondo inicial con algunos requisitos Beneficios o perdidas después de quitar los dividendos Las reservas de beneficios en función de la legislación vigente Las reservas que no correspondan a compromisos sucritos

También podía estar constituido por (Art.27 SIV): - Acciones acumulativas preferentes (aap) y los préstamos subordinados (ps) hasta el 50% del margen de Solvencia (MS) (el menor entre disponible y obligatorio), sólo se admitían hasta un 25% de dicho margen los préstamos subordinados a plazo fijo o las acciones acumulativas preferentes de duración determinada. Los préstamos subordinados sólo tomaban en consideración los fondos desembolsados.

app ps p 5 50%MS -

Valores de duración indeterminada y otros instrumentos, incluidas las acciones acumulativas (aa) hasta el 50% del margen de Solvencia disponible o, si es inferior, del margen de Solvencia obligatorio, para el total de dichos valores y de los préstamos subordinados mencionados aa 5 50%MS 130

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

Pero el margen también podía estar constituido con la siguiente composición si era autorizada por las autoridades: -

Hasta el 31 de diciembre de 2009, un importe igual al 50 % de los beneficios futuros de la empresa (Beff), sin que exceda del 25 % del margen de Solvencia disponible o, si es inferior, del margen de Solvencia obligatorio. Este importe era determinado por el beneficio anual estimado por un factor que represente la duración residual media de los contratos. Teniendo en cuenta que estos beneficios tenían que ser autorizados. En caso de no haberse diferido la imputación de los gastos de adquisición (zillmerización) o en el caso de haberse diferido por importe inferior al que se deducía de los recargos para gastos de adquisición incluidos en las primas, la diferencia entre la provisión matemática no zillmerizada o parcialmente zillmerizada, y la provisión matemática zillmerizada a una tasa de zillmerización igual al recargo para gastos de adquisición contenido en la prima. Ciertas plusvalías (plus) de carácter excepcional La mitad de la fracción no desembolsada del capital social (CSnd), sólo si no alcanzaba el 25% del capital social

Por otro lado la forma de calcular el Margen se Solvencia Obligatorio o Mínimo (MMS) era la suma siguiente (Art.28 SIV):

4 PM P MMS 4%

Cr - Re PM - Re 0 C 0,3% CA Cr PM

Donde al multiplicar el 4% de las provisiones de matemáticas (PM) en el ultimo ejercicio, entre el importe total de las provisiones matemáticas, con deducción de las cesiones en reaseguro (Re), y el importe bruto de las provisiones matemáticas, no se podía obtener una relación inferior al 85%.

PM - Re 85% 8 PM Para los contratos cuyos capitales en riesgo no eran negativos, el resultado de multiplicar el 0,3% de dichos capitales asumidos (CA) por la empresa de seguros por la relación existente, en el último ejercicio, entre el importe de los capitales en riesgo (Cr) que subsisten como compromiso de la empresa después de la cesión y retrocesión en reaseguro, y el importe de los capitales

131

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

en riesgo sin deducción del reaseguro. Esta relación no podía ser en ningún caso inferior al 50%.

Cr - Re Cr

50% 5

En el caso de los seguros permanentes de enfermedad y las operaciones de capitalización el margen de Solvencia obligatorio era el 4% de las provisiones matemáticas. En cuanto a las tontinas disminuye al 1% de sus activos. MS 4 4% P PM En cuanto a los seguros ligados a fondos de inversión, el margen obligatorio se calculaba, sumando: -

El 4% de las provisiones técnicas (PM) En la medida en que la empresa de seguros no asuma ningún riesgo de inversión, pero el importe destinado a cubrir los gastos de gestión se fije para un período superior a cinco años, el 1 % de las provisiones técnicas En la medida en que la empresa no asumía ningún riesgo de inversión y la asignación para cubrir los gastos de gestión no se fijo por un período superior a cinco años, una cantidad equivalente al 25% de los gastos de administración netos de dicha actividad correspondientes al último ejercicio presupuestario

De todo lo anterior obtenemos el fondo de garantía el cual era un tercio del margen de Solvencia obligatorio y como mínimo de 3 millones de euros. Esta cantidad sería revisada periódicamente siempre redondeando en múltiplos 100.000. En cuanto a los activos no representativos no se estableció ningún tipo de restricción. Las normativas anteriores muestran un modelo estático y simple (Lozano, 2005), basado fundamentalmente en magnitudes contables y que se concentraba sólo en un aspecto de la posición financiera de una entidad. Era necesario el desarrollo de un modelo dinámico, basado en principios y escenarios. Dicha evolución implica un cambio en método y filosofía, pasando de una estructura burocratizada a una gestión centrada en los riesgos.

132

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

SOLVENCIA II (SII)

5.1. Directiva 2009/138/CE, de 25 de noviembre sobre el seguro de vida, el acceso a la actividad de seguro y de reaseguro y su ejercicio (Solvencia II) Hasta la promulgación de esta directiva, de 25 de noviembre de 2009, la Solvencia se controlaba por medio de cálculo de ratios que no tienen que ver con la situación actual (Alonso, 2007). Se promulga Solvencia II al constatar necesidades cuantitativas exigidas a los recursos propios, y sobre todo al capital de Solvencia mínimo (cp 20V), debiendo responder en cantidad a los compromisos adquiridos por parte de la empresa. Esta necesidad debe ser verificada periódicamente por la empresa y por las autoridades para reflejar esa imagen fiel que se requiere de las empresas (cp 22-26 SII). Para llevarlo a cabo las empresas deben ser trasparentes y aportar la información que les sea requerida por las autoridades debiendo por lo tanto crear ciertos cauces para el trasvase de esta información. Una de las bases de esta directiva es la afirmación de que los requisitos de capital deben ser cubiertos por los fondos propios (cp 47 SII) y los activos que se permite tener a las aseguradoras para utilizarlas como garantía frente a las obligaciones contraídas. Por todo lo anterior se requerirá a la empresa la constitución de provisiones técnicas adecuadas utilizando métodos estadísticos y actuariales (cp 53-56 SII), siendo estos siempre coherentes con el mercado, cumpliendo las normas de diversificación de los riesgos, de forma fiable y con hipótesis realistas. Pudiendo aplicarse modelos simplificados para la pequeña y mediana empresa (PYME). La Directiva determina una fórmula estándar para el cálculo del capital de Solvencia obligatorio (cp 61 SII), dando toda la directiva un nuevo enfoque referente al riesgo. También se determinan los casos por los que a una empresa se le podría revocar su autorización (cp 69 SII), existiendo un capital mínimo obligatorio cuyo valor debe garantizarse y en caso de no poder ser alcanzado en algún momento la autorización de actividad se cuestionará, existiendo un sistema de sanciones. El desarrollo de Solvencia II está basado en tres pilares (Stein, 2006); (Tarantino 2005) indicados en el gráfico II: Ǧ

Empresa: Exigencia de recursos propios (requisitos cuantitativos): Regulación sobre requisitos de capital objetivo y capital mínimo para todos los riesgos, reservas e inversiones 133

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

Ǧ Ǧ

Administración: Procesos de supervisión (requisitos cualitativos): regulación sobre la supervisión de servicios financieras capacidad y facultades de los entes reguladores, áreas de actividad La disciplina de mercado: trasparencia y provisión de la información GRAFICO II: Tres pilares de Solvencia II

SOLVENCIA II

Pilar 1

Pilar 2

Empresa

Administración

Pilar 3

Mercado

Fuente: elaboración propia

Solvencia II implica un cambio de las necesidades de solvencia, las cuales toman como base las primas negociadas y no en función del mercado. Uno de los requisitos mas relevantes es el programa de actividad, por que requiere entre otras cosas: Ǧ determinar la naturaleza de riesgos, el tipo de acuerdos de reaseguro y sus principios Ǧ los elementos de fondos propios que constituyen el capital mínimo Ǧ previsiones gastos administrativos y financieros Ǧ balance previsional, estimación del capital de Solvencia y del capital mínimo Las empresas deben establecer un firme compromiso por el control interno cambiando la estructura organizativa, identificando sus riesgos como principal objetivo y delimitando cada uno de ellos junto con una valoración de los riesgos adquiridos (Lozano, 2005). Pero toda esta información anteriormente recogida necesita ser plasmada en algún lugar y para ello tendremos los informes de situación financiera y de Solvencia; cuyos contenidos quedan marcados por la normativa (Art.51-56 SII), con sus actualizaciones e información voluntaria adicional.

134

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

5.2. Provisiones Técnicas Las provisiones técnicas (PT) correspondientes al negocio de la aseguradora han de ser acordes a las obligaciones que dicha empresa tiene adquiridas ante tomadores y beneficiarios. En cuanto al importe de éstas es el importe actual que la empresa tendría que pagar si trasfiriera sus compromisos (Art.76 SII) a un tercero. Los cálculos serán realizados con la información de los mercados financieros de forma prudente, fiable y coherente. Para explicitar más este cálculo (Art.77 SII) determinaremos por separado: donde,

M ME M MR

Mejor estimación (ME): corresponde a la media de los flujos de caja futuros ponderada por su probabilidad, teniendo en cuenta el valor temporal del dinero (valor actual esperado de los flujos de caja futuros) mediante la aplicación de la pertinente estructura temporal de tipos de interés sin riesgo. Utilizando hipótesis fiables y realistas (basadas en la experiencia), en cuanto a los flujos de caja se tendrán en cuenta las entradas y las salidas; todo ello en términos brutos.

Margen de riesgo (MR): corresponde a aquel valor que garantiza que las provisiones técnicas sean iguales para cumplir las obligaciones de los seguros. Será igual al coste de financiación de un importe de fondos propios admisibles igual al capital de Solvencia obligatorio necesario para asumir las obligaciones de seguro y reaseguro durante su período de vigencia. Se determina a través del método del coste del capital (CoC). Este método es adoptado por el regulador Suizo y supone que la aseguradora que se encuentre en dificultades financieras al final de su horizonte de capitalización (un año), necesita transferir su activo y pasivo a otra aseguradora. Para los riesgos que no encuentran cobertura a mercado, la nueva aseguradora deberá mantener un capital mínimo (SCR) para protegerse frente a resultados adversos. Lógicamente esta aseguradora exigirá un rendimiento a este capital, el cual pasará a formar parte de la valoración del pasivo que se transfiere. El margen de riesgo de mercado así calculado será el valor descontado de estos costes futuros.

Aparte de lo anteriormente mencionado se han de incorporar: los gastos, la inflación, los pagos de los tomadores y a los beneficiarios, las garantías financieras o la separación en segmentos. La empresa de seguros debe tener

135

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

procedimientos para la adecuación de los datos en este cálculo de calidad (Art 79-84 SII).

FondosPropios(Art.87 SII) FPB F FPC F Ǧ Ǧ

Fondos propios básicos (FPB): Representa al excedente de activos respecto a los pasivos y los pasivos subordinados Fondos propios complementarios (FPC): Lo constituyen aquellos fondos distintos a los básicos que pueden ser exigidos para absorber pérdidas y que reflejen esta capacidad; pudieran ser el capital social si no entra en los fondos propios básicos, las garantías o compromisos vinculantes recibidos por la empresa. Pero si éste fondo ha sido exigido o desembolsado no se incorpora dentro de este concepto.

En el caso de FPC los supervisores deben autorizar bien su método de cálculo o las cantidades que cubren, (Art.90 SII) basado en hipótesis prudentes y realistas, utilizando normalmente su valor nominal. Las autoridades supervisoras tendrán sus criterios de aprobación y sus consideraciones de participación. Todo este proceso de cálculo entra dentro de lo que la propia directiva denomina función actuarial (Art. 48) mediante el cual se indican aquellas actividades que el profesional correspondiente debe realizar para la correcta determinación de los capitales garantes de los compromisos asegurados (Moreno et al, 2011). 5.3. Capital de Solvencia Obligatorio (SCR) Corresponde al capital que una empresa aseguradora necesita para hacer frente a situaciones no previstas y debe proporcionar a los asegurados seguridad en la realización de pagos cuando se deban hacer efectivos. Su cálculo debe basarse en el perfil de la aseguradora sobre su exposición al riesgo, con una probabilidad baja cuantificada de insolvencia o ruina durante un horizonte de tiempo especificado a un nivel de confianza definido. Por lo tanto, deberán de incluirse los riesgos que afectan al asegurador (riesgo técnico, operativo, de inversión, crédito y liquidez), calculándose de forma modular, esto es, los riesgos se calcularán de modo similar pero con un método diferente (Sanström, 2007b). Dentro de los Fondos Propios ha de existir una parte de ellos que cubran el Capital de Solvencia Obligatorio (SCR) en caso de que fuera necesario. Se proponen dos formas de calcularlo: fórmula estándar y mediante un modelo interno (Art.100 SII). Sobre ellos existen estudios que establecen que la 136

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

fórmula general no siempre cumple la hipótesis exigidas (Devineu y Loisel, 2009) y quedan por aclarar las correlaciones entre distintos riesgos (Pozuelo, 2007), existiendo además varios planteamientos: fórmula basada en factores, simulación de escenarios, etc. (CEIOPS, 2011). La ventaja más importante de la fórmula estándar es su sencillez de uso y la economía de medios. Respecto al modelo interno, previamente a su aplicación ha de estar aprobado por el supervisor. Entre las ventajas de un modelo interno podemos destacar que mide los riesgos según la experiencia propia; proporciona la base para una gestión efectiva de los riesgos; posibilita evaluar la eficiencia de los mitigadores de riesgo; exige unos requisitos de capital acorde al perfil de riesgos asumidos por la aseguradora. Si nos centramos en la aplicación de los modelos internos, podemos adoptar dos enfoques: bottom up y top down (Albarrán y Alonso, 2010). El enfoque bottom up, consiste en llevar a cabo test de estrés respecto a cada riesgo de forma individual para posteriormente agregar la carga de capital individual para hallar el capital económico requerido como solvencia. El enfoque top down, consiste en construir un modelo de riesgo estocástico que combine los riesgos de forma simultánea, de manera que la obtención de la distribución del capital requerido es inmediata. El cálculo debe realizarse teniendo en cuenta la continuidad del negocio y los riesgos cuantificables a los que la empresa hace frente en el periodo de 12 meses cubriendo pérdidas inesperadas. Bajo este prisma, el Capital de Solvencia Obligatorio (SCR) será igual al valor en riesgo de los fondos propios básicos de una empresa de seguros o de reaseguros, con un nivel de confianza del 99,5 % y un horizonte de un año (Art. 101 SII). Este capital tiene que cubrir los diferentes riesgos de suscripción, de crédito, de mercado y operacional. Aunque la fórmula estándar, basada en asimetría y correlación, quizás no sea suficiente para los objetivos que Solvencia persigue (Pfeifer y Strassburger 2008). Este cálculo ha de ser realizado al menos anualmente, comunicando a los supervisores los resultados obtenidos, por lo que la aseguradora deberá vigilar sus fondos propios y su Capital de Solvencia Obligatorio (SCR). El procedimiento de la fórmula estándar (Art.103 SII) es el siguiente:

SCR SCR S básico SCRriesgo operacional donde A.

SCRbásico: 137

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

SCRbásico

Corr Co ij SCR S i S SCRj ij

Empleando la fórmula del anexo IV de la normativa de Solvencia II, se analizan los riesgos de suscripción de seguro de vida, no vida y del de enfermedad; más el riesgo de mercado y el riesgo de incumplimiento de la contraparte (Art.104 SII). Los coeficientes de correlación serán acordes a los criterios anteriormente mencionados, con un nivel de confianza del 99,5 %, a un horizonte de un año. Se podrán sustituir parámetros de la fórmula estándar por parámetros específicos, siempre que las autoridades comprueben su integridad y adecuación a los datos utilizados. Pero la normativa establece que los diferentes módulos deben de estar constituidos por los siguientes factores: i)

Módulo del riesgo de suscripción (Art.105 SII): -

seguro distinto de vida: tendrá en cuenta la incertidumbre de los resultados. El riesgo de prima, riesgo de reserva y riesgo de catástrofe.

SCR distinto de vida

Co Corrij

SCR S i S SCRj

seguros de vida: riesgos de mortalidad, de longevidad, de discapacidad y morbilidad, riesgos de gastos en el seguro de vida, de revisión, de reducción, de catástrofes.

SCR vida

Corr Co ij S SCRi S SCRj ij

ii)

seguro de enfermedad: riesgos por la volatilidad de los gastos de ejecución, riesgo de prima y de reserva, riesgos de circunstancias extremas.

Módulo del riesgo de mercado: por la volatilidad de los mercados. Bajo este Capital de solvencia Obligatorio se debe incluir los capitales que hagan frente al riesgo de tipos de interés, de acciones, riesgo inmobiliario, de diferencial, de divisa, concentraciones de riesgo de mercado.

SCR mercado

Corr Co ij SCR S i S SCRj ij

138

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

iii)

Módulo del riesgo de incumplimiento de contraparte

B. SCRriesgo operacional: Incluye los riesgos no incluidos en el apartado anterior (Art. 107 SII). En el caso de los seguros de vida se tomará el importe de gastos ocasionados anualmente. En otro tipo de operaciones se tendrá en cuenta el volumen de operaciones, las primas y provisiones técnicas, no sobrepasando el 30% de capital de Solvencia obligatorio. C. Importe de ajuste: IA Se refiere a la capacidad de absorción de pérdidas de las provisiones técnicas y los impuestos diferidos (Art.108 SII). Además de la fórmula general existe la posibilidad de que la propia empresa desarrolle modelos internos completos (si se refieren a todos los riesgos) o parciales (cuando sólo se refieren a algún riesgo) (Art.112 SII), siendo estos modelos internos costosos y complejos (Eling et al, 2007). Pero aunque sean fórmulas internas deberán contener los diferentes módulos de riesgos mencionados aplicando los diferentes criterios, y contar con el visto bueno de las autoridades; además deben explicitar para qué modulo o submódulo es la fórmula interna si estamos hablando de un modelo parcial. Estas fórmulas podrán ser variadas por los cauces pertinentes pero no se podrá volver a la fórmula estándar a no ser que haya una justificación (Art.117 SII). Los modelos internos serán puestos a prueba. Se verificará su uso, en particular la gestión de riesgo, su evaluación, incluso la frecuencia del cálculo (Art.120 SII) teniendo en cuenta sus limitaciones (Vaugham, 2009). Se verificará del mismo modo que tanto el modelo como la distribución de probabilidades se basen en técnicas actuarial/estadísticas adecuadas, utilizando información fiable, actual y con hipótesis realistas (Art.121 SII), para la distribución de probabilidades y datos exactos, completos y adecuados para el modelo interno. 5.4. Capital Mínimo Obligatorio (MCR) Es aquel importe por debajo del cual, las operaciones de una aseguradora se convierten en un riesgo inaceptable para los asegurados. Si el capital disponible de una empresa estuviera por debajo del Capital Mínimo Obligatorio (MCR), las autoridades de supervisión tienen el derecho y el deber de aplicar medidas. El Capital Mínimo Obligatorio (MCR) será una medida sencilla y objetiva. En esta Directiva está constituido por los fondos

139

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

básicos admisibles, calculándose de una forma lineal para un conjunto de variables (primas, provisiones técnicas, impuestos, etc.) (Art. 129 SII): Ǧ de forma clara y simple Ǧ constituido por fondos básicos admisibles, Ǧ por debajo de los cuales los tomadores y beneficiarios estarían en riesgo. Ǧ Ha de ser obtenida con un 85% de confianza a un año Ǧ Existiendo mínimos: 2.200.000€ en los ramos distintos de vida y 3.200.000€ para los ramos de vida Ǧ Estará entre 25% y 45% del Capital de Solvencia Obligatorio (SCR). Ǧ Se calculará al menos trimestralmente. GRAFICO III: mínimo capital requerido y capital de solvencia obligatoria

Fuente: Pozuelo, 2008

Para llegar a alcanzar lo anterior la aseguradora deberá invertir sus activos bajo un principio de prudencia (Art.132 SII) invirtiendo únicamente en activos cuyos riesgos puedan determinar, medir, vigilar, gestionar, controlar y evaluar. Por otra parte, los estados miembros no pueden intervenir en las decisiones de activos al considerarse la existencia de libertad de inversión (Art.133 SII). Solvencia II considera capital disponible, la diferencia entre el valor de mercado de activos y pasivos. Si no hay cotización, se considerará la valoración consistente con el mercado, lo cual ocurre con las provisiones técnicas. Para ello se debe obtener la mejor estimación del pasivo, al que se añade un margen de riesgo de mercado para los riesgos no replicables en el mercado. Respecto a los recursos propios exigibles,

140

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

También establece dos niveles de mínimos. El primero el Capital Mínimo Requerido (referido como Minimum Capital Requirement –MCR-), consiste en la cantidad de recursos propios por debajo del cual no se puede operar. Su estimación debe ser fácil y objetiva. Por encima del MCR se establece el Capital de Solvencia Requerido (Solvency Capital Requirement –SCR-), o capital económico, estimado de modo que tenga en consideración el riesgo global asumido por la aseguradora. De su comparación con el capital disponible determinado en base al balance económico, se obtiene el exceso de capital disponible, de libre disposición para la aseguradora y sus accionistas. Es un capital no comprometido con el negocio. De su maximización deriva un mayor valor de la propia entidad. 6.

TEST DE IMPACTO (QUANTITATIVE IMPACT STUDY-QIS-)

Con todo lo anteriormente citado queda claro uno de los objetivos principales: que la normativa sea acorde a las situaciones en las que se han de mover las empresas aseguradoras. Dentro de esto estaría incluida la obligatoriedad de correspondencia entre capital y riesgos; incluyendo la valoración de activos y pasivos a precio de mercado, existiendo activos cuyo valor puede ser nulo (Alonso, 2007). Tabla IV: Activos y Pasivos versus sus valoraciones TIPOLOGÍA Negociado en mercados líquidos ACTIVOS Activos líquidos

VALORACION Precio en esos mercados Según información de mercado Valor nulo Valor de mercado de las coberturas

Activos con alta depreciación Asociados a riesgos susceptibles de cobertura PASIVOS Asociados a riesgos no susceptibles de ME + MR cobertura Fuente: Alonso, 2007 y elaboración propia

El camino hasta llegar a la directiva final de Solvencia II ha sido largo. En este camino se han analizado el impacto de Solvencia II en las compañías de seguros europeas. Se han realizado diferentes pruebas QIS (Quantitative Impact Study) con intención de formular un modelo general para la adecuada estimación de capital en riesgo. Se partió de un modelo general para paso a paso ir delimitándolo. A continuación resumimos las principales características de las pruebas realizadas que quedan ilustradas en el gráfico IV: 141

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

GRÁFICO IV: Marco Temporal de Solvencia II Comisión Europea dirige Al CEIOPS 3 olas de preguntas

Jun-04

Dic-04

May-05

Emisión de la directiva Y finalización Del análisis de Impacto

Test de impacto Real futuras normas

PSF 2005

QIS 1 Oct-05

QIS 2 Jul-06

Oct-06 Jun-05

Oct-05

May-06

CEOIPS emite las respuestas a las preguntas

Solvencia II

Primer borrador Directiva

Jul-07

Ene-10

CEIOPS concreta nivel III Comisión Europea concreta nivel II

Fuente: Pilan, 2005 y elaboración propia.

6.1. QIS 1 Este estudio dio la información sobre la viabilidad de los cálculos que las empresas debían aplicar. El QIS 1, pretendió lograr aproximaciones para ser utilizadas. Constituyó una recolección de datos para dar información sobre si se conseguía una imagen fiel, y hasta qué punto la viabilidad técnica y actuarial de las normas de valoración construidas era posible (CEIOPS, 2005 a). Se trataba de evaluar el valor más probable que tendrán las provisiones técnicas para lo que fue necesario estimar el valor presente de los flujos asociados a cada una de las pólizas (Albarrán y Alonso, 2010). Dado que estas disposiciones deben ajustarse a un nivel de seguridad definido uniformemente, la detección de las obligaciones a futuro, así como el cálculo de las cargas de seguridad para las respectivas clases de seguro fue parte de este estudio. Durante este estudio las empresas que tomaron parte fueron libres de elegir un método para determinar sus cargas de seguridad. Posteriormente los resultados se compararon con el nivel actual de las provisiones técnicas. También se delimitó que para cada segmento, se calcularían las provisiones técnicas en base actual; mejor estimación; percentil 75 y percentil 90. En el caso de No-vida, la mejor estimación, percentil 75 y percentil 90 debía indicarse con el tanto descuento, sin proceder a descontar y bajo la desviación estándar de la distribución de probabilidad de la provisión por separado. En cuanto al caso de Vida se estudió bajo la diferencia total entre

142

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

la mejor estimación y el valor actual de rescate garantizado (CEIOPS, 2005 b). Las conclusiones generales más importante fue que la mejor estimación del margen de riesgo tiende a ser inferior a lo dispuesto en las bases actuales, y que los márgenes de riesgo tienden a ser pequeños para la mayoría de las empresas y clases de negocios. 6.2. QIS 2 Este estudio, completado en junio de 2006, recogió datos de 514 compañías en 23 diferentes Países. El punto principal del segundo QIS fue el tema central en la construcción del marco de un enfoque estándar para el cálculo del margen de Solvencia. Esto debía apoyar los esfuerzos en modelizar y calibrar la fórmula para la determinación de los requisitos de capital. Se pretendió analizar la valoración a mercado de las provisiones técnicas y las inversiones, la detección de los requisitos de capital de Solvencia (SCR) y el mínimo de capital requerido (MCR). Como resultado principal del estudio se encontró, por un lado, que diversas preocupaciones aparecieron sobre las implicaciones de la calibración a futuro del enfoque estándar, aunque el estudio sólo se concentró en el diseño. Sin embargo, estas preocupaciones fueron los factores de riesgo independiente para la prima de No Vida y el riesgo de reserva, los factores de tamaño aplicados a No Vida riesgo de suscripción, el tratamiento de la inversión en acciones entre otros y dejó claro que para la aproximación final prudente y exacta el enfoque estándar será esencial. Por otra parte, la industria favorece el enfoque de capital de costes (enfoque CdC), que se desarrolló sobre la base de un margen de valor de mercado, en contra del planteamiento percentil 75 (modelo australiano), que debe ser percibida como un sustituto para el valor de mercado consistente, pero no tiene base teórica. Sin embargo, esta información preliminar debe ser revisada, ya que los resultados pueden haber sido malentendidos por una calibración incorrecta del SCR en QIS 2 (CEIOPS, 2006 c). Un resultado adicional es que las propuestas para el cálculo de la Solvencia de los requisitos de capital (SCR) no fueron viables, ya que mayoría de las empresas encontraron la fórmula del SCR demasiado compleja y en algunos casos incluso los resultados eran erróneos. Por ejemplo, el MCR de transición fue mayor que el SCR. Como conclusión final se puede afirmar que el MCR de transición actual no cumple con los criterios CEIOPS de una 143

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

medida simple, fuerte y objetiva. Se pensó que traería los inconvenientes del sistema anterior al nuevo modelo (Jones et al, 2006). Sin embargo, según la encuesta de Ernst & Young, el 61% de los seguros cree que Solvencia II reduce los riesgos y ayuda a mejorar el riesgo de gestión (Trevor, 2006). Se producirá en el largo plazo mediante la gestión de modelos internos complejos. Una conclusión adicional de QIS 2 fue que el uso de la experiencia propia para la medición de la naturaleza específica de los riesgos de las empresas grandes era muy recomendable, especialmente para las empresas del seguro de vida. Para los negocios no vida, el estudio identificó 11 clases de riesgo. Eso significa mucho más trabajo por hacer en la clasificación con la intención de abordar estos temas. Se redefine el MCR que es uno de los puntos clave de Solvencia II, para que el enfoque estándar fuera aplicable y fuera flexible en todos los territorios europeos. Estudió la opción de usar los escenarios para que coincida con las necesidades, tanto de empresas que no son capaces de realizar la modelización del flujo de caja y las empresas que sí modelizan sus flujos de caja. Por lo tanto tiene en cuenta información específica y puntos de vista posibles y las diversas circunstancias de las empresas. (CEIOPS, 2006 d). 6.3. QIS 3 Para completar los estudios sobre Solvencia II se procedió a elaborar el QIS 3 en el segundo trimestre de 2007. El objetivo principal de este estudio fue examinar y probar las nuevas normas para la valoración de la responsabilidad, MCR y la fórmula estándar para medir la Solvencia capital. El estudio estuvo fuertemente orientado a las QIS2, debido al hecho de que los encuestados les gustó la forma de participar en el estudio y el hecho de que los resultados de QIS2 fueron muy útiles tanto para las empresas de seguros y la CEIOPS (Carpenter, 2007). Según la QIS 3, los activos deben ser evaluados a su valor de mercado. Cuando existen los precios de mercados fiables y observables, los valores de los activos deben ser igual a esos precios de mercado. Si se cubre el riesgo y el mercado es transparente, la extrapolación de los precios será directamente observable (CEIOPS, 2007 b). Entre las conclusiones obtenidas (CEIOPS, 2007 c) destacamos: i) Más orientación hacia el cálculo de las provisiones, el cálculo del SCR, la evaluación de los recursos propios y simplificaciones en busca de la SCR.

144

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

ii) La búsqueda de metodologías simplificadas, para la valoración de los activos y más normas prescriptivas para el cálculo de la SCR y MCR iii) Guía para el cálculo del MCR o una metodología simplificada. iv) Guía para la valoración de los activos y una simplificación de la metodología para evaluar el capital disponible. Ambos tienen una prioridad media encontrándose con resultados diferentes según los países. v) La simplificación de la metodología de las provisiones técnicas, normas para la evaluación de los recursos propios. vi) Profundización dentro de los diferentes sub-riesgos: Lapse risk, expense risk, revisión risk… 6.4. QIS 4 Como parte del proyecto Solvencia II, la Comisión europea pidió al CEIOPS que realizase este estudio con el fin de evaluar la viabilidad y las implicaciones de los Test anteriores. Uno de los componentes de este enfoque consiste en evaluar el riesgo de pérdida en el valor de los activos y pasivos (que no sean las provisiones técnicas) que posean las empresas. De acuerdo con la propuesta de Directiva, la evaluación deberá hacerse con una valoración económica, coherente con el mercado de todos los activos y pasivos. Y en cuanto a las provisiones técnicas, los participantes deberán valorarlas por el importe por el cual podrían transferirse, o liquidarse, entre partes interesadas y en condiciones de independencia mutua. El cálculo de las provisiones técnicas se basaría en su valor de salida actual (CEIOPS, 2008 c). 6.5. QIS 5 La Comisión Europea pidió al CEIOPS que realizase este Test entre agosto y noviembre de 2010. En este Test se intenta mejorar la valoración de activos para Solvencia II que exigía la aproximación de mercado para activos y pasivos. De acuerdo con el enfoque basado en el riesgo de Solvencia II, las empresas deben considerar los riesgos que se derivan de su actuación, utilizando los supuestos que los participantes de mercado usarían en la valoración del activo. Solvencia II obliga a las empresas a crear las provisiones técnicas con la cantidad actual que tendría que pagar si tuvieran que trasladar sus obligaciones de inmediato a otra empresa. El valor de las provisiones técnicas debe ser igual a la suma de la mejor estimación y un margen de 145

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

riesgo. Y bajo ciertas condiciones, puede valorarse en conjunto la mejor estimación y el margen de riesgo, calculándose las provisiones técnicas en su conjunto (CEIOPS, 2010 b), desarrollando la formulación adecuada para cada riesgo y utilizando como base la QIS 3 en el lapse risk, expense risk, longevity risk, entre otros. Dentro del QIS5 se inicia el camino hacia el nivel 2 de medidas de ejecución, un nivel de implantación y especificación de Solvencia II. Se aumentó el número de empresas que tomaron parte en cada país y se introdujeron empresas de menor tamaño (pequeñas y medianas) de este modo se obtuvo mayor información y ésta es más completa. Proceso no concluido ya que se espera que a principios del 2013 se produzcan un nuevo estudio conocido como QIS-5 bis. 7.

CONCLUSIONES Ǧ

Los supervisores y los estados inicialmente se fijan en la existencia de provisiones técnicas suficientes, por lo que se centran en la determinación de su cálculo. Posteriormente se fijaron limitar la tipología de activos financieros en los que invertían las aseguradoras para respaldar las provisiones. A medida que nos hemos acercado a Solvencia II se ha pasado de la exactitud de los cálculos a la tendencia del valor dotado sobre los riesgos en los que se encuentra inmerso el producto que comercializan las aseguradoras. Se ha ido incluso más allá, pues afecta a la propia empresa en cuanto a su propia administración basada en la gestión del riesgo y su toma de decisiones.

En los seguimientos anuales realizados a las empresas aseguradoras se pasa en el marco de solvencia a una obligación de información, al menos trimestralmente que será casi contínuo ante la posibilidad del empleo de modelos internos frente al modelo estándar para determinar los capitales de solvencia, pues si fuesen superiores a los calculados por el modelo estándar, está claro que a la aseguradora no le resultaría rentable la aplicación del modelo interno.

La concepción de margen de seguridad en anteriores normativas pasa a ser un margen de riesgo afecto a varias tipologías de riesgo que afectan el natural devenir del negocio asegurador. Ese margen debe incluir todos y cada uno de ellos. Además debe procederse a

146

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

dotar el capital de solvencia obligatorio (SCR) que no puede ser inferior en cuantía al capital mínimo obligatorio (MCR).

Las normativas anteriores a Solvencia II se basaban en un modelo estático y simple. Incluían magnitudes contables y centradas en un aspecto de la situación financiera de la entidad. No incluía información financiera de la empresa ante una contingencia probable futura que, precisamente es lo que busca Solvencia II: Modelo dinámico, basado en principios y escenarios. Dicha evolución implica un cambio en método y filosofía, pasando de una estructura burocratizada a una gestión integral de riesgos.

Las empresas deben cambiar la estructura organizativa, identificando sus riesgos como principal objetivo y delimitando cada uno de ellos junto con una valoración de los riesgos adquiridos. La gestión y toma de decisiones en el día a día debe basarse en ellos, por lo que será necesario el desarrollo de un cuadro de mando integral para la toma de decisiones de la dirección de la aseguradora que contemple, precisamente al menos la incorporación de riesgo por tipología de riesgo y producto, gastos, inflación, los pagos de los tomadores y a los beneficiarios, las garantías financieras o la separación en segmentos. REFERENCIAS

Albarrán Lozano, Irene y Alonso González, Pablo. (2010). Métodos estocásticos de estimación de las provisiones técnicas en el marco de Solvencia II. Fundación MAPFRE, Instituto de Ciencias del Seguro, pp. 1532. Alonso González Pablo. (2007 a). Solvencia II o el riesgo como eje central. Actuarios nº 26, julio 2007, pp. 27-29. Biffis, E. y Millossovich., P. (2006). The fair value of guaranteed annuity options. Scandinavian Actuarial Journal. Vol. 1. Blanco-Morales, Guillén Estany, M. Domínguez Fabián, I. (2010). Estudio sobre el sector asegurador en España 2010. Fundación de Estudios Financieros. Carpenter, Guy. (2007). SOLVENCY II: QIS 3 is out now, April; http://www.guycarp.com/portal/extranet/pdf_2007/GCBriefings/FIT%20Bri efing%20-%20Solvency%20II-QIS%203.pdf (10 de noviembre 2011)

147

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2005 a). QIS1 Specifications, Spreadsheets, Guidance QIS1 Cover Note CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2005 b). QIS1 Specifications, Spreadsheets, Guidance QIS1 specification Technical provisions CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2006 a). QIS1 Final report QIS1 Summary report CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2006 b). QIS2 Specifications, Spreadsheets, Guidance QIS2 Cover Note CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2006 c). QIS2 Specifications, Spreadsheets, Guidance QIS2 Technical specification; Technical provisions CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2006 d). QIS2 Final report QIS2 Summary report CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2007 a). QIS3 Specifications, Spreadsheets, Guidance QIS3 Technical specification Technical provisions part1 CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2007 b). QIS3 Final report QIS3. Summary report CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2007 c). QIS3 Final report MCR Pros and Cons Paper CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2008 a). QIS4 CEIOPS, Report on its Fourth Quantitative Impact Study (QIS4) for Solvency II CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2008 b). QIS4 Call for Advice, Guidance and Specifications: Manual; Call for Advice from EC to CEIOPS CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2008 c). QIS4 Call for Advice, Guidance and Specifications: Manual; Technical Specifications QIS4 CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2010). QIS5, Technical Specifications CEIOPS. Committee of European Insurance and Occupational Pensions Supervisors. (2011). QIS5 Final report QIS5 EIOPA report on the fifth Quantitative Impact Study for Solvency II Devineu, Laurent; Loisel, Stephane. (2009). Risk aggregation in Solvency II: How to converge the approaches of the internal models and those of the standard formula?. Bulletin Français d'Actuariat nº 9, 18. 107-145

148

Asier Garayeta, Iván Iturricastillo y J. Iñaki de la Peña – Anales 2012/111-150

Eling, Martin; Schmeiser, Hato; Schmit, Joan T. (2007). The Solvency II Process: Overview and Critical Analysis. Risk Management & Insurance Review Journal, p. 70-75. IAA. International Actuarial Association. (2009). A global framework for insurer Solvency Assesment-Un marco global para la evaluación de la solvencia del asegurador. Trad. Mayoral, Rosa; Moreno, Rafael y Dan Lerner, Andrés. IAA. International Actuarial Association. (2004). Changes in Accounting Policy while under International Financial Reporting Standards. IASB. (2003 a). International Accounting Standard 39. Financial Instruments: Recognition and Measurement. December. IASB. (2003 b). Fair value hedge accounting for a portfolio hedge of interest rate risk. Exposure draft of proposed Amendment to IAS 39 Financial Instruments: Recognition and Measurement. IASB. (2005). The fair value option. Amendment to IAS 39 Financial Instruments: Recognition and Measurement, June. Jones, Rob; Rief, Wolfgang; Le Pallec, Yann. (2006). The Impact of Solvency II on the European Insurance Market. Reactions Supplement (Standard & Poors). Credit Fac. p. 52-54, No. 09535640 Supplement, Vol. 26. Linder, Ulf & Ronkainen, Vesa. (2004). Solvency II - towards a new insurance supervisory system in the EU. Scandinavian Actuarial Journal, 6, 462 — 474. Lozano Aragüés, Ricardo. (2005). Las implicaciones de Solvencia II en el sector asegurador español. Estabilidad financiera nº. 9. pp. 59-70. Moreno, R.; Trigo, E.; Gómez, O.; De La Peña, J.I.; Iturricastillo, J.I. y Pozuelo, E. (2011). La idiosincrasia del Actuario. Anales del Instituto de Actuarios Españoles, 17, pp. 123-134. Pfeifer, Dietmar And Strassburger, Doreen. (2008). Solvency II: stability problems with the SCR aggregation formula. Scandinavian Actuarial Journa: 1, 61 -77. Pilán Canorea, Ovidio. (2005). Reforma del Control de la Solvencia de la Empresa de Seguros en la UE: Solvencia II. Programa de Doctorado en Economía Financiera, Actuarial y Matemática. Universidad Complutense de Madrid. Pozuelo De Gracia, Emiliano. (2007). El Fair Value de las Provisiones Técnicas de Seguros de Vida. Instituto de Ciencias del Seguro. Fundación Mapfre. Pozuelo De Gracia, Emiliano. (2008). Solvencia II: Capital Económico en Aseguradoras. Revista de Economía financiera: nº.16 3º cuatrimestre. Sandström, Arne. (2007). Solvency – a historical review and some pragmatic solutions. Bulletin Swiss Association of Actuaries, nº1, p.11-33. 149

Evolución del capital de solvencia requerido en las – Anales 2012/111-150

Stein, Robert W. (2006). Are you ready for Solvency II? Bests review, Vol. 106 Issue 11, p. 88. Tarantino, Anthony. (2005). Globalization efforts to improve internal controls. Accounting Today Vol.19, No. 11, p. 37. Trevor, Thomas. (2006). European insurers move to meet Solvency II demands. National underwriter, Life& Health, p. 34. UNESPA. (2006). Solvencia II: más cerca de lo que parece. Jornada internacional. Madrid. Vaughan, Therese M. (2009). The Implications of Solvency II for U.S. Insurance Regulation. Networks Financial Institute Policy Brief: No. 2009PB-03 Legislación: 73/239/CEE. Primera directiva del consejo de 24 de julio de 1973 sobre coordinación de las disposiciones legales, reglamentarias y administrativas relativas al acceso a la actividad del seguro directo distinto del seguro de vida, y a su ejercicio. 79/267/CEE. Primera directiva del consejo, de 5 de marzo de 1979. 88/357/CEE. Directiva del Consejo, de 22 de junio de 1988, sobre coordinación de las disposiciones legales, reglamentarias y administrativas relativas al seguro directo, distinto del seguro de vida, por la que se establecen las disposiciones destinadas a facilitar el ejercicio efectivo de la libre prestación de servicios y por la que se modifica la Directiva 73/239/CEE 90/619/CEE. Segunda directiva vida del consejo, de 8 de noviembre de 1990 92/49/CEE. Directiva del consejo de 18 de junio de 1992 no vida. 92/96/CEE. Directiva de 10 de noviembre 1992 (doce 9-12-92) vida 2002/13/CE. Directiva del Parlamento Europeo y del Consejo de 5 de marzo de 2002 por la que se modifica la Directiva 73/239/CEE del Consejo en lo que respecta a los requisitos del margen de Solvencia de las empresas de seguros distintos del seguro de vida. 2002/83/CE. Directiva del Parlamento Europeo y del consejo de 5 de noviembre de 2002 sobre el seguro de vida 2009/138/CE. Directiva del Parlamento Europeo y del consejo, de 25 de noviembre de 2009, sobre el seguro de vida, el acceso a la actividad de seguro y de reaseguro y su ejercicio (Solvencia II) (versión refundida)

150

Anales del Instituto de Actuarios Españoles, 3ª época, 18, 2012/151-170

FÓRMULA DE CREDIBILIDAD PARA LA ESTIMACIÓN DE LAS CORRELACIONES ENTRE LÍNEAS DE NEGOCIO EN EL CÁLCULO DEL SCR DEL MÓDULO DE SUSCRIPCIÓN NO VIDA Lluís Bermúdez* y Antoni Ferri† Abstract Solvency capital requirement (SCR) based on Solvency II standard formula is mainly given by some pre-established parameters. Some of these parameters define the lines of business’ correlation matrix. This work aims to advance in the application of models that use specific parameters based in the own experience of each entity. A credibility formula, based on a bayesian model, is proposed to estimate the correlation coefficients between two lines of business of the implicit variable for the premium and reserve risk. The application to the yearly aggregated data of the Spanish non-life insurance market leads to encouraging the use of alternative models as opposed to the standard formula. Keywords: Standard Model, Internal Model, Premium and Reserve risk, Underwriting risk, Solvency II, Bayesian estimation. Resumen El requerimiento de capital de solvencia (SCR) basado en el Modelo Estándar de la directiva Solvencia II viene determinado por una serie de parámetros que la propia directiva establece. Entre éstos, los valores que definen la matriz de correlaciones entre líneas de negocio. Este trabajo, con el objetivo de avanzar en la aplicación de modelos que utilizen parámetros específicos basados en la experiencia propia de cada entidad, propone una fórmula de credibilidad, basada en un modelo bayesiano, para la estimación de los coeficientes de correlación entre dos líneas de negocio de la variable implícita para el riesgo de primas y reservas. De la aplicación de esta *

Dpto. Matemática Económica, Financiera y Actuarial, RISC-IREA; Universitat de Barcelona, Av. Diagonal, 690, 08034 Barcelona. † Dpto. Econometría, Estadística y Economía Española, RISC-IREA; Universitat de Barcelona, Av. Diagonal, 690, 08034 Barcelona. E-mail: lbermudez@ub.edu (Lluís Bermúdez, autor para correspondencia), tonoferri@ub.edu Los autores agradecen las sugerencias del revisor/a y la ayuda recibida del proyecto del Ministerio de Economía y Competitividad, ECO2012-35584. Este artículo ha sido recibido en versión revisada el 31 de octubre de 2012.

151

Fórmula de credibilidad para la estimación de las ... – Anales 2012/151-170

fórmula de credibilidad a los datos agregados del conjunto del mercado español asegurador no vida se extraen conclusiones que alientan el uso de modelos alternativos a la fórmula estándar. Palabras clave: Modelo Estándar, Modelo Interno, Riesgo de insuficiencia de primas y reservas, Solvencia II, Estimación bayesiana. 1. Introducción La publicación en el Official Journal of the European Union de la Directiva 2009/138/EC del Parlamento Europero y del Consejo de 25 de Noviembre de 2009 sobre el acceso y ejercicio de la actividad aseguradora y reaseguradora, también conocida como Solvencia II, marca el punto de partida oficial en la puesta en marcha de medidas legislativas de control de riesgo en entidades aseguradoras. La Directiva está estructurada bajo el principio de los Tres Pilares, que se corresponden con los requerimientos cuantitativos, los requerimientos cualitativos y la disciplina de mercado, respectivamente. El Pilar I presenta un conjunto de normas que determinan los criterios para la obtención de las necesidades de capital que una entidad debe mantener con un horizonte temporal anual, acordes al riesgo asumido por la entidad, que garantice un aceptable nivel de solvencia. El principal objetivo de los requisitos económicos que establece la Directiva es cubrir las eventuales pérdidas inesperadas que una entidad pudiese sufrir como consecuencia de flutuaciones inesperadas adversas en la siniestralidad. Esta parte de las necesidades de capital es denominada en la directiva como Solvency Capital Requirement (SCR). El SCR está acotado inferiormente mediante un umbral denominado Minimum Solvency Capital Requirement (MSCR), por debajo del cual una entidad no podría seguir operando. La Directiva establece que el SCR debe ser obtenido mediante un modelo que refleje el perfil de riesgo de la entidad, y que sea adecuado atendiendo a la naturaleza, escala y complejidad de los riesgos asumidos por la misma. El modelo propuesto por el regulador es un conjunto de fórmulas y metodologías denominado Modelo Estándar. No obstante, la Directiva establece que bajo ciertos requisitos previos y autorización de la autoridad compentente, el SCR pueda ser obtenido mediante un Modelo Interno propuesto por la entidad aseguradora. El SCR, obtenido con cualquiera de los modelos aceptados por el regulador, debe estar calibrado de tal forma que se corresponda con el valor en riesgo (VaR) de los fondos propios de la

152

Lluis Bermúdez y Antoni Ferri – Anales 2012/151-170

entidad, a un horizonte temporal anual, calculado con un nivel de confianza del 99,5%. El Modelo Estándar puede ser utilizado por las entidades utilizando los parámetros establecidos por el regulador como proxy de mercado, o puede ser adaptado al perfil de riesgo propio de cada entidad mediante la estimación de parámetros específicos basados en la experiencia histórica de la entidad1. Pueden existir diversas razones por la que una entidad decida reestimar los parámetros presentados por el regulador. Una posible razón puede derivarse de que las proxy sobrevaloren el verdadero perfil de riesgo de la entidad, lo que conduciría a una estimación mayor del SCR de la que se derivaría de los parámetros específicos de la entidad. Por otra parte, otra razón para la estimación de parámetros específicos podría venir determinada por el hecho que la estructura de negocio de una compañía aseguradora no se adapte a la propuesta por el regulador en la fórmula estándar2, por lo que deba estimar los parámetros necesarios para obtener el SCR correspondiente ajustándose al propio modelo de negocio. Nuestro objetivo es analizar, para el caso en que se opte por utilizar el Modelo Estándar con parámetros específicos o bien por un Modelo Interno, cómo abordar la estimación de aquellos parámetros, ajustados al perfil de riesgo de la entidad y consistentes con el modelo, de los que la Directiva no proporciona estimadores ni metodologías para su obtención. Con la finalidad de reducir la dimensión de este objetivo, en este trabajo, nos centraremos en la estimación de las correlaciones entre líneas de negocio del submódulo de riesgo de primas y reservas perteneciente al módulo de riesgo de suscripción no vida. El resto del trabajo se estructura de la siguiente manera. La sección 2 describe la utilización del modelo estándar con parámetros específicos para el submódulo de riesgo de insuficiencia de primas y reservas. La sección 3 presenta el modelo bayesiano para la estimación de los coeficientes de correlación entre líneas de negocio. La sección 4 detalla los datos utilizados en la sección 5, que muestra los resultados de aplicar el modelo bayesiano 1 Según el artículo 104, apartado 7, de la Directiva: “Previa aprobación de las autoridades de supervisión, en el cálculo de los módulos del riesgo de suscripción del seguro de vida, del seguro distinto del seguro de vida y del seguro de enfermedad, las empresas de seguros y reaseguros podrán sustituir un subconjunto de parámetros de la fórmula estándar por parámetros específicos de la empresa de que se trate.” 2 Según el artículo 110 de la Directiva, cuando el perfil de riesgo de una empresa de seguros o de reaseguros se aparte significativamente de las hipótesis aplicadas en el cálculo de la fórmula estándar, las autoridades de supervisión, mediante decisión motivada, podrán exigir que dicha empresa sustituya un subconjunto de los parámetros utilizados para el cálculo de la fórmula estándar por parámetros específicos de dicha empresa.

153

Fórmula de credibilidad para la estimación de las ... – Anales 2012/151-170

propuesto para la estimación de los coeficientes de correlación entre líneas de negocio a la estimación del SCR. Por último, la sección 6 resume las principales conclusiones obtenidas. 2. Fórmula estándar con parámetros específicos para el riesgo de insuficiencia de primas y reservas En este trabajo, nos basamos en el análisis del SCR para el riesgo de insuficiencia de primas y reservas que se deriva del Modelo Estándar presentado en el quinto estudio de impacto cuantitativo (QIS-5) realizado en 2010 por el Committee of European Insurance and Occupational Pensions (CEIOPS)3. El SCR correspondiente al riesgo de primas y reservas es calculado en QIS-5 mediante una fórmula cerrada, en adelante fórmula estándar, que depende de una medida de volumen, V , y de una aproximación del mean-value-at-risk obtenido con un nivel de significación del 99,5% a un horizonte temporal anual, asumiendo una distribución log-normal de la variable aleatoria subyacente, :

SCR =

La expresión depende de un parámetro denominado desviación estándar combinada ( ). En la fórmula estándar, éste se obtiene, en primer lugar, mediante la agregación de las correspondientes desviación estándar de las primas y desviación estándar de las reservas por línea de negocio, teniendo en cuenta la correlación existente entre éstas, dando lugar a lo que en QIS-5 se conoce como desviación estándar por línea de negocio. Posteriormente, mediante la agregación de éstas y teniendo en cuenta la correlación existente entre las líneas de negocio, se obtiene la desviación estándar combinada. Una compañía que pretenda obtener el SCR correspondiente al riesgo de primas y reservas mediante el uso de la fórmula estándar puede decidir entre utilizar los parámetros establecidos por el regulador como proxy, en la Tabla 1 y 2 se presentan los propuestos en QIS-5, o realizar estimaciones de los parámetros derivadas de la propia experiencia de su cartera.

Desde Enero 2011, EIOPA, European Insurance and Occupational Pensions Authority.

154

Lluis Bermúdez y Antoni Ferri – Anales 2012/151-170

Como hemos visto, la fórmula estándar depende de la desviación estándar correspondiente a la variable aleatoria que representa el riesgo de primas por línea de negocio, la desviación estándar de la variable aleatoria que representa el riesgo de reserva por línea de negocio, la correlación entre las variables aleatorias que representan los riesgos de primas y reservas por línea de negocio, y la correlación entre los pares de variables aleatorias que representan conjuntamente el riesgo de primas y reservas por línea de negocio. Por lo tanto, una entidad que decida estimar nuevos parámetros basados en su propia experiencia debe, en primer lugar, definir los estimadores necesarios para la obtención de los parámetros correspondientes a las distintas desviaciones estándar y correlaciones, y en segundo lugar, decidir la información necesaria y la metodología para realizar dichas estimaciones. En la Directiva no se especifica cómo abordar la estimación de los distintos parámetros necesarios para el cálculo del SCR. Debemos recurrir a las especificaciones técnicas de QIS-5 para obtener indicaciones sobre este aspecto. En la Sección 2, subsección 10ª (SCR.10), con el objetivo de revisar la calibración de los proxys de mercado propuestos por el regulador, se anima a los participantes en este estudio de impacto a calcular los parámetros específicos, basados en la experiencia propia de cada entidad, necesarios para la utilización de la fórmula estándar. Para el caso que nos ocupa, el modulo de subscripción no vida, los parámetros de la fórmula estándar que pueden ser substituidos en este estudio de impacto por parámetros específicos de cada entidad son las desviaciones estándar de los riesgos de primas y reservas. En la misma subsección se proponen diversas metodologías para la estimación de las desviaciones estándar de las variables que representan los riesgos de primas y de reservas. Los parametros específicos a utilizar en la fórmula estándar se derivan de un Modelo de Credibilidad que considera, por una parte, las proxys de mercado propuestas por el regulador ( m ) y, por otra parte, las estimaciones que resultan de utilizar los datos de la entidad aseguradora ( e ) y cualquiera de las dos metodologías propuestas. Los factores de credibilidad (c) vienen también predeterminados, pero en general dependen del número de observaciones que han sido consideradas para la obtención de los parámetros específicos y de la línea de negocio considerada. Para cada línea de negocio, los parámetros específicos de las desviaciones estándar ( ) se obtienen mediante la fórmula de credibilidad:

155

Fórmula de credibilidad para la estimación de las ... – Anales 2012/151-170

1 c

Sin embargo, para este estudio de impacto, no se permiten substituir los parámetros de la fórmula estándar correspondientes a las correlaciones. Por esta razón, no se presentan metodologías ni estimadores para obtener, por ejemplo, las correlaciones entre líneas de negocio. En este trabajo, en la siguiente sección, proponemos una metodología para la estimación de las correlaciones entre líneas de negocio a partir de la experiencia de cada entidad aseguradora para su utilización en el cálculo del SCR del submódulo de riesgo de primas y reservas perteneciente al módulo de riesgo de suscripción no vida cuando se opte, previa autorización del regulador competente, por el uso del Modelo estándar con parámetros específicos, o bien, por un Modelo Interno. Inspirados en el modelo de credibilidad propuesto en las especificaciones técnicas de QIS-5 para las desviaciones estándar, planteamos un modelo de credibilidad, basado en la metodología bayesiana, para la estimación de los coeficientes de correlación entre dos líneas de negocio de la variable implícita para el riesgo de primas y reservas. Tabla 1 Desviación Estándar (%) LoB Primas Reservas I 10 9,5 II 7 10 III 17 14 IV 10 11 V 15 11 VI 21,5 19 VII 6,5 9 VIII 5 11 IX 13 15 X 17,5 20 XI 17 20 XII 16 20 Fuente:QIS-5

156

Lluis Bermúdez y Antoni Ferri – Anales 2012/151-170

I II I 1 II 0,5 1 III 0,5 0,25 IV 0,25 0,25 V 0,5 0,25 VI 0,25 0,25 VII 0,5 0,5 VIII 0,25 0,5 IX 0,5 0,5 X 0,25 0,25 XI 0,25 0,25 XII 0,25 0,25 Fuente: QIS-5

Tabla 2 Correlaciones entre líneas de negocio III IV V VI VII VIII IX 1 0,25 0,25 0,25 0,25 0,5 0,5 0,25 0,25 0,5

1 0,25 0,25 0,25 0,5 0,5 0,5 0,25 0,5

1 0,5 0,5 0,25 0,5 0,25 0,5 0,25

1 0,5 0,25 0,5 0,25 0,5 0,25

1 0,25 0,5 0,25 0,5 0,25

1 0,5 0,5 0,25 0,5

1 0,25 0,5 0,5

XII

1 0,25 0,25

1 0,25

3. Fórmula de credibilidad para la estimación del coeficiente de correlación entre dos líneas de negocio Como es bien conocido, la metodología bayesiana constituye una forma más de aproximarse a los modelos de credibilidad (véase Gómez y Sarabia, 2008). La idea de combinar, en nuestro caso, la información del mercado con la información de una entidad aseguradora mediante una fórmula de credibilidad puede realizarse a partir del paradigma bayesiano. Esto es, combinando la información del mercado (información a priori) con la información de la entidad (información muestral) mediante el teorema de Bayes. En la metodología bayesiana, alternativa a la estadística frecuentista o clásica, para la estimación de parámetros se siguen los siguientes pasos. En primer lugar, dada una variable aleatoria (Y) se especifica una distribución de probabilidad para los datos ( y ~ f ( ) ). A diferencia de la estadística frecuentista que considera el parámetro como una constante, el parámetro se considera una variable aleatoria y, por tanto, se especifica una distribución a priori para éste ( ). En tercer lugar, se determina la distribución conjunta o función de verosimilitud ( f ( y , ) ) y, aplicando el teorema de Bayes, se obtiene la distribución condicionada del parámetro después de observar la muestra, conocida como distribución a posteriori ( | y ). A partir de la distribución a posteriori podemos hacer inferencia y predicción sobre el parámetro. Si tanto la distribución a priori como la distribución a posteriori pertenecen a una misma clase de distribuciones, se obtienen fórmulas bayesianas de credibilidad. 157

Fórmula de credibilidad para la estimación de las ... – Anales 2012/151-170

En nuestro caso, estamos interesados en una fórmula de credibilidad para el coeficiente de correlación entre dos variables aleatorias, X e Y . Para ello, tomamos el modelo bayesiano propuesto por Fisher (1915) y reformulado más recientemente por Lee (1989). Siguiendo la notación de este último, definimos ( xi , yi ) como un conjunto de n pares ordenados de observaciones con x ( x1, x2 ,.. ,..., xn ) e y ( y1, y2 ,..., ,.. yn ) . Se asume que los pares se distribuyen conjuntamente como una distribución normal bivariante con valores esperados X y Y , varianzas X2 y Y2 y coeficiente de correlación ( xi , yi ) . Además, el coeficiente de correlación muestral r se define como: n S xy x )( yi y ) i 1( xi r , 2 2 n n S S x y x x y y ( ) ( ) i 1 i 1 i

donde x

n i 1 i

, y

n i 1 i

, Sx

( xi

x )2 , S y

i 1

( yi

y )2 , S xy

i 1

( xi

x )( yi

y ).

i 1

Fisher (1915), tras una serie de tediosas substituciones, obtiene dos resultados interesantes para el propósito que perseguimos. En primer lugar, utilizando distribuciones a priori estándar para X , Y , X2 y Y2 , y una vez aplicado el paradigma bayesiano, se obtiene una razonable aproximación para la distribución a posteriori de : p

| x, y

1 1

donde p

n 1 2

3 2

es su correspondiente distribución a priori.

tanh( ) y r tanh( z ) , y después de Y en segundo lugar, substituyendo otra aproximación, la variable aleatoria se distribuye como una normal de 1 media z y varianza n :

N z,

158

1 . n

Lluis Bermúdez y Antoni Ferri – Anales 2012/151-170

Con la anterior substitución, se consigue obtener una fórmula de credibilidad para el coeficiente de correlación y, de este modo, combinar diferentes fuentes de información. Por ejemplo, dado un coeficiente de correlación muestral a priori rpr obtenido a partir de un conjunto de n pr pares observados, podemos actualizar nuestro conocimiento sobre el coeficiente de correlación mediante la información proveniente de un segundo conjunto de nl pares observados con coeficiente de correlación muestral rl . En este caso, nos encontramos ante la situación descrita anteriormente, de distribuciones a priori y a posteriori de la misma clase. Concretamente, la distribución a posteriori para z es normal con media: n pr

z post

y varianza

n pr

1 n pr

tanh 1 ( rpr )

nl n pr

tanh 1 ( rl )

A partir de z post , podemos obtener un estimador puntual para el coeficiente de correlación

mediante ˆ rpost

tanh( t z post ) . El estimador propuesto es

el resultado de combinar, mediante una fórmula de credibilidad, la información a priori, rpr , con la información de la segunda muestra, rl . La combinación lineal se establece mediante una ponderaciones, o factores de credibilidad, que dependen del número de observaciones de ambas muestras, n pr y nl . El resultado anterior es aplicable al caso que nos ocupa. En primer lugar, debemos definir las variables aleatorias X e Y sobre las que pretendemos calcular el coeficiente de correlación. Su definición dependerá de la opción escogida para el cálculo del SCR, según se opte por el uso del Modelo Estándar con parámetros específicos, o bien, por un Modelo Interno. En el primer supuesto, siguiendo a Gisler (2009), la expresión analítica para puede ser derivada a partir de considerar una variable aleatoria Zi , que representa la variable aleatoria implícita en la fórmula estándar para el riesgo de prima y reservas para una línea de negocio i:

159

Fórmula de credibilidad para la estimación de las ... – Anales 2012/151-170

X i Pi Yi Ri Pi Ri

donde X i representa el ratio de siniestralidad por línea de negocio, Pi es una medida del volumen de primas por línea de negocio, Yi representa el ratio de reservas por línea de negocio, y Ri es una medida del volumen de reservas por línea de negocio. En este caso, el objetivo sería la estimación del coeficiente de correlación entre las variables Zi y Z j , siendo i y j dos líneas de negocio distintas. Para el supuesto en que se opte por un Modelo Interno, la definición de las variables aleatorias sobre las que pretendemos estimar el coeficiente de correlación dependerá de la propia estructura del modelo. Un Modelo Interno no necesariamente debe estar basado en una estructura modular de riesgos en el sentido que plantea Solvencia II. A pesar de ello, en este trabajo, se ha optado por mantener una estructura similar a la del Modelo Estándar con la finalidad de estimar un capital que sea comparable a aquél que se obtiene del Modelo Estándar para el riesgo de primas y reservas del módulo de suscripción no vida. Nuestra propuesta de Modelo Interno (Bermúdez et al., 2011, 2012a) es la siguiente. Las predicciones de las variables que conforman el resultado neto por línea de negocio son estimadas a través de un modelo de regresión lineal simple. A través de estas predicciones son obtenidas las predicciones del resultado neto por línea de negocio. Posteriormente, cada predicción del resultado neto por línea de negocio es agregada para obtener la predicción total del resultado neto. El SCR derivado del Modelo Interno es estimado como la diferencia entre el VaR obtenido con un nivel de confianza del 99,5%, y horizonte temporal anual, y el valor esperado de la predicción del resultado neto agregado, tras realizar una simulación de la distribución de probabilidad de esta misma variable mediante el uso de cópulas. En este Modelo Interno, las variables aleatorias sobre las que pretendemos estimar el coeficiente de correlación, son pues las predicciones del resultado neto por cada línea de negocio. En segundo lugar, debemos valorar las dos fuentes de información que combinaremos en la fórmula de credibilidad para la obtención del coeficiente de correlación entre dos líneas de negocio. Por un lado, a partir de la experiencia de siniestralidad de cada entidad, recogida en una serie con nl pares observados, se calculará el coeficiente de correlación muestral, rl . 160

Lluis Bermúdez y Antoni Ferri – Anales 2012/151-170

Por otro lado, la información a priori será la aportada por el regulador a partir de la información de mercado. El coeficiente de correlación muestral a priori, rpr , puede tomarse, por ejemplo, como el correspondiente coeficiente de correlación de la matriz de coeficientes de correlación entre líneas de negocio propuesto en QIS-5. Para la aplicación de la fórmula de credibilidad descrita anteriormente, tan sólo restará realizar alguna hipótesis sobre el número de pares observados, n pr , a partir del cual el regulador ha determinado la información de mercado. Como hemos visto, esta información es necesaria para determinar la variabilidad de la distribución a priori del modelo bayesiano considerado. No obstante, según se opte por un Modelo Estándar con parámetros específicos o por un Modelo Interno, la combinación de la información de mercado con la información empírica de cada entidad puede tener una interpretación distinta según la variable implícita que utilicemos. En primer lugar, deberíamos conocer la naturaleza de la matriz de correlaciones propuesta por el regulador para el uso en el Modelo Estándar (Tabla 2) y que representa la única información de mercado disponible. Tal como se indica en las especificaciones técnicas de QIS-54, para la agregación de los módulos de riesgo individuales con la finalidad de obtener el SCR, son aplicadas correlaciones lineales. Sin embargo, no se especifica qué variable ímplicita ha sido utilizada. Como ya hemos supuesto anteriormente, podemos pensar que la variable implícita de esta matriz de correlaciones se corresponde con la variable propuesta por Gisler (2009). De este modo, si optamos por la utilización del Modelo Estándar con parámetros específicos, la información de mercado y la información empírica de cada entidad vienen representadas por la misma variable implícita. No ocurre lo mismo si utilizamos un Modelo Interno y la variable implícita que acabamos de definir para este caso. En este segundo escenario, deberíamos tener en cuenta la posible distinta naturaleza de las informaciones combinadas en la fórmula de credibilidad. Antes de presentar la aplicación práctica de este modelo, con datos reales, mostramos con un sencillo ejemplo cómo puede ser obtenido el coeficiente de correlación entre dos líneas de negocio a partir de la fórmula de credibilidad presentada. Consideremos que el coeficiente de correlación muestral entre dos líneas de negocio propuesto por el regulador, a partir de la información de mercado, es 4

QIS5 Technical Specifications, Annex to Call for Advice from CEIOPS on QIS5, Section 2, 1.11.

161

Fórmula de credibilidad para la estimación de las ... – Anales 2012/151-170

rpr

0,5 . En este sencillo ejemplo, suponemos que la información de

mercado ha sido obtenida mediante una serie histórica de los 10 últimos años, n pr 10 . Por otro lado, la entidad aseguradora ha obtenido un coeficiente de correlación muestral de rl 0,16 , a partir de una serie histórica propia de los 11 últimos años, nl 11 . Por lo tanto, aplicando la fórmula de credibilidad presentada anteriormente, sin más que substituir los cuatro valores aquí supuestos, se obtiene:

z post

10 11 0,3461 tanh 1 (0,5) ( , 5)) (0 tanh 1 (0,16) (0 16) 0 346 . 10 11 10 11

Y de ahí, el estimador puntual para el coeficiente de correlación entre las dos líneas de negocio resulta ˆ tanh(0 tanh(0,3461) 0,3461) 0,3329 .

4. Datos A partir de la Memoria Estadística Anual de Entidades Aseguradoras publicada por la Dirección General de Seguros y Fondos de Pensiones (DGSFP) sobre balances y cuentas técnicas del negocio no vida correspondientes al período 2000-2010 para el conjunto de entidades que operan en el mercado español, ha sido extraída la información necesaria para el cálculo del requerimiento de capital de solvencia correspondiente al submódulo de riesgo insuficiencia de primas y reservas del negocio no vida. Los datos recogidos referidos al conjunto del mercado corresponden a la información agregada de Sociedades Anónimas, Mutuas, Mutualidades de Previsión Social y Reaseguradoras. Asimismo, la información publicada corresponde a los ramos actualmente vigentes en la normativa contable. Para efectuar el cálculo del requerimiento de capital de solvencia se ha tenido en cuenta las nueve primeras líneas de negocio propuestas en QIS-55, (I) Responsabilidad civil de vehículos a motor, (II) Otro tipo de responsabilidades derivadas de vehículos a motor, (III) Marina, aviación y transporte, (IV) Incendio, (V) Responsabilidad civil, (VI) Crédito y caución, 5

Una descripción detallada de las definiciones de cada línea de negocio puede ser consultada en QIS-5.

162

Lluis Bermúdez y Antoni Ferri – Anales 2012/151-170

(VII) Defensa jurídica, (VIII) Asistencia, (IX) Diversos. Se descarta la consideración de las líneas de negocio (X) Reaseguro no proporcional Inmuebles, (XI) Reaseguro no proporcional Daños y (XII) Reaseguro no proporcional Marina, aviación y transporte, dado que se considera que pueden producir una distorsión en los resultados ya que al tratarse de información de mercado agregada, obviamente existe una correlación perfecta negativa entre estas tres líneas de negocio, que corresponden a volúmenes de reaseguro aceptado, y aquellas líneas de negocio que ceden volúmenes a reaseguro. La correspondencia entre los ramos presentados en la memoria y las líneas de negocio propuestas en QIS-5 se ha realizado teniendo en cuenta la recomendación que UNESPA (2007) realizó a las entidades participantes en QIS- 5. Para cada línea de negocio se consideran las siguientes variables: 1) Primas suscritas netas de reaseguro, 2) Siniestralidad neta de reaseguro, 3) Gastos (incluyendo, gastos de explotación, gastos imputables a prestaciones y otros gastos) y 4) Provisiones técnicas (incluyendo, provisión de prestaciones pendientes de liquidación, provisión de prestaciones pendientes de declaración y provisión para gastos internos de liquidación de siniestros). A modo de resumen, en la Tabla 3 se muestran algunos estadísticos descriptivos de las variables consideradas.

Tabla 3 Estadísticos descriptivos (*) de las variables Primas Netas, Siniestralidad Provisiones técnicas, por línea de negocio LoB I II III IV V VI VII Primas Netas de Reaseguro 4,21 2,85 0,19 2,45 0,48 0,17 0,08 Mín. 5,34 3,69 0,24 3,38 0,72 0,23 0,11 Cuart. 1º 5,87 4,43 0,30 4,87 1,05 0,34 0,12 Mediana 5,75 4,15 0,31 4,69 1,00 0,33 0,13 Promedio 0,76 0,70 0,08 1,58 0,33 0,11 0,03 Desv. 6,30 4,68 0,39 5,89 1,28 0,42 0,16 Cuart. 3º 6,66 4,94 0,44 6,87 1,41 0,49 0,17 Máx. Siniestralidad Neta de Reaseguro 3,57 2,12 0,15 1,70 0,45 0,12 0,05 Mín. 4,14 2,49 0,16 2,35 0,58 0,16 0,07 Cuart. 1º 4,41 2,97 0,19 3,20 0,72 0,20 0,07 Mediana 4,34 2,91 0,21 3,09 0,71 0,43 0,07 Promedio 0,43 0,54 0,06 0,92 0,17 0,44 0,01 Desv. 4,71 3,40 0,25 3,88 0,89 0,55 0,08 Cuart. 3º 4,84 3,64 0,33 4,40 0,92 1,44 0,09 Máx. Gastos

163

Neta, Gastos y VIII

0,30 0,38 0,49 0,50 0,13 0,63 0,67

0,93 1,13 1,38 1,41 0,34 1,67 1,90

0,22 0,27 0,35 0,36 0,10 0,45 0,48

0,38 0,46 0,57 0,57 0,13 0,67 0,75

Fórmula de credibilidad para la estimación de las ... – Anales 2012/151-170

0,01 0,69 0,10 0,02 0,88 0,12 0,04 1,14 0,17 0,04 1,24 0,18 0,02 0,43 0,06 0,06 1,62 0,24 0,08 1,84 0,26 Provisiones Técnicas 4,87 0,74 0,28 1,30 1,89 Mín. 5,31 0,91 0,31 1,82 2,72 Cuart. 1º 6,18 1,04 0,42 2,43 3,55 Mediana 5,89 1,12 0,43 2,28 3,58 Promedio 0,68 0,29 0,12 0,56 1,10 Desv. 6,42 1,34 0,56 2,68 4,42 Cuart. 3º 6,67 1,59 0,59 2,96 5,11 Máx. Fuente: Propia / (*) Miles de millones de euros Mín. Cuart. 1º Mediana Promedio Desv. Cuart. 3º Máx.

1,03 1,22 1,33 1,32 0,17 1,43 1,63

0,70 0,82 0,96 0,93 0,14 1,04 1,10

-0,03 -0,00 0,03 0,09 0,14 0,15 0,35

0,04 0,05 0,05 0,05 0,00 0,06 0,07

0,11 0,13 0,16 0,17 0,04 0,20 0,23

0,45 0,50 0,56 0,58 0,10 0,62 0,76

0,38 0,49 0,55 0,69 0,35 0,81 1,62

0,03 0,05 0,05 0,06 0,02 0,06 0,12

0,01 0,01 0,02 0,02 0,01 0,02 0,06

0,08 0,10 0,14 0,14 0,04 0,17 0,21

5. Resultados En primer lugar, con los datos descritos en la sección anterior, se han calculado los coeficientes de correlación entre líneas de negocio tanto para las variables aleatorias implícitas en la fórmula estándar como para las implícitas en el Modelo Interno. La estimación de estas correlaciones empíricas ha sido realizada mediante el estimador habitual para el coeficiente de correlación lineal, el coeficiente de correlación de Pearson. En las Tablas 4 y 5, a efectos de comparar con las correlaciones propuestas por el regulador (Tabla 2), se muestran las correlaciones empíricas para cada caso. Una primera diferencia constatable es la presencia de correlaciones empíricas negativas. Éstas, de ser utilizadas, podrían ampliar el efecto diversificación en la estimación del SCR. Por otro lado, como consecuencia de la distinta naturaleza de las variables implícitas utilizadas en cada caso, existen diferencias remarcables entre las correlaciones empíricas de las Tablas 4 y 5. Como se comentó en la sección 3, aunque desconocemos la variable implícita de las correlaciones propuestas por el regulador, consideramos que ésta coincide con la propuesta por Gisler (2009) y, por tanto, con la utilizada para obtener las correlaciones empíricas de la Tabla 4.

164

Lluis Bermúdez y Antoni Ferri – Anales 2012/151-170

Tabla 4 Correlaciones empíricas de la variable aleatoria implícita en la fórmula estándar I II III IV V VI VII VIII IX I 1 II 0,16 1 III 0,17 0,52 1 IV 0,71 0,04 0,27 1 V 0,81 -0,05 0,13 0,65 1 VI -0,31 -0,19 -0,10 -0,34 -0,32 1 VII 0,54 -0,12 0,09 0,31 0,48 0,00 1 VIII 0,22 0,07 0,31 0,01 0,23 0,09 0,82 1 IX -0,09 -0,34 -0,55 0,16 -0,03 -0,16 -0,14 -0,16 1 Fuente: Propia Tabla 5 Correlaciones empíricas de la variable aleatoria implícita en el modelo interno I II III IV V VI VII VIII IX I 1 II 0,73 1 III 0,47 0,55 1 IV 0,37 0,15 0,02 1 V -0,67 -0,59 -0,79 -0,02 1 VI 0,29 -0,02 0,60 -0,09 -0,73 1 VII 0,35 -0,13 0,04 0,69 -0,25 0,37 1 VIII 0,01 0,01 0,44 -0,18 0,04 -0,01 -0,42 1 IX -0,07 -0,20 -0,62 0,17 0,25 -0,25 0,26 -0,66 1 Fuente: Propia

En segundo lugar, en las Tablas 6, 7 y 8, se muestran las estimaciones bayesianas de los coeficientes de correlación, según el modelo propuesto en la sección 3 y para el caso de la variable aleatoria implícita en la fórmula estándar, para tres hipótesis diferentes sobre el número de pares/años observados, n pr , a partir del cual el regulador supuestamente ha obtenido la información de mercado. Se han tomado n pr

20,10,5 , respectivamente,

para comprobar el efecto de esta hipótesis en las estimaciones de las correlaciones. Como puede apreciarse, no se producen grandes cambios en las estimaciones cuando varíamos la hipótesis sobre el número de pares/años observados por el regulador. Aunque no se muestran aquí, también se han calculado las respectivas correlaciones bayesianas para el caso de la variable implícita en el Modelo Interno.

165

Fórmula de credibilidad para la estimación de las ... – Anales 2012/151-170

Tabla 6 Correlaciones bayesianas de la variable aleatoria implícita en la fórmula estándar, npr = 20 ; nl=11 I II III IV V VI VII VIII IX I 1 II 0,39 1 III 0,39 0,35 1 IV 0,44 0,18 0,26 1 V 0,64 0,15 0,21 0,41 1 VI 0,05 0,10 0,13 0,04 0,23 1 VII 0,52 0,30 0,20 0,27 0,49 0,34 1 VIII 0,24 0,36 0,44 0,34 0,24 0,20 0,52 1 IX 0,31 0,23 0,13 0,39 0,33 0,29 0,30 0,20 1 Fuente: Propia

Tabla 7 Correlaciones bayesianas de la variable aleatoria implícita en la fórmula estándar, npr = 10 ; nl=11 I II III IV V VI VII VIII IX I 1 II 0,33 1 III 0,34 0,40 1 IV 0,52 0,14 0,26 1 V 0,69 0,10 0,19 0,48 1 VI -0,05 0,02 0,07 -0,06 0,09 1 VII 0,52 0,20 0,17 0,28 0,49 0,26 1 VIII 0,24 0,29 0,41 0,26 0,24 0,17 0,63 1 IX 0,21 0,08 -0,06 0,33 0,24 0,17 0,19 0,17 1 Fuente: Propia

Tabla 8 Correlaciones bayesianas de la variable aleatoria implícita en la fórmula estándar, npr = 5 ; nl=11 I II III IV V VI VII VIII IX I 1 II 0,28 1 III 0,28 0,44 1 IV 0,59 0,10 0,26 1 V 0,74 0,05 0,17 0,54 1 VI -0,14 -0,05 0,01 -0,16 -0,06 1 VII 0,53 0,09 0,14 0,29 0,48 0,17 1 VIII 0,23 0,22 0,38 0,18 0,24 0,14 0,71 1 IX 0,11 -0,07 -0,25 0,27 0,15 0,06 0,08 0,06 1 Fuente: Propia

Finalmente, con el objetivo de comprobar el posible impacto de la utilización de las diferentes correlaciones consideradas en la estimación del SCR, en la Tabla 9 se muestran los SCR obtenidos en cada caso. En el Modelo Interno, para la agregación de los resultados netos por línea de negocio, se ha utilizado la cópula gaussiana. En Bermúdez et al. (2011, 2012a) se encuentra una detallada explicación sobre la obtención del SCR en ambos modelos. Por otro lado, en Ferri et al. (2012) y Bermúdez et al. 166

Lluis Bermúdez y Antoni Ferri – Anales 2012/151-170

(2012b) se analiza la obtención del SCR bajo un Modelo Interno como medida de riesgo y las limitaciones que se derivan. Como puede apreciarse, la estimación del SCR puede variar de manera significativa según la matriz de correlaciones que se considere. Tabla 9 SCR derivado de la fórmula estándar y del modelo interno con distintas matrices de correlación Matriz de correlación Bayesiana Bayesiana Bayesiana Empírica QIS-5 npr = 5 ; nl=11 npr = 10 ; nl=11 npr = 20 ; nl=11 6,02 6,31 6,43 6,53 6,65 Fórmula estándar 5,96 6,57 6,92 7,36 8,07 Modelo interno Fuente: Propia

Para los dos modelos, el menor SCR se obtiene con la matriz de correlaciones empírica. A medida que se incorpora la información de la matriz de correlaciones propuesta por el regulador, el SCR aumenta hasta alcanzar el máximo cuando exclusivamente utilizamos las correlaciones propuestas por el regulador en QIS-5. La variación en el SCR es mayor en el Modelo Interno que en la fórmula estándar. Este resultado, de un lado, es el resultado de combinar datos de distinta naturaleza en la estimación de las correlaciones en el Modelo Interno. Como ya se ha comentado, las correlaciones empíricas en este modelo lo son de una variable aleatoria implícita diferente a la que se supone para la fórmula estándar y, por tanto, para la matriz de correlaciones de QIS-5. Por otro lado, la variable aleatoria implícita para el Modelo interno, las predicciones del resultado neto por línea de negocio, presenta, para estos datos, unas desviaciones empíricas mayores que las propuestas por el regulador para la variable implícita de la fórmula estándar. 6. Conclusiones En Ferri et al. (2011) se realizó una estimación del requerimiento de capital correspondiente al riesgo de suscripción no vida para el ejercicio 2010 para el conjunto del mercado español asegurador no vida y un análisis de sensibilidad del SCR correspondiente al riesgo de suscripción en el negocio de no vida frente a cambios en la matriz de correlaciones entre líneas de negocio. Y se concluyó que el SCR de este submódulo tiene una gran sensibilidad a los parámetros de los que depende el modelo y, en especial, a la matriz de correlaciones entre líneas de negocio. Por esta y otras razones, se concluía que las entidades de seguro tienen suficientes incentivos para utilizar modelos alternativos al Modelo Estándar y avanzar en modelos para el cálculo del requerimiento de capital de solvencia, bien a través de un 167

Fórmula de credibilidad para la estimación de las ... – Anales 2012/151-170

Modelo Estándar con parámetros específicos, o bien a través de un Modelo Interno, parcial o completo, con la finalidad de ajustar el requerimiento al perfil de la entidad. Sin embargo, para avanzar en esta dirección es necesaria la estimación de los parámetros inherentes a cada modelo en base, por ejemplo, a la experiencia de siniestralidad de cada entidad. En este artículo, inspirados por la metodología propuesta en las especificaciones técnicas de QIS-5 para la estimación, como parámetros específicos de la fórmula estándar, de las desviaciones del riesgo de primas y reservas, proponemos una fórmula de credibilidad para la estimación de los coeficientes de correlación entre dos líneas de negocio de la variable implícita para el riesgo de primas y reservas. Para ello, hacemos uso de un modelo bayesiano para la estimación de coeficientes de correlación. La fórmula de credibilidad propuesta combina la información del mercado (información a priori) con la información de la entidad mediante el teorema de Bayes. Para su utilización tan sólo es necesario contar, por un lado, con el coeficiente de correlación muestral del mercado, en nuestro caso obtenido a partir de la matriz de correlaciones de QIS-5, y el coeficiente de correlación muestral obtenido a partir de la propia experiencia de la entidad. Por otro lado, es necesario conocer el número de observaciones (o años) de los que se han extraído los anteriores coeficentes de correlación muestrales. Con esta fórmula de credibilidad, pueden estimarse los coeficientes de correlación entre líneas de negocio para su aplicación tanto en la fórmula estándar, cuando ésta se utiliza con parámetros específicos de la entidad, como en un Modelo Interno. Únicamente deben definirse, en cada caso, las variables aleatorias implícitas de cada modelo sobre las que calculamos los coeficientes de correlación. De la aplicación de esta fórmula de credibilidad a los datos agregados del conjunto del mercado español asegurador no vida, se extraen las siguientes conclusiones. En primer lugar, los coeficientes de correlación empíricos entre dos líneas de negocio pueden ser sustancialmente distintos de aquellos propuestos por el regulador. En segundo lugar, la utilización de una fórmula de credibilidad que combina la información de mercado con la información de cada entidad proporciona unos coeficientes de correlación intermedios. Finalmente, la estimación del SCR puede variar de manera significativa según la matriz de correlaciones que se considere. La fórmula de credibilidad propuesta no está exenta de limitaciones. Éstas pueden ser divididas en dos grupos. De un lado, las limitaciones relativas al 168

Lluis Bermúdez y Antoni Ferri – Anales 2012/151-170

modelo bayesiano utilizado y, por otro lado, las relativas a la aplicación de éste al caso que nos ocupa. Entre las primeras, destacamos la hipótesis de normalidad sobre la que se sustenta el modelo y las aproximaciones que se deben adoptar para conseguir una fórmula de credibilidad cerrada. Respecto al segundo grupo de limitaciones, destacar que éstas se originan por el desconocimiento sobre dos aspectos de la información de mercado propuesta por el regulador, en primer lugar, la variable aleatoria implícita en la matriz de correlaciones de QIS-5 y, en segundo lugar, el número de observaciones (o años) a partir de los que se han obtenido los coeficientes de correlación de dicha matriz. Ambos aspectos son necesarios para una óptima aplicación de la fórmula de credibilidad propuesta. Con el objetivo de superar estas limitaciones, nuevos esfuerzos investigadores deberían ser abordados. Por una parte, la utilización de otros modelos bayesianos y de técnicas de simulación MCMC pueden ayudar a salvar las limitaciones teóricas del modelo bayesiano considerado. Por otra parte, a medida que se conozcan más detalles sobre la fórmula estándar y sus parámetros en las medidas de nivel 2 comunitarias, es de esperar que se clarifiquen los aspectos relacionados con la matriz de correlaciones que propone el regulador como benchmark de mercado.

Referencias Bermúdez, L., Ferri, A. y M. Guillén (2011). A correlation sensitivity analysis of non-life underwriting risk in solvency capital requirement estimation. XREAP No. 2011-12. http://ssrn.com/abstract=1922794 Bermúdez, L., Ferri, A. y M. Guillén (2012a). A correlation sensitivity analysis of non-life underwriting risk in solvency capital requirement estimation. ASTIN bulletin. Pendiente de publicación. Bermúdez, L., Ferri, A. y M. Guillén (2012b). On the use of Risk Measures in Solvency Capital Estimation. International Journal of Business Continuity and Risk Management. Pendiente de publicación. Committee of European Insurance and Occupational Pensions Supervisors, CEIOPS (2010). 5th Quantitative Impact Study, Technical Specifications. https://eiopa.europa.eu/fileadmin/tx_dam/files/consultations/QIS/QIS5/QIS5 -technical_specifications_20100706.pdf (consultado 30/10/2012) Directiva 2009/138/EC del Parlamento Europeo y del Consejo de 25 de Noviembre de 2009 sobre el acceso y ejercicio de la actividad aseguradora y reaseguradora.

169

Fórmula de credibilidad para la estimación de las ... – Anales 2012/151-170

http://eurlex.europa.eu/LexUriServ/LexUriServ.do?uri=OJ:L:2009:335:0001:0155:ES :PDF (consultado 30/10/2012) Ferri, A., Bermúdez, L. y M. Alcañiz (2011). Análisis de sensibilidad a las correlaciones entre líneas de negocio del SCR del módulo de suscripción no vida basado en la fórmula estándar. Anales del Instituto de Actuarios, 75-90. Ferri, A., Guillén, M. y Bermúdez, L. (2012). Solvency capital estimation and risk measures. Lecture Notes in Business Information Processing, 115, 34-43. Fisher, R.A. (1915). Frequency distributions of the values of the correlation coefficients in sample of indefinitely large population. Biometrika, 10, 507521. Gisler, A. (2009). The Insurance Risk in the SST and in Solvency II: Modelling and parameter estimation. ASTIN Colloquium in Helsinki. Gómez-Déniz, E. y J.M. Sarabia (2008). Teoría de la Credibilidad: Desarrollo y Aplicaciones en Primas de Seguros y Riesgos Operacionales. Fundación Mapfre. Madrid (España). Lee, P.M. (1989). Bayesian Statistics: An Introduction. Oxford University Press. New York (EEUU). UNESPA (2007). El Modelo Español de Solvencia paso a paso. http://www.unespa.es/adjuntos/fichero_2590_20080227.pdf (consultado 30/10/2012)

170

Anales del Instituto de Actuarios Españoles, 3ª época, 18, 2012/171-216

¿Está justificada la reforma del sistema público de pensiones español realizada en 2011 desde el punto de vista actuarial?1 Manuel García García2 Carlos Vidal Meliá3 Resumen El objetivo que se plantea en este trabajo es tratar de contestar básicamente a tres preguntas sobre el sistema público de pensiones de jubilación español: ¿Está justificada desde el punto de vista actuarial la reforma del sistema público de pensiones español realizada en 2011, que entrará en vigor de manera gradual a partir del 1-01-2013?, ¿Qué medidas se hubieran adoptado en el sistema español si estuvieran en vigor los principios contables que se aplican en el sistema de pensiones de cuentas nocionales de Suecia? ¿Qué medidas se adoptarían si en el sistema se aplicase la legislación en vigor para los planes de pensiones de prestación definida? Para cumplir con el objetivo se formula el balance actuarial modelo “sueco” del sistema público de pensiones de jubilación español a fecha de efecto 31-12-2010, y se proyecta un indicador de solvencia del sistema para el período 2010-2084 a partir de un conjunto de escenarios previamente predeterminados. JEL: H55, H83, J11, J26. Palabras clave: Balance actuarial, España, Información sobre pensiones, Reparto, Suecia.

1 Los autores agradecen la ayuda financiera recibida del proyecto ECO2009-13616 del Ministerio de Ciencia e Innovación y del proyecto Fipros 27/2010 del Ministerio de Trabajo e Inmigración (actualmente Ministerio de Empleo y Seguridad Social). Se agradecen los comentarios y sugerencias realizados por Juan Nave, Mariano González, Marta Regúlez, David Toscano, y especialmente por Manuel Ventura, en el seno de un seminario organizado en la Universidad Cardenal Herrera CEU en el que se presento una versión preliminar en junio de 2011. Algunos resultados de este trabajo se presentaron en el Workshop internacional, organizado por Inarcassa, celebrado en Roma en febrero de 2012, y se agradecen los comentarios y sugerencias de Paola Muratorio, Ugo Inzerillo, Sergio Nistico, Alessandro Trudda, Elisa Baroni y Ole Settergren. Cualquier error que pudiera contener este trabajo es de la exclusiva responsabilidad de los autores. 2 Departamento de Economía y Empresas. Universidad Cardenal Herrera CEU. Calle Luis Vives 1, 46115. Alfara del Patriarca, Valencia (España). (e-mail: manuel.garcia@uch.ceu.es) 3 ((Autor para correspondencia) Departamento de Economía Financiera y Actuarial, Universidad de Valencia, Avenida de los Naranjos, s.n. 46022 Valencia. (España). (e-mail: carlos.vidal@uv.es). Este artículo ha sido recibido en versión revisada el 5 de noviembre de 2012.

171

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

Is the reform of the Spanish public pension system of 2011 justified from an actuarial point of view? Abstract The aim of this paper is basically to answer three questions about the Spanish public retirement pension system. Is the 2011 reform of the system, which will gradually come into force starting on 1-01-2013, justified from an actuarial point of view? What measures would have been adopted in the Spanish system if all the accounting principles applied in the notional account pension system in Sweden were enforced? What measures would be adopted if current legislation on defined benefit private pension plans were applied to the system? To this end we formulate a Swedish-type actuarial balance for the Spanish public retirement pension system as at 31-12-2010 and project a solvency indicator for the system for the period 2010-2084 based on a set of predetermined scenarios. Keywords: actuarial balance, Spain, information about pensions, Sweden.

1.-Introducción. La información individual sobre pensiones puede definirse como todos aquellos datos necesarios que se deben proporcionar a los individuos para poder planificar adecuadamente los riesgos asociados principalmente a la jubilación, invalidez y fallecimiento. De acuerdo con Larsson et al (2008), la información individual sobre pensiones tiene tres niveles: 9 Información contable. Es la información más básica, es decir, información que se proporciona sobre cotizaciones, cuantía de las cotizaciones, tiempo de cotización, bases de cotización, etc.… 9 Información sobre las consecuencias económicas de las diversas decisiones que el cotizante podría adoptar, como cotizar más, anticipar o diferir la edad de jubilación, etc.… 9 Información sobre el riesgo asociado a las estimaciones o proyecciones de las prestaciones previstas. Es en este nivel, según Regúlez-Castillo y Vidal-Meliá (2012), en el que la conexión con el balance actuarial aparece con más fuerza.

172

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

Para Sunden (2009), uno de los objetivos básicos de los gestores de las administraciones públicas de Seguridad Social (APSS) es promover un mayor interés entre los cotizantes y pensionistas por el sistema de pensiones y sus bases de sostenibilidad, ya que la información individual periódica fuerza a los cotizantes a pensar sobre la relación que existe entre sus cotizaciones y las opciones de jubilación a diversas edades y la cuantía de la prestación a conseguir. Este mayor interés redunda a su vez en un mayor conocimiento sobre el funcionamiento del sistema de pensiones. Conectada con la información individual que se les proporciona a los cotizantes y pensionistas de manera periódica aparece la denominada información global, cuyo fin es reflejar la situación del sistema de pensiones mediante indicadores de solvencia y/o sostenibilidad. Se pretende trasmitir a los cotizantes y pensionistas que sus prestaciones dependen de dos aspectos, el individual: como las cuantías cotizadas, carrera contributiva, o edad de jubilación, y el colectivo, es decir: la capacidad del sistema de hacer frente a las obligaciones adquiridas con cotizantes y pensionistas. El instrumento del que derivan los indicadores globales es el denominado como balance actuarial. La formulación periódica del balance actuarial es una práctica habitual en APSS de países como, EE.UU (BOT (2010)), Japón (AAD (2009)), Suecia, (Pensionsmyndigheten (2011)), Canadá (OSFIC (2008)), UK, (GAD (2010)) o Finlandia (Elo et al (2010)), y se justifica fundamentalmente por el deseo de despolitizar la gestión de los sistemas de pensiones de reparto, de transmitir credibilidad a los cotizantes y pensionistas, la necesidad de contar con una base objetiva sobre la que poder aplicar un mecanismo automático o semiautomático de ajuste financiero (MAF)4 en el supuesto de que el indicador de solvencia lo requiera y poder valorar el efecto previsto de las distintas propuestas de reforma que eventualmente se puedan exponer. La APSS de España no elabora periódicamente el balance actuarial, pero Boado-Penas et al (2011) muestran que la obligatoriedad de formularlo de manera oficial reportaría múltiples ventajas al sistema público de pensiones. Podría suponer un incentivo importante para afrontar el desafío inminente al que se enfrenta en materia demográfica; reducir el populismo en pensiones, y reconocer sus múltiples problemas de tipo actuarial, entre los que destaca que el coste de venta de las prestaciones de jubilación, técnicamente el coste

4 Es un conjunto de medidas predeterminadas establecidas por ley y de exigencia inmediata cuando el indicador de solvencia o sostenibilidad así lo requiere, que intenta restablecer mediante su aplicación sucesiva el equilibrio financiero de los sistemas de pensiones de reparto. Véase el trabajo de Vidal-Meliá et al (2009).

173

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

de la cobertura, es muy inferior al precio de venta, es decir, las cotizaciones o primas exigidas. A la hora de formular un balance actuarial del sistema de reparto existen fundamentalmente dos opciones, el denominado modelo de “Suecia” y el modelo “EE.UU”. Ambos modelos presentan un conjunto de características bien diferenciadas con elementos positivos y otros más controvertidos5. Se puede resumir diciendo que el modelo “sueco” muestra las relaciones de (des)equilibrio actuarial de los sistemas de pensiones mediante un lenguaje comprensible materializado en conceptos de activo y pasivo sin recurrir a las proyecciones explícitas, aunque sólo es aplicable a la contingencia de jubilación. Por otro lado, el modelo “EE.UU” explicita, mediante proyecciones, los desafíos futuros en el ámbito financiero que se derivan básicamente del envejecimiento, el aumento previsto de la longevidad y las fluctuaciones de la actividad económica. El objetivo que se plantea en este trabajo es tratar de contestar básicamente a tres preguntas sobre el sistema público de pensiones de jubilación español: ¿Está justificada desde el punto de vista actuarial la reforma del sistema público de pensiones español realizada en 2011, que entrará en vigor de manera gradual a partir del 1-01-2013?, ¿Qué medidas se hubieran adoptado en el sistema español si estuvieran en vigor los principios contables que se aplican en el sistema de pensiones de cuentas nocionales de Suecia? ¿Qué medidas se adoptarían si en el sistema se aplicase la legislación en vigor para los planes de pensiones de prestación definida? Para cumplir con el objetivo se formula el balance actuarial tipo sueco del sistema público de pensiones de jubilación español a fecha de efecto 31-12-2010, y se proyecta un indicador de solvencia del sistema para el período 2010-2084 a partir de un conjunto de escenarios previamente predeterminados. En la exposición de motivos de la Ley 27/2011, no se hace referencia explícita a motivos de tipo actuarial para realizar la reforma6. Se justifica 5 Para un estudio en profundidad de sus principales semejanzas y similitudes véase los trabajos de BoadoPenas y Vidal-Meliá (2012) y Vidal-Meliá et (2010). 6 Los cambios son importantes y modifican sustancialmente las expectativas de pensión de jubilación para los cotizantes jóvenes y de mediana edad. Según la Ley 27/2011, los cambios fundamentales establecidos en la reforma del sistema que entrará en vigor el 1 de enero de 2013 son: la edad legal de jubilación se eleva progresivamente hasta los 67 años, actualmente es de 65 años, y la elevación se aplicará a lo largo de un periodo transitorio que se inicia en 2013 y abarca hasta 2027. Para cobrar el 100% de la pensión será necesario haber cotizado 37 años, frente a 35 en la actualidad. La jubilación será del 100% de la base reguladora a los 65 años si se han cotizado 38,5 años, frente a los 35 actuales. La jubilación anticipada seguirá siendo posible a partir de los 63 años con 33 años de cotización y un requisito de pensión mínima sin complementos de solidaridad, o a los 61 años, también al menos con 33 años de cotización, si la salida de la empresa es involuntaria. Se refuerzan los incentivos para prolongar la vida laboral, se amplía el período de cálculo de la base reguladora al pasar de los 15 años a 25 años, y se modifican los coeficientes por año trabajado buscando un incremento de la justicia actuarial, y por último se introduce un

174

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

básicamente por las malas expectativas demográficas, disminución prolongada de la tasa de natalidad e incremento de la esperanza de vida, que acompañados por otros factores como la reducción de la inmigración, están provocando una inversión de la estructura de la pirámide de población. En menor medida se argumenta la necesidad de reforzar la contributividad del sistema, mediante el establecimiento de una relación más adecuada entre el esfuerzo realizado en cotizaciones a lo largo de la vida laboral y las prestaciones contributivas a percibir. Hasta donde alcanza nuestro conocimiento existe un hueco importante en la literatura que se pretende cubrir con este trabajo7. Por un lado las referencias de tipo actuarial en la reforma legislada son escasas, y es un aspecto que cada vez está más presente en los sistemas públicos de pensiones; el sistema de Suecia es el ejemplo paradigmático en este campo. Por otro lado, no existen trabajos, fuera de los elaborados a nivel institucional por Pensionsmyndigheten para Suecia8, que proyecten un indicador de solvencia, derivado de los activos y pasivos, para un sistema de pensiones de reparto de prestación definida. Con el fin de cumplir con los objetivos establecidos, después de esta breve introducción, en el segundo epígrafe se describe el balance actuarial modelo de Suecia, convenientemente adaptado al sistema de prestación definida, la metodología para proyectar el indicador de solvencia y los antecedentes para el caso español. En el tercer epígrafe se detallan los datos, las hipótesis y los escenarios socio-demográficos resultantes. El cuarto epígrafe se dedica al análisis de los resultados obtenidos y en el quinto se desarrollan las conclusiones y comentarios finales. El trabajo finaliza con las referencias bibliográficas y tres apéndices en el que se presentan las fórmulas del activo por cotizaciones y pasivo con los cotizantes y los pensionistas que permiten estimar el indicador, el desglose de los resultados obtenidos en el epígrafe 4, y una breve explicación del mecanismo de ajuste financiero (MAF) en vigor en Suecia.

2.-El balance actuarial modelo de Suecia, la metodología para proyectar el indicador de solvencia y antecedentes para el caso español. El balance actuarial del sistema de pensiones de reparto denominado modelo denominado factor de sostenibilidad basado en la evolución de la esperanza de vida de los individuos de 67 años a partir de 2032, pero que en la realidad no es más que un mecanismo financiero de ajuste semiautomático que incorpora un gran nivel de discrecionalidad. 7 Véase la Disposición adicional vigésima tercera de la Ley 27/2011. 8 El indicador elaborado es para el sistema de cuentas nocionales, es decir el sistema de reparto de aportación definida.

175

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

de “Suecia” no se encuadra dentro de ninguna de las metodologías más utilizadas para realizar proyecciones agregadas del gasto en pensiones y/o analizar la viabilidad o solvencia del sistema de reparto, y se puede definir en su aplicación al sistema de prestación definida como el estado financiero que relaciona las obligaciones con los cotizantes y pensionistas del sistema de pensiones a una fecha determinada con las magnitudes de los diferentes activos que respaldan esas obligaciones. Las principales partidas que forman el balance actuarial modelo de Suecia, adaptado a las exigencias del sistema de reparto de prestación definida, aparecen en la tabla 1. Tabla 1: Partidas principales del balance actuarial del sistema de reparto de prestación definida. ACTIVO PASIVO Pasivo financiero ( PFt ) Activo Financiero ( AFt ) r Pasivo con los pensionistas (V t ) Activo por Cotizaciones

(V ct ) Superávit Acumulado (Sa t ) Beneficio anual (Bat )

(ACt )

Pasivo con los cotizantes

(Dat ) Pérdida anual (Pat )

Déficit Acumulado

Total Activo Total Pasivo Fuente: Elaboración propia basado en Vidal-Meliá y Boado-Penas (2013).

En la parte del activo se pueden encontrar las siguientes partidas: Activo financiero ( AFt ). Es el valor de los activos financieros propiedad del sistema de pensiones a la fecha de referencia del balance. Suele formarse en los períodos en los que hay superávits de tesorería. Activo por cotizaciones ( ACt ). Es el elemento clave del balance del sistema de reparto, intuitivamente se puede interpretar como el máximo pasivo que puede ser respaldado en el largo plazo para la tasa de cotización determinada sin requerir contribuciones extraordinarias del promotor, si las condiciones a la fecha de efecto del balance se mantuvieran sin cambios. El proceso de obtención no es trivial, véanse los trabajos de Settergren (2001) y (2003) para las ideas generales, Settergren y Mikula (2005) para una demostración en tiempo continuo aplicada al sistema de cuentas nocionales, y Boado-Penas et al. (2008) y Vidal-Meliá y Boado-Penas y (2013) para la demostración en tiempo discreto aplicada el sistema de reparto de prestación 176

Manuel GarcĂa GarcĂa y Carlos Vidal MeliĂĄ â&#x20AC;&#x201C; Anales 2012/171-216

definida. El Activo por cotizaciones es el producto de las cotizaciones anuales, Ct , por el â&#x20AC;&#x153;Turnover Durationâ&#x20AC;? (TD). Tiene sus raĂces fundamentales en conceptos contables combinados con la tĂŠcnica actuarial, en la que se tienen en cuenta las condiciones econĂłmicas y demogrĂĄficas del sistema9. El perĂodo de maduraciĂłn del sistema o TD, es el tiempo que se espera que transcurra desde que una unidad monetaria entra en el sistema en forma de cotizaciĂłn hasta que sale en forma de pensiĂłn. Igualmente se puede expresar como la suma de la permanencia de una unidad monetaria en cotizaciĂłn, pay t

in duration, pt c , y en jubilaciĂłn, pay out duration, pt r . Es equivalente a la diferencia entre la edad media ponderada de los pensionistas por la cuantĂa de su pensiĂłn, A tr , y la edad media ponderada de los cotizantes ponderada por la cuantĂa de su cotizaciĂłn, Act . t A ct ) Ct Â&#x2DC; ( A

.t TD

ACt

Ct Â&#x2DC; ( pt r pt c )

Activo por cotizaciones

Multiplicador financiero

Ć¨,

Â&#x2DC;

( A rt A ct )

Tasa de cotizaciĂłn

Cotizantes Bases Â&#x2DC; ÂŚ y (x e +k, t) Â&#x2DC; N(x e +k, t) k 0

A 1

Masa salarial imponible

[1.] DĂŠficit acumulado (Dat ) . Es el sumatorio de las pĂŠrdidas acumuladas por el sistema a la fecha de elaboraciĂłn del balance. PĂŠrdida anual (Pat ) . Es la diferencia positiva entre el incremento del valor de los pasivos y los activos para el ejercicio en curso. Las pĂŠrdidas o beneficios podrĂan detallarse en funciĂłn de diversos aspectos: longevidad, evoluciĂłn de los pensionistas y las cuantĂas, revalorizaciĂłn de los pasivos

9 La formulaciĂłn concreta del caso de Suecia se puede encontrar en Pensionsmyndigheten (2011). El impacto econĂłmico y demogrĂĄfico del TD sobre la solvencia y estabilidad de los sistemas de pensiones estĂĄ todavĂa bajo investigaciĂłn como lo atestiguan los trabajos de Palmer (2012) o Vidal-MeliĂĄ y BoadoPenas (2013).

177

ÂżEstĂĄ justificada la reforma del sistema pĂşblico de â&#x20AC;&#x201C; Anales 2012/171-216

con los cotizantes y pensionistas, variaciĂłn del TD y de los activos financieros, etc. No deben confundirse las pĂŠrdidas con los dĂŠficits de tesorerĂa. En un mismo ejercicio en el sistema podrĂan coexistir pĂŠrdidas y superĂĄvit de tesorerĂa. En la parte del pasivo se pueden encontrar las siguientes partidas: Pasivo financiero ( PFt ) . Es el valor de los pasivos financieros asumidos por el sistema de pensiones a la fecha de referencia del balance. Suele formarse en los perĂodos en los que hay dĂŠficits de tesorerĂa, y no aparece habitualmente de manera simultĂĄnea en el balance con la partida de activos financieros. Pasivo con los pensionistas ( Vtr ) . Es el valor actual del importe de todas las pensiones reconocidas. De una manera simplificada se puede expresar:

r t

P(x e A, t)

ÂŞ 1 Č&#x153; Âş Č&#x153; N (x e A k, t) Â&#x2DC; a x e A k ÂŤ ÂŚ ÂŹ1 G ÂťÂź k 0

w - xe - A -1

[2.] donde,

P(x e A, t) , pensiĂłn de jubilaciĂłn de un individuo edad de â&#x20AC;&#x153;xe+Aâ&#x20AC;? aĂąos en el aĂąo t, siendo â&#x20AC;&#x153;xe+Aâ&#x20AC;? aĂąos la primera edad en la que es posible estar jubilado;

N(x e A k, t) , nĂşmero de jubilados de â&#x20AC;&#x153;xe+A+kâ&#x20AC;? aĂąos; a Č&#x153;x e A k , el valor actuarial de una renta vitalicia prepagable que varĂa al tanto real O valorada a la edad de â&#x20AC;&#x153;xe+A+kâ&#x20AC;? aĂąos con un tipo de interĂŠs tĂŠcnico igual a d. El tipo de interĂŠs tĂŠcnico coincide con G = (1+g)*(1+ ĆŁ )-1. Es el rendimiento del sistema, o tasa de crecimiento o decrecimiento de los ingresos por cotizaciones del sistema, que estĂĄn relacionados con la variaciĂłn de las bases de cotizaciĂłn â&#x20AC;&#x153;gâ&#x20AC;? y la poblaciĂłn cotizante â&#x20AC;&#x153; ĆŁ â&#x20AC;?; â&#x20AC;&#x153;wâ&#x20AC;?, Ăşltima edad a la que existen supervivientes; â&#x20AC;&#x153;xeâ&#x20AC;?, edad de incorporaciĂłn al mercado laboral; 178

Manuel GarcĂa GarcĂa y Carlos Vidal MeliĂĄ â&#x20AC;&#x201C; Anales 2012/171-216

â&#x20AC;&#x153;Aâ&#x20AC;?, mĂĄximo nĂşmero de generaciones de cotizantes de manera simultĂĄnea. c

Pasivo con cotizantes (V t ) . Es la diferencia entre el valor actual de las obligaciones futuras del sistema y las de los cotizantes:

c t

futuras

Pensiones

h h A 1 k A 1 G Âş ÂŞ1 G Âş Č&#x153; ÂŞ y Č&#x2122; ÂŚÂŚ N (xe + k, t) Â&#x2DC; (xe + k, t) ÂŤ P(x e A, t) N (xe A, t) Â&#x2DC; a xe A ÂŚ ÂťÂź ÂŤ Âť 1

d 0h 0 h 1 ÂŹ 1 d Âź k

ÂŹ

Cotizaciones futuras

[3.] donde,

Č&#x2122; , es la tasa de cotizaciĂłn para la contingencia de jubilaciĂłn; y (xe + k, t) , base de cotizaciĂłn de un individuo edad de â&#x20AC;&#x153;xe+kâ&#x20AC;? aĂąos en el aĂąo t, sabiendo que la Ăşltima cotizaciĂłn puede ser realizada a la edad de â&#x20AC;&#x153;xe+A-1â&#x20AC;? aĂąos. SuperĂĄvit acumulado (Sa t ) . Es el sumatorio de los beneficios acumulados por el sistema a la fecha de elaboraciĂłn del balance. Beneficio anual (Bat ) . Es la diferencia positiva entre el incremento del valor de los activos y los pasivos para el ejercicio en curso. No deben confundirse los beneficios con los superĂĄvits de tesorerĂa. En un mismo ejercicio en el sistema podrĂan coexistir beneficios y dĂŠficit de tesorerĂa. El indicador de solvencia, ISt , a utilizar emerge del balance actuarial y se expresa como:

AFt

ISt

Activos Pasivos

Activo por cotizaciones

ACt Pasivo con jubilados Pasivo con Pasivofinanciero -cotizantes r Vt Vct PFt Activo financiero

[4.] y deberĂa dar 1 o 100% en una situaciĂłn en la que los pasivos estuvieran perfectamente casados con los activos. Si sĂłlo se tiene en cuenta en el indicador las partidas exclusivamente actuariales del sistema de reparto y se

179

ÂżEstĂĄ justificada la reforma del sistema pĂşblico de â&#x20AC;&#x201C; Anales 2012/171-216

quiere desagregar el efecto financiero, entonces el nuevo indicador , ISA t , es:

ISAt

Activos actuariales Pasivos actuariales

ACt V Vct r t

[5.]

La metodologĂa para estimar el Ăndice de solvencia derivado del balance actuarial en un horizonte temporal de largo plazo se basa en la que se emplea en el trabajo de GarcĂa-GarcĂa et al (2011) para la elaboraciĂłn del modelo â&#x20AC;&#x153;EE.UU.â&#x20AC;?. Se apoya en la asunciĂłn de diferentes hipĂłtesis sobre la economĂa y la demografĂa en su conjunto, en especial las futuras tendencias en la demografĂa como son la evoluciĂłn de las tasas de fertilidad, flujos migratorios y esperanza de vida; en las condiciones econĂłmicas, particularmente el comportamiento futuro de las tasas de actividad, empleo, salarios, y productividad; y en la reglas del sistema de pensiones que determinan las partidas del balance actuarial. Con la proyecciĂłn del balance actuarial se pretende paliar uno de los principales inconvenientes -para algunos investigadores virtudes- del balance tipo â&#x20AC;&#x153;suecoâ&#x20AC;?, la insensibilidad a la incertidumbre econĂłmica y demogrĂĄfica. De acuerdo con Boado-Penas y Vidal-MeliĂĄ (2012), al basarse en el principio de los hechos verificables, a la fecha de efecto de formulaciĂłn, en este balance no se realizan proyecciones explĂcitas por lo que bajo este enfoque no se recogen las amenazas demogrĂĄficas y econĂłmicas del sistema. Este inconveniente tiene fĂĄcil subsanaciĂłn, ya que tal como se realiza en Suecia10, se formulan proyecciones explĂcitas del balance actuarial, con un horizonte temporal de 75 aĂąos, aunque en ningĂşn caso se tienen en cuenta para decidir si se activa el mecanismo financiero de ajuste automĂĄtico (MAF). La cuestiĂłn del balance actuarial enlaza directamente con los trabajos de Boado-Penas et al. (2007) y (2008) y Vidal-MeliĂĄ et al. (2009), en los que se formulĂł el balance actuarial para el perĂodo 2001-2006. Se concluĂa bĂĄsicamente que el sistema de pensiones contributivo espaĂąol se encontraba en una posiciĂłn de solvencia comprometida y con un desequilibrio actuarial notable, en el que el coste de la cobertura ofrecida por el sistema era notablemente superior al precio de venta. Se alertaba sobre lo que se denominĂł â&#x20AC;&#x153;efecto espejismoâ&#x20AC;?, provocado por la ausencia del balance actuarial oficial. Este efecto, al ocultar la presencia de un dĂŠficit patrimonial importante, relativizaba los dĂŠficits de caja futuros y sobre todo, diferĂa la toma de medidas efectivas para restaurar la solvencia del sistema. 10

VĂŠase Pensionsmyndigheten (2011).

180

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

Las razones que aconsejan la formulación del balance actuarial con fecha de efecto 31-12-201011 son relevantes, ya que las expectativas de longevidad contrastadas han aumentado notablemente, la estructura de los cotizantes por edades se ha modificado significativamente debido al gran impacto de la crisis económica principalmente entre los jóvenes, se incorporan mejoras metodológicas12 y es la mejor manera de proporcionar respuestas desde el ámbito actuarial a la cuestiones planteadas como objetivo del trabajo. 3.-Datos, hipótesis y escenarios socio-demográficos. Los escenarios socio-demográficos que se presentan en este trabajo, con un horizonte temporal de 75 años, tal y como aplican las APSS de Canadá, “EE.UU.” o Suecia, abordan la incertidumbre desde la perspectiva de descartar lo “extraordinario” y centrarse en lo “normal”. Se dejan de lado las “rarezas” y se estudian los casos “corrientes” aunque se denominen escenarios pesimistas u optimistas. Los autores son plenamente conscientes de los grandes errores de predicción que se cometen a la vista de los antecedentes históricos 13, pero se debe tener en cuenta que el balance se debería formular periódicamente, incorporándose la nueva información disponible, y las proyecciones se deberían realizar con la misma periodicidad, añadiéndose las nuevas expectativas.

3.1.-Datos e hipótesis. La formulación del balance actuarial se basa en la hipótesis de legislación constante, reglas del sistema legisladas en 2010, a lo largo de todo el periodo de proyección14. También, en la medida de lo posible, se aplica el principio basado en los datos o transacciones verificables a la fecha de formulación del balance, lo que implica tener muy presente lo que ha ocurrido en el pasado reciente, es decir durante los tres o cinco últimos años según los casos y contrastado siempre que sea posible en las fuentes oficiales. Por 11 Es el año más reciente para el que se puede elaborar el balance actuarial con rigor, ya que la totalidad de los datos oficiales necesarios para su elaboración para los investigadores no están disponibles como muy pronto hasta septiembre del año siguiente. El balance de 2011 podría ser elaborado con cierto rigor a partir de septiembre de 2012. 12 Véase el trabajo de Vidal-Meliá y Boado-Penas (2013). 13 Como señala Taleb (2007) “hacemos proyecciones a treinta años del déficit de la seguridad social y de los precios del petróleo, sin darnos cuenta de que ni siquiera podemos prever unos y otros para el verano que viene”. A pesar de lo anterior se considera necesario realizar proyecciones, y repetirlas periódicamente, por los motivos expuestos en la introducción de este trabajo. 14 No se tiene en cuenta la Ley 27/2011, que entrará en vigor el 1-1-2013 y se aplicará de manera gradual, entre otros motivos porque se quiere determinar si existía justificación actuarial para realizar la reforma.

181

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

ejemplo, el número de cotizantes, por edad y sexo, se obtiene de manera independiente para cada régimen como el producto de la población ocupada y la proporción de los que efectivamente realizan cotizaciones. La proporción estimada es que el 94,25% de la población ocupada media durante los años 2007, 2008 y 2009 realizó cotizaciones a la seguridad social. Es necesario realizar dicha operación debido a la discrepancia existente entre los datos de población ocupada suministrados por la Encuesta de Población Activa (EPA) y el número de afiliados en alta laboral ofrecidos por Instituto Nacional de la Seguridad Social. Para la evolución de las bases de cotización para cada tipo de cotizante, que dependen de la base de cotización media, escalas salariales y la tasa de crecimiento de la base imponible, se utilizan también fuentes oficiales. La base de cotización media para el año 2009 se ha obtenido del MTIN (2010), mientras que las escalas salariales se han construido a partir de la Muestra Continua de Vidas Laborales (MCVL) 2009 de acuerdo con la metodología de Plamondon et al (2002). En el sistema de Seguridad Social español no existe desagregación explícita del tipo de cotización global por contingencia, por lo que es necesario realizar algún tipo de hipótesis que permita desagregarlo por contingencia. Se utiliza el criterio de Boado-Penas et al (2008), esto es, la proporción del total de ingresos por contingencias comunes que se asignan como ingresos para cubrir la contingencia de jubilación es igual al porcentaje que represente el gasto en pensiones de jubilación sobre el total del gasto en pensiones. Se estima que el tipo de cotización del régimen general asignable a la contingencia de jubilación es del 19,02%, para el régimen de autónomos el 18,48%, para el régimen de empleadas de hogar el 19,46%, para el régimen del Carbón el 20,49%, Mar el 19,23% y el régimen Agrario el 12,08%. Además de los ingresos por cotizaciones, se supone que el Estado realiza contribuciones para sufragar los complementos a mínimos15. De acuerdo con el principio de datos y hechos verificables se supone que la aportación del Estado cubrirá el 35,67% del total de los complementos a mínimos. Para ello se estima la parte del gasto en pensiones de jubilación que corresponde a complementos a mínimo y se añade como otros ingresos de la Seguridad Social. La proyección del gasto en pensiones se realiza de acuerdo con lo que se establece en el trabajo de Garciá-García et al (2011). Se parte del número de pensionistas de jubilación e importe medio de los mismos, por edad, sexo y

15 Montante extra que se añade a las pensiones más bajas a fin de que alcancen la cuantía mínima que para las mismas se fija anualmente.

182

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

régimen, registrados en la seguridad social a 31 de diciembre del año 2009. Se es consciente de que debido al fenómeno conocido como “reclasificación de pensiones” se comete un error de partida, en el sentido de que parte de los pensionistas que se consideran han originado su condición en una contingencia diferente, la invalidez, y que por motivos administrativos se clasifican como jubilados a partir de los 65 años. Las nuevas altas de jubilación, por edad, sexo, años acumulados de cotización y régimen adscrito, son el resultado del producto del coeficiente de altas por pensiones y de la población que potencialmente puede acceder a la jubilación. La evolución de esta última variable es determinada tanto por la demografía como por las tasas de actividad. Respecto al coeficiente de altas por pensiones, se ha supuesto que permanecerá constante durante todo el periodo de proyección de acuerdo con la media obtenida en los últimos 5 años. Para la determinación de la pensión media de las nuevas altas de jubilación, las principales hipótesis son: 1.-La distribución de las altas por edad y sexo se mantiene constante e igual a la distribución media de los últimos tres años. 2.-El número de años cotizados acreditados en el momento de la determinación de la pensión también permanece constante e igual a la media de los tres últimos años. 3.-La base reguladora evolucionará a partir de los valores registrados en 2009. Estas tres hipótesis han sido estimadas a partir de la MCVL 2009. Los activos financieros propiedad del sistema de pensiones están constituidos por el fondo de reserva de la Seguridad Social16, que acumulaba recursos, a 31 de diciembre de 2009, por valor de 60.022 millones de euros. Al igual que en el caso del tipo de cotización es necesario desagregarlo, según el criterio expuesto con anterioridad. El resultado es que la parte del fondo atribuible a jubilación alcanza la cifra de 40.133 millones de euros. El fondo comenzó a dotarse con parte de los excedentes de tesorería a partir del año 2000. En la realidad debería tener una cuantía muchísimo mayor, si efectivamente se hubiera reconocido como un activo para el sistema el valor capitalizado de todos los excedentes netos reales previos a dicha fecha17.

16 De acuerdo con la Ley 28/2003, y el Real Decreto 337/2004, el Fondo de Reserva de la Seguridad surge como consecuencia de la exigencia institucional para el sistema de Seguridad Social, de establecer fondos especiales de estabilización y reserva destinados a atender las necesidades futuras en materia de prestaciones contributivas originadas por desviaciones entre los ingresos y los gastos de la Seguridad Social. 17 Aunque la determinación de este saldo, la deuda del estado con el sistema por los superávits ajustados no atribuidos, requeriría un estudio pormenorizado que podría constituir por sí mismo un artículo, no es descabellado pensar que podría ascender entre 3 y 4 veces el valor constituido en la actualidad.

183

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

Hay que tener en cuenta que durante muchos años parte de los gastos sanitarios se financiaron con cargo al sistema contributivo y todavía hoy no todos los complementos a mínimos se financian con impuestos. Este hecho va a influir negativamente en la solvencia del sistema. 3.2 Escenarios Socio-Demográficos. Demografía. El Instituto Nacional de Estadística, INE (2010), publicó en enero de 2010 nuevas estimaciones de la evolución futura de la población española para el periodo 2009-2048, de las cuales se pueden extraer los siguientes rasgos principales: 1.-Reducción progresiva del crecimiento poblacional en las próximas décadas, 2.-Crecimiento natural de la población negativo a partir de 2020, 3.-La población mayor de 64 años se duplicará en los próximos 40 años y pasará a representar más del 30% del total. Con objeto de reconocer la incertidumbre sobre la evolución demográfica durante el periodo de proyección se establecen tres conjuntos de hipótesis o escenarios, que afectan a los principales elementos que determinan la evolución de la población, fertilidad, migraciones y mortalidad. Los escenarios se califican como “Normal”, “Optimista” o “Pesimista”. A partir de 2048 las distintas hipótesis de cada uno de los escenarios se consideran ya constantes para el periodo de proyección restante, es decir se mantienen los valores de 2048 hasta 2084. De acuerdo con los datos proporcionados por el INE (2010), en el período 1998-2008 se observa una mejoría en los distintos indicadores de fertilidad de la población española. Por ejemplo, la tasa global de fecundidad (TFG) experimentó un crecimiento de un 22%, desde un valor de 1,19 en 1998 hasta 1,45 en 2008. El INE, prevé un incremento sostenido de la TGF desde un valor de 1,44 en 2009 hasta 1,70 en 2048, lo que constituye el escenario normal. En el escenario optimista se supone un incremento de la TGF mayor, hasta alcanzar el valor 2,14 en 2048. Para el escenario pesimista se estima que la TGF alcance un ligero incremento en las dos primeras décadas proyectadas, desde el valor de 1,44 en 2009 hasta 1,49 en 2028, para retroceder paulatinamente hasta el valor de partida en 2009. Respecto a la migración, el INE supone un flujo migratorio neto medio (FMN) igual a 70.000 personas por año. Durante los primeros diez años de la proyección se recoge el efecto previsto de la crisis económica, por lo que el flujo medio migratorio neto anual se estima en 40.000 personas. En los escenarios optimista y pesimista se supondrán unos flujos migratorios netos 184

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

medios durante el periodo de proyección igual a 100.000 y 40.000 personas por año respectivamente. La evolución de la mortalidad supuesta por el INE está previsto que provoque un incremento significativo tanto en la esperanza de vida al nacer (EV0) como en la esperanza de vida a los 65 años (EV65). La EV0 se verá incrementada en 6,25 y 5,50 años para hombres y mujeres respectivamente, está previsto que pase de 78,03 y 84,3 años en 2009 a 84,37 y 89,88 años en 2048. La EV65 se estima que crecerá en 4,07 y 4,33 años para hombres y mujeres respectivamente, al pasar de 17,82 y 21,81 años en 2009 a 21,89 y 26,14 años en 2048. Se asume que los tres escenarios demográficos supuestos presentan la misma evolución de la mortalidad para el periodo de proyección.

Evolución de la población de España 60 En 2050 53M-48M-45M 55 En 2084 58M-45M-37M

46 M en 2010

Millones

35 2010

2020

2030

Norma l

2040

2050 Años Optimista

2060

2070

2080

Pesimista

Gráfico 1: Proyección de la población de España bajo diversos escenarios. Fuente: Elaboración propia.

La evolución poblacional a lo largo del período de proyección para los escenarios especificados es la que se muestra en el gráfico 1. Durante los primeros años los cambios en la población se manifiestan lentamente. En el año 2050 las diferencias de población no son muy elevadas, pero en el 185

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

último año de proyección presenta diferencias significativas, en el escenario normal sería de unos 45 millones de habitantes, frente a 58 y 37 millones en los escenarios optimista y pesimista respectivamente. Macroeconomía. Al igual que en el escenario demográfico se construyen tres escenarios macroeconómicos. A grandes rasgos los escenarios se pueden resumir de la siguiente manera: 1.-Escenario normal: Se supone que las tasas de actividad y ocupación de la economía española convergen en 2048 a las tasas de actividad y ocupación media de la Unión Europea de los 15, UE-1518, observadas durante el año 2008. En este escenario se supone un crecimiento medio anual acumulativo de la productividad del 0,95%. 2.-Escenario optimista: Se supone que las tasas de actividad y ocupación de la economía española convergen en 2048 a las tasas de actividad y ocupación registradas en Alemania durante el año 2008 (Alemania 2008). En este escenario se supone un crecimiento medio anual acumulativo de la productividad del 1,25%, que coincide con la senda de productividad asumida por la Comisión Europea en EC (2008). 3.-Escenario pesimista: Se supone que las tasas de actividad y ocupación de la economía española convergen en 2048 a las tasas de actividad y ocupación registradas en España durante el año 2008. En este escenario se supone un crecimiento medio anual acumulativo de la productividad del 0,66%. Para el primer año de proyección 2010, se utilizan como hipótesis de las tasas de actividad, ocupación y productividad media de los tres escenarios las tasas realmente registradas para dicho año. Mientras que para el año 2011 las tasas registradas en el primer trimestre del año. Escenarios socio-demográficos. A la hora de formular el balance actuarial proyectado siguiendo a Pensionsmyndigheten (2011) se van a considerar sólo tres escenarios, el normal que combina la demografía y la macroeconomía normal, el optimista, que combina la demografía y la macroeconomía optimista, y el pesimista, que combina la demografía y la macroeconomía pesimista. Sus principales hipótesis quedan resumidas en la tabla 2.

18 Formado por Alemania, Austria, Bélgica, Dinamarca, España, Finlandia, Francia, Grecia, Irlanda, Italia, Luxemburgo, Países Bajos, Portugal, Reino Unido y Suecia.

186

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

Tabla 2: Escenarios socio-demográficos. Principales hipótesis resumidas. Conceptos “Normal” “Optimista” “Pesimista” 1,44 en 2009, 1,49 1,44 en 2009, 2,14 1,44 en 2009, 1,70 en en 2028, 1,44 en en 2048. Constante 2048. Constante a 2048. Constante a Fertilidad (TFG) a partir de ese partir de ese momento. partir de ese momento. momento. 40.000 personas por año los diez primeros 100.000 personas 40.000 personas por Migración años, el resto de los por año. año. (FMN) años 70.000 personas por año. De 2009 EVo: hombres (H) 78,03 y mujeres (M) 84,3 a 2048 EVo: (H) 84,37 y (M) 89,88. A partir de ese momento permanece constante. Mortalidad De 2009 EV65: hombres (H) 17,82 y mujeres (M) 21,81 a 2048 EV65: (EV) en años (H) 21,89 y (M) 26,14. A partir de ese momento permanece constante. Convergen en 2048 a Convergen en 2048 Convergen en 2048 a Tasas de la TA y TO media de a la TA y TO de la TA y TO de Actividad (TA) y la UE-15, 2008. Alemania-2008. España-2008 Ocupación (TO) Crecimiento medio 1,25% 0,66% Productividad anual del 0,95% Fuente: Elaboración propia.

En la primera parte del gráfico 2 se representa el efecto de los diversos escenarios sobre la evolución del PIB real en base 100 para todo el período de proyección. En el caso de los escenarios optimista y pesimista el PIB en base 100 en el año 2050 es un 29% mayor y un 24% menor respectivamente que en el normal, o lo que es lo mismo, en el escenario optimista el PIB es 1,70 veces el del escenario pesimista. Las diferencias siguen creciendo, y en el último año de proyección el PIB es un 68% mayor y un 40% menor respectivamente que en el escenario normal; asimismo, el tamaño del PIB en el escenario optimista es 2,79 veces el del pesimista.

187

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

Evolución del PIB real en base 100

Evolución de la relación cotizantes pensionistas

350

3,5

En 2010 3,46

En 2084, O=1,68N 300

En 2084 2,15-2,56-1,77

250 En 2050, O=1,29N

En 2052 1,75-1,96-1,54

2,5

200

2 150 En 2084, P=0,6N En 2050, P=0,76N

100 2010

2020

2030

Normal

2040

1,5 2050 Años Optimista

2060

2070

2080

2010

Pesimista

2020

2030

Normal

2040

2050 Años Optimista

2060

2070

2080

Pesimista

Gráfico 2: Proyección del PIB real en base 100 y de la relación cotizantes pensionistas de jubilación en los diversos escenarios. Fuente: Elaboración propia.

Por último, en la segunda parte del gráfico 2 se muestra la evolución prevista de la relación cotizantes-pensionistas que es la relación que verdaderamente importa a la autoridad que administra el sistema de pensiones. Puede verse en cualquiera de los escenarios el importantísimo deterioro previsto en los próximos años debido fundamentalmente al envejecimiento poblacional. En el escenario normal, pasa de 3,46 cotizantes por pensionista en el año 2010 a 1,75 en el año 2052, para recuperarse hasta 2,15 en el último año de la proyección. En los escenarios extremos para el año 2052, los resultados previstos son 1,96 y 1,54 cotizantes por pensionista para los escenarios optimista y pesimista respectivamente, mientras que para el último año de la proyección los resultados son de 2,56 y 1,77 cotizantes por pensionista. 4.-Resultados Agregados. En las tabla 3 se presentan los resultados agregados de todos los regímenes, para todos los escenarios y a tres fechas, 2010, 2050 y 2084 de los balances actuariales y de algunos datos e indicadores significativos. 188

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

Para el balance a 31-12-2010, lo primero que llama la atención, para los tres escenarios, es el extraordinario volumen del déficit acumulado en relación con el PIB, pero que está en la línea de los que se obtuvieron por VidalMeliá et al. (2009) para el año 2006, aunque en el trabajo referenciado no se consideraban más que los regímenes general y de autónomos y el tipo de interés técnico empleado (G) era nulo. Las diferencias en los tres escenarios presentados para 2010 derivan del tipo de interés técnico utilizado en el cálculo, que influye en la magnitud de los pasivos, lo que determina el volumen de déficit acumulado ya que las partidas del activo financiero y por cotizaciones son idénticas para los tres escenarios. Las pérdidas (PFA) para 2010, aunque aparecen con valor 0, no son nulas, simplemente están ya incluidas en el valor del déficit acumulado, aunque para poder individualizarlas sería necesario determinar el balance actuarial a fecha de efecto de 31-12-2009. Por lo que hace referencia a los datos e indicadores que se muestran en la tabla 3, el más importante es el ratio de solvencia (IS), indicador que se utiliza para medir la solvencia del sistema contributivo de pensiones de jubilación. Es el cociente entre los activos y pasivos del sistema. Para el año 2010, el ratio de solvencia (IS) alcanza un valor de 65,7% en el escenario normal, es decir, un 34,3% de los compromisos asumidos están sin cobertura, o lo que es lo mismo sólo un 65,7% de los pasivos actuariales se encuentran respaldados por activos. Para el escenario optimista y pesimista el ratio de solvencia es del 73,1% (ISo) y 58,6% (ISp), lo que indica que el sistema de pensiones de jubilación está lejos de alcanzar la solvencia19. Los resultados cambian ligeramente si se excluyen los activos financieros, en este caso el índice de solvencia (ISA), que podría decirse que expresa sólo relaciones actuariales, es un poco más bajo.

Incluso si se considerase de acuerdo con la nota a pié de página 14, que el valor de los activos financieros atribuidos fuera el cuádruple de su valor actual, el IS estimado estaría muy lejos de alcanzar la solvencia, 69,96%, 77,79% y 65,54% para los escenarios normal, optimista y pesimista respectivamente.

189

¿Está justificada la reforma del sistema público de – Anales 2012/171-216 Tabla 3: Balance actuarial del sistema de pensiones de jubilación como % del PIB20. Todos los regímenes. Fecha 2010 2050 2084 Escenarios Activos Financieros Activo por Cotizaciones Pérdidas (PFA) Déficit acumulado Total activo Pasivos con pensionistas Pasivos con cotizantes Pasivos financieros Total Pasivo IS% ISA% P1% P2% TD (años) G%

3,7

171,5

---

171,5

190,5

190,0

193,6

193,9

194,9

195,9

---

6,4

3,2

11,2

7,8

2,8

17,3

91,1

64,3

122,6

406,3

274,5

581,4

645,8

379,2

1.052,3

266,4

239,6

298,8

603,4 467,7 Pasivo

786,2

847,5

576,9

1.265,5

61,7

56,4

68,1

166,1

126,7

224,5

135,0

99,5

189,8

204,6

183,1

229,8

287,1

237,6

342,0

284,2

237,8

335,3

---

150,2

103,4

219,7

428,3

239,6

740,4

266,4

239,6

298,8 603,4 467,7 786,2 847,5 Datos e Indicadores. 73,1 58,6 31,6 40,6 24,6 23,3 71,6 57,5 42,0 52,1 34,2 46,3 76,4 77,1 47,6 50,0 43,5 33,5 76,4 77,1 63,4 65,2 60,4 67,8 30,3 30,3 32,3 32,2 32,3 33 1,57 0,32 0,76 1,55 0, 07 0,83 Fuente: Elaboración propia.

567,9

1265,5

33,7 57,8 41,2 70,5 33,1 1,58

15,5 37,3 26,5 63,9 32,9 0,17

65,7 64,3 76,8 76,8 30,3 0,96

N Activo

De acuerdo con el trabajo de Vidal et al (2009), el índice de solvencia experimentó un deterioro sostenido durante el periodo 2001-2006. Este proceso de deterioro ha continuado durante el periodo 2006-2010 debido principalmente a los siguientes motivos:

Desde el punto de vista de la autoridad que gobierna el sistema sería más lógico presentar las tablas referenciadas a la base imponible del sistema, pero se referencia al PIB al ser una magnitud que al lector le resulta más fácil relacionar con el tamaño de la economía. De cualquier manera, no es difícil convertir las tablas, ya que la relación de la base imponible del sistema y el PIB en el año base es aproximadamente un 0,2998, por lo que habría que multiplicar por 3,3355 para obtener la tabla.

190

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

9 El aumento del número de parados provocado por la crisis económica se ha traducido en la destrucción de un millón de cotizantes. Esta reducción provoca una reducción del activo y el pasivo con cotizantes. 9 La reducción del número de cotizantes ha afectado de manera desigual a los distintos grupos de edad. Los grupos de cotizantes más jóvenes son los más severamente afectados, lo que ha derivado en un envejecimiento de la población cotizante, provocando el aumento del pasivo con los cotizantes. Esto es lógico ya que el sistema tiene menores compromisos con los cotizantes de menor edad, con pocas cotizaciones realizadas y prestaciones por jubilación lejanas, que con los cotizantes de mayor edad, con elevadas cotizaciones acumuladas y prestaciones a percibir mucho más cercanas. 9

El número de pensionistas registrados ha aumentado en un 1.100.000, lo que se traduce en un incremento del pasivo con los pensionistas ya en curso de pago.

9 Se ha producido una actualización de las tablas de mortalidad utilizadas para el cálculo de los pasivos con los cotizantes y los pensionistas. Los mencionados autores utilizaron tablas mucho más antiguas (PEMF-9899). La actualización se ha materializado en incremento de la esperanza de vida a todas las edades. La esperanza de vida a los 65 años se ha incrementado en 2,21 años. La consecuencia lógica es un incremento notable en el valor de los pasivos. En la tabla 3 también se muestran otros indicadores como la relación del pasivo con cotizantes respecto al pasivo total con pasivos financieros (P1) y sin pasivos financieros (P2), y el valor estimado del TD. El valor del Pasivo con cotizantes (P1), que representa la deuda del sistema con los cotizantes por las cotizaciones realizadas, constituye el 76,8% de las obligaciones totales adquiridas por el sistema en el escenario normal. Este pasivo tradicionalmente no se suele contabilizar/valorar en los sistemas de reparto de prestación definida, lo que provoca una imagen falsa de los sistemas de pensiones al ocultar una parte importantísima de los pasivos. Es uno de los problemas del balance actuarial modelo “EE.UU.”. En 2010, el TD en España es 30,3 años, lo que implica que el sistema puede financiar, sin que se tengan que realizar contribuciones extraordinarias por parte del promotor, un pasivo de hasta 30,3 años las cotizaciones del año 2010, o lo que es lo mismo, 30,3 años es la duración estimada que una unidad monetaria permanece en el sistema desde que entra en forma de pasivo con los cotizantes hasta que sale en forma de pago por pensión después de haber estado formando parte del pasivo con los pensionistas. Los 191

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

resultados mostrados en el balance, reflejan que el pasivo comprometido por el sistema con los cotizantes, por las cotizaciones realizadas, y con los pensionistas, por las pensiones prometidas, es mucho mayor, y que sí que se necesitarían contribuciones extraordinarias para equilibrar actuarialmente el sistema.

Evolución del ratio de solvencia (IS)

Evolución de los resultados (RFA)

0,80

0% En 2010 73,1-65,7-58,6

0,70

-2% -4%

0,60 En 2050 40,6-31,6-24,6

-6%

0,50

-8% PIB

En 2084 33,7-24,6-15,5

-10%

0,40

-12% 0,30 -14% 0,20

-16%

0,10

Max. Pérdida en 2042, esc. Normal

-18% 2010

2020

2030

Normal

2040

2050 Años Optimista

2060

2070

2080

Pesimista

2011

2021

2031

Normal

2041

2051 Años

Optimista

2061

2071

Pesimista

Gráfico 3: Proyección del ratio de solvencia (IS) y de los resultados (RFA) para los tres escenarios. Todos los regímenes. Fuente: Elaboración propia.

Los resultados del balance actuarial a 31-12-2050 y 31-12-2084, bajo la hipótesis de legislación constante y de que todas las pensiones comprometidas se liquidan, son realmente estremecedores para cualquiera de los escenarios, el déficit acumulado alcanza un nivel en relación al PIB de cada año muy alto, consecuencia de la acumulación continua de pérdidas (PFA). Como se puede apreciar en el gráfico 3, en el que se muestra la evolución del ratio de solvencia (IS) y del resultado (RFA) para los tres escenarios, el indicador de solvencia decrece para todo el horizonte de proyección consecuencia de que el pasivo del sistema crece sistemáticamente a un ritmo mayor que el activo, lo que se manifiesta en unos resultados muy negativos. Al final del periodo de proyección, el índice de solvencia alcanza unos 192

2081

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

valores de 24,6%, 33,7% y 15,5% respectivamente para los escenarios normal, optimista y pesimista. En el gráfico 3 también se puede observar la evolución de las pérdidas (RFA) en función del PIB previsto de cada año para los tres escenarios considerados, normal, optimista y pesimista. Las pérdidas medias son durante el periodo de proyección del 7,60% 4,29% y 12,8% respectivamente para los escenarios considerados21. Para el escenario central, es en 2042 cuando se produce la mayor pérdida anual, que se estima en el 10,38% del PIB, y a partir de dicha fecha se produce una cierta mejoría hasta alcanzar al final del periodo de proyección una pérdida anual de aproximadamente del 7,8% del PIB. Las máxima pérdida, alrededor del 17% del PIB, se alcanzaría en el escenario pesimista al final del periodo de proyección, mientras que la menor perdida, sobre el 1,9% del PIB, se obtendría en el escenario optimista. Hay que resaltar que durante el horizonte de proyección no se alcanzarían beneficios en ningún período. Es necesario destacar que la condición para que mejore el índice de solvencia es que el crecimiento porcentual de los pasivos sea menor que el de los activos, es decir, incluso en una situación de pérdidas puede haber mejora de la solvencia. Como puede observarse en la tabla 2 los pasivos financieros acumulados por el sistema alcanzarán un montante muy elevado al final del periodo de proyección, trasladándose este incremento de manera automática al índice de solvencia. En el escenario central el sistema acumularía pasivos por valor del 428,3 % del PIB de ese año, lo que representaría el 50,5% de los pasivos totales del sistema.

21 Hay que recordar que las pérdidas respecto a la base imponible del sistema serían muchísimo más elevadas: 25,35%; 14,31%; y 42,70%.

193

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

Evolución del ratio de solvencia, escenario normal

Evolución del resultado % PIB, escenario normal

0,70 3%

IS=0,657 en 2010 0,60

Beneficios 2049-2069 y 2079-2084

Beneficios actuariales

1% ISA=0,643 en 2010 ISA=0,463 en 2084 -1% Pérdidas

0,50 -3%

0,40

-5% IS=0,233 en 2084

-7%

0,30 -9%

Min. ISA=0,412 en 2045 0,20 2010

2020

2030

2040

2050 Años

2060

2070

2080

ISA

-11% 2011

2021

2031

2041

RFA

2051 Años

2061

2071

2081

Gráfico 4: Proyección del ratio de solvencia total y actuarial y del resultado para el escenario normal. Todos los regímenes. Fuente: Elaboración propia.

Los indicadores anteriores tal y como se han mostrado presentan sólo una parte de la realidad. Para poder ser percibida en su totalidad es necesario desagregar tanto el índice de solvencia como el resultado. En el gráfico 4, para el escenario normal, se muestra la evolución del ratio de solvencia y del resultado (RFA) en los que se desagrega la parte estrictamente actuarial (RA). El indicador de solvencia (IS) presenta un gran deterioro, aunque el indicador de solvencia estrictamente actuarial (ISA) mejora a partir de 2045, ya que la demografía comienza a favorecer al sistema de pensiones. El sistema obtiene beneficios estrictamente actuariales (RA) en el período 2049-2069, y a partir de 2079, pero el resultado (RFA) es siempre negativo debido al gran volumen de obligaciones financieras que debe asumir el sistema para seguir pagando las pensiones comprometidas, tal y como se aprecia en la tabla 3. En definitiva, el indicador de solvencia actuarial (ISA) muestra una mejoría significativa al final del periodo de proyección si se compara con el índice de solvencia total (IS). El IS es un 23,3% en 2084 frente a un 46,3% para el ISA. En el año 2045 el sistema de pensiones alcanzaría el momento de mayor insolvencia desde el punto de vista estrictamente actuarial, el valor estimado es igual a 41,13%.

194

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

Balance tipo “EE.UU” y comparación con el modelo de “Suecia”. Tal y como se anticipó en la introducción a la hora de formular un balance actuarial del sistema de reparto existen fundamentalmente dos opciones, el denominado modelo de “Suecia” y el modelo “EE.UU”. Este último modelo presenta un indicador básico que es a diferencia en valor actual entre el gasto por pensiones y los ingresos por cotizaciones, expresada como porcentaje del valor actual de las bases de cotización para el horizonte temporal considerado, teniendo en cuenta que el nivel de las reservas financieras a la fecha de efecto alcanza un valor mínimo. Precisamente el trabajo de García-García et al (2011) formula el balance actuarial modelo “EE.UU” del sistema público de pensiones de jubilación español para los mismos escenarios considerados este trabajo. Los mencionados autores presentan un indicador de solvencia que se basa en flujos financieros y que se puede comparar con el índice de solvencia (IS) utilizado en este trabajo. El indicador que construyen intenta emular al indicador de solvencia de Suecia con el fin de evitar uno de los inconvenientes que tiene la forma de presentación típica del modelo “EE.UU.”, según Jackson (2004), la mayor importancia que se le concede a la liquidez sobre la solvencia. Este problema se acentúa si especialmente se espera que el déficit de tesorería tarde en aparecer o el fondo de reserva en agotarse en un punto no demasiado cercano en el tiempo. Este tipo de balance parece transmitir que los problemas del sistema de sitúan en un punto lejano del tiempo, lo que tiende a diferir la aplicación de soluciones. La presentación alternativa que proponen estos autores, tabla 4, se inspira en el modelo de “Suecia” y permite calcular un indicador de solvencia financiera, fórmula 6. Tabla 4: Presentación alternativa del balance actuarial del sistema de reparto. Modelo EE.UU. ACTIVO PASIVO Fondo de reserva inicial (1)

Valor actual de las prestaciones (3)

Valor actual de los ingresos del sistema (2) Valor actual del Fondo de reserva deseado (4) Valor actual de los déficits (neto) Valor actual de los superávits (neto) ((3)+(4)-(1)-(2))>0 ((1)+(2)-(3)-(4))>0 Total Activo Total Pasivo Fuente: García-García et al (2011)

195

ÂżEstĂĄ justificada la reforma del sistema pĂşblico de â&#x20AC;&#x201C; Anales 2012/171-216

IS *t

(1) (2)

Activos

Activos financieros Valor actual de las cotizaciones

Pasivos

Valor actual de las prestaciones Activos financiero

(3)

(4)

[6.] Dichos autores encuentran que el sistema de pensiones se debe enfrentar a fuertes tensiones financieras en los prĂłximos 75 aĂąos. Estas tensiones financieras quedan resumidas en un ratio de solvencia (IS*) igual al 58,57%, para el escenario normal, que no estĂĄ muy lejano del que se obtiene (IS) para el escenario normal en este trabajo 65,7%, pese a que la concepciĂłn y construcciĂłn son claramente diferentes. El resultado del Ăndice de solvencia (IS*) determinado segĂşn la fĂłrmula 6 indica que si no se aportan recursos adicionales, se tendrĂan que dejar de pagar aproximadamente el 41,5% de las prestaciones previstas. El Ăndice de solvencia calculado por GarcĂa-GarcĂa et al (2011) no mejora significativamente para el escenario mĂĄs optimista (ISo*), 65,22%, es decir, aunque la demografĂa y la economĂa fueran mucho mejor de lo previsto, de promedio y sin recursos adicionales, un 34,78% de las prestaciones previstas quedarĂan impagadas o sin cobertura. Nuestro Ăndice, (ISo), para el mismo escenario optimista es superior, el 73,1% segĂşn la tabla 3. En el trabajo de GarcĂa-GarcĂa et al (2011) se determina el resultado del balance actuarial modelo â&#x20AC;&#x153;EE.UUâ&#x20AC;? para el denominado escenario normal, siendo el resultado de -13,95%, es decir, habrĂa que incrementar el tipo de cotizaciĂłn un 13,95% adicional desde el momento inicial y para todo el horizonte de proyecciĂłn para que se pudiera hacer frente a todas las prestaciones previstas. En definitiva, los resultados alcanzados con sus indicadores son razonablemente consistentes con los obtenidos en este trabajo, si bien hay que matizar el significado diferente de los indicadores. Medidas en otros ĂĄmbitos/paĂses. Ante los resultados que se acaban de mostrar del balance a fecha de efecto de 2010, y las proyecciones del mismo, al intentar relacionarlos con las medidas que se adoptarĂan en otros ĂĄmbitos o paĂses, inmediatamente surgen algunas reflexiones que llevan a formular dos cuestiones:

196

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

1.-¿Qué medidas deberían ser aplicadas si en el sistema público de pensiones contributivas de jubilación de España estuviese en vigor la legislación de Suecia? Para poder contestar a la pregunta es conveniente analizar la tabla 5 en la que se compara el balance actuarial del sistema de pensiones de jubilación como % del PIB de España para todos los regímenes, y el de Suecia para el sistema de cuentas nocionales, que se financia por reparto22. En este caso se puede aplicar el proverbio o aforismo, atribuido a Don Miguel de Cervantes, que dice que “las comparaciones son odiosas”. Tabla 5: Balance actuarial comparado del sistema de pensiones de jubilación como % del PIB para España (todos los regímenes) y Suecia (cuentas nocionales). ACTIVO Activos Financieros Activo por Cotizaciones

España 3,7

Suecia 27,1

PASIVO Pasivos actuariales

España 266,4

Suecia 223,2

171,5

199,2

Pasivos Financieros

---

Superávit --acumulado Total activo 266,4 226,3 Total pasivo 266,4 Índice de solvencia% ESPAÑA SUECIA 65,7 100,24

Déficit acumulado

91,1

---

3,1 226,3

Fuente: Elaboración propia a partir de Settergren (2012).

A la vista de los datos de la tabla 5, la respuesta a la pregunta es clara, si en el sistema público de pensiones contributivas de jubilación de España estuviese en vigor la legislación de Suecia, la activación de un MAF entraría en vigor de manera inmediata para reducir el crecimiento del pasivo e intentar recuperar la solvencia de manera gradual. De hecho es lo que ha ocurrido precisamente en Suecia en los últimos tres años, con un índice de solvencia inferior al 100% pero en todo caso muy superior al determinado en este trabajo como puede verse en la tabla 6.

El sistema de pensiones de Suecia para la contingencia de jubilación es mixto, se destina un 86,49 % de las cotizaciones al sistema de reparto, modalidad nocional de aportación definida, y el resto, 13,51 %, al sistema de capitalización de aportación definida.

197

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

Tabla 6: Balance actuarial del sistema de pensiones de Suecia como % del PIB. Sistema NDC (cuentas nocionales). Años 2010 2009 2008 2007 Activo 27,1 26,8 22,1 28,7 Activos Financieros 199,2 205,9 202,1 195,6 Activo por Cotizaciones --2,6 8,2 2,7 Pérdidas 9,8 7,9 ----Déficit acumulado 235,1 243,2 232,4 227,0 Total activo Pasivo 223,2 243,2 231,8 223,8 Pasivos 12,9 ------Beneficios ----0,6 3,2 Superávit acumulado 235,1 243,2 232,4 227,0 Total Pasivo Indicadores 101,39 95,70 96,72 100,26 Índice de solvencia original% 100,24 95,49 98,26 99,45 Índice de solvencia modificado% Fuente: Elaboración propia a partir de Settergren (2012).

En Suecia, por primera vez desde el 2001, primer año de elaboración del balance actuarial, el indicador de solvencia modificado cayó por debajo del 100% en 2008. Este hecho implico tener que activar el MAF23, en el período 2010. La activación causó una reducción del valor de las cuentas nocionales de los cotizantes en un 1,4% y la cuantía de las pensiones en curso de pago se redujo en términos reales un 3%. En el año 2011, el valor de las cuentas nocionales se ha reducido un 2,7% y las pensiones un 4,3%, lo que ha producido una recuperación de índice de solvencia24. Con el fin de reducir la transmisión de la elevada volatilidad anual de los mercados financieros, y por tanto la volatilidad del balance actuarial y del indicador de solvencia derivado de éste, se decidió en 2008 modificar el índice de solvencia. Para su cálculo se suaviza el valor de los activos financieros, tomando no su valor al 31 de diciembre del año de su formulación, sino la media de los tres últimos años en el que se incluye el de la formulación.

Véase el apéndice 3. Los detalles y explicaciones pormenorizadas pueden consultarse en Pensionsmyndigheten (2011) y Settergren (2012).

198

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

Por último, y de acuerdo con la información proporcionada por Pensionsmyndigheten (2011), página 27, la proyección del balance actuarial de Suecia hasta el 2084 en el escenario base muestra que su índice de solvencia estará rondando el 100% hasta el año 2020, con ciertas variaciones. A partir de 2021 se proyecta un aumento de la solvencia debido a factores demográficos y al rendimiento financiero del fondo de reserva. En 2063 está previsto que supere el 110% lo que implicaría tener que distribuir entre cotizantes y pensionistas el superávit acumulado. Afortunadamente, para la ciudadanía de Suecia, las perspectivas de su sistema de pensiones son mucho mejores que las previstas para el caso español. 2.-¿Qué medidas deberían ser aplicadas si el sistema público fuese un plan de pensiones de capitalización privado regido por la legislación española? La respuesta a la segunda pregunta también es bastante clara. Ante esta situación de insolvencia o de déficit acumulado requeriría la aplicación de medidas correctoras inmediatas. Según la legislación española en vigor, Orden EHA/407/2008, en el caso de la existencia de déficit en el plan de pensiones, éste debería eliminarse mediante contribuciones extraordinarias del promotor, el estado en el sistema público, en un período de tiempo no superior a 5 años, excepcionalmente 10 años. Deberá establecerse un plan de amortización del déficit, que se tendrá que ir adaptándose a las posibles modificaciones que se produzcan en el mismo como consecuencia de las condiciones reales del plan de pensiones, no pudiendo extenderse el período de amortización, en ningún caso, por encima del plazo establecido inicialmente. Podría interpretarse que este plan de amortización es un instrumento similar al MAF en vigor en la legislación de Suecia. También se establece que cuando la situación de déficit es superior al 10%, en el sistema público de jubilación es del 34,3% como se acaba de ver, debería procederse a revisar las hipótesis empleadas en la base técnica, el equivalente en los parámetros que determinan la prestación en el sistema público, salvo que existieran razones fundadas para estimar que el déficit ha surgido por una desviación puntual. No parece ser este el caso del sistema público de pensiones de jubilación, ya que la proyección del índice de solvencia pronostica una persistencia en el déficit actuarial. Igualmente, deberían modificarse las hipótesis empleadas cuando el déficit presentado por el plan de pensiones, aun siendo inferior al 10 % , suponga un porcentaje de relevancia y se presente de forma recurrente durante varios ejercicios económicos, lo que precisamente se aprecia en el índice de solvencia proyectado para el período 2010-2084 en cualquiera de los escenarios explorados en este trabajo. 199

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

Por último, se establece con gran cautela que las nuevas hipótesis deberán estar basadas en las expectativas de mercado -el equivalente a las hipótesis utilizadas en la proyección para el escenario normal o mejor estimación disponible- en la fecha de modificación de la base técnica, no pudiendo situarse en un rango de variación superior al 25 por ciento respecto de la media del comportamiento real de las variables en los últimos 5 años, salvo que se acredite adecuadamente la conveniencia de utilizar otras hipótesis distintas en base a las expectativas de los próximos ejercicios. Como puede apreciarse, el legislador español recurre a que se aplique el principio de los datos y transacciones verificables a la fecha de formulación del balance en el que se determina el déficit. 5.-Resumen, conclusiones e investigaciones futuras. En este trabajo se ha tratado de contestar básicamente a tres preguntas sobre el sistema público de pensiones de jubilación español: ¿Está justificada desde el punto de vista actuarial, la reforma del sistema público de pensiones español realizada en 2011, que entrará en vigor de manera gradual a partir del 1-01-2013?, ¿Qué medidas se hubieran adoptado en el sistema español si estuvieran en vigor los principios contables que se aplican en el sistema de pensiones de cuentas nocionales de Suecia? ¿Qué medidas se adoptarían si en el sistema se aplicase la legislación en vigor para los planes de pensiones de prestación definida? El fundamento, para poder responder razonadamente desde el punto de vista actuarial a las cuestiones planteadas, se ha basado en la formulación del balance actuarial tipo sueco del sistema público de pensiones de jubilación español a fecha de efecto 31-12-2010; y la proyección, mediante la sucesión de balances actuariales, de un indicador de solvencia, para el período 20102084, a partir de un conjunto de escenarios previamente predeterminados. Hasta donde alcanza nuestro conocimiento existía un hueco importante en la literatura que se ha cubierto con este trabajo. Por un lado las referencias de tipo actuarial en la reforma legislada eran escasas, y por otro lado, no existían trabajos que proyectasen un indicador de solvencia, derivado de los activos y pasivos, para un sistema de pensiones de reparto de prestación definida. Asimismo, y por primera vez, lo que es una novedad digna de resaltar, se compararan los resultados de los balances actuariales modelo de “Suecia” y “EE.UU” para el mismo conjuntos de escenarios y fecha de formulación. Los resultados del balance actuarial a 31 de diciembre de 2010 y la proyección para el período 2010-2084 permiten realizar una serie de 200

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

consideraciones relevantes entre las que se encuentran las respuestas a las cuestiones planteadas en los objetivos del trabajo. Para el año 2010, el ratio de solvencia (IS) alcanza un valor de 65,7% en el escenario o normal. Un 34,3% de los compromisos asumidos están sin cobertura, o lo que es lo mismo, sólo un 65,7% de los pasivos actuariales se encuentran respaldados por un activo explícito. Para el escenario optimista y pesimista el ratio de solvencia es del 73,1% y 58,6% respectivamente, lo que indica que el sistema de pensiones de jubilación está lejos de poder ser considerado plenamente solvente desde el punto de vista actuarial. Los resultados no son mucho más negativos que los que se obtuvieron en los trabajos anteriores formulados a fecha de efecto de 2006, pese a que ha habido hechos que han agravado claramente la situación del sistema como son: la disminución de activos provocada por la crisis económica, el envejecimiento de la población cotizante, el aumento notable de los pensionistas o el incremento de la longevidad. La razón fundamental estriba en la técnica de los escenarios que liga el tipo de interés técnico y que hace que en este trabajo el rendimiento del sistema sea mayor que el que fue considerado en anteriores trabajos, lo que influye en el índice de solvencia. Se podría afirmar, que los resultados anteriormente obtenidos eran una especie de cota mínima de la solvencia, ya que sólo se consideraba el escenario más conservador para el tipo de interés técnico. La proyección del índice de solvencia (IS) refleja, bajo la hipótesis de legislación constante y de que se asumen los desembolsos financieros de la totalidad de las prestaciones previstas, una caída notable de la solvencia. Esto es debido fundamentalmente a la acumulación sistemática de las pérdidas (RFA) provocadas por el incremento continúo de los pasivos financieros para hacer frente a los compromisos de gasto y al envejecimiento previsto de la población. Si en la proyección se aísla el efecto financiero, la demografía más favorable de los años de la segunda parte de la proyección hace que el índice (ISA) mejore a partir de 2050, e incluso las perdidas puramente actuariales (RA) se tornen en beneficios en diversos períodos. Los resultados desglosados por regímenes, apéndice 2, muestran que el grado de solvencia varía de unos regímenes a otros, el régimen general es el más solvente frente al régimen del SOVI, que por no tener cotizantes no tiene solvencia y que las discrepancias en el nivel de solvencia se mantienen durante todo el horizonte de proyección. Los resultados alcanzados por García-García et al (2011) después de formular el balance actuarial modelo de “EE.UU.” con los mismos escenarios que los utilizados en este trabajo, permiten compararlos. Se puede afirmar que sus resultados son razonablemente consistentes con los 201

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

obtenidos en este trabajo, si bien hay que matizar el significado diferente de los indicadores. Nuestro indicador, (IS), proporciona un grado de solvencia mayor que el utilizado por los autores mencionados, (IS*), pero la proyección de nuestro indicador pronostica una caída de la solvencia a lo largo del horizonte contemplado. Las implicaciones de los resultados alcanzados en el caso español para 2010, si se aplicasen los principios que rigen en el sistema de pensiones de Suecia, activarían de manera inmediata un mecanismo de ajuste financiero (MAF). La puesta en marcha del MAF tendería, de manera gradual, a reducir la velocidad de crecimiento del pasivo del sistema de pensiones, lo que provocaría una reducción de la expectativas de la cuantía de la prestación a percibir por los actuales cotizantes y una reducción de la cuantía de la pensión en curso de pago en términos reales para los pensionistas. De manera similar, si se aplicasen los principios que rigen en España para los planes de pensiones de prestación definida, el déficit patrimonial del plan debería eliminarse mediante contribuciones extraordinarias del promotor en un horizonte temporal corto, entre 5 y 10 años, y procederse a revisar las hipótesis empleadas en la base técnica, en otras palabras, modificar los parámetros que determinan la prestación en el sistema público lo que significa reformar el sistema. Los resultados alcanzados no dejan lugar a muchas dudas respecto a la justificación desde el punto de vista actuarial de la reciente reforma del sistema de pensiones. Es más, se podría afirmar, y a diferencia de lo que se expone en la exposición de motivos de la Ley 27/2011, que el principal motivo que justifica la reforma en 2011 es el desequilibrio actuarial del sistema de pensiones por encima de las cuestiones demográficas, si bien es cierto que la evolución previsible de las variables demográficas supondrá una disminución muy notable de la solvencia actuarial. El problema actuarial se manifiesta en el hecho de que el coste de la cobertura, precio de coste, o coste de venta de la prestación valorada es muy superior al precio de venta de la misma. Además, es muy probable que de contar con un instrumento elaborado de manera oficial, independiente y periódica, como el balance actuarial formulado en este trabajo, la reforma del sistema de pensiones se hubiera debido realizar mucho tiempo antes como se sugirió en los trabajos en los que se formuló el balance actuarial para el período 2001-2006. Una cuestión íntimamente relacionada con este último punto es el impacto previsto de la reforma25. Desde el punto de vista actuarial la reforma 25

En España algunos investigadores han realizado “primeras valoraciones” o “rápidas estimaciones” del impacto de la reforma, principalmente del impacto del gasto en pensiones sobre el PIB previsto. Son

202

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

pretende reducir el coste de la cobertura, o coste de venta de la prestación para acercarla a su precio de venta. Si se contara con el instrumento descrito se hubiese podido mostrar de manera transparente los beneficios de los cambios introducidos en el sistema, y poder valorar si “a priori” la reforma es una solución para los problemas de solvencia, o no es más que un diferimiento de las tensiones de tesorería que harán inevitable en un plazo no muy lejano nuevas reformas. Evidentemente, esta cuestión necesita de más investigación para ser abordada y podría ser objeto de un próximo trabajo, en el que se podría valorar el impacto de la reforma desde la perspectiva actuarial y compararla con lo que hubiera supuesto introducir un sistema de cuentas nocionales al estilo de Suecia, alternativa que va ganando partidarios en el caso español26. 6.-Referencias bibliográficas. Actuarial Affairs Division, Pension Bureau AAD. (2009), “Summary of the 2009 Actuarial Valuation of the Employees’ Pension Insurance and the National Pension” Ministry of Health, Labour and Welfare. http://www.mhlw.go.jp/english/org/policy/p36-37a.html Balmaceda, M., A. Melguizo y D. Taguas (2006), Las reformas necesarias en el sistema de pensiones contributivas en España, Moneda y Crédito, 222, 313-359.

valoraciones financieras, es decir no tienen en cuenta las obligaciones del sistema con cotizantes y pensionistas, sólo los desembolsos previstos. Se han basado en métodos simplificados que no recogen la totalidad de los cambios previstos y se apoyan en escenarios que hacen difícil su comparación. Son trabajos valiosos que aportan conocimiento pero que no pueden sustituir al modelo de los balances actuariales que utilizan las APSS. Se puede destacar el trabajo de Conde-Ruiz y González (2012), en el que aplican un modelo de proyección contable con agentes heterogéneos y generaciones solapadas, pero que no tienen en cuenta las numerosas excepciones legisladas ni el factor de sostenibilidad que entrará en funcionamiento en el año 2027. Otro ejemplo, es el trabajo de De la Fuente y Domenech (2011), en el que se emplea un modelo contable agregado de ingresos y gastos en el que se controla explícitamente la evolución del ratio de generosidad del sistema, aunque los propios autores afirman que dejan fuera del modelo numerosos aspectos del sistema de pensiones real. Las conclusiones de ambos modelos son similares: la reforma retrasa el crecimiento del gasto en pensiones en función del PIB, aproximadamente unos 10 años. 26 La primera propuesta para reformar el sistema de pensiones de España en la dirección de las cuentas nocionales fue la de Mateo (1997), o de manera más precisa y rigurosa Devesa-Carpio y Vidal-Meliá (2004), Vidal-Meliá y Domínguez-Fabián (2006), Vidal-Meliá et al. (2006) y Boado-Penas et al. (2007). Estos trabajos pioneros encontraron lentamente más adeptos en el Banco de España, Jimeno (2006) e incluso en el sector financiero Balmaceda et al. (2006) se consideraba que las cuentas nocionales podrían ser una alternativa para encarar el problema del envejecimiento. Recientemente, organizaciones como Fedea (2010) o Unespa (2011) han “redescubierto” este modelo y consideran muy conveniente avanzar en la dirección de las cuentas nocionales.

203

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

Boado-Penas, C; I. Domínguez-Fabián; S. Valdés-Prieto y C. Vidal-Meliá. (2007), Mejora de la equidad y sostenibilidad financiera del sistema público español de pensiones de jubilación mediante el empleo de cuentas nocionales de aportación definida (NDCs). Ministerio de Trabajo y Asuntos Sociales, FIPROS. http://www.segsocial.es/Internet_1/Estadistica/FondodeInvestigacio48073/EstudiosFIPRO S/Tema1/index.htm Boado-Penas, C, Settergren O. y Vidal-Meliá, C. (2011), El balance actuarial del sistema de reparto. Modelo “sueco” frente a modelo “EE.UU.”, posible aplicación al caso español, Revista Española de Financiación y Contabilidad, XL, 149. 97-123. Boado-Penas, C, Valdés-Prieto, S. and Vidal-Meliá, C. (2008), An Actuarial Balance Sheet for Pay-As-You-Go Finance: Solvency Indicators for Spain and Sweden, Fiscal Studies, 29, 89-134. Boado-Penas, C. and C. Vidal-Meliá (2012), “The Actuarial Balance of the Pay-As-You-Go Pension System: the Swedish NDC model versus the US DB model.” In Holzmann, R., E. Palmer and D. Robalino, eds. NDC Pension Schemes in a Changing Pension World, chapter 14, Volume 2: Gender, Politics, and Financial Stability. Washington D.C.: The World Bank & Swedish Social Insurance Agency. Board of Trustees, Federal Old-Age and Survivors Insurance and Disability Insurance Trust Funds (BOT) (2010), 2009 Annual Report. Washington, D.C.: Government Printing Office. http://www.ssa.gov/oact/pubs.html Conde-Ruiz, J.I., y Clara I. González (2012), Reforma de pensiones 2011 en España: una primera valoración. FEDEA. Colección Estudios Económicos 01-2012. http://www.fedea.es/ De la Fuente A. y Doménech R. (2011), The financial impact of Spanish pension reform: A quick estimate. Fundación BBVA. http://www.fbbva.es/TLFU/tlfu/esp/areas/econosoc/publicaciones/todas/inde x.jsp?programa=2 Devesa-Carpio, J.E. y C. Vidal-Meliá (2004), Cuentas nocionales de aportación definida (ndc’s). ¿Cuál hubiera sido el efecto de su implantación en el sistema de pensiones español?, Moneda y Crédito, 219, 61-103. Elo, K, T. Klaavo, I. Risku and H. Sihvonen. (2010), “Statutory Pensions in Finland. Long-term projections 2009.” Reports 2010:6 Finnish Centre for Pensions. http://www.etk.fi/en/service/home/770/publications FEDEA (2010), “La reforma de las pensiones”. Documento de Fedea. Madrid, marzo. http://www.fedea.es/ García-García, M., J. M. Nave-Pineda and C. Vidal-Meliá (2011), The US actuarial balance model for the pay-as-you-go system and its application to Spain. Documento de trabajo WP-CEU-UCH EE 2011-02. http://economia.uchceu.es/INVESTIGACIÓN/DocumentosdeTrabajo.aspx 204

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

Government Actuary’s Quinquennial Review of the National Insurance Fund as at April 2005 GAD (2010), 2010 London. HMSO. http://www.gad.gov.uk/services/Social%20Security/UK_social_security.html INE (2010). Proyección de la Población de España a Largo Plazo, período 2009-2049. http://www.ine.es Jackson, H. E. (2004), Accounting for social security and its reform, Harvard Journal of Legislation, 41, 59 Jimeno, J.F. (2006), Comentarios. Número 222 dedicado a: El futuro económico de España, Moneda y Crédito, 222, páginas finales. Larsson, L., A. Sundén and O. Settergren (2008), “Pension Information: The Annual Statement at a Glance.” OECD Papers, 2008 (3), 129-170. Ley 27/2011, de 1 de agosto, sobre actualización, adecuación y modernización del sistema de Seguridad Social. www.boe.es/boe/dias/2011/08/02/pdfs/BOE-A-2011-13242.pdf Ley 28/2003, 29 de septiembre, reguladora del Fondo de Reserva de la Seguridad Social. http://www.segsocial.es/Internet_1/Estadistica/FondodeReservadelaS48074/Normativa/ind ex.htm Mateo, R. (1997), “Rediseño general del sistema de pensiones español”. Ediciones Universitarias de Navarra, Pamplona. Ministerio de Trabajo y Asuntos Sociales (MTAS). (2006), La muestra continua de vidas laborales. Colección de informes y estudios, Serie Seguridad Social, 24.http://www.segsocial.es/Internet_1/Estadistica/Est/Muestra_Continua_de_Vidas_Laborales /index.htm Ministerio de Trabajo e Inmigración (MTIN). (2010), Informe económicofinanciero, Presupuestos ejercicio 2011. http://www.segsocial.es/Internet_1/Estadistica/PresupuestosyEstudi47977/Presupuestos/Pr esupuestosdelaSeguridadSocial2011/Informacioncomplementaria/Informeec onomicofinanciero/index.htm Office of the Superintendent of Financial Institutions Canada (OSFIC) (2008), “Actuarial Report (23PrdP) on the Canada Pension Plan”. Office of the Chief Actuary. Hhttp://www.osfi-bsif.gc.ca ORDEN EHA/407/2008, de 7 de febrero, por la que se desarrolla la normativa de planes y fondos de pensiones en materia financiero-actuarial. www.boe.es/boe/dias/2008/02/21/pdfs/A09904-09916.pdf Palmer, E. (2012), “Generic NDC: Equilibrium, Valuation and Risk Sharing”. In Holzmann, R., E. Palmer and D. Robalino, eds. NDC Pension Schemes in a Changing Pension World, chapter 10, Volume 2: Gender, Politics, and Financial Stability. Washington D.C.: The World Bank & Swedish Social Insurance Agency. 205

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

Plamondon, P; Drounin, A.; Binet, G.; Cichon, M.; McGillivray, W.; Bédard, M. Pérez-Montas, H. (2002), Actuarial practice in social security. International Social Security Association and International Labour Office. Real Decreto 337/2004, de 27 de febrero, por el que se desarrolla la Ley 28/2003, de 29 de septiembre, reguladora del Fondo de Reserva de la Seguridad Social. http://www.segsocial.es/Internet_1/Estadistica/FondodeReservadelaS48074/Normativa/ind ex.htm Regúlez-Castillo, M. and C. Vidal-Meliá. (2012), Individual pension information. Recommendations for the case of Spain based on the experiences of other countries, International Social Security Review, 65 (2), 1-27. Settergren, O. (2012), “A decade of Actuarial Accounting in Sweden.” In Holzmann, R., E. Palmer and D. Robalino, eds. NDC Pension Schemes in a Changing Pension World, chapter 12, Volume 2: Gender, Politics, and Financial Stability. Washington D.C.: The World Bank & Swedish Social Insurance Agency. Settergren, O. (2003), Financial and Inter-Generational Balance? An Introduction to How the Swedish Pension System Manages Conflicting Ambitions, Scandinavian Insurance Quarterly 2, 99–114. Settergren, O. (2001), The Automatic Balance Mechanism of the Swedish Pension System – a non-technical introduction, Wirtschaftspolitische Blätter 4/2001, 339-349. Settergren, O. and B.D. Mikula. (2005), The rate of return of pay-as-you-go pension systems: a more exact consumption-loan model of interest, The Journal of Pensions Economics and Finance, 4 (2), 115–138. Sunden, A. (2009), “The Challenge of Reaching Participants with the Message of NDC” Swedish Social Insurance Agency, November 29. Taleb, N.M. (2007), The Black Swan, Random house, New York The Swedish Pension System. Orange Annual Report 2010. (2011), Ed. Gudrun Ehnsson, Swedish Pensions Agency (Pensionsmyndigheten), Stockholm. http://www.pensionsmyndigheten.se/Publications_en.html The Swedish Pension System. Orange Annual Report 2009. (2010), Ed. Gudrun Ehnsson, Swedish Pensions Agency (Försäkringskassan), Stockholm. http://www.pensionsmyndigheten.se/Publications_en.html UNESPA (2011), “Cuentas personales: hacia un sistema de pensiones transparente y sostenible”. Grupo consultivo de reflexión sobre políticas públicas. Madrid, julio. http://www.unespa.es/frontend/unespa/GrupoConsultivo-De-Reflexion-Sobre-Politicas-Publicas-vn3090-vst211

206

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

Vidal-Meliá, C. and M.C. Boado-Penas (2013), Compiling the actuarial balance for pay-as-you-go pension systems. Is it better to use the hidden asset or the contribution asset? Applied Economics, 45:10, 1303-1320, http://dx.doi.org/10.1080/00036846.2011.615733 Vidal-Meliá, C., Boado-Penas, M.C. and Settergren, O. (2010), Instruments for Improving the Equity, Transparency and Solvency of Pay-As-You-Go Pension Systems: NDCs, ABs and ABMs. In M. Micocci, G. N. Gregoriou and G. B. Masala, eds., Pension Fund Risk Management. Financial and Actuarial Modelling. Chapter 18, Chapman & Hall/CRC Finance Series. Vidal-Meliá, C., M.C. Boado-Penas and O. Settergren. (2009), Automatic Balance Mechanisms in Pay-As-You-Go Pension Systems, The Geneva Papers on Risk and Insurance: Issues and Practice. 33 (4), 287-317. Vidal-Meliá, C. and I. Domínguez-Fabián (2006), The Spanish Pension System: Issues of Introducing Notional Defined Contribution Accounts. In Pension Reform: Issues and Prospects for Notional Defined Contribution (NDC) Schemes, ed. R. Holzmann and E. Palmer, chapter 23. Washington, DC: World Bank. Vidal-Meliá, C., I. Domínguez-Fabián and J. E. Devesa-Carpio (2006), Subjective Economic Risk to beneficiaries in Notional Defined Contribution Accounts (NDC’s), The Journal of Risk and Insurance, 73 (3), 489-515.

Apéndice 1: Activo por cotizaciones y pasivo con los cotizantes y los pensionistas. Para poder realizar las proyecciones requeridas se utiliza la metodología de García-García et al (2011), que desarrolla un método de proyección de los ingresos y gastos del sistemas de pensiones contributivo para la contingencia de jubilación a partir de un conjunto de hipótesis sobre la demografía, la economía y las reglas del sistema de pensiones. Los ingresos del sistema están integrados por los ingresos por cotizaciones, los ingresos financieros y las aportaciones que realiza el estado para financiar los complementos a mínimos de las pensiones de jubilación. Por el lado de los gastos del sistema se consideran los gastos en prestaciones y los gastos financieros. De acuerdo con la ecuación 2, el activo por cotizaciones se obtiene como el producto de las cotizaciones realizadas, ICt , por el “Turnover Duration”, TDt . Esta última variable se define como la diferencia de las edades medias de los pensionistas y cotizantes ponderadas respectivamente por la cuantía 207

ÂżEstĂĄ justificada la reforma del sistema pĂşblico de â&#x20AC;&#x201C; Anales 2012/171-216

de la pensiĂłn y de la cotizaciĂłn, A tr y Act . AsĂ el activo por cotizaciones serĂĄ: t

ACt

t Ar

F R 1 x X1 GPt x, s, r R 1 x z ICt x, s, r

Â&#x2DC; ( xÂˇ ÂŚÂŚÂŚ xÂˇ ) ICt ÂŚÂŚ ÂŚ GPt ICt r 1 s 0 x X1i r 1 s 0 x e

>7.@ Siendo, GPt x, s, r y ICt x, s, r el gasto en pensiones e ingreso por cotizaciones de jubilaciĂłn del conjunto de afiliados de edad X, sexo S adscritos al rĂŠgimen r. El pasivo con los pensionistas, V rt , se define como el valor actual del importe de todas las pensiones reconocidas:

r t

Â§ 1 Č&#x153; Âˇ L t X, r, s ÂˇPt X, s, r Âˇ a Â¨ Â¸ ÂŚÂŚ ÂŚ ÂŠ1 G Âš r 1 s 0 x X1I R

w -1

Č&#x153; x

x X1I

>8.@ donde, Pt X, s, r , pensiĂłn de jubilaciĂłn de un individuo de edad X sexo s y rĂŠgimen r en el aĂąo t, siendo estar jubilado;

X 1 aĂąos

la primera edad en la que es posible

L t X, r, s , nĂşmero de jubilados de edad X y sexo s adscritos al rĂŠgimen r. Por Ăşltimo, el pasivo con los cotizantes es la diferencia del valor actual de las pensiones futuras y las cotizaciones futuras:

c t

CotizaciĂłn futura

Âş ÂŞ i x Âť z x

z ÂŤ 1 G Âˇ Â§ t Â§1 G Âˇ t Č&#x153;

C X, r, s P X, s, r Âˇ p Âˇ a Č&#x2122; BC i, s, r Âˇ p Âˇ ÂŤ Âť Â¸ Â¨ Â¨ Â¸ ÂŚÂŚÂŚ ÂŚ t i-x x t t z- x x z 1 d Âš i X ÂŠ 1

ÂŠ 1 d Âš Âť r 1 s 0 x e ÂŤ

PensiĂłn futura ÂŤÂŹ ÂťÂź >9.@ R

donde, Ct X, s, r , es el nĂşmero de cotizantes de edad de X y sexo s adscritos al rĂŠgimen r en el aĂąo t, 208

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

"e" y "z" representan respectivamente las edades de entrada y salida al mercado laboral; ș , es el tipo de cotización para la contingencia de jubilación;

BC t i, s, r , es la base de cotización de un afiliado de edad X y sexo s adscrito al régimen r en el año t; i

p tx , es la probabilidad de que un individuo de edad X sobreviva i años más.

La probabilidad es distinta cada año ya que se utilizan las tablas de mortalidad proyectadas.

Pt X, s, r , es la pensión a la que tendrá derecho un cotizante actual de edad X y sexo s adscrito al régimen r cuando se produzca la salida del mercado laboral a la edad "z". La cuantía de la pensión futura dependerá de las bases de cotización consideradas para determinar las cotizaciones futuras.

Apéndice 2: Resultados detallados. ¿Presentan todos los regímenes el mismo nivel de solvencia? Los resultados son los que se muestran a continuación, y se puede afirmar que el índice de solvencia es desigual. El régimen general, el más solvente, de acuerdo con la tabla 7 presenta un ratio de solvencia para el año 2010 igual al 69,3% para el escenario normal, mientras que en el escenario optimista alcanzaría el 77,4%. Los gráficos 5 y 6 muestran la evolución del ratio de solvencia total y de los resultados para los tres escenarios, y la evolución del ratio de solvencia y del resultado para el escenario normal. Los resultados y evolución de los índices son muy parecidos a los mostrados en los gráficos 3 y 4 dado que el peso del régimen general dentro del conjunto es muy elevado y determina la evolución del agregado.

209

¿Está justificada la reforma del sistema público de – Anales 2012/171-216 Tabla 7: Balance actuarial del sistema de pensiones de jubilación como % del PIB. Régimen general27. Fecha 2010 2050 2084 Escenarios Activos Financieros Activo por Cotizaciones Pérdidas Déficit acumulado Total activo Pasivos con pensionistas Pasivos con cotizantes Pasivos financieros Total Pasivo IS% ISA% P1% P2% TD (años) G%

N O Activo

4,5

---

145,8

163,1

163,2

165,0

166,5

168,4

167,2

---

5,0

2,5

8,9

6,1

2,3

13,8

66,4

43,8

92,8

321,3

214,3

464,6

509,5

299,0

840,2

216,8

194,3

243,3

489,3 380,0 Pasivo

638,5

682,1

469,7

1.021,2

45,7

41,7

50,5

137,2

105,0

185,5

112,5

83,7

158,0

171,1

152,5

192,8

246,8

204,5

293,6

245,7

206,3

288,7

---

105,4

70,5

159,4

323,9

179,7

574,6

216,8

194,3

243,3 489,3 380,0 638,5 Datos e Indicadores 77,4 61,8 33,3 43,0 25,8 75,08 59,96 42,5 52,7 34,4 78,5 79,2 50,4 53,8 45,6 78,5 79,2 64,3 66,0 61,3 29,8 29,8 32,9 32,8 33,0 1,57 0,32 0,76 1,55 0,07 Fuente: Elaboración propia.

682,1

469,7

1.021,2

24,4 46,5 36,0 68,6 33,6 0,83

35,9 58,1 43,9 71,2 33,7 1,58

16,4 37,4 28,3 64,6 33,5 0,17

69,3 67,28 78,9 78,9 29,8 0,96

La cifra de los activos financieros atribuidos al régimen general es mayor que la del conjunto del sistema debido a que al desagregar entre regímenes se utiliza el criterio del déficit o superávit de tesorería. A los otros regímenes les corresponde un pasivo financiero, véase tabla 8, por lo que el valor neto de los activos financieros asignados al sistema es correcto.

210

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216

Evolución del ratio de solvencia (IS), RG

Evolución de los resultados (RFA), RG % PIB

0,90

0% En 2010 77,4-69,3-61,8

0,80

-2%

0,70

-4%

En 2050 43,0-33,3-25,8

0,60

En 2084 35,9-24,4-16,4

-6%

0,50 -8% 0,40 -10%

0,30 0,20

-12%

0,10

-14% 2011

2010

2020

2030

2040

Normal

2050 Años

2060

Optimista

2070

2080

Max. Pérdida en 2042, esc. Norma l 2021

Pesimista

2031

2041

Normal

2051 Años

2061

Optimista

2071

2081

Pesimista

Gráfico 5: Proyección del ratio de solvencia y de los resultados para los tres escenarios. Régimen general. Fuente: Elaboración propia.

Evolución del ratio de solvencia , RG, escenario normal

Evolución del resultado, RG % PIB, escenario normal 3%

Beneficios 2049-2069 y 2079-2084

IS=0,694 en 2010

0,70

1% ISA=0,673 en 2010

0,60

ISA=0,464 en 2084 -1%

0,50 -3%

0,40

-5% IS=0,244 en 2084

0,30

-7% Min. ISA=0,416 en 2045

0,20

-9% 2010

2020

2030

2040

2050 Años

2060

2070

2011

2080

ISA

2021

2031

2041

RFA

2051 Años

2061

2071

2081

Gráfico 6: Proyección del ratio de solvencia total y actuarial y del resultado para el escenario normal. Régimen general. Fuente: Elaboración propia. 211

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

En la tabla 8, se presentan los resultados para los otros regímenes que además del Régimen de Autónomos, segundo en importancia por número de cotizantes, incluye también los Regímenes Especiales Agrario, Hogar, Mar, Carbón y SOVI. Para el año 2010 el índice de solvencia es el 50,9% en el escenario normal, muy por debajo del régimen general. Dentro de los denominados otros regímenes la solvencia también sería muy diferente. Variaría entre el 61,19% del régimen de empleadas de hogar o el 58,82% del régimen de autónomos y el 0% del SOVI, ya que es un régimen que carece de activos28. Las discrepancias en el nivel de solvencia se mantienen durante todo el horizonte de proyección. En el gráfico 7 se representa para todo el horizonte de proyección la evolución del índice de solvencia para los denominados otros regímenes (OR), mientras que en el gráfico 8 se comparan los índices de solvencia y resultados para los dos grupos, otros regímenes (OR) y régimen general (RG), con el sistema en su conjunto. Puede observarse como el peso del régimen general es determinante en la evolución del sistema. Tabla 8: Balance actuarial del sistema de pensiones de jubilación como % del PIB. Resto regímenes (incluye autónomos). Fecha 2010 2050 2084 Escenarios Activos Financieros Activo por Cotizaciones Pérdidas Déficit acumulado Total activo Pasivos con pensionistas Pasivos con cotizantes Pasivos financieros Total Pasivo

N O Activo

---

25,6

27,5

26,8

28,6

27,4

26,5

28,6

0,0

1,4

0,7

2,3

1,7

0,5

3,5

24,7

20,4

29,8

85,0

60,2

116,9

136,3

80,2

212,1

50,4

46,1

55,5

113,9 Pasivo

87,7

147,8

165,4

107,2

244,2

16,0

14,7

17,6

28,9

21,7

38,8

22,5

15,9

31,8

33,5

30,6

37,0

40,3

33,2

48,4

38,5

31,5

46,6

0,8

44,7

32,8

60,6

104,4

59,8

165,8

50,4

46,1

55,5 113,9 87,7 Datos e Indicadores

147,8

165,4

107,2

244,2

28 No tiene cotizantes. Los resultados desagregados de otros regímenes están a disposición de los lectores que los soliciten.

212

Manuel García García y Carlos Vidal Meliá – Anales 2012/171-216 50,9 51,7 66,5 67,6 29,5 0,96

IS% ISA% P1% P2% TD (años) G%

55,7 46,2 24,2 30,6 19,4 56,6 46,9 39,8 48,8 32,8 66,3 66,6 35,3 37,8 32,8 67,5 67,7 58,3 60,4 55,4 29,5 29,5 30,2 30,1 30,0 1,57 0,32 0,76 1,55 0,07 Fuente: Elaboración propia.

Evolución del ratio de solvencia (IS), OR

16,6 44,9 23,3 63,1 30,8 0,83

24,7 56,0 29,4 66,5 31,1 1,58

11,7 36,5 19,0 59,4 31,0 0,17

Evolución del ratio de solvencia, OR, esc normal

0,60

0,60 En 2010 55,7-50,9-46,2

ISA=0,517 en 2010

0,50

ISA=0,449 en 2084

0,50 En 2050 30,6-24,2-19,4

0,40

En 2084 24,7-16,6-11,7

0,30

IS=0,165 en 2084 IS=0,509 en 2010

0,20

0,20 Min. ISA=0,383 en 2043

0,10

0,10 2010

2020

2030

Normal

2040

2050 Años Optimista

2060

2070

2080

2010

Pesimista

2020

2030

2040

2050 Años

2060

2070

2080

ISA

Gráfico 7: Proyección del ratio de solvencia para el escenario normal. Otros regímenes. Fuente: Elaboración propia

213

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

Comparación del ratio de solvencia (IS), esc. normal 0,70

Comparación de los resultados (RFA), esc. normal

En 2010 69,4-65,8-50,9

-1%

0,60

Max. Pérdida en 2042, 1,96%

-3% En 2050 33,3-31,6-24,2

0,50

En 2084 24,4-22,9-16,6

PIB

0,40

-5%

Max. Pérdida en 2042, 8,42%

-7%

0,30

0,20

-9% Max. Pérdida en 2042, 10,38%

0,10 2010

2020

2030

2040

2050 Años OR

2060

2070

2080

-11% 2011

2021

2031

2041

2051 Años

2061

2071

2081

Sistema

Gráfico 8: Comparación del ratio de solvencia (IS) y de los resultados (RFA) para el escenario normal, sistema, régimen general (RG) y otros regímenes (OR). Fuente: Elaboración propia.

Apéndice 3: Breve descripción del Mecanismo de ajuste financiero en vigor de Suecia. Suecia, tal y como se mostró en los epígrafes anteriores, publica un balance anualmente del que se deduce el ratio de solvencia, y una cuenta de resultados actuarial. El ratio de solvencia se utiliza en Suecia con un doble propósito: medir si el sistema puede hacer frente a las obligaciones contraídas con los pasivos y decidir si se pone en marcha el MFA. Si por el resultado de algún choque, el ratio de solvencia es menor que la unidad, entra en funcionamiento el MFA, que consiste básicamente en reducir el crecimiento del pasivo por pensiones, es decir las pensiones causadas y el fondo nocional de los cotizantes. De este modo se utiliza el denominado “índice de balance” en vez de la variación de los salarios promedio (expresadas mediante el “índice de salarios”) para la revalorización de las pensiones causadas y el fondo nocional de cada uno de los cotizantes. 214

Manuel GarcĂa GarcĂa y Carlos Vidal MeliĂĄ â&#x20AC;&#x201C; Anales 2012/171-216

La expresiĂłn para calcular el â&#x20AC;&#x153;indice de balanceâ&#x20AC;? en el aĂąo â&#x20AC;&#x153;tâ&#x20AC;?, el primer aĂąo en el perĂodo que el ratio de solvencia es menor que la unidad, es:

IBt

I t RSt

[10.]

donde, IB t : Ä&#x17D;ndice de balance en el aĂąo â&#x20AC;&#x153;tâ&#x20AC;?; I t : Ă?ndice de salarios del aĂąo â&#x20AC;&#x153;tâ&#x20AC;?, que expresa el nivel del salario promedio hasta el aĂąo t; RS t : Ratio de solvencia en el aĂąo â&#x20AC;&#x153;tâ&#x20AC;?. En el aĂąo â&#x20AC;&#x153;t+iâ&#x20AC;? el Ăndice de balance es igual a:

IB t i

It i RS t i IBt i -1 I t i -1

I t i Ć&#x2018; RS t i i 0

[11.]

donde, IB t i : Ăndice de balance en el aĂąo â&#x20AC;&#x153;t+iâ&#x20AC;?, i ; I t i : â&#x20AC;&#x153;Ă?ndice de salariosâ&#x20AC;? del aĂąo â&#x20AC;&#x153;t+iâ&#x20AC;?, que expresa la variaciĂłn acumulada de los salarios promedio hasta el aĂąo â&#x20AC;&#x153;t+iâ&#x20AC;?; RS t i : Ratio de solvencia en el aĂąo â&#x20AC;&#x153;t+iâ&#x20AC;?. Si el ratio de solvencia es mayor que uno cuando el mecanismo estĂĄ activado, la revalorizaciĂłn del fondo nocional de los cotizantes y de las pensiones causadas serĂĄ mayor que la variaciĂłn salarial promedio. Esto continuarĂĄ hasta que las pensiones y el fondo nocional obtengan el mismo valor que si el mecanismo no hubiese sido activado. Puede haber algunos casos en que las pensiones y el fondo nocional obtengan un valor mayor al valor que les corresponderĂan si el mecanismo no hubiese sido activado, lo que se debe a que la revalorizaciĂłn del fondo nocional fuera mayor cuando el balance estuviera activado29. Este procedimiento del cĂĄlculo del Ăndice de balance se repite sucesivamente hasta el aĂąo â&#x20AC;&#x153;sâ&#x20AC;? en el que el mecanismo se desactiva ya que el valor del Ăndice de balance es igual o superior al del Ăndice de salarios ( IB t s t I t s ). A partir del aĂąo â&#x20AC;&#x153;sâ&#x20AC;? el balance se desactiva y la variaciĂłn del fondo nocional es igual a la variaciĂłn salarial promedio, y las pensiones causadas un 1,6% menor. Por otra parte, la expresiĂłn del â&#x20AC;&#x153;Ăndice de salariosâ&#x20AC;? para el aĂąo â&#x20AC;&#x153;tâ&#x20AC;? es la siguiente: It

Â§ u t 1 IPC t 4 Â¨ Â¨u ÂŠ t 4 IPC t 1

Âˇ Â¸ Â¸ Âš

3Â§

IPC t 1 Â¨ Â¨ IPC t 2 ÂŠ

Âˇ Â¸ k I t 1 Â¸ Âš

[12.]

29 Esto es una ineficiencia en el diseĂąo del mecanismo sueco y para evitarse se deberĂa haber aplicado un mecanismo mucho mĂĄs complejo que el que se aplica en realidad.

215

¿Está justificada la reforma del sistema público de – Anales 2012/171-216

donde, u t

Yt ; Yt : Ingresos del grupo de cotizantes de 16 a 64 años sin Nt

limitación de ingresos y con deducción de las cotizaciones realizadas en el año “t”; N t : Número de personas en el año “t”; IPC t 1 : Índice de precios al consumo hasta junio en el año “t”, y k: factor de ajuste de los errores de estimación de u t -1 30. Abreviaturas más utilizadas: APSS: Administraciones públicas de Seguridad Social. IS: Indicador de solvencia. ISA: Indicador de solvencia actuarial. MAF: Mecanismo automático o semiautomático de ajuste financiero. MCVL: Muestra Continua de Vidas Laborales. TD: Período de maduración del sistema. PIB: Producto interior bruto. RA: Resultado actuarial. RFA: Resultado financiero-actuarial

La racionalidad que justifica la complejidad de esta fórmula, es que produce un ajuste más rápido de las pensiones ante cambios en la inflación que el ajuste resultante considerando la variación promedio de los salarios de los tres últimos años. El factor de corrección se explica por la dilación temporal en el conocimiento de ciertos datos.

216

J U N T A D E

Presidente: D. Luis María Sáez de Jáuregui Sanz Vicepresidente: D. Vicente Sala Méndez Secretario General: D. Hugo González Riera Tesorero: D. Angel Vegas Montaner

G O B I E R N O

Vocales: D. Ramón Nadal de Dios Dª. Alicia Meco del Olmo D. Daniel Hernández González D. Henry Karsten D. Guillermo Gil de Rozas Balmaseda D. Rafael Moreno Ruiz D. Roberto Escuder Vallés

A fecha publicación de estos Anales

217

218

219

220

APELLIDOS

NOMBRE

Nº 3223

DATOS PROFESIONALES

ABASOLO LARAUDOGOITIA

AMAIA

AON CONSULTING, Consultor, C/ Rosario Pino, 14-16, 28020 Madrid, 91-3405588, 91-3405883, aabasolo@aon.es

ABELLAN COLLADO

JOSE

ABELLAN GALINDO

BEATRIZ

3282

ABELLAN MANSILLA

Mª ALTAGRACIA

3249

ABOLLO OCAÑA

DAVID

2505

ACEDO ASIN

ENRIQUE

1321

ACEVEDO RODRIGUEZ

VICENTE

2639

ACEVEZ ROBLES

MARIA ISABEL

2371

ACHURRA APARICIO

JOSE LUIS

796

ADAN GALDEANO

LUIS

456

ADRAOS YAGÜEZ

OSCAR

2678

AGUADO MANZANARES

SALOMON

2726

AGUDO MARQUES

ESTHER

3290

AGUILAR CANTARINO

ELENA

1770

ALARCON MARTIN

NURIA

2096

AON CONSULTING, Consultor Senior, C/ Rosario Pino, 14-16 , 28020 Madrid, 91-3405566, 91-3405883, nalarcon@aon.es

ALARCON MARTIN

FRANCISCO

2341

CIGNA LIFE INSURANCE / SEGUROS, Senior Underwriter, Pº del Club Deportivo, 1, 28223 Pozuelo de Alarcón, 914584924, francisco.alarcon@cigna.com

ALARGE SALVANS

JOSEFINA

1320

TOWERS PERRIN / CONSULTORIA, Consultora Senior, C/ Suero de Quiñones, 42, 28002 Madrid, 91-5903020, 915633115, fina.alarge@towersperrin.com

ALBARRAN GIRALDEZ

SILVIA

1761

BBVA, Pº de la Castellana, 81, Planta 17, 28046, Madrid,

91-3745837, silvia.albarran@grupobbva.com

ALBARRAN LOZANO

IRENE

1982

ALBARRAN LOZANO

ANA

3001

ALBO GONZALEZ

JAIME

1082

ALCALDE CASTILLO

Mª. VIRGINIA

790

PROFESIONAL, Avda. Alberto Alcocer, 13, 28036 Madrid,

91-3506350, 91-3509604, vae10@cemad.es

ALCANTARA GRADOS

FCO. MARTIN

1516

ALBROK MEDIACION, S.A., Socio Director, Avda. España, 15, 1º, 10002 Cáceres, 92-7233430, dirección@nalbroksa.com

ALCAZAR BLANCO

ANTONIO CARLOS

3291

ALDAZ ISANTA

JUAN EMILIO

112

ALDEA MUÑOZ

JESUS

737

ALEJANDRE AGORRETA

BEATRIZ

856

ALLIANZ COMPAÑÍA DE SEGUROS Y REASEGUROS, Administración Reaseguros, Pº de la Castellana, 39, 28046 Madrid, 91-5960935, 93-2288546, maria.abellan@allianz.es SEGUROS DE VIDA Y PENSIONES ANTARES, SEGUROS PERSONALES, Director General, Madrid, enrique.acedoasin@antar.es

MERCER HUMAN RESOURCE CONSULTING, SL., Ejecutivo Técnico de Grandes Cuentas, Pº de la Castellana, 216, 28046 Madrid, 914569432, 913449154, isabel.acevez@mercer.com

2302

221

OVERBAN CONSULTORES, S.L., C/ General Moscardó, 8, Bajo, Local 5, 28020 Madrid, 91-3192233, 91-5362826, luis.adan@overban.com MUNICH RE, Casualty/Marine Treaty Underwriter, Pº de la Castellana, 18 28046 Madrid, 91 43196339390 OAdraosYaguez@munichre.com UNIVERSIDAD POLITECNICA DE MADRID, E.T.S.I. AGRONOMOS, Actuario, Investigador en Seguros Agrarios, Avda. Complutense, s/n, 28040 Madrid, 91-3365798, 91-3365797, salomon.aguado@upm.es ERNST & YOUNG, Staff Assistant – Actuarial Services, Plaza Pablo Ruiz Picasso, 1, Torre Picasso, 28020, Madrid,

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

ALEJOS CASTROVIEJO

MARIA ESTER

3002

GESTIONES SOCIOLABORALES (GESTOLASA), Actuario Consultor, C/ Juan Hurtado de Mendoza, 7º, 1º, 28036 Madrid,

91-3533155, 91-3456239, ealejos@gestolasa.es

ALMARCHA NAVARRO

INMACULADA

3048

ALMENA MOYA

Mª. ANGELES

1231

HEWITT ASSOCIATES, S.A. / CONSULTORIA PREVISION SOCIAL, Pº de la Castellana, 149, 5ª Planta, 28046 Madrid,

91-4059350, 91-4059358, angeles.almena@hewitt.com

ALMOGUERA ZANGRONIZ

BARBARA

2168

LIBERTY SEGUROS, Manager Técnico Vida, Pº Doce Estrellas, 4, 28027 Madrid, 913017895, barbara.almonguera@libertyseguros.es

ALONSO ALBERT

RICARDO JOSE

2629

ALONSO BENITO

Mª TERESA

1860

ALONSO BRA

OLGA

2506

ALONSO CASTAÑON

ANA CRISTINA

3026

AVIVA CORPORACIÓN, Actuario, C/ Francisco Silvela, 106, 28002, Madrid, 91-2971912, ana.alonso@aviva.es

ALONSO DE LA IGLESIA

RUBEN

2530

GESNORTE, S.A., S.G.I.I.C./ FINANCIERA, Actuario Vida Responsable Administración y Control, C/ Felipe IV, 3, 28014 Madrid, 91-5319608, ruben.alonso@gesnorte.es

ALONSO GARRIDO

RAQUEL

2373

RURAL GRUPO ASEGURADOR, Técnico Operaciones, Basauri, 14, 28023, Madrid, 91-7007442, raquelag@segurosrga.es

ALONSO GONZALEZ

PABLO JESUS

3003

UNIVERSIDAD DE ALCALA, Profesor de Estadística, Fac. de CC. EE. Y EE., Plaza Victoria, 2, 28802, Alcalá de Henares, Madrid, 91-8854275, pablo.alonsog@uah.es

ALONSO LOPEZ

JESUS JOAQUIN

ALONSO LOPEZ

FCO. MANUEL

2402

ALONSO MAROTO

SARA

2201

ALONSO MATELLAN

MONTSERRAT

2830

ALONSO PARDO

MARIA BELEN

2976

ALONSO SUAREZ

LAURA

2727

ALVAREZ ALVAREZ

EDUARDO LUIS

2624

ALVAREZ ANDRES

SANDRA

2586

ALVAREZ BELEÑO

MONTSERRAT

2246

MAPFRE CAJA SALUD, Jefa de Dpto. Actuarial, Pº de Recoletos, 29, 28004 Madrid, 91-5813466, 91-5812471, montalv@mapfre.com

ALVAREZ CARRERA

VICTOR

1215

OCASO, S.A., COMPAÑIA DE SEGUROS Y REASEGUROS, Director de la División Actuarial y Estudios, C/ de la Princesa, 23, 28008 Madrid, 91-5380343, 91-5380229, valvarez@ocaso.es

TOWERS PERRIN, Gerente, C/ Suero de Quiñones, 42, 2ª Planta, 28002 Madrid, 91-5903038, 91-5633115, maite.alonso@towersperrin.com

242

ALVAREZ FERNANDEZ

LUIS

ALVAREZ FERNANDEZ

JUAN JOSE

1163

ALVAREZ GONZALEZ

NURIA

3388

ALVAREZ JORRIN

DAVID

2401

ALVAREZ JUDAS

DAVID

2891

ALVAREZ RAMIREZ

CARLOS M.

1152

ALVAREZ REBOLLAR

PABLO

3416

KPMG, Consultor, Castellana, 95, Madrid

MARSH, MEDIACION DE SEGUROS Y CONSULTORIA DE RIESGOS, Coordinadora de Producción, Pº de la Castellana, 216, Madrid, laura.alonsosuarez@marsh.com

106

MAPFRE SEGUROS DE EMPRESAS, Jefe de Operaciones, Carretera de Pozuelo, 52, 28222 Majadahonda 915818511, 91-5815318, dalvar@mapfre.com AEGON, Director Técnico, C/ Príncipe de Vergara, 156, 28002 Madrid, 91-5636222, 91-5632874, alvarez.carlos@aegon.es

222

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

ALVAREZ RODRIGUEZ

M. ANGEL

1017

ALVAREZ RODRIGUEZ

Mª MERCEDES

3260

ASEMAS, Mutua de Seguros y Reaseguros a Prima Fija, Responsable del Área Actuarial, Marqués de Urquijo, 28, 3ª Planta, 28008, Madrid, 91-7581145, 91-5596125, mercedes.alvarez@asemas.es

ALVAREZ SANZ

ANGEL

772

A&A CONSULTING S.L., C/ Agata, 6 28224 Pozuelo de Alarcón, 91-7159062, aalvarez@aa-consulting.net

AMO GRANADOS

GUILLERMO

1373

HNA, Director Técnico, Avda. Burgos, 19, 28036 Madrid,

91-3834704, 91-3870701, guillermo.amo@hna.es

ANDRADES LOPEZ

FERNANDO

3301

TOWERS WATSON, Consultor, Suero de Quiñones, 42, 2ª Planta, 28002, Madrid, 91-5903009, 91-5633115, fernando.andrades@towerswatson.com

ANDRES CUESTA

JOSE LUIS

982

ATLANTIS ASESORES, C/ Zurbarán, 45, 6ª Planta, 28010 Madrid, 619737611, 91-3835725, jlacb@telefonica.net

ANDRES GARCIA

JORGE

2972

MERCER, S.L., Consultor Senior de Previsión Social, Pº de la Castellana, 216, Planta 19, 28046 Madrid, 91-5142654, 913449133, Jorge.andres.garcia@gmail.com

ANDRES GARCIA

MONTSERRAT

3096

AEGON, Controller, C/ Príncipe de Vergara, 156, Madrid,

656905677, andres.montserrat@aegon.es

ANDREU ARAEZ

ANTONIO R.

3063

ASSSA / SEGUROS SALUD, Administrativo, C/ San José, 50, 1º, 03140 Guardamar del Segura, 696676041, anto.andreu@gmail.com

ANDREU DOLZ

RAMON

3399

ANGEL GALLEGOS

MACARENA

2147

ANGOSO ZAMANILLO

PATRICIA

1222

CIGNA, Directora Técnica, Pº Club Deportivo, 1, Edif. 14, 28223, Pozuelo de Alarcón, Madrid, 91-4184631, patricia.angosozamanillo@cigna.com

ANGUITA ESPINOSA

ANA CRISTINA

2531

LIBERTY SEGUROS, Actuario, Pº de las Doce Estrellas, 4, 28042 Madrid, 91-7229000, anacristina.anguita@libertyseguros.es

ANIDO CRESPO

MARINA

3118

Consultor Freelance, 620431914,

ANOS CHARLEN

IVAN

2355

PELAYO MONDIALE, Director Técnico Financiero, Santa Engracia, 67-69, Madrid

ANTON MADROÑAL

JORGE

2932

FIDELIDADE-MUNDIAL, Director Técnico Vida y Accidentes, Juan Ignacio Luca de Tena, 1, 28027, Madrid, 91-5637788, 91-5649488, jorge.anton.madronal@caixaseguros.pt

ANTON PAYAN

MARIANO

2229

APARICIO HURLOT

JAVIER

APARICIO MARTIN

FCO. JAVIER

3090

AQUISO SPENCER

MIGUEL

2044

ARAGON LOPEZ

RUBEN

1954

ARAGON SANCHEZ

MARIA TERESA

3210

ARANA LOPEZ-ABAD

CARMEN

1057

ARANA RECALDE

SILVESTRE

ARANDA RODRIGUEZ

NURIA

2852

ARCHAGA SIERRA

TERESA

1587

ALLIANZ, COMPAÑIA DE SEGUROS Y REASEGUROS, Pº de la Castellana, 39, 28046, Madrid, 91-5960548, mariateresa.archaga@allianz.es

ARCONADA MOLERO

MARIA BEGOÑA

2376

ALLIANZ COMPAÑIA DE SEGUROS Y REASEGUROS, Actuario, Pº de la Castellana, 39, 28046 Madrid, : 91-

marina.anido@actuarios.org

789

ACTUARIS IBERICA / CONSULTORIA ACTUARIAL, Consejero Delegado, Javier.aparicio@actuaris.com MARCH VIDA, Director General, Avda. Alejandro Roselló, 8, 07002 Palma de Mallorca, 971-779284, 971-779293, maquiso@bancamarch.es

652416893, asmteresa@hotmail.com

135

223

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES 5960647, begona.arconada@allianz.es

ARDURA GODOY

Mª DEL CARMEN

3423

ARECHAGA LOPEZ

SANTIAGO

2441

ARENAS CASTEL

DANIEL

2342

HEWITT ASSOCIATES, S.A. / CONSULTORIA PREVISION SOCIAL, Pº de la Castellana, 149, 5ª Planta, 28046 Madrid,

91-4059350, 91-4059358, daniel.arenas@hewitt.com

ARENCIBIA URIEN

ESTER

1577

AON HEWITT, C/ Rosario Pino, 14-16, Torre Rioja, 28020 Madrid, 91-3405567, 91-3405883, earencur@aon.es

ARES MÉNDEZ

CRISTINA

2575

AREVALO NOYA

JOSE ANTONIO

3054

ARGUELLO ARGUELLO

EVERILDA

225

ARIAS BERGADA

FELIX

352

ARIAS CATALA

LETICIA

3375

ARIAS GONZALEZ

Mª ARANTZAZU

1755

ARIAS MARTINEZ

ARACELI

2630

ARIAS RODRIGUEZ

BEATRIZ

3389

ARIZA RODRIGUEZ

FERNANDO J.

2532

AMIC/SEGUROS, Jefe Dpto. Actuarial, 91-4231139 , fernando.ariza@amic.es

ARJONA LUNA

JOSE ANTONIO

2609

C/ Bolsa, 6, 5º 1, 29015, Málaga, 615970637, jarjona@uma.es

ARJONA MORENO

ALBERTO

3188

TOWERS WATSON, Associate, C/ Suero de Quiñones, 40-42, 28002 Madrid, 91-5903009, 91-5633115, alberto.arjona@towerswatson.com

ARMENGOD LOPEZ DE ROA

JOSE

ARNAEZ FERNANDEZ

ALEJANDRO

1786

ARNAU GOMEZ

MONTSERRAT

1810

ARRANZ RAMILA

BRUNO

2810

ARRIBAS LUCAS

EMILIANO

1426

ARRIBAS PEREZ

MANUEL

650

ARRONIZ MARTINEZ

ENRIQUE

1585

DKV SEGUROS, S.A., Dtor. Dpto. Actuarial, Avda. César Augusto, 33, 50004 Zaragoza, 976-289221, 976-289130, enrique.arroniz@dkvseguros.es

ARROYO MARTIN

LETICIA

3049

ASEFA, S.A., SEGUROS Y REASEGUROS, Responsable Departamento Actuarial, Avda. Manoteras, 32, 28050, Madrid,

91-7886722, 91-7812209, leticiaarroyomartin@hotmail.com

ARROYO MATA

M. DEL CARMEN

3105

A.M., GESTION DE PATRIMONIO, Directora Financiera Adjunta, C/ La Masó, 14, 1º D 3, 28034 Madrid, 606807563, 91-3772949, maria.arroyo@arjusa.com

ARROYO ORTEGA

JOSE IGNACIO

2434

MARCH VIA SEGUROS, Director Actuarial, Avda. Alejandro Roselló, 8, 07002, Palma de Mallorca, 971-779308, 971779293, iarroyo@bancamarch.es

ARROYO RODRIGUEZ

Mª ELENA

1422

ARTIS ORTUÑO

MANUEL

ASENSIO FUENTELSAZ

SONIA

VERTI SEGUROS Y REASEGUROS, Responsable Análisis Control de Gestión y Económico, C/ Carranque, 12, 1º C, 28025, Madrid, 667686037, arevaja@verti.com ARIAS ACTUARIOS, S.L. Socio, C/ Mare De Deu del Pilar, 84C, 08290 Cerdanyola del Valles, 93-5946204, 935947176, arias@actuarios.net

411

224

LIBERTY SEGUROS, CIA DE SEGUROS Y REASEGUROS, S.A., Actuario Senior ( Área Técnica Autos), Avda. de las Doce Estrellas, 4, 28042 Madrid, 91-6088092, bruno.a@libertyseguros.es

585

C/ Llança, 47, 08015, Barcelona, 93-4021820, 934021820, manuel.artis@actuarios.org

2587

AVIVA, Actuario, Plaza Legión Española, 8, 46010 Valencia,

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES sonia.asensio@aviva.es

ASIAIN ROSO

JOSE IGNACIO

2305

SWISS RE EUROPE, S.A., SUCURSAL EN ESPAÑA / REASEGURO, Chief Actuary España y Portugal, Pº de la Castellana, 95, Planta 18, 28046, Madrid, 91-5980281, joseignacio_asiain@swissre.com

ATIENZA MORENO

ALBERTO

812

AVENTIN ARROYO

JOSE ANTONIO

818

AVENTIN BERNASES

IRENE

3250

AYARZA BAO

MARTA ISABEL

1292

AYLAGAS POZA

ALVARO

3124

AYORA ALEIXANDRE

JUAN

3091

AYUSO GUTIERREZ

Mª MERCEDES

1969

UNIVERSIDAD DE BARCELONA, Catedrática de Universidad, Avda. Diagonal, 690, 08034, Barcelona, 93-4021409, 934021821, mayuso@ub.edu

AYUSO TORAL

JESUS

1566

MAPFRE FAMILIAR, Actuario, Crta. Pozuelo a Majadahonda, 50, 28220 Majadahonda, Madrid, 91-5815162, jayuso@mapfre.com

AZPEITIA RODRIGUEZ

FERNANDO

2841

AFI CONSULTORIA, C/ Españoleto, 19, 28010 Madrid

BAENA JORGE

JOSE LUIS

3355

MAPFRE SEGUROS DE EMPRESAS, S.A., Director General, Carretera Pozuelo, 52, 28222 Majadahonda Madrid, 915811083, 91-5818790, javenti@mapfre.com

PRICEWATERHOUSECOOPERS, Consultor, Almagro, 40, 28010, Madrid, 620929759, 91-5685838, alvaro.aylagas.poza@es.pwc.com

BAGUER MOR

FCO. JAVIER

BALADO GRANDE

GEMA

2186

VIDACAIXA, S.A. / SEGUROS VIDA, Responsable Consultoría Actuarial, Pº de la Castellana, 51, 6ª Planta, 28046 Madrid,

91-4326846, 93-2488556, gbalado@caifor.es

BALDO SUAREZ

ALFREDO JOSE

2012

C/ Dr. Esquerdo, 98 - 9º B, 28007, Madrid, 91-5730839, alfredo.baldo@actuarios.org

BALLESTER SANSO

VICENTE

3468

769

BALLESTERO ARRIBAS

LUIS

BALLESTEROS ALMENDRO

FERNANDO

3245

RGA INTERNATIONAL REINSURANCE COMPANY LIMITED, Actuario de Pricing, Pº de Recoletos, 33 pl. 1 28004 Madrid

+3491-6404340, +3491-6404341, fballesteros@rgare.com

BALLESTEROS GUISADO

SERGIO

2728

AXA SEGUROS REASEGUROS, S.A., Auditor Interno, Fuente de la Mora, 1, 28050, Madrid, 91-5385595, sergio.ballesteros@axa.es

BALLESTEROS PARRA

Mª DEL PILAR

1387

BAÑEGIL ESPINOSA

Mª ISABEL

BARANDA GUTIERREZ

ROMAN

BARBE TALAVERA

PEDRO A.

BARBER CARCAMO

FCO. JAVIER

BARCENA ARECHAGA

BARDESI ORUE-ECHEVARRIA

802

898

GESINCA CONSULTORA / CONSULTORÍA, Directora Consultoría, Avda. Burgos, 109, 28050 Madrid, 91-2146071, ibanegil@caser.es

756 3089

SEGUROS SOLISS/ SEGUROS, Actuario, C/ Santa Fe, 16 4º, 45001 Toledo, 636812954, pedro.barbe@actuarios.org

516

HELVETIA COMPAÑIA SUIZA DE SEGUROS Y REASEGUROS, C/ Navarro Villoslada, 1, Bis, 31003 Pamplona, 94-8312948, 94-8218204, javier.barber@helvetia.es

IVAN

3172

NOVASTER, Consultor, C/ Jorge Juan, 40, Bajo Izq., 28001, Madrid, 902131200, 91-5755302, ivanb35@hotmail.com

CARMEN

1300

CPPS, SOCIEDAD DE ASESORES, S.L., Socia-Consultora, C/ Bravo Murillo, 54, Esc. Dcha., 1º, 28003, Madrid, 914516700, 91-4411721, actuarial.mad@consultoradepensiones.com

225

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

BARQUERO FLORIDO

MARIA V.

2917

AVIVA SERVICIOS COMPARTIDOS, Actuario, C/ Bolsa, 4, 4ª Planta, 29015 Málaga, 95-2209046, 95-2609907, mv.barquero@aviva.es

BARRADO HERNANDEZ

MARIA CARMEN

3012

666619354, barrado.c@gmail.com

BARRANCO MARTINEZ

FRANCISCO

BARRENETXEA CALDERON

CARLOS

1598

BARRIGA LUCAS

VICTOR JOSE

2705

BARRIGON DOMINGUEZ

SERGIO

2564

BARRIOS LOPEZ

ANTONIO

2933

BARRIOS SANCHEZ

ERICA

3441

BARROS MOYA

ANTONIO

BARROSO CADIZ

MARIA CARMEN

BAS GALVEZ

ALVARO B.

3106

BAUTISTA GONZALEZ

ANA MARIA

3056

BAYOD CRESPO

FERNANDO

2687

BEATO RAMOS

Mª ISABEL

1128

BEJAR ABAJAS

JUAN CRUZ

1244

BEJAR MEDINA

BEATRIZ

3302

BEJERANO MORALO

JAVIER

3149

103

971

BELLO RIEJOS

FRANCISCO

BELTRAN CAMPOS

MIGUEL ANGEL

BENEDICTO MARTI

ANTONIO

BENITEZ ESTANISLAO

SALVADOR

1227

BENITO ALCALA

MERCEDES

1846

BENITO DE LA VIBORA

Mª MARTA

2178

BENITO GOMEZ

JUAN LUIS

2811

RGA RE INTERNACIONAL, Gerente Actuarial Senior, Pº de Recoletos, 33, Planta , 28004, Madrid, +3491-6404340, +3491-6404341, vbarriga@rgare.com

PREBAL, MUTUALIDAD DE PREVISION SOCIAL, Director Comercial y Marketing, Casanova, 211, 08021, Barcelona,

93-2091158, 93-2090187, abarros@prebal.es

LINEA DIRECTA ASEGURADORA, Técnico en Provisiones Técnicas y Reaseguro, anamaria.bautista@lineadirecta.es

APLICALIA GROUP, Presidente Socio-Director, C/ Costa Brava, 13, 2º B, 28034 Madrid, 902345200, 902345201, juan.bejar@aplicalia.eu GENERALI, Senior Pricing Actuary, C/ Orense, 2, 28020 Madrid, 91-3301324, j.bejerano@generali.es

260 1738 616

BENITO SANZ

BEGOÑA

881

BERBEL FERNANDEZ

AMALIO

2464

BERDEAL BRAVO

Mª DE LA PEÑA

1809

BERLANGA AGUADO

JOSE DAVID

2356

BERLANGA RUI DIAZ

MARIA DEL MAR

3004

BERMEJO RODRIGUEZ

ENRIQUE

3345

BERMELLO ARCE

MARIA ESTELA

3400

BERNAL ZUÑIGA

JOSE LUIS

1644

BERNALDO DE QUIROS BOTIA

RAUL

1646

226

HELVETIA SEGUROS, S.A., Actuario (Dtor. Dpto. Actuarial), Pº Cristobal Colón, 26, 41001 Sevilla, 95-4594908, 954593300, salvador.benitez@helvetia.es

MAPFRE FAMILIAR, Actuario, Ctra. Pozuelo, 52, 28220 Majadahonda, 91-5812301, jlbenit@mapfre.com

BENEDICTO Y ASOCIADOS, ASESORES, S.L., Directora de Planificación y Desarrollo de Proyectos, C/ Marqués de la Ensenada, 14, 3ª Planta, Oficina 23, 28004 Madrid, 913080019, 91-3081082, pberdeal@benedictoyasociados.biz

LINEA DIRECTA ASEGURADORA, Directivo, Isaac Newton, 7, 28760 Tres Cantos, Madrid, +34619409225, +34918072040, ldajbz@lineadirecta.es / jose.bernal@rbs.co.uk

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

BERRIO MARTIRENA

MIGUEL JOSE

BIOSCA LLIN

PILAR

2740

336

BLANCO CABRERA

YOLANDA

3014

BLANCO JARA

YOLANDA

2156

BLANCO LOPEZ-BREA

LUIS ARMANDO

2378

BLANCO RODRIGO

VALENTIN

1955

BLANCO RODRIGUEZ

VALENTIN

1955

BLANCO VALBUENA

TERESA

3036

TOWERS PERRIN, Consultor, C/ Suero de Quiñones, 42, 28002 Madrid, 91-5903076, teresa.blanco@towersperrin.com

BLANCO VICENTE

MARIA JESUS

2475

LIBERTY SEGUROS, Actuario, Pº de las Doce Estrellas, 4, Campo de las Naciones, 28042 Madrid, 91-7229000, maria.blanco@libertyseguros.es

BLASCO GARCIA

ALVARO

2919

GENERALI/GESTION DE RIESGOS Y ACTUARIAL, Actuario, C/ Orense, 2, 28020 Madrid, 91-3301480, a.blasco@generali.es

BLASCO PANIEGO

IGNACIO

3265

ANALISTAS FINANCIEROS INTERNACIONALES, Consultor, C/ Españoleto, 19, 28010, Madrid, iblascopaniego@gmail.com

BLAZQUEZ MURILLO

ANTONIO P.

2725

BOADA BRAVO

JOSE

BOADO PENAS

MARIA DEL CARMEN

3313

BOCERO CANENCIA

Mª CARMEN

1567

BODAS SAEZ

SARA BEATIRZ

3251

BOILS TOMAS

LUIS VICENTE

2944

BOJ ALBARRACIN

IGNACIO

2225

BORREGO BALLESTEROS

JULIAN

458

BORREGUERO FIGOLS

RAFAEL

884

APARMUR, S.L., Director General, C/ Jorge Manrique, 4 30107 Murcia, 667236150, rafael.borreguero@actuarios.org

BORREGUERO IZQUIERDO

SANDRA

2509

ING NATIONALE-NEDERLANDEN, Consultora Employee Benefits, 28108, Alcobendas, Madrid, 616368278, sborreguero@ingnn.es

BRAVO DEL RIO

MIGUEL PABLO

1303

MAPFRE VIDA, Actuario, Avda. General Perón, 40, 28020, Madrid, 91-5818652, mpbravo@mapfre.com

BRONCANO DUQUE

JAVIER

2057

BRUQUETAS GOMEZ

JOAQUIN

3397

BUENO PEREZ

ROSA Mª

893

BUEY VILLAHOZ

VALENTIN LUIS

BURGOS CASAS

CARMEN

1861

CABALLERO CACERES

MARIA ISABEL

3455

CABALLERO ESTEVEZ

MARIANO

2600

CABALLERO GALLEGO

EURICO

3346

CABANAS LOPEZ DE VERGARA

ANTONIO

2861

CABASES CILVETI

PEDRO

CABELLO LOPEZ

ARANTZAZU

718 KEELE UNIVERSITY, Lecturer in Economics / Actuarial Science, Keele, Staffordshire ( UK), m.d.boadopenas@econ.keele.ac.uk

512

174 2028

227

ERNEST & YOUNG / AUDITORIA (SECTOR ASEGURADOR), Manager, Plaza Ruiz Picasso, 1, 28020, Madrid, 915727445, 91-5727275, mariano.caballeroestevez@es.ey.com

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

CABERO ALAMO

ANTONIO J.

1162

CABREJAS VIÑAS

NATALIA

3115

CABRERA SANTAMARIA

ANTONIO

620

CACERES GALINDO

FERMIN FCO.

CALDERON CORTES

EULALIA

2476

HANSARD EUROPE LIMITED, Actuaria, Carysfort House, Carysfort Avenue, Blackrock Co. , Dublin, Irlanda

CALERO HERNANDEZ

DAVID

1844

UNION DEL DUERO, CIA SEGUROS DE VIDA, S.A., Director General, Pº de la Castellana, 167, 28046 Madrid, 915798530, david.calero@unionduero.es

CALLE GOMEZ

ANA MARIA

3456

CALLEJA DE ABIA

CAROLINA

3057

CALVILLO PRIEGO

FRANCISCO M.

2554

Actuario Vida, francisco.calvillo@actuarios.org

CALVO BENITEZ

LUIS Mª

2132

CALVO DE COCA

JOSE Mª

523

CALVO TIEMBLO

ELISABETH

2631

SCOR GLOBAL LIFE SE IBERICA SUCURSAL, Responsable Actuarial, Pº de la Castellana, 185, Planta 9, 28046, Madrid,

91-4490819, lcalvo@scor.com EUROFINANZAS GESTIÓN, S.L., GESTIÓN DE PATRIMONIOS, Socio Director, Acera de Recoletos, 11 – 2º 47004, Valladolid josemaria@eurofinanzas.es

609427111 ALLIANZ LEBENSVERSICHERUNGS AG, Actuarial Manager IAE DAV in Allianz Global Life, Reinsburgstr. 19, D-70178, Stuttgart, Alemania, +49-711-6634015, elisabeth.calvo@allianz.de

CAMACHO FABREGAS

VALENTIN A.

2990

CIRALSA, S.A.C.E. / AUTOPISTA DE PEAJE, Director Administrativo Financiero, Autopista AP-7, PK 703.000 / Área de peaje Monforte del Cid, 03670, Monforte del Cid, Alicante

96-6075970, 96-6075990, v.camacho@ciralsa.com

CAMACHO FERRER

PABLO

2610

p_camachof@yahoo.es

CAMACHO GARCIA-OCHOA

ANGEL LUIS

1750

Plus Ultra Seguros, Director Division Seguros de Vida, Plaza de las Cortes, 8, 28014 Madrid

CAMPANER JAUME

PEDRO

1590

199

NORDKAPP INVERSIONES, S.V., S.L., Directora Financiera, Plaza Marqués de Salamanca, 3-4, 5ª Planta, 28006, Madrid,

91-4323910, carolinacalleja@nordkapp.es

CAMPOS GIL

JOSE

CAMPOS IGLESIAS

OLEGARIO

120

CAMPOS LOPEZ

Mª NIEVES

2133

GESNORTE S.G.I.I.C., Directora de Inversiones, Felipe IV, 3, 1º, 28014 Madrid, 91-5319608, 91-5210536, nieves.campos@gesnorte.com

CAMPOS MARTIN

JOSE CARLOS

2741

GES SEGUROS Y REASEGUROS, Subdirector Ramos Patrimoniales y Reaseguro, Plaza de las Cortes, 2, 28014 Madrid, 91-3308607, jcarlos_campos@ges.es

CAMPOS MURILLO

LOURDES

2689

CANALES CARLSSON

HELENA

2645

CANSECO MORON

ROCIO

2945

CANTERO GARCIA

BEATRIZ

2403

CANTERO GARCIA

CARLOS

2706

CAÑIZARES CLAVIJO

MANUEL

CAÑON CRESPO

MARIA

3150

CARABIAS HUETE

OSCAR

2315

131

AXA MEDITERRANEAN & LATIN AMERICAN REGION, Actuario –Solvencia II - Dpto. Risk Management No Vida Dpto. Risk Management, Camino Fuente de la Mora, 1-5º GH, 28050 Madrid, 91-5388376, 91-5775076, helena.canales@axa.es

192

228

ECOMT ACTUARIOS Y AUDITORES, S.L., Socio Director, Pº de la Castellana, 141, 28046 Madrid, 91-7498038, 91-

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES 5707199, oc@ecomt.es

CARASA CASO

CARLOS

547

CARASA, CILVETI, LACORT Y CIA, CORREDURIA DE SEGUROS, S.A., Director, Bergara, 4, 28005, San Sebastián Guipúzcoa, 94-3429138, 94-3426727

CARBALLO CAYCEDO

LAURA

3133

TOWERS WATSON, Suero de Quiñones, 42, 28002, Madrid,

91-5903009, 91-5633115, laura.carballo@towerswatson.com

CARCEDO CUETO

JOSE LUIS

2215

MAPFRE RE, Underwriter Life, Heath & P.A., Pº de Recoletos, 25, 28004 Madrid, 91-5811050, 91-7097461, jlcarcedo@mapfre.com

CARCEDO PEREZ

SOFIA

2946

ALLIANZ COMPAÑIA DE SEGUROS Y REASEGUROS, Pº de la Castellana, 39, 28046 Madrid, 91-5960716, sofia.carcedo@allianz.es

CARDO FERNANDEZ

Mª INES

1883

ESTRELLA SEGUROS, Jefe Departamento Actuarial, C/ Orense, 2 28020 Madrid, 91-5905691, 91-3301390, mcardofe@generali.es

CARIDAD BENGOECHEA

ALEJANDRO

3189

CARLOS CANELO

NARCISO M.

CARRASCO DURO

ANTONIO

3178

CARREÑO LOPEZ

IRENE

3368

CARRERA BORREGUERO

MIRIAM

3221

CARRERA YUBERO

ROCIO

2357

CARRERO MARTIN

YOLANDA

3338

CARRETERO LAZARO

MARTIN

1851

CARRILLO DOMINGUEZ

MANUEL

210

CARRILLO MENDEZ

BRIGITTE

1046

MONDIAL ASSISTANCE EUROPE, Responsable Actuarial y Producción, Avda Manoteras, 46, Bis, 28050, Madrid, 913255395, 91-3255441, Brigitte.carrillo@mondialassistance.es

CARRO LUCAS

IGNACIO

3134

BBVA-Gestora Planes y Fondos de Pensiones, Analyst, C/ Vía de los Pobaldos, s/n, Planta 3, 28033 Madrid, ҝ 91-3747359, Ignacio.carro@grupobbva.com

CASADO SALVO

ALVARO

2231

MUNCHENER RUCK / MUNICH RE, Suscriptor Vida, Pº de la Castellana, 18, 7ª Planta, 28046 Madrid, acasadosalvo@munichre.com

CASAIS PADILLA

DANIEL

3234

SCOR GLOBAL LIFE, Pricing Actuary, dcasais@scor.com

CASAJUS CABAÑUZ

JOSE ANTONIO

1485

CASER SEGUROS, Avda. de Burgos, 109, 28050 Madrid,

91-5955061, jcasajus@caser.es

545

CASANOVAS ARBO

JUAN

CASAREJOS FERNANDEZ

JUAN PABLO

3224

854 MAPFRE FAMILIAR, Actuario, Ctra. Majadahonda-Pozuelo, 50, 28220 Majadahonda, 91-5818515, 91-5818790, jpcasar@mapfre.com

CASARES GARCIA DE DIOS

MARTA

2097

AVIVA SERVICIOS COMPARTIDOS, AIE, Actuario, Camino Fuente de la Mora, 9, 28050, Madrid, 91-2971864, marta.casares@aviva.es

CASARES SAN JOSE-MARTI

Mª ISABEL

1668

CASARES ASESORIA ACTUARIAL Y DE RIESGOS, S.L., Presidenta, C/ General Moscardó,9, 4º D, 28020 Madrid,

606860036, mcasares@mcasares.es

CASARRUBIOS GONZALEZ

BEATRIZ

3303

CASQUERO DIAZ

JUAN F.

2947

CAJA BADAJOZ VIDA Y PENSIONES, Dtor. Técnico, Avda. Juan Carlos I, 17 entreplanta, 06001 Badajoz, 924-201298, jfcasquero@intranet_cajabadajoz.es

CASTAÑO COLINA

MARIA JOSE

3376

LIBERTY SYNDICATES, Junior Underwriter, Madrid,

630670646, maria.castano@libertysyndicates.es

229

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

CASTAÑON TORRES

FERNANDO

CASTELLANOS JIMENEZ

ANA

2261

771

CASTELLO FORTET

JORGE

1669

CASTILLO DE GRACIA

Mª CRISTINA

2853

CASTILLO TRESGALLO

VIRGINIA

3350

CASTRO CASTRO

SORAYA

3447

CASTRO JUAN

JOSE MANUEL

2775

CATALAN BARRENA

JESUS

2172

TOWERS WATSON, Director, Suero de Quiñones, 42, 28002, Madrid, 91-5903066, 91-5633115, jesus.catalan@towerswatson.com

CELA MARTINEZ

JOSE MARIA

2426

CASER, Dirección Comercial Particulares Vida y Pensiones, Avda. de Burgos, 109, 28050 Madrid, 618055880, jmcela@caser.es

CEPRIAN ROJAS

JOSE B.

1967

650422932, jbceprianrojas@cemad.es

CERDA VIDAL

MARGARIDA

3272

CESTINO CASTILLA

CLARA I.

2601

CHATRUCH GALACHE

MARIA CARMEN

2580

CHAVARREN IRUJO

MANUEL

1580

CHECA GALLEGO

PILAR

2170

KPMG-PENSIONES, Senior Manager, Edif. Torre Europa, Pº de la Castellana, 95, 28046, Madrid, 91-4513086, 915550132, pcheca@kpmg.es

CHIARRI TOSCANO

Mª LUISA

1337

mlchiarri@yahoo.es

CHICO RUIZ

ASUNCION

1312

AVIVA VIDA Y PENSIONES, Actuario, C/ Francisco Silvela, 106, 28002 Madrid, 91-2971867, 91-2971557, asuncion.chico@aviva.es

CIBREIRO NOGUERA

ALBERTO

3199

LINEA DIRECTA ASEGURADORA, Análisis de Precios No Vida, C/ Donoso Cortés, 90, 2º D, 28015 Madrid,

637414583, albcibreiro@hotmail.com

CIFUENTES OCHOA

ANA Mª

2134

AXIS RE, US / REINSURANCE, VP Underwriter, 430 Park Avenue 4th Floor, 10022, New York, +12127007663, ana.cifuentes@axiscapital.com

CINTERO FORERO

ANA ISABEL

3457

CIRCO

ANTONIO MARCOS

3417

MERCER CONSULTING, S.L., Pº de la Castellana, 216, 28046, Madrid, ana.castellanos@mercer.com

309

CISNEROS GUILLEN

MANUEL

CISNEROS GUTIERREZ DEL OLMO

NURIA

2477

CLAVERIE GIRON

Mª DE FATIMA

3135

CAJACANARIAS VIDA Y PENSIONES, Responsable Técnico Actuarial, C/ Callao de Lima, 1, 38003, Santa Cruz de Tenerife, mclaverie@cajacanariasvida.es

CLAVIJO NAVARRO

GABRIELA

3109

Estudiante (CFA), 50735, Colonia, Gabriela.clavijo@gmail.com

CLERIGUE RUIZ

NATALIA C.

2187

CLIMENT REDONDO

ENRIQUE

CLOSA CAÑELLAS

JUAN

COGOLLO PEREZ

JUAN CARLOS

COJEDOR HERRANZ

IVAN

3140

COLOMA POYATERO

Mª PAZ

2262

COLOMER LORENTE

ANGELA Mª

2878

CONDE CASTRO

BENJAMIN

3443

10 685 783

230

TOWERS WATSON, Suero de Quiñones, 40-42, 28002, Madrid, 91-5903009, 91-5633115, paz.coloma@towerswatson.com

APELLIDOS

NOMBRE

Nº 2862

DATOS PROFESIONALES

CONDE GAITAN

PATRICIA

PWC, Consultora, Pº de la Castellana, 53, 28046 Madrid,

91-5684518, 91-5685838, patricia.conde.gaitan@es.pwc.com

CONQUERO GAGO

AURORA

CONQUERO GAGO

PILAR

1151

CORDOBA LOZANO

Mª NIEVES

2002

CORET PERIS

JOSE VICENTE

2648

CORREDOR PEÑA

DANIEL

2907

CORREDOR PEÑA

JESUS

2908

CORTIZO RUBIO

JOSE

1323

COSTA PRIEGO

MIGUEL

2633

COSTALES ORTIZ

Mª LUISA

924

C/ General Moscardó, 8, Bajo, Local 5, 28020 Madrid,

609283241, mlcostales@actuarios.org

COSY

GERARD

2795

SCOR GLOBAL LIFE IBERICA SUCURSAL, pricing actuary, Pº de la Castellana, 135 planta 9, 91-4490810, gcosy@scor.com

COTILLAS RUIZ

JUAN PABLO

3458

654917658, jpcotillas@yahoo.es

CRECENTE ROMERO

FERNANDO

2948

INSTITUTO DE ANÁLISIS ECONÓMICO Y SOCIAL (IAES) – UNIVERSIDAD DE ALCALÁ, Personal Investigador, Plaza de la Victoria, 2, 28802, Alcalá de Henares, Madrid, 918855240, 91-8855211, fernando.crecente@uah.es

CRESPO RODRIGO

Mª MERCEDES

1107

CRESPO RODRIGO

ANGEL

1545

KPMG, Socio, Pº de la Castellana, 95 (Edificio Torre Europa), 28046 Madrid, 91-4563400, 91-5550132, acrespo@kpmg.es

CRUZ AGUADO

JORGE

2708

MAPFRE AMERICA, Subdirector Técnico. Área de Negocio, Carretera Pozuelo, 52, 28222, Madrid, 91-5818183, 915811610, cruzj@mapfre.com

CRUZ FERNANDEZ

MARGARITA

1102

AGROSEGURO, S.A., C/ Gobelas, 23, 28023 Madrid, 918373200, 91-8373225, mcruz@agroseguro.es

CUADRADO RIOFRIO

MARIA JESUS

3050

CUADROS COLINO

Mª DOLORES

1428

PONT GRUP CORREDURIA DE SEGUROS, S.A., Directora Técnica, Cuevas Bajas, 4, 3ª Planta (Edificio Picasso), 29004 Málaga, 902100618, 902100332, gerencia@pontgrup.com

CUBERO PARIENTE

ALMUDENA

2776

VIDACAIXA, S.A., DE SEGUROS Y REASEGUROS, Príncipe de Vergara, 110, 28002 Madrid, 91-4326853, acubero@vidacaixa.es

CUELLAR HERVAS

Mª CARMEN

1349

CUENCA MUÑOZ

ELENA MARIA

3092

CUERNO DIAZ

RAMON

1226

CUERNO DIAZ

PABLO

1838

CUESTA MORENO

JAVIER

2533

CUESTA PARERA

CARLOS

3391

CUETO SUAREZ

PAZ

3351

DALE RODRIGUEZ

JAVIER

551

DAVILA RUIZ

CARLOS

1083

DE ANDRES ALVAREZ

TOMAS

DE ARTEAGA LARRU

MARIA JESUS

697

3027

231

Zurich Versicherung AG, Actuario-Embedded Value, Thurgauerstrasse, 80, 8050 Zurich (Suiza), 0041787494158, jose.vicente.coret.peris@zurich.ch

MUNICH RE, Underwriter, Pº de la Castellana, 18, 28046, Madrid, ecuenca@munichre.com

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

DE ARTECHE VILLA

Mª ALMUDENA

1453

DE CABO GARCIA

MARIA

3292

DE CASTRO RODRIGUEZ

RAFAEL

1607

DE CELIS NAVARRO

JAVIER

2233

DE DIOS PARRA

SONIA

2534

DE DIOS VALAGUE

ESTHER LOURDES

3315

DE EVAN CARDONA

SILVIA

1262

DE GREGORIO LOPEZ

ANA LUCIA

2650

DE GUZMAN JURISTO

GONZALO

2113

DE IPIÑA GARCIA

JUAN

2332

KPMG, Senior Manager, Pº de la Castellana, 95, 28046, Madrid, 607845961, 91-5550132, jdeipina@kpmg.es

DE JUAN GRAU

MARIA JOSE

3037

SAN NOSTRA, CIA DE SEGUROS DE VIDA, Actuario, Camí Son Fangos, 100, Edifici Mirall, Torre B, 07007, Palma de Mallorca, 971-228438, 971-228463,

DE JUAN PUIGCERVER

OLIVIA

2842

DE LA CRUZ SANCHEZ

ANA MARIA

3392

DE LA FUENTE CORTES

JAVIER

2380

DE LA FUENTE MERENCIO

IVAN

3070

DE LA LOSA CALZADO

AGUSTIN

DE LA MORENA DIAZ

JORGE

2579

DE LA PINTA GARCIA

CARMEN MARIA

2003

DE LA PINTA GARCIA

MARTA

2301

DE LA QUINTANA IRIONDO

ANA SOFIA

2171

DE LA RICA ORTEGA

PILAR

3015

DE LA ROSA GONZALEZ

PEDRO MIGUEL

1874

DE LA ROSA RODRIGUEZ

JOSEP MANUEL

1278

TOWERS WATSON, Director, Suero de Quiñones, 42, 28002, Madrid, 91-5903035, manuel.de.la.rosa@towerswatson.com

DE LA SERNA CIRIZA

JAVIER

1977

AON HEWITT, Director Global Benefits, Rosario Pino, 14-16, 28020, Madrid, 91-3405565, 91-3405883, jdelaser@aon.es

DE LA LLAVE MONTIEL

MIGUEL ANGEL

3281

DE LA TORRE SAN CRISTOBAL

PEDRO MARIA

1632

DE LARA GUARCH

ALFONSO

2404

DE LEON CABETAS

FCO. JAVIER

1825

DE LUCA PEREZ

DIEGO A.

2977

DE MATTEO

CLAUDIO

3369

DE MIER SIMON

JOSE ANGEL

2405

METLIFE ESPAÑA, Director Técnico, Avda. de los Toreros, 3, 28028 Madrid, 91-7243763, Rafael.deCastro@metlife.es SA NOSTRA, CIA DE SEGUROS DE VIDA, S.A., Directora Técnica de Vida y Pensiones, Camí Son Fangos, 100, Edifici Mirall Balear, Torre B, 1ª Planta, 07007 Palma de Mallorca, Baleares, 97-1228438, 97-1228463 sdediosp@assegurances.sanostra.es SEGURCAIXA ADESLAS, Directora de Oferta Salud, C/ Príncipe de Vergara, 110, 28002, Madrid, 91-5665000, silviaevan@adeslas.es

mdejuang@assegurances.sanostra.es

OPTIMA SERVICIOS FINANCIEROS, S.L., C/ Velázquez, 14, Bajo Dcha., 28001 Madrid, 617684867, 91-5780103, i.delafuente@optimasf.com

692

232

BRIGHT INVESTMENTS, Directora, 869 High Road, London, N12 8QA, ana@brightinvestments.co.uk

FEDERACION DE EPSV DE EUSKADI Hurtado de Amezaga, 14 - Bajo. Izda, 48008 Bilbao MAPFRE RE COMPAÑIA DE REASEGUROS, SA., Dtor. de Contabilidad General, Pº de Recoletos, 25, 28004 Madrid,

915811871, 9158118558, fjdlc@,mapfre.com

IBERCAJA PENSION E.G.E.P., S.A., Pº Constitución, 4, 8ª Planta, 50008 Zaragoza, 976-767588,

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES jose.demier@ibercaja.net

DE MIGUEL ARROYO

ALICIA

3314

DE MIGUEL SANCHEZ

JOSE IGNACIO

1527

DE PADURA BALLESTEROS

Mª DEL ROCIO

1458

DE PALACIO RODRIGUEZ

GONZALO

2510

DE ZARANDIETA RUIZ

ICIAR

1273

DEL AMA REDONDO

CRISTINA

1796

DEL ANGEL BUSTOS

VELMA H.

2796

DEL BARCO MARTINEZ

IGNACIO

1144

BBVA SEGUROS, Técnico Actuarial

DELOITTE, Socio, Plaza Pablo Ruiz Picasso, 1, Edif. Torre Picasso, 28020, Madrid, 91-4432623, rdepadura@deloitte.es

CPPS, SOCIEDAD DE ASESORES, S.L., Director General, C/ Bravo Murillo, 54, Esc. Dcha., 1º, 28003, Madrid, 914516700, 91-4411721, cpps.mad@consultoradepensiones.com

DEL CASTILLO GARCIA

FRANCISCO

DEL CORRO CUBERO

JUAN

343

DEL COSO LAMPREABE

JAVIER

DEL CURA AYUSO

FRANCISCO

1979

DEL HIERRO CARMONA

MANUEL

2136

DEL HOYO MORA

M. ISABEL

DEL MORAL CASTRO

ISAAC

2634

DEL OLMO CALDERON

ALFONSO A.

2854

BBVA, Pº de la Castellana, 81, 28046, Madrid

DEL POZO AJATES

PEDRO

2894

UNESPA, ASESORIA ACTUARIAL Y FINANCIERA, C/ Nuñez de Balboa, 101, 28006, Madrid, 91-7451530, pedro.delpozo@unespa.es

DEL POZO LOPEZ

LOURDES

2013

WR BERKLEY ESPAÑA, Directora. de Suscripción, Pº Castellana, 149, 6º, 28046 Madrid, 91-4492646, 914492699, ldelpozo@wrberkley.com

DEL POZO SAEZ

BLAS

2797

DEL REAL PEREZ

SARA

1327

DEL RIO MARTIN

JAVIER

1253

DEL SOLAR BERTOLIN

ANA

1877

2863

BBVA WB&AM, Valoración de Activos, juan.delcorro@grupobbva.com

624

DESPACHO PROFESIONAL, Avda. Carlos III, 11, 3º, 31002, Pamplona, Navarra, 94-8226306 / 629843926, 948226305 delcoso@cin.es

680

KPMG, Directora de Pensiones, Pº de la Castellana, 95, 28046 Madrid, 91-4563528, 91-5550132, adelsolar@kpmg.es

DEL VALLE ESTEVE

SILVIA Mª

DELGADO FONTENLA

FRANCISCO J.

3119

988

DELGADO HUERTAS

ENRIQUE D.

2275

DEVESA CARPIO

JOSE ENRIQUE

1740

DEVESA RODRIGUEZ

BENJAMIN

3286

DIAZ ALVAREZ

JOSE FELIX

3200

DIAZ BAEZA

JAVIER

2535

DIAZ BLAZQUEZ

JUAN F.

2326

UNION DEL DUERO CIA DE SEGUROS GENERALES, S.A. / SEGUROS NO VIDA, Director de Contabilidad, C/ Marqués de Villamagna, 6-8, 28001, Madrid, 91-5139151, juan_francisco.diaz@unionduero.es

DIAZ DE DIEGO

PILAR

3225

pilardiazdediego@hotmail.com

DIAZ GIMENEZ

PEDRO

293

233

TOWERS WATSON, Analyst-Life Practice, Suero de Quiñones, 42, 28002 Madrid, benjamín.devesa@towerswatson.com

APELLIDOS

NOMBRE

Nº

DIAZ GOMEZ

ADOLFO

2730

DIAZ HEREDIA

GALA

3393

DIAZ IGLESIAS

EDUARDO

3125

DIAZ MARTIN

JAVIER

2949

DIAZ MARTINEZ

ANA ISABEL

2798

DATOS PROFESIONALES

GENWORTH FINANCIAL, Analista de Riesgo, Luchana 23, 28010 Madrid, 91-4444008, eduardo.diaz@genworth.com ARVAL SERVICE LEASE. RENTING VEHICULOS, Responsable de Análisis y Desarrollos Informáticos, Avda. del Juncal, 22-24, 28703 San Sebastián de los Reyes, 916598324, 91-6591746, anaisabel.diaz@arval.es

DIAZ MORANTE

FRANCISCO

425

DIAZ QUINTANA

AGUSTIN

353

DIAZ RUANO

ANA ISABEL

3058

DIAZ SANCHEZ

JOSE

3377

DIAZ SANCHEZ-BRAVO

JAVIER

1073

DIAZ-GUERRA VIEJO

JAVIER

2180

DIAZA PEREZ

CARLOS HUGO

3279

DIEZ ALONSO

SAMUEL

3136

GENERALI ESPAÑA, S.A., Actuario Vida, Dpto. Desarrollo y Mercado, C/ Orense, 2, 5ª Planta, 28020, Madrid,

647641408, samu878@hotmail.com

DIEZ ALONSO

OSCAR

3211

TOWERS WATSON, Consulting Actuary, 71 High Holborn, WC1V 6TP, London, Greater London, United Kingdom +44 0 2071702392, oscar.diez@towerswatson.com

DIEZ ARIAS

TEODORO

282

DIEZ BREZMES

ANA MARIA

1483

SKANDIA, Olief Financial Officer, Vía de las Dos Castillas, 33, Edif. E, 28224, Pozuelo, Madrid, 91-8298800, adiez@skandia.es

DIEZ DE ULZURRUN SANTOS

PALOMA

1905

BULL, Gerente. Business Integration Solutions, Pº de las Doce Estrellas, 28042 Madrid, paloma.diez@bull.es

DIEZ HERNANDO

CARLOS

3378

DIEZ PASO

TOMAS

DIZ NIETO

BARBARA D.

DOLDAN TIE

FELIX RAMON

485

DOMINGO GARCIA

MARIA ELENA

2742

DOMINGUEZ ALONSO

MANUEL

DOMINGUEZ BASQUERO

JUAN JESUS

1427

DOMINGUEZ CASARES

VERONICA

3201

DOMINGUEZ HERNANDEZ

CARLOS

2558

DOMINGUEZ MARTIN

RAUL

1931

DONAIRE PASCUAL

SUSANA

931

IDEAS, S.A., Manager, Avda. General Perón, 14, Planta 1-C, 28020, Madrid, 91-5983312, 91-5983313, sdonaire@ideas-sa.es

DUARTE CARTA

ENRIQUE

3071

AON CONSULTING, Dpto. Inversiones, Rosario Pino, 14-16, 28020, Madrid, 91-3405577, 91-3405883, eduartec@aon.es

ECHAZARRA OGUETA

CRISTINA

2498

ECHEANDIA ESCARTIN

ALFONSO

2651

AEGON, Responsable de Desarrollo de Productos, C/ Príncipe de Vergara, 156, 28002, Madrid, 91-3432863, 915632874 diaz-guerra.javier@aegon.es

743 3028

751

234

PRICEWATERHOUSECOOPERS, Senior Manager, Castellana, 43, 28046 Madrid, 91-5684683, carlos.dominguez@actuarios.org

BBVA, Pensiones y Seguros; Finanzas, operaciones y RRHH, Pº de la Castellana, 81, 28046, Madrid, 678625595, alfonso.echeandia@grupobbva.com

APELLIDOS

NOMBRE

Nº

ECHEVERRIA IGUARAN

Mª TERESA

463

ECHEVERRIA MARTINEZ

ALMUDENA

2847

ECHEVERRIA MARTINEZ

GUIOMAR

2978

ECHEVERRIA MUÑOZ

JUAN ANTONIO

ECIJA SERRANO

DATOS PROFESIONALES ALLIANZ, Coampañía de Seguros y Reaseguros, Ramirez de Arellano, 35, 28043 Madrid, 91-5960085, almudena.echeverria@allianz.es

462

INSUROPE CONSULTORES, S.L., Socio, Avda. Pío XII, 57 bajo, 28016, Madrid, 91-3431131, 91-3593537, echeverria-insurope@actuarios.org

PEDRO

2421

Aviva Health Insurance Ireland, Capital Actuary and Financial Risk Manager, Dublin (Irlanda), pedro_ecija@yahoo.es

EGUIA FERRER

M.LIBERATA

2188

TOWERS WATSON, Consultora, C/ Suero de Quiñones, 42, 28002, Madrid, 91-5903029, marili_ef@hotmail.com

EL MOUJAHID CHAKKOR

SAIDA

3064

ELVIRA DIAZ

LORENZO

1280

ENTRENA PALOMERO

LAURA

1061

ESCRIBANO RUBIO

JOSE Mª

1412

ESCUDER BUENO

JUAN

2909

ESCUDER VALLES

ROBERTO

1214

ESCUDERO GONZALEZ

ANA MARIA

2004

ESPERT AÑO

SERGIO

2213

ESPETON GARROBO

Mª DOLORES

3082

Actuario, Madrid, mdolores.espeton@actuarios.org

ESPETON JIMENEZ

JULIAN

2017

MINISTERIO DE INTERIOR, Jefe de Servicio Personal Funcionario, Amador de los Rios, 7, 28010, Madrid, 915371268, 91-5371374, jespeton@mir.es

ESPINOSA DE LOS MONTEROS BANEGAS

ALVARO

2653

ESPINOSA DE LOS MONTEROS JAUDENES

JAIME

1374

ESPINOZA PEÑA

CRISTOPHER

3439

ESQUINAS MURILLO

LEYRE

2709

ESTEBAN CORTES

PATRICIA

3151

ESTEBAN LOPEZ

ENCARNACION

2200

ESTEBAN NUÑEZ

PABLO

2381

ESTEBAN SAGARO

EDUARDO

2370

ESTEO LOZANO

RAFAEL

3352

ESTEVEZ BARTOLOME

RAFAEL

451

ESTEFANIA BIEDMA

ALBERTO

3401

ESTRADA DE LA VIUDA

SONIA

2777

ESTRADA TORRES

ELENA

2407

PREVENTIVA SEGUROS, Actuario, C/ Arminza, 2, 28023 Madrid, 91-7102510, 91-7102656, eestrada@preventiva.com

EXPOSITO LORENZO

RAUL

2864

GRUPO CAJA MADRID, Director de Contabilidad Madrid Leasing-Finanmadrid, Doctor Esquerdo, 138, 3ª Planta, 28007 Madrid, 91-7796938

GROUPAMA SEGUROS Y REASEGUROS, Director División Control y Desarrollo de Siniestros, Plaza de las Cortes, 8, 28014 Madrid, 91-7447539, jmaria.escribano@groupama.es

TOWERS PERRIN, Consultor, C/ Suero de Quiñones, 42, 28002, Madrid, 91-5903075, 609911860, 91-5903081, ana.escudero@towersperrin.com

LIBERTY SEGUROS, S.A., Departamento Actuarial Vida, Obenque, 2, 28042 Madrid, 652732024, leire.esquinas@libertyseguros.es

235

AON HEWITT, Actuario, C/ Rosario Pino, 14-16, 28020 Madrid, 91-3405589, eesteban@gyc.es

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

EZCURRA LOPEZ DE LA GARMA

SERGIO

EZCURRA LOPEZ DE LA GARMA

GUILLERMO

1344

891

FAJARDO LLANES

MAGDALENA

3246

FAUS PEREZ

RICARDO

2566

AVIVA, Actuario, Plza. Legión Española, 8, 46010 Valencia,

96-3895861, ricardo.faus@aseval.com

FEANS GARCIA

ENRIQUE

449

FEANS ASESORES, Titular, C/ República el Salvador, 23, 1º D, 15701, Santiago de Compostela, A Coruña, 98-1593023, 98-1593378, enrique@feans.com

FEMENIA ZURITA

FRANCISCO

3179

COLEMONT, S.A. / BROKER REASEGUROS, Socio-Director, C/ Zurbarán, 9, B-Izq., 28010 Madrid, 91-4008962, 914095483, francisco.femenia@colemont.es

FENOLLAR CAÑAMERO

JOSE MARIA

1071

FERNANDEZ ALONSO

ALBERTO

3059

FERNANDEZ BENITEZ

NORBERTO

2999

FERNANDEZ BOIXADOS

ANGEL JAVIER

3387

FERNANDEZ CABEZAS

GRACIELA

2921

FERNANDEZ CECOS

IVAN

3169

FERNANDEZ COGEDOR

JOSE IGNACIO

3316

FERNANDEZ DE CASTRO PIQUERAS

FERNANDO

3353

FERNANDEZ DE LARREA ARENAZA

LUIS

1756

FERNANDEZ DE PAZ

TEOFILO

108

FERNANDEZ DE TRAVANCO MUÑOZ

LUIS

191

FERNANDEZ DIAZ

Mª LOURDES

FERNANDEZ DIAZ

SUSANA

1802

FERNANDEZ DOMINGUEZ

CELINA

2343

FERNANDEZ ESCRIBANO

FIDEL

2611

FERNANDEZ FERNANDEZ

DANIEL

2896

FERNANDEZ FERNANDEZ

ALEJANDRA

3240

Aviva Life & Pensions Ireland, Actuario FSAI, One Park Place, Hatch Street, Dublin 2 alejandra.fernandezfernandez@aviva.ie

FERNANDEZ GARCIA

ADOLFO

774

REALE SEGUROS, Director Técnico, Santa Engracia, 14, 28010 Madrid, 91-4547558, adolfo.fernandez@reale.es

FERNANDEZ GARCIA

MIRIAM

2511

FERNANDEZ GOMEZ

SONIA

1623

FERNANDEZ GOMEZ

SANDRA

2537

FERNANDEZ GONZALEZ

FRANCISCO

FERNANDEZ GRAÑEDA

PABLO

FERNANDEZ MARTINEZ

Mª DOLORES

FERNANDEZ MORILLO

BLANCA

3173

OCASO SEGUROS Y REASEGUROS, Actuario No Vida, C/ Del Campo, 40, Ptal. 1, 2º B, 28229 Villanueva del Pardillo, alberto_actuario@yahoo.com

nacho3279@hotmail.com

845

214 2897 935

FERNANDEZ MUÑOZ

Mª LUISA

811

FERNANDEZ PALACIOS

JUAN

722

FERNANDEZ PESTAÑA

SUSANA

FERNANDEZ PIRLA

JOSE

FERNANDEZ PITA

CARLOS

1928 5 666

236

BBVA, VP en Inversión por cuenta propia, Pº de la Castellana, 81, 28046, Madrid, 91-3744502, fidel.fernandez@grupobbva.com

EJERCICIO LIBRE PROFESIONAL, Plaza Reyes Magos, 12, 28007 Madrid, 91-4335361, pacofg37@gmail.com

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

FERNANDEZ PLASENCIA

MARTIN JAVIER

1417

FERNANDEZ QUEIPO GONZALEZ

MIGUEL ANSELMO

3424

jmfernandez@ideas-sa.es

FERNANDEZ QUILEZ

JULIO IGNACIO

3110

FERNANDEZ RAMIREZ

CARLOS

FERNANDEZ RAMOS

MARIA CRISTINA

3402

FERNANDEZ REY

PATRICIA

2711

AXA, Actuario Experto, Esudios de Siniestralidad, Camino Fuente de la Mora, Madrid, 639009026, pfernandezrey@yahoo.es

FERNANDEZ RODRIGUEZ

VERONICA

3152

LIBERTY SEGUROS, C/ obenque, 2, 28042 Madrid, 913017900, veronica.fernandezrodriguez@libertyseguros.es

FERNANDEZ RODRIGUEZ

VICTOR

3325

FERNANDEZ ROMO

JUAN MANUEL

3356

FERNANDEZ RUEDA

DAVID

2422

848

SANTANDER INSURANCE HOLDING, Director de Productos, CGS, Avda. de Cantabria s/n, 28660 Boadilla del Monte (Madrid), +34615906942, davifernandez@gruposantander.com

FERNANDEZ RUIZ

ANTONIO J.

385

FERNANDEZ RUIZ

JOSE LUIS

1767

FERNANDEZ SANCHEZ

JOSE LUIS

271

FERNANDEZ SOTO

MARCOS

3347

FERNANDEZ TAPIA

JORGE

3317

FERNANDEZ TEJADA

CESAR

1455

SEGUROS DE VIDA Y PENSIONES ANTARES, S.A., Gerente Técnico, Distrito C Edificio Oeste 1 Planta 9ª Ronda de la Comunicación s/n 28050 Madrid, 91-4831617, cesar.fernandez@antar.es

FERNANDEZ TEJERINA

JUAN CARLOS

2312

CAJA ESPAÑA VIDA, SA. Responsable Actuarial, C/ Los Zarzales, 20-2ºG, 24007 Villaobispo de las Pegueras,

637465570, 98-7875340, jcftejerina@ono.com

FERNANDEZ VERA

ANTONIO

758

GRUPO DE ASESORES PREVIGALIA / CONSULTORIA, Socio, Albadalejo, 2, 28037, Madrid, 670026274, antoniofvera@gaprevigalia.com

FERNANDEZ VERDESOTO

ANA ISABEL

2236

FERRER PRETEL

JUAN IGNACIO

3097

LIBERTY SEGUROS, Manager Reaseguro Vida y No Vida, C/ Obenque, 2, 28042 Madrid, 91-3017900, jose.fernandez@libertyseguros.es

UNICORP VIDA, Director de Marketing Operativo, C/ Bolsa, 4, 3º Planta, 29015 Málaga, 952-209010, 952-609878, ji.ferrer@unicorpvida.com

FERRER SALA

JUAN

520

FERRERAS MORENO

DARIO

2831

MAPFRE AUTOMOVILES, Director Servicios Técnicos, Siniestros, Ctra. Pozuelo, 52, 28220 Majadahonda (Madrid), 91-5818536, dferre@mapfre.com

FERRERUELA MAYORAL

CAROLINA

2227

AXA, Consultor Procesos ( Black Belt Senior ), Camino Fuente de la Mora, 1, 28050, Madrid, 91-5388681, 91-5385657, carolina.ferreruela@axa.es

FERRIOL FENOLLOSA

INMACULADA

2599

FERRO MORA

ANA MANUELA

1974

BBVA, Responsable Gestión Global de Compromisos, Pº de la Castellana, 81, 28046 Madrid, 91-3744274, 91-3744969, ana.ferro@grupobbva.com

FIANCES AYALA

EMILIO

3117

ERGO Versicherungsgruppe AG, Senior Actuary, Non-Life Actuarial Governance & IRM International, Victoriaplatz,2, D40198, Düsseldorf (Alemania), +492114773815, +492114771965, emilio.fiances@ergo.de

FIDALGO GONZALEZ

MONICA

3072

FIGONE BAUSILI

FABIO FIDEL

3359

237

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

FIGUEROA SANCHEZ

CARLOS

3029

MUTUA MADRILEÑA AUTOMOVILISTA / SEGUROS, Técnico Actuarial, Pº de la Castellana, 33, 28046, Madrid, 915922828, cfigueroa@mutua-mad.es

FLAMARIQUE SOLERA

SILVIA

3241

SANTANDER ASSET MANAGEMENT CHILE, silviaflamarique@gmail.com

FLEIXAS ANTON

ANTONIO

FLORIDO CASTILLO

MIGUEL

2590

AXA MEDITERRANEAN, Responsable de Capital Económico y Riesgos Financieros, Camino Fuente de la Mora, 1. 28050 Madrid, 91-5388691, miguel.florido@axa-medla.ecom

FLORINDO GIJON

ALBERTO

2139

CPPS, SOCIEDAD DE ASESORES, S.L., Consultor, C/ Bravo Murillo, 54, Esc. Dcha., 1º, 28003, Madrid, 91-4516700, 91-4411721, actuarial.mad@consultoradepensiones.com

FOLLANA MURCIA

PABLO

1995

GESFINMED, Actuario, Avda, Elche, 178, Edificio Centro Administrativo 2ª, 03008 Alicante, 96-5905423, 96-5905448, pfm5423@gesfinmed.cam.es

FOLGADO GUZMAN

EDUARDO VICENTE

3261

FORTUNY LOPEZ

ENRIQUE

2731

ASCAT VIDA, S.A. DE SEGUROS Y REASEGUROS, Director Técnico, C/ Roure 6-8, Polígono Mas Mateu, 08820, El Prat de Llobregat, 93-4848874, 93-4845401, enric.fortuny@ascat.es

FRAILE FRAILE

ROMAN

980

GRUPO PARERA FAMILY OFFICE, Director Financiero, Pº de Gracia, 11, 08007 Barcelona, 635513627, romanfraile@hotmail.com

FRANCIA CASADO

Mª TERESA

1751

FRANCO GONZALEZ-QUIJANO

Mª TERESA

2950

AXA MEDITERRANEAN REGION, Actuario Experto No Vida – Risk Management P&C, Camino Fuente de la Mora, 1, 28050, Madrid, 91-5388689, 91-5775076, teresa.franco@axa.es

FRANCO GONZALEZ-QUIJANO

AMPARO

3212

MONDIAL ASSISTANCE, Actuario No Vida, Edificio Delta Mora, 3, Avda. de Manoteras, 46, Bis, 28050 Madrid,

649613938, amparo.franco@mondial-assistance.es

FREIRE GESTOSO

MANUEL P.

FREYRE GASULLA

EDUARDO

FREYRE GASULLA

JAVIER

1726

FUENTES MENDEZ

TOMAS

2264

AGROSANA, Director Financiero, Avda, de las Moreras, 3, 30870, Mazarrón, Murcia, 96-8590357, 96-8333048, tfuentes@agrosana.es

FUSTER CAMARENA

ALEJANDRO F.

2779

PROSEG, CORREDURIA DE SEGUROS, S.L., Actuario; Director Técnico, C/ L`Amistat, 7-5, 46021, Valencia, 963899896, 96-3141984, afuster@proseg.es

981

426 794

GADEA TOME

FELIX

162

GALAN GALLARDO

RODRIGO

625

IBERCAJA VIDA, Director General, Pº Constitución, 4, 8ª Planta, 50008 Zaragoza, 97-6767604, rgalan@ibercaja.es

GALAN GARCIA

RUBEN

3164

GENERALI SEGUROS, Responsable de Control de Grupo Actuarial y de Riesgos, Orense, 2, 28020, Madrid, r.galan@generali.es

GALDEANO LARISGOITIA

IRATXE

2277

GALERA LOPEZ

ROCIO BELEN

2469

GALIANO DE LA LLANA

MARIA NOELIA

3300

GALLARDO CHOCANO

RAMON MARIA

3053

GALLEGO ALUMBREROS

FRANCISCO

GALLEGO HERNANDEZ

RUTH

2992

GALLEGO RIVERO

RAQUEL

3073

CASER GESTION TECNICA, AIE, Técnico, Avenida de Burgos, 109, 28050, Madrid,

705

238

C/ Sierra Toledana, 4, 28038 Madrid, 655441389, 914376476, raquel.gallego.rivero@gmail.com

APELLIDOS

NOMBRE

GALLEGO VILLEGAS

OLGA Mª

GALLEGOS DIAZ DE VILLEGAS

JOSE ELIAS

GALLEGOS ROMERO

JOSE ELIAS

GALLO BUSTINZA

MARCOS

Nº

DATOS PROFESIONALES

1363

C.N.P. BARCLAYS VIDA Y PENSIONES, S.A., Directora Técnica, C/ Ochandiano, 16, El Plantio, 28023, Madrid, 914231766, olga.gallego@cnpbvp.eu

766

MUSAAT, Director General, C/ Jazmín, 66, 28033, Madrid,

91-3841120, jegallegos@musaat.es

161 2278

CPPS, SOCIEDAD DE ASESORES, S.L., Actuario Consultor, C/ Bravo Murillo, 54, Esc. Dcha., 1º, 28003, Madrid, 914516700, 91-4411721, actuarial.mad@consultoradepensiones.com

GANDARA DEL CASTILLO

LAUREANO

470

GANGUTIA ARIAS

ALMUDENA

1150

SANTANDER, BACK-OFFICES GLOBALES ESPECIALIZADOS, S.A., Responsable del Back-Office Riesgos Seguros, Avda Club Deportivo, s/n,Edificio 4, Planta 2ª, 28223, Pozuelo de Alarcón, Madrid, 91-2890208, agangutia@gruposantander.com

GARATE SANTIAGO

FCO. JOSE

2813

AXA SEGUROS, Internal Audit, Camino Fuente de la Mora, 1, 28050 Madrid, francisco.garate@axa.es

GARCES BLASCO

Mª ESTHER

2513

GARCIA ALONSO

FRANCISCO

785

GARCIA ALONSO

SARA CRISTINA

3433

GARCIA AMOROS

EUGENIA

1488

GARCIA ARANDA

DAVID

3360

GARCIA ARIETA

JESUS

1819

GARCIA AZPEITIA

REGINA

874

GARCIA BALLESTEROS

FELIPE

3170

GARCIA BERIHUETE

JOSE MARIA

2344

GARCIA BODEGA

FERNANDO

395

GARCIA BORJA

MARIA NIEVES

2528

GARCIA CARRERO

Mª ROSA

1631

GARCIA CASLA

ANA ISABEL

2409

GARCIA CEDIEL

ALFREDO

1138

GARCIA CID

YOLANDA

1440

GARCIA CHERCOLES

ANA

3293

MAPFRE FAMILIAR, Actuaria, Crta Pozuelo Majadahonda, 50, 28222, Majadahonda, Madrid, 91-5812434, agarc1@mapfre.com

GARCIA DEL CURA

MARIO

1626

MAPFRE AMERICA, Director Técnico Comercial, Carretera de Pozuelo, 52, 28220 Majadahonda (Madrid), 91-5811655, 91-5811610, mgarci1@mapfre.com

GARCIA DEL VILLAR

ALVARO LUIS

3142

CASER, Avda. de Burgos, 109, 28050, Madrid, agarcia4@caser.es

GARCIA DIEZ

JOSE LUIS

3153

GARCIA ESTEBAN

FRANCISCO

GARCIA FERNANDEZ

CESAREO

GARCIA FERNANDEZ

JULIO MARCOS

1037

GARCIA FERNANDEZ

Mª PAZ

1350

GARCIA GARCIA

PABLO

1797

118 169

239

GENERAL REINSURANCE AG – SUCURSAL EN ESPAÑA, Director General Adjunto, Plaza Manuel Gomez Moreno, 2, 28020, Madrid, 00340 91-7224721, 0034 91-3195750, fgarcia@genre.com

C/ Vicente Jimeno, 18, 28035, Madrid, 669893542, fernandogbodega@gmail.com

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

GARCIA GARCIA

RAQUEL

2384

GARCIA GARCIA

SUSANA

2865

GARCIA GARCIA

MARIA ESTER

2910

GARCIA GOMEZ

ANGEL

2140

GARCIA GONZALEZ

EDUARDO

1812

GARCIA GUTIERREZ

JOSE M.

2602

GARCIA HERRERO

CARLOS

3159

GARCIA HIGES

JOSE MARÍA

3326

GARCIA HONDUVILLA

PEDRO

1134

GARCIA HORMIGOS

CARLOS

2162

GARCIA ISART

Mª DE LAS MERECEDES

3425

GARCIA LANGA

PEDRO

2764

GARCIA LOPEZ

JUAN ANTONIO

1370

GARCIA LOPEZ

ESTELA

2526

GARCIA MANZANO

IDOYA

3182

GARCIA MARCOS

LUIS MARIA

2848

GARCIA MARTIN

YENI

GARCIA MARTINEZ

JAIME LUIS

1112

MUTUALIDAD GEENERAL DE LA ABOGACIA, Responsable Técnico, Serrano, 9, 28001 Madrid, 91-4100852, 914319915, igarcia@mutuabog.com

GARCIA MERCHAN

MARGARITA

1783

UNION AUTOMOVILES CLUBS SA DE SEGUROS Y REASGRS., Responsable Área Técnica, C/ Isaac Newton, 4, 28760 Tres Cantos, 91-5947422, 91-5947479, margarita_garcia@race.es

GARCIA NAVIA

JOSE MARIA

142

GARCIA NIETO

FCO. JAVIER

1415

GARCIA ORDOÑEZ

JUAN CARLOS

2850

GARCIA PEREZ

ALMUDENA

2254

MMT Seguros, Dirección Técnica Actuarial, Madrid, 659654900, almu.garcia@uah.es

GARCIA PEREZ

ESTHER

2692

MUTUA MADRILEÑA, Actuario No Vida, Pº Castellana 33, 28046 Madrid, 91-5922834, egarcia@mutua-mad.es

GARCIA RODRIGUEZ

MARIA ESTHER

2765

GARCIA RODRIGUEZ

JULIO MANUEL

2935

GARCIA SALAMANCA

NOELIA

2952

GARCIA SANCHEZ

ALBA

3154

GARCIA SANCHEZ

JOSE MANUEL

3411

GARCIA SANTAMARIA

MONICA

2515

GARCIA SESEÑA

RAFAEL

3038

ASSURANT SOLUTIONS, Pricing Actuary, Avda. de la Vega, 1, Edificio II, 3ª Planta, 28108 Alcobendas, 657015383, rafasesena@hotmail.com

GARCIA SIERRA

GEMA

2923

Actuario, Madrid, g_garciasierra@yahoo.es

BBVA - Gerente de auditoría interna de pensiones y seguros Plaza Santa Bárbara, 1 28004 Madrid eduardo.garcía2@grupobbva.com GRUPO SANTANDER / DIVISION AUDITORIA INTERNA, Auditor Manager, Avda. de Cantabria s/n, 28660, Boadilla del Monte, Madrid, 665995831 / 610612484, carlosgarciah@gruposantander.com

AXA, Life Risk Management, Madrid, 91-5388783, cghormigos@ono.com

28230, Las Rozas (Madrid), 657674074, jantonioartime@gmail.com

689

240

AVIVA SERVICIOS COMPARTIDOS, Bolsa 4, 4 planta, 29015 Málaga, 952 20 90 27, jm.garcia@aviva.es LIBERTY SEGUROS / Actuario Senior Vida, Pº de las Doce Estrellas, 4, 28042 Madrid, 91-7229000, noelia.garcia@libertyseguros.es TOWERSWATSON, Actuario No Vida, Suero de Quiñones, 4042, 28002 Madrid, +34 91-5903099, +34 91-5633115, alba.garcia@towerswatson.com

APELLIDOS

NOMBRE

Nº

GARCIA TORIBIO

SUSANA

GARCIA VILLALON

JULIO

GARCIABLANCO GONZALEZ

MARIO LUIS

GARCIA-BORBOLLA Y CALA

RAFAEL

GARCIA-BUSTAMANTE MARCHANTE

ANTONIO JUAN

1560

GARCIA-HIDALGO ALONSO

ENRIQUE JOSE

2832

GARCIA-OLEA MATEOS

JOSE LUIS

2613

GARCIA-PERROTE GARCIA-LOMAS

JORGE

1806

GARCISANCHEZ CID

MARGARITA

2329

GARMENDIA ZORITA

JUAN IGNACIO

1636

GARRIDO ALVAREZ

RAFAEL

DATOS PROFESIONALES

1959 202

Universidad Valladolid, Catedrático Emérito y Presidente Honorífico “ASEPUMA”. Plaza Tenerias, 12, 47006 Valladolid,

699490701

2359 269

501

ERNST&YOUNG, Manager, Torre Picasso, Pza. Ruíz Picasso, 1 28020 Madrid enrique.garcia-hidalgoalonso@es.ey.com

AGROSEGURO, S.A., Actuario Senior, C/ Gobelas, 23, 28023, Madrid, 91-8373200, 91-8373225, mgarcisa@agroseguro.es BARCLAYS VIDA Y PENSIONES, Compañía de Seguros, C/ Mateo Inurria, 15, 28036 Madrid, 91-3361057, rafael.garrido@barclays.com

GARRIDO VAQUERO

Mª DEL PILAR

GESSA DIAZ

JOAQUIN

2190

795

GESTEIRA LAJAS

SOFIA

3165

GIL ABAD

VICTOR LUIS

1357

GIL ABRIL

LUIS ANTONIO

3339

GIL ALCOLEA

ONOFRE

GIL CARRETERO

SANTOS

GIL COSPEDAL

Mª VICTORIA

1953

GIL DE ROZAS BALMASEDA

GREGORIO F.

2065

GIL FANA

JOSE ANTONIO

1194

GIL PEREZ

JAVIER

1347

GIL ROVIRA

JUAN ANTONIO

2219

GILABERT PEREZ-TERAN

OSCAR

3039

GILSANZ PALANCAR

ANGEL LUIS

2006

SWISS RE EUROPE, S.A., Senior HR Manager Western Europe (Branches), Pº de la Castellana, 95, 28046, Madrid,

91-5981726, 91-5981780

GIMENEZ ABAD

CARMEN

2994

MELA CONSULTING, Socia, Madrid, 678557660, actuarial@mela12.com

GIMENEZ BOSCH

FRANCISCO

1742

BANCO SANTANDER, Director Area Recursos y Seguros, frgimenez@gruposantander.com

GIMENO BERGERE

CELIA ANA

3203

GIMENO MUNTADAS

ANTONIO

GINER AGUILAR

LUIS

2924

BBK, Director Oficina, Avda de las Cortes Valencianas, 37 46015, Valencia, 96-3409235, 96-3401145, lginerag@bbk.es

GISBERT BERENGUER

MARIA

2971

MUTUA DE SEGUROS DE ARMADORES DE BUQUES DE PESCA EN ESPAÑA, Claudio Coello, 78 28001 Madrid, 915 770 937

UNION DEL DUERO, CIA DE SEGUROS DE VIDA, S.A., Actuario, Pº de la Castellana, 167, 28046 Madrid, 915798544, sofia.gesteira@unionduero.es

901 276

TOWERS WATSON, Director , C/ Suero de Quiñones, 40-42, 28002 Madrid, 91-5903970, gregorio.gilderozas@towerswatson.com FENIX DIRECTO, Responsable S.Técnico y Pricing, Ramirez de Arellano, 35, 28043 Madrid 91-5964740, javier.gil@fenixdirecto.com

241

APELLIDOS

NOMBRE

Nº

GISBERT MOCHOLI

LLUIS

3266

GOMEZ ABAD

BEGOÑA

2181

GOMEZ ALVADO

FRANCISCO

1910

GOMEZ BLANCO

ALMUDENA

3394

GOMEZ CASTELLO

ROSA EMILIA

920

314

DATOS PROFESIONALES AREA XXI, Colaborador Externo, Avda. Pianista Martínez Carrasco, 1-21, 46026 Valencia, 660948537, llgisbert@area-xxi.com

PROECO-GABINETE TECNICO, S.L., Gerente, C/ Alcira, 2, entresuelo, 46008 Valencia, 96-3840226, 96-3850142, emilia.gomez@actuarios.org

GOMEZ DE LA LASTRA

PEDRO

GOMEZ DE LA VEGA GONZALEZ

JOSE LUIS

GOMEZ DEL AMO

Mª ANGELES

3098

GOMEZ GALAN

JOSE GABRIEL

2330

GOMEZ GARCIA

JOSE M.

GOMEZ GIL

JOSE LUIS

1652

GOMEZ GISMERA

RUBEN

3235

GOMEZ GOMEZ

JUAN JESUS

1438

GOMEZ HERNANDEZ

ESPERANZA

1489

GOMEZ JUAREZ

AURELIO

2331

GOMEZ LOPEZ

MANUEL

2458

GOMEZ MARTIN

ANA DE JESUS

3442

GOMEZ MORENO

RUBEN

3365

GOMEZ PASTOR

VALVANERA

3067

GOMEZ ROJAS

FELIPE

1858

GOMEZ SANZ

MARCIANO

GOMEZ-CHOCO GOMEZ

RAUL

3155

SANTANDER SEGUROS Y REASEGUROS, S.A., Actuario, Avda. Cantabria, s/n, 28660, Boadilla del Monte, Madrid, 912892315, rgomez-choco@gruposantander.com

GOMEZ-PARDO PALENCIA

CARLOS

3040

PLUS ULTRA SEGUROS / SEGUROS, Analista de Negocio, Plaza de las Cortes, 8, 28014 Madrid, 91-7016961, carlos.gomez-pardo@plusultra.es

GOMEZ VAZQUEZ

LAURA

3370

GONZALEZ ANTOLIN

Mª ELENA

3242

AVIVA GRUPO CORPORATIVO, Actuario, Camino Fuente de la Mora, 9, 28050 Madrid, 91-2971628, elenagonzalez.antolin@aviva.es

GONZALEZ AYJON

EDUARDO

2761

INMOBILIARIA MAGURSA IBERICA, S.L., C/ Virgen de la Alegria, 7, Local, 28027, Madrid, 94-9322977, 949292687, eduardogonzalez@magursa.es

GONZALEZ BARROSO

MIGUEL ANGEL

1746

GONZALEZ BARROSO

ANGEL

2603

GONZALEZ BLAZQUEZ

FCO. JAVIER

2516

GONZALEZ BUENO LILLO

GABRIELA

GONZALEZ CABALLERO

Mª DEL MAR

24 WATSON WYATT / CONSULTORIA, Consultora, mgdelamo@hotmail.com

746

MEDITERRANEO VIDA, S.A. DE SEGUROS Y REASEGUROS, Director General, Avda. de Elche, 178, Edif. La Estrella, 2, 03008 Alicante, 96-5905447, 96-5905354, jjgomez@mvida.cam.es

TOWERS WATSON, Director, C/ Suero DE Quiñones, 40-42, 28002 Madrid, 667609063, felipe.gomez@towerswatson.com

152

DIRECT SEGUROS, Actuarial-Estadístico, Camino Fuente de la Mora, 1, 28050 Madrid, 91-5385957, angel.gonzalez.barroso@directseguros.es

424 2780

242

AVIVA SERVICIOS COMPARTIDOS, Actuario, C/ Bolsa, 4, 4ª Planta, 29015, Málaga, 952-607846, 952-609878,

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES mm.gonzalez@aviva.es

GONZALEZ CARIDE

MARIA

3236

GONZALEZ CARRETERO

ANA ISABEL

2238

GONZALEZ COCA

ANDRES

850

GONZALEZ DE CASTEJON LLANO P.

MIGUEL

1141

MAPFRE VIDA, Actuario, Avda. General Perón, 40, 28024 Madrid, 91-5818683, 91-5811709, agonz@mapfre.com FINENZA SEGUROS - CONSULTORIA, Socio, C/ Alcalá, 128Interior, 28009, Madrid, 91-4020204, 91-4018063, m.gonzalezdecastejon@finenza.com

GONZALEZ DEL MARMOL

ALFONSO

GONZALEZ DEL POZO

RAQUEL

761

GONZALEZ DELGADO

JOSE

GONZALEZ FERNANDEZ

CARLOS

1960

GONZALEZ GARCIA

JOSE MANUEL

3318

GONZALEZ GOMEZ

FAUSTINO

2713

SEGURCAIXA ADESLAS, Coordinador de Oferta, Príncipe de Vergara, 110, 28002 Madrid, 91-5667062, fgomez@vidacaixa.com

GONZALEZ GUILLO

SANTIAGO

3237

OCASO, S.A., COMPAÑIA DE SEGUROS Y REASEGUROS, Actuario No Vida, C/ Princesa, 23, 28008 Madrid, 915380415, 91-5380229, santiago.gonzalezguillo@ocaso.es

GONZALEZ JIMENEZ

MARIA

3081

GONZALEZ MADARIAGA

JUAN ANT.

GONZALEZ MARCOS

ANGEL LUIS

GONZALEZ MARTIN

M.ª SOLEDAD

1217

GONZALEZ MARTIN

JUAN F.

2239

GONZALEZ MARTIN

MONICA

2360

GONZALEZ MARTINEZ

CLARA ISABEL

2815

GONZALEZ MILLAN

M. TERESA

GONZALEZ MONEO

MANUEL

2758

GONZALEZ MORENO

JOSE ANTONIO

2260

GONZALEZ OLIVER

JUAN MANUEL

2781

GONZALEZ REDONDO

JESUS

2855

GONZALEZ RIERA

HUGO

2304

AXA SEGUROS GENERALES, Director Actuarial No Vida y Salud, Camino Fuente de la Mora, 1, 28050 Madrid, 915385922, hugo.gonzalez@axa.es

GONZALEZ SALVADOR

FRANCISCO BORJA

3319

AXA SEGUROS E INVERSIONES, Actuario Experto. Unidad de Colectivos de Vida y Pensiones., Camino Fuente de la Mora, 1, 28050, Madrid, 91-5388255, borja.gonzalez@axa.es

GONZALEZ SANCHEZ

JOSE ENRIQUE

602

AXA VIDA, S.A., Coordinación Migración, C/ Albacete, 3, 28804, Alcalá de Henares, Madrid, 609104551, enrique.gonzalez@actuarios.org

GONZALEZ SANCHEZ

JORGE

1369

GONZALEZ SANCHEZ

ANTONIO JOSE

2843

GONZALEZ SANCHEZ-REAL

MARIA ELENA

2655

GONZALEZ URIBEECHEVARRIA

ELENA

2280

2148 333 RGA Seguros, Subdirector Contabilidad y Control de Gestión, Basauri, 14, 28023 Madrid, 91-7007018, carlogf@segurosrga.es

376 951

OFICINA ECONOMICA DEL PRESIDENTE DEL GOBIERNO, Asesora, Madrid, 649044008, gonzalez.claraisabel@gmail.com

919

243

655838973, manuelmoneo@yahoo.es

SOCIEDAD CONSULTORA DE ACTUARIOS SCA, Actuario, C/ Alemania, 17, 1º - 3, 29001, Málaga, 95-2606065, juanoliver@actuariosconsulting.net

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

GONZALEZ VARELA

FERNANDO

GONZALEZ-COTERA VIAL

ANA

3320

571

GONZALEZ-LLANOS LOPEZ

AMALIA

1741

GONZALEZ-QUEVEDO GARCIA

FRANCISCO

2499

TOWERS WATSON, C/ Suero de Quiñones, 40-42, 28002 Madrid, 660260367, francisco.gonzalezquevedo@towerswatson.com

GONZALVEZ DE MIRANDA FDEZ.

JOAQUIN

2782

Mazars Auditores, S.L.P., Manager Departamento de Seguros, Alcalá, 63, 28014 Madrid, 91-5624030 , 91-5610224, joaquin.gonzalvezdemiranda@mazars.es

GOÑI SOROA

JUAN ANTONIO

553

GORDO SOTILLO

JESUS JAVIER

3111

GOSALBEZ RAULL

BEGOÑA

1985

GOYANES VILARIÑO

ALFREDO

GRANADO JUSTO

ALVARO

2019

GRANADO SANCHEZ

MANUEL

2306

GRANDE PEREZ

JUAN ANTONIO

3304

GREGORIO PUEBLA

MARIA

3252

GUARDIA BALCAZAR

RAFAEL

2733

GUERRA MONES

LAURA

2953

GUERRERO GILABERT

JUAN IGNACIO

793

GUERRERO GUERRERO

JOSE LUIS

412

CONFIA Consultores, S.L., Avda. Pio XII, 57, 28016 Madrid,

609059935, jl.guerrero@actuarios.org

GUERRERO PORTILLO

GONZALO F.

2936

GROUPAMA, Director Depatamento A2M y Riesgos Financieros , Plaza de las Cortes, 8, 28014 Madrid, 917016919, gonzalo.guerrero@groupama.es

122

GUIJARRO MALAGON

F. JAVIER

903

GUINEA OLANO

ANGEL

254

GURTUBAY FRANCIA

JOSE LUIS

1295

GUTIERREZ GALAN

JOSE MANUEL

1264

GUTIERREZ HERRERO

MIGUEL JESUS

3274

GUTIERREZ MARTIN

ANTONIO

3403

GUTIERREZ MIGUEL

MIGUEL ANGEL

1946

GUTIERREZ SAEZ

RICARDO

2444

GUZMAN LILLO

ISABEL

2626

HEATHCOTE

MARK G.

2328

HELGUERO VALVERDE

ANA ISABEL

2656

HERNAN PEREZ

JUAN MIGUEL

1971

HERNANDEZ

JEAN-LOUIS

2614

244

TOWERS WATSON, Consultoría, Consultor, C/ María de Molina, 54, 7ª Planta, 28006, Madrid, 91-2018086, 600522652. 91-7612677, alvaro.granado@towerswatson.com

MAZARS AUDITORES, S.L.P. / AUDITORIA, Gerente, Claudio Coello, 124, 28006, Madrid, 91-5624030, mgregorio@mazars.es

MAPFRE S.A., Director de Adquisiciones, Carretera de Pozuelo a Majadahonda, 52, 28222 Majadahonda 915814894 jlgurt@mapfre.com

619728092 BGT AUDITORES, S.L., Socio Auditor, Raimundo Fernández Villaverde, 48, 28003, Madrid, 606413930, magutierrez@bgtauditores.com MESOS GESTIÓN, Directora del Negocio Dental, Avda. de la Industria, 18, 28823 Coslada, 667694322, isabel.guzman@mesos-gestion.com HEWITT BACON & WOODROW LTD, Associate, Prospect House, Abbey View, ST. Albans, Hertfordshire, AL1 2QU, United Kingdom, +44(0)1727888230, mark.heathcote@hewitt.com

MUTUA MADRILEÑA, Director Actuarial, Pº de la Castellana, 33, 28046 Madrid, 91-5929853, jlhernandez@mutua-

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES mad.es

HERNANDEZ CUESTA

JOSE MARIA

1520

HERNANDEZ DOMINGUEZ

EFREN MANUEL

3358

HERNANDEZ ESTEVE

ALBERTO

301

HERNANDEZ FERNANDEZ-CANTELI

CARLOS

1259

HERNANDEZ FERRER

MARIA TERESA

3247

HERNANDEZ GALINDO

JOSE

HERNANDEZ GONZALEZ

DANIEL

MAPFRE FAMILIAR, Auditor Interno, Carretera Pozuelo, 50, 28220 Majadahonda, 91-5814806, jmhern4@mapfre.com

PWC, Madrid

144 2204

HERNANDEZ GUERRA

ANTONIO

HERNANDEZ GUILLEN

ALMUDENA

1772

HERNANDEZ MARCH

JULIO

1288

HERNANDEZ MARTIN

DIONISIO

731

HERNANDEZ OCHOA

ENCARNACION

844

HERNANDEZ PALACIOS

MANUEL JOSE

3016

HERNANDEZ POLLO

JOSE RAMON

1149

HERNANDEZ ZAMORA

ALFONSO

2694

MINISTERIO DE SANIDAD, POLITICA SOCIAL E IGUALDAD, Jefe de Área de Entidades Tuteladas, 91-8226540, daniel.hernandez@actuarios.org

576 BUCK CONSULTANTS, Ribera del Loira, 16-18, 28042, Madrid, 91-3102699, 91-3102697, almudena.hernandez@buckconsultants.com

GENWORTH FINANCIAL, Responsable Actuarial y de Desarrollo de Nuevos Productos, C/ Luchana, 23, 5º L, 28010, Madrid, 679194284, manuel.hernandez@genworth.com CANTABRIA VIDA Y PENSIONES DE SEGUROS Y REASEGUROS, S.A., Director Técnico, Plaza Velarde, 1, 39001, Santander, Cantabria, 94-2764802, 94-2764803, alfonso.hernandez@cvyp.es

HERNANDO ARENAS

LUIS ALBERTO

HERNANDO GARCIA

MARIA

558

HERNANZ MANZANO

FRANCISCO

HERRANZ PEINADO

PATRICIA

1698

HERRERA AMEZ

ARITZ

3083

AXA MedLa Region, ALM Investments, Camino Fuente de la Mora, 1, 28050, Madrid, +34 91-5388024, aritz.herrera@axa-medla.com

HERRERA GARCIA

JULIAN PABLO

2436

GROUPAMA SEGUROS, Subdirector General Estudios y Pilotaje, Plaza. de las Cortes, 8, 28014 Madrid, 91-7447549, julian.herrera@groupama.es

HERRERA NOGALES

PEDRO

1104

HERRERA SANZ

PATRICIA

2339

AVIVA SERVICIOS COMPARTIDOS AIE, Actuario, Camino Fuente de la Mora, 9, 28050, Madrid, 91-2971916, patricia.herrera@aviva.es

HERRERO GUTIERREZ

FCO. JAVIER

1169

AON-ARS, Corporate & Construcción ( Health & Benefits ), Consultor de Riesgos Personales, C/ Rosario Pino, 14-16, 28020, Madrid, 91-3405651, 91-3405883, franciscojavier.herrero@aonhewitt.com

HERRERO ROMAN

CRISTINA

2715

VIDA CAIXA, Técnico, Pº de la Castellana, 51, 28046 Madrid,

91-4326891, 93-2988556, cherrero@caifor.es

HERRERO RUBIO

SANDRA

3194

MAPFRE RE, Actuario, Pº de Recoletos, 25, 28004 Madrid,

91-5813320, sherrero@mapfre.com

HERRERO SANCHEZ

PABLO

3418

HERRERO VANRELL

LUIS PEDRO

2387

HIDALGO JIMENO

JOAQUIN

2783

3396 686

245

APELLIDOS

NOMBRE

HITA PASCUAL

ANTONIO

Nº

DATOS PROFESIONALES

1840

HOLGADO GONZALEZ

ANA MARIA

2973

AVIVA, Financial Control Manager, Camino Fuente de la Mora, 28050, Madrid, am.holgado@aviva.es

HOLGADO MOLINILLO

YAIZA

2954

TOWERS WATSON, Consultor, C/ Suero de Quiñones, 42, 28002, Madrid, 91-3101088, 91-7612677, yaiza.holgado@towerswatson.com

HOMET DUPRA

SEBASTIAN

320

HORNOS BUESO

JOSE LUIS

1454

HORTELANO SILVA

Mª ESTER

2817

HUERTA DE SOTO

JESUS

HUERTA DE SOTO

JUAN

1637

HUERTA DE SOTO HUARTE

JESUS

3074

HUERTA HERRERA

OSCAR

2265

IBAÑEZ CARRASCO

NURIA

3253

IBARRA CASTAN

JUAN CARLOS

1052

R.G.A. RE INTERNATIONAL IBERICA, Director Comercial, Ctra. A. Coruña, km.24, Edificio Berlín, 28290, Las Matas, Madrid, 91-6404340, 91-6404341, jibarra@spn.rgare.com

IGLESIAS GONZALEZ

JESUS RAMON

1245

CAJASTUR MEDIACION/ SEGUROS, Dtor. Técnico, C/ Martínez Marina, 7, 33009 Oviedo, 98-5209391, 985209384, jriglesias@cajastur.es

IÑARRA MUÑOZ

JUAN IGNACIO

2517

IÑIGUEZ ACERO

PABLO

3395

ITURBE URIARTE

CARLOS

1465

IVERN MORELLO

WALFRID

JARALLAH LAVEDAN

JUBAIR

1678

UNACSA (UNION DE AUTOMOVILES CLUBS), Actuario, C/ Isaac Newton, 4, Parque Tecnológico de Madrid, 28760 Tres Cantos, (Madrid), 91-5947306, ester_hortelano@race.es

619

EMB Consultores de Negocio y Actuarios / Consultoría, CEO/ Director General, Caléndula, 93 E, 28109, Alcobendas ( Soto de la Moraleja), Madrid, +34 91-7912934, +34 91-7912901, oscar.huerta@emb.com

VIDACAIXA PREVISIÓN SOCIAL, Ppe. de Vergara, 110, 28002 Madrid, 91-4326880, 93-2989017, citurbe@vidacaixa.com

958

JAREÑO GAT

MERCEDES

2955

JIMENEZ BARBA

ENRIQUE

1126

JIMENEZ DE LA PUENTE

Mª ANGELES

2079

JIMENEZ GARCIA-GASCO

LAURA

2192

JIMENEZ GOMEZ

ALICIA

3287

JIMENEZ GOMEZ

PEDRO JULIAN

1899

JIMENEZ IGLESIAS

M. ANGELES

3116

mercedes.jareno@actuarios.org

MUTUA MADRILEÑA, Responsable Vida Decesos en Dirección Estadística Actuarial, Pº de la Castellana, 33, 28046 Madrid, 91-5929755, majimenez@mutua-mad.es

ALLIANZ SEGUROS, Jefe de Proceso (Control Técnico Vida), C/ Tarragona, 109, 08014, Barcelona, 93-2286719, mangeles.jimenez@allianz.es

JIMENEZ JAUNSARAS

ALBERTO

JIMENEZ MARTIN

FCO. JAVIER

1888

371

JIMENEZ MUÑOZ

LUIS ALFONSO

2206

RGA REINSURANCE COMPANY, Director General Adjunto,

616434447, 91-6404341, ljimenez@rgare.com

JIMENEZ RODRIGUEZ

EMILIO JESUS

747

EL PERPETUO SOCORRO, S.A. DE SEGUROS, Actuario, C/ Roble, 6, 03690 San Vicente del Raspeig, 607792034 , emiliojr@telefonica.net

JIMENEZ RODRIGUEZ

SUSANA

1708

246

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

JIMENEZ SANCHEZ

EVA

3254

ASEGURADORES DE RIESGOS NUCLEARES, A.I.E., Dirección Técnica, c/ Sagasta, 18 - 4º derecha 28004 Madrid

JUARISTI GOGEASCOECHEA

ANDER

3183

TOWERS WATSON, C/ Suero de Quiñones, 42, 2ª Planta, 28002, Madrid, 91-5903032, ander.juaristi@towerswatson.com

KARSTEN

HENRY PETER J

1063

MERCER CONSULTING, S.L. Pº de la Castellana, 216, 28046, Madrid 91-4569400

KRAUSE SUAREZ

LAILA

3166

LABRADOR DOMINGUEZ

SARA

3213

LABRADOR SERRANO

OLGA

3084

LAFRANCONI

MAURA

3226

LAGARTERA CABO

CARLOS

2410

LANA VOLTA

JESUS

2423

LARA MUÑOZ

JAVIER

2479

LARRUGA RODRIGUEZ

MIGUEL

1966

LASSALLE MONTSERRAT

JOAQUIN C.

3017

LATORRE LLORENS

LUIS

LAUZAN GONZALEZ

FERNANDO

LAZARO FERNANDEZ

MARIANO L.

LAZARO RAMOS

VALENTIN

LECINA GRACIA

NOVASTER / CONSULTORIA, Socio Director, C/ Numancia, 117-121, 1º, 1-B, 08029 Barcelona, 902131201, jlana@novaster.net

ASISA, Área de Prestaciones, Madrid, jlassalle@asisa.es

871 3025 156 2627

CAJA RURAL BURGOS, Director Oficina, Santa María, 15, 09300 Roa, 947-540255, vlazaro_crburgos@cajarural.com

JOSE M.

611

UNIVERSITAT DE BARCELONA, Profesor Titular, lecinag@ub.edu

LECUONA GIMENEZ

RICARDO

703

INGESAC, Socio, C/ Puerto Rico, 4, Bajo 3, 28016 Madrid,

902-199670 91-4133950, info@ingesac.com

LEDESMA HERNANDEZ

JOSE IGNACIO

2899

NACIONAL DE REASEGUROS/REASEGURO, Actuario Ramos Personales, C/ Triacastela, 2-4, Portal N, 3º B, 28050 Madrid, 669168752, elledes@hotmail.com

LEGUEY GALAN

JAVIER

2281

ALLIANZ SEGUROS Y REASEGUROS, SA., Pº de la Castellana, 39, 28046 Madrid, 91-5960582, javier.leguey@allianz.es

LENS PARDO

LUIS

2431

HEWITT ASSOCIATES, S.A. / CONSULTORIA, Senior Manager – Responsable International Benefits, Pº de la Castellana, 149, 5ª Planta, 28046 Madrid, +34 91-4059350, +34 91-4059358, luis.lens@hewitt.com

LEON NIETO

EDUARDO

3459

LEON PINILLA

MARTA

1965

LERENA LORENZO

PEDRO

1987

CPPS, SOCIEDAD DE ASESORES, S.L., Socio Consultor, C/ Bravo Murillo, 54, Esc. Dcha., 1º, 28003 Madrid, 914516700, 91-4411721, actuarial.mad@consultoradepensiones.com

LERNER WAEN

ANDRES DAN

2900

AVIVA GRUPO CORPORATIVO, Actuario, Camino Fuente de la Mora, 9, 28050, Madrid, 91-2971881, andres.lerner@aviva.es

LESMES SANCHEZ

FERNANDO

572

AUDISERVICIOS, AUDITORES CONSULTORES, S.L., Socio, C! Ferraz, 4, 28008 Madrid, 91-5478201-02, 91-5591867, flesmes@audiservicios.com

LIBERAL GOROSTIAGA

IÑIGO

2489

BBVA Compass Bank, Financial Internal Audit Manager, 15 South 20th Street, 35233 Birmingham, Alabama, +1 205 382 0861, i.liberal@grupobbva.com

LILLO CARRAZON

LUIS

2149

ASEVAL. Subdirector de Negocio, C/ Duque de Mandas, 41,

247

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES puerta 29, 46019 Valencia, 96-3875962, 96-3875944, luis.lillo@gseguros.com

LIMONES MOLINA

CRISTINA

3371

LINARES CUELLAR

FERNANDO

2470

LINARES PEÑA

ANGEL

421

LLACER CUÑAT

SONIA

3255

LLAMAS MADURGA

LINO

908

LLITERAS ESTEVA

PEDRO

690

LLOPIS MARTINEZ

JUAN ANTONIO

137

LLORENTE MINGUEZ

ESTHER

3379

LLORET VILA

RICARDO

347

LLORET VILA

FCO. JAVIER

LOBERA SAEZ

DAVID

3195

LODEIRO GOMEZ

LAURA Mª

3243

LOPERA ESCOLANO

ANDRES

3112

LOPEZ BERMUDEZ

JUAN

1594

LOPEZ CACHERO

MANUEL

LOPEZ CAYUELA

MARIA

3385

LOPEZ CESPEDES

PILAR

2970

KPMG, Consultor, Pº de la Castellana, 95, Edif. Torre Europa, 28046, Madrid, 91-4563400, 91-5550132, mlopez16@kpmg.es

LOPEZ DE RIVAS

JAVIER

3042

MUTUALIDAD DE LEVANTE, Responsable Técnico-Actuarial, C/ Roger de Lluria, 8, 03801 Alcoy (Alicante), 658480904, javier.lopez@mutualevante.com

559

MUNICH RE, I+D+I Consultor, +34-91-4319633, +34-914261622, +34-91-4310698, flinares@munichre.com

plliteras@gmail.com

GENERAL RISK AND SPECIAL INSURANCE, S.L., Administrador , Plaza de España, 6, 46007, Valencia,

902300054, 96-3532116, correduria@general-risk.com

370

GENERALI ESPAÑA, Gestor Inversiones, Madrid, andresloperaescolano@yahoo.es

379

LOPEZ DOMINGUEZ

PABLO

LOPEZ ESCUDERO

RODOLFO

LOPEZ FUENSALIDA GONZALEZ ROMAN

LAURA

2604

CARDIF A BNP PARIBAS COMPANY, Actuario, C/ Julián Camarillo, 21 A, 4ª Planta, 28037 Madrid, 91-5901145, laura.lopez@cardif.com

LOPEZ GIL

ANA

2538

SANTANDER SEGUROS Y REASEGUROS, CIA ASEGURADORA, Avda. Cantabria, s/n, 28660, Boadilla del Monte, Madrid, 91-2890162, 91-2890162, analopezg@gruposantander.com

LOPEZ GOMEZ

MARIA

3018

TOWERS PERRIN / CONSULTORA SEGUROS, Consultor, Urb. El Soto, 17, 8ºC, 28400 Villalba, 609632085, maria.lopez.gomez@towersperrin.com

LOPEZ GONZALEZ

MARIA CARMEN

2716

BBVA, Actuario, Castellana, 81, 28046 Madrid, 915377610, 91-3744969, mdc.lopez.gonzalez@grupobbva.com

LOPEZ HERNANDEZ

JOSE LUIS

1514

MURIMAR, Director General, C/ Miguel Angel Asturias, 22, 28922 Alcorcón, 91-6440179, joseluisllh@hotmail.com

LOPEZ HERVAS

ANA Mª

2068

LOPEZ IRUS

Mª AZUCENA

2100

MÜNCHENER RÜCK, Senior Underwriter, Pº de la Castellana, 18, 28046 Madrid, 91-4320495, alopez@munichre.com

LOPEZ ISIDRO

RICARDO

2856

SOCIEDAD DE GARANTIA RECIPROCA DE LA COMUNIDAD VALENCIANA, Analista Financiero, Avda. de Ramón y Cajal, 6, 03003, Alicante, 96-5922123, 96-5921816, r.lopez@sgr.es

LOPEZ JIMENEZ

ALBERTO

3327

827

248

APELLIDOS

NOMBRE

LOPEZ MARTINEZ

BEATRIZ

LOPEZ MARTINEZ CANO

MARTIN

LOPEZ MONTOYA

ISAAC

Nº

DATOS PROFESIONALES

3214 16 3280

LOPEZ MORALES

ANTONIO

917

LOPEZ MORALES

AURORA

3448

LOPEZ MORANTE

ESTRELLA

3147

LOPEZ NUÑEZ

JUAN

2784

LOPEZ RODA

SILVIA

1945

LOPEZ ROSALES

ROGELIO JOSE

LOPEZ ROVIRA

ISAAC

3449

AXA, Actuario Junior Siniestralidad, Fuente de la Mora, 1, 28050, Madrid, 91-5388380, isaac.lopez@axa.es MERCER, S.L / ACTUARIO, Consultora de Previsión Social, Pº de la Castellana, 216, Planta 19, 28046 Madrid, 91-4568585, aurora.lpzm@gmail.com

TOWERS WATSON, Consultor Senior, C/ Suero de Quiñones, 42, 28002, Madrid, 91-5903026, 91-5903081 silvia.lopez.roda@towerswatson.com

829

LOPEZ RUBIO

ROBERTO

2440

670683128, rlopezrubio@hotmail.com

LOPEZ RUBIO

YOLANDA

3000

PASTOR VIDA, S.A. / ENTIDAD SEGUROS, Dpto. de Riesgos, Pº de Recoletos, 19, 5ª Planta, 28004 Madrid, 91-5299850, 91-5249851, ylopezr@bancopastor.es

LOPEZ SANGUOS

DELAIRA

2956

Actuario de la Seguridad Social, C/ Alameda, 12, 4º A, 36002 Pontevedra, 686771073,

LOPEZ SANZ

JUAN JOSE

3184

MAPFRE SEGURO DIRECTO ESPAÑA, UNIDAD VIDA, Actuario Servicios Actuariales, Carretera de Pozuelo, 52, Majadahonda (Madrid), 91-5818244, jlope18@mapfre.com

LOPEZ SORIA

Mª BELEN

1904

LOPEZ ZAFRA

JUAN MANUEL

2749

UNIVERSIDAD COMPLUTENSE DE MADRID / ENSEÑANZA, Profesor Titular de Universidad, Fac. CCEE, Dpto de Estadística e IO 2. Pab Prefabricado, 28223, Pozuelo de Alarcón, Madrid, 91-3942920, juanma-lz@ccee.ucm.es

LOPEZ-DOMECH MARTINEZ-GARIN

LUISA

2911

MAPFRE EMPRESAS, Actuario, Carretera de Pozuelo, 52, Majadahonda, Madrid, 91-5814644, lulopez@mapfre.com

LOPEZ-GUERRERO ALMANSA

PEDRO A.

1752

SANTA LUCIA, S.A., Responsable Área Técnica, Plaza de España, 15, 28008, Madrid, 91-5380822, plopezg@santalucia.es

LORENZO ROMERO

CARLOS

1621

LORENZO TOLA

SILVIA

2818

LOZANO COLOMER

CRISTINA

2568

LOZANO FELIPE

MANUEL

3215

LOZANO GOMEZ

ANA ISABEL

3167

LOZANO LARA

JOSE MARIA

3426

LOZANO MUÑOZ

ARTURO

LOZANO MUÑOZ

FCO. JAVIER

LOZANO SUAREZ

JUAN DIEGO

LUBIAN BERMEJO

ESTHER

3275

LUCIA GIMENO

ISABEL

2333

BANKINTER SEGUROS DE VIDA, S.A., Actuario, Avda. Bruselas, 12, 28108 Alcobendas (Madrid), ailozanog@bankinter.es

807

GUY CARPENTER, GC Analytics Managing Director, Pº de la Castellana, 216, Planta 20, 28046 Madrid, 91-3447982, alozano@guycarp.com

1651

WR BERKLEY ESPAÑA, Director de Organización y Sistemas, jlozano@wrberkley.com

661

249

AON HEWITT, Consultor, Rosario Pino, 14-16, 28020, Madrid,

91-3405572, silvia.lorenzo@aonhewitt.com

APELLIDOS

NOMBRE

Nº 2734

DATOS PROFESIONALES

LUENGO REDONDO

MARTA

CASER, Actuario, Avda. de Burgos, 109, 28050 Madrid, 912146767, mluengo@caser.es

LUJA UNZAGA

FELIX

LUQUE RETANA

CARLOS LIONEL

1022

AEGON SEGUROS, Appointed Actuary, C/ Príncipe de Vergara, 156, 28002, Madrid, 91-5636222, luque.carlos@aegon.es

LUX

CHRISTIAN

2150

670520107, christian_lux@hotmail.com

LUZARRAGA IGUEREGUI

JOSE RAMON

MACIAN VILLANUEVA

ALBERTO-JOSÉ

1896

GENERALI ESPAÑA, S.A. DE SEGUROS, Director de Área de Control Técnico, Orense, 2, 3ª Planta, 28020, Madrid, 913301567, 91-3301600, a.j.macian@generali.es

MADARIAGA ZUBIMENDI

TERESA

2208

HCC INTERNATIONAL, Directora Actuarial Europea, 35 Seething Lane, EC3N 4ALT, Londres UK tmadariaga@hccint.com

MADRIGAL ESTEPA

ELENA

1852

MAESTRE HERNANDEZ

JOSE MANUEL

2353

MAESTRO ALONSO

REBECA

3328

MAESTRO MUÑOZ

M. LUISA

603

MALDONADO TUDELA

J. CARLOS

987

MANCEBO ALZOLA

MAITANE

3460

MANRIQUE CORRAL

JORGE

3285

TOWERS WATSON / INSURANCE CONSULTING, Consultor, Suero de Quiñones, 42, 28002, Madrid, +34660759583, +34915903081, jorge.manrique@towerswatson.com

MANRIQUE MARTINEZ

MARTA

2519

marta2m@mixmail.com

MANZANARES PAVON

MONICA

1901

MANZANARO BERACOECHEA

LAURA

1206

MANZANO RIQUELME

ESTEBAN

567

MARAÑON ALONSO CARRIAZO

M. TERESA

847

MARAÑON HERRANZ

PAULA AINHOA

MARCHAN MARTIN

ROBERTO

MARCHETTI

MARCOS A.

MARCHINI BRAVO

J. LUIS

963

MARCO RODRIGUEZ

CESAR

3450

MARCOS APARICIO

DAVID

3321

MARCOS GOMEZ

F. JAVIER

1034

Madrid, 629248996, javier.marcos@actuarios.org

MARCOS GONZALEZ

GABRIEL

1949

GRUPO DE ASESORES PREVIGALIA / CONSULTORIA ACTUARIAL, Socio Consultor, C/ Albadalejo, 2, 1º 59, 28037 Madrid, 91-1833756, gabrielmarcos@gaprevigalia.com

MARCOS GONZALEZ

FCO. JAVIER

2008

javimarcosg@hotmail.com

MARGALLO SANCHEZ

SANDRA

3434

MARIN CARRASCO

MERCEDES

1763

MARIN CARRASCO

ANGEL

1764

MARIN COBO

ANGEL

MARINA RUFAS

JUAN

139

VAHN AUDITORES, S.L., Socio, C/ Andrés Mellado, 9, 1º D, 28015 Madrid, : 91-5500570, jcmaldonado@vahnauditores.es

C.N.P. VIDA, Directora Previsión Social, Ochandiano,10, El Plantio, 28023 Madrid, 91-5243400, mery.maranon@cnpvida.es

3127 356 3329

AON RISK SOLUTIONS, Rosario Pino, 14-16, Madrid, ҝ 913405531, mercedes.marin@aon.es

399 2020

250

AON CONSULTING, Director Consultoria Inversiones, C/ Rosario Pino, 14-16, 28020 Madrid, 91-3405560, jmarinar@aon.es

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

MAROTO FERNANDEZ

BEATRIZ

1131

MARQUEZ GARRIDO

MANUEL

2346

MARQUEZ RODRIGUEZ

RUBEN

2717

ING NATIONALE NEDERLANDEN EMPLOYEE BENEFITS, Jefe de Equipo Dpto. Técnico - Actuarial

MARQUEZ VALLE

JOSE

3294

CAJASUR ENTIDAD DE SEGUROS Y REASEGUROS, S.A., Servicio TéCnico, C/ Padre Reyes Moreno, 7, 14520, Fernán Nuñez, Córdoba, 607379865, jomarva@hotmail.com

MAROTO NAVARRO

GUADALUPE

3330

MARTI ANTONIO

MANUEL

3256

MARTIN ALONSO

MARTA

2501

MARTIN ALVAREZ

OSCAR

2957

MARTIN ANTON

JOSE CARLOS

MARTIN BLAZQUEZ

SUSANA

3341

MARTIN CALERO

LAURA

2958

SANTANDER SEGUROS Y REASEGUROS, CIA ASEG., S.A., Actuario, Avda. Cantabria, s/n, 28660, Boadilla del Monte,

91-2893664, laurmartin@gruposantander.com

MARTIN CORRALES

JAVIER

2490

MAPFE VIDA, Actuario - Dpto. División de Empresas, General Perón, 40, 28020 Madrid, 91-5818193, jmart25@mapfre.com

MARTIN CRESPO

AURORA

2937

AEGON ESPAÑA, S.A. / SEGUROS, REASEGUROS Y GESTION DE PLANES Y FONDOS DE PENSIONES, Responsable de la Unidad de Pensiones, Príncipe de Vergara, 156, 28002 Madrid, 91-3432887, martin.aurora@aegon.es

MARTIN CRESPO

MONICA

3267

MARTIN DE CABO

JUAN JOSE

3076

MARTIN DE LA ROSA

DIANA

3085

MARTIN DE LOS RIOS

VALENTIN

2959

MARTIN DE VIDALES LAVIÑA

Mª ISABEL

1595

LIBERTY SEGUROS, Product mANAGER, C/ Obenque, 2, 28042 Madrid, 91-3017900, isabel.martindevidales@libertyseguros.es

MARTIN DOMINGUEZ

INMACULADA

3060

MAPFRE FAMILIAR, Actuario, Ctra. Pozuelo, 50, 28220, Madrid, 915812963, inmacma@mapfre.com

MARTIN DORTA

NAYRA

2874

MARTIN GARCIA

ALBERTO

3461

AEGON, Actuario – Dpto. Técnico Vida, Príncipe de Vergara, 156, 28002 Madrid, 627761784, martin.alberto@aegon.es

MARTIN GARCIA

CRISTINA

2559

PRICEWATERHOUSECOOPERS, Asociado Senior, C/ Almagro, 40, 28010, Madrid, cristina.martin.garcia@es.pwc.com

MARTIN HERNANDEZ

MARIA

2659

MARTIN HERNANDEZ

JESUS

2772

MARTIN LOPEZ

FERNANDO

2209

MARTIN MARTIN

ANA ISABEL

3305

MARTIN MIRAZO

FERNANDO

1895

MARTIN ORTEGA

MARIA ELENA

2981

MARTIN PALACIOS

FRANCISCO J.

2996

MARTIN PEREZ

Mª MONTSERRAT

579

764

251

RURAL VIDA, SA DE SEGUROS Y REASEGUROS, Comercial Previsión Colectiva, C/ Basauri, 14, 28023, Madrid, 917007450, 91-7007037, dianamr@segurosrga.es

Munich Re / Reaseguro, Director Técnico Vida – Iberoamérica, Castellana, 18, 28046 Madrid, 91-4260693, fmartin@munichre.com AHORRO Y PROTECCION, CORREDURIA DE SEGUROS, Director General, Avda. Arroyo del Santo, 4, 28042 Madrid,

650937089, martin@ahorroyproteccion.com

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

MARTIN PLIEGO

FCO. JAVIER

MARTIN QUINTANA

FRANCISCO J.

2334

907

MARTIN RAMOS

Mª CARMEN

2520

MARTIN REGUERA

ROBERTO

2539

MARTIN SOBRINO

SARA

3227

MARTIN TEMPRANO

Mª DEL PILAR

2102

MARTIN TRUJILLO

JOSE LUIS

2926

MARTIN VELASCO

JOSE LUIS

373

MARTINEZ ALFONSO

JOSE ANTONIO

MARTINEZ ARCOS

GERMAN

1789

MARTINEZ BLASCO

ERNESTO

3139

MARTINEZ BOIX

MIGUEL ANGEL

2411

MARTINEZ CAL

ROSA

2174

MARTINEZ COCO

LUIS GONZALO

2266

MARTINEZ CRESPO

ENRIQUE J.

3128

MARTINEZ FERNANDEZ

FLORENCIO

MARTINEZ FEYJOO

JOSE ENRIQUE

1199

MARTINEZ GARCIA

Mª DEL MAR

1441

BERGÉ Y ASOCIADOS, CORREDURIA SEGUROS, Director Técnico, Antonio Maura, 4, 28014 Madrid, 91-7010911, 91-5216567, mmartinez@bergeyasociados.es

MARTINEZ GARCIA

CRISTINA

2569

CAMPOFRIO FOOD GROUP, Corporate Risk Management Director, Avda. Europa, 24, Parque Empresarial “La Moraleja”, Alcobendas (Madrid), 91-4842754, cristina.martinez@campofriofg.com

MARTINEZ GIL

GEMA

2773

MARTINEZ GONZALEZ

JAVIER

1709

MARTINEZ GORRIZ

ANA PAZ

1701

MARTINEZ LEON

JOSE

MARTINEZ LLORENTE

VICTOR

3238

MARTINEZ LUCAS

PEDRO RUBEN

2541

MARTINEZ LUCENA

IGNACIO

3061

MARTINEZ MARTIN

MIGUEL

3361

MARTINEZ MENENDEZ

MARIO

3257

MARTINEZ MORAL

Mª BEATRIZ

2521

MARTINEZ MORENO

BEGOÑA

2182

MARTINEZ PARICIO

IRENE

3062

BBVA SEGUROS, Responsable Siniestros No Vida, franciscoj.martin@grupobbva.com PRUDENTIAL PLC-GROUP HEAD OFFICE, 12 Arthur Street, ECHR 9AQ, LONDON UK, +44(0)2075482625, +44(0)2075483699, roberto.martinreguera@prudential.ce.uk

AON HEWITT ESPAÑA, Consultor, Rosario Pino, 14-16, 28020 Madrid, 91-3405482, 91-3405893, joseluis.martin@aonhewitt.com

178 UNIVERSIDAD DE BURGOS, Profesor, Pza Infanta Elena, s/n, 09001, Burgos, 94-7258993, 94-7258013, martinc@ubu.es UNIVERSIDAD MIGUEL HERNANDEZ, Profesor, Avda. Universidad, s/n, 03002 Elche, Alicante, 637108935, 966658614, mamartinez@umh.es

149

CAJAMAR SEGUROS GENERALES, Responsable Técnico Seguros Generales, C/ Orense, 2, Madrid, 91-5244519, apmartinez@cajamarsegurosgenerales.es

223

252

KPMG- Financial Risk Management, Consultor, C/ Sangenjo, 5, 10º B, 28034 Madrid, ҝ 696383047, miguel.mtnez.martin@gmail.com MAPFRE ASITENCIA, Responsable Técnica, C/ Sor Ángela de la Cruz, 28020 Madrid, 91-5811196, mbeatri@mapfre.com

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

MARTINEZ PEREZ

SARA

3228

TOWERS WATSON, Consultor, Suero de Quiñones, 40-42, 28002, Madrid, 91-5905131, sara.martinez@towerswatson.com

MARTINEZ RODRIGUEZ

JOSE LUIS

2220

MARTINEZ-SIMON JIMENEZ

CARLOS

436

MARTINEZ-ACITORES PALACIOS

OSCAR

2420

MARTIN-GROMAZ DE TERAN

JAVIER

2660

WILLIS IBERIA, Pº de la Castellana, 36-38, 4ª Planta, 28046 Madrid, 91-4233400, 914317821, martinj@willis.com

MARTIN-PALOMINO CASANOVA

BLANCA

2902

PASTOR VIDA, S.A., Actuario, Pº de Recoletos, 19, Planta 5ª, 28004, Madrid, 91-5249850, bmartinpc@bancopastor.es

SANTANDER SEGUROS Y REASEGUROS, Director área técnica seguros de vida, Ciudad Grupo Santander. Avda. de Cantábria s/n cmartinezsimon@gruposantander.com CaixaBank, S.A., Servicio de Estudios RRHH, Diagonal, 621629, 08028 Barcelona, 638900204, oscar.martinez.a@lacaixa.es

MARTORELL AMENGUAL

VICENTE

MARTOS RUIPEREZ

DANIEL

2445

407

MASFERRER PAGES

JOSEP LLUIS

1191

MATA BUENO

MIGUEL ANGEL

1359

MATA MORALES

JUAN CARLOS

1136

MATA YEDRA

JUAN IGNACIO

3419

MATARRANZ CARPIZO

ANA

2034

MATEO QUINTANILLA

PABLO

2903

MATEO VAZQUEZ

JAVIER

2695

MATEOS ALPUENTE

ALFONSO

840

MATEOS CRUZ

ANTONIO

654

MATEOS GOMEZ

NIEVES

3427

MATEOS MORO

JOSE ANTONIO

1058

MATEOS RODRIGUEZ

Mª ELENA

2143

MATHUR ANDA

BIMAL TERESA

3175

MATIAS MURIEL

Mª DEL PILAR

1376

MATIAS POMPA

ADRIAN

3404

MAUDES GUTIERREZ

BEATRIZ

2366

MAPFRE RE, Suscriptora-Ramos Personas, Pº de Recoletos, 25, 28004, Madrid , 91-5813334, bmaudes@mapfre.com

MAYLIN SANZ

MIKEL

1855

SA NOSTRA SEGUROS, Alcalá, 28, 28014, Madrid,

639754895, mmaylins@seguros.sanostra.es

MAYORAL MARTINEZ

ROSA Mª

1820

UNIVERSIDAD DE VALLADOLID, DPTO. ECONOMIA FINANCIERA Y CONTABILIDAD, Profesor Titular de Universidad, Avda. Valle Esgueva, 6, 47011 Valladolid, 983423334 983-186484, rmayoral@eco.uva.es

431

MAZA GARCIA

JOSEFA

MAZA GARCIA

M. PILAR

MAZAIRA CUADRILLERO

ADELA

1269

MECO CARRIAZO

JOSE LUIS

2820

BUCK CONSULTANTS / CONSULTORIA, Pº General Martínez Campos, 41, 28010 Madrid, 91-3102699, 91-3102697, jose-luis.masferrer@buckconsultants.com

MUTUA DE RIESGOS MARITIMOS (MURIMAR) / SEGUROS, Director Financiero, C/ Orense, 58, 6º A-B, 28020 Madrid,

91-5971835, 91-5971813, contabilidad@murimar.com

MAPFRE VIDA, Dtor. Grandes Cuentas, Pº de las Delicias, 955ªA, 28045 Madrid, 91-5282195

AVIVA SERVICIOS COMPARTIDOS AIE, Actuario, Plaza Legión Española, 8, 1º, 46010, Valencia, 96-3895959, pilar.matias@aseval.com

432

253

ARTAI, Directora de Vida y Pensiones, Avda. García Barbón, 48, 1º, 36201, Vigo, España, 98-6439600, 98-6439094,

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

MECO DEL OLMO

ALICIA

2194

PERAITA & ASOCIADOS, S.L., Consultor, Avda. Pio XII, 57, 28016 Madrid, 91-3431133, alicia.meco@actuarios.org

MEDIAVILLA GARCIA

LEON

2904

CATHEDRAL CAPITAL / LLOYD,S OF LONDON, Actuary, 5th Floor. Fitzwilliam House. 10 St Mary Axe. EC3A 8BF London,

+442071709026, leon.mediavilla@cathedralCapital.com

MEDINA LOPEZ

JOSE MANUEL

787

VIDA Y PENSIONES, Director, C/ Serrano, 29, 28001 Madrid,

91-5761889, 91-5762205, j.medina@vypcp.com

MEDINA LOPEZ

ANA

2927

MEDINA LOPEZ

AMALIA

3176

MEDINA PALACIOS

ALEJANDRO

3099

MELERO AMEIJIDE

FCO. JAVIER

1775

MENDEZ ESTEVEZ

CARLOS

1650

MENDEZ RODRIGUEZ

TERESA

1972

MENDEZ RUIZ

PILAR

1524

MENDIA CONDE

SUSANA

2164

MENDIOLA BERRIOATEGORTUA

ENERITZ

2661

MENDOZA AGUILAR

ANDRES

1355

MENDOZA CASAS

ANTONIO

488

MENDOZA RESCO

CARMEN

1743

MENENDEZ CERREDO

Mª DEL PILAR

1575

MENENDEZ JEREZ

MIGUEL ANGEL

2145

MERCER / CONSULTORIA, Principal, Pº de la Castellana, 216, 28046, Madrid, 91-4568460,

MENESES SAUCE

JOSE DANIEL

3462

MANAGEMENT SOLUTIONS/CONSULTORIA, Plaza Pablo Ruiz Picasso, 1, Torre Picasso, 28020 Madrid, 91-830800, 91-830900, jose.daniel.meneses@msspain.com

AON HEWITT, Actuario/Inversiones, Rosario Pino, 14-16, 28020 Guadalajara, 669624376, alejandro.medina@aonhewitt.com

SCOR GLOBAL P&C SE IBERICA SUCURSAL, Actuario No vida y Suscripción Contratos, Pº de la Castellana, 135, 9ª Planta, 28046 Madrid, 91-7991944, 91-3517044, tmendez@scor.com

ma.menendez@mercer.com

MERICAECHEVARRIA GOMEZ

ISABEL

MERINO PALOMAR

ALBERTO

2287

813

MERINO RELLAN

PEDRO JOSE

1624

MERINO ZUBILLAGA

MIGUEL ANGEL

3380

MERLO LOPEZ

MARIA CARMEN

3019

MESTRE BOSCA

SALVADOR

3306

MIELGO GUDE

PEDRO

2035

MILLA MARCHAL

ALBERTO

2833

BUCK CONSULTANTS, S.L., Consultor Actuario, C/ Luis Ruiz, 111, 10º D, 28017, Madrid, 637855032, alb200sx@hotmail.com

MILNER RESEL

AITOR

2543

aitor.milner@actuarios.org

MIÑARRO PORLAN

TRINIDAD

1068

609504164, tminarro@telefonica.net

MIRA CANDEL

FILOMENO

780

FUNDACION MAPFRE, Vicepresidente, Pº de Recoletos, 23, 28004 Madrid, 91-5811040, 91-5815340, fmira@mapfre.com

MIRANDA BENAVIDES

NORMA

MIRAZO SANCHEZ

M. CRISTINA

2882 318

254

ERNST & YOUNG / AUDITORIA (SECTOR ASEGURADOR), Manager, Plaza Ruiz Picasso, 1, 28020, Madrid, 915727304, 91-5727275, salvador.mestrebosca@es.ey.com

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

MOLINA COLLELL

FCO. JAVIER

1934

ZURICH VIDA, Actuario, Vía Augusta, 200, 08021 Barcelona, javier.molina@zurich.com

MOLINA LORENTE

MARTA

3216

MOLINA PLAZA

ADOLFO

1996

MOLINA RUIZ

SERGIO

3248

MOLINERO BALSEIRO

ANGEL Mª

2070

MONJE OSUNA

JOSE IGNACIO

805

MONJO VILLALBA

JUAN MIGUEL

2837

DELOITTE, Gerente, Plaza Pablo Ruiz Picasso, 1, Torre Picasso, 28020 Madrid, 649245174, jmonjo@deloitte.es

MONTALVO RAMIREZ

JOAQUIN

2561

Bankinter SEGUROS DE VIDA, Director Técnico, C/ Alonso Cano, 85, 3º D, 28003 Madrid, 647990278, jmontalvo@bankinter.es

MONTAÑES NAVARRO

JOSE

MONTERDE ARRANZ

ALVARO

2199

MONTERO ALFEREZ

ALEJANDRO

3043

MONTERO HERNANDEZ

Mª NIEVES

2249

MONTERO LEBRERO

PEDRO

MONTERO LORENTE

JOSE MARIA

3405

MONTERO MARTIN

DAVID

3428

MONTERO REDONDO

FERNANDO

2663

MONTES FUCHS

ANTONIO

2026

ERGO VIDA, Actuario de Seguros, C/ Concha Espina, 63, 28016 Madrid, 91-4565651, antonio.montes@dkvseguros.es

MONTES LAJA

MANUEL

3322

MILLIMAN CONSULTANTS AND ACTUARIES, Consultor Actuario, Pº de la Castellana, 91, Edif. Centro 23, 28046, Madrid, 91-5984096, manuel.montes@milliman.com

MONTOYA RODRIGUEZ

ANGEL

3268

MILLIMAN CONSULTANTS AND ACTUARIES, Consultor, Pº de la Castellana, 91, Edif. Centro 23, P. 14, 28046, Madrid,

91-5984089, 91-5984078, angel.montoya@milliman.com

MONZON RAMOS

ROBERTO

3031

MONZON RODRIGUEZ

CARLOS

3276

MORA BARRANTES

MARIA

3190

MORA GARCIA

MIGUEL ANGEL

1466

Madrid

895

BANKIA (BANCA PRIVADA), Gestor de Patrimonios, Madrid, amontera@cajamadrid.es

447

MORAL SANTAMARIA

ALFONSO

MORALEDA AVILA

M. VICTORIA

1127

MORALEDA NAVARRO

FRANCISCO

1175

MORALES BLANCO

JOSE ALBERTO

3217

MORALES GARCIA

Mª CARMEN

2785

MORALES HERRANZ

FERNANDO

2821

MORALES MEDIANO

PABLO LUIS

2577

MORALES MORENO

CARMEN

3363

MORAN SANTOS

JAVIER

1210

970

255

MAPFRE PERU, Subdirector Unidad de Riesgos, Avda. 28 de Julio, Miraflores, 18 Lima (Perú), 0051012137373, montejm@mapfre.com

SWISS RE EUROPE, S.A., SUCURSAL EN ESPAÑA, Marketing Actuary, Pº de la Castellana, 95, Planta 18, 28046 Madrid, 91-5982353, 91-5981779, maria_morabarrantes@swissre.com alfonso.moral@actuarios.org

L.E.K. CONSULTING, 40 Grosvenor Place, London SW1X 7JL, UK, +442073897368, +44207389440 SOUTHERN ROCK INSURANCE CO. LTD, Pricing and Actuarial Director, 1, Corral Road, Gibraltar,

+44(0)1454636815, pablo.morales@sricl.com

APELLIDOS

NOMBRE

Nº 3244

DATOS PROFESIONALES

MORANTE PEREZ

Mª ESPERANZA

MORATAL OLIVER

VICENTE

853

mesperanza.morante@grupobbva.com

MORATE ABELLA

CARLOS

3331

SANTANDER, BACKOFFICE GLOBALES MAYORISTAS, Analista de Operaciones, Avda. Club Deportivo, s/n, Pozuelo de Alarcón, Madrid, 645034578, carlos.morate@gmail.com

MORATO LARA

JUAN CARLOS

1463

BBVA, SA. 91-3746177, jcarlos.morato@grupobbva.com

MORCILLO CORDERO

ALEXANDRA

2492

MORCILLO PAREJO

FRANCISCO J.

2544

MORE CIMIANO

JOSE MARIA

MORENO ADALID

LAURA

2594

MORENO AMEIGENDA

MARCOS

2413

ATLANTIS CONSULTORIA, Actuario, C/ Zurbano, 45, 6ª Planta, 28010 Madrid, 609150099, marcosmoreno@atlantisgrupo.es

MORENO CARMONA

EVA MARIA

2553

ADMIRAL GROUP, Jefe Departamentos Underwriting y Productos Complementarios, C/ Albert Einstein, s/n, Edif Insur Cartuja, 41092 Sevilla, eva.moreno@actuarios.org

MORENO CARRILLO

PALOMA

1511

MUSAAT, MUTUA DE SEGUROS A PRIMA FIJA, Responsable de Auditoria Interna, C/ Jazmín, 66, 28033 Madrid, 91-3841122, 91-3831051, paloma.moreno@musaat.es

MORENO CORDERO

Mª ANGELES

2071

PRICEWATERHOUSECOOPERS / CONSULTORIA PREVISION SOCIAL, Gerente, Castellana, 53, 28046 Madrid,

91-6585750, 91-5685838, mariam.moreno.cordero@es.pvc.com

MORENO EXPOSITO

ADOLFO

2962

ATLANTIS ASESORES, S.L, Actuario, C/ Zurbano, 45, 6ª Planta, 28010 Madrid, 91-3835224, amx@atlantisseguros.es

MORENO FERRER

JAIME ALBERTO

887

CASER, Dtor. Colectivos de Vida, Avda. Burgos, 109, 28050 Madrid, 91-2146084, jaime.moreno@caser.es

MORENO GARCIA

MANUEL

1353

PLATON SEGUROS DE CREDITO, Socio Director, C/ Platón, 20 1º - 2ª 08006 Barcelona, C/ Monasterios Suso y Yuso 67, esc E, bj A 28049 Madrid, 932 41 75 07 - 910 00 78 71, manuelmoreno@platonseguros.com

MORENO GONZALEZ

JOSE ANTONIO

1843

MORENO IGLESIAS

OLGA

3307

MORENO MOLERO

Mª DOLORES

2319

MORENO MURILLO

ANGELES

2009

MORENO RUBIO

SILVIA

2582

MORENO RUIZ

RAFAEL

2118

MORENO TORRES

ANGEL

3289

MORENO URRUTICOECHEA

CRISTINA

1209

MORENO VERA

PEDRO

2938

pedro.moreno@actuarios.org

MORERA NAVARRO

JOSE

2151

EUROVIDA, S.A. / EUROPENSIONES, S.A., Director Técnico, C/ María de Molina, 34, 28006, Madrid, 91-4364722, 914360263, jmorera@bancopopular.es

MORIÑIGO ALONSO

FRANCISCO J.

3077

MORQUECHO ARES

BENITO

2884

MOYA REBATE

LUIS CARLOS

2481

786

256

PREVISION SANITARIA NACIONAL, Drectora Asesoría Actuarial, C/ Villanueva, 11, 28001, Madrid

UNIVERSIDAD DE MALAGA/EDUCACION UNIVERSITARIA, Profesor Titular, Campus El Ejido, s/n, 29071 Málaga,

667519143, 95-2136585, rafael.moreno@actuarios.org

TOWERS PERRIN, Gerente, C/ Suero de Quiñones, 42, 28002 Madrid

APELLIDOS

NOMBRE

Nº

MUNK

DIANA VALERIA

2997

MUÑOZ FENTE

ALFONSO

2697

MUÑOZ CRESPO

LAURA

3269

MUÑOZ GARCIA

PEDRO

1294

MUÑOZ GOMEZ

ANA ISABEL

2391

DATOS PROFESIONALES TOWERS WATSON, Senior Consultant, 71 High Holborn, Londres, UK, Diana.munk@towerswatson.com ATLANTIS ASESORES, Actuario Previsión Social, C/ Zurbano, 45, 6ª Planta, 28010, Madrid, 666016198, laura.mcrespo@gmail.com

AON, Consultor Riesgos Personales, Rosario Pino, 14-16, 28020, Madrid, 91-3405655, 91-3405883, amunozgo@aon.es

MUÑOZ ITURRALDE

JOSE M.

MUÑOZ LOPEZ

JAVIER

2465

MUÑOZ MARTI

Mª DEL CARMEN

3357

MUÑOZ MURGUI

FRANCISCO

MUÑOZ OSUNA

JOSE JOAQUIN

MUÑOZ REOYO

M. CRISTINA

NADAL DE DIOS

RAMON

1381

CASER SEGUROS, Dtor. Técnico Seguros Generales, Avda. de Burgos, 109, 28050 Madrid, 91-5955053, 915955036, rnadal@actuarios.org

NASSARRE BIELSA

Mª CARMEN

2010

MERCER, Pº de la Castellana 216, 28046 Madrid,

914569400, 913449133, carmen.nassarre.bielsa@mercer.com

NAVACERRADA COLADO

FRANCISCO

3121

GROUPAMA SEGUROS Y REASEGUROS, S.A., Analista Estudios Actuariales, Plaza de las Cortes, 8, 28014 Madrid

91-5899292, 91-4298921, fran.navacerrada@groupama.es

NAVARRETE ROJAS

JORGE

3032

PRICEWATERHOUSECOOPERS, Pº de la Castellana, 43, 28046 Madrid, 690239011, jorge.navarrete.rojas@es.pwc.com

NAVARRO ALONSO

JOSE MANUEL

1818

ALLIANZ SEGUROS, Gestión Activo/ Pasivo, C/ César Manrique, 34, 2ºA, 28035, 676496899, josemanuel.navarro@allianz.es

NAVARRO BAS

Mª ANGELES

2120

NAVARRO DIAZ

JOSE ANTONIO

3374

896

GROUPAMA SEGUROS, Dtor. División Estudios Actuariales Vida, Plaza de las Cortes, 8, 28014 Madrid, 91-2962430, javier.munoz@groupama.es DEPARTAMENTO DE ECONOMIA FINANCIERA Y ACTUARIAL, Profesor Facultad de Economía, Campus dels Tarongers, s/n, 46022 Valencia, 96-3828369, munozm@uv.es

2289 763

NAVARRO MARTINEZ

LUIS

NAVARRO MIGUEL

JAVIER

1235

MEDICORASSE CORREDURIA DE SEGUROS, SAU, Director General, Pº Bonanova, 47, 08017 Barcelona, 93-5678870, javier.navarro@med.es

NAVARRO ORTEGA

OSCAR

2015

MUSAAT, Mutua de Seguros a Renta Fija, Director Técnico, oscar.navarro@musaat.es

NAVAS ALEJO

CARLOS J.

2606

UNIVERSIDAD MIGUEL HERNANDEZ DE ELCHE, Profesor de Departamento de Estudios Económicos y Financieros, Avda. de la Universidad, s/n, Edif. La Galia, Despacho 19, 03202, Elche, Alicante, 96-6658916, cjnavas@umh.es

NAVAS LANCHAS

RAFAEL

1261

MUTUALIDAD GENERAL DE LA ABOGACIA, Subdirector General, C/ Serrano, 9, 28001 Madrid, 91-4352486, rafael.navas@mutualidadabogacia.com

NIELSEN NIELSEN

KARINA METTE

2320

karina.nielsen@actuarios.org

NIETO CARBAJOSA

FCO. JAVIER

2618

NIETO DE ALBA

UBALDO

NIETO VALDECANTOS

JORGE

438

253 3444

257

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

NIETO VARELA

EVA

2210

AVIVA CORPORACION, European Finance Transformation_Accounting Lead, Camino Fuente de la Mora, 9, 28050, Madrid, 91-2971682, eva.nieto@aviva.es

NIETO-MARQUEZ HERNANDEZ-FRAN

JAIME

2109

TOWERS WATSON / CONSULTORIA, jaime.nietomarquez@towerswatson.com

NOTARIO CALVO

Mª FELICIDAD

2471

AXA, Actuariado Área Técnica Vida, Camino Fuente de la Mora, 1, 28050 Madrid, felicidad.notario@axa.es

NOVELLA ARRIBAS

CRISTINA

1893

NOVOA CONTRERAS

DAVID

2556

MERCER CONSULTING, S.L., Senior Associate, Pº de la Castellana, 216, 28046 Madrid, 91-4569438, 91-3449133, david.novoa@mercer.com

NUNES MARQUINA

EDER

3406

American International Group (AIG) – Venezuela, Gerente de Negocios PYME, Avda, Eugenio Mendoza, Redoma La Castellana, Centro Empresarial La Castellana, Piso 7, Municipio Chacao, 1016 Caracas ( Distrito Capital ),

00582123188331, Eder.nunes.m@gmail.com

NUÑEZ ALCAZAR

BENITO

2493

NUÑEZ MORALES

BLANCA

3463

OCHOA CUEVAS

JANA MERCEDES

3342

OCON GONZÁLEZ

PAULA

3332

OLIVAN UBIETO

ALICIA

2503

CAI VIDA Y PENSIONES, Actuario, Pº Isabel la Católica, 6, 2ª planta, 50009 Zaragoza, 97-6718939, 97-6718993, aolivan@seguros.cai.es

OLIVARES HERRAIZ

ELENA

2595

CAJA DE SOCORROS, INST. POL. MPS. A PRIMA FIJA, Actuario, C/ Espoz y Mina, 2-1º, 28012 Madrid, 91-5318495, eolivares_cajasocorro@telefonica.net

OLIVER RABOSO

JULIAN CARLOS

909

UNIVERSIDAD PONTIFICIA COMILLAS, Profesor, C/ Joaquín María López, 25 28015 Madrid, 667774862, julian@joliver.es

OLIVERA POLL

MIGUEL ANGEL

OLMEDO ANDUEZA

FRANCISCO

2886

858

OLONA DELGADO

MARTA MARIA

2743

ONCALADA MORO

BLANCA ISABEL

3101

OREFICE PAREJA

VANESA

3180

OREJA GUEVARA

EDUARDO

2111

SOCIEDAD MEDIADORA OREJA CORREDURIA DE SEGUROS, S.L. Gerente, C/ María Tubau, 15, Portal F, 1º 5º 28050 Madrid, 91-3588968, 91-3588634, eduardooreja@segurosoreja.com

ORELLANA PAREDES

JULIO

2987

BIHARKO ASEGURADORA, COMPAÑÍA DE SEGUROS Y REASEGUROS, S.A.U., Actuario, José Marrón, 35, 2º, 14910 Benamejí (Córdoba), 654834816, jhuli5@hotmail.com

ORELLANA PAREDES

MARIA TERESA

3008

KUTXABANK SEGUROS, Actuaria ( Departamento Técnico), C/ José Marrón, 35, 2º, 14910 Benamejí- Córdoba,

654834736, teresa_orellana_paredes@hotmail.com

ORTEGA GUTIERREZ

JUAN

1683

jortegut@telefonica.net

ORTEGA RECIO

CARMEN BELEN

1961

OPTIMA PREVISION, S.L., Responsable Proyectos, C/ Velázquez, 14, Bajo Dcha., 28001, Madrid, 91-7819754, 91-5780103, c.ortega@optimaprevision.com

ORTEGA RODRIGUEZ

Mª DEL PILAR

1457

MONDIAL ASSISTANCE, Directora Área Técnica y Actuarial, Edificio Delta Norte, 3, Avda de Manoteras, 46, Bis, 28050, Madrid, 91-3255416, pilar.ortega@mondialassistance.es

ORTI SANZ

ENRIQUE

3381

258

MILLIMAN CONSULTANTS AND ACTUARIES, Consultora, Pº de la Castellana, 91, Edif. Centro 23, 28046, Madrid, 915984077, 91-5984078, marta.olona@milliman.com

APELLIDOS

NOMBRE

Nº

ORTIZ ALEIXANDRE

Mª NADIA

2857

ORTIZ GARCIA

JUAN LUIS

2362

ORTIZ MERINO

PEDRO C.

2290

DATOS PROFESIONALES EON ESPAÑA, C/ Medio, 12, 39003, Santander, nadia.ortiz@eon.com AXA GLOBAL DISTRIBUTORS, Spain Product Development Manager, The Capel Building – Mary`s Abbey, Dublin 7, Ireland, +353(0)14711377, pedro.ortiz@axa.com

ORTUÑO BORRAS

JUAN F.

ORZA RODRIGUEZ

ANA CLAUDIA

2751

389

OSACAR IBERO

PEDRO MARIA

1962

OSES FERNANDEZ

ALFONSO

2460

OTERO OTERO

ALVARO JOSE

3086

PACHECO GARCIA

IVONNE MARITZA

3454

PACIOS LOPEZ

DAVID

3407

PADILLA CLAROS

JUAN DANIEL

2487

PAJARES ANTOLIN

VANESSA

3435

PAJARES GARCIA

VERONICA

3239

MAPFRE GLOBAL RISKS, Actuario, 91-5811953, vpgarci@mapfre.com

PALACIO RUIZ DE AZAGRA

JOAQUIN

865

J.A.P. SERCON, S.A. (CONSTRUCCION), Director Financiero, Bravo Murillo, 72, 28003 Madrid, 609164713, 91-5330935, jpalacio@japsercon.com

PALOMO SANCHEZ

OCTAVIO

3309

PALOS RODRIGUEZ

EMILIO JESÚS

3333

PAMPIN ARTIME

M. VICTORIA

992

BBVA, Especialista en Riesgo Operacional, Pº de la Castellana, 81, 4ª Planta, 28046 Madrid, 91-5377492, mvictori.pampin@bbva.com

PAMPOLS SOLSONA

FRANCESC X.

2845

CONSULTORÍA ACTUARIAL Y DE EMPRESA, Avda. Lleida, 11, 25137 Corbins, 629982626, 97-3190609, francesc.pampols@pampols.es

PARADA HERNANDEZ

JUAN ANDRES

3156

LIBERTY SEGUROS, Actuario-Área Técnica Productos Vida, C/ Obenque, 2, 28042 Madrid, 91-3017900, juan.parada@libertyseguros.es

PARLA MANZANEDO

VERONICA

3382

TOWERS WATSON, Consultor, Madrid, verónica.parla@towerswatson.com

PARRA ASPERILLA

SILVIA

2414

PARRA CRESPO

ANA

3107

PARRA MARTIN

FCO. JAVIER

2963

PARRA ZAMORANO

SERGIO

2363

PASCUAL COCA

BLANCA

310

PASCUAL DE SANDE

M. PILAR

1203

PASCUAL GIL

RAFAEL

340

PASCUAL LOSCOS

ARTURO

860

PASCUAL SAN MARTIN

MARTIN

3148

PASCUAL VELAZQUEZ

CARLOS

1665

PASTOR INFANTES

ELISABEL

2875

259

TOWERS WATSON, Consultor, C/ Suero de Quiñones, 42, Pl 3ª, 28002 Madrid, 91-5905132, 91-5903009, ana.claudia.orza@towerswatson.com VIDACAIXA PREVISION SOCIAL, Actuario, Príncipe de Vergara, 110, 5ª Planta, 28002 Madrid, 91-4326848, aoses@vidacaixa.com

MUTUA MADRILEÑA, SOCIEDAD DE SEGUROS, Actuario, Pº de la Castellana, 33, 28046 Madrid, 91-5922889, 913084241, cpascual@mutua-mad.es

APELLIDOS

NOMBRE

PASTOR NIETO

FERNANDO

PATRON GARCIA

RICARDO

PAVON BAHON

MARIA TERESA

Nº

DATOS PROFESIONALES

3364 164 3104

PAVON BAUTISTA

MERCEDES

PEDRERO ARISTIZABAL

MARTA

2799

PEDROSA SANTAMARIA

RAQUEL

2427

MUNICH RE, Senior Client Manager Life, Pº de la Castellana, 18, 28046 Madrid, 91-4260671, rpedrosa@munichre.com

PEÑA BAUTISTA

Mª CARMEN

2619

UNIÓN DUERO VIDA, Actuario, C/ María de Molina, 13, 47001 Valladolid, 98-3421831, carmen.pena@unionduero.es

PEÑA SANCHEZ

BENIGNA

221

Presidenta del Hospital SAN RAFAEL, Presidenta de HERCULES SALUD, Presidenta de SANAL CONTROL MEDIOAMBIENTAL

PEÑA SANCHEZ

INMACULADA

2572

MAPFRE FAMILIAR, Actuario, Ctra. Pozuelo, 50, 28220 Majadahonda, 91-5812188, ipenasa@mapfre.com

PEÑALVER MAYO

SONIA

2025

MUTUA MADRILEÑA AUTOMOVILISTA Pº Castellana, 33, 28046 MADRID. 915929604 ext. 3340 l spenalver@mutua-mad.es

PEÑAS BLAZQUEZ

DAVID

2472

LIBERTY SEGUROS, Manager Business Intelligence, Pº de las Doce Estrellas, 4, 4ª (Campo de las Naciones), 28042 Madrid,

699241938, david.penas@libertyseguros.es

PERAITA HUERTA

MANUEL

457

PERAITA Y ASOCIADOS, Avda. Pío XII, 57, 28016 Madrid,

91-3431133, 91-3593537, manuelperaita@actuarios.org

PEREA LOPEZ

RAQUEL

2335

PERELLO MIRON

JESUS

1364

PEREZ ABAD

DANIEL

2415

PEREZ ALLENDE

AMAIA

3372

PEREZ AYUSO

ANA Mª

1988

PEREZ CALDERON

RAQUEL

2292

PEREZ CAMPOS

ALFONSO

1060

PEREZ CARRASCO

ANTONIO

1039

PEREZ CUELLOS

FLOR

2838

PEREZ DE CIRIZA PEREZ DE LABOR

GUILLERMO

2336

PEREZ DE LAS HERAS

JESUS

1072

PEREZ DE MENDIOLA ZURDO

SARA

3362

PEREZ DE QUESADA LOPEZ

ALFREDO

683

PEREZ DOMINGO

M. REYES

892

PEREZ FRUCTUOSO

Mª JOSÉ

2573

PEREZ GRANADOS

JORGE DANIEL

2825

PEREZ GÜEMEZ

FERNANDO

2679

944

ASISA, Actuario, C/ Juan Ignacio Luca de Tena, 10, 28027, Madrid, 91-5957510, jperello@asisa.es MANAGENENT SOLUTIONS, Consultor, Pza. Pablo Ruiz Picasso 1, 28020 Madrid amaia.perez@msspain.es

TOWERS WATSON, Gerente, Suero de Quiñones, 42, 28002, Madrid, 91-5903988, flor.perez@towerswatson.com

UNIVERSITAT BARCELONA, Profesor Titular, C/ Bailén, 21, 08010 Barcelona, 93-2448980, mrperez@ub.edu fidias@actuarios.org

PEREZ HERRERA DELGADO

ANGEL LUIS

PEREZ JAIME

VICENTE JOSE

PEREZ JAIME

MIGUEL

Group Economic Capital, AVIVA, Level 14, St Helen's, 1Undershaft London, EC3P 3DQ fernando.perez@aviva.com

53 648

1801

260

FRONTQUERY, Socio, C/ Antonio López Aguado, 9, Planta 9, 28029 Madrid, 91-7320821 vicente.perez.jaime@frontquery.com

APELLIDOS

NOMBRE

Nº 851

DATOS PROFESIONALES

PEREZ JIMENEZ

JOSE M.

CESCE, S.A., Jefe Unidad Actuarial, Velázquez, 74, 28001 Madrid, 91-4234883, jmperez@cesce.es

PEREZ JIMENEZ

RAMON JOSE

2787

PEREZ LOPEZ

JUAN ENRIQUE

3429

PEREZ MARTIN

MARIA

3383

PEREZ MENDOZA

MARTA

2297

PEREZ MOLINA

PEDRO M.

1913

CAI VIDA Y PENSIONES, Dtor. Técnico, Pº Isabel la Católica, 6-2ª Planta, 50009 Zaragoza, 976-718991, 976-718993 pperez@seguros.cai.es

PEREZ MONTES

MIRIAM

3430

MUSAAT, MUTUA DE SEGUROS A PRIMA FIJA, Auditoría Interna,C/ jazmín, 66, 28033 Madrid, 91-3841137 miriam.perez@musaat.es

PEREZ MUÑOZ

FCO. ANTONIO

2584

PEREZ NEVADO

JOSE L.

2607

PEREZ PEREZ

JESUS

2268

PEREZ PEREZ

ANA BELEN

3202

PEREZ RODRIGUEZ

OSCAR

2073

PEREZ TRIPIANA

SALVADOR

1281

MAPFRE FAMILIAR, Técnico, Ctra Pozuelo, 50, 28222 Majadahonda, Madrid, 91-5811884, sper10@mapfre.com

PEREZ-BAHON MARTIN

ALVARO

2698

MAPFRE EMPRESAS, Actuario, Carretera de Pozuelo, 52, 28220 Majadahonda (Madrid), 91-5818308, perezba@mapfre.com

PERIBAÑEZ AYALA

FERNANDO

2466

PERROTE RICO

LUIS ANTONIO

PESCADOR CASTRILLO

M. DOLORES

PICAZO SOTOS

JOAQUIN

2036

PICHARDO RUSIÑOL

ESTHER

2545

PILAN CANOREA

OVIDIO

2752

PINILLA DE LA GUIA

Mª PAZ

1600

PIÑEIRO OUTEIRAL

RUBEN DAVID

2608

PLASENCIA RODILLA

ANA BELEN

2699

PLAZA ESTEBAN

JUAN JOSE

3386

PLAZA MAYOR

PABLO

PLAZA RESA

PALOMA

3310

PLAZA VELASCO

ANA

3143

POLVORINOS DIAZ

JOSE ALBERTO

3340

MONDIAL ASSISTANCE EUROPE N.V. SUCURSAL ESPAÑA, Responsable Dpto. de Suscripción, Avda. Manoteras, 46, Bis, Edificio Delta III, 28050 Madrid, 915255440, 91-3255352, maria.perez@mondial-assistance.es

ACTUARIOS Y SERVICIOS FINANCIEROS, SL, Consultor, C/ Peñalara, 3 bloque 2, piso 2º, 28224 Pozuelo de Alarcón, jp.perez@telefonica.net

69 826

983

POMAR FERNANDEZ

M. CARMEN

346

POMARES PUERTO

M. CARMEN

3171

PONS-SOROLLA BELMONTE

HELIO

3191

261

GRUPO SANTANDER, Chief Risk Officer, Avda. Cantabria, s/n, 28660 Boadilla del Monte, Madrid, 91-2890013, mdpescador@gruposantander.com

AVIVA, Head of Regulatory Economic Capital, ST Helen´s, 1, EC3P 3DQ London

TOWERS PERRIN, Director, C/ Suero de Quiñones, 42, 28002 Madrid, 91-5903009, pablo.plaza.mayor@towersperrin.com

MAPFRE RE, Actuario, Departamento Riesgos, Pº de Recoletos, 25, 28004 Madrid, 91-5811616, pjoseal@mapfre.com

SEGUROS, Actuario, C/ Domingo Fernández,5, 28036 Madrid,

91-1159211, heliopons@sorolla.org.es

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

PORRAS DEL CORRAL

FRANCISCO J.

PORRAS RODRIGUEZ

ANTONIO

418

PORTILLA ACEVEDO

JORGE

2665

PORTILLO NAVARRO

MANUEL JESUS

2446

MAZARS AUDITORES/ AUDITORIA, Senior Mánager, C/ Claudio Coello, 124, 28006 Madrid, 915624030, manuel.portillo@mazars.es

PORTUGAL GARCIA

IZASKUN

2321

LINEA DIRECTA ASEGURADORA / SEGUROS, Responsable Suscripción Hogar, C/ Isaac Newton, 9, PTM, 28760, Tres Cantos Madrid, 91-8054236, ldaipg@lineadirecta.es

POSTIGO VERGARA

IGNACIO

3348

POVEDA MINGUEZ

INMACULADA

POZUELO DE GRACIA

EMILIANO

2313

PRADA GARCIA

Mª ANGELES

3094

PRAT ALUJAS

MONTSERRAT

3271

TRUST RISK GROUP, Assistant Accounts Manager, St. Mary Axe, Londres, UK, m.prat@yahoo.es

PRECIOSO GARCIA

CRISTINA PILAR

2400

AVIVA SERVICIOS COMPARTIDOS – GRUPO AVIVA, Actuario, Camino Fuente de la Mora, 9, 28050, Madrid, 912971878, 91-2971736, cristina.precioso@aviva.es

PRIETO COBO

Mª DEL ROCIO

1929

PRIETO GIBELLO

FERNANDO

1795

PRIETO MONTES

LAURA

2433

PRIETO PEREZ

EUGENIO

PRIETO REAL

GEMA

2461

PRIETO RODRIGUEZ

ENRIQUE

3181

EUROP ASSISTANCE GROUP / SEGUROS DE ASISTENCIA, Controller Region Aiala, Orense 4, 28020 Madrid, 9151495445, enrique_prieto@europ-assistance.es

PRIETO RODRIGUEZ

CARLOS

3229

DELOITTE / ACTUARIAL, Gerente, Plaza Pablo Ruiz Picasso, s/n, 28020 Madrid, 91-5145000, 91-5145180, caprieto@deloitte.es

PRIETO SEGURA

FERNANDO

1839

GABINETE FINANCIERO DEL PROFESOR DR. EUGENIO PRIETO PEREZ, C/ Circe, 16, 28220 Majadahonda (Madrid),

91-638.40.85, 91-638.40.85, fprietosegura@terra.es

326

687

176

CAJASUR, Jefe de Gestión de la Liquidez, Avda. Gran Capitán, 11-13, 14008 Córdoba, 957-210574, 957210974, emiliano.pozuelo-de@cajasur.es

GABINETE FINANCIERO DEL PROF. DR. EUGENIO PRIETO, Presidente, C/ Circe, 16, 28220 Majadahonda (Madrid), 91-638.40.85, 91-638.40.85, eprietop@terra.es

PRIMO MEDINA

CARLOS

PRO GONZALEZ

JESUS MANUEL

2666

113

PROVENZA GARCIA-SUAREZ

JORGE

1890

PUCHE DE LA HORRA

J. GABRIEL

PUENTE MENDEZ

ALBERTO

1547

PUERTA BARROCAL

Mª CATALINA

2350

PUERTAS PEDROSA

JOSE ANTONIO

1784

PUGA FERNANDEZ

JUAN

586

PUIG DEVLOO

JUAN

2737

HISCOX, Manager de Arte y Clientes Privados, María de Molina, 37, Bis, 28006, Madrid, 91-5776293, jpuig1@gmail.com

PULIDO LEBRON

DAVID

2524

HNA, Actuario, Avda. Burgos, 19, 28036 Madrid, 913834700, 91-3834701, david.pulido@hna.es

979

262

DELOITTE, S.L./CONSULTORIA, Socio, Plaza Pablo Ruiz Picasso, s/n, 28020, Madrid, 91-4432027, 91-5145180, jpuche@deloitte.es SANTANDER SEGUROS, Actuario Vida, catypuerta@gmail.com

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

PULIDO PAREJO

RICARDO

2155

HEWITT ASSOCIATES, S.A. / CONSULTORIA PREVISION SOCIAL, Pº de la Castellana, 149, 5ª Planta, 28046 Madrid,

91-4059350, 91-4059358, ricardo.pulido@hewitt.com

PULIDO RODRIGUEZ

ALEJANDRO

2123

QUERO PABON

CARLOS A.

966

QUESADA SANCHEZ

FCO. JAVIER

599

UNIVERSIDAD CASTILLA LA MANCHA, Catedrático Universidad, 630067747, javier.quesada@uclm.es

QUETGLAS RUIZ DE ALEGRIA

SANDRA

2296

MERCER CONSULTING, S.L., Pº de la Castellana, 216, 28046, Madrid, 629740781, squetglas@yahoo.es

QUILES RUIZ

ANDRES ALBERTO

3440

QUILIS ISERTE

LUIS ENRIQUE

3130

QUINTANA DE LA OSA

JAVIER

2858

QUINTANA GONZALEZ

JOSE JUAN

1241

QUIÑONES LOZANO

FAUSTINO

2165

QUIROGA NARRO

SIXTO ABEL

RABADAN ATIENZA

MIREYA P.

2667

HNA/SEGUROS, Responsable de Auditoría Interna, Avda. de Burgos, 19, 28036 Madrid, 91-3834938

RAMI PEREZ

CARLOS RAUL

2299

UNESPA, Dtor. de Asesoría Actuarial y Financiera, C/ Núñez de Balboa, 101, 28006 Madrid, 917452179, 917451531, carlos.rami@unespa.es

RAMIREZ ESPEJO

MARIO

2043

RAMIREZ GARCIA

CARLOS

1109

RAMIREZ PEREZ

FERNANDO I.

RAMIREZ PEREZ

312

564

I+R Services, 2208 Segovia Circle, 33134, Miami – Florida – USA, iramirez@iplusr.net

Mª CRUZ

1509

UNIVERSIDAD REY JUAN CARLOS, Personal Docente e Investigador, Pº de los Artilleros, s/n, Vicálvaro, 28032 Madrid,

91-4888005, cruz.ramirez@urjc.es

RAMIREZ TORRES

JOSE F.

2428

SWISS RE EUROPE, SUCURSAL EN ESPAÑA, Client Manager Spain & Portugal, Pº de la Castellana, 95, Planta 18, 28046 Madrid, 91-5982356, 91-5981779, josefrancisco_ramirez@swissre.com

RAMIRO MORENO

MARIA DEL PILAR

3230

GRUPO GENERALI ESPAÑA, Área de Control Técnico Servicio Actuarial No Vida, Orense, 2, 28020, Madrid, pramiro.moreno@gmail.com

RAMPEREZ BUTRON

RAQUEL

3231

PURISIMA CONCEPCION MPS / SEGUROS, Augusto Figueroa, 3, 1º, 28004 Madrid, 91-5215483, raquel.ramperez@purisimamps.es

RANZ ALDEANUEVA

SANTIAGO

2482

WILLIS IBERIA, Pº de la Castellana, 36-38, 4ª Planta, 28046, Madrid, 679194913, sranz@willis.com

RANZ RICO

MARIA

3232

GESINCA CONSULTORA (CASER), Consultora Actuarial, Avda. de Burgos, 109, 28050 Madrid, 91-2146625, mranzrico@caser.es

REAL CAMPOS

SERGIO

2104

MAPFRE FAMILIAR, Head of Business Analitics, Carretera de Majadahonda a Pozuelo, 28222, Madrid, 91-5912501, srealca@mapfre.com

RECIO GARCIA

NOELIA

2668

RECIO MANCEBO

ELENA

2735

RECIO ORTAL

PEDRO LUIS

2322

REDONDO HERNANDEZ

Mª ANGELICA

2241

SCOR, Jefe de Reservas No Vida, Control de Riesgos Grupo, Inmueble SCOR, 1, Av. Du General de Gaulle, 92074, Paris-La Defense, +33(0)146987233, aredondo@scor.com

REDONDO MARTIN

ARANZAZU

2788

SANITAS, S.A. DE SEGUROS, Ribera de Loira, 52, 28042

263

C.E.S.C.E., S.A. / SEGUROS, Jefa Unidad Control de Gestión y Planificación, C/ Velázquez, 74, 28001, Madrid, 902111010, 91-5766583, erecio@cesce.es

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES Madrid, 91-5852486, aredondo@sanitas.es

REDONDO POLLO

PATRICIA

3192

REINA GARCIA

SUSANA

2018

REINA MARIN

JOAQUIN

2722

Assurant Solutions, Pricing Actuary, Avda. de la Vega, 1, Ed. II, Planta 3, 28108 Alcobendas (Madrid), 659978124, patricia.redondo@assurant.com GRUPO AGBAR, Responsable Administrador y Finanzas, C/ Alona, 31, 03008 Alicante, 96-5106352, joaquin.reina@emarasa.es

REINA PROCOPIO

FRANCISCO

RENESES ASENJO

ENRIQUE

1342

150 INGESAC, Socio, C/ Puerto Rico, 4, Bajo 3, 28016 Madrid,

902-199670 91-4133950, info@ingesac.com

REQUEJO PERELA

OSCAR

3009

Banca Central, Control de Riegos, Alcalá, 48, 28014 Madrid,

91-3385409, oscar.requejo@bde.es

REQUENA CABEZUELO

PILAR

1677

REVUELTA MATEO

SUSANA

2037

REY GAYO

ALFREDO

1848

REYES GARCIA

MANUEL

3445

RIBAGORDA FERNANDEZ

NURIA

1878

RIBAGORDA FERNANDEZ

JUDITH ADELA

2152

RICO ALBERT

VICENTE

2523

RICOTE GIL

FERNANDO

RIEGO MIEDES

ENRIQUE

3168

RIGOLLET

ADRIAN

3366

RINCON GALLEGO

Mª ISABEL

2242

HNA, Actuario, Avda de Burgos, 19, 28036, Madrid, 913834700, 91-3834701, isabel.rincon@hna.es

RIO ESTEBAN

YOLANDA

2502

AEGON, Actuaria, C/ Príncipe de Vergara, 156, 28002, Madrid,

91-3432857, rio.yolanda@aegon.es

RIOJA GONZALO

JESUS MARIA

1032

PREVISION SANITARIA NACIONAL, MUTUA A PRIMA FIJA, Director Financiero Grupo, Villanueva, 11, 28001, Madrid,

91-4311244, 91-5782914, jesus.rioja@actuarios.org

RIVAS GONZALEZ

DIEGO

3021

RIVAS GOZALO

JAVIER

2307

SWISS RE, Director – Risk Transformation and Structured Life Reinsurance, Mythenquai, 50-60, 8022, Zurich, Suiza,

+41432856250, javier_rivas@swissre.com

RIVAS SANCHEZ

CRISTINA

2851

NACIONAL DE REASEGUROS, S.A., Client Manager, Zurbano, 8, 28010 Madrid, +34 91-3081412, crs@nacionalre.es

RIVERA COLOMBO

SARA

2214

WATSON WYATT, Consultor Senior, C/ María de Molina, 54, pl. 7ª, 28006, Madrid, 627590365, 91-7612677, sara.rivera@watsonwyatt.com

RIVERA SERRANO

ANA Mª

3185

RIVERO NIETO

CRISTINA

2998

AXA SEGUROS GENERALES, Responsable de Siniestralidad, Camino Fuente de la Mora, 1, 28050, Madrid, 91-5388711, cristina.rivero@axa.es

RIZO FERNANDEZ

JOAQUIN

699

ESPAÑA, SA. COMPAÑIA NACIONAL DE SEGUROS, Secretario General y Dtor. Financiero, Príncipe. de Vergara, 38, 28001 Madrid, 91-4355980, 91-4314095, jrf@espanasa.com

ROBLEDA HERNANDEZ

SERGIO

3144

AXA, L&S Risk Management, Camino Fuente de la Mora, 1, 28050, Madrid, 647538324, sergio.robleda@axa.es

ROBLEDILLO MARTIN

JOSE

1326

SANITAS , S.A. DE SEGUROS, C/ Ribera de Loira, 52, 28042

Helvetia Seguros, Actuario Vida, Velázquez, 50, 28001 Madrid,

91-4363225, susana.revuelta@helvetia.es

753

264

GENERALI SEGUROS, Actuario Autos, Orense, 2, 28020, Madrid, e.riego@generali.es

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES Madrid, 91-5855817, jrobledillo@sanitas.es

ROBLES ESTEBAN

FCO. JAVIER

RODENAS CASAS

MANUEL

816

RODRIGO BORJA

GONZALO J.

RODRIGO VIGIL

ROSARIO

RODRIGUEZ ALVAREZ

LAURA

3205

RODRIGUEZ BURRIEZA

DAVID

2126

RODRIGUEZ CANO

BORJA

3334

RODRIGUEZ DE CELIS

DIEGO FERNANDO

3196

RODRIGUEZ DE DIEGO

JOSE

RODRIGUEZ DIAZ

GONZALO

3044

RODRIGUEZ GARCIA RENDUELES

MANUEL

1130

RODRIGUEZ GOMEZ

ISABEL

3233

RODRIGUEZ GONZALEZ

DANIEL

3464

270 2222 721

AVIVA, Fco. Silvela, 106, 6º A, 28002 Madrid, 91-2971752, david.rodriguez@aviva.es

382

RODRIGUEZ GONZALEZ

LUIS

RODRIGUEZ GONZALEZ

JOSE CARLOS

1951

RODRIGUEZ GONZALEZ

MARIA DE LA O

2196

RODRIGUEZ HERMIDA

JULIO HIPOLITO

481

RODRIGUEZ MACHO

NURIA

RODRIGUEZ MERINERO

TEOFILO

RODRIGUEZ MOZAS

JULIO FERNANDO

RODRIGUEZ OCAÑA

PEDRO M.

Towers Watson Risk Consulting, S.A., Actuario, Suero de Quiñones, 42, 28002 Madrid, 606516642, daniel.rodriguez.gonzalez@towerswatson.com

605 PATRIA HISPANA, S.A. / SEGUROS, Responsable Dpto. Automóviles, C/ Serrano, 12, 28001 Madrid, 91-5664005, 91-5767521, siniauto@patriahispana.com

2478 578 3465 531

RODRIGUEZ PALMA

M. JESUS

701

RODRIGUEZ PASCUAL

RAQUEL

2974

RODRIGUEZ PEREZ

FCO. CARMELO

RODRIGUEZ ROZA

MARIA INES

3022

RODRIGUEZ SANCHEZ

SANTIAGO

1189

RODRIGUEZ VICENTE

SANTIAGO

623

RODRIGUEZ VILLAREJO

MANUEL

HEALTH CLINIC CONSULTANTS, S.L., CONSULTORA SANITARIA, Socio Gerente, C/ príncipe de Vergara, 9, 4º D, 28001 Madrid, 91-7818235, 91-7818236, hcc1@hcc.es

712

81 800

RODRIGUEZ-PARDO DEL CASTILLO

JOSE MIGUEL

RODRIGUEZ-RICO ROJAS

MARTA

2243

RODRIGUEZ RODRIGUEZ

GEMA

3409

ROJAS GONZALEZ

CRISTINA

2929

ROJO CABALLERO

CARMEN MARIA

3220

ROLDAN GARCIA

M. JESUS

968

ROMAN ALONSO

JOSE JAVIER

930

265

UNACSA (UNION DE AUTOMOVILES CLUBS, S.A.), Actuario, C/ Isaac Newton, 4, Parque Tecnológico de Madrid, 28760, Tres Cantos, 91-5947762, cristina_rojas@race.es CNP INSURANCE SERVICES, S.A., C/ Ochandiano, 10, Pta. 2, El Plantío, 28023 Madrid, 91-5243400, 91-5243401, mariajesus.roldan@cnpinsuranceservices.eu

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

ROMAN ARRIBAS

MONICA

1898

ROMAN DIEZ

SANTIAGO

2669

ROMAN MARTIN

JESUS MANUEL

2552

AVIVA GRUPO CORPORATIVO, Responsable Riesgos de Seguros y ERM / Program Manager Solvencia II, Fuente de la Mora, 9, 28050 Madrid, 91-2971733, jm.roman@aviva.es

ROMERA IGEA

SANTIAGO

1948

AREA XXI / SEGUROS, Socio Director, C/ Ayala, 11, 28001 Madrid, 649260484, 91-4263869, sromera@areaxxi.com

ROMERO ESPUIG

MARIA BEATRIZ

2789

BBVA, C/ Juan de Valero, 3, 12450, Jérica (Castellón),

964-129316, 963-616288, beatriz.romero@grupobbva.com

ROMERO ESTESO

GERARDO

1439

CASER / SEGUROS, Dtor. General Adjunto, Avda. de Burgos, 109, 28050, Madrid, 91-2146821, 91-2018894, gromero@caser.es

ROMERO CANO

FCO. JAVIER

3335

ROMERO GAGO

ALBERTO

1193

ROMERO GARCIA

MIGUEL ANGEL

ROMERO HUERTAS

PAULA

3323

ROMERO MORENO

MARTA MARIA

2416

AON CONSULTING, Consultor, Rosario Pino, 14-16, 28020 Madrid, 91-3405568, 91-3405883, mromerom@gyc.es

ROSAS MENAYA

CARLOS

3262

CIGNA LIFE INSURANCE, Senior Underwriter, Parque Empresarial La Finca, Edif. 14, 28223, Pozuelo de Alarcón, Madrid, 91-3985782, 91-4184938, carlos.rosas@cigna.com

CONFEDERACION ESPAÑOLA DE MUTUALIDADES, Director Gerente, C/ Santa Engracia, 6, 2º Izq. 28010 Madrid,

91-3195690, 91-3196128, alb.romero@m3d.net

409

ROYO BURILLO

JOAQUIN

ROYO GARCIA

BEATRIZ

3113

BANKIA, Oficina 4400, Plaza Mayor, 13, 19001 Guadalajara,

660004928, broyo@bankia.com

ROYO MORENO

JESUS

675

CAJA CASTILLA LA MANCHA, CORREDURIA DE SEGUROS, S.A., Director, C/ Paris, 2, 45003 Toledo, 902194977, 925-213003, jroyom@ccm.es

RUBIO VALRIBERAS

DAVID

2038

RUBIO BARRAGAN

ANA ISABEL

2826

RUBIO MARQUEZ

CESAR

3312

RUBIO MOLERO

RAQUEL

1744

RUBIO MUÑOZ

KATIA

2127

RUBIO RODRIGUEZ

ROBERTO

2089

RUBIO RODRIGUEZ

CAROLINA

2801

RUEDA GARCIA PANDO

JAVIER

1553

RUIZ CAMACHO

RAFAEL

1627

RUIZ DE ARBULO GUBIA

IZASKUN

3157

RUIZ DE LA CRUZ

CARMEN

877

BENEDICTO Y ASOCIADOS, Actuario Asociado, C/ Marqués de la Ensenada, 14, Oficina 23, 28004 Madrid, 91-3080019, 91-3081082, carmen.ruiz@benedictoyasociados.biz

RUIZ DEL MORAL LIZUNDIA

JAVIER

1077

GENERAL REINSURANCE AG, SUCURSAL EN ESPAÑA, Senior Account Executive, Plaza Manuel Gomez Moreno, 2, 28020 Madrid, 91-7224736, 91-3195750, Javier.ruizdelmoral@genre.com

RUIZ GARCIA

LETICIA

3398

266

OPTIMA PREVISION, Director, Veláquez, 14, 28001, Madrid,

91-7819754, 91-5780103, r.rubio@optimaprevision.com

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

RUIZ GONZALEZ

ESTHER

2827

FUNDACION MAPFRE, Bárbara de Braganza, 14, 28004, Madrid, eruiz@mapfre.com

RUIZ MARTIN

ENRIQUE

1221

REINSURANCE GROUP OF AMERICA, Vicepresidente Desarrollo de Negocio y Marketing, Pº de Recoletos, 33, Planta 1, 28004, Madrid, 91-6404340, 91-6404341, eruiz@rgare.com

RUIZ MEIS

GONZALO

1429

RUIZ MONTERO

RAQUEL

2638

RUIZ RUIZ

MARTA

2473

RUIZ SALSAS

RAQUEL

3023

RUIZ SANZ

CLARA ISABEL

1122

RUIZ SAZ

PILAR

1367

RUIZ VALCARCEL

JUAN

2392

RUMOROSO MARTINEZ

BEATRIZ

2483

SADORNIL PORRAS

JOSE MANUEL

1143

SAENZ GILSANZ

EMILIO

SAEZ DE JAUREGUI SANZ

LUIS MARIA

1865

SAEZ DE JAUREGUI SANZ

Mª ELENA

2245

SAEZ DE JAUREGUI SANZ

FELIX JAVIER

2308

SKANDIA WEALTH MANAGEMENT, Avda de las Dos Castillas, 33, Ática, Edif. 7, 28224, Pozuelo de Alarcón, Madrid, fsaezj@skandia.es

SAINZ GARCIA

JUAN JOSE

706

GP ASESORES, S.L. / CONSULTORIA, Socio Director, Esquilache, 6, 28003, Madrid, 91-5540838, j.sainz@actuarios.org

SAIZ GARCIA

CRISTINA

MAPFRE VIDA, Dpto. Técnico – Actuario, Avda. General Perón, 40, 28020 Madrid, 91-5813971, mruizr@mapfre.com

GESINCA CONSULTORA DE PENSIONES Y SEGUROS, S.A., Directora de Previsión Social, Cajas Zona Norte y Este, Avda. Burgos, 109, 28050, Madrid, 91-2146071, pruiz@caser.es TOWERS PERRIN, Consultor, C/ Suero de Quiñones, 42, 28002 Madrid, 91-5903009, 91-5640035, beatriz.rumoroso@towersperrin.com

996 AXA, Director Vida, Pensiones y Servicios Financieros, Camino Fuente de la Mora, 1, 28050 Madrid, +34 639140101, luismaria.saez@axa.es

2802 613

SALA MENDEZ

VICENTE

SALA PEREZ

MARIA JOSE

3420

SALAS MARTIN

ROSA

3137

TOWERS WATSON RISK CONSULTING (SPAIN), S.A., Suero de Quiñones, 40-42, 28002, Madrid, 91-5903009, 915633115, rosa.salas@towerswatson.com

SALINAS ALMAGRO

MARIO

1155

OVERBAN CONSULTORES, S.L., C/ General Moscardó, 8, Bajo, Local 5 28020 Madrid, 91-3192233, , mario.salinas@overban.com

SALVADOR ALONSO

RODRIGO

2940

SALVADOR GONZALEZ-BAYLIN

AFRICA PILAR

2745

SAMITIER CABALLERO

EDUARDO

663

SAN JUAN BARRERO

JESUS A.

3065

jesanju@gmail.com

SAN ROMAN DE PRADA

ANTONIO

2836

MUNICH RE/REASEGURO, Client Manager, Pº de la Castellana, 18, 28011 Madrid, 91-4319633, 91-4310698, ASanRomandePrada@munichre.com

SANCHEZ-BARBUDO ACEDO

BLANCA

3349

SANCHEZ BARRAL

JUAN ANDRES

2965

SANCHEZ BURGUILLO

Mª ELENA

2364

267

CRH, C/ Basauri, 6, Parque Empresarial La Florida, 28023 Aravaca (Madrid), 91-5751275, asalvador@cyrsha.com

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

SANCHEZ DE BUSTOS

DANIEL

3446

SANCHEZ DELGADO

EDUARDO

1579

GRUPO MAPFRE, Director de la Función Actuarial, Carretera de Pozuelo, 50, 28220 Majadahonda (Madrid), 915814726, edsanch@mapfre.com

SANCHEZ DOMINGUEZ

JOSE RAMON

2176

BANCA CIVIICA, Director Cuentas Gradnes Empresas, Rosario Romero, 25, 28029 Madrid, 91-7321167 / 682757465, 91-7321171, joseramon.sanchez@cajanavarra.es

SANCHEZ GARCIA

YOLANDA

2915

SANCHEZ GONZALEZ

HIPOLITO

SANCHEZ GONZALEZ

Mª ESTHER

2365

SANCHEZ IGLESIAS

M.ª DEL PILAR

1230

SANCHEZ LAMBEA

Mª CARMEN

1822

SANCHEZ MARTIN

JOSE LUIS

1170

CONCENTRA, Director Previsión Social, Costa Brava, 13, 28034 Madrid, 91-5557843, j.l.sanchez@concentragrupo.com

SANCHEZ MARTIN

MERCEDES

1315

CLICKSEGUROS, Santa Leonor, 65, 28047, Madrid, mercedes.sanchez@clickseguros.es

IDEAS, Directora Previsión Social y Beneficios, General Perón, 14, Planta 1-C, 28020, Madrid, 91-5983312, 91-5983313, psanchez@ideas-sa.es

SANCHEZ MARTINEZ

JOSE

SANCHEZ MARTINEZ

RAFAEL ANTONIO

3354

292

SANCHEZ ORDOÑEZ

FCO. JAVIER

1048

SANCHEZ ORMEÑO

JOSE ANTONIO

2760

SANCHEZ ORTEGA

ADRIAN

3410

SANCHEZ PATO

RICARDO

2021

SANCHEZ RODRIGUEZ

OLGA

1859

SANCHEZ RUBER

JUAN

3384

SANCHEZ RUIZ

JOSE ANTONIO

2671

C/ Alvado, 23, 03202, Elche ( Alicante ), 661852403, jsanchezruiz@hotmail.com

SANCHEZ SUSTAETA

ALEJANDRO RICARDO

3222

TOWERS WATSON, Consultor, C/ Suero de Quiñones, 40-42, 28002 Madrid, 91-5903012, alejandro.sanchez@towerswatson.com

SANCHEZ TREBEJO

JUAN

878

CNP Vida, Dtor. de Recursos Humanos, C/ Ochandiano, 10 , 28023 El Plantío Madrid, 91-5243400, juan.sanchez@cnpvida.es

SANCHEZ UTRILLA

JUAN ANTONIO

2529

AON BENFIELD, Actuario Consultor Reaseguro, juanantonio.sanchez@aonbenfield.com

SANCHEZ-CANO TORRES

JAIME

1556

SANCHEZ-PACHECO DE VEGA

JESUS

3208

SANCHIS MERINO

HECTOR

1675

SANCHO GARCIA

AGATA

2337

WILLIS, Directora Vida y Pensiones, Pº Castellana, 36-38, 28046 Madrid, 914233482

SANMARTIN RUIZ

ALICIA

427

Doctor Esquerdo,5, 28028 Madrid, 91-7250972, sanmartinr.alicia@gmail.com

SANMARTIN RUIZ

JOSE MARIA

SANS Y DE LLANOS

AGUSTIN

1023 104

268

ATTEST SERVICIOS EMPRESARIALES, S.L.P., Gerente Auditoría, Orense, 81, 7ª Planta, 28020, Madrid, 915561199, 91-5569622, jsanchez@attest.es RGA REINSURANCE COMPANY, Director Desarrollo de Negocio, Crta. A Coruña, km 24, Edif. Berlín, 28290 Las Rozas (Madrid), rspmmc@gmail.com

KPMG, Consultor, Pº de la Castellana, 95, 28046, Madrid,

91 456 34 00, 645 470 500 jsanchezpacheco@kpmg.es

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

SANTAMARIA CASES

MARIA PILAR

2395

SCOR GLOBAL LIFE SE IBERICA SUCURSAL, Directora General, Pº de la Castellana, 135, 28046 Madrid, 914490810, psantamaria@scor.com

SANTAMARIA DEL ESTAL

ESTHER

2447

HELVETIA COMPAÑIA SUIZA,S.A. DE SEGUROS Y REASEGUROS, Responsable Departamento de Inversiones, Pº de Recoletos, 6, 28001, Madrid, 91-4363239, 914318286, esther.santamaria@helvetia.es

SANTAMARIA IZQUIERDO

JOSE IGNACIO

2197

AON CONSULTING, Consultor, Rosario Pino, 14-16, 28020 Madrid, 902114611, 91-3405883, jsantami@aon.es

SANTAMARIA SANCHEZ

IGNACIO

1366

MERIDIANO COMPAÑIA ESPAÑOLA DE SEGUROS, S.A., Director Técnico-Actuarial, C/ Olozaga, 10, 29005 Málaga,

952-221628, 952-217161, isantamaria@meridiano.grupoasv.com

SANTAMARIA TAVIRA

MARIA ISABEL

2791

SANTOLALLA BEITIA

JAVIER

1301

SANTOS DE BETANCOURT

PAULA

3033

SANTOS FERNANDEZ

DANIEL

3451

SANTOS GONZALEZ

ANGEL

2548

KPMG, Pº de la Castellana, 95, Torre Europa, 28046 Madrid,

91-4583400, 91-5550132, angelsantos@kpmg.es

SANTOS JUAREZ

Mª ROSARIO

1404

Gesinca Actuarios S.A.P., rsantos@gesincactuarios.es

SANTOS MIRANDA

ALFREDO

2684

SANTOS PERONA

ALBERTO

3138

SANZ ALBORNOS

MIGUEL

2429

SANZ ARNAL

ERNESTO

SANZ CHICHARRO

DAVID

2224

BENEDICTO Y ASOCIADOS, SOCIEDAD DE ACTUARIOS, S.L., C/ Marqués de la Ensenada, 16, 3ª Planta, Oficina 23, 28004, Madrid, 91-3080019, Davidsanz@benedictoyasociados.biz

SANZ HERRERO

CARLOS

2271

GRUPO SANTANDER, DIVISIÓN GLOBAL DE SEGUROS, Canal Affinity, Ciudad Grupo Santander, 28660 Boadilla del Monte, 91-2894901, carlsanz@gruposantander.com

SANZ MORENO

ALBERTO

2396

SANZ SANCHEZ

LAURA

3299

SANZ SANCHEZ

SERGIO

3078

SANZ Y SANZ

Mª PAZ

1814

SANZ-CRUZADO REPULLO

JUAN

SARABIA MONTES

MARTA

1351

AVIVA SERVICIOS COMPARTIDOS AIE, Actuario, Camino Fuente de la Mora, 9, 28050, Madrid, 91-2971737, 912971756, marta.sarabia@aviva.es

SARACHAGA CORTADI

ESTHER

2369

CAJASTUR VIDA Y PENSIONES, S.A., Responsable de Administración, C/ Martínez Marina, 7, Bajo, 33009, Oviedo Asturias, 98-5207053, 98-5209384, esarachaga@cajasturvida.es

SARDA ITURRALDE

JOSE MANUEL

SARRICOLEA BILBAO

ALBERTO

2578

SASTRE BELLAS

JOSE FCO.

1329

SATRUSTEGUI SILVELA

ALVARO

1202

SAYALERO DE LA OSA

MERCEDES

1808

CPPS, SOCIEDAD DE ASESORES, S.L., Director, C/ Bravo Murillo, 54, Esc. Dcha., 1º, 28003, Madrid, 91-4516700, 91-4411721, actuarial.mad@consultoradepensiones.com

861

LIBERTY SEGUROS / ACTUARIAL NO VIDA, Actuario, Bulevar de Entrepeñas, 2, Portal 1, 1º B, 19005 Guadalajara,

606643314, 949490354, sergio.sanz@libertyseguros.es

961

354

269

CXG OPERADOR BANCA SEGUROS CAIXA GALICIA, Director Técnico, Polígono Pocomaco, Parc. A 3, Naves F-G, 15190 A Coruña, 98-1217950, jsastre@cxg.es LIBERTY SEGUROS, Actuario Senior, C/ Obenque, 2, 28042

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES Madrid, 91-3017900, mercedes.sayalero@libertyseguros.es

SEBASTIAN CASTRO

FCO. SIMEÓN

3336

COLUMBIA BUSINESS SCHOOL, 47w 75thst, 10023 Nueva York, NY, fsebastian13@gsb.columbia.edu

SEGURA ARMIJO

ANTONIO J.

2753

SEGURA GISBERT

JORGE

3186

SEGURA URETA

JESUS

1994

AMA SEGUROS, Director Técnico, Vía de los Poblados, 32, 28033 Madrid, 652862508, jesus.segura@actuarios.org

SENDRA VIVES

TERESA MARIA

1330

LIBERTY SEGUROS, Directora Control Gestión y Planificación, C/ Zamora, 54 08005 Barcelona teresa.sendra@libertyseguros.es

SERRANO CENTENO

ISMAEL

2295

SERRANO DE TORO

Mª JOSE

1340

SERRANO HURTADO

DAVID

2160

SERRANO OLABARRI

NEREA

3197

SERRANO PEREZ-BUSTAMANTE

GONZALO

2090

SERRANO PINAR

TOMAS

SERRANO POZUELO

JUAN CARLOS

SERRANO TERRADES

RAFAEL

SILVA QUINTAS

JOSE JAVIER

1108

SILVA SANZ

OLIVIA

2549

SILVEIRO GARCIA

JOSE MANUEL

2840

MILLIMAN CONSULTANTS AND ACTUARIES, S.L., Director de Propety & Casualty, Pº de la Castellana, 91, Planta 14, 28046 Madrid, 91-5984403, 91-5984078, jose.silveiro@milliman.com

SIMON MUÑOZ

SERGIO

3277

DELOITTE, S.L. Consultor, Pza. pablo Ruiz Picasso, 1, T. Picasso, 28020 Madrid, 91-5145000 ssimonmunoz@deloitte.es

SOBRINO BARONA

JUAN CARLOS

2500

AVIVA, Actuario, Alcalde José Aranda, 3, 7º D, 28922 Alcorcón, Madrid, jc.sobrino@aviva.es

SOBRINO SANZ

MAITE

2550

SOBRINOS VELASCO

FCO. JAVIER

1000

SOLANA GARCIA

GUSTAVO

3278

SOLER DE LA MANO

AGUSTIN MARIA

SOLSONA PIERA

JAVIER

2255

SORIANO MOYA

DANIEL

2597

SOROA HERRERO

FELIX

1111

HEWITT ASSOCIATES, S.A. / CONSULTORIA PREVISION SOCIAL, Pº de la Castellana, 149, 5ª Planta, 28046 Madrid,

91-4059350, 91-4059358, felix.soroa@hewitt.com

SOROLLA DE LUIS

EDUARDO L.

2593

AEGON SALUD, COMPAÑÍA DE SEGUROS Y REASEGUROS, Responsable Departamento Técnico, C/ Príncipe de Vergara, 156, 28002, Madrid, 91-3432853, 91-5632938, sorolla.eduardo@aegon.es

SOTO GARCIA-JUNCO

IÑIGO

1654

STEWART

NEIL MATTHEW

2623

SUAREZ NUÑEZ

JOSE BENIGNO

1554

SZÉKELY ELU

LEIRE

2052

TABOADA CABREROS

DAVID

3079

TADEO RIÑON

LORETO ALICIA

1362

MAPFRE, Actuario, Carretera Majadahonda - Pozuelo, 50, 28220 Majadahonda, 91-5813339, daserra@mapfre.com

349 1997 189

879

270

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

TAHOCES ACEBO

BERNARDO

TAPIAS GREGORIS

VICTOR F.

2338

126

TARIFA CASTILLO

JUAN

3436

TEBA SIMON

IVAN

3437

TEJADA HERRERO

ELOY

141

TEJEDOR ESCOBAR

MARIA

2792

WILLIS IBERIA, Consultor, Pº de la Castellana, 36-38, 28046 Madrid, 91-4233581, 91-4317821, maria.tejedor@willis.com

TEJEDOR TORDESILLAS

ELISA

2674

AVIVA GRUPO CORPORATIVO, Actuario, C/ Fuente de la Mora, 9, 28050 Madrid, elisa.tejedor@aviva.es

TEJERA MONTALVO

ESTEBAN

574

MAPFRE, S.A., Consejero Director General, Carretera Pozuelo a Majadahonda, 52, 28220 Majadahonda (Madrid), 915814702, 91-5811975, estebantejera@mapfre.com

TEJERO JUBERIAS

MANUEL

3373

TELLEZ DE MENESES BAÑUELOS

LUIS BONIFACIO

3452

TELLO ALONSO

JESUS

1989

TELLO CANDIL

JOAQUIN FELIX

3258

TEXEIRA CERÓ

JOSÉ MARÍA

2039

TIERRA ANCOS

MANUEL

3259

TOLEDANO PEÑAS

RAUL

3034

TOMAS MARTIN

ANGEL

TOMAS PEREZ

CRISTINA

1157

DIAGNOSTICO Y SOLUCIONES, S.L., Socia, Dr. Roux, 62, 6ª, 08017 Barcelona, 606953506, tomas.cristina@gmail.com

TORAL VICARIO

RAQUEL

1906

HNA, Actuario, Avda. Burgos, 19, 28036 Madrid, 913834700, 91-3834701, raquel.toral@hna.es

TORIBIO ROMERO

ALICIA

3209

TORNOS OLIVEROS

M. BEGOÑA

459

TORRALBA VAZQUEZ

FERNANDO

3102

TORRE AURTANECHEA

JOSÉ LUIS

240

TORREJON ACEVEDO

JUAN

374

TORRENTE CASTEL

ANTONIO

313

GABINET TORRENTE, ASESORES ASOCIADOS, S.L., SocioDirector, C/ Numancia, 117-121, Planta 1ª, 1º A, 08029 Barcelona, 93-4093684, antoniotorrentecastel@telefonica.net

TORRES MARTIN

CARMEN

1401

GESINCA CONSULTORA DE PENSIONES Y SEGUROS, S.A., Actuario, Avda de Burgos, 109, 28050, Madrid, 912146071, ctorres@caser.es

TORRES PEREZ

MARTA

3308

DELOITTE, S.L. / ACTUARIAL, Senior, Plaza Pablo Ruiz Picasso, 1, 28020 Madrid, 91-5145000, 91-5145180, marta.torres@actuarios.org

TORRES PRUÑONOSA

JOSE

2675

FUNDACIÓ CULTURAL CAIXA TERRASSA, Coordinador de Masters, Postgrados y Formación Continua, Ctra. De Terrassa a Talamanca, Km 3, 08225, Terrassa, 93-7301900, 937301901, jose.torres@actuarios.org

TORTOLA MARTIN

RAQUEL

3174

TRIGO MARTINEZ

EDUARDO

2736

HELVETIA SEGUROS, S.A., Actuarial Vida, Dpto Seguros Personales, Pº de Cristobal Colón, 26, 41001, Sevilla, 954593200, manuel.tierra@helvetia.es

261

271

NACIONAL DE REASEGUROS, S.A., Actuario. Jefe Departamento. No Proporcional, C/ Zurbano, 8, 28010, Madrid,

91-3081412, 91-3085542, ftv@nacionalre.es

UNIVERSIDAD DE MÁLAGA / DOCENCIA, INVESTIGACIÓN, Profesor Colaborador, C/ Arango, 15, 4-16, 29007, Málaga,

666529693, 95-2131339, etrigom@uma.es

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

TROITIÑO HERRERO

MARIA

3431

TURBICA TEJERA

CARLOS

2746

AGROSEGURO,S.A. Actuario, C/ Gobelas, 23, 28023, Madrid,

91-8373200, 91-8373225, cturbica@agroseguro.es

TURRILLO LAGUNA

SANTIAGO

2397

ZURICH SANTANDER INSURANCE AMERICA

UGARRIZA CAPDEVILA

ARMANDO J.

2228

UGARTE ALVAREZ

VICTOR

3367

UGARTE ORTEGA

Mª PILAR

1604

ULLOA GARCIA

VICENTE

1790

UREÑA MARTIN

GERMAN

3114

URES GOMEZ

MARIA INES

3466

USABEL RODRIGO

MIGUEL A.

1601

VALDES BORRUEY

LUIS EDUARDO

3131

VALERA GOMEZ

ANA ROSA

3343

VALERO CARRERAS

DIEGO

959

NOVASTER, Presidente, C/ Jorge Juan, 40, Bajo Izq., 28001 Madrid, 902-131200, 91-5755302, dvalero@novaster.net

VALIENTE CALVO

ROSA

711

TRANQUILIDADE S.A./ BES-VIDA, Directora General, C/ Velázquez, 108-110, 4ª Plt., 28006 Madrid, 91-7453870, 91-7453870 / 91-7453878, rosa.valiente@tranquilidade.es

VALIENTE MENDEZ

FERNANDO M.

3177

PROACTUAR, Family Office, Luis de Morales, 24, Esc. 1, 7º D, 41018, Sevilla, 95-4419093, 95-4419093,

618475084, fvaliente@proactuar.es

VALLE RUBIO

JUAN

3047

VALLEJO DEL CANTO

RUBEN

3193

VALLS TRIVES

VICENTE L.

VAQUERIZO COLLADO

DAVID

3158

VAQUERO SOLIS

GUADALUPE

3024

VARGAS CASASOLA

Mª PILAR

2621

VASQUEZ LOPEZ

PABLO

3344

VAZQUEZ DIAZ DE TUESTA

ALBERTO A.

2000

VAZQUEZ GAVILAN

MARIA

3218

VECINO TURRIENTES

ITZIAR

2676

VEGA CUENCA

RAFAEL

3010

VEGA GARCIA

SILVIA

2968

VEGA MIRA

FERNANDO JOSE

3467

VEGA SANCHEZ

ANA Mª

1356

VEGA SOLADANA

ANA

3162

VEGA ZUAZO

RAFAEL DE LA

ERNST & YOUNG, Manager Actuarial Services, Torre Picasso, Plaza Pablo Ruiz Picasso, 1, 28020 Madrid, 91-5727265, Victor.UgarteAlvarez@es.ey.com

ASEGRUP, S.A. DE SEGUROS, Director Análisis y Control, C/ Raimundo Fernández Villaverde, 49, 1º Izq., 28003 Madrid,

91-7701171, 91-7701175, lvaldes@asegrup.net

ruben.vallejo@grupobbva.com

295

440

272

GESINCA CONSULTORA DE PENSIONES Y SEGUROS, S.A., Actuario, Avda. de Burgos, 109, 28050, Madrid, 912146071, dvaquerizo@caser.es

GENWORTH FINANCIAL, Business Development Analyst, Building 11, Chiswick Park, 566 Chiswick High Road, W4 5XR, London, +44 2083802153, pablo.vasquez@genworth.com BBVA, Técnico Control de Gestión Pensiones y Seguros América, Castellana, 81, Planta 8, 28046, Madrid, 915378103, m.vazquez.gavilan@grupobbva.com BENEDICTO Y ASOCIADOS, Actuario, Marqués de la Ensenada, 14, 3ª Planta, Oficina 23, 28004 Madrid, 913080019, 91-3081082, rafaelvega@benedictoyasociados.biz

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

VEGAS ASENSIO

JESUS M.

437

Catedrático Universidad Complutenese de Madrid.

VEGAS MONTANER

ANGEL

649

VEGON CONSULTORES, SL., Socio Director, C/ Doce de Octubre, 26, 28009 Madrid, 91-5040956, 636950069, a.vegas@terra.es

VELARDE SAIZ

CRISTINA

2942

VELASCO ANDRINO

JUAN JOSE

2212

VELASCO GARCIA

JOSE ANTONIO

2467

VELASCO MOLINERA

PEDRO

1753

MAPFRE VIDA, Avda. Geral Perón, 40, 28020 Madrid, 915818192, velascp@mapfre.com

VELASCO RODRIGUEZ

JESUS

2418

MAPFRE VIDA, S.A., Actuario, Carretera de Pozuelo, 50, 28222 majadahonda (Madrid), 91-5818669, 91-5891709, jevelas@mapfre.com

VELASCO ROIZ

JOSE M.

1062

VELASCO RUIZ

EVA MARIA

2352

VELEZ BRAGA

PABLO ANDRES

3187

VELEZ CARRERA

ADELA

3108

VERA GOMEZ

RAMON

2198

VERASTEGUI GONZALEZ

RAFAEL

VERGES ROGER

FCO. JAVIER

AVIVA, Director I+D Productos, Camino Fuente de la Mora, 9,28050, Madrid, +3491-2971861, jj.velasco@aviva.es

ASOCIACION DE MUTUAS DE ACCIDENTES DE TRABAJO, Actuario, C/ Maudes, 51, 3º, 28003 Madrid, 91-5357480, 91-5549106, pablo.velez@amat.es HEWITT ASSOCIATES, S.A. / CONSULTORIA PREVISION SOCIAL, Pº de la Castellana, 149, 5ª Planta, 28046 Madrid,

91-4059350, 91-4059358, ramon.vera@hewitt.com

939 1183

VIANI SALLABERRY

JOSE M.

556

VICANDI COLINAS

AINHOA

2432

VICARIO NISTAL

LAURA

2439

VICENTE BACHILLER

Mª ANGELES

2485

VICENTE MERINO

ANA

592

AGRUPACIO MUTUA / SECTOR SEGUROS, Director General, Gran Vía de les Corts Catalanes, 621, 08010 Barcelona, 93-4826317, 93-4121568, fjverges@agrupaciomutua.es

Catedrática de la Universidad Complutense de Madrid, Subdirect. General de la Fundación de la UCM

VICENTE RANGEL

MIGUEL ANGEL

1119

VICIOSO RENEDO

FEDERICO

2085

MUTUA MADRILEÑA, Subdirector Planificación Comercial, Pº Castellana, 33, 28046 Madrid, 91-5929791, fvicioso@mutua-mad.es

VICO DEL CERRO

ADELA

1274

Scor Global Life SE, Corporate Actuarial & Pricing Support EMEAA-Senior Actuary, Pº de la Castellana, 135, Planta 9, 28046 madrid, 91-4490619, avico@scor.com

VIDAL LOPEZ-GALVEZ

Mª ARACELI

3198

BBVA SEGUROS, Técnico Vida, C/ Alcalá, 17, 28014, Madrid,

91-3748911, Araceli.vidal@grupobbva.com

VIDAL MELIA

CARLOS

1739

UNIVERSIDAD DE VALENCIA, Profesor Titular de Universidad, Fac. de Economía. Avda. de los Naranjos, s/n, 46022 Valencia, +3496-3828369, +34-6-3828370 , carlos.vidal@uv.es

VILLADA RUIZ

LAZARO

643

VILLAJOS DE LA RUBIA

JAVIER

3132

VILLALBA GONZALEZ DE CASTEJON

LUIS

VILLALBA VICENT

JAVIER

ELECTRODOMESTICOS MENAJE DEL HOGAR, S.A., Jefe de Tesoreria, C/ Futbol, 8, 28906, Getafe, Madrid,

646424367, javivillajos@hotmail.com

366 3263

273

SA NOSTRA COMPAÑÍA DE SEGUROS VIDA, S.A., Actuario, Edificio Mirall Balear Cami Son Fangos, 100, 1º 7-B, 07007 Palma de Mallorca, Palma, 679753456 / 679753456, javivi375@hotmail.com

APELLIDOS

NOMBRE

Nº

DATOS PROFESIONALES

VILLAMERIEL GONZALEZ

MONICA

2398

VILLANUEVA CIESLINSKI

JAIMIE

3453

VILLANUEVA OCHOA

VICENTE

1681

HOSPITAL CLINICA ROCA, Consultor, C/ Luis Doreste Silva, 54-1º, 35004, Las Palmas de Gran Canaria, 958-246583, 928-246768, vicentevillanueva@gmail.com

VILLAR CASTILLO

VIRGINIA

3095

LA ESTRELLA, S.A., Unidad Técnica Zona Madrid-Canarias, Avda. Brasil, 6, 28020 Madrid, 91-5983917, villar@laestrella.es

VILLAR GRANADOS

ATENODORO

2419

PARTNER REINSURANCE EUROPE LIMITED, S-II External Consultant, 153 Rue de Courcelles, 75817 Paris, +33 (0)1 44 01 17 96, ateno.villar@partnerre.com

VILLARROYA PUNTER

LUCIA

1182

VILLASEVIL MIRANDA

LAURA

3298

ALLIANZ SEGUROS, Actuario Automóviles y Particulares, c/ Tarragona, 109, 08014, Barcelona, 93-2285301, laura.villasevil@allianz.es

XIMENEZ DE EMBUN CADARSO

MARIA CARMEN

2703

ALLIANZ, Departamento de Reaseguro, carmen.ximenez@allianz.es

XIAO LIN

3412

YAGÜE MARTIN

ALFREDO

2704

YEBRA FERNANDEZ

MARIA LUISA

3438

YEDRA ADELL

JUAN ANTONIO

2888

YEPES MARTINEZ

ANA MARIA

1078

ZABALETA ALONSO

PEDRO JAVIER

1181

ZABALLOS RINCON

JUAN

ZAHONERO DE LAS HERAS

JUAN JOSE

1476

ZARZA GALLEGO

MARIA ASUNCION

3421

ZORNOZA DE TORRES

OSCAR

2622

MAZARS AUDITORES, Gerente, C/ Claudio Coello, 124, 28006 Madrid, 91-5624030, oscar.zornoza@mazars.es

ZORRILLA PRIMO

MARTA

3219

DIVINA PASTORA SEGUROS, Actuario, Valencia, mzorrilla@divinapastora.com

ZURRON DEL ESTAL

FCO. JAVIER

3337

522

274

AXA MEDITERRANEAN REGION / L&S RISK MANAGEMENT, Camino Fuente de la Mora, 1, 28050, Madrid,

+34-91-5385614, monica.villameriel@axa.es

BBVA, Pº Castellana, 81, 8ª Planta, 28046 Madrid,

91-3748514, marialuisa.yebra@bbva.com

CONSULTOR, C/ Arturo Soria, 75, 28027 Madrid, 913680046, zabajua@telefonica.net

MIEMBROS PROTECTORES DENOMINACION

Nº

DOMICILIO

AREA XXI

124

C/ Ayala, 11 28001 Madrid 91-432 03 71 91-426 38 69 www.area-xxi.com

AXA ESPAÑA

119

Camino Fuente de La Mora, 1 28050 Madrid 902 013 012 www.axa.es

BUCK CONSULTANTS, S. L.

112

Ribera del Loira, 16-18 28042 Madrid, 91-310 26 99 91-310 26 97 www.buckconsultants.co.uk

CASER

120

Avda. de Burgos, 109 28050 Madrid 91595 50 00 91-595 50 18 www.caser.es

DELOITTE, S.L.

122

Plaza Ruíz Picasso, 1 Torre Picasso 28020 Madrid 91-514 50 00 91-514 51 80 www.deloitte.es

EYEE ESTUDIOS EMPRESARIALES, A.I.E.

Plaza Pablo Ruiz Picasso, 1 Edif. Torre Picasso, planta 16 91-572 72 00 91572 72 38 www.ey.com/es

IDEAS INVESTIGACIÓN Y DESARROLLO ACTUARIAL Y DE SEGUROS, S.A.

121

C/ Gral. Perón, 14 planta 1 28020 Madrid 91-598 33 12 91-598 33 13 www.ideas-sa.es

KPMG ASESORES, S.L.

128

Pº Castellana, 95 28046 Madrid 91-456 34 00 91-555 01 32 www.kpmg.es

MAZARS AUDITORES, S.L.

125

C/ Claudio Coello, 124 – 2º 28016 Madrid Madrid 91-562 40 30 91-561 02 24 www.mazars.es

MILLIMAN CONSULTANTS AND ACTUARIES

118

Pº Castellana, 91 – planta 14, Edificio Centro 23, 28046 Madrid 91-598 40 79 91-787 85 57 www.milliman.com.es

NACIONAL DE REASEGUROS

115

Zurbano, 8 – 28010 Madrid 91-308 14 12, 91-319 95 43 www.nacionalre.es

PRICEWATERHOUSECOOPERS

123

Pº Castellana, 43 28046 Madrid 91-568 44 00 www.pwc.es

SUIZA DE REASEGUROS IBERICA

110

Pº de la Castellana, 95 – 28046 Madrid 91-598 17 26, 91-598 17 80 www.swissre.com

TOWERS WATSON

111

Suero de Quiñones, 42 – 28002 Madrid 91-590 30 09, 91-563 31 15 www.towerswatson.com

VIDACAIXA, S.A.

126

General Almirante 2-4-6, Torre Norte, 08014 Barcelona 93-495 40 01 http://www.segurcaixaholding.es/

275

SOCIEDADES PROFESIONALES DENOMINACION

Nº

DOMICILIO

GABINETE FINANCIERO PROFESOR EUGENIO PRIETO PEREZ, SLP

C/ Circe, 16 28221 Majadahonda – Madrid 91638 40 85 eprieto@terra.es

GESINCA ACTUARIOS SAP

Avda. De Burgos 109 28050 Madrid 91-215 60 24, gesincaac@gesincaactuarios.es

276

Los Anales del Instituto de Actuarios Españoles son una publicación científica y profesional que pretenden servir de foro de comunicación y debate doctrinal a los integrantes de la profesión actuarial. De esta forma, los actuarios en ejercicio tendrán la oportunidad no sólo de informarse sobre temas relevantes para la profesión, y que abordarán otros actuarios expertos, sino también de beneficiarse de los estudios realizados por los investigadores en el campo financiero-actuarial. A su vez, éstos, además de recibir las aportaciones de otros investigadores podrán conocer mejor la realidad que analizan. En particular, esta revista tiene entre sus objetivos prioritarios servir de vehículo de unión y comunicación de las comunidades universitarias y profesionales de Latinoamérica dedicadas a las disciplinas financiero-actuariales. Por consiguiente, se presentarán: • Artículos de corte académico, situados en el contexto de las líneas de investigación que se estén desarrollando en los ámbitos nacional e internacional. Deberán incluir alguna aplicación de tipo práctico, directa o indirectamente. • Aportaciones innovadoras que versen sobre cualquier aspecto de interés de la actividad aseguradora, financiera y, en general, de gestión del riesgo, en la cual los actuarios desempeñan su profesión: técnica actuarial, análisis del riesgo, de mercados, organización, etc., y de las que se puedan derivar criterios doctrinales en el ejercicio de la profesión actuarial. Siempre que sea posible, se aportarán resultados empíricos. • Trabajos que conjuguen los dos enfoques anteriores. En cualquier caso, para ser aceptados, los trabajos deberán superar un sistema de evaluación rigurosa. Los trabajos serán sometidos a un proceso de evaluación externa y se preservará el anonimato, tanto del autor como de los evaluadores. La intención de los Anales es que el autor reciba información del Consejo Editorial sobre el inicio del proceso de evaluación en un plazo máximo de tres meses. Los Anales tendrán periodicidad anual, pudiéndose publicar varios ejemplares en un año dependiendo del número de trabajos a publicar o del carácter monográfico del algún volumen. Los derechos de publicación de los artículos pertenecen al Instituto de Actuarios Españoles. El registro de la revista es el Depósito Legal M-3160-1961 e ISSN 0534-3232. Los artículos expresan las opiniones de sus autores y no las de la revista. Guía para los autores 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13.

14. 15.

16.

17.

Los artículos deberán estar escritos en español o en inglés, pero el título, resumen y palabras clave se darán como mínimo en ambos idiomas. Los artículos se enviarán al IAE, Víctor Andrés Belaunde, 36 - 28016 Madrid en un CD o sistema de almacenamiento similar, o al correo electrónico anales@actuarios.org que contenga el documento en Microsoft WORD, y acompañado, en todo caso, de una copia impresa. El IAE acusará recibo en el plazo de treinta días a partir de la recepción de la copia escrita. La revista se reserva el derecho de la aceptación de los artículos en virtud de los acuerdos que adopte el Consejo Editorial y, en su caso, los eventuales informes de los evaluadores anónimos, así como el número y la sección en que se publicarán. El contenido de los artículos deberá ser original y, por tanto, no haberse publicado anteriormente o estar en proceso de publicación en otro lugar. En todo caso, la responsabilidad del incumplimiento será exclusiva del autor. El editor no asume ninguna responsabilidad por daño o pérdida de los trabajos enviados. Los artículos, con las características que a continuación se describen, no deberán exceder, con carácter general, de 30 páginas (10.000 a 12.000 palabras) incluidos gráficos, cuadros y bibliografía. Tamaño de papel: 17x24 cm. Márgenes: • Superior, inferior, derecho e izquierdo: 2’5 cm • Encabezado y pie de página: 1’25 cm Numeración de página: inferior, centrada. Interlineado: sencillo. Excepciones del interlineado: doble línea en blanco al comenzar el artículo y entre apartados; después de punto y aparte, línea en blanco. Tipo de letra: Times New Roman 11pt • Capítulos, apartados, títulos, etc: negrita y minúsculas. Notas al pie: 8pt. La primera página deberá contener, en el siguiente orden: • Título: mayúsculas y negrita. • Para cada Autor: nombre y apellidos. Una nota al pie indicará la dirección profesional, así como la dirección de correo electrónico de cada uno de los autores. • Cargo del autor: en cursiva.y afiliación. • Resumen (abstract) de no más de 100 palabras. Obligatoriamente en inglés y, además, voluntariamente en español. • Palabras clave (3 a 6). Obligatoriamente en inglés, y además, voluntariamente en español. • En una nota al pie pueden exponerse los agradecimientos y la información de becas o proyectos a los que está adscrito el trabajo. En el caso de varios autores se indicará a quién debe dirigirse la correspondencia. Las referencias a publicaciones deben realizarse como sigue: “López (1990) demostró que....” o “Este problema se ha estudiado previamente (Pérez et al., 1993). Cuando el número de autores del trabajo citado sea igual o superior a tres, se utilizará la abreviación et al. en el texto (en cursiva), pero en las referencias bibliográficas se hará constar a todos los autores. Bibliografía: la lista deberá aparecer al final del texto - después de los apéndices o anexos, en su caso -. Las referencias estarán ordenadas alfabéticamente por el nombre del autor y con sangría francesa, de acuerdo con los siguientes ejemplos: López, A. y U.M. Gómez (1810). Título de libro en cursiva. Editorial. Lugar de publicación (País). López, H. (1890). Título del artículo. Revista en cursiva 1, 10-31. Pérez, R., Román, F. y U.M. Gómez (1810). Título del capítulo. En Título del libro en cursiva, R. Pérez y J. Smith (eds.). 5087. Lugar de publicación (País). Smith, S.F. (2001) Título del artículo. http://www.urt.es/~paper/mm1.htm (1 de julio de 1890). Las publicaciones de un mismo autor o conjunto de autores se ordenarán cronológicamente de la más antigua a la más reciente. Nunca se deberá usar: • Códigos de inmovilización de párrafos, líneas, saltos de página, etc. Los artículos podrán ser movidos a fin de adaptarlos a las páginas en la edición final. • Otros códigos que dificulten el movimiento de los párrafos, fórmulas, etc. Aquellos trabajos que no sigan las anteriores instrucciones serán devueltos para su necesaria revisión previa a la publicación. Cuando los trabajos sean aceptados para su publicación, el autor encargado de la correspondencia recibirá las pruebas para correcciones, que deberá devolver corregidas a los Anales en el plazo máximo de diez días desde su recepción.

Trabajos de colaboración: Ramón Alemany Leira, Mercedes Ayuso Gutiérrez y Montserrat Guillén Estany: Nuevos factores exógenos en la modelización de la dependencia: la inversión en prevención de la dependencia en la población de edad avanzada. Teresa Costa Cor, Eva Boj del Val y José Fortiana Gregori: Bondad de ajuste y elección del punto de corte en regresión logística basada en distancias. aplicación al problema de credit scoring. Juan Casanovas Arbó: Capital requerido para el riesgo de suscripción en el ramo de crédito. Ana Vicente Merino, Mª José Calderón Milán y Timoteo Martínez Aguado: Muchos pierden y pocos ganan: efectos de la reforma legislativa sobre el poder adquisitivo del trabajador tras la jubilación. Asier Garayeta Bajo, Iván Iturricastillo Plazaola J. Iñaki y De La Peña Esteban: Evolución del capital de solvencia requerido en las aseguradoras españolas hasta solvencia II. Lluís Bermúdez y Antoni Ferri: Fórmula de credibilidad para la estimación de las correlaciones entre líneas de negocio en el cálculo del scr del módulo de suscripción no vida. Manuel García García y Carlos Vidal Meliá: ¿Está justificada la reforma del sistema público de pensiones español realizada en 2011 desde el punto de vista actuarial?

Junta de Gobierno Directorio: Miembros Titulares Miembros Protectores Sociedades Profesionales

INSTITUTO DE ACTUARIOS ESPAÑOLES - Víctor Andrés Belaunde, 36 - 28016 MADRID www.actuarios.org