Актуарная оценка медицинского страхования: инфляция затрат и модели заболеваемости
Математическое моделирование добровольного медицинского страхования (ДМС) кардинально отличается от страхования жизни. В страховании жизни событие (смерть) происходит лишь однажды, и размер выплаты строго зафиксирован договором. В медицинском страховании клиент может обращаться к врачам десятки раз в год, а стоимость медицинских услуг непредсказуема и подвержена постоянному росту. Актуарный прайсинг медицинских полисов представляет собой многомерную задачу, где необходимо одновременно прогнозировать частоту обращений, среднюю стоимость медицинского чека, эффект старения портфеля и, что самое главное, экспоненциальную медицинскую инфляцию, значительно опережающую общую инфляцию в экономике.
Основным демографическим инструментом медицинского актуария являются Таблицы заболеваемости (Morbidity Tables). В отличие от одномерных таблиц смертности, таблицы заболеваемости разделены на сотни диагнозов (кодов МКБ-10) и типов медицинских услуг (амбулатория, стоматология, стационар, экстренная помощь). Для каждой половозрастной группы вычисляется ожидаемая частота (Incidence Rate) — сколько раз в год 1000 человек обратятся, например, к кардиологу. Эти вероятности моделируются с помощью регрессионных моделей или Обобщенных линейных моделей (GLM). Для ДМС характерен U-образный график заболеваемости: высокие расходы на младенцев, резкий спад в юношеском возрасте и экспоненциальный, взрывной рост затрат после 50 лет.
Вторым столпом тарификации является оценка тяжести (Severity) или стоимости медицинского эпизода. Здесь в игру вступает фундаментальный макроэкономический риск — Медицинская инфляция (Medical Trend). Этот тренд складывается из четырех компонентов: чистой инфляции (повышения цен в прайс-листах клиник), утилизации (люди чаще обращаются к врачам при развитии культуры здоровья), технологического прогресса (появление новых, сверхдорогих методов диагностики, таких как МРТ или таргетная терапия) и перекладывания расходов (Cost Shifting со стороны государственного здравоохранения). Актуарии применяют модели временных рядов (ARIMA) и эконометрику для вычисления Тренд-фактора, на который умножаются исторические убытки при проецировании на будущий год страхования.
В ДМС колоссальную роль играет Моральный риск (Moral Hazard) и антиселекция. Человек, купивший полис "безлимитного" медицинского обслуживания, склонен потреблять в два-три раза больше медицинских услуг (включая ненужные анализы), чем человек, платящий из своего кармана. Для математического подавления морального риска страховые компании конструируют полисы с франшизами (Deductibles), сооплатами (Co-payments) и лимитами (Out-of-Pocket Maximums). Расчет стоимости таких франшизных полисов требует моделирования полного распределения годовых медицинских расходов клиента. Так как часть расходов отсекается франшизой, а часть сооплатой, актуарии используют усеченные и сдвинутые распределения (Логонормальное или Гамма), вычисляя сложные интегралы для определения новой нетто-премии, которая всегда снижается нелинейно по отношению к размеру франшизы.
Для управления портфелями корпоративного ДМС (где страхуются сотни сотрудников одного предприятия) применяется Теория доверительности (Credibility Theory), в частности, формулы Бюльмана-Штрауба. Если компания (работодатель) имеет хорошую историческую статистику убытков (низкую частоту больничных), актуарий должен решить: дать этой компании скидку на основе ее собственного опыта или тарифицировать ее по общему справочнику рынка? Коэффициент доверительности Z (от 0 до 1) определяет вес индивидуального опыта корпорации. Математически Z вычисляется на основе дисперсии убытков внутри компании и дисперсии между разными компаниями. Это гарантирует, что крупная корпорация с десятью тысячами сотрудников получит тариф, почти полностью основанный на своей истории, а малый бизнес из пяти человек будет тарифицирован строго по базовым матрицам страховщика, избегая случайных флуктуаций.
Related items
- Теория очередей: системы массового обслуживания
- Метод конечных разностей: дискретизация дифференциальных уравнений
- Рисковые премии и маржа платежеспособности в рисковом страховании
- Стохастическое программирование в ALM: многоэтапные модели и сценарные деревья
- Системы бонус-малус в автостраховании: марковские цепи и байесовские тарифы