La Sequía de Información es una Grave Consecuencia Secundaria de la Devastación Causada por los Huracanes

(In English – HERE)

Soplan los vientos. Suben las aguas. Los edificios se rompen. Los hogares y lugares de trabajo se vuelven inseguros. La gente sufre. Uno de los grandes retos a los que se enfrentan los responsables de los seguros a la hora de cumplir su parte del contrato social -es decir, pagar a las personas y a las empresas para que inicien el proceso de reconstrucción y recuperación- es la enorme incertidumbre que rodea a las condiciones que siguen a un huracán.

En octubre de 2015, un potente ciclón tropical Saffir-Simpson de categoría 5 tocó tierra en la costa del Pacífico de México, a unos 200 km al sur de Puerto Vallarta. Se trataba del huracán Patricia, que causó unos daños no asegurados estimados en 350 millones de dólares, principalmente en infraestructuras, viviendas y explotaciones agrícolas. Las pérdidas aseguradas fueron aún menores, debido a que la tormenta tocó tierra cerca de Cuixmala, una zona con población dispersa y escasa actividad económica.

Ocho años más tarde, la situación es diferente, con pérdidas estimadas entre 10 y 30 veces superiores a las de su predecesor de 2015. Hace unas semanas, el huracán Otis superó al huracán Patricia con su rápida intensificación, aumentando la velocidad del viento en 80 mph en un periodo de 12 horas, según Philip Klotzbach, científico investigador del Departamento de Ciencias Atmosféricas de Colorado State especializado en previsiones de huracanes estacionales en la cuenca atlántica. Otis sorprendió a los residentes, que se vieron sometidos a vientos intensos que destrozaron ventanas e incluso los cerramientos exteriores de muchas estructuras. Resulta que muchos edificios de Acapulco se diseñaron para resistir las sacudidas sísmicas, y por ello utilizaron materiales más ligeros en sus muros exteriores. En un terremoto, esto reduce el peso del edificio, disminuye la tensión causada por las sacudidas y minimiza los daños subsiguientes. Pero en un huracán de grandes proporciones como el Otis, era una receta para el desastre, ya que las paredes delgadas, en algunos casos compuestas de láminas de yeso ligeras, no eran rival para los vientos huracanados.

Esta rápida intensificación no estaba prevista en las predicciones meteorológicas utilizadas por los meteorólogos para emitir avisos a los residentes. En un editorial dirigido al gremio re-asegurador se hablaba confusamente de “fallo monumental” de modelos. Pero no lo fue. No desde el punto de vista de los seguros. Las previsiones meteorológicas que “pasaron por alto” un componente del desarrollo de Otis no suelen ser utilizadas por el sector de los seguros para modelar los siniestros.

No obstante, el huracán Otis fue bien anticipado y representado por los modelos de catástrofes utilizados por el sector asegurador. El hecho de que algunos ciclones tropicales intensifiquen rápidamente la velocidad de sus vientos a medida que baja la presión central es irrelevante para saber si un modelo de catástrofes mide correctamente o no el riesgo de pérdida de bienes en un año determinado. Para este último propósito, es mucho más material centrarse en las validaciones de frecuencia y severidad relacionadas con huracanes de categoría mayor en una región geográfica determinada, como la costa del Pacífico de México.

Para los ejecutivos de seguros que no estén cerca de la práctica de la modelización de pérdidas por catástrofes, lo siguiente es un manual básico sobre lo que se puede saber en los primeros días, cuando es muy temprano en la recuperación y se sabe relativamente poco en concreto sobre los siniestros que se presentarán a medida que pase el tiempo.

Un modelo de catástrofes reputado, preferiblemente uno examinado y utilizado por grandes empresas de reaseguros, será una herramienta útil para analizar las pérdidas aseguradas tanto antes como después del suceso. Se considera que dos empresas, Verisk (antes conocida como AIR Worldwide) y RMS Moody’s, ofrecen los recursos más sólidos y suelen publicar datos y herramientas adicionales tras grandes eventos.
Los llamados Eventos Estocásticos Similares (también denominados en la jerga del sector SSEs por sus signos en inglés), son las primeras representaciones de un huracán determinado, como el huracán Otis, que están disponibles para analizar las pérdidas aseguradas.Un modelo catastrófico funciona simulando la temporada de huracanes del año siguiente diez, cincuenta o cien mil veces. En cada uno de esos años de simulación -al igual que en cualquier año real aleatorio de actividad ciclónica- puede haber más o menos tormentas, diferentes trayectorias de esas tormentas y diferentes territorios afectados. Es a partir de esa gran serie de simulaciones como se generan los escenarios de pérdidas, y se pueden desarrollar estadísticas como la Pérdida Media Anual para un determinado riesgo individual o cartera de propiedades.El inconveniente potencial del uso de las SSEs es que sólo representan una muestra de una colección casi infinita de tormentas plausibles para una geografía determinada. Aunque la exhaustividad de un catálogo debería corresponderse estrechamente con toda la gama de intensidades de eventos físicamente posibles/probables para un segmento costero dado, hay muchos parámetros detallados que pueden ser realmente diferentes de los observados en una tormenta concreta como Otis. Para los grandes huracanes, existe una solución que ayuda a las empresas a reducir la incertidumbre y analizar con mayor precisión los siniestros.
Las empresas de modelización de catástrofes producirán representaciones de sucesos a medida que permitirán a reaseguradores y corredores analizar la pérdida del suceso recientemente observado. Verisk, por ejemplo, producirá un conjunto de eventos ALERT que comprende cinco representaciones del evento que están más estrechamente vinculadas tanto a los parámetros físicos (representaciones del tamaño del campo de viento, velocidades del viento, niveles de inundaciones inducidas por precipitaciones) como a los niveles físicos de daños que sugieren los primeros informes. Como después de un siniestro hay muchas incertidumbres en cuanto a las velocidades del viento y los parámetros meteorológicos observados, la gama de cinco escenarios capta una gama razonable de pérdidas potenciales, ya sea para una sola póliza o para toda una cartera de riesgos asegurada. Una nota de precaución: es tentador que los ejecutivos se queden con el escenario que modela el nivel más alto de pérdidas y que esa estimación sea rigurosamente interrogada. Sin embargo, hasta mucho después del evento, no se sabrá cuál de los 5 eventos a medida representará mejor la pérdida para una cartera determinada. Lo mejor es discernir cuidadosamente la naturaleza de la cartera en cuestión para evaluar con mayor precisión la pérdida simulada.
Gold-IN, Gold-OUT. (asimismo, basura-IN y basura-OUT)Esta lección es válida para los datos utilizados en cualquier análisis de siniestros catastróficos. El principal dato de entrada son los datos de exposición, que son la representación del conjunto de edificios asegurados que se analizan para determinar las pérdidas.Para que un modelo analice con precisión las pérdidas de un determinado conjunto de exposiciones, lo ideal es que se capture con precisión lo siguiente:

- - Valores de reposición asociados a cada estructura asegurada
  - Información precisa que refleje los términos de la póliza, incluyendo cualquier límite y deducibles y coberturas de reaseguro
  - Tipo de material de construcción. ¿Está hecho de adobe, mampostería, o acero?
  - Uso del predio. ¿Es un restaurante, o residencia privada, o una fábrica?
  - Ubicación. Puede representarse a un nivel agregado, como un código postal, una ciudad o una zona CRESTA. Alternativamente, para los riesgos individuales, los modelos pueden interpretar con precisión los geocódigos a nivel de calle (coordenadas de latitud-longitud) que permiten a un modelo predecir con mayor precisión los impactos de eventos únicos que pueden aumentar o disminuir las pérdidas esperadas. Por ejemplo, una dirección puede ser más vulnerable a las inundaciones o a las sacudidas sísmicas amplificadas debido a la topografía, los tipos de suelo y la proximidad a fuentes de agua.

Del mismo modo, cuando exista incertidumbre sobre los valores de sustitución, la ubicación o la mezcla de construcción de la exposición, las estimaciones de pérdidas modelizadas deben tratarse con cuidado, ya que esas incertidumbres originales pueden influir en una estimación de pérdidas para producir resultados poco intuitivos. “Ir a la fuente” es un adagio poderoso que sustenta una interpretación precisa de los resultados de las pérdidas modelizadas.

Incluso antes de que la limpieza de escombros comience en serio, se puede elaborar una estimación fiable de las pérdidas aseguradas por el suceso catastrófico. Téngalo en cuenta: 1. Utilizar un modelo de catástrofe sólido y de buena reputación 2. Las SSEs pueden proporcionar una orientación temprana sobre los rangos de pérdidas 3. Para grandes eventos, las representaciones a medida del evento permitirán a los analistas reducir la incertidumbre en las estimaciones de pérdidas. 4. Gold-in. Gold-out. Preste atención a la calidad de sus datos de exposición, ya que pueden influir en gran medida y ayudar a explicar los resultados del análisis de siniestros.

El objetivo de este manual era ayudar a los ejecutivos de seguros a reconocer lo que normalmente es posible analizar, en términos de pérdidas, tras un evento catastrófico importante como el huracán Otis en los pocos día o semanas después de un evento. He abordado a grandes rasgos qué herramientas y datos se utilizan para analizar las pérdidas aseguradas tras un evento. Adicionalmente he tratado de señalar algunas de las posibles áreas de incertidumbre en las que los ejecutivos deben tener cuidado con los datos que se utilizan para representar la exposición de cualquier cartera de riesgos asegurados. Como el tema de la incertidumbre y las mejores prácticas en la modelización del riesgo catastrófico es muy amplio, tengo previsto abordarlo en mayor profundidad en una serie de artículos posteriores.