ESTRUCTURA DEL SECTOR ASEGURADOR ESPAÑOL. UN ESTUDIO MEDIANTE LA METODOLOGÍA STATIS

Transcripción

1 ESTRUCTURA DEL SECTOR ASEGURADOR ESPAÑOL. UN ESTUDIO MEDIANTE LA METODOLOGÍA STATIS Mª Jesús Mures Quinana - ddemmq@unileon.es Mª Eva Vallejo Pascual - ddeevp@unileon.es Universidad de León Reservados odos los derechos. Ese documeno ha sido exraído del CD Rom Anales de Economía Aplicada. XIV Reunión ASEPELT-España. Oviedo, 22 y 23 de Junio de ISBN:

2 ESTRUCTURA DEL SECTOR ASEGURADOR ESPAÑOL. UN ESTUDIO MEDIANTE LA METODOLOGÍA STAT IS AUTORES: Mures Quinana, Mª Jesús de León Vallejo Pascual, Mª Eva de León PALABRAS CLAVE: écnicas mulivarianes, STATIS, secor asegurador. RESUMEN: La imporancia del secor asegurador de una economía se manifiesa a ravés de sus dos funciones básicas: la capación de fondos, como pare del sisema financiero; y la proección frene a los diferenes riesgos. Dado que la acividad aseguradora aumena con el desarrollo económico, ano porque aumenan los riesgos económicos como por la mayor proporción de los ingresos desinada a la coberura los mismos, su análisis resula de especial inerés. Como consecuencia, el objeivo de esa comunicación es el análisis de la esrucura del secor asegurador español mediane la aplicación de la meodología STATIS (Srucuraion des Tableaux Á Trois Indices de la Saisique) a la información ofrecida por las enidades aseguradoras de mayor volumen de negocio, aprovechando las venajas de dicha meodología en la descripción y clasificación. Las conclusiones obenidas son relevanes, para profundizar en el conocimieno del secor, y desde el puno de visa meodológico, para analizar oros secores. - INTRODUCCIÓN La descripción de un secor y la deerminación de grupos esraégicos en el mismo conribuyen al enendimieno de su esrucura y de su dinámica compeiiva. El empleo simuláneo de écnicas Facoriales y de Clasificación permie alcanzar esos objeivos de una manera saisfacoria. En ese marco meodológico nos planeamos el esudio del secor asegurador español, de imporancia crucial para nuesra economía, aplicando el STATIS (Srucuraion des Tableaux Á Trois Indices de la Saisique) como Técnica Facorial, eniendo en cuena la nauraleza de la información disponible. De ese modo, se obienen conclusiones ineresanes relaivas a dicho secor y a la capacidad descripiva de la meodología empleada. 2

3 2 - METODOLOGÍA 2. - STATIS Esa meodología, que permie el raamieno simuláneo de varias ablas de daos, comenzó a desarrollarse en los años 70 por el equipo invesigador del profesor ESCOUFIER, y fue recogida en la esis docoral de L Hermier des Planes (976). Poseriormene ha sido desarrollada por varios auores, como Lavi (988) y Pérez Hugalde (988), y ha sido incluida en paquees esadísicos como el SPAD o ADE-4. Parimos de T ablas de daos X, X 2... X... X T cada una de las cuales represena n individuos (filas) sobre los que se han medido p variables cuaniaivas (columnas). A menudo las ablas represenan T momenos del iempo en los que se han observado el conjuno de n individuos. Si las variables ambién son las mismas en odas las ablas (p en cada una), la abla oal iene n filas y pt columnas, es decir:. n...p X...p X. n. n...p X T Figura Tabla de daos Una écnica mulivariane que podría emplearse para el raamieno de ese ipo de ablas de daos es el Análisis de Componenes Principales (ACP). Si bien, hay que precisar que el ACP de la abla oal (pt columnas yuxapuesas) no es válido pues no considera que las variables perenecen a grupos diferenes, esando en muchos casos correlacionadas de un periodo a oro. Por ora pare, un ACP de cada abla no permie comparar adecuadamene los resulados de los disinos grupos ya que los ejes facoriales de cada uno son diferenes....pt En cambio, la meodología STATIS (Srucuraion des Tableaux À Trois Indices de la Saisique) en su versión Sais, si los individuos son los mismos en odas las ablas (ó en. n X 3

4 su versión Sais dual, si las variables son las comunes), apora una solución saisfacoria para resolver esos problemas, permiiendo: * La comparación global de las nubes de individuos (nubes de variables) que consiuyen cada abla, en la eapa denominada ineresrucura. Se raa de deerminar en qué medida las ablas ienen esrucuras semejanes o no, a parir de la imagen euclídea plana obenida, en la que cada puno represena una abla de daos. Para el caso en el que ésas represenen el iempo, la semejanza indicará que los individuos (las variables) que las consiuyen manienen su comporamieno en el iempo respeco a las variables (individuos) esudiados. * La obención de una nube de individuos (de variables) media, represenada por una mariz compromiso WD (VM), resumen de las diferenes ablas, que expresa la esrucura común de los individuos (las variables) de dichas ablas. * En la eapa denominada inraesrucura, el análisis de la mariz compromiso WD (VM), permie represenar los individuos medios (variables medias) ó individuoscompromiso (variables-compromiso) del conjuno de las ablas, así como las variables (individuos) de cada abla. Para ambos casos, como en Análisis de Componenes Principales, las correlaciones de las variables permien caracerizar los facores, e inerprear las posiciones de los individuos. * Represenación de las rayecorias de los individuos (variables) en la imagen euclídea del compromiso WD (VM). Al considerar las diferenes ablas como individuos (variables) suplemenarios de dicha mariz compromiso, se obienen la represenación de los T punos correspondienes a cada individuo (variable), que son los que definen su rayecoria. Su esudio permie conocer la evolución de cada uno de los individuos (variables), así como los (las) responsables de las diferencias enre ablas. Cuando los individuos y las variables son comunes en odas las ablas, como en ese caso, ambas versiones del méodo pueden aplicarse, mejorándose algunos aspecos. En concreo, cuando los facores obenidos por ambas versiones ienes significados similares, es posible susiuir el cálculo de rayecorias especificado por el análisis de los T punos de cada individuo (variable) obenidos a parir de la inraesrucura del Sais dual (Sais). 4

5 A coninuación se desarrollan eóricamene cada una de esas eapas. Desarrollos maemáicos más deallados esán recogidos en GERI (98) y Lavi (988). Dado que las eapas señaladas se basan en un ACP, comenzaremos por una breve descripción de esa écnica. Para una abla X (de n filas y p columnas), consideramos la mariz diagonal D de pesos de los individuos, común a odas las ablas, y la mariz diagonal M de pesos de las variables (que coincide con la mariz idenidad para el caso más general, en el que odas las variables iene el peso uniario). Cada una de las columnas de la mariz X esá esandarizada para que enga media cero y desviación ípica uno. La mariz V M = X DX M - de orden (p p)- es la mariz de correlaciones, ya que las variables esán reducidas, que hace referencia a la nube de variables que se deriva de la abla. La mariz W D = X M X D - de orden (n n) - es la mariz de producos escalares enre individuos. Ambas marices ienen los mismos valores propios. Si los vecores propios de V M son las columnas de una mariz U, enonces las columnas de X U son los vecores propios de W D, normalizados por los correspondienes valores propios. Llamando Λ a la mariz diagonal de dichos valores, en orden decreciene, se cumple que: U 'U I p p ) = U X DX U = Λ (n n) ( Las columnas de U son los ejes principales y las columnas de X U son las coordenadas de los n individuos en los correspondienes ejes principales (componenes o facores principales). La represenación gráfica obenida, a parir de los primeros ejes, permie obener la nube de individuos en un espacio de menor dimensiones, que es el que mejor se ajusa a la forma original de la nube. Las columnas de G = X DX UΛ ½ represenan las coordenadas de las variables en la base D-oronormal de las columnas de X UΛ ½. Esas coordenadas represenan la correlación con los facores (si las variables ienen varianza uniaria) y permien su inerpreación. Teniendo en cuena esos desarrollos, abordamos la meodología STATIS propiamene dicha empezando por la ineresrucura. La mariz W = X M X es simérica y semi-definida posiiva, y el operador W D es el objeo represenaivo de cada abla si se desea analizar las nubes de individuos (versión Sais); si lo que se desea 5

6 analizar son las nubes de variables (versión Sais dual) el operador a considerar es el V M. Tano en uno como en oro caso, cuando las normas de dichos operadores son muy diferenes enre sí, se equilibra la influencia de cada abla dividiendo cada uno de ellos por su norma, que es el caso más general y el que vamos a considerar. Para comparar dichos objeos a ravés de su imagen euclídea, es necesario definir una disancia enre ellos. Dicha disancia se deduce del produco escalar de HILBERT- SCHMIDT enre aplicaciones lineales, que con operadores normados se define como: W D W' D, W D W D = ' r(w DW D ) r(w D ) 2 ' r(w ' D ) 2 = RV (W D, W D) en el Sais V M V M V' M, V M ' = r(v MV M ) r(v M ) 2 ' r(v ' M ) 2 = RV (V MV M) en el Sais dual La mariz S de orden (T T) se puede inerprear como una mariz de correlaciones enre los operadores W D en el Sais (V M en el Sais dual), y por ello, el coeficiene RV ambién como el coseno del ángulo enre operadores. La represenación de las T nubes de individuos (nubes de variables) se obiene mediane la descomposición de la mariz correspondiene S en vecores y valores propios, siendo las coordenadas de las nubes los vecores propios de dicha mariz, muliplicados por la raíz cuadrada del valor propio correspondiene. Las disancias enre operadores W D dependen del cambio de posición de los individuos de unas ablas a oras; mienras ano, la disancia enre los V M depende de los cambios en las correlaciones de las variables. Por ano, cuano más cerca esán W D y W D (ó V M y V M) en el gráfico (menor ángulo), más parecidas son las nubes de individuos (o las de variables) correspondienes a X y X. Con el fin de buscar una mariz media que represena las diferenes nubes de individuos (o de variables), es decir, para buscar una mariz compromiso, la solución más sencilla consise en definir ésa como una media ponderada de los operadores represenaivos de cada abla, con el fin de que sea de la misma nauraleza que los de parida, es decir, una mariz de producos escalares enre individuos (de correlaciones enre variables) de norma uniaria. Así, denominando a esa mariz WD en el caso del Sais (VM en el caso del Sais dual), se iene que: T WD = α = WD W D HS 6

7 T VM = = α V M V M Para deerminar los α se esablece el crierio de que el operador compromiso sea el objeo más correlacionado, en el senido de produco escalar de Hilber-Schmid, con los oros. De esa manera se obiene α = γ µ HS siendo µ el valor propio asociado al primer vecor propio de la mariz S (en el Sais ó en el Sais dual), y γ la coordenada de ese primer vecor propio. El compromiso así obenido es colineal al primer eje de la ineresrucura, lo que facilia la comparación de las nubes, enre sí, y de esas con el compromiso. El análisis de WD (VM), fase que se denomina inraesrucura, es equivalene a realizar un ACP de las ablas yuxapuesas, debidamene ponderadas en el Sais: α β X, 2 β 2 α X2,..., α β X,..., α T β T XT = X o de las ablas apiladas y debidamene ponderadas en el Sais dual: X = α α α M M T β β β T X X X T siendo β = W D HS por esar los operadores normados. En el Sais, denominando XU a los vecores propios de WD, dicho análisis permie obener la represenación simulánea de odas las variables de las T ablas en una base D oronormal de las columnas de XUΛ ½ por X DXUΛ ½ (las columnas de α β X DXUΛ -/2 son las coordenadas de las p variables de la abla ). Además las columnas de XU son las coordenadas de los individuos-compromiso. Los facores obenidos se explican mediane las variables con las que esán correlacionados y, por ano, se puede inerprear la posición de dichos individuos-compromiso represenados. En el caso del Sais dual, las coordenadas de las variables-compromiso son las columnas del vecor propio de la mariz VM normalizado por el correspondiene valor propio, es decir X UΛ ½. La represenación simulánea de los individuos de las T ablas en una base M oronormal de las columnas de X UΛ ½ viene dada por XMX UΛ ½ (las columnas de α β X MX UΛ -/2 son las coordenadas de los n individuos de la abla ). 7

8 Las coordenadas de las variables-compromiso son las correlaciones con los facores, que permien su inerpreación, siendo posible la caracerización de las posiciones de los individuos según dicho significado. En ese úlimo caso, eniendo en cuena que odas las ablas esán formadas por los mismos individuos y las mismas variables, las rayecorias de los individuos se van a obener a parir de la represenación obenida en la fase de la inraesrucura del Sais dual Análisis Cluser La denominación Análisis Cluser, ambién denominado de conglomerados o de clasificación auomáicas, se uiliza para definir una serie de écnicas esadísicas, fundamenalmene algorimos, que permien la obención de grupos de elemenos similares. El puno de parida es, en general, una mariz de daos formada por los valores de una serie de variables (que pueden ser cuaniaivas y/o cualiaivas) medidas sobre cada uno de los individuos que consiuyen el objeo del esudio. Se puede uilizar para agrupar ano individuos como variables, y dado que el proceso es idénico en ambos casos, solo vamos a hacer referencia al primero. Las eapas de un Análisis Cluser son las siguienes: * Selección de las variables. Consise en elegir las variables relevanes para idenificar los grupos o clusers de acuerdo con los objeivos que se preendan en el esudio. Las elegidas no deben conener información redundane, su numero no debe ser excesivo, y las unidades en que se miden han de ser homogéneas. Por ello, en algunos casos se oman como puno de parida los facores obenidos como resulado de aplicar una écnica facorial, con la venaja de que los mismos resumen la información más imporane relaiva al fenómeno esudiado, además de no esar correlacionados. * Elección de la medida de asociación. La deerminación de los grupos lleva implícia una medida que permia analizar la proximidad enre los individuos, con el fin de analizar su semejanza. Las medidas de asociación más uilizadas son la disancia euclídea, la disancia de Minkowski y la de Mahalanobis. * Elección de la écnica o crierio de agrupación. Depende de la nauraleza de los daos y de los objeivos perseguidos. Se disinguen los méodos jerárquicos y no jerárquicos. Esos úlimos raan de realizar una única parición de los individuos 8

9 en k grupos, a parir de la mariz de daos original. Por el conrario, los méodos jerárquicos van consruyendo clusers sucesivamene de forma que se minimice alguna disancia o se maximice alguna medida de similiud, permiiendo la consrucción de un árbol de clasificación, denominado dendograma, en el que se observa qué grupos se van uniendo, en qué nivel. Cabe disinguir dos ipos de méodos jerárquicos: los aglomeraivos o ascendenes y los disociaivos o descendenes. Los úlimos comienzan con un conglomerado que engloba a odos los casos y, a ravés de sucesivas divisiones, se forman grupos cada vez más pequeños y homogéneos. En cambio, los méodos aglomeraivos comienzan con anos grupos como individuos haya y se van formando grupos, de forma ascendene, hasa que al final odos los casos esán englobados en un mismo conglomerado. Como ejemplo de esos úlimos enemos el Méodo de Ward, que es que proporciona mejores resulados cuando se pare de punuaciones facoriales. Ese méodo obiene la suma de las disancias euclídeas al cuadrado enre cada individuo y la media de las variables de su grupo; los clusers que se forman son los que resulan con el menor incremeno en la suma oal de las disancias al cuadrado inra-cluser. * Validación e inerpreación de resulados. Exisen diversos méodos para comprobar en qué medida la esrucura final obenida es válida. Se suele uilizar el Coeficiene de Correlación Cofenéico cuando se han uilizado méodos jerárquicos. En el caso de los no jerárquicos algunos auores proponen uilizar el Análisis Mulivariane de la Varianza o bien desarrollar Análisis de la Varianza sobre cada variable en cada cluser. En cuano a la inerpreación de resulados, hay que señalar que ninguna de las écnicas proporciona una solución ópima para odos los problemas, ya que es posible llegar a disinos resulados según la écnica elegida. Por esa razón, el crierio del invesigador, el conocimieno del problema y la experiencia, deben sugerir el méodo adecuado y la solución apropiada. 3 - APLICACIÓN Con el fin de analizar el secor asegurador español (es decir, aquellas enidades que esán someidas al conrol de la Dirección General de Seguros e inscrias en el Regisro de Enidades Aseguradoras), se ha considerado información relaiva a una serie de 9

10 empresas, que represenan aproximadamene el 80% de la cuoa de mercado, y que por ano, configuran la esrucura básica del mismo. Las enidades seleccionadas son: Tabla Compañías de seguros analizadas Compañías Adeslas Cia. de Seguros Aegon-Union Aseguradora, S.A. Seguros y Reaseguros AGF Unión Fenix Allianz-Ras Seguros y Reaseguros, S.A. Anares, Seguros de Vida y Pensiones Argenaria Vida, S.A. de Seguros y Reaseguros Asca Vida, S. A. de Seguros y Reaseguros Aseguradora Valenciana, S.A. Seguros y Reaseguros ASISA (Asisencia Saniaria Inerprovincial) Assicurazioni Generali, S.PA. Del. España Ahena, Cia. Ibérica de Seguros y Reaseguros Baneso Seguros, Cia. aseguradora Bankiner Seguros de Vida, S.A. Bansabadell Vida, S.A. Barclays Vida y Pensiones Biharko Vida y Pensiones Bilbao Cia. Anma. de Seguros y Reaseguros Caja Madrid Vida, S.A. de Seguros y Reaseguros Caser Grupo Asegurador Caalana Occidene Crédio y caución, Cia. española Seguros y Reaseguros Db Vida Cia. de Seguros y Reaseguros EuroSeguros, Cia de Seguros y Reaseguros Fiac Muua de Seguros y Reaseguros prima fija Finiserre, S.A. Cia. Seguros y Reaseguros Inercaser, S.A. de Seguros y Reaseguros La Esrella, S.A. de Seguros y Reaseguros Lagun Aro Vida, S.A. Mapfre Muualidad de Seguros y Reaseguros a prima fija Mapfre Seguros Generales, S.A. (Grupo) Mapfre Vida, S.A. Mulinacional Aseguradora, s.a Musini, S.A. de Seguros y Reaseguros Muua General de Seguros Muua Madrileña Auomovilísica, Sdad Seg. Ocaso, S.A. Cia. de Seguros y Reaseguros Pelayo Muua de Seguros y Reaseguros a prima fija Plus Ulra, Cia. Anma. de Seguros y Reaseguros Sanias, S.A. Sana Lucia, S.A. Sanander Seguros y Reaseguros Seguros Génesis, S.A. de Seguros y Reaseguros Eiqueas Adeslas AegonUnionAsegurad AGFUnionFenix AllianzRas AnaresVida ArgenariaVida AscaVida AseguradValenciana Asisa AssicurazioniGenerali Ahena Baneso BankinerVida BansabadellVida BarclaysVida BiharkoVida BilbaoCiaAnma CajaMadridVida Casergrupo CaalanaOccidene CredioyCaucion DbVida Euroseguros FiacMuua Finiserre Inercase LaEsrella LagunAroVida MapfreMuualidad MapfreSegGrales MapfreVida MulinacionalAsegurad Musini MuuaGeneralSegur MuuaMadri Ocaso PelayoMuua PlusUlra Sanias SaLucia Sanander SegurosGenesis 0

11 Vidacaixa, S.A. Seguros y Reaseguros Vialicio Seguros Winerhur Seguros generales, S.A. Winerhur Vida, S.A., Seguros sobre la Vida Zurich Inernacional (España) Zurich Seguros (sucursal España) Vidacaixa Vialicio WinerhurSegGrales WinerhurVida ZurichInernacional ZurichSegEspana Además de definir la esrucura del secor, las variables observadas deben permiir agrupar las diferenes empresas, y caracerizar fácilmene cada uno de los grupos obenidos. Teniendo en cuena las invesigaciones y discusiones de ejecuivos y académicos del mundo de los seguros (Fiegenbaum y Thomas, 990; Pinillos Cosa y Marín Peña,998) se seleccionaron las siguienes variables de alcance: - Primas seguros indusriales/primas oales (INDUS), que es el porcenaje que de las primas oales corresponde a las pólizas vendidas a las empresas, indicando así la orienación al mercado. - Primas seguros vida/primas oales (VIDA), expresada como el porcenaje que las primas de vida suponen sobre el oal de las de la empresa. - Primas seguros auos/primas oales (AUTOS), dado por el porcenaje que las primas de seguros de auomóviles suponen respeco al oal. - Primas seguros salud/primas oales (SALUD), que represena el porcenaje que las primas de enfermedad y asisencia saniaria suponen sobre el oal de las de la empresa. - Primas seguros reso/primas oales (RESTO), que recoge el porcenaje del reso de ramos respeco las primas oales de la empresa. Esas cuaro variables de alcance hacen referencia a la orienación al produco. - Primas/empleados (PRIMEM), que resula de dividir las primas oales enre el número de empleados, que reflejar el impaco de la bancaseguros. Las variables de desarrollo, que informan del empleo de los recursos, son: - Gasos inernos/primas (GINTPR), que es el cociene que represena el porcenaje que ésos (los que hacen referencia al ámbio adminisraivo de la enidad) represenan sobre el oal de primas. - Gasos exernos/primas (GEXTPR), es la proporción que ésos (los generados como consecuencia de la comercialización de los producos) represenan sobre las primas. - Margen de solvencia/margen mínimo exigido (MMMMI), indica el número de veces que la empresa maniene el margen mínimo de solvencia exigido.

12 - Inversiones financieras/inversiones oales (INFINIT), es decir, la proporción que las inversiones financieras represenan sobre el oal. - Negocio neo/capiales propios (NNC), que represena la proporción que el negocio neo (volumen de primas más los niveles de reaseguro acepado y menos el seguro cedido) supone sobre los capiales propios. - Negocio neo/(capiales propios + provisiones écnicas) (NNCPRO), variable que complemena a la anerior al recoger las provisiones écnicas, que son de una pare de obligado cumplimieno, y de ora consecuencia de decisión de la empresa. - Negocio neo/primas (NNPR), en porcenaje, que refleja la imporancia del reaseguro en la acividad de las enidades aseguradoras. Además, con el fin de poner en evidencia si los cambios en la esrucura del secor son imporanes o no a coro plazo, parece conveniene analizar diferenes años, considerando daos relaivos a 995, 996 y 997; cada uno da lugar a una abla formada por 48 individuos (filas) y 3 variables (columnas). Cuando la variable o el individuo se refiera a un año concreo, se adjunará a la eiquea original las dos úlimas cifras del año. La abla resulane, formada por las 48 enidades (filas) y las 3 3 variables (columnas) va a ser analizada mediane el méodo Sais, cuya aplicación se ha llevado a cabo con el paquee esadísico SPAD (módulo TM versión 3.5). Los resulados de las disinas eapas se especifican a coninuación: LA INTERESTRUCTURA La descomposición en valores y vecores propios de la mariz S permie obener una imagen euclídea en dos dimensiones de las res ablas analizadas, que explica el 97,56% de la inercia oal (casi oda acumulada por el primer facor dada la semejanza de las ablas). Como ambién se deduce al observar la mariz S, el vecor correspondiene al año 995 forma un ángulo basane grande con el compromiso y con los oros dos vecores represenaivos de los oros dos años, 96 y 97, siendo esos prácicamene colineales. También se puede observar que los es de permuaciones son significaivos (denoados con un aserisco), lo que indica que las nubes son basanes semejanes, a pesar de las diferencias indicadas, lo que indica que la esrucura básica del secor se maniene a coro plazo, y es la que se deduce del análisis de la inraesrucura. 2

13 Facor 2-6,58 % 0,4 0,3 0,2 0, 0-0, -0,2 95 WD Figura 2 Resulados de la Ineresrucura del Sais Mariz S ,832 0,834 0,832 0,927 0,834 0,927 Coeficienes RV enre W D -0,3 97-0,4 96-0,5 0 0, 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 Facor - 90,98 % Mariz S * * * * * * Primer plano de la ineresrucura del Sais. Tes de Permuaciones EL COMPROMISO La mariz compromiso WD, se obienen como media ponderada de los operadores normados asociados a las ablas de daos, al que: WD = 0,34 WD W D HS W2D + 0,354 W D 2 HS + 0,354 W3D W D La nube correspondiene al año 95, debido a su esrucura un ano diferene, es la que iene una ponderación inferior. 3 HS LA INTRAESTRUCTURA Los principales aspecos de las compañías y la relación enre variables se ponen de manifieso reeniendo los cinco primeros facores obenidos de la descomposición en vecores y valores propios del operador WD y que explican el 80,26% de la inercia oal de la mariz. Tabla 2 Valores propios de WD y porcenajes de inercia NUMERO VALOR PORCENTAJE PORCENTAJE PROPIO ACUMUL ******************************************************************** ********************************************* ****************************** **************** ************ ********* ******* ****** ***** ***** **** *** ** 3

14 Las variables Las correlaciones de las variables (anexo) con esos cinco facores permien doarlos de significado, definiendo las dimensiones relevanes del secor en el periodo analizado, que configuran su esrucura. Casi odos los punos correspondienes a una misma variable para los disinos años se agrupan según los facores, lo que facilia la inerpreación de ésos, obeniendo facores con el mismo significado en el Sais dual. - Primer plano facorial (facores y 2) Dicho plano, engendrado por la primera y segunda componene principal, explica el 55,63% de la inercia oal de la mariz compromiso. Figura 3 Círculo de correlaciones de las variables en el primer plano del compromiso WD Teniendo en cuena las figuras aneriores, el primer facor podría ser denominado como ORIENTACIÓN AL PRODUCTO: VIDA/NO VIDA. Así, las enidades que dedican su negocio de forma prioriaria al seguro de vida presenan alos porcenajes de inversiones financieras, ala producividad de los capiales propios, y gasos exernos e inernos no muy alos con relación a las primas. Sin embargo, su margen de solvencia, sobre el mínimo, es más bien bajo, y el reaseguro cedido no iene mucha imporancia como mecanismo de coberura de riesgos. Muchas de esas enidades emplean el canal de disribución bancario (bancaseguros). Esas caracerísicas se oponen a las de las enidades que dedican su negocio de manera prioriaria a los seguros no vida: producividad de los capiales propios y de los recursos menor, mayor margen de solvencia manenido,sobre el mínimo, y baja incidencia de la bancaseguros, enre oras. El segundo facor puede recibir el nombre de ORIENTACIÓN AL RAMO DE SALUD, y permie caracerizar a las enidades dedicas especialmene a ese ramo. Así, en ésas la proporción de inversiones financieras sobre las oales no es muy ala, pero si la producividad de los capiales propios más provisiones. Tampoco el reaseguro cedido es imporane, y sus niveles de gasos esán en una posición inermedia enre los niveles 4

15 alcanzados en las enidades dedicadas mayoriariamene a oro ipo de seguros no vida y las que se dedican a seguros de vida. - Segundo plano facorial (facores 2 y 3) Ese plano represena el 3,27 % de la inercia oal, que aunque no es un porcenaje elevado, si va a permiir obener conclusiones imporanes acerca del secor asegurador. Figura 4 Círculo de correlaciones de las variables en el segundo plano del compromiso WD - Tercer plano facorial (facores 4 y 5) Explica el 3,33 % de la inercia oal y es el que se represena a coninuación: Figura 5 Círculo de correlaciones de las variables en el ercer plano del compromiso WD A la visa de las figuras aneriores, el ercer facor puede recibir el nombre de ORIENTACIÓN AL RAMO DEL AUTOMOVIL, y es el que permie caracerizar de una manera más precisa las enidades con alos porcenajes de seguros de ese ramo. En esas enidades los porcenajes de gasos exernos e inernos son relaivamene alos, pero no ano como en oras enidades de seguros no vida; ampoco son an elevados los márgenes de solvencia manenidos sobre los mínimos exigidos. El reaseguro cedido no es imporane, y la producividad de los capiales propios más las provisiones ampoco. El cuaro facor parece esablece una clara diferencia, en cuano a la variable gasos exernos, enre las enidades que se dedican mayoriariamene a seguros no vida (disinos de los de salud y de los auomóviles), y las enidades que se dedican a los de 5

16 auomóviles, siendo los gasos exernos más elevados para las primeras. Por ano, el cuaro facor puede denominarse RESTO DE SEGUROS NO VIDA. La inerpreación del facor 5 no es demasiado clara, si bien es el que permie diferenciar las enidades que, denro del seguro de vida, disribuyen sus producos a ravés de oficinas bancarias, y que presenan un porcenaje inferior de inversiones financieras; por ese moivo podríamos decir que es el facor BANCASEGUROS. Represenación de los individuos-compromiso La represenación de los individuos-compromiso en los planos permiirá definir las caracerísicas de los mismos, conforme a la esrucura común del secor que se ha descrio previamene a ravés de los facores. Figura 6 Individuos-compromiso en el primer plano facorial Figura 7 Individuos-compromiso de mayor inercia en el segundo y ercer planos facoriales Con el fin de inerprear más claramene esas represenaciones y de complear la descripción del secor, se han clasificado los individuos a parir de los cinco facores considerados, empleándose un Méodo Cluser jerárquico (Méodo de Ward y disancia euclídea), obeniéndose los siguienes grupos: 6

17 Figura Clasificación de individuos-compromiso a parir de 5 facores Clasificación Classificaion hierarchique jerárquica direce direca MapfreMuualidad MulinacionalAsegurad MuuaMadri PelayoMuua WinerhurSegGrales FiacMuua ZurichSegEspana AegonUnionAsegurad Ahena BilbaoCiaAnma CaalanaOccidene MuuaGeneralSegur AGFUnionFenix AssicurazioniGenerali PlusUlra Vialicio ZurichInernacional MapfreSegGrales SaLucia Ocaso Finiserre CredioyCaucion Musini Asisa Adeslas Sanias LaEsrella Casergrupo AllianzRas MapfreVida WinerhurVida SegurosGenesis Sanander CajaMadridVida AseguradValenciana Inercase DbVida BankinerVida BansabadellVida Baneso LagunAroVida AscaVida Barclaysvida BiharkoVida Vidacaixa AnaresVida ArgenariaVida Euroseguros El dendograma se ha corado para esablecer siee grupos de enidades. El primero esá formado por Bankiner Vida, Bansabadell Vida, Baneso, Lagun Aro Vida, Asca Vida, Barclays Vida, Biharko Vida, Vidacaixa, Anares Vida, Argenaria Vida y Euroseguros, que eniendo en cuena su posición en el primer plano, viene caracerizado por los rasgos indicados para las enidades de vida. Un segundo grupo, formado por Sanander, Caja Madrid Vida, Aseguradora Valenciana, Db Vida, Inercaser, Seguros Génesis y Winerhur Vida, vendrá caracerizado básicamene por los mismos rasgos, aunque menos acenuados, dada su posición más cenral en el plano mencionado. 7

18 Oro grupo es el formado por enidades como Asisa, Adeslas y Sanias, que dedican casi el 00% de su negocio a seguros de salud, idenificándose por ano con los rasgos ya señalados. Musini y Crédio y Caución forman un grupo a pare, y son enidades en las que el porcenaje de primas procedenes de seguros no vida, especialmene indusriales, es muy imporane, presenando gasos exernos e inernos y márgenes de solvencia elevados respeco al reso de enidades del secor asegurador. El reso de enidades no vida, pueden caracerizarse por presenar alos porcenaje de negocio dedicados a los seguros indusriales, y alos porcenajes de gasos sobre primas, ano exernos como inernos. Si bien hay diferencias: mienras Sana Lucia, Ocaso y Finiserrre son enidades que no ienen primas procedenes de seguros de auomóviles, y que por ano, presenan unos gasos exernos más elevados, oras como Mapfre Muualidad, Fiac Muua, Muua Madrileña, Mulinacional Aseguradora, Pelayo Muua ó Winerhur Seguros Generales ienen porcenajes imporanes de ese ipo de seguros, y gasos más bajos. Plus Ulra, Zurich Seguros España, Muua General de Seguros, AGF Unión y Fenix, Assicurazioni Generali, Caalana Occidene ó Vialicio, son enidades en las que el seguro de auomóviles no iene especial relevancia, y que pueden caalogarse como enidades de seguros generales ya que dedican su negocio a una amplia variedad de ramos. Dado la baja calidad en odos los planos, las enidades Caser Grupo, La Esrella, Mapfre Vida y Allianz Ras forman un sub-grupo a pare, y sus caracerísicas difieren de la esrucura común de las enidades consideradas, al menos en los años esudiados, aunque con ciera similiud con las enidades de seguros de vida. 4- TRAYECTORIAS Figura 9 Trayecorias relevanes de los individuos en los planos facoriales 8

19 El análisis de rayecorias se ha hecho a parir de la imagen euclídea del compromiso del Sais dual, eniendo en cuena que los facores ienen el mismo significado que el Sais (ver resulados del Sais dual en el anexo). Solamene van a ser comenadas las enidades que han modificado su comporamieno de forma noable en el periodo. Ese es el caso de Baneso, que ha reorienado su negocio hacia el ramo de vida, reduciéndose considerable sus gasos exernos e inernos (respeco a las primas); Anares Vida y Barclays Vida ambién han reforzado su acividad en el mismo ramo, así como la aseguradora Sanander. Enidades como Pelayo Muua ó Mulinacional Aseguradora han cambiado su esraegia hacia el ramo del auomóvil: la primera reforzando su acividad en dicho ramo, y la segunda en senido conrario. Oros cambios a desacar son los que han experimenado Crédio y Caución, Zurich España y Mapfre Muualidad, en las que se ha producido un aumeno del porcenaje de gasos exernos e inernos (sobre primas), y un aumeno de los márgenes de solvencia manenidos. 3 - CONCLUSIONES Teniendo en cuena lo anerior, se puede afirmar que la decisión básica que caraceriza la esrucura de cualquier enidad es el ipo de produco que va a comercializar: seguro de vida o no vida. Las diferencias expuesas jusifican las disinciones que los poderes públicos hacen enre esos dos ipos de seguros. Además, 9

20 denro de los seguros no vida, hay claras diferencias enre aquellas enidades que se dedican de forma prioriaria a los seguros de salud, o de auomóviles, y el reso de enidades que comercializan seguros no vida. En el caso de los seguros de vida, las enidades de bancaseguros ambién presenan algún rasgo disinivo, lo que viene a recalcar la imporancia de ese fenómeno en el secor asegurador. Respeco a la meodología, se puede afirmar que cumple su función descripiva de manera adecuada, sobre odo si ambas versiones pueden ser aplicadas, al iempo que permie idenificar las dimensiones relevanes para la clasificación. Si se emplea con fines predicivos, cuando se dispone de un número suficiene de daos, reduce el número de series emporales a modelizar y el número de parámeros a esimar, lo que simplifica el proceso predicivo de manera saisfacoria. 4- BIBLIOGRAFÍA Baena, V.; Lozano, L. (997), Ranking, Revisa Ranking, 08, pp Baena, V.; Lozano, L. (998), Ranking, Revisa Ranking, 20, pp Fiegenbaum, A.; Thomas, H. (990), Sraegic Groups and performance: he U. S. insurance indusry, , Sraegic Managemen Journal,, pp Fundación Mapfre Esudios, (995, 996, 997), El mercado español de seguros en 995. Madrid: Funda. Mapfre Esudios. Lavi, Ch. (988), Analyse conjoine de ableaux quaniaifs, Paris: Ed. Masson. L Hermier des Planes, H. (976), Srucuraion des Tableaux à Trois Indices de la Saisique, Thése de 3ème cycle, Universié des Sciences e Techniques du Languedoc. Pérez Hugalde, C. (988), Evolución de las relaciones enre la producividad del rabajo en la agriculura, las esrucuras agrarias y el desarrollo económico en España Un análisis mediane méodos esadísicos mulivariables. Madrid: Ed. Miniserio de Agriculura, Pesca y Alimenación. Colección Tesis Docorales. Pinillos Cosa, M. J.; Marín Peña, M. L. (998), Grupos esraégicos en el secor asegurador, : El impaco de la bancaseguros, Documenos de rabajo del FIES, 40. Revisa Ranking (996), Ranking, Revisa Ranking, 97, pp ANEXO - Correlaciones de las variables con los facores resulado del Sais CORRELACIONES VARIABLES VIDA AUTOS SALUD RESTO INDUS PRIMEM GEXTPR GINTPR MMMMI INFINIT NNC NNCPRO NNPR VIDA AUTOS SALUD RESTO INDUS PRIMEM CORRELACIONES VARIABLES GEXTPR GINTPR MMMMI INFINIT NNC NNCPRO NNPR VIDA AUTOS SALUD RESTO INDUS PRIMEM GEXTPR GINTPR MMMMI INFINIT NNC NNCPRO

21 2- Principales resulados del Sais dual Facor % 0,25 0,2 0,5 0, 0, VM Mariz S ,935 0,936 0,935 0,993 0,936 0,993 Coeficienes RV enre V M -0, , 96-0,5 0 0, 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 Facor % VM VM = 0,298 V M HS V3 M 0,353 V M 3 + 0,349 HS V2M V M 2 HS + Primer plano de la INTERESTRUCTURA del Sais dual Compromiso VM y ponderaciones de los V M NUMERO VALOR PORCENTAJE PORCENTAJE PROPIO ACUMULADO , ******************************************************************************** 2 0, ******************************************** 3 0, ************************* 4 0, ******************* 5 0, ************** 6 0, *********** 7 0, ******** 8 0, ******* 9 0, ***** 0 0, *** 0, ** 2 0, * Valores propios de la mariz compromiso VM y porcenajes de inercia CORRELACIONES VARIABLE VIDA AUTOS SALUD RESTO INDUS PRIMEM GEXTPR GINTPR MMMMI INFINIT NNC NNCPRO NNPR Círculos de correlaciones de las variables en los res primeros planos de la inraesrucura del Sais dual 2