David A. CATHER
“Reconsidering insurance discrimination and adverse selection in an era of data analytics” (The Geneva Papers on Risk and Insurance - Issues and Practice)
Assicurazione auto, Pricing, Innovazione digitale


Nel lavoro si intende dimostrare come la sostituzione delle variabili di prezzo basate sull'età e sul genere degli assicurati con i dati telematici nei sistemi di classificazione del rischio auto minimizzi i fenomeni di discriminazione e aumenti la selezione avversa.

L’Autore spiega come l'incorporazione dei dati telematici nei sistemi di tariffazione assicurativa riduca l'eterogeneità dei prezzi, in linea con un obiettivo di antidiscriminazione.

Illustra, inoltre, come i divieti di discriminazione dei prezzi sulla base dell'età e del genere degli assicurati possano comportare una selezione avversa di tipo  regolamentare;  fenomeni di selezione avversa tradizionale, in cui le asimmetrie informative a favore dei contraenti possono determinare una presenza eccessiva di rischi elevati  nei pool di assicurati; e una selezione avversa di tipo “cream skimming”, per cui le asimmetrie  in favore  delle imprese assicuratrici  che utilizzano la telematica consentono sconti di premio che attraggono i conducenti più sicuri, portando a una carenza di conducenti a basso rischio nei portafogli  delle imprese che non fanno ricorso a strumenti telematici.

Lo studio spiega come gli assicuratori riducano al minimo la loro vulnerabilità nei confronti di eventuali fenomeni di scrematura adottando rapidamente politiche di differenziazione dei prezzi con propri prodotti basati sulla telematica e in che modo l'integrazione dei dati telematici aumenti l'efficienza dei sistemi di classificazione dei rischi.

STATISTICHE
NEWS