METODI INNOVATIVI DI STIMA DELLA SELEZIONE AVVERSA NELL’ASSICURAZIONE AUTO: UN’APPLICAZIONE AL MERCATO CINESE
“Adverse Selection of China's Automobile Insurance Market on the Iot” PAPER (10 aprile 2025)
Wei Jiang, Esther YANFEI JIN, Eric ZHENG
La selezione avversa rimane una sfida significativa nel settore assicurativo, che spesso si traduce in ingenti perdite finanziarie per le imprese assicuratrici. Il principale ostacolo nell'affrontare il problema risiede nell'identificare e quantificare accuratamente il fenomeno.
I metodi tradizionali spesso non riescono a tenere conto adeguatamente dell'eterogeneità degli acquirenti di coperture e della natura endogena delle loro decisioni. Lo studio introduce un approccio innovativo, che integra il Mixture Model gaussiano e il modello basato sulla regressione di Dionne e altri (2001) per valutare la selezione avversa, superando i limiti dei metodi precedenti.
Attraverso simulazioni complete, gli Autori dimostrano che il metodo produce stime imparziali, superando gli approcci esistenti. Applicato al mercato dell’assicurazione auto in Cina, sfruttando i dispositivi IoT per tracciare i dati telematici, il metodo cattura l'eterogeneità del rischio tra gli assicurati.
I risultati offrono una solida evidenza della selezione avversa, a differenza dei metodi convenzionali (che non riescono a rilevare il fenomeno, a causa della loro incapacità di cogliere la relazione sottostante tra il rischio del cliente e il comportamento in caso di sinistro). L’approccio offre agli assicuratori un quadro solido per identificare le asimmetrie informative sul mercato, consentendo così lo sviluppo di interventi di policy e strategie di gestione del rischio più mirati.