Verzekeraars beschikken over steeds gedetailleerdere data om risico’s in te schatten. Hoe ga je daar als verzekeraar mee om? Welke keuzes maak je bij het bepalen van premies en hoe verandert het vak van actuaris hierdoor? Tijdens haar keynote op de Datamiddag van het Verbond schetst professor Katrien Antonio de huidige ontwikkelingen en de dilemma’s die daarmee gepaard gaan.
"Het is zaak om de technologische ontwikkelingen van dit moment te vertalen naar de specifieke verzekeringspraktijk", stelt Antonio. In haar werk aan de UvA en KU Leuven onderzoekt ze hoe ontwikkelingen op het gebied van machine learning en data science kunnen worden toegepast op verzekeringsdata.
"Verzekeringsdata hebben vaak heel specifieke kenmerken die in de bestaande literatuur rond data analyse minder of niet worden bestudeerd. Hoe vaak iets voorkomt en wat de impact daarvan is, blijft bijvoorbeeld regelmatig onderbelicht, maar het zijn de uitkomstvariabelen die ertoe doen bij verzekeringsdata. Ook hebben we als actuarissen te maken met onvolledige data, bijvoorbeeld wanneer een schade nog in ontwikkeling is of een verzekerde nog revalideert."
Een belangrijke ontwikkeling is dat verzekeraars over steeds gedetailleerdere gegevens kunnen beschikken. "Er komt bijvoorbeeld meer en meer fijnmazige geografische data beschikbaar dankzij satellietbeelden en allerlei soorten geografisch gelinkte data. Ook gedragsvariabelen worden specifieker, onder meer doordat auto’s met meer sensoren zijn uitgerust."
Dat biedt nieuwe mogelijkheden om risico’s nauwkeuriger in kaart te brengen, maar roept volgens Antonio tegelijkertijd nieuwe vragen op. "Het centrale vraagstuk is hoe je inzichten uit die fijnmazige data vertaalt naar het inschatten en organiseren van risico’s. En vervolgens: wat doe je daar als verzekeraar en als maatschappij mee?"
"Het centrale vraagstuk is hoe je inzichten uit die fijnmazige data vertaalt naar het inschatten en organiseren van risico’s. En vervolgens: wat doe je daar als verzekeraar en als maatschappij mee?"
Daarmee verandert ook het werk van actuarissen, aldus de professor. Alleen een zo nauwkeurig mogelijke risico-inschatting maken is niet meer voldoende. "Bij ons onderzoek gaat het om de techniek ontwikkelen om risico’s in te schatten. Maar we moeten ook de vervolgvraag stellen: hebben we dit goed gedaan en hoe willen we de solidariteit tussen risico’s organiseren? Het gaat niet alleen om hoe we een risico-inschatting vertalen naar een prijs, maar ook naar preventie, adaptatie en bredere inzichten."
Nieuwe technologie komt steeds nadrukkelijker de verzekeringspraktijk binnen. Het is volgens Antonio aan verzekeraars om daar verantwoord mee om te gaan. "We hebben te maken met onder meer de EU AI Act en moeten daarom als branche scherp zijn op de dialoog met betrokken partijen en blijven reflecteren op hoe we data en nieuwe technologie gebruiken.”
Tegelijkertijd dienen zich nieuwe risico’s aan, denk hierbij aan klimaatgerelateerde en geopolitieke risico’s, waarvoor veel minder historische gegevens beschikbaar zijn. Daarom neemt volgens de wetenschapper het belang van extrapoleren en scenariodenken toe.
Bij extrapoleren worden inzichten uit beschikbare gegevens gebruikt om iets te zeggen over situaties waarin minder informatie voorhanden is. Antonio noemt geografische data als voorbeeld. "Van sommige gebieden hebben we bijvoorbeeld wel satellietbeelden, maar weinig transacties of schadeclaims. We kunnen een model dan eerst laten leren van regio’s waarvoor veel gegevens beschikbaar zijn en die kennis vervolgens gebruiken voor deze ‘data-arme’ gebieden.”
Bij nieuwe en sterk veranderende risico’s kiest het team van Antonio ook vaker voor scenariodenken. Hierbij draait het niet zozeer om het doortrekken van bestaande gegevens, maar om het onderzoeken en kwantificeren van mogelijke toekomstige ontwikkelingen. Zo kan worden gekeken naar de relatie tussen weersomstandigheden en sterfte: wat zou er bijvoorbeeld met sterftekansen kunnen gebeuren als hoge temperaturen vaker voorkomen of verder oplopen? "Compleet nieuw is dit uiteraard niet, maar het wordt wel belangrijker. Zeker omdat verschillende risico’s steeds sterker met elkaar verbonden zijn."
"Verschillende risico’s zijn steeds sterker met elkaar verbonden."
Meer data en geavanceerdere modellen kunnen leiden tot betere voorspellingen. Maar de meest nauwkeurige voorspelling is niet automatisch de meest wenselijke uitkomst. Volgens Antonio moeten actuarissen daarom steeds nadrukkelijker zoeken naar een evenwicht tussen voorspellende nauwkeurigheid enerzijds en uitlegbaarheid, transparantie en fairness anderzijds.
Ook Europese regelgeving vergroot de aandacht hiervoor. Antonio ziet dat actuarissen zich steeds bewuster worden van deze afwegingen. "We hebben inmiddels technieken waarmee we beter inzicht kunnen bieden in hoe onze modellen tot uitkomsten komen. Als we constateren dat een model tot ongewenste of oneerlijke uitkomsten leidt, kunnen we daarop ingrijpen en de nodige, onderbouwde aanpassingen maken."
Een belangrijk onderdeel hiervan is het tegengaan van het proxy-effect. “Een goed voorbeeld hierbij is dat je geslacht niet als verklarende variabele mag gebruiken in een model voor premiebepaling. Bij een autoverzekering kun je toch vaak herleiden of het om een man of een vrouw gaat, bijvoorbeeld omdat mannen over het algemeen in zwaardere auto’s rijden. Dit noem je dan een proxy-effect: een variabele neemt het effect over van een andere variabele die we niet mogen of willen gebruiken. Als we dit soort effecten willen voorkomen, beschikken we intussen over de technieken om daar tijdens of na het bouwen van modellen de nodige correcties voor te maken. Dit soort technieken zit tegenwoordig meer en meer in de toolbox van de actuaris, dankzij evoluties in academisch onderzoek.”
De toenemende fijnmazigheid van data maakt een fundamentele vraag voor verzekeraars steeds urgenter: hoeveel onderscheid wil je eigenlijk maken tussen individuele risico’s?
"We kunnen nu bijvoorbeeld zien dat het ene huis in een straat een groter overstromingsrisico heeft dan een ander huis in diezelfde straat. Hoe ga je daarmee om? Laat je de bewoner van het huis met het hogere risico meer betalen en de ander minder? Of geef je beiden dezelfde premie om de solidariteit te behouden?"
Dat is volgens Antonio nadrukkelijk niet alleen een technische of actuariële keuze. "Dit zijn complexe discussies waar de actuaris niet alleen over gaat. Ook vanuit sociaal en maatschappelijk perspectief moet hierover worden nagedacht."
"Dit noem je dan een proxy-effect: een variabele neemt het effect over van een andere variabele die we niet mogen of willen gebruiken."
Verzekeraars die zelf aan de slag willen met fijnmazige geografische data kunnen gebruikmaken van modellen die Antonio en haar onderzoeksteam gratis beschikbaar stellen.
Ook de achterliggende werkwijze en technische architectuur zijn gedocumenteerd.
"Ik vind het belangrijk dat onze modellen reproduceerbaar en beschikbaar zijn. Door opensource-modellen te delen, kunnen we verder bouwen op elkaars werk. Verzekeraars kunnen aan de slag met een grotendeels afgewerkte versie, maar ook met losse bouwstenen waarmee ze zelf verder kunnen ontwikkelen."
Katrien Antonio is gewoon hoogleraar actuariële wetenschappen aan KU Leuven en deeltijds hoogleraar Insurance Data Science aan de UvA. Ze doceert onder meer levensverzekeringswiskunde, schademodellen en data science voor verzekeringstoepassingen.
Haar onderzoek richt zich op het gebruik van data science in actuariaat, met toepassingen in premiebepaling, risicomodellering, het ramen van toekomstige schadeverplichtingen en het modelleren van sterftekansen en levensverwachting.
In 2024 won Antonio samen met haar medeauteurs de Hachemeister Prize van de Casualty Actuarial Society. De prijs bekroont actuarieel onderzoek op het gebied van schadeverzekeringen, waarbij onder meer wordt gekeken naar de praktische toepasbaarheid van het onderzoek.
Tekst: Christel Dieleman, foto's: Ivar Pel.