Saltar a contenido

Health Insurance Reserving Handbook

Manual técnico y reproducible sobre IBNR, reservas actuariales y desarrollo de reclamaciones en seguros de salud, con aplicaciones al sistema colombiano.

Comenzar por los fundamentos Explorar los demos Ver el repositorio

40capítulos técnicos
7partes temáticas
4demos reproducibles
132campos canónicos

Estado del handbook

El proyecto contiene actualmente:

  • 40 capítulos técnicos en español;
  • 7 partes temáticas;
  • 4 demos prácticos, tres bilingües y uno publicado inicialmente en español;
  • generadores reproducibles en Python;
  • visualizaciones SVG de triángulos actuariales;
  • auditoría estructural, preflight y construcción estricta con MkDocs.

La versión pública más reciente es v0.2.4, que incorpora la identidad corporativa, IgraSans, el logo, el favicon, el footer y la analítica de uso.

Uso profesional

El handbook es una referencia educativa y técnica. Una aplicación profesional requiere validar datos, obligaciones, contratos, supuestos, regulación vigente y propósito de la estimación.

Contenido por parte

Parte Tema Capítulos Enfoque
1 Fundamentos 5 IBNR, construcción y transformación de triángulos
2 Reservas clásicas 6 Chain Ladder, BF, Benktander y Cape Cod
3 Reservas estocásticas 3 Mack, Bootstrap e incertidumbre
4 Modelos estadísticos 3 GLM, GAM y modelos bayesianos
5 Machine Learning 3 Diseño, árboles, deep learning y gobierno
6 Especificidades de salud 8 Exposición, tendencia, contratos, auditoría y gobierno
7 Colombia 12 UPC, RIPS–FEV, glosas, alto costo, provisiones y solvencia

Demos prácticos

1. Triángulos simulados de reclamaciones pagadas

Desde datos en formato largo hasta triángulos incrementales y acumulados, factores edad-a-edad, ultimate, IBNR y una visualización tradicional.

2. Triángulos pagados vs. incurridos

Compara madurez, reserva caso, factores de desarrollo y resultados Chain Ladder sobre bases pagadas e incurridas.

3. Triángulos mensuales de reclamaciones pagadas

Utiliza 60 meses de origen y desarrollo 0–24, con una visualización actuarial tradicional, curva de maduración y conteo de observaciones por factor.

4. Preparación de datos para metodologías de reserving

Evalúa la semántica, integridad, historia, exposición, priors, snapshots y gobierno del dataset antes de aplicar o comparar metodologías.

Rutas de aprendizaje

Ruta A · Construir una primera estimación de IBNR

  1. IBNR y reservas
  2. Construcción de triángulos
  3. Triángulos incrementales y acumulados
  4. Factores edad-a-edad
  5. Método Chain Ladder
  6. Demo de triángulos simulados
  7. Demo de triángulos mensuales

Ruta B · Comparar métodos y dependencia del prior

  1. Diagnósticos de Chain Ladder
  2. Bornhuetter-Ferguson
  3. Benktander
  4. Cape Cod
  5. Comparación de métodos clásicos

Ruta C · Cuantificar incertidumbre

  1. Chain Ladder de Mack
  2. Bootstrap Chain Ladder
  3. Comparación entre Mack y Bootstrap
  4. Reservas bayesianas

Ruta D · Reservas de salud en Colombia

  1. Particularidades de las reservas en salud
  2. Ciclo de vida y rezagos operativos
  3. Metodologías de reservas en Colombia
  4. Triángulos pagados e incurridos
  5. Glosas, devoluciones y controversias
  6. IBNR, provisiones y reporte regulatorio

Selección metodológica

No existe un método universalmente superior. La selección depende, entre otros elementos, de:

  • propósito de la valoración;
  • definición de la obligación;
  • madurez y estabilidad de los datos;
  • disponibilidad y calidad de exposición o priors;
  • cambios de población, beneficios, contratos, red y operación;
  • tendencia médica, estacionalidad y eventos extraordinarios;
  • materialidad, explicabilidad y gobierno requerido.

Consulte la guía de selección de metodologías y el roadmap para conocer criterios de evidencia y próximos desarrollos.

Calidad y reproducibilidad

Antes de publicar cambios se ejecutan:

python scripts/audit_docs.py
python scripts/preflight_release.py
python -m mkdocs build --strict

Los ejemplos utilizan datos sintéticos. Los resultados deben reconciliarse y someterse a validación independiente antes de cualquier uso profesional.