Aseguradoras - Patpro - Lev - Obs

“AÑO
DE LA UNIVERSALIZACION DE LA SALUD”
UNIVERSIDAD NACIONAL DE PIURA
FACULTAD DE ECONOMÍA
ESCUELA PROFESIONAL DE ECONOMÍA
COMPORTAMIENTO DE LAS EMPRESAS

ASEGURADORAS EN EL PERU. DATA PANEL PARA
EL PERIODO 2010.01 – 2019.12
PRESENTADO POR: - MORE CHUMACERO, INGRID
- GARCES DEZA, ROXANA
CURSO : METODOLOGIA DE LA INVESTIGACIÓN
DOCENTE : ECON. ENRIQUE ZAPATA REYES
Línea de investigación
Economía y Negocios
Sub línea de investigación

Economía de las finanzas y desarrollo financiero
PIURA, PERÚ
JULIO, 2020
i
INDICE
1. Aspectos de la problemática...........................................................................1
1.1. Descripción de la realidad problemática............................................1
1.2. Formulación del problema de investigación......................................2
1.2.1. Problema General...................................................................2
1.2.2. Problemas Específico.............................................................2
1.3. Justificación e importancia de la investigación..................................3
1.4. Objetivos............................................................................................4
1.4.1. Objetivo general.....................................................................4
1.4.2. Objetivos específicos.............................................................4
1.5. Delimitación de la investigación........................................................4
2. Marco Teórico y Evidencia Empírica............................................................5
2.1. Evidencia empírica.............................................................................5
2.1.1. Evidencia empírica internacional..........................................5
2.1.2. Evidencia empírica nacional.................................................9
2.2. Bases teóricas.....................................................................................11
2.1.1. Teoría de la utilidad...............................................................11
2.1.2. Riesgo y Utilidad....................................................................12
2.1.3. Elementos de la teoría de la utilidad......................................13
2.1.4. Aversión al riesgo..................................................................15
2.1.5. Riesgos y seguros...................................................................16
2.1.6. Tipos de seguros.....................................................................17
2.3. Hipótesis.............................................................................................18
2.2.1. Hipótesis General...................................................................18
2.2.2. Hipótesis Específicas.............................................................18
2.4. Definición y Operacionalización de variables...................................19
3. Marco Metodológico......................................................................................21
3.1 Enfoque y Diseño...............................................................................21
3.2 Nivel...................................................................................................22
3.3 Tipo.....................................................................................................22
ii
3.4 Sujetos de la investigación..................................................................22

3.5 Métodos y procedimientos..................................................................24
3.5.1. Especificación del modelo.....................................................26
3.5.2. Valores esperados..................................................................26
3.5.3. Estimación del modelo..........................................................27
3.6. Aspectos éticos........................................................................................27
4. Evaluación de los resultados obtenidos..........................................................28
4.1. Análisis de las variables.....................................................................28
4.2. Estadísticas descriptivas.....................................................................31
4.3. Análisis grafico..................................................................................32
4.3.1. Gráfico de líneas......................................................................32
4.4. Modelo de coeficientes constantes.....................................................33
4.4.1. Evaluación económica...........................................................34
4.4.2. Evaluación estadística............................................................35
4.4.3. Evaluación econométrica.........................................................38
4.5. Modelo general de efectos fijos.........................................................41
4.5.1. Evaluación estadística..............................................................42
4.5.2. Estimación de efectos fijos.......................................................43
4.5.3. Evaluación econométrica.........................................................45
4.6. Modelo general de efectos aleatorios......................................................47
5. Conclusiones..................................................................................................48
6. Bibliografía.....................................................................................................50
7. Anexos............................................................................................................51
p. 1
COMPORTAMIENTO DE LAS EMPRESAS ASEGURADORAS EN EL PERU.

DATA PANEL PARA EL PERIODO 2010M01 – 2019M12
1. ASPECTOS DE LA PROBLEMÁTICA
1.1. Descripción de la realidad problemática
En el Perú, las diferentes compañías aseguradoras brindan diferentes tipos
de seguros, ofreciendo a todos los peruanos, una gran variedad de aseguradoras y
de pólizas que se ajustan a sus necesidades. Asimismo, algunas de estas
aseguradoras, suelen especializarse en un tipo de seguros, tales como: seguros de
autos, seguros de salud, seguros de hogar o seguros de vida o accidentes, sin
embargo, todas estas compañías aseguradoras ofrecen una gama de pólizas
amplia, es decir, que no existe aseguradoras con un especifico tipo de seguro en el
Perú.
De acuerdo a lo anterior, en el Perú existe un escenario muy competitivo, en
cuanto la prima del seguro ofrecido sea de menor costo y más completo en cuanto
a minimizar el riesgo, en consecuencia la empresa aseguradora con más pólizas
obtenidas y con menos siniestros ocurridos, tendrá una mayor utilidad a lo largo
del tiempo.
Por ejemplo: Según la SBS, en los últimos 10 años, el sector asegurador

mostró un dinamismo notable, pasando de representar el 1.2% del PBI a cerca del
1.8%, con tendencia creciente. En el mismo periodo, las primas de seguros
crecieron a una tasa anual promedio de 11.5%, por encima del crecimiento
económico del país. Por su parte, los siniestros anualizados del sector registro un
incremento de 18.8 %.
Esto puede deberse a que en el Perú, algunas compañías de seguros líderes
en América Latina, vienen teniendo presencia, debido al potencial de mercado y a
una economía fuerte con baja inflación.
Por otra parte, las personas cada vez son más conscientes de asegurarse para
minimizar el riesgo ante algún siniestro, lo cual nos permite estar más protegidos,
p. 2
asimismo, el potencial de crecimiento de las primas de seguro suele ser muy

agradable para estas compañías que ofrecen seguro en el Perú.
Bajo este contexto, se hace necesario analizar ¿Si el comportamiento de las
empresas aseguradoras en el Perú ha sido el mismo para las empresas aseguradoras
presentadas en el modelo, y como han evolucionado las utilidades netas, en
relación con las primas y siniestros ocurridos?, la respuesta a esta pregunta fue
posible de aproximarse al estimar y evaluar un modelo data panel de 3 de las 21
empresas aseguradoras que actualmente existen el Perú (1.Positiva, 2 .Mapfre, 3.
Rímac), a través de distintos modelos se trata de buscar el ajuste más adecuado
para este conjunto de aseguradoras en el periodo de tiempo considerado
(2010M01: 2019M12), el cual explique la relación de la utilidad de las empresas
aseguradoras en función de la prima y los siniestros.
1.2. Formulación del problema de investigación
1.2.1. Problema General
¿Cómo ha sido el comportamiento de las empresas aseguradoras, de acuerdo

a su utilidad neta obtenida, en base a las primas de seguros netos cobrados y el
costo siniestros de prima de seguros netos cubiertos, en la economía peruana en el
periodo 2010M01 – 2019M12?
1.2.2. Problemas Específicos
1. ¿Cuál es la relación que existe entre la utilidad neta de las empresas

aseguradoras y las primas de seguros netos cobrados y los siniestros de
primas de seguros netos, en la economía peruana para el periodo
2010M01 – 2019M12?
2. Las rentabilidades de las empresas aseguradoras, en función de las

primas de seguros netos cobrados y de los costos de los siniestros de
primas de seguros netos, han sido las mismas, en la economía peruana
para el periodo 2010M01 – 2019M12?
p. 3
1.3. Justificación e importancia de la investigación

La primera razón que motiva la elaboración del presente trabajo de
investigación es la limitada literatura sobre el comportamiento de las empresas
aseguradoras, particularmente para el Perú, donde no se abordado este tema en
mayor profundidad.
Bajo esta premisa, la propuesta se orienta a reforzar la limitada literatura
existente en el tema del comportamiento de las empresas aseguradoras siendo útil
para futuras investigaciones que se aborden al respecto.
Por otro lado, la importancia radica que, durante los últimos años el mercado
asegurador peruano ha atravesado por varios procesos de fusión por absorción y
consolidación de compañías, que ha resultado en una consolidación general de
sector, con la participación de un menor número de compañías sobre una base de
primas creciente.
Dado que el sector asegurador representó más de 12 mil puestos de trabajo
al culminar el 2019, cifra que se incrementó en 63% respecto de 2010 y que
considera solo a los colaboradores de las aseguradoras. Es de gran importancia
esta investigación ya que, este sector viene acercándose a segmentos de mercado
que antes no eran su mercado objetivo, generando nuevos productos y canales de
comercialización, así como aplicando los avances tecnológicos para identificar
mejor las necesidades de clientes actuales y potenciales.
Es así que, dada la importancia económica que tienen las empresas
aseguradoras para el país, se ha considerado de interés realizar este trabajo de
investigación en el cual se presenta una estimación y evaluación de un modelo
regresión panel, para la Utilidad Neta de las Empresas Aseguradoras en el Perú, en
el periodo de tiempo Mensual 2010 – 2019, que permita comparar las
rentabilidades entre éstas, en función de las primas de seguros netas cobradas y de
los costos de los siniestros de primas de seguros netos.
p. 4
1.4. Objetivos
1.4.1. Objetivo general
Analizar el comportamiento de las empresas aseguradoras, de acuerdo a su

utilidad neta, en función a las primas de seguros netos cobrados y los siniestros de
primas de seguros netos, en la economía peruana para el Periodo 2010M01 –
2019M12.
1.4.2. Objetivos específicos
1. Analizar la relación que existe entre la utilidad neta de las empresas

aseguradoras y las primas de seguros netos cobrados y los siniestros de primas
de seguros netos, en la economía peruana para el periodo 2010M01 –
2019M12.
2. Comparar las rentabilidades, en función de las primas de seguros netos

cobrados y de los costos de los siniestros de primas de seguros netos, en la
economía peruana para el Periodo 2010M01 – 2019M12.
1.5. Delimitación de la investigación

Entre las principales limitaciones que se pudo evidenciar durante el desarrollo
del estudio, encontramos las siguientes:
 La bibliografía nacional sobre el tema es casi nula, por lo que se tuvo que
recurrir a fuentes de contexto internacional para poder desarrollar el marco
teórico y dar sustento científico a la operacionalización de las variables.
 Los resultados de la investigación solo pueden generalizarse en el grupo de
estudio porque la muestra es de tipo no probabilístico intencional o a
instituciones que presenten características similares al contexto donde se
realizó el estudio.
p. 5
2. MARCO TEORICO
2.1. Evidencia empírica
2.1.1. Evidencia empírica internacional
En relación con la temática de investigación, existen diversos trabajos
empíricos donde se analiza el comportamiento de las empresas aseguradoras, cuya
metodología de estimación es a través de los modelos de datos de panel, con
efectos fijos y/o aleatorios, así como también de modelos de mínimos cuadrados
ordinarios (MCO), entre otros modelos; la contribución de casa estudio sobre el
presente trabajo de investigación se explica en las siguientes líneas y párrafos:
Albarrán y Moreno (2000), en su trabajo de investigación “Aplicación al
sector asegurador español (no vida) del modelo de seguros de Tapiero”, tuvo como
objetivo evaluar el modelo de seguros propuesto por Tapiero en 1987, utilizando
datos reales de empresas aseguradoras españolas dedicadas al negocio no vida.
Tras adaptar el modelo a la información disponible, se estiman los parámetros del
mismo mediante Mínimos Cuadrados en Tres Etapas utilizando variables
instrumentales. Se realiza una simulación para comprobar que la evolución de
dichas variables bajo diferentes escenarios es compatible con la doctrina básica
actuarial, observándose que las inversiones son fundamentales para el crecimiento
de la entidad.
Llegando a concluir que, el recargo de seguridad incide negativamente sobre
el volumen de pólizas suscritas (y por consiguiente, en el volumen de negocio de
la compañía). Incrementar el precio y suponer una pérdida de competitividad
respecto a las entidades de la competencia representa una minoración en el
objetivo de expansión de la compañía. Sin embargo, para una entidad real, un
incremento del recargo de seguridad supone una mejora del nivel de solvencia, al
reducirse la probabilidad de ruina.
En cuanto, la inversión dirigida a la expansión de la compañía resulta
fundamental para su crecimiento, e incluso su supervivencia. Se permite una
inversión total del 5% de los ingresos derivados de las primas, que se puede
repartir en inversión especulativa o dedicarse a la actividad fundamental de la
empresa.
p. 6
Según Reyes (2008), en su trabajo “sector asegurador y economía

mexicana”, hace un análisis de la participación del mercado y el grado de
penetración en México de 1990 a 2005, observando que el comportamiento de la
penetración en el mercado nacional estaba estrechamente ligado a políticas y al
entorno económico. Así también, describe la estructura del sector asegurador en
cuanto al número de empresas y características de las mismas.
Asimismo, hace una descripción del sector asegurador, en el cual pretende
demostrar que el sector asegurador y sobre todo las empresas oligopólicas que se
desempeñan en él, se benefició del proceso de crisis económica de los anteriores
25 años. Detalla que ello fue posible por la confluencia de varios factores, como:
 Las políticas de desregulación, apertura y privatización, favorecieron la
participación y el control de gran capital (fundamentalmente extranjero), en
el mercado asegurador.
 Las políticas fiscales, de contracción del gasto público y venta de empresas
paraestatales, así como políticas monetarias de elevadas tasas de interés,
acompañadas por la sobrevaloración del tipo de cambio, precipitaron la
orientación de las empresas aseguradoras hacia el espacio de los mercados
de capitales para la negociación de títulos y valores ante la contracción del
mercado interno y la mayor competencia y devaluación de las empresas
para ser adquiridas por el capital extranjero y nacional oligopólico.
 La crisis de 1994-1995 significó un proceso acelerado de transferencia en
el control y propiedad de las corporaciones aseguradoras operantes: desde
la concentración y dominio del capital nacional hasta el control del capital
extranjero.
Por otro lado, describe como la crisis de 1994-1995, afectó en gran medida
al sector asegurador, indicando que probablemente ninguna de las aseguradoras
estaba preparada para enfrentar la magnitud de la crisis de 1994-1995, que el
sector asegurador y, por supuesto, las corporaciones de seguros utilizaron todos los
medios a su alcance para reubicarse e incluso, en el caso de algunas firmas, para
evitar su desaparición: desde medidas financieras drásticas hasta la implantación
p. 7
de estrategias administrativas para hacer más eficiente el aparato productivo-

administrativo.
Castro (2007), examina el efecto del desarrollo del mercado asegurador
(tanto del segmento de vida como de no vida), sobre el crecimiento económico, así
como las condiciones (grado de desarrollo financiero, nivel de ingresos y entorno
institucional) que afectan el nexo de ambas variables. Para ello se utiliza el método
generalizado de momentos (GMM), con un modelo dinámico de datos de panel
para 47 países, entre 1990 y 2014. Los resultados revelan que existe un impacto
positivo del desarrollo del mercado de seguros sobre el crecimiento económico.
Además, la relación entre el desarrollo del mercado asegurador y el crecimiento
económico se ve aminorada en un entorno institucional relativamente más sólido.
Por otra parte, los resultados sugieren que el impacto positivo del desarrollo del
mercado de seguros en el crecimiento económico se mitiga en los países de
ingresos altos.
Por su parte, Criado y Nájera (2011), en su documento, Comportamiento
financiero del sector asegurador, análisis de indicadores financieros, realizan un
análisis financiero del sector segurador colombiano, con base a los estados de
resultados y ciertas razones financieras, que ayudan a determinar la situación del
sector.
Asimismo, describen los cambios y comportamiento de los diferentes
indicadores financieros a lo largo del tiempo. En este escrito, los autores hacen ver
la importancia económica y el peso que ha ido tomando el sector con el paso de los
años, ya que su aportación al sistema económico ha sido relevante. Realizan un
desglose de las cuentas de activo, así como las gráficas en las que muestran el
comportamiento de los activos del sector a través del tiempo.
También, describen el desarrollo que han tenido las inversiones que produce
el sector y el comportamiento del pasivo manejado por las empresas del mismo.
Encuentran que durante todo el período de análisis (1975-2010), la industria
aseguradora colombiana ha presentado pérdidas en su operación aseguradora, es
decir que el monto de las primas no ha alcanzado para cubrir los costos de la
operación, sin 19 embargo los rendimientos obtenido en el portafolio de
p. 8
inversiones han permitido que durante la mayor parte del período estudiado, las
instituciones de seguros en Colombia hayan obtenido resultados netos positivos.
Según Amézquita (2016), en su trabajo de investigación tuvo como fin
analizar el papel de los rendimientos financieros frente a los resultados netos de
ejercicio de las Compañías de Seguros Generales, donde se evidencio la constante
dependencia de los resultados del portafolio de inversión para apalancar los
resultados técnicos negativos que se han presentado en el desarrollo de su
actividad principal: el contrato de seguro. El periodo de estudio comprende los
años del 2004-2014 considerando que a partir del 2015 entró en vigencia las
NIIF1. La industria aseguradora para la década de estudio presentó tasas de
crecimiento real de 7,8% superando las de la economía local, el índice de
penetración de los seguros generales y vida para el 2013 se situó en 2,7%,
indicador que aún se encuentra rezagado frente al de Latinoamérica que registró
3,2%2 para el mismo año.
Los resultados del diagnóstico financiero reflejan un sector sólido y estable,
donde los rendimientos financieros se consolidan como el rubro más representativo
en el PyG producto de las dinámicas del negocio y de la economía nacional e
internacional. Los rendimientos financieros promedio ascendieron a $434,300
millones de pesos y para el 2014 los resultados representaron 3,3 veces lo
registrado en 2004, así mismo se evidencia como las tendencias de regulación
repercuten en la rentabilidad del sector a través de la gestión de los activos
financieros.
Por otro lado, Freire y Neira (2017), analizó los cambios más importantes y
representativos, así como el desarrollo del mercado asegurador ecuatoriano,
financiera y socialmente frente a las nuevas regulaciones que se han ido
presentando en años anteriores, evaluando su impacto en las compañías de
seguros. Se realizó una revisión en los últimos años, mediante un análisis de
mercado teniendo en cuenta: evolución, crecimiento, integrantes, composición,
aporte a la economía del país, principales ramos, factores que han perjudicado su
siniestralidad, ventajas y desventajas sobre el nuevo Código Orgánico y
Monetario, analizando el comportamiento del mercado asegurador frente a las
p. 9
instrucciones y normativas de la nueva reforma de la Ley General de Seguros, su

afectación en los integrantes del mercado, la variación en la rentabilidad técnica, y
el impacto que tendrá en general este sector.
Llegando a la conclusión, que la industria de seguros del país ha mantenido
un crecimiento del 12% anual en los últimos 5 años del estudio, no obstante, sigue
siendo un mercado sensible frente a las normas regulatorias y situación económica
del país. Hace dos años atrás, de acuerdo al periodo de estudio, se ha contraído el
mercado de una manera importante, manteniendo un crecimiento de las primas
netas emitidas por debajo del crecimiento del PIB, ocasionado por la recesión de la
economía en general, suspensión del SOAT, restricción de importaciones sobre
vehículos, reducción de la inversión pública afectando directamente la compra de
pólizas de fianzas, una menor actividad económica por la caída del precio del
petróleo, así como también una baja penetración en el mercado.
2.4.2. Evidencia empírica Nacional
Según Aldave (2018), muestra la evolución del mercado de seguros en el
Perú, desde el punto de vista normativo y estadístico, revisando la experiencia de
otros países de la región de Latinoamérica y de otros continentes como Asia y
África, tomando como referencia los principios básicos de seguros, en el cual hace
mención que los microseguros son productos diseñados para ofrecer cobertura a la
población de escasos recursos ante eventos adversos que generen pérdidas.
Asimismo, identifica la brecha en la cobertura de los seguros, pues existen
personas y/o microempresarios que no poseen un microseguro, pero podrían
acceder a este mercado dadas sus condiciones. Por ello, las empresas de seguros
podrían trabajar con socios estratégicos como intermediarios para lograr una
mayor penetración.
Su investigación, tuvo como objetivo mostrar el análisis realizado respecto
de la evolución de la normativa de los microseguros, así como el seguimiento de
los principales indicadores de penetración y alcance. Con ello, se identificó si, en
efecto, existió una mejora en esos indicadores en la población objetivo o si, por el
contrario, a pesar de tratar de reflejar los lineamientos establecidos por la
Asociación Internacional de Supervisores de Seguros (IAIS, por sus siglas en
p. 10
inglés) en la normativa vigente, aún existe una brecha por cubrir en la actualidad.
Además, se presenta la comparación de la situación actual de los microseguros con
respecto a la realidad de este mercado en otros países de la región latinoamericana
y de otros continentes como África y Asia.
Por último, llega la conclusión que, dentro de los determinantes respecto de
la decisión de contratar un seguro, se observa que el precio del producto y la edad
del cliente tienen un efecto ambiguo y los costos de transacción un efecto
negativo; mientras que el nivel de educación del cliente, el nivel de confianza
respecto de la empresa aseguradora, la calidad del producto y las condiciones
estipuladas en los contratos tienen un efecto positivo en la demanda por pólizas de
seguros.
Acuña (2015), en su trabajo de investigación, menciona que los seguros son
un vehículo de cobertura ante el riesgo, que respalda las pérdidas económicas del
asegurado en caso de un siniestro. Son un mecanismo de suavización de consumo,
el cual permite que después de un siniestro las personas no tengan un cambio
brusco en su nivel promedio de consumo o que tengan pérdidas inesperadas en su
patrimonio. Adicionalmente, con las primas que recaudan las compañías de
seguros se reserva un valor importante de recursos que son invertidos en el
mercado financiero. En términos macroeconómicos, se puede determinar que los
seguros aportan al crecimiento económico de un país, porque proveen
herramientas para la mitigación de pérdidas, contribuyen a la estabilidad financiera
al estimular la inversión y dan liquidez para financiar proyectos de largo plazo.
Los seguros también permiten profundizar y mejorar la eficiencia del sector
financiero al cubrir riesgos que otros instrumentos financieros no cubren,
reduciendo la incertidumbre a través de la diversificación del riesgo, y de esta
forma aportan para que los bancos puedan bajar sus tasas de interés.
Por su parte, Alvino (2018), en su trabajo de investigación “Análisis de la
evolución del sector asegurador y sus inversiones en el mercado de bonos para el
periodo 2002- 2016”, sustenta que, el sector asegurador cumple un rol fundamental
en el crecimiento del sector financiero y por qué no decir del sector privado y en
los últimos años ha ganado un mayor protagonismo tanto en el Ramo de Seguros
p. 11
Generales como de Vida, así mismo veremos la conformación de este sector y sus
principales indicadores. Si bien al año 2016, aún no representa más del 3% en el
PBI del país, se comprueba que el crecimiento del sector asegurador va muy
relacionado al crecimiento de la País. Dicho ello se trata de un sector que gestiona
grandes cantidades de dinero con la capacidad de alterar sus propios resultados.
Las inversiones que realizan estas compañías de seguro son principalmente para
cubrir futuras obligaciones con sus asegurados, en la presente investigación se
analiza cómo se están dando la mayoría de sus inversiones y se comprueba que
existe una relación positiva entre el incremento en la participación de las
inversiones en renta fija con los ingresos por inversiones del sector.
2.2. Bases teóricas
2.2.1. Teoría de la utilidad
La teoría de la utilidad trata de explicar el comportamiento del consumidor.
Desde esta perspectiva se dice que la utilidad es la aptitud de un bien para
satisfacer las necesidades. Así un bien es más útil en la medida que satisfaga mejor
una necesidad. Esta utilidad es cualitativa (las cualidades reales o aparentes de los
bienes), es espacial (el objeto debe encontrarse al alcance del individuo) y
temporal (se refiere al momento en que se satisface la necesidad). Esta teoría parte
de varios supuestos:
 El ingreso del consumidor por unidad de tiempo es limitado.
 Las características del bien determinan su utilidad y por tanto afectan las
decisiones del consumidor.
 El consumidor busca maximizar su satisfacción total (utilidad total), y por
tanto gasta todo su ingreso
 El consumidor posee información perfecta, es decir, conoce los bienes (sus
características y precios).
 El consumidor es racional, esto quiere decir que busca lograr sus objetivos,
en este caso trata de alcanzar la mayor satisfacción posible. Esto quiere decir
que el consumidor es capaz de determinar sus preferencias y ser consistente
en relación con sus preferencias. Así, si el consumidor prefiere el bien A
p. 12
sobre el bien B y prefiere el bien B sobre el bien C, entonces preferirá el

bien A sobre el bien C (transitividad).
La teoría económica del comportamiento del consumidor se topa con un
problema importante (llamado el problema central de la teoría del consumidor), el
cual es la imposibilidad de cuantificar el grado de satisfacción o utilidad que el
consumidor obtiene de los bienes. No existe una unidad de medida objetiva de la
satisfacción. Este problema se ha enfrentado a través de dos enfoques distintos:
 Enfoque cardinal: Supone que si es posible medir la utilidad, o sea que si
se dispone de una unidad de medida de la satisfacción.
 Enfoque ordinal: En este enfoque el consumidor no mide la utilidad, sólo
establece combinaciones de bienes que prefiere o le son indiferentes con
respecto a otras combinaciones de bienes.
2.2.2. Riesgo y Utilidad
Son múltiples las formas que se han dado a la definición del concepto de
riesgo. Riesgo se puede definir como un conocimiento previo de las probabilidades
de ocurrencia de cada evento; mientras que la incertidumbre implica un
desconocimiento de tal distribución de probabilidades1. Se habla de riesgo tanto
para crédito, como en operación, mercadeo, tasas de interés, productos, tanto para
entidades de crédito como para seguros e industria. Igualmente, el riesgo ha sido
definido como la variación de los posibles réditos o resultados que existen en una
situación económica dada.
Además, riesgo es la variación de los resultados esperados bajo las
condiciones dadas en un período de tiempo. Se considera que las variaciones no
necesariamente son en un resultado final, sino en el conjunto de variables
intervinientes que afectan el resultado. Así mismo, el estudio de riesgo involucra el
análisis de las consecuencias de la ocurrencia del evento, no sólo se limita a la
medida sino a la protección, prevención, precaución en las actividades económicas
y sociales.
De la misma forma los individuos se clasifican, según su actitud ante el
riesgo, en neutrales, esto es, cuando mantienen constante su utilidad marginal; en
1
Kafka Folke, “Teoría Económica”, Centro de Investigaciones de la Universidad del Pacifico
(1994).
p. 13
tomadores de riesgo cuando la utilidad marginal crece, y en adversos al riesgo

cuando la utilidad marginal decrece. En cada categoría se encuentran casos, como
puede ser el de inversionistas que emprenden proyectos de riesgo por negocios
nuevos, el cual es un caso de tomadores de riesgo, pero en el caso más
generalizado se presenta aversión al riesgo. Se buscará reducir la posible variación
de resultados esperados a cambio de un pago por cobertura, o adicionalmente por
la posible administración de las variables que optimizan el proceso de selección y
adopción del riesgo.
En forma adicional, la gestión de riesgo es un conjunto de metodologías
estandarizadas, probadas en muchos mercados que también tienen su aplicación en
diferentes niveles de desarrollo de los medios empresariales, a pesar de los
escépticos. Sin embargo, la gestión de riesgos no reemplazará nunca el buen
sentido común; lo importante es preguntarse qué es un buen sentido común y cómo
podría complementarse con la valoración óptima del riesgo.
Los mercados son independientes y en nada les afectan las opiniones ni los
conocimientos de los expertos. La gestión de riesgo debe ser independiente y, por
lo tanto, separada de las instancias que toman decisiones; en caso de conflicto debe
primar el criterio del gestor de riesgos. (Los desaciertos impactan más en una
organización que los aciertos).
Toda actividad está sometida a riesgo, los mayores crecimientos son en
muchos casos posiciones a riesgo muy grandes, en casi todos los negocios. La
actividad bancaria, por definición, es un negocio de administración y
transformación de riesgos.
2.2.3. Elementos de la Teoría de Utilidad.

El concepto de utilidad está representado en la preferencia que una persona o
empresa le da a la ocurrencia de ciertos eventos, considerando el que se prefiera
como aquel que más le proporciona utilidad. Sin embargo, no en todas las
ocasiones hay preferencia, pues en algunas se puede observar indiferencia, lo cual
daría una decisión por cualquiera de las opciones que se presentan, y al individuo
p. 14
éstas le representarían una misma utilidad. Para la construcción de la teoría se hace

el supuesto de la racionalidad del decisor.
Así, el problema decisional se convierte en el análisis de la utilidad, y la
utilidad está en función de los propósitos que se ha trazado la empresa, pues no es
solamente la obtención de riqueza en el corto plazo, sino la supervivencia y
competitividad en el mediano.
Las decisiones están rodeadas de incertidumbre, al igual que el análisis de
utilidad. Además, se puede hablar del cumplimiento de reglas de comportamiento
que se expresan en forma de relación, frente a la ocurrencia de situaciones donde
se estudia la posibilidad de mejorar la utilidad.
Se supone que frente a dos eventos posibles solamente se puede presentar
que el primero sea preferido sobre el segundo, o que el segundo sea preferido
sobre el primero, o que sea indiferente ante cualquiera de los dos eventos.
Adicionalmente, se supone que un evento es indiferente ante sí mismo; además,
que si un evento es indiferente a otro y este a su vez a un tercero, el primero
también será indiferente al tercero. Esta regla se cumple para el caso de la relación
de preferencia, ésta es la condición de transitividad: si el primero es preferible al
segundo y el segundo al tercero, el primero es preferible al tercero.
También en el caso en que el primer suceso sea preferible al segundo y el
segundo indiferente al tercero, el primero será preferible al tercero. Una forma de
lograr una solución a la decisión que encierra incertidumbre es estudiar el valor
esperado. El cual en un proyecto contempla la aleatoriedad de los resultados.
Cuando se habla del valor esperado se quiere decir que se busca el resultado
posible de los resultados económicos que son aleatorios. Este concepto tiene un
elemento fundamental en todo el tratamiento de riesgo, pues el individuo puede
perder una suma X y seguramente estaría dispuesto a pagar E(X), el valor
esperado, a fin de salvar la posible pérdida. Igualmente, este principio puede no
tener toda la validez, pues depende también del tamaño de la pérdida y la relación
con la riqueza con que cuenta el que toma la decisión, pues en ocasiones para él se
puede convertir en catastrófica y perder todo su patrimonio. Así que dependiendo
de la situación, el valor que se esperaría pagar puede ser superior al valor esperado.
p. 15
Entonces, la forma como se debe tratar el elemento riqueza frente a la

pérdida y a la condición de incertidumbre tiene como relación una en la cual se
comparan los valores esperados para los posibles eventos que se pueden presentar.
Denotando por X e Y las variables que son aleatorias y que representan lo que
puede ocurrir, se realiza el análisis de utilidad. En este caso, X será preferible a Y.
Además, se supone que se ha construido una función de utilidad (uti) que establece
para el individuo la posible riqueza que puede obtener cuando toma una decisión:
E [ uti ( riqueza+ X ) ] > E [ uti ( riqueza+Y ) ]
Si hay indiferencia se obtiene una igualdad.
2.2.4. Aversión al Riesgo

En el caso de un individuo cuando la segunda derivada de su función de
utilidad es menor que cero, se dice que es adverso al riesgo. Ahora, si se observa
desde el punto de vista de quien asume el riesgo, el valor de pago mínimo por
asumirlo es dado por:
uti ( riqueza de quien asume )=E ¿
Donde la prima es lo mínimo que se aceptaría por asumir el riesgo X. Así,
por ejemplo, si se posee como riqueza 1.000 unidades monetarias, en caso de
existir un evento que afecte esa riqueza, quedará con 800. Si compra cobertura por
800 pagando una prima de 100 o E (X), entonces se podrá terminar con 1.000 –
100 si no hay evento, o con 1.000 – 200 + 200 – 100 en caso de comprar el seguro
y existir evento. Los individuos no solamente piensan en comprar cobertura, en
algunos casos lo harán y en otros no.
Equivalencia de riesgo y concepto de cobertura es el proceso por el cual la
cantidad de un producto, proyecto, transacción, son revaluados de acuerdo con las
condiciones de pago, madurez del negocio, tasas, actividad, economía, inflación,
devaluación, que influyen en el desarrollo del riesgo potencial de las condiciones
en que se presenta. Una forma de hacer equivalente el riesgo para las partes
involucradas es tomando cobertura sobre algunos o todos los componentes de
riesgo.
p. 16
Las curvas que relacionan el retorno medio y la variabilidad del retorno en

las que el individuo es indiferente son las curvas de preferencia o indiferencia. Los
movimientos incrementando variabilidad e incrementando el retorno medio pueden
llevar a un nivel más alto de utilidad. El concepto de diversificación se representa,
si se supone, por ejemplo, que solamente hay dos activos, con sus respectivos
retornos y variabilidades, al relacionar la media y varianza del activo A y la media
y la varianza del activo B, y un individuo es obligado a escoger o A o B pero no de
ambos; él escogerá el punto que se ubica sobre la curva de indiferencia más alta. Si
el individuo tiene permitido una mezcla de los dos activos A y B, él puede obtener
un retorno entre el de A y el de B. El resultado dependerá de las proporciones de
cada uno de los activos y cómo estos activos están relacionados. El valor de un
punto entre A y B cuando los activos son independientes y proporcionan una curva
convexa representando diversificación como una manifestación de aversión al
riesgo.
2.2.5. Riesgos y Seguros
El futuro es incierto. Cada individuo se encuentra expuesto a una variedad
de eventos, hechos y factores que pueden perjudicar sus finanzas personales. La
incertidumbre de sufrir una perdida financiera es lo que se conoce como riesgo.
Cuando el riesgo implica únicamente la posibilidad de una perdida (Ej. el incendio
de tu vivienda, un accidente de tránsito), y no existe la oportunidad de obtener una
ganancia (Ej. las inversiones en el mercado de capitales, las apuestas de juego),
entonces, el riesgo se considera puro y solo así es asegurable.
Básicamente existen tres formas de manejar el riesgo asegurable:
Reducción del riesgo: Como la toda de acciones preventivas, evadiendo o
escogiendo diferentes cursos en tus actos, puedes reducir el riesgo o las pérdidas.
Por ejemplo, instalar un detector de humo en tu casa, tal vez disminuya las
pérdidas que pudieran resultar de un incendio.
Retención del riesgo: asumir y confrontar ciertos tipos de riesgos por ti
mismo. Los riesgos de pérdidas potenciales pequeñas, aquellas que no generen una
catástrofe financiera mayor, pueden financiarse personalmente.
p. 17
Transferencia del riesgo: Traspasando la carga del riesgo a una tercera parte,
es decir, tener a alguien que asuma las posibles pérdidas en tu lugar. El seguro es
el método más usado para transferir el riesgo.
El propósito del seguro es proveer protección económica contra pérdidas que
pueden ocurrir debido a situaciones impredecibles como enfermedades, accidentes,
hechos de la naturaleza, la muerte, etc., que causarían daños irreparables en tus
finanzas. El seguro proporciona de esta forma estabilidad a las familias.
¿Qué es un seguro?
El seguro es un convenio financiero que redistribuye el costo de pérdidas
inesperadas. A través de una póliza de seguro (contrato), en intercambio
(contraprestación) de un monto establecido de dinero (la prima), la compañía
aseguradora (el asegurador) por una parte, se obliga a pagar a la otra parte (el
asegurado o su beneficiario), una suma determinada (el beneficio) en caso que el
riesgo se materialice (suceso o pérdida).
La industria del seguro distribuye el riesgo entre un gran grupo (de personas con
riesgos similares) logrando de esta forma que un individuo particular no tenga que
sostener todo el peso de las pérdidas el sólo.
2.1.6. Tipos de Seguros
Según la naturaleza del riesgo protegido se pueden clasificar los seguros en
seguros personales y seguros de propiedad, accidentes y responsabilidad.
 Seguros Personales: Su objeto es proteger tus ingresos y gastos financieros
catastróficos, como es el caso de los gastos médicos. Dentro de este grupo se
encuentran:
 Seguro de Vida: Sustituye tus ingresos en el caso de que mueras, de esta
forma proporcionas una estabilidad económica a tus dependientes.
 Seguro de Incapacidad: Está diseñado para proveer una fuente de ingresos
en el caso que te encuentres incapacitado para trabajar por causa de
enfermedades o lesiones.
 Seguro de Salud: Protección contra los gastos que pueden surgir como
consecuencia de una enfermedad.
p. 18
 Seguros de propiedad, accidentes y responsabilidad civil: Estos seguros te

permiten proteger tus propiedades o activos (ej. vivienda, automóvil, efectos
personales), y te compensan los gastos financieros para reparar o remplazar
tus activos dañados o destruidos. Los seguros de responsabilidad civil, te
protegen de las pérdidas financieras que puedes sufrir si eres declarado
culpable de haber causado un daño a terceras personas o sus propiedades.
2.2. Hipótesis
2.2.1. Hipótesis General
El comportamiento de las empresas aseguradoras de la economía peruana,
respecto a sus utilidades netas, en el periodo 2010M1 – 2019M12, se
incrementaron con una tendencia positiva, debido a las políticas económicas
favorables en este sector.
2.2.2. Hipótesis Específicas
1. La relación existente entre la utilidad neta y las primas de seguros netos es
positiva cuando la demanda en el mercado de seguros es mayor, y para los
siniestros de las primas de seguros netos es negativa, cuando este es cobrado
ante un riesgo cubierto.
2. La comparación de las rentabilidades en el periodo 2010M1 – 2019M12,
en función de las primas de seguros netos cobrados y de los costos de los
siniestros de primas de seguros, nos indica que la mayor rentabilidad la tiene
RIMAC Seguros y PACIFICO Seguros, debido a su mejor reputación en la
economía peruana.
p. 19
2.3. Definición y Operacionalización de variables

Tabla 1: Definición y Operacionalización de las variables
VARIABLES DEFINICIÓN DEFINICIÓN DIMENSIÓN INDICADORES FUENTE
CONCEPTUAL OPERACIONAL
Utilidades
Determinantes Según la SBS, la utilidad Este indicador mide Endógena - Utilidades SBS
Netas de las neta, indica cuán bien la la utilidad neta Netas de los
Empresas institución financiera ha generada en los ejercicios de
Aseguradoras utilizado sus activos para últimos 12 meses las Empresas
generar ganancias. con relación al Aseguradoras,
activo total en Miles de
promedio de los Nuevos Soles.
últimos 12 meses.
Primas de Según la SBS, una prima Primas por pólizas Exógena - Prima de SBS
Seguros de las de seguro es el importe que emitidas por la seguros netos
Empresas paga el asegurado, empresa y por de las
Aseguradoras contratante o tomador del coaseguros, empresas
seguro para contar con deducidas de aseguradoras
cobertura en caso ocurra un anulaciones en Miles de
siniestro. nuevos soles
-
Siniestros de Según la SBS, siniestro es Medido a través del Exógena - SINIESTRO = SBS
Prima de la materialización del índice de (1-(Gastos por
p. 20
Seguros Netos riesgo, asimismo indica el siniestralidad obligaciones

incurridos de remanente del total de las (SINIESTRO). contractuales/
las Empresas primas netas. Total Primas
Aseguradoras netas))*100
Elaboración Propia
p. 21
3. MARCO METODOLÓGICO
3.1. Enfoque y Diseño
El enfoque de este trabajo es cuantitativo, se utilizó la recolección de datos
para probar las hipótesis con base en la medición numérica, análisis estadístico y
econométrico con el fin establecer pautas de comportamiento y probar teorías. Este
enfoque como afirma Hernández et al. (2014), es secuencial y probatorio, parte de
una idea que va acotándose y, una vez delimitada, se derivan objetivos y preguntas
de investigación, se revisa la literatura y se construye un marco o una perspectiva
teórica que respaldé y guie la investigación.
Asimismo, se ha medido las variables de estudio tales como: Utilidades
Netas, Primas de Seguros, Siniestro de primas, en un determinado contexto a partir
del 2010 al 2019 con datos mensuales, posteriormente se analizó las mediciones
obtenidas utilizando el modelo econométrico de mínimos cuadrados ordinarios con
datos panel, derivando una serie de conclusiones.
De las preguntas se han establecido hipótesis y determinando variables; se
trazó un método para probarlas (diseño), el presente trabajo es cuantitativo no
experimental, longitudinal y/o transaccional, en él se ha recabado datos en su
contexto natural para analizarlos mediante un modelo econométrico de Mínimos
cuadrados Ordinarios (MCO) a través de datos de Panel.
3.2. Nivel
El nivel o alcance de este trabajo es descriptivo, correlacional y explicativo.
Es descriptivo porque mediante la recolección de información se analizó, detalló y
especificó la tendencia y características de las empresas aseguradoras en el Perú,
periodo 2010:01 – 2019:12,
Correlacional dado que, se ha asociado la utilidad neta de las empresas
aseguradoras con variables como, las primas de los seguros y los siniestros de
prima de los seguros netos incurridos de las empresas aseguradoras. Explicativo,
debido a que se determinó el comportamiento de las relaciones entre las variables
p. 22
endógenas y exógenas del modelo; además se explica por qué en el periodo de

estudio hay aumentos de la utilidad neta y en qué condiciones se manifiesta.
Como el problema de investigación gira en torno al comportamiento de las
empresas aseguradoras en el Perú, periodo 2010:01 – 2019:12; se analizó que
relación guardan las variables de acuerdo con el problema de estudio; de tal
manera que las empresas aseguradoras puedan centrarse y enfocar sus estrategias
en dichas variables para mejorar la competitividad, eficiencia y sostenibilidad;
además para que sirva como señal de alerta, a fin de que se desarrollen con un
crecimiento saludable y planificado.
3.3. Tipo
Este trabajo de investigación es de tipo polivariable longitudinal, debido a
que se analizó el comportamiento de las empresas aseguradoras en el Perú,
respecto a la utilidad neta en función de más de una variable explicativa, tales
como, las primas de los seguros y los siniestros de las primas de los seguros netos
con modelos de datos panel.
3.4. Sujetos de la investigación
El estudio se enfocó en la economía peruana, durante los últimos años el
mercado asegurador peruano ha atravesado por varios procesos de fusión por
absorción y consolidación de compañías, que ha resultado en una consolidación
general de sector, con la participación de un menor número de compañías sobre
una base de primas creciente.
Para el año 2018, según Eduardo Morón, el mercado de seguros registró un
dinamismo notable en los últimos 10 años, pasando de representar 1.2 % del
producto bruto interno (PBI) en el 2008 a representar 1.8 % en el 2018 y que en el
mismo período, las primas de seguros crecieron a una tasa anual promedio de 11.5
%, muy por encima del crecimiento del país, asimismo, en ese año, las primas del
sector sumaron 13,657 millones de soles.
Asimismo, lo mencionado en líneas anteriores, mostro un crecimiento
constante a mediados de dicho año, luego de haber alcanzado un pico anterior
cercano a los 12,000 millones de soles, esto antes de que se publique en el 2016 la
p. 23
ley que le permite al afiliado decidir entre recibir una pensión o retirar el 95.5 %
de su fondo acumulado en el sistema privado de pensiones (SPP).
Figura N° 1: Evolución de la Utilidad Neta de las Empresas Aseguradoras
consideradas en el modelo
Evolución de la Utilidad Neta de las Empresas Asegu-

radoras. Periodo 2010 - 2019.(En mill. de Soles)
350 000
300 000
250 000
200 000
150 000
100 000
50 000
-
10 10 10 11 11 12 12 12 13 13 14 14 15 15 15 16 16 17 17 17 18 18 19 19
a n- un- ov- pr- ep- eb- Jul- ec- ay- ct- ar- ug- an- un- ov- pr- ep- eb- Jul- ec- ay- ct- ar- ug-
J J N A S F D M O M A J J N A S F D M O M A
LA POSITIVA UTNASit MAPFRE PERU UTNASit RIMAC UTNASit

Elaboración propia con base de datos de la SBS.
En consecuencia, las primas de la renta vitalicia de jubilación fueron las

principalmente afectadas, aunque luego se recuperaron. Sin embargo, todos los
ramos mostraron un comportamiento estable en el segundo trimestre del año 2018,
excepto el ramo de Vida, que reportó una ligera disminución en el ritmo de
crecimiento.
Por el contrario, los seguros de Vida crecieron 22 % a junio de este año,
mientras que los seguros generales lo hicieron en 12.3%; los del sistema privado
de pensiones en 9.6 % y los de accidentes y enfermedades lo hicieron en 7.4 %.
En cuanto a los siniestros anualizados del sector alcanzaron los 7,646
millones de soles, registrando un incremento de 18.8 % con relación al mes de
junio del 2018. Asimismo, el principal incremento en siniestros en el primer
semestre del año 2019, se registró en el ramo riesgos generales, específicamente en
riesgo incendio.
p. 24
3.5. Métodos y procedimientos

Se revisó y organizó la literatura para construir el marco teórico, así como la
evidencia empírica nacional e internacional que respalda la investigación. Luego
se han derivado variables e indicadores constituyendo un modelo teórico.
Se hizo uso de la metodología de modelos econométricos por mínimos
cuadrados ordinarios (MCO) con datos panel, ofreciendo las ventajas de ser más
sencilla su estimación e interpretación de resultados a diferencia de otro tipo de
metodologías. Asimismo, este método presenta muchas ventajas en cuanto a lo
facilidad de su uso y por lo adecuado del planteamiento estadístico matemático
que permite adecuarse a los supuestos para los modelos econométricos.
La metodología de los Mínimos Cuadrados Ordinarios (MCO) con datos de
panel, ofrece la particularidad que se puede estimar de la mejor manera posibles
coeficientes del modelo lineal estadístico, cuando los datos muestran una variación
uniforme de desviaciones a lo largo de la línea de tendencia, en este caso dado que
los datos tienen frecuencia mensual desde enero de 2010 al diciembre del 2019.
Por otro lado, al construir un modelo MCO se estima una relación lineal con
datos de panel entre dos variables “Y” y “X” vinculadas por alguna teoría
económica, siendo este método el que permite calcular predecir puntos en el
fenómeno que se está estudiando.
Tras la aplicación de dicha metodología en el presente estudio se encontró el
valor de cada parámetro haciendo posible realizar la evaluación económica
verificando si se cumple o no con la teoría económica, además tras la aplicación
del método de MCO se encontró el nivel de significancia estadística, verificando si
las variables explicativas son estadísticamente significativas o no para explicar la
variable dependiente tanto de forma individual como global.
Asimismo, se encontró un nivel adecuado de bondad o ajuste para el caso de
la estimación del modelo de la evolución del comportamiento de las empresas
aseguradoras, tomando como variable dependiente la utilidad neta de las empresas
aseguradoras (La Positiva Seguros, Mapfre Perú, Rímac Seguros) en función de un
de las variables: primas de seguros y el siniestro de las primas, las mismas que
p. 25
buscan explicar el comportamiento de dicha variable dependiente durante el

periodo 2010:01 – 2019:12.
Como se afirma en el párrafo anterior la metodología para el logro de los
objetivos y contrastación de hipótesis es la de los Mínimos Cuadrados Ordinarios
(MCO) con datos de panel, la misma que está precedida por etapas, así se tiene la
etapa de la especificación, estimación y evaluación del modelo.
En resumen, el procedimiento que se siguió en el presente estudio son los
pasos que componen un modelo MCO, el mismo que inicia con la especificación,
estimación y evaluación del modelo.
Primero se especifica y se estima el modelo, posteriormente se realiza la
evaluación económica y estadística y econométrica. En la evaluación econométrica
se analiza los signos esperados y los efectos esperados de las variables exógenas
con respecto a la variable endógena, en la evaluación estadística se analizan la
significancia individual y global del modelo y en la econométrica se analiza la
distribución de los errores, si existe el problema de la Autocorrelación y
Heterocedasticidad.
Se ven si es que existen estos problemas antes mencionados en el modelo de
Intercepto Común.
Y finalmente se realiza la comparación del mejor modelo, para ello se
utilizará la prueba de Redundancia para escoger entre el modelo de Efectos
Constantes y El Modelo de Efectos Fijos y la segunda Prueba a utilizar es la de
Hausman para elegir entre el Modelo de efectos fijos y el Modelo de efectos
aleatorios.
p. 26
3.5.1. Especificación del Modelo

El modelo que se estimó con datos panel es la Utilidad Neta de las Empresas
Aseguradoras en el Perú en el periodo 2010:01 – 2019:12.
UTNAS¿ =f (PRIMA , SINIESTRO)
UTNAS¿ =β 0 + β 1 PRIMA ¿ + β 2 SINIESTRO¿ + μ¿
Donde:
 UTNAS¿ : Utilidades Netas de los ejercicios de las Empresas Aseguradoras,
en Miles de Nuevos Soles.
 PRIMA ¿: Primas de Seguros Netas de las empresas aseguradoras, expresados
en Miles de Nuevos Soles.
 SINIESTRO¿: Siniestros de Primas de Seguros Netos incurridos en los
ejercicios de las empresas, en Miles de nuevos soles.
 μ¿: Son los residuos del modelo, que incluye las variables que se consideran
poco relevantes para su estimación como son los gastos generales,
inversiones en inmuebles, comisiones sobre primas de seguros, etc.
 i = 1, 2, 3. → Nº de Empresas Aseguradoras
 t = 1, 2, 3, 4,……120. → Nº de Observaciones (Datos Mensuales)
3.5.2. Valores Esperados
 β 0≠0 : La relación es de acuerdo a las otras variables que afectan a la

Utilidad Neta del Ejercicio, que no son ni las Primas de Seguros netos y ni
de los Siniestros de las Primas de Seguros Netos.
 β 1> 0: Se espera una relación directa entre la Utilidad Neta de las Empresas
Aseguradoras con las Primas Netas obtenidas en los ejercicios, ya que el
costo que paga el asegurado es el ingreso para la empresa y se tiene en
cuenta los sucesos que pueden ocurrir durante la vigencia del contrato. A
una mayor prima la Empresa Aseguradora obtendrá mayores ingresos por
parte del asegurado en el mercado de pólizas.
p. 27
 β 2< 0: Se espera una relación negativa entre la Utilidad Neta del Ejercicio y
los Siniestros de Primas de Seguros Netos, porque los eventos inesperados
que atentan contra el patrimonio de los aseguradores, como por ejemplo las
pérdidas materiales que han sido asegurados, esto se convierte en
indemnización por parte de las empresas aseguradoras.
3.5.3. Estimación del Modelo

La estimación del modelo se realiza siguiendo la metodología de los
Mínimos Cuadrados Ordinarios (MCO) en primera instancia, modelando lo
especificado en el apartado 3.5.1, las cuales hace referencia al comportamiento de
las empresas aseguradoras en el Perú, para el periodo 2010M01 – 2019M12,
asimismo, el modelo se realizó utilizando el software Eviews 10.0; en el proceso
de evolución, se realiza el modelo de coeficientes constantes, modelo general de
efectos fijos y el modelo general de efectos aleatorios, para finalmente elegir el
modelo con el mejor ajuste de panel.
3.6. Aspectos éticos

En el desarrollo de la presente investigación se han seguido estrictamente las
pautas establecidas en las normas de investigación científica además de lo
estipulado en el reglamento de tesis de la Universidad Nacional de Piura.
p. 28
4. EVALUACION DE LOS RESULTADOS OBTENIDOS

REGRESION DEL MODELO
4.1. ANALISIS DE LAS VARIABLES
 UTNAS
Fig2. Comportamiento de la Variable UTNAS
Elaboración Propia
En la fig.2, se puede observar que la utilidad, mes a mes y cada año
aumenta. Es decir que, las empresas aseguradoras evaluadas (Positiva, Mapfre y
Ricma) tienen una buena rentabilidad, en el periodo de 2010M01: 2019M12.
p. 29
 PRIMA
Fig3. Comportamiento de la Variable PRIMA
Elaboración Propia
En la fig.3, se puede observar que el precio de seguro, es decir, la prima,

mes a mes y cada año aumenta. Esto es, un mercado alentador para las empresas
aseguradoras evaluadas (Positiva, Mapfre y Ricma) , en el periodo de 2010M01:
2019M12.
p. 30
 SINIESTRO
Fig4. Comportamiento de la Variable SINIESTRO
Elaboración Propia
En la fig.4, se puede observar que los costos de siniestros, mes a mes y año
aumenta de forma negativa. Es decir que, las empresas aseguradoras evaluadas
(Positiva, Mapfre y Ricma) tienen un mayor costo a la cobertura del riesgo que
cubre seguro, en el periodo de 2010M01: 2019M12.
p. 31
4.2. ESTADISTICAS DESCRIPTIVAS

Tabla2. Estadísticas descriptivas de las variables
UTNAS PRIMA SINIESTRO
Mean 53181.61 853440.7 -453127.5
Median 30561.38 527701.3 -272158.9
Maximum 326575.2 4327486 -3.615
Minimum 665.053 32324.62 -2643058
Std. Dev. 59670.6 866552.2 496645.2
Skewness 1.939034 1.680067 -2.005862
Kurtosis 6.605759 5.227385 7.024658
Jarque-Bera 420.6135 243.7761 484.377

Probability 0 0 0
Sum 19145378 3.07E+08 -1.63E+08

Sum Sq. Dev. 1.28E+12 2.70E+14 8.85E+13
Observations 360 360 360

Elaboración Propia
En la tabla 2 podemos observar que, el promedio de las utilidades netas de

las empresas aseguradoras fue de 53181.61, con una variación de 59670.6.
Obteniendo como una utilidad máxima de 326575.2 y una utilidad mínima de
665.053.
Asimismo, el promedio de las primas netas de seguros del total vendidas de
las empresas aseguradoras fue de 853440.7, con una variación de 866552.2.
Obteniendo como máximo de primas vendidas de 4327486 y una utilidad mínima
de 32324.62.
Por último, en cuanto al promedio del costo de los siniestros de las primas
totales cubierto fue de -453127.5, con una variación de 496645.2. Alcanzando
como máximo de costo total de siniestro -2643058 y como mínimo -3.615.
p. 32
4.3. ANALISIS DE GRAFICO

4.3.1. GRAFICO DE LINEAS
Fig5. Gráfico de líneas de sección cruzadas
Elaboración Propia
Durante los últimos años el mercado asegurador peruano ha atravesado por

varios procesos de fusión por absorción y consolidación de compañías, que ha
resultado en una consolidación general de sector, con la participación de un menor
número de compañías sobre una base de primas creciente.
Se puede observar a través de los gráficos de líneas, que las empresas
aseguradoras han tenido un comportamiento fluctuante en el tiempo. Las empresas
Aseguradoras Positiva y Rímac, alcanzan las utilidades máximas en comparación a
la empresa aseguradora de Mapfre. Con respecto a las primas alcanzadas fue
p. 33
consecuencia del redireccionamiento de la estrategia comercial de sus principales

accionistas, y los siniestros ocurridos en el periodo de tiempo obedecen
principalmente a los accidentes registrados, enfermedades de los asegurados entre
otros eventos adversos.
4.4. MODELO DE COEFICIENTES CONSTANTES

La estimación por mínimos cuadrados ordinarios de dicha ecuación parte del
supuesto de que la varianza de los términos de error es la misma para cada una de
las observaciones (homocedasticidad) y además que dichos términos de error no
están correlacionados, para distintos instantes en el tiempo.
UTNAS=β 0+ β1 PRIMA+ β 2 SINIESTRO+ μ
El presente modelo es de tipo Panel Data, con cinco (03) datos de corte
transversal, Empresas Aseguradoras: POSITIVA, MAPFRE y RIMAC. Los Datos
de Serie de Tiempo son mensuales en 10 años: 2010-2019. La Utilidad es la
variable endógena y La Prima y los Siniestros son las variables exógenas. El
modelo ha sido estimado por el programa Eviews 10, y se han obtenido los
siguientes resultados (MCO)
log ( UTNAS ) =β 0+ β1∗log ( PRIMA ) + β 2∗log ⁡(@|( SINIESTRO )|)+ μ
Tabla3. Ecuación del modelo panel de coeficientes constantes

Dependent Variable: LOG(UTNAS)
Method: Panel Least Squares
Date: 07/16/20 Time: 16:40
Sample: 2010M01 2019M12
Periods included: 120
Cross-sections included: 3
Total panel (balanced) observations:
360
Variable Coefficient Std. Error t-Statistic Prob.
C -2.69308 0.326128 -8.257728 0

LOG(PRIMA) 1.069034 0.047867 22.33354 0
p. 34
LOG(ABS(SINIESTRO)) -0.086149 0.039815 -2.163747 0.0311
R-squared 0.81887 Mean dependent var 10.31846

Adjusted R-squared 0.817855 S.D. dependent var 1.116814
S.E. of regression 0.476639 Akaike info criterion 1.364183
Sum squared resid 81.10493 Schwarz criterion 1.396568
Log likelihood -242.553 Hannan-Quinn 1.37706
criter.
F-statistic 806.9777 Durbin-Watson stat 0.472042
Elaboración Propia
4.4.1 Evaluación Económica

La evaluación económica, consiste en analizar los coeficientes de las
variables explicativas del modelo (Prima, Siniestro). Consiste en analizar si se
cumplen las hipótesis planteadas en la etapa de especificación del modelo, es decir
si se cumplen los signos esperados de los coeficientes con la teoría económica.
Posteriormente se evaluará el impacto de cada variable explicativa sobre la
variable endógena, en el presente estudio es la Utilidad.
SIGNOS ESPERADOS DE LOS ESTIMADORES DEL MODELO:

La evaluación económica se realizará con el fin de contrastar las hipótesis
planteadas por la teoría económica.
 Para “PRIMA”
H 0 : β 1> 0
β 1=1.069034 (El signo es correcto)
 Para “SINIESTRO”
H 0 : β 2< 0
β 2=−0.086149 (El signo es correcto)
p. 35
EFECTOS DE LAS VARIABLES

 Para “PRIMA”
∂ UTNAS
=1.069034
∂ PRIMA
Un aumento del 1% en el costo de las Primas en un determinado periodo,

significa que la utilidad de las Aseguradas aumentaría en el 107% en dicho
periodo de tiempo. Ello implica que las empresas incrementan sus ingresos.
 Para “SINIESTRO”
∂ UTNAS
=−0.086149
∂ SINIESTRO
Si los siniestros ocurren con más frecuencia o aumenta en 1% entonces se

debería esperar que la utilidad de las empresas aseguradoras disminuya en 8.6 %.
4.4.2. Evaluación Estadística
Consiste en evaluar los niveles de confiabilidad de los resultados encontrados a

fin de poder determinar la utilidad de los mismos para efectos de explicación. Se
Efectúa de la siguiente forma:
 Significancia Individual: Parámetro por parámetro.

 Significancia Global: tomando en cuenta todos los parámetros de manera
conjunta en la explicación de la variable endógena, Utilidad de las empresas
aseguradoras.
SIGNIFICANCIA INDIVIDUAL
En el análisis de la Significancia individual se contrasta la hipótesis de que
cada variable explica a la variable endógena de manera satisfactoria, es decir, la
variable exógena observada explica a la variable endógena.
p. 36
Aquí se va a comparar el T estadístico de cada variable exógena con un T de

tabla con 95% y k-1 grados de libertad. Si el T estadístico es menor que el T de
tabla se acepta Ho, en caso contrario se rechaza.
Existe otra forma más rápida de ver la Significancia individual, consiste en
observar el valor (absoluto) del T estadístico que aparece en nuestro reporte de la
Estimación del Modelo de Coeficientes Constantes (MCC), si este valor en
términos absolutos es mayor que 2, la variable es estadísticamente significativa
individualmente; por lo que resulta necesario incluirla en nuestro modelo.
H 0: Bi=0 La variable no es estadisticamente significativa

H 1: Bi ≠ 0 La variable si es estadisticamente significativa
T – estadístico: B1=|22.33354|>2( Se acepta H 1)

Es decir la variable PRIMA es estadísticamente significativa.
T – estadístico: B2=|−2.163747|>2(Se acepta H 1)

Es decir la variable SINIESTRO es estadísticamente significativa.
Según la prueba de Significancia individual nos muestra que las variables

explicativas: PRIMA, SINIESTRO son estadísticamente significativa de manera
individual, es decir explican a la variable endógena Utilidad (UTNAS).
SIGNIFICANCIA GLOBAL
Se realiza con la finalidad de determinar si todas las variables explican en

conjunto al comportamiento de la variable endógena, que viene dada por la
Utilidad. Para realizar la Significancia, se utiliza el estadístico F, de la estimación
de MCC, se obtiene de la fórmula:
R 2∗( N−k )
FC = F−tabla=F( 95 % , k −1, N−k )
( k −1 )∗( 1−R2 )
p. 37
Donde:
N: número de observaciones de la estimación
K: número de variables explicativas utilizadas en la estimación, incluye intercepto.
R2: es el R2 de la estimación.
Las hipótesis, para contrastar la Significancia global del modelo.
H 0: B1=B2=0 El modelo no es significativo en conjunto

H 1: B1 ≠ B2 ≠ 0 El modelo es significativo en conjunto
F−estadístico F−tabla=(95 % , 3−1,360−3)

806.977 > 3.021 (Se rechaza H 0)
El modelo es significativo en conjunto, es decir todas las variables incluidas

en el modelo en conjunto explican a la variable endógena Utilidad.
COEFICIENTE DE BONDAD DE AJUSTE

Este coeficiente mide la proporción o porcentaje de variación total de la
variable dependiente que es explicada por el modelo de estimación, es decir, que
porcentaje del modelo es explicado por las variables incluidas en la ecuación como
variables explicativas.
Sus características son:
 Su valor no es negativo.
 El R2 oscila entre 0 y 1 (0 < R2 < 1).
En la Estimación de Datos de Panel a través del Método de Coeficientes

Constantes (MCC) se ha obtenido un coeficiente de ajuste de 0.818870, es decir el
81.89% del comportamiento del modelo (variable endógena) es explicado por las
variables PRIMA y SINIESTRO.
p. 38
4.4.3. Evaluación Econométrica
VALIDEZ DE LOS ERRORES: La evaluación econométrica se realiza con el fin

de comprobar la validez de los errores o las perturbaciones, es decir se debe
cumplir el efecto de ruido blanco (Normalidad, Autocorrelación y
Homocedasticidad).
 NORMALIDAD
Para contrastar la normalidad de los residuos se utiliza el estadístico Jarque-
Bera obtenido en la estimación (MCO) y se compara con un Chi- cuadrado (X2)
con 95% de confianza y dos grados de libertad.
Las hipótesis planteadas serían:
H 0 : Los residuos se distribuyen normalmente
H 1 : Los residuos no se distribuyen normalmente
Fig6. Test de normalidad para el modelo panel de coeficientes constantes
Elaboración Propia
JARQUE – BERA X 2 (0.95,2)

11.71921>5.99
p. 39
El Jarque – Bera (su valor), es mayor que el valor de Chi-cuadrado entonces

se rechaza H0 , por lo tanto se acepta H1, es decir, los residuos de la estimación
del modelo MCC no se distribuyen con normalidad.
 AUTOCORRELACION
La ausencia de autocorrelación dentro del modelo se realiza con el objetivo
de determinar si los errores o perturbaciones del modelo se relacionan con sus
rezagos.
H 0 : Ausencia de autocorrelación
H 1 : Existencia de autocorrelación
El panel de coeficientes constantes estimado es el siguiente:
log ( UTNAS ) =2.69308+1.06903∗log ( PRIMA )−0.08614∗log ⁡(|( SINIESTRO )|)
El problema de la autocorrelación puede intentar resolverse con la

introducción de una estructura AR(1) en los residuos. En la figura, se observa un
DW muy próximo a 2, buena significatividad conjunta de las variables, buen R2,
pero se ha perdido significatividad individual.
Tabla4. Corrección de autocorrelación para el MCC

Date: 07/17/20 Time: 12:04
Sample (adjusted): 2010M02 2019M12
Total panel (balanced) observations:
357
Convergence achieved after 7 iterations
C -2.628564 0.340767 -7.713673 0

LOG(PRIMA) 0.973667 0.05099 19.09532 0
LOG(ABS(SINIESTRO)) 0.008986 0.042326 0.212296 0.832
p. 40
AR(1) 0.77164 0.033863 22.78703 0

Log likelihood -81.84574 Hannan-Quinn criter. 0.49821
Prob(F-statistic) 0
Inverted AR Roots 0.77

Elaboración Propia
El panel de coeficientes constantes estimado sin autocorrelación sería el siguiente:

log ( UTNAS ) =−2.62856+0.97366∗log ( PRIMA )−0.00898∗log (|( SINIESTRO )|) +0.77164∗U + ε
 HETEROCEDASTICIDAD
El supuesto de homocedasticidad plantea que la varianza de los errores del
modelo de Coeficientes Constantes MCC, es constante en todo el periodo
muestral.
H 0 : Ausencia de heterocedasticidad autoregresiva
H 1 : Existencia de heterocedasticidad autoregresiva
Tabla5. Test de heterocedasticidad para el MCC

Test for Equality of Variances of RESID
Categorized by values of RESID
Date: 07/17/20 Time: 12:23
Sample (adjusted): 2010M02
2019M12
Included observations: 357 after
adjustments
Method df Value Probability
Bartlett 3 3.431974 0.3297

Levene (3, 353) 0.842694 0.4712
Brown-Forsythe (3, 353) 0.774445 0.5089
Elaboración Propia
Métodos:
p. 41
 Bartlett
Value = 3.431974 < X2(95%,3) = 7.81
 Levene
Prob = 0.47 > p-valor = 0.05
 Brown-Forsythe
Prob = 0.50 > p-valor = 0.05
Por lo tanto, se rechaza H1, no existe heterocedasticidad auto regresiva, es

decir los residuos de MCC son homocedásticos.
4.5. MODELO GENERAL DE EFECTOS FIJOS

Tabla 6. Modelo general de Efectos Fijos
Date: 07/17/20 Time: 12:54
Sample: 2010M01 2019M12
Total panel (balanced) observations: 360
C -8.75126 4.949139 -1.768239 0.0783

LOG(PRIMA) 1.540255 0.365948 4.208944 0
Effects Specification
Cross-section fixed (dummy variables)

Period fixed (dummy variables)

Log likelihood -164.8967 Hannan-Quinn criter. 2.137213
Prob(F-statistic) 0
Elaboración Propia
p. 42
4.5.1. Evaluación Estadística

SIGNIFICANCIA INDIVIDUAL
H 0: Bi=0 La variable no es estadisticamente significativa

H 1: Bi ≠ 0 La variable si es estadisticamente significativa
T – estadístico: B1=|1.540255|< 2(Se acepta H 0 )

Es decir la variable PRIMA, no es estadísticamente significativa.
T – estadístico: B2=|−0.098217|<2( Se acepta H 0)

Es decir la variable SINIESTRO, no es estadísticamente significativa.
Según la prueba de Significancia individual nos muestra que las variables

explicativas: PRIMA, SINIESTRO no son estadísticamente significativa de
manera individual, es decir no explican a la variable endógena (UTILIDAD).
SIGNIFICANCIA GLOBAL
2
R ∗( N−k )
FC = F−tabla=F( 95 % , k −1, N−k )
( k −1 )∗( 1−R2 )
Donde:
N: número de observaciones de la estimación
K: número de variables explicativas utilizadas en la estimación, incluye intercepto.
R2: es el R2 de la estimación.
Las hipótesis, para contrastar la significancia global del modelo.

H 0: B1=B2=0 El modelo no es significativo en conjunto
H 1: B1 ≠ B2 ≠ 0 El modelo es significativo en conjunto
p. 43
F−estadístico F−tabla=(95 % , 3−1,360−3)

14.38854 > 3.021 (Se rechaza H 0)
El modelo es significativo en conjunto, es decir todas las variables incluidas

en el modelo en conjunto explican a la variable endógena Utilidad.
COEFICIENTE DE BONDAD DE AJUSTE

En la Estimación de Datos de Panel a través del Método del general de
efectos fijos (MGEF) se ha obtenido un coeficiente de ajuste de 0.882341, es decir
el 88.23% del comportamiento del modelo (variable endógena) es explicado por
las variables PRIMA y SINIESTRO.
4.5.2. ESTIMACIONES DE EFECTOS FIJOS POR ASEGURADOR Y POR

UNIDADES DE TIEMPO
Tabla 7. Efectos Fijos por empresa aseguradora
ASEGURADORA Effect
1 Positiva 0.37094
2 Mapfre 0.031578
3 Ricma -0.402518
Elaboración Propia
Tabla 8. Efectos Fijos por periodo de estudio
TIEMPO Effect 15 2011M03 0.817374 30 2012M06 -0.30729
1 2010M01 0.811862 16 2011M04 0.598019 31 2012M07 -0.487897
2 2010M02 0.675686 17 2011M05 0.412009 32 2012M08 -0.582469
3 2010M03 0.615835 18 2011M06 0.405572 33 2012M09 -0.622869
4 2010M04 0.560822 19 2011M07 0.348577 34 2012M10 -0.607584
5 2010M05 0.448851 20 2011M08 0.205155 35 2012M11 -0.672804
6 2010M06 0.317131 21 2011M09 0.115546 36 2012M12 -0.613975
7 2010M07 0.270185 22 2011M10 0.038668 37 2013M01 1.075608
8 2010M08 0.49329 23 2011M11 -0.033681 38 2013M02 0.458861
9 2010M09 0.438178 24 2011M12 0.023389 39 2013M03 0.530682
10 2010M10 0.311644 25 2012M01 0.894022 40 2013M04 0.298366
11 2010M11 0.224591 26 2012M02 0.412401 41 2013M05 0.166886
12 2010M12 -0.189037 27 2012M03 0.344628 42 2013M06 -0.002238
13 2011M01 1.331063 28 2012M04 0.311815 43 2013M07 -0.238319
14 2011M02 0.970457 29 2012M05 -0.30033 44 2013M08 -0.339645
p. 44
45 2013M09 -0.388704 71 2015M11 -0.631065 97 2018M01 0.497239

46 2013M10 -0.472767 72 2015M12 -0.736779 98 2018M02 -0.067077
47 2013M11 -0.570384 73 2016M01 0.700004 99 2018M03 0.015902
48 2013M12 -0.646091 74 2016M02 0.208483 100 2018M04 -0.087442
49 2014M01 -0.331393 75 2016M03 0.104831 101 2018M05 -0.150522
50 2014M02 0.068356 76 2016M04 0.043434 102 2018M06 -0.237607
51 2014M03 0.423704 77 2016M05 -0.005562 103 2018M07 -0.423018
52 2014M04 0.444338 78 2016M06 -0.155471 104 2018M08 -0.465072
53 2014M05 0.36762 79 2016M07 -0.20436 105 2018M09 -0.499706
54 2014M06 0.26322 80 2016M08 -0.282888 106 2018M10 -0.791463
55 2014M07 0.125895 81 2016M09 -0.408527 107 2018M11 -0.885154
56 2014M08 0.060126 82 2016M10 -0.489915 108 2018M12 -0.781299
57 2014M09 0.086283 83 2016M11 -0.558066 109 2019M01 0.237262
58 2014M10 0.014792 84 2016M12 -0.540834 110 2019M02 0.631631
59 2014M11 -0.141694 85 2017M01 0.644671 111 2019M03 0.479148
60 2014M12 -0.397012 86 2017M02 0.319726 112 2019M04 0.307249
61 2015M01 0.259861 87 2017M03 0.216276 113 2019M05 0.147065
62 2015M02 0.117291 88 2017M04 0.224861 114 2019M06 -0.012917
63 2015M03 0.091855 89 2017M05 0.123415 115 2019M07 -0.127757
64 2015M04 -0.059585 90 2017M06 0.056232 116 2019M08 -0.112268
65 2015M05 -0.25545 91 2017M07 -0.07851 117 2019M09 -0.192574
66 2015M06 -0.326766 92 2017M08 -0.129937 118 2019M10 -0.295013
67 2015M07 -0.455215 93 2017M09 -0.153287 119 2019M11 -0.408959
68 2015M08 -0.584091 94 2017M10 -0.194736 120 2019M12 -0.472969
69 2015M09 -0.522988 95 2017M11 -0.26317
70 2015M10 -0.534881 96 2017M12 -0.678863
Elaboración Propia
Redundant Fixed Effects Tests

Equation: PANEL_MGEF
Test cross-section and period fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 7.523512 -2,236 0.0007

Cross-section Chi-square 22.251046 2 0
Period F 0.953849 -119,236 0.6097
Period Chi-square 141.370044 119 0.0792
Cross-Section/Period F 1.052146 -121,236 0.3674
Cross-Section/Period Chi-square 155.312587 121 0.0193
Elaboración Propia
p. 45
4.5.3. Evaluación Econométrica

 NORMALIDAD
Para contrastar la normalidad de los residuos se utiliza el estadístico Jarque-
Bera obtenido en la estimación (MCO) y se compara con un Chi- cuadrado (X2)
con 95% de confianza y dos grados de libertad.
Las hipótesis planteadas serían:
H 0 : Los residuos se distribuyen normalmente
H 1 : Los residuos no se distribuyen normalmente
Fig7. Test de normalidad del modelo general de efectos fijos
Elaboración Propia
El Jarque – Bera (su valor), es mayor que el valor de Chi-cuadrado entonces se

rechaza H0 , por lo tanto se acepta H1, es decir, los residuos de la estimación del
modelo MCC no se distribuyen con normalidad.
 HETEROCEDASTICIDAD
H 0 : Ausencia de heterocedasticidad autoregresiva
H 1 : Existencia de heterocedasticidad autoregresiva

p. 46
Test for Equality of Variances of

RESID
Categorized by values of RESID
Date: 07/17/20 Time: 14:23
Sample: 2010M01 2019M12
Included observations: 360
Method df Value Probability
Bartlett 3 5.873569 0.1179

Levene (3, 356) 5.525398 0.001
Brown-Forsythe (3, 356) 3.824778 0.0102
Elaboración Propia
Por lo tanto, se rechaza H 0, no existe heterocedasticidad auto regresiva, es
decir los residuos de MGEF no son homocedásticos.
4.6. MODELO GENERAL DE EFECTOS ALEATORIOS

Tabla 11. Modelo general de efectos aleatorios

Method: Panel EGLS (Two-way random effects)
Date: 07/17/20 Time: 14:43

Sample: 2010M01 2019M12
Total panel (balanced) observations: 360
Swamy and Arora estimator of component
variances
C -2.628594 0.375869 -6.993375 0
LOG(PRIMA) 1.065076 0.051588 20.64567 0
Effects Specification
S.D. Rho
Cross-section random 0.048494 0.0104
Period random 0 0
Idiosyncratic random 0.472482 0.9896
Weighted Statistics
S.E. of regression 0.471587 Sum squared resid 79.39483
Prob(F-statistic) 0
Unweighted Statistics
Sum squared resid 81.11452 Durbin-Watson stat 0.472343
p. 47
Elaboración Propia
Tabla 12. Efectos del modelo de efectos aleatorios
ASEGURADORA Effect
1 Positiva 0.049124
2 Mapfre -0.071367
3 Ricma 0.022244
Elaboración Propia
Tabla 13. Efectos del modelo de efectos aleatorios
 PRUEBA DE HAUSMAN
Correlated Random Effects - Hausman Test
Equation: PANEL_MGEA
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 14.018609 2 0.0009
Elaboración Propia
El test de Hausman, presenta un p-value menor que 0.05, lo que lleva

afirmas que los efectos individuales están incorrelacionados con las variables con
las variables explicativas. Por lo tanto, el modelo de efectos aleatorio no es
adecuado.
Se llega a la conclusión de que el mejor ajuste de panel es el que considera
efectos fijos de sección cruzada y de tiempo.
p. 48
5. CONCLUSIONES
 Del trabajo de investigación se llega a la conclusión que el comportamientos
de las empresas aseguradoras( Positiva, Mapfre y Ricma), en el inicio del
periodo de análisis tiene una tendencia ascendente, haciendo tentador el
mercado de seguros, sin embargo a finales del periodo de análisis, este
crecimiento se ve limitado, debido a la introducción y fusión de otras
empresas aseguradoras, sin embargo la rentabilidad para estas empresas
aseguradoras es muy buena teniendo una máximo de utilidad de 326575.2 en
millones de soles.
 La relación existente entre la variable dependiente (Utilidad) y las
independientes (Prima y Siniestro), se encontró una relación positiva entre
utilidad y prima, por otra parte se encontró una relación negativa entre
utilidad y siniestro, validando los valores esperado por la teoría económica.
 Los coeficientes si cumplen con los valores esperados, es decir las hipótesis
son verdaderas en el MCC. Por otro lado, en el análisis de contrastes de
igualdad de medias en las distintas secciones cruzadas, las variables tienen
medias iguales.
 En el Modelo de Efectos fijos los contrastes de igualdad de varianzas en las
distintas secciones cruzadas, las variables tienen varianzas distintas.
 Al realizar la evaluación estadística de los Modelos estimados se obtienen
que las variables consideradas en la regresión son estadísticamente
significativas, el 81.89% del comportamiento del modelo (variable
endógena) es explicado por las variables PRIMA y SINIESTRO. en la
evaluación econométrica los modelos no presentaron heterocedasticidad y
autocorrelación.
 La regresión del Modelo de Efectos Constantes MCC, en la evaluación
Económica se observa que las variables se comportan según la Teoría
Económica, es decir si se aumenta en 1% el costo de las primas, las
empresas registrarían mayores utilidades, así como al ocurrir eventos
p. 49
adversos o hechos fortuitos esta empresas reducirían el margen de su

ingresos.
 El modelo de Efectos Fijos, se observa que sus términos o coeficientes son
constantes para cada empresa aseguradora en los años incluidos en el
estudio, pero no son significativas. Presentando una bondad de ajuste donde
las variables explicativas explican a la variable endógena.
 Al realizar el Test de Redundancia el cual permite constatar si los efectos
fijos de las empresas aseguradoras pueden considerarse significativos, se
obtiene que el modelo más eficiente es de Efectos Fijos en el Tiempo y
también modelos de efectos fijos con secciones cruzadas.
p. 50
6. BIBLIOGRAFIA
Acuña Pando, O. S. (2015). Evolución del mercado de seguros en la
economía peruana periodo 2003-2013.
Albarrán Lozano, I., & Moreno Sáez, A. (2000). Aplicación al sector
asegurador español (no vida) del modelo de seguros de Tapiero.
Alvino Huamán, A. S. (2018). Análisis de la evolución del sector
asegurador y sus inversiones en el mercado de bonos para el periodo 2002- 2016.
Alvino Huamán, A. S. (2018). Análisis de la evolución del sector
asegurador y sus inversiones en el mercado de bonos para el periodo 2002- 2016.
CADENA SANCHEZ, J. A. (2011). Análisis del Sector Asegurador
Mexicano 2005-2012.
Castro, A. S. (2017). El desarrollo del sector asegurador y el crecimiento
económico: un análisis empírico para 47 países. Economía y Sociedad, 22(52), 88-
109.
Frisancho Aldave, J. L. (2018). Microseguros en el Perú: evolución,
situación actual y comparación con otros países.
Gujarati (1997), Econometría Básica. Tercera edición.Ed. Mc Graw-
Hill.Bogotá.
Kafka Folke (1994) “Teoría Económica”, Centro de Investigaciones de la
Universidad del Pacífico
Papic Neira, S. M. (2017). Análisis y Evolución del Mercado Asegurador
Ecuatoriano (Master's thesis).
Pulido Amézquita, R. (2016). Las compañías de seguros generales y sus
rendimientos financieros: un estudio para Colombia durante el periodo 2004-2014.
p. 51
7. ANEXOS
ANEXO N°1. Base de datos
Asegura 2012M12 Positiva 18505 588 423 -386763.93
Tiempo Utnas Prima Siniestro
dora 50 018
2013M01 Positiva 9432.8 -24620.417
2010M01 Positiva 2729.4 32 325 -13521.625 2013M02 Positiva 10742 94 011 -49523.203
2010M02 Positiva 4265 63 258 -31364.43 2013M03 Positiva 15427 120 925 -69824.24
2010M12 Positiva 15968 422 098 -182986.49 2014M01 Positiva 665.05 51 526 -25221.704
2011M12 Positiva 50224 500 376 -244050.24 2015M01 Positiva 1566.4 65 796 -38594.725
2012M01 Positiva 4147.1 37 656 -30129.616 2015M02 Positiva 5039.4 126 594 -65618.816
2012M02 Positiva 6693.9 89 252 -56197.025 2015M03 Positiva 9016.4 184 964 -97336.52
p. 52
2016M05 Positiva 19566 313 821 -165411.99 2019M12 Positiva 60598 1 076 869 -465472.35
2016M06 Positiva 20585 383 235 -198415.79 2010M01 Mapfre 2469.9 45 248 -17605.7
2016M07 Positiva 22003 445 797 -226758 2010M02 Mapfre 2678.7 78 189 -35695.48
2016M09 Positiva 24343 583 847 -284442.46 2010M04 Mapfre 7007 151 533 -70395.751
2017M01 Positiva 4698.6 62 581 -34285.241 2010M08 Mapfre 14327 327 193 -142730.49
p. 53
2013M03 Mapfre 9069.9 163 323 -71380.7 2016M10 Mapfre 54034 927 463 -534627.7
2013M04 Mapfre 13819 233 366 -92930.554 2016M11 Mapfre 53299 999 603 -578924.98
2013M05 Mapfre 17874 290 979 -118674.4 2016M12 Mapfre 60304 1 092 626 -613761.93
2013M06 Mapfre 20001 348 434 -191297.55 2017M01 Mapfre 3403.6 69 121 -40974.323
2013M07 Mapfre 22525 419 198 -213185.72 2017M02 Mapfre 9059.9 151 797 -81370.075
2013M08 Mapfre 22861 488 909 -324276.07 2017M03 Mapfre 12134 245 645 -169043.16
2013M09 Mapfre 25448 545 939 -355374.96 2017M04 Mapfre 20321 354 001 -476058.66
2013M10 Mapfre 27444 606 388 -386158.99 2017M05 Mapfre 25480 448 107 -532747.68
2013M11 Mapfre 30547 693 467 -404908.4 2017M06 Mapfre 28774 540 105 -617038.6
2013M12 Mapfre 34635 751 503 -430081.49 2017M07 Mapfre 28044 611 212 -665708.32
2014M01 Mapfre 3988 75 132 -19070.112 2017M08 Mapfre 33416 688 281 -713298.48
2014M02 Mapfre 7510 135 433 -49508 2017M09 Mapfre 46783 778 302 -746799.82
2014M03 Mapfre 11076 191 794 -66164.081 2017M10 Mapfre 55468 864 062 -791811.63
2014M04 Mapfre 24565 250 106 -93538.837 2017M11 Mapfre 57893 936 884 -836637.56
2014M05 Mapfre 36440 327 977 -123837.32 2017M12 Mapfre 76711 1 029 030 -899541.62
2014M06 Mapfre 41704 404 780 -162661.69 2018M01 Mapfre 7471.3 102 186 -46496.356
2014M07 Mapfre 43175 460 666 -191824.04 2018M02 Mapfre 8973.3 189 756 -88299.109
2014M08 Mapfre 45534 529 820 -223074.29 2018M03 Mapfre 10299 290 570 -113205.76
2014M09 Mapfre 49384 590 421 -250370.54 2018M04 Mapfre 15932 382 357 -148274.04
2014M10 Mapfre 52261 658 558 -275526.77 2018M05 Mapfre 22321 495 068 -200247.25
2014M11 Mapfre 49585 724 735 -301626.46 2018M06 Mapfre 27612 599 824 -244668.15
2014M12 Mapfre 47479 799 755 -333235.14 2018M07 Mapfre 30693 707 178 -277265.26
2015M01 Mapfre 6829.3 102 384 -29277.832 2018M08 Mapfre 35945 815 954 -309908.93
2015M02 Mapfre 8541.2 201 804 -50623.488 2018M09 Mapfre 43507 907 455 -345864.37
2015M03 Mapfre 18054 300 920 -76734.616 2018M10 Mapfre 46477 986 208 -417801.89
2015M04 Mapfre 20555 367 722 -112446.48 2018M11 Mapfre 55346 1 062 026 -450338.15
2015M05 Mapfre 21818 445 322 -146055.93 2018M12 Mapfre 65756 1 136 574 -464159.41
2015M06 Mapfre 27033 531 306 -173990.51 2019M01 Mapfre 6604.7 128 369 -115536.11
2015M07 Mapfre 29443 603 532 -208883.8 2019M02 Mapfre 13150 199 750 -170513.31
2015M08 Mapfre 30666 697 490 -247138.08 2019M03 Mapfre 16618 281 807 -487864.67
2015M09 Mapfre 34673 779 193 -281546.3 2019M04 Mapfre 22446 408 921 -461313.52
2015M10 Mapfre 47954 889 388 -310651.24 2019M05 Mapfre 31286 519 159 -514425.99
2015M11 Mapfre 46797 951 609 -350723.06 2019M06 Mapfre 33595 613 746 -563702.01
2015M12 Mapfre 52247 1 043 877 -389505.98 2019M07 Mapfre 41156 742 471 -593606.83
2016M01 Mapfre 11682 96 046 -42745.996 2019M08 Mapfre 51039 859 819 -630743.51
2016M02 Mapfre 17437 244 956 -75590.957 2019M09 Mapfre 52432 937 053 -612345.25
2016M03 Mapfre 19925 336 012 -128461.89 2019M10 Mapfre 55674 1 017 361 -652123.81
2016M04 Mapfre 22064 420 496 -167493.37 2019M11 Mapfre 58875 1 108 975 -708315.73
2016M05 Mapfre 30811 492 178 -194719.45 2019M12 Mapfre 63105 1 197 106 -734133.95
2016M06 Mapfre 32703 590 835 -233541.12 2010M01 Ricma 16699 197 477 -3.615
2016M07 Mapfre 40818 670 890 -258529.46 2010M02 Ricma 32951 338 214 -50532.097
2016M08 Mapfre 47502 776 072 -342309.25 2010M03 Ricma 46050 482 563 -123532.41
2016M09 Mapfre 49205 860 582 -381456.7 2010M04 Ricma 62701 669 501 -188607.76
p. 54
2010M05 Ricma 84972 812 095 -253109.92

2010M06 Ricma 102930 1 021 144 -360992.36
2010M07 Ricma 121268 1 190 149 -431840.89
2010M08 Ricma 143686 1 377 501 -499667.22
2010M09 Ricma 159163 1 600 219 -567416.61
2010M10 Ricma 175494 1 804 033 -640600.8
2010M11 Ricma 192756 1 972 855 -794226.04
2010M12 Ricma 212403 2 196 750 -865520.19
2011M01 Ricma 26614 198 578 -67138.102
2011M02 Ricma 47767 383 567 -137832.43
2011M03 Ricma 67520 568 303 -215255.83
2011M04 Ricma 82046 764 236 -271725.45
2011M05 Ricma 103869 962 917 -326608.39
2011M06 Ricma 128029 1 193 846 -415001.41
2011M07 Ricma 155501 1 385 547 -456809.28
2011M08 Ricma 174741 1 569 324 -526723.5
2011M09 Ricma 190058 1 805 249 -592384.88
2011M10 Ricma 199487 1 996 369 -711319.95
2011M11 Ricma 233736 2 207 731 -798213.6
2011M12 Ricma 256446 2 381 277 -867108.38
2012M01 Ricma 18994 261 386 -85902.201
2012M02 Ricma 32075 440 621 -169997.6
2012M03 Ricma 44424 626 404 -268569.01
2012M04 Ricma 68235 823 860 -348353.67
2012M05 Ricma 74778 1 026 685 -485754.75
2012M06 Ricma 80250 1 255 159 -555501.2
2012M07 Ricma 91477 1 504 683 -648614.89
2012M08 Ricma 102907 1 688 748 -754305.04
2012M09 Ricma 113271 1 939 836 -828155.21
2012M10 Ricma 130313 2 141 209 -921150.72
2012M11 Ricma 167963 2 363 837 -1000847.2
2012M12 Ricma 169052 2 637 644 -1085984.5
2013M01 Ricma 6726.3 266 801 -94346.348
2013M02 Ricma 10816 476 225 -190704.15
2013M03 Ricma 31916 688 513 -292468.03
2013M04 Ricma 40398 927 486 -414172.45
2013M05 Ricma 54180 1 164 553 -516584.42
2013M06 Ricma 64975 1 410 256 -643831.36
2013M07 Ricma 62091 1 670 117 -758466.87
2013M08 Ricma 79377 1 919 593 -864193.78
2013M09 Ricma 97787 2 147 261 -963715.57
2013M10 Ricma 114337 2 448 217 -1082735.4
2013M11 Ricma 123483 2 667 214 -1165240.7
p. 55
2013M12 Ricma 130627 2 990 076 -1317752.1 2017M01 Ricma 13144 303 076 -129000.73
2014M01 Ricma 3666.7 286 298 -118626.54 2017M02 Ricma 23480 584 505 -280661.1
2014M02 Ricma 18735 499 623 -237731.18 2017M03 Ricma 29847 887 798 -578514.59
2014M03 Ricma 43297 760 935 -370914.81 2017M04 Ricma 40098 1 110 953 -1143647.5
2014M04 Ricma 60976 1 016 165 -468645.08 2017M05 Ricma 52797 1 357 138 -1411924.4
2014M05 Ricma 75961 1 270 265 -596045.64 2017M06 Ricma 70252 1 665 424 -1582554.9
2014M06 Ricma 89199 1 524 978 -733232.48 2017M07 Ricma 92743 1 975 014 -1763208
2014M07 Ricma 108263 1 816 777 -852550.88 2017M08 Ricma 113941 2 268 955 -1916390.6
2014M08 Ricma 140938 2 065 997 -946360.22 2017M09 Ricma 122281 2 544 680 -2140462.7
2014M09 Ricma 154117 2 410 420 -1072964.8 2017M10 Ricma 123665 2 832 544 -2335416.8
2014M10 Ricma 182498 2 638 249 -1174529.9 2017M11 Ricma 141689 3 160 766 -2524253.6
2014M11 Ricma 201147 2 909 945 -1277866 2017M12 Ricma 63073 3 556 739 -2643058.1
2014M12 Ricma 203124 3 211 655 -1370597.2 2018M01 Ricma 3515.7 309 628 -184135.95
2015M01 Ricma 16345 356 212 -107614.69 2018M02 Ricma 6968.6 595 484 -369164.17
2015M02 Ricma 42566 638 027 -214885.68 2018M03 Ricma 29367 931 019 -499936.52
2015M03 Ricma 55013 940 786 -375983.11 2018M04 Ricma 35283 1 216 893 -605210.19
2015M04 Ricma 82165 1 217 045 -505560.38 2018M05 Ricma 50690 1 528 820 -746013.76
2015M05 Ricma 102257 1 528 020 -659843.05 2018M06 Ricma 62214 1 823 728 -1036846.2
2015M06 Ricma 115465 1 798 174 -848426.88 2018M07 Ricma 69069 2 160 625 -1333926.6
2015M07 Ricma 135783 2 119 012 -982354.56 2018M08 Ricma 92785 2 479 553 -1517307.2
2015M08 Ricma 155799 2 461 700 -1123259.2 2018M09 Ricma 113524 2 774 622 -1656429.2
2015M09 Ricma 161314 2 809 589 -1316434.7 2018M10 Ricma 123685 3 111 312 -1845855.4
2015M10 Ricma 186815 3 085 933 -1456427.9 2018M11 Ricma 117272 3 488 742 -2109869
2015M11 Ricma 198664 3 381 930 -1577414.4 2018M12 Ricma 190279 3 912 659 -2285868.5
2015M12 Ricma 213669 3 712 286 -1719486.2 2019M01 Ricma 10317 369 501 -177982.21
2016M01 Ricma 10171 329 108 -132425.08 2019M02 Ricma 100312 710 690 -324045.1
2016M02 Ricma 26159 622 532 -318409.01 2019M03 Ricma 119757 1 033 115 -814692.06
2016M03 Ricma 46824 917 560 -449973.94 2019M04 Ricma 156772 1 360 302 -1014540.9
2016M04 Ricma 63091 1 171 970 -618432.25 2019M05 Ricma 187929 1 666 847 -1187669
2016M05 Ricma 80769 1 410 406 -741500.34 2019M06 Ricma 205534 2 000 209 -1360309.9
2016M06 Ricma 103895 1 685 853 -875598.87 2019M07 Ricma 214210 2 359 712 -1518326.9
2016M07 Ricma 131075 2 016 352 -1008924.8 2019M08 Ricma 236876 2 711 661 -1700988
2016M08 Ricma 149200 2 272 684 -1164709.1 2019M09 Ricma 255610 3 054 841 -1737591.9
2016M09 Ricma 159767 2 592 476 -1332558.8 2019M10 Ricma 297319 3 406 058 -1925760.1
2016M10 Ricma 175555 2 885 221 -1468885.8 2019M11 Ricma 313338 3 831 802 -2193758.7
2016M11 Ricma 203652 3 181 806 -1573248.1 2019M12 Ricma 326575 4 327 486 -2422008
2016M12 Ricma 213724 3 543 702 -1670155.7

Aseguradoras - Patpro - Lev - Obs

Cargado por

Copyright:

Formatos disponibles

Aseguradoras - Patpro - Lev - Obs

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Aseguradoras - Patpro - Lev - Obs

Cargado por

Copyright:

Formatos disponibles

“AÑO

COMPORTAMIENTO DE LAS EMPRESAS

PRESENTADO POR: - MORE CHUMACERO, INGRID

- GARCES DEZA, ROXANA

CURSO : METODOLOGIA DE LA INVESTIGACIÓN

DOCENTE : ECON. ENRIQUE ZAPATA REYES

Sub línea de investigación

3.4 Sujetos de la investigación..................................................................22

COMPORTAMIENTO DE LAS EMPRESAS ASEGURADORAS EN EL PERU.

Por ejemplo: Según la SBS, en los últimos 10 años, el sector asegurador

asimismo, el potencial de crecimiento de las primas de seguro suele ser muy

1.2. Formulación del problema de investigación

1.2.1. Problema General

¿Cómo ha sido el comportamiento de las empresas aseguradoras, de acuerdo

1.2.2. Problemas Específicos

1. ¿Cuál es la relación que existe entre la utilidad neta de las empresas

2. Las rentabilidades de las empresas aseguradoras, en función de las

1.3. Justificación e importancia de la investigación

Analizar el comportamiento de las empresas aseguradoras, de acuerdo a su

1.4.2. Objetivos específicos

1. Analizar la relación que existe entre la utilidad neta de las empresas

2. Comparar las rentabilidades, en función de las primas de seguros netos

1.5. Delimitación de la investigación

Según Reyes (2008), en su trabajo “sector asegurador y economía

de estrategias administrativas para hacer más eficiente el aparato productivo-

instrucciones y normativas de la nueva reforma de la Ley General de Seguros, su

sobre el bien B y prefiere el bien B sobre el bien C, entonces preferirá el

tomadores de riesgo cuando la utilidad marginal crece, y en adversos al riesgo

2.2.3. Elementos de la Teoría de Utilidad.

éstas le representarían una misma utilidad. Para la construcción de la teoría se hace

Entonces, la forma como se debe tratar el elemento riqueza frente a la

2.2.4. Aversión al Riesgo

Las curvas que relacionan el retorno medio y la variabilidad del retorno en

 Seguros de propiedad, accidentes y responsabilidad civil: Estos seguros te

2.3. Definición y Operacionalización de variables

Seguros Netos riesgo, asimismo indica el siniestralidad obligaciones

endógenas y exógenas del modelo; además se explica por qué en el periodo de

Evolución de la Utilidad Neta de las Empresas Asegu-

LA POSITIVA UTNASit MAPFRE PERU UTNASit RIMAC UTNASit

En consecuencia, las primas de la renta vitalicia de jubilación fueron las

3.5. Métodos y procedimientos

buscan explicar el comportamiento de dicha variable dependiente durante el

3.5.1. Especificación del Modelo

3.5.2. Valores Esperados

 β 0≠0 : La relación es de acuerdo a las otras variables que afectan a la

3.5.3. Estimación del Modelo

3.6. Aspectos éticos

4. EVALUACION DE LOS RESULTADOS OBTENIDOS

En la fig.3, se puede observar que el precio de seguro, es decir, la prima,

4.2. ESTADISTICAS DESCRIPTIVAS

Jarque-Bera 420.6135 243.7761 484.377

Sum 19145378 3.07E+08 -1.63E+08

Observations 360 360 360

En la tabla 2 podemos observar que, el promedio de las utilidades netas de

4.3. ANALISIS DE GRAFICO

Durante los últimos años el mercado asegurador peruano ha atravesado por

consecuencia del redireccionamiento de la estrategia comercial de sus principales

4.4. MODELO DE COEFICIENTES CONSTANTES

UTNAS=β 0+ β1 PRIMA+ β 2 SINIESTRO+ μ