Pronóstico de la demanda de seguros generales en el perú mediante el modelo de vectores autorregresivos de series de tiempo

Abstract

El propósito principal de esta investigación es desarrollar un modelo estadístico que permita pronosticar la demanda de seguros generales en el Perú, utilizando el modelo de vectores autorregresivos (VAR) aplicado a series de tiempo. Se trabajó con datos trimestrales de los sectores productivos primarios y secundarios, así como del mercado de seguros generales, abarcando el periodo 2000-2019. El modelo VAR, ajustado con cinco rezagos, cumple con los criterios de estacionariedad, significancia y diagnóstico adecuado, garantizando la fiabilidad de los resultados obtenidos. Los hallazgos sugieren indicios de causalidad de Granger entre los sectores productivos y los seguros generales. En cuanto a las desviaciones en la producción de seguros generales, se observa que, en los primeros períodos, la mayor parte de su variabilidad se explica por factores internos de la misma. Sin embargo, a medida que avanzan los períodos, la influencia de los sectores productivos crece: el 8% de la variación en los seguros generales proviene de los sectores primarios, y el 14% de los secundarios. Finalmente, el modelo VAR mostró un desempeño adecuado en la predicción de la demanda, con un margen de error promedio de 90 millones de soles, lo que valida su capacidad para anticipar correctamente las tendencias y ciclos relevantes del sector asegurador en el país.The main objective of this research is to develop a statistical model to forecast the demand for general insurance in Peru, using the Vector Autoregressive (VAR) model applied to time series data. Quarterly data from the primary and secondary productive sectors, as well as from the general insurance market, were used, covering the period from 2000 to 2019. The VAR model, adjusted with five lags, meets the criteria of stationarity, statistical significance, and proper diagnostic checks, ensuring the reliability of the results obtained. The findings suggest evidence of Granger causality between the productive sectors and general insurance. Regarding fluctuations in general insurance output, it is observed that, in the initial periods, most of its variability is explained by its own internal dynamics. However, as time progresses, the influence of the productive sectors increases: 8% of the variation in general insurance is attributed to the primary sector and 14% to the secondary sector. Finally, the VAR model showed satisfactory performance in demand forecasting, with an average error margin of 90 million soles, validating its ability to correctly anticipate relevant trends and cycles in the country’s insurance sector.