La scelta della franchigia ottimale e le incertezze degli assicurati. Lo studio “Limited information and its impact on a policyholder’s optimal choice on deductibles”
(Working Papers on Risk Management and Insurance No. 257) di Jan-Christian Fey, Hato Schmeiser e Florian Schreiber si focalizza sull’analisi delle scelte di franchigie assicurative ottimali da parte degli assicurati, tenendo conto delle incertezze e delle limitazioni di informazione che influenzano tali decisioni. Secondo gli autori, sebbene le informazioni limitate rappresentino una sfida significativa per gli assicurati nel determinare la franchigia ottimale, ci sono strumenti e modelli che possono aiutare a migliorare il processo decisionale. L’uso di modelli approssimativi basati su dati empirici e preferenze individuali può ridurre significativamente i costi associati a scelte di franchigia subottimali. La ricerca si propone quindi di colmare il divario tra la teoria economica delle decisioni ottimali e la realtà delle limitazioni informative incontrate dai consumatori nei mercati assicurativi.
La teoria economica tradizionale, basata sull’utilità attesa, sostiene che gli assicurati avversi al rischio tendano a scegliere franchigie come parte di contratti assicurativi ottimali. Quando un assicurato sceglie una franchigia, osserva lo studio, deve affrontare due fonti di incertezza: l’incertezza sulle perdite future, dato che non è possibile prevedere con precisione i danni che potrebbero verificarsi nel futuro, ma si può fare una stima sulla base di distribuzioni probabilistiche, e l’incertezza sulla distribuzione delle perdite e funzione di utilità, ovvero gli assicurati non conoscono sempre con esattezza la propria funzione di utilità, cioè come attribuiscono valore e preferenze in relazione a diverse situazioni di rischio. L’informazione limitata rende difficile identificare la franchigia ottimale.
Uno dei risultati empirici discussi nel documento riguarda la constatazione che molti assicurati non scelgono la franchigia ottimale, portando a perdite di benessere economico. Ad esempio, negli studi citati, una frazione significativa di individui negli Stati Uniti e in Europa tende a pagare premi più elevati per polizze con franchigie troppo basse rispetto a quelle che sarebbero ottimali, perdendo potenzialmente centinaia di dollari all’anno.
Per risolvere il problema dell’informazione incompleta, lo studio propone un modello teorico che introduce delle regole decisionali approssimative. L’idea centrale è quella di adattare il classico modello di utilità attesa, includendo la possibilità che l’assicurato disponga solo di informazioni parziali sulla distribuzione delle perdite e sulla sua funzione di utilità. Nel modello proposto, gli autori cercano di fornire un metodo che permetta agli assicurati di prendere decisioni più informate basandosi su alcune approssimazioni.
Utilizzando le informazioni su alcune perdite osservate in passato e sui piani di franchigia disponibili, si può derivare un’approssimazione della distribuzione delle perdite future, mentre per approssimare la funzione di utilità dell’assicurato, si può ricorrere a metodi come il probability equivalence method (metodo di equivalenza probabilistica), che consiste nel sottoporre l’assicurato a una serie di scelte ipotetiche in cui esprime le proprie preferenze tra situazioni di rischio.
La ricerca presenta diverse regole decisionali che gli assicurati potrebbero adottare per scegliere una franchigia in modo più razionale, anche in presenza di incertezze e informazioni limitate. Queste regole si basano sulle osservazioni empiriche delle perdite (l’assicurato può trarre una distribuzione empirica delle perdite basata sulle proprie esperienze passate), informazioni ricavate dai premi delle polizze (gli assicurati possono inferire informazioni utili dalla struttura dei premi offerti per le diverse franchigie, che riflette implicitamente la distribuzione dei rischi percepiti dall’assicuratore) e l’elaborazione delle preferenze individuali (attraverso strumenti come questionari che stimano le preferenze dell’assicurato, è possibile migliorare l’accuratezza della funzione di utilità utilizzata per prendere decisioni).
Uno dei risultati più interessanti del documento è che di fatto, contrariamente alla convinzione comune, l’informazione limitata non sempre porta a scelte subottimali se gestita correttamente. Infatti, se l’informazione parziale viene sfruttata in modo adeguato attraverso l’uso di modelli e strumenti decisionali specifici, le scelte di franchigia possono essere quasi ottimali. Ad esempio, basandosi su un numero ridotto di osservazioni di perdite passate e sulle franchigie offerte, gli assicurati possono comunque approssimare una distribuzione delle perdite sufficiente per una buona decisione.
Nell’elaborato viene fornito un esempio numerico basato sul mercato delle polizze per proprietari di abitazioni negli Stati Uniti, il quale illustra come le diverse regole decisionali si comportino in situazioni con vari livelli di incertezza e di informazioni disponibili, dimostrando che le regole che utilizzano sia informazioni sulle preferenze individuali sia sulle distribuzioni delle perdite tendono a produrre i risultati più vicini all’ottimale.
Le implicazioni dello studio presentato non sono intese come meramente teoriche. Gli autori suggeriscono che le regole decisionali proposte dagli autori potrebbero essere implementate in strumenti online, fornendo agli assicurati suggerimenti sulla scelta delle franchigie basati sulle informazioni che hanno a disposizione. In tal modo, i clienti potrebbero prendere decisioni più consapevoli e ridurre il rischio di effettuare scelte costose.
Lo studio è disponibile, in lingua inglese, a questo link.
