Actuarial Group prend des mesures pour identifier les préjugés raciaux dans les taux d'assurance

Alors que l'industrie de l'assurance est aux prises avec des préjugés raciaux potentiels dans la tarification des produits d'assurance à l'ère de l'intelligence artificielle et de la modélisation, un groupe d'assurances multirisques les actuaires ont publié deux nouveaux rapports de recherche pour aider à éloigner le secteur de l'assurance des effets discriminatoires des prix d'assurance plus élevés pour les Noirs et les autres de Couleur.

La Casualty Actuarial Society (CAS) a publié deux nouveaux rapports Le 31 mars pour examiner les méthodes d'identification et de mesure des préjugés raciaux lors de la tarification de produits tels que l'assurance automobile et habitation après une histoire de redlining dans l'industrie.

"Nous espérons avec cette série servir de leader d'opinion et de modèle pour d'autres organisations d'assurance et les entreprises dans la promotion de l'équité et du progrès », a déclaré Victor Carter-Bey, PDG de CAS, un international organisme pour l'accréditation et la formation professionnelle des actuaires employés dans l'évaluation des risques IARD.

Ces quatre facteurs de notation occupent une place importante dans la tarification

L'un des deux nouveaux articles explore quatre facteurs de notation spécifiques que les décideurs politiques et les régulateurs des assurances ont examinés pour déceler les biais dans la fixation des tarifs des propriétaires et des assurances automobiles. Ces quatre facteurs de notation d'assurance largement utilisés sont: les scores d'assurance basés sur le crédit; position géographique; l'accession à la propriété; et les registres des véhicules à moteur.

Par exemple, l'emplacement géographique peut influer sur les pertes et la gravité chez les propriétaires et la tarification automobile, deux facteurs de risque, mais l'emplacement géographique peut souvent être le résultat de « politiques et pratiques historiques principalement destinées aux Noirs ».

Selon les recherches citées dans l'article, les personnes et les familles noires ont été explicitement ségrégées, puis soulignées par les banques et les pactes restrictifs sur le plan racial tout au long de la première moitié du 20e siècle. Redlining était le terme utilisé par la Home Owners’ Loan Corp. dans les années 1930 pour ses cartes à code couleur - des quartiers jugés "indésirables" colorés en rouge, selon l'article. La longue et triste histoire de redlining Les communautés noires sont illustrées et détaillées dans le document CAS.

Même aujourd'hui, les stéréotypes sociétaux peuvent déterminer où les gens vivent. Les recherches du CAS citées montrent que les demandeurs de logement blancs sont plus susceptibles d'être favorisés que les minorités dans les maisons à vendre, les locations et les appartements.

Les variables peuvent être prédictives mais aussi problématiques

Alors que les actuaires pourraient avoir des prix plus élevés dans les villes avec un parc de logements plus ancien avec des risques immobiliers tels que le câblage électrique daté systèmes et une criminalité plus élevée, ces variables ne sont pas neutres sur le plan racial, en fait, le document sur les facteurs qui conduisent à des points de biais dehors. Les pertes prévues plus élevées entraînant des primes plus élevées sont également corrélées à la race et résultent de des décennies d'iniquités et d'approches sociétales de longue date biaisées en matière de zones de vie et d'accession à la propriété, CAS explique.

Il existe également un impact disproportionné largement démontré des catastrophes naturelles sur les groupes minoritaires, comme en témoignent ces dernières années les ouragans Katrina et Harvey.

"L'ouragan Katrina a eu des effets durables sur les résidents dont les maisons ont été inondées, sous la forme de cotes de crédit plus faibles et des taux d'accession à la propriété inférieurs à ceux des voisins qui n'ont pas subi d'inondations », a déclaré CAS, citant à l'extérieur rechercher.

Les chercheurs de la CAS ont noté que ces quatre facteurs étaient corrélés à la perte d'assurance réelle au fil des ans, mais peut également être un indicateur fort de la race et de l'ethnicité et peut donc avoir un fort impact négatif sur les faibles revenus et les minorités communautés.

Comme l'écrivait au printemps dernier l'activiste des consommateurs d'assurance Birny Birnbaum du centre pour la justice économique dans une allocution à CAS, il y a « reconnaissance que la discrimination historique a des effets durables qui désavantagent ces groupes. En d'autres termes, vous ne pouvez pas asservir une population pendant deux cents ans et vous attendre ensuite à ce que l'héritage de cet esclavage disparaisse du jour au lendemain."

Corrélation mais pas causalité

Les cotes de crédit sont également très controversées parce qu'elles prédisent la perte mais ne sont pas associées --a la perte de crédit ne signifie pas une perte de propriété - avec elle, et les assureurs utilisent des modèles de propriété hors limite pour étrangers. Mais, encore une fois, la cote de crédit pourrait être corrélée à la race et refléter également des décennies de pratiques de prêt bancaire discriminatoires envers les Noirs, explique CAS.

Dans un premier temps, le groupe actuariel recommande aux actuaires et aux professionnels de l'assurance de réfléchir à « des jugements de valeur et des stéréotypes souvent attribués aux assurés concentrés dans des risques d'assurance plus élevés catégories ».

De nombreux autres facteurs pourraient influer sur le risque d'assurance, selon les chercheurs, et lorsque les actuaires se combinent ces dizaines d'autres facteurs dans un modèle de tarification, les résultats pour les assurés pourraient être beaucoup plus amélioré. La CAS a également appelé à davantage d'analyses sur les préjugés sociaux sur les facteurs d'augmentation individuels ainsi que sur les modèles complexes utilisés.

Que signifie la discrimination injuste?

Le deuxième rapport publié récemment s'efforce d'identifier ce qu'est la discrimination dans le domaine de l'assurance et énonce des termes tels que classe protégée, discrimination injuste, discrimination par procuration, impact disparate, traitement disparate et disproportionné impact.

Bien qu'il s'agisse de termes de tarification de l'industrie de l'assurance qui pourraient révéler des prix différents pour les groupes minoritaires, les différentes définitions appliquées peuvent entraîner des prix plus élevés pour certains consommateurs. Que ce soit juste ou juste est souvent un sujet de débat pour les assureurs, mais si cela a un impact disparate, les régulateurs et maintenant un nombre croissant d'actuaires sont concernés, montre le document de recherche.

Les actuaires, dans le cadre de leur travail pour les assureurs de biens, examinent si les tarifs qu'ils facturent aux propriétaires de véhicules sont étayés par l'expérience des sinistres pour les divers facteurs de tarification utilisés. Bien qu'ils puissent être différents en fonction du risque, la plupart des États américains réglementent leur portée et leur impact afin qu'ils ne soient pas "injustement discriminatoires" pour les classes protégées.

Ces facteurs individuels ou combinaisons de facteurs tirent-ils leur pouvoir prédictif en tout ou en partie de leur corrélation avec une caractéristique interdite, ou agir comme un proxy pour celle-ci, le deuxième papier réfléchit.

"Si tel est le cas, il faut également déterminer si cela entraîne des taux disproportionnellement plus élevés ou plus faibles pour certains groupes au sein de cette classe protégée", déclare CAS. L'organisation note qu'il ne leur appartient pas de décider du degré de corrélation entre une notation la caractéristique et la race devraient être tolérées mais veut être à la table des décideurs politiques pour le discussion.

L'IA peut continuer et amplifier la discrimination raciale dans les prix

La discrimination grandissante dans modèles d'intelligence artificielle (IA) par proxy ou autres caractéristiques identifiées et sélectionnées avec la machine apprentissage.

L'IA peut "propager ce biais dans les choix faits à partir des prédictions des modèles", souligne l'article du CAS sur la discrimination, et affecter les tarifs d'assurance des consommateurs par le biais de biais statistiques et de modélisations mathématiques, car une machine ne sait pas ce qui est injuste. Même lorsque le biais humain subjectif est déraciné ou n'est utilisé dans aucune entrée, les entrées elles-mêmes peuvent refléter un biais historique.

Ces facteurs "peuvent être intégrés dans les données historiques pourraient encore faire leur chemin à travers le processus de modélisation et affecter la sortie du modèle", note le rapport CAS.

Pour cette raison, des recherches sont en cours parmi l'industrie des accidents, les universitaires et les régulateurs sur l'équité des modèles et une approche suggère d'ajouter d'autres composants du modèle pour éliminer les biais, tandis que les scientifiques des données de l'IA travaillent sur des moyens de construire des méthodes de détection des biais et atténuation.

La National Association of Insurance Commissioners (NAIC), qui se réunit cette semaine à Kansas City, a a exploré plus en profondeur les biais, l'IA, l'apprentissage automatique et l'impact disparate au cours des dernières années grâce à son Comité spécial sur l'assurance et la race. Le groupe étudie les problèmes de longue date et persistants de traitement injuste, de discrimination par procuration et d'impact disparate et faire des recommandations pour des changements statutaires et réglementaires, ainsi qu'explorer les biais dans l'apprentissage automatique, dans une discussion prévue pour 6 avril.

Certains États et entreprises agissent

Au moins un État axé sur des résultats équitables pour les classes protégées a refusé les demandes de tarification des assureurs en raison du manque d'informations sur les modèles. Le Connecticut a embauché un data scientist. Attendez-vous à plus en fonction des ressources d'un État alors que la NAIC accélère la détection des biais dans l'apprentissage automatique et comment minimiser les mauvais résultats - c'est-à-dire des prix plus élevés injustifiés - pour les consommateurs.

Et, alors que la Californie empêche déjà l'utilisation des scores d'assurance dans la fixation des taux d'accidents des biens des consommateurs, quelques autres États leaders ont législation interdisant certains facteurs tels que les scores d'assurance basés sur le crédit pour fixer les taux, et s'appuyant plutôt sur le dossier de conduite et les kilomètres parcourus et années de licence. Ces États sont le Maryland, l'État de Washington et l'Oregon, note le rapport de la CAS.

Alors que le commissaire aux assurances de l'État de Washington, Mike Kreidler, le plus ancien commissaire aux assurances de l'État aujourd'hui, a émis une ordonnance d'urgence interdisant les cotes de crédit pendant trois ans en 2021, elle a été annulée, également la dernière an. Kreidler, qui a servi pendant deux décennies, travaille maintenant sur une règle permanente pour remplacer l'ordonnance d'urgence rejetée, note le TAS.

CAS a identifié quelques compagnies, comme Root Insurance et Boucle, un technicien de l'assurance, qui a également pris des mesures sur la façon dont les tarifs d'assurance automobile sont fixés. Root Insurance a annoncé en 2020 qu'elle cesserait d'utiliser les scores d'assurance basés sur le crédit d'ici 2025 et a également appelé d'autres compagnies d'assurance à faire de même.

Lectures complémentaires

CAS a publié deux autres rapports de recherche sur la race et l'assurance plus tôt en mars alors qu'il évolue dans sa façon de penser les causes et les effets de la tarification de l'assurance pour les consommateurs. Ces rapports sont Méthodes de quantification des effets discriminatoires sur les classes protégées en assurance, et Approches pour lutter contre les préjugés raciaux dans les services financiers: leçons pour le secteur de l'assurance.

Le comité de la NAIC sur Course et assurance a également beaucoup de travail décrit et à venir, et des archives étendues commentaires des militants de l'industrie et des consommateurs sur la question.

La NAIC a déclaré avoir créé une équipe pour examiner les modèles de tarification qui utilisent l'analyse prédictive avec actuellement trois actuaires experts, dont l'un est également un spécialiste des données comportementales. L'organisation de normalisation a déclaré que bien qu'il n'existe aucun outil national utilisé par les régulateurs pour évaluer le biais algorithmique dans les modes, que ce soit dans l'entrée ou le résultat, un tel développement est évalué par différents États et sera discuté par le nouveau groupe Innovation, Cybersécurité et Technologie de la NAIC Comité.

Cependant, « les régulateurs recherchent des variables injustement discriminatoires et, lorsque la relation entre la variable est le risque n'est pas claire, peut demander à l'entreprise plus d'informations pour clarifier », a déclaré la NAIC Investopédia.