PROTEÇÃO PATRIMONIAL MUTUALISTA: COMPARAÇÃO DE CUSTEIO COM O SEGURO AUTOMÓVEL TRADICIONAL
DOI:
https://doi.org/10.12957/cadest.2025.94260Palavras-chave:
proteção patrimonial mutualista, seguro descentralizado, seguro automóvel, custeioResumo
O setor de seguros vem passando por transformações marcantes nos últimos tempos. Uma destas transformações é a introdução da chamada proteção patrimonial mutualista, regulamentada pela recém-publicada Lei Complementar n. 213/2025. Em comparação com o seguro “tradicional”, a proteção mutualista possui diferenças, em especial, no que se refere ao custeio. Em mercados internacionais, essa operação é chamada de seguros descentralizados ou mutual-aid. Ao contrário do seguro tradicional, onde o prêmio é estabelecido ex-ante, nesta operação, o “prêmio” é definido de forma ex-post por meio do rateio das despesas da carteira com sinistros. Com o uso de modelo de machine learning, que se mostrou o melhor em performance, este estudo compara os custos do seguro automóvel tradicional usando dados reais e públicos de apólices subscritas por seguradoras entre os anos de 2012 e 2020 (último ano disponível dos dados) com aquele que seria cobrado em um arranjo mutualista. Calculamos também o carregamento máximo sobre o prêmio que as administradoras de proteção patrimonial mutualista poderiam ter cobrado nestas apólices para que fossem, em média, tão atrativas para os segurados quanto o seguro tradicional. A presente pesquisa vem em momento crucial para o mercado de seguros e busca endereçar o custeio destes dois tipos de operação.
Downloads
Referências
AKERLOF, G. A. The market for “lemons”: Quality uncertainty and the market mechanism. Decision Science, v. 84, n. 3, p. 261-273, 2017.
ARNOTT, R. J.; STIGLITZ, J. E. The basic analytics of moral hazard. 1988.
BRASIL. Lei Complementar nº 213, de 15 de janeiro de 2005. Dispõe sobre o Sistema Nacional de Seguros Privados. Diário Oficial da União, Brasília, DF, janeiro de 2025.
BLIER-WONG, C. et al. Machine Learning in P&C Insurance: A Review for Pricing and Reserving. Risks, v. 9, n. 1, p. 4, 23 dez. 2020.
BORSELLI, A. Smart contracts in insurance: a law and futurology perspective. In: InsurTech: A Legal and Regulatory View. Cham: Springer International Publishing, 2019. p. 101-125.
BREIMAN, L. Random Forests. Machine Learning, vol. 45, no. 1, pp. 5–32, 2001.
BUTERIN, V. A next-generation smart contract and decentralized application platform. Ethereum White Paper, 2014. Disponível em: https://ethereum.org/en/whitepaper/. Acesso em: 10 out. 2023.
CNSP, 2021. Resolução CNSP n. 432, de 12 de novembro de 2021. Disponível em: www.susep.gov.br.
CHEN, T.; GUESTRIN, C. XGBoost. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. Anais. New York, NY, USA: ACM, 13 ago. 2016.
DHAENE, J. Decentralized risk-sharing: definitions, properties and characterizations – Pooling risks without a central insurer. Short course in IME congress at Chicago, Illinois, July 8, 2024.
FENG, R. Decentralized insurance: Technical Foundations of Business Models. Springer. 2023.
FERREIRA, P.P. Modelos de Precificação e Ruína de Seguros de Curto Prazo. Escola Nacional de Seguros. 2002.
FERREIRA, P. P; MANO, C. M. C. A. Aspectos Atuariais e Contábeis das Provisões Técnicas. Escola Nacional de Seguros. 2009.
GRACE, M. F. Regulation of Insurance Markets in the USA. In: Handbook of Insurance: Volume II. Cham: Springer Nature Switzerland, 2025. p. 457-482.
HENCKAERTS, R.; CÔTÉ, M.-P.; ANTONIO, K.; VERBELEN, R. Boosting Insights in Insurance Tariff Plans with Tree-Based Machine Learning Methods. North American Actuarial Journal, vol. 25, no. 2, pp. 255–285, 2021
IZBICKI, R.; SANTOS, T. M. Aprendizado de máquina: uma abordagem estatística. 1a edição ed. São Paulo- SP: Câmara Brasileira do Livro, 2020.
KAAS, R.; GOOVAERTS, M.; DHAENE, J. Modern actuarial risk theory. Springer Science & Business Media, 2008.
KITCHENS, F. L. Financial implications of artificial Neural Networks in automobile insurance underwriting. International Journal of Electronic Finance, v. 3, n. 3, p. 311-319, 2009.
KUNREUTHER, H. C.; PAULY, Mark V.; MCMORROW, Stacey. Insurance and behavioral economics: Improving decisions in the most misunderstood industry. Cambridge University Press, 2013.
MCCULLAGH, P.; NELDER, J. A. Generalized Linear Models. [s.l.] Routledge, 2019.
SCHÄR, F. Decentralized finance: on blockchain and smart contract-based financial markets. Review of the Federal Reserve Bank of St Louis, v. 103, n. 2, p. 153-174, 2021.
SUSEP, 2021. Circular Susep n. 639, de 9 de agosto de 2021. Disponível em: www.susep.gov.br.
SZABO, N. Formalizing and securing relationships on public networks. First monday, 1997.
RUBINSTEIN CAVALCANTI, L. A business model for vehicle insurance based on blockchain smart-contracts. 2018. Tese de Doutorado. Politecnico di Torino.
SU, X.; BAI, M. Stochastic gradient boosting frequency-severity model of insurance claims. PloS one, vol. 15, no. 8, p. e0238000, 2020.
TZOUGAS, G.; KUTZKOV, K. Enhancing Logistic Regression Using Neural Networks for Classification in Actuarial Learning. Algorithms, v. 16, n. 2, p. 99, 9 fev. 2023.
WERBACH, K. The blockchain and the new architecture of trust. MIT Press, 2018.
ZETZSCHE, D. A.; ARNER, D. W.; BUCKLEY, R. P. Decentralized finance. Journal of Financial Regulation, v. 6, n. 2, p. 172-203, 2020.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Eduardo Fraga Lima de Melo, Maria Tereza das Graças, Paulo Andrés Toro
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Declaramos que, em caso de aceitação do artigo, os autores permanecem com os direitos autorais do artigo, concedendo a revista Cadernos do IME – Série Estatística os direitos de primeira publicação e outros direitos de publicação não exclusivos referentes ao mesmo.
