Evolución de la Eficiencia en el Sector Asegurador Mexicano

Trabajo presentado para el XVI Premio de Investigación sobre Seguros y Fianzas 2009,

Act. Ricardo Erick Villarreal Azúa

“KINICH AHAU”

XVI Premio de Investigación sobre Seguros y Fianzas 2009

Tercer LugarCategoría de Seguros

1

ÍNDICE GENERAL

Reseña

1

Introducción

2

Capitulo primero

4

Capitulo Segundo

22

Capitulo Tercero

24

Capitulo Cuarto

28

Capitulo Quinto

35

Capitulo Sexto

54

Anexos

56

Bibliografía

117

RESEÑA

La Investigación de Operaciones es una rama de las Matemáticas que consiste en el uso de modelos y algoritmos para el apoyo en la toma de decisiones, su objetivo principal es optimizar o mejorar sistemas generalmente reales. Dentro de los modelos de Investigación de Operaciones existen los llamados Modelos de Frontera Eficiente que, como su nombre lo indica, permiten medir y comparar de manera objetiva la eficiencia para las distintas unidades analizadas. En el caso del sector asegurador estas herramientas permiten mejorar el desempeño de las compañías ante las condiciones de mercado cada vez más exigentes. Existen múltiples áreas de oportunidad para aplicar procesos de medición de la eficiencia, que pueden ir desde un nivel atómico (empleados, áreas o segmentos del negocio), hasta un nivel global (inter-compañía, países o regiones). Objetivo En este caso en particular, se plantea la medición de la eficiencia comparando las compañías aseguradoras participantes en el mercado mexicano con dos objetivos principales: -Evolución de la eficiencia del sector asegurador. Hipótesis principal del presente trabajo que consiste en medir le eficiencia del mercado de forma longitudinal mediante un panel de datos con el fin de evaluar si las compañías aseguradoras implementaron mejoras en sus procesos ante la apertura del mercado derivada del Tratado de Libre Comercio de América del Norte. -Análisis entre compañías. Este análisis de carácter transversal identifica los factores que definen a las compañías más eficientes e identifica las áreas de oportunidad para que las empresas menos eficientes puedan mejorar su desempeño. Importancia La importancia del estudio radica en otorgar una herramienta adicional para medir la eficiencia en las compañías aseguradoras y apoyar la toma de decisiones.

2

INTRODUCCIÓN

I.1 Marco

La apertura de los mercados internacionales demanda a las empresas enfrentar condiciones de competencia más estrictas y mejorar su desempeño para el cumplimiento de sus objetivos. La obtención de información integral para la toma de decisiones en la dirección es de suma importancia. En este sentido los métodos para la medición de la eficiencia son una herramienta que facilita la toma de decisiones, entre ellos podemos encontrar los índices parciales de productividad y los métodos de frontera. Dentro de los métodos de frontera encontramos enfoques distintos; los paramétricos y los no-paramétricos, siendo el método del Análisis de la Envolvente de Datos el que se utiliza en el presente trabajo.

Por otro lado los gobiernos reconocen la importancia de la participación en los mercados internacionales como un medio para alcanzar el crecimiento económico, asimismo, el acelerado crecimiento de la economía global requiere la modificación de leyes locales y el establecimiento de tratados de comercio internacionales para regular las relaciones comerciales.

El presente análisis se desarrolla en el marco la apertura del sector asegurador derivado del Tratado de Libre Comercio con América del Norte (TLCAN) y aborda la medición de la eficiencia del sector asegurador ante dicha apertura.

La apertura del sector financiero al capital privado nacional, realizada en 1990, sirvió como antecedente a la apertura internacional definida en el TLCAN que inicia en 1994. Derivado de las negociaciones del TLCAN se estableció la apertura paulatina del sector para permitir implementar mejoras y poder enfrentar la competencia con las empresas norteamericanas y canadienses. Las fechas establecidas para la apertura en el sector se muestran en la Tabla 0.1, la apertura derivada del TLCAN inicia en 1994 pero ya a partir de la privatización del sector en 1990 se permitía un máximo de participación de capital extranjero del 10%.

Tabla 0.1 Participación máxima de Capital Extranjero en el Sector Asegurador (TLCAN)Año (1° Enero) Participación (%) Año (1° Enero) Participación (%)

1990 10 1997 451994 30 1998 511995 35 1999 751996 40 2000 100

El presente análisis se enfoca en este punto, ya que mediante un panel que cubre de 1998 a 2005 se evalúa la eficiencia del sector asegurador y su relación con la apertura del mercado.

3

I.2 Objetivo

El objetivo principal del presente trabajo es otorgar una herramienta para el análisis de le eficiencia en el sector asegurador utilizando un modelo de frontera eficiente.

También permite a las compañías aseguradoras analizar su posición respecto a otras compañías y detectar áreas de oportunidad o ventajas competitivas respecto al resto del mercado.

Asimismo permite un análisis alternativo a los índices parciales de productividad con la ventaja que se pueden analizar múltiples factores a la vez.

I.3 Organización del Trabajo En el primer capítulo se presenta un marco general de la eficiencia; su definición, medición y los métodos que existen. Asimismo, se desarrolla el marco teórico del Análisis de la Envolvente de Datos, los modelos que existen y las orientaciones mediante las cuales se puede plantear el análisis.

En el segundo capítulo se presenta el desarrollo de la medición de la eficiencia, la evolución de la metodología del Análisis de la Envolvente de Datos y las aplicaciones que se han realizado en el sector asegurador así como las principales conclusiones obtenidas en dichos estudios.

El tercer capítulo ahonda en las características del mercado asegurador mexicano, la descripción del panel de datos utilizado durante el análisis, las fuentes disponibles para la obtención de las series y sus características. Así como el tratamiento a las variables para hacerlas comparables a lo largo del panel.

En el siguiente capítulo se analiza los criterios definidos para la selección de variables para el estudio, la definición de las variables utilizadas, así como el análisis realizado a la base de datos para evaluar su consistencia y detectar posibles errores de captura.

En el quinto capítulo se define la hipótesis y se analizan los resultados obtenidos desde las distintas perspectivas de análisis y divisiones por compañías. En él se revisan los casos particulares y las posibles razones que podrían ayudar a explicarlos.

Finalmente, en el séptimo capítulo se presentan las conclusiones generales derivadas del análisis realizado.

4

CAPÍTULO 1. MEDICIÓN DE LA EFICIENCIA

La eficiencia se vuelve un concepto cada vez más frecuente y familiar en la economía actual, hoy ya no es suficiente mantener un crecimiento constante, además se vuelve relevante hacerlo en mayor proporción que el resto de los competidores del mercado para asegurar no perder participación de mercado. Junto con este crecimiento, hacerlo de manera eficiente y utilizando los insumos en una proporción correcta permitirá asegurar la permanencia de la empresa y aprovechar sus ventajas respecto a sus competidores. En este capítulo se analizan los conceptos generales de la medición de la eficiencia y las distintas metodologías que existen para medirla. Así mismo se detalla el modelo conocido como Análisis de la Envolvente de Datos o DEA y su metodología (Data Envelopment Analysis) dado que este modelo se utiliza para el desarrollo de este trabajo. 1.1 Definición Eficiencia y Productividad.

Iniciemos por definir la eficiencia, según el diccionario de la Real Academia Española la eficiencia se define como “Capacidad de disponer de alguien o de algo para conseguir un efecto determinado” esta definición resulta demasiado general para el objetivo que persigue este trabajo. Revisando la siguiente definición “es el criterio económico que revela la capacidad administrativa de producir el máximo de resultados con el mínimo de recursos, energía y tiempo” encontramos un contexto más enfocado a la economía y a la utilización de recursos de manera óptima. Si analizamos la definición en los libros de economía podemos encontrar definiciones similares a la de M. Parkin que define a la eficiencia económica como “una situación en la que se minimiza el costo de producir una cantidad dada. La eficiencia económica implica eficiencia tecnológica (producir la máxima cantidad de producto posible a partir de factores de producción dados), así como usar factores de producción en sus proporciones que minimizan costos. La eficiencia económica ocurre siempre que las empresas maximizan beneficios”. En términos generales entendemos la eficiencia como la capacidad que se tiene para lograr un objetivo con el menor costo posible. Si tenemos un caso donde el objetivo implica el desperdicio de recursos o la obtención del mismo objetivo se puede realizar de otra forma con uso de menos recursos, entonces hablamos de que se es menos eficiente. Otro concepto de gran importancia es la productividad, se define como “la eficacia relativa con que se utilizan los recursos disponibles para producir bienes o prestar servicios. Cuando a partir de de los mismos recursos se obtienen en un período más o mejores bienes o servicios que en otros se dice que la productividad es más elevada o que se ha incrementado”.

1.2 Métodos para medir la eficiencia.

5

Existen varias metodologías para medir y analizar la eficiencia, en general las más conocidas son los índices parciales de productividad o cocientes simples y los modelos de frontera.

I) Índices parciales de productividad. Los índices parciales de productividad son cocientes entre el producto obtenido y la cantidad empleada de uno de los factores empleados en su producción. Estos índices son los más sencillos de calcular e interpretar. Las razones financieras.

Estas medidas son generalmente utilizadas por los administradores derivadas de los estados financieros. Las razones financieras se pueden clasificar de diferentes maneras, pero en general podemos distinguir cuatro grupos:

Las razones de rentabilidad miden la eficiencia de la administración de los recursos a través de los rendimientos generados sobre las ventas, el activo y la inversión, entre otros.

Razón de Rentabilidad Básica (RRB):

TotalActivopuestoseInteresesdeAntesUtilidadesRRB Im

=

Margen de la Rentabilidad sobre las Ventas (MRSV):

VentasComunessAccionistaparadispNetaUtilidadMRSV .

=

Rendimiento sobre el Activo (ROA):

TotalActivoComunessAccionistaparadispNetaUtilidadROA .

=

Rendimiento sobre el Capital (ROE):

CapitalComunessAccionistaparadispNetaUtilidadROE .

=

Las razones de liquidez o solvencia, evalúan la capacidad de la empresa para satisfacer sus obligaciones a corto plazo. Razón Circulante:

CirculantePasivoCirculanteActivoCirculanteRazón =

Prueba Ácida (PA):

6

PlazoCortoaPasivoNetasCobrarporCtasPlazoCortodeInvEfectivoPA .. ++

=

Razón de Capital de Trabajo:

VentasCirculantePasivoCirculanteActivosTrabajodeCapital −

=

Las razones de apalancamiento o estabilidad, miden el grado en el cual la empresa ha sido financiada mediante endeudamiento.

Razón de Deuda Total a Activo Total:

ActivoTotalTotalDeudadeudadeRazón =

Razón de Cobertura de Intereses (RCI):

IntereseporosCUAIIRCI

arg=

Las razones de actividad o productividad son aquellas que miden la eficacia con que son utilizados los recursos.

Rotación de Inventarios (RI):

sInventarioVentasRI =

Días de cobranza de ventas (DCV):

promediodiariasVentasCobrarporCuentasDCV =

Rotación de Activo Fijo (RAF):

NetoFijoActivoVentasRAF =

Rotación de Activo Total (RAT):

ActivoTotalVentasRAT =

Indicadores Parciales de Productividad.

7

Básicamente son una generalización de los indicadores anteriores y se utilizan para medir la productividad mediante la comparación del crecimiento del producto con el crecimiento de alguno de los insumos. Por ejemplo, la productividad del trabajo (producto por persona/hora) o el volumen de operaciones por empleado o sucursal.

Sin embargo, estos índices solo consideran uno de los factores utilizados, por lo que la mejora de un índice de productividad parcial puede deberse simplemente a un proceso de sustitución de insumos y no a una mejora de su eficiencia. Otro problema es que la productividad aparente de un recurso puede estar muy influida por otros recursos utilizados. Por esta razón, resulta necesario medir el efecto combinado de todos los factores en la producción, es decir, construir un indicador de la Productividad Total de los Factores (TFP).

II) Métodos de Frontera. En esta metodología es necesario definir la frontera eficiente que se compone a partir de la combinación de procesos óptimos, la cual puede ser de carácter paramétrica y no-paramétrica dependiendo del método empleado para su cálculo. La forma en que se mide la eficiencia es mediante la distancia entre la empresa y la frontera, aquellas empresas que producen sobre la frontera son empresas eficientes mientras que las que no lo hacen tienen posibilidades de mejorar sus prácticas en términos de eficiencia y productividad.

Métodos paramétricos.

Estos métodos utilizan una función de producción o de costos para estimar los parámetros que permiten caracterizar la frontera eficiente. Se utilizan procesos estocásticos que permiten considerar la existencia de ruido aleatorio generado por errores de medición o por factores que están fuera de control de la firma.

Los enfoques que existen son:

Stochastic Frontier Approach (SFA) donde a partir de una función de producción se obtiene la medida de la eficiencia con un parámetro estocástico de “perturbación” aleatoria y de distancia a la frontera.

Free Distribution Approach (FDA) permite la utilización de datos panel y permite tratar la heterogeneidad inobservable que las firmas pueden presentar a través del tiempo.

Métodos no paramétricos.

En este caso la frontera se construye a partir de los datos observados y no a partir de una forma funcional específica. Así mismo, se utiliza la programación matemática para calcular la frontera eficiente. El modelo más conocido es el del Análisis de la Envolvente de Datos (DEA). También existe el modelo de Free Disposable Hull Analysis (FDH) pero se considera como una variante del modelo de la DEA.

8

1.3 El modelo de frontera y los tipos de orientación. A continuación se presentan las perspectivas desde las cuales se puede plantear la medición de la eficiencia bajo los modelos de frontera. Estas perspectivas responden a la forma en que se pueden relacionar los recursos utilizados y los resultados obtenidos.

Orientación del insumo. La función describe el menor número de insumos necesario para alcanzar cierto nivel de producción.

Orientación de los resultados obtenidos. La función describe cuánto se pueden aumentar los resultados obtenidos sin modificar los insumos dados. I) Orientación del insumo. Para ilustrar esta idea, tomemos el siguiente ejemplo. Sean dos unidades de medición (DMU) que utilizan dos insumos ( )21, xx para obtener un solo resultado )(y , bajo el supuesto de rendimientos a escala constantes.

S’

P

Q

x1/y 0

S x2/y Figura 1.1 Eficiencia Técnica (Insumo)

En la figura 1.1 definimos 'SS como la isocuanta unitaria de una firma completamente eficiente, para permitir la medición de la eficiencia técnica.

Una isocuanta es una curva que muestra las diferentes combinaciones de trabajo y capital necesarios para producir una cantidad dada de producto, la palabra significa “igual cantidad”. Hay una isocuanta para cada nivel de producto. La isocuanta unitaria es la curva para producir una unidad de producto.

Si una firma usa ciertos insumos, definidos en el punto P , para producir una unidad, la ineficiencia técnica de la firma se puede representar mediante la distancia QP que es la cantidad en que los insumos pueden ser proporcionalmente reducidos para obtener el mismo nivel de producto.

La forma de expresar esta reducción en forma de porcentaje mediante el cociente PQP 0 se le

llama eficiencia técnica ( )ET , que representa el porcentaje en que todos los insumos pueden ser reducidos.

9

PQP

PQETI 0

100

−==

La ET toma valores entre cero y uno, otorgando un indicador del nivel de ineficiencia técnica de la firma. El valor 1 indica que la firma es eficiente técnica. Por ejemplo, el punto Q cumple con esta condición, ya que se encuentra en la isocuanta unitaria.

S

S’

P

R Q’

Q A

A’ x1/y

x2/y

0

Figura 1.2 Eficiencia Asignativa (Insumo)

Observando la figura 1.2 la línea 'AA representa el cociente entre los precios de los insumos, en este caso también se puede calcular la eficiencia asignativa. La eficiencia asignativa ( )EA en

una firma que opera en el punto P es definida por el cociente

QREAI 0

0=

La distancia RQ representa la reducción en costo de producción que se podría tener si la

producción se realizara en el punto de eficiencia asignativa 'Q , en lugar del punto de eficiencia

técnica, pero ineficiencia asignativa Q .

La eficiencia económica ( )EE total se define por el cociente

PREEI 0

0=

Donde la distancia RP se puede interpretar en términos de reducción de costos. Es importante observar que el valor de los tres indicadores de eficiencia toman valores entre cero y uno. Así mismo el producto de la eficiencia técnica y asignativa da como resultado el valor de la eficiencia económica.

10

III EEPR

QR

PQEAET ==⎟⎟

⎠

⎞⎜⎜⎝

⎛⎟⎠⎞

⎜⎝⎛=

00

00*

00*

Ésta medición de la eficiencia parte del supuesto que la función de producción de aquella firma completamente eficiente es conocida. En la práctica esta función no es conocida y la curva de eficiencia isocuanta debe ser estimada a partir de los valores observados. Farell sugiere dos formas de estimar la función de producción, mediante una frontera lineal no paramétrica convexa construida de tal forma que ningún punto observado se encuentre a la izquierda o debajo de la misma, o una función paramétrica ajustada a los datos tal que ningún punto observado se localice a la izquierda o debajo de ella.

II) Orientación de los resultados obtenidos. La medición de la eficiencia técnica medida mediante la orientación del insumo se enfoca en calcular cuánto se pueden reducir los insumos proporcionalmente sin cambiar el nivel de producción. Una forma alternativa de plantear el problema es responder cuánto se puede aumentar el nivel de producción sin modificar los insumos. Bajo este supuesto se plantea la medición de la eficiencia orientada a los resultados obtenidos. La diferencia entre las dos orientaciones se puede ilustrar mediante el ejemplo más simple que involucra un insumo y un solo producto.

A B

C

D

P

0

f(x)

x

y Figura 1.3 Eficiencia Técnica (Producto)

En la figura 1.3 podemos observar un ejemplo de rendimientos a escala decrecientes representado por ( )xf , y una firma operando en un punto ineficiente P . La medición de la

eficiencia técnica bajo la orientación del insumo es igual al cociente APAB , mientras que la medición de la eficiencia técnica bajo la orientación de los resultados esta representada por

CDCP .

11

A B

C

D

P

0

f(x)

x

y

Figura 1.4

A B

C

D

P

0

f(x)

x

y Rendimiento a escala constante Rendimiento a escala no constante

En la figura 1.4 se observa el caso de rendimientos a escala constantes y no constantes. La orientación del insumo y la de resultados otorgan medidas iguales bajo el supuesto de rendimientos a escala constantes y serán distintos cuando los rendimientos a escala sean crecientes o decrecientes. Podemos observar que la eficiencia técnica en el caso de rendimientos a escala constantes es igual para ambos modelos CDCPAPAB = para

cualquier punto ineficiente P .

Figura 1.5 Eficiencia Técnica y Productiva (Producto)

A

B

B’

C D

D’ 0

Z

Z’ y1/x

y2/x

Si analizamos la figura 1.5 que corresponde al caso donde la producción involucra dos resultados ( )21, yy y un solo insumo ( )x suponiendo nuevamente rendimientos a escala constantes. Podemos representar la curva de posibilidades de producción mediante la curva

'ZZ . El punto A representa una firma que produce en un punto ineficiente. Obsérvese que el

12

punto A se localiza por debajo de la curva, ya que en este caso la curva 'ZZ representa el límite superior de las posibilidades de producción.

La medición de la eficiencia desde la orientación de los resultados se define de la siguiente manera. La distancia AB representa la ineficiencia técnica, es decir, la cantidad que se podrían aumentar los resultados sin necesidad de más insumos. El valor de la eficiencia técnica bajo la orientación de los resultados es el cociente

BAETR 0

0=

Si conocemos los precios podemos obtener la línea de los isoingresos 'DD que permite calcular la eficiencia asignativa de la siguiente forma

CBEAR 0

0=

La cual se representa como el incremento en producción y la interpretación es similar a la reducción de costos en la orientación del insumo. La Eficiencia Económica se define nuevamente como el producto de las dos mediciones anteriores

RRR EAETCB

BA

CAEE =⎟

⎠⎞

⎜⎝⎛⎟⎠⎞

⎜⎝⎛=⎟

⎠⎞

⎜⎝⎛=

00

00

00

.

Donde las tres mediciones se encuentran acotadas entre cero y uno. Es importante mencionar que todas las medidas se generan a partir de una línea recta que va del origen al punto de producción observado. En consecuencia mantiene la relación de insumos (o resultados) constantes. Una ventaja de esta medición radial de la eficiencia es que es invariante ante cambios en la unidad de medición. Es decir, cambios en la unidad de medición (por ejemplo medir las horas laboradas en año-persona o en horas-persona) no producen cambios en el valor de las mediciones de eficiencia. Una medición no-radial, tal como la distancia más corta entre el punto de producción y la frontera de producción, puede ser utilizada pero esta medida no resultara invariante ante cambios en las unidades de medición.

III) Rendimientos de Escala. Los rendimientos a escala expresan cómo varía la cantidad producida a medida que varían todos los factores que intervienen en la producción en la misma proporción. Los rendimientos a escala se definen a partir de la función de producción que permite conocer la producción máxima para cada posible valor de x, valores como el punto P que se encuentra dentro de las posibilidades de producción no son de interés, solo lo son aquellos que se encuentran en la frontera definida por ( ) yxf = según corresponde en la figura 1.6.

13

y = f(x)

P

x 0

y Figura 1.6 Rendimientos de Escala

Existen tres tipos de rendimientos a escala, los rendimientos constantes a escala, se presentan cuando variando en una proporción determinada la cantidad de factores utilizados, la cantidad producida varía en la misma proporción, es decir, ( ) ( )kxfxkf = . Los rendimientos crecientes a escala se presentan cuando multiplicando los factores de producción por una cantidad determinada se obtiene una cantidad producida mayor a k, ( ) ( )xkfkxf > .

Los rendimientos decrecientes a escala ocurren cuando aumentando todos los factores de producción en la misma proporción, la cantidad producida aumenta en una proporción menor, ( ) ( )xkfkxf < . En general, cuando se presentan rendimientos crecientes o decrecientes a escala

se dice que se tienen rendimientos variables a escala. 1.4 Metodología del Análisis de la Envolvente de Datos. El análisis de la envolvente de datos (DEA) es un modelo no paramétrico para calcular la estimación de la frontera. Este modelo supone rendimientos a escala constantes o variables a continuación se detalla cada uno de ellos.

I) Modelo de rendimientos a escala constantes (CRS).

Desde el punto de vista del Insumo

Supongamos que se tienen:

n unidades de medición (DMU’s Decision Making Unit)

k insumos

m resultados obtenidos

ix los insumos para la i-ésima DMU

iy los resultados obtenidos para la i-ésima DMU

X la matriz de tamaño nk × de los insumos para las n DMU

14

Y la matriz de tamaño nm× para los resultados para las n DMU

El propósito del DEA es construir una frontera envolvente no-paramétrica de tal forma que todos los valores observados caen sobre o por debajo de la frontera de producción. El caso de la frontera donde se tiene un solo resultado y dos insumos, se puede interpretar como la intersección de los planos que forma la cubierta más ajustada para todos los puntos observados en el espacio tridimensional.

Supongamos que 0≥igx y que ,0, ≥hiy ;,...,2,1 ni = ;,...,2,1 kg = ;,...,2,1 kh = y que cada DMU

utiliza al menos un insumo y genera al menos un resultado.

Se desea obtener para cada DMU una medición de eficiencia mediante el cociente de todos los resultados entre todos los insumos, de la forma ii xvyu '' donde, u es un vector de tamaño

1×m con los pesos de los resultados y v es un vector de tamaño 1×k con los pesos de los insumos.

La idea es obtener los pesos óptimos, el planteamiento del problema de programación es el siguiente:

( ),''max , iivu xvyu

s.a. ,,...,2,1,1'' njxvyu jj =≤

.0, ≥vu

Esto involucra encontrar los valores de u y v tal que la medición de eficiencia de la i-ésima DMU es máxima, sujeto a la restricción que la medición de eficiencia debe ser menor o igual a uno. Un problema es que el planteamiento tiene un número infinito de soluciones ya que si ( )**, vu son solución entonces ( ) 0,, ** >ααα vu también será solución.

Para evitar esta situación se puede realizar la siguiente transformación1 1' =ixv que resulta en:

( ),'max , iyμγμ

s.a. ,1' =jxγ

.,...,2,1,0'' njxy jj =≤− γμ

0, ≥γμ ,

donde el cambio de variables de u a μ y de v a γ reflejan la transformación.2

Utilizando el programa dual, se deriva una forma envolvente equivalente para el problema.

,min , θλθ

s.a. ,0≥+− λYyi

1 Transformación desarrollada por Charnes y Cooper que selecciona una solución representativa. (1962) 2 Esta forma es conocida como la forma “multiplicativa” del problema de programación lineal. Los pesos representados en las variables v y μ se conocen como la Normalización de los Precios.

15

,0≥− λθ Xxi

,0≥λ

Donde θ es un escalar y λ es un vector de tamaño 1×n donde cada entrada es constante. Esta forma envolvente involucra menos restricciones que la forma anterior y es la que se utiliza generalmente. El programa dual está asociado a los problemas de Programación Lineal (PL) llamados el problema primario y el problema dual. Es decir, cada problema de maximización en la PL tiene un problema con una solución correspondiente, llamado el problema dual, el cual requiere minimizar el problema; asimismo, cada problema de minimización tiene su problema dual correspondiente mediante una maximización.

El valor obtenido para θ será la calificación para la i-ésima DMU. Este valor satisface que 1≤θ , donde un valor de 1=θ indica un punto que pertenece a la frontera eficiente, sin

embargo una DMU que está en la frontera puede ser eficiente o ineficiente.

Desde el punto de vista de los resultados obtenidos

La medición de la eficiencia técnica vista desde la posibilidad de incrementar los resultados con los mismos insumos provee los mismos resultados bajo el modelo de rendimientos constantes a escala.

El modelo que se obtiene es el siguiente:

( )iivu yuxv ''min ,

s.a. njyuxv jj ,...,2,1,1'' =≥

0, ≥vu

Al seleccionar la solución representativa 1' =yu el problema equivalente en programación lineal es:

( )ix'min , γγμ

s.a. ,1' =iyμ

njxy ,...,2,1,0'' =≥+− γμ

0, ≥γμ

Cuyo programa dual es:

( )φλφ ,max

s.a. 0≥− λXxi ,

0≥− iyY φλ ,

16

0≥λ ,

1'1 =λn

Básicamente la diferencia responde a las necesidades del la investigación ya que habrá estudios a los cuales les interese determinar cierta cantidad de producción y definir cuáles son los insumos mínimos para alcanzarla. En otros casos para las DMU de la industria es más fácil determinar una cantidad fija de insumos y cuestionar cuál es la producción máxima posible. En todo caso un factor importante para seleccionar la orientación será a partir de los factores en los que la compañía tenga un mayor control, los insumos o los resultados.

II) Deficiencias. Los elementos lineales que conforman la frontera no paramétrica en el modelo DEA pueden generar problemas en la medición de la eficiencia. Estos problemas se generan porque hay secciones de la frontera que son paralelos a los ejes, lo que no ocurre en la mayoría de las funciones paramétricas.

S’

A

D x1/y 0

S x2/y

Figura 1.7 Deficiencias

A’ B

B’ C

En la figura 1.7 podemos observar que los puntos de las DMU’s C y D definen la frontera eficiente y los puntos A y B son DMU’s que operan de manera ineficiente. La medición de la eficiencia técnica para el punto A y el punto B serían AA 0'0 y BB 0'0 respectivamente. La

deficiencia se presenta en el caso de la DMU A , ya que al proyectar el punto ineficiente en la frontera y obtener el punto “eficiente” 'A aún podríamos reducir el insumo 2x hasta el punto

C y seguir produciendo lo mismo, es decir, la deficiencia es el exceso del insumo resultante de la proyección de una DMU ineficiente sobre la frontera eficiente construida a partir de la DEA. También pueden existir deficiencias desde el punto de vista del producto o resultado obtenido.

En los casos donde se tienen más insumos o productos no resulta tan fácil realizar una gráfica de lo que sucede pero existe la posibilidad de que las deficiencias se presenten.

17

Si se desea que no existan deficiencias o lo que es lo mismo que las deficiencias sean igual a cero se necesita la condición 0=− λθ Xxi en el caso del insumo y 0=− iyYλ en el caso del

producto.

III) Modelo de rendimientos a escala variables (VRS).

Desde el punto de vista del Insumo

Los rendimientos variables a escala permiten abarcar las distintas formas de la función de posibilidades de producción. Generalmente se presentan cuando existen restricciones financieras o una competencia imperfecta. En el caso de que existieran condiciones y se realizara la medición bajo el supuesto de rendimientos constantes a escala se tendría que la medición de la ET se confundiría con la eficiencia de escala. La utilización de rendimientos constantes a escala permite la medición de la eficiencia técnica libre del efecto de la eficiencia de escala.

El modelo de rendimientos a escala variable fue propuesto por Banker, Charnes y Cooper (1984). La frontera de producción del modelo de rendimientos a escala variables se compone por la superficie convexa más cercana a las DMUs.

Frontera de Producción

Conjunto de posibilidades de producción

Resultado

Insumos

Figura 1.8

Conjunto de posibilidades de producción

Resultado

Insumos

C

A

B

Rendimientos a Escala Constantes Rendimientos a Escala Variables

0 0

Como se puede observar en la figura 1.8 las características que presenta la frontera del modelo de rendimientos variables a escala son, (A) rendimientos a escala crecientes en el primer segmento, (B) rendimientos a escala decrecientes en el segundo segmento y (C) rendimientos a escala constantes en el punto donde se realiza la transición del primer al segundo segmento. Al igual que en el modelo de rendimientos constantes a escala pueden existir deficiencias.

El modelo de rendimientos variables a escala se obtiene agregando la restricción de convexidad 1'1 =λN para obtener:

,min , θλθ

s.a. ,0≥+− λYyi

18

,0≥− λθ Xxi

1'1 =λN

,0≥λ

donde 1N es un vector de unos de tamaño 1×N . Esta restricción genera la estimación de la corteza convexa más estrecha generada a partir de los planos que envuelven las observaciones. El modelo de rendimientos variables a escala genera mediciones de la eficiencia técnica mayores o iguales a los obtenidos utilizando rendimientos a escala constantes.

La medición de la eficiencia de escala se realiza mediante la descomposición de la eficiencia técnica en dos componentes, la ineficiencia de escala y la eficiencia técnica “pura”. Para obtener esta medición se requiere aplicar los modelos de rendimientos constantes a escala y rendimientos variables a escala sobre la mismas DMU’s. Si existe diferencia entre las mediciones de la eficiencia técnica para una DMU implica que dicha DMU presenta ineficiencia de escala, la cual puede ser calculada como la diferencia entre la eficiencia técnica bajo rendimientos variables a escala y la eficiencia técnica bajo rendimientos constantes a escala.

CV ETETES −=

y

x

PV A

Q

P PC

Rendimientos a Escala

Constantes

Rendimientos a Escala Variables

Figura 1.9 Rendimientos a escala

0

En la figura 1.9 se observa el ejemplo donde se tiene un solo insumo y un solo producto y se grafican el caso de rendimientos constantes a escala y de rendimientos variables a escala. La ineficiencia técnica para el punto P bajo rendimientos constantes a escala es la distancia de

CPP mientras que bajo rendimientos variables a escala la ineficiencia técnica solo sería VPP .

La diferencia entre las dos eficiencias técnicas da como resultado la ineficiencia de escala. Estas medidas de la eficiencia también se pueden definir como cocientes delimitados entre cero y uno de la siguiente manera:

APAPET C

CRSI =,

APAPET V

VRSI =,

19

V

CI AP

APSE =

Obsérvese que también se cumple

( ) ( )VCVCIVRSICRSI APAPAPAPAPAPSEETET **,, =⇒=

Esta es la razón por la que la medición de la eficiencia técnica se descompone en eficiencia técnica “pura” y eficiencia de escala.

Una limitante en la medición de la eficiencia de escala es que el valor no nos indica si se esta operando en un área de rendimientos a escala crecientes o decrecientes. Esto puede ser medido ejecutando un modelo adicional con la restricción de rendimientos a escala no crecientes. Para esto se requiere sustituir la restricción 1'1 =λN por 1'1 ≤λN para obtener.

,min , θλθ

s.a. ,0≥+− λYyi

,0≥+ λθ Xxi

0'1 ≤λN

,0≥λ

x 0

yFigura 1.10 Rendimientos a escala no crecientes

PV P PND A

Q

Rendimientos a Escala no Crecientes

Rendimientos a Escala Variables

En la figura 1.10 podemos observar la frontera bajo rendimientos de escala no crecientes (NIRS) Si una DMU en particular esta produciendo en la zona de rendimientos crecientes a escala la medición de la eficiencia técnica será distinta bajo rendimiento de escala variables y rendimientos de escala no crecientes como ocurre en el punto P . En caso de que el valor de la eficiencia técnica sea la misma, como en el punto Q , la DMU se encuentra en la zona de rendimientos de escala decrecientes.

Desde el punto de vista del Producto

El modelo desde el punto de vista del producto es muy similar al del Insumo y su planteamiento es de la siguiente forma:

20

,max , φλφ

s.a. ,0≥+− λφ Yyi

,0≥− λXxi

1'1 =λN

,0≥λ

donde ,1 ∞<≤ φ y 1−φ es el incremento proporcional en los resultados que se podría obtener para la i-ésima DMU manteniendo los insumos constantes.

Obsérvese que la calificación de la eficiencia técnica que esta comprendida entre cero y uno se define mediante φ1

IV) Elección de la Orientación Insumo-Producto.

La medición de la eficiencia técnica otorga la misma calificación bajo rendimientos de escala constantes sin importar cual es la orientación que se plantea. Bajo los rendimientos de escala variables la medición de la eficiencia técnica no es la misma sin embargo la elección de la orientación bajo rendimientos de escala variables no es crucial para el modelo DEA. La razón es que las distintas orientaciones definen las mismas DMU’s como eficientes y a partir de ellas calculará la frontera, solo la calificación de la eficiencia asociada a las DMU’s ineficientes será distinta entre las dos orientaciones.

En principio la selección de la orientación obedece a las variables sobre las que la administración tenga un mayor control. En algunos casos se tendrá definido la cantidad a producir y lo que se desea saber es la cantidad mínima de insumos que se deben utilizar, un ejemplo es la industria eléctrica. En otros casos se define una cantidad de recursos fijos y lo que se desea saber es la mayor cantidad posible de producir.

V) Información de los precios y eficiencia asignativa. Si se conoce la información de los precios se puede obtener la medición de la eficiencia asignativa, adicional a la medición de la eficiencia técnica, ya sea para una minimización de costos o una maximización de ingresos. Para el caso de rendimientos de escala variables si se desea minimizar los costos, primero se tiene que resolver el modelo DEA desde el punto de vista del insumo y obtener la medición de la eficiencia técnica, una vez obtenida se tiene que correr el siguiente modelo de minimización de costos.

*'min *, iixi xwλ ,

s. a. 0≥+− λYyi ,

0* ≥− λXxi ,

1'1 =λN

0≥λ ,

21

donde iw es el vector de precios de los insumos y *ix (que es calculado por el modelo lineal

anterior) es el vector de las cantidades de insumos para la i-ésima DMU que minimiza los costos dados los precios iw y la cantidad de producto iy .

El costo de eficiencia para la i-ésima DMU se calcula como

ii

ii

xwxwCE'

*'= .

Donde CE es el cociente entre el costo mínimo y el costo observado. La eficiencia asignativa residual será

ETCEEA = .

Es importante considerar que este procedimiento incluye “deficiencias” en la medición de la eficiencia asignativa. Esta deficiencia ha sido interpretada como una mezcla inapropiada de insumos (Ferrier y Lovell, 1990).

De manera análoga se puede plantear una maximización de ingresos y una ineficiencia asignativa en la selección de la mezcla de productos.

1.5 Ventajas de la DEA. Después de detallar los modelos de frontera y revisar la metodología del modelo DEA encontramos que existen varias ventajas respecto a las aproximaciones paramétricas. Algunas de ellas son que; no impone una forma particular de la frontera de producción, permite utilizar múltiples productos y múltiples insumos, emplea únicamente información empírica por lo que no necesita establecer ningún supuesto sobre la forma funcional de la frontera eficiente, no se requiere ningún supuesto acerca del error estocástico, es menos demandante en términos de grados de libertad que las aproximaciones paramétricas y finalmente permite evaluar la eficiencia para múltiples productos a la vez, lo que todavía no se puede realizar de manera satisfactoria desde una perspectiva paramétrica o mediante el uso de índices parciales de productividad. En el presente capítulo se presentó el marco teórico de la eficiencia y de la productividad así como de los distintos métodos que existen para medirla. Se detalló el método de frontera no paramétrica de la DEA y se puntualizaron sus ventajas respecto a los modelos paramétricos. En el siguiente capítulo daremos una visión general sobre estudios realizados por otros autores sobre la utilización de la DEA en la medición de la eficiencia en el sector financiero y en particular en el sector asegurador.

22

CAPÍULO 2. PERSPECTIVA SOBRE LA EFICIENCIA Y SU MEDICIÓN EN EL SECTOR ASEGURADOR

A continuación se presenta un marco general sobre el desarrollo de la medición de la eficiencia, la metodología de la DEA y su aplicación en el sector asegurador con el tipo de análisis y las principales conclusiones de cada estudio.

El trabajo de Farrell (1957) se considera como el trabajo sobre el cual se construye el marco teórico de la medición de la eficiencia, introduce el concepto de la ineficiencia como la desviación de una empresa respecto a la frontera optima de producción. En este mismo trabajo plantea que la eficiencia se compone de dos elementos: la eficiencia técnica, que refleja la capacidad de una empresa para obtener el producto máximo con un conjunto de insumos disponibles, y la eficiencia asignativa, que permite utilizar los insumos en proporción óptima respecto a sus precios relativos. La combinación de estas medidas da como resultado la eficiencia económica.

La metodología de la DEA fue introducida por Charnes, Cooper y Rhodes (1978) y, como ya se definió en el capítulo anterior, busca establecer cuáles unidades de la muestra determinan una superficie envolvente o frontera eficiente. Las que están sobre la frontera son consideradas eficientes y las que están por debajo de la misma se consideran ineficientes.

Banker, Charnes y Cooper (1984) propusieron una extensión del modelo para los casos cuando existen rendimientos variables a escala. Esta propuesta forma una envoltura más cercana a las unidades observadas por lo que la calificación otorgada será mayor o igual a la otorgada mediante rendimientos constantes.

Posterior a esta extensión Banker y Morey (1986) introdujeron variables no discrecionales que fueron utilizadas por Ray (1991) y Fried y Novell (1996). Dyson y Thanassoulis (1988) incorporaron información a priori a los estudios de la medición de la eficiencia mediante la DEA.

Dentro del análisis de las empresas dentro del sector financiero y en particular del asegurador mediante el modelo DEA encontramos el estudio realizado por Cummins, Weiss y Zi (1997) donde se comparan la eficiencia en la industria del sector asegurador entre las instituciones de seguro y las sociedades mutualistas. Los resultados indican que las instituciones de seguro y las compañías mutualistas operan en fronteras de costo y producción distintas, lo que significa que utilizan distintas tecnologías. La tecnología de las instituciones de seguro domina a las sociedades mutualistas al producir vectores de salida de seguros y la tecnología de las sociedades mutualistas domina a las instituciones de seguro al producir vectores de salida mutualistas. Si se combinan las fronteras, las instituciones de seguro dominan a las mutualistas en la mayor parte de la frontera. Esto implica que las compañías de seguros son mejores seleccionando la combinación de insumos. La conclusión según Cummins, Weiss & Zi es que dichas compañías se ubican en segmentos de mercado donde tienen ventaja comparativa en minimizar su costo de producción, es decir, los distintos tipos de compañías producen en fronteras distintas pero existe evidencia que las aseguradoras son mejores minimizando costos.

Stephen Diacon (2001) realizó un estudio para las compañías del Reino Unido (R.U.) comparando 431 compañías autorizadas en seis países de Europa. En primera instancia se comparan las compañías de manera local para cada uno de los países europeos y posteriormente se comparan de manera global.

23

Las compañías del R.U. tienen la posibilidad de ser las más eficientes en Europa ya que presentan el índice de productividad promedio más alto por país (1999). Sin embargo, no son las compañías del R.U. las que están implementado el potencial de su mejoramiento en su eficiencia.

En este mismo estudio se compara le eficiencia entre los países sin importar la procedencia de las compañías que componen el mercado local. Francia y Alemania son los competidores más eficientes una vez que se estandarizaron las variables para hacerlas comparables.

Finalmente se analizan las diferencias “inter-compañías” utilizando un modelo de regresión Tobit. A diferencia de Charnes, Cooper y Rhodes concluye que las sociedades mutualistas, que participan en nichos de mercado más pequeños, son más eficientes que sus contrapartes. Plantea la problemática entre la eficiencia y el riesgo, sugiere que están relacionadas positivamente y que a mayor eficiencia mayor riesgo. Hardwick y Guirguis (2007) publican un artículo en el libro Handbook of International Insurance editado por Cummins y Venard. En él analizan el desarrollo y funcionamiento de la industria aseguradora en el Reino Unido. En este estudio utilizan un panel de datos para el período de 1994 a 2001 y compara las calificaciones que en promedio arrojan las compañías de la industria. Comparando con otros estudios, los índices de eficiencia siguieren que el Reino Unido tiene una de las industrias aseguradoras más competitivas del mundo. Para mantener esta posición la industria debe implementar mejoras en su productividad y costos. Así mismo concluye que la industria tiene un nivel relativamente alto de concentración de mercado. Para la supervivencia de las compañías pequeñas dependerá de su capacidad de asegurar nichos de mercado o crecer mediante fusiones de distintas compañías. Para las compañías grandes requieren desarrollar productos y estrategias de expansión para competir exitosamente en el mercado global. Los estudios se enmarcan en el carácter global que adquieren los mercados tanto en el ámbito de la apertura y en consecuencia la adquisición y fusión de empresas para posicionarse o asegurar su permanencia en el mercado. Otro elemento importante es la especialización en nichos de mercado que aseguren su permanencia, tal es el caso de las compañías mutualistas. La medición y mejora del desempeño de las empresas es hoy una tarea fundamental, el análisis mediante la DEA otorga una herramienta práctica para esta tarea. En este contexto la apertura del mercado mexicano mediante el Tratado de Libre Comercio con América del Norte y la desregulación del sector financiero, en particular el de sector asegurador, dan un marco ideal para el estudio de la eficiencia, la preparación del mercado para su apertura y el efecto de la intervención del capital extranjero. En el siguiente capítulo se presenta un panorama general del sector asegurador en México, se analiza el panel de datos y las generalidades a considerar sobre los mismos.

24

CAPÍTULO 3. DESCRIPCIÓN DEL PANEL DE DATOS (1998-2005) En el presente capítulo presentamos las características generales del sector asegurador en México al cierre de 2005, el comportamiento del mercado y su concentración, posteriormente se detallan las tres fuentes de donde provienen los datos del presente estudio. 3.1 Panorama sobre el Sector Asegurador en México. Según el anuario estadístico y el boletín de análisis sectorial de la CNSF, la estructura del sector asegurador al finalizar el 2005, año final del análisis del panel de datos, estaba conformada por 86 compañías, de las cuales una era institución nacional de seguros, una sociedad mutualista de seguros y el resto instituciones de seguros privadas. De las 86 instituciones, 6 empresas estaban incorporadas a algún grupo financiero, mientras que 39 presentaban capital mayoritariamente extranjero, con autorización para operar como filiales de instituciones financieras del exterior. Al cierre de 2005, 51 compañías del sector asegurador operaron seguros de Vida, en tanto 68 compañías operaron seguros de No-Vida.

De 1990 al 2005 el número de compañías aseguradoras se ha duplicado pasando de 43 a 86 compañías. Si nos remitimos al período que comprende el presente estudio, el número de empresas pasa de 68 en 1998 a 86 en 2005.

Dentro de la evolución de la estructura del sector asegurador destacan dos periodos de incorporación de empresas al mercado mexicano, de 1994 a 1997 y de 2002 a 2004. Durante el primer periodo (1994 – 1997) se incorporan un total de 26 compañías nuevas de las cuales 22 son compañías filiales, derivado de la apertura del mercado y la eliminación de la restricción de capital mínimo mexicano en las compañías que justo inicia en 1994. El segundo período (2002 – 2004) se incorporan un total de 17 compañías al mercado nacional de las cuales 7 son compañías filiales. En el 2005 dos terceras partes de la compañías aseguradoras tienen participación extranjera.

El incremento de la participación extranjera en el mercado mexicano ha sido acelerado desde 1994, el caso de Seguros Comercial América3, así como Aseguradora Hidalgo que fue comprada por la compañía estadounidense Metropolitan Life Insurance Company (Metlife) en cerca de un billón de dólares. Seis de las diez compañías más importantes en México son filiales.

Otro elemento importante dentro del sector asegurador en México es la participación de los grupos financieros ya que los bancos pueden obtener ventajas sobre su sistema de sucursales lo que les permite ofrecer menores precios en sus servicios y reducir los costos en el pago de los agentes.

El crecimiento del sector asegurador se conformó de la siguiente manera. El total de las primas emitidas por el sector asegurador, al cierre del 2005, ascendió a 142,874.3 millones de pesos, de los cuales, el 98.1% (140,208.2 millones de pesos) correspondió al seguro directo, mientras que el restante 1.9% (2,666.0 millones de pesos) se debió a primas tomadas en reaseguro. En consecuencia, las primas directas reportaron un decremento real del 2.1% respecto al año anterior.

3 Compañía que hoy es subsidiaria de Seguros Axa.

25

Las operaciones de Vida experimentaron decrementos del 5.0%, las de Daños un decremento de 2.9%, la operación de Accidentes y Enfermedades experimentó un incremento del 13.0% y los seguros de Pensiones derivados de las leyes de Seguridad Social presentaron un decremento en términos reales de 13.8%. Todos los cambios son en términos reales respecto al cuarto trimestre del año anterior. La concentración del mercado es medido por la CNSF mediante dos índices; el índice CR5 y el índice de Herfindahl. El índice CR5 suma las cinco participaciones de mercado más importantes, al cierre del 2005 el índice se ubicó en 57.62 compuesto por GNP, Metlife, Axa, Inbursa y Seguros Monterrey. El índice de Herfindahl es la suma de los cuadrados individuales de las empresas y su valor se ubica entre 0% y 100%, valdrá 100% en caso de monopolio y tenderá a cero mientras mayor sea el número de empresas en el mercado. El índice de Herfindhal se ubico en 9.1% al finalizar diciembre de 2005.

Para el análisis que se realiza para el sector asegurador en México, el panel que se utiliza se compone de 44 compañías que han operado de manera continua a lo largo del período comprendido entre 1998 y 2005. Según las cifras publicadas por la CNSF el segmento de mercado que cubren dichas compañías a diciembre de 2005 comprende el 92% del sector asegurador lo que permite cubrir un espectro importante del mercado. Se cuenta con la información de las 17 compañías más importantes, en su conjunto cubren el 85% del mercado (Tabla 3.1).

26

Nombre Compañía Participación %Grupo Nacional Provincial, S.A. 18.1Metlife México, S.A. 15.4Seguros Axa, S.A. de C.V. 13.36Seguros Inbursa, S.A. 6.02Seguros Monterrey New York Life, S.A. de C.V. 4.74Seguros BBVA Bancomer, S.A. de C.V. 4.1Quálitas, Compañía de Seguros, S.A. 3.16Seguros Banorte Generali, S.A. de C.V. 2.91Aba Seguros, S.A. de C.V. 2.46Mapfre Tepeyac, S.A. 2.35Seguros Banamex , S.A. de C.V. 2.32Zurich, Compañía de Seguros, S.A. 2.14Seguros Atlas, S.A. 1.96Allianz México, S.A., Compañía de Seguros. 1.67Ace Seguros, S.A. 1.59AIG México, Seguros Interamericana, S.A. de C.V. 1.43Aseguradora Interacciones, S.A. 1.21General de Seguros, S.A. 0.69Metropolitana, Compañía de Seguros, S.A. 0.65Reaseguradora Patria, S.A. 0.62Seguros Santander Serfin, S.A. 0.6Seguros Afirme, S.A. de C.V. 0.53Patrimonial Inbursa, S.A. 0.48Grupo Mexicano de Seguros, S.A. de C.V. 0.46GE Seguros, S.A. de C.V. 0.43Zurich Vida, Compañía de Seguros, S.A. 0.35Ana Compañía de Seguros, S.A. de C.V. 0.31QBE del Istmo México, Cia. de Reaseguros, S.A. de C.V. 0.26Agroasemex, S.A. 0.23Tokio Marine Compañía de Seguros, S.A. De C.V. 0.23Protección Agropecuaria, Compañía de Seguros, S.A. 0.21La Latinoamericana Seguros, S.A. 0.2Chubb de México, Compañía de Seguros, S.A. de C.V. 0.18Seguros el Potosí, S.A. 0.14Atradius Seguros de Crédito, S.A. 0.12La Peninsular Seguros, S.A. 0.12El Águila, Compañía de Seguros, S.A. de C.V. 0.09Sompo Japan Insurance de Mexico, S.A. de C.V. 0.05Royal & Sunalliance Seguros (México), S.A. de C.V. 0.03Hir Compañía de Seguros, S.A. de C.V. 0.03Principal México, Compañía de Seguros, S.A. de C.V. 0.02Gerling de México Seguros, S.A. 0.02Torreón, Sociedad Mutualista de Seguros 0.01Skandia Vida, S.A. de C.V. 0.001

Tabla 3.1 Participación de Mercado en el Sector Asegurador según las primas emitidas a diciembre de 2005

27

3.2 Fuentes disponibles.

Los datos utilizados provienen de tres fuentes disponibles en la CNSF; el estado de resultados, el balance general (publicados trimestralmente) y la información correspondiente a la “Revista: Actualidad en Seguros y Fianzas” (publicada anualmente).

La condición para que una empresa entrara en el análisis es que su información no presentara faltantes en el período de interés para ninguna de las tres fuentes mencionadas anteriormente, no así el hecho de que presentara observaciones atípicas ya que posteriormente se validó la calidad en la información en este sentido. El Balance General no presenta faltantes para el total de trimestres comprendidos entre 1998 y 2005, en el caso del Estado de Resultados, a pesar de tener la información trimestral, sólo se requiere el saldo al cierre de diciembre dado que está definido a una fecha determinada, y el número de empleados es un dato anual.

En el Anexo B se presentan las series originales obtenidas de la CNSF para las variables del Balance General, Estados de Resultado y el número de Empleados antes de deflactar.

Para el análisis, las variables obtenidas del balance general y del estado de resultados se re expresan para obtener sus valores a precios constantes mediante el INPC, este índice es publicado por el Banco de México los primeros diez días del mes siguiente, la serie se obtiene de la página del Servicio de Administración Tributaria (SAT) con los valores indicados en la Tabla 3.2.

Ene Feb Mar Abr May Jun Jul Ags Spt Oct Nov Dic2005 112.554 112.929 113.438 113.842 113.556 113.447 113.891 114.027 114.484 114.765 115.591 116.3012004 107.661 108.305 108.672 108.836 108.563 108.737 109.022 109.695 110.602 111.368 112.318 112.5502003 103.320 103.607 104.261 104.439 104.102 104.188 104.339 104.652 105.275 105.661 106.538 106.9962002 98.253 98.190 98.692 99.231 99.432 99.917 100.204 100.585 101.190 101.636 102.458 102.9042001 93.765 93.703 94.297 94.772 94.990 95.215 94.967 95.530 96.419 96.855 97.220 97.3542000 86.730 87.499 87.984 88.485 88.816 89.342 89.690 90.183 90.842 91.467 92.249 93.2481999 78.119 79.169 79.904 80.637 81.122 81.655 82.195 82.658 83.456 83.985 84.732 85.5811998 65.638 66.787 67.569 68.201 68.745 69.557 70.228 70.903 72.053 73.085 74.380 76.195

Tabla 3.2 Índice Nacional de Precios al Consumidor

Año Índice Nacional de Precios al Consumidor

Las cifras correspondientes a enero de 1998 y meses posteriores han sido publicadas en el DOF. conforme a las base 1994=100. La serie fue obtenida de la página del SAT.

El Balance General es un caso particular ya que la información presentada corresponde a un intervalo de tiempo “Balance General del… al…” (en este caso trimestral), mientras las otras fuentes se presentan de forma anual. Para resolver esta situación se suman los 4 trimestres del año. Se podría pensar que tomar el promedio podría ser mejor opción ya que hay activos o pasivos que son comunes durante todo el año. Ante este planteamiento debemos considerar que no existirán diferencias en los resultados ya que el modelo DEA es invariante ante transformaciones lineales en las variables utilizadas.

Los empleados en la Revista Actualidad en Seguros y Fianzas se reportan de la siguiente manera; Fuerza Productiva y Personal Ocupado. La Fuerza Productiva se divide en Agentes Persona Física Definitivos, Agentes Persona Física Provisionales y Agentes Persona Moral. El

28

Personal Ocupado en Funcionarios y Empleados. Para obtener mediciones más robustas se suma el total de empleados sin distinguir la clasificación realizada por la CNSF.

En el Anexo C se presentan las series deflactadas y el promedio de las variables provenientes del Balance General, estas series son las que se utilizan para el análisis.

Es importante considerar que los resultados obtenidos no son comparables con otros estudios como los de Cummins, Diacon y Hardwick por varios factores. El primero y más importante es la regulación, en México las prácticas proteccionistas aplicadas desde 1982 a 1994 dificultan el análisis comparativo de los resultados, es hasta 1994 que mediante el TLCAN se enmarca legalmente la apertura del sector asegurador culminando en el año 2000. Otros factores son las normas de contabilidad aplicables y otros factores específicos del país que pueden influir en la medición de la eficiencia.

En el siguiente capítulo se presenta de manera detallada el procedimiento y criterios para la selección de variables del universo entre las tres fuentes de datos disponibles.

CAPÍTULO 4.SELECCIÓN DE VARIABLES

Uno de los principales retos al medir la eficiencia de las aseguradoras mediante la DEA, y en general de las empresas del sector financiero, radica en definir los insumos y los productos que se utilizan para el análisis. Esto se debe a que, la mayoría de las veces, tanto los insumos como los servicios que proveen son intangibles y más aún, en algunas ocasiones, difíciles de medir. También existen problemas al tratar de definir los bienes y servicios intermedios ya que algunos contienen características tanto de insumos como de productos. A continuación se presenta una clasificación general par las variables, la definición de las variables usadas en el estudio y los criterios para su selección. 4.1 Clasificación de las variables en el sector asegurador. Los insumos los podemos clasificar de manera general en tres grandes grupos, variables de costo laboral y operación, reservas y capital. En caso de que no se conozca el número de empleados se puede utilizar los gastos de operación o algún tipo de costo relacionado con las ventas para aproximarlo. Para el capital se puede usar el capital financiero, los resultados del ejercicio o las reservas de capital. Para las reservas generalmente se utilizan las reservas técnicas.

Para el caso de las variables de salida o productos nos enfrentamos a la dificultad de encontrar una unidad de medición homogénea, esto es consecuencia de la naturaleza intangible de los servicios financieros. Existen varias clasificaciones de las variables de salida para las aseguradoras, una de ellas utiliza la aproximación mediante el valor agregado que ofrecen las compañías aseguradoras. Según este enfoque, se utilizan variables que tienen un importante valor agregado, divididas de la siguiente manera; las que miden la ventaja de la dispersión de riesgo mediante el capital de riesgo, las que miden las ventajas obtenidas de los servicios financieros como la disminución del costo y distintos tipos de cobertura, y las del pago de

29

intereses sobre las reservas como compensación al costo de oportunidad del pago anticipado de la prima.

El segundo enfoque para la clasificación de los productos, parte de que las compañías están preparadas para ofrecer bienes y servicios y que la venta de los mismos permite en consecuencia generar las utilidades. En este caso se utiliza generalmente como variable las primas emitidas. En los casos donde la colecta de primas y pago de responsabilidades es muy lejana se utiliza los ingresos por inversiones (pensiones).

Independiente de las variables que se seleccionan para el análisis mediante la DEA es importante procurar que las compañías tengan la posibilidad de controlar los insumos para permitir implementar las mejoras en la eficiencia.

Así mismo la selección de unidades suficientemente homogéneas es importante para evitar que exista un factor diferencial que lleve a comparaciones injustas que se plasmen en indicadores de eficiencia igualmente injustos.

Hay que considerar que aparte de los insumos y productos se tienen elementos de riesgo desconocidos, también existen casos donde los factores de ineficiencia dependen del medio o de la forma de administrar los recursos y no se pueden controlar directamente mediante las variables utilizadas, sin embargo, hay una fuerte correlación entre las mismas. 4.2 Elementos para la selección de variables. Según Cooper, Seiford & Tone (2000) ceteris paribus es preferible insumos pequeños y productos grandes, ya que esta relación se refleja en las calificaciones que arroja el modelo DEA. Este supuesto del modelo se debe considerar al seleccionar las variables, ya que se corre el riesgo de seleccionar variables que su interpretación no tengan sentido con la definición anterior. Por ejemplo, definamos como producto el monto de los siniestros pagados, la interpretación de la maximización de dicha variable resulta poco intuitiva y contradictoria al supuesto anterior, es decir, no es coherente considerar que una empresa busque maximizar su número de siniestros pagados. Es por eso que en algunos análisis se utiliza como insumo y no como producto. Para la selección de variables se tomaron varios elementos en consideración, en primer lugar se seleccionaron variables consistentes con la definición de insumos y productos que se dio anteriormente, además se buscaron variables cuyo valor no fuera demasiado volátil para permitir un análisis del panel de datos más estable a lo largo del tiempo, que la definición sea intuitiva y también se tomó en consideración el que hayan sido utilizadas en estudios similares. Del universo de variables disponibles y en función de los elementos de selección, se consideraron inicialmente las siguientes variables:

Tabla 4.1 Variables InicialesFuente Variable Tipo

Estado de Resultados Primas Emitidas ResultadoEstado de Resultados Utilidad (Perdida)Técnica ResultadoEstado de Resultados Utilidad (Perdida) Del Ejercicio ResultadoBalance General Act. Inversiones InsumosBalance General Pvo. Reservas Técnicas InsumosBalance General Capital InsumosActualidad en Seguros y Fianzas Empleados Insumos

30

Como se observa en la tabla 4.2 de las tres variables de resultado disponibles las primas emitidas es la más correlacionada con el resto, de manera adicional es la más intuitiva para interpretar y es la que se presta en menor medida a la posibilidad de su alteración mediante la contabilidad para “matizar” los resultados; es por esto que se utiliza esta variable como variable de resultado. Otra razón para su selección es que esta variable es la única de las tres que no presenta valores negativos para el panel de datos y por lo tanto no requiere de una transformación para poder correr el modelo, ya que dentro de las restricciones está que los valores de entrada y de salida deben de ser no negativos.

Tabla 4.2 Correlación variables de resultadoPrimas Utilidad Resultados

Primas 1 0.87 0.80Utilidad 0.87 1 0.69Resultados 0.80 0.69 1

Para los insumos se toman el número de empleados por ser una variable que proviene de una fuente distinta a las otras variables (Revista Actualidad en Seguros y Fianzas) y es la que mantiene una menor correlación con el resto de las variables. Del resto de las variables se seleccionan las reservas dado que representan los compromisos futuros de la compañía y el riesgo al que está expuesta la misma, y el capital ya que refleja la inversión de los accionistas en la empresa.

Tabla 4.3 Correlación variables de insumoInversiones Reservas Capital Empleados

Inversiones 1 0.98 0.92 0.69Reservas 0.98 1 0.92 0.71Capital 0.92 0.92 1 0.64Empleados 0.69 0.71 0.64 1

4.3 Definición de variables. Estas son las variables definitivas para el análisis del panel y sus respectivas definiciones:

Tabla 4.4 Variable DefinitivasFuente Variable Tipo

Estado de Resultados Primas Emitidas ResultadoBalance General Pvo. Reservas Técnicas InsumosBalance General Capital InsumosActualidad en Seguros y Fianzas Empleados Insumos

31

Primas Emitidas: se define como la suma de las primas directas más las primas tomadas, donde las primas directas es el monto total de primas netas correspondientes a pólizas y endosos expedidos a los Asegurados y las Primas tomadas son las primas generadas por las responsabilidades que una compañía acepta como reaseguro de otras aseguradoras o reaseguradoras.

Reservas Técnicas: las reservas técnicas representan las provisiones requeridas por la regulación para hacer frente a los riesgos y a las obligaciones futuras con los asegurados.

Capital: Indica la inversión de los accionistas en la empresa, reflejada en el patrimonio.

Empleados: se compone del reporte de la fuerza productiva y el personal ocupado según la circular S-20.3; la fuerza productiva son los agentes ya sean personas físicas o morales, y el personal ocupado se compone de los funcionarios y de los empleados. 4.4 Análisis exploratorio de la base de datos. El análisis de la base de datos responde a la posibilidad de que existan errores de medición en las variables (outliers) que son observaciones que no cuadran con el patrón que siguen las observaciones.

En el primer análisis exploratorio4 se analiza cada una de las compañías, la idea es validar que la tendencia de las variables es consistente a lo largo de los años analizados, de manera conjunta se realiza una revisión de las estadísticas descriptivas de las cuatro variables utilizadas. A continuación se presenta la gráfica de GNP y sus estadísticas descriptivas a modo de muestra. En aquellos casos donde se observan cambios importantes se revisa que existan condiciones de mercado que expliquen dichos cambios como posibles fusiones o cambios de administración de la compañía.

4 En los anexos se presentan la totalidad de las gráficas para las 44 compañías.

32

Media Máximo Mínimo D.S.Primas Emitidas 20,531 25,506 16,072 3,142Reservas Técnicas 74,793 115,688 53,668 21,296Capital 13,603 15,489 10,514 1,868Empleados 8,342 9,788 7,648 769

16,072 17,876 18,568 20,236 21,711 20,28123,998 25,506

53,668 56,51160,147

64,053

72,449

83,339

12,665 14,193 15,240 15,489 14,343 14,997

115,688

92,492

10,51411,385

7,864 7,717 7,648 7,7748,193

8,742

9,788

9,006

0

20,000

40,000

60,000

80,000

100,000

120,000

1998 1999 2000 2001 2002 2003 2004 20050

1,000

2,000

3,000

4,000

5,000

6,000

7,000

8,000

9,000

10,000

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Gráfica 4.1 Análisis por Compañía (GNP)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

lMillones de

MXP

En el segundo análisis se toma cada una de las variables y se comparan sus niveles respecto al resto de las compañías en los distintos años de estudio, para hacer el análisis más intuitivo se ordenaron las compañías según su participación de mercado en el año 2005. En este caso no se utilizaron las estadísticas descriptivas ya que no se están comparando observaciones de una misma empresa.

33

Gráfica 4.2 Primas Emitidas 2005 (primera parte)

21,6

98

18,8

18

8,47

8

6,67

9

5,77

1

4,45

0

4,10

5

3,46

7

3,31

5

3,27

4

3,01

0

2,76

8

2,35

4

2,24

5

2,01

1

1,70

7

968

918

880

849

751

25,5

06

0

5,000

10,000

15,000

20,000

25,000

30,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

L

BB

VA

Ban

com

er

Quá

litas

Ban

orte

AB

A S

eg.

Map

fre

Ban

amex

Zuric

h

Atla

s

Alli

anz

AC

E

AIG

Inte

racc

ione

s

Gen

eral

de

Seg.

Met

ropo

litan

a

Patri

a

Sant

ande

r

Afir

me

Millones MXP

Gráfica 4.3 Primas Emitidas 2005 (segunda parte)

645

603

487

444

373

327

326

303

286

258

194

167

59 129

76

1,99

1

41 32 29 13 3

678

0

500

1,000

1,500

2,000

2,500

Patri

m. I

nbur

sa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

A

QB

E de

l Itsm

o

Agr

oase

mex

Toki

o M

arin

e

Prot

ecci

ón A

grop

ecua

ria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

o

El P

otos

í

Atra

dius

La P

enin

sula

r

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

l

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

En este análisis resalta el caso de los Empleados y su comportamiento de 1998 a 2005 ya que por una parte se observa que BBVA Bancomer durante todo el período presenta un solo

34

trabajador, esto responde principalmente al importante ejercicio que están realizando las compañías para subcontratar recursos principalmente en su fuerza laboral y la ventaja que pueden obtener los bancos mediante su red de sucursales que les permite funcionar como puntos de venta y atención a clientes y, en muchas ocasiones, ligar el servicio de seguro a algún otro servicio financiero.

Gráfica 4.4 Empleados 2005

4,70

07,

313 8,

605

13,7

781

7,58

42,

766

2,50

25,

881

647

503

1,73

877

015

4 1,21

984

42,

989

816

72 4366

31

534 1,

445

267

4,56

12 13

193 22

430

013

1 373

85 223

424

331,

332

32 364

12 5 213

9,78

8

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Númro de Empleados

De manera adicional se validó que no se presentaran observaciones negativas ni en los insumos ni en los productos ya que esto forma parte de las restricciones del modelo, es decir, las matrices de insumos y productos son matrices de valores positivos. Para la variable de salida o producto, correspondiente a las Primas Emitidas, se presenta un valor negativo para diciembre de 2001 en la compañía de Patrimonial Inbursa. En este caso el valor negativo se restringió a cero, ya que según el modelo (Capítulo 4.3) sería inconsistente cualquier valor negativo para las variables utilizadas. El reemplazar el valor negativo por cero

35

no modifica los resultados ya que el modelo al generar la frontera eficiente detecta que dicha compañía esta utilizando “cierta” cantidad recursos y no esta generando ningún producto por lo que obtendrá como calificación cero ya que es completamente ineficiente.

En el caso de las variables de entrada o insumos, los Empleados y las Reservas Técnicas no presentan valores negativos en sus series originales. Solamente la variable de Capital presenta valores negativos para la compañía Protección Agropecuaria en los trimestres de Mar-99 y Mar-00, en este caso el valor no se modifica ya que por la transformación que se realiza (suma de los trimestres del año) el valor utilizado en el modelo se vuelve positivo.

En este sentido los tres valores negativos para las series originales no impactan los resultados y su interpretación continúa siendo intuitiva.

Las gráficas para el total de las compañías y los años analizados se presentan en el Anexo D del presente trabajo. Las tablas se encuentran de los mismos datos se encuentran en el Anexo C.

Finalmente se valida la dimensionalidad del modelo, entendida como la diferencia entre las variables y el de unidades, ya que si esta dimensionalidad no es suficiente el modelo de DEA calificará como eficientes unidades que realmente no lo son. Es por esto que resulta fundamental la elección del número de variables y unidades que se utilizan en el modelo. Como regla general Charnes y Cooper (1990) sugieren que el número de unidades sea al menos tres

veces el número de insumos y productos combinados, es decir, ( )qpn +≥ 3 . En el modelo se utilizaron 44 unidades (compañías) y 4 variables por lo que se cumple la condición de dimensionalidad sugerida.

Una vez concluida la selección de variables y sus validaciones se procede a presentar en el siguiente capítulo los resultados obtenidos y su análisis en el contexto de la apertura comercial del TLC.

CAPÍTULO 5.DESARROLLO Y ANALISIS DE LOS RESULTADOS

En el contexto de la economía globalizada y de la apertura comercial a la que México y el resto del mundo se enfrentan, resulta primordial plantearse si los plazos definidos en los tratados multilaterales y las acciones tomadas por las empresas y los sectores locales menos desarrollados son las correctas ante la apertura. Adicionalmente podemos analizar para cada año la posición de las empresas respecto al resto del mercado y evaluar el desempeño individual.

En el caso de México, la apertura del sector financiero y en particular del sector asegurador permite analizar la eficiencia de las compañías aseguradoras mediante la calificación otorgada por la DEA. Es mediante esta calificación que se analiza si el sector asegurador ha mejorado su desempeño y se ha vuelto más eficiente en términos del aprovechamiento de sus recursos ante la inminente entrada de las compañías y capital extranjero.

36

5.1 Planteamiento de la Hipótesis. La hipótesis que plantea el presente trabajo es que, a partir del anuncio de la apertura del mercado asegurador y el establecimiento de las fechas para ello, las compañías tomaron medidas para incrementar su eficiencia y productividad, y así poder competir en el mercado internacional.

Para validar la hipótesis de la presente tesis se realiza la prueba t para dos muestras pareadas comparando el promedio del año previo respecto al del año corriente. Para cada par de años se plantea la siguiente hipótesis:

Ho: El promedio de las calificaciones de un año a otro es igual.

Ha: El promedio de las calificaciones de un año a otro es distinto.

En caso de que la hipótesis nula no sea rechazada estaríamos ante el escenario de que la eficiencia en las aseguradoras no ha incrementado, en caso contrario se debe plantear si el promedio de las calificaciones aumenta o disminuye ya que en función de esto la eficiencia del mercado estará incrementando o disminuyendo.

5.2 Presentación de los resultados.

Para realizar el análisis de la evolución de las calificaciones otorgadas por el DEA a lo largo del período de 1998 a 2005 se dividió el panel de 44 compañías en tres grupos con la idea de hacer el análisis más simple y homogéneo. Primero se obtuvieron resultados para las 12 compañías principales que al cierre de 2005 presentan una participación de mercado mayor al 2% y que en su conjunto representan el 77% del mercado, después se corrió para las mismas doce compañías y se adicionaron 12 compañías que en su conjunto representan casi el 89% del mercado, y finalmente se corrió el modelo con el total del panel con lo que se cubre el 92% del mercado.

Para cada una de las 3 agrupaciones se obtienen los resultados bajo la orientación del insumo y se contrastan los resultados bajo rendimientos constantes y rendimientos variables a escala.

Para los 6 escenarios posibles se obtuvieron los siguientes datos. Primero, la gráfica del promedio de las calificaciones y el promedio ponderado de las mismas utilizando como ponderador la participación de mercado a diciembre de 2005. Segundo, la tabla con la calificación para cada una de las compañías durante el horizonte de análisis y los dos promedio graficados anteriormente. Finalmente, la tabla con los resultados de las pruebas de hipótesis para cada par de años del periodo analizado y una última columna con la misma prueba t contrastando el año inicial y final del panel (1998-2005).

A continuación se presentan los datos y el análisis de las primeras 12 compañías.

37

5.3 Resultados de las primeras 12 compañías.

I) Rendimientos constantes a escala.

Gráfica 5.1

12 Compañías, Rendimientos Constantes a Escala

0.50

0.75

1.00

1998 1999 2000 2001 2002 2003 2004 2005

Promedio ponderado Promedio

Como primer acercamiento al análisis de los resultados, en la gráfica 5.1 se observa que ninguno de los dos promedios presenta un incremento de forma clara, esto sugiere que no hay una mejora en la eficiencia, resultado que será analizado mediante la prueba de hipótesis más adelante. A continuación se presenta el detalle de las calificaciones.

Tabla 5.1 Rend. Const. 12 compañías.Rendimientos Constantes a Escala

1998 1999 2000 2001 2002 2003 2004 2005GNP 18.10 0.917 0.834 0.864 0.718 0.795 1 0.902 1Metlife 15.40 1 1 1 1 1 0.682 0.509 0.545Axa 13.36 0.861 0.765 0.851 0.85 0.742 0.632 0.571 0.632Inbursa 6.02 0.433 0.348 0.452 0.442 0.849 0.58 0.566 0.513Mty NYL 4.74 0.614 0.568 0.445 0.526 0.407 1 0.681 0.729BBVA Bancomer 4.10 1 1 1 1 1 1 1 1Quálitas 3.16 0.954 0.778 0.774 0.817 0.832 0.865 0.904 0.947Banorte 2.91 0.918 0.966 0.958 0.791 0.828 1 0.721 0.798ABA Seg. 2.46 1 0.75 0.627 0.609 0.707 0.788 0.709 0.645Mapfre 2.35 0.834 0.616 0.566 0.503 0.565 0.628 0.581 0.558Banamex 2.32 1 1 1 0.927 0.757 0.896 1 0.448Zurich 2.14 1 0.81 1 1 1 1 1 1

Promedio ponderado 0.88 0.81 0.83 0.79 0.82 0.81 0.71 0.74Promedio 0.88 0.79 0.79 0.77 0.79 0.84 0.76 0.73

Nombre Compañía Participación de Mercado

La interpretación práctica que se hace de la calificación otorgada por la DEA es mediante la reducción proporcional de todos los insumos tal que la compañía forme parte de la frontera eficiente. Por ejemplo, si tomamos a GNP en el primer año del análisis observamos una calificación de 0.917 lo que significa que no forma parte de la frontera y que, por tanto, está en posibilidades de reducir sus insumos sin modificar las cantidades producidas. Para formar parte de la frontera de posibilidades de producción tendría que modificar sus insumos mediante la

38

reducción de un 8.3% (100%-91.7%) en todos sus insumos tal que pueda formar parte de la frontera definida por el mercado.

Dentro de la evolución de las calificaciones resalta el caso de Bancomer que presenta una calificación de 1 dentro del periodo de análisis, es decir, es una empresa eficiente durante todo el panel y es la sexta más importante en participación de mercado. Como se comenta en el capítulo 4.4 el caso de los empleados de Bancomer se vuelve relevante ya que al reportar solo un empleado a la CNSF se vuelve un factor para ser eficiente. Es posible que la nómina correspondiente a Seguros Bancomer se lleve como una empresa aparte o que la nómina sea cedida a empresas de outsourcing. Este tipo de estrategias administrativas son cada vez más comunes y tienen como finalidad suprimir gastos administrativos y mejorar el desempeño fiscal. Así mismo debemos considerar que Bancomer (y las instituciones bancarias en general) tienen una ventaja competitiva en la red de sucursales disponibles y estos empleados pertenecen al negocio bancario y por tanto podrían no reportarse a la CNSF.

El segundo caso que resalta es el caso de MetLife que aparentemente es una empresa eficiente de 1998 a 2002 y a partir del 2003 deja de serlo volviéndose una empresa con importantes posibilidades de mejorar su eficiencia. Profundizando en la información observamos que hasta el año 2002 la información corresponde a Seguros Génesis y es durante el segundo trimestre de 2003 que la compañía estadounidense MetLife a través de su Filial Génesis gana la licitación de la empresa estatal Aseguradora Hidalgo (Ahisa). Ahisa es la cuarta empresa más grande al cierre del 2002 con una participación de 11.32% mientras que Seguros Génesis al cierre de 2002 es la quinta empresa con una participación de mercado de 3.84%5. Como resultado de esta fusión al cierre de 2003 MetLife México se convierte en la segunda empresa con mayor participación de mercado 16.7%, solo superada por Seguros Axa (Comercial América). En este contexto podemos interpretar que después de la fusión MetLife se vuelve una empresa ineficiente derivado de las formas administrativas y organizacionales heredadas por Ahisa. Este caso se retomará en el análisis de las 44 compañías del Panel para observar la compañía en el contexto total de mercado y descartar que el cambio en las calificaciones de MetLife derive del cambio del tamaño de la empresa.

5Actualidad en seguros y fianzas Dic-02

39

Tabla 5.2 Prueba de Hipótesis Rend. Const. 12 Cias.Rendimientos Constantes a Escala (12 Compañías)

1998-1999 1999-2000 2000-2001 2001-2002 2002-2003 2003-2004 2004-2005 1998-2005Media primer año 0.878 0.786 0.795 0.765 0.790 0.839 0.762 0.878Varianza primer año 0.032 0.040 0.048 0.042 0.032 0.029 0.036 0.032Observaciones primer año 12 12 12 12 12 12 12 12Media segundo año 0.786 0.795 0.765 0.790 0.839 0.762 0.735 0.735Varianza segundo año 0.040 0.048 0.042 0.032 0.029 0.036 0.043 0.043Observaciones segundo año 12 12 12 12 12 12 12 12Correlación de Pearson 0.874 0.913 0.944 0.717 0.077 0.761 0.626 0.327Hipótesis de la diferencia de medias 0 0 0 0 0 0 0 0Grados de Libertad 11 11 11 11 11 11 11 11Estadística t 3.242 -0.331 1.421 -0.592 -0.722 2.139 0.550 2.192P(T<=t) dos-colas 0.008 0.747 0.183 0.566 0.486 0.056 0.593 0.051t Crítica de dos-colas 2.201 2.201 2.201 2.201 2.201 2.201 2.201 2.201Ho: Medias son iguales.Prueba Ho: dos colas No acepta No rechaza No rechaza No rechaza No rechaza No rechaza No rechaza No rechaza

Prueba-t: Para la Media de dos Muestras Dependientes.

Para mostrar formalmente si el promedio de la eficiencia en el sector asegurador mexicano ha incrementado a raíz de la apertura del mercado, se presentan los resultados de la Prueba-t para la media de dos muestras dependientes. En la Tabla 5.3 podemos observar que solo en el caso del promedio de 1998 a 1999 la hipótesis no se acepta, es decir, solo entre esos dos periodos la media es distinta. La media de la eficiencia disminuye, lo que va en sentido contrario de la hipótesis que las compañías aseguradoras mejorarían su eficiencia derivado de la apertura del mercado.

La implementación de la mejora en los procesos y producción de una empresa es un proceso que requiere tiempo y continuidad, ya que dichas mejoras no necesariamente se verán reflejadas de manera inmediata en la eficiencia, es por esto que en la última columna de la Tabla 5.2 se contrasta la eficiencia entre el primer y último año del panel, esto con la idea de revisar la posibilidad de que el incremento acumulado en la eficiencia no sea capturado por la prueba entre años consecutivos y se viera reflejada entre el periodo inicial y el periodo final.

En este caso no rechazamos la hipótesis de que las medias son iguales. En este sentido no podemos concluir que la eficiencia del sector asegurador ha incrementado entre 1998 y 2005 para las 12 compañías más importantes del mercado.

40

II) Rendimientos variables a escala.

Gráfica 5.2 12 Compañías, Rendimientos Variables a Escala

0.50

0.75

1.00

1998 1999 2000 2001 2002 2003 2004 2005

Promedio ponderado Promedio

El comportamiento del promedio y del promedio ponderado es similar al de los rendimientos constantes a escala, en el caso de los rendimientos variables el promedio ponderado se mantiene durante todo el tiempo por encima del promedio. A continuación se presentan la tabla 5.2 con las calificaciones para el panel de datos. Tabla 5.3 Rend. Var. 12 compañías.

Rendimientos Variables a Escala1998 1999 2000 2001 2002 2003 2004 2005

GNP 18.10 1 1 1 1 1 1 1 1Metlife 15.40 1 1 1 1 1 0.979 1 1Axa 13.36 1 1 1 1 1 1 1 0.837Inbursa 6.02 0.535 0.621 0.676 0.645 1 0.715 0.604 0.546Mty NYL 4.74 0.69 0.72 0.538 0.539 0.414 1 0.755 1BBVA Bancomer 4.10 1 1 1 1 1 1 1 1Quálitas 3.16 1 1 0.903 0.863 0.85 0.931 0.904 0.971Banorte 2.91 1 1 1 1 1 1 1 0.81ABA Seg. 2.46 1 0.75 0.642 0.619 0.71 0.809 0.791 0.674Mapfre 2.35 0.906 0.773 0.729 0.54 0.591 0.71 0.626 0.576Banamex 2.32 1 1 1 1 0.981 1 1 0.575Zurich 2.14 1 1 1 1 1 1 1 1

Promedio ponderado 0.94 0.94 0.92 0.91 0.94 0.96 0.93 0.89Promedio 0.93 0.91 0.87 0.85 0.88 0.93 0.89 0.83

Nombre Compañía Participación de Mercado

En la Tabla 5.3 observamos que, en el caso de RVE, se tiene un promedio de calificaciones mayor, esto se debe a que la forma funcional de la frontera pasa por un número mayor de observaciones y por tanto más empresas son consideradas como eficientes.

En este caso resulta interesante que el número de empresas ineficientes aumenta conforme el panel se acerca a las observaciones más recientes, es decir en 1998 se tienen solamente tres empresas ineficientes mientras que en 2005 se tienen 7 empresas ineficientes.

Las dos compañías que se ven más beneficiadas por el cambio de modelo son Axa y Metlife ya que incrementan su promedio en 24 y 14 puntos porcentuales respectivamente. Estas empresas se encuentran ubicadas en el segmento de la frontera de rendimientos a escala

41

decreciente o creciente y son de las empresas más cercanas a la frontera de rendimientos constantes a escala.

Tabla 5.4 Prueba de Hipótesis Rend. Var. 12 Cias.Rendimientos Variables a Escala (12 Compañías)

1998-1999 1999-2000 2000-2001 2001-2002 2002-2003 2003-2004 2004-2005 1998-2005Media primer año 0.928 0.905 0.874 0.851 0.879 0.929 0.890 0.928Varianza primer año 0.023 0.021 0.031 0.041 0.040 0.013 0.024 0.023Observaciones primer año 12 12 12 12 12 12 12 12Media segundo año 0.905 0.874 0.851 0.879 0.929 0.890 0.832 0.832Varianza segundo año 0.021 0.031 0.041 0.040 0.013 0.024 0.036 0.036Observaciones segundo año 12 12 12 12 12 12 12 12Correlación de Pearson 0.832 0.934 0.968 0.838 0.318 0.884 0.579 0.328Hipótesis de la diferencia de medias 0 0 0 0 0 0 0 0Grados de Libertad 11 11 11 11 11 11 11 11Estadística t 0.890 1.654 1.505 -0.860 -0.877 1.771 1.234 1.636P(T<=t) dos-colas 0.393 0.126 0.160 0.408 0.399 0.104 0.243 0.130t Crítica de dos-colas 2.201 2.201 2.201 2.201 2.201 2.201 2.201 2.201Ho: Medias son iguales.Prueba Ho: dos colas No rechaza No rechaza No rechaza No rechaza No rechaza No rechaza No rechaza No rechaza

Prueba-t: Para la Media de dos Muestras Dependientes.

Los resultados indican que para ningún año no aceptamos la Hipótesis Nula por lo que no podemos suponer que la eficiencia promedio en el panel de datos es distinta, esto no sucede ni en el comparativo de los años inicial y final de panel (1998 vs. 2005) ni en alguno de los años intermedios. En este caso comparando el promedio puntual de las calificaciones del año inicial y final observamos que el promedio disminuye a pesar que no existe evidencia suficiente para suponer que los promedios son distintos.

5.4 Resultados de 24 compañías.

I) Rendimientos constantes a escala.

Gráfica 5.3

24 Compañías, Rendimientos Constantes a Escala

0.50

0.75

1.00

1998 1999 2000 2001 2002 2003 2004 2005

Promedio ponderado Promedio

42

En el caso de los resultados para las 24 compañías bajo la orientación de rendimientos constantes a escala, observamos que tanto el promedio como el promedio ponderado presentan una tendencia decreciente respecto al año inicial.

Tabla 5.5 Rend. Const. 24 compañías.Rendimientos Constantes a Escala

1998 1999 2000 2001 2002 2003 2004 2005GNP 18.10 0.917 0.834 0.757 0.497 0.665 0.708 0.65 1Metlife 15.40 1 1 1 1 1 0.447 0.406 0.449Axa 13.36 0.861 0.765 0.784 0.813 0.631 0.511 0.419 0.549Inbursa 6.02 0.433 0.348 0.428 0.321 0.606 0.501 0.372 0.424Mty NYL 4.74 0.614 0.568 0.445 0.526 0.299 0.936 0.56 0.729BBVA Bancomer 4.10 1 1 1 1 1 1 1 1Quálitas 3.16 0.954 0.778 0.774 0.653 0.638 0.726 0.616 0.59Banorte 2.91 0.918 0.966 0.958 0.644 0.556 0.864 0.448 0.603ABA Seg. 2.46 1 0.75 0.627 0.442 0.523 0.558 0.465 0.492Mapfre 2.35 0.834 0.616 0.564 0.365 0.433 0.497 0.383 0.369Banamex 2.32 1 1 1 0.601 0.701 0.827 1 0.362Zurich 2.14 1 0.81 1 0.783 0.937 0.984 0.918 0.904Atlas 1.96 0.559 0.548 0.661 0.499 0.583 0.548 0.537 0.484Allianz 1.67 0.57 0.665 0.82 0.515 0.63 1 0.845 0.492ACE 1.59 0.679 0.831 1 1 1 1 1 1AIG 1.43 0.709 0.631 0.789 0.751 0.54 0.578 0.554 0.691Interacciones 1.21 0.713 0.593 0.846 0.926 1 1 0.636 0.91General de Seg. 0.69 0.698 0.493 0.603 0.358 0.504 0.521 0.423 0.249Metropolitana 0.65 0.578 0.546 0.816 0.49 0.492 0.601 0.474 0.45Patria 0.62 0.526 0.565 0.731 0.737 0.728 0.762 0.564 0.34Santander 0.60 0.582 0.678 0.6 0.149 0.176 0.717 0.528 0.462Afirme 0.53 1 0.889 1 0.785 0.453 0.892 1 1Patrim. Inbursa 0.48 0.324 0.496 0.209 0 0 0 1 1Gpo. Mex. de Seguros 0.46 0.937 1 1 0.627 0.552 1 0.715 0.611

Promedio ponderado 0.85 0.79 0.79 0.68 0.70 0.66 0.57 0.66Promedio 0.77 0.72 0.77 0.60 0.61 0.72 0.65 0.63

Participación de Mercado

Nombre Compañía

Como ya se mencionó, el número de observaciones y la homogeneidad entre ellas resultan de suma importancia en el análisis del DEA. Como ejemplo tenemos a Zurich que como consecuencia de la integración de empresas al análisis pasa de ser una empresa eficiente a ser ineficiente. En particular, si comparamos el caso de 12 compañías bajo RCE respecto al caso de 24 compañías bajo la misma orientación, observamos que Zurich es eficiente en siete de los ocho años, exceptuando 1999, mientras que en el análisis de 24 compañías su frecuencia como empresa eficiente se reduce a dos años y forma parte de la frontera en 1998 y 2000. La disminución en la calificación de Zurich se debe a que deja de ser la empresa más “pequeña” y pasa o formar parte de las compañías medias del panel. La nueva empresa que viene a definir la frontera es ACE Seguros que es una empresa eficiente de 2000 a 2005 que coinciden con los años que Zurich deja de serlo.

Otro resultado que llama la atención son las calificaciones obtenidas por Patrimonial Inbursa en 2002 y 2003, ya que presenta calificación de cero, analizando la base de datos se observa que en esos años los niveles reportados de primas emitidas es muy cercano a cero por lo que al no generar productos y utilizar insumos resulta correcto que la calificación otorgada por la DEA sea cero.

43

Tabla 5.6 Prueba de Hipótesis Rend. Const. 24 Cias.Rendimientos Constantes a Escala (24 Compañías)

1998-1999 1999-2000 2000-2001 2001-2002 2002-2003 2003-2004 2004-2005 1998-2005Media primer año 0.767 0.724 0.767 0.603 0.610 0.716 0.646 0.767Varianza primer año 0.044 0.036 0.047 0.068 0.065 0.062 0.052 0.044Observaciones primer año 24 24 24 24 24 24 24 24Media segundo año 0.724 0.767 0.603 0.610 0.716 0.646 0.632 0.632Varianza segundo año 0.036 0.047 0.068 0.065 0.062 0.052 0.062 0.062Observaciones segundo año 24 24 24 24 24 24 24 24Correlación de Pearson 0.834 0.796 0.802 0.852 0.511 0.376 0.653 0.144Hipótesis de la diferencia de medias 0 0 0 0 0 0 0 0Grados de Libertad 23 23 23 23 23 23 23 23Estadística t 1.814 -1.604 5.131 -0.240 -2.067 1.270 0.361 2.199P(T<=t) dos-colas 0.083 0.122 0.000 0.813 0.050 0.217 0.722 0.038t Crítica de dos-colas 2.069 2.069 2.069 2.069 2.069 2.069 2.069 2.069Ho: Medias son iguales.Prueba Ho: dos colas No rechaza No rechaza No acepta No rechaza No rechaza No rechaza No rechaza No acepta

Prueba-t: Para la Media de dos Muestras Dependientes.

Analizando la prueba de hipótesis para el caso de RCE para 24 compañías observamos que solo el cambio en la media entre los años 2000 y 2001 es distinto según la prueba de hipótesis, entre dichos años se presenta una disminución de la eficiencia promedio del mercado.

Comparando los resultados entre el año inicial y el año final no aceptamos la hipótesis nula y que la media entre dichos años es igual, sin embargo el promedio de la calificación se mueve en sentido negativo. A diferencia del caso de RCE para 12 compañías donde la hipótesis nula no se rechaza, en este caso indica que la eficiencia promedio del mercado para 24 compañías disminuye entre 1998 y 2005.

II) Rendimientos variables a escala.

Gráfica 5.4

24 Compañías, Rendimientos Variables a Escala

0.50

0.75

1.00

1998 1999 2000 2001 2002 2003 2004 2005

Promedio ponderado Promedio

Para el caso de RVE la calificación promedio incrementa respecto al caso de RCE derivado de la forma funcional de la frontera como ya se comentó en el caso de 12 compañías. Como podemos observar en la Gráfica 5.5 el promedio ponderado se mantiene en niveles similares respecto a los valores obtenidos para 12 compañías, mientras que el promedio simple para las mismas compañías disminuye.

44

Gráfica 5.512 y 24 Cias., Rendimientos Variables a Escala

0.70

0.80

0.90

1.00

1998 1999 2000 2001 2002 2003 2004 2005Pond 24 Cias Prom 24 CiasPond 12 Cias Prom 12 Cias

Esto indica que la calificación obtenida por las compañías con mayor participación, y por tanto con mayor ponderador, es mayor a la obtenida por las empresas que se integran al análisis.

Tabla 5.7 Rend. Var. 24 compañías.Rendimientos Variables a Escala

1998 1999 2000 2001 2002 2003 2004 2005GNP 18.10 1 1 1 1 1 1 1 1Metlife 15.40 1 1 1 1 1 0.979 1 1Axa 13.36 1 1 1 1 1 1 1 0.837Inbursa 6.02 0.535 0.621 0.676 0.645 1 0.7 0.594 0.546Mty NYL 4.74 0.69 0.72 0.538 0.539 0.386 1 0.668 0.745BBVA Bancomer 4.10 1 1 1 1 1 1 1 1Quálitas 3.16 1 0.852 0.817 0.686 0.642 0.881 0.855 0.971Banorte 2.91 0.962 1 1 0.85 0.885 1 0.456 0.81ABA Seg. 2.46 1 0.75 0.642 0.591 0.546 0.737 0.596 0.635Mapfre 2.35 0.906 0.773 0.729 0.54 0.487 0.687 0.507 0.552Banamex 2.32 1 1 1 0.787 0.715 1 1 0.401Zurich 2.14 1 0.895 1 1 1 1 1 1Atlas 1.96 0.563 0.558 0.711 0.599 0.591 0.552 0.618 0.66Allianz 1.67 0.576 0.668 0.822 0.538 0.649 1 1 0.519ACE 1.59 1 1 1 1 1 1 1 1AIG 1.43 0.709 0.636 0.792 0.812 0.543 0.579 0.58 0.837Interacciones 1.21 0.714 0.634 0.868 1 1 1 0.683 0.911General de Seg. 0.69 0.699 0.494 0.638 0.367 0.539 0.53 0.493 0.298Metropolitana 0.65 0.699 0.603 0.83 0.514 0.546 0.613 0.485 0.489Patria 0.62 0.545 0.647 0.925 0.817 0.75 0.77 0.574 0.436Santander 0.60 0.665 0.696 0.629 0.365 0.309 0.749 0.612 0.537Afirme 0.53 1 1 1 1 1 1 1 1Patrim. Inbursa 0.48 0.402 0.594 0.62 1 1 1 1 1Gpo. Mex. de Seguros 0.46 1 1 1 1 1 1 0.727 0.923

Promedio ponderado 0.91 0.90 0.91 0.87 0.88 0.93 0.87 0.85Promedio 0.82 0.80 0.84 0.78 0.77 0.87 0.77 0.75

Nombre Compañía Participación de Mercado

45

Respecto a las calificaciones obtenidas observamos que las compañías que obtienen una mayor ganancia en promedio respecto a la calificación obtenida para RCE son: Patrimonial Inbursa con una ganancia de 45 puntos porcentuales, Axa con 31 puntos porcentuales adicionales y GNP con un incremento de 25 puntos porcentuales en el promedio.

Las observaciones que forman parte de la frontera eficiente en el caso de RVE para 12 compañías prácticamente son las mismas en el caso de 24, Banorte sobresale ya que deja de formar parte de las observaciones que definen la frontera en la totalidad del panel (Tabla 5.3) y solo forma parte de la frontera en 3 años (Tabla 5.7).

Las empresas que se integran a la frontera eficiente son ACE Seguros y Aseguradora Afirme ya que ambas son empresas eficientes en la totalidad del panel bajo RVE.

Tabla 5.8 Prueba de Hipótesis Rend. Var. 24 Cias.Rendimientos Variables a Escala (24 Compañías)

1998-1999 1999-2000 2000-2001 2001-2002 2002-2003 2003-2004 2004-2005 1998-2005Media primer año 0.819 0.798 0.843 0.777 0.775 0.866 0.769 0.819Varianza primer año 0.041 0.033 0.026 0.051 0.057 0.031 0.046 0.041Observaciones primer año 24 24 24 24 24 24 24 24Media segundo año 0.798 0.843 0.777 0.775 0.866 0.769 0.754 0.754Varianza segundo año 0.033 0.026 0.051 0.057 0.031 0.046 0.055 0.055Observaciones segundo año 24 24 24 24 24 24 24 24Correlación de Pearson 0.868 0.787 0.742 0.886 0.620 0.733 0.578 0.441Hipótesis de la diferencia de medias 0 0 0 0 0 0 0 0Grados de Libertad 23 23 23 23 23 23 23 23Estadística t 1.067 -1.983 2.135 0.114 -2.366 3.227 0.337 1.373P(T<=t) dos-colas 0.297 0.059 0.044 0.911 0.027 0.004 0.739 0.183t Crítica de dos-colas 2.069 2.069 2.069 2.069 2.069 2.069 2.069 2.069Ho: Medias son iguales.Prueba Ho: dos colas No rechaza No rechaza No acepta No rechaza No rechaza No acepta No rechaza No rechaza

Prueba-t: Para la Media de dos Muestras Dependientes.

Los resultados de las pruebas de hipótesis indican que no aceptamos la hipótesis nula para la diferencia de la media de las calificaciones entre los años 2000-2001, y 2003-2004. En ambos casos la calificación promedio del panel disminuye de un año a otro. En la prueba de hipótesis entre el año inicial y el año final el resultado de la prueba indica que no rechazamos la hipótesis nula por lo que no existe suficiente evidencia de que las medias sean distintas.

46

5.5 Resultados del total de las 44 compañías

I) Rendimientos constantes a escala.

Gráfica 5.6 44 Compañías, Rendimientos Constantes a Escala

0.50

0.75

1.00

1998 1999 2000 2001 2002 2003 2004 2005

Promedio ponderado Promedio

A continuación se presenta la última parte del análisis correspondiente al total del panel. En el caso de RCE para las 44 compañías observamos que el promedio ponderado es mayor que el promedio durante los tres primeros años mientras que en el resto del panel los valores se van intercalando, exceptuando 2004, lo que indica que no existe una diferencia clara entre la calificación obtenida por las compañías con mayor participación y aquellas con menor calificación.

47

Tabla 5.9 Rend. Const. 44 compañías.Rendimientos Constantes a Escala

1998 1999 2000 2001 2002 2003 2004 2005GNP 18.10 0.86 0.834 0.757 0.474 0.665 0.687 0.65 1Metlife 15.40 1 1 1 0.607 1 0.444 0.378 0.4Axa 13.36 0.851 0.765 0.784 0.533 0.568 0.428 0.415 0.479Inbursa 6.02 0.3 0.287 0.346 0.321 0.588 0.446 0.372 0.367Mty NYL 4.74 0.425 0.438 0.379 0.309 0.299 0.835 0.56 0.729BBVA Bancomer 4.10 1 1 1 1 1 1 1 1Quálitas 3.16 0.599 0.473 0.605 0.601 0.608 0.623 0.6 0.583Banorte 2.91 0.661 0.713 0.784 0.571 0.547 0.772 0.445 0.591ABA Seg. 2.46 0.887 0.598 0.579 0.442 0.499 0.541 0.452 0.492Mapfre 2.35 0.563 0.439 0.485 0.365 0.408 0.463 0.376 0.369Banamex 2.32 0.928 1 1 0.6 0.577 0.761 0.942 0.277Zurich 2.14 1 0.67 1 0.753 0.839 0.824 0.905 0.904Atlas 1.96 0.461 0.52 0.639 0.495 0.541 0.438 0.501 0.484Allianz 1.67 0.528 0.665 0.814 0.512 0.588 0.795 0.832 0.492ACE 1.59 0.676 0.831 1 1 1 1 1 1AIG 1.43 0.445 0.45 0.687 0.619 0.521 0.527 0.519 0.691Interacciones 1.21 0.549 0.489 0.815 0.813 1 0.936 0.636 0.787General de Seg. 0.69 0.488 0.394 0.482 0.357 0.435 0.409 0.386 0.249Metropolitana 0.65 0.423 0.498 0.793 0.489 0.469 0.452 0.437 0.45Patria 0.62 0.452 0.565 0.731 0.737 0.477 0.752 0.564 0.313Santander 0.60 0.534 0.678 0.594 0.116 0.128 0.701 0.528 0.437Afirme 0.53 0.485 0.698 0.906 0.783 0.426 0.679 0.96 1Patrim. Inbursa 0.48 0.278 0.421 0.191 0 0 0 1 1Gpo. Mex. de Seguros 0.46 0.395 0.774 0.93 0.616 0.506 0.814 0.646 0.585GE 0.43 0.606 0.452 0.586 0.573 0.568 0.533 0.537 0.471Zurich Vida 0.35 0.466 0.699 0.931 0.893 1 0.483 0.44 0.665ANA 0.31 0.51 0.414 0.561 0.684 0.532 0.811 0.894 0.767QBE del Itsmo 0.26 1 0.935 0.331 1 1 1 1 1Agroasemex 0.23 0.641 0.396 0.56 0.267 0.285 0.288 0.327 0.201Tokio Marine 0.23 0.506 0.582 0.782 0.661 0.669 0.381 0.417 0.538Protección Agropecuaria 0.21 1 1 1 0.527 0.994 0.976 1 0.91La Latinoamericana 0.20 0.274 0.28 0.337 0.335 0.36 0.547 0.376 0.472Chubb de México 0.18 0.519 0.501 0.58 0.613 0.706 0.659 0.631 0.477El Potosí 0.14 0.441 0.428 0.531 0.533 0.505 0.535 0.519 0.431Atradius 0.12 0.294 0.527 0.658 0.671 0.671 0.794 0.537 0.299La Peninsular 0.12 0.47 0.405 0.558 0.765 0.464 0.539 0.588 0.133El Águila 0.09 0.798 0.58 0.702 0.632 0.638 0.669 0.58 0.441Sompo Japan 0.05 0.78 1 1 1 0.766 0.863 0.612 0.4Royal & Sunalliance 0.03 1 0.986 0.859 0.734 0.666 1 0.818 0.888HIR 0.03 1 0.736 0.607 0.321 0.856 1 0.589 0.627Principal 0.02 0.108 0.611 0.437 1 0.145 0.151 0.088 0.033Gerling 0.02 0.458 0.573 0.536 0.444 0.477 0.539 0.36 0.264Mut. Torreón 0.01 0.464 0.169 0.201 0.228 0.894 1 0.899 0.732Skandia Vida 0.00 1 1 1 1 1 1 1 1

Promedio ponderado 0.76 0.73 0.76 0.54 0.67 0.61 0.56 0.63Promedio 0.62 0.62 0.68 0.59 0.61 0.66 0.62 0.58

Nombre Compañía Participación de Mercado

48

Retomando el caso de Metlife México y bajo el contexto total del mercado observamos que bajo RCE el comportamiento de Metlife continúa siendo similar el presentado en el análisis para 12 compañías, es decir, a partir de 2003, año en que se fusiona con Ahisa, deja de ser una empresa eficiente reduciendo de manera importante su calificación respecto al resto de los años. La ventaja que obtenemos del análisis del total del las compañías es que desechamos la posibilidad de que Metlife sea una empresa eficiente en el panel de 12 compañías por ser más pequeña durante los primeros años en relación a las otras compañías. En resumen Metlife disminuye su eficiencia bajo RCE al fusionarse con Ahisa.

Tabla 5.10 Cambios de Metlife

Primas Emitidas* Reservas Técnicas* Capital* EmpleadosAño 2002 4,894 15,370 1,423 1,445 Año 2003 14,047 89,975 15,842 4,588 Diferencia 9,152 74,605 14,419 3,143 Cambio % 187% 485% 1013% 218%Año 2004 21,709 127,800 28,788 4,700 Año 2005 21,698 137,879 33,582 4,700 *Cifras en Millones de MXP

MetLife

Analizando a detalle los datos de Metlife (tabla 5.10) observa que la principal razón para el decremento en su eficiencia responde a que a pesar de tener un incremento importante en el volumen de primas de 2002 a 2003 (187%) el incremento en los insumos es mucho mayor en término porcentuales que el de las primas emitidas, donde sobresale el incremento del 1013% del capital, lo que en términos del modelo se traduce en una menor eficiencia.

Las razones prácticas pueden ser múltiples, en primer instancia podemos pensar que cuando alguna compañía extranjera adquiere el control del capital de alguna aseguradora nacional permite que continúe laborando de manera regular con la idea de minimizar el impacto por el cambio de administración y no es hasta un periodo de tiempo después que se realiza el proceso de mejora en la administración de la empresa. En el caso de MetLife el proceso es más complicado ya que se trata de una fusión y no solo de una compra por parte de capital extranjero lo que dificulta el control de los insumos, la coordinación y la fusión entre las distintas áreas. Otra posible razón para explicar el incremento en el capital y las reservas técnicas de MetLife es que si pensamos en Ahisa como una aseguradora gubernamental y que generalmente las prestaciones de dichos empleados son mayores, esto deriva en que los pasivos contingentes que requiere MetLife en función de las nuevas pólizas son mayores a los que requería regularmente.

Dentro del panel de datos existen otros casos donde compañías se fusionan o son adquiridas por capital extranjero, como ejemplo tenemos a Bital que es adquirida por HSBC, Colonial Penn de México que se fusiona con Seguros del Centro formando GE Seguros y Generali México que se fusiona con Grupo Financiero Banorte generando Seguros Banorte Generali.

Tabla 5.11 Promedio cias. eficientes RCE

12 Compañías 24 Compañías 44 CompañíasEficientes 4 5 7No Eficientes 8 19 37Proporción (%) 30% 20% 16%

Rendimientos Constantes a EscalaDatos Promedio

49

El número de compañías eficientes aumenta conforme se agregan observaciones en el análisis, sin embargo, la proporción respecto al total disminuye (Tabla 5.11). Como se observa, en el análisis bajo RCE para 12 compañías tenemos 4 empresas eficientes, lo que significa una proporción de 30% de compañías eficientes. Al ir agregando observaciones dicha proporción disminuye hasta llegar a un 16% de compañías eficientes respecto al total del panel en el análisis del total de las compañías. La disminución en la proporción de compañías eficientes respecto al total, indica que el número de empresas eficientes incrementa a menor ritmo que el número total de compañías en el panel. Tabla 5.12 Prueba de Hipótesis Rend. Const. 44 Cias.

Rendimientos Constantes a Escala (44 Compañías)1998-1999 1999-2000 2000-2001 2001-2002 2002-2003 2003-2004 2004-2005 1998-2005

Media primer año 0.616 0.624 0.683 0.591 0.611 0.661 0.621 0.616Varianza primer año 0.061 0.051 0.053 0.061 0.065 0.060 0.056 0.061Observaciones primer año 44 44 44 44 44 44 44 44Media segundo año 0.624 0.683 0.591 0.611 0.661 0.621 0.578 0.578Varianza segundo año 0.051 0.053 0.061 0.065 0.060 0.056 0.072 0.072Observaciones segundo año 44 44 44 44 44 44 44 44Correlación de Pearson 0.738 0.747 0.575 0.555 0.650 0.625 0.764 0.419Hipótesis de la diferencia de medias 0 0 0 0 0 0 0 0Grados de Libertad 43 43 43 43 43 43 43 43Estadística t -0.307 -2.394 2.778 -0.569 -1.592 1.284 1.619 0.918P(T<=t) dos-colas 0.761 0.021 0.008 0.573 0.119 0.206 0.113 0.364t Crítica de dos-colas 2.017 2.017 2.017 2.017 2.017 2.017 2.017 2.017Ho: Medias son iguales.Prueba Ho: dos colas No rechaza No rechaza No acepta No rechaza No rechaza No rechaza No rechaza No rechaza

Prueba-t: Para la Media de dos Muestras Dependientes.

Los resultados de las pruebas de hipótesis indican que solo entre los años 2000 y 2001 no aceptamos la hipótesis nula, entre dichos años la media de la eficiencia del panel disminuye. Si tomamos la prueba entre el año inicial y el año final observamos que la hipótesis no se rechaza por lo que no existe evidencia suficiente para suponer que la media de la calificación del panel es distinta entre el año inicial y el año final y por tanto que en promedio el mercado ha disminuido o aumentado su eficiencia.

50

II) Rendimientos variables a escala.

Gráfica 5.7

44 Compañías, Rendimientos Variables a Escala

0.50

0.75

1.00

1998 1999 2000 2001 2002 2003 2004 2005

Promedio ponderado Promedio

Para los RVE observamos que el promedio y el promedio ponderado se mueven en línea a lo largo del panel y no presentan cruzamientos como lo hace bajo RCE. De manera gráfica no se observa alguna tendencia clara (creciente o decreciente) en el promedio de calificaciones.

Gráfica 5.812, 24 y 44 Cias., Rendimientos Variables a Escala

0.65

0.80

0.95

1998 1999 2000 2001 2002 2003 2004 2005Pond 12 Cias Prom 12 CiasPond 24 Cias Prom 24 CiasPond 44 Cias Prom 44 Cias

Para el caso de RVE resulta interesante que le promedio ponderado se localiza siempre sobre el promedio sin importar el caso por número de compañías. Si graficamos los 3 casos con sus respectivos promedios y promedios ponderados destaca que a medida que agregamos observaciones el promedio va disminuyendo respecto al promedio ponderado (Gráfica 5.8). Esto se explica básicamente por dos condiciones; la alta concentración que tiene el mercado en México y en consecuencia la gran importancia que tiene el ponderador de las 3 principales compañías (casi el 50% del mercado), y las calificaciones obtenidas por estas compañías ya que en casi todos los años son empresas eficientes (Tabla 5.13).

51

Tabla 5.13 Rend. Var. 44 compañías.Rendimientos Variables a Escala

1998 1999 2000 2001 2002 2003 2004 2005GNP 18.10 1 1 1 1 1 1 1 1Metlife 15.40 1 1 1 1 1 0.979 1 1Axa 13.36 1 1 1 1 1 1 1 0.837Inbursa 6.02 0.535 0.621 0.676 0.645 1 0.696 0.594 0.546Mty NYL 4.74 0.684 0.713 0.538 0.538 0.386 1 0.668 0.729BBVA Bancomer 4.10 1 1 1 1 1 1 1 1Quálitas 3.16 0.7 0.584 0.75 0.676 0.627 0.87 0.855 0.971Banorte 2.91 0.807 0.776 0.91 0.576 0.549 0.774 0.456 0.81ABA Seg. 2.46 1 0.687 0.642 0.591 0.546 0.722 0.596 0.635Mapfre 2.35 0.897 0.773 0.729 0.54 0.487 0.682 0.507 0.552Banamex 2.32 1 1 1 0.787 0.715 1 1 0.401Zurich 2.14 1 0.675 1 1 1 1 1 1Atlas 1.96 0.554 0.558 0.71 0.599 0.57 0.55 0.618 0.66Allianz 1.67 0.563 0.667 0.822 0.538 0.62 1 1 0.519ACE 1.59 0.678 0.839 1 1 1 1 1 1AIG 1.43 0.644 0.528 0.784 0.779 0.538 0.578 0.578 0.837Interacciones 1.21 0.667 0.505 0.829 0.978 1 0.936 0.637 0.91General de Seg. 0.69 0.58 0.478 0.63 0.357 0.436 0.507 0.49 0.298Metropolitana 0.65 0.437 0.499 0.819 0.489 0.483 0.581 0.474 0.45Patria 0.62 0.518 0.572 0.736 0.743 0.705 0.761 0.574 0.323Santander 0.60 0.554 0.686 0.595 0.133 0.129 0.715 0.612 0.447Afirme 0.53 0.55 0.718 0.923 0.795 0.431 0.808 0.967 1Patrim. Inbursa 0.48 0.307 0.424 0.199 1 1 1 1 1Gpo. Mex. de Seguros 0.46 0.932 0.852 1 0.617 0.509 0.903 0.689 0.586GE 0.43 0.639 0.476 0.647 0.582 0.57 0.67 0.587 0.474Zurich Vida 0.35 0.671 0.7 1 0.901 1 0.58 0.442 0.669ANA 0.31 0.521 0.449 0.58 0.713 0.54 0.959 0.951 0.783QBE del Itsmo 0.26 1 1 0.45 1 1 1 1 1Agroasemex 0.23 0.771 0.445 0.67 0.27 0.309 0.335 0.37 0.204Tokio Marine 0.23 0.64 0.62 0.788 0.663 0.683 0.41 0.419 0.546Protección Agropecuaria 0.21 1 1 1 0.571 1 1 1 0.949La Latinoamericana 0.20 0.298 0.285 0.369 0.337 0.362 0.626 0.379 0.48Chubb de México 0.18 0.521 0.529 0.603 0.631 0.708 0.77 0.637 0.497El Potosí 0.14 0.458 0.434 0.534 0.546 0.514 0.553 0.527 0.468Atradius 0.12 0.336 0.54 0.708 0.686 0.676 0.978 0.667 0.355La Peninsular 0.12 0.486 0.417 0.563 0.768 0.467 0.577 0.596 0.161El Águila 0.09 0.801 0.621 0.752 0.675 0.65 0.72 0.588 0.505Sompo Japan 0.05 0.985 1 1 1 0.784 1 0.645 0.497Royal & Sunalliance 0.03 1 1 1 0.735 0.667 1 0.818 0.939HIR 0.03 1 1 1 0.988 1 1 1 1Principal 0.02 0.119 0.611 0.453 1 0.156 0.153 0.092 0.038Gerling 0.02 0.463 0.643 0.583 0.52 0.509 0.56 0.877 1Mut. Torreón 0.01 1 1 1 1 1 1 1 1Skandia Vida 0.00 1 1 1 1 1 1 1 1

Promedio ponderado 0.87 0.85 0.89 0.85 0.85 0.91 0.86 0.84Promedio 0.71 0.70 0.77 0.73 0.69 0.79 0.73 0.68

Nombre Compañía Participación de Mercado

52

Si observamos las calificaciones obtenidas bajo RVE las tres empresas con mayor participación de mercado forman parte de la frontera eficiente en la mayoría de los años. Dentro de estas empresas se encuentra MetLife que en el análisis de RCE concluimos que su eficiencia disminuye luego de la adquisición de Ahisa en 2003, en este caso la conclusión es distinta ya que solo en el 2003 la eficiencia de Metlife disminuye y a partir del año 2004 vuelve a ser eficiente. La explicación de esta situación es que Metlife forma parte de las compañías con rendimientos no constantes, en específico con rendimientos de escala decrecientes lo que genera que bajo RVE sea una empresa eficiente. El análisis se hace bajo las dos orientaciones, dado que no sabemos que forma funcional tiene la frontera de posibilidades de producción del mercado asegurador en México.

Las compañías bancarias que mejor aprovechan su posición en términos de eficiencia dentro del mercado bancario son Bancomer y Banamex. En el caso de Bancomer bajo cualquiera de los casos analizados anteriormente es una empresa eficiente en la totalidad del panel, como se comento en el caso de 12 compañías bajo RCE esto responde a que Bancomer reporta a la CNSF un empleado derivado de su estrategia de nómina y de las ventajas que le da que los empleados del sistema bancario puedan ofrecer los servicio de seguros en la misma sucursal que se ofrecen los servicios financieros. En el caso de Banamex es una empresa mucho más eficiente bajo RVE que bajo RCE ya que para el primer caso es eficiente en 5 de los 8 años del análisis solo siendo ineficiente en 2001, 2002 y 2005 (Tabla 5.13) mientras que en el caso de RCE solo es eficiente durante 1999 y 2000. Estas dos empresas son líderes en el mercado bancario y en consecuencia esta posición estratégica se ve reflejada en su eficiencia dentro del sector asegurador.

El resto de los bancos que ofrecen seguros (Inbursa, Banorte y Santander) no resultan ser empresas tan eficientes dentro del sector asegurador. Banorte es la empresa con mejor calificación promedio con 71% para RVE seguida de Inbursa con 66% y por Santander con 48%. Sin embargo la única empresa que en alguno de los años forma parte de la frontera es Inbursa en el 2002. El caso de HSBC no se analiza ya que al momento de adquirir Bital y darse la fusión del área de Seguros, Bital es dividida en Vida HSBC y Daños HSBC por lo que la información anual deja de ser comparable y se excluye del panel.

La posibilidad de ofrecer seguros ligados a los servicios bancarios, utilizar la infraestructura del banco, las sucursales como puntos de atención y, por ende, menos empleados le permite a los bancos tener ventajas competitivas respecto a otras compañías aseguradoras.

Tabla 5.14 Promedio cias. eficientes RVE

12 Compañías 24 Compañías 44 CompañíasEficientes 7 10 14No Eficientes 5 14 30Proporción (%) 59% 42% 31%

Datos Promedio Rendimientos Variables a Escala

Al igual que en el caso de RCE la proporción de empresas eficientes disminuye conforme se agregan compañías en el análisis, el comportamiento es muy similar al presentado bajo RCE, de hecho la proporción de empresas eficientes prácticamente es el doble, bajo RVE respecto a RCE (Tabla 5.11 y 5.14).

Otro resultado que resulta importante es que al ir agregando nuevas observaciones las empresas que son eficientes regularmente lo continúan siendo y las que modifican su calificación son las de menor tamaño. Esto nos indica que al ir agregando empresas cada vez más pequeñas éstas se sitúan en un segmento distinto de la frontera eficiente que las

53

empresas de mayor tamaño y permiten una mejor definición de la frontera eficiente y por tanto de la eficiencia del sector asegurador.

Tabla 5.15 Prueba de Hipótesis Rend. Var. 44 Cias.

Rendimientos Variables a Escala (44 Compañías)1998-1999 1999-2000 2000-2001 2001-2002 2002-2003 2003-2004 2004-2005 1998-2005

Media primer año 0.712 0.703 0.773 0.727 0.689 0.794 0.725 0.712Varianza primer año 0.061 0.047 0.044 0.053 0.067 0.049 0.058 0.061Observaciones primer año 44 44 44 44 44 44 44 44Media segundo año 0.703 0.773 0.727 0.689 0.794 0.725 0.684 0.684Varianza segundo año 0.047 0.044 0.053 0.067 0.049 0.058 0.078 0.078Observaciones segundo año 44 44 44 44 44 44 44 44Correlación de Pearson 0.814 0.711 0.396 0.733 0.641 0.837 0.754 0.500Hipótesis de la diferencia de medias 0 0 0 0 0 0 0 0Grados de Libertad 43 43 43 43 43 43 43 43Estadística t 0.409 -2.853 1.255 1.367 -3.379 3.438 1.485 0.706P(T<=t) dos-colas 0.684 0.007 0.216 0.179 0.002 0.001 0.145 0.484t Crítica de dos-colas 2.017 2.017 2.017 2.017 2.017 2.017 2.017 2.017Ho: Medias son iguales.Prueba Ho: dos colas No rechaza No rechaza No rechaza No rechaza No rechaza No acepta No rechaza No rechaza

Prueba-t: Para la Media de dos Muestras Dependientes.

Los resultados obtenidos para las pruebas de hipótesis en el caso de RVE para las 44 compañías indican que sólo entre los años 2003 y 2004 no aceptamos la prueba de hipótesis, entre dichos años el promedio de la eficiencia disminuye 6.9 puntos porcentuales lo que indica que dicha eficiencia disminuye. En el resto de los años del panel no hay evidencia suficiente para concluir que la media es distinta. Asimismo en la prueba donde se compara el año inicial y el año final no rechazamos la prueba de hipótesis por lo que no podemos concluir que la media de la eficiencia sea diferente y por tanto que el mercado sea más o menos eficiente derivado de la apertura del mercado asegurador en México.

La dinámica del sector asegurador en México ha cambiado de manera importante en los últimos años luego de la apertura del mercado y la inversión de capital extranjero, las exigencias al interior de las empresas de generar utilidades acordes a las expectativas de los inversionistas y la competencia con el resto del mercado exige a las empresas mejoras continuas en su operación, es en este sentido el análisis mediante la DEA permite evaluar desde una nueva perspectiva la eficiencia entre las compañías aseguradoras. En el siguiente capítulo se analizarán las conclusiones del presente trabajo y las generalidades derivadas de su análisis.

54

CAPÍTULO 6.CONCLUSIONES

La apertura comercial con América del Norte derivada del TLC deja atrás las políticas proteccionistas del gobierno mexicano sobre el mercado y permite al capital extranjero invertir en compañías mexicanas o establecerse en el país. Las compañías aseguradoras con mejor eficiencia serán las que obtengan mayores beneficios y oportunidades generadas por la liberación financiera y la integración al mercado internacional.

Entre 1990 y 2000, años entre los que se establece la apertura total del mercado, la participación extranjera pasa de un mercado cerrado a un mercado donde 29 de los 70 participantes eran filiales de instituciones del exterior.6 Para el cierre de 2005 de las 89 compañías en el mercado 39 presentaban capital mayoritariamente extranjero.7

El Análisis de la Envolvente de Datos permite analizar la eficiencia de las empresas utilizando múltiples variables a la vez y es una alternativa a la utilización de los índices parciales de productividad y a los métodos de frontera paramétricos. Para que una empresa formara parte del panel que va de 1998 a 2005 se requiere que la empresa esté presente en el total de los años, es decir, que no desapareciera o fuera de creación posterior a 1998, y que no presenta faltantes de información en el periodo para ninguna de las variables utilizadas. En el caso de fusiones o adquisiciones la información que prevalece antes de la fusión / adquisición es la de las compañías que la realiza sin importar cual de ellas es más grande.

Una vez definido el panel de datos, se selecciona la orientación del insumo dado que las compañías tienen mayor control sobre los insumos que sobre los resultados, por ejemplo, si todas las compañías utilizan los mismos insumos entre un año y otro no necesariamente el volumen de primas emitidas será la misma, en este sentido podemos pensar que existen condiciones del mercado que influyen sobre el volumen de primas emitidas.

Dado que se desconoce la forma en que cambia el volumen producido a medida que varían en la misma proporción todos los insumos de la producción, el análisis del panel se realiza desde rendimientos constantes y rendimientos variables a escala. En el primer caso se supone que los factores utilizados y el volumen producido varían en la misma proporción mientras que en el caso de rendimientos variables no sucede así.

Las primas emitidas son utilizadas como variable de resultado (producto) mientras que las reservas técnicas, los empleados y el capital se utilizan como variables de entrada (insumos). Lo que se busca es producir la misma cantidad de producto reduciendo proporcionalmente todos los insumos según la calificación otorgada por la DEA.

La hipótesis que se plantea originalmente es que, derivado de la apertura del sector asegurador por el TLCAN, la eficiencia de las empresas debe incrementar ante la necesidad de enfrentar las nuevas condiciones de competencia. En este caso la prueba se hace sobre el promedio de las calificaciones de un año al otro e igualmente se contrastan los resultados entre el año inicial y final.

Los resultados obtenidos según las pruebas de hipótesis no permiten concluir que entre 1998 y 2005 la eficiencia promedio del mercado aumente. En la Tabla 6.1 podemos observar un cuadro resumen con los resultados de las pruebas entre el año inicial y final para cada uno de los escenarios planteados en el capítulo 5 de este trabajo.

6 Anuario estadístico de seguros y fianzas 2000, CNSF 7 Anuario estadístico de seguros y fianzas 2005, CNSF

55

Tabal 6.1 Resumen de Resultados Pruebas de Hipótesis. Año inicial vs año final (1998-2005).

12 Compañías 24 Compañias 44 CompañíasRendimientos Constantes a Escala Acepto Rechazo AceptoRendimientos Variables a Escala Acepto Acepto Acepto

Orientación Número de Empresas

Solo en el caso de 24 compañías bajo RCE no aceptamos la hipótesis nula, sin embargo en este caso el promedio de la eficiencia disminuye de 0.767 en 1998 a 0.632 en 2005 lo que nos indica que bajo rendimientos constantes a escala la eficiencia disminuye para las 24 compañías más importantes en el mercado.

La idea de realizar la prueba de hipótesis entre el año inicial y final y no solo entre años consecutivos radica en tomar en consideración que la implementación de la eficiencia no necesariamente se realiza en un periodo breve de tiempo y que es un proceso constante y de mejora continua. Otra posibilidad que se cubre con el análisis entre al año inicial y final es que una vez que las empresas son adquiridas se les permite continuar laborando de manera regular para generar el menor impacto posible y no es hasta años después de adquirida la empresa cuando se definen las mejoras en la empresa.

Para el presente estudio no se cuenta con el total de los años que corresponden al periodo de apertura del mercado que va de 1994 a 2000 por lo que no podemos concluir que no se tomaron medidas para la mejora de la eficiencia en el sistema asegurador ante la apertura del mercado, ya que existe la posibilidad de que se hubieran realizado antes de 1998. Lo que es un hecho es que a partir de la apertura total del sector asegurador en el año 2000 la eficiencia de las empresas no ha cambiado de manera clara hasta 2005.

Adicional a la conclusión principal del presente trabajo podemos obtener otros resultados importantes. La mejora en la eficiencia de las empresas permite un mejor rendimiento en el sector asegurador, el caso de Metlife-Ahisa muestra que las empresas en el mercado que no mantienen un buen desempeño tenderán a fusionarse mientras que las empresas que las adquieren consideran que pueden mejorar su participación en el mercado sin disminuir su eficiencia. Al final las dos compañías deberán verse beneficiadas por la fusión en términos de su eficiencia.

Otro resultado implícito es que las empresas más eficientes no son necesariamente las más grandes, la razón de que exista en México un mercado tan disperso es que las empresas pequeñas son capaces de enfocarse en un nicho de mercado que les otorga una ventaja competitiva respecto a sus competidores. Es decir, vemos que las empresas se vuelven especialista en un sector, situación que vemos en otros intermediarios financieros como los bancos o las casas de bolsa.

El modelo de la DEA nos permite explorar nuevas alternativas antes los resultados obtenidos, ya sea agregando nuevas variables al análisis o modificando la perspectiva de análisis. Otra alternativa es considerar variables cualitativas que nos permitan evaluar la calidad en el servicio y la satisfacción del cliente para lo cual también existen variaciones de la DEA.

Adicionalmente la DEA otorga la posibilidad de enfocarse en la eficiencia al interior de las compañías según los intereses de cada una mediante la definición de sus insumos y sus productos o hasta la evaluación del desempeño de sus empleados como puede ser la fuerza de venta o los ajustadores, por lo que el presente trabajo queda abierto a análisis adicionales.

56

ANEXOS Anexo A: El programa DEAP, Data Envelopment Analysis (computer) Program. Esta sección describe brevemente el uso del programa computacional DEAP8. El programa esta escrito en Fortran. Este programa se puede correr desde DOS o desde un icono de sistema desde WINDOWS. El programa comprende un conjunto de archivos de sistema donde el usuario crea el archivo de datos y un archivo con las instrucciones para el programa.

El usuario puede iniciar el programa al teclear DEAP desde DOS, si se desea correr en Windows se hace doble clic en DEAP.exe y se selecciona el archivo de instrucciones, entonces el programa ejecutará dichas instrucciones y creará un archivo output que puede leerse con un editor de texto como Notepad o Edit o con un procesador de palabras como Word o Word Perfect.

Para ejecutar DEAP se requieren generalmente de 5 archivos:

1. El archivo ejecutable DEAP.EXE

2. El archivo de arranque DEAP.000

3. El archivo de datos (nombre.DTA)

4. El archivo de instrucciones (nombre.INS)

5. El archivo output (nombre.OUT)

El archivo de arranque y el ejecutable se encuentran en el programa. El archivo de arranque DEAP.000, es un archivo que contiene los valores de los parámetros que el usuario podría requerir modificar o no hacerlo.

El archivo de datos y el de instrucciones deben se creados por el usuario antes de correr la aplicación. El archivo output es creado por DEAP durante la ejecución del programa. El archivo de datos. El programa requiere que la base de datos este contenida en un archivo de texto y los datos aparezcan en un orden particular. Los datos deben estar listados por observación, es decir, cada renglón le corresponde a una compañía). Debe existir una columna para cada insumo y para cada producto, con todos los productos listados primero y después todos los insumos (de izquierda a derecha dentro del archivo). Por ejemplo, si se cuentan con 40 observaciones con dos insumos (x1, x2) y dos productos (y1, y2), deben existir 4 columnas para cada observación listados en el siguiente orden: y1, y2, x1, x2.

En el caso de que se desee calcular también la eficiencia asignativa se necesitan columnas de los precios de los insumos que deben estar a al derecha de las columnas de los insumos y aparecer en el mismo orden: y1, y2, x1, x2, w1, w2; con w1 el precio de la cantidad x1 y w2 precio de la cantidad x2.

8 Este anexo es una extracción del documento de trabajo “A guide to DEAP Version 2.1: A Data Envelopment Analysis (Computer) Program”. Coelli Tim. Cap. 4.

57

El programa también puede calcular el índice de Malmquist cuando se cuenta con un panel de datos. Por ejemplo si se tienen 30 empresas con un panel de 4 años se deben listar todos los datos para el primer año, luego para el segundo y así sucesivamente. Se deben tener observaciones para todas las empresas durante todos los años.

El archivo se puede crear mediante cualquiera de los siguientes paquetes de cómputo:

• Utilizando el editor de texto (Notepad).

• Un procesador de palabras y salvándolo en formato de texto (Word, Word Perfect).

• Utilizando una hoja de cálculo y pegándola en un archivo de texto (Lotus, Excel).

• Utilizando algún paquete estadístico y exportando los datos a un archivo de texto (Sas).

El archivo solo debe contener números separados por espacios a tabulados. No deben contener alguna columna de encabezado o comas entre los números. El archivo de instrucciones.

Es un archivo de texto que regularmente se crea usando un editor de texto o un 9procesador Word. La manera más fácil de crear este archivo es hacer una copia del DBLANK.INS (que se encuentra en el programa) y luego editar el archivo y escribir la información necesaria:

• Nombre del archivo de datos

• Nombre del archivo de resultados

• Número de observaciones (DMU’s)

• Número de periodos de tiempo

• Número de productos

• Número de insumos

• Selección de la orientación (insumos o productos)

• Selección de la tecnología

• Selección del método Archivo de resultados. El archivo de resultados es un archivo que el programa DEAP genera cuando el archivo de instrucciones es ejecutado. El archivo de salida puede ser leído mediante un editor de texto, un procesador de palabras o bien mediante una hoja de cálculo para generar gráficas o su inclusión en algún reporte. Ejemplo.

9 El archivo de trabajo de Tim Coelli contiene ejemplos adicionales para el cálculo de la eficiencia de costos y el índice de Malmquist que aquí no se detallan.

58

El ejemplo que se muestra a continuación es similar al que se corrió para el análisis10 y corresponde a Rendimientos Variable a Escala que también presenta los resultados para Rendimientos Constantes.

Supongamos que tenemos cinco DMU’s con un producto y dos insumos con el cual generamos el archivo de datos EG01.DTA con los siguientes datos:

1 2 5

2 2 4

3 6 6

1 3 2

2 6 2

Donde los productos están listados en la primera columna y los insumos en las dos siguientes.

El archivo de instrucciones EG01.INS se detalla a continuación:

EG1.DTA Nombre de archivo de datos

EG1.OUT Nombre de archivo de resultados.

5 Número de compañías.

1 Número de periodos de tiempo

1 Número de productos

1 Número de insumos

0 0=Orientación del insumos y 1=Orientación del producto.

1 0=Rendimientos Constantes a Escala y 1=Rendimientos Variables a Escala.

0 0=DEA, 1=Costo-DEA, 2=Malmquist-DEA, 3=DEA(1-STAGE), 4=DEA(2-STAGE)

Los comentarios no son leídos por el programa, por lo que los usuarios podrían tener archivos de Instrucciones creados directamente en un editor de texto sin comentarios, sin embargo esto no es recomendable ya que seria muy fácil perder la referencia a la que cada línea hace referencia.

Desde un icono del programa se corre el archivo de instrucciones y se obtiene el archivo de salida, el cual se deposita en la misma ruta donde se encuentre el archivo ejecutable.

Los resultados para el archivo de salida EG1.OUT son:

Results from DEAP Version 2.1

59

Instruction file = EG1.INS Data file = EG2.DTA Input orientated DEA Scale assumption: VRS Slacks calculated using multi-stage method EFFICIENCY SUMMARY: firm crst vrste scale 1 0.500 1.000 0.500 irs 2 0.500 0.625 0.800 irs 3 1.000 1.000 1.000 - 4 0.800 0.900 0.889 drs 5 0.833 1.000 0.833 drs mean 0.727 0.905 0.804 Note: crste = technical efficiency from CRS DEA vrste = technical efficiency from VRS DEA scale = scale efficiency = crste/vrste Note also that all subsequent tables refer to VRS results SUMMARY OF OUTPUT SLACKS: firm output: 1 1 0.000 2 0.000 3 0.000 4 0.000 5 0.000 mean 0.000 SUMMARY OF INPUT SLACKS: firm input: 1 1 0.000 2 0.000 3 0.000 4 0.000 5 0.000 mean 0.000 SUMMARY OF PEERS:

firm peers: 1 1 2 1 3 3 3 4 3 5 5

SUMMARY OF PEER WEIGHTS:

Muestra la Eficiencia Técnica (te) para los resultados bajo rendimientos constantes a escala y variables a escala así como la escala que mantiene entre ellas.

Muestra las deficiencias (slacks) para las variables de entrada y de salida.

Muestra las DMU’s contra las que se compara directamente la unidad que se esta evaluando. El punto proyectado de la DMU sobre la frontera es la combinación lineal de las “firm peers” tomando como pesos los dados en “firm peer weights”.

60

(in same order as above) firm peer weights: 1 1.000 2 0.500 0.500 3 1.000 4 0.500 0.500 5 1.000

PEER COUNT SUMMARY: (i.e., no. times each firm is a peer for another)

firm peer count: 1 1 2 0 3 2 4 0 5 1

SUMMARY OF OUTPUT TARGETS:

firm output: 1 1 1.000 2 2.000 3 3.000 4 4.000 5 5.000

SUMMARY OF INPUT TARGETS: firm input: 1 1 2.000 2 2.500 3 3.000 4 4.500 5 6.000

FIRM BY FIRM RESULTS: Results for firm: 1 Technical efficiency = 1.000 Scale efficiency = 0.500 (irs) PROJECTION SUMMARY: variable original radial slack projected

value movement movement value output 1 1.000 0.000 0.000 1.000 input 1 2.000 0.000 0.000 2.000 LISTING OF PEERS: peer lambda weight 1 1.000 Results for firm: 2 Technical efficiency = 0.625 Scale efficiency = 0.800 (irs) PROJECTION SUMMARY: variable original radial slack projected

Número de veces que la DMU sirvió para obtener la proyección de una DMU sobre la frontera o que sirvió de comparación directa con la unidad evaluada.

El output/input al que puede aspirar considerando el punto proyectado más/menos la deficiencia de insumo/producto.

Presenta un resumen de los resultados por unidad evaluada.

61

value movement movement value output 1 2.000 0.000 0.000 2.000 input 1 4.000 -1.500 0.000 2.500 LISTING OF PEERS: peer lambda weight 1 0.500 3 0.500 Results for firm: 3 Technical efficiency = 1.000 Scale efficiency = 1.000 (crs) PROJECTION SUMMARY: variable original radial slack projected

value movement movement value output 1 3.000 0.000 0.000 3.000 input 1 3.000 0.000 0.000 3.000 LISTING OF PEERS: peer lambda weight 3 1.000 Results for firm: 4 Technical efficiency = 0.900 Scale efficiency = 0.889 (drs) PROJECTION SUMMARY: variable original radial slack projected

value movement movement value output 1 4.000 0.000 0.000 4.000 input 1 5.000 -0.500 0.000 4.500 LISTING OF PEERS: peer lambda weight 3 0.500 5 0.500 Results for firm: 5 Technical efficiency = 1.000 Scale efficiency = 0.833 (drs) PROJECTION SUMMARY: variable original radial slack projected

value movement movement value output 1 5.000 0.000 0.000 5.000 input 1 6.000 0.000 0.000 6.000 LISTING OF PEERS: peer lambda weight 5 1.000

62

Anexo B: Series de datos originales en precios corrientes (sin deflactar)

Dec-98 Dec-99 Dec-00 Dec-01 Dec-02 Dec-03 Dec-04 Dec-05GNP 10,529,313 13,154,233 14,887,279 16,939,314 19,210,286 18,657,900 23,224,066 25,505,524Metlife 985,423 1,543,843 2,076,640 3,267,224 4,330,577 12,922,846 21,008,681 21,697,870Axa 13,633,293 17,088,816 19,662,544 19,826,450 24,040,853 22,568,135 21,351,038 18,817,560Inbursa 2,947,127 4,068,227 5,331,724 6,612,612 15,765,388 8,036,087 8,979,901 8,478,124Mty NYL 4,068,757 5,148,860 3,753,867 3,582,701 4,288,661 5,896,774 6,257,208 6,679,466BBVA Bancomer 1,321,305 1,615,697 1,955,277 2,355,464 2,786,749 3,121,086 3,623,988 5,770,730Quálitas 307,265 462,265 752,365 1,393,494 2,195,702 2,881,391 3,805,325 4,450,304Banorte 325,369 548,925 628,896 573,130 559,055 598,965 2,215,479 4,104,594ABA Seg. 988,815 1,224,846 1,515,651 1,999,157 2,755,386 2,898,936 3,221,299 3,467,401Mapfre 1,760,653 2,125,148 2,384,791 2,494,461 3,129,943 3,631,897 3,372,897 3,314,955Banamex 757,603 1,020,623 1,138,699 1,553,075 1,576,812 3,401,267 8,012,928 3,274,196Zurich 388,936 480,675 1,343,935 2,224,568 2,677,511 2,939,030 3,026,954 3,009,818Atlas 819,432 1,037,224 1,311,828 1,489,100 1,871,623 2,111,757 2,495,230 2,768,382Allianz 719,262 866,811 1,247,576 1,150,385 1,222,644 2,621,621 3,687,589 2,353,807ACE 278,394 358,490 525,701 1,077,947 1,128,069 1,579,930 2,240,501 2,245,185AIG 771,427 942,304 1,308,156 1,906,465 1,955,337 1,550,197 1,664,005 2,011,145Interacciones 497,627 552,592 936,145 1,707,149 2,625,731 1,655,476 1,566,697 1,707,469General de Seg. 561,500 656,678 864,646 755,345 916,281 1,032,857 1,140,087 968,056Metropolitana 165,818 231,315 451,406 614,316 667,638 871,535 891,686 917,655Patria 418,807 453,310 566,781 798,264 915,052 1,140,797 1,116,531 880,239Santander 323,881 412,051 306,518 76,030 79,786 421,750 651,648 848,653Afirme 19,744 57,229 144,476 246,090 206,117 349,306 532,673 750,971Patrim. Inbursa 117,274 245,024 101,870 -24,848 13 1 98,437 678,274Gpo. Mex. de Seguros 3,649 23,997 87,314 104,852 113,944 319,201 377,095 645,367GE 206,163 263,011 306,491 378,999 471,057 546,409 567,597 603,016Zurich Vida 60,372 115,475 231,143 360,344 719,113 431,833 374,609 487,490ANA 60,175 83,446 119,293 191,824 186,050 402,221 471,910 443,655QBE del Itsmo 21,492 58,216 22,035 104,345 149,741 215,546 233,211 373,021Agroasemex 508,908 444,446 589,334 349,105 279,532 287,984 363,689 326,711Tokio Marine 120,545 111,366 145,728 206,837 248,140 259,697 328,663 326,054Protección Agropecuaria 139,016 220,106 198,139 95,431 208,326 233,653 389,367 302,793La Latinoamericana 134,115 141,333 156,874 177,521 222,163 386,643 242,194 285,533Chubb de México 113,684 103,032 134,222 160,171 175,554 225,740 240,751 258,487El Potosí 66,938 85,661 105,439 136,841 162,995 165,670 185,330 194,466Atradius 89,141 112,171 125,641 114,944 120,008 129,812 158,612 167,117La Peninsular 102,551 109,276 129,937 135,769 176,856 184,715 205,374 59,417El Águila 46,994 70,319 84,481 119,673 132,692 143,026 145,203 129,207Sompo Japan 30,342 47,271 48,635 42,854 50,209 72,642 71,717 75,985Royal & Sunalliance 562,432 925,654 900,901 1,001,468 1,233,494 1,714,648 1,771,739 1,991,173HIR 12,850 9,678 5,715 3,456 8,390 13,017 19,440 40,592Principal 11,821 29,719 43,835 1,316,069 164,063 107,047 71,884 32,339Gerling 64,652 64,791 49,126 35,076 19,655 21,432 22,437 28,987Mut. Torreón 1,646 1,424 1,567 2,820 13,021 25,024 23,758 13,100Skandia Vida 40 57 272 981 823 868 1,711 3,171Las Primas Emitidas corresponden a los datos de diciembre en precios corrientes publicados por la CNSF.

Nombre Compañía Primas Emitidas (miles MXP)

63

Mar-98 Jun-98 Sep-98 Dec-98 Mar-99 Jun-99 Sep-99 Dec-99GNP 1,874,436 1,908,910 1,960,162 2,019,720 2,445,670 2,404,070 2,557,283 2,682,512Metlife 125,301 107,037 61,990 80,333 77,730 77,996 102,600 138,393Axa 2,013,163 2,144,610 2,303,631 2,304,285 3,011,831 3,036,890 2,617,722 3,831,575Inbursa 1,556,590 1,571,545 1,629,783 1,484,452 2,041,631 2,116,402 2,159,026 2,299,247Mty NYL 1,168,360 1,108,138 970,041 1,159,419 1,253,501 1,355,959 1,309,181 1,449,235BBVA Bancomer 300,938 340,335 379,521 427,548 492,362 569,613 680,118 763,082Quálitas 47,889 52,173 52,781 72,415 81,003 92,253 100,624 105,369Banorte 27,594 56,842 91,836 97,839 91,301 85,543 64,729 69,710ABA Seg. 81,751 95,993 114,470 150,719 153,025 179,503 199,856 261,887Mapfre 428,598 448,538 458,263 481,078 509,153 582,465 601,548 600,099Banamex 263,127 295,824 316,653 211,757 146,766 170,965 196,833 234,485Zurich 13,547 25,152 56,059 58,156 46,051 73,815 106,637 100,290Atlas 412,194 417,320 487,310 540,964 566,486 585,669 621,030 654,198Allianz 377,568 372,874 394,554 412,751 559,724 581,446 609,302 578,595ACE 82,338 93,177 101,224 98,415 104,571 104,717 105,636 86,668AIG 180,601 162,418 219,690 189,704 239,899 217,027 169,220 189,147Interacciones 85,856 84,722 99,394 112,758 125,472 145,625 119,994 127,451General de Seg. 190,237 180,250 171,110 211,220 276,106 279,064 289,496 322,777Metropolitana 63,190 65,398 83,422 87,500 107,799 121,556 131,954 138,447Patria 343,451 308,562 292,662 296,147 347,159 326,789 313,868 346,010Santander 164,634 158,898 171,373 189,680 195,575 207,131 220,750 230,131Afirme 36,052 35,260 35,339 35,030 36,102 38,835 37,269 38,883Patrim. Inbursa 171,147 161,572 154,354 116,793 103,593 90,211 76,351 152,643Gpo. Mex. de Seguros 67,981 92,636 92,291 92,385 93,332 91,567 92,064 92,361GE 30,055 29,479 37,318 43,409 41,787 44,080 66,566 74,031Zurich Vida 98,619 68,063 120,085 41,408 39,970 60,659 54,148 67,001ANA 13,733 14,205 14,471 15,856 15,614 17,186 18,427 24,179QBE del Itsmo 17,971 0 0 21,402 20,752 17,909 20,638 24,532Agroasemex 98,156 12,032 7,632 208,324 240,165 233,293 211,021 152,616Tokio Marine 86,433 94,910 98,073 100,114 96,587 97,230 100,220 107,626Protección Agropecuaria 10,113 15,312 13,355 20,164 -7,767 27,991 17,758 28,830La Latinoamericana 161,403 155,729 181,915 178,893 222,563 222,699 225,817 237,658Chubb de México 49,490 54,917 70,353 48,915 49,586 47,361 48,732 49,848El Potosí 39,032 39,610 45,192 50,968 54,877 57,835 60,086 66,021Atradius 113,610 112,864 112,253 121,874 138,422 152,051 154,994 159,940La Peninsular 42,701 50,614 55,966 53,002 58,361 61,257 60,524 63,293El Águila 7,816 8,836 19,710 15,162 18,599 16,493 19,555 19,187Sompo Japan 41,267 43,441 47,494 48,435 48,694 48,702 47,798 49,368Royal & Sunalliance 46,049 52,244 53,171 53,008 54,524 60,799 71,491 85,821HIR 13,893 15,773 16,378 16,714 14,324 13,363 16,417 12,927Principal 108,773 107,052 101,660 96,990 98,652 92,458 86,401 81,231Gerling 39,525 40,128 41,511 63,026 62,057 60,592 59,304 52,193Mut. Torreón 538 0 0 1,244 731 1,793 1,888 1,564Skandia Vida 16,473 11,805 55,717 46,730 54,285 52,710 48,238 40,152Las series corresponden a los datos trimestrales en precios corrientes publicados por la CNSF.

Nombre Compañía Capital (Miles MXP) Capital (Miles MXP)

64

Mar-00 Jun-00 Sep-00 Dec-00 Mar-01 Jun-01 Sep-01 Dec-01GNP 2,778,460 2,892,139 2,925,769 3,252,850 3,432,743 3,563,881 3,582,607 2,160,034Metlife 166,902 157,056 159,876 161,339 238,014 274,509 410,195 294,274Axa 3,592,453 3,267,426 2,917,212 2,277,272 2,406,368 1,768,016 1,172,843 3,749,525Inbursa 2,322,925 2,475,078 2,438,257 2,387,564 2,448,630 2,500,266 2,462,815 2,194,391Mty NYL 1,420,970 1,127,192 965,143 490,331 376,164 685,652 501,526 979,091BBVA Bancomer 889,655 989,287 1,118,561 1,053,486 806,312 846,265 907,341 923,860Quálitas 115,897 130,925 148,102 161,652 161,930 195,101 208,986 232,905Banorte 71,638 71,666 69,392 127,772 87,076 98,560 72,598 73,947ABA Seg. 292,050 328,092 320,454 348,449 381,173 438,901 453,189 461,722Mapfre 610,508 624,347 627,030 631,650 662,231 739,845 763,526 737,226Banamex 170,260 212,926 265,708 331,229 199,426 276,683 352,791 419,875Zurich 120,570 207,856 197,785 252,599 253,343 290,210 270,278 248,850Atlas 685,454 708,440 729,906 753,644 787,006 805,051 848,988 879,947Allianz 608,687 583,498 556,585 558,085 546,758 486,216 457,164 497,282ACE 97,201 88,099 76,682 26,821 92,160 114,113 100,330 96,778AIG 204,922 213,830 204,677 203,322 211,634 225,832 230,441 281,319Interacciones 138,432 145,370 151,425 143,361 150,840 158,289 162,292 218,797General de Seg. 304,664 313,598 277,013 291,994 283,170 299,589 279,635 329,932Metropolitana 155,562 174,536 182,984 177,543 163,917 173,616 184,579 185,069Patria 348,044 333,670 307,274 288,987 284,658 295,517 269,985 284,364Santander 236,469 241,178 241,612 258,951 264,942 190,273 182,454 196,546Afirme 40,039 48,315 49,330 53,711 49,623 55,283 53,398 46,037Patrim. Inbursa 135,330 121,186 74,975 55,429 58,693 65,217 64,038 68,227Gpo. Mex. de Seguros 87,507 91,464 84,242 93,727 90,721 88,308 95,120 75,836GE 65,329 59,281 61,441 45,839 48,148 52,472 53,793 64,957Zurich Vida 59,545 62,991 74,621 106,671 126,404 146,341 149,704 163,865ANA 25,659 25,848 25,204 23,130 22,456 21,712 21,888 9,635QBE del Itsmo 24,133 23,719 25,144 25,944 35,197 32,864 22,162 26,287Agroasemex 138,192 142,948 120,433 489,521 508,684 485,654 447,447 470,933Tokio Marine 104,359 116,476 120,706 128,919 128,275 128,187 135,241 144,242Protección Agropecuaria -2,231 21,587 11,652 60,130 3,978 50,184 35,481 9,795La Latinoamericana 244,920 245,252 249,503 251,282 250,817 240,097 219,119 213,531Chubb de México 45,409 45,533 45,334 49,034 50,473 51,504 45,642 56,097El Potosí 66,760 66,217 66,868 69,217 70,104 68,847 66,755 69,381Atradius 167,929 172,684 173,967 175,014 177,190 185,284 175,369 173,698La Peninsular 68,435 76,126 76,066 76,881 87,425 0 89,894 82,619El Águila 13,749 13,523 18,780 14,047 19,123 27,826 18,630 21,336Sompo Japan 48,874 51,156 48,461 49,681 50,304 46,433 46,335 46,778Royal & Sunalliance 95,812 101,855 113,668 122,140 93,877 101,565 96,646 101,586HIR 12,968 26,459 23,796 25,395 18,859 21,491 20,200 19,320Principal 103,725 96,418 90,080 80,667 70,143 59,999 81,105 76,885Gerling 51,576 54,648 51,329 57,938 54,435 51,856 52,062 51,136Mut. Torreón 745 1,607 1,642 1,194 576 1,598 1,179 1,177Skandia Vida 53,783 49,873 49,671 38,983 51,055 44,166 42,518 36,479Las series corresponden a los datos trimestrales en precios corrientes publicados por la CNSF.

Nombre Compañía Capital (Miles MXP) Capital (Miles MXP)

65

Mar-02 Jun-02 Sep-02 Dec-02 Mar-03 Jun-03 Sep-03 Dec-03GNP 2,324,766 2,400,405 2,499,607 2,635,114 2,845,297 3,119,911 3,880,826 3,126,795Metlife 283,045 278,029 287,836 385,205 451,202 4,044,287 4,347,900 5,539,491Axa 4,151,235 5,639,589 5,956,199 5,347,297 5,961,641 6,646,795 7,198,348 7,332,597Inbursa 2,317,228 2,264,795 2,238,619 2,522,179 1,808,653 1,965,068 2,093,961 1,963,306Mty NYL 1,057,153 915,671 736,483 924,031 785,879 712,296 720,196 850,520BBVA Bancomer 762,597 832,934 868,892 963,540 843,805 968,680 1,075,906 1,208,855Quálitas 263,230 332,820 428,445 429,255 489,442 534,725 604,947 667,089Banorte 78,907 79,273 76,380 80,510 83,416 83,750 83,477 89,908ABA Seg. 419,612 444,951 483,365 512,044 550,038 638,666 693,190 695,781Mapfre 792,496 826,014 846,987 884,039 913,134 922,457 932,333 983,451Banamex 233,994 292,054 389,390 596,861 699,675 845,834 980,025 1,106,827Zurich 275,220 361,310 397,336 419,880 493,156 555,505 589,232 640,576Atlas 923,687 916,491 943,334 981,066 1,002,477 1,029,074 1,060,144 1,101,822Allianz 581,950 557,295 558,639 549,316 565,694 599,554 652,235 720,161ACE 107,603 122,565 164,378 142,418 196,964 169,757 206,354 212,027AIG 342,517 323,023 280,879 254,380 327,878 320,416 355,630 435,415Interacciones 151,194 171,759 185,392 156,926 152,479 169,438 250,888 234,916General de Seg. 358,933 361,899 358,666 358,806 353,539 459,308 478,930 543,888Metropolitana 239,546 253,569 257,032 271,410 275,268 273,575 283,784 298,293Patria 321,946 342,991 361,133 412,710 426,215 482,764 499,454 544,004Santander 201,363 206,469 208,555 418,863 432,446 449,692 465,244 653,599Afirme 47,620 52,840 57,272 55,415 59,669 65,973 70,037 72,522Patrim. Inbursa 69,530 69,545 69,160 75,422 77,778 94,772 92,470 48,488Gpo. Mex. de Seguros 71,185 69,909 70,014 64,631 106,829 109,930 107,363 126,150GE 70,153 84,625 94,302 106,387 118,480 134,965 138,417 147,265Zurich Vida 166,303 188,453 177,521 163,470 144,763 141,054 129,413 124,557ANA 5,366 17,062 32,691 55,054 50,618 57,014 69,229 80,285QBE del Itsmo 25,426 26,974 27,462 28,833 25,002 30,204 33,604 29,966Agroasemex 475,529 470,046 408,938 478,785 503,786 495,157 484,271 503,736Tokio Marine 139,934 147,710 150,728 151,686 153,505 153,328 168,757 170,736Protección Agropecuaria 24,908 36,829 27,475 32,682 44,231 47,128 47,128 38,319La Latinoamericana 209,819 210,847 212,403 208,608 210,747 92,001 97,229 95,137Chubb de México 57,092 62,213 70,217 82,620 84,773 87,056 93,018 114,413El Potosí 68,376 73,988 77,034 86,153 87,969 92,532 93,245 97,011Atradius 175,621 170,277 169,542 169,195 174,181 175,271 186,204 188,930La Peninsular 86,006 92,266 90,470 86,792 86,206 97,770 95,039 87,202El Águila 25,334 28,081 26,240 23,498 24,270 23,359 26,832 30,834Sompo Japan 46,146 51,540 52,450 53,050 55,925 54,967 58,351 57,595Royal & Sunalliance 112,931 155,203 140,338 155,404 164,034 184,932 190,233 206,108HIR 21,053 22,554 22,427 28,902 30,460 31,106 31,939 32,290Principal 94,223 84,039 72,132 56,886 77,090 86,133 81,119 82,587Gerling 51,743 51,837 51,995 46,615 49,237 47,331 47,429 47,656Mut. Torreón 1,702 3,116 3,027 1,986 2,471 3,421 4,094 3,195Skandia Vida 41,308 38,767 53,358 46,076 53,285 54,550 67,857 57,197Las series corresponden a los datos trimestrales en precios corrientes publicados por la CNSF.

Nombre Compañía Capital (Miles MXP) Capital (Miles MXP)

66

Mar-04 Jun-04 Sep-04 Dec-04 Mar-05 Jun-05 Sep-05 Dec-05GNP 3,539,835 4,044,618 4,243,441 2,342,483 2,342,094 2,644,778 2,638,046 2,721,280Metlife 5,844,646 6,210,594 6,595,033 8,666,340 9,382,958 9,898,237 7,514,919 6,181,202Axa 7,680,310 7,864,895 7,552,757 7,145,556 4,739,753 4,826,139 5,857,073 5,014,213Inbursa 2,344,207 2,279,735 2,236,707 2,740,815 2,920,858 2,426,766 2,644,573 2,757,458Mty NYL 1,094,094 1,098,243 1,252,008 989,341 905,337 939,219 883,923 988,020BBVA Bancomer 1,106,865 1,218,964 1,164,965 1,413,849 1,577,219 1,236,844 1,447,551 1,608,672Quálitas 737,704 791,726 870,094 936,719 934,080 978,966 984,069 831,096Banorte 94,036 584,657 729,781 748,152 873,193 1,006,561 1,135,729 1,179,276ABA Seg. 758,403 765,224 856,757 989,181 1,072,136 1,094,731 1,141,633 1,216,123Mapfre 1,025,585 1,084,083 1,141,841 1,164,940 1,252,963 1,309,946 1,345,212 1,304,102Banamex 1,226,256 726,011 877,481 1,040,896 1,214,354 1,474,126 1,748,278 1,976,443Zurich 686,124 733,469 744,565 690,765 720,920 714,855 742,694 731,770Atlas 1,141,373 1,150,355 1,181,420 1,269,077 1,297,797 1,286,942 1,339,949 1,358,935Allianz 785,797 829,049 859,221 913,318 940,286 974,434 791,959 755,333ACE 208,735 232,499 271,941 175,876 301,177 361,981 514,022 420,971AIG 458,397 482,191 504,417 531,916 626,122 606,421 523,466 552,966Interacciones 237,324 251,371 235,796 253,618 240,335 244,438 252,833 259,907General de Seg. 621,767 632,753 669,386 752,668 763,877 770,647 873,579 936,550Metropolitana 307,942 323,882 330,955 350,678 365,589 394,050 384,016 386,787Patria 617,009 593,768 593,449 653,078 629,193 637,127 685,839 663,065Santander 673,988 477,129 505,155 488,019 493,224 519,302 545,000 559,185Afirme 77,834 81,623 84,411 84,059 88,756 93,260 96,544 102,367Patrim. Inbursa 47,571 86,914 91,733 154,814 189,436 235,464 274,363 390,599Gpo. Mex. de Seguros 141,224 131,138 149,527 146,061 154,397 151,027 156,592 147,042GE 152,667 173,028 186,773 195,764 200,794 206,101 207,263 205,244Zurich Vida 126,245 126,094 131,609 135,926 96,980 104,571 113,376 128,429ANA 90,771 88,391 99,646 99,994 97,393 75,889 73,700 74,646QBE del Itsmo 29,925 30,205 37,819 34,975 39,200 46,553 30,638 35,634Agroasemex 439,337 442,281 446,496 527,967 532,438 573,465 575,485 547,199Tokio Marine 157,704 167,267 174,117 166,468 162,248 150,848 154,771 164,962Protección Agropecuaria 62,846 64,212 66,744 68,633 74,645 79,942 73,706 73,375La Latinoamericana 97,660 106,224 107,141 108,121 109,261 116,921 117,055 123,372Chubb de México 127,132 121,717 126,248 147,842 153,522 149,261 197,316 198,247El Potosí 100,316 98,773 100,502 100,473 99,811 98,258 100,719 91,534Atradius 197,061 199,702 208,846 209,283 212,324 217,265 222,023 226,229La Peninsular 90,230 83,713 88,923 92,364 96,056 90,376 88,651 95,794El Águila 34,726 36,266 42,463 45,358 46,651 46,440 49,165 46,891Sompo Japan 59,623 61,253 59,866 61,037 64,789 61,781 60,197 62,239Royal & Sunalliance 210,895 217,684 210,122 222,082 225,766 237,897 213,732 236,529HIR 33,452 35,239 36,048 35,681 37,103 39,238 40,071 40,162Principal 89,715 78,169 61,274 94,083 88,404 88,090 107,389 118,726Gerling 48,291 48,090 47,194 45,400 44,790 43,861 44,583 44,614Mut. Torreón 1,008 1,807 3,275 4,476 2,529 1,307 1,873 1,776Skandia Vida 58,468 55,358 48,609 47,030 50,092 51,388 47,243 48,304Las series corresponden a los datos trimestrales en precios corrientes publicados por la CNSF.

Nombre Compañía Capital (Miles MXP) Capital (Miles MXP)

67

Mar-98 Jun-98 Sep-98 Dec-98 Mar-99 Jun-99 Sep-99 Dec-99GNP 7,577,612 7,821,902 8,479,650 9,080,021 9,549,949 9,932,080 9,994,203 10,697,470Metlife 1,065,333 1,122,450 1,219,794 1,319,558 1,428,467 1,474,097 1,670,153 1,736,112Axa 11,656,305 12,483,924 13,539,593 13,810,369 14,299,583 14,594,278 14,674,129 16,002,165Inbursa 3,647,545 3,762,074 3,875,328 3,931,767 4,079,443 4,358,552 4,567,440 5,178,625Mty NYL 4,276,463 4,300,008 4,604,572 4,649,302 4,904,096 5,123,808 5,226,493 5,539,396BBVA Bancomer 771,725 810,478 907,957 970,107 1,127,472 1,106,544 1,196,938 1,220,131Quálitas 190,097 215,318 222,224 222,572 274,627 292,894 306,172 349,348Banorte 234,936 224,611 185,723 245,847 253,854 382,252 403,024 396,267ABA Seg. 638,303 702,372 830,714 893,879 1,096,260 1,167,261 1,191,159 1,231,366Mapfre 1,156,329 1,202,081 1,227,196 1,361,398 1,480,881 1,606,957 1,687,202 1,828,630Banamex 205,682 224,608 264,349 294,926 339,347 377,337 425,142 448,342Zurich 212,752 249,076 462,522 327,059 338,247 343,616 423,316 397,980Atlas 574,031 571,633 606,236 619,600 697,098 710,973 757,830 775,300Allianz 586,356 603,796 604,596 588,616 524,205 551,088 615,369 769,307ACE 408,599 309,440 350,502 341,971 462,400 371,044 337,912 301,205AIG 683,715 692,666 731,175 770,837 860,842 964,416 947,462 1,005,513Interacciones 477,859 488,963 521,674 538,980 560,631 559,916 590,831 602,328General de Seg. 394,009 444,119 479,889 457,568 494,398 520,990 533,871 521,210Metropolitana 160,844 140,094 140,168 137,321 149,922 155,261 172,434 180,849Patria 392,117 431,334 434,277 640,704 551,958 526,059 520,252 531,693Santander 284,547 278,981 240,474 228,913 235,685 237,059 278,028 328,843Afirme 0 4,247 5,641 14,118 16,862 20,912 26,190 36,371Patrim. Inbursa 105,582 107,971 116,509 141,003 163,695 176,980 205,153 224,688Gpo. Mex. de Seguros 475 821 2,223 1,356 5,248 7,841 10,388 12,742GE 149,900 143,904 152,730 153,430 176,669 185,666 184,974 179,406Zurich Vida 17,706 19,345 25,246 37,616 39,939 48,036 49,486 66,219ANA 42,613 48,941 49,516 51,292 58,136 62,589 65,561 65,956QBE del Itsmo 408 0 0 20,517 29,944 40,071 51,114 74,725Agroasemex 366,933 347,023 368,023 381,674 386,961 354,194 337,281 363,799Tokio Marine 61,063 64,350 72,723 76,686 74,372 88,778 90,837 96,658Protección Agropecuaria 47,655 44,662 62,352 78,927 38,345 58,427 87,293 93,724La Latinoamericana 132,320 143,428 140,637 144,103 161,651 159,425 158,260 156,211Chubb de México 112,789 110,751 119,617 105,227 104,715 102,216 96,472 112,174El Potosí 43,125 47,203 50,976 52,359 60,239 61,599 63,634 61,054Atradius 78,975 78,954 88,906 80,711 90,526 71,445 75,281 72,562La Peninsular 69,464 67,709 80,510 87,642 93,109 95,687 87,154 83,324El Águila 16,112 19,480 22,215 26,715 36,136 36,268 38,508 40,108Sompo Japan 0 6,798 10,670 10,995 11,387 12,419 15,066 16,146Royal & Sunalliance 289,254 300,430 330,680 311,492 369,359 418,685 471,908 491,592HIR 144 698 1,112 1,800 4,495 5,564 2,405 2,698Principal 18,436 15,845 12,130 8,162 10,614 12,217 13,807 20,094Gerling 53,230 67,063 82,771 46,127 52,713 47,614 56,361 63,063Mut. Torreón 3,508 0 0 4,260 4,390 4,299 4,288 4,600Skandia Vida 1 1 1 2 2 3 4 4Las series corresponden a los datos trimestrales en precios corrientes publicados por la CNSF.

Nombre Compañía Reservas Técnicas (miles MXP) Reservas Técnicas (miles MXP)

68

Mar-00 Jun-00 Sep-00 Dec-00 Mar-01 Jun-01 Sep-01 Dec-01GNP 11,027,147 11,688,731 11,769,361 12,257,062 12,624,475 12,845,039 13,473,962 13,845,755Metlife 1,833,426 1,965,095 2,055,992 2,127,557 2,434,697 2,500,371 2,724,552 2,846,524Axa 16,257,705 16,916,614 18,910,801 19,015,167 16,928,586 17,345,772 17,348,491 18,565,426Inbursa 5,345,176 5,610,975 5,850,981 6,324,001 6,672,719 6,945,961 7,421,578 8,078,757Mty NYL 5,313,660 5,612,638 5,723,629 5,794,337 5,885,198 5,843,665 6,257,702 6,431,543BBVA Bancomer 1,333,175 1,365,924 1,436,620 1,491,271 1,668,136 1,730,069 1,749,892 1,776,622Quálitas 419,202 472,285 501,156 553,045 723,292 868,922 926,388 1,015,432Banorte 355,006 390,129 397,541 429,560 420,592 386,358 389,062 377,307ABA Seg. 1,324,861 1,356,300 1,383,950 1,415,322 1,485,245 1,489,431 1,611,377 1,805,021Mapfre 1,933,942 2,042,419 2,076,898 2,208,895 2,361,135 2,424,707 2,433,611 2,436,595Banamex 498,476 556,977 634,497 666,544 746,026 884,690 976,709 1,051,116Zurich 453,382 577,423 740,442 874,487 922,181 999,102 1,202,419 1,209,514Atlas 833,617 879,343 942,002 961,809 1,018,099 1,063,105 1,062,566 1,075,011Allianz 731,614 793,131 867,615 947,684 796,062 811,358 755,995 793,932ACE 387,385 383,681 393,420 297,010 390,620 318,117 355,537 459,749AIG 1,021,359 1,010,873 997,669 1,139,635 1,165,480 1,159,287 1,119,720 1,655,576Interacciones 626,890 626,456 646,553 691,841 772,946 806,185 875,599 860,744General de Seg. 568,829 623,394 695,801 735,280 828,354 785,442 699,372 667,130Metropolitana 190,367 208,036 263,891 366,457 430,634 433,580 435,026 473,804Patria 540,565 635,478 644,510 631,765 676,764 722,580 729,471 729,299Santander 306,804 289,072 312,897 285,633 269,787 262,293 255,285 254,473Afirme 43,624 53,401 61,286 67,788 90,973 98,804 116,829 136,996Patrim. Inbursa 263,626 254,523 212,350 179,397 111,255 79,286 58,437 54,835Gpo. Mex. de Seguros 18,654 31,820 36,724 37,631 40,228 44,511 85,372 66,692GE 196,107 201,771 206,401 231,000 247,021 256,128 264,377 271,700Zurich Vida 71,246 76,706 90,867 112,883 129,128 128,244 143,028 163,287ANA 67,363 71,173 78,647 98,170 110,929 119,946 128,833 142,476QBE del Itsmo 68,885 66,814 57,936 50,578 46,435 42,176 37,053 32,305Agroasemex 353,394 370,586 388,305 513,829 481,818 424,045 459,141 456,495Tokio Marine 97,001 84,859 93,263 87,660 98,850 106,236 119,197 115,413Protección Agropecuaria 44,332 54,872 83,658 112,427 52,142 53,448 63,100 87,375La Latinoamericana 149,304 152,651 159,066 162,057 178,697 184,074 191,539 182,955Chubb de México 113,466 161,621 123,777 121,018 95,830 89,730 97,571 84,131El Potosí 64,918 66,422 70,722 76,155 88,032 89,748 89,885 92,335Atradius 73,745 65,145 61,235 83,506 71,307 49,648 53,864 58,015La Peninsular 82,738 82,137 87,510 82,437 83,929 0 82,943 81,427El Águila 40,524 44,084 45,812 47,187 60,138 69,771 70,103 67,219Sompo Japan 15,841 13,165 14,000 13,221 13,231 13,019 16,220 15,453Royal & Sunalliance 593,278 562,333 564,546 509,859 533,045 544,712 638,371 636,691HIR 1,602 1,923 1,297 6,143 5,373 3,029 3,058 2,819Principal 23,963 28,527 32,899 34,333 49,337 69,077 1,251,044 1,258,425Gerling 51,470 55,596 44,478 42,499 30,063 33,704 30,564 15,446Mut. Torreón 4,567 4,669 4,637 4,358 4,394 4,485 4,515 4,487Skandia Vida 5 6 9 11 19 26 33 50Las series corresponden a los datos trimestrales en precios corrientes publicados por la CNSF.

Reservas Técnicas (miles MXP) Reservas Técnicas (miles MXP)Nombre Compañía

69

Mar-02 Jun-02 Sep-02 Dec-02 Mar-03 Jun-03 Sep-03 Dec-03GNP 14,249,907 15,221,961 15,753,633 17,547,949 18,215,803 18,139,485 18,863,274 20,177,495Metlife 3,106,902 3,253,850 3,356,915 3,595,325 3,788,370 24,653,759 26,153,473 26,989,084Axa 19,772,056 19,884,092 19,249,169 20,429,384 20,855,694 20,265,479 20,024,627 21,180,088Inbursa 9,116,563 10,118,810 12,226,132 9,862,109 10,110,017 10,209,573 10,838,860 11,498,071Mty NYL 6,551,724 7,233,962 7,786,199 8,387,782 8,975,609 9,239,479 10,030,003 10,688,641BBVA Bancomer 2,000,397 2,022,655 2,058,233 2,082,857 2,344,655 2,305,552 2,371,938 2,357,478Quálitas 1,213,467 1,327,032 1,408,813 1,524,513 1,781,037 1,842,910 1,872,664 1,983,115Banorte 411,034 374,332 384,757 425,595 451,682 425,561 403,324 387,705ABA Seg. 2,117,610 2,253,373 2,303,121 2,384,992 2,488,938 2,586,551 2,576,054 2,566,423Mapfre 2,626,308 2,789,947 2,974,496 3,098,421 3,395,536 3,469,524 3,591,032 3,559,042Banamex 1,103,406 1,156,491 1,140,806 1,142,002 1,166,519 1,308,058 2,341,018 3,008,364Zurich 1,347,204 1,384,916 1,340,046 1,476,234 1,548,084 1,353,273 1,296,945 1,257,429Atlas 1,196,551 1,260,472 1,300,790 1,342,777 1,540,778 1,574,269 1,627,898 1,602,906Allianz 611,438 709,058 749,998 1,075,107 890,222 976,453 1,231,858 1,261,031ACE 519,019 689,559 640,861 641,162 652,351 694,725 818,382 885,801AIG 1,683,927 1,229,182 1,417,108 1,674,978 1,391,105 1,301,039 1,261,451 1,151,024Interacciones 949,835 1,062,253 1,111,486 1,046,564 1,093,944 1,112,389 1,132,102 1,157,054General de Seg. 670,737 693,091 761,155 763,076 789,457 812,026 858,321 878,007Metropolitana 512,258 511,571 574,633 556,506 608,108 618,692 652,837 683,673Patria 732,595 812,127 826,135 912,508 932,096 918,858 978,177 1,009,740Santander 266,275 259,012 264,268 262,264 264,013 254,197 254,873 507,270Afirme 242,206 164,135 162,333 151,966 191,892 148,701 186,150 187,238Patrim. Inbursa 46,407 42,921 43,354 36,817 34,807 11,960 9,362 9,775Gpo. Mex. de Seguros 63,765 81,169 82,678 100,969 112,094 120,374 136,121 142,750GE 291,507 316,525 312,675 322,901 338,722 337,239 346,172 357,826Zurich Vida 190,554 195,785 218,780 280,700 283,819 288,887 295,027 319,471ANA 152,029 131,815 127,690 132,811 166,255 189,361 175,578 170,223QBE del Itsmo 36,915 57,958 57,888 106,798 137,311 192,176 154,911 184,852Agroasemex 389,266 381,996 460,823 375,420 401,496 390,647 397,170 359,276Tokio Marine 107,154 128,606 134,637 225,569 243,456 236,505 417,756 274,601Protección Agropecuaria 56,776 66,375 76,406 99,716 84,053 69,046 69,046 94,661La Latinoamericana 191,578 190,200 204,452 202,579 219,542 235,314 239,617 241,799Chubb de México 87,108 93,531 88,671 87,622 100,791 96,913 123,739 125,523El Potosí 103,176 101,457 101,022 94,769 104,831 99,550 100,521 97,653Atradius 48,968 103,942 50,962 49,339 48,828 56,469 37,595 43,622La Peninsular 95,969 102,792 102,406 195,469 149,248 97,132 104,186 96,884El Águila 71,983 76,461 77,184 79,261 87,938 91,350 89,960 83,819Sompo Japan 21,589 21,098 28,951 20,450 29,436 24,685 20,364 28,731Royal & Sunalliance 711,409 716,006 744,736 718,871 820,371 911,571 977,149 1,051,215HIR 3,107 3,371 2,977 3,109 2,839 3,028 3,664 1,978Principal 1,249,870 1,290,756 1,300,589 1,337,842 1,316,201 1,311,534 1,317,809 1,317,128Gerling 11,162 17,906 18,272 10,787 7,861 8,219 18,044 16,679Mut. Torreón 5,526 5,659 5,409 6,464 8,037 8,241 7,922 9,157Skandia Vida 55 60 58 44 56 43 43 45Las series corresponden a los datos trimestrales en precios corrientes publicados por la CNSF.

Reservas Técnicas (miles MXP) Reservas Técnicas (miles MXP)Nombre Compañía

70

Mar-04 Jun-04 Sep-04 Dec-04 Mar-05 Jun-05 Sep-05 Dec-05GNP 20,742,166 20,581,009 21,396,558 24,949,969 26,615,155 26,687,029 28,172,495 32,422,668Metlife 29,059,773 29,867,899 31,928,294 30,175,394 32,256,767 33,190,422 34,474,420 35,761,083Axa 21,377,917 20,887,314 20,765,214 21,984,680 24,278,322 23,697,827 24,236,937 29,599,860Inbursa 11,951,533 12,361,701 12,925,887 13,096,843 13,346,176 13,562,309 13,564,430 15,076,909Mty NYL 11,238,637 12,000,248 12,495,417 12,890,758 13,629,606 13,897,956 14,622,097 15,206,807BBVA Bancomer 2,561,820 2,579,586 2,735,040 2,798,084 3,202,604 3,650,842 4,289,467 4,875,383Quálitas 2,304,269 2,430,576 2,536,606 2,646,474 2,919,700 3,014,764 3,134,252 3,670,911Banorte 398,585 2,612,168 2,617,182 2,890,449 2,986,092 3,250,364 3,570,456 3,629,278ABA Seg. 2,774,163 2,917,389 2,972,743 3,044,176 3,207,313 3,350,063 3,323,851 3,509,828Mapfre 3,715,947 3,815,418 3,565,565 3,363,027 3,353,052 3,369,782 3,387,014 3,704,604Banamex 4,966,301 8,079,515 8,403,612 8,274,946 7,973,645 7,906,182 8,263,920 8,621,651Zurich 1,290,228 1,334,297 1,241,679 1,253,909 1,304,653 1,379,117 1,285,924 1,832,841Atlas 1,678,751 1,700,002 1,775,430 1,637,281 1,839,668 1,906,153 2,002,041 2,177,316Allianz 1,247,318 1,236,696 2,285,030 2,191,925 2,150,452 2,287,708 2,367,536 2,996,298ACE 881,360 1,014,528 1,104,752 924,147 1,202,835 1,112,735 1,073,359 1,613,971AIG 1,250,416 1,457,398 1,218,621 909,825 810,755 1,294,105 1,056,749 1,109,892Interacciones 1,146,848 1,142,804 1,141,423 1,200,176 1,266,145 1,234,698 1,263,291 1,419,288General de Seg. 906,786 930,455 913,105 990,187 1,007,223 1,014,741 995,339 1,000,961Metropolitana 736,522 756,223 760,971 736,337 806,920 798,217 793,107 852,393Patria 1,025,194 1,152,336 1,244,333 1,254,470 1,228,066 1,223,227 1,226,750 1,739,916Santander 532,963 574,849 604,151 640,156 664,111 717,572 786,327 855,602Afirme 182,398 200,759 204,326 224,854 227,344 222,221 244,413 293,510Patrim. Inbursa 8,813 8,200 7,144 9,006 56,253 76,303 104,172 57,187Gpo. Mex. de Seguros 154,370 185,014 197,479 190,927 260,555 358,568 522,009 998,348GE 367,132 360,976 346,287 348,892 364,778 367,186 387,757 428,358Zurich Vida 322,025 319,898 320,241 343,883 338,551 356,604 373,077 395,344ANA 178,087 173,149 176,017 172,999 195,774 191,285 178,395 170,338QBE del Itsmo 224,142 241,068 198,289 193,017 185,089 182,001 323,057 535,376Agroasemex 355,136 352,779 340,365 284,575 338,655 368,799 280,104 303,225Tokio Marine 270,469 281,536 250,712 428,111 350,396 189,515 155,277 135,100Protección Agropecuaria 90,034 168,148 141,324 122,401 85,671 65,261 78,112 101,726La Latinoamericana 262,180 229,761 218,123 202,109 206,683 204,993 216,374 215,146Chubb de México 115,365 123,342 107,740 79,898 72,763 74,673 87,666 149,493El Potosí 111,956 105,025 107,324 103,791 115,734 110,634 113,317 122,738Atradius 43,915 53,109 46,169 58,221 60,189 66,051 67,891 63,188La Peninsular 103,667 109,573 107,464 109,549 103,441 104,433 104,051 247,572El Águila 87,005 92,541 86,180 84,741 90,507 89,399 84,523 87,504Sompo Japan 25,342 29,512 27,837 26,326 28,327 39,862 43,982 33,513Royal & Sunalliance 1,022,276 1,021,458 1,046,176 953,758 1,131,349 1,038,803 1,359,931 4,191,606HIR 2,522 2,631 2,927 3,036 5,307 5,284 4,117 13,366Principal 1,326,548 1,318,101 1,337,686 1,333,415 1,331,706 1,316,555 1,308,902 1,301,067Gerling 8,992 11,969 9,395 6,574 7,202 11,479 10,931 18,200Mut. Torreón 12,323 12,965 13,517 8,506 25,100 9,691 10,096 9,906Skandia Vida 47 53 236 81 104 122 305 146Las series corresponden a los datos trimestrales en precios corrientes publicados por la CNSF.

Reservas Técnicas (miles MXP) Reservas Técnicas (miles MXP)Nombre Compañía

71

Anexo C: Series utilizadas en el análisis.

1998 1999 2000 2001 2002 2003 2004 2005GNP 18.1 16,072 17,876 18,568 20,236 21,711 20,281 23,998 25,506 Metlife 15.4 1,504 2,098 2,590 3,903 4,894 14,047 21,709 21,698 Axa 13.36 20,809 23,223 24,524 23,685 27,171 24,531 22,063 18,818 Inbursa 6.02 4,498 5,529 6,650 7,900 17,818 8,735 9,279 8,478 Mty NYL 4.74 6,210 6,997 4,682 4,280 4,847 6,410 6,466 6,679 BBVA Bancomer 4.1 2,017 2,196 2,439 2,814 3,150 3,393 3,745 5,771 Quálitas 3.16 469 628 938 1,665 2,482 3,132 3,932 4,450 Banorte 2.91 497 746 784 685 632 651 2,289 4,105 ABA Seg. 2.46 1,509 1,665 1,890 2,388 3,114 3,151 3,329 3,467 Mapfre 2.35 2,687 2,888 2,974 2,980 3,537 3,948 3,485 3,315 Banamex 2.32 1,156 1,387 1,420 1,855 1,782 3,697 8,280 3,274 Zurich 2.14 594 653 1,676 2,658 3,026 3,195 3,128 3,010 Atlas 1.96 1,251 1,410 1,636 1,779 2,115 2,295 2,578 2,768 Allianz 1.67 1,098 1,178 1,556 1,374 1,382 2,850 3,810 2,354 ACE 1.59 425 487 656 1,288 1,275 1,717 2,315 2,245 AIG 1.43 1,177 1,281 1,632 2,277 2,210 1,685 1,719 2,011 Interacciones 1.21 760 751 1,168 2,039 2,968 1,799 1,619 1,707 General de Seg. 0.69 857 892 1,078 902 1,036 1,123 1,178 968 Metropolitana 0.65 253 314 563 734 755 947 921 918 Patria 0.62 639 616 707 954 1,034 1,240 1,154 880 Santander 0.6 494 560 382 91 90 458 673 849 Afirme 0.53 30 78 180 294 233 380 550 751 Patrim. Inbursa 0.48 179 333 127 - 0 0 102 678 Gpo. Mex. de Seguros 0.46 6 33 109 125 129 347 390 645 GE 0.43 315 357 382 453 532 594 587 603 Zurich Vida 0.35 92 157 288 430 813 469 387 487 ANA 0.31 92 113 149 229 210 437 488 444 QBE del Itsmo 0.26 33 79 27 125 169 234 241 373 Agroasemex 0.23 777 604 735 417 316 313 376 327 Tokio Marine 0.23 184 151 182 247 280 282 340 326 Protección Agropecuaria 0.21 212 299 247 114 235 254 402 303 La Latinoamericana 0.2 205 192 196 212 251 420 250 286 Chubb de México 0.18 174 140 167 191 198 245 249 258 El Potosí 0.14 102 116 132 163 184 180 192 194 Atradius 0.12 136 152 157 137 136 141 164 167 La Peninsular 0.12 157 149 162 162 200 201 212 59 El Águila 0.09 72 96 105 143 150 155 150 129 Sompo Japan 0.05 46 64 61 51 57 79 74 76 Royal & Sunalliance 0.03 858 1,258 1,124 1,196 1,394 1,864 1,831 1,991 HIR 0.03 20 13 7 4 9 14 20 41 Principal 0.02 18 40 55 1,572 185 116 74 32 Gerling 0.02 99 88 61 42 22 23 23 29 Mut. Torreón 0.01 3 2 2 3 15 27 25 13 Skandia Vida 0.001 0 0 0 1 1 1 2 3 *Series al cierre del año deflactadas con año base=1994, obtenidas del estado de resultados publicados por la CNSF.

Nombre CompañíaPrimas Emitidas (millones MXP)*Part. al

2005

72

1998 1999 2000 2001 2002 2003 2004 2005GNP 18.1 53,668 56,511 60,147 64,053 72,449 83,339 92,492 115,688 Metlife 15.4 7,693 8,865 10,267 12,744 15,370 89,975 127,800 137,879 Axa 13.36 83,870 83,795 91,438 85,170 91,657 91,030 89,772 103,407 Inbursa 6.02 24,825 25,548 29,748 35,317 47,719 47,146 53,137 56,443 Mty NYL 4.74 29,079 29,247 28,885 29,628 34,570 43,024 51,322 58,282 BBVA Bancomer 4.1 5,630 6,543 7,240 8,404 9,431 10,372 11,268 16,259 Quálitas 3.16 1,386 1,718 2,500 4,284 6,317 8,268 10,468 12,939 Banorte 2.91 1,455 2,014 2,022 1,911 1,843 1,846 8,959 13,650 ABA Seg. 2.46 4,978 6,591 7,054 7,751 10,461 11,299 12,361 13,609 Mapfre 2.35 8,059 9,280 10,629 11,720 13,263 15,496 15,282 14,038 Banamex 2.32 1,606 2,233 3,028 4,435 5,248 8,618 31,344 33,297 Zurich 2.14 2,028 2,112 3,390 5,253 6,408 6,037 5,409 5,891 Atlas 1.96 3,868 4,137 4,652 5,120 5,890 7,017 7,174 8,051 Allianz 1.67 3,893 3,451 4,292 3,833 3,623 4,815 7,325 9,951 ACE 1.59 2,308 2,082 1,886 1,848 2,875 3,370 4,145 5,078 AIG 1.43 4,692 5,313 5,365 6,182 6,937 5,649 5,119 4,341 Interacciones 1.21 3,305 3,255 3,335 4,022 4,816 4,970 4,890 5,266 General de Seg. 0.69 2,894 2,914 3,371 3,622 3,334 3,690 3,949 4,085 Metropolitana 0.65 947 925 1,317 2,151 2,489 2,833 3,158 3,304 Patria 0.62 3,075 3,000 3,155 3,468 3,789 4,244 4,934 5,499 Santander 0.6 1,694 1,515 1,539 1,265 1,215 1,411 2,482 3,071 Afirme 0.53 38 140 290 537 835 789 857 1,003 Patrim. Inbursa 0.48 766 1,082 1,175 370 196 73 35 299 Gpo. Mex. de Seguros 0.46 8 51 160 287 379 565 768 2,163 GE 0.43 979 1,023 1,074 1,261 1,436 1,526 1,504 1,573 Zurich Vida 0.35 161 285 451 683 1,021 1,312 1,379 1,487 ANA 0.31 313 355 405 609 629 776 740 748 QBE del Itsmo 0.26 32 273 315 192 298 740 906 1,240 Agroasemex 0.23 2,388 2,032 2,088 2,211 1,857 1,713 1,409 1,313 Tokio Marine 0.23 447 493 467 533 686 1,296 1,297 846 Protección Agropecuaria 0.21 378 388 377 310 345 350 551 336 La Latinoamericana 0.2 915 895 802 895 911 1,035 965 857 Chubb de México 0.18 733 585 670 446 412 494 451 390 El Potosí 0.14 315 347 358 437 463 445 452 470 Atradius 0.12 535 437 365 283 293 206 213 262 La Peninsular 0.12 496 506 431 301 571 495 454 566 El Águila 0.09 137 212 228 324 352 391 370 358 Sompo Japan 0.05 45 77 72 70 106 114 115 148 Royal & Sunalliance 0.03 2,009 2,460 2,875 2,853 3,340 4,155 4,272 7,798 HIR 0.03 6 21 14 17 15 13 12 28 Principal 0.02 90 79 154 3,158 5,982 5,820 5,614 5,346 Gerling 0.02 408 309 250 134 67 56 39 48 Mut. Torreón 0.01 13 25 23 22 27 37 50 56 Skandia Vida 0.001 0 0 0 0 0 0 0 1 **Promedio de los trimestres deflactados con año base=1994, obtenidas de Balance General publicado por la CNSF.

Nombre CompañíaPart. al

2005Reservas Técnicas (millones MXP)**

73

1998 1999 2000 2001 2002 2003 2004 2005GNP 18.1 12,665 14,193 15,240 15,489 11,385 14,343 14,997 10,514 Metlife 15.4 617 555 831 1,475 1,423 15,842 28,788 33,582 Axa 13.36 14,286 17,564 15,577 11,021 24,345 29,992 31,957 20,771 Inbursa 6.02 10,203 12,119 12,392 11,666 10,790 8,658 10,131 10,926 Mty NYL 4.74 7,199 7,550 5,193 3,076 4,202 3,392 4,684 3,777 BBVA Bancomer 4.1 2,352 3,513 5,210 4,226 3,956 4,525 5,174 5,964 Quálitas 3.16 365 533 715 968 1,675 2,536 3,519 3,792 Banorte 2.91 440 440 436 404 364 376 2,266 4,260 ABA Seg. 2.46 716 1,113 1,658 2,104 2,147 2,849 3,553 4,597 Mapfre 2.35 2,962 3,224 3,210 3,522 3,868 4,147 4,662 5,298 Banamex 2.32 1,782 1,050 1,256 1,511 1,738 4,010 4,087 6,509 Zurich 2.14 245 457 998 1,290 1,676 2,517 3,015 2,958 Atlas 1.96 3,020 3,413 3,703 4,029 4,348 4,636 5,006 5,370 Allianz 1.67 2,540 3,278 2,973 2,414 2,597 2,804 3,575 3,523 ACE 1.59 611 566 375 490 619 868 940 1,623 AIG 1.43 1,227 1,151 1,065 1,151 1,390 1,590 2,086 2,348 Interacciones 1.21 622 730 745 837 769 892 1,033 1,014 General de Seg. 0.69 1,227 1,641 1,530 1,447 1,662 2,027 2,824 3,397 Metropolitana 0.65 486 702 889 858 1,180 1,250 1,386 1,556 Patria 0.62 2,031 1,878 1,648 1,377 1,660 2,157 2,594 2,658 Santander 0.6 1,115 1,200 1,259 1,014 1,191 2,209 2,267 2,151 Afirme 0.53 232 213 246 248 246 296 346 387 Patrim. Inbursa 0.48 992 593 502 311 328 347 400 1,105 Gpo. Mex. de Seguros 0.46 562 520 459 425 319 498 600 619 GE 0.43 228 317 299 266 410 596 747 833 Zurich Vida 0.35 541 311 389 711 804 597 549 450 ANA 0.31 95 106 129 92 126 284 400 327 QBE del Itsmo 0.26 64 118 127 142 126 131 140 155 Agroasemex 0.23 519 1,183 1,133 2,323 2,119 2,197 1,958 2,266 Tokio Marine 0.23 619 565 605 650 682 714 703 643 Protección Agropecuaria 0.21 95 92 115 121 141 196 277 307 La Latinoamericana 0.2 1,105 1,279 1,276 1,122 973 549 443 474 Chubb de México 0.18 365 275 238 247 314 419 552 709 El Potosí 0.14 284 336 346 334 353 410 423 397 Atradius 0.12 751 851 888 864 791 801 860 892 La Peninsular 0.12 329 343 383 315 411 405 375 377 El Águila 0.09 83 104 77 106 119 116 167 192 Sompo Japan 0.05 294 274 255 231 235 251 255 253 Royal & Sunalliance 0.03 333 382 557 478 651 824 909 929 HIR 0.03 102 80 114 97 110 139 148 159 Principal 0.02 678 506 479 349 356 362 341 409 Gerling 0.02 298 330 277 254 234 212 200 181 Mut. Torreón 0.01 3 8 7 5 11 15 11 8 Skandia Vida 0.001 209 276 248 212 207 257 221 200 **Promedio de los trimestres deflactados con año base=1994, obtenidas de Balance General publicado por la CNSF.

Nombre CompañíaPart. al 2005

Capital (Millones MXP)**

74

1998 1999 2000 2001 2002 2003 2004 2005GNP 18.1 7,864 7,717 7,648 7,774 8,193 8,742 9,006 9,788 Metlife 15.4 1,030 954 1,154 1,397 1,445 4,588 4,700 4,700 Axa 13.36 12,248 11,745 11,408 11,864 6,921 8,124 7,313 7,313 Inbursa 6.02 10,209 12,496 14,968 16,303 18,194 20,113 8,605 8,605 Mty NYL 4.74 8,477 8,518 8,558 10,007 11,511 12,772 13,778 13,778 BBVA Bancomer 4.1 1 1 1 1 1 1 1 1 Quálitas 3.16 1,899 1,797 2,098 4,166 5,721 6,754 7,584 7,584 Banorte 2.91 384 587 757 714 673 707 2,766 2,766 ABA Seg. 2.46 1,194 1,488 1,782 1,782 1,773 1,864 2,130 2,502 Mapfre 2.35 4,408 3,766 3,933 3,910 4,697 5,397 5,899 5,881 Banamex 2.32 374 497 452 450 469 539 647 647 Zurich 2.14 394 493 652 782 692 503 503 503 Atlas 1.96 1,114 1,126 1,143 1,277 1,413 1,597 1,738 1,738 Allianz 1.67 483 478 509 793 739 685 701 770 ACE 1.59 105 127 164 173 146 176 247 154 AIG 1.43 1,772 1,641 1,543 1,505 1,315 1,124 1,104 1,219 Interacciones 1.21 854 775 675 748 1,031 982 849 844 General de Seg. 0.69 1,771 2,210 2,663 3,162 5,641 6,000 2,931 2,989 Metropolitana 0.65 358 306 313 435 543 723 816 816 Patria 0.62 74 65 67 68 72 69 72 72 Santander 0.6 234 248 134 48 50 51 43 43 Afirme 0.53 - 141 317 511 463 561 663 663 Patrim. Inbursa 0.48 375 475 386 1 1 1 1 1 Gpo. Mex. de Seguros 0.46 12 30 63 97 99 293 461 534 GE 0.43 564 701 896 1,070 1,216 1,174 1,119 1,445 Zurich Vida 0.35 233 594 791 481 573 490 267 267 ANA 0.31 1,085 1,240 1,359 1,172 1,065 1,761 3,686 4,561 QBE del Itsmo 0.26 5 6 8 8 2 2 2 2 Agroasemex 0.23 1,261 973 936 678 140 139 136 131 Tokio Marine 0.23 70 74 77 80 78 84 93 93 Protección Agropecuaria 0.21 131 208 203 193 203 210 224 224 La Latinoamericana 0.2 431 420 411 422 443 568 300 300 Chubb de México 0.18 68 72 86 107 117 141 184 131 El Potosí 0.14 257 317 374 483 383 411 373 373 Atradius 0.12 114 120 115 118 89 89 89 85 La Peninsular 0.12 187 213 215 246 263 241 223 223 El Águila 0.09 350 421 447 340 339 340 274 424 Sompo Japan 0.05 30 38 36 34 34 33 33 33 Royal & Sunalliance 0.03 1,335 1,344 1,255 879 1,275 1,351 1,332 1,332 HIR 0.03 25 39 37 51 7 11 32 32 Principal 0.02 151 176 247 312 401 365 364 364 Gerling 0.02 33 39 31 29 21 10 13 12 Mut. Torreón 0.01 3 4 3 4 4 4 5 5 Skandia Vida 0.001 15 18 94 170 165 81 147 213 *** Número de trabajadores publicado por la CNSF.

Nombre CompañíaEmpleados***Part. al

2005

75

Anexo D: Análisis exploratorio por compañía (Series corresp. al Anexo C).

Media Máximo Mínimo D.S.Primas Emitidas 20,531 25,506 16,072 3,142Reservas Técnicas 74,793 115,688 53,668 21,296Capital 13,603 15,489 10,514 1,868Empleados 8,342 9,788 7,648 769

16,072 17,876 18,568 20,236 21,711 20,28123,998 25,506

53,668 56,51160,147

64,053

72,449

83,339

12,665 14,193 15,240 15,489 14,343 14,997

115,688

92,492

10,51411,385

7,864 7,717 7,648 7,7748,193

8,742

9,788

9,006

0

20,000

40,000

60,000

80,000

100,000

120,000

1998 1999 2000 2001 2002 2003 2004 20050

1,000

2,000

3,000

4,000

5,000

6,000

7,000

8,000

9,000

10,000

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (GNP)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Media Máximo Mínimo D.S.Primas Emitidas 9,055 21,709 1,504 8,750Reservas Técnicas 51,324 137,879 7,693 57,330Capital 10,389 33,582 555 13,885Empleados 2,496 4,700 954 1,802

1,504 2,098 2,590 3,903 4,89414,047

21,709 21,6987,693 8,865 10,267 12,744 15,370

89,975

15,842

28,788

127,800

137,879

617 555 831 1,4751,423

33,5821,030 9541,154

1,397 1,445

4,588 4,700 4,700

-20,000

0

20,000

40,000

60,000

80,000

100,000

120,000

140,000

160,000

1998 1999 2000 2001 2002 2003 2004 2005-500

500

1,500

2,500

3,500

4,500

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Metlife)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

76

Media Máximo Mínimo D.S.Primas Emitidas 23,103 27,171 18,818 2,554Reservas Técnicas 90,017 103,407 83,795 6,381Capital 20,689 31,957 11,021 7,533Empleados 9,617 12,248 6,921 2,385

27,17120,809 23,223 24,524 23,685

24,53118,81822,063

85,17091,438

83,870 83,795

103,407

89,77291,657 91,030

20,771

24,345

11,02115,57717,564

14,286

29,992 31,957

11,745 11,40812,248

7,3137,3136,921

8,124

11,864

0

20,000

40,000

60,000

80,000

100,000

120,000

1998 1999 2000 2001 2002 2003 2004 20050

2,000

4,000

6,000

8,000

10,000

12,000

14,000

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Axa)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Media Máximo Mínimo D.S.Primas Emitidas 8,611 17,818 4,498 4,071Reservas Técnicas 39,985 56,443 24,825 12,648Capital 10,861 12,392 8,658 1,219Empleados 13,687 20,113 8,605 4,396

17,81824,825 25,548

29,748

35,317

9,279 8,4788,7357,9006,6505,5294,498

47,14647,719

53,13756,443

10,1318,65810,203 12,119 12,392 11,666

10,790

10,926

10,209

12,496

14,96816,303

20,113

18,194

8,605 8,605

0

10,000

20,000

30,000

40,000

50,000

60,000

1998 1999 2000 2001 2002 2003 2004 20050

5,000

10,000

15,000

20,000

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Seguros Inbursa)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

77

Media Máximo Mínimo D.S.Primas Emitidas 1,299 4,105 497 1,271Reservas Técnicas 4,212 13,650 1,455 4,557Capital 1,123 4,260 364 1,425Empleados 1,169 2,766 384 992

1,911

632497

746 784 685 651

4,105

2,2892,0221,455

2,014

13,650

8,959

1,843 1,846 4,260

364404436440440 376

2,266

587757 714

384

2,7662,766

673 707

-1,000

1,000

3,000

5,000

7,000

9,000

11,000

13,000

15,000

1998 1999 2000 2001 2002 2003 2004 2005-500

0

500

1,000

1,500

2,000

2,500

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Banorte Generali)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

lMillones de

MXP

Media Máximo Mínimo D.S.Primas Emitidas 2,564 3,467 1,509 798Reservas Técnicas 9,263 13,609 4,978 3,087Capital 2,342 4,597 716 1,283Empleados 1,814 2,502 1,194 391

7,751

3,114

1,5091,665 1,890

2,3883,151

3,4673,329

7,054

4,978

6,591

13,60912,361

10,46111,299

4,597

2,1472,1041,658

1,113716

2,849

3,5531,488

1,7821,782

1,194

2,502

2,130

1,7731,864

-1,000

1,000

3,000

5,000

7,000

9,000

11,000

13,000

15,000

1998 1999 2000 2001 2002 2003 2004 2005500

1,000

1,500

2,000

2,500

3,000

3,500

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Aba Seguros)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

78

Media Máximo Mínimo D.S.Primas Emitidas 3,227 3,948 2,687 418Reservas Técnicas 12,221 15,496 8,059 2,758Capital 3,862 5,298 2,962 805Empleados 4,736 5,899 3,766 885

11,720

3,5372,687 2,888 2,974 2,980

3,9483,3153,485

10,629

8,059

9,280

14,038

15,282

13,263

15,496

5,298

3,8683,5223,2103,2242,962

4,1474,662

3,766 3,9103,933

4,408

5,8815,899

4,697

5,397

-1,000

1,000

3,000

5,000

7,000

9,000

11,000

13,000

15,000

17,000

1998 1999 2000 2001 2002 2003 2004 20050

1,000

2,000

3,000

4,000

5,000

6,000

7,000

8,000

9,000

10,000

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Mapfre Tepeyac)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

lMillones de

MXP

Media Máximo Mínimo D.S.Primas Emitidas 2,857 8,280 1,156 2,377Reservas Técnicas 11,226 33,297 1,606 13,208Capital 2,743 6,509 1,050 1,932Empleados 509 647 374 97

1,7821,156 1,387 1,420 1,855

3,697

3,274

8,280

4,4353,0281,606 2,233

33,29731,344

5,248

8,6186,509

1,7381,5111,2561,0501,7824,010 4,087

497450452

374

647647

469

539

-2,000

3,000

8,000

13,000

18,000

23,000

28,000

33,000

38,000

1998 1999 2000 2001 2002 2003 2004 2005-100

0

100

200

300

400

500

600

700

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Banamex)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

79

Media Máximo Mínimo D.S.Primas Emitidas 2,242 3,195 594 1,110Reservas Técnicas 4,566 6,408 2,028 1,786Capital 1,645 3,015 245 1,088Empleados 565 782 394 129

3,026

594 653

1,676

2,658

3,195 3,0103,128

5,253

3,390

2,028 2,112

5,8915,409

6,4086,037

2,958

1,6761,290

998

457245

2,5173,015

493

782

652

394

503503

692

503

-1,000

0

1,000

2,000

3,000

4,000

5,000

6,000

7,000

1998 1999 2000 2001 2002 2003 2004 2005-100

0

100

200

300

400

500

600

700

800

900

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Zurich)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Media Máximo Mínimo D.S.Primas Emitidas 1,979 2,768 1,251 549Reservas Técnicas 5,739 8,051 3,868 1,544Capital 4,191 5,370 3,020 803Empleados 1,393 1,738 1,114 269

2,115

1,251 1,410 1,636 1,7792,295

2,7682,578

5,1204,652

3,8684,137

8,051

7,174

5,890

7,017

5,370

4,3484,0293,7033,413

3,020

4,6365,006

1,126

1,277

1,1431,114

1,7381,738

1,413

1,597

-2,000

0

2,000

4,000

6,000

8,000

10,000

1998 1999 2000 2001 2002 2003 2004 2005-100

100

300

500

700

900

1,100

1,300

1,500

1,700

1,900

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Atlas)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

80

Media Máximo Mínimo D.S.Primas Emitidas 1,950 3,810 1,098 968Reservas Técnicas 5,148 9,951 3,451 2,304Capital 2,963 3,575 2,414 451Empleados 645 793 478 133

1,3821,098 1,1781,556 1,374

2,8502,354

3,810

3,8334,292

3,8933,451

9,951

7,325

3,623

4,815

3,523

2,5972,4142,973

3,2782,540 2,804

3,575

478

793

509483

770

701739

685

0

2,000

4,000

6,000

8,000

10,000

12,000

1998 1999 2000 2001 2002 2003 2004 2005-50

50

150

250

350

450

550

650

750

850

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Allianz)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

lMillones de

MXP

Media Máximo Mínimo D.S.Primas Emitidas 1,301 2,315 425 750Reservas Técnicas 2,949 5,078 1,848 1,174Capital 761 1,623 375 395Empleados 162 247 105 42

1,275

425 487

656 1,288

1,717

2,2452,3151,8481,886

2,3082,082

5,078

4,145

2,875

3,370

1,623

619490375

566611868 940

127

173164

105

154

247

146

176

0

1,000

2,000

3,000

4,000

5,000

6,000

1998 1999 2000 2001 2002 2003 2004 20050

50

100

150

200

250

300

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Ace Seguros)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

81

Media Máximo Mínimo D.S.Primas Emitidas 1,749 2,277 1,177 401Reservas Técnicas 5,450 6,937 4,341 822Capital 1,501 2,348 1,065 477Empleados 1,403 1,772 1,104 248

2,210

1,177 1,2811,632

2,277

1,685

2,0111,719

6,182

5,365

4,692

5,313

4,341

5,119

6,937

5,649

2,348

1,3901,1511,0651,1511,227

1,590

2,086

1,641

1,5051,543

1,772

1,219

1,104

1,315

1,124

0

1,000

2,000

3,000

4,000

5,000

6,000

7,000

8,000

1998 1999 2000 2001 2002 2003 2004 20050

200

400

600

800

1,000

1,200

1,400

1,600

1,800

2,000

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (AIG México)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

lMillones de

MXP

Media Máximo Mínimo D.S.Primas Emitidas 1,601 2,968 751 730Reservas Técnicas 4,233 5,266 3,255 850Capital 830 1,033 622 143Empleados 845 1,031 675 118

2,968

760 751

1,168

2,0391,799 1,7071,619

4,022

3,3353,305 3,255

5,2664,8904,816 4,970

1,014769837745730622

892 1,033

748

775675854

844849

1,031982

0

1,000

2,000

3,000

4,000

5,000

6,000

1998 1999 2000 2001 2002 2003 2004 20050

200

400

600

800

1,000

1,200

1,400

1,600

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Interacciones)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

82

Media Máximo Mínimo D.S.Primas Emitidas 1,004 1,178 857 117Reservas Técnicas 3,482 4,085 2,894 439Capital 1,969 3,397 1,227 755Empleados 3,421 6,000 1,771 1,551

1,036857 892

1,078902

1,123968

1,178

3,6223,371

2,894 2,914

4,0853,949

3,334

3,690

3,397

1,6621,4471,5301,641

1,227

2,027

2,8243,162

2,2102,663

1,771

2,9892,931

5,641 6,000

0

500

1,000

1,500

2,000

2,500

3,000

3,500

4,000

4,500

1998 1999 2000 2001 2002 2003 2004 2005-3,000

-1,000

1,000

3,000

5,000

7,000

9,000

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (General de Seguros)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

lMillones de

MXP

Media Máximo Mínimo D.S.Primas Emitidas 676 947 253 274Reservas Técnicas 2,141 3,304 925 969Capital 1,038 1,556 486 364Empleados 539 816 306 219

755

253 314563

734947 918921

2,151

1,317

947 925

3,3043,158

2,489

2,833

1,556

1,180

858889

702486

1,2501,386

435

306 313358

816816

543

723

0

500

1,000

1,500

2,000

2,500

3,000

3,500

4,000

4,500

1998 1999 2000 2001 2002 2003 2004 2005-100

0

100

200

300

400

500

600

700

800

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Metropolitana)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

83

Media Máximo Mínimo D.S.Primas Emitidas 903 1,240 616 235Reservas Técnicas 3,896 5,499 3,000 925Capital 2,001 2,658 1,377 456Empleados 70 74 65 3

1,034639 616 707

9541,240

8801,154

3,4683,1553,075 3,000

5,4994,934

3,7894,244

2,658

1,6601,377

1,6481,8782,031 2,157

2,594

6865 67

74 72727269

0

1,000

2,000

3,000

4,000

5,000

6,000

7,000

1998 1999 2000 2001 2002 2003 2004 2005-5

5

15

25

35

45

55

65

75

85

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Reaseguradora Patria)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

lMillones de

MXP

Media Máximo Mínimo D.S.Primas Emitidas 450 849 90 263Reservas Técnicas 1,774 3,071 1,215 656Capital 1,551 2,267 1,014 551Empleados 106 248 43 88

673849

458

91

382560494

90

1,4111,215

2,482

3,071

1,5151,694

1,539

1,265

2,2672,209

1,115 1,200 1,259

1,0141,191

2,15148 5150 43 43

234

134

248

0

500

1,000

1,500

2,000

2,500

3,000

3,500

1998 1999 2000 2001 2002 2003 2004 2005-200

-150

-100

-50

0

50

100

150

200

250

300

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Santander)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

84

Media Máximo Mínimo D.S.Primas Emitidas 312 751 30 243Reservas Técnicas 561 1,003 38 365Capital 277 387 213 61Empleados 415 663 0 243

233

3078

180

294

380

751

550

537

290

38

140

1,003

857835789

387

246248

246213232296

346

141

317

0

663663

463561

511

0

200

400

600

800

1,000

1,200

1998 1999 2000 2001 2002 2003 2004 2005-600

-400

-200

0

200

400

600

800

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Afirme)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

lMillones de

MXP

Media Máximo Mínimo D.S.Primas Emitidas 177 678 0 232Reservas Técnicas 499 1,175 35 449Capital 572 1,105 311 310Empleados 155 475 1 215

0

179

333

127

0 0

678

102

370

1,175

766

1,082

299

35

19673

1,105

328

311

502593

992

347400

475

386

375

111 11-150

50

250

450

650

850

1,050

1,250

1,450

1998 1999 2000 2001 2002 2003 2004 20050

100

200

300

400

500

600

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Patrimonial Inbursa)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

85

Media Máximo Mínimo D.S.Primas Emitidas 223 645 6 219Reservas Técnicas 548 2,163 8 702Capital 500 619 319 99Empleados 199 534 12 204

1296 33

109 125

347

645

390287

1608 51

2,163

768

379

565 619

319

425459520562

498600

3063

12

534

461

99

293

97

-200

300

800

1,300

1,800

2,300

1998 1999 2000 2001 2002 2003 2004 2005-300

-200

-100

0

100

200

300

400

500

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Grupo Mexicano de Seguros)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

lMillones de

MXP

Media Máximo Mínimo D.S.Primas Emitidas 478 603 315 116Reservas Técnicas 1,297 1,573 979 244Capital 462 833 228 233Empleados 1,023 1,445 564 288

532

315 357 382453

594 603587

1,261

1,074979 1,023

1,5731,504

1,4361,526

833

410

266299317228

596

747

701

896

564

1,445

1,1191,216 1,174

1,070

0

200

400

600

800

1,000

1,200

1,400

1,600

1,800

1998 1999 2000 2001 2002 2003 2004 2005-100

100

300

500

700

900

1,100

1,300

1,500

1,700

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (GE Seguros)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

86

Media Máximo Mínimo D.S.Primas Emitidas 391 813 92 223Reservas Técnicas 848 1,487 161 522Capital 544 804 311 163Empleados 462 791 233 196

813

92157

288

430 469

487

387

683

451

161285

1,487

1,379

1,021

1,312

450

804

711

389311

541597

549

594

791

233

267267

573490481

0

200

400

600

800

1,000

1,200

1,400

1,600

1998 1999 2000 2001 2002 2003 2004 2005-500

-300

-100

100

300

500

700

900

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Zurich Vida)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

lMillones de

MXP

Media Máximo Mínimo D.S.Primas Emitidas 270 488 92 161Reservas Técnicas 572 776 313 188Capital 195 400 92 122Empleados 1,991 4,561 1,065 1,355

488444

437

229

14911392

210

776

629

740 748

355313

405

609

400

284

95 106 12992

126

327

1,1721,761

1,065

3,686

4,561

1,0851,3591,240

0

100

200

300

400

500

600

700

800

900

1998 1999 2000 2001 2002 2003 2004 2005-2,000

-1,000

0

1,000

2,000

3,000

4,000

5,000

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Ana Cia. de Seguros)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

87

Media Máximo Mínimo D.S.Primas Emitidas 160 373 27 119Reservas Técnicas 500 1,240 32 416Capital 125 155 64 27Empleados 4 8 2 3

241

373

234

12527

7933

169

740

298

906

1,240

273

32

315

192

14013164

118 127 142

126 155

8

22 2 2

5

8

6

-100

100

300

500

700

900

1,100

1,300

1,500

1998 1999 2000 2001 2002 2003 2004 2005-10

-8

-6

-4

-2

0

2

4

6

8

10

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (QBE del Itsmo)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Media Máximo Mínimo D.S.Primas Emitidas 483 777 313 193Reservas Técnicas 1,877 2,388 1,313 379Capital 1,712 2,323 519 674Empleados 549 1,261 131 468

376 327313

417

735604

777

316

1,7131,857

1,4091,313

2,032

2,388

2,0882,211

1,958

2,197

519

1,183 1,133

2,3232,119

2,266

678

139140 136 131

1,261

936973

0

500

1,000

1,500

2,000

2,500

1998 1999 2000 2001 2002 2003 2004 2005-300

200

700

1,200

1,700

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Agroasemex)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

88

Media Máximo Mínimo D.S.Primas Emitidas 249 340 151 70Reservas Técnicas 758 1,297 447 357Capital 648 714 565 51Empleados 81 93 70 8

340 326282247182151184

280

1,296

686

1,297

846

493447 467

533

703714

619 565 605 650682

643

8084

78

93 93

70

7774

0

200

400

600

800

1,000

1,200

1,400

1,600

1998 1999 2000 2001 2002 2003 2004 20050

10

20

30

40

50

60

70

80

90

100

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Tokio Marine)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

lMillones de MXP

Media Máximo Mínimo D.S.Primas Emitidas 258 402 114 83Reservas Técnicas 379 551 310 74Capital 168 307 92 83Empleados 200 224 131 30

402

303254

114

247

299

212235

350345

551

336

388378 377

310

277

196

95 92115 121

141

307

193

210203

224 224

131

203208

-50

50

150

250

350

450

550

650

1998 1999 2000 2001 2002 2003 2004 20050

50

100

150

200

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Protección Agropecuaria)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

89

Media Máximo Mínimo D.S.Primas Emitidas 251 420 192 76Reservas Técnicas 909 1,035 802 69Capital 902 1,279 443 358Empleados 412 568 300 85

250 286

420

212196192205 251

1,035

911965

857895915802

895

443549

1,105

1,279 1,2761,122

973

474

422

568

443

300 300

431 411420

0

200

400

600

800

1,000

1,200

1,400

1,600

1,800

1998 1999 2000 2001 2002 2003 2004 2005-250

-150

-50

50

150

250

350

450

550

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (La Latinoamericana)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

lMillones de MXP

Media Máximo Mínimo D.S.Primas Emitidas 203 258 140 43Reservas Técnicas 523 733 390 126Capital 390 709 238 166Empleados 113 184 68 39

249 258245

191167

140174

198

494

412451

390

585

733

670

446

552

419365

275238 247

314

709

107

141

117

184

131

68

8672

0

100

200

300

400

500

600

700

800

1998 1999 2000 2001 2002 2003 2004 2005-70

-20

30

80

130

180

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Chubb de México)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

90

Media Máximo Mínimo D.S.Primas Emitidas 158 194 102 36Reservas Técnicas 411 470 315 61Capital 360 423 284 46Empleados 371 483 257 66

192 194180

163132

116102

184

445463 452

470

347315

358

437

423410

284

336 346 334 353

397

483411

383 373 373

257

374317

0

50

100

150

200

250

300

350

400

450

500

1998 1999 2000 2001 2002 2003 2004 2005-50

50

150

250

350

450

550

650

750

850

950

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Seguros el Potosí)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Media Máximo Mínimo D.S.Primas Emitidas 149 167 136 13Reservas Técnicas 324 535 206 114Capital 837 892 751 50Empleados 102 120 85 16

164 167141137157152136 136

206

293

213262

437

535

365

283

860801

751

851888 864

791

892

118

8989 89 85

114 115120

0

100

200

300

400

500

600

700

800

900

1,000

1998 1999 2000 2001 2002 2003 2004 20050

20

40

60

80

100

120

140

160

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Atradius)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

91

Media Máximo Mínimo D.S.Primas Emitidas 163 212 59 48Reservas Técnicas 478 571 301 86Capital 367 411 315 35Empleados 226 263 187 23

212

59

201162162149157

200

495

571

454

566

506496

431

301

375405

329 343383

315

411377

246 241263

223 223187

215213

0

100

200

300

400

500

600

1998 1999 2000 2001 2002 2003 2004 20050

100

200

300

400

500

600

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (La Peninsular)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Media Máximo Mínimo D.S.Primas Emitidas 125 155 72 31Reservas Técnicas 297 391 137 92Capital 121 192 77 40Empleados 367 447 274 58

150129

155143

105

9672

150

391

352370 358

212

137

228

324

167

11683

104

77106

119

192

340 340339

274

424

350

447421

0

50

100

150

200

250

300

350

400

450

1998 1999 2000 2001 2002 2003 2004 20050

50

100

150

200

250

300

350

400

450

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (El Águila)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

92

Media Máximo Mínimo D.S.Primas Emitidas 64 79 46 12Reservas Técnicas 94 148 45 33Capital 256 294 231 20Empleados 34 38 30 2

74 7679

51616446 57

114106 115

148

77

45

72 70

255251

294274

255231 235

253

34 3334 33 33

30

3638

0

50

100

150

200

250

300

350

400

1998 1999 2000 2001 2002 2003 2004 20050

5

10

15

20

25

30

35

40

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Sompo Japan)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Media Máximo Mínimo D.S.Primas Emitidas 1,440 1,991 858 409Reservas Técnicas 3,720 7,798 2,009 1,822Capital 633 929 333 234Empleados 1,263 1,351 879 159

1,394858

1,258 1,124 1,1961,864 1,9911,831

2,8532,875

2,0092,460

7,798

4,272

3,340

4,155

929651478557382333

824 909

1,3441,255

1,335 1,3321,3321,275

1,351

879

-500

1,500

3,500

5,500

7,500

9,500

1998 1999 2000 2001 2002 2003 2004 20050

200

400

600

800

1,000

1,200

1,400

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Royal & Sunalliance)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

93

Media Máximo Mínimo D.S.Primas Emitidas 16 41 4 11Reservas Técnicas 16 28 6 7Capital 119 159 80 27Empleados 29 51 7 15

20

41

1447

13

20

9

1315

12

28

21

6

14 17

148139

102

80

11497

110

15951

117

32 32

25

3739

-20

0

20

40

60

80

100

120

140

160

180

1998 1999 2000 2001 2002 2003 2004 2005-70

-50

-30

-10

10

30

50

70

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Hir Cia. de Seguros)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Media Máximo Mínimo D.S.Primas Emitidas 262 1,572 18 532Reservas Técnicas 3,280 5,982 79 2,769Capital 435 678 341 116Empleados 298 401 151 95

74 32116

1,572

554018 185

5,8205,9825,614

5,346

7990 154

3,158

341362678 506479 349 356 409

312 365401

364 364

151

247

176

-500

500

1,500

2,500

3,500

4,500

5,500

6,500

1998 1999 2000 2001 2002 2003 2004 20050

100

200

300

400

500

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Principal México)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de MXP

Elaboración propia con información de la CNSF.

94

Media Máximo Mínimo D.S.Primas Emitidas 48 99 22 31Reservas Técnicas 164 408 39 141Capital 248 330 181 51Empleados 24 39 10 11

23 292342

618899

22

566739 48

309

408

250

134

200212

298

330

277254

234

181

29

10

21

13 12

3331

39

-50

0

50

100

150

200

250

300

350

400

450

1998 1999 2000 2001 2002 2003 2004 2005-70

-50

-30

-10

10

30

50

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Gerling de México)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de

Media Máximo Mínimo D.S.Primas Emitidas 11 27 2 10Reservas Técnicas 31 56 13 15Capital 8 15 3 4Empleados 4 5 3 1

25

13

27

3223

15

37

27

50

56

25

13

23 22

11153

8 7 511

8

4 44

5 5

3 3

4

-10

0

10

20

30

40

50

60

70

1998 1999 2000 2001 2002 2003 2004 20050

1

2

3

4

5

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Torreón Mutualista)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de

Elaboración propia con información de la CNSF.

95

Media Máximo Mínimo D.S.Primas Emitidas 1 3 0 1Reservas Técnicas 0 1 0 0Capital 229 276 200 28Empleados 113 213 15 73

10 0 0 1 1 32

000 0 100 0

200207212

248

276

209

257

221

18

94

15

213

147

165

81

170

-100

-50

0

50

100

150

200

250

300

1998 1999 2000 2001 2002 2003 2004 2005-5

45

95

145

195

245

Primas Emitidas (producto) Reservas Técnicas (insumo)Capital (insumo) Empleados (insumo)

Análisis por Compañía (Skandia)

Núm

ero

de E

mpl

eado

s

Prim

as E

miti

das,

Res

erva

s Téc

nica

s y C

apita

l

Millones de

Elaboración propia con información de la CNSF.

96

Anexo E Análisis por variable. Variable Año GNP Metlife Axa Inbursa Mty NYLPrimas Emitidas* 1998 16,071,612 1,504,119 20,809,430 4,498,402 6,210,423Primas Emitidas* 1999 17,876,111 2,098,025 23,223,063 5,528,568 6,997,108Primas Emitidas* 2000 18,567,719 2,590,027 24,523,528 6,649,835 4,681,900Primas Emitidas* 2001 20,235,967 3,903,076 23,684,984 7,899,529 4,279,950Primas Emitidas* 2002 21,711,260 4,894,371 27,170,714 17,817,873 4,846,999Primas Emitidas* 2003 20,280,500 14,046,693 24,530,793 8,734,952 6,409,592Primas Emitidas* 2004 23,998,064 21,708,846 22,062,613 9,279,178 6,465,744Primas Emitidas* 2005 25,505,524 21,697,870 18,817,560 8,478,124 6,679,466Capital** 1998 12,664,790 617,315 14,286,408 10,203,344 7,199,277Capital** 1999 14,192,929 555,275 17,564,060 12,119,288 7,549,630Capital** 2000 15,240,293 830,974 15,577,076 12,391,893 5,192,804Capital** 2001 15,488,689 1,475,179 11,021,392 11,666,113 3,076,019Capital** 2002 11,384,623 1,423,339 24,345,357 10,790,295 4,202,383Capital** 2003 14,342,510 15,842,302 29,992,199 8,658,362 3,391,852Capital** 2004 14,996,954 28,787,592 31,957,107 10,131,211 4,684,374Capital** 2005 10,513,713 33,582,409 20,771,172 10,926,396 3,777,005Reservas Técnicas** 1998 53,667,587 7,693,435 83,870,426 24,824,989 29,079,226Reservas Técnicas** 1999 56,511,109 8,865,446 83,795,171 25,548,033 29,246,970Reservas Técnicas** 2000 60,147,048 10,267,297 91,438,159 29,747,763 28,884,617Reservas Técnicas** 2001 64,052,841 12,743,812 85,170,463 35,316,980 29,627,618Reservas Técnicas** 2002 72,449,050 15,370,249 91,657,173 47,719,139 34,569,557Reservas Técnicas** 2003 83,338,924 89,974,753 91,029,604 47,146,145 43,024,463Reservas Técnicas** 2004 92,491,530 127,799,937 89,771,532 53,137,412 51,322,269Reservas Técnicas** 2005 115,687,572 137,878,929 103,406,533 56,443,133 58,282,159Empleados *** 1998 7,864 1,030 12,248 10,209 8,477Empleados *** 1999 7,717 954 11,745 12,496 8,518Empleados *** 2000 7,648 1,154 11,408 14,968 8,558Empleados *** 2001 7,774 1,397 11,864 16,303 10,007Empleados *** 2002 8,193 1,445 6,921 18,194 11,511Empleados *** 2003 8,742 4,588 8,124 20,113 12,772Empleados *** 2004 9,006 4,700 7,313 8,605 13,778Empleados *** 2005 9,788 4,700 7,313 8,605 13,778*Series al cierre del año deflactadas con año base=1994, obtenidas del estado de resultados publicados por la CNSF.**Promedio de los trimestres deflactados con año base=1994, obtenidas de Balance General publicado por la CNSF.*** Número de trabajadores publicado por la CNSF.

Mile

s de

MX

PN

úmer

o de

Em

plea

dos

Variable Año BBVA Bancomer Quálitas Banorte ABA Seg. MapfrePrimas Emitidas* 1998 2,016,798 469,000 496,633 1,509,297 2,687,405Primas Emitidas* 1999 2,195,671 628,201 745,968 1,664,520 2,887,997Primas Emitidas* 2000 2,438,661 938,365 784,372 1,890,350 2,974,360Primas Emitidas* 2001 2,813,873 1,664,690 684,670 2,388,224 2,979,922Primas Emitidas* 2002 3,149,554 2,481,559 631,838 3,114,108 3,537,428Primas Emitidas* 2003 3,392,513 3,131,974 651,055 3,151,045 3,947,748Primas Emitidas* 2004 3,744,767 3,932,146 2,289,315 3,328,656 3,485,307Primas Emitidas* 2005 5,770,730 4,450,304 4,104,594 3,467,401 3,314,955Capital** 1998 2,352,207 365,387 440,108 716,033 2,961,662Capital** 1999 3,512,712 532,713 439,664 1,112,799 3,224,477Capital** 2000 5,209,765 714,855 436,184 1,657,995 3,210,307Capital** 2001 4,226,242 968,335 403,689 2,104,440 3,522,125Capital** 2002 3,955,804 1,675,155 364,036 2,146,646 3,867,956Capital** 2003 4,525,123 2,536,265 376,482 2,848,556 4,147,244Capital** 2004 5,174,289 3,519,157 2,266,436 3,553,150 4,661,519Capital** 2005 5,964,182 3,792,033 4,260,144 4,597,341 5,298,150Reservas Técnicas** 1998 5,629,719 1,385,635 1,454,958 4,978,285 8,059,015Reservas Técnicas** 1999 6,543,195 1,718,306 2,014,071 6,591,458 9,280,453Reservas Técnicas** 2000 7,239,529 2,500,296 2,021,824 7,053,854 10,629,033Reservas Técnicas** 2001 8,403,718 4,283,893 1,910,684 7,751,067 11,720,022Reservas Técnicas** 2002 9,431,248 6,316,790 1,843,302 10,460,852 13,262,815Reservas Técnicas** 2003 10,371,874 8,268,255 1,845,867 11,299,096 15,496,241Reservas Técnicas** 2004 11,267,999 10,467,670 8,959,262 12,360,793 15,282,038Reservas Técnicas** 2005 16,259,049 12,938,903 13,649,993 13,609,034 14,037,607Empleados *** 1998 1 1,899 384 1,194 4,408Empleados *** 1999 1 1,797 587 1,488 3,766Empleados *** 2000 1 2,098 757 1,782 3,933Empleados *** 2001 1 4,166 714 1,782 3,910Empleados *** 2002 1 5,721 673 1,773 4,697Empleados *** 2003 1 6,754 707 1,864 5,397Empleados *** 2004 1 7,584 2,766 2,130 5,899Empleados *** 2005 1 7,584 2,766 2,502 5,881*Series al cierre del año deflactadas con año base=1994, obtenidas del estado de resultados publicados por la CNSF.**Promedio de los trimestres deflactados con año base=1994, obtenidas de Balance General publicado por la CNSF.*** Número de trabajadores publicado por la CNSF.

Mile

s de

MX

PN

úmer

o de

Em

plea

dos

97

Variable Año Banamex Zurich Atlas Allianz ACEPrimas Emitidas* 1998 1,156,381 593,660 1,250,755 1,097,859 424,931Primas Emitidas* 1999 1,386,988 653,220 1,409,548 1,177,963 487,174Primas Emitidas* 2000 1,420,209 1,676,183 1,636,139 1,556,002 655,665Primas Emitidas* 2001 1,855,327 2,657,503 1,778,902 1,374,268 1,287,732Primas Emitidas* 2002 1,782,096 3,026,095 2,115,288 1,381,819 1,274,931Primas Emitidas* 2003 3,697,061 3,194,625 2,295,408 2,849,613 1,717,330Primas Emitidas* 2004 8,279,979 3,127,834 2,578,390 3,810,486 2,315,172Primas Emitidas* 2005 3,274,196 3,009,818 2,768,382 2,353,807 2,245,185Capital** 1998 1,781,853 244,624 3,019,522 2,540,190 611,119Capital** 1999 1,050,076 457,054 3,413,158 3,278,214 566,339Capital** 2000 1,255,523 998,216 3,702,703 2,972,786 374,792Capital** 2001 1,511,046 1,290,232 4,029,246 2,413,733 489,681Capital** 2002 1,737,791 1,676,097 4,348,260 2,597,354 619,349Capital** 2003 4,010,396 2,517,424 4,635,779 2,803,617 867,634Capital** 2004 4,087,137 3,015,498 5,005,544 3,574,932 939,752Capital** 2005 6,508,681 2,958,205 5,370,020 3,522,826 1,623,016Reservas Técnicas** 1998 1,606,425 2,028,424 3,868,079 3,893,131 2,308,400Reservas Técnicas** 1999 2,233,099 2,112,483 4,136,943 3,450,902 2,081,727Reservas Técnicas** 2000 3,027,600 3,389,596 4,652,190 4,292,281 1,885,635Reservas Técnicas** 2001 4,434,517 5,253,005 5,120,113 3,833,195 1,848,414Reservas Técnicas** 2002 5,248,248 6,408,165 5,889,833 3,622,929 2,875,450Reservas Técnicas** 2003 8,617,555 6,037,027 7,016,702 4,814,575 3,370,109Reservas Técnicas** 2004 31,343,845 5,409,276 7,173,621 7,325,353 4,144,957Reservas Técnicas** 2005 33,296,696 5,890,566 8,051,337 9,951,396 5,078,286Empleados *** 1998 374 394 1,114 483 105Empleados *** 1999 497 493 1,126 478 127Empleados *** 2000 452 652 1,143 509 164Empleados *** 2001 450 782 1,277 793 173Empleados *** 2002 469 692 1,413 739 146Empleados *** 2003 539 503 1,597 685 176Empleados *** 2004 647 503 1,738 701 247Empleados *** 2005 647 503 1,738 770 154*Series al cierre del año deflactadas con año base=1994, obtenidas del estado de resultados publicados por la CNSF.**Promedio de los trimestres deflactados con año base=1994, obtenidas de Balance General publicado por la CNSF.*** Número de trabajadores publicado por la CNSF.

Mile

s de

MX

PN

úmer

o de

Em

plea

dos

Variable Año AIG Interacciones General de Seg. Metropolitana PatriaPrimas Emitidas* 1998 1,177,482 759,562 857,057 253,100 639,254Primas Emitidas* 1999 1,280,556 750,952 892,401 314,349 616,031Primas Emitidas* 2000 1,631,559 1,167,579 1,078,404 563,003 706,901Primas Emitidas* 2001 2,277,493 2,039,386 902,347 733,871 953,618Primas Emitidas* 2002 2,209,901 2,967,573 1,035,571 754,557 1,034,182Primas Emitidas* 2003 1,685,011 1,799,446 1,122,680 947,329 1,240,007Primas Emitidas* 2004 1,719,462 1,618,911 1,178,083 921,404 1,153,742Primas Emitidas* 2005 2,011,145 1,707,469 968,056 917,655 880,239Capital** 1998 1,226,581 621,975 1,227,410 486,319 2,031,491Capital** 1999 1,151,145 730,457 1,641,412 702,063 1,878,342Capital** 2000 1,064,853 744,886 1,529,774 888,531 1,648,235Capital** 2001 1,150,890 836,518 1,446,624 857,959 1,377,410Capital** 2002 1,389,941 768,527 1,661,961 1,179,594 1,660,124Capital** 2003 1,589,568 891,735 2,027,351 1,250,178 2,157,403Capital** 2004 2,086,363 1,032,858 2,823,815 1,386,346 2,594,267Capital** 2005 2,348,341 1,013,741 3,397,184 1,555,677 2,658,018Reservas Técnicas** 1998 4,691,748 3,304,774 2,893,760 946,936 3,075,038Reservas Técnicas** 1999 5,313,365 3,255,381 2,913,925 925,411 3,000,189Reservas Técnicas** 2000 5,364,632 3,334,772 3,371,268 1,317,347 3,154,866Reservas Técnicas** 2001 6,181,860 4,022,447 3,621,589 2,151,468 3,468,415Reservas Técnicas** 2002 6,936,883 4,816,024 3,334,393 2,488,512 3,789,412Reservas Técnicas** 2003 5,648,741 4,970,340 3,689,637 2,833,295 4,243,598Reservas Técnicas** 2004 5,118,537 4,890,071 3,948,967 3,158,113 4,934,389Reservas Técnicas** 2005 4,341,291 5,266,489 4,085,010 3,303,670 5,499,196Empleados *** 1998 1,772 854 1,771 358 74Empleados *** 1999 1,641 775 2,210 306 65Empleados *** 2000 1,543 675 2,663 313 67Empleados *** 2001 1,505 748 3,162 435 68Empleados *** 2002 1,315 1,031 5,641 543 72Empleados *** 2003 1,124 982 6,000 723 69Empleados *** 2004 1,104 849 2,931 816 72Empleados *** 2005 1,219 844 2,989 816 72*Series al cierre del año deflactadas con año base=1994, obtenidas del estado de resultados publicados por la CNSF.**Promedio de los trimestres deflactados con año base=1994, obtenidas de Balance General publicado por la CNSF.*** Número de trabajadores publicado por la CNSF.

Mile

s de

MX

PN

úmer

o de

Em

plea

dos

98

Variable Año Santander Afirme Patrim. Inbursa Gpo. Mex. de Seguros GEPrimas Emitidas* 1998 494,361 30,137 179,004 5,569 314,680Primas Emitidas* 1999 559,961 77,773 332,979 32,611 357,422Primas Emitidas* 2000 382,295 180,194 127,054 108,900 382,262Primas Emitidas* 2001 90,827 293,983 0 125,258 452,759Primas Emitidas* 2002 90,174 232,951 15 128,778 532,383Primas Emitidas* 2003 458,428 379,684 1 346,961 593,928Primas Emitidas* 2004 673,366 550,426 101,718 389,662 586,514Primas Emitidas* 2005 848,653 750,971 678,274 645,367 603,016Capital** 1998 1,115,186 231,520 992,145 561,880 227,515Capital** 1999 1,200,043 212,635 593,102 520,074 316,974Capital** 2000 1,258,822 245,964 501,757 459,482 299,355Capital** 2001 1,014,052 248,134 310,796 425,085 265,960Capital** 2002 1,190,708 246,075 327,614 318,772 409,793Capital** 2003 2,208,770 296,404 347,410 497,603 595,805Capital** 2004 2,267,090 346,221 400,305 599,559 747,133Capital** 2005 2,150,874 387,046 1,104,921 619,239 832,944Reservas Técnicas** 1998 1,693,784 37,755 765,538 7,848 979,334Reservas Técnicas** 1999 1,515,015 140,251 1,081,565 50,599 1,023,163Reservas Técnicas** 2000 1,538,682 290,187 1,175,408 160,031 1,074,231Reservas Técnicas** 2001 1,265,046 537,463 370,054 286,631 1,260,984Reservas Técnicas** 2002 1,215,408 834,794 196,085 378,758 1,436,252Reservas Técnicas** 2003 1,411,203 789,209 73,144 564,950 1,525,657Reservas Técnicas** 2004 2,481,988 857,130 35,020 768,036 1,503,641Reservas Técnicas** 2005 3,070,905 1,002,695 298,907 2,163,361 1,572,677Empleados *** 1998 234 110 375 12 564Empleados *** 1999 248 141 475 30 701Empleados *** 2000 134 317 386 63 896Empleados *** 2001 48 511 1 97 1,070Empleados *** 2002 50 463 1 99 1,216Empleados *** 2003 51 561 1 293 1,174Empleados *** 2004 43 663 1 461 1,119Empleados *** 2005 43 663 1 534 1,445*Series al cierre del año deflactadas con año base=1994, obtenidas del estado de resultados publicados por la CNSF.**Promedio de los trimestres deflactados con año base=1994, obtenidas de Balance General publicado por la CNSF.*** Número de trabajadores publicado por la CNSF.

Mile

s de

MX

PN

úmer

o de

Em

plea

dos

Variable Año Zurich Vida ANA QBE del Itsmo Agroasemex Tokio MarinePrimas Emitidas* 1998 92,150 91,849 32,805 776,781 183,997Primas Emitidas* 1999 156,926 113,401 79,113 603,985 151,342Primas Emitidas* 2000 288,286 148,784 27,483 735,029 181,754Primas Emitidas* 2001 430,472 229,156 124,652 417,046 247,090Primas Emitidas* 2002 812,734 210,272 169,236 315,924 280,445Primas Emitidas* 2003 469,388 437,200 234,292 313,029 282,282Primas Emitidas* 2004 387,094 487,637 240,983 375,810 339,617Primas Emitidas* 2005 487,490 443,655 373,021 326,711 326,054Capital** 1998 540,580 94,947 63,600 519,362 618,572Capital** 1999 311,083 105,741 117,811 1,183,307 564,989Capital** 2000 389,282 128,680 127,325 1,133,476 604,894Capital** 2001 710,979 92,126 141,687 2,322,890 650,226Capital** 2002 804,112 125,977 125,509 2,118,620 681,504Capital** 2003 597,290 283,851 131,300 2,197,224 714,402Capital** 2004 548,819 399,790 140,241 1,958,293 702,782Capital** 2005 450,235 327,165 154,671 2,265,585 643,175Reservas Técnicas** 1998 160,988 313,390 32,019 2,388,403 447,130Reservas Técnicas** 1999 285,499 354,756 273,436 2,032,106 492,635Reservas Técnicas** 2000 451,153 404,821 315,285 2,087,532 467,418Reservas Técnicas** 2001 683,493 608,927 192,072 2,211,359 533,329Reservas Técnicas** 2002 1,021,136 629,444 298,198 1,857,287 685,646Reservas Técnicas** 2003 1,312,248 775,824 739,750 1,713,212 1,295,563Reservas Técnicas** 2004 1,378,870 739,633 905,672 1,409,349 1,296,587Reservas Técnicas** 2005 1,487,013 748,377 1,239,899 1,313,054 846,362Empleados *** 1998 233 1,085 5 1,261 70Empleados *** 1999 594 1,240 6 973 74Empleados *** 2000 791 1,359 8 936 77Empleados *** 2001 481 1,172 8 678 80Empleados *** 2002 573 1,065 2 140 78Empleados *** 2003 490 1,761 2 139 84Empleados *** 2004 267 3,686 2 136 93Empleados *** 2005 267 4,561 2 131 93*Series al cierre del año deflactadas con año base=1994, obtenidas del estado de resultados publicados por la CNSF.**Promedio de los trimestres deflactados con año base=1994, obtenidas de Balance General publicado por la CNSF.*** Número de trabajadores publicado por la CNSF.

Mile

s de

MX

PN

úmer

o de

Em

plea

dos

99

Variable Año Protección Agropecuaria La Latinoamericana Chubb de México El Potosí AtradiusPrimas Emitidas* 1998 212,190 204,710 173,524 102,173 136,063Primas Emitidas* 1999 299,116 192,067 140,017 116,411 152,436Primas Emitidas* 2000 247,123 195,656 167,405 131,505 156,702Primas Emitidas* 2001 114,004 212,069 191,342 163,472 137,314Primas Emitidas* 2002 235,448 251,087 198,410 184,216 135,632Primas Emitidas* 2003 253,972 420,268 245,372 180,078 141,101Primas Emitidas* 2004 402,344 250,265 248,775 191,506 163,899Primas Emitidas* 2005 302,793 285,533 258,487 194,466 167,117Capital** 1998 95,343 1,104,879 365,224 284,152 751,471Capital** 1999 92,489 1,278,785 275,280 335,700 851,384Capital** 2000 115,064 1,275,836 238,491 346,382 887,772Capital** 2001 120,702 1,122,005 247,228 333,960 863,889Capital** 2002 140,736 972,565 313,773 352,603 791,235Capital** 2003 195,661 548,605 418,864 409,876 801,010Capital** 2004 277,041 442,515 551,764 422,504 860,354Capital** 2005 306,733 474,166 709,108 396,910 892,189Reservas Técnicas** 1998 377,815 914,524 733,003 315,352 534,644Reservas Técnicas** 1999 388,045 895,180 584,877 347,061 437,038Reservas Técnicas** 2000 377,354 801,838 669,776 357,800 364,828Reservas Técnicas** 2001 310,086 894,832 445,989 436,923 282,867Reservas Técnicas** 2002 344,680 911,084 412,460 462,893 293,025Reservas Técnicas** 2003 350,003 1,035,106 493,748 445,254 206,448Reservas Técnicas** 2004 551,286 964,537 451,238 452,250 212,510Reservas Técnicas** 2005 335,814 857,005 389,700 469,926 261,579Empleados *** 1998 131 431 68 257 114Empleados *** 1999 208 420 72 317 120Empleados *** 2000 203 411 86 374 115Empleados *** 2001 193 422 107 483 118Empleados *** 2002 203 443 117 383 89Empleados *** 2003 210 568 141 411 89Empleados *** 2004 224 300 184 373 89Empleados *** 2005 224 300 131 373 85*Series al cierre del año deflactadas con año base=1994, obtenidas del estado de resultados publicados por la CNSF.**Promedio de los trimestres deflactados con año base=1994, obtenidas de Balance General publicado por la CNSF.*** Número de trabajadores publicado por la CNSF.

Mile

s de

MX

PN

úmer

o de

Em

plea

dos

Variable Año La Peninsular El Águila Sompo Japan Royal & Sunalliance HIRPrimas Emitidas* 1998 156,530 71,730 46,313 858,479 19,615Primas Emitidas* 1999 148,503 95,560 64,240 1,257,929 13,152Primas Emitidas* 2000 162,059 105,366 60,658 1,123,622 7,128Primas Emitidas* 2001 162,192 142,964 51,195 1,196,369 4,128Primas Emitidas* 2002 199,881 149,967 56,746 1,394,082 9,483Primas Emitidas* 2003 200,779 155,464 78,960 1,863,764 14,149Primas Emitidas* 2004 212,218 150,042 74,107 1,830,787 20,088Primas Emitidas* 2005 59,417 129,207 75,985 1,991,173 40,592Capital** 1998 329,360 83,183 294,253 333,347 102,234Capital** 1999 342,548 103,886 273,939 382,210 80,326Capital** 2000 382,830 77,340 255,203 557,098 113,723Capital** 2001 314,955 105,533 230,531 477,773 96,956Capital** 2002 410,818 119,254 234,611 650,662 109,501Capital** 2003 405,077 116,305 250,807 823,598 139,083Capital** 2004 375,047 167,474 255,345 908,959 148,267Capital** 2005 376,982 192,272 253,150 929,000 159,133Reservas Técnicas** 1998 496,499 136,936 45,371 2,009,396 5,958Reservas Técnicas** 1999 506,493 212,421 77,199 2,459,619 21,484Reservas Técnicas** 2000 431,143 228,455 72,490 2,874,908 13,941Reservas Técnicas** 2001 300,835 324,253 70,246 2,853,383 17,384Reservas Técnicas** 2002 571,354 352,114 106,385 3,340,162 14,520Reservas Técnicas** 2003 495,316 390,554 114,116 4,154,784 12,745Reservas Técnicas** 2004 454,341 370,276 115,160 4,272,181 11,728Reservas Técnicas** 2005 566,386 357,808 148,100 7,797,960 28,407Empleados *** 1998 187 350 30 1,335 25Empleados *** 1999 213 421 38 1,344 39Empleados *** 2000 215 447 36 1,255 37Empleados *** 2001 246 340 34 879 51Empleados *** 2002 263 339 34 1,275 7Empleados *** 2003 241 340 33 1,351 11Empleados *** 2004 223 274 33 1,332 32Empleados *** 2005 223 424 33 1,332 32*Series al cierre del año deflactadas con año base=1994, obtenidas del estado de resultados publicados por la CNSF.**Promedio de los trimestres deflactados con año base=1994, obtenidas de Balance General publicado por la CNSF.*** Número de trabajadores publicado por la CNSF.

Mile

s de

MX

PN

úmer

o de

Em

plea

dos

100

Variable Año Principal Gerling Mut. Torreón Skandia VidaPrimas Emitidas* 1998 18,043 98,683 2,513 61Primas Emitidas* 1999 40,387 88,049 1,935 77Primas Emitidas* 2000 54,672 61,271 1,955 339Primas Emitidas* 2001 1,572,196 41,902 3,369 1,172Primas Emitidas* 2002 185,422 22,213 14,716 930Primas Emitidas* 2003 116,357 23,296 27,200 944Primas Emitidas* 2004 74,280 23,185 24,550 1,768Primas Emitidas* 2005 32,339 28,987 13,100 3,171Capital** 1998 678,347 298,328 2,826 209,351Capital** 1999 506,071 330,195 8,374 275,874Capital** 2000 478,555 277,289 6,669 248,227Capital** 2001 349,475 254,364 5,490 211,780Capital** 2002 356,049 233,756 11,355 207,202Capital** 2003 361,524 211,953 14,571 257,466Capital** 2004 341,269 199,655 11,079 221,492Capital** 2005 408,762 180,790 7,611 200,333Reservas Técnicas** 1998 90,264 407,759 12,540 8Reservas Técnicas** 1999 79,397 308,781 24,739 20Reservas Técnicas** 2000 153,752 250,355 23,487 41Reservas Técnicas** 2001 3,157,573 133,564 21,704 154Reservas Técnicas** 2002 5,982,106 67,189 26,621 252Reservas Técnicas** 2003 5,819,713 56,007 36,869 208Reservas Técnicas** 2004 5,613,933 39,097 50,058 439Reservas Técnicas** 2005 5,345,735 48,456 55,830 688Empleados *** 1998 151 33 3 15Empleados *** 1999 176 39 4 18Empleados *** 2000 247 31 3 94Empleados *** 2001 312 29 4 170Empleados *** 2002 401 21 4 165Empleados *** 2003 365 10 4 81Empleados *** 2004 364 13 5 147Empleados *** 2005 364 12 5 213*Series al cierre del año deflactadas con año base=1994, obtenidas del estado de resultados publicados por la CNSF.**Promedio de los trimestres deflactados con año base=1994, obtenidas de Balance General publicado por la CNSF.*** Número de trabajadores publicado por la CNSF.

Mile

s de

MX

PN

úmer

o de

Em

plea

dos

101

Primas Emitidas 1998

1,50

420

,809

4,49

8 6,21

02,

017

469

497 1,

509

2,68

71,

156

594 1,25

11,

098

425 1,17

776

085

725

363

949

430 17

96 31

592 92 33 77

718

421

220

517

410

213

615

772 46 85

820 18 99 3 0

16,0

72

0

5,000

10,000

15,000

20,000

25,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Millones MXP

Primas Emitidas 1999

2,09

823

,223

5,52

9 6,99

72,

196

628

746 1,66

52,

888

1,38

765

3 1,41

01,

178

487 1,28

175

189

231

461

656

078 33

333 35

715

711

379 60

415

129

919

214

011

615

214

996 64

1,25

813 40 88 2 0

17,8

76

0

5,000

10,000

15,000

20,000

25,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

Elaboración propia con información de la CNSF.

102

Primas Emitidas 2000

2,59

024

,524

6,65

04,

682

2,43

993

878

4 1,89

02,

974

1,42

01,

676

1,63

61,

556

656 1,63

21,

168

1,07

856

370

738

218

012

710

938

228

814

927 73

518

224

719

616

713

215

716

210

561

1,12

47 55 61 2 0

18,5

68

0

5,000

10,000

15,000

20,000

25,000

30,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Millones MXP

Primas Emitidas 2001

3,90

323

,685

7,90

04,

280

2,81

41,

665

685 2,

388

2,98

01,

855

2,65

81,

779

1,37

41,

288

2,27

72,

039

902

734

954

91 294

0 125

453

430

229

125

417

247

114

212

191

163

137

162

143

511,

196

41,

572

42 3 1

20,2

36

0

5,000

10,000

15,000

20,000

25,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

Elaboración propia con información de la CNSF.

103

Primas Emitidas 2002

4,89

427

,171

17,8

184,

847

3,15

02,

482

632 3,

114

3,53

71,

782

3,02

62,

115

1,38

21,

275

2,21

02,

968

1,03

675

51,

034

90 233

0 129

532

813

210

169

316

280

235

251

198

184

136

200

150

571,

394

9 185

22 15 1

21,7

11

0

5,000

10,000

15,000

20,000

25,000

30,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Millones MXP

Primas Emitidas 2003

14,0

4724

,531

8,73

56,

410

3,39

33,

132

651 3,

151

3,94

83,

697

3,19

52,

295

2,85

01,

717

1,68

51,

799

1,12

394

71,

240

458

380

0 347

594

469

437

234

313

282

254

420

245

180

141

201

155

791,

864

14 116

23 27 1

20,2

81

0

5,000

10,000

15,000

20,000

25,000

30,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

Elaboración propia con información de la CNSF.

104

Primas Emitidas 2004

21,7

0922

,063

9,27

96,

466

3,74

53,

932

2,28

93,

329

3,48

58,

280

3,12

82,

578

3,81

02,

315

1,71

91,

619

1,17

892

11,

154

673

550

102

390

587

387

488

241

376

340

402

250

249

192

164

212

150

741,

831

20 74 23 25 2

23,9

98

0

5,000

10,000

15,000

20,000

25,000

30,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Millones MXP

Primas Emitidas 2005

21,6

9818

,818

8,47

86,

679

5,77

14,

450

4,10

53,

467

3,31

53,

274

3,01

02,

768

2,35

42,

245

2,01

11,

707

968

918

880

849

751

678

645

603

487

444

373

327

326

303

286

258

194

167

59 129

761,

991

41 32 29 13 3

25,5

06

0

5,000

10,000

15,000

20,000

25,000

30,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

Elaboración propia con información de la CNSF.

105

Capital 1998

617

14,2

8610

,203

7,19

92,

352

365

440

716

2,96

21,

782

245

3,02

02,

540

611 1,22

762

2 1,22

748

62,

031

1,11

523

2 992

562

228 541

95 64 519

619

951,

105

365

284 75

132

983 29

433

310

2 678

298

3 209

12,6

65

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Millones MXP

Capital 1999

555

17,5

6412

,119

7,55

03,

513

533

440 1,11

3 3,22

41,

050

457

3,41

33,

278

566 1,15

173

0 1,64

170

2 1,87

81,

200

213 593

520

317

311

106

118 1,

183

565

921,

279

275

336 851

343

104

274

382

80 506

330

8 276

14,1

93

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000

18,000

20,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

Elaboración propia con información de la CNSF.

106

Capital 2000

831

15,5

7712

,392

5,19

35,

210

715

436 1,

658 3,

210

1,25

699

83,

703

2,97

337

5 1,06

574

5 1,53

088

9 1,64

81,

259

246

502

459

299

389

129

127 1,

133

605

115 1,

276

238

346 88

838

377 25

5 557

114 479

277

7 248

15,2

40

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000

18,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Millones MXP

Capital 2001

1,47

511

,021

11,6

663,

076 4,22

696

840

42,

104 3,

522

1,51

11,

290

4,02

92,

414

490 1,15

183

7 1,44

785

8 1,37

71,

014

248

311

425

266 711

92 142

2,32

365

012

1 1,12

224

733

4 864

315

106

231

478

97 349

254

5 212

15,4

89

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000

18,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

Elaboración propia con información de la CNSF.

107

Capital 2002

1,42

324

,345

10,7

904,

202

3,95

61,

675

364 2,

147 3,86

81,

738

1,67

6 4,34

82,

597

619 1,39

076

9 1,66

21,

180

1,66

01,

191

246

328

319

410

804

126

126 2,

119

682

141 97

331

435

379

141

111

923

565

111

035

623

411 20

7

11,3

85

0

5,000

10,000

15,000

20,000

25,000

30,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Millones MXP

Capital 2003

15,8

4229

,992

8,65

83,

392

4,52

52,

536

376 2,

849

4,14

74,

010

2,51

7 4,63

62,

804

868 1,59

089

2 2,02

71,

250

2,15

72,

209

296

347

498

596

597

284

131 2,

197

714

196

549

419

410

801

405

116

251 824

139

362

212

15 257

14,3

43

0

5,000

10,000

15,000

20,000

25,000

30,000

35,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

Elaboración propia con información de la CNSF.

108

Capital 2004

28,7

88 31,9

5710

,131

4,68

45,

174

3,51

92,

266

3,55

34,

662

4,08

73,

015 5,00

63,

575

940 2,08

61,

033

2,82

41,

386

2,59

42,

267

346

400

600

747

549

400

140 1,

958

703

277

443

552

423

860

375

167

255 909

148

341

200

11 221

14,9

97

0

5,000

10,000

15,000

20,000

25,000

30,000

35,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Millones MXP

Capital 2005

33,5

8220

,771

10,9

263,

777 5,96

43,

792

4,26

04,

597

5,29

86,

509

2,95

8 5,37

03,

523

1,62

32,

348

1,01

4 3,39

71,

556

2,65

82,

151

387 1,10

561

983

345

032

715

5 2,26

664

330

747

470

939

789

237

719

225

392

915

940

918

18 20

0

10,5

14

0

5,000

10,000

15,000

20,000

25,000

30,000

35,000

40,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

Elaboración propia con información de la CNSF.

109

Reservas Técnicas 1998

7,69

383

,870

24,8

2529

,079

5,63

01,

386

1,45

54,

978

8,05

91,

606

2,02

83,

868

3,89

32,

308

4,69

23,

305

2,89

494

7 3,07

51,

694

38 766

8 979

161

313

32 2,38

844

737

891

573

331

553

549

613

745 2,

009

6 90 408

13 0

53,6

68

0

10,000

20,000

30,000

40,000

50,000

60,000

70,000

80,000

90,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Millones MXP

Reservas Técnicas 1999

8,86

583

,795

25,5

4829

,247

6,54

31,

718

2,01

46,

591

9,28

02,

233

2,11

24,

137

3,45

12,

082

5,31

33,

255

2,91

492

5 3,00

01,

515

140

1,08

251 1,

023

285

355

273 2,03

249

338

889

558

534

743

750

621

277 2,

460

21 79 309

25 0

56,5

11

0

10,000

20,000

30,000

40,000

50,000

60,000

70,000

80,000

90,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

Elaboración propia con información de la CNSF.

110

Reservas Técnicas 2000

10,2

6791

,438

29,7

4828

,885

7,24

02,

500

2,02

27,

054

10,6

293,

028

3,39

04,

652

4,29

21,

886

5,36

53,

335

3,37

11,

317

3,15

51,

539

290

1,17

516

01,

074

451

405

315 2,08

846

737

780

267

035

836

543

122

872 2,

875

14 154

250

23 0

60,1

47

0

10,000

20,000

30,000

40,000

50,000

60,000

70,000

80,000

90,000

100,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Millones MXP

Reservas Técnicas 2001

12,7

4485

,170

35,3

1729

,628

8,40

44,

284

1,91

1 7,75

111

,720

4,43

55,

253

5,12

03,

833

1,84

86,

182

4,02

23,

622

2,15

13,

468

1,26

553

737

028

71,

261

683

609

192 2,21

153

331

089

544

643

728

330

132

470 2,

853

173,

158

134

22 0

64,0

53

0

10,000

20,000

30,000

40,000

50,000

60,000

70,000

80,000

90,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

Elaboración propia con información de la CNSF.

111

Reservas Técnicas 2002

15,3

7091

,657

47,7

1934

,570

9,43

16,

317

1,84

3 10,4

6113

,263

5,24

86,

408

5,89

03,

623

2,87

56,

937

4,81

63,

334

2,48

93,

789

1,21

583

519

637

91,

436

1,02

162

929

81,

857

686

345

911

412

463

293

571

352

106 3,34

015

5,98

267 27 0

72,4

49

0

10,000

20,000

30,000

40,000

50,000

60,000

70,000

80,000

90,000

100,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Millones MXP

Reservas Técnicas 2003

89,9

7591

,030

47,1

4643

,024

10,3

728,

268

1,84

6 11,2

9915

,496

8,61

86,

037

7,01

74,

815

3,37

05,

649

4,97

03,

690

2,83

34,

244

1,41

178

973 56

51,

526

1,31

277

674

01,

713

1,29

635

01,

035

494

445

206

495

391

114 4,

155

135,

820

56 37 0

83,3

39

0

10,000

20,000

30,000

40,000

50,000

60,000

70,000

80,000

90,000

100,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

Elaboración propia con información de la CNSF.

112

Reservas Técnicas 2004

127,

800

89,7

7253

,137

51,3

2211

,268

10,4

688,

959

12,3

6115

,282 31

,344

5,40

97,

174

7,32

54,

145

5,11

94,

890

3,94

93,

158

4,93

42,

482

857

35 768

1,50

41,

379

740

906

1,40

91,

297

551

965

451

452

213

454

370

115 4,27

212

5,61

439 50 0

92,4

92

0

20,000

40,000

60,000

80,000

100,000

120,000

140,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Millones MXP

Reservas Técnicas 2005

137,

879

103,

407

56,4

4358

,282

16,2

5912

,939

13,6

5013

,609

14,0

3833

,297

5,89

18,

051

9,95

15,

078

4,34

15,

266

4,08

53,

304

5,49

93,

071

1,00

329

92,

163

1,57

31,

487

748

1,24

01,

313

846

336

857

390

470

262

566

358

148 7,

798

285,

346

48 56 1

115,

688

0

20,000

40,000

60,000

80,000

100,000

120,000

140,000

160,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Millones MXP

Elaboración propia con información de la CNSF.

113

Empleados 1998

1,03

012

,248

10,2

098,

477

11,

899

384 1,

194

4,40

837

439

4 1,11

448

310

51,

772

854 1,

771

358

74 234

110 375

1256

423

3 1,08

55

1,26

170 13

1 431

68 257

114

187

350

301,

335

25 151

33 3 15

7,86

4

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Empleados 1999

954

11,7

4512

,496

8,51

81

1,79

758

7 1,48

83,

766

497

493 1,

126

478

127

1,64

177

52,

210

306

65 248

141 475

3070

159

4 1,24

06

973

74 208

420

72 317

120

213

421

381,

344

39 176

39 4 18

7,71

7

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Elaboración propia con información de la CNSF.

114

Empleados 2000

1,15

411

,408

14,9

688,

558

12,

098

757 1,

782

3,93

345

265

2 1,14

350

916

4 1,54

367

52,

663

313

67 134

317

386

6389

679

1 1,35

98

936

77 203

411

86 374

115

215

447

361,

255

37 247

31 3 94

7,64

8

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Empleados 2001

1,39

711

,864

16,3

0310

,007

14,

166

714 1,

782 3,

910

450

782 1,27

779

317

3 1,50

574

83,

162

435

68 48 511

1 971,

070

481 1,17

28

678

80 193

422

107

483

118

246

340

3487

951 31

229 4 17

0

7,77

4

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000

18,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Elaboración propia con información de la CNSF.

115

Empleados 2002

1,44

56,

921

18,1

9411

,511

15,

721

673 1,

773

4,69

746

969

2 1,41

373

914

6 1,31

51,

031

5,64

154

372 50 46

31 99

1,21

657

3 1,06

52 14

078 20

344

311

738

389 26

333

934

1,27

57 40

121 4 16

5

8,19

3

02,000

4,0006,0008,000

10,000

12,00014,00016,000

18,00020,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Empleados 2003

4,58

8 8,12

420

,113

12,7

721

6,75

470

7 1,86

4 5,39

753

950

3 1,59

768

517

6 1,12

498

26,

000

723

69 51 561

1 293 1,17

449

0 1,76

12 13

984 21

056

814

141

189 24

134

033

1,35

111 36

510 4 81

8,74

2

0

5,000

10,000

15,000

20,000

25,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Elaboración propia con información de la CNSF.

116

Empleados 2004

4,70

07,

313 8,

605

13,7

781

7,58

42,

766

2,13

05,

899

647

503 1,

738

701

247 1,

104

849

2,93

181

672 43

663

1 461 1,

119

267

3,68

62 13

693 22

430

018

437

389 22

327

433

1,33

232 36

413 5 14

7

9,00

6

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000G

NP

Met

life

Axa

Inbu

rsa

Mty

NY

LB

BV

A B

anco

mer

Quá

litas

Ban

orte

AB

A S

eg.

Map

freB

anam

exZu

rich

Atla

sA

llian

zA

CE

AIG

Inte

racc

ione

sG

ener

al d

e Se

g.M

etro

polit

ana

Patri

aSa

ntan

der

Afir

me

Patri

m. I

nbur

saG

po. M

ex. d

e Se

guro

sG

EZu

rich

Vid

aA

NA

QB

E de

l Itsm

oA

groa

sem

exTo

kio

Mar

ine

Prot

ecci

ón A

grop

ecua

riaLa

Lat

inoa

mer

ican

aC

hubb

de

Méx

ico

El P

otos

íA

tradi

usLa

Pen

insu

lar

El Á

guila

Som

po Ja

pan

Roy

al &

Sun

allia

nce

HIR

Prin

cipa

lG

erlin

gM

ut. T

orre

ónSk

andi

a V

ida

Empleados 2005

4,70

07,

313 8,

605

13,7

781

7,58

42,

766

2,50

25,

881

647

503 1,

738

770

154 1,

219

844

2,98

981

672 43

663

1 534 1,

445

267

4,56

12 13

193 22

430

013

137

385 22

342

433

1,33

232 36

412 5 21

3

9,78

8

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000

GN

PM

etlif

eA

xaIn

burs

aM

ty N

YL

BB

VA

Ban

com

erQ

uálit

asB

anor

teA

BA

Seg

.M

apfre

Ban

amex

Zuric

hA

tlas

Alli

anz

AC

EA

IGIn

tera

ccio

nes

Gen

eral

de

Seg.

Met

ropo

litan

aPa

tria

Sant

ande

rA

firm

ePa

trim

. Inb

ursa

Gpo

. Mex

. de

Segu

ros

GE

Zuric

h V

ida

AN

AQ

BE

del I

tsmo

Agr

oase

mex

Toki

o M

arin

ePr

otec

ción

Agr

opec

uaria

La L

atin

oam

eric

ana

Chu

bb d

e M

éxic

oEl

Pot

osí

Atra

dius

La P

enin

sula

rEl

Águ

ilaSo

mpo

Japa

nR

oyal

& S

unal

lianc

eH

IRPr

inci

pal

Ger

ling

Mut

. Tor

reón

Skan

dia

Vid

a

Elaboración propia con información de la CNSF.

117

BIBLIOGRAFÍA

Alvarado Rodrigo. “Eficiencia productiva en Municipios de Chile en la prestación de servicios de atención primaria: A dos décadas de la descentralización” Universidad Autónoma de Barcelona, 2005. Álvarez Alejandro y Martinez Sandra. “Significados del Tratado de Libre Comercio de América del Norte para México”. Gobierno de España, Información Comercial Española, 2001. Beno Sander. “Educación, administración y calidad de vida”. Ed. Santillana Bs. As. AULA XXI, 1990, p. 151-153. Cámara de Diputados. “Evaluación Sectorial del Tratado de Libre Comercio de América del Norte a cinco años de operación”. Centro de Estudio de las Finánzas Públicas, 2000. Cheng Yuk-shing. “Productivity Growth, Technical Progress and Efficiency Change in Chinese Agriculture”. Hong Kong Baptist University, 1998. CNSF. “Revista Actualidad en Seguros y Fianzas”. SHCP, Comisión Nacional de Seguros y Fianzas, publicación trimestral de 1998 a 2005. CNSF. “Manual del Sistema Estadístico del Sector Afianzador”. CNSF Circular F13.3, 2006. CNSF. “Anuario Estadístico de Seguros y Fianzas”. SHCP, Comisión Nacional de Seguros y Fianzas, ediciones de 1998 a 2005. CNSF. “Boletín de Análisis Sectorial”. SHCP, Comisión Nacional de Seguros y Fianzas, 2006. CNSF. “Compañías Aseguradoras con participación extranjera”. SHCP, Comisión Nacional de Seguros y Fianzas, datos de 1998-2005. Coelli Tim. “A guide to DEAP Version 2.1: A Data Envelopment Analysis (Computer) Program”. University of New England. CEPA Working Paper 96/08, 1996. Cooper William, et al. “Data Envelopment Analysis, a Comprehensive text with Models, Applications, References and DEA-Solver Software”. Kluwer Acadeimc Publishers, 2000. Cummins David, et al. “Organizational Form and Efficiency: An Analysis of Stock and Mutual Property-Liability Insurers” The Wharton School, University of Pennsylvania, 1996. Cummins David y Venard Bertrand. “Handbook of international Insurance: Between Global Dynamics and Local Contingencies”. Springer, 2007, pp. 205-233. Diacon Stephen. “The Efficiency of UK General Insurance Companies”. Nottingham University Business School. CRIS Discussion Paper Series, 2001. Eugene Brigham, Joel Houston. “Fundamentos de administración financiera”. Cengage Learning Editores, 2006.

118

García Denise. “Razones Financieras del Sector Asegurador”. CNSF Serie Documento de Trabajo, 1993. Horngren, Harrison y Lamber. “Contabilidad” Pearson Education. 2003. Kirwan Ana. “El análisis de la Envolvente de Datos: Un Enfoque estadístico”. Tesis ITAM, 1994. Mood Alexandre, et al. “Introduction to the Theory of Statistics”. McGraw-Hill, 1974. Murias Pilar. “Eficiencia técnica y calidad del output en la Universidad de Santiago de Compostela”. Departamento de Métodos Cuantitativos, Universidad de Santiago de Compostela, 2000. Pombo Carlos y Ramírez Manuel. “Privatization in Colombia: A Plant Performance Analysis”. Inter-American Development Bank, 2003. Parkin Michael. “Microeconomía”. Ed. Addison Wesley Longman, 1998. p. 66, 325-327. Sinha Tapen, et al. “Insurance Regulation in North America”. Kluwer Law International, 2003.