A análise de riscos sempre teve no histórico uma de suas principais fontes de informação. Séries históricas permitem identificar frequências, padrões e relações entre variáveis e, a partir daí, estimar a probabilidade e a severidade de determinados eventos. O desafio cresce quando as condições futuras começam a se afastar do que foi observado no passado.
Os eventos climáticos extremos são um exemplo. Mudanças na frequência, intensidade e distribuição desses fenômenos podem criar exposições para as quais as séries históricas oferecem referências limitadas. A análise precisa incorporar modelos probabilísticos, características físicas dos eventos e simulações capazes de representar cenários que ainda não ocorreram.
Isso leva a uma questão central para a ciência de dados aplicada à gestão de riscos: como quantificar financeiramente uma incerteza que ainda não se materializou?
Uma possibilidade é trabalhar com distribuições de probabilidade em vez de uma única estimativa de perda. A partir delas, é possível avaliar diferentes níveis de severidade, estimar perdas esperadas e analisar métricas como a Perda Máxima Provável. Essas informações também ajudam a avaliar estruturas de retenção e transferência de riscos e seus efeitos sobre a exposição financeira de uma organização.
Outro desafio está na interdependência entre riscos. Uma empresa pode ter diferentes unidades expostas ao mesmo evento climático, e as perdas dessas unidades podem estar relacionadas. Um mesmo furacão, por exemplo, pode atingir diversas localidades e afetar simultaneamente ativos, operações e cadeias de suprimentos.
Em modelos de riscos associados a tempestades e furacões nomeados, técnicas estatísticas como as cópulas permitem representar essa dependência e estimar perdas associadas ao mesmo evento em diferentes localidades. O modelo passa a considerar uma característica importante dos grandes eventos: seus impactos podem ocorrer simultaneamente e de forma conectada.
Essa lógica também se aplica à relação entre riscos de diferentes naturezas. Um evento climático pode provocar danos físicos, interromper uma operação, comprometer o fornecimento e gerar efeitos sobre receitas, custos e liquidez. Quando essas exposições são analisadas isoladamente, parte do impacto potencial pode não aparecer no modelo.
No Risk Labs da Horiens, nosso laboratório de análise preditiva, trabalhamos com ciência de dados, modelagem e conhecimento especializado em riscos para analisar essas relações e seus impactos financeiros. O objetivo é produzir informações que apoiem decisões sobre prevenção, retenção, transferência de riscos e estruturação de seguros.
O Dia da Ciência e Tecnologia, celebrado em 16 de outubro, traz um bom momento para olhar para essa evolução. Na gestão de riscos, a ciência de dados já permite ir além da análise do que aconteceu e explorar, com métodos quantitativos, diferentes possibilidades para o que pode acontecer.
Em um cenário de eventos extremos e riscos cada vez mais interdependentes, compreender a incerteza é também uma forma de tomar decisões melhores antes que ela se transforme em perda.
*Marcio Santos é líder do Risk Labs na Horiens.
