Comparativa de los modelos GLM y GBM para la tarificación de una cartera de autos

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
<rdf:Description>
<dc:creator>Gutiérrez Meléndez, Gonzalo</dc:creator>
<dc:creator>Rodríguez-Pardo del Castillo, José Miguel</dc:creator>
<dc:creator>Simón del Potro, Jesús Ramón</dc:creator>
<dc:creator>Universidad Carlos III de Madrid</dc:creator>
<dc:date>2022</dc:date>
<dc:description xml:lang="es">Trabajo Fin de Master del Master en Ciencias Actuariales y Financieras de la Escuela de Postgrado de la Universidad Carlos III de Madrid. Tutores: José Miguel Rodríguez-Pardo del Castillo, Jesús Ramón Simón del Potro Curso 2021-2022</dc:description>
<dc:description xml:lang="es">Sumario: El sector asegurador se encuentra en una constante evolución en todos los ámbitos gracias especialmente a los avances tecnológicos. En la rama de la tarificación, la búsqueda constante de una mejor modelización del riesgo ha generado la creación y uso de distintos algoritmos para capturar de la manera más eficiente y exacta el riesgo de los clientes. En este estudio, se lleva a cabo la comparativa entre el método clásico de modelización lineal generalizado frente a la nueva corriente de modelos basados en Machine Learning llamados Gradient Boosting. Los resultados obtenidos muestran una mayor capacidad predictiva para el método más novedoso y una mayor granularidad para ajustar las primas de los asegurados. Ambos métodos son válidos de cara al estudio académico, y observando los resultados, todo parece indicar que es el momento de iniciar el cambio utilizando con mayor asiduidad los nuevos modelos de Machine Learning. También se lleva a cabo un análisis de negocio comparando una metodología de mutualización frente a una segmentación en los precios con el fin de mantener la cartera sana económicamente</dc:description>
<dc:format xml:lang="en">application/pdf</dc:format>
<dc:identifier>https://documentacion.fundacionmapfre.org/documentacion/publico/es/bib/181142.do</dc:identifier>
<dc:language>spa</dc:language>
<dc:publisher>Universidad Carlos III de Madrid</dc:publisher>
<dc:rights xml:lang="es">InC - http://rightsstatements.org/vocab/InC/1.0/</dc:rights>
<dc:subject xml:lang="es">Seguro de automóviles</dc:subject>
<dc:subject xml:lang="es">Tarificación</dc:subject>
<dc:subject xml:lang="es">Modelización</dc:subject>
<dc:subject xml:lang="es">Modelos GLM</dc:subject>
<dc:subject xml:lang="es">Modelos GBM</dc:subject>
<dc:subject xml:lang="es">Machine learning</dc:subject>
<dc:subject xml:lang="es">Métodos analíticos</dc:subject>
<dc:subject xml:lang="es">Trabajos de investigación</dc:subject>
<dc:subject xml:lang="es">España</dc:subject>
<dc:type xml:lang="es">Books</dc:type>
<dc:title xml:lang="es">Comparativa de los modelos GLM y GBM para la tarificación de una cartera de autos</dc:title>
<dc:format xml:lang="es">172 p.</dc:format>
<dc:relation xml:lang="es">Trabajos Fin de Master</dc:relation>
<dc:coverage xml:lang="es">España</dc:coverage>
</rdf:Description>
</rdf:RDF>