Búsqueda

Calificación y predicción del retiro temprano usando técnicas de machine learning : aplicación a los planes privados de pensiones

Calificación y predicción del retiro temprano usando técnicas de machine learning : aplicación a los planes privados de pensiones
Recurso electrónico / Electronic resource
Registro MARC
Tag12Valor
LDR  00000cab a2200000 4500
001  MAP20200000433
003  MAP
005  20220911191147.0
008  200114e20191111esp|||p |0|||b|spa d
040  ‎$a‎MAP‎$b‎spa‎$d‎MAP
084  ‎$a‎40
100  ‎$0‎MAPA20190000178‎$a‎Rocha Salazara, José de Jesús
24510‎$a‎Calificación y predicción del retiro temprano usando técnicas de machine learning‎$b‎: aplicación a los planes privados de pensiones‎$c‎Jose de Jesus Rocha Salazar, María del Carmen Boado-Penas
520  ‎$a‎Las técnicas de inteligencia artificial se han vuelto muy populares en las organizaciones públicas y privadas debido a que permiten un proceso de toma de decisiones más preciso. Las compañías de seguros privadas se han aventurado en este campo mediante la implementación de algoritmos que permiten una mejor comprensión de los datos disponibles. El conocimiento de las decisiones de jubilación permite a las compañías de seguros detectar el retiro temprano en un momento dado para tener una provisión presupuestaria adecuada. En este documento, los algoritmos de aprendizaje automático y datos de planes de pensiones privados se utilizan para predecir si una persona se jubila antes o después de los 65 años en función de características individuales y factores macroeconómicos
650 4‎$0‎MAPA20080552114‎$a‎Pensiones
650 4‎$0‎MAPA20080592455‎$a‎Planes de pensiones
650 4‎$0‎MAPA20170005476‎$a‎Machine learning
650 4‎$0‎MAPA20080611200‎$a‎Inteligencia artificial
7001 ‎$0‎MAPA20100052259‎$a‎Boado-Penas, María del Carmen
7730 ‎$w‎MAP20070000012‎$t‎Anales del Instituto de Actuarios Españoles : Colegio Profesional‎$d‎Madrid : Instituto de Actuarios Españoles, 1943-‎$g‎11/11/2019 Número 25 - Epoca 4ª, Año 2019 , p. 119-145
856  ‎$q‎application/pdf‎$w‎1104309‎$y‎Recurso electrónico / Electronic resource