Centro de Documentacion de Fundación MAPFRE - Predicción de la mortalidad mediante redes neuronales recurrentes de tipo Long Short-Term Memory

Publicação: Madrid : Universidad Carlos III de Madrid, 2020Notas: 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 y Jesús Ramón Simón del Potro. Curso 2018-2020Sumario: Los modelos tradicionales de predicción de la mortalidad han gozado de una amplia aceptación entre los expertos durante los últimos veinte años. No obstante, entre todas sus bondades también se destacan ciertas deficiencias como la invariabilidad en el tiempo de los parámetros relacionados con la edad. El objetivo de este trabajo es el logro de una mejora de la predicción de la mortalidad implementando modelos que permitan una gran capacidad computacional, como son las redes neuronales artificiales. La introducción de las redes neuronales recurrentes de memoria a corto-largo plazo (LSTM) permite crear secuencias de datos y relacionarlas, recordando información durante largos períodos de tiempo y reconociendo patrones de comportamiento de forma hábil. Este tipo de redes de memoria permiten, mediante su innovadora estructura, superar las limitaciones de los modelos tradicionales al ser capaces de clasificar, generar y predecir secuencias, ofreciendo por ello una predicción de la mortalidad más precisaMateria / lugar / evento: Mortalidad Modelos predictivos Redes neuronales artificiales Otros autores: Rodríguez-Pardo del Castillo, José Miguel
Simón del Potro, Jesús Ramón
Universidad Carlos III de Madrid
Serie secundária: Trabajos Fin de Master Outras classificações: 6