Comparativa de los modelos GLM y GBM para la tarificación de una cartera de autos
Objetos digitales
| Tag | 1 | 2 | Valor |
|---|---|---|---|
| LDR | 00000cam a22000004b 4500 | ||
| 001 | MAP20220028950 | ||
| 003 | MAP | ||
| 005 | 20221023193630.0 | ||
| 008 | 211217s2022 esp|||| ||| ||spa d | ||
| 040 | $aMAP$bspa$dMAP | ||
| 084 | $a6 | ||
| 100 | 1 | $0MAPA20220008945$aGutiérrez Meléndez, Gonzalo | |
| 245 | 1 | 0 | $aComparativa de los modelos GLM y GBM para la tarificación de una cartera de autos$cGonzalo Guitierrez Meléndez |
| 260 | $aMadrid$bUniversidad Carlos III de Madrid$c2022 | ||
| 300 | $a172 p. | ||
| 500 | $aTrabajo 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 | ||
| 520 | $aEl 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 | ||
| 650 | 4 | $0MAPA20080603779$aSeguro de automóviles | |
| 650 | 4 | $0MAPA20080564322$aTarificación | |
| 650 | 4 | $0MAPA20080563448$aModelización | |
| 650 | 4 | $0MAPA20160001693$aModelos GLM | |
| 650 | 4 | $0MAPA20210037177$aModelos GBM | |
| 650 | 4 | $0MAPA20170005476$aMachine learning | |
| 650 | 4 | $0MAPA20080586331$aMétodos analíticos | |
| 650 | 4 | $0MAPA20080664510$aTrabajos de investigación | |
| 651 | 1 | $0MAPA20080637736$aEspaña | |
| 700 | 1 | $0MAPA20140014897$aRodríguez-Pardo del Castillo, José Miguel | |
| 700 | 1 | $0MAPA20160001525$aSimón del Potro, Jesús Ramón | |
| 710 | 2 | $0MAPA20080455026$aUniversidad Carlos III de Madrid | |
| 830 | 0 | $0MAPA20160014013$aTrabajos Fin de Master | |
| 856 | $qapplication/pdf$w1117332$yRecurso electrónico / Electronic resource |