Search

Modelos de predicción del coste del siniestro en seguros de salud

<?xml version="1.0" encoding="UTF-8"?><modsCollection xmlns="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-8.xsd">
<mods version="3.8">
<titleInfo>
<title>Modelos de predicción del coste del siniestro en seguros de salud</title>
</titleInfo>
<name type="personal" usage="primary" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20200021216">
<namePart>Gil de Gómez Jiménez, Pablo </namePart>
<nameIdentifier>MAPA20200021216</nameIdentifier>
</name>
<name type="personal" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20140014897">
<namePart>Rodríguez-Pardo del Castillo, José Miguel</namePart>
<nameIdentifier>MAPA20140014897</nameIdentifier>
</name>
<name type="personal" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20160001525">
<namePart>Simón del Potro, Jesús Ramón</namePart>
<nameIdentifier>MAPA20160001525</nameIdentifier>
</name>
<name type="corporate" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080455026">
<namePart>Universidad Carlos III de Madrid</namePart>
<nameIdentifier>MAPA20080455026</nameIdentifier>
</name>
<typeOfResource>text</typeOfResource>
<originInfo>
<place>
<placeTerm type="code" authority="marccountry">esp</placeTerm>
</place>
<issuance>monographic</issuance>
<place>
<placeTerm type="text">Madrid</placeTerm>
</place>
<publisher>Universidad Carlos III de Madrid</publisher>
<dateIssued>2020</dateIssued>
</originInfo>
<language>
<languageTerm type="code" authority="iso639-2b">spa</languageTerm>
</language>
<physicalDescription>
<form authority="marcform">print</form>
<internetMediaType>application/pdf</internetMediaType>
</physicalDescription>
<abstract displayLabel="Summary">Los datos siempre han estado en el núcleo de las compañías de seguros. En las últimas décadas, la disrupción de la Inteligencia Artificial coloca a las técnicas de manejo de datos en el centro de una profunda revolución. Este trabajo profundiza en el uso de técnicas de Machine Learning en los estudios de severidad de siniestros del ramo de salud, exponiendo su base teórica, funcionamiento y comparando su desempeño en un caso práctico real. La principal conclusión es que los algoritmos avanzados de Machine Learning arrojan mejoras increíbles con respecto a los métodos tradicionales de regresión</abstract>
<note type="statement of responsibility">Pablo Gil de Gómez Jiménez </note>
<note>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 2018-2020</note>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080573867">
<topic>Seguro de salud</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080592059">
<topic>Modelos predictivos</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080611200">
<topic>Inteligencia artificial</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20170005476">
<topic>Machine learning</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080601799">
<topic>Gestión de siniestros</topic>
</subject>
<classification authority="">6</classification>
<relatedItem type="series" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20160014013">
<titleInfo>
<title>Trabajos Fin de Master</title>
</titleInfo>
</relatedItem>
<recordInfo>
<recordContentSource authority="marcorg">MAP</recordContentSource>
<recordCreationDate encoding="marc">180802</recordCreationDate>
<recordChangeDate encoding="iso8601">20220911190516.0</recordChangeDate>
<recordIdentifier source="MAP">MAP20200033820</recordIdentifier>
<languageOfCataloging>
<languageTerm type="code" authority="iso639-2b">spa</languageTerm>
</languageOfCataloging>
</recordInfo>
</mods>
</modsCollection>