Centro de Documentacion de Fundación MAPFRE - Predicción de la severidad de accidentes de tráfico con víctimas mediante Random Forest

Publicación: Madrid : Universidad Carlos III de Madrid, 2018Notas: 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 2017-2018Sumario: Los accidentes de tráfico han sido principalmente objeto de estudio actuarial en relación con las carteras de asegurados calibrándose con las características de los individuos. Este trabajo toma otro enfoque, donde desarrolla dos métodos predictivos de machine learning para estudiar la severidad de los accidentes de tráfico a partir de variables externas al accidente. En primer lugar, se modeliza un random forest para predecir la severidad de las víctimas de accidentes de tráfico no fallecidas; y por otro lado un modelo lineal generalizado binomial para predecir víctimas mortales. Para las dos modelizaciones, las validaciones cruzadas de 5 y 10 iteraciones respectivamente arrojan aproximadamente una precisión del 98% para el random forest y un 95% para el modelo lineal generalizado. Este trabajo tiene una limitación interna al estimar modelos simples y por otra parte una limitación externa, debido a que los modelos estudian variables mayoritariamente externas, siendo interesante incluir además variables endógenas al individuo en futuros estudiosMateria / lugar / evento: Accidentes de tráfico Cálculo actuarial Análisis actuarial Modelos actuariales Mercado de seguros Modelos lineales generalizados Víctimas humanas Modelos predictivos Modelización Otros autores: Rodríguez-Pardo del Castillo, José Miguel
Simón del Potro, Jesús Ramón
Universidad Carlos III de Madrid
Serie secundaria: Trabajos Fin de Master Otras clasificaciones: 6