Búsqueda

Modelo predictivo de venta cruzada en productos de Vida y Salud : Random Forest vs XGBoost

Modelo predictivo de venta cruzada en productos de Vida y Salud : Random Forest vs XGBoost
Recurso electrónico / Electronic resource
Sección: Documentos electrónicos
Título: Modelo predictivo de venta cruzada en productos de Vida y Salud : Random Forest vs XGBoost / Marcos Sánchez SardañaAutor: Sánchez Sardaña, Marcos
Publicación: Madrid : Universidad Carlos III de Madrid, 2022Descripción física: 76 p.Notas: 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, Jesús Ramón Simón del Potro Curso 2021-2022Sumario: Este trabajo presenta un estudio comparado de dos modelos predictivos de venta cruzada en el contexto del mundo asegurador entre productos de Vida y Salud. En concreto, el presente estudio comparado se ha realizado sobre dos sistemas de aprendizaje automático supervisados (Random Forest y XGBoost) aplicados a la cartera de la compañía aseguradora ASESUISA Seguros SURA de El Salvador con los objetivos, tanto de desarrollar una metodología, como de comparar ambos modelos, y determinar que algoritmo predice mejor los potenciales clientes objetivos en el caso de una campaña de venta cruzada y así optimizar los recursos y esfuerzos de las compañías. Para ello se han empleado dos carteras durante el período de 2015 a 2020, una de Vida Individual y otra de Salud. Los resultados empíricos proporcionan conclusiones interesantes para la venta cruzada como el perfil de los clientesMateria / lugar / evento: Venta cruzada Productos de seguros Seguro de vida Seguro de salud Modelos predictivos Machine learning Estudios comparativos Modelos actuariales Trabajos de investigación El Salvador 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