Búsqueda

Comparación de tarificación de seguro de auto por GLM y redes neurales

Comparación de tarificación de seguro de auto por GLM y redes neurales
Recurso electrónico / Electronic resource
Sección: Documentos electrónicos
Título: Comparación de tarificación de seguro de auto por GLM y redes neurales / Ying LiAutor: Li, Ying
Publicación: Madrid : Universidad Carlos III de Madrid, 2022Descripción física: 96 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: En la industria tradicional de seguro, la manera más utilizada para hacer tarificación es el modelo GLM (General Lineal Model), que es muy interpretable pero menos flexible. Con el desarrollo de FINTECH, el sector de los seguros ha entrado en la era del machine learning. Machine learning tiene má¡s potencia en predecir, pero menos interpretable.También, en el Área de machine learning, algunos modelos carecen de apoyo teórico, por lo que tenemos que lidiar con algunos problemas de caja negra. Por eso, la idea es aprovechar la potencia de predecir del modelo Redes Neurales y la interpretad del modelo clásco GLM, y comparar las ventajas y desventajas entre síMateria / lugar / evento: Seguro de automóviles Tarificación Modelos GLM Redes neuronales artificiales Estudios comparativos Modelos actuariales Algoritmos Machine learning Trabajos de investigación 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