Reducción del sesgo en el proceso de tarificación no vida con técnicas de inteligencia artificial

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
<rdf:Description>
<dc:creator>Amzigh ben Moussa, Sanae</dc:creator>
<dc:creator>Pérez Calderón, Raquel</dc:creator>
<dc:creator>Universidad Carlos III de Madrid</dc:creator>
<dc:date>2024</dc:date>
<dc:description xml:lang="es">Trabajo Fin de Master del Master en Ciencias Actuariales y Financieras de la Escuela de Postgrado de la Universidad Carlos III de Madrid. Tutora: Raquel Pérez Calderón. Promoción 2022-2024</dc:description>
<dc:description xml:lang="es">Sumario: El problema del sesgo en los modelos de tarificación de seguros no vida es una de las preocupaciones más crecientes en el sector asegurador. Este trabajo pretende analizar tanto las definiciones del sesgo como las diversas técnicas para mitigarlo, incluyendo enfoques tradicionales y algoritmos avanzados de aprendizaje automático, sin comprometer la capacidad predictiva de los modelos. Para demostrar la aplicabilidad de estas técnicas, se han presentado ejemplos prácticos desarrollados en Python, utilizando datos de frecuencia de siniestros de la cobertura de Responsabilidad Civil en el seguro de automóviles. La exploración e implementación de estos enfoques innovadores ha revelado un conjunto de herramientas efectivas que no solo logran reducir el sesgo, sino que también mejoran significativamente la capacidad predictiva de los modelos. Finalmente, se han discutido las implicaciones éticas y regulatorias de utilizar métodos de inteligencia artificial, subrayando la importancia de garantizar la interpretabilidad y equidad de los modelos finales aplicados en la tarificación</dc:description>
<dc:format xml:lang="en">application/pdf</dc:format>
<dc:identifier>https://documentacion.fundacionmapfre.org/documentacion/publico/es/bib/187350.do</dc:identifier>
<dc:language>spa</dc:language>
<dc:publisher>Universidad Carlos III de Madrid</dc:publisher>
<dc:rights xml:lang="es">CC BY NC ND 4.0 - https://creativecommons.org/licenses/by-nc-nd/4.0</dc:rights>
<dc:subject xml:lang="es">Tarificación</dc:subject>
<dc:subject xml:lang="es">Seguros no vida</dc:subject>
<dc:subject xml:lang="es">Seguro de automóviles</dc:subject>
<dc:subject xml:lang="es">Sesgos</dc:subject>
<dc:subject xml:lang="es">Mitigación de riesgos</dc:subject>
<dc:subject xml:lang="es">Modelos predictivos</dc:subject>
<dc:subject xml:lang="es">Inteligencia artificial</dc:subject>
<dc:subject xml:lang="es">Machine learning</dc:subject>
<dc:subject xml:lang="es">Modelos lineales generalizados</dc:subject>
<dc:subject xml:lang="es">Equidad actuarial</dc:subject>
<dc:subject xml:lang="es">Trabajos de investigación</dc:subject>
<dc:type xml:lang="es">Libros</dc:type>
<dc:title xml:lang="es">Reducción del sesgo en el proceso de tarificación no vida con técnicas de inteligencia artificial</dc:title>
<dc:format xml:lang="es">59 p.</dc:format>
<dc:relation xml:lang="es">Trabajos Fin de Master/de Grado/Tesis doctorales</dc:relation>
</rdf:Description>
</rdf:RDF>