Centro de Documentacion de Fundación MAPFRE - Comparativa de los modelos GLM y GBM para la tarificación de una cartera de autos

Publicación: Madrid : Universidad Carlos III de Madrid, 2022Descripción física: 172 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: El sector asegurador se encuentra en una constante evolución en todos los ámbitos gracias especialmente a los avances tecnológicos. En la rama de la tarificación, la búsqueda constante de una mejor modelización del riesgo ha generado la creación y uso de distintos algoritmos para capturar de la manera más eficiente y exacta el riesgo de los clientes. En este estudio, se lleva a cabo la comparativa entre el método clásico de modelización lineal generalizado frente a la nueva corriente de modelos basados en Machine Learning llamados Gradient Boosting. Los resultados obtenidos muestran una mayor capacidad predictiva para el método más novedoso y una mayor granularidad para ajustar las primas de los asegurados. Ambos métodos son válidos de cara al estudio académico, y observando los resultados, todo parece indicar que es el momento de iniciar el cambio utilizando con mayor asiduidad los nuevos modelos de Machine Learning. También se lleva a cabo un análisis de negocio comparando una metodología de mutualización frente a una segmentación en los precios con el fin de mantener la cartera sana económicamenteMateria / lugar / evento: Seguro de automóviles Tarificación Modelización Modelos GLM Modelos GBM Machine learning Métodos analíticos Trabajos de investigación España 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