MAP20220029124Li, YingComparación de tarificación de seguro de auto por GLM y redes neurales / Ying Li. — Madrid : Universidad Carlos III de Madrid, 202296 p.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 sí1. Seguro de automóviles. 2. Tarificación. 3. Modelos GLM. 4. Redes neuronales artificiales. 5. Estudios comparativos. 6. Modelos actuariales. 7. Algoritmos. 8. Machine learning. 9. Trabajos de investigación. I. Rodríguez-Pardo del Castillo, José Miguel. II. Simón del Potro, Jesús Ramón. III. Universidad Carlos III de Madrid. IV. Trabajos Fin de Master. V. Título.
