Publication:
Optimización matemática a partir de algoritmos híbridos: una aplicación en la tarificación del seguro de automóviles

Loading...
Thumbnail Image
Identifiers
Publication date
2021-07-13
Defense date
2021-07-13
Advisors
Journal Title
Journal ISSN
Volume Title
Publisher
Impact
Google Scholar
Export
Research Projects
Organizational Units
Journal Issue
Abstract
En los últimos años ha surgido con fuerza el uso de modelos predictivos de Inteligencia Artificial en todos los sectores. El ámbito actuarial no es una excepción. En la tarificación de primas algunas entidades se están planteando sustituir los métodos tradicionales de tarificación por estos nuevos algoritmos que ofrecen, con frecuencia, mayor capacidad predictiva. En este trabajo se discuten y evalúan las ventajas de cada enfoque y se propone usar una combinación de ambas técnicas en lo que se define como modelos híbridos, que combinan los métodos clásicos (GLM) con modelos de Inteligencia Artificial, para mejorar las predicciones sin perder la capacidad explicativa necesaria en una actividad regulada como es la aseguradora. Asimismo, se ha desarrollado un algoritmo de optimización matemática que maximiza el margen esperado individual, de cada póliza, y que modela no sólo el coste del riesgo, sino también el comportamiento del tomador frente a la prima ofrecida. El trabajo se acompaña con una aplicación práctica de los modelos a una cartera de pólizas del seguro de automóviles, desarrollada íntegramente en la estructura de aplicaciones web R Shiny.
In recent years, the use of artificial intelligence predictive models has developed sharply in all sectors. The actuarial field is no exception for this. In pricing, there are suggestions that these new algorithms will replace traditional pricing methods, offering greater predictive capabilities. In this paper, the advantages of each approach are discussed and evaluated, a combination of both classical methods (GLM) with Artificial Intelligence models are combined into hybrid models. These new algorithms improve predictions without losing the necessary explanatory capacity required in a regulated activity such as insurance. Likewise, a complete mathematical optimization algorithm has been developed that maximizes the individual expected margin of each policy, and which models not only the cost of the risk, but also the behaviour of the policyholder in relation to the premium offered. The work is accompanied by a practical application of the models to a portfolio of motor insurance policies, developed entirely in the R Shiny web application framework.
Description
Keywords
Inteligencia artificial, Machine learning, Optimización individual de primas, Precios basados en el comportamiento, Seguro de autos, Artificial Intelligence, Individual pricing optimization, Behavioral pricing, Motor insurance
Bibliographic citation