Análisis Comparativo de Modelos de Machine Learning Y GLM de Procesos de Tarificación de Seguros de Automóviles

Abstract

En el presente trabajo se compara cuantitativa y cualitativamente el desempeño y los procesos metodológicos asociados a la predicción de la frecuencia y severidad para un caso particular en el ramo de automóviles, aplicando tanto técnicas clásicas como GLMs y algunas de sus variaciones como de Machine Learning, con el fin de evaluar sus potencialidades, ofreciendo mayor variedad en las herramientas usuales para este tipo de procesos, buscando detectar relaciones e interacciones no lineales en los predictores para disminuir escenarios de selección adversa en los modelos de tarificación. Se utilizó el marco metodológico CRISP-DM como guía para las etapas y procesos en el contexto analítico. Así mismo, se utilizó el software R y el paquete “caret” para desarrollar los diferentes modelos, buscando garantizar criterios adecuados de comparabilidad en la selección de los subconjuntos de validación cruzada. Finalmente, al comunicar los resultados de los modelos, las métricas de desempeño y los lift-charts asociados a cada uno de ellos, se concluye que al comparar las métricas de desempeño para el caso particular del dataset utilizado (“dataCar” de la librería “insuranceData” del software R) no existe ventaja cuantitativa considerable entre los dos enfoques (GLMs vs ML). Sin embargo, a través del análisis gráfico (Lift-charts) se aprecian diferencias en la capacidad de los modelos para detectar selección adversa, por lo que se concluye que las dos metodologías son complementarias pues ofrecen ventajas diferentes desde el punto de vista procedimental.

This paper compares quantitatively and qualitatively the performance and methodological processes associated with the prediction of frequency and severity for a case particularly in the automotive industry, applying both classical techniques and GLMs and some of its variations such as Machine Learning, in order to evaluate their potentialities, offering a greater variety in the usual tools for this type of processes, seeking to detect non-linear relationships and interactions in the predictors to reduce adverse selection scenarios in pricing models. We used the CRISP-DM methodological framework as a guide for the stages and processes in the context analytical. Likewise, the R software and the "caret" package were used to develop the different models, seeking to guarantee adequate comparability criteria in the selection of cross-validation subsets. Finally, by communicating results of the models, the performance metrics and the lift-charts associated with each one of them, it is concluded that when comparing the performance metrics for the particular case of the dataset used (“dataCar” from the “insuranceData” library of the R software) there is no advantage considerable quantitative difference between the two approaches (GLMs vs ML). However, through graphic analysis (Lift-charts) differences can be seen in the capacity of the models to detect adverse selection, so it is concluded that the two methodologies are complementary as they offer different advantages from the procedural point of view.