tese
Investigação da capacidade preditiva de modelos com efeitos aleatórios em GAMLSS: um estudo em dados de seguros de automóveis
Investigation of the predictive capacity of models with random effects in GAMLSS: a study on auto insurance data
Registro en:
ROQUIM, F. V. Investigação da capacidade preditiva de modelos com efeitos aleatórios em GAMLSS: um estudo em dados de seguros de automóveis. 2022. 111 p.Tese (Doutorado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2022.
Autor
Roquim, Fernanda Venturato
Institución
Resumen
Automotive vehicles are machines of high relevance as they enable not only mobility for
individuals, but also have several other benefits. Regardless of their use, the exorbitant
amount of vehicles circulating daily brings some complications, such as the increase in the
number of traffic accidents. Insurers joined the vehicle insurance market as a response to
the vehicle owners’ necessity for financial insurance. Pricing for this type of insurance can
be a difficult matter, since different owners will have different characteristics - which are
called risk classes - and will also have different driving behaviors - which are evaluated
through the policyholder’s experience. In addition, the characteristics of claim values
are difficult to estimate, due to the excess of null values and the occurrence of extreme
values. Therefore, the more adaptable and robust a model is, the better the predictions
will be. At this occasion, the main objective of this work was to propose a model for
the pricing of claims that can encompass this complexity. We use the class of regression
models, more specifically, generalized additive mixed models for location, scale and shape
(GAMMLSS). The data is longitudinal and refers to customers of a Spanish insurance
company, containing some information from auto insurance policies, which were monitored
for five years. Two distributions were tested for the response variable with different
combinations of predictors, covariates and additive terms. The main findings indicate
that the model that considered the experience of the insured generated more precise and
more accurate estimates. Also, this model presented a behavior in the predictions that
more faithfully represents what happened in reality. The proposed methodology can be
easily expanded to other types of insurance. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Os veículos automotivos são máquinas de grande relevância porque possibilitam, não só,
mobilidade para os indivíduos, mas também diversos outros benefícios. Independente-
mente de sua serventia, a quantidade exorbitante de veículos que há circulando cotidiana-
mente trazem alguns prejuízos, como o aumento no número de acidentes. As seguradoras
se inseriram no mercado de seguros veicular como resposta a essa necessidade de as-
seguramento financeiro dos proprietários. A precificação deste tipo de seguro pode ser
complicada, porque diferentes proprietários terão distintas características, que chamamos
de classes de risco, e também diferentes comportamentos de condução, que são avaliadas
através do histórico do segurado. Além disso, as próprias características dos valores das
indenizações são de difícil estimação, devido ao excesso de valores nulos e ocorrências de
valores extremos. Por isso, quanto mais adaptável e robusto é um modelo, melhor serão as
predições. Nesta ocasião, o objetivo principal deste trabalho foi propor um modelo para
precificação de sinistros que consiga abarcar essa complexidade. Utilizamos a classe de
modelos de regressão, mais especificamente, modelos aditivos generalizados mistos para
locação, escala e forma (GAMMLSS). O conjunto de dados utilizado é longitudinal e
refere-se a clientes de uma empresa seguradora espanhola, trazendo diversas informações
de apólices de seguros de automóveis, que foram acompanhadas ao longo de cinco anos.
Foram testadas duas distribuições para variável resposta com diversas combinações de
preditores, de covariáveis e de termos aditivos. Os principais achados apontam que o mo-
delo que considerou o histórico do segurado gerou predições mais precisas e mais acuradas.
Também, este modelo apresentou um comportamento que representa mais fidedignamente
o que ocorreu na realidade. A metodologia proposta pode ser facilmente expandida para
outros tipos de seguros.