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

dc.contributorLima, Renato Ribeiro de
dc.contributorNakamura, Luiz Ricardo
dc.contributorBueno Filho, Júlio Sílvio de Sousa
dc.contributorPires, Danilo Machado
dc.contributorRamires, Thiago Gentil
dc.creatorRoquim, Fernanda Venturato
dc.date2022-11-25T22:33:35Z
dc.date2022-11-25T22:33:35Z
dc.date2022-11-25
dc.date2022-10-25
dc.date.accessioned2023-09-28T19:56:17Z
dc.date.available2023-09-28T19:56:17Z
dc.identifierROQUIM, 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.
dc.identifierhttp://repositorio.ufla.br/jspui/handle/1/55594
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9040611
dc.descriptionAutomotive 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.
dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.descriptionOs 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.
dc.formatapplication/pdf
dc.languagepor
dc.publisherUniversidade Federal de Lavras
dc.publisherPrograma de Pós-Graduação em Estatística e Experimentação Agropecuária
dc.publisherUFLA
dc.publisherbrasil
dc.publisherDepartamento de Estatística
dc.rightsacesso aberto
dc.subjectClasses de risco (Ciências atuariais)
dc.subjectClassificação por experiência (Ciências atuariais)
dc.subjectGama ajustada em zero
dc.subjectModelo misto
dc.subjectNormal inversa ajustada em zero
dc.subjectPrecificação
dc.subjectRisk classes
dc.subjectRating experience
dc.subjectZero adjusted Gamma
dc.subjectMixed model
dc.subjectZero adjusted inverse gaussian
dc.subjectPricing
dc.subjectEstatística
dc.titleInvestigação da capacidade preditiva de modelos com efeitos aleatórios em GAMLSS: um estudo em dados de seguros de automóveis
dc.titleInvestigation of the predictive capacity of models with random effects in GAMLSS: a study on auto insurance data
dc.typetese


Este ítem pertenece a la siguiente institución