Aplicação de Machine Learning em seguros de autos

The present work aims to price the insurance premium value of a vehicle protection association using the Machine Learning approach through the Random Forest algorithms, Bootstrap aggregating with the application of the Random Forest regression. The main metrics for evaluating the results of the appl...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Autor principal: Farias, Tadeu Amorim
Outros Autores: Jesus, Jordana Cristina de
Formato: bachelorThesis
Idioma:pt_BR
Publicado em: Universidade Federal do Rio Grande do Norte
Assuntos:
Risco
Prêmio
Sinistros
Machine Learning
Random Forest
Risk
Prize
Claims
Endereço do item:https://repositorio.ufrn.br/handle/123456789/44577
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-44577
record_format dspace
spelling ri-123456789-445772023-01-09T18:04:01Z Aplicação de Machine Learning em seguros de autos Machine Learning application in auto insurance Farias, Tadeu Amorim Jesus, Jordana Cristina de 0000-0003-0365-0116 http://lattes.cnpq.br/9436244094516465 0000-0003-1021-1787 http://lattes.cnpq.br/9522344427259741 Nunes, Marcus Alexandre 0000-0002-9956-4644 http://lattes.cnpq.br/2698100541879707 Freire, Flávio Henrique Miranda de Araújo 0000-0002-7416-9947 http://lattes.cnpq.br/7623751650258443 Risco Prêmio Sinistros Machine Learning Random Forest Risk Prize Claims The present work aims to price the insurance premium value of a vehicle protection association using the Machine Learning approach through the Random Forest algorithms, Bootstrap aggregating with the application of the Random Forest regression. The main metrics for evaluating the results of the application of regression by Random Forest were RSME, MAE and graphical analysis, data transformation techniques and Principal Component Analysis, PCA were also used. Two response variables were used for two different models, the first was the variable referring to the occurrence of claims, which results in the average importance of the predictor variables regarding the frequency of claims and the second was the variable referring to the indemnity of claims, its result showing average importance predictor variables as to the severity of claims. The expected loss ratio pricing method was used to obtain the value of the collective risk premium and for the collective pure premium, the collective pure premium was used as a parameter to calculate the annual individual pure premium, the annual individual premium was calculated for each risk from the importance of the risk variables obtained by the Random Forest regression method and having these values, we calculated the individual annual premium for different profiles with the same value of the insured amount, thus, it was possible to make an evaluation of the applied method. O presente trabalho tem por objetivo precificar o valor do prêmio de seguro de uma associação de proteção veicular utilizando a abordagem de Machine Learning através dos algoritmos de Random Forest, Bootstrap aggregating com a aplicação da regressão por Random Forest. As principais métricas de avaliação dos resultados da aplicação da regressão por Random Forest foram o RSME, MAE e análises gráficas, também foram empregadas as técnicas de transformação dos dados e Análises de Componentes Principais, PCA. Duas variáveis respostas foram utilizadas para dois modelos diferentes, a primeira foi a variável referente a ocorrência de sinistros, que resulta na importância média das variáveis preditoras quanto a frequência de sinistros e a segunda foi variável referente a indenização dos sinistros, seu resultado trás importância média das variáveis preditoras quanto a severidade dos sinistros. O método de precificação da sinistralidade esperada foi utilizado para obtenção do valor do prêmio de risco coletivo e para o prêmio puro coletivo, o prêmio puro coletivo foi utilizado como parâmetro para o cálculo do prêmio puro individual anual, foi calculado o prêmio individual anual para cada risco a partir da importância das variáveis de risco obtidas pelo método de regressão por Random Forest e de posse desses valores, calculamos o prêmio individual anual para perfis diferentes com o mesmo valor da importância segurada, assim, foi possível fazer uma avaliação do método aplicado. 2021-10-15T11:42:58Z 2021-10-15T11:42:58Z 2021-09-10 bachelorThesis FARIAS, Tadeu Amorim. Aplicação de Machine Learning em seguros de autos. 2021. 52f. Trabalho de Conclusão de Curso (Graduação em Ciências Atuariais) - Departamento de Demografia e Ciências Atuariais, Universidade Federal do Rio Grande do Norte, Natal, 2021. https://repositorio.ufrn.br/handle/123456789/44577 pt_BR application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN Ciências Atuáriais Demografia e Ciências Atuariais
institution Repositório Institucional
collection RI - UFRN
language pt_BR
topic Risco
Prêmio
Sinistros
Machine Learning
Random Forest
Risk
Prize
Claims
spellingShingle Risco
Prêmio
Sinistros
Machine Learning
Random Forest
Risk
Prize
Claims
Farias, Tadeu Amorim
Aplicação de Machine Learning em seguros de autos
description The present work aims to price the insurance premium value of a vehicle protection association using the Machine Learning approach through the Random Forest algorithms, Bootstrap aggregating with the application of the Random Forest regression. The main metrics for evaluating the results of the application of regression by Random Forest were RSME, MAE and graphical analysis, data transformation techniques and Principal Component Analysis, PCA were also used. Two response variables were used for two different models, the first was the variable referring to the occurrence of claims, which results in the average importance of the predictor variables regarding the frequency of claims and the second was the variable referring to the indemnity of claims, its result showing average importance predictor variables as to the severity of claims. The expected loss ratio pricing method was used to obtain the value of the collective risk premium and for the collective pure premium, the collective pure premium was used as a parameter to calculate the annual individual pure premium, the annual individual premium was calculated for each risk from the importance of the risk variables obtained by the Random Forest regression method and having these values, we calculated the individual annual premium for different profiles with the same value of the insured amount, thus, it was possible to make an evaluation of the applied method.
author2 Jesus, Jordana Cristina de
author_facet Jesus, Jordana Cristina de
Farias, Tadeu Amorim
format bachelorThesis
author Farias, Tadeu Amorim
author_sort Farias, Tadeu Amorim
title Aplicação de Machine Learning em seguros de autos
title_short Aplicação de Machine Learning em seguros de autos
title_full Aplicação de Machine Learning em seguros de autos
title_fullStr Aplicação de Machine Learning em seguros de autos
title_full_unstemmed Aplicação de Machine Learning em seguros de autos
title_sort aplicação de machine learning em seguros de autos
publisher Universidade Federal do Rio Grande do Norte
publishDate 2021
url https://repositorio.ufrn.br/handle/123456789/44577
work_keys_str_mv AT fariastadeuamorim aplicacaodemachinelearningemsegurosdeautos
AT fariastadeuamorim machinelearningapplicationinautoinsurance
_version_ 1773963561910927360

Registros relacionados