000 | 03399nmm a2200217 a 4500 | ||
---|---|---|---|
008 | 151109e2023 sp ||||fq||d| 00| 0 spa d | ||
082 | 4 | 0 |
_a005.1 _bE77d _223 |
100 | 1 |
_aEspitia Villalobos, Diego Alejandro. _923699 |
|
245 | 0 | 0 |
_aDeterminación del impacto de incluir variables telemáticas en la
construcción de modelos de prima pura para pólizas de auto en
Colombia /
_cDiego Alejandro Espitia Villalobos. |
260 | 3 |
_aBogotá : _bEscuela Colombiana de Ingeniería Julio Garavito, _c2023. |
|
300 |
_a72 paginas. _bilustraciones. ; |
||
502 | _a(Magíster en Ciencias Actuariales ) | ||
520 | _aEl presente trabajo tiene como objetivo determinar el efecto que supone el incluir variables telemáticas provenientes de dispositivos IoT en la construcción de modelos de prima pura de riesgo. Debido a la inexistencia de bases de datos reales con variables telemáticas en Colombia, se utilizó una base de datos sintética generada a partir del artículo “Synthetic Dataset Generation of Driver Telematics” (So, Boucher, & Valdez, 2021). Para cumplir con el objetivo, se construyó un modelo de tarifación con variables tradicionales (género, edad, estado civil, entre otras) como punto de referencia para comparar los demás modelos construidos. Luego, se crearon diferentes modelos de tarifación utilizando modelos GLM con diferentes combinaciones de variables tradicionales y telemáticas. La comparación de los modelos se realizó a partir del estadístico AIC, que permite seleccionar el modelo con mejor ajuste a los datos. (Goldburd, Khare, Tevet, & Guller, 2020) Los resultados mostraron que la inclusión de variables telemáticas en los modelos de frecuencia mejora el AIC, aunque no significativamente. En particular, las variables telemáticas de aceleración y frenado resultaron ser las más importantes al ser estadísticamente significativas en la mayoría de los diferentes modelos construidos. En contraste, los modelos de severidad y de prima pura (Tweedie) no lograron ajustar con la misma eficiencia que los modelos de frecuencia. Entre las limitaciones del estudio se encontró la falta de datos reales con variables telemáticas en Colombia, lo que limitó la capacidad de generalización de los resultados. Además, se utilizaron modelos GLM tradicionales para la construcción de los modelos de frecuencia, severidad y prima pura en lugar de metodologías modernas de modelación como RF o XGBoost. En conclusión, los resultados sugieren que el uso de datos telemáticos provenientes de dispositivos IoT puede mejorar la capacidad predictiva de los modelos de tarifación de pólizas de autos individuales en Colombia principalmente para explicar el componente de frecuencia de los reclamos, aunque estos resultados se deben revisar muy bien antes de hacer generalizaciones y, en lo posible, replicar los resultados con datos no simulados que permitan la construcción de modelos base y así cómo de modelos con variables telemáticas más robustos y que proporcionen resultados más confiables | ||
650 | 0 |
_aINTERNET DE LAS COSAS _91220 |
|
650 | 0 |
_aASEGURADORA CON PÓLIZAS _xAUTOS _zCOLOMBIA _97841 |
|
650 | 0 |
_aMODELOS DE TARIFICACIÓN _966506 |
|
700 |
_aJulio Niño, Andrés Felipe _edirector. _98595 |
||
856 | _uhttp://repositorio.escuelaing.edu.co/handle/001/2451 | ||
942 |
_2ddc _cTE |
||
999 |
_c23503 _d23503 |