Árvores de Regressão no contexto da Tarifação a priori do Seguro Automóvel

• Autor(a) principal: Oliveira, Sara Lopes de
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10362/160222
• topic: Modelos Lineares Generalizados; Machine Learning; Árvores de Regressão; Tarifação a priori; Seguro Automóvel; Domínio/Área Científica::Ciências Naturais::Matemáticas

A construção de uma tarifa tem sido abordada de uma perspetiva mais conservadora, recorrendo a Modelos Lineares Generalizados. No entanto, o crescente interesse pela análise de dados tem motivado a procura de abordagens alternativas para o problema da tarifação, nomeadamente métodos de Machine Learning. Estes métodos estão na vanguarda da modelação e apresentam-se como um forte competidor aos Modelos Lineares Generalizados em termos de resultados. Nesta dissertação apresenta-se uma abordagem alternativa à modelação da tarifa do Seguro Automóvel, recorrendo a Árvores de Regressão. Para efeitos comparativos, considerou-se também a modelação através de Modelos Lineares Generalizados. Os fatores de risco contínuos (idade do condutor e idade do veículo) foram categorizados usando Árvores de Regressão para posterior integração nos Modelos Lineares Generalizados. Ambas as abordagens conduziram a Prémios Puros semelhantes, no entanto verificouse que os Modelos Lineares Generalizados conseguem ser mais diferenciadores dos riscos em carteira.