Aplicação de Machine Learning em seguros de autos

• Autor(a) principal: Farias, Tadeu Amorim
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/handle/123456789/44577
• topic: Risco; Prêmio; Sinistros; Machine Learning; Random Forest; Risk; Prize; Claims

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.