CCET - TCC - Ciências Atuariais
URI Permanente para esta coleçãohttps://repositorio.ufrn.br/handle/123456789/33111
Navegar
Navegando CCET - TCC - Ciências Atuariais por Autor "0000-0003-0365-0116"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
TCC Aplicação de Machine Learning em seguros de autos(Universidade Federal do Rio Grande do Norte, 2021-09-10) Farias, Tadeu Amorim; Jesus, Jordana Cristina de; Nunes, Marcus Alexandre; 0000-0002-9956-4644; http://lattes.cnpq.br/2698100541879707; 0000-0003-1021-1787; http://lattes.cnpq.br/9522344427259741; 0000-0003-0365-0116; http://lattes.cnpq.br/9436244094516465; Freire, Flávio Henrique Miranda de Araújo; 0000-0002-7416-9947; http://lattes.cnpq.br/7623751650258443O 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.