Aplicación de cópulas para modelar la pérdida total en una cartera de seguros vehiculares
Notice bibliographique
Résumé
El objetivo del presente trabajo se centra en analizar la problemática asociada con el estudio de las dos variables que influyen en la determinación de la pérdida técnica para el negocio asegurador. En este sentido, son puestas a prueba dos metodologías para el cálculo de los siniestros totales esperados en una cartera de seguros de autos en Brasil. En primera instancia, se consideró un modelo estadístico univariado denominado tradicional, del cual se encontró que la distribución Log-Normal fue la de mejor ajuste. Como segunda metodología, fue calibrado un modelo de cópula que permite incorporar distintos tipos y grados de asociación estocástica para las variables frecuencia y severidad. Los resultados mostraron que estas presentan comportamientos extremos, con una correlación de Kendall negativa y baja (-0.24), pero que rechazan la hipótesis de independencia al 5 % de confianza. Con este marco, la cópula de Clayton rotada 270 grados, con marginales Exp-Poisson y Log-Normal para la frecuencia y severidad respectivamente, presentó las mejores estimaciones de pérdida llegando a una diferencia de 12 % con la pérdida promedio empírica de la base. Para finalizar, se detectó que asumir independencia entre severidad y frecuencia para este caso de estudio, llevaría a sobrestimaciones significativas de la pérdida esperada.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».