Trabalho Final de Mestrado
Ano Lectivo: | 2018/2019 |
---|---|
Aluno: | JOANA MENDONÇA VASCONCELOS ROMÃO (44366) |
Mestrado: | Actuarial Science |
Tipo: | Projecto |
Título do Trabalho Final de Mestrado: | Prediction of customers lapse rates in a motor insurance portfolio |
Sub Título: | |
Comentário: | - |
Instituição: | - |
Homologação: | Dia 28/10/2019 às 18:26 por NUNO JOÃO DE OLIVEIRA VALÉRIO |
Resumo
O acesso à informação tem-se tornado cada vez mais fácil. A comparação entre condições tarifárias de diferentes seguradoras é hoje mais frequente, com efeito nas taxas de retenção de clientes e respetivos contratos de seguro. A importância que é dada a este tema é cada vez maior e a construção de ferramentas para estimar as referidas taxas permite tomar medidas para a retenção de negócio rentável e o agravamento dos prémios de contratos menos rentáveis.
Este trabalho teve como objetivo estimar a probabilidade de retenção à data de vencimento de uma apólice de seguro, numa carteira do ramo automóvel.
Verificado o problema de desequilíbrio entre as classes da variável resposta, a escolha das metodologias a usar baseou-se essencialmente na procura de aumentar a exatidão do modelo final e contornar esse problema.
(Português)
With an increasingly easy accessibility to information, there is a growing concern about customer retention rates. Insurers are giving more importance on having accurate tools to monitor the policies renewal process, making them allowed to keep with the profitable business and increase premiums on the less profitable one.
The objective of this study was to estimate the probability of renewing a policy in a motor insurance portfolio.
To be working with an imbalance data set made us try different modelling methodologies, where all of them were chosen based on the need to increase the predictive performance of the model.
(Inglês)
Palavras-chave
Taxas de Retenção, Variação Anual no Prémio, Modelos Lineares Generalizados, Desequilíbrio entre classes, Gradient Boosted Trees, Balanced Random Forest (Português)
Retention Rates, Annual Change in Premium, Generalized Linear Models, Imbalanced Data, Gradient Boosted Trees, Balanced Random Forest (Inglês)
Resumo Alargado
O Resumo Alargado ainda não foi submetido.
Data da Prova Pública
Data da Prova Pública: | 05-12-2019 16:00 |
---|