Modelos de Deteção de Comportamentos Fraudulentos na Subscrição

A fraude no setor segurador representa um dos principais desafios para as companhias de seguros, traduzindo-se em perdas financeiras significativas que acabam por se refletir nos prémios pagos por toda a comunidade de segurados. No ramo automóvel, para além da fraude associada ao momento do sinistro, têm vindo a aumentar os comportamentos fraudulentos na fase de subscrição, com destaque para as early claims – sinistros reportados num curto período após a emissão da apólice e frequentemente associados a fraude oportunista. O presente relatório, resultante de um estágio na Fidelidade – Companhia de Seguros, S.A., tem como objetivo identificar, no momento da subscrição, as apólices com maior risco de ocorrência de early claims, recorrendo apenas a informação disponível nessa fase. Para o efeito, foram desenvolvidas duas abordagens complementares, uma de classificação e uma de regressão, e ajustados diferentes modelos, lineares e não lineares: modelos lineares generalizados, árvores de decisão, Random Forest, LightGBM e XGBoost. Nos modelos de classificação, o desequilíbrio entre classes foi acautelado através de métricas adequadas e da otimização do threshold de decisão; tendo-se ainda realizado uma análise económica das estratégias de sinalização. Os resultados mostram que os modelos mais complexos apresentam, em geral, melhor desempenho preditivo, embora à custa de menor interpretabilidade, e que não existe um modelo universalmente superior: a escolha depende do objetivo de negócio, entre maximizar a deteção de sinistros e maximizar a eficiência da investigação.