Price Elasticity in Auto Insurance

O objetivo deste projeto é analizar como a elasticidade de preço da procura no âmbito dos seguros de automóveis. Modelos de machine learning são utilizados, como a Regressão Logística e o Gradient Boosting, estes são utilizados para prever como aumentos de preços conseguem influenciar o comportamento dos segurados, considerando também outras variáveis importantes como dados demográficos dos segurados, as caraterísticas dos veículos e a frequência do pagamento. Os modelos foram treinados com dados históricos fornecidos por uma seguradora e cobrem os anos entre 2020 e 2022. O model Gradient Boosting, que teve uma melhor performance, foi ainda testado com várias simulações de preços para avaliar como os aumentos de preços podem levar a cancelamentos de apólices e perda de receita. Este teste revelou uma relação não linear. Perceber o comportamento dos segurados perante flutuações de preços nos prémios irá ajudar as seguradoras a compreender que estratégias utilizar para reter os seus clients, enquanto se mantêm competitivas e lucrativas. Os resultados sugerem que não só as alterações de preços têm um forte impacto no cancelamento de apólices, como também outras importantes variáveis (dados demográficos do segurado, características do veículo e frequência de pagamento) são cruciais para avaliar potenciais razões que levem ao cancelamento de apólices. Este estudo é importante para perceber como as seguradoras podem adaptar os seus prémios, de modo a que não percam clientes e diminuam lucros.