Estimación del riesgo asociado a potenciales clientes jóvenes en el negocio de seguros de automóviles

Abstract

El presente proyecto se enmarca en el problema de la existencia de un importante grado de incertidumbre al momento de tarificar las primas asociadas a cada individuo en el negocio de los seguros de automóviles, específicamente, de los clientes jóvenes. Esta incertidumbre viene dada por el desconocimiento de su comportamiento de conducción, lo que finalmente lleva a imponer altas primas para este segmento. De esta forma, el objetivo es estimar el nivel de riesgo adecuado para cada individuo perteneciente al segmento joven, y consecuentemente, la prima asociada a éste. Así, se desarrollan dos modelos de predicción, el primero estima la probabilidad de siniestro de cada persona, mientras que el segundo, el costo medio asociado, lo que es una medida de la gravedad de los incidentes que reporte cada uno de ellos. Para estimar la propensión de siniestro se utilizan dos modelos, una regresión logística y un árbol de decisión C5.0, cuyos resultados son bastante similares; sin embargo, el modelo logit supera levemente al árbol de decisión. Por otro lado, para la estimación del costo medio se utiliza un algoritmo C5.0. Debido a que los resultados obtenidos en la segunda predicción no entregan valor adicional al obtenido con la estimación de la probabilidad, se decide no utilizarlo en el modelo final. Un punto importante dentro del proyecto era analizar la relación entre el comportamiento de conducción y el rendimiento escolar, donde se concluye que este último es un indicador del grupo socioeconómico de cada individuo. De este modo, al realizar una regresión logística sin estas variables, y al obtener resultados similares, se opta por este último modelo, sin la PSU. Se realiza un análisis de escenarios, donde se asignan diferentes primas a cada grupo de riesgo creado. De esta forma, se logra una mayor diferenciación y distribución del segmento objetivo, lo que conlleva a mayores utilidades para la compañía. Finalmente, como propuestas y trabajos futuros, la principal recomendación es incorporar otras fuentes de datos que ayudarían a estimar de mejor forma el nivel de riesgo del segmento estudiado.