Modelo logístico con efectos mixtos : aplicación a la detección de fraudes en seguros automotores

Bounos, Ian Evangelos

Registro:

Documento:	Tesis de Maestría
Título:	Modelo logístico con efectos mixtos : aplicación a la detección de fraudes en seguros automotores
Título alternativo:	Mixed-effects logistic model : application to fraud detection in automotive insurance
Autor:	Bounos, Ian Evangelos
Editor:	Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
Publicación en la Web:	2024-04-19
Fecha de defensa:	2023-12-14
Fecha en portada:	14 de diciembre 2023
Grado Obtenido:	Maestría
Título Obtenido:	Magíster de la Universidad de Buenos Aires en el área de Estadística Matemática
Departamento Docente:	Departamento de Matemáticas
Director:	Valdora, Marina Silvia
Director Asistente:	Rodríguez, Daniela Andrea
Jurado:	Fernández, María Soledad; Duarte, Sabrina L.; Bianco, Ana María
Idioma:	Español
Formato:	PDF
Handle:	http://hdl.handle.net/20.500.12110/tesis_n7489_Bounos
PDF:	https://bibliotecadigital.exactas.uba.ar/download/tesis/tesis_n7489_Bounos.pdf
Registro:	https://bibliotecadigital.exactas.uba.ar/collection/tesis/document/tesis_n7489_Bounos
Ubicación:	EST 007489
Derechos de Acceso:	Esta obra puede ser leída, grabada y utilizada con fines de estudio, investigación y docencia. Es necesario el reconocimiento de autoría mediante la cita correspondiente. Bounos, Ian Evangelos. (2023). Modelo logístico con efectos mixtos : aplicación a la detección de fraudes en seguros automotores. (Tesis de Maestría. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales). Recuperado de http://hdl.handle.net/20.500.12110/tesis_n7489_Bounos

Resumen:

Los Modelos Lineales Generalizados (GLM) son ampliamente utilizados en diversos campos de los seguros, sobre todo en el cálculo de frecuencia y severidad de siniestros. Muchas de las covariables son cualitativas con múltiples posibles valores, por ejemplo, la marca del autom ́ovil en el contexto de un seguro automotor. Esto es un problema para los modelos lineales generalizados con efectos fijos porque aumentan la varianza de las predicciones y dificultan la estimación cuando tenemos datos desbalanceados. Más aún, resulta imposible hacer proyecciones sin modificar el modelo en el caso en el que no se dispone de experiencia previa del comportamiento de cierto nivel de la variable cualitativa en cuestión (como podría ser una determinada marca en nuestro ejemplo). Estos problemas pueden ser abordados incorporando efectos aleatorios a los GLM, los cuales consideran el efecto de ciertas variables como algo aleatorio en lugar de un parámetro fijo a estimar como se realiza en los GLM usuales. En este trabajo se estudia la incorporación de efectos aleatorios al modelo logístico en el contexto de la detección de Fraudes en Seguros Automotores y se estudian múltiples métricas del rendimiento de la clasificación para seleccionar el modelo.

Abstract:

Generalized Linear Models (GLMs) are widely used in various fields of insurance, particularly in calculating the frequency and severity of losses. Many of the covariates are qualitative with multiple possible values, such as the brand of the car in the context of motor insurance. This is a problem for fixed-effect GLMs because it increases the variance of predictions and makes estimation difficult when we have unbalanced data. Furthermore, it is impossible to make projections without modifying the model in the case where there is no previous experience of the behavior of a certain level of the qualitative variable in question (such as a particular brand in our example). These problems can be addressed by incorporating random effects into GLMs, which consider the effect of certain variables as something random rather than a fixed parameter to be estimated as is done in usual GLMs. This work studies the incorporation of random effects into the logistic model in the context of detecting Fraud in Motor Insurance and studies multiple classification performance metrics to select the model.

Citación:

---------- APA ----------

Bounos, Ian Evangelos. (2023). Modelo logístico con efectos mixtos : aplicación a la detección de fraudes en seguros automotores. (Tesis de Maestría. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/tesis_n7489_Bounos

---------- CHICAGO ----------

Bounos, Ian Evangelos. "Modelo logístico con efectos mixtos : aplicación a la detección de fraudes en seguros automotores". Tesis de Maestría, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2023.https://hdl.handle.net/20.500.12110/tesis_n7489_Bounos

Estadísticas:

Descargas totales desde :

Navegar

Colección

Tesis de Maestría