Seleção de metodologia para o cálculo de reservas do IBNR via machine learning

Sá, Breno Ferreira; Maia, Pedro Henrique de Mendonça Tavares

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/23068

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Santos, Rafael Souza dos	-
dc.contributor.author	Sá, Breno Ferreira	-
dc.contributor.author	Maia, Pedro Henrique de Mendonça Tavares	-
dc.date.accessioned	2024-07-02T16:07:43Z	-
dc.date.available	2024-07-04T03:00:19Z	-
dc.date.issued	2024-04	-
dc.identifier.uri	http://hdl.handle.net/11422/23068	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	IBNR	pt_BR
dc.subject	Triângulo de Runoff	pt_BR
dc.subject	Runoff Triangle	pt_BR
dc.subject	Chain Ladder	pt_BR
dc.subject	Método Bornhuetter-Ferguson	pt_BR
dc.subject	Bornhuetter–Ferguson method	pt_BR
dc.subject	Cape Cod Generalizado	pt_BR
dc.subject	Generalized Cape Cod Method	pt_BR
dc.subject	Machine Learning	pt_BR
dc.title	Seleção de metodologia para o cálculo de reservas do IBNR via machine learning	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorCo1	Pereira, João Batista de Morais	-
dc.contributor.referee1	Landim, Flávia Maria Pinto Ferreira	-
dc.contributor.referee2	Carvalho, Hugo Tremonte de	-
dc.description.resumo	As provisões técnicas, resultantes do gerenciamento do risco, representam os diversos compromissos financeiros futuros que as entidades de seguros têm com seus clientes. Este trabalho teve como propósito estudar uma delas, a reserva do IBNR (Provisão de Sinistros Ocorridos e Não Avisados, ou em inglês, Incurred But Not Reported). Ao longo do tempo, o cálculo das reservas atuariais passaram por uma evolução, indo desde a aplicação de metodologias clássicas, como o método Chain Ladder, até a adoção de modelos estocásticos para avaliar a evolução dos sinistros. Apesar da quantidade de teorias e métodos, há uma escassez relativa de orientação sobre a seleção adequada das técnicas de reserva e o momento oportuno para sua aplicação. Dessa maneira, revisamos as técnicas de reserva tradicionais no contexto de Machine Learning com o objetivo de escolher as melhores combinações para os modelos de reserva. Assim, demonstramos que a utilização de um algoritmo para seleção dos modelos pode resultar em estimativas mais precisas das reservas e investigamos as circunstâncias em que diferentes métricas auxiliam nessa escolha.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Instituto de Matemática	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::OUTROS::CIENCIAS ATUARIAIS	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Ciências Atuariais

Files in This Item:

File	Description	Size	Format
TCC___Pedro_e_Breno-min.pdf		637.27 kB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository