Seleção de metodologia para o cálculo de reservas do IBNR via machine learning
| dc.contributor.advisor | Santos, Rafael Souza dos | |
| dc.contributor.advisorCo1 | Pereira, João Batista de Morais | |
| dc.contributor.referee1 | Landim, Flávia Maria Pinto Ferreira | |
| dc.contributor.referee2 | Carvalho, Hugo Tremonte de | |
| dc.creator | Sá, Breno Ferreira | |
| dc.creator | Maia, Pedro Henrique de Mendonça Tavares | |
| dc.date.accessioned | 2024-07-02T16:07:43Z | |
| dc.date.available | 2026-05-16T03:08:28Z | |
| dc.date.issued | 2024-04 | |
| 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.embargo.terms | aberto | pt_BR |
| 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.publisher.country | Brasil | pt_BR |
| dc.publisher.department | Instituto de Matemática | pt_BR |
| dc.publisher.initials | UFRJ | 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.subject.cnpq | CNPQ::OUTROS::CIENCIAS ATUARIAIS | 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 |