Creación de un scoring de seguros usando un modelo de aprendizaje automático para la zona 8 del guayas (guayaquil, durán y samborondón).

Abstract

La creación de nuevos productos de seguros de vida que se ajusten a todas las distantes clases económicas del país, resulta ser un mercado nuevo que necesita la aplicación de modelos estadísticos que minimicen la cantidad de siniestros, esto permite que las compañías aseguradoras puedan ofrecer sus productos sin llegar a afectar la rentabilidad de esta. En el presente documento, se describe la aplicación de modelos de aprendizaje automático para estimar un scoring de seguros de vida, el cual consiste en clasificar por niveles de riesgo a los individuos de acuerdo con su probabilidad de fallecer, modelando datos con variables de tipo clínico que revelen el historial clínico del posible asegurado. Se utilizaron técnicas de balanceo de la muestra para evitar el sesgo de prevalencia de alguna clase, tales como: resampling y validación cruzada. Se evaluará y se seleccionará los modelos con métricas como sensibilidad, especificidad, precisión y exactitud del modelo. Además, para la identificación de perfiles de riesgos y segmentos de clientes, se utilizó el análisis factorial mixto y clustering para variables cualitativas y cuantitativas. Finalmente, se seleccionó al modelo de regresión logística como el modelo que mejores métricas de evaluación y selección obtuvo, y se estableció la tabla estimada de descuento del valor de la prima de acuerdo con el punto de corte óptimo calculado del modelo seleccionado.