Modelo de frecuencia-severidad de reclamaciones de seguros basado en el impulso estocástico

Los modelos de frecuencia-severidad GLM y GAM estándar asumen independencia entre la frecuencia y la severidad de las reclamaciones. Para superar las restricciones de formas lineales o aditivas y relajar la suposición de independencia, desarrollamos un modelo de frecuencia-severidad dependiente basado en datos, donde combinamos un algoritmo de impulso estocástico y un enfoque de verosimilitud perfilada para estimar parámetros tanto para la frecuencia de reclamaciones como para las distribuciones de severidad promedio de reclamaciones, y donde introducimos la dependencia entre la frecuencia y la severidad de las reclamaciones tratando la frecuencia de reclamaciones como un predictor en el modelo de regresión para la severidad promedio de reclamaciones. El modelo puede capturar de manera flexible la relación no lineal entre la frecuencia (severidad) de las reclamaciones y los predictores, así como las interacciones complejas entre los predictores, y puede capturar completamente la dependencia no lineal entre la frecuencia y la severidad de las reclamaciones. Un estudio de simulación muestra un rendimiento predictivo excelente de nuestro modelo. Luego, demostramos la aplicación de nuestro modelo con datos de reclamaciones de seguros de automóvil franceses. Los resultados muestran que nuestro modelo es superior a otros modelos de vanguardia.