Modelo de frequência-severidade de impulsionamento de gradiente estocástico para reclamações de seguro

Os modelos de frequência-severidade GLM e GAM padrão assumem independência entre a frequência e a severidade da reclamação. Para superar as restrições de formas lineares ou aditivas e relaxar a suposição de independência, desenvolvemos um modelo de frequência-severidade dependente orientado por dados, onde combinamos um algoritmo de impulsionamento de gradiente estocástico e uma abordagem de máxima verossimilhança perfilada para estimar parâmetros tanto para as distribuições de frequência de reclamações quanto para a severidade média das reclamações, e onde introduzimos a dependência entre a frequência e a severidade da reclamação, tratando a frequência da reclamação como um preditor no modelo de regressão para a severidade média da reclamação. O modelo pode captar flexivelmente a relação não linear entre a frequência (severidade) da reclamação e os preditores, bem como interações complexas entre preditores, e pode capturar completamente a dependência não linear entre a frequência e a severidade da reclamação. Um estudo de simulação mostra excelente desempenho preditivo do nosso modelo. Em seguida, demonstramos a aplicação do nosso modelo com dados de reclamações de seguro auto franceses. Os resultados mostram que nosso modelo é superior a outros modelos de última geração.