Un análisis comparativo de una svm y un modelo logit en un problema de clasificación de asegurados

• Autores: Antonio José Heras Martínez, Piedad Tolmos Rodríguez-Piñero, Julio Hernández March
• Localización: Anales del Instituto de Actuarios Españoles, ISSN 0534-3232, Nº 16, 2010, págs. 85-110
• Idioma: español
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    Con este artículo se pretende realizar una aproximación a la clasificación de los asegurados de una cartera de una compañía del seguro del automóvil atendiendo a si han presentado o no siniestro en un año1. Para realizar la clasificación utilizaremos una técnica de Aprendizaje conocida como Máquina de Vectores Soporte. En aras de preservar la capacidad de generalización del clasificador, realizaremos además una selección de los factores de riesgo que describen a los asegurados de la cartera, escogiendo los más relevantes de cara a la siniestralidad. Para ello emplearemos de nuevo herramientas de Aprendizaje Máquina, esta vez Algoritmos Genéticos. Se ejecutarán varios experimentos, comparando la tasa de clasificación obtenida utilizando todos los factores de riesgo, y sólo los seleccionados. También se compararán los mejores resultados conseguidos con la clasificación lograda por el modelo logit, que nos permitirá analizar hasta qué punto son comparables las técnicas del Aprendizaje Máquina y los modelos estadísticos utilizados habitualmente en la resolución de este tipo de problemas. Aprovecharemos, además, la salida del logit para comparar los factores de riesgo que resultan más relevantes con los que se seleccionaron a través del Algoritmo Genético (AG). Los resultados obtenidos son alentadores, probando que las técnicas de aprendizaje, y las SVM en particular, pueden resultar muy útiles para resolver problemas de clasificación en seguros.

  • English

    In this paper we propose a new approach for classifying the policies of an insurance automobile company according to the prediction of their claims for the next year. We use for this purpose sets of risk factors obtained from one database of an important Spanish insurance company2.

    Our approach is based on the Learning Machines methodology. The algorithm we suggest is based on the application of a standard Support Vector Machine (SVM), hybridized with a Genetic Algorithm. The SVM is used to classify the policies as failed (reporting claims) or not failed, according to their risk factors, whereas the GA is used to perform a preselection in the risk factors space of the SVM. We will do several experiments, comparing the obtained classification rate including all the risk factors, with that including just the selected risk factors. We�ll also compare this results with those obtained using the Logit model (both classification rate and selected risk factors), allowing us to analyze if this Learning Machines are comparable to statistical techniques commonly used to solve this kind of problems. The obtained results are very encouraging and show that learning techniques in general and SVM in particular, can be useful tools for solving classification problems in insurance.