Herramientas estadísticas para el estudio de perfiles de riesgo

En este documento se ilustra de un modo práctico, el empleo de tres instrumentos que permiten al actuario definir grupos arancelarios y estimar premios de riesgo en el proceso que tasa la clase para el seguro de no vida. El primero es el análisis de segmentación (CHAID y XAID) usado en primer lugar en 1997 por UNESPA en su cartera común de coches. El segundo es un proceso de selección gradual con el modelo de regresión a base de distancia. Y el tercero es un proceso con el modelo conocido y generalizado de regresión linear, que representa la técnica más moderna en la bibliografía actuarial. De estos últimos, si combinamos funciones de eslabón diferentes y distribuciones de error, podemos obtener el aditivo clásico y modelos multiplicativos- En aquest treball s'il·lustra, en sentit pràctic, la utilització de tres eines que permeten a l'actuari definir els grups de tarifa i estimar les primes de risc en un procés de tarificació a priori no vida. La primera és l'anàlisi de segmentació (CHAID i XAID) utilitzat inicialment per UNESPA al 1997 en la seva cartera comú d'automòbils. La segona és un procés de selecció de predictors pas a pas amb el model de regressió basada en distàncies. I la tercera és un procés amb els models lineals generalitzats que representen la tècnica més actual de la bibliografia actuarial. D¿aquests últims, combinant diferents funcions link i distribucions de l'error, es desprenen els clàssics models additiu i multiplicatiu, dels quals s'interpreta el significat.- In this paper it is illustrated, in a practical way, the use of three tools that permit the actuary to define tariff groups and to estimate risk premiums in the class-rating process for non-life insurance. The first is the segmentation analysis (CHAID and XAID) used firstly at 1997 by UNESPA in its common portfolio of automobiles. The second is a stepwise selection process with the distance-based regression model. And the third is a process with the well known generalized linear regression model, which represents the most modern technique in the actuarial bibliography. From the later, if we combine different link functions and error distributions, we can obtain the classical additive and multiplicative model