Modelação de zonas tarifárias no seguro automóvel

Trabalho de projeto de mestrado, Matemática Aplicada à Economia e Gestão, Universidade de Lisboa, Faculdade de Ciências, 2017O presente projeto tem como objetivo criar e modelar as zonas tarifárias de Portugal Continental, no seguro automóvel, usando o modelo linear generalizado (GLM) e encontrar um cliente-alvo para focus do negócio. Como primeiro passo foi definido que apenas iria ser utilizado como base de estudo Portugal Continental devido à falta de informação das apólices cujos clientes são residentes nas ilhas da Madeira e Açores. Foi utilizada como estatística principal do projeto uma medida muito importante de uma carteira de Seguros, a frequência de sinistralidade, proporção de sinistros por exposição ao risco. Foram analisados dados referentes aos últimos três anos completos (2013, 2014 e 2015) para ter uma visão mais atualizada e vasta da frequência dos sinistros automóveis para se poderem tirar conclusões mais assertivas. Contudo alguns dos valores foram corrigidos manualmente porque a base usada tinha alguns erros de classificação. Foi construído um simulador para uma melhor perceção de como a frequência real de sinistralidade se comporta, em diferentes segmentos, de alguns fatores de risco. Após a modelação das zonas tarifárias foi criado um cliente-alvo, ou seja, através do novo modelo procurou-se descobrir quais seriam os segmentos referentes às caraterísticas do cliente com menor frequência de sinistralidade.The objective of this project is to model the tariff zones of Portugal, in the motor insurance, using generalized linear model (GLM). As a first step it was decided that only Portugal Continental would be studied due to lack of information about clients residing on the islands of Madeira and Azores. A very important measure in insurance- the frequency, proportion of the number of claims per the exposure to risk- was use as the main statistic of the project. Data was analyzed for the last three full years (2013, 2014 and 2015) to have a wider vision of the frequency of claims and to take more assertive conclusions. However some of the values were corrected manually because the database used had some misclassification. A simulator was built for a better perception of how the real claims’ frequency behaves in different segments of some risk factors. After modeling the tariff zones, target-customer was created, that is, through the new model, we tried to find out which segments of the customer’s characteristics were referring with less frequency