Presentar detalladamente los conceptos fundamentales de la analítica de datos y su relación los procesos de tarifación de seguros, así como analizar y detallar los métodos actuariales de tarifación con modelos lineales generalizados y las metodologías de machine learning que han venido siendo utilizadas en la literatura actuarial.

Al finalizar el curso, los estudiantes estarán en capacidad de:

1. · Tener claridad sobre los conceptos relevantes de Analítica en la tarifación de seguros.

· Reconocer la importancia del análisis de datos y los algoritmos empleados en la tarifación de seguros

· Conocer los desarrollos recientes de la literatura especializada sobre tarifación de seguros generales.

MÓDULO I: MÉTODOS DE TARIFACIÓN EN SEGUROS GENERALES

· Conceptos Básicos: frecuencia, severidad y prima pura

· Modelos Estadísticos de Frecuencia y de Severidad. Ajuste de Distribuciones

· Modelo de Pérdidas Agregadas

· Tarifación por Modelos Lineales Generalizados GLM

· Medidas de Bondad de Ajuste

· Aplicación en Seguros de Automóviles

· Tarifación por Modelos Aditivos Generalizados GAM

· Credibilidad en modelos lineales generalizados

MÓDULO II: MACHINE LEARNING EN TARIFACIÓN DE SEGUROS

· Exploración de Datos

· Técnicas de reducción de dimensionalidad

· Métodos de Aprendizaje No Supervisado: Clustering

· Métodos de Aprendizaje Supervisado

o Redes Neuronales

o Arboles de Clasificación y de Regresión

o Métodos “ensemble learning”: Random Forest, Bagging y Boosting

· Tarifación de Seguros de Automóviles revisada

· Telemática y tarifación de seguros por uso

REFERENCIAS BIBLIOGRÁFICAS:

[1] Wutrich, M et al (201) Data Analytics for Non-Life Insurance Pricing. Lecture Notes.

[2] Castillo, S (2018) Comparing Machine Learning Models for Insurance

Ratemaking. Working Paper.

[3] Denuit, M et al (2019) Effective Statistical Learning Methods for Actuaries I: GLMs and Extensions. Springer.

[4] Denuit, M et al (2019) Effective Statistical Learning Methods for Actuaries III: Neural Networks and Extensions. Springer.

[5] Grize et al (2020) Machine learning applications in nonlife insurance. Appl Stochastic Models Bus Ind. 2020;1–15.

[6] SOA (2019) Literature Review: Artificial Intelligence and Its Use in Actuarial Work. Working Paper.

[7] SOA (2019a) Machine-Learning Methods for Insurance Applications

A Survey. Working Paper.

[8] SOA (2019b) Emerging Data Analytics Techniques with Actuarial Applications. Working Paper

Directivos, jefes, gerentes o profesionales de suscripción, indemnizaciones y actuaría que deseen conocer el impacto de las herramientas de analítica de datos la tarifación de seguros generales.

Diego David Torres Romero 

Actualmente, Diego se desempeña como profesional especializado en actuaría en la Superintendencia Financiera de Colombia. Así mismo, trabajó como actuario en la Federación de Aseguradores Colombianos – Fasecolda. Ha realizado estudios de tarifación y metodologías de reserva para diferentes ramos del sector asegurador. Diego es Economista, Especialista en Estadística y tiene una Maestría en Actuaria y Finanzas de la Universidad Nacional de Colombia.