Aplicaciones actuariales mediante Gaussian Process Regression: Vida y no vida
DOI:
https://doi.org/10.26360/2022_3Palabras clave:
proceso gaussiano, normal multivariante, covarianza, Ciencias Actuariales, distribucionesResumen
En este trabajo se ha realizado una breve introducción sobre la metodología Regresión de Proceso Gaussiano (GPR) y dos aplicaciones en el ámbito Actuarial. Por un lado, se ha realizado un ejercicio de interpolación sobre las tablas de mortalidad PASEM Unisex 2020, concluyendo que el GPR es una excelente herramienta de interpolación, y que nos permite una tarificación más ajustada en el ramo de Vida. Por otro lado, se ha integrado el GPR como medida de predicción de provisiones en los ramos de No-Vida, obteniendo unos resultados prometedores. Por último, se concluye que un GPR puede ser un instrumento útil, siempre y cuando, se realice una buena selección del Kernel y un correcto período de entrenamiento del modelo.
Descargas
Citas
Ayuso. M., Corrales. H, Guillén. M, Pérez-Marín. A. M, Rojo. J. L. (2007). Estadística actuarial vida. Universitat de Barcelona. Boettiger, C. (2012). Basic regression in Gaussian processes. https://www.carlboettiger.info/2012/10/17/basic-regression-in-gaussian-processes.html
Flaxman, S., Gelman, A., Neill, D. B., Smola, A., & Vehtari, A. (2015). Fast hierarchical Gaussian processes. (Unpublished manuscript).
Lally, N. y Hartman, B. (2018). Estimating loss reserves using hierarchical Bayesian Gaussian process regression with input warping. Insurance: Mathematics and Economics, 82, 124-140.
Rasmussen, C. E., Williams, C. K. I. y Bach, F. (2005). Gaussian Processes for Machine Learning. MIT Press.
Ruitenberg, P. (2019). Adapting a Hierarchical Gaussian Process model to predict the loss reserve of a non-life insurer. University of Twente.
Snoek, J., Swersky, K., Zemel, R. S., & Adams, R. P. (2014). Input Warping for Bayesian Optimization of Non-Stationary Functions. ICML.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 David Rius Carretero, Salvador Torra Porras
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.