Publicação
Harvesting risk : applying GLMS to agricultural insurance pricing
| Resumo: | O seguro agrícola desempenha um papel fundamental na mitigação dos riscos financeiros enfrentados pelos agricultores devido a eventos climáticos adversos. Um dos fatores essenciais de qualquer produto de seguro é a estimativa do prémio puro, que reflete o custo esperado dos sinistros. Este trabalho tem como objetivo avaliar e melhorar o processo de estimativa do prémio puro utilizado na Atlas MGA, companhia de seguros portuguesa especializada em seguros agrícolas. Atualmente, a empresa utiliza uma abordagem baseada em dados históricos (do IFAP) e num ratio chave. Neste trabalho, é proposta a aplicação do GLM, uma alternativa mais flexível e mais robusta. O prémio puro é calculado através de duas componentes: a frequência esperada de sinistros e a severidade esperada de cada um deles. Os modelos foram implementados utilizando dados reais de seguros agrícolas fornecidos pelo IFAP e pela companhia, e os resultados foram comparados com o método atualmente utilizado pela empresa. Os resultados demonstram que os GLMs fornecem estimativas de prémio mais precisas e consistentes, e sugerem que o método tradicional pode subestimar sistematicamente o prémio puro em alguns casos. Este estudo evidencia o potencial dos GLMs para aprimorar modelos atuariais de precificação em seguros agrícolas e fornece uma base para futuras melhorias, incluindo a incorporação de variáveis adicionais e o uso de técnicas preditivas mais avançadas, tais como as redes neurais ou o machine learning. |
|---|---|
| Autores principais: | Bento,Bernardo Dias |
| Assunto: | Pure Premium Agricultural Insurance Generalized Linear Models (GLM) Severity Frequency Actuarial Pricing Prémio Puro Seguro Agrícola Modelos Lineares Generalizados (GLM) Severidade Frequência Precificação Atuarial |
| Ano: | 2025 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade de Lisboa |
| Idioma: | inglês |
| Origem: | Repositório da Universidade de Lisboa |
| Resumo: | O seguro agrícola desempenha um papel fundamental na mitigação dos riscos financeiros enfrentados pelos agricultores devido a eventos climáticos adversos. Um dos fatores essenciais de qualquer produto de seguro é a estimativa do prémio puro, que reflete o custo esperado dos sinistros. Este trabalho tem como objetivo avaliar e melhorar o processo de estimativa do prémio puro utilizado na Atlas MGA, companhia de seguros portuguesa especializada em seguros agrícolas. Atualmente, a empresa utiliza uma abordagem baseada em dados históricos (do IFAP) e num ratio chave. Neste trabalho, é proposta a aplicação do GLM, uma alternativa mais flexível e mais robusta. O prémio puro é calculado através de duas componentes: a frequência esperada de sinistros e a severidade esperada de cada um deles. Os modelos foram implementados utilizando dados reais de seguros agrícolas fornecidos pelo IFAP e pela companhia, e os resultados foram comparados com o método atualmente utilizado pela empresa. Os resultados demonstram que os GLMs fornecem estimativas de prémio mais precisas e consistentes, e sugerem que o método tradicional pode subestimar sistematicamente o prémio puro em alguns casos. Este estudo evidencia o potencial dos GLMs para aprimorar modelos atuariais de precificação em seguros agrícolas e fornece uma base para futuras melhorias, incluindo a incorporação de variáveis adicionais e o uso de técnicas preditivas mais avançadas, tais como as redes neurais ou o machine learning. |
|---|