SlideShare ist ein Scribd-Unternehmen logo
1 von 14
Downloaden Sie, um offline zu lesen
1
Convolução entre as distribuições
Poisson e Gama para o cálculo da
perda agregada máxima
UNIVERSIDADE FEDERAL DO PARANÁ
ESPECIALIZAÇÃO EM DATA SCIENCE E BIG DATA
DEPARTAMENTO DE ESTATÍSTICA
_______________________________________________________________
Delvo Sabino Santiago
Orientador: Prof. Wagner Hugo Bonat
Fluxo do Modelo
Fase 1 Introdução
Fase 2
Fase 3
Cálculo da
Perda
Agregada
Máxima
Metodologia
Conjunto
de Dados
Discussão META
Resultados
Introdução
Voltar
Ativos a Valor
de Mercado
Melhor
Estimativa
Capital Mínimo
Requerido
Margem
de Risco
Estimativa
na data t
Capital
Disponível
Ativos
Garantidores
das Provisões
Técnicas
Capital de
Solvência
Requerido
Provisões
técnicas
Mercados sem
Hedge Consistente
Perda Agregada
Máxima
Excesso de
Capital
A B
O Processo do Risco / Conceito
4
Montar
Portifólio
Certificação dos
dados
Estimar a Perda
Agregada Max do
Portifólio
Desafio
Nível no instante t
= Reservas iniciais
+ prêmios acumulados
- claims acumulados
Fluxo de Saída = Claims
Fluxo de Entrada = Prêmios
Fluxo de Saída = Claims
• Estocástico
Clusters
Adequados
Desafio
formidável nos
dias de hoje
Conjunto de Dados
Dos 25,6 milhões de
observações iniciais
Restaram 15, 4 milhões, ainda
dependentes de avaliação de
“outliers”
Restaram 14,4 milhões de
observações certificadas após
expurgo dos “outliers”
❑ Dados Semestrais (2015 - 2019);
❑ Base de Dados - Mercado brasileiro de seguros
de automóveis – SUSEP;
❑ Base de Dados pública, tratada e anonimizada.
Principais tratamentos:
❑ Dados duplicados;
❑ Dados nulos;
❑ Tratamento de datas;
❑ Chaves inconsistentes: tais como sexo, idade e
perfil do segurado;
❑ Clusterização;
❑ Tratamento de Fipe.
Modelagem
6
Voltar
Frequência de
sinistros
Estimação do parâmetro da
distribuição de Poisson
(Lambda)
Teste estatístico de aderência
Severidade
Estimação dos parâmetros da
distribuição Gamma (Alpha e
Beta)
Teste estatístico de aderência
Simulação de Monte Carlo aplicado à combinação das
duas citadas distribuições ( = convolução )
Tweedie (Lambda, Alpha, Beta)
Fonte: Concepção do Autor
willistowerswatson.com
Resultados
7
willistowerswatson.com
Momentos
Máxima
Verossimilhança
Voltar
willistowerswatson.com
Dos 25,6 milhões de observações iniciais
Resultados
8
Voltar
Região 1
1. Gerar m valores, X1,X2,X3,...,Xm identicamente
distribuídos, usando o algoritmo específico à
distribuição escolhida;
2. Calcular a soma S = X1 + X2 + X3 +...+ Xm;
3. Fazer um histograma dos valores encontrados de S.
4. Todos os passos deste processo - simulação da
frequência e severidade de Claims - são repetidas n
vezes, até que seja encontrada uma amostra
suficientemente grande permitindo inferência
estatística.
willistowerswatson.com
Resultados
9
Voltar
Região 1
willistowerswatson.com
Resultados
10
Voltar
Região 2
Região 3
willistowerswatson.com
Resultados
11
Voltar
Região 4
Região 5
willistowerswatson.com
Resultados
12
Voltar
0,000%
0,100%
0,200%
0,300%
0,400%
0,500%
0,600%
0,700%
0,800%
0,900%
1,000%
1 2 3 4 5
%DIF
willistowerswatson.com
Conclusão
• Os resultados são uma aproximação resultante do emprego do teorema do limite
central.
• A soma de variáveis aleatórias independentes tende para a variável aleatória
com distribuição normal, conforme a quantidade de parcelas aumenta.
• Para estudos futuros, é possível agregar de fatores de risco, como Sexo, Idade e
Perfil do Segurado.
• Um efeito que foi devidamente considerado diz respeito à variância, como função
do volume de unidades expostas.
• Quando a variabilidade é mais elevada, um fator de penalização é imposto aos
fatores da Perda Agregada Máxima.
13
Voltar
willistowerswatson.com
OBRIGADO !
14

Weitere ähnliche Inhalte

Ähnlich wie Convolução entre Poisson e Gama para cálculo da perda agregada máxima

Apostila de estatistica
Apostila de estatisticaApostila de estatistica
Apostila de estatisticaPedro Kangombe
 
Apostila de estatistica
Apostila de estatisticaApostila de estatistica
Apostila de estatisticaAna
 
Poligrafo spss introdutório
Poligrafo   spss introdutórioPoligrafo   spss introdutório
Poligrafo spss introdutórioRosa Maria Freire
 
U1S4 - PPCP e Técnicas de Previsão de Demanda.pdf
U1S4 - PPCP e Técnicas de Previsão de Demanda.pdfU1S4 - PPCP e Técnicas de Previsão de Demanda.pdf
U1S4 - PPCP e Técnicas de Previsão de Demanda.pdfCelsoCiamponi1
 
Algoritmos genéticos: princípios e aplicações
Algoritmos genéticos: princípios e aplicaçõesAlgoritmos genéticos: princípios e aplicações
Algoritmos genéticos: princípios e aplicaçõesXequeMateShannon
 
18.ago topázio 14.00_384_aeselpa
18.ago topázio 14.00_384_aeselpa18.ago topázio 14.00_384_aeselpa
18.ago topázio 14.00_384_aeselpaitgfiles
 
18.ago topázio 14.00_384_aeselpa
18.ago topázio 14.00_384_aeselpa18.ago topázio 14.00_384_aeselpa
18.ago topázio 14.00_384_aeselpaitgfiles
 
Algoritmos Evolucionários: Estudo comparativo AG e ED
Algoritmos Evolucionários: Estudo comparativo AG e EDAlgoritmos Evolucionários: Estudo comparativo AG e ED
Algoritmos Evolucionários: Estudo comparativo AG e EDLuiz Eduardo de Oliveira
 
Capital em condições de risco
Capital em condições de riscoCapital em condições de risco
Capital em condições de riscoDelza
 
Data stream mining - TDC POA 2018 (Data Science)
Data stream mining - TDC POA 2018 (Data Science)Data stream mining - TDC POA 2018 (Data Science)
Data stream mining - TDC POA 2018 (Data Science)Andre Nunes
 
TDC18 (POA) Data Science - data stream mining
TDC18 (POA) Data Science - data stream miningTDC18 (POA) Data Science - data stream mining
TDC18 (POA) Data Science - data stream miningAndré Luís Nunes
 
Proconf softwear confiabilidade
Proconf softwear confiabilidadeProconf softwear confiabilidade
Proconf softwear confiabilidadeErico Pontes Melo
 
Apostila de estatitica 000293883
Apostila de estatitica 000293883Apostila de estatitica 000293883
Apostila de estatitica 000293883sergioviroli
 

Ähnlich wie Convolução entre Poisson e Gama para cálculo da perda agregada máxima (20)

Apostila de estatistica
Apostila de estatisticaApostila de estatistica
Apostila de estatistica
 
Apostila de estatistica
Apostila de estatisticaApostila de estatistica
Apostila de estatistica
 
Programa de Equalização em Estatística - 2014 A
Programa de Equalização em Estatística - 2014 APrograma de Equalização em Estatística - 2014 A
Programa de Equalização em Estatística - 2014 A
 
Poligrafo spss introdutório
Poligrafo   spss introdutórioPoligrafo   spss introdutório
Poligrafo spss introdutório
 
U1S4 - PPCP e Técnicas de Previsão de Demanda.pdf
U1S4 - PPCP e Técnicas de Previsão de Demanda.pdfU1S4 - PPCP e Técnicas de Previsão de Demanda.pdf
U1S4 - PPCP e Técnicas de Previsão de Demanda.pdf
 
Atps estatistica 2
Atps estatistica 2Atps estatistica 2
Atps estatistica 2
 
Algoritmos genéticos: princípios e aplicações
Algoritmos genéticos: princípios e aplicaçõesAlgoritmos genéticos: princípios e aplicações
Algoritmos genéticos: princípios e aplicações
 
18.ago topázio 14.00_384_aeselpa
18.ago topázio 14.00_384_aeselpa18.ago topázio 14.00_384_aeselpa
18.ago topázio 14.00_384_aeselpa
 
18.ago topázio 14.00_384_aeselpa
18.ago topázio 14.00_384_aeselpa18.ago topázio 14.00_384_aeselpa
18.ago topázio 14.00_384_aeselpa
 
Aula 07 de estatística
Aula 07 de estatísticaAula 07 de estatística
Aula 07 de estatística
 
Algoritmos Evolucionários: Estudo comparativo AG e ED
Algoritmos Evolucionários: Estudo comparativo AG e EDAlgoritmos Evolucionários: Estudo comparativo AG e ED
Algoritmos Evolucionários: Estudo comparativo AG e ED
 
GIS DAY 2011 @ulusofona
GIS DAY 2011 @ulusofonaGIS DAY 2011 @ulusofona
GIS DAY 2011 @ulusofona
 
Aula 07 de estatística
Aula 07 de estatísticaAula 07 de estatística
Aula 07 de estatística
 
Capital em condições de risco
Capital em condições de riscoCapital em condições de risco
Capital em condições de risco
 
Data stream mining - TDC POA 2018 (Data Science)
Data stream mining - TDC POA 2018 (Data Science)Data stream mining - TDC POA 2018 (Data Science)
Data stream mining - TDC POA 2018 (Data Science)
 
TDC18 (POA) Data Science - data stream mining
TDC18 (POA) Data Science - data stream miningTDC18 (POA) Data Science - data stream mining
TDC18 (POA) Data Science - data stream mining
 
Exercicios de estatistica resolvido.4
Exercicios de estatistica resolvido.4Exercicios de estatistica resolvido.4
Exercicios de estatistica resolvido.4
 
Metricas forecasting
Metricas forecastingMetricas forecasting
Metricas forecasting
 
Proconf softwear confiabilidade
Proconf softwear confiabilidadeProconf softwear confiabilidade
Proconf softwear confiabilidade
 
Apostila de estatitica 000293883
Apostila de estatitica 000293883Apostila de estatitica 000293883
Apostila de estatitica 000293883
 

Convolução entre Poisson e Gama para cálculo da perda agregada máxima

  • 1. 1 Convolução entre as distribuições Poisson e Gama para o cálculo da perda agregada máxima UNIVERSIDADE FEDERAL DO PARANÁ ESPECIALIZAÇÃO EM DATA SCIENCE E BIG DATA DEPARTAMENTO DE ESTATÍSTICA _______________________________________________________________ Delvo Sabino Santiago Orientador: Prof. Wagner Hugo Bonat
  • 2. Fluxo do Modelo Fase 1 Introdução Fase 2 Fase 3 Cálculo da Perda Agregada Máxima Metodologia Conjunto de Dados Discussão META Resultados
  • 3. Introdução Voltar Ativos a Valor de Mercado Melhor Estimativa Capital Mínimo Requerido Margem de Risco Estimativa na data t Capital Disponível Ativos Garantidores das Provisões Técnicas Capital de Solvência Requerido Provisões técnicas Mercados sem Hedge Consistente Perda Agregada Máxima Excesso de Capital A B
  • 4. O Processo do Risco / Conceito 4 Montar Portifólio Certificação dos dados Estimar a Perda Agregada Max do Portifólio Desafio Nível no instante t = Reservas iniciais + prêmios acumulados - claims acumulados Fluxo de Saída = Claims Fluxo de Entrada = Prêmios Fluxo de Saída = Claims • Estocástico Clusters Adequados Desafio formidável nos dias de hoje
  • 5. Conjunto de Dados Dos 25,6 milhões de observações iniciais Restaram 15, 4 milhões, ainda dependentes de avaliação de “outliers” Restaram 14,4 milhões de observações certificadas após expurgo dos “outliers” ❑ Dados Semestrais (2015 - 2019); ❑ Base de Dados - Mercado brasileiro de seguros de automóveis – SUSEP; ❑ Base de Dados pública, tratada e anonimizada. Principais tratamentos: ❑ Dados duplicados; ❑ Dados nulos; ❑ Tratamento de datas; ❑ Chaves inconsistentes: tais como sexo, idade e perfil do segurado; ❑ Clusterização; ❑ Tratamento de Fipe.
  • 6. Modelagem 6 Voltar Frequência de sinistros Estimação do parâmetro da distribuição de Poisson (Lambda) Teste estatístico de aderência Severidade Estimação dos parâmetros da distribuição Gamma (Alpha e Beta) Teste estatístico de aderência Simulação de Monte Carlo aplicado à combinação das duas citadas distribuições ( = convolução ) Tweedie (Lambda, Alpha, Beta) Fonte: Concepção do Autor
  • 8. willistowerswatson.com Dos 25,6 milhões de observações iniciais Resultados 8 Voltar Região 1 1. Gerar m valores, X1,X2,X3,...,Xm identicamente distribuídos, usando o algoritmo específico à distribuição escolhida; 2. Calcular a soma S = X1 + X2 + X3 +...+ Xm; 3. Fazer um histograma dos valores encontrados de S. 4. Todos os passos deste processo - simulação da frequência e severidade de Claims - são repetidas n vezes, até que seja encontrada uma amostra suficientemente grande permitindo inferência estatística.
  • 13. willistowerswatson.com Conclusão • Os resultados são uma aproximação resultante do emprego do teorema do limite central. • A soma de variáveis aleatórias independentes tende para a variável aleatória com distribuição normal, conforme a quantidade de parcelas aumenta. • Para estudos futuros, é possível agregar de fatores de risco, como Sexo, Idade e Perfil do Segurado. • Um efeito que foi devidamente considerado diz respeito à variância, como função do volume de unidades expostas. • Quando a variabilidade é mais elevada, um fator de penalização é imposto aos fatores da Perda Agregada Máxima. 13 Voltar