Como usar bases de datos público-privadas en la gestión de riesgos aseguradores: geografía, clima y personas en el seguro de automóviles
Open Access
- 13 December 2024
- journal article
- research article
- Published by Instituto de Actuarios Españoles in Anales del Instituto de Actuarios Españoles
- No. 30,p. 147-168
Abstract
Este trabajo se centra en la utilización de fuentes de información pública en la aplicación de modelos relacionales en las entidades aseguradoras, para el mejor conocimiento de las características de los riesgos y asistir a la toma de decisiones en nuevos entornos de sostenibilidad. Primero, proponemos utilizar la metodología de grado de urbanización de Eurostat para agrupar siniestros o pólizas de automóviles en categorías potencialmente más homogéneas en el sector asegurador (urbano / suburbano / rural) para su segmentación y análisis. Segundo, analizamos como las compañías aseguradoras pueden utilizar información climatológica local conjuntamente con el grado de urbanización para modelizar el número de siniestros de automóviles en una zona geográfica específica. Finalmente, aplicamos modelos relacionales a bases de datos con información anonimizada de pasajeros en accidentes de tráfico proporcionadas por la Dirección General de Tráfico de España con el objetivo de definir mejor las características de los siniestros en función del perfil de las personas que se encuentran dentro del vehículo. Se trata de conocer, por ejemplo, el perfil de los pasajeros de vehículos conducidos por personas mayores, también en relación con el sexo y la zona geográfica. Las compañías aseguradoras conocen la enorme potencialidad del análisis de datos y deben apostar por la búsqueda de relaciones usando información que puede estar dispersa en múltiples bases de datos, incluyendo aquella que es de uso público y que puede facilitar la homogeneización y comparación de resultados, junto al diseño de políticas preventivas y de gestión de riesgos. Incluimos los códigos en R poniéndolos a disposición del sector asegurador y de la academia para su uso.Keywords
This publication has 36 references indexed in Scilit:
- Analysis of harsh braking and harsh acceleration occurrence via explainable imbalanced machine learning using high-resolution smartphone telematics and traffic dataAccident Analysis & Prevention, 2024
- Use of real-world connected vehicle data in identifying high-risk locations based on a new surrogate safety measureAccident Analysis & Prevention, 2019
- Validating the bivariate extreme value modeling approach for road safety estimation with different traffic conflict indicatorsAccident Analysis & Prevention, 2019
- Crash modeling for intersections and segments along corridors: A Bayesian multilevel joint model with random parametersAnalytic Methods in Accident Research, 2017
- Evaluating adverse rural crash outcomes using the NHTSA State Data SystemAccident Analysis & Prevention, 2015
- Not just a rural occurrence: Differences in agricultural equipment crash characteristics by rural–urban crash site and proximity to townAccident Analysis & Prevention, 2014
- The influence of road curvature on fatal crashes in New ZealandAccident Analysis & Prevention, 2008
- Modeling crash-flow-density and crash-flow-V/C ratio relationships for rural and urban freeway segmentsAccident Analysis & Prevention, 2005
- The association of rainfall and other weather variables with road traffic volume in Melbourne, AustraliaAccident Analysis & Prevention, 2005
- Rural and urban traffic fatalities, vehicle miles, and population densityAccident Analysis & Prevention, 2004