REGRESIÓN CUANTÍLICA COMO PUNTO DE PARTIDA EN LOS MODELOS PREDICTIVOS PARA EL RIESGO

Abstract

espanolDado un nivel o tolerancia de riesgo, la regresion cuantilica es un modelo predictivo que ajusta el correspondiente percentil de la variable respuesta continua. Fijado un determinado valor porcentual, se identifica el efecto de cada variable predictora en la distribucion acumulada hasta ese nivel de la variable dependiente. En este articulo mostramos como puede utilizarse esta metodologia en el analisis de datos en el seguro de automovil y proponemos una extension de la regresion cuantilica inspirada en la necesidad de predecir la esperanza de la cola condicional. Para ello se han desarrollado rutinas especificas en R y se ha implementado un procedimiento de remuestreo para la aproximacion de los errores estandar. La principal conclusion es que este tipo de modelos permite analizar que factores inciden en el riesgo de accidente y pueden ser utilizados para mitigarlo o para valorarlo en el ambito asegurador. EnglishGiven a risk level or tolerance, quantile regression is a predictive model that fits the corresponding percentile of the continuous response variable. Given a fixed percentage value, we identify the effect of each predictor variable in the cumulative distribution up to that level of the dependent variable. In this article, we show how this methodology can be used in motor insurance data analysis and we propose an extension of quantile regression inspired by the need to predict the expectation of the conditional tail. To this end, specific R routines have been developed and a resampling procedure has been implemented to approximate standard errors. The main conclusion is that this type of models allows us to analyze which factors affect accident risk and can be used to mitigate or to evaluate risk in the insurance field