A carregar...
Publicação
Price elasticity in auto insurance: impact of premium fluctuations on policyholder behavior
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.25 MB | Adobe PDF |
Orientador(es)
Resumo(s)
This project aims to explore the price elasticity of demand in the auto insurance mar ket. It will use machine learning models, such as the Logistic Regression model and Gradient Boosting model, to predict how price increases can influence policyholder behavior, not disregarding other key variables such as policyholder demographics, vehicle characteristics, and payment frequency. The models were trained using historical data from an insurance company covering the years 2020 to 2022. The Gradient Boosting model, which performed better, was also tested using price increase simulations to evaluate its performance and how it could lead to policy cancellations and revenue loss. This test revealed a nonlinear relationship. Addressing consumer behavior when there’s a premium change will help insurance companies determine better strategies to retain their policyholders while staying competitive and profitable. The findings suggest that not only do price fluctuations strongly influence policy cancellations, but other variables such as policyholder demographics, vehicle characteristics, and payment frequency also play an essential role in assessing the reasons that lead to policy cancellations. This research is important to understand how insurance companies can adapt their premiums in order to not lose customers or profitability.
O objetivo deste projeto é analizar como a elasticidade de preço da procura no âmbito dos seguros de automóveis. Modelos de machine learning são utilizados, como a Re gressão Logistica e o Gradient Boosting, estes são utilizados para prever como aumentos de preços conseguem influenciar o comportamento dos segurados, considerando também outras variáveis importantes como dados demográficos dos segurados, as carateristicas dos veículos e a frequência dos pagamentos. Os modelos foram treinados com dados históricos fornecidos por uma seguradora, e cobrem os anos entre 2020 e 2022. O model Gradient Boosting, que teve uma melhor performance, foi ainda testado com várias simulações de preços para avaliar como os aumentos de preços podem levar a cancelamentos de apólices e perda de receita, este teste revelou uma relação não linear. Perceber o comportamento dos segurados perante flutuações de preços nos prémios, irá ajudar as seguradoras a compreender que estratégias utilizar para reter os seus segurados enquanto se mantêm competitivas e lucrativas. Os resultados sugerem que não só as alterações de preços têm um forte impacto no cancelamento de apólices, como também outras importantes variáveis (dados demográficos do segurado, características do veículo e frequência de pagamento) são cruciais para avaliar potenciais razões que levem ao cancelamento de apólices. Este estudo é importante para perceber como as seguradoras podem adaptar os seus prémios de modo a que não percam clientes e lucros.
O objetivo deste projeto é analizar como a elasticidade de preço da procura no âmbito dos seguros de automóveis. Modelos de machine learning são utilizados, como a Re gressão Logistica e o Gradient Boosting, estes são utilizados para prever como aumentos de preços conseguem influenciar o comportamento dos segurados, considerando também outras variáveis importantes como dados demográficos dos segurados, as carateristicas dos veículos e a frequência dos pagamentos. Os modelos foram treinados com dados históricos fornecidos por uma seguradora, e cobrem os anos entre 2020 e 2022. O model Gradient Boosting, que teve uma melhor performance, foi ainda testado com várias simulações de preços para avaliar como os aumentos de preços podem levar a cancelamentos de apólices e perda de receita, este teste revelou uma relação não linear. Perceber o comportamento dos segurados perante flutuações de preços nos prémios, irá ajudar as seguradoras a compreender que estratégias utilizar para reter os seus segurados enquanto se mantêm competitivas e lucrativas. Os resultados sugerem que não só as alterações de preços têm um forte impacto no cancelamento de apólices, como também outras importantes variáveis (dados demográficos do segurado, características do veículo e frequência de pagamento) são cruciais para avaliar potenciais razões que levem ao cancelamento de apólices. Este estudo é importante para perceber como as seguradoras podem adaptar os seus prémios de modo a que não percam clientes e lucros.
Descrição
Palavras-chave
Auto Insurance Price Elasticity Logistic Regression Model Gradient Boosting Model Policyholder Demographics Vehicle Characteristics Seguro Automóvel Elasticidade de Preço Regressão Logística Gradient Boosting Dados demográficos dos segurados Características dos veículos
Contexto Educativo
Citação
Vaz, Filipa Correia Inês e Correia (2024). “Price elasticity in auto insurance: impact of premium fluctuations on policyholder behavior”. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestão
Editora
Instituto Superior de Economia e Gestão