Modelos preditivos para o número de anulações em seguros de saúde

Abstract

Este estudo surge no âmbito de um estágio profissional e analisa as dinâmicas de anulação de seguros de saúde no mercado português, com foco na Multicare, líder do setor e instituição de acolhimento desta dissertação de mestrado. O projeto explora os desafios enfrentados pelas seguradoras num mercado em crescimento, com o objetivo principal de estimar o número de anulações de seguros de saúde. Para isso, foram aplicadas metodologias empíricas e teóricas, inicialmente centradas na maturidade da pessoa segura, e, posterior mente, em regressões lineares e análises de sazonalidade para identificar padrões. Foram desenvolvidos modelos preditivos para estimar as anulações mensais e anuais com base em variáveis como novas adesões, pessoas em vigor, maturidade e fatores externos, onde foram utilizados testes de hipótese, regressões lineares múltiplas, métodos de seleção de variáveis, análises de multicoli nearidade, funções de autocorrelação e autocorrelação parcial e intervalos de previsão. Os resultados revelaram que 50% das anulações ocorrem nos primeiros dois anos de contrato, eviden ciando a necessidade de criação de estratégias que melhorem a retenção de pessoas seguras. Além disso, os modelos desenvolvidos demonstraram que, com base na relação direta entre pessoas seguras novas e anuladas, é possível propor estratégias para otimizar a gestão da carteira, aprimorar o planeamento do orçamento e identificar tendências de mercado. Uma das principais contribuições deste trabalho foi a criação de modelos preditivos robustos, capazes de estimar anulações mensais com margens de erro reduzidas, reafirmando que a combinação de dados históricos, análises estatísticas e uma compreensão do mercado pode oferecer informações valiosas para o crescimento sustentável das seguradoras a longo prazo.

This study was conducted as part of a professional internship and analyzes the dynamics of health insurance cancellations in the Portuguese market, with a focus on Multicare, the sector leader and host institution for this master’s dissertation. The project explores the challenges faced by insurers in a growing market, with the primary objec tive of estimating the number of health insurance cancellations. To this end, empirical and theoretical methodologies were applied, initially focusing on the maturity of the insured person, and later on linear regressions and seasonality analyses to identify patterns. Predictive models were developed to estimate monthly and annual cancellations based on variables such as new subscriptions, active policyholders, maturity and external factors, using hypothesis tests, multiple linear regressions, variable selection methods, multicollinearity analyses, autocorrelation and partial autocorrelation functions, and prediction intervals. The results showed that 50% of cancellations occur within the first two years of the contract, highligh ting the need for strategies to improve customer retention. Furthermore, the developed models showed that, based on the direct relationship between new and canceled insured people, it is possible to propose strategies to optimize portfolio management, improve budget planning and identify market trends. One of the main contributions of this work was the creation of robust predictive models, capable of estimating monthly cancellations with small margins of error, reaffirming that the combination of histo rical data, statistical analysis, and market understanding can provide valuable insights for the sustainable growth of insurers in the long term.