Simões, Onofre AlvesPeres, Rodolfo Monfilier2023-01-262023-01-262022-10Peres, Rodolfo Monfilier (2022). “Modelling hospital admission rates in São Paulo, Brazil : Lee-Carter model vs. neural networks”. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestãohttp://hdl.handle.net/10400.5/27051Mestrado Bolonha em Actuarial ScienceIn Brazil, hospital admissions represent almost 50% of the total claims cost of health insurance companies while they only represent 1% of the total medical procedures. Therefore, modeling hospital admissions is extremely useful for health insurers to assess their claim costs over time and actuaries should be capable to include that information in their analyses, in order to preserve the financial sustainability of the companies. This dissertation analyses the use of the Lee-Carter model for predicting the general level of hospital admissions in the state of São Paulo, Brazil, using the traditional ARIMA model and contrasting it with the LSTM neural network. Publicly available data between the years 2008 and 2019, divided by gender, were used. The function auto.arima from the R package forecast was used to find the best ARIMA model for the data while the LSTM neural network model was searched in a combination of 20 models, varying the learning rate and decay factor. The results showed that the LSTM model and the ARIMA have similar RMSE and MAE performance.No Brasil, hospitalizações representam quase 50% dos custos totais de sinistros em operadoras de planos de saúde enquanto representam apenas 1% dos procedimentos médicos. Portanto, estimar hospitalizações é extremamente útil para que operadoras de planos de saúde possam estimar seus custos ao longo do tempo e atuários devem ser capazes de incluir essas informações em suas análises para garantir a sustentabilidade financeira das companhias. Essa dissertação analisa o uso do modelo de Lee-Carter para prever o nível geral de hospitalizações no estado de São Paulo, Brasil, utilizando o modelo ARIMA tradicional e comparando-o com a rede neuronal LSTM. Dados públicos entre os anos de 2008 e 2019, divididos por sexo, foram utilizados. A função auto.arima do pacote R forecast foi utilizada para encontrar o melhor modelo ARIMA enquanto que a rede neuronal LSTM foi selecionada entre a combinação de 20 modelos, variando a learning rate e o decay factor. Os resultados mostraram que o modelo LSTM e o modelo ARIMA possuem RMSE e MAE similares.engLee-CarterNeural NetworkLSTMHospitalizationsTime SeriesLee-Carter ModelRedes NeuronaisLSTMInternaçõesSéries Temporaismaster thesis