O CP é uma técnica não-paramétrica e independente do modelo preditivo, permitindo sua aplicação em uma vasta gama de modelos, como os GLM amplamente utilizados pelos atuários. Neste estudo, optamos por aplicar o CP sobre redes neurais, utilizando especificamente uma Rede Neural Recorrente do tipo Long Short-Term Memory (LSTM) Probabilística para capturar a dinâmica temporal dos sinistros agregados diariamente. Ao contrário de métodos tradicionais, que assumem distribuições pré-definidas, o CP ajusta-se ao comportamento dos dados, fornecendo intervalos de confiança robustos e adaptáveis às previsões de sinistros. Nos resultados empíricos, demonstramos que a aplicação do CP no conjunto de teste proporcionou maior cobertura e proteção, ajustando os prêmios puros de maneira proativa com base na incerteza dos sinistros. Com isso, foi proposto um parâmetro de sensibilidade flexível 𝛼, que permite calibrar o prêmio conforme diferentes níveis de aversão ao risco. A principal vantagem deste método é sua simplicidade e facilidade de implementação, uma vez que ele pode ser incorporado diretamente aos modelos preexistentes de seguradoras, sem a necessidade de reformulações estruturais. Essa abordagem oferece uma solução eficaz para mitigar ou assumir riscos e melhorar a precificação em cenários de alta variabilidade e incerteza, contribuindo para um cálculo mais justo e adaptado à realidade dos sinistros observados.
Trabalho disponivel na integra: Pág. 49 -60.
https://atuarios.org.br/wp-content/uploads/2024/12/Revista-Brasileira-de-Atuaria-2024.pdf
