Modelos predictivos para el pronóstico de primas emitidas y siniestros incurridos en el ramo de responsabilidad civil profesional de Seguros del Estado S.A.

Simple item page
dc.contributor.advisorGirón Cruz, Luis Eduardo
dc.contributor.authorCoronado Gil, Julián Esteban
dc.contributor.authorSalas Valencia, Cindy Lorena
dc.date.accessioned2026-09-02T21:04:33Z
dc.date.available2026-09-02T21:04:33Z
dc.date.issued2026
dc.description.abstractEste proyecto se enfoca en el desarrollo de modelos predictivos basados en modelos econométricos de series de tiempo y técnicas de machine learning para estimar el importe de las primas y el valor de los siniestros incurridos en el ramo de Responsabilidad Civil profesional de Seguros del Estado S.A., incorporando variables espaciales y temporales. La dinámica del sector asegurador colombiano entre 2016 y 2024, junto con eventos inesperados como la pandemia de COVID-19, evidencia la necesidad de herramientas analíticas más precisas para la toma de decisiones. Inicialmente, se realiza la extracción y transformación de la base de datos transaccional, seguida de un análisis exploratorio que garantiza la calidad, consistencia e integridad de la información, así como la identificación de patrones y anomalías relevantes. Posteriormente, se ajustan los modelos SARIMAX, XGBoost y LightGBM para el importe de las primas, evaluando su desempeño mediante las métricas SMAPE, RMSE y MAE bajo validación Walk-Forward, donde SARIMAX presenta el mejor desempeño con error moderado. Para los siniestros incurridos se implementa el modelo ARIMA debido a la no presencia de estacionalidad en la serie, complementado con XGBoost y LightGBM bajo la misma estrategia de validación, destacándose LightGBM por su capacidad para capturar relaciones no lineales. Finalmente, se desarrolla una aplicación en Streamlit que integra proyecciones históricas, forecast, presupuesto ajustado por IPC y escenarios de sensibilidad, facilitando el análisis estratégico y la toma de decisiones. En conjunto, el sistema propuesto optimiza la gestión del riesgo, la asignación de recursos y la planificación, mejorando el desempeño financiero y comercial, incrementando la suficiencia actuarial y aportando al fortalecimiento del sector asegurador colombiano mediante el uso de inteligencia artificial.spa
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent88 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5775
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectPrimasspa
dc.subjectSiniestrosspa
dc.subjectPólizasspa
dc.subjectInteligencia de negociospa
dc.subjectMachine learningeng
dc.subjectPremiumseng
dc.subjectClaimseng
dc.subjectPolicieseng
dc.subjectBusiness intelligenceeng
dc.titleModelos predictivos para el pronóstico de primas emitidas y siniestros incurridos en el ramo de responsabilidad civil profesional de Seguros del Estado S.A.spa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
Trabajo de grado en pdf.pdf
Size:
7.79 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de uso.pdf
Size:
406.76 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos