Proyecto 4.0
Proyecto 4.0
Proyecto 4.0
12 JUNIO 2021
1
Índice
Tabla de contenido
Índice ......................................................................................................................................................................... 2
Introducción .............................................................................................................................................................. 3
Objetivos y alcance ................................................................................................................................................... 4
Planteamiento del modelo........................................................................................................................................ 5
Descripcion de valores .......................................................................................................................................... 5
Valores tomados en cuenta. ................................................................................................................................. 6
Cálculo del modelo .................................................................................................................................................... 8
Estimadores y su interpretación ............................................................................................................................... 9
Estadísticos.............................................................................................................................................................. 10
Varianza de los errores 𝜎𝑢2 ................................................................................................................................ 10
Calculo de 𝑅2 ...................................................................................................................................................... 10
Varianza de los estimadores 𝑣𝑎𝑟𝛽𝑖 .................................................................................................................... 11
CALCULO DEL ERROR ESTÁNDAR E.E.R .................................................................................................... 11
Cálculo del error estándar de los beta e.e.( 𝛽𝑖) ................................................................................................. 12
Supuestos de Gauss-Markov ................................................................................................................................... 13
Análisis de sensibilidad. ............................................................................................. ¡Error! Marcador no definido.
Variables iniciales consideradas ............................................................................. ¡Error! Marcador no definido.
Conclusiones. .......................................................................................................................................................... 17
Bibliografia. ............................................................................................................................................................. 19
2
Introducción
Durante el pasar de los años se ha vuelto imprescindible en las ciudades
contar con un vehículo particular, son muchos los beneficios que se obtienen al
contar con un transporte disponible las 24 horas pero también son muchos los
riesgos que se contraen al contar con uno, tales como el de tener un percance al
momento de estar conduciendo o el simple hecho de sufrir un siniestro de camino
a casa, es por eso que ha surgido la necesidad de contar con un respaldo en caso
de necesitarlo y es aquí en donde entra el papel de las aseguradoras
automovilísticas tales como GNP, AXA seguros, Seguros BBVA, entre muchos
otros, de los cuáles se puede encontrar también a la empresa Quálitas.
3
Objetivos y alcance
La finalidad de este proyecto es el análisis de los factores que afectan la
cantidad de primas que son pagadas a una empresa aseguradora de automóviles
(especificamente Quálitas aseguradora), a partir de ciertas variables internas y
externas que pueden determinar el comportamiento de la cantidad de estas.
4
Planteamiento del modelo
Teniendo en cuenta que lo que queremos pronosticar es el crecimiento en
dinero de una empresa hay que ver qué factores influyen en este resultado como
es el incremento en los índices de robo de vehículos, en los costos de reparación
de estos, en los gastos de responsabilidad civil y en ciertos casos, la ocurrencia
de desastres naturales u otros eventos catastróficos como revueltas sociales,
inundaciones, terremotos, huracanes, etc. Un incremento en los niveles de
siniestralidad de Quálitas Aseguradora podría afectar la posición financiera y
resultados de operación de Quálitas.
Al final optamos por las primas emitidas puesto que estas cifras son los
ingresos parciales de la empresa, como segundo dato el número de accidentes
que hay en la republica puesto que estos pueden implicar un gasto para la
aseguradora, el número de autos vendidos en México puesto que al momento de
comprar un carro lo primero que se piensa es en asegurarlo o en algunos casos
por parte de la agencia de carros les incluyen un seguro y finalmente la cantidad
de carros que están asegurados en el país.
Descripcion de valores
Dónde:
5
𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅 𝒏𝒆𝒕𝒂 es la ganancia que se obtiene después de realizar los descuentos
correspondientes. Se trata de la utilidad concreta, que el sujeto o la empresa recibe en
mano.
6
• Autos Asegurados por Quálitas: Tomamos en cuenta cuántos
carros fueron asegurados por Quálitas porque de esta manera podemos
tener un indicador de sobre la cantidad de primas que podríamos obtener
en base a estas cantidades.
7
Cálculo del modelo
Se comenzó con el análisis de las variables que habíamos determinado
como posibles candidatas a tener una influencia más marcada en la cantidad
monetaria de primas totales para la empresa Quálitas, por lo que se optó por
mantener la cantidad de 3 variables independientes que determinaran de mejor
manera la estimación de las primas, de esta manera y después de llegar desde
un R2 = 0.57 hasta un R2 = 0.67 a 0.70 con un error más pequeño (aunque aún
un poco considerable) en la variación de los resultados con respecto a las
estimaciones.
8
Estimadores y su interpretación
9
Estadísticos
̂𝟐
Varianza de los errores 𝝈 𝒖
̂𝟐𝒖 = 𝑺𝑪𝑹
Recordando que 𝝈
𝒏−𝒌−𝟏
Ahora bien, analisando lo que significa este valor en nuestro modelo nos
explica que tan acertados o equivocados son los resultados que nos arrojara el
modelo y dado que es un valor muy bajo nos explica que si se siguen presentando
las mismas condiciones que se han presentado en los ultimos 10 años el modelo
calculado tiene una probabilidad muy alta de que este modelo nos pueda seguir
ayudando a predecir el crecimiento de esta compañía.
Calculo de 𝑹𝟐
𝑺𝑪𝑬 𝑺𝑪𝑹
𝑹𝟐 = = 0.70 𝑹𝟐 = 𝟏 − = 𝟎. 𝟕𝟎
𝑺𝑪𝑻𝒚 𝑺𝑪𝑻𝒚
10
̂𝒊
Varianza de los estimadores 𝒗𝒂𝒓𝜷
𝝈𝟐𝒖
̂𝒊 =
𝒗𝒂𝒓𝜷
∑𝒏𝒊=𝟑𝟑(𝒙𝒊 − ̅
𝒙)²
̂𝟎
𝒗𝒂𝒓𝜷
̂𝟏
𝒗𝒂𝒓𝜷
̂𝟐
𝒗𝒂𝒓𝜷
̂𝟑
𝒗𝒂𝒓𝜷
11
̂𝒊 )
Cálculo del error estándar de los beta e.e.( 𝜷
̂𝟎
𝒆. 𝒆. 𝜷 24,738,770
̂𝟏
𝒆. 𝒆. 𝜷 245
̂𝟐
𝒆. 𝒆. 𝜷 2,420
̂𝟑
𝒆. 𝒆. 𝜷 13
Se puede ver que el error estándar más grande es el intercepto, las primas
emitidas con las demás constantes en 0, siendo así el dato en el modelo con el
mayor espectro de error.
12
Supuestos de Gauss-Markov
Supuestos Como se ven reflejados en el modelo propuesto.
1. Modelo lineal en los VENTA DE Observando las
VEHICULOS LIGEROS
parámetros. 40,000,000
gráficas de las
35,000,000 variables que se
Es un supuesto bastante 30,000,000
25,000,000 hicieron contra las
flexible. En el modelo 20,000,000
15,000,000
primas emitidas
poblacional, la variable 10,000,000
podemos apreciar
dependiente y, está 5,000,000
0 nuestros datos y su
relacionada con la variable 0 100,000 200,000 300,000 400,000 500,000 600,000
relación, también de
independiente x y con el ACCIDENTES VS PRIMAS
su comportamiento
error u de la sig. manera. 600,000
500,000
lineal.
𝒚 = 𝜷𝟎 + 𝜷𝟏 (𝒙) + 𝒖 400,000
300,000
Gracias a esto
200,000 podemos asegurar
100,000
que las variables que
0
0 10,000,000 20,000,000 30,000,000 40,000,000 introducimos en
ROE VS PRIMAS
nuestro modelo son
40,000,000 relevantes para
35,000,000
30,000,000
explicar
25,000,000 𝒀(crecimiento de la
20,000,000
15,000,000
compañía), y por lo
10,000,000 tanto no existirá una
5,000,000
0
variable 𝑿 que no
0 200 400 600 800 1,000 1,200 1,400 1,600 1,800
explique a 𝒀.
2. Muestreo aleatorio. Los datos que tomamos para nuestro modelo fueron
tomados de la página oficial de Quálitas y de las bases de
Se cuenta con una muestra
datos del INEGI siendo así que presentan ser muestro
aleatoria de tamaño n que
aleatorio estratificado, tomando datos de todos los
sigue el modelo
estados de la república y de las primas se tomaron como
poblacional del supuesto 1
una serie de tiempo del periodo (2010-2020)
13
iguales, es decir, no todos esas cifras bajaban a 4 000, sucedía en todos los datos solo
tienen el mismo valor. que en algunos no tan marcado como en otros.
14
Análisis de sensibilidad.
15
Primas (en UN Venta de Autos en
Accidentes ROE %
miles) (Millones) autos circulación
Como podemos ver obtuvimos una reducción en el valor del error típico, un
pequeño aumento en el porcentaje de R2 y vimos que la variable realmente no
tenía un impacto grande sobre el valor de las primas, por lo que su aportación
pudo ser descartada.
Después optamos por quitar los autos en circulación debido a que también tenían
un comportamiento lineal muy independiente de lo que ocurría con las primas, por
lo que supusimos que podría no tener algún impacto significativo en el
comportamiento de esta. Por lo que nuestro modelo quedó de la siguiente
manera:
Primas (en
Accidentes UN (Millones) Venta de autos ROE %
miles)
Primas (en
Accidentes UN (Millones) Venta de autos
miles)
17
Conclusiones.
Conforme fuimos desarrollando y
realizando los análisis nos fuimos dando
cuenta que hay demasiadas cosas por
considerar y no es solo poner datos, sino
que también es de gran importancia
relacionar el impacto que cada variable
puede ocasionar en el modelo y como es
que podemos reducir el ruido que estos nos
pueden causar, gracias a lo visto en el
semestre pudimos disminuir
considerablemente la varianza de los datos que nos devolvía nuestro modelo, sin
embargo hay que considerar que los mercados económicos son muy volátiles y
esto pude causar imprecisión en predicciones futuras, por sobre todas las cosas
en un modelo en el que tenemos una forma muy poco usual de comportamiento
como lo son las primas de la empresa.
Como se puede observar en la gráfica se predice que para el próximo año
las primas emitidas no van a seguir aumentando como se había estado
presentando los últimos años si no que va a disminuir un poco esto debido
posiblemente a la crisis sanitaria y económica que ha causado la pandemia del
virus SARS-CoV-2, esto se puede observar debido al impacto que tuvo en la baja
de los accidentes, las ventas de vehículos y en general el uso disminuido del
transporte por el aislamiento, lo cuál se puede ver reflejado en los datos obtenidos
del año 2020 posteriores al confinamiento.
18
Bibliografia.
• Quálitas aseguradora. (2021, febrero). Informe anual integrado (No 2020).
https://www.qualitas.com.mx/Informe-Anual/pdf/Estrategia.pdf
• Mejores Aseguradoras de Autos en México 2020 - ASMX. (2021, 15 abril). Ahorra Seguros.
https://ahorraseguros.mx/seguros-de-autos/guias/mejores-aseguradoras-de-autos-en-mexico/
https://www.inegi.org.mx/app/tabulados/default.html?nc=100100090_a
https://www.inegi.org.mx/app/tabulados/default.html?nc=100100090_a
https://www.qualitas.com.mx/web/qmx/estadisticas-amis
19