Palabras clave
risk factors
bonus malus system
rough set theory
artificial intelligence.
Cómo citar
Resumen
Objective – The objective of this paper is to test the validity of using ‘bonus-malus’ (BM) levels to classify policyholders satisfactorily.
Design/methodology/approach – In order to achieve the proposed objective and to show empirical evidence, an artificial intelligence method, Rough Set theory, has been employed.
Findings – The empirical evidence shows that common risk factors employed by insurance companies are good explanatory variables for classifying car policyholders’ policies. In addition, the BM level variable slightly increases the explanatory power of the a priori risks factors.
Practical implications – To increase the prediction capacity of BM level, psychological questionnaires could be used to measure policyholders’ hidden characteristics.
Contributions – The main contribution is that the methodology used to carry out research, the Rough Set Theory, has not been applied to this problem.
Una vez aprobada la publicación del artículo, el/los autor/es cede/n los derechos de copyright a la Revista Brasileira de Gestão de Negócios – RBGN.
Es OBLIGATORIO que los autores envíen a la RBGN el formulario de Cesión de Derechos de Autor debidamente cumplimentado y firmado según el modelo: [Derechos de autor]
Las condiciones de la Cesión de Derechos de Autor indican que la Revista Brasileira de Gestão de Negócios – RBGN goza a título gratuito y en carácter definitivo de los derechos de autor patrimoniales de los artículos publicados por ella. A pesar de la Cesión de los Derechos de Autor, la RBGN faculta a los autores al uso de estos derechos sin restricciones.
Los autores se responsabilizan de los textos publicados en la RBGN.
La RBGN adopta el modelo de licencia CC-BY Creative Commons Attribution 4.0, permitiendo la redistribución y reutilización de los artículos garantizando que la autoría esté debidamente acreditada.