Optimización de la gestión de objetivos comerciales en el sector asegurador

  1. TURRADO GARCÍA, FERNANDO
Dirigida por:
  1. Ana Lucila Sandoval Orozco Director/a
  2. Luis Javier García Villalba Director

Universidad de defensa: Universidad Complutense de Madrid

Fecha de defensa: 16 de junio de 2023

Tribunal:
  1. Antonio José Heras Martínez Presidente
  2. José Luis Vilar Zanón Secretario
  3. Joseba Iñaki de la Peña Esteban Vocal
  4. Xavier Vilasís-Cardona Vocal
  5. José Garrido Manso Vocal

Tipo: Tesis

Resumen

El problema conocido como la teoría de agentes, o la relación agente-principal, es un problema ampliamente conocido y estudiado bajo la perspectiva económica en el que se estudia cómo una entidad llamada principal delega parte de su actividad a otra conocida como agente a cambio de una compensación económica preestablecida. Así, en este contexto surge de forma natural un conflicto de intereses entre los intereses propios del principal y los del agente ya que el agente es autónomo en su toma de decisiones y el principal sólo puede influir en estas decisiones a través del contrato que regula su relación. El diseño de los mecanismos de compensación económica (comisiones e incentivos), parte fundamental del contrato entre ambas entidades, se realiza en condiciones bastante complejas que dificultan la labor del principal a la hora de diseñarlo: existe asimetría en la información dado que el principal no conoce la estrategia interna del agente ni el esfuerzo (cantidad de trabajo que es capaz de desarrollar) y la utilidad de algunas acciones no se conoce a corto plazo ni es inmediata (los incentivos se calculan de forma periódica) por lo que el agente no conoce la "rentabilidad real" de dichas acciones cuando toma las decisiones. Como dificultad añadida por las peculiaridades del sector asegurador, las principales variables que condicionan la toma de decisiones (p.e. prima de las pólizas contratadas por el agente en nombre de la compañía de seguros o el esfuerzo necesario para gestionar la contratación de una póliza) son variables aleatorias cuyo valor concreto también se desconoce en el momento de tomar la decisión. En este contexto la tesis presenta un método que permite al principal evaluar el impacto de cambios en dicho contrato y definir los objetivos comerciales que impone a los agentes antes de formalizarlos en dicho contrato. Este conocimiento previo le permite basar sus decisiones (en el momento de diseñar los objetivos) ex ante a su aplicación y por lo tanto optimizar el diseño de los objetivos alineando los del agente a los suyos. El método propuesto se basa en resolver un problema estocástico de la mochila adaptado a las particularidades del sector asegurador. Para la construcción del algoritmo se combinan técnicas de inteligencia artificial (aprendizaje supervisado) con modelos matemáticos como la programación matemática o la teoría de grafos. De esta forma, mediante la aplicación del método propuesto se consigue estimar la máxima remuneración del agente en base a los objetivos fijados y la capacidad de trabajo del agente. De la misma forma también se pueden establecer indicadores objetivos sobre las propiedades intrínsecas de los objetivos definidos que permiten su catalogación y mejora. Además, este método permite la determinación de la estrategia óptima del agente en base su política de aversión al riesgo (a la hora de tomar decisiones). En base a lo anterior, la compañía aseguradora puede estimar de forma anticipada el cambio de comportamiento (o estrategia) del mediador ante los cambios que está planteando introducir en el esquema de remuneración. Las principales novedades del método propuesto pueden resumirse bajo dos líneas de trabajo complementarias e independientes desde el punto de vista de la investigación científica. Por un lado se muestra cómo mediante la combinación de modelos de aprendizaje supervisado con técnicas de programación matemática no lineal se pueden ajustar mucho más a la realidad las soluciones óptimas de un problema de optimización combinatoria. En el otro lado, se propone una adaptación del método conocido como Monte Carlo Tree Search a un juego que no es de suma cero para predecir la secuencia de acciones.