Skip navigation

Use este identificador para citar ou linkar para este item: https://repositorio.ufpb.br/jspui/handle/123456789/37925
Registro completo de metadados
Campo DCValorIdioma
dc.creatorOliveira, Marcio Vaz de-
dc.date.accessioned2026-04-22T16:17:59Z-
dc.date.available2026-04-22T16:17:59Z-
dc.date.issued2026-03-24-
dc.identifier.urihttps://repositorio.ufpb.br/jspui/handle/123456789/37925-
dc.description.abstractThis study investigates which observable factors in the insurance market explain the dynamics of loss ratios in line 0351 – General Liability Insurance – in Brazil. The empirical analysis is based on monthly data reported by insurance companies to the Brazilian insurance regulator (SUSEP), covering the period from November 2016 to May 2025. Initially, a SARIMA time series model was estimated in order to identify temporal and seasonal patterns in market loss ratios. Subsequently, a vector autoregressive (VAR) model was applied to examine the interaction between loss ratios and variables representing the operational structure of insurance companies. In addition, generalized linear models (GLM) were estimated under different distributions from the exponential family. The Tweedie distribution provided the best fit according to the Akaike Information Criterion (AIC). A clustering algorithm was also employed to identify distinct segments among insurers operating in the market. The results indicate that loss ratios exhibit temporal persistence and are associated with variables such as risk retention, participation in technical reserves, and market premium share. The findings suggest that the dynamics of loss ratios in the analyzed line can be explained by observable factors related to insurers’ operational structure and market conditionspt_BR
dc.description.provenanceSubmitted by Maria Erika (maria.erika@academico.ufpb.br) on 2026-04-14T16:51:40Z No. of bitstreams: 2 license_rdf: 805 bytes, checksum: c4c98de35c20c53220c07884f4def27c (MD5) MVO14042026.pdf: 1662523 bytes, checksum: f5a035c53a7c3ff1572044b18e5c8a3e (MD5)en
dc.description.provenanceApproved for entry into archive by André Domingos da Silva (andredomingos@ccsa.ufpb.br) on 2026-04-22T16:17:59Z (GMT) No. of bitstreams: 2 license_rdf: 805 bytes, checksum: c4c98de35c20c53220c07884f4def27c (MD5) MVO14042026.pdf: 1662523 bytes, checksum: f5a035c53a7c3ff1572044b18e5c8a3e (MD5)en
dc.description.provenanceMade available in DSpace on 2026-04-22T16:17:59Z (GMT). No. of bitstreams: 2 license_rdf: 805 bytes, checksum: c4c98de35c20c53220c07884f4def27c (MD5) MVO14042026.pdf: 1662523 bytes, checksum: f5a035c53a7c3ff1572044b18e5c8a3e (MD5) Previous issue date: 2026-03-24en
dc.languageporpt_BR
dc.publisherUniversidade Federal da Paraíbapt_BR
dc.rightsAcesso abertopt_BR
dc.rightsAttribution-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nd/3.0/br/*
dc.subjectSeguros de responsabilidade civilpt_BR
dc.subjectSéries temporaispt_BR
dc.subjectModelos lineares generalizadospt_BR
dc.subjectMercado seguradorpt_BR
dc.titleA sinistralidade no seguro de responsabilidade civil geralpt_BR
dc.typeTCCpt_BR
dc.contributor.advisor1Duarte, Filipe Coelho de Lima-
dc.description.resumoEste trabalho investiga quais fatores observáveis do mercado segurador explicam a dinâmica da sinistralidade no ramo 0351 – Seguro de Responsabilidade Civil Geral – no Brasil. A análise foi conduzida a partir de dados mensais reportados pelas seguradoras à Superintendência de Seguros Privados (SUSEP), abrangendo o período de novembro de 2016 a maio de 2025. Inicialmente, foi realizada modelagem de séries temporais por meio de modelo SARIMA, com o objetivo de identificar padrões temporais e sazonais na sinistralidade do mercado. Em seguida, foi estimado um modelo vetorial autorregressivo (VAR) para examinar a interação entre a sinistralidade e variáveis representativas da estrutura operacional das seguradoras. Complementarmente, foram estimados modelos lineares generalizados (GLM) sob diferentes distribuições da família exponencial, sendo selecionado o modelo com distribuição Tweedie com base no critério de informação AIC. Também foi aplicada técnica de agrupamento para identificar segmentos distintos entre as seguradoras do mercado. Os resultados indicam que a sinistralidade apresenta persistência temporal e está associada a variáveis como retenção de riscos, participação em provisões técnicas e participação no prêmio do mercado. Conclui-se que a dinâmica da sinistralidade no ramo analisado pode ser explicada por fatores observáveis relacionados à estrutura operacional das seguradoras e às condições do mercado segurador.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCiências Sociais Aplicadaspt_BR
dc.publisher.initialsUFPBpt_BR
dc.subject.cnpqCNPQ::OUTROS::CIENCIAS ATUARIAISpt_BR
Aparece nas coleções:CCSA - TCC - Ciências Atuariais

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MVO14042026.pdf1,62 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons