Egresada de actuaría de la Facultad de Ciencias gana segundo lugar en el Premio Nacional de Actuaría 2024
Por Susana Paz
Con el tema Entrenando un algoritmo Light Gradient Boosting Machine para predecir la cancelación temprana de pólizas de seguro por falta de pago, la egresada de la licenciatura de actuaría de la Facultad de Ciencias de la UNAM (FC), Diana Romo Carrillo, obtuvo el segundo lugar del Premio Nacional de Actuaría 2024 en la categoría de Investigación.
El premio se entregó en el marco del Congreso de Asociaciones y Secciones Actuariales que organiza el Colegio Nacional de Actuarios, A.C. y tiene como propósito estimular y reconocer cada dos años la investigación aplicada, el análisis de temas de interés vinculados con la innovación y la creación de proyectos relacionados con la Actuaría en México, por lo que participan proyectos y trabajos inéditos de investigación o tesis de titulación elaboradas por uno o varios actuarios.
Para Diana Romo este reconocimiento “es muy satisfactorio que después de tanto esfuerzo se pueda tener un premio, al menos un reconocimiento de lo que implica hacer una tesis, sobre todo cuando uno está trabajando y ya no se tiene tanto tiempo y no es tan sencillo sentarte a escribir tantas horas”.
En 2020 terminó los créditos de la licenciatura e inició con su tesis bajo la asesoría del maestro Jaime Vázquez Alamilla, coordinador de Actuaría en la Facultad y en la cual planteó cómo trabaja un algoritmo.
Diana comenzó su vida laboral en una empresa pequeña de seguros, y fue ahí en donde identificó su tema de investigación porque empezó a suceder un fenómeno: Las pólizas que se empezaban a vender se cancelaban por falta de pago en los primeros dos meses a partir de la venta. Esto sucedía porque en su momento había una regla de la Comisión Nacional de Seguros y Fianzas, donde les daban derecho a los beneficiarios de no pagar sus pólizas al menos en los primeros dos meses y después de eso ya comenzar a pagar.
En ese periodo algunos no pagaban nada, pero, después, si no pagaban se cancelaba. La tasa de cancelación iba subiendo rápido, y en estos dos meses que ellos no pagaban por contrato, pues estaban en su derecho de no pagar, pero también en su derecho de recibir la suma asegurada si algún siniestro sucedía, los clientes estaban protegidos sin pagar nada.
Muchas veces los siniestros no sucedían; sin embargo, explica, hay una parte operacional y administrativa que es costosa para la empresa, por lo que, si la aseguradora está entrando en estos gastos y costos de administración, con el riesgo de tener que pagar una suma asegurada sin recibir pago de la prima, está en aprietos si ese índice empieza a subir mucho.
De ahí nació la inspiración del modelo que propuso y que utiliza un algoritmo llamado Light Gradient Boosting Machine, un algoritmo de dominio público desarrollado por Microsoft del que se publicaron en 2017 las primeras versiones.
“Hay librerías en Python y en R que te explican exactamente qué es lo que está sucediendo en el algoritmo, que fue a lo que me dediqué a desmenuzar en mi trabajo. Cómo está funcionando la parte matemática, la parte estadística que viene detrás de ese algoritmo para tener un objetivo final que es predecir antes de la venta, cuáles van a ser estos clientes que pueden caer en este impago en esos 60 días. Entonces, fue identificar a los clientes que son altamente probables de no pagar nada, ver cómo se gestiona su participación en las campañas de venta, ver si las personas tienen esta probabilidad tan alta para no mandarlos como candidatos prioritarios o bajarlos de la campaña”.
Las principales conclusiones al observar la cancelación o probabilidad alta de cancelación por falta de pago esta relacionada con la situación económica del cliente, con el tipo de producto, si la póliza es muy cara pierden interés, es decisiva también la edad, más jóvenes son es probable que tengan esta cancelación que alguien que tenga más posicionada su vida económicamente activa, comentó.
“Esta fue una de tantas propuestas de aplicación que yo le veía al modelo, y esa fue la inspiración. En todo ello es importante ver cómo participan los datos, qué tan importantes son en el algoritmo, ver lo fascinante que tiene ahora una computadora detrás de estas decisiones y, sobre todo, la parte de negocio que es algo que actuaría tiene muy arraigado. El último rubro de la tesis fue la propuesta de la implementación”.
El trabajo tiene también un ángulo innovador al ver que está pasando con la “caja negra”, pues el algoritmo que utilizó es un modelo de machine learning, la cual es una herramienta de inteligencia artificial que está utilizándose mucho.
Para Diana Romo, la recomendación para culminar la tesis es tener disciplina. Si bien dice que todo comienza con motivación, cuando esta se acaba tiene que prevalecer la disciplina para poder continuar, además de mantener siempre un objetivo claro.
Actualmente trabaja como científica de datos en un banco, en donde hace modelos, estadística y programación. Además, es ayudante de profesora en la licenciatura de actuaría en la FC.
En su opinión hay universidades en las que se imparte Actuaría, pero está contenta de haberla cursado en la UNAM. Explica que se siente muy orgullosa de cruzarse con actuarios en su trabajo y de ver lo buenos que son.
“Creo que técnicamente somos un referente. Me alegro de haber cursado esta carrera no solo porque me gusta sino porque te da un abanico de conocimiento muy interesante, tienes formación técnica muy fundamentada de la matemática, la estadística y las materias actuariales”.
En la conversación explicó que se siente orgullosa de ella, “justo antes estaba pasando por una época de la mitad de los 20 en la que no sabes si estás haciendo las cosas bien, si vas por buen camino. Recibir esa noticia fue una palmada en la espalda, fue decir: lo estás haciendo bien, sí puedes. Además, me sentí muy apoyada por mi familia a quienes les agradezco mucho, también agradezco a mi pareja y a mi asesor, que fue mi profesor en la carrera y quien siempre me animó mucho”.
