O objetivo deste trabalho é estimar a distribuição conjunta do risco e da aversão ao risco no mercado de seguros de automóveis. Para tal, será utilizado o modelo estrutural proposto por Cohen e Einav (2007), que permite identificar esta distribuição à partir das coberturas escolhidas pelos segurados e dos sinistros declarados. Na metodologia empírica, utilizamos o método de Monte Carlo via Cadeias de Markov (MCMC). A base de dados utilizada se refere à apólices de seguros transacionadas na região metropolitana de São Paulo, apenas para a seguradora com maior participação neste mercado. Os resultados obtidos indicam que os coeficientes de aversão ao risco absoluto apresentam média baixa, mediana ainda menor e elevada heterogeneidade não observada. Observou-se também uma correlação negativa entre o risco e a aversão ao risco. / This study aims to estimate the distribution of risk aversion from the car insurance market. For this, the method proposed by Cohen e Einav (2007) model that allows unobserved risk is used. The data refer to the metropolitan area of São Paulo with an analysis restricted to only one insurer. The methodology will be the Gibbs sampling which enables increased data risk of latent variables and risk aversion. The results indicate a small mean level of absolute risk aversion and even lower median, featuring high dispersion coefficients.
Identifer | oai:union.ndltd.org:IBICT/oai:teses.usp.br:tde-12082015-175903 |
Date | 20 May 2015 |
Creators | Caio Matteúcci de Andrade Lopes |
Contributors | Elaine Toldo Pazello, Luis Henrique Bertolino Braido, Bruno Cesar Aurichio Ledo |
Publisher | Universidade de São Paulo, Economia, USP, BR |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Biblioteca Digital de Teses e Dissertações da USP, instname:Universidade de São Paulo, instacron:USP |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0014 seconds