O seguro agrícola tem ganho maior atenção no Brasil desde o início da década passada, com a implementação do Programa de Subvenção ao Prêmio do Seguro Rural. O presente estudo testou o desempenho de algoritmos de Machine Learning para as seguradoras anteciparem a ocorrência de sinistro, elaborando previsões por meio de dados de apólices e bases de dados climáticas entre os anos de 2006 e 2017. Foram testados os algoritmos Random Forest, Support Vector Machine e k-Nearest Neighbours. O segundo mostrou melhor performance preditiva de sinistros. No entanto, todos os métodos apresentaram baixa capacidade preditiva para a ocorrência de sinistros.
Resumo: A previsão dos prêmios do seguro agrícola tem impacto relevante no dimensionamento orçamentário do Programa de Subvenção ao Prêmio do Seguro Rural (PSR). Pela ótica da responsabilidade e do planejamento do gasto público, é preciso estimar com relativa precisão quanto se pretende despender com o Programa no curto e médio prazo (Emenda Constitucional nº 95, de 2016). O presente estudo faz uma comparação de métodos para a projeção do prêmio do seguro agrícola por região. Foram utilizados os modelos SARIMA e os algoritmos NNAR, TBATS, MAPA e ELM, com e sem a covariável de subsídio. As metodologias foram aplicadas aos dados mensais do volume de prêmio do seguro agrícola das regiões Sul, Sudeste, Centro-Oeste e Nordeste do Brasil de 2006 a 2018. Foi observado que o modelo SARIMA univariado mostrou o melhor resultado nas regiões Centro-Oeste e Nordeste, ao passo que o SARIMA e o ELM com a covariável foram superiores na região Sul e Sudeste, respectivamente. A partir desses resultados, foi possível discutir a relevância da subvenção para a ampliação do seguro nas regiões analisadas.
Resumo: O seguro agrícola de faturamento possui vantagens e desvantagens frente ao seguro agrícola tradicional e, apesar de sua grande penetração no mercado norte-americano, no Brasil essa modalidade ainda é incipiente. Diante disso, o objetivo deste estudo foi avaliar o efeito de alterações no preço de referência (preço base) sobre as indenizações desses contratos para a cultura da soja, em municípios selecionados, no período de 2008 a 2018. Os resultados mostraram que há fraca associação entre as séries de preço e produtividade, pois o efeito estimado ficou próximo de zero, mas de caráter negativo em que preço e produção apresentam comportamento inversamente correlacionados. Além disso, a escolha do parâmetro de preços teve forte influência no valor da indenização, já que ao utilizar o preço de Paranaguá, os produtores receberiam um montante de indenização menor do que aquele a que teriam direito caso utilizassem o preço de referência da sua região. Em particular, para os estados do Mato Grosso e Mato Grosso do Sul, a diferença seria muito maior. Este fato pode ser um indício da baixa contratação do seguro de faturamento por esses produtores, que mesmo com a subvenção federal, têm apresentado demanda menor, comparativamente aos produtores da região Sul.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.