Цель исследования - разработка и апробация модели прогнозирования возможных убытков по полису ОСАГО с использованием методов машинного обучения. Актуальность темы обусловлена значимостью роли, которую играет рынок страхования и, в частности, транспортного страхования в развитии российской экономики. Актуальность исследования подкрепляется высоким коэффициентом убыточности для данного вида страхования и необходимостью оптимизации параметров рынка. Объектом исследования является российский рынок транспортного страхования. Предмет исследования - методы машинного обучения, позволяющие прогнозировать убытки обязательного страхования автогражданской ответственности (ОСАГО) в зависимости от входных параметров, характеризующих данные о страхователе и его транспортном средстве. В работе проведено сравнение эффективности ансамблевых методов машинного обучения с традиционным методом обобщенной линейной модели при прогнозировании убытка ОСАГО. Используется разделение способов возмещения убытка ОСАГО на традиционный и прямой. Показано, что эффективность применения бустинговых моделей машинного обучения выше, чем при прогнозировании с использованием традиционных методов и моделей бэггинга. Выделены значимые факторы, влияющие на частоту и серьезность страхового случая: количество средней тяжести ДТП на транспортном средстве, количество водителей, коэффициент "бонус-малус"; минимальный стаж водителя в полисе, мощность транспортного средства, тип населенного пункта. Сделаны выводы о том, что на рост прогнозируемого убытка положительное влияние оказывает количество ДТП, количество водителей в полисе, низкий стаж и низкий возраст водителей. Выделяется влияние гендерного состава водителей: рост количества женщин-водителей приводит к снижению страховых рисков по полису ОСАГО.
