💰 quantitative finance

A multi-view contrastive learning framework for spatial embeddings in risk modelling

Este artigo propõe um novo framework de aprendizado contrastivo multi-view que gera embeddings espaciais de baixa dimensão a partir de imagens de satélite e dados do OpenStreetMap para aumentar a precisão preditiva e a interpretabilidade de modelos de risco em aplicações de seguros e de mercado imobiliário.

Autores originais: Freek Holvoet, Christopher Blier-Wong, Katrien Antonio

Publicado 2026-08-19

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Freek Holvoet, Christopher Blier-Wong, Katrien Antonio

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine tentar compreender o caráter de um lugar apenas olhando para um ponto em um mapa. Durante décadas, seguradoras e analistas imobiliários têm feito exatamente isso, tratando uma localização simplesmente como um par de números: latitude e longitude. Eles esperavam que essas coordenadas dissessem tudo o que precisavam saber sobre risco ou valor de propriedade. Mas um ponto no mapa é silencioso; ele não sabe se está situado em um centro urbano movimentado, em um vale rural tranquilo ou em uma margem de rio sujeita a inundações. Ele não consegue ver as lojas próximas, o tipo de edifícios ou a textura da paisagem. Quando os analistas dependem apenas desses números brutos, seus modelos frequentemente perdem os padrões sutis do mundo real que definem como as pessoas vivem e como a natureza se comporta. Eles acabam desenhando linhas artificiais e retangulares ao redor de riscos que fluem suavemente pela terra, tal como tentar descrever um rio sinuoso desenhando uma série de degraus retos e retangulares.

Para resolver isso, pesquisadores começaram a usar uma técnica chamada "embedding". Pense em um embedding como uma impressão digital digital para um lugar. Em vez de apenas um par de números, uma localização é representada por uma curta lista de valores que capturam sua essência: como ela se parece, o que a rodeia e como ela se encaixa no mundo mais amplo. Este artigo introduz uma nova maneira de criar essas impressões digitais, ensinando um computador a olhar para um lugar de múltiplos ângulos ao mesmo tempo. Os pesquisadores combinaram imagens de satélite, que mostram a forma física da terra, com mapas digitais de atividade humana, como a localização de escolas, lojas e parques. Ao treinar um computador para combinar essas pistas visuais e contextuais com as coordenadas geográficas exatas, eles criaram um sistema que pode gerar uma descrição rica e detalhada de qualquer localização usando apenas sua latitude e longitude.

A equipe, liderada por Freek Holvoet e colegas, construiu um conjunto de dados massivo de quase 96.000 localizações na Europa. Para cada ponto, eles reuniram uma foto de satélite e uma contagem detalhada de comodidades próximas de um projeto de mapa global. Eles então treinaram um modelo de computador para aprender a conexão entre os dados visuais e contextuais e as coordenadas específicas daquele ponto. O modelo aprendeu a dizer: "Este padrão de edifícios e espaços verdes pertence a estas coordenadas específicas". Uma vez que o modelo aprendeu essa relação, ele poderia esquecer as imagens e os mapas inteiramente. A partir desse ponto, ele poderia pegar apenas um par de coordenadas para qualquer nova localização e gerar instantaneamente uma impressão digital digital complexa que continha toda a informação aprendida sobre os arredores daquele lugar.

Os pesquisadores testaram este sistema em dois cenários do mundo real muito diferentes. Primeiro, eles analisaram os preços das casas na França. Eles compararam modelos padrão que usavam apenas coordenadas brutas contra modelos que usavam as novas impressões digitais. Os resultados foram claros: os modelos que usavam as impressões digitais previam os preços com muito mais precisão. Mais importante ainda, os novos modelos podiam "ver" a paisagem de uma forma que os antigos não conseguiam. Quando os pesquisadores visualizaram as previsões, os modelos antigos produziam mapas blocados e não naturais, onde os preços saltavam abruptamente em linhas invisíveis. Os novos modelos produziram mapas suaves e realistas que identificavam corretamente áreas de alto valor ao redor de Paris e nos Alpes, enquanto reconheciam os valores mais baixos em regiões rurais. Eles até mostraram que o sistema poderia fazer previsões sensatas para áreas onde nunca tinha visto uma única venda de casa, simplesmente porque entendia o caráter geográfico dessas regiões.

Em um segundo teste, a equipe aplicou o método ao seguro contra inundações na Bélgica. Eles analisaram milhares de sinistros de inundação para ver se as impressões digitais poderiam ajudar a classificar áreas por risco. Novamente, os modelos que usavam as impressões digitais superaram aqueles que usavam coordenadas brutas. Eles foram melhores em distinguir entre bairros de alto e baixo risco, capturando a verdadeira forma das zonas de perigo ao longo dos vales dos rios, em vez de forçá-las em caixas artificiais. O estudo também mostrou que essas impressões digitais poderiam ser geradas em menos de um milissegundo, tornando-as rápidas o suficiente para serem usadas na precificação diária de seguros.

Este trabalho sugere que o futuro da análise de risco reside em dar aos computadores um senso de lugar mais rico. Ao ensinar as máquinas a entender que uma localização não é apenas um ponto no espaço, mas um lugar com um contexto visual e social específico, os analistas podem construir modelos que sejam mais precisos e mais justos. Os pesquisadores demonstraram que essas ferramentas podem ser treinadas em computadores padrão e adaptadas para diferentes regiões, oferecendo uma maneira prática de melhorar como precificamos seguros e gerenciamos riscos sem precisar acessar dados sensíveis ou proprietários para cada um dos cálculos. O resultado é um sistema que vê o mundo mais como um humano vê, entendendo que onde você está importa, mas o que está ao seu redor importa tanto quanto.

Resumo Técnico: Uma Estrutura de Aprendizado Contrastivo de Múltiplas Visões para Embeddings Espaciais em Modelagem de Risco

Definição do Problema
A incorporação de informações espaciais é fundamental para melhorar a precisão da subscrição e a gestão de riscos no setor de seguros, particularmente no que diz respeito a fatores climáticos, meteorológicos e demográficos. No entanto, os dados espaciais são frequentemente não estruturados, de alta dimensionalidade e difíceis de integrar em modelos preditivos. As abordagens tradicionais representam a localização como simples pares de coordenadas (latitude/longitude) ou variáveis categóricas (ex: códigos postais). Esses métodos falham em capturar a estrutura geográfica do mundo real; modelos de aprendizado de máquina como o gradient boosting costumam aplicar divisões lineares nas coordenadas, criando padrões retangulares artificiais que não se alinham com a geografia. Embora os entity embeddings (mapeamento de variáveis categóricas para vetores) tenham sido utilizados na ciência atuarial, eles são frequentemente inapropriados para a modelagem de risco espacial porque tratam as unidades espaciais como categorias independentes, falhando em capturar as transições suaves de risco através do espaço. Os métodos existentes de embedding espacial dependem frequentemente de uma única modalidade de dados ou exigem acesso a dados contextuais externos (ex: censo, imagens de satélite) no momento da inferência, limitando sua utilidade quando apenas as coordenadas estão disponíveis.

Metodologia
Os autores propõem uma nova estrutura de aprendizado contrastivo de múltiplas visões para gerar embeddings espaciais que combinam informações de múltiplas fontes de dados espaciais. A estrutura é projetada para produzir embeddings de baixa dimensão que capturam tanto a estrutura espacial quanto a similaridade contextual, permitindo a geração de embeddings para qualquer localização utilizando apenas suas coordenadas de latitude e longitude.

Construção do Conjunto de Dados:
- Um conjunto de dados de 95.857 localizações únicas na Europa foi construído, amostrado proporcionalmente à densidade populacional.
- Cada localização é enriquecida com duas visões espaciais:
  - Imagens de Satélite do Google (GS): Imagens RGB de 256×256 centradas na coordenada.
  - Recursos do OpenStreetMap (OSM): Contagens agregadas de seis categorias semânticas (lojas, turismo, alimentação e bebidas, saúde, educação, segurança pública) através de três anéis concêntricos de células hexagonais H3 (37 hexágonos no total).
Arquitetura do Modelo:
O modelo consiste em dois ramos principais alinhados via aprendizado contrastivo:
- Codificadores de Visão Espacial (Fusão de Múltiplas Visões):
  - Codificador GS: Uma arquitetura ResNet18 (pré-treinada no SSL4EO-S12) processa as imagens de satélite.
  - Codificador OSM: Uma rede neural convolucional customizada processa os dados hexagonais do OSM. Ela utiliza uma estratégia de mapeamento (Moussaid, 2023) para transformar grades hexagonais em matrizes quadradas com cantos mascarados, permitindo o uso de filtros convolucionais padrão enquanto preserva as relações de vizinhança.
  - Fusão: As saídas dos codificadores GS e OSM são concatenadas e passadas por uma rede neural feed-forward para produzir um embedding de visão espacial conjunta ( $z_{MV}$ ).
- Codificador de Localização:
  - Converte latitude–longitude ( $\lambda, \phi$ ) em um vetor ( $z_{LE}$ ) da mesma dimensão que o embedding da visão fundida.
  - Utiliza um codificador posicional baseado em harmônicos esféricos (Rußwurm et al., 2024) para decompor as localizações espaciais, seguido por uma rede Siren (sinusoidal activation feed-forward network) para garantir uma representação suave sobre uma esfera.
- Objetivo de Treinamento:
  - O modelo é treinado usando uma função de perda contrastiva (semelhante ao CLIP). O objetivo é maximizar a similaridade entre o embedding baseado em coordenadas ( $z_{LE}$ ) e o embedding baseado em dados ( $z_{MV}$ ) para a mesma localização, enquanto minimiza a similaridade para localizações desalinhadas.
  - Este processo força o codificador de coordenadas a internalizar a informação contextual contida nas visões de satélite e OSM.
Inferência:
Uma vez treinado, o codificador de localização pode gerar embeddings espaciais para novas localizações utilizando apenas suas coordenadas, sem a necessidade de acessar os dados originais de satélite ou OSM.

Principais Contribuições

Arquitetura Inovadora: O artigo propõe a primeira arquitetura na literatura atuarial que funde múltiplas visões espaciais (imagem e contexto tabular) com um codificador de coordenadas via aprendizado contrastivo.
Foco Regional: Ao contrário dos modelos de fundação globais (ex: AlphaEarth, SatCLIP) que produzem representações globais de alta dimensão, esta estrutura é projetada para aplicações regionais de grão fino. É computacionalmente eficiente o suficiente para ser re-treinada em hardware de consumo (GPU única) e pode ser adaptada a regiões ou fontes de dados específicas.
Inferência Apenas com Coordenadas: A estrutura resolve o problema de gerar recursos espaciais ricos para conjuntos de dados que contêm apenas coordenadas, uma restrição comum em carteiras de seguros.
Recursos Abertos: Os autores disponibilizam o código no GitHub e lançam cinco modelos de embedding pré-treinados de dimensões variadas (8, 16, 32, 64) treinados em dados europeus.

Resultados Experimentais
A estrutura foi validada através de dois estudos de caso:

Preços de Imóveis na França (Regressão):
- Configuração: Predição de preços de propriedades usando Modelos Lineares Generalizados (GLM), Modelos Aditivos Generalizados (GAM) e Máquinas de Gradient Boosting (GBM).
- Desempenho: Substituir as coordenadas brutas por embeddings espaciais melhorou consistentemente a precisão preditiva fora da amostra (menor Erro Quadrático Médio) em todos os três tipos de modelos. A melhoria foi mais significativa para GLMs (redução de aprox. 21% na perda) e GAMs (25%), pois esses modelos têm dificuldade em capturar padrões espaciais complexos apenas com coordenadas brutas.
- Interpretabilidade: A análise de importância de variáveis mostrou que os embeddings espaciais tornaram-se a característica mais importante. Gráficos de dependência parcial revelaram que os embeddings capturaram padrões sutis (ex: resorts de esqui específicos, gradientes urbano-rurais) que as coordenadas brutas ou o suavizamento padrão não conseguiram capturar.
- Generalização: O modelo generalizou com sucesso os efeitos espaciais para regiões (Bas-Rhin, Haut-Rhin, Moselle) ausentes dos dados de treinamento, capturando padrões de risco realistas baseados em características espaciais em vez de extrapolação de coordenadas.
Contagem de Sinistros de Inundação na Bélgica (Seguros):
- Configuração: Modelagem da contagem de sinistros de inundação por código postal usando Poisson GLM, GAM e GBM.
- Desempenho: Os embeddings espaciais reduziram o desvio de Poisson fora da amostra para todas as classes de modelos em comparação com entradas baseadas em coordenadas.
- Classificação de Risco: A análise da curva de Lorenz demonstrou que os modelos que utilizam embeddings alcançaram uma melhor classificação de risco (maiores índices de Gini), particularmente na distinção entre áreas de alto risco (ex: Verviers, Liège) e áreas de baixo risco. Os embeddings permitiram que o GLM recuperasse padrões de inundação de forma mais precisa do que um GAM com suavização de coordenadas bivariada.

Significância e Alegações
O artigo alega que esta estrutura oferece um método flexível, escalável e computacionalmente eficiente para incorporar informações geográficas em modelos de precificação atuarial. Ao ir além dos entity embeddings e do simples suavizamento espacial, os embeddings espaciais propostos fornecem representações de risco suaves, transferíveis e explicáveis.

Os autores enfatizam que estes embeddings permitem que os modelos:

Capturem estruturas locais detalhadas (topografia, uso do solo) que modelos globais podem negligenciar.
Generalizem efeitos para territórios sem observações de resultados, associando previsões a características espaciais em vez de coordenadas absolutas.
Sejam re-treinados periodicamente para acompanhar mudanças temporais no ambiente (ex: utilizando arquivos de satélite históricos).

O trabalho posiciona os modelos de fundação espacial como o próximo passo viável para a ciência atuarial, preenchendo a lacuna entre a IA geoespacial de grande escala e a gestão prática de risco granular no setor de seguros. Os autores observam que, embora os embeddings sejam poderosos, seu uso como fatores de tarifação requer uma consideração cuidadosa quanto à equidade, pois podem capturar padrões socioeconômicos não presentes nas variáveis territoriais tradicionais.

Mais como este