En la era del rápido avance tecnológico y la creciente disponibilidad de datos, el campo de la modelización de riesgos enfrenta tanto desafíos como oportunidades sin precedentes. Los enfoques tradicionales de modelización de riesgos, aunque robustos, a menudo luchan por capturar la complejidad y la naturaleza dinámica de los factores de riesgo modernos. Este documento tiene como objetivo proporcionar un método para abordar el problema de la fijación de precios en seguros relacionado con la predictibilidad de precios y el MLOT (Dinero Dejado Sobre la Mesa) al redactar un libro de riesgos. También se da un ejemplo de cómo mejorar la selección de riesgos a través de elecciones adecuadas de algoritmos de aprendizaje automático y funciones de pérdida adecuadas. Aplicamos esta metodología a los datos proporcionados y discutimos los impactos en la selección de riesgos y el poder predictivo de los modelos utilizando los datos proporcionados.