Die erfolgreiche Anwendung von Data Analytics zur Hebung verborgener Schätze in eigenen Daten zählt aktuell zu den zentralen Herausforderungen und zusehends als Wettbewerbsfaktor in der Versicherungsbranche.
Eine vieldiskutierte Anwendungsmöglichkeit liegt in der Verwendung von modernen Machine-Learning-Methoden zur aktuariellen Tarifierung. Ein hohes Maß an Modell- und Datenverständnis vorausgesetzt liefert der Einsatz von State-of-the-Art-Modellen wie Random Forests, Boosting Machines oder neuronalen Netzen in der Regel eine deutliche Verbesserung in der Prognose von Schadenbedarfen.
Allerdings steht diesem Gewinn in der Vorhersagegüte der große Nachteil als sogenannte „Black Box“ gegenüber, also der grundsätzliche Verlust der Interpretierbarkeit des Modells und somit auch der Kenntnis, wie sich der Preis zusammensetzt. Vor allem gehen gegenüber klassischen aktuariellen Methoden wie Verallgemeinerten Linearen Modellen (GLM) bewährte Stellschrauben (z.B. Dämpfung und Spreizung von Ratingfaktoren im Tarifmodell) verloren.
Das ifa nutzt die ganze Bandbreite moderner Data-Analytics-Methoden, die sich zur verbesserten Tarifierung nahtlos in die klassische Anwendung von GLM integrieren lassen. Diese Vorgehensweise ist beispielsweise dazu geeignet
Das ifa beschäftigt sich seit mehr als 15 Jahren schwerpunktmäßig mit dem Thema Data Analytics und unterstützt Versicherer bei der Anwendung moderner Methoden des Machine Learning im Rahmen aktuarieller Tätigkeiten wie z.B. der Tarifierung.
Es ist unabdingbar, dass in der aktuellen Legislaturperiode wichtige Weichen für die Zukunft der Altersvorsorge in Deutschland gestellt werden. Vor diesem Hintergrund hat das Institut für Finanz- und Aktuarwissenschaften im Auftrag der Union Investment Privatfonds GmbH eine Studie erstellt, die allgemeinverständlich die zukünftigen Herausforderungen des Altersvorsorgesystems in Deutschland sowie die Wirkungsweise möglicher Reformansätze erläutert. Hieraus leiten wir Thesen zur Zukunft der Altersvorsorge in Deutschland und zu Anforderungen an Reformen ab, die sich aus fachlicher Sicht nahezu zwingend ergeben, wenn man die Faktenlage rational betrachtet. [mehr]
Geografische Analysen ermöglichen die intuitive Visualisierung eines Versicherungsbestandes. Wie sich beispielsweise die Profitabilität eines fiktiven Versicherungsbestandes auf den Ebenen Bundesland – Region – Kreis darstellt, können Sie mit unserer interaktiven Beispielkarte selbst ausprobieren. [mehr]
Forschungsarbeiten zu Solvency II mit Gauss-Preis ausgezeichnet [mehr]
VAIT-Novelle verlangt angemessenen Test aktuarieller Software [mehr]
Beitragsstabilität für BU-Tarife der Alte Leipziger bestätigt [mehr]
Quantitative Analysen zu Risikominderungstechniken im Kontext des Paneuropäischen Privaten Pensionsprodukts (PEPP) [mehr]
PRIIP: Europäische Kommission veröffentlicht überarbeitete RTS [mehr]