In einem aktuellen Forschungsprojekt, das das ifa gemeinsam mit der Universität Ulm durchführt, wird untersucht, welche Auswirkungen Aspekte wie Einkommen, Rauchverhalten, Beziehungsstatus im zeitlichen Verlauf auf die Sterbewahrscheinlichkeiten haben. Die multivariate Analyse der Lebenssituation und die dabei beobachteten Effekte erlauben interessante Rückschlüsse sowohl für Pricing und Underwriting als auch für das Risikomanagement. Thematisch befindet sich die Arbeit an der Schnittstelle zwischen den Schwerpunkten Modellierung von biometrischen Versicherungsrisiken und Data Analytics.
Die Akzeptanz lebenslanger Renten ist nach wie vor gering. Einer der Gründe liegt darin, dass Vermittler und Kunden „die“ lebenslange Rente oft mit einer in der Vergangenheit vorherrschenden Standardausgestaltung assoziieren. Dabei wird übersehen, dass es heutzutage eine große Vielfalt an Produktausgestaltungen in der Rentenbezugsphase gibt, sodass für unterschiedliche Kunden passende Lösungen existieren. [mehr]
Data-Analytics-Verfahren können gezielt eingesetzt werden, um bestehende Arbeitsschritte effizienter zu gestalten, z.B. beim Einsatz elastischer Netze bei der Tarifentwicklung in der Kfz-Versicherung. [mehr]
Data Analytics mit Use Cases in der Krankenversicherung[mehr]
Die Bedeutung der Unsicherheit der Inflation für langfristige Sparprozesse [mehr]
Offenlegung von Nachhaltigkeitsaspekten nach ESG-Kriterien ab März 2021 verpflichtend [mehr]
Aus säulenübergreifender Altersvorsorgeinformation wird digitale Rentenübersicht [mehr]
Präzisierung zum Nachweis der Angemessenheit des Garantiezinses [mehr]