Zur Merkliste hinzufügen
Zurück

 

53481-01 - Seminar: Predictive Modeling Anwendungen in der Versicherungsmathematik 3 KP

Semester Frühjahrsemester 2019
Angebotsmuster einmalig
Dozierende Michael Merz (michael.merz@unibas.ch, BeurteilerIn)
Inhalt Themen des Seminars:
Thema 1) Support Vector Machines
Abgabetermin: 11.03.2019
Besprechungstermin: 18.03.2019

Thema 2) Generalized Additive Models
Abgabetermin: 18.03.2019
Besprechungstermin: 25.03.2019

Thema 3) Chain-Ladder Method and Midyear Loss Reserving
Abgabetermin: 25.03.2019
Besprechungstermin: 01.04.2019

Thema 4) Claims Reserving with a Stochastic Vector Projection
Abgabetermin: 01.04.2019
Besprechungstermin: 08.04.2019

Thema 5) Actuarial Applications of Word Embedding Models
Abgabetermin: 08.04.2019
Besprechungstermin: 15.04.2019

Thema 6) Regression Trees with Application to Motor Third-Party Liability Claims
Abgabetermin: 22.04.2019
Besprechungstermin: 29.04.2019

Thema 7) Neural Networks with Application to Motor Third-Party Liability Claims
Abgabetermin: 29.04.2019
Besprechungstermin: 06.05.2019

Thema 8) Boosting machines with Application to Motor Third-Party Liability Claims
Abgabetermin: 06.05.2019
Besprechungstermin: 13.05.2019

Thema 9) Neural Networks Applied to Chain-Ladder Reserving
Abgabetermin: 13.05.2019
Besprechungstermin: 20.05.2019
Lernziele Die Teilnehmer/innen dieses Seminars sollen zum einen ihre bisher erworbenen statistischen und versicherungsmathematischen Kenntnisse weiter vertiefen und lernen, wie sie diese speziell bei der Prognose von versicherungsrelevanten Größen und Ereignissen anwenden können. Diese Prognosen können sich dabei auf die Zukunft beziehen oder auch nicht. Zum anderen sollen die Teilnehmer/innen durch die Erstellung der Seminararbeit auf das Verfassen ihrer Masterarbeit vorbereitet werden.
Literatur Zu den einzelnen Themen sind jeweils Literaturquellen angegeben. Ein großer Teil dieser Literaturquellen sind auf ADAM bereitgestellt. Einige wenige Literaturquellen müssen jedoch von den Studierenden selbst beschafft werden. Darüber hinaus kann es in einigen Fällen sinnvoll sein, bei der Erstellung der Seminararbeit weitere Literaturquellen heranzuziehen.

Zu Thema 1) Support Vector Machines
James, G., Witten, D., Hastie, T., Tibshirani, R.: An Introduction to Statistical Learning, 2013, Chapter 9.
Efron, B., Hastie, T.: Computer Age Statistical Inference, 2013, Chapter 19.

Zu Thema 2) Generalized Additive Models
James, G., Witten, D., Hastie, T., Tibshirani, R.: An Introduction to Statistical Learning, 2013, Chapter 7.
Frees, E. W., Derrig, R. A., Meyers, G.: Predictive Modeling Applications in Actuarial Science, Volume I, 2017, Chapter 15.

Zu Thema 3) Chain-Ladder Method and Midyear Loss Reserving
Dahms, R.: Astin Bulletin, 2017, 48(1), Seiten 3-24.

Zu Thema 4) Claims Reserving with a Stochastic Vector Projection
Portugal, L., Pantelous, A. A., Assa, H.: North American Actuarial Journal, 2018, 22(1), Seiten 22-39.

Zu Thema 5) Actuarial Applications of Word Embedding Models
Lee, G. Y., Manski, S., Maiti, T.:, Preprint, 2018

Zu Thema 6) Regression Trees with Application to Motor Third-Party Liability Claims
Noll, A., Salzmann, R., Wüthrich, M. V.: Case Study: French Motor Third-Party Liability Claims, Working Group Data Science of Swiss Association of Actuaries, 2018.
Wüthrich, M. V., Buser, C.: Data Analytics for Non-Life Insurance Pricing, Lecture Notes, 2018, Chapter 6.

Zu Thema 7) Neural Networks with Application to Motor Third-Party Liability Claims
Noll, A., Salzmann, R., Wüthrich, M. V.: Case Study: French Motor Third-Party Liability Claims, Working Group Data Science of Swiss Association of Actuaries, 2018.
Wüthrich, M. V., Buser, C.: Data Analytics for Non-Life Insurance Pricing, Lecture Notes, 2018, Chapter 5.

Zu Thema 8) Boosting machines with Application to Motor Third-Party Liability Claims
Noll, A., Salzmann, R., Wüthrich, M. V.: Case Study: French Motor Third-Party Liability Claims, Working Group Data Science of Swiss Association of Actuaries, 2018.
Wüthrich, M. V., Buser, C.: Data Analytics for Non-Life Insurance Pricing, Lecture Notes, 2018, Chapter 7.

Zu Thema 9) Neural Networks Applied to Chain-Ladder Reserving
Wüthrich, M. V.: Preprint, 2018, https://ssrn.com/abstract=2966126.
Wüthrich, M. V., Buser, C.: Data Analytics for Non-Life Insurance Pricing, Lecture Notes, 2018, Chapter 5.
Bemerkungen Der zeitliche Aufwand für die Anfertigung einer Seminararbeit beträgt ca. 90 Zeitstunden pro Studierenden. Die Seminararbeit soll in Zweiergruppen angefertigt werden. Der Partner/in für die Zweiergruppe kann dabei selbstgewählt werden. Teilnehmer/innen die keinen Partner/in angeben werden nach dem Zufallsprinzip zu Zweiergruppen zusammengefasst.

Am Montag, den 10.12.2018, findet um 12.00 Uhr im Kollegienhaus, Hörsaal 115, eine Vorbesprechung statt. Die Schlussbesprechung des Seminars ist am 27.5.2019 um 12.00 Uhr.

Unter
https://adam.unibas.ch/goto_adam_fold_357698.html
sind Hinweise zum Schreiben einer Seminararbeit, eine Einführung in LaTeX sowie ein LaTeX-Vorlage für Seminararbeiten zu finden.

 

Teilnahmebedingungen Die Lehrveranstaltung ist für Studierende des Masterstudiengangs "Actuarial Science" als Vorbereitung für das Verfassen ihrer Masterarbeit gedacht.
Unterrichtssprache Deutsch
Einsatz digitaler Medien Online-Angebot obligatorisch

 

Intervall unregelmässig
Datum 18.03.2019 – 18.03.2019
Zeit Montag, 12.15-13.00 Spiegelgasse 1

Individuelle Seminararbeitsbesprechungen finden im Z01.005, Spiegelgasse 1, statt.

Schlussbesprechung für alle Seminarteilnehmer/innen: 27. Mai 2019, 12:00, Ort wird noch bekannt gegeben.

Datum Zeit Raum
Montag 18.03.2019 12.15-13.00 Uhr --, --
Module Modul Personenversicherung (Masterstudium: Actuarial Science)
Modul Risiko-Analyse (Masterstudium: Actuarial Science)
Modul Schadenversicherung (Masterstudium: Actuarial Science)
Leistungsüberprüfung Lehrveranst.-begleitend
Hinweise zur Leistungsüberprüfung Die Teilnehmer/innen des Seminars sollen in Zweiergruppen mittels des Textsatzsystems LaTeX eine Seminararbeit (ca. 25 Seiten) in deutscher Sprache zu einem selbstgewählten Thema des Seminars anfertigen und spätestens bis zum jeweiligen Abgabetermin dem Dozenten eine PDF-Datei der Seminararbeit per E-Mail zusenden. Eine Woche nach dem jeweiligen Abgabetermin findet eine Einzelbesprechung statt, in der die Stärken und Schwächen der Seminararbeit detailliert besprochen werden. Der Leistungsnachweis ist erbracht, wenn die Seminararbeit rechtzeitig zum Abgabetermin abgegeben und mit PASS bewertet sowie der Besprechungstermin wahrgenommen wurde.
An-/Abmeldung zur Leistungsüberprüfung An-/Abmelden: Belegen resp. Stornieren der Belegung via MOnA
Wiederholungsprüfung keine Wiederholungsprüfung
Skala Pass / Fail
Wiederholtes Belegen keine Wiederholung
Zuständige Fakultät Universität Basel
Anbietende Organisationseinheit Fachbereich Mathematik

Zurück