Die Versicherungsbranche ist im Wandel – sie ist besonders betroffen (und kann gleichzeitig besonders profitieren) von Digitalisierung und Automatisierung. Künstliche Intelligenz erlaubt es, viele Prozesse in Risikomanagement, Marketing und Schadenabwicklung zu verbessern und zu beschleunigen. Dieser Workshop gibt Einblick über Algorithmen zur besseren Vorhersage und Reservierung in Lebens- und Schadenversicherungsmathematik.
Der Kurs startet mit «Generalized Linear Models» (GLMs), führt dann aber in flexiblere Regressions-Modelle wie «Regression Trees», «Random Forests» und «Gradient Boosting» ein. In der zweiten Kurs-Hälfte werden neuronale Netze und «deep learning» Algorithmen besprochen. Ziel ist es, eine Art «Toolbox» von Algorithmen vorzustellen, zusammen mit verschiedenen Anwendungen in der Versicherung. Übungsteile und Anwendungsbeispiele werden präsentiert in der Programmiersprache «R».
Der Kurs basiert auf dem Klassiker: G. James, D. Witten, T. Hastie and R. Tibshirani: “An Introduction to Statistical Learning; with Applications in R” (2. Auflage, 2021) sowie verschiedenen Büchern aus dem Bereich «Actuarial Data Science».
Referenten
Prof. Dr. Peter Hieber
Peter Hieber ist seit 2021 Professor (tenure-track) für Versicherungswissenschaften an der HEC Lausanne (Schweiz) und Mitglied der Deutschen (DGVFM) und der Schweizer (SAV) Aktuarvereinigung. Seine Forschungs- und Lehrinteressen liegen insbesondere in „Lebens- und Pensionsversicherungsmathematik“ und „Actuarial Data Science“. Nach einer Promotion in Finanzmathematik an der TU München hat er 2022 am Institut für Versicherungswissenschaften der Universität Ulm (Deutschland) habilitiert. Gemeinsam mit José Garrido (Montreal) und Sascha Günther unterrichtete er die Summer School „Machine Learning in Insurance“ der Schweizer Aktuarvereinigung (saa-iss.ch).
Sascha Günther, PhD Cand.
Sascha Günther ist Doktorand am Institut der Versicherungswissenschaften der Université de Lausanne (HEC Lausanne) und arbeitet als Assistent von Prof. Peter Hieber.
Er schloss sein Studium mit einem Master in Wirtschaftsmathematik an der Technischen Universität Dresden ab. Seine Forschungsschwerpunkte sind variable Annuitäten und die Anwendung von Machine Learning bei Versicherungen.
Organisationsteam
Univ.-Prof. DI Dr. Michaela Szölgyenyi
Michaela Szölgyenyi ist ordentliche Professorin für Stochastische Prozesse an der Universität Klagenfurt (AAU). Ihre Forschungsinteressen konzentrieren sich auf numerische Methoden und die Analyse stochastischer Differentialgleichungen und deren Anwendungen im maschinellen Lernen, in den Energiemärkten sowie in der Finanz- und Versicherungsmathematik.
Nach ihrer Promotion an der Johannes Kepler Universität Linz war sie als Postdoc an der Wirtschaftsuniversität Wien tätig. Anschliessend war sie, finanziert durch ein Stipendium des AXA Research Fund, Postdoktorandin am Seminar für Angewandte Mathematik der ETH Zürich und assoziierte Mitarbeiterin des RiskLab Switzerland.
Derzeit ist sie Leiterin des Instituts für Statistik und Koordinatorin des FWF doc.funds Doktoratskollegs Modellierung – Analyse – Optimierung.
DI Dr. Jürgen Hartinger
Jürgen Hartinger ist seit 2014 Mitglied des Vorstands der Kärntner Landesversicherung (KLV).
Nach seiner Promotion an der TU Graz mit dem Schwerpunkt Versicherungs- und Finanzmathematik war er als wissenschaftlicher Mitarbeiter am RICAM (ÖAW) tätig. Als er 2006 in die KLV eintrat, leitete er das Aktuariatsbüro. Zu seinen Aufgaben gehörte die Implementierung quantitativer Methoden in Enterprise Risk Management und Solvency II.
Weitere Informationen
Unterrichtssprache: Englisch
Datum und Uhrzeit: 3. Mai (9 Uhr) bis 5. Mai (13 Uhr)
Ort: Universität Klagenfurt, Raum Z.1.08 / Z.1.09
Anmeldegebühr: € 1.350,- (inkl. MwSt., Pausenverpflegung und Conference Dinner)
