 |
Universität Augsburg
|
|
|
Universität Augsburg
|
|
Frau Anne-Sophie Krah
Technische Universität Kaiserslautern
spricht am
Freitag, 26. Februar 2021
um
10:00 Uhr
im
per Zoom
über das Thema:
Anwendung eines adaptiven Machine Learning Algorithmus
zur Solvenzkapitalberechnung bei Lebensversicherern«
| Abstract: |
|
Zur Gewährleistung ihrer Solvabilität auch in nachteiligen ökonomischen Szenarien werden Lebensversicherer von der Solvency-II-Richtlinie aufgefordert, ein Solvenzkapital (SCR) vorzuhalten. Dieses ist definiert als der 99.5%-Value-at-Risk ihrer Verlustverteilung. Derzeit verfügen die Versicherer bei Weitem nicht über die Computerkapazitäten, die zur vollständigen Simulation dieser Verteilung mittels ihrer Cash-flow-Projection Modelle notwendig wären. Deswegen müssen sie aktuell auf Approximationstechniken wie die Least-Squares Monte Carlo (LSMC)-Methodik zurückgreifen. Die Idee der LSMC-Methodik besteht darin, nur wenige geschickt gewählte Monte Carlo Simulationen durchzuführen und daraus approximativ den Zusammenhang zwischen Verlust (= Output) und Risiken (= Input) herzuleiten. Im Fall von vielschichtigen Cash-flow-Projection Modellen und hochdimensionalen Risiken wird das resultierende Regressionsproblem so komplex, dass Machine Learning Methoden zur präzisen Modellierung erforderlich werden. Als Lösung wird ein adaptiver Machine Learning Algorithmus vorgestellt, der in zahlreichen Varianten ausgestaltet werden kann. Zu den Kernelementen dieses Algorithmus zählen die Regressionsmethode wie z.B. die gewöhnliche und verallgemeinerte Kleinste-Quadrate-Schätzung oder verallgemeinerte lineare und additive Modelle sowie ein Modellwahlkriterium wie z.B. AIC oder Kreuzvalidierung. Ausgewählte Varianten werden anhand der Daten eines Beispielversicherers illustriert. Anfrage Zoom-Zugangsdaten an Prof. Dr. Ralf Werner: ralf.werner@math.uni-augsburg.de |
| Hierzu ergeht herzliche Einladung. |
| Prof. Dr. Ralf Werner |