Teilnahme am ML-Workshop im Versicherungswesen und Risikomanagement in Kooperation mit der TU München
Finbridge nahm teil am zweitägigen Workshop zu Themen des maschinellen Lernens und Monte-Carlo im Risikomanagement und Versicherungswesen am 15. und 16.09.2022, organisiert von der Technischen Universität München - Forschungsgruppe Finanz- und Versicherungsmathematik.
Wir konnten Einblicke in die gelungenen Umsetzungen von zahlreichen Anwendungen aus der Wirtschaft bekommen, wie bspw. von der ERGO Group AG, ALLIANZ Private Krankenversicherungs AG, B&W Deloitte. Außerdem gab es spannende neue Impulse aus der Forschung und zahlreiche lebhafte Diskussionen.
Folgende spannende Themen wurden behandelt:
Credit portfolio selection based on a stochastic gradient descent algorithm: Jan Frederik Mai / XAIA Investment
Challenges in classification problems with highly imbalanced classes: A case study on churn prediction: Simon Hatzesberger / Allianz Private Krankenversicherungs AG
Detection of Interacting Variables for Generalized Linear Models via Neural Networks: Yevhen Havrylenko / Technische Universität München
Deep/Machine Learning in Insurance Input Management Operations: Sebastian Kaiser / Ergo Group AG
Deep Calibration: Niklas Walter / Ludwig Maximilian Universität München
Generating financial time series with Quant GANs: Ralf Korn /Technische Universität Kaiserslautern
Bridging the gap between pricing and reserving with an occurrence and development model for non-life insurance claims: Katrien Antonio / KU Leuven
Gauss Process Regression and the Pricing and Hedging of Exotic Derivative Contracts: Wim Schoutens / KU Leuven
Rare-Event Simulation in Insurance: Theory and Practice: Hansjörg Albrecher / Université de Lausanne
Deep Hedging: Continuous Reinforcement Learning for Hedging of General Portfolios across Multiple Risk Aversions: Phillip Murray / Imperial College London
Modelling in a regulatory framework: Gerhard Stahl / HDI Versicherungen
Machine Learning in Risk Models – Characteristics and Supervisory Priorities: Matthias Fahrenwaldt / Bundesanstalt für Finanzdienstleistungsaufsicht
Confidence Intervals for naive Risk Capital Estimation in Life Insurance: Ralf Werner / Universität Augsburg
Economic Scenario Generators: Modelling asset prices with stochastic methods and machine learning: Sebastian Uhl and Doro Rose / Ernst & Young
Solvency II Proxy Modelling Using the Internal Model Data Published by DAV: Zoran Nikolic / Universität Köln/B&W Deloitte
Mehr zu den Programmschwerpunkten gibt es hier (Link abgerufen am 13.10.2022):