Können moderne Verfahren des maschinellen Lernens für Prämienberechnungen herangezogen werden? Das hat das Institut für Versicherungswissenschaften der Universität Ulm in einem Forschungsprojekt untersucht.
Redakteur/in: Kerstin Quirchtmayr - Veröffentlicht am 13.10.2016
„Maschinelles Lernen“ bedeutet, dass ein künstliches System aus Beispielen lernt und diese dann verallgemeinert. Indem das System Muster und Gesetzmäßigkeiten erkennt, kann es mitunter auch unbekannte Daten beurteilen.
Experten des Schwerpunktes „Data-Analytics“ an der Uni Ulm wollten nun wissen, ob sich „Machine Learning“ für die Prämienberechnung in der Rechtschutzversicherung eignet. Dabei wurden verschiedene Verfahren verwendet, um den pro Vertrag erwarteten Schaden des Folgejahres zu schätzen. Ausgegangen sind die Forscher dabei von einem realen Versicherungsbestand und dessen Schadendaten eines Kalenderjahres.
Erhebliche Unterschiede zwischen einzelnen Verfahren
Beim Vergleich der Schätzungen mit den tatsächlichen Schäden zeigte sich, dass moderne statistische Verfahren in der Lage sind, derartige Vorhersagen in größeren Beständen „mit erstaunlicher Genauigkeit“ zu liefern. Allerdings waren die Unterschiede zwischen den einzelnen Methoden enorm. Um also ein sinnvolles Verfahren auszuwählen, ist es ein erhebliches Maß an Methodenkenntnis und Verständnis für die zugrundeliegenden Daten gefordert.
Einige Verfahren sind sogar in der Lage, aus der großen Zahl der Datenfelder diejenigen zu identifizieren, die einen besonders großen Einfluss auf die Schadenerwartung haben. Vor allem für das Underwriting und das Actuarial Controlling dürften diese Erkenntnisse interessant sein.
zurück zur Übersicht
Beitrag speichern
sharing is caring
Das könnte Sie auch interessieren
