Proxy-Modellierung<\/p>\n\n\n\n
Im letzten Kapitel des Artikels A Least-Squares Monte Carlo Framework in Proxy Modeling of Life Insurance Companies<\/a> von Anne-Sophie Krah, Ralf Korn und mir werden umfassend die m\u00f6glichen Forschungsgebiete zur Proxy-Modellierung dargelegt.<\/p>\n\n\n\n Der Bereich Risikoaggregation und Proxy-Modellierung im Kontext von Solvency II hat in den letzten Jahren eine besonders wichtige praktische Bedeutung gewonnen. Alle Versicherungsunternehmen, welche nicht die stark vereinfachende Standardformel zur Berechnung des Risikokapitals heranziehen, sind mit erheblichen Laufzeitproblemen konfrontiert, wenn sie versuchen, komplexe, laufzeitintensive Bewertungsmodelle ausreichend oft zur Ermittlung der Verlustverteilungsfunktion laufen zu lassen.<\/p>\n\n\n\n Das Problem l\u00e4sst sich wie folgt beschreiben:<\/p>\n\n\n\n Die Frage, wie man zu einem robusten Regressionsergebnis kommt, welches zuverl\u00e4ssig das betrachtete Bewertungsmodell approximiert, wurde in der Praxis und in der Literatur noch nicht abschlie\u00dfend beantwortet. Dieses Feld bietet vielf\u00e4ltige M\u00f6glichkeit zur Vergabe einer Bachelor- oder Masterarbeit wie zum Beispiel:<\/p>\n\n\n\n Man erkennt leicht anhand dieser Beispiele, dass es sich hier um eine Mischung der sehr praktischen Fragestellungen, welche sich vom Unternehmen zu Unternehmen unterschieden, und theoretischen \u00dcberlegungen, welche allgemein g\u00fcltig sind, handelt.<\/p>\n\n\n\n Links zu weiteren Vortr\u00e4gen und relevanter Literatur (in Arbeit)<\/p>\n\n\n\n Neural networks meet least squares Monte Carlo at internal model data<\/a>, Christian Jonen, Tamino Meyh\u00f6fer, Zoran Nikoli\u0107, European Actuarial Journal: 1\/2023, July 2022.<\/p>\n\n\n\n Least-Squares Monte Carlo for Proxy Modeling in Life Insurance: Neural Networks<\/a>, Anne-Sophie Krah, Zoran Nikoli\u0107, Ralf Korn, Risks: Volume 8, Issue 4, November 2020.<\/p>\n\n\n\n Machine Learning in Least-Squares Monte Carlo Proxy Modeling of Life Insurance Companies<\/a>, Anne-Sophie Krah, Zoran Nikoli\u0107, Ralf Korn, Risks: 8(1), 21, February 2020.<\/p>\n\n\n\n A Least-Squares Monte Carlo Framework in Proxy Modeling of Life Insurance Companies<\/a>, Anne-Sophie Krah, Zoran Nikoli\u0107, Ralf Korn, Risks: Volume 6, Issue 2, June 2018.<\/p>\n\n\n\n Robust Regression in LSMC Proxy Modeling<\/a>, Zoran Nikoli\u0107, Christian Jonen, Chengjia Zhu, Der Aktuar, 01\/2017.<\/p>\n\n\n\n Financial Mathematics Methods in Solvency II<\/a> Vortrag zur Motivation der Quasi-Monte-Carlo-Methode<\/a> von Christian Wei\u00df im Wintersemester 2017\/2018<\/p>\n\n\n\n Vortrag zu Anwendungen von Monte-Carlo-Methoden <\/a>von Christian Jonen im Seminar Sommersemester 2017<\/p>\n\n\n\n Financial Mathematics in Insurance: <\/a>Vortrag Zoran Nikoli\u0107 und Christian Wei\u00df am 24.10.2016 an der Uni Bonn<\/p>\n","protected":false},"excerpt":{"rendered":" Proxy-Modellierung Im letzten Kapitel des Artikels A Least-Squares Monte Carlo Framework in Proxy Modeling of Life Insurance Companies von Anne-Sophie Krah, Ralf Korn und mir werden umfassend die m\u00f6glichen Forschungsgebiete zur Proxy-Modellierung dargelegt. Der Bereich Risikoaggregation und Proxy-Modellierung im Kontext … Weiterlesen
Dieser Vortrag gibt einen ersten \u00dcberblick \u00fcber einige Fragestellungen
Passwort: Vortrag_Muenster<\/p>\n\n\n\n