401-3936-00L  Data Analytics for Non-Life Insurance Pricing

SemesterFrühjahrssemester 2021
DozierendeC. M. Buser, M. V. Wüthrich
Periodizitätjährlich wiederkehrende Veranstaltung
LehrspracheEnglisch



Lehrveranstaltungen

NummerTitelUmfangDozierende
401-3936-00 VData Analytics for Non-Life Insurance Pricing2 Std.
Di16:15-18:00HG E 1.2 »
C. M. Buser, M. V. Wüthrich

Katalogdaten

KurzbeschreibungWe study statistical methods in supervised learning for non-life insurance pricing such as generalized linear models, generalized additive models, Bayesian models, neural networks, classification and regression trees, random forests and gradient boosting machines.
LernzielThe student is familiar with classical actuarial pricing methods as well as with modern machine learning methods for insurance pricing and prediction.
InhaltWe present the following chapters:
- generalized linear models (GLMs)
- generalized additive models (GAMs)
- neural networks
- credibility theory
- classification and regression trees (CARTs)
- bagging, random forests and boosting
SkriptThe lecture notes are available from:
Link
Voraussetzungen / BesonderesThis course will be held in English and counts towards the diploma of "Aktuar SAV".
For the latter, see details under Link

Good knowledge in probability theory, stochastic processes and statistics is assumed.

Leistungskontrolle

Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird)
Leistungskontrolle als Semesterkurs
ECTS Kreditpunkte4 KP
PrüfendeM. V. Wüthrich, C. M. Buser
FormSessionsprüfung
PrüfungsspracheEnglisch
RepetitionDie Leistungskontrolle wird in jeder Session angeboten. Die Repetition ist ohne erneute Belegung der Lerneinheit möglich.
Prüfungsmodusmündlich 30 Minuten
Zusatzinformation zum PrüfungsmodusLanguage of examination: English or German / Prüfungssprache: Deutsch oder Englisch
Diese Angaben können noch zu Semesterbeginn aktualisiert werden; verbindlich sind die Angaben auf dem Prüfungsplan.

Lernmaterialien

Keine öffentlichen Lernmaterialien verfügbar.
Es werden nur die öffentlichen Lernmaterialien aufgeführt.

Gruppen

Keine Informationen zu Gruppen vorhanden.

Einschränkungen

VorrangDie Belegung der Lerneinheit ist nur durch die primäre Zielgruppe möglich
Primäre ZielgruppeData Science MSc (261000)
Mathematik BSc (404000)
Quantitative Finance MSc (435000)
Mathematik MSc (437000)
Angewandte Mathematik MSc (437100)
Doktorat Mathematik (439002)
Aktuar SAV (448100)

Angeboten in

StudiengangBereichTyp
Data Science MasterInterdisziplinäre WahlfächerWInformation
Doktorat Departement MathematikGraduate School / GraduiertenkollegWInformation
Mathematik (Allgemeines Angebot)Aktuar SAV Ausbildung an der ETH ZürichWInformation
Mathematik BachelorAuswahl: Finanz- und VersicherungsmathematikWInformation
Mathematik MasterAuswahl: Finanz- und VersicherungsmathematikWInformation
Quantitative Finance MasterBereich MF (Mathematical Methods for Finance)WInformation