Termíny

16. 6. 2018 - 16. 6. 2018 - Uzávěrka přihlášek na programy MBA FPH

Další termíny »

Hledat
Pokročilé hledání

Vyhodnocování pojistných událostí pomocí strojového učení

Autor práce: Havíř, Daniel
Typ práce: Bakalářská práce
Vedoucí práce: Ducháčková, Eva
Osoba oponující práci: Šiška, Jakub

Informace o vysokoškolské kvalifikační práci

Název práce: Vyhodnocování pojistných událostí pomocí strojového učení
Typ práce: Bakalářská práce
Jazyk práce: Česky
Abstrakt: Tato bakalářská práce se zabývá metodami strojového učení, zejména neuronovými sítěmi a jejich uplatněním pro vyhodnocování pojistných událostí. Je popsána jedna konkrétní skupina metod, která je následně aplikována na jednom konkrétním případu vyhodnocování severity škod u dopravních nehod. V úvodní části této práce je vysvětlena motivace pro modelování škod u pojistných událostí a jeho význam při tvorbě pojistných rezerv. Pro modelový příklad jsou použita data americké pojišťovny AllState, která je zpřístupnila v rámci online soutěže o nejlepší predikční model v roce 2016. V praktické části této práce jsou prezentovány 3 modely neuronových sítí, jejichž výsledek je zdokumentován a nejlepší z těchto modelů je použit pro výsledný ensemble modelů. Tento ensemble dosáhl o téměř 8% lepšího výsledku než výchozí model pojišťovny pro danou soutěž. Tato práce tak demonstruje potenciál metod strojového učení v pojistné praxi.
Klíčová slova: modelování severity škod; pojistná plnění; strojové učení; hluboké učení; neuronová síť

Informace o studiu

Studijní program a Studijní obor: Finance a účetnictví/Finance
Typ studijního programu: Bakalářský studijní program
Jméno přidělované hodnosti: Bc.
Instituce přidělující hodnost: Vysoká škola ekonomická v Praze
Název fakulty: Fakulta financí a účetnictví
Název katedry: Katedra bankovnictví a pojišťovnictví
Instituce archivující a zpřístupňující VŠKP: Vysoká škola ekonomická v Praze

Informace o vysokoškolské kvalifikační práci

Název práce: Vyhodnocování pojistných událostí pomocí strojového učení
Překlad názvu: Machine Learning Techniques for Insurance Claims Evaluation
Typ práce: Bachelor thesis
Jazyk práce: Czech
Abstrakt: This bachelor thesis describes machine learning techiques, neural networks in particular and their application for insurance claims evaluation. One set of such techniques is then applied to a specific task of modeling the severity of insurance claims related to car accidents. The introductory part explains the motivation to model insurance claims and its importance in the creation of insurance reserves. The model example in this thesis uses data from the american insurance company AllState. This data was made available for an online predictive modelling competition held by the insurance company in 2016. In the applied section of this thesis, three different architectures of neural networks are presented and their performance is evaluated. The best neural network is then used for the final model ensemble. The ensemble achieves a result that is more accurate by 8% than the benchmark value submitted by the competition organizer. This thesis hence demonstrates the potential of machine learning applications in the insurance industry.
Klíčová slova: machine learning; deep learning; neural network; claim severity modeling; insurance claim

Informace o studiu

Studijní program a Studijní obor: Finance a účetnictví/Finance
Typ studijního programu: Bakalářský studijní program
Jméno přidělované hodnosti: Bc.
Instituce přidělující hodnost: University of Economics, Prague
Název fakulty: Faculty of Finance and Accounting
Název katedry: Department of Banking and Insurance
Instituce archivující a zpřístupňující VŠKP: University of Economics, Prague

Informace o odevzdání a obhajobě

Datum zadání práce: 22. 2. 2017
Datum podání práce: 10. 4. 2018
Datum obhajoby: 26.04.2018
Výsledek obhajoby: Závěrečná práce byla úspěšně obhájena

Soubory ke stažení

Hlavní práce60935_havd00.pdf [988,88 kB]
Oponentura56072_Šiška.pdf [149,38 kB]
Hodnocení vedoucího60935_duchack.pdf [150,59 kB]

Údaje ze systému InSIS

Identifikátor https://insis.vse.cz/zp/60935/podrobnosti