Die Zunahme an Hochkostenfällen in Form von häufig auftretenden Krankheiten wie beispielsweise Diabetes oder Depression ist für die PKV ein wichtiger Kostentreiber. Mittels Data Analytics-Methoden können gefährdete Personen identifiziert werden, bevor diese Krankheiten auftreten. Die von ifa bei derartigen Projekten eingesetzten Modelle, wie beispielsweise Gradient Boosting oder neuronale Netze erzeugen auf den Bestandsdaten Vorhersagen für diese Diagnosen. Da Krankenversicherer über sehr viele Daten verfügen, ist dabei eine geeignete Selektion erforderlich, um die Ergebnisse zu verbessern. Bezüglich der medizinischen Expertise arbeitet das ifa bei derartigen Projekten mit dem VMS in Hannover zusammen und bringt so mathematisches und medizinisches Verständnis zusammen. Nach der Identifikation der Personen ist es dem Versicherer möglich, frühzeitig und kundenindividuell Präventivmaßnahmen einzusetzen, die den Eintritt eines Hochkostenfalls verhindern oder doch zumindest abmildern.
Die Zukunft der Lebenserwartung ist aktuell so unsicher wie selten zuvor. Das ifa hat im Rahmen der Herbsttagung der DAV auf diese Unsicherheit hingewiesen und vorgestellt, wie Aktuare in der Produktentwicklung und im Risikomanagement mit dieser Unsicherheit umgehen können. [mehr]
Value for Money und der Nachweis eines angemessenen Kundennutzens von Lebensversicherungsprodukten ist stark in den Fokus der BaFin gerückt. Vor diesem Hintergrund stellt die Rechnungszinserhöhung eine doppelte Chance dar. Zum einen entsteht die Möglichkeit, die Attraktivität der Produkte im Neugeschäft zu erhöhen. Zum anderen bietet sich die Chance... [mehr]
BaFin veröffentlicht Erkenntnisse aus der Wohlverhaltensaufsicht Lebensversicherung [mehr]
Transparenz und Kontrolle bei Methoden, Modellen und Tools [mehr]
BaFin beschreibt Zuordnungsansatz für Vermögenswerte im Rahmen der EU-Offenlegungsverordnung [mehr]
Value for Money bei Altersvorsorgeprodukten [mehr]
Update des Branchenstandards für PRIIP der Kategorie 4 erfordert Modellanpassungen [mehr]