Blijf op de hoogte

van de laatste ontwikkelingen!

Datamining en klimaatverandering

(juli 2018) – lees meer

Integraal risicomanagement

(juli 2018) – lees meer

IORP II

(juli 2018) – lees meer

Ontwikkelingen Arcturus

(zomer 2016) – lees meer

Nieuwsupdates

Datamining en klimaatverandering: modellering

van catastroferisico’s biedt nieuwe uitdagingen én kansen

Door: Melchior Mattens

 

Nederland wordt steeds vaker geconfronteerd met extreem weer. Regelmatig komen in amper een uur tijd bakken water of hagelstenen zo groot als pingpongballen uit de lucht vallen. En door klimaatverandering zal extreem weer veel vaker gaan voorkomen in Nederland. Op 16 mei van dit jaar trok zelfs een zware tornado over Viersen, net over de grens bij Venlo. Op dergelijke extremen – momenteel gelukkig nog net geen Tornado Alley in de V.S. – met grote (lokale) verwoesting tot gevolg, moeten we ons voorbereiden.


Actuariële meteorologische analyse

Schadeverzekeraars kunnen niet meer zonder goede catastrofemodellen. Kunnen zij bouwen op de standaard formule van Solvency II of wijken de werkelijke risicostatistieken sterk af? En welke impact heeft klimaatverandering daarop? Ook voor pricing-doeleinden is goed inzicht in geografische effecten van belang. Meteorologische data is hiervoor de basis: welke soorten events komen voor en met welke frequentie en sterkte? Deze data laat zien dat er zelfs binnen Nederland grote verschillen zijn. Zware stormen komen vaak vanaf zee en in de kustgebieden waait het dan ook vaak het hardst. Omgekeerd zien we de ‘ideale omstandigheden’ voor extreme hagel juist veel vaker in het oosten en zuiden van het land. Dat geldt ook voor extreme neerslag en fenomenen als windhozen en tornado’s. Om een krachtig voorspellend weer-risicomodel te maken, dat rekening houdt met klimaatverandering, moeten meteorologische expertise en kennis van data-analyse samenkomen.

 

Voorspellen met big data en datamining

Na een meteorologische analyse houdt het voor een schadeverzekeraar niet op. Wat kun je zeggen over de schadelast in de kustgebieden ten opzichte van het binnenland bij harde storm? Is deze bijna altijd hoger, omdat het daar vaak het hardst waait? Niet per se! Daar waar bepaalde weersextremen vaker voorkomen, nemen verzekerden ook meer voorzorgsmaatregelen. Voor het maken van accurate catastrofemodellen, moeten we dus verder kijken dan naar meteorologische data alleen. Deze voorzorgsmaatregelen moeten natuurlijk worden gereflecteerd in het risicokapitaal en/of in de premie. Door actief op zoek te gaan naar meer informatie over verzekerde objecten, kun je betere voorspellingen maken van de schadelast bij een specifiek catastrofe-event. Big data en datamining spelen hierbij een belangrijke rol.

Datamining-risicokarakteristieken

Een verzekeraar kan niet alle kenmerken van een object vragen aan de polishouder. Tegenwoordig zijn de kenmerken van een verzekerd object (bijv. een opstal) die niet aan de polishouder zijn gevraagd, online vaak toch te vinden. Zo min mogelijk vragen stellen aan polishouders bij het afsluiten van een verzekering, kan zelfs als service worden beschouwd. Gebruikmaken van externe data groeit dan ook aan populariteit. Openbare databronnen verschaffen vaak veel informatie over objecten, maar ook recente satellietbeelden zijn bruikbaar om de omgeving te analyseren.

De uitdaging bij het modelleren van schade door natuurgeweld, blijft om de relevante kenmerken van verzekerde objecten te identificeren. Beschikbare tools als R, Matlab en Python maken dit mogelijk. Machine learning-technieken, clusteringsmethoden, maar ook meer traditionele analysetechnieken als GLM en GAM bieden ondersteuning bij het inventariseren van (lokale) effecten.

Inzicht in (natuurlijke) catastrofen

Voor schadeverzekeraars is het van belang inzicht te hebben in de kansverdeling van het voorkomen van catastrofe-events voor elke plek op de landkaart én te weten wat vervolgens de impact is op het gebied. Door deze aspecten te combineren, krijg je de instrumenten in handen om de premies nóg meer af te stemmen op het werkelijke risico. Ook kun je zo de passendheid van de Solvency II standaardformule testen (wordt het risico niet onderschat?) én kun je accurater het herverzekeringsbeleid afstemmen. Ondanks dat nu voornamelijk alleen grote herverzekeraars beschikken over deze modellen, liggen er op dit vlak ook steeds meer kansen voor kleine- en middelgrote verzekeraars.


Meer weten of verder praten?

Neem vrijblijvend contact op met me via melchior.mattens@arcturus.nl of bel 06 371 197 07.

Arcturus Lamsrustlaan 24, 3054 VG Rotterdam | info@arcturus.nl