Corso di formazione attuariale permanente 1/24
L’utilizzo del pacchetto R lifecontingencies per la modellazione di assicurazioni vita
 
  Calendario corsi


 Documenti
 
Presentazione,
programma
e scheda
di iscrizione

formato PDF

 Iscrizione online

 

 

giovedì 29 febbraio 2024 - Diretta web

L’utilizzo del pacchetto R lifecontingencies
per la modellazione di assicurazioni vita

Prerequisiti
Per partecipare con profitto, è necessario possedere una buona conoscenza del linguaggio di programmazione R e dell'ambiente di sviluppo RStudio. È indispensabile che gli studenti abbiano già installato entrambi i software sul proprio computer e che il sistema su cui lavorano permetta loro di installare pacchetti R

Introduzione al corso
Questo corso pratico esplorerà l'uso dei pacchetti R lifecontingencies e markovchain, molto utili nelle applicazioni classiche della matematica attuariale delle assicurazioni a lunga durata, come quelle sulla vita e sulla malattia. Combineremo una panoramica teorica con esercizi pratici, guidati dal docente e proposti ai partecipanti per favorire un'applicazione diretta e immediata dei concetti presentati.
Durante il corso, daremo ampio spazio agli interventi degli studenti. Nella sezione finale del corso, dedicata alle domande e risposte (Q&A), considereremo l'applicazione dei concetti trattati ad esempi forniti dagli studenti, se proposti.

Qualche giorno prima del corso, gli iscritti riceveranno, via mail, un link di collegamento alla piattaforma ZOOM. L’aula virtuale permetterà di interagire con il docente.

Con la partecipazione al corso, che rientra tra le attività preclassificate, come stabilito dalle Linee Guida di attuazione del regolamento sulla Formazione Attuariale Continua, redatto ai sensi dell’art. 7 comma 3 del D.P.R. N. 137/2012, emanate dal Consiglio Nazionale egli Attuari in data 7 maggio 2018, saranno attribuiti 5 (cinque) CFP ai fini FAC (Formazione Attuariale Continua).

Docente
Dott. Giorgio Alfredo Spedicato (Gruppo Unipol)

Programma

  1. Setup dell'ambiente di lavoro
    • Installazione dei pacchetti R necessari per il corso.
  2. Il pacchetto lifecontingencies:
    • Applicazioni alla matematica finanziaria.
    • Applicazioni alla demografia.
    • Applicazioni alla matematica attuariale: tariffe.
    • Applicazioni alla matematica attuariale: riserve.
  3. Il pacchetto markovchain
    • Analisi strutturali delle catene di Markov.
    • Applicazioni attuariali nel settore salute e non vita.
  4. Proiezione delle tavole di mortalità con il Pacchetto StMoMo
  5. Sessione Q&A
    • Discussione e applicazione pratica dei concetti su esempi proposti dagli studenti.

 

Orario:

Giovedì 29 febbraio 2024

09.15 – 09.30 Registrazione
09.30 – 11.00 Lezione
11.00 – 11.15 Pausa
11.15 – 13.00 Lezione
13.00 – 14.00 Intervallo
14.00 – 15.30 Lezione
15.30 – 15.45 Pausa
15.45 – 17.45 Lezione

 



Segreteria operativa:
S.I.A. S.r.l. - Viale delle Milizie 1 - 00192 Roma
Tel. – 06/3202922, E-mail: info@sia-attuari.it
Federica Campanini

Iscrizioni:
La scheda allegata va inviata alla segreteria della S.I.A. s.r.l., Viale delle Milizie 1, 00192 Roma, tramite mail, entro lunedì 26 febbraio 2024.
E' possibile inoltre l'iscrizione online.
L'iscrizione al corso sarà confermata con nostra email.
Qualche giorno prima del corso, gli iscritti riceveranno, via mail, un link di collegamento alla piattaforma ZOOM. L’aula virtuale permetterà di interagire con il docente.

Quota di iscrizione:
La quota di iscrizione per ogni partecipante è di Euro 450,00 + IVA. La quota dà diritto alla partecipazione ai lavori e al materiale didattico.


Modalità di pagamento:
Il versamento della quota di iscrizione, da effettuarsi successivamente alla nostra conferma, dovrà pervenire entro e non oltre l’inizio del corso, con l’evidenza del corrispondente numero di fattura.
Eventuali rimborsi per impedita partecipazione saranno consentiti nella misura dell’80% se la mancata partecipazione sarà comunicata per iscritto almeno 2 giorni prima dell’inizio del corso.

   


 

web design: Cliccaquì

Machine Learning per le Assicurazioni: Case Studies Machine Learning per le Assicurazioni: Case Studies Machine Learning per le Assicurazioni: Case Studies