Corso di formazione attuariale permanente 8/21
Basic of R for actuaries
 
  Calendario corsi


 Documenti
 
Presentazione,
programma
e scheda
di iscrizione

formato PDF

 Iscrizione online
 

 

 

Giovedì 21 ottobre 2021 in diretta web

Basic of R for actuaries
L’obiettivo del corso è quello di restituire al discente le competenze basilari per l’utilizzo del pacchetto R, nell’ottica di poter implementare analisi di profitto attuariale sia nel contesto Life che nel contesto Non Life. Il corso si propone come quick start al mangement di un set di dati naturalmente provenienti da moduli di vigilanza o da data base di anagrafica. In particolare, propone l’utilizzo di pacchetti efficienti ed idonei anche nel manovrare grandi quantità di dati, salvaguardando i formati di sistemi alimentati e la velocità di elaborazione. Infine, una parte di basilari metodologie attuariali verranno implementate mediante esercitazioni in R.

Strumenti
I prerequisiti per accedere al corso sono minimi e per un livello beginner: l’utente deve poter conoscere almeno minimamente la logica dello strumento R, seppur richiamata a grandi linee all’interno del corso. Tutto verrà accompagnato con esercitazioni pratiche e spiegazioni accurate.

Ricordiamo che è possibile iscriversi anche online direttamente da questo sito.
Qualche giorno prima del corso, gli iscritti riceveranno, via mail, un link per il collegamento con una sala virtuale, con possibilità d’interazione con il docente. Il collegamento, non richiede nessuna installazione di software.

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).

Docenti:
Manuel Caccone
(Quant Actuary/ NL Risk M. presso UnipolSai)

Programma

  • R negli usi attuariali: perché un attuario dovrebbe conoscere questo potente strumento;
  • R in dialogo con altri sistemi alimentati: R+SAS, R+MATLAB, R+EXCEL, R+ACCESS, R+SQL-ORACLE;
  • R e i Big Data: quali strumenti per non perdere potenza di calcolo;
  • R e le query: logica SQL e logica NO-SQL con l’utilizzo di dplyr;
  • NON-Life Reserving Package: l’utilizzo di ChainLadder e l’applicazione di metodi deterministici e stocastici in R;
  • NON-Life Premium Package: partendo da una logica “anagrafica sinistri e premi”, costruzione di un frame-work R per un modello frequency-severity basato su un GLM;
  • Life Package: l’insieme dei passaggi necessari per arrivare alla valutazione di un portafoglio di polizze mediante Profit-Testing.

Orario:

Giovedì 21 ottobre 2021

09.15 – 09.30 Registrazione
09.30 – 11.00 Lezione
11.00 – 11.15 Intervallo
11.15 – 13.00 Lezione
13.00 – 14.00 Intervallo
14.00 – 15.30 Lezione
15.30 – 15.45 Intervallo
15.45 – 17.15 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 martedì 19 ottobre 2021.
E' possibile inoltre l'iscrizione online.
L'iscrizione al corso sarà confermata con nostra email.

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