Voorspellende technieken binnen Financiën en Verzekeringen.

De verzekeringssector wordt gekenmerkt door een omgekeerde productiecyclus, waarbij de kosten van een product onbekend zijn op het moment van verkoop.  Zware concurrentie en antiselectie-effecten vereisen dat verzekeringsmaatschappijen hun risicoclassificatieproces en bijbehorende tariefstructuren voortdurend verbeteren. Verzekeraars vertrouwen daarom sterk op voorspellende modellen en historische gegevens om het onderliggende claimrisico van verzekeringnemers in hun portefeuille nauwkeurig in te schatten. Recente technologische ontwikkelingen bieden veel mogelijkheden om het proces van prijszetting te verbeteren met nieuwe modelleringsparadigma's en gegevensbronnen. Kunstmatige intelligentie (AI) en, meer specifiek, machine learning (ML) technieken maken het mogelijk om de huidige statistische modelkaders te verbeteren. Telematicatechnologie maakt nieuwe informatiebronnen beschikbaar over het gedrag van verzekeringnemers. In dit proefschrift onderzoeken we hoe ML-technieken en rijgedrag de moderne prijszetting van motorrijtuigenverzekeringen kunnen verbeteren. We leggen extra nadruk op de interpreteerbaarheid van de resulterende premiestructuur. Dit is namelijk een belangrijke vereiste in de verzekeringssector vanwege strenge regelgeving en de noodzaak van uitlegbaarheid naar alle betrokken belanghebbenden.