Уважаемые коллеги, доброго времени суток! Представляем вам швейцарское научное издание European Actuarial Journal. Журнал имеет третий квартиль, издаётся в Springer International Publishing AG, его SJR за 2021 г. равен 0,462, печатный ISSN - 2190-9733, электронный - 2190-9741, предметные области - Статистика и теория вероятности, Финансовый менеджмент, Экономика и эконометрика, Статистика, вероятность и неопределенность. Вот так выглядит обложка:
Редактором является Хансёорг Альбрехер, контактные данные - hansjoerg.albrecher@unil.ch.
Дополнительные публикационные контакты - Pravin.Selvakumar@springernature.com, Shivaraman.Dharmalingam@springer.com, journalpermissions@springernature.com, ute.motz@springer.com.
Актуарная наука и актуарные финансы занимаются изучением, моделированием и управлением страховыми и связанными с ними финансовыми рисками, для которых доступны стохастические модели и статистические методы. Темы включают классическую актуарную математику, такую, как страхование жизни и не-жизни, пенсионные фонды, перестрахование, а также более современные области интересов, такие, как управление рисками, управление активами и пассивами, платежеспособность, моделирование катастроф, систематические изменения параметров риска, долговечность и т. д. EAJ предназначен для продвижения и развития актуарной науки и актуарных финансов. Для этого публикуются оригинальные актуарные исследовательские работы, как теоретические, так и прикладные, с инновационными приложениями, а также переводные работы по оценке и внедрению новых математических методов в страховании и актуарных финансах. EAJ является преемником шести национальных актуарных журналов, поэтому он сосредоточен на теории и методах применения в страховании и финансах. К публикации принимаются исследовательские, обзорные статьи, а также документы для взаимной передачи между исследованиями и приложениями.
Адрес издания - https://www.springer.com/journal/13385
Пример статьи, название - Identifying the determinants of lapse rates in life insurance: an automated Lasso approach. Заголовок (Abstract) - Lapse risk is a key risk driver for life and pensions business with a material impact on the cash flow profile and the profitability. The application of data science methods can replace the largely manual and time-consuming process of estimating a lapse model that reflects various contract characteristics and provides best estimate lapse rates, as needed for Solvency II valuations. In this paper, we use the Lasso method which is based on a multivariate model and can identify patterns in the data set automatically. To identify hidden structures within covariates, we adapt and combine recently developed extended versions of the Lasso that apply different sub-penalties for individual covariates. In contrast to random forests or neural networks, the predictions of our lapse model remain fully explainable, and the coefficients can be used to interpret the lapse rate on an individual contract level. The advantages of the method are illustrated based on data from a European life insurer operating in four countries. We show how structures can be identified efficiently and fed into a highly competitive, automatically calibrated lapse model. Keywords: Lapse rate; Life insurance; Lasso; Fused Lasso; Trend filtering