Metadaten







Promotionsordnung


PromO07

Kumulative Dissertation


nein

Titel


On the Determination of Accident Risk Exposure from Vehicular Sensor Data : Methodological Advancements and Business Implications for Automobile Insurance Providers

Titel (englisch)



Autor/Autorin


Paefgen, Johannes Franz Richard

2. Autor/Autorin



Geburtsdatum


07.11.1983

Geburtsort



Matrikelnummer


04913364

Schlagwörter (GND)


Unfallrisiko; Kraftfahrzeugelektronik; Data Mining; Versicherungswirtschaft

DDC (Dewey Decimal Classification)


Allgemeines, Informatik, Informationswissenschaft - 000

Freie Stichwörter (deutsch)


Fahrdatenaufzeichnung; Risikoanalyse; Versicherungstarife

Freie Stichwörter (englisch)


Accident Risk; Automotive Electronics; Insurance Economics; Risk Exposure

Kurzfassung


Die vorliegende Arbeit befasst sich mit der Bestimmung des Unfallrisikos eines Fahrzeugs aus kontinuierlich aufgezeichneten Sensordaten vor dem Hintergrund risikoadaptiver Versicherungstarife. Entsprechende Versicherungsprodukte finden im Raum Deutschland - Österreich - Schweiz kaum Verbreitung, obwohl verschiedene mikro- und makroökonomische Argumente ihre Einführung befürworten. Dies kann unter anderem darauf zurückgeführt werden, dass die Auswahl entsprechender Risikomerkmale sowie deren Integration in bestehende aktuarische Modelle anspruchsvoll und wissenschaftlich unzureichend untersucht ist. Ausserdem haben Versicherungsnehmer hinsichtlich der Aufzeichnung von Fahrdaten erhebliche Datenschutzbedenken. Gleichzeitig ist der betriebswirtschaftliche Nutzen solcher Tarife für Versicherungsunternehmen mit erheblicher Unsicherheit verbunden.
Basierend auf einem 1,600 Fahrzeuge umfassenden Datensatz wird zunächst eine Methode vorgeschlagen, um Exposure-Variablen, die auch qualitative Aspekte der Fahrzeugnutzung umfassen, aus Positionsdaten zu berechnen. Ein Exkurs befasst sich mit der Verbesserung der Qualität solcher Daten durch die Einbindungen von Informationen aus dem Fahrzeugdiagnosesystem mittels eines erweiterten Kalmanschen Filters. Die Exposure-Variablen werden in verschiedenen logistischen Regressionsmodellen eingesetzt, um im Rahmen einer Fall-Kontroll-Studie deren Einfluss auf das Unfallrisiko bestimmen zu können.
Da Positionsdaten kundenseitig mit erheblichen Datenschutzbedenken verbunden sind, wird im nächsten Schritt ihre Substitution durch aus der Fahrzeit abgeleitete Variablen evaluiert. Um die Integration von mit Sensordaten bestimmten Tarifmerkmalen mit bestehenden aktuarischen Modellen zu ermöglichen, werden aussagekräftige Exposure-Variablen mit Hilfe von Methoden aus dem Bereich maschinelles Lernen zu einem skalaren Risikoindikator zusammengefasst. Neben logistischer Regression werden dazu neuronale Netze sowie Entscheidungsbäume verwendet.
Des Weiteren werden die betriebswirtschaftlichen Implikationen risikoadaptiver Versicherungstarife und verwandter Telematikdienste untersucht. Eine Profitabilitätsanalyse zeigt, dass die Einführung solcher Tarife für etablierte Marktteilnehmer von geringer Attraktivität ist. Für Firmen ohne Bestandskunden besteht hingegen erhebliches Ertragspotential, falls Technologiekosten gering gehalten werden können. Eine Marktanalyse zeigt, dass risikoadaptiver Tarife häufig mit anderen versicherungsrelevanten Telematikdiensten kombiniert werden. Treibende Elemente sowie Barrieren bei der Einführung solcher Dienste werden in Experteninterviews identifiziert. Um in der Versicherungspraxis die Gestaltung und Umsetzung telematikgestützter Geschäftsmodelle zu unterstützen, wird eine modularer Baukasten beschrieben und validiert. Die Arbeit schliesst mit Ansatzpunkten für weiterführende Forschung sowie konkreten Handlungsempfehlungen für Versicherungsunternehmen und Aufsichtsbehörden.

Kurzfassung (englisch)


This thesis addresses the determination of a road vehicle's accident risk from continuously recorded sensor data against the backdrop of risk-adaptive insurance tariffs. Corresponding insurance products continue to find little adoption in the region of Germany, Austria, and Switzerland, in spite of various microeconomic and macroeconomic arguments that advocate their introduction. To a significant extent this can be attributed to the fact that the selection of suitable risk metrics, as well as their integration with prevalent actuarial models, is non-trivial and insufficiently understood from a research perspective. Furthermore, accessing vehicular sensor data is perceived as highly privacy-intrusive by policyholders. Simultaneously, the business value of such tariffs for insurance companies is subject to substantial uncertainty.
Based on a dataset comprising location data from 1,600 vehicles, a method is proposed for the derivation of exposure variables that reflect both quantitative and qualitative aspects of vehicle use. An excursus is concerned with improving the quality of such data by including information from a vehicle's On-board Diagnostics system using an extended Kalman filter. Derived exposure variables are employed in several logistic regression models in order to determine their relationship with accident risk in a case-control study setup. Since location data is associated with strong consumer privacy concerns, their substitution with exposure variables derived from vehicle driving duration are evaluated in a subsequent step. To facilitate the integration of risk metrics based on sensor data with existing actuarial models, meaningful exposure variables are aggregated to a scalar risk factor using tools from the machine learning domain. Next to logistic regression, these include neural networks, as well as decision trees.
Subsequently, the business implications of risk-adaptive insurance tariffs and related telematics services are investigated. A profitability analysis demonstrates that the introduction of such tariffs is of little appeal to established market participants.
For new market entrants, however, considerable profit potential exists if technology costs can be kept under control. A market analysis indicates that risk-adaptive tariffs are frequently combined with other insurance-related telematics services. Drivers and barriers of such services are identified in expert interviews. In order to support insurance practitioners in the design and implementation of telematics-based business models, a modular template is devised and validated. The thesis closes with an account of opportunities for future research, together with recommendations for action directed towards insurance managers and policymakers.

Universität


Universität St.Gallen

Referent/Referentin


Fleisch, Elgar (Prof. Dr.)

Korreferent/Korreferentin


Thiesse, Frédéric (Prof. Dr.)

Erweitertes Diss. Komitee


Staake, Thorsten (Prof. Dr.)

Fachgebiet


Betriebswirtschaftslehre (PMA)

Sprache


ENG

Promotionstermin (dd.mm.yyyy)


16.09.2013

Erstellungsjahr (yyyy)


2013

Dokumentart


Dissertation

Format


PDF

Dissertationsnummer


4170

Quelle



PDF-File


dis4170.pdf

Dokumentverknüpfung


Link zu diesem Dokument







letzte Änderung: 09/10/2013 - Allgemeine rechtliche Informationen - Datenschutz [ Nach oben ]