1. Porovnanie stratégií trénovania modelu XGboost: Train-test split a k-fold cross validácia
| SYS | 0313237 | |
|---|---|---|
| LBL | $$$$$naa$$22$$$$$$$$450$ | |
| 005 | 20251120101718.9 | |
| 035 | $a 1468580 $2 CREPC2 | |
| 100 | $a 20251119d2025łłłłm--y0sloc0103----ba | |
| 101 | 0- | $a slo $d slo |
| 102 | $a CZ | |
| 200 | 1- | $a Porovnanie stratégií trénovania modelu XGboost: Train-test split a k-fold cross validácia $d Comparison of XGBoost Model Training Strategies: Train-test Split and K-fold Cross-validation $f Andrej Bednařík, Vladimír Mucha |
| 301 | $a VEGA 1/0096/23 | |
| 301 | $a VEGA 1/0497/25 | |
| 330 | $a Spoľahlivé modelovanie je kľúčovým prvkom riadenia rizík v poisťovniach, a to najmä v kontexte plnenia regulačných rámcov, ako je Solvency II. V aktuárskej praxi sa čoraz častejšie využívajú moderné metódy strojového učenia, ktoré dokážu zachytiť komplexné vzťahy medzi rizikovými faktormi a finančnými ukazovateľmi. Tento príspevok porovnáva tri stratégie trénovania regresného modelu XGBoost pri predikcii poistných nákladov: jednoduché rozdelenie dát (80/20), K-fold cross-validáciu bez miešania dáta K-fold cross-validáciu s náhodným miešaním. Zhodnotenie, ako voľba validačnej stratégie ovplyvňuje stabilitu a generalizáciu modelu, a tým aj spoľahlivosť odhadov, ktoré môžu slúžiť ako podklad pre rozhodnutia o tvorbe kapitálu, oceňovaní rezerv či nastavovaní poistného. Výsledky potvrdzujú, že správne zvolená validačná stratégia je nevyhnutná pre minimalizáciu modelového rizika a pre zvýšenie robustnosti prognóz v aktuárskej oblasti. | |
| 463 | -1 | $1 001 eu_un_cat*0313214 $1 010 $a 978-80-7490-415-8 $1 200 1 $a Vybrané metódy riadenia rizík pri implementácii parciálnych interných modelov pre stanovenie kapitálovej požiadavky na solventnosť $d Selected Methods of Risk Management in the Implementation of Partial Internal Models for Determining the Capital Requirement for Solvency : Reviewed Monographic Collection of Research Papers $e recenzovaný monografický zborník vedeckých prác $f zostavovateľ / Editor: Ingrid Krčová $g recenzenti / Reviewers: Mária Bilíková, Katarína Sakálová $v S. 9-17 $1 210 $a Litomyšl $c H.R.G. $d 2025 $1 215 $a 105 s. [4,37 AH] $1 702 1 $3 eu_un_auth*p0048862 $a Krčová $b Ingrid $4 340 $1 702 1 $3 eu_un_auth*p0022745 $a Bilíková $b Mária $4 675 $1 702 1 $3 eu_un_auth*p0048697 $a Sakálová $b Katarína $4 675 |
| 610 | 1- | $9 eu_un_auth*h0003397 $a modely |
| 610 | 1- | $9 eu_un_auth*h0003408 $a modely ekonomicko-matematické |
| 610 | 1- | $9 eu_un_auth*h0005291 $a regresia |
| 610 | 1- | $9 eu_un_auth*h0006550 $a testy |
| 610 | 1- | $9 eu_un_auth*0090892 $a hodnotenie |
| 700 | -1 | $3 eu_un_auth*0082231 $a Bednařík $b Andrej $p EUBFHIKMA $4 070 $9 60 $f 1998- $q I $T Katedra matematiky a aktuárstva FHI |
| 701 | -1 | $3 eu_un_auth*p0066905 $a Mucha $b Vladimír $p EUBFHIKMA $4 070 $9 40 $f 1976- $T Katedra matematiky a aktuárstva FHI |
| 801 | -0 | $a SK $b BA004 $c 20251119 $g AACR2 |
| T85 | $x existuji fulltexy |