Cheetah

Risikoberechnung

Cheetah entdeckt versteckte Muster und identifiziert neue Variablenkombinationen, um die Risikoerkennung für Versicherungsprodukte zu verbessern.

Umfassende Beratung

Cheetahs automatisierte und manuelle Variablengruppierung sowie Multi-Algorithmus-Analysen unterstützen präzise Modellierung und fundierte Entscheidungen.

Einfach zu modellieren

Cheetah verbindet Fachwissen mit kollektiver künstlicher Intelligenz, um Ergebnisse zu generieren, die über menschliche Berechnungen hinausgehen.

Wie funktioniert das?

Maschinelles Lernen

Cheetah ist ein Tool zur Risikomodellierung mit mehreren fortschrittlichen Algorithmen für maschinelles Lernen für die herausfordernde Welt von heute. Cheetah entdeckt versteckte Muster und verbessert die Risikoerkennung für die Modellierung von Versicherungsrisiken.

Beratungsmöglichkeiten

Durch ML-Verfahren bietet Cheetah automatische und manuelle Variablengruppierung, Faktor- und Interaktionsvorschläge, statistische Ergebnisse für alle Faktoren und Modelle, Modellvergleichsmodule und automatisierte Berichte, um die Benutzer bei der Erstellung komplexer Risikomodelle zu unterstützen.

Durchdachte versicherungsmathematische Modellierung

Unterstützt GLM, GAM, XGBoost und andere weit verbreitete maschinelle Lernalgorithmen für die Risikomodellierung.

Technologie

Die unverwechselbare KI-Technologie von Cheetah ermöglicwht es Aktuaren, ihre Fähigkeiten effektiv und mit maximaler Effizienz zu nutzen, indem sie automatisch (statt manuell) alle Tarifierungsoptionen ermittelt und testet.

Visualisieren

Mit seiner geografischen Visualisierungsfunktion ermöglicht Cheetah dem Benutzer, Entscheidungen zu treffen und Analysen Mit Hilfe der eingebetteten Karten durchzuführen.

Transparenz für alle ML-Algorithmen

Lumnion hat eine Methode entwickelt, die in Cheetah verfügbaren ML-Algorithmen transparent zu machen. Die Ergebnisse aller Algorithmen können in Grundpreise und Koeffizienten umgewandelt werden, was für Transparenz und Benutzerfreundlichkeit sorgt.

Wie unterscheiden wir uns?

Benutzerfreundliche Benutzeroberflächen

Transparenz für alle ML-Algorithmen (Umrechnung in Grundpreis und Koeffizienten)

Verfügbarkeit vergleichender Analysen mit mehreren Algorithmen (GLM, GBMS, Random Forest, Decision Trees)

Eingebautes Berichtsmodul

Einfach zu verwaltendes Lizenzsystem, das physische Dongles überflüssig macht

Erschwingliche Hi-Tech