Aenorm 85 geheel by VSAE

Magazine voor studenten Actuariaat, Econometrie & Operationele Research

Een publicatie van

Nr. 85 Volume 22 December 2014

AENORM DEZE EDITIE: CARRIĂ&#x2C6;RE Individual reserving by Detailed Conditioning - a Parametric approach | Prices versus Quantities in a mixed Olygopoly | Behavioral Forecasting: Betere voorspellingen van bedrijfsresultaten met klantgedrag International Study Project New York City | Beroependagen 2014 | Interviews met werknemers van APG en PwC

VACATURES Alle vacatures zijn terug te vinden op vsae.nl/carriere/vacatures

Vacature Junior Consultant Retirement

Als Junior Consultant zal je werken met een aantal van de beste adviseurs binnen de branche.Tegelijkertijd ontwikkel je de nieuwste en meest geavanceerde technische kennis en vaardigheden. Je zal vanaf het begin af aan werken aan opdrachten voor echte klanten, waarbij niet alleen een beroep wordt gedaan op je creativiteit, maar ook jouw capaciteit om data te analyseren, hier conclusies uit te trekken en resultaten te presenteren.

Bedrijf Towers Watson Opleidingsniveau Afgeronde studie actuariaat, econometrie of wiskunde.

Werkervaring Regio, plaats Verschillende locaties in NL

Trainee Econometrist/Data Scientist

As a Trainee Econometrist/Data Scientist youâ&#x20AC;&#x2122;ll work in the data sciene team together with medior and senior Econometrists to distilling insights from data from various sources, with the ultimate goal of translating these into concrete improvement actions, which impact the online business objectives of our clients. You will be part of the NEWCRAFT ACADEMY, where youâ&#x20AC;&#x2122;ll be thought both the NEWCRAFT skills & know-how program as the NEWCRAFT LEADERSHIP PROGRAM.

VACATURES

Consultant Risk & Compliance

Bedrijf Newcraft Opleidingsniveau (Pre) Master level

Trader

Regio, plaats Amsterdam

Junior Customer Intelligence Analist

Wil jij (inter)nationale top organisaties helpen bij het beheerst realiseren van hun strategie en hen helpen om te gaan met de stortvloed aan wet en regelgeving? Bij Risk Consulting krijg je de kans! Als Consultant Risk adviseer je je klanten bij het gebalanceerd vormgeven van hun strategie en help je ze bij het gecontroleerd realiseren van hun doelen.

Getting excited about pricing and trading financial products in a dynamic, fast changing environment? As a Trader at Optiver you will not only trade, but you will also develop an excellent understanding of risks, position management and market trends. A passion for financial markets and excellent numerical skills? You might be the Trader we are looking for.

Als Analist doorgrond je het geheel aan data van Aegon en externe bronnen om tot inzichten te komen die richtinggevend zijn voor campagnes, productontwikkeling en distributie. Door deze inzichten hebben we een ultiem beeld wat klanten belangrijk en aantrekkelijk vinden, zodat we in alles wat we doen perfect op het klantbelang kunnen inspelen.

Bedrijf PwC Opleidingsniveau WO Werkervaring 0-2 jaar Regio, plaats Meerdere vestigingen

Bedrijf Optiver Opleidingsniveau WO Regio, plaats Amsterdam

Bedrijf Aegon Opleidingsniveau WO Regio, plaats Amsterdam

Carrière van waarde COLOFON Hoofdredactie Leo Huberts Kasper van Vliet Jelle Schagen Redactie David Kranenburg Florian van der Peet Jowita Osinga Laura Ruis Simone Spierings Ruben Spruit Oplage 800 De artikelen in dit blad zijn niet noodzakelijkerwijs de mening van het VSAE bestuur of de redactie. Niets uit dit blad mag worden gedupliceerd zonder toestamming van de VSAE.

Adverteerders APG PwC Towers Watson Design United Creations, 2013 Adres redactie VSAE Roetersstraat 11 Kamer E3.25 1018WB Amsterdam Tel. 020 - 5254134

Geniet van weer een mooie Aenorm, ben blij met de kansen die je krijgt en investeer in het oriënteren. Ik sluit dit voorwoord en mijn carrière bij de Aenorm graag af met een anders wijze woorden: “The value of a man should be seen in what he gives and not in what he is able to receive.”, Albert Einstein

VOORWOORD

Een paar weken geleden heb ik in de Rai Amsterdam vier uur lang geluisterd naar een fascinerende spreker: Jordan Belfort, beter bekend als the Wolf of Wall Street. Hij vertelde over zijn ‘succes’, over zijn leven en natuurlijk over de (on)waarheden van de film met DiCaprio in de hoofdrol. Meneer Belfort houdt van praten, heel veel praten. In een chaotisch maar enthousiast verhaal probeerde hij het publiek gehaast te vertellen hoe eenieder in de zaal succesvol kan worden. Door de clichés en inkoppertjes heen werd toch ook vrij duidelijk hoe leeg dit ‘succes’ eigenlijk is. Ik besefte mij ook dat dit voor ‘ons’ als studenten gelukkig absoluut niet de toekomst hoeft te zijn. Waar the Wolf ‘succes’ vergaarde met mensen troep te verkopen, om vervolgens de opbrengsten op te snuiven uit ellende, hebben jullie allemaal de kans straks iets toe te voegen aan deze wereld (én je bankrekening). Wat je nou moet doen om écht een blij mens te kunnen worden is waarschijnlijk voor veel van jullie nog niet duidelijk. Welk carrière pad te bewandelen en waar je dat wil doen is een keuze die voor de rest van je leven kan meetellen. Om niet zoals Belfort te eindigen met 2 jaar cel en 110 miljoen schuld is het belangrijk je te oriënteren op iets dat bij je past. De VSAE draagt hier uiteraard graag een steentje aan bij. Bij de beroependagen kwamen veel van de potentiële toekomstige werknemers pitchen, tijdens de persoonlijke ontwikkelingsdag zijn zo’n 30 man naar een hoger persoonlijk niveau getild en de International Study Project reis naar New York heeft de aanwezige VSAE’ers weer een stukje wereldwijzer gemaakt. Om hier voor alle VSAE’ers nog wat wijsheid aan toe te voegen staat deze Aenorm in het teken van al jullie carrières. In deze editie kan je kennismaken met twee bedrijven, lezen wat de VSAE’ers denken over hun eigen en jullie carrières, vacatures vinden op de nieuwe vacaturepagina en verslagen lezen van zowel de beroependagen als de ISP. Daarnaast lees je hoe Joris het heeft gehad in Taiwan, hoe de LED commissie de Landelijke Econometristen dag organiseert, hoe je bedrijfsresultaten voorspelt in een artikel van MIcompany en de indrukwekkende scripties van Rob en Robert. Er rest mij te vertellen dat de inschrijvingen voor de LED en de Econometric game weer open zijn.

Leo Huberts Voorzitter Aenorm commissie

KALENDER ACTIEVE LEDEN DINER BORREL LED ACTUARIAATCONGRES

| | | |

19 DEC 13 JAN 14 OKT 4 MRT

INHOUDSOPGAVE INTERNATIONAL STUDY PROJECT NEW YORK

DE LED-COMMISSIE

COMMISSIE UITGELICHT | PAGE 20

EVENEMENTVERSLAG | PAGE 05

PUZZELPAGINA

PUZZEL | PAGE 22

INTERVIEW MET MATTHIJS VAN DEN BRINK, APG

INDIVIDUAL RESERVING BY DETAILED CONDITIONING - A PARAMETRIC APPROACH

BEDRIJFSINTERVIEW | PAGE 08

BEROEPENDAGEN 2014

EVENEMENTVERSLAG | PAGE 10

ENGLISH | ACTUARIAL SCIENCES | BSC-LEVEL | PAGE 24

UITWISSELING MET NATIONAL CHENGCHI UNIVERSITY

PRICES VERSUS QUANTITIES IN A MIXED OLYGOPOLY

EXCHANGEVERSLAG | PAGE 13

ENGLISH | ECONOMETRICS | MSC-LEVEL | PAGE 32

INTERVIEW MET JAN NOOREN & DAAN STROOSNIER, PWC

BEHAVIORAL FORECASTING: BETERE VOORSPELLINGEN VAN BEDRIJFSRESULTATEN MET KLANTGEDRAG

INHOUDSOPGAVE

BEDRIJFSINTERVIEW | PAGE 16

WAT DENKT DE VSAE OVER.... ZIJN TOEKOMSTIGE CARRIÈRE VSAE ONDERZOEK | PAGE 18

Magazine voor studenten Actuariaat, Econometrie & Operationele Research Volume 22 December 2014

NEDERLANDS | ECONOMETRICS | MSC-LEVEL | PAGE 39

Nr. 85

Een publicatie van

International Study Project New York DOOR:

Voor het eerst sinds jaren weer een ISP intercontinentaal! En ook niet naar de minste stad, New York. Dit kan eigenlijk alleen maar betekenen dat het een hele toffe week geweest is. Hieronder beschreven in een beknopte versie, voor de sterke verhalen kan je iedere deelnemer de simpele vraag stellen: “Hoe was het?”.

Hoewel een gave inhousedag bij Flow Traders de officiële aftrap voor deze editie van de ISP was, komt het ISP gevoel pas echt bovendrijven als je met zijn 24-en in de vertrekhal van Schiphol staat. Nadat Susanna haar leesfoutje (een 0 is geen o) had rechtgezet konden we met zijn allen naar de gate. Daar aangekomen kregen we de melding dat onze vlucht vanwege technische redenen vertraagd was. Een uur later werd alle passagiers gevraagd om zich bij de balie te melden voor het omboeken van hun vlucht. Nou gaat dit met 24 mensen misschien iets minder gemakkelijk, dus met een wat ongemakkelijk gevoel gingen we in de rij staan. Voor zo’n belangrijke delegatie wordt natuurlijk alles in het werk gezet, dus even later zaten wij met 24 personen en 10 bemanningsleden in een vliegtuig voor 150 personen op weg naar Londen. Onze overstap gingen we niet meer halen, dit werd opgelost met een prima hotel op het vliegveld en een vlucht in de ochtend. Nadat we geland waren op JFK, werden we opgewacht door Anne Visser van KLM. Zij leidde ons naar een zaal waar onder andere de CEO van terminal 4 ons alles vertelde over het reilen en zeilen op het vliegveld. Na een heerlijke lunch kregen wij een zeer uitgebreide rondleiding, het bleek dat onze gastheer A.J. iedereen kende. Dit leidde ertoe dat deuren opengingen die normaal gesloten blijven, en dat hij ons bedank cadeautje ten zeerste verdiend had. Deze eerste dag werd afgesloten in een bar downtown, waar wij onder het genot van hapjes en drankjes de mogelijkheid hadden om vragen te stellen aan verschillende managers en recruiters. Na heerlijk te hebben geslapen op bedden die wellicht aan de kleine kant waren, gingen we op weg naar het kantoor van Rabobank. Deze buitenlandse afdeling van de Rabobank is er niet voor om rekeningen bij te openen, maar voor het financieren van grote bedrijven die meestal een band met Nederland hebben. Hierbij kan je denken aan agrarische bedrijven, bedrijven uit de voedselindustrie en uit de energiesector. In teams van zes kregen we vervolgens een vraagstuk voorgeschoteld waar wij de rol van de Rabobank moesten aannemen om een jury ervan te overtuigen dat er toekomstige Rabobankiers voor hun neus stonden. De uitslag werd door een aantal teams betwist, die uit waren op revanche bij de volgende bezoeken. Na de lunch werden we verwelkomd door het Nederlands Consulaat. Hier kregen we uitgelegd wat de rol van een Consulaat eigenlijk is. Dit blijkt veel meer te zijn dan het oplossen van paspoortproblematiek. Het Consulaat biedt namelijk de helpende hand aan bedrijven die de regio rond

EVENEMENTVERSLAG

MILAN SCHINKELSHOEK

EVENEMENTVERSLAG

New York zien als mogelijkheid om zich uit te breiden. Dat dit de ene keer succesvoller is dan de andere keer merken we al aan het feit dat er nog steeds geen oliebollenkraam op Times Square staat. Deze dag werd ons Amsterdamse hart ook niet teleurgesteld, we waren net op tijd om de tweede helft van Ajax – Barcelona mee te pakken, welke de godenzonen zeer onterecht en geflatteerd verloren. ’s Avonds was het tijd voor het VSAE etentje, waar iedereen onder de indruk was van de variëteit die kan worden bereikt met het beleggen van hamburgers. Dat de meeste deelnemers zich niet lieten gaan in drankgelag kwam natuurlijk omdat de wekker alweer op 04:00 uur stond. We gingen het echte jetsetgevoel beleven, even op en neer naar Cary, in North Carolina om een bezoek te brengen aan het hoofdkantoor van SAS Analytics. Met een SAS bus werden we afgeleverd bij het Executive Briefing Center, het hoofdkantoor van het hoofdkantoor. De SAS campus bestaat namelijk uit veel verschillende gebouwen, omgeven door bossen om te zorgen voor een goede werksfeer. Een intermezzo voor filmfans, de entree van het gebouw is gebruikt als decor in de derde Iron Man film. Tijdens ons verblijf kregen we uitgelegd wat SAS kan betekenen voor bedrijven en wat wij kunnen betekenen voor SAS. Daarbij staat ook de SAS filosofie centraal, wees goed voor je werknemers. Dit werd verteld

NEW YORK CITY New York (officieel The City of New York) is de grootste stad van de Verenigde Staten van Amerika. Dankzij de leidinggevende en invloedrijke rol in handel, financiën, media, public relations, kunst, mode en educatie geldt zij als een van de belangrijkste wereldsteden. De stad kent zo’n 10 miljoen inwoners en is de veiligste stad van de 25 grootste Amerikaanse steden. Mocht je versteld staan van het niveau van de muziekanten in de metrostations, dit komt omdat ze eerst auditie moeten doen!

door een hele schare aan werknemers, waaronder een professor van de naburige universiteit en de CEO van SAS, dr. Goodnight. Tijdens de lunch, waar een aantal van ons zich tegoed deed aan de sushi, kregen we de mogelijkheid om met de verschillende managers even luchtig te babbelen. Hierna werd ons uitgelegd en voorgedaan wat SAS kan betekenen voor studenten. Met de gratis studentenversie is het namelijk mogelijk

EVENEMENTVERSLAG

om je voor te bereiden op een werkend leven met SAS, waar je verschillende certificaten kan halen. Na een lekkere nerd-groepsfoto voor een levensgrote pi, kregen we een rondleiding over de campus en konden we ook andere gebouwen bekijken. Hierna werden we keurig afgeleverd op het vliegveld voor de terugreis. Deze verliep door weersomstandigheden, achtergebleven VSAEâ&#x20AC;&#x2122;ers en andere ongemakken wat minder smooth dan de heenreis. Maar uit het raampje kijken terwijl je door onweerswolken vliegt maakt veel goed. Op vrijdag was alweer de laatste dag van het bedrijfsgedeelte van de ISP aangebroken. De dag werd afgetrapt door het Rode Kruis, waar we op het kantoor in New York aanwezig waren. Hier bleek dat het Rode Kruis in de V.S. veel verschillende taken op zich neemt. Slachtofferhulp door de overheid bestaat onder andere niet. Tijdens de rondleiding kregen we de grote controlekamer te zien, die lichtelijk deed denken aan het NASA command center. In de kelder stond een enorme lading aan rescue-voertuigen, allemaal klaar om uit te rukken. Na de middagpauze werd de week afgesloten op het kantoor van Flow Traders. De hoeveelheid Nederlanders die hier werken is nogal groot, en dus kregen wij natuurlijk van een Nederlander te horen wat de verschillen en natuurlijk de voordelen zijn van het werken voor Flow Traders in New York.Vervolgens kregen we een rondleiding langs de beursvloer, die eindigde in de kantine. Hier werden een aantal zeer fanatieke potjes tafelvoetbal en FIFA gespeeld voordat we naar de rooftopbar vertrokken. Na een paar blocks lopen kwamen we aan bij de bar, allemaal rustig wachten op de lift om vervolgens te genieten van een open bar en een fenomenaal uitzicht. Borrelen in de schaduw van het Empire State Building terwijl op de straten beneden de avondspits krioelt, is iets om nooit meer te vergeten. Na een bewogen avond die startte in een rooftopbar en eindigde in een grote club werd iedereen maar moeilijk wakker. De herinneringen waren uiteenlopend, de versiertechnieken van Amerikanen zijn wat minder subtiel dan die van een Amsterdammer, een club in Manhattan laat je berooid achter, ze lopen qua muziek echt 10 tot 20 jaar achter, ga zo maar door. De avond werd nog even besproken terwijl we in de express metro richting het indrukwekkende 9-11 memorial zoefden. Om vervolgens via een uitgekiend programma via een pont, Wall Street en de Brooklyn Bridge op tijd aan te komen bij het Empire State Building voor de zonsondergang. De volgende dag vertrok onze vlucht gelukkig zonder problemen, en dat het filmassortiment niet heel groot was maakte niks uit, de VSAE bleek 24 schone slaapsters te hebben meegenomen. Deze ISP hebben we veel gezien, geleerd en ervaren. Als echte jetsetters eindig je uitgeput weer in Amsterdam en besef je je dat je met deze VSAEâ&#x20AC;&#x2122;ers iets heel tofs hebt meegemaakt.

Bedrijfsinterview APG Door: Laura Ruis en David Kranenburg Interview met Matthijs van den Brink, Senior Actuarieel Consultant bij APG

Kan je iets over jezelf vertellen? Ik heb Actuariaat gestudeerd aan de UvA. Ik had mij in eerste instantie ingeschreven voor de studie econometrie, maar ik merkte al in het eerste jaar dat Actuariaat mij veel meer lag. Op persoonlijk vlak: ik woon in Haarlem, ben 34 jaar oud en sinds een paar jaar getrouwd.

We zagen dat je ook lid was van de VSAE, kan je daar iets over vertellen? Bij de VSAE ben ik lid geweest van de mooie ‘eerstejaarscommissie’, waar we dingen organiseerden als pooltoernooien en dagjes karten. In het vervolg van mijn studie heb ik verder geen actieve rol meer gehad bij de VSAE. Wel was ik af en toe nog op de VSAE kamer te vinden.

BEDRIJFSINTERVIEW

Hoe ben je bij APG terecht gekomen? Ik heb tijdens mijn studie een paar jaar als werkstudent bij Towers Watson gewerkt. Na mijn studie ben ik daar in dienst gegaan. Towers Watson is een bedrijf dat gericht is op consultancy. De advieskant is heel divers, maar veel werkzaamheden werden na enige tijd zodanig gestandaardiseerd dat er minder ruimte was voor persoonlijke inbreng. Na vier jaar was ik toe aan iets nieuws en ben toen bij APG terecht gekomen. Het leuke van APG vind ik dat je heel dicht bij de kernactiviteit, de pensioenuitvoering, zit.

Wat doet APG precies? In opdracht van meer dan 30 (pensioen)fondsen, werken we aan een gestroomlijnde uitvoering van het pensioen van 4,5 miljoen mensen en het beheer van 390 miljard pensioenvermogen. We doen dit met zo’n 3500 professionals vanuit Heerlen, Amsterdam, Brussel, New York en Hongkong. APG adviseert over beide kanten van de balans. Aan de ene kant de administratie van en advisering

over de pensioenverplichtingen, aan de andere kant het beheer van het pensioenvermogen. Wij zijn van mening dat wij de pensioenuitvoering op een goede manier en tegen een goede prijs in kunnen vullen.

Wat is jouw functie bij APG? Ik ben senior actuarieel consultant bij de afdeling Bestuursadvisering. Ik ben verantwoordelijk om onze klanten te helpen met het vinden van de balans tussen de pensioenverplichtingen, het pensioenvermogen en de pensioenpremie. Daarbij spelen vragen als: komt er voldoende premie binnen voor de financiering van de actuariële risico’s die het fonds loopt? Daarnaast is een belangrijk deel van mijn werk om het bestuur inzicht te geven in de cijfermatige effecten van beleidsbeslissingen of bepaalde gebeurtenissen. Een ander belangrijk deel is de verslaglegging richting De Nederlandsche Bank.

Wat vind je leuk aan je werk? Ik vind de balans heel fijn. Soms kan je in de data duiken, een ander moment kan je weer aan de advieskant werken. Bijvoorbeeld notities schrijven voor een bestuur over wat de overwegingen zijn bij het maken van een bepaalde keuze in hun beleid. Diversiteit in het werk spreekt me heel erg aan. Ik vind het fijn dat er bij APG veel ruimte is voor individuewle inbreng in de manier waarop je iets aanpakt.

Kan je ons wat meer vertellen over de bedrijfscultuur bij APG? Er heerst een informele bedrijfssfeer en de organisatie is vrij plat. Er zitten vaak slechts twee managementlagen tussen de werknemers en de directie. De managers zijn erg toegankelijk. Afhankelijk van je functie is de gewenste kleding meer formeel of informeel.

Werk je veel samen met collega’s? Ja, onze afdeling bestaat uit twee grote teams. Er zijn verschillende projecten waarin je kan worden ingedeeld. Op die manier werk je steeds samen met andere collega’s binnen het team. Het leuke is dat je ook met verschillende andere afdelingen werkt die gespecialiseerd zijn op andere gebieden. Zodra je veel met mensen samenwerkt, leer je mensen ook veel beter kennen. Zo ontwikkel je binnen APG snel een eigen netwerk.

Doen jullie nog activiteiten naast het werk? Eens per jaar is er een afdelingsuitje vanuit APG. Daarnaast wordt er vanuit APG meegedaan aan hardloopevenementen, zoals de marathon van New York. APG heeft ook actieve communities zoals Young APG en Topvrouwen@ APG die inhoudelijke activiteiten of informele borrels organiseren. Verder worden er op eigen initiatief activiteiten georganiseerd met collega`s.

Heb je nog een tip voor studenten die bij APG willen gaan werken?

Houd goed in de gaten wanneer er een vacature is. Kom een keer langs, je bent altijd welkom om een keer te komen kijken. Binnen mijn afdeling staan we zeker open voor verjonging, dus mensen die net klaar zijn met hun studie, zijn voor ons een goede optie als er een vacature moet worden ingevuld. We zijn een vriendelijke en ontspannen werkgever, waar je genoeg tijd krijgt om je verder te email-adres ontwikkelen.

MATTHIJS VAN DEN BRINK matthijs.vanden.brink@apg.nl

Treedt aansluitend in dienst bij APG

Trainees maakt de 24 maanden vol

at d i d n

ka 0 6

ll o s 0

nt a t i ic

64% van 3500 APG’ers is man 36% is vrouw

More than 3500 colleagues in 300 different jobs. 3500 Collega’s in 300 verschillende functies

Corporate Corporate Staven Staff

Pensioen Pensions

Asset Asset Management Management

25.1232.14A

Finance Finance

werkenbijapg.nl Online (413x216px) de grootste financiële dienstverlener in pensioen

IT IT

Met €390 miljard behoren we tot de top in vermogensbeheer

ee n i a r

Beroependagen 2014 DOOR:

Afgelopen 7 & 8 oktober was het zo ver: de Beroependagen 2014. Een jaar lang hebben we hard gewerkt met de Beroependagen commissie, die bestaat uit leden van de VSAE en de FSA. Het harde werken had z’n vruchten afgeworpen en uitte zich in een deelname van 34 bedrijven en een record aantal inschrijven van welgeteld 733 studenten.We konden met een gerust hart zeggen dat de voorbereidingen in ieder geval geslaagd waren. Nu de twee dagen zelf nog…

ANOUK HIENSCH

BEROEPENDAGENVERSLAG

De laatste voorbereidingen Maandagmiddag 6 oktober stonden de commissie, het bestuur van de FSA en het bestuur van de VSAE op de stoep bij Hotel Sofitel Legend The Grand om daar binnengelaten te worden door de vriendelijke Laurens van The Grand. Bij binnenkomst waren we meteen blij met onze keuze om ook dit jaar De Beroependagen weer in dit mooie sfeervolle hotel te houden. Alle ruimtes zagen er mooi en verzorgd uit, en het personeel van The Grand is ontzettend aardig en bereid je overal mee te helpen. De medewerkers van The Grand waren die middag nog druk bezig met het klaarmaken van de tientallen ruimtes, met elke ruimte weer z’n eigen indeling en doel. De ene zaal is voor individuele gesprekken en de andere voor workshops of presentaties. Ook was er een aparte ruimte waar de bedrijven lunch werd gehouden. Ondertussen waren wij begonnen aan de meest intellectuele klus van het jaar: honderden goodiebags vullen met de goodies die de bedrijven hadden aangeleverd. De naambadges werden opgemaakt, de mappen gevuld en de garderobe klaargestoomd: we zijn klaar voor de Beroependagen. Snel ons bed in, want de volgende dag moesten we om 7 uur weer present zijn bij The Grand.

De eerste dag Mark en Glenn hadden die maandag al boodschappen gedaan voor het ontbijt, zodat we op de eerste dag van De Beroependagen konden genieten van een heerlijk broodje. Na een goede kop koffie hebben we de hele Grand nagelopen of alle ruimtes naar wens waren en alles er netjes uit zag. Toen was het zo ver, iedereen stond op z’n post, de eerste bedrijven en studenten stroomden binnen en De Beroependagen waren officieel

BEROEPENDAGENVERSLAG

begonnen.Voor de recruiters van de bedrijven was er een aparte ruimte, zodat zij konden werken tussen de onderdelen door. Bij ontvangst werden de bedrijven naar deze ruimte begeleid, of naar de ruimte waar ze hun eerste onderdeel zouden houden. BoerCroon, De Nederlandsche Bank en Rabobank waren de eerste aanwezigen, voor hun begonnen de individuele gesprekken om half 10. Langzaamaan stroomden ook Blue Sky Group, SNS Reaal, Deloitte, OC&C en EY binnen om zich klaar te maken voor de presentaties en workshops die zij zouden gaan geven. De presentaties van Rabobank en Optiver waren de laatste twee onderdelen van het ochtend programma op 7 oktober en, net als de andere onderdelen, waren ze goed verlopen. Het was half 1 en alweer tijd voor de lunch. Een bedrijven lunch voor geselecteerde studenten van PwC, Rabobank en Shell enerzijds en een algemene lunch voor studenten en bedrijven anderzijds. De baguettes en wraps waren heerlijk, net als de fruitmix en de zalm tartaar. Nog meer pluspunten voor The Grand! Tijdens de lunch en tussen de onderdelen door, was er de mogelijkheid voor studenten om het CV te laten checken bij CV-coach, waarvan twee professionals aanwezig waren om advies te geven over de opmaak van je CV. De Kleine Consultant stond voor de studenten klaar om ze te helpen met LinkedIn. Er werden nieuwe profielen aangemaakt, of tips gegeven over de weergave van je bestaande profiel online. Naast het LinkedIn advies, kon je bij De Kleine Consultant ook terecht om een inschattingsvraag te oefenen. CV-coach en De Kleine Consultant waren beiden een succes en drukbezocht. In de middag stond er een CV & Elevator pitch training op het programma, die gegeven werd door een leuke, enthousiaste vrouw van ImpressiveGreenApple. Voorafgaand aan deze training was de studenten gevraagd om een pitch voor te bereiden van 60 seconden. Deze werden tijdens de training gepresenteerd en samen werd

BEROEPENDAGENVERSLAG

er gekeken naar tips voor jouw persoonlijke pitch. De training was wederom een geslaagd nieuw onderdeel van het programma van De Beroependagen 2014. Naast de training vonden er die middag individuele gesprekken plaats van EY, OC&C, Optiver en SNS Reaal. Ook gaven De Nederlandsche Bank, Shell, BoerCroon en Rabobank een presentatie. Tijdens de workshops van KPMG, Nomura, Philips, PwC en Triple A werd er hard gewerkt aan cases en de dag werd afgesloten met presentaties van CBS en Zanders. De eerste dag liep alweer bijna ten einde en werd afgesloten met een gezellige borrel. De borrel was drukbezocht, mede dankzij het Branche Diner voor accountancy wat die avond plaatsvond in restaurant Harkema, en het diner van OC&C in restaurant Van Harte. Nadat de studenten en bedrijven onderweg waren naar hun diner, zat de eerste dag er alweer op! Nouja bijnaâ&#x20AC;Ś Er moest nog even goed worden opgeruimd en er werden extra waterflesjes gehaald bij de Makro. Na het uitladen van de flesjes, konden we de volgende dag tot een welverdiende half 8 uitslapen!

De tweede dag Op de tweede dag merkten we meteen dat de dag een stuk makkelijker verloopt als je het al een keer gedaan hebt. Het opstarten van de tweede, en tevens de laatste dag van de Beroependagen ging ons rustig af. We hadden een druk ochtendprogramma met vijf workshops: Accenture, Deloitte, ING, Sprenkels & Verschuren en Van Lanschot. Naast de workshops vonden ook nog de individuele gesprekken van APG en Kempen & Co, en de presentaties van Achmea, postNL, ABN Amro en Capgemini plaats. Wederom een heerlijke lunch voor de geselecteerde studenten van de bedrijvenlunch van Achmea, Delta Lloyd en Van Lanschot.

De algemene lunch was ook weer gezellig druk en deze dag konden de studenten zich weer beroepen op de diensten van CV-coach en De Kleine Consultant. Na de presentatie van APG en Heineken vond weer een training plaats van ImpressiveGreenApple en dit keer de Assessment training, waar in groepjes van 5 werd gewerkt aan de assessment skills. De laatste onderdelen van de beroependagen gingen nu officieel in: workshops van APG, Flow Traders, Kempen &Co en Towers Watson en presentaties van Delta lloyd, Rembrandt Fusies & Overnames, NewCraft en Strategy&. De borrel op deze avond was ook meteen de laatste borrel van de beroependagen 2014, waar onder andere de studenten aanwezig waren die zich verzamelden voor het diner van ABN Amro, PostNL, Sprenkels & Verschuren, Strategy& en Towers Watson. Nu was het officieel, de beroependagen zaten er alweer op, wat ging het goed! Alle spullen werden verzameld en naar de UvA gereden, er werd opgeruimd en een klein biertje gedronken. Samen met de besturen van de VSAE en FSA werden deze twee succesvolle dagen afgesloten met een diner. Daar zaten we dan, met zâ&#x20AC;&#x2122;n allen aan tafel: trots op dit mooie evenement dat we hadden neergezet!

Uitwisseling met National Chengchi University DOOR:

In februari 2014 ben ik op het vliegtuig gestapt naar Taipei, Taiwan. Dit was de eerste keer dat ik buiten de grenzen van Europa zou gaan. Een jaar nadat ik was geselecteerd om te gaan, kon ik het eindelijk in het echt beleven. Slechts een paar van mijn vrienden had van Taiwan gehoord. De meesten dachten dat ik naar Thailand zou gaan. Taiwan

Aankomst

Weinig Nederlanders hebben een goed beeld van Taiwan, dus hier een kleine introductie. Toen China na de tweede wereldoorlog communistisch werd, vluchtten de nationalisten en liberalen naar Taiwan en zetten daar het ‘oude’ China voort en creëerden uiteindelijk een volwaardige democratie. Beide landen claimen nog steeds de rechtmatige eigenaar te zijn van het gehele Chinese land en zien zichzelf als het echte China. Vanwege het one China beleid van de VN, erkennen de meeste landen slechts China en niet Taiwan. Alleen eilandstaatjes en een aantal Midden-Amerikaanse landen erkennen Taiwan. Om deze reden zie je relatief veel uitwisselingsstudenten uit Centraal-Amerika. In veel opzichten lijkt Taiwan erg op Nederland. Het is even groot, er wonen ongeveer evenveel mensen en gemeten in koopkracht zijn ze ongeveer even rijk als wij. Daarnaast is het in de 17e eeuw een handelskolonie geweest. Het is echter wel een sub-tropisch eiland, met bergen tot net onder de 4000 meter, wekelijkse aardbevingen en een werkende hogesnelheidslijn. Ongeveer een derde van de bevolking woont in en rond Taipei, de hoofdstad. Hier zou ik een half jaar gaan wonen, op de campus van (National Chengchi University of gewoon NCCU).

Begin februari kwam ik aan, in de regen, op het vliegveld net buiten Taipei. Ik werd opgehaald door mijn twee buddy’s, die mij met mijn Facebookfoto op hun iPad opwachtten. Na een aantal busritten door bergen en buitenwijken brachten ze mij naar mijn kamer op de campus van de universiteit. Ze vertelden met trots over hun moderne land: grote technologiebedrijven (Acer, Asus, HTC), muziek waar ik nog nooit van had gehoord, de ingewikkelde relatie met China en convenience stores, die voor hen het hoogtepunt waren; dit zijn 24/7 gemakswinkels waarvan Taiwan de hoogste dichtheid ter wereld heeft. Ik vond het raar om hen hier met trots over te horen spreken, maar eigenlijk doe ik dat nu zelf ook als ik over Taiwan vertel. De tweede dag na mijn aankomst was het jaarlijkse Lantern Festival, waar ter ere van het Chinese nieuwjaar wensballonnen worden opgelaten. In een klein dorpje buiten Taipei wordt dat groots gevierd en daar ging ik met een aantal medestudenten naar toe. Het regende overdag, wat het moraal iets aantastte, maar ’s avonds kon je staand op de centrale spoorlijn honderden ballonnen zien vliegen door sprookjesachtig berglandschap: magisch, en dat al binnen twee dagen na aankomst. Regen zou een constante factor blijven en het winterregenseizoen werd gevolgd door het stortregenseizoen en uiteindelijk het zomerregenseizoen. De onvoorspelbaarheid van vooral het stortregenseizoen brak me op, aangezien je in de ochtend niks kon zeggen over het weer in de middag. Gelukkig waren er ook heel veel mooie dagen en met temperaturen die uiteindelijk niet meer onder de 30 graden kwamen, is regen soms ook wel een welkome afwisseling. Paraplu’s worden al bij de eerste minuscule druppel tevoorschijn gehaald, omdat de Taiwanese regen legendarisch zuur is. Een nieuwe hightech Goretex regenjas is er al na een paar maanden intensief gebruik zo door aangetast dat hij niet meer waterdicht is.

EXCHANGEVERSLAG

JORIS BÜCKER

Campus De campus van NCCU ligt aan de rand van Taipei. Naast de campus beginnen de heuvels die overgaan in indrukwekkende bergen en het halve eiland bedekken. Als je van bergwandelen/klimmen houdt, kan je direct naast de universiteit beginnen. Met een paar vrienden en de lokale bergklimvereniging heb ik vele routes gedaan, inclusief tot de top van de op een na hoogste berg van Taiwan, Snow Mountain (3886 m). Op de top van deze berg is een wifi-hotspot gecreĂŤerd zodat je gelijk je foto kan uploaden naar Facebook. Wel moet je in de bergen oppassen voor de Asian Giant Hornet, de grootste wespensoort ter wereld die al na een paar steken dodelijk kan zijn en de vele giftige slangen, waaronder de Hundred Pacer, een slang zo giftig dat je honderd stappen na gebeten te zijn dood neervalt. De campus is levendig en altijd druk, maar door de natuurlijke omgeving hangt er ook een ontspannen sfeer. Er zijn veel (sport)evenementen en kleine hipstermarkten, waar studenten ontspannen rondlopen. Anders is dit een paar kilometer verderop, in Taipei centrum. Taipei is altijd druk met activiteiten en mensen, maar laat ik eerst over het studeren vertellen.

EXCHANGEVERSLAG

Actieve lessen Omdat er weinig wiskundige vakken worden gegeven en ik ook wel zin had in wat anders, heb ik vooral MBA-vakken gevolgd. Deze waren uitdagender dan de standaard bedrijfskundevakken en gegeven door docenten die Engels spreken zonder een al te sterk accent. De vakken waren Global Leadership, Case Studies on Finance and Entrepreneurship, Economics and Social Change in Taiwan en New Media Technology Civilization-East Asian and Western Perspectives. Daarnaast heb ik ook een cursus Mandarijn Chinees gevolgd op de universiteit, maar daar kreeg ik geen studiepunten voor. Een groot verschil met de lessen aan de UvA is dat de colleges heel actief zijn. Studenten worden erg gestimuleerd om hun inbreng te geven. Soms wordt een groot deel van het cijfer gebaseerd op participatie. In een vak over case studies was dit zelfs 60%. Bij dit vak deden alle studenten heel actief mee en de docent kon daar heel goed mee omgaan. Om deze redenen is dit het vak waar ik het meest heb geleerd. Het vak over nieuwe media ging voor een groot deel over de maatschappelijke veranderingen door de komst van internet, smartphones en toekomstige uitvindingen. Deze docent was zeer bevlogen en erg origineel. Hij citeerde veel van oude Chinese filosofen om de huidige technologische ontwikkelingen in perspectief te plaatsen. Het ene bachelorvak dat ik heb gevolgd was interessant, maar stelde qua studielast weinig voor. De MBA vakken gaven meer werk, maar nog steeds was er meer dan genoeg tijd voor andere dingen. Wel was er aanwezigheidsplicht bij alle vakken, wat langere reisjes wat lastiger maakten.

Medestudenten Ik heb veel leuke en interessante medestudenten ontmoet. Ik woonde in een zeer internationale omgeving met studenten uit alle landen. Er zijn veel studenten uit Europa, maar ongeveer evenveel uit (Zuid)Oost-Aziatische landen. Ook is er zoals gezegd een grote groep Centraal Amerikaanse studenten. Dit zorgt voor hele interessante interculturele gesprekken. Ook heb ik veel lokale studenten leren kennen die me probeerden te laten integreren in de Taiwanese cultuur. Dit zorgde soms voor miscommunicatie, maar altijd tot interessante inzichten. In maart braken er grote studentenprotesten uit tegen een vrijhandelsverdrag met China. Bijna al mijn Taiwanese vrienden gingen niet meer naar college en sliepen in tentjes voor het parlementsgebouw. Op het hoogtepunt waren er meer dan 100.000 mensen op straat. De huidige Taiwanese regering, met absolute meerderheid in het parlement, is erg pro-China en veel demonstranten waren bang dat de president hun land aan China zou verkopen. Zoals een Taiwanese vriend het tegen mij samenvatte: “I wish the Dutch would have stayed and still ruled Taiwan”.

Taipei en daarbuiten Taipei is een moderne kosmopolitische Aziatische stad, zoals Hong Kong, Tokyo, Singapore etc. In tegenstelling tot die steden is Taipei duidelijk Aziatischer en zijn er substantieel minder Westerse toeristen/expats. Daarentegen wonen er veel mensen uit allerlei Aziatische landen. De restaurants zijn van de hoogste standaard en het eten is beroemd door heel Azië en spotgoedkoop. Op een van de vele night markets kan je alles krijgen van typisch Taiwanees als pig blood cake, stinky tofu, ingewandensoep en allerlei vreemde zeedieren tot slang, kippenhuid, ultrapittige soep uit een of andere provincie in China en heel veel vruchtensappen. Als je je avonden anders wilt besteden, ga je bijvoorbeeld naar een bar als Fucking place. De Chinese naam van deze hippe artiestenbar vertaalt eigenlijk letterlijk als kinderspeeltuin, maar dat vonden ze kennelijk niet aantrekkelijk genoeg. Vervolgens ga je naar een 24/7 Karaoke bar of een van de gerenommeerde clubs die op maandag 5€ all-

you-can-drink-feestjes geven, om tussendoor bij een convenience store wat goedkope sushi en Taiwan Beer naar binnen te werken. Tijdens het WK voetbal kon ik in een van de vele (expat)bars terecht, zelfs als de wedstrijd om 3 uur ’s nachts begint. Het WK is geen groot evenement in Taiwan en het nationaal elftal is als 180ste op de FIFA ranglijst te vinden. Ik weet nog goed dat op de avond voor Nederland-Spanje een Spaanse vriend met de Spaanse kampioensvlag in mijn gezicht zat te wapperen. De volgende dag durfde hij mij niet onder ogen te komen. Buiten Taipei is het land veel minder ontwikkeld en spreken de mensen amper Engels. Toen mijn ouders op bezoek kwamen en mijn moeder een of ander hotelletje had in het binnenland van Taiwan, waren

TAIWAN UITGELICHT Taiwan is een eiland in Zuid-Oost Azië gelegen bij de Chinese oostkust. De zelfstandige regering van Taiwan staat ook bekend als de Republiek China. Deze regering moet niet verward worden met de Volksrepubliek China, de regering van China. Er is een continu conflict tussen beide over wie de heerschappij heeft over heel China.

wij de eerste niet-Aziatische gasten in de 50-jarige geschiedenis van het hotel. Een andere keer was ik met een aantal Europese en Taiwanese vrienden een aantal dagen op vakantie op Penghu, een tropisch eiland 50km van de kust af. Van oudsher hebben ze daar een eigen taal en op veel plekken konden zelfs mijn Taiwanese vrienden niet met de lokale bewoners praten. In juni zat mijn uitwisseling er weer op. Wekenlang waren er iedere dag afstudeerfeestjes van lokale studenten en afscheidsfeestjes van de uitwisselingsstudenten. Gelukkig hoefde ik niet naar huis en bleef ik nog een paar weken in Taiwan om vervolgens een maand door zowel Vietnam als India te reizen. Maar dat is weer een verhaal apart. Al met al een geweldige ervaring in een indrukwekkend land en ik verlang terug naar het leven in zo’n andere cultuur.

EXCHANGEVERSLAG

De vakken die ik had gekozen hadden geen tentamen, maar participatie, presentaties, essays en opdrachten om het cijfer te bepalen.Voor Global Leadership heb ik met een paar andere internationale studenten op een middelbare school culturele lessen gegeven. Door taalen cultuurbarrières was dit een hele uitdaging, maar een super ervaring. De cursus Mandarijn is zeker een aanrader. Waarschijnlijk ging mijn meeste studietijd in deze cursus zitten, maar je merkt direct resultaat van je studie. Onze docent was heel goed en in de kleine klas van acht studenten waren de lessen altijd gezellig.

Bedrijfsinterview PwC Kasper en Jelle zijn langsgeweest bij PwC voor een interview met werknemers Daan Stroosnier & Jan Nooren. Jan werkt bij PAIS (Pensions, Actuarial and Insurance Services) en Daan werkt bij Data Analytics. Kunnen jullie iets vertellen over met dezelfde achtergrond. Echter, om je te blijven ontwikkelen. Bij PwC jezelf? we vallen onder een andere line geloven ze echt in het ontwikkelen

BEDRIJFSINTERVIEW BEDRIJFSINTERVIEW

Jan: In januari heb ik mijn studie Econometrie aan de VU afgerond. Ik ben daarna twee maanden gaan reizen en ben in april begonnen aan mijn fulltime functie bij PwC. Daan: Ik werk nu net iets meer dan twee jaar bij PwC, inmiddels als Senior Consultant binnen de afdeling Data Analytics (DA). Ook ik heb Econometrie gestudeerd, maar dan aan de UvA. Op dit moment ben ik verantwoordelijk voor campus recruitment voor de afdeling DA.

of service. PAIS valt onder Tax & HRS en DA valt onder Advisory. Binnen deze tak werken we niet met werkstudenten, maar wel met afstudeerstages. Ikzelf schreef mijn scriptie aan de UvA en merkte dat ik de econometrie erg leuk vond en dat wilde blijven toepassen in mijn toekomstige baan. Ik wilde binnen Consulting werken en heb gekeken bij Strategie Consultants, maar daar kwam weinig econometrie in naar voren. Bij Data Analytics vond ik dit allemaal terug: de perfecte Zijn jullie actief geweest bij de combinatie tussen Consulting - én studievereniging? analytische vaardigheden. Daan: Ik ben zeer actief geweest bij de VSAE: bij meerdere commissies Kunnen jullie toelichten waar jullie en daarnaast heb ik in 2007 in het afdeling precies mee bezig is? bestuur van de VSAE gezeten. Jan: Binnen Pensions, Actuarial and Jan: Zo actief als Daan ben ik niet Insurance Services (PAIS) hebben geweest, maar ik heb wel in de we een pensioen- en insurancetak Aenorm commissie van de VU en sinds kort ook een risk afdeling. gezeten, toentertijd werd dit blad Binnen pensioen zijn we onder namelijk door de VSAE en Kraket andere bezig met audit support gezamenlijk uitgegeven. en veranderingstrajecten. Op dit moment is er veel aan de hand Hoe zijn jullie bij PwC terecht binnen de pensioenwereld en alle gekomen? ontwikkelingen moeten worden Jan: Tijdens mijn studie was ik al doorgerekend, daar zit nu veel geïnteresseerd in de actuariële werk in. Binnen risk zijn we bezig sector, en vooral actuarieel advies. met risico’s in kaart te brengen die Via internet heb ik onderzoek pensioenfonds specifiek zijn. Deze gedaan en de bedrijven naast elkaar tak is nog vrij klein, maar onze gelegd. PwC komt niet zo snel in verwachting is dat het steeds groter je op, maar heeft wel degelijk een gaat worden. grote actuarieel advies tak. Bij PwC Daan: Op onze afdeling zijn we geloven we daarnaast in breed bezig met projecten die meestal ontwikkelen en dit is ideaal voor een paar maanden duren. We een werkstudent. Als werkstudent dienen eigenlijk alle industrieën had ik het heel erg naar mijn zin en (ook gemeentes en overheid) en ben na mijn afstuderen dan ook vast de gemene deler bij deze projecten in dienst getreden. is dat we aan de hand van data, Daan: Bij mij is het iets anders geavanceerde analyses doen om gegaan, maar eerst even iets over inzicht te verkrijgen voor de klanten. de structuur bij PwC. De afdelingen PAIS en DA doen recruitment Krijgen jullie de ruimte om naast je veel samen, aangezien ze op zoek werk trainingen/studies te volgen? zijn naar hetzelfde type mensen, Jan: Ja, je wordt sterk aangemoedigd

van mensen, zowel de soft skills als de hard skills. Daan: Van iemand met een afgeronde studie econometrie verwachten wij dat iemand ruim voldoende analytische vaardigheden heeft.Als consultant is het daarnaast, gezien het contact met klanten, erg belangrijk om soft skills te hebben/ ontwikkelen. PwC stimuleert en faciliteert om analytisch sterk te blijven en je technische, presentatie en communicatievaardigheden verder te ontwikkelen.

Hoe is de omgang met collega’s buiten werktijd?

Jan: Er worden erg veel sociale activiteiten verzorgd. Regelmatig hebben we een uitje, waarbij we met z’n allen in de stad gaan eten en borrelen. Daarnaast zijn er diversie sportieve activiteiten, een 90’s now feestje, noem maar op. Daan: Wij hebben binnen DA een whatsapp groep waar regelmatig een uitje wordt gepland. We gaan de stad in en zien wel waar we eindigen. Daarnaast heb je binnen consulting initiatieven vanuit PwC. Denk aan Sinterklaas of weekendje Düsseldorf om Europese collega’s te ontmoeten.

JAN NOOREN jan.nooren@nl.pwc.com

DAAN STROOSNIER

daan.stroosnier@nl.pwc.com

www.werkenbijpwc.nl

Soms ben je tevreden

Soms drijf je jezelf tot het uiterste Je hebt tijdens je studie alle mogelijke kennis opgedaan. En nu wil je aan de slag. Op een plek waar je al je ambities kwijt kunt. Waar de lat hoog ligt en waar je samenwerkt met professionals. Je start je carriĂ¨re vliegend en gaat recht op je doel af. Dat is: het beste in jezelf naar boven halen.

Kom verder op werkenbijpwc.nl

Neem voor meer informatie contact op met een recruiter: 088 792 87 77 werkenbijpwc@nl.pwc.com www.werkenbijpwc.nl/contact Volg werkenbijpwc op Facebook en Twitter

Wat denkt de VSAE over ..... Zijn toekomstige carrière Om achter de mening van Nederland komen is er onderzoek gedaan onder een groep econometristen, die natuurlijk een goede weerspiegeling geeft voor de gehele bevolking. In deze editie bekijken we de voorspellingen van een groep VSAE’ers over het hun toekomstige carrière.

VSAE ONDERZOEK

Het grootste deel van de VSAE’ers studeert econometrie. Dit is ook niet zo raar bij een econometrievereniging. Opvallend is wel dat actuariaat volgt met 7 keer zoveel studenten als economie en bedrijfskunde. Het actarieel genootschap heeft nog niet gereageerd op de vraag of ze dit actuaris overschot gaan aanpakken. Pim is al gelukkig als hij €10 verdiend. Per wat is alleen niet helemaal duidelijk. We hopen niet dat dit per jaar zal zijn, want dan zal het toch lastig rondkomen voor hem worden. €10 per minuut daarentegen zou een leuke uitdaging zijn. Hij denkt zelf ook als eerste met pensioen te gaan. Wij hopen niet dat dat zal zijn wanneer hij de bovenstaande €10 heeft

Hoeveel jaar studeert de gemiddelde VSAE'er al? 1 jaar 2 jaar 3 jaar 4 jaar 5 jaar 6 jaar

verdiend, want dan zal hij nooit beginnen met werken. Dit zou hij waarschijnlijk ook geen probleem vinden, omdat hij toch liever gaat wielrennen. Verder denkt een groot deel van de VSAE dat Marc niet te laat zal stoppen met werken. Als je hem dan nog een keer zoekt zou ik eerst even zoeken op de golfbaan. Als het daarentegen gaat over wie er juist nooit

DOOR: SIMONE SPIERINGS & FLORIAN VAN DER PEET zal stoppen met werken dan werden Bas en Mila vaak genoemd. “Bas is namelijk te lief om ontslag te nemen en te goed om te ontslaan”, aldus Aletta. Mila vond een bestuursjaar gecombineerd met vijf keer in week roeien al geen uitdaging. Haar pensioen zal ze daarom zo lang mogelijk uitstellen. Welgeteld 22 procent van de VSAE’ers is op het moment werkstudent. Op dit moment verdienen de mannelijke VSAE’ers minder dan de vrouwelijke VSAE’ers. Naar verwachting nemen de inkomsten toe per

“Ruben: Geld speelt geen Rolex.” leeftijdssjaar, maar daar staat tegenover dat de inkomsten afnemen per jaar dat er langer gestudeerd wordt. De som van dit effect is nog net positief, maar te lang studeren lijkt geen positief effect te hebben op je inkomsten ontwikkeling. Deze conclusie lijkt tegenstrijdig, maar dit verklaren wij doordat ouderejaars studenten of werkstudent zijn, of niks doen. Ze verdienen dus of relatief veel of niks. Werkstudenten verdienen gemiddeld 450 euro meer per maand, dit lijkt veel, maar maximaal lenen zorgt voor meer inkomsten. Bij de vraag wat je later minstens zou willen verdienen dachten vrouwen minder snel aan een bedrag, als het maar genoeg is om op vakantie te kunnen, terwijl mannen al een startsalaris in hun hoofd hadden. Om op de werkvloer terecht te komen is het natuurlijk eerst belangrijk om een diploma te behalen. Een diploma begint in de collegezaal. Mannen gaan net iets vaker naar college dan vrouwen.Vrouwen denken het waarschijnlijk allemaal beter te weten dan hun mannelijke professoren, zij hebben dus geen colleges meer nodig. Ook opvallend was dat actuarissen minder naar college gaan. Toch blijven de niet-econometristen de fanatiekste groep. Zij gaan namelijk het meest naar

“Tim denkt zelfs dat iedereen eeuwige student zal blijven, want zoals hij zelf zegt: Het leven is een leerproces.” tegenover 75 procent van de vrouwen. In totaal geldt dit voor 72 procent van de VSAE’ers. Ruben is zelfs al vanaf zijn geboorte bezig met zijn toekomstige carrière. Wij zijn toch benieuwd hoe hij dat deed als kind. Verder denken econometristen minder aan hun toekomst dan niet-econometristen. Dit is waar-

schijnlijk te verklaren doordat econometristen zich over het algemeen minder zorgen hoeven te maken over hun baankans. Mits ze hun studie natuurlijk halen. Er zijn namelijk ook een aantal VSAE’ers die gezien worden als eeuwige student. Tim denkt zelfs dat iedereen eeuwige student zal blijven, want zoals hij zelf zegt: “Het leven is een leerproces”. De VSAE’ers zijn het er anoniem overeen dat Ruben voor het meeste geld een Aenorm kan verkopen. Hij is het hier zelf volledig mee eens, alhoewel hij wel concurrentie ziet in de Wolf of Wallstreet. Over de vraag welke VSAE’er het meest trouw is aan zijn werkgever staat Lennart hoog in het lijstje. Maar als Nousjka net zo trouw is aan haar werkgever als aan haar boekhoudprogramma wint zij dit met gemak. De meningen lopen uiteen wat betreft wie er in de Quote 500 zou komen. Wel hebben veel VSAE’ers vertrouwen in de race carrière van Jesse van Kuijk en zij denken dan ook dat hij daarom in de Quote 500 zal komen. Toch hebben VSAE’ers nog altijd het meeste vertrouwen in zichzelf en het grootste deel denkt (wij denken eerder hoopt) dat ze in de Quote 500 zullen komen.

VSAE ONDERZOEK

college. Maggie is de enige ouderejaars die nog naar elk college gaat. Elk jaar dat je ouder wordt, gaan de VSAE’ers gemiddeld 20 procent minder naar colleges. Wij verklaren dit doordat de fanatieke eerstejaars met het BSA in het vooruitzicht nog niks durven te missen. Maar zijn de VSAE’ers naast het studeren al echt met hun toekomstige carrière bezig? 70 procent van de mannen denkt al na over zijn toekomstige carrière

Commissie uitgelicht... De LED-commissie 10 februari 2015 vindt de jaarlijkse Landelijke Econometristendag (LED) plaats. In het NBC Congrescentrum in Utrecht komen bedrijven en studenten bij elkaar voor het grootste jaarlijkse recruitment event binnen de Econometrie, Operationele Research en Actuariaat. Dit evenement wordt elk jaar door een andere econometrievereniging georganiseerd. Dit jaar is het de beurt aan Amsterdam; de VSAE en Kraket bundelen hun krachten. Genoeg reden voor ons om deze commissie te ondervragen. De commissie bestaat uit Marlou Beringer (Voorzitter, VSAE), Kasper van Vliet (Coördinator,VSAE),Valérie Vermaas (VSAE), Timna van der Horst (VSAE), Willem Feijen (Coördinator, Kraket), Bernard Zweers (Kraket), William van de Kamp (Kraket) en Tim Wolterink (Kraket)

DOOR: LAURA RUIS & SIMONE SPIERINGS

COMMISSIE UITGELICHT

Hoe gaat het met de voorbereidingen?

Willem: Heel goed! Het is erg leuk om te zien hoe de dag steeds meer vorm begint aan te nemen; de lunch wordt uitgekozen, de draaiboeken worden in elkaar gezet en de bedrijven worden langzamerhand bekend gemaakt. Bernard: Het voorbereiden van de LED is als een relaxed fietstochtje, alleen staat je fiets in de brand. En de grond ook.

Waarom zouden wij naar de LED moeten komen?

Valérie: Omdat het een super leuke dag wordt met een feest in de Filemon, lekker eten en interessante sprekers. O ja, en meer dan 30 leuke bedrijven die wel eens je toekomstige werkgever kunnen worden. Daarnaast is het natuurlijk een heel goede reden om je mooiste pak aan te trekken en er een dag lang fantastisch uit te zien. Marlou: Omdat de LED een fantastisch evenement is waarbij je jezelf even goed in the picture kan spelen bij bedrijven. Daarnaast wil je het feest (met gratis drank) natuurlijk niet missen. Omdat wij het nu organiseren is het natuurlijk extra leuk om te komen. Hoe meer VSAE’ers hoe beter!

Jan Peter Balkenende als spreker, hoe hebben jullie dat voor elkaar gekregen?

Kasper: Dat wil je niet weten.. William: Als extern coördinator heb ik contact gelegd met EY. Tijdens het gesprek kwam naar voren dat, indien dit mogelijk zou zijn voor Balkenende, EY het leuk zou vinden als Balkenende één van de sprekers op de dag zou worden.

Hoe gaat de samenwerking binnen de commissie?

Marlou: Ik zou me geen betere commissie kunnen wensen! Valérie: Top! Het is leuk om ook Kraket wat beter te leren kennen. Na meer dan 20 vergaderingen en een supermooi commissie weekend kennen

Wie heeft de grootste mond op de vergaderingen?

Timna: Koen (de vorige coördinator vanuit Kraket). Sinds Willem de nieuwe coordinator is zijn de vergaderingen een stuk korter, zou er een verband zijn? De rest: Overduidelijk Marlou.

Wie is er altijd te laat op de vergaderingen?

Bernard: We laten de vergaderingen zo laat beginnen dat niemand meer te laat kan komen. Tim: Toch heeft Valerie al meerdere keren moeten trakteren.

heel benieuwd wat hij had verteld. Ik geloof dat het hierdoor is ontstaan, iedere vergadering verlicht hij ons met een nieuwe historische gebeurtenis, feitje of theorie. Willem: Pfoe, geen idee, misschien is ‘het onstaan van Bernards momentje’ wel een goed onderwerp voor een nieuw ‘Bernards momentje’?

Wat is het meest memorabele moment uit jullie commissieweekendje?

Valérie: Het uren durende veels te ingewikkelde potje juffen, waarbij je in plaats van ‘8’ ‘HUH?!’ moest zeggen en je iedereen aan moest spreken met de naam van de persoon die links naast hem of haar zat. Kasper, die naast een plant zat, werd omgedoopt tot ‘Kasplantje’.

Wat hebben jullie in je pak als bijnaam laten zetten?

Wat is het belangrijkste dat jullie hebben geleerd van deze commissie?

Tim: Bright, tall and handsome. Waarom niet! Bernard: Timna, mijn geheime liefde! Kasper: Mijn bijnaam heeft te maken met het vriendelijke spookje.

Welk commissielid zal later zelf spreken op de LED?

Timna: Hier kan ik alleen maar Bernard noemen. Deze man zien we sowieso terug als spreker op de LED. Hij is al begonnen met zijn speech. Valérie: Timna, ik praat liever niet met haar over econometrie en cijfers, dan wil ik in een hoekje gaan zitten en huilen. Bernard: Mag ik mezelf zeggen? Ja dat mag ik zeggen!

Valérie: Het belangrijkste vind ik lastig, maar wel echt veel. Alleen al dat ik eerst niet eens de tandarts durfde te bellen voor een afspraak en nu met bedrijven onderhandelde aan de telefoon over gigantische bedragen. Willem: Een fijne sfeer binnen een commissie zorgt voor een groot verantwoordelijkheidsgevoel, wat op zijn beurt weer zorgt voor betere resultaten.

Zijn er nog leuke dingen die je zou willen vertellen over de commissie? Kasper: 3 reuzen, 3 kleine meisjes en twee coördinatoren gaan de beste LED organiseren, die de econometriestudenten uit Nederland nog lang gaan onthouden. Houd de website, www.leditbeyourday.nl goed in de gaten!

Hoe is “Bernards momentje” ontstaan?

Valérie: Bernard vindt geschiedenis en algemene kennis belangrijk. Hij is bij zijn dispuut dan ook archivaris, bij elke vergadering diept hij iets op uit het archief om over te vertellen. Bij een commissieavond moest hij eerder weg hiervoor, iedereen was natuurlijk

COMMISSIE UITGELICHT

we elkaar dan ook erg goed en er wordt ook veel gelachen.

OPLOSSING PUZZEL AENORM 84 Hiernaast de oplossing van de puzzel uit de vorige editie van de Aenorm. De winnaar van de vorige puzzel is geworden Rick van der Peet. Gefeliciteerd Rick! Je kunt de bioscoopbon op de VSAE kamer op komen halen.

2 3 1 4 6 5 8 7

6 8 5 7 1 2 4 3

8 6 7 2 5 3 1 4

4 7 2 3 8 1 5 6

3 5 4 1 2 6 7 8

1 4 6 8 3 7 2 5

7 2 3 5 4 8 6 1

5 1 8 6 7 4 3 2

INZENDINGEN PUZZEL Op deze pagina is een uitdagende puzzel te vinden. Oplossingen kunnen tot en met 15 januari 2015 worden ingeleverd. Dit kan in de VSAE kamer (E3.25-E3.27), per mail via aenorm@vsae.nl of per post naar de VSAE t.a.v. Aenorm puzzel 85, Roetersstraat 11, 1018 WB Amsterdam, Nederland.

Er zal een bioscoopbon ter waarde van â&#x201A;Ź10,- worden verloot onder de correct ingezonden oplossingen!

Every row, column, cluster and both red cross lines must contain the numbers 1 to 9.

PUZZEL

33708

9 2 1 4 5 6 7 8 3

5 3 7 8 9 1 4 2 6

2 9 6 5 7 3 8 4 1

1 4 3 2 6 8 5 7 9

ÂŠ Stephen Jones, Muddled Puzzles

7 5 8 9 1 4 3 6 2

8 7 4 6 3 2 9 1 5

6 8 9 1 4 5 2 3 7

3 1 2 7 8 9 6 5 4

4 6 5 3 2 7 1 9 8

#REF!

www.sudokion.com

Individual Reserving by Detailed Conditioning - A parametric approach Robert Kroon presents his Bachelor thesis on the Reserving by Detailed Conditioning method. As a starting point he uses an article written by Godecharle and Antonio (2014).

Prices versus Quantities in a mixed Oligopoly In this article Rob Goedhart presents his project in which he investigated a mixed oligopoly with one part of the firms using prices as strategic variables, and the other part using quantities.

Behavioral Forecasting: Het verbeteren van bedrijfsresultaten met klantgedrag Met big data heeft MIcompany een precieze methode ontwikkeld om bedrijfsresultaten te voorspellen: ‘behavioral forecasting’. Deze methode werkt beter dan de traditionele ‘financial forecasts’, menen Wynfrith Meijwes en Marnix Bügel.

Recommended for readers of XXx-level

BSC-LEVEL | ACTUARIAL SCIENCES | SPECIALTY | NL

Individual Reserving by Detailed Conditioning - A parametric approach BY:

In order to calculate the present value of future liabilities, insurers use a variety of methods. Up until a few years ago, the only methods used were based on aggregated data, presented in so-called claim triangles. The methods used on these triangles are in essence variations and extensions of the simple chainladder method. The use of these methods can be explained relatively easily, since they are quite straightforward and do not require extensive calculations in order to compute the reserves. These methods were particularly popular when computers did not have a lot of processing power, which is the main reason they were proposed. These methods however face one big drawback: they reduce a large dataset into a small sample design. This means a lot of information is lost by aggregating the data, resulting in higher variances and perhaps even biased estimates1. That is why, over the last few years, researchers have developed methods that are capable of processing the full dataset. In this paper we will implement ideas suggested by Drieskens et al. (2012), Rosenlund (2012), Pigeon et al. (2013) and others. They describe ways to calculate reserves using data registered at in-

ROBERT KROON

dividual claim level, while working with discrete time intervals. Our starting point is the article written by Godecharle and Antonio (2014) on reserving by conditioning on individual claim markers. This method is called Reserving by Detailed Conditioning.

The findings of Pigeonet et al. (2013) and Godecharle and Antonio (2014) support this claim.

In this section we describe the method used by Rosenlund (2012) and Godecharle and Antonio (2014) based on reserving by detailed conditioning and propose an alternative. For the sake of consistency, we use the same notation as they do.

2.1.1 Discretizing the data Following the approach used in Godecharle and Antonio (2014) and Rosenlund (2012) we discretize the data into years2 and work with the discrete dataset. We convert the occurence, reporting and closing dates into the following variables for each claim k. • • • •

the occurence period for claim k, i(k) (with i(k)  1,…, n). the reporting period for claim k, W(k). If the claim is reported in the same year as it occured W(k) = 1. the closing period for claim k, F(k). If the claim is closed in the same year as it occured F(k) = 1. the sum of all payments in year j, denoted by Y (k, j), with j = 1,…, F(k).

Using this notation, we summarize a claim k as:

(2.1)

2.1.2 Claim Markers We will simulate the future of a claim by conditioning on so-called claim markers. A claim marker is a marker based on the characteristics of a claim. We assume that closing probabilities and payments of claims with the same markers are independent and identically distributed (i.i.d.). Following the approach of Godecharle and Antonio (2014), we use three different markers, which we will describe in this section. These markers are: • • •

the claim length, from now on denoted by L(k). the (quantile of the) last observed cumulative payment, Qt(k). the reporting delay W(k).

Claim Length We specify the length of a claim as: (2.2) Using equation (2.2) and W(k) we derive two important characteristics of a claim:

For a reported claim we have Lmin (k) = n - i(k) - W(k) + 2 and for an unreported claim Lmin(k) = 0. In chapter 3 we discuss a method to simulate the actual length of both reported and unreported claims.

Cumulative Payments As the second marker, we use the last known quantile of the cumulative payments of a claim. Following Rosenlund (2012), we define the cumulative claims for a claim k up to time t as:

with t  (0, 1,…, n), the period since reporting. We apply quantile binning to structure the information on cumulative payments, i.e. we divide claims into fixed number (q0) of quantiles, and assume the payments in each quantile have the same distribution. We define Qt(k) as the quantile claim k belongs to at time t. For a more detailed description of quantile binning, we refer to Godecharle and Antonio (2014).

Reporting Delay

Finally, we use the reporting delay W(k) as a claim marker. We choose to do so, because we believe claims with the same reporting delay tend to have a similar development pattern.

Extra Parameters Using these claim markers in order to simulate future claim development may prove to be problematic, since some combinations of these markers may result in very small clusters. This makes them unreliable and susceptible to outliers. In order to assess this, we define a few extra parameters to combine these small clusters: • •

• •

(2.3)

if W(k) ≤ n - i(k) + 1, a claim is reported. if L(k) ≤ n - i(k) -W(k) + 2, a claim is closed. This is equivalent with requiring that F(k) ≤ n - i(k) + 1.

we combine claims with a long developing period (L(k) ≥ 0), adjusting our claim marker gives us the bounded claim length: Lb(k) = Min{L(k), 0} we combine claims with a long reporting delay (W(k) ≥ 0), adjusting our claim marker gives us the bounded reporting delay: Wb(k) = Min{W(k), 0}

Note that this gives us a dataset comparable to an incremental triangle, but on an individual level.

BSC-LEVEL | ACTUARIAL | SPECIALTY SCIENCES | NL

2.1 Reserving by Detailed Conditioning

With these two characteristics we can define three types of claims. First we define closed claims as claims that are both reported and closed. For these claims both L(k) and W(k) are known. For a claim that is reported but not settled (RBNS) both the length and the reporting delay are known, but the length L(k) is censored at the moment of evaluation. Therefore we observe a length that is smaller or equal to the actual length of the claim. For Incurred but not Reported claims (IBNR) both the length of the claim and the reporting delay are unknown.

Recommended for readers of XXx-level

2.Theoretical Framework

•

we identify late payments (payments at t ≥ 0), we assume payments after t = 0 have the same conditional distribution as payments made in the year t = 0

With these adjusted claim markers we set up our stochastic simulation framework. In order to compare our results to those of Godecharle and Antonio (2014) we use the same parameter values and data as they do. For a sensitivity analysis of the parameters we refer to Godecharle and Antonio (2014).

3. Case Study Building upon our theoretical framework laid down in the previous section, we now construct a method to simulate the future of individual claims.

Recommended for readers of XXx-level

BSC-LEVEL | ACTUARIAL | SPECIALTY SCIENCES | NL

3.1 The data We use the same dataset as Antonio and Plat (2013), Pigeon et al. (2013) and Godecharle and Antonio (2014). This dataset contains payment data and reporting and/ or closing dates for general liabilty insurance policies of individuals. It consists of claims related to both Material Damage (MD) and Bodily Injury (BI). We have available data for 224,836 MD claims and 4,483 BI claims of which respectively 220,730 and 3,452 are already closed. These claims contain data from January 1997

to August 2009. We will split the data into two subsets, one ranging from January 1997 to December 2004 and the other from January 2005 to August 2009. We will use the first dataset for the actual simulation, the rest of the data will be used as a control group to validate our results. Figure 3.1 and 3.2 show the incremental claim triangles for both claim types.As can be seen, the development of the claim types is quite different. We see that BI claims tend to have a longer development period than MD claims. The difference in development patterns can be illustrated even more clearly if we show the (empirical) distribution of the reporting delay W(k) (Figure 3.3) and the Claim Length L(k) (Figure 3.4) of both claim types. Based on these figures we can conclude both claim types have a significantly different distribution in terms of claim length and reporting delay.Therefore we have to simulate both claim types separately. Lastly, we report the distribution of the actual payments, since they will be used to fit the distributions of future payments.We can see Payments made for BI claims tend to be more right skewed and have longer development periods than MD paymens, so different distributions may have to be used for the claimtypes.

Figure 3.1: Incremental claim triangle for BI. The values are in thousands.

Figure 3.2: Incremental claim triangle for MD. The values are in thousands.

Firgure 3.3: Claim length of both claim types.

In this section we will drop subscript k for ease of notation. For a claim that is not yet closed, we can specify the one year probability that the claim is closed the following year (or equivalently that L = ). This probability is defined as:

(3.1)

We assume this probability is the same for claims with the same claim markers. Using this one year probability we can define the distribution of the claim length at period t since reporting as: Or equivalently, using (3.1):

(3.2)

(3.3)

In order to estimate the one way probabilities r we will use a binomial maximum-likelihood estimator. We therefore define: • IF (; q, w, t) as the number of finalized claims with L = , given L > t, Qt = q and Wb = w, and • J(; q, w, t) as the number of reported claims with L = , given L > t, Qt = q and Wb = w. We then estimate r(; q, w, t) with the following equations:

(3.4) (3.5)

Equation (3.5) ensures claim development is restricted to the triangle. With the estimates of r we calculate values of p(; q, w, t) using equation (3.3). Using these probabilities, we simulate the claim length of unclosed claims, which we will denote by Ls(k).

3.3 Simulating claim development After simulating lengths for open claims, we need to simulate payments. For RBNS claims we have t = n - i(k) - W(k) + 2 and simulated claim length Ls (k).To simulate future payments we assume claims with the following characteristics have the same distribution: •

the same bounded simulated claim length

• •

the same bounded reporting delay Wb(k). the same cumulative quantile Qt(k), with t as above.

We use these claim markers, based on the last observed t, throughout the simulation. Since IBNR claims are not yet reported, we cannot condition on Qt(k), and have to simulate the amount of claims and their reporting delay as well. We use our observations to fit a distribution to the payments of each cluster, using the Akaike Information Criterion3 (AIC) as a statistical measure of the goodness of fit. We will fit the Gamma, Lognormal and Pareto distributions to our data, since they are the distributions that are generally used in practice. These distributions are ideal for fitting claim payments because of their right-skewedness and their large variance. Using the best fitting distribution, we simulate payments of a claim k that is not yet closed, i.e. Y(k, W + t - 1) for t  {Lmin(k) +1,…, Ls(k)}. If t ≥ 0 we cluster all individual payments to prevent clusters from getting too small. With the simulated

The AIC is defined as 2k - 2ln(L), with k the amount of parameters and L the likelihood.

Recommended for readers of XXx-level

3.2 Simulating (actual) claim length

BSC-LEVEL | ACTUARIAL | SPECIALTY SCIENCES | NL

Figure 3.4: Reporting delay of both claim types.

BSC-LEVEL | ACTUARIAL | SPECIALTY SCIENCES | NL Recommended for readers of XXx-level

payments we construct a distribution of respectively the RBNS and the IBNR reserves. We will do so in the next subsections.

With the (discrete) distribution of the reporting delay, observed t periods after occurence. For further details, we refer to Pigeon et al. (2013).

3.3.1 IBNR claims

IBNR claim development

For IBNR claims we have to simulate both the number of claims and the severity of the claims. Therefore, we can not condition on observed claim markers either, simply because no information is available.

For IBNR claims the individual reserve for claim k equals:

Number of (IBNR) claims

If we denote KINBR as the number of IBNR claims in the dataset we can deduce the following formula for the total IBNR reserve:

We follow the approach from Pigeon et al. (2013) and Godecharle and Antonio (2014) to simulate the number of IBNR claims per occurence year i and reporting delay W. We assume the number of claims in period i is Poisson distributed with mean ď ą â&#x2C6;&#x2122; w(i), with w(i) an exposure measure for occurence year i. We can then estimate W using a geometric distribution (with a degenerate component). Since we only observe reported claims, we should thin the Poisson distribution to:

(3.6)

(3.7)

(3.8)

After simulating the amount of claims and their length, we estimate distributions for the payments, given Ls(k) and Ws(k). For each cluster we will seperately fit a distribution and use the one that fits best. By approaching the fitting of distributions separately for each cluster, we retain the possibility to fit a different

Figure 3.5: Characteristics of payments of both claim types, given their reporting delay.

Figure 4.1: Results from our BI simulations, compared to Godecharle and Antonio (2014) and the chain ladder bootstrap

distribution for each cluster, depending on which one fits best. We use these distributions to simulate future payments for t = Lmin(k) to Ls(k), so we get a simulated reserve for each individual claim. After repeating this process a sufficient number of times for all claims, we can construct the distribution of the IBNR reserve.

4.1 Parameters Before simulating claim payments, we need to determine the values of our parameters 0, q0, 0 and 0. To compare our results to those of Godecharle and Antonio (2014), we will use the same parameters as they do. Based on the descriptive statistics of the data, described in section 3.1, we use the following parameters:

3.3.2 RBNS claims

(3.9)

•

If we denote KRBNS as the number of RBNS claims in the dataset we can deduce the following formula for the total RBNS reserve:

• •

(3.10)

Similarly to IBNR claims, in order to simulate the payments, we have to simulate from parametric distributions. For RBNS claims we have to estimate additional distributions because we only condition on Ws(k) and Ls(k) for IBNR claims, whereas for RBNS claims we condition on Qt(k) and t as well.

4. Results

Based on Figure 3.3, we conclude BI claims have a long claim development if L ≥ 4 and MD claims if L ≥ 3. Therefore we set 0 = 3 for BI claims and 0 = 4 for MD claims. We distinguish three types of claims based on cumulative payments H( ∙, t): small, intermediate and large claims.Accordingly, we set q0 = 3 for both claim types. From Figure 3.4, we conclude both BI and MD claims have a long reporting delay if W ≥ 3, so for both BI and MD claims we set 0 = 3. Based on Figure 3.5 we conclude that payments are late if they are made after t = 3, hence we set 0 = 3 for both claim types.

These parameters give us a maximum of possible distributions for RBNS claims4 and 0 ∙ 0 ∙ 0 = 36 for IBNR claims (since we do not condition on Qt). Note that many combinations will result in empty clusters, so the amount of fitted distributions will always be smaller than this. In practice we have to fit approximately 150 to 160 distributions with these parameters. For a sensitivity analysis on the parameters, we refer to Godecharle and Antonio (2014).

In this chapter we report the results of our parametric simulation. As a benchmark, results obtained with the method used in Godecharle and Antonio (2014) and the results from the chainladder bootstrap are added as well.

Figure 4.2: Results from our MD simulations, compared to Godecharle and Antonio (2014) and the chain ladder bootstrap.

We multiply with

because Q also depends on t, so we have to account for this.

Recommended for readers of XXx-level

•

BSC-LEVEL | ACTUARIAL | SPECIALTY SCIENCES | NL

The individual reserve for RBNS claim k is equal to:

Figure 4.3: Total Reserves BI simulations for each distribution, compared to the method used in Godecharle and Antonio (2014).

Recommended for readers of XXx-level

BSC-LEVEL | ACTUARIAL | SPECIALTY SCIENCES | NL

Figure 4.4: Total Reserves MD simulations for each distribution, compared to the method used in Godecharle and Antonio (2014).

4.2 Simulation Results Our main results are summarized in Figure 4.1 and Figure 4.2. These tables show the IBNR and RBNS reserves calculated with parametric simulation, where we choose the best fitting distribution for each cluster. As a benchmark we have added the results obtained with the method used in Godecharle and Antonio (2014) and the classic bootstrap. Due to the computing time of the parametric bootstrap we only have respectively 1000 and 100 simulations for our BI and MD datasets. Although this is a small amount when simulating, we believe we can still come to some solid conclusions regarding the results of our parametric simulation. We conclude our reserves are higher than both methods for our BI dataset, which is somewhat troubling. In the case of Material Damage our parametrical reserve is similar to the reserve obtained with the approach of Godecharle and Antonio. This implies our method might not work well on small datasets, since we only have around 4,000 observations for BI against 200,000 for MD. In terms of standard deviance, our method also performs slightly worse than Godecharle and Antonio (2014). Upon further analyzing our results we conclude that neither the Lognormal nor the Pareto distribution fit well on small datasets. In Figure 4.3 we see the same results as in Figure 4.1, but split on distribution (i.e. we only fit a one type of distribution for each run). These results confirm our assumption, since the results obtained using the Gamma simulation are fairly close to the historical bootstrap, and those of the Lognormal and Pareto distribution have a significantly higher mean. This might be explained by their high standard deviation and the small amount of payments that have to be simulated

from each distribution, which makes the simulation process more susceptible to outliers. Furthermore, the results we found by using only the Gamma distribution have a smaller deviation than the results we get using the method of Godecharle and Antonio. We must note that this decrease in variance might well be due to the choice of distribution, as the Gamma distribution has a smaller variance than the historical variance. To check whether this difference is due to the fit of the distributions or due to the smaller dataset, we do the same for our larger MD dataset, which results in Figure 4.4. This figure shows our method does seem to work on bigger datasets, as the means of all four methods tend to be close together for our MD dataset. For the three distributions the standard deviation is quite different though, implying the reduction in variance is mainly caused by the choice of distribution. Based on the results in this section we conclude that our parametrical bootstrap gives similar results as a historical bootstrap, given we use a big enough dataset. Because of the extra computing time due to the fitting of extra distributions it might not be practical for actual applications, since the reduction in variance does not outweigh the extra distributions that have to be fit. Furthermore, the reduction in variance might be caused by the choice of distribution which means our approach may not always lead to smaller variances.

5. Conclusion

In this thesis we have constructed an alternative method for insurance companies to calculate their reserves, based on individual claim data. We formulated

a parametrical alternative to the model used in Godecharle and Antonio (2014). The main difference between the models is that instead of using historical simulation for constructing payments, we use parametrical distributions. Although we did not use many simulations, we think that we can still come to some solid conclusions based on our results. Our main finding is that this new method generally works equally well as its historical equivalent, but fails on smaller datasets due to the large impact of outliers and the bad fits of some distributions. Although our parametrical approach does reduce variance on some occasions (with the Gamma distribution for example), the extra computing time for each simulation does not always outweigh using more simulations to increase accuracy.

References

Drieskend, D., Henry, M., Walhin, J.-F, and Wielandts, J. (2012). “Stochastic projection for large individual losses“. Scandinavian Actuarial Journal, 1, 1-39. Efron, B. and Tibshirani, R. J. (1993). “An introduction to the bootstrap“. Chapman and Hall. England, P. and Verrall, R. (1999). “Analytic and bootstrap estimates of prediction errors in claims reservin“. Insurance: Mathematics and Economics, 25, 281-293. England, P. and Verrall, R. (2002). “Stochastic claims reserving in general insurance“. British Actuarial Journal, 8(3), 443-518.

Robert Kroon Robert is a 20 year old masterstudent Actuarial Science and Mathematical Finance. Since May 2012 he is working at Triple A – Risk Finance as Aspirant Junior Consultant. After his studies he plans to continue working at Triple A and possibly start his own consultancy firm in the future.

Norberg, R. (1993). “Prediction of outstanding liabilities in non-life insurance“. ASTIN Bulletin, 23(1), 95-115.

Godecharle, E. and Antonio, K. (2014). “Reserving by conditioning on markers of individual claims: a case study using historical simulation“.

Norberg, R. (1999). “Prediction of outstanding liabilities II. Model variations and extensions“. ASTIN Bulletin, 29(1),5-27. Philbrick, S. W. (1985). “A practical guide to the single parameter Pareto distribution“. PCAS LXXII, 44, 85.

Haastrup, S. and Arjas, E. (1996). “Claims reserving in continuous time: a nonparametric Bayesian approach“. ASTIN Bulletin, 26(2):139-164.

Pigeon, M., Antonio, K., and Denuit, M. (2013). “Individual loss reserving with the multivariate skew normal distribution“. ASTIN Bulletin, 43, 399-428.

Hewitt, Charles C., and Lefkowitz, B. (1979). “Methods for fitting distributions to insurance loss data“. Proceedings of the casualty actuarial society, 66, 125-126.

R Development Core Team (2012). “R: A language and environment for statistical computing”. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-90005107-0, URL http://www.R-project.org/.

Leong J., Wang. S and Chen, H. (2012) “Back-Testing the ODP Bootstrap of the Paid Chain-Ladder Model with Actual Historical Claims Data“. Casualty Actuarial Society E-forum.

Rosenlund, S. (2012). “Bootstrapping individual claim histories“. ASTIN Bulletin, 42, 291-324

Mack, T. (1993), “Distribution-free calculation of the standard error of chain ladder reserves estimates“. ASTIN Bulletin, 23(2), 213-225.

Stasinopoulos M. and Rigby B. (2014). “GAMLSS: Generalised Additive Models for Location Scale and Shape”. R. package version 4.2-8.

BSC-LEVEL | ACTUARIAL | SPECIALTY SCIENCES | NL

Arnoldus,Y. (2006). “A risk type based economic capital modal for a property and casualty insurer“ Brazauskas,V., and Serfling, R. (2003). “Favorable estimators for fitting Pareto models: A study using goodness-of-fit measures with actual data“. Astin Bulletin, 33(2), 365-382.

ABOUT THE AUTHOR

Recommended for readers of XXx-level

Antonio, K. and Plat, R. (2013). “Micro-level stochastic loss reserving for general insurance“. Scandinavian Actuarial Journal, 1-21.

Recommended for readers of XXx-level

MSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

Prices versus Quantities in a Mixed Oligopoly BY:

A mixed oligopoly is an oligopoly where firms face different objective functions. Current literature on mixed oligopolies, originating from Singh and Vives (1984), suggests that quantities as strategic variable dominates prices as strategic variable when goods are substitutes (and vice versa for complements). However, the dynamics of pure quantity-setting competition (Cournot competition) can become unstable as the number of firms passes a certain threshold. This research investigates a mixed oligopoly with one part of the firms using prices as strategic variables, and the other part using quantities.

The current literature on oligopolies revolves mainly around two names: Cournot (1838) and Bertrand (1883). These two forms of competition are both commonly acknowledged, but lead to substantially different predictions. Cournot competition assumes firms use quantities as strategic variable, whereas Bertrand competition assumes firms use prices as strategic variable. Even when considering the exact same market structure, these types of competition lead to different outcomes. An important question therefore is which type of competition gives a better description of market outcomes. Singh and Vives (1984) investigate a differentiated duopoly where firms can choose whether to use price or quantity as strategic variable. They find that competing in quantities (prices) is a dominant strategy when goods are substitutes (complements). These findings are backed by other research as well, for example H채ckner (2000). Other research finds that dominance is strongly dependent on the degree of substitutability between goods (Sakai et al. (1995)), as well as qualitative differences (Matsumoto and Szidarovsky (2010)). In all this research a two-stage model is considered, where in the first stage firms choose their strategy, and in the second stage they determine the value of their strategic variable. At first we assume that in the second stage the Nash equilibrium of the corresponding subgame is played, but later on we relax this assumption.

ROB GOEDHART

An important finding by Theocharis (1960) is that Cournot-Nash equilibrium becomes unstable under best-response dynamics as the number of firms gets larger. This instability will typically decrease profits and may make the quantity-setting strategy less profitable than the price-setting strategy in the same circumstances. It is unclear whether this instability is indeed large enough to prevent the price-setting strategy from being completely driven out by the quantity-setting strategy. To study this we consider a mixed oligopoly with an arbitrary number of firms. At first we consider two model setups, which differ in the information given to the firm about the other firms. The first model assumes that firms enter the same market each period, so that each firm is aware of the number of price-setters and quantity-setters in their market in every period. However, since we are looking to introduce an evolutionary model that allows firms to switch between strategies over time, we consider a second model. In the second model we assume that each period new markets are drawn from a very large population. A certain fraction of this population uses prices as strategic variable, and the other part uses quantities. This structure is similar to Hommes et al. (2013). The first model is used as a comparison for the second model. Since the results of the models are similar, this first model will not be discussed much further.

Lemma 1. The model in terms of prices of the pricesetters, and quantities of the quantity-setters can be written as

many markets of n firms are randomly drawn from this population. Each period new random draws will be made to match firms in markets of size n, and thus the firms are not aware of the exact composition of their market when it comes to number of quantity- or pricesetters. However, they are aware of the fraction of the population of which the draws are made, and thus they do know the probabilities of each possible sample of n firms. We assume that firms make a decision based on naive best-responses, which means that each firm bestresponds to the quantities and prices set by the other firms. Since the decision problem for each quantitysetter (price-setter) is the same by symmetry, we assume that every quantity-setter (price-setter) sets the same quantity (price). Such a system is called a quasi-symmetric system. However, since in this model the firms are not aware of the exact distribution of their market, they use the binomial probabilities to calculate the expected profits. This is because the profits that come with a specific choice of quantity or price may vary between different markets. We therefore give an indication of the average equilibrium profits by calculating the expected equilibrium profits. The equilibrium price (quantity) of the price-setters (quantity-setters) and their expected profits can be written as a function of n, and . Lemma 2. The Nash equilibrium prices and quantities of price-setters and quantity-setters respectively, as function of n, and equal

where

with

Here is a k×n-k matrix with each element equal to , and a k×k matrix with all diagonal elements equal to one, and all the off-diagonal elements equal to .

Firms Know the Population Parameter ρ

This model uses a structure similar to Hommes et al. (2013).We assume that there is a very large population of firms where a fraction of the firms uses prices as strategic variables, and a fraction 1- uses quantities. We consider a two-shot game where in the first period

MSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

Analogously to earlier research (e.g. Singh and Vives (1984)) we consider the market game as a two-stage game, where in the first stage each firm chooses its strategy (price-setting or quantity-setting) and in the second stage they choose the actual value of their strategic variable. We assume that in the second stage the Nash-equilibrium is played. In order to determine this equilibrium we start with defining our market demand structure. We use a demand structure based on the one used by Häckner (2000) and Matsumoto and Szidarovszky (2010). We consider an oligopoly that consists of n firms. In our model represents the degree of substitutability between the goods. We consider the case where goods are imperfect substitutes, 0< <1. Suppose that there are k price-setters in the market, we then denote the vectors of prices and quantities of price-setters by and respectively, and the vectors of prices and quantities of quantitysetters by and respectively. Without loss of generality, assume from now on that the first k firms are price-setters and the last n-k firms are quantity-setters. This means that the first k firms will determine their prices ( ) while the last n-k firms will determine their quantities ( ). We have derived that the model in terms of the strategic variables can be written as

Recommended for readers of XXx-level

The Market

Recommended for readers of XXx-level

MSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

and the resulting expected equilibrium profits equal

Assuming a sufficiently large population means that one firm switching from one strategy to another does not significantly influence the population parameter . Therefore we compare ( ) and ( ). Numerical simulations show that the equilibrium profits of the quantity-setters are higher than these of the price-setters. Thus our simulations suggest that for this model we have Conjecture 1. The quantity-setting strategy yields higher profits than the price-setting strategy for all n, and . This represents the conjecture that in the two-stage game as described in this section, it is always more profitable to choose the quantity-setting strategy in the first stage. This result has important implications for the twostage game that we consider. It implies that in the first stage each firm will choose the quantity-setting strategy. In that case, in the second stage the Cournot equilibrium will be the outcome. Note that this result is not dependent on the actual degree of substitutability between the goods. The conjecture is in agreement with earlier research (e.g. Singh and Vives (1984), Tanaka (2001)) that suggest

that the quantity-setting strategy is more profitable than the price-setting strategy. Note that this result holds only under the rational assumption that in the second stage always the Nash equilibrium is played. However, the assumption of perfectly rational agents has been put into question by recent literature (originating from Simon (1957)). In earlier research on oligopolies we have also seen that Cournot competition (competition where all firms are quantity-setters) under naive expectations can become unstable as the number of firms n in the market becomes larger ((Theocaris (1960)). This makes it interesting to investigate the stability of the system.

Stability: Firms Know the Population Parameter Ď

The first step to investigate the stability of the system is to write the system as a quasi-symmetric dynamic system, which is necessary to reduce it to a 2D system. Remember that quasi-symmetric means that each quantity-setter sets the same quantity, and each pricesetter sets the same price. In each period the firms best respond (based on naive expectations) to the quantities and prices in the previous period. This leads us to the following dynamics of the price set by price-setters (1) and the quantity set by the quantity-setters (2)

(1)

(7) (2)

Since the system is linear, we can use the Jacobian of the system to determine the stability. A straightforward computation shows that this Jacobian equals

(3)

Recommended for readers of XXx-level

MSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

where

Since eigenvalues of this Jacobian are complicated functions of n, and , we will discuss stability of the extreme cases of Cournot competition ( = 0) and Bertrand competition ( = 1). In the case of Cournot competition there are no price-setters, so that the first equation is not relevant. We then only have to consider the bottom right element of (3) (the derivative of with respect to ), which for = 0 simplifies to

(4)

Indications of the stability of the system for =(blue) 0.25,(green) 0.5 and (red) 0.75, with n on the horizontal axis and on the vertical axis.The area above the graph is the stable area, whereas the area below the graph is the unstable area.

so that we find that Cournot competition is unstable for

(5)

Evolutionary Population Parameter In the case of perfect substitutes ( =1) this means that the system is unstable for n > 3. This corresponds to the special case investigated by Theocharis (1960). As can be seen from (5), for every value of with 0< <1 there exists a value n* such that the best-response dynamics in Cournot competition are unstable if n>n*. Similarly for Bertrand competition we consider only the top left element of (3) (the derivative of with respect to ), which is for = 1 simplifies to

Recommended for readers of XXx-level

MSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

(6) which is always smaller than 1/2 for 0< <1.This means that Bertrand competition is always stable for these values of , independent of n. The eigenvalues of the Jacobian (3) under mixed competition are complicated functions of n, and . In order to investigate stability we therefore use a numerical approach. Figure 1 illustrates for each n the highest value of for which the dynamics are unstable. When dynamics are always stable for a particular value of n, the critical value of is shown as zero. It can be seen that as n grows larger, the value of for which the dynamics become stable tends towards a value slightly below 0.25, with only a small difference based on . Differences between the three different degrees of substitutability are more noteworthy in the movement for low values of n.The higher the degree of substitutability, the higher needs to be to have a stable system for low values of n.This result is intuitively clear, since a higher degree of substitutability means that firms are more dependent on each other, and thus their best-responses will be more narrowly connected. In the extreme case of =0, changes in other firmsâ&#x20AC;&#x2122; strategies would have no impact on the decision of the firm.

Previously we have assumed that the population parameter remained unchanged over time. However, as performance of the two different strategies is known to the firms, this assumption does not seem very realistic. The next step is thus to let this parameter depend on the past performance of the strategies, so that better performing strategies are more likely to be used. To implement an evolutionary population parameter we consider two dynamics. The first dynamic is based on Anufriev and Hommes (2012), and the second dynamic builds on replicator dynamics (Droste et al. (2002)). We start by defining a performance measure for time t, denoted by . This performance measure represents the performance of the price-setting strategy compared to the quantity-setting strategy, and it is based on past profits of both strategies. We use a performance measure of the following form

(7) where represents the memory of the performance rule. Next, we calculate the population parameter on time t, , which for the first model is done according to the following formula

(8) where represents the idea that not all firms directly update their strategy. The parameter represents the intensity of choice, as a higher value of this parameter causes firms to switch to the best performing strategy more rapidly. However, under the evolution described in (8) will always converge to = 0.5 when each of the strategies is equally profitable. Since we would like to capture the idea that will remain constant in that case (people will not change their strategy if both strategies are equally profitable), instead of converging to 0.5, we adapted the evolution of to follow the exponential replicator dynamics, similar to Droste et al. (2002). Using the same performance measure as before, we now determine by

(9) This function has the property that as long as the price-setting strategy is more (less) profitable than the quantity-setting strategy, the value of will slowly move up (down). Note however that the extreme cases of =0 and =1 are steady states. This can lead to hghghbhhg

Figure 1. Stability of the System with Population Parameter

problems in the initial state of the process if is high. In order to deal with this we consider two possible solutions. The first solution is to lower the value of , and increase the amount of time periods. This can be done without loss of generality, since the time is not an absolute measure here. The general behavior of the dynamics thus remains representative. The second solution introduces a small noise, such that steady states are not available. Evolution according to the dynamics with noise is described by

(10)

Findings using the exponential replicator dynamics for the population parameter are in agreement with the findings using (8) for both of the mentioned solutions. Starting in a stable state, with sufficiently large, the quantity-setting strategy will be most profitable and thus lead to a decrease of . However, as the value of becomes too low the instability of the system causes the price-setting strategy to be most profitable. As a result the value of drastically increases again to re-stabilize the system, and the cycle repeats. Although we do notice that the price-setting strategy will not be completely driven out, instability alone is not sufficient to make this strategy most profitable. Good examples of these dynamics are shown in Figure 2. We added the critical value for instability (given the parameter values) in the figure and observe that it is higher than the turning point for the values considered. This is the case for other combinations of parameter values as well. As it seems, even when the system is unstable it is still possible that the quantity-setting strategy is most profitable. However we always observe a turning point where this is no longer the case, and the system moves back to a stable state to restart the cycle. In the model with noise, as described in (10), a low value of will lead to a fraction of price-setters slightly below 0.5. This is similar to the findings when using the model described in (8), and it happens because the noise is in that case too large compared to the change caused by the difference in profits, so that the fraction of price-setter will remain somewhere slightly below 0.5. This can again be limited by reducing the value of the shock further (e.g. to a uniform(0, 0.01) distributed variable), but the general idea remains the same. An example is shown in Figure 3.

Figure 2b. Exponential Replicator Dynamics

Typical dynamics using the exponential replicator function (a) (9) or (b) (10) for. The vertical axis shows , and the horizontal axes shows the period t. The red line indicates the critical value of for the given parameter values, as calculated in section 4. Parameter values are n = 10, =0.75, =0.5, =0.4 and =(a) 50 or (b) 43000. Initial values are =0.4, = =0.01, and = =0.

Figure 3 - Exponential Replicator Dynamics with noise

Figure 2a. Exponential Replicator Dynamics

The evolution of the fraction of price-setters under dynamics described in (10), when the value of is â&#x20AC;&#x2DC;too lowâ&#x20AC;&#x2122;.The vertical axis shows , and the horizontal axes shows the period t. The red line indicates critical value

MSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

to be uniformly distributed between 0 and 0.05 to represent a small but sufficient shock.

Recommended for readers of XXx-level

where we choose

of for the given parameter values, as calculated in section 4. Parameter values are n=10, =0.75, = =0.5 and =4000. Initial values are =0.4, = =0.01, and = =0.

Sakai, Y., S. Aguchi, H. Ishigaki (1995). “Price and Quantity Competition: Do Mixed Oligopolies Constitute an Equilibrium?” Keio economic studies 32, 15-25.

Conclusion

Simon, H. A. (1957). “A Behavior Model of Rational Choice,” Models of Man: Social and Rational, 196-279.

In this research we establish that instability caused by competition in quantities is sufficiently large to allow the pricesetting strategy to remain in a mixed oligopoly. We observe a cyclical switching between both strategies in most cases, but the quantity-setting strategy is never able to drive out the price-setting strategy. Thus, despite the fact that the quantitysetting strategy is always most profitable inside equilibrium, the price-setting strategy can still be a more profitable option when perfect rational play is no longer assumed.

Literature

Recommended for readers of XXx-level

MSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

Anufriev, M. and C. Hommes (2012). Evolution of Market Heuristics. Knowledge Engineering Review, 27, 255 - 271.

Singh, N. and X.Vives (1984). “Price and Quantity Competition in a Differentiated Duopoly,” RAND Journal of Economics 15, 546-554. Tanaka, Y. (2001). “Profitability of Price and Quantity Strategies in an Oligopoly,” Journal of Mathematical Economics 35, 409-418. Theocharis, R. D. (1960). “On the Stability of the Cournot Solution on the Oligopoly Problem,” Review of Economic Studies, 27, 133-134.

Anufriev, M., D. Kopányi, and J.Tuinstra (2013).“Learning Cycles in Bertrand Competition with Differentiated Commodities and Competing Learning Rules,” Journal of Economic Dynamics and Control 37, 2562-2581. Bertrand, J (1883). “Revue de la Théorie Mathématique de la Richesse Sociale et des Recherches sur les Principles Mathématiques de la Théorie des Richesses.” Journal des Savants, 499-508. Cournot, A. (1838). “Researches into the Mathematical Principles of the Theory of Wealth.” Dixit, A. (1979). “A Model of Duopoly Suggesting a Theory of Entry Barriers,” Bell Journal of Economics 10, 20-32. Droste, E., C.H. Hommes, and J. Tuinstra (2002). “Endogenous Fluctuations under Evolutionary Pressure in Cournot Competition,” Games and Economic Behaviour 40, 232-269. Hackner, J. (2000).“A Note on Price and Quantity Competition in Differentiated Oligopolies,” Journal of Economic Theory 93, 233-239. Hommes, C., J.Tuinstra and M. Ochea (2013). “On the Stability of the Cournot Equilibrium under Competing Learning Rules,” Working Paper. Matsumoto, A. and F. Szidarovszky. “Mixed Cournot-Bertrand Competition in N-Firm Differentiated Oligopolies.” Working Paper [1]. Matsumoto, A. and F. Szidarovszky (2010) “Price and Quantity Competition in Differentiated Oligopoly Revisited,” Working Paper [2].

Rob Goedhart Rob will start his PhD at IBIS UvA. He obtained his Masters degree Mathematical Economics at the University of Amsterdam. This article summarizes part of his master thesis, which he wrote under supervision of Prof. dr. J. Tuinstra.

Behavioral Forecasting: Betere Voorspellingen van bedrijfsresultaten met klantgedrag

Veel “corporates” en beursgenoteerde bedrijven worden geregeerd door verwachtingen over de omzet en winst. Deze verwachtingen, ook wel forecasts genoemd, worden maandelijks dan wel op kwartaalbasis gemaakt en kunnen bij publicatie tot hevige beursbewegingen leiden. Zeker wanneer de communicatie afwijkt van eerdere verwachtingen of uitspraken. Zo werden de aandelen van Ryanair in september van vorig jaar bijna vijftien procent minder waard na een winstwaarschuwing van de luchtvaartmaatschappij. De koers van de prijsvechter bevindt zich nu op het laagste punt in vijf maanden. Een ander voorbeeld is de koers van Ziggo. Het bedrijf liet op 15 juli weten dat de winst in 2013 lager zal uitkomen dan eerder werd gedacht. Als gevolg daalde de koers in één week met 12% van €31,21 tot €27,54 per aandeel.

Te hoog abstractieniveau Niet alleen zijn forecasts van belang voor aandeelhouders, ze kunnen ook grote impact hebben op medewerkers. Zo kondigde het Duitse Siemens na de winstwaarschuwing in juli van dit jaar aan 11.000 arbeidsplaatsen te zullen schrappen. In november 2013 maakte ook energieconcern RWE, het moederbedrijf van Essent, bekend bijna 7000 banen te schrappen als gevolg van een winstwaarschuwing voor 2014. Ondanks het grote belang van voorspellingen van eindejaarsresultaten, schiet de methodiek om tot een goede forecast te komen bij veel bedrijven tekort. Zo wordt vaak met gemiddelden op een veel te hoog abstractie niveau gewerkt en wordt onvoldoende veranderend klantgedrag gemonitord en gemodelleerd. Door het steeds uitgebreider beschikbaar komen van data over klantgedrag (big data) kunnen voorspellingen van resultaten beter en betrouwbaarder worden

gemaakt. De mogelijkheden van deze data heeft MIcompany gebruikt om een precieze methode te ontwikkelen om bedrijfsresultaten te voorspellen, te weten: “Behavioral Forecasting”. In dit artikel wordt deze methode toegelicht. Deze methode laat op vier onderdelen een belangrijke verbetering zien ten opzichte van de traditionele “Financial Forecasts”. We behandelen deze verbeterpunten en laten aan de hand van verschillende cases de werking in de praktijk zien.

Achmea Hiervoor is onder andere Mieke van Os, manager Marketing Intelligence Marktstrategie bij verzekeraar Achmea, geïnterviewd. In 2013 is zij in samenwerking met MIcompany gestart “Behavioral Forecasting” voor schadeverzekeringen te implementeren. De doelstelling was om te weten of de gestelde targets van het lopende jaar behaald zouden worden. Inzicht in de verwachte omzet was dus noodzakelijk om helder te krijgen bij welke verzekeringen en klantgroepen bijgestuurd moest worden. Bij een telecomprovider is ook “Behavioral forecasting” geïmplementeerd in 2012. Het kostte de telecomprovider veel tijd en moeite om verschillen op een gedetailleerd niveau tussen forecast en realisatie van de omzet in de mobiele markt te verklaren. Het was met de bestaande “Financial Forecast”-modellen niet mogelijk de impact van het snel veranderende klantgedrag op de omzet te voorspellen. Dit is een cruciaal punt dat als verbetering is aangebracht met de introductie van “Behavioral Forecasting” bij de drie mobiele labels van de telecomprovider.

Recommended for readers of XXx-level

Inleiding

MSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

DOOR : WYNFRITH MEIJWES & MARNIX BÜGEL

Met big data heeft MIcompany een precieze methode ontwikkeld om bedrijfsresultaten te voorspellen: ‘behavioral forecasting’. Deze methode werkt beter dan de traditionele ‘financial forecasts’, menen Wynfrith Meijwes en Marnix Bügel.

Figuur 2. Verbeteringen op vier onderdelen van “Behavioral forecasting” versus traditionele “financial forecasts”

Recommended for readers of XXx-level

MSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

Vier verschillen “Behavioral Forecasting” is een methodiek om voorspellingen te maken die op een viertal punten afwijkt van traditionele methodes (Zie figuur 1). Ten eerste is het startpunt van “Behavioral Forecasting” het klantgedrag. Vanuit daar maakt het de vertaling naar de financiële componenten. Ten tweede maakt “Behavioral Forecasting” gebruik van de mogelijkheden van Big Data om de forecast granulair op te bouwen. Ten derde maakt “Behavioral Forecasting” gebruik van tijdreeksanalyse om seizoenseffecten te modelleren.Ten vierde is “Behavioral Forecasting” zelflerend, doordat het zich continu verbetert op basis van de meest recente cijfers. Hieronder wordt elk verbeterpunt met behulp van enkele voorbeelden toegelicht.

1. Behavioral Forecasting voorspelt klantgedrag en vertaalt het naar financials Bij “Behavioral Forecasting” staat in tegenstelling tot de “Financial Forecast” klantgedrag centraal. Om gedrag centraal te kunnen stellen, worden allereerst de ‘drivers’ van klantgedrag vastgesteld. Drivers zijn de belangrijkste “beïnvloeders” van klantgedrag. Voor een mobiele telecomprovider is dit bijvoorbeeld het type telefoon van een klant (een klant met een Iphone5 zal bijvoorbeeld meer data verbruiken dan een klant met een Nokia 6300), voor een schadeverzekeraar het type auto en voor een reismaatschappij een vakantieperiode. Om deze drivers te identificeren is data over klantgedrag nodig. Bij “Behavioral Forecasting” wordt hiervoor geaggregeerde brondata met factuurgegevens gebruikt.Analyses op deze data geven niet alleen inzicht in de drivers van klantgedrag maar geven bovendien inzicht in de impact van klantgedrag op omzet en winst. De facturen kunnen worden “gematcht” met de winst- en verliesrekening. Niet alle veranderingen in klantgedrag hebben namelijk financiële impact. Iemand die bijvoorbeeld slechts 50 minuten belt van zijn 100 minuten belbundel, gaat niet meer betalen als hij een

aantal maanden 90 minuten gaat bellen. Als dezelfde klant echter 120 minuten gaat bellen, moet hij voor de 20 minuten buiten bundel wel meer gaan betalen. Dan heeft deze verandering in klantgedrag wel voor hem financiële impact en dus ook voor de telecomprovider. Bijkomend voordeel van de forecast op factuurgegevens is dat de forecast zowel interessant is voor het management, de financial controllers als de marketeers. Het management ziet op totaalniveau in welke richting de omzet gaat, de controllers kunnen dit onderbouwen vanuit omzetstromen en de marketeers kunnen vanuit het klantgedrag zien waar en hoe ze hun proposities op de klant kunnen aanpassen.

2. Behavioral Forecasting is granulair Een tweede pijler van “Behavioral Forecasting” is de granulariteit. Vaak ontbreekt het bij de traditionele “Financial Forecasts” aan een granulair perspectief op het klantgedrag. Bij “Behavioral Forecasting” ontleden we klantgedrag naar het diepste relevante niveau. Hierdoor krijg je beter grip op veranderingen in dit gedrag. Vaak lijkt een trendbreuk op een hoog abstractieniveau plotseling op te treden, maar is deze ontwikkeling vaak in een aantal kleine klantgroepen (de “early adapters” die zich anders gedragen dan de andere klanten) al veel langer zichtbaar. Dit leidt uiteindelijk tot een sneeuwbaleffect dat de totale omzetontwikkeling ombuigt (zie in het kader op pagina 1 een voorbeeld uit de telecom). Cruciaal hierbij is het perspectief vanuit verschillende klantstromen, zoals instroom, uitstroom en de stabiele klanten. Klantgedrag is tussen deze groepen vaak erg verschillend. Bij voorspellingen van het aantal klanten dat uitstroomt of een nieuw contract neemt, is het aantal klanten dat buiten contract raakt bij een telecomprovider een belangrijke voorspeller. De analyse van het gedrag van de klanten die verlengen, uitstromen of helemaal niets doen kunnen toegepast worden in de forecast. Een maand met een hoge uitstroom kan goed het gevolg zijn van een cohort

Een veel gebruikte voorspelmethodiek door beleidsmakers is het “doortrekken” van jaar-op-jaar ontwikkelingen. Analyse op basis van daggegevens, ook wel tijdreeksanalyse genoemd, laat zien dat er echter vaak grote verschillen tussen de jaren zijn. Een derde bouwsteen van “Behavioral Forecasting” is daarom de techniek die wordt gebruikt om een trendontwikkeling en seizoenpatronen te identificeren. Bij veel bedrijven worden namelijk de effecten van weekenden en vakanties op de omzet niet goed voorspeld. Dit is belangrijk omdat hiermee het seizoensafhankelijke gedrag kan worden gescheiden van het seizoensonafhankelijke gedrag.“Behavioral Forecasting” gebruikt zogenaamde werkdagequivalenten om nauwkeurig de seizoenseffecten per klantgroep in te schatten. Voorbeelden hiervan zijn de effecten van vakantiedagen op klantgedrag en de impact van een weekenddag ten opzichte van een werkdag op klantgedrag. Op een zondag of een feestdag worden bijvoorbeeld 90% minder verzekeringen telefonisch afgesloten in vergelijking tot een “normale” werkdag, omdat callcenters vaak dicht zijn. Ook tijdens vakantieperiodes zien we afwijkend klantgedrag. In onderstaande grafiek zien we het effect van deze type dagen op maandniveau voor 2012 en 2013 voor de instroom van een verzekeringsproduct. Hierin zijn de effecten van de type dagen geïndexeerd op een normale werkdag. De grafiek maakt duidelijk dat de seizoensimpact van een maand in 2012 niet gelijk is aan dezelfde maand in 2013. Sterker nog, het seizoenseffect van april 2013 is 19% groter dan in april 2012. Het verschil wordt veroorzaakt doordat er in april 2012 een zondag meer was dan in 2013, Goede Vrijdag en Pasen vielen - in tegenstelling tot 2013 - in 2012 geheel in april en ook de meivakantie viel in 2012 anders dan in 2013. Een voorspelling die rekening houdt met de seizoenscomponenten is substantieel nauwkeuriger dan een voorspelling die jaar-op-jaarontwikkelingen doortrekt. Mieke van Os (Achmea): ”Afgelopen jaar zijn we met MIcompany

4. Behavioral Forecasting leert van voorspelfouten Een vierde bouwsteen van “Behavioral Forecasting” is het zelflerende vermogen van voorspelfouten. Gelet op steeds sneller veranderend klantgedrag is het voor een goede forecast cruciaal om te leren van afwijkingen ten opzichte van de realisatie. Belangrijk onderdeel van “Behavioral Forecasting” is daarom het monitoren van deze afwijking op een fijnmazig niveau. Door de afwijking op totaalniveau af te pellen naar de onderliggende klantgroepen en omzetcomponenten, wordt duidelijk welke groep(en) verantwoordelijk is voor een afwijking. Hierdoor kunnen ook in een vroeg stadium kansen en risico’s worden geïdentificeerd. Dit “deviation management” is een belangrijk onderdeel van “Behavioral Forecasting” en zorgt er voor dat de voorspelling zich snel aanpast op de meest recente cijfers. Figuur 3 (volgende pagina) geeft een versimpeld voorbeeld van “deviation management”: de voorspelling is afgezet tegen de realisatie van een bepaalde maand en de tussenliggende blokjes geven een verklaring van het verschil. Het totale verschil is slechts 0,1, maar als we naar de opbouw van dit verschil kijken, zien we in de onderliggende “drivers” twee forse afwijkingen van zowel +1,1 als -1,0. Dit zijn aandachtspunten waarop het forecastmodel moet worden aangescherpt. Zo kan

Figuur 3. Impact van dagtype en vakanties per maand in 2012 versus 2013.

MSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

3. Behavioral Forecasting maakt gebruik van tijdreeksanalyse

begonnen om een “Behavioral Forecasting” voor onze schadeverzekeringen te implementeren. Er werd tot dat moment geen rekening gehouden met hoeveel werkdagen en feestdagen er in een maand zitten. Dat is natuurlijk een basiselement en wordt nu wél goed meegenomen in de forecast. Door te corrigeren voor deze seizoenseffecten kan de voorspelling al gauw met tien procent worden verbeterd.” Het modelleren van seizoenseffecten een belangrijk winstpunt: als een bedrijf elk kwartaal aan de markt en zijn aandeelhouders aangeeft wat de verwachtingen zijn, is een goede inschatting van seizoenseffecten essentieel. Een goed voorbeeld hiervan is de omzet bij een telecomprovider voor bellen in het buitenland. Deze omzet is erg afhankelijk van vakantieperiodes. Dit is van belang als een vakantieperiode in het ene jaar net buiten een kwartaal valt en in het andere jaar niet. De nieuwe methodiek van forecasten helpt om kwartaalomzetten goed in te kunnen schatten.

Recommended for readers of XXx-level

klanten dat buiten contract komt als gevolg van een campagne precies een jaar eerder, en hoeft niet een slechte maand te betekenen.

ABOUT THE AUTHORS Wynfrith Meijwes Wynfrith Meijwes (1982) is forecasting expert bij adviesbureau MIcompany. Wynfrith studeerde Econometrics, Operations Research and Actuarial Studies aan de Rijksuniversiteit Groningen(2006). Hij heeft ruime ervaringen met de implementatie van Behavioral Forecasting bij bedrijven in de top van het Nederlandse bedrijfsleven (zoals Achmea en NS).

in “Behavioral Forecast”-modellen voor alle combinatie van drivers de voorspelling worden vergeleken met de realisatie en worden verbeterd. Het aantal combinaties loopt vaak op tot boven de 5.000. Mieke Van Os: “Forse afwijkingen van realisaties ten opzichte van de forecast van de kleinere producten, zoals een reisverzekering, zie je op het totaalniveau niet terug. Daarom wordt elke maand ingezoomd op de onderliggende producten en de premiedrivers om te zien waar de voorspelfout groot is. Dit gebruiken we vervolgens weer om het forecastmodel beter te maken.”

Figuur 3.Voorbeeld van “deviation management”

MSC-LEVEL | ECONOMETRICS

Toepassing en resultaten Behavioral Forecasting Marnix Bügel Marnix Bügel (1966) is managing director en founding partner van dem Marketing Intelligence Company (MIcompany). Bügel studeerde Wiskunde & Informatica aan de Rijksuniversiteit Groningen. In 2010 promoveerde hij aan de economische faculteit van deze universiteit op de toepassingsmogelijkheden van psychologische theorieën binnen relatiemarketing. Na zijn studie vervulde hij onder meer de functie van (eerste) database marketing analist bij ABN AMRO en was hij ruim tien jaar werkzaam voor het marketing-adviesbureau VODW waarvan zes jaar als partner.

“Behavioral Forecasting” is bij Achmea de basis voor de Business Planning waarin het jaarplan en targets voor het komende jaar worden vastgesteld. Zowel de kwaliteit als nauwkeurigheid is fors toegenomen. Mieke van Os geeft aan dat de nieuwe “Behavioral Forecasting” ook voor veel transparantie heeft gezorgd en daarbij een fundamenteel probleem heeft blootgelegd: ”Bij één label zagen we dat het target voor 2013 zo hoog was gesteld, dat dit alleen bij een verdrievoudiging van het productieaandeel kon worden gehaald. Doordat we de forecast nu hebben opgebouwd vanuit klantstromen kunnen we exact de haalbaarheid van targets toetsen. Andersom zien we dat een verzekeringslabel dat de afzet enorm ziet dalen, momenteel ver boven target scoort. Nu zowel het gerealiseerde als het geplande aantal verzekeringen en de premies transparant voor alle verzekeringslabels zijn, is het moeilijker om dit soort conservatieve targets te camoufleren.”