Pavlović, Branko

Email: pavlovic.branko@gmail.com

Rođen je 19. juna 1972. godine. Diplomirao je 1997. godine na Elektrotehničkom
fakultetu Univerziteta u Beogradu. Specijalizirao je aktuarstvo 2009. godine na
Ekonomskom fakultetu Univerziteta u Beogradu.
Član je Izvršnog odbora „Globos osiguranja“. Preko 17 godina bio je član najužeg
rukovodstva „Delta osiguranja“, „Delta đenerali osiguranja“ i „Đenerali osiguranja“. U
periodu od 2010. do 2011. godine bio je predsednik Upravnog odbora Doma zdravlja
„Jedro“ u Beogradu, a nakon toga od 2011. do 2016. godine član Upravnog odbora i
izvršni direktor Društva za upravljanje dobrovoljnim penzijskim fondovima društva
„Delta đenerali“.
Predsednik je Udruženja aktuara Srbije, član Aktuarske komisije Narodne banke
Srbije, član Saveta Međunarodnog udruženja aktuara i sudski veštak za aktuarstvo.
Bio je predsednik Komisije za aktuarstvo Udruženja osiguravača Srbije u periodu od
2013. do 2018. godine i predsednik Odbora za elektronsko poslovanje Saveta
stranih investitora (FIC) tokom 2018. godine.
Prestižnu licencu Narodne banke Srbije za ovlašćenog aktuara stekao je 2008.
godine. Bio je imenovani ovlašćeni aktuar u kompanijama „Delta đenerali osiguranje“
a. d. o. Beograd, „Delta đenerali reosiguranje“ a. d. o. Beograd, „Đenerali osiguranje
Montenegro“ a. d. Podgorica i „Delta đenerali životna osiguranja“ a. d. Podgorica,
kao i „Globos osiguranje“ a. d. o. Beograd.

UDK:368.811:332.88:368.025.3:347.8:368.52:608.4:517.358:368.025.6

ČLANCI

PARCIJALNI INTERNI MODEL U SOLVENTNOSTI II ZA RIZIK OD PREKIDA UGOVORA ŽIVOTNOG OSIGURANJA

Neizvesnost u pogledu realizacije očekivane stope prekida ugovora životnog osiguranja utiče na rizik od nepreciznog određivanja kapitalnog zahteva za solventnost, iznos minimalnog kapitalnog zahteva i performanse poslovanja osiguravajuće kompanije. Zbog toga precizno projektovanje rizika od prekida ugovora životnog osiguranja ima velik značaj. Brojni faktori utiču na stopu prekida. Kapitalni zahtev za solventnošću rizika od prekida ugovora životnog osiguranja u režimu Solventnosti II može se odrediti primenom standardne formule ili parcijalnog internog modela. Na primeru podataka sa tržišta osiguranja Srbije, korišćenjem softverskog paketa R, u radu će biti detaljno prikazan izbor faktora za modeliranje zavisnosti stope prekida, postupak formiranja GLM modela prekida ugovora i provera ispunjenosti pretpostavki modela. Razvijeni parcijalni interni model može biti primenjen za određivanje očekivane stope prekida ugovora osiguravajuće kompanije koja posluje na domaćem tržištu. Ključne reči: parcijalni interni model, rizik od prekida ugovora

368:371.694:61:659.24:681.3.064:004.4:004.021:679.058:681.322.2:681.3.06 (4-672EEZ) (73)(479.11)

ČLANCI 3/2019

IZAZOVI U PRIMENI MAŠINSKOG UČENJA U DELATNOSTI OSIGURANJA

Internet, inteligentni uređaji, Blockchain tehnologija, softverski roboti i razni aspekti veštačke inteligencije, kao što je mašinsko učenje, vrlo često se pominju u savremenoj literaturi kao veliki potencijal za unapređenje procesa u oblasti osiguranja. Ovaj rad biće posvećen mašinskom učenju. Mašinsko učenje je podskup veštačke inteligencije namenjen za proučavanje i prepoznavanje obrazaca u ponašanju, korišćenjem statističkih metoda obrade dostupnih podataka. Drugim rečima, mašinsko učenje je softver koji može samostalno da zaključuje na osnovu prethodnog iskustva. Ključna korist koju kompanije mogu imati od mašinskog učenja jeste predviđanje budućih trendova, na osnovu toga što softver samostalno uočava obrasce u dostupnim podacima. Mašinsko učenje može se koristiti u osiguravajućim kućama za optimalnije određivanje tarifa, efikasnije rešavanje i adekvatnije rezervisanje šteta, te moćno oružje u borbi protiv prevara.