Klimatets verkan på våra boenden : en tillämpning av Machine Learning

This rapport is about a regression analysis performed for Länsförsäkringar Halland in purpose of refining their statistics surrounding damages to properties caused by the environment in order to improve their ability to prepare and proactively prevent these damages. A general linear model was used with the assumption of quasi-poisson distribution. The independent variables deemed significant was the average minimum temperatur, the average precipitation as well as the average surface temperature in Kattegatt. A forecast was made with a horizon of 10 years starting from 2019. The predictions was made quarterly and the proportion of insurance claims that has been made historically was compared with the expected proportion of insurance claims in the forecast. The forecast was made with SMHI's scenario 4.5 data which is their prediction of the climate factors given that the Paris Agreement is maintained.I denna rapport genomförs en regressionsanalys åt Länsförsäkringar Halland i syfte av att utveckla deras beslutsunderlag vad det gäller naturskador så för att förbättra deras möjlighet att förbereda sig samt förebygga naturskador. En generell linjär modell användes med antagandet av quasi-poissonfördelning. De oberoende variabler som bedömdes signifikanta var genomsnittliga minimumtemperaturen, genomsnittliga mängden nederbörd samt Kattegatts genomsnittliga yttemperatur. En prognos utfördes med en horisont på 10 år med start från 2019. Skattningarna gjordes kvartal-vis och andelen historiska försäkringskrav jämfördes med andelen försäkringskrav som förväntas enligt prognosen. I prognosen användes SMHI's scenario 4.5 data vilket är deras skattning på klimatfaktorerna givet att parisavtalet upprätthålls