Optimisation de la stratégie de majoration des primes de contrats d’assurance habitation au terme

L'Institut des actuaires a le plaisir de vous inviter à la présentation du mémoire de Clara Adiceom sur le thème : "Optimisation de la stratégie de majoration des primes de contrats d’assurance habitation au terme".

Clara Adiceom, actuaire associé IA, a reçu la mention spéciale du jury du Prix SCOR des jeunes actuaires 2020 pour ce mémoire.

Cette présentation aura lieu mercredi 31 mars à 12h30.

Vous pouvez dès à présent vous inscrire ICI

Assister à cette conférence vous permettra d'ajouter 6 points à votre score de Perfectionnement Professionnel Continu (PPC).

Résumé :

L’échéance d’un contrat d’assurance habitation est un moment déterminant pour l’assureur : pour amortir ses frais et rentabiliser le contrat, l’assureur pense ne pas avoir d’autres choix que de majorer la prime d’assurance chaque année. Il s’agit d’une étape délicate car cette augmentation peut éventuellement conduire le client à résilier son contrat qu’il va considérer trop cher par rapport à ce que proposerait la concurrence. En outre, la mise en application de la loi Hamon en 2014, facilitant les démarches de résiliation après un an de souscription, accentue le risque de départ du client.

L’objectif devient alors pour l’assureur de limiter au maximum la résiliation des contrats qui lui sont le plus profitables en ajustant le niveau de majoration pour chaque contrat arrivant à leur terme. Autrement dit, comment minimiser le taux de résiliation du portefeuille sous contrainte de la profitabilité totale ?

Ce mémoire s’articule autour de trois étapes. La première consiste à élaborer un modèle de résiliation ainsi qu’un modèle de crédit commercial à l’aide de modèles linéaires généralisés, ce qui permettra d’estimer la ressource espérée de chaque contrat en fonction de la majoration. La deuxième étape se focalisera sur l’optimisation des majorations sous contrainte pour minimiser le taux de résiliation du portefeuille par la méthode du lagrangien. Enfin, la troisième étape s’intéressera à la réalisation d’un reverse engineering par Gradient Boosting Machine pour prédire les majorations optimales obtenues lors de la deuxième étape. Dans ce cadre, un travail d’interprétation des prédictions sera effectué au moyen des SHAP values.