Mémoire d'actuariat

Etude de l'attrition en prévoyance individuelle : de la construction de lois à l'interprétation des modèles d'apprentissage automatique
Auteur(s) KRYSHTOPENKO Anna
Société Natixis assurances
Année 2018

Résumé
Le risque d'attrition fait partie des risques dits de souscription auxquels sont confrontés les assureurs. Dans le cadre de la politique de souscription, nous analysons le risque de résiliation des produits principaux du portefeuille de Prévoyance Individuelle d'un bancassureur. Deux approches sont menées : une première approche classique est utilisée pour construire des lois de sortie selon l'âge et l'ancienneté des assurés ; puis une approche de type Machine Learning et des nouvelles méthodes d'interprétation des prédictions d'algorithmes d'apprentissage automatique sont mises en place pour étudier des effets comportementaux de résiliation. En premier lieu, des lois de résiliation sont construites pour toutes les familles de produits via l'approche non-paramétrique de type Kaplan-Meier. La nouvelle approche de lissage des taux par des noyaux discrets et des critères de validation sont implémentés afin de valider la construction et l'ajustement des taux bruts. Dans un second temps, une modélisation de la probabilité conditionnelle de l'attrition est produite via des méthodes d'apprentissage automatique, ce qui permet d'identifier des clients sensibles à la résiliation. Pour finir, des nouvelles méthodes d'explications des prédictions individuelles de ce type de modèles sont implémentées en vue de mesurer l'impact des variables explicatives sur la résiliation des assurés, ainsi que d'identifier la typologie des clients résiliés.

Abstract
The risk of cancellation is one of the so-called underwriting risks faced by insurers. The aim of this work is to analyze the cancellation behavior of the principal product of the insurer's individual foresight portfolio. Firstly, the cancellation rates will be built according to the age and seniority of the insured using a classical non-parametric Kaplan-Meier approach. The approval criteria will be used to validate the construction and smooting of the crude rates of cancellation. Secondly, we will use machine learning methods and new methods of explanation and prediction to study behavioral effects of cancellation, by modeling the conditional probability of attrition and by explaining individual predictions of machine learning models. Finally, we will measure the impact of the significant variables on the tendancy of clients to cancel their subscription and define the typology of clients that have cancelled their subscription.

Mémoire complet