Mémoire d'actuariat

Réactualisation des méthodes classiques de tarification IARD
Auteur(s) HALIMI Mohamed
Société AXA France
Année 2017
Confidentiel jusqu'au 15/11/2019

Résumé
La réflexion développée dans ce mémoire se concentre autour de l'un des produits d'assurance dommage, l'assurance de bateaux de plaisance. La segmentation tarifaire n'ayant pas été revue depuis plus de dix ans, une étude de rentabilité a montré certaines lacunes concernant la segmentation sur ce produit. Notre objectif est de proposer une modélisation fine des sinistres plaisance permettant d'effectuer une meilleure segmentation. Pour cela, nous devons modéliser la sinistralité de chaque garantie séparément. L'étude détaille la modélisation de la fréquence de sinistres de la garantie dommage. Nous partirons de la traditionnelle modélisation par des modèles linéaires généralisés et nous tenterons d'y apporter certaines briques d'amélioration en proposant notamment la détection automatique d'interactions et une analyse géospatiale autorégressive pour le traitement de l'information géographique. Enfin, nous traiterons une alternative à la régression poissonnienne en considérant sa version pénalisée dans un contexte de grande dimension.

Abstract
This memoir focuses on a general insurance product: boat insurance. Since its price segmentation had not been reviewed for more than ten years, a profitability study has been carried out and revealed serious shortcomings. My studies aim to model claims precisely in order to get a fine segmentation. To do so, claims for each guarantee must be modelled separately. My studies focuses on modeling claims frequency for the \"damage\" guarantee. Starting from a simple generalized linear model, we shall upgrade it by using an automated selection of interactions method and an autoregressive geospetial modeling in order to deal with geographic information. Then, I will study an alternative to direct estimation by maximum likelihood, by considering estimators minimizing a regularized criterion in a large dimension context.