Mémoire d'actuariat

Prédiction des S/P individuels sur le produit flottes automobiles
Auteur(s) BELLEVILLE Adrien
Société Generali
Année 2019

Résumé
Dans ce mémoire, nous avons pour but d'estimer les ratio S/P futurs des contrats flottes automobiles de Generali. Pour ce provisionnement individualisé, nous avons décidé d'utiliser des méthodes d'apprentissage automatique. Elles sont plus appropriées à notre problématique que les méthodes classiques de provisionnement agrégées. Nous avons créé et comparé plusieurs modèles, en utilisant différentes méthodes : CART, bagging et forêt aléatoire, plus connue sous le nom anglais de "random forest". Nous avons ensuite sélectionné celui nous permettant d'obtenir les meilleurs résultats, c'est-à-dire celui qui avait l'erreur quadratique moyenne la plus faible. Nous avons alors testé le modèle choisi en simulant des conditions réelles d'utilisation en mettant en place un backtesting. Nous l'avons aussi utilisé pour séparer nos contrats en deux groupes : les contrats rentables et les non rentables. Nous avons tenté d'expliquer comment les caractéristiques de nos contrats pouvaient déterminer leur groupe. Finalement, nous avons conclu en exposant les principales limites de notre étude. Elles pourront être la base des futures améliorations de notre modèle.

Abstract
In this thesis, we wanted to estimate the loss ratio of Generali's car fleet contracts. For this individualized reserving, we deciced to use machine learning methods. They are more appropriate than the classic aggregate ones. We created and compared models, using differents methods like CART, bagging, or random forest. Then, we selected the model which had the best results, which means the lower mean square error, also called MSE. So, we used to model by simulating real-life utilisation conditions with backtesting. We also used it to divide the contracts into two groups: the profitable ones, and the unprofitables ones. We tried to explain how the contracts features could impact their group. Finally, in conclusion, we show the main limits of our study. There could be some future improvements of our model.

Mémoire complet