Mémoire d'actuariat

Modélisation du risque géographique en assurance automobile
Auteur(s) KRANZLIN Sophie
Société AXA France
Année 2017
Confidentiel jusqu'au 02/03/2019

Résumé
Le marché de l'assurance automobile est un marché hyperconcurrentiel et en innovation constante. Par conséquent, les assureurs doivent continuellement améliorer leur segmentation pour proposer à leurs assurés, un tarif attractif et représentatif de leur risque intrinsèque. La prise en compte du risque géographique fait partie des étapes nécessaires au perfectionnement de la tarification en prime pure. Les conditions météorologiques, le comportement des assurés ou encore la densité du trafic varient suivant le lieu de résidence de l'assuré. Ainsi, il peut être intéressant de modéliser la contribution géographique du risque par un zonier, défini dans ce mémoire comme la correspondance entre une zone et un coefficient tarifaire. La maille de la zone étudiée peut varier en fonction de la finesse de modélisation recherchée. La construction du zonier est réalisée à l'aide de variables externes agrégées à la maille choisie et, est permise grâce à l'étape de géocodage de tous les contrats du portefeuille. Le zonier constitue donc une variable à part entière du tarif et permet de segmenter au mieux les différents profils de risque géographique pour ainsi créer des classes de risque homogènes en sinistralité. Ce mémoire se décompose principalement en deux parties : la première partie permet de présenter le contexte de l'étude en exposant notamment la méthodologie et les limites du zonier actuellement en production. Quant à la deuxième partie, elle présente le nouveau zonier fréquence Dommages, tans dans ses objectifs que dans la nouvelle méthodologie de construction mise en oeuvre. Cette dernière fait appel à une approche résiduelle et à des méthodes innovantes d'apprentissage statistique. L'objectif de ce mémoire est de construire un nouveau zonier fréquence Dommages plus fin que le précédent et présentant une bonne stabilité qui puisse garantir une information à la fois précise et robuste.

Abstract
The motor insurance business is becoming increasingly competitive and insurers must innovate in terms of product and pricing in order to preserve or increase their market share. A key way of doing this is that of improving pricing segmentation in order to provide prospective customers with competitive prices which nevertheless reflect the underlying risk. Geographic signal is an important component of burning cost, as factors such as weather conditions, driver behaviour and local traffic density strongly vary according to the location of the policyholder's residence. It is thus important to account for this diversity of risk profiles by using a zoning variable - that is, a mapping from a zone to a pricing relativity- in insurance pricing models. The granularity of the zones used is determined by how accurate our model needs to be. Here, we construct this zoning variable using external variables aggregated to our chosen granularity after having first geocoded all the risks in our portfolio. The zoning variable becomes an essential part of the tariff and allows us to best segment the geographic risk and thus obtain a classification of areas with similar levels of risk. This thesis is split into two parts. The first seeks to provide contextual background to this project by highlighting the methods used to create the current zoning variable as well as their, and consequently its, limitations. The second part presents the new zoning variable for Own Damage (OD) Frequency as well as the process and methods used to create and validate it. This process involved analysing residuals and deploying innovative methods based on statistical learning theory. The final objective of this thesis is to build a new OD Frequency zoning variable which is more granular and more stable than the current one and which will lead to the creation of a more precise and robust predictive model for OD Frequency.