Mémoire d'actuariat

Classification des véhicules en Assurance Automobile
Auteur(s) QUILFEN Matthieu
Société Direct Assurance
Année 2018
Confidentiel jusqu'au 18/09/2020

Résumé
Les assureurs automobiles font face à une concurrence très rude et se doivent de proposer un tarif adapté afin d'éviter l'anti-sélection. Les modèles de tarification nécessitent d'être mis à jour régulièrement et l'estimation du risque doit se faire de la façon la plus correcte possible. La Responsabilité Civile Matérielle (RCM) est l'une des garanties principales des contrats automobiles et représente un volume conséquent dans la mesure où elle est obligatoire. Deux typologies de sinistres sont identifiables au sein de cette garantie : les sinistres relevant de la convention IRSA et ceux indemnisés au coût réel. Le présent mémoire porte sur la revue de la RCM et la sophistication des modèles, d'une part avec une segmentation de périls, et d'autre part avec la création d'une classification de véhicule. Dans un premier temps la prime pure RCM sera segmentée en sous-périls. Deux modèles de fréquence (IRSA et non IRSA) et un modèle de coût moyen (non IRSA) seront créés, et l'amélioration de cette nouvelle structure sera prouvée. Dans un second temps, la méthodologie de création d'un véhiculier sera exposée. Elle reprend la théorie de classification géographique et tente de récupérer un signal expliqué par les variables véhicules dans les résidus d'un modèle GLM. La grande problématique de la classification de véhicules est d'obtenir une carte, i.e. une représentation spatiale des véhicules et de définir une relation de voisinage entre chacun d'entre eux. L'Analyse Factorielle de Données Mixtes et la Triangulation de Delaunay permettent de répondre à ce besoin. Plusieurs véhiculiers seront créés sur le modèle de fréquence IRSA en testant différentes méthodes de classification. Il s'agira alors de choisir celui permettant d'améliorer le plus les performances du modèle étudié.

Abstract
Car insurance is very competitive market and insurers have to provide a pricing adapted to each policy in order to avoid anti-selection. Models have to be updated regularly and the risk estimation has be the finest possible. The Third Party Liability Cover for Material Damages is one of the main covers in car insurance and the exposure is quite high as it is mandatory in the French market. There are two types of claims: those coming under the IRSA convention with fixed indemnity amounts and those paid with real cost. This study will cover the update and the sophistication of TPL Material models with peril segmentation on one hand, and with the creation of a vehicle classification on the other hand. First, the TPL Material pure premium will be segmented in IRSA and non IRSA perils. Two frequency models and one severity model will be created (as the IRSA fee is constant, there is no need to build a model for IRSA average cost). It will then be possible to measure the improvement of the new pricing structure. The methodology of vehicle classification creation will be discussed in a second part. It relies on geographical classification theory and tries to pick up a signal explained by vehicle variables in GLM residuals. The problem is that a map of vehicle is needed, i.e. a spatial representation, and a definition of neighbourhood between vehicles. It is possible to do so with multivariate analysis with mixed quantitative and the Delaunay triangulation. Various vehicle classification will be created on the IRSA Frequency model testing multiple clustering methods. The classification that improves the most the initial model will be retained.