Mémoire d'actuariat

Détection des sinistres incendies graves des contrats multi-risques habitation
Auteur(s) FOUQUET B.
Société Thélem Assurances
Année 2020
Confidentiel jusqu'au 26/05/2022

Résumé
L’assurance multirisque habitation propose différentes garanties dont la garantie incendie. Cette garantie permet de se couvrir contre les risques d’incendie se déclarant dans le logement de l’assuré. Lorsque le sinistre est total, c’est-à-dire lorsque tout ou la quasi-totalité du logement est détruit, le coût du sinistre engendré peut vite atteindre une somme élevée. Aujourd’hui, lors de la tarification du produit habitation, les sinistres attritionnels (dont la fréquence est élevée mais la charge sinistre est faible) et les sinistres graves (dont la fréquence est faible mais la charge sinistre est élevée) sont étudiés séparément. Des modèles statistiques sont utilisés pour modéliser la charge des sinistres attritionnels afin de répartir cette charge de la manière la plus juste. Cependant, la charge des sinistres graves est répartie de manière uniforme sur toutes les garanties. Le but de cette étude est d’estimer la charge des sinistres graves à l’aide de modèles d’apprentissage statistique (modèle logit, arbres de décision, descente de gradient) afin de la répartir de manière non-homogène sur les critères de tarification. Enfin, à l’aide des résultats des modèles nous pourrons analyser les profils des clients les plus à risque (c’est-à-dire dont la probabilité de déclarer un sinistre incendie dans l’année est élevée). Cela permettra à l’assureur de mandater un expert chez les assurés identifiés afin d’effectuer une visite de risque de prévention.

Abstract
The household insurance offers various guarantees including the fire guarantee. This one covers the fire risks occurring in the insured’s house. When the claim is total, that is when all or almost all the insured’s accommodation is destroyed, the cost of the claim can quickly reach a high amount of money. Today, when insurers pricing household insurance, attritional claims (with high frequency but low loss) and large claims (with low frequency but high loss) are separately studied. Statistical models are used to modeling the cost of attritional claims in order to distribute the fairest the cost. However, large claim’s cost is evenly distributed all over the guarantees. The aim of this study is to estimate the large claim’s cost with machine learning models (logit regression, decision trees, gradient boosting) in order to don’t evenly distribute the cost all over the criterions. Finally, with the models’ results, we will be able to analyze the profiles of risky insureds (that is when the probability to claim a large fire disaster during the year). The insurer can appoint an expert to identify the possible risks in the insured’s house and to prevent against these risks.