Mémoire d'actuariat

Surveillance et modélisation du comportement de résiliation des multi-détenteurs
Auteur(s) OULD-RABAH Aris
Société SOGESSUR
Année 2017
Confidentiel jusqu'au 18/01/2019

Résumé
Pour un assureur non vie, la Surveillance du Portefeuille (SDP) est un dispositif clé permettant de préserver la rentabilité de son portefeuille de contrats. C'est un dispositif qui agit en deux temps : il identifie d'abord les assurés multi-sinistrés selon un système de règles basées sur la détection de corrélations entre sinistralité passée et sinistralité future ; il applique ensuite sur les contrats identifiés des mesures correctrices (majorations tarifaires, résiliation) dont la nature et le niveau dépendent essentiellement de la sinistralité observée. Les majorations tarifaires entrainant souvent une hausse du taux de résiliation, il est donc naturel de modéliser l'impact de la SDP sur le comportement de résiliation des clients sanctionnés. De plus, le dispositif actuel ne tient pas compte de la probable multi-détention par un assuré de plusieurs types de contrats au sein de la compagnie. Ceci peut s'avérer risqué en termes de rentabilité, étant donné qu'un client sanctionné pour sa sur-sinistralité en MRH et qui souhaite ainsi résilier peut être très rentable sur son contrat AUTO. C'est pour cela que, dans le chiffrage final du gain du dispositif de surveillance, nous tiendrons compte de la multi-détention. Dans cette optique, et après une première refonte en profondeur de son dispositif de Surveillance du Portefeuille en 2014, SOGESSUR souhaite faire évoluer celui-ci vers une meilleure prise en compte de la rentabilité et du comportement de résiliation de chaque client signalé. Dans ce cadre, ce mémoire consiste en : - L'estimation de la sinistralité future des clients multi-sinistrés signalés par la SDP. - La mise à jour du modèle de résiliation AUTO en prenant en compte les effets d'une sanction tarifaire sur le contrat MRH des assurés AUTO qui en possèdent. Ce travail s'effectuera en utilisant une régression logistique binaire sous SAS. Puis nous tenterons de cibler les éventuelles améliorations qu'il faudrait lui apporter en comparant ses résultats à ceux de deux méthodes d'apprentissage statistique : les arbres de décision et l'algorithme de Random Forest. Nous aurons alors tous les éléments nécessaires pour chiffrer les gains éventuels sur un an du processus de Surveillance Du Portefeuille pour les contrats "multirisques habitation" en tenant compte de la vision "multi-produits".

Abstract
For a non-life insurer, the Portfolio Supervision (PS) is a key device to preserve the profitability of its contracts. It is a system that operates in two stages: it first identifies the multi-claims insured according to a system of rules based on the detection of correlations between past claims and future claims; it then applies corrective measures (tariff increases, termination) on the identified contracts, whose nature and level depend essentially on the observed loss experience. Since price increases often lead to an increase int he termination rate, it is therefore natural to model the impact of the PS on the sanctioned customer's termination behavior. Moreover, the current system does not take into account the probable multi-holding by an insured of several types of contracts within the company. This may prove risky in terms of profitability, since a client sanctioned for his over-claims in Property and who wishes to terminate could be very profitable on his Motor contract. This is why, in the final gain of the monitoring device, we will take into account multi-holding. In this context, and after an in-depth overhaul of its Portfolio Supervision system in 2014, SOGESSUR want to make it evolve to take better account of the profitability and the cancellation behavior of each client reported. Within this framework, this bried memoir of: - The estimate of future claims of multi-claims insured reported by the SDP. - The updating of the Motor termination model taking into account the effects of a tariff penalty on the Property contract of the Motor policyholders who have them. This work will be performed using a binary logistic regression. Then we will try to target any improvements that should be made to it by comparing its results with those of two statistical learning mehtods: decision trees and the Random Forest algorithm. We will have all the elements necessary to quantify the potential gains aver a one-year period of the Portfolio Monitoring process for Property contracts taking into account the "multi-product" vision.