Mémoire d'actuariat

Optimisation de la tarification AUTO au travers du risque véhicule
Auteur(s) FADIL K.M.
Société La Banque postale Assurance IARD
Année 2020
Confidentiel jusqu'au 17/12/2022

Résumé
Le marché de l’assurance automobile connait une concurrence forte entre les acteurs du marché en termes de prix et d’innovation. Les assureurs cherchent à segmenter leurs tarifications pour pouvoir proposer des tarifs compétitifs et rentables. En effet, une segmentation pertinente permet d’approcher le risque et d’éviter l’antisélection. Afin d’améliorer leurs tarifications, les compagnies d’assurance cherchent à approcher le risque véhicule et mettre au défi la classification fournie par la Sécurité et Réparation Automobile (SRA). Ce mémoire porte sur l’élaboration d’un véhiculier par deux approches différentes. Une première méthode consiste à s’appuyer sur les caractéristiques propres aux véhicules pour déterminer un nouvel ensemble de groupes homogènes. Dans un premier temps, une carte des véhicules sera obtenue grâce à une analyse des données et une méthode de classification hiérarchique. Sur la base de cette carte, une analyse des distances nous permettra dans un second temps d’obtenir un premier véhiculier. La seconde approche est inspirée des méthodes de zoniers géographiques. Une première étape vise à modéliser la prime pure d’une garantie via des modèles linéaires généralisés pour extraire les résidus à expliquer par les caractéristiques du véhicule. Une méthode de lissage sera appliquée pour lisser les résidus grâce à une carte des véhicules afin de les crédibiliser sur les faibles expositions. Enfin, ces résidus lissés seront modélisés grâce à une méthode d’apprentissage supervisé pour créer des groupes de risques homogènes. Les deux véhiculiers construits seront intégrés dans des modèles de tarification pour les confronter avec la classification SRA et analyser les résultats finaux.

Abstract
The automobile insurance marketa is experiencing sarong competition between market players in terms of price and innovation. Insurers need to segment their pricing to be able to offer competitive and profitable rates. Indeed, a relevant segmentation allows to approach the risk and to avoid anti-selection. In order to improve their pricing, insurance companies are seeking to approach the vehicle risk and challenge the classification provided by the Sécurité et Réparation Automobile (SRA). The first approach is to use vehicle characteristics to determine a new set of homogeneous groups. In a first step, a vehicle map will be obtained through data analysis and a hierarchical classification method. On the basis of this map, an analysis of distances will allow us to obtain a first clustering. The second approach is inspired by geographic zoning methods. A first step aims to model the pure premium of a guarantee via generalized linear models to extract the residues to be explained by the characteristics of the vehicle. A smoothing method will be applied to smooth the residues thanks to a vehicle map in order to make them credible on low exposures. Finally, we will model these smoothed residues using a supervised learning method to create homogeneous risk groups. The two constructed vehicles will be integrated into pricing models to compare them with the SRA classification and analyze the final results.