Mémoire d'actuariat

Construction de scores d'appétence et de risque en Prévoyance Individuelle : sur les modèles d'apprentissage et leur interprétation
Auteur(s) YAGUES Thomas
Société Natixis assurances
Année 2019

Résumé
Dans un cadre assurantiel de la Prévoyance Individuelle, nous allons construire, par des approches Machine Learning deux modèles de prédiction de l'appétence et du risque de mortalité d'une population bancaire, assurée ou non, à l'égard d'un produit de la Prévoyance Individuelle. On interprétera de manière globale les modèles et leurs résultats afin d'identifier des profils-types de clients bancaires appétents et des clients risqués du point de vue de la mortalité. Une application des méthodes d'interprétation locale de la Valeur de Shapley et LIME sera réalisée pour observer les contributions des variables explicatives à une seule prédiction. En s'appuyant sur l'interprétation faite sur le modèle de prédiction du score d'appétence et sa précision, on retient, parmi les individus non-assurés au produit, une population appétente au produit de la Prévoyance Individuelle de l'étude pour en étudier le comportement de ses contrats lors d'une projection de ces flux de primes pures, sinistres et de son estimation de produit net d'assurance. On place ensuite l'étude dans le cadre d'un ciblage marketing à budget limité dont l'ensemble de la population appétente retenue précédemment représente un effectif à cibler trop élevé. Des analyses des sensibilités des valeurs actuelles des produits nets d'assurance à des critères de choix de la population serons réalisés afin de pouvoir orienter le ciblage marketing vers le choix d'une sous-population des appétents qui sera la moins onéreuse possible.

Abstract
In an insurance framework of individual provident, we will use a Machine Learning approach to build two predictive models of the appetence and the mortality risk of a banking population towards a specific individual provident product. A global explanation of these models and their results will be made in order to identify typical profiles of high appetence clients and risky clients regarding their mortality. An application of local explanation methods, the Shapley Value and LIME will be performed so as to notice explanatory variables that are contributing the most to a single prediction. Based on the explanation made on the predictive model of the appetence score and its precision, we retain high appetence uninsured clients to study how their insurance contracts would perform through a projection of pure premiums, claims' amounts and net insurance revenues valuations. The study is then placed as part of a targeted marketing campaign with a limited budget considering that the high appetence uninsured clients group retained previously represents a too high number of clients to be targeted. Sensitivity analysis of net insurance revenue's present value to selected criteria from the population will be performed in order to be able to direct the targeted marketing towards a subset of the high appetence clients group which will be the most profitable possible.

Mémoire complet