Mémoires d'Actuariat

Création d'un score d'appétence à la diversification pour les clients épargne
Auteur(s) HABIB V.
Société Crédit Agricole Assurances
Année 2022
Confidentiel jusqu'au 15/03/2024

Résumé
La crise économique de 2008 ainsi que celle du Covid-19 ont eu des impacts importants sur le niveau des taux d’intérêts. Cet environnement de taux bas a fortement diminué le rendement et la rentabilité des fonds euros en épargne pour les assurés et les assureurs. C'est dans ce cadre que Crédit Agricole Assurances souhaite aiguiller ses clients vers les fonds en Unité de Compte (UC) présentant une rentabilité plus élevée notamment vis-à-vis des fonds propres et un meilleur taux de rendement pour les assurés. Toutefois, cette incitation à investir dans les UC ne peut être proposée à l'ensemble des clients de Crédit Agricole Assurances, nécessitant donc un ciblage des assurés les plus à même de réaliser cette action. Ce mémoire a pour but de créer un score permettant d'accompagner les équipes marketing sur le ciblage client afin d'augmenter la part d'UC au sein du portefeuille de Crédit Agricole Assurances. Pour créer ce score, nous avons tout d'abord procédé à la définition d'un critère d'appétence à la diversification, les clients vérifiant ce critère sont les clients de référence pour notre score. Nous avons ensuite cherché à prédire ce critère à l'aide d'un modèle de machine learning, le XGBoost. L'interprétation des résultats du modèle a été effectuée à l'aide des valeurs de Shapley, nous permettant de connaître l'importance globale et locale des variables pour le modèle. Afin de créer, pour chaque variable, les catégories de notre score, nous avons eu recours, en partie, à l'algorithme de clustering BIRCH. Toutes ces étapes, nous ont permis d'obtenir à partir des valeurs de Shapley un score sur 1 000. Ce mémoire analyse ensuite l'adéquation du score créé, une fois celui-ci appliqué à l'ensemble des clients de notre base de données.

Abstract
The 2008 economic crisis and the one of the Covid-19 had significant impacts on the level of interest rates. This low interest rate environment reduced the yield and profitability of euro savings funds. It is in this context that Crédit Agricole Assurances wishes to direct its clients towards Unit of Account (UA) funds that have higher yield and profitability. However, this incentive to invest in UAs cannot be offered to all Crédit Agricole Assurances customers, thus requiring the targeting of policyholders most able to carry out this action. The purpose of this dissertation is to create a score for the marketing teams allowing them to assess the customers' appetite for diversification. To create this score, we first of all defined a criterion of appetite for diversification, the customers verifying this criterion are the reference customers for our score. We then tried to predict this criterion using a machine learning model, the XGBoost. The interpretation of the model results was performed using Shapley values, allowing us to know the global and local importance of the variables fro the model. In order to create, for each variable, the categories of our score, we used, partly, the BIRCH clustering algorithm. All these steps allowed us to obtain a score out of 1000 from the Shapley values. This thesis then analyzes the adequacy of the score created, once it has been applied to all the clients in our database.

Mémoire complet