Mémoires d'Actuariat

Détection automatique de populations à risque au sein d'un portefeuille d'assurance non-vie basée sur un indicateur de rentabilité et optimisation tarifaire
Auteur(s) RESSOT L.
Société addactis software
Année 2022
Confidentiel jusqu'au 14/06/2023

Résumé
Le cycle de production du secteur de l’assurance étant inversé, la rentabilité d’un contrat d’assurance ne peut être facilement déterminée et notamment lors de sa tarification. La prime doit donc être régulièrement réévaluée afin que les tarifs demeurent adaptés. En effet, les majorations à la date d’anniversaire sont une pratique courante pour les assureurs mais leur efficacité et pertinence peuvent être remises en question. Le secteur de l’assurance étant fortement concurrentiel, il est de plus en plus courant pour les assurés de changer d’assureur et cette perte de parts de marché peut s’avérer infructueuse. Une analyse plus fine du portefeuille d’assurance et la détection automatique des populations les moins rentables peut se révéler être un réel atout stratégique. Ce mémoire répond ainsi à deux objectifs principaux : le premier est la mise en place de processus automatisés permettant d’analyser la rentabilité d’un portefeuille d’assurance et de détecter des populations à risque pour l’assureur. Le second est d’optimiser la rentabilité globale du portefeuille en déterminant la prime optimale. Pour cela, un indicateur de pilotage de rentabilité, l’Expected Loss Ratio, sera utilisé. Nous étudierons cet indicateur et, par le biais de l’algorithme Patient Rule Induction Method, nous détecterons des segments sur lesquels l’ELR dévie fortement de sa moyenne. Ensuite, nous étudierons le comportement client des assurés de notre portefeuille concernant l’acte de résiliation. Nous modéliserons également l’impact du tarif sur le comportement client à l’aide de l’élasticité. Enfin, une approche plus globale sera entreprise : nous chercherons à optimiser le profit de l’assureur compte-tenu de ses contraintes de volume de portefeuille. Pour cela, des méthodes mathématiques d’optimisation seront utilisées, la variable d’influence étant la prime commerciale payée par l’assuré.

Abstract
As the production cycle of the insurance sector is reversed, the profitability of an insurance contract cannot be achieved easily, particularly during its pricing. The premium must therefore be regularly reassessed so that insurance rates remain adapted. Indeed, increases on the anniversary date are a common practice for insurers but their effectiveness and relevance can be called into question. The insurance sector being highly competitive, it is increasingly common for policyholders to change insurer and this loss of market share may prove unsuccessful. A more detailed analysis of the insurance portfolio and the automatic detection of the least profitable populations may be a truly strategic asset. This thesis thus meets two major objectives : the first is the implementation of automated processes to analyze the profitability of an insurance portfolio and to detect populations at risk for the insurer. The second is, taking into account the populations detected, to optimize the overall profitability of the portfolio by determining the optimal premium. To achieve this, a profitability management indicator, the Expected Loss Ratio, will be used. This indicator will be studied and, through the PRIM algorithm, for Patient Rule Induction Method, segments on which the ELR strongly deviates from its average will be detected. Then, the customer behavior of the policyholders in our portfolio regarding the act of cancellation will be studied. This step will focus on the impact of the price on customer behavior using an indicator : elasticity. Finally, a more global approach will be undertaken : this last step aims at optimizing the insurer’s profit given its portfolio volume constraints. Mathematical optimization methods will be used where the influencing variable will be the commercial premium paid by the policyholder.

Mémoire complet