Mémoires d'Actuariat
Création de nouvelles variables explicatives de la sinistralité grave en assurance Auto
Auteur(s) GARAOUCH I.
Société Generali
Année 2022
Confidentiel jusqu'au 10/11/2024
Résumé
Le but de ce mémoire est la construction de nouvelles variables qui pourraient, en plus des variables tarifaires classiques modéliser la propension d’un assuré à avoir un sinistre grave. On s’intéresse aux sinistres corporels liés au produit « L’Auto Generali ». Tout d’abord, on commence par créer de nouvelles variables explicatives décrivant les avenants antérieurs des assurés. L’étape suivante consiste à modéliser la probabilité d’avoir un sinistre grave en fonction des différentes variables explicatives construites. Seulement deux parmi les quatre variables précédemment construites ont été retenues : le changement de zone et le changement de date de naissance du conducteur principal. On s’aperçoit également que ces variables permettent d’améliorer le pouvoir explicatif des modèles implémentés. La dernière étape de cette étude consiste à mettre en application ces résultats obtenus : On définit une nouvelle règle de mise sous surveillance basée sur les nouvelles variables construites et on étudie son impact. On s’aperçoit qu’on arrive à améliorer les résultats obtenus uniquement avec le processus actuel de surveillance.
Abstract
The aim of this study is the construction of new variables which could, in addition to the classic tariff variables, describe the propensity of an insured to have a severe claim. We are interested in claims related to the product "L’Auto Generali". First, new explanatory variables describing insurers’ past amendments were created. The next step is to model the probability of having a severe claim as a function of the different explanatory variables constructed. Only two of the four variables previously identified were retained : The change in zone and the change in the date of birth of the main driver. The last step of this study consists in applying concretely these results : We define a new supervision rule based on the new variables and study its impact. The results obtained with the current monitoring process alone are then improved.
Auteur(s) GARAOUCH I.
Société Generali
Année 2022
Confidentiel jusqu'au 10/11/2024
Résumé
Le but de ce mémoire est la construction de nouvelles variables qui pourraient, en plus des variables tarifaires classiques modéliser la propension d’un assuré à avoir un sinistre grave. On s’intéresse aux sinistres corporels liés au produit « L’Auto Generali ». Tout d’abord, on commence par créer de nouvelles variables explicatives décrivant les avenants antérieurs des assurés. L’étape suivante consiste à modéliser la probabilité d’avoir un sinistre grave en fonction des différentes variables explicatives construites. Seulement deux parmi les quatre variables précédemment construites ont été retenues : le changement de zone et le changement de date de naissance du conducteur principal. On s’aperçoit également que ces variables permettent d’améliorer le pouvoir explicatif des modèles implémentés. La dernière étape de cette étude consiste à mettre en application ces résultats obtenus : On définit une nouvelle règle de mise sous surveillance basée sur les nouvelles variables construites et on étudie son impact. On s’aperçoit qu’on arrive à améliorer les résultats obtenus uniquement avec le processus actuel de surveillance.
Abstract
The aim of this study is the construction of new variables which could, in addition to the classic tariff variables, describe the propensity of an insured to have a severe claim. We are interested in claims related to the product "L’Auto Generali". First, new explanatory variables describing insurers’ past amendments were created. The next step is to model the probability of having a severe claim as a function of the different explanatory variables constructed. Only two of the four variables previously identified were retained : The change in zone and the change in the date of birth of the main driver. The last step of this study consists in applying concretely these results : We define a new supervision rule based on the new variables and study its impact. The results obtained with the current monitoring process alone are then improved.
