Mémoires d'Actuariat
Modélisation Statistique à la création d'un zonier en tarification automobile
Auteur(s) DELI MADJEON J.-D.-D.
Société Generali IARD
Année 2021
Confidentiel jusqu'au 19/03/2023
Résumé
L'assurance automobile représente une part importante de la branche non-vie des compagnies d'assurance. En France, elle est obligatoire pour la garantie Responsabilité Civile, et fait ainsi l'objet d'un marché large et très concurrentiel. Dans ce contexte, les assureurs travaillent davantage à améliorer leurs tarifs afin de répondre le plus fidèlement possible à la demande des assurés. Ce mémoire se propose d'introduire des variables extérieures pour mesurer le risque géographique afin de construire le zonier qui sert à rendre le tarif plus concurrentiel. Après avoir mené des analyses exploratoires, l'étude se poursuit sur une démarche de modélisation complète de la fréquence des sinistres : c'est le point de départ de l'approche de construction de zonier utilisée dans ce mémoire. La composante géographique du risque, non prise en compte par le modèle précédent, est alors lissée, puis modélisée à l'aide des modèles ensemblistes de machine learning (forêt aléatoire et boosting). Nous terminons sur le zonier construit et sur l'analyse de sa pertinence à répondre à la problématique Au terme de la modélisation de la fréquence, les facteurs discriminants de la sinistralité des assurés se répartissent en trois familles : les caractéristiques de l’assuré, les caractéristiques du véhicule, les caractéristiques du contrat. Le zonier construit en utilisant les résidus géographiques issus du modèle précédent a permis à celui-ci de gagner en pouvoir explicatif. Il a en effet permis de mieux couvrir le risque de sinistralité du portefeuille et à définir des tarifs plus optimisés.
Abstract
Automobile insurance is an important part of the non-life branch of insurance companies. In France, it is mandatory for Civil Liability coverage and is therefore the subject of a large and highly competitive market. In this context, insurers are working harder to improve their rates in order to respond as faithfully as possible to policyholders' demand. This paper proposes to introduce external variables to measure geographic risk in order to construct the zoning used to make the rate more competitive. After carrying out exploratory analyses, the study continues with a comprehensive modelling approach to the frequency of claims: This is the starting point for the zoning construction approach used in this paper. The geographical component of the risk - not taken into account by the previous model - was then smoothed and modelled using machine learning models (random forest and boosting). We conclude with the constructed zoning and the analysis of its relevance to the problem. At the end of the frequency modelling, the discriminating factors of the insured's claims experience can be divided into three families: the characteristics of the insured, the characteristics of the vehicle, and the characteristics of the contract. The zoning system developed using the geographical residuals from the previous model has enabled the model to gain explanatory power. It has indeed allowed to better cover the risk of loss in the portfolio and to define more optimized rates.
Mémoire complet
Auteur(s) DELI MADJEON J.-D.-D.
Société Generali IARD
Année 2021
Confidentiel jusqu'au 19/03/2023
Résumé
L'assurance automobile représente une part importante de la branche non-vie des compagnies d'assurance. En France, elle est obligatoire pour la garantie Responsabilité Civile, et fait ainsi l'objet d'un marché large et très concurrentiel. Dans ce contexte, les assureurs travaillent davantage à améliorer leurs tarifs afin de répondre le plus fidèlement possible à la demande des assurés. Ce mémoire se propose d'introduire des variables extérieures pour mesurer le risque géographique afin de construire le zonier qui sert à rendre le tarif plus concurrentiel. Après avoir mené des analyses exploratoires, l'étude se poursuit sur une démarche de modélisation complète de la fréquence des sinistres : c'est le point de départ de l'approche de construction de zonier utilisée dans ce mémoire. La composante géographique du risque, non prise en compte par le modèle précédent, est alors lissée, puis modélisée à l'aide des modèles ensemblistes de machine learning (forêt aléatoire et boosting). Nous terminons sur le zonier construit et sur l'analyse de sa pertinence à répondre à la problématique Au terme de la modélisation de la fréquence, les facteurs discriminants de la sinistralité des assurés se répartissent en trois familles : les caractéristiques de l’assuré, les caractéristiques du véhicule, les caractéristiques du contrat. Le zonier construit en utilisant les résidus géographiques issus du modèle précédent a permis à celui-ci de gagner en pouvoir explicatif. Il a en effet permis de mieux couvrir le risque de sinistralité du portefeuille et à définir des tarifs plus optimisés.
Abstract
Automobile insurance is an important part of the non-life branch of insurance companies. In France, it is mandatory for Civil Liability coverage and is therefore the subject of a large and highly competitive market. In this context, insurers are working harder to improve their rates in order to respond as faithfully as possible to policyholders' demand. This paper proposes to introduce external variables to measure geographic risk in order to construct the zoning used to make the rate more competitive. After carrying out exploratory analyses, the study continues with a comprehensive modelling approach to the frequency of claims: This is the starting point for the zoning construction approach used in this paper. The geographical component of the risk - not taken into account by the previous model - was then smoothed and modelled using machine learning models (random forest and boosting). We conclude with the constructed zoning and the analysis of its relevance to the problem. At the end of the frequency modelling, the discriminating factors of the insured's claims experience can be divided into three families: the characteristics of the insured, the characteristics of the vehicle, and the characteristics of the contract. The zoning system developed using the geographical residuals from the previous model has enabled the model to gain explanatory power. It has indeed allowed to better cover the risk of loss in the portfolio and to define more optimized rates.
Mémoire complet
