Mémoires d'Actuariat
Etude de la stabilité d'un modèle de segmentation en assurance-crédit
Auteur(s) NKAMENI D.
Société Sia Partners
Année 2023
Confidentiel jusqu'au 09/11/2025
Résumé
Comme tout type d'assurance, la viabilité de l'activité d'assurance-crédit repose sur la modélisation de la sinistralité, indispensable pour anticiper les pertes futures. Cette démarche aboutit au calcul du capital règlementaire, le SCR, assurant la solvabilité de l'entreprise d'assurance à 99,5 % sur un an. Au cœur de cette modélisation, la segmentation joue un rôle clé en créant des groupes homogènes d'observations. Son utilité est incontestée, mais l'ACPR s'interroge sur la stabilité des modèles de segmentation face aux petites fluctuations des données d'entraînement. Malheureusement, la littérature n'offre pas de méthodologie complète pour évaluer cette stabilité en assurance-crédit. Ce mémoire vise à combler ce vide en proposant une méthodologie claire et opérationnelle pour analyser la stabilité des modèles de segmentation. Il se veut un guide méthodologique applicable à d'autres branches de l'assurance et de la banque. Notre démarche débute par une définition de la stabilité, suivie de la présentation de notre méthodologie. Nous étudions ensuite trois modèles de segmentation - CART, k-prototypes et CAH - à travers des analyses graphiques, des variations par rapport aux scénarios de référence, des études de pentes et des tests statistiques. Il en ressort que le modèle CART est le plus stable, et que la stabilité est influencée par la taille de l'échantillon, les interactions entre les variables et la nature de ces dernières. Nous terminons nos travaux en mettant en évidence que l'étude et l'amélioration de la stabilité des modèles de segmentation permettent d'obtenir des SCR de souscription plus robustes en assurance-crédit. Mots-clés : Stabilité, Segmentation, Assurance-crédit, CART, k-prototypes, CAH.
Abstract
Like any type of insurance, the viability of credit insurance activity relies on modeling loss events, which is essential for anticipating future losses. This process leads to the calculation of the regulatory capital, known as SCR (Solvency Capital Requirement), ensuring the solvency of the insurance company at a 99.5% confidence level over one year. At the core of this modeling process, segmentation plays a key role by creating homogeneous groups of observations. Its utility is undisputed, but the ACPR (Prudential Supervision and Resolution Authority) questions the stability of segmentation models in the face of small fluctuations in training data. Unfortunately, the literature does not provide a comprehensive methodology for assessing this stability in credit insurance. This thesis aims to fill this gap by offering a clear and operational methodology for analyzing the stability of segmentation models. It aims to serve as a methodological guide applicable to other branches of insurance and banking. Our approach begins with a definition of stability, followed by the presentation of our methodology. We then study three segmentation models - CART, k-prototypes, and HAC - through graphical analyses, variations compared to reference scenarios, slope studies, and statistical tests. It emerges that the CART model is the most stable, and stability is influenced by sample size, interactions between variables, and the nature of these variables. We conclude our work by highlighting that studying and improving the stability of segmentation models lead to more robust underwriting SCR calculations in credit-insurance. Keywords: Stability, Segmentation, Credit Insurance, CART, k-prototypes, CAH.
Auteur(s) NKAMENI D.
Société Sia Partners
Année 2023
Confidentiel jusqu'au 09/11/2025
Résumé
Comme tout type d'assurance, la viabilité de l'activité d'assurance-crédit repose sur la modélisation de la sinistralité, indispensable pour anticiper les pertes futures. Cette démarche aboutit au calcul du capital règlementaire, le SCR, assurant la solvabilité de l'entreprise d'assurance à 99,5 % sur un an. Au cœur de cette modélisation, la segmentation joue un rôle clé en créant des groupes homogènes d'observations. Son utilité est incontestée, mais l'ACPR s'interroge sur la stabilité des modèles de segmentation face aux petites fluctuations des données d'entraînement. Malheureusement, la littérature n'offre pas de méthodologie complète pour évaluer cette stabilité en assurance-crédit. Ce mémoire vise à combler ce vide en proposant une méthodologie claire et opérationnelle pour analyser la stabilité des modèles de segmentation. Il se veut un guide méthodologique applicable à d'autres branches de l'assurance et de la banque. Notre démarche débute par une définition de la stabilité, suivie de la présentation de notre méthodologie. Nous étudions ensuite trois modèles de segmentation - CART, k-prototypes et CAH - à travers des analyses graphiques, des variations par rapport aux scénarios de référence, des études de pentes et des tests statistiques. Il en ressort que le modèle CART est le plus stable, et que la stabilité est influencée par la taille de l'échantillon, les interactions entre les variables et la nature de ces dernières. Nous terminons nos travaux en mettant en évidence que l'étude et l'amélioration de la stabilité des modèles de segmentation permettent d'obtenir des SCR de souscription plus robustes en assurance-crédit. Mots-clés : Stabilité, Segmentation, Assurance-crédit, CART, k-prototypes, CAH.
Abstract
Like any type of insurance, the viability of credit insurance activity relies on modeling loss events, which is essential for anticipating future losses. This process leads to the calculation of the regulatory capital, known as SCR (Solvency Capital Requirement), ensuring the solvency of the insurance company at a 99.5% confidence level over one year. At the core of this modeling process, segmentation plays a key role by creating homogeneous groups of observations. Its utility is undisputed, but the ACPR (Prudential Supervision and Resolution Authority) questions the stability of segmentation models in the face of small fluctuations in training data. Unfortunately, the literature does not provide a comprehensive methodology for assessing this stability in credit insurance. This thesis aims to fill this gap by offering a clear and operational methodology for analyzing the stability of segmentation models. It aims to serve as a methodological guide applicable to other branches of insurance and banking. Our approach begins with a definition of stability, followed by the presentation of our methodology. We then study three segmentation models - CART, k-prototypes, and HAC - through graphical analyses, variations compared to reference scenarios, slope studies, and statistical tests. It emerges that the CART model is the most stable, and stability is influenced by sample size, interactions between variables, and the nature of these variables. We conclude our work by highlighting that studying and improving the stability of segmentation models lead to more robust underwriting SCR calculations in credit-insurance. Keywords: Stability, Segmentation, Credit Insurance, CART, k-prototypes, CAH.
