Mémoires d'Actuariat
Etudes des résiliations des contrats multirisques habitation et leur sensibilité aux majorations
Auteur(s) LOPEZ Q.
Société Covea
Année 2022
Confidentiel jusqu'au 13/09/2024
Résumé
Le marché de l'assurance habitation a fortement évolué ces dernières années et plus particulièrement la concurrence au sein de cette branche. Pour un assureur, il est alors nécessaire d'avoir une connaissance importante de ses flux d'assurés. Premièrement, connaître, comprendre et bien conseiller un assuré lors de sa souscription. MMA a la chance de posséder l'un des meilleurs réseaux d'agents de France pour gérer les flux entrants. Deuxièmement, il est important de connaître son portefeuille, de savoir quels assurés résilient et pour quelle raison. L'objectif du mémoire est d'apporter des connaissances sur cet second aspect, à savoir, identifier les clients susceptibles de quitter son assureur, mais aussi, de comprendre quels facteurs influent sur cette décision. L'étude s'articule donc autour de deux grandes idées. La première consistera à élaborer le modèle de prédiction de résiliations le plus performant possible. La modélisation classique réalisée à l'aide d'un Modèle Linéaire Généralisé sera comparée à celle plus complexe réalisée au moyen de modèles de Machine Learning comme le Gradient Boosting. L'étude des sorties des modèles de Machine Learning feront l'objet d'une analyse plus approfondie afin de pouvoir les utiliser opérationnellement. La seconde partie aura pour but d'analyser la sensibilité des résiliations aux majorations tarifaires. Chaque année l'assureur est dans l'obligation d'augmenter ses primes afin de contenir la hausse de la sinistralité. Ce choix est central pour le pôle Tarification, l'objectif est alors d'apporter des arguments supplémentaires dans le choix et la répartition des revalorisations.
Abstract
Recently, the home insurance market has significantly changed, competition has been very keen. For an insurer, it is necessary to have an important knowledge of his insurance flows. First of all, it is important to know, understand and advise the insured person when he buys insurance policy. MMA is fortunate to have one of the best agents’ networks that manage incoming flows in France. Secondly, it is important to watch our portfolio and to know which insured are cancelling and for what reason. The purpose of this study is to bring knowledge on this second aspect, which means identify the customers that are susceptible to leave their insurer but also to understand what factors influence this decision. Therefore, this dissertation is structured around two main ideas. The first idea will be to develop the most efficient model to predict the cancellation of a contract. The classical modeling performed with a Generalized Linear Model will be compared to more complex models made with machine learning such as Gradient Boosting. The outputs of the machine learning models will be further analyzed in order to use them operationally. The second part will aim to analyze the sensitivity of cancellations to price increases. Each year, the insurer is obligated to increase its premiums in order to contain the increase in claims. This decision is central for the Pricing Department, and the purpose is to provide additional arguments for these increases.
Auteur(s) LOPEZ Q.
Société Covea
Année 2022
Confidentiel jusqu'au 13/09/2024
Résumé
Le marché de l'assurance habitation a fortement évolué ces dernières années et plus particulièrement la concurrence au sein de cette branche. Pour un assureur, il est alors nécessaire d'avoir une connaissance importante de ses flux d'assurés. Premièrement, connaître, comprendre et bien conseiller un assuré lors de sa souscription. MMA a la chance de posséder l'un des meilleurs réseaux d'agents de France pour gérer les flux entrants. Deuxièmement, il est important de connaître son portefeuille, de savoir quels assurés résilient et pour quelle raison. L'objectif du mémoire est d'apporter des connaissances sur cet second aspect, à savoir, identifier les clients susceptibles de quitter son assureur, mais aussi, de comprendre quels facteurs influent sur cette décision. L'étude s'articule donc autour de deux grandes idées. La première consistera à élaborer le modèle de prédiction de résiliations le plus performant possible. La modélisation classique réalisée à l'aide d'un Modèle Linéaire Généralisé sera comparée à celle plus complexe réalisée au moyen de modèles de Machine Learning comme le Gradient Boosting. L'étude des sorties des modèles de Machine Learning feront l'objet d'une analyse plus approfondie afin de pouvoir les utiliser opérationnellement. La seconde partie aura pour but d'analyser la sensibilité des résiliations aux majorations tarifaires. Chaque année l'assureur est dans l'obligation d'augmenter ses primes afin de contenir la hausse de la sinistralité. Ce choix est central pour le pôle Tarification, l'objectif est alors d'apporter des arguments supplémentaires dans le choix et la répartition des revalorisations.
Abstract
Recently, the home insurance market has significantly changed, competition has been very keen. For an insurer, it is necessary to have an important knowledge of his insurance flows. First of all, it is important to know, understand and advise the insured person when he buys insurance policy. MMA is fortunate to have one of the best agents’ networks that manage incoming flows in France. Secondly, it is important to watch our portfolio and to know which insured are cancelling and for what reason. The purpose of this study is to bring knowledge on this second aspect, which means identify the customers that are susceptible to leave their insurer but also to understand what factors influence this decision. Therefore, this dissertation is structured around two main ideas. The first idea will be to develop the most efficient model to predict the cancellation of a contract. The classical modeling performed with a Generalized Linear Model will be compared to more complex models made with machine learning such as Gradient Boosting. The outputs of the machine learning models will be further analyzed in order to use them operationally. The second part will aim to analyze the sensitivity of cancellations to price increases. Each year, the insurer is obligated to increase its premiums in order to contain the increase in claims. This decision is central for the Pricing Department, and the purpose is to provide additional arguments for these increases.
