Mémoires d'Actuariat
Estimation du volume de sinistres sur un portefeuille hétérogène d'assurance voyage de type B2B2C : méthode des sous-portefeuilles référence
Auteur(s) BIAOU G.
Société Europ Assistance Holding
Année 2024
Confidentiel jusqu'au 08/11/2026
Résumé
Le présent travail vise à estimer le volume de sinistres pour un portefeuille d’assurance voyage B2B2C composé de partenaires variés. Ce portefeuille est marqué par une grande hétérogénéité, en raison de la diversité des pays de commercialisation et des produits intégrés, ainsi que par sa nature dynamique, certains partenariats ayant des durées courtes ou moyennes. Ces caractéristiques entraînent une évolution constante du mix produit/pays, rendant l’estimation complexe. La méthodologie adoptée répond à ces spécificités en simplifiant les calculs, en garantissant la rigueur scientifique et en produisant rapidement des résultats. La première étape consiste à diviser le portefeuille principal en sous-portefeuilles homogènes. L’analyse descriptive des données confirme les caractéristiques susmentionnées, comme l'évolution du mix, et permet d’identifier des variables clés utilisées pour effectuer un regroupement en clusters. Les clusters, qui regroupent des sous-portefeuilles similaires, sont créés à l’aide d’algorithmes tels que le K-medoids : segmente les données en minimisant les distances intra-cluster. Les méthodes hiérarchiques sont également explorées : elles forment des groupes de manière itérative en fusionnant ou en divisant des observations proches. Pour chaque cluster, un sous-portefeuille de référence est sélectionné, et ses fréquences de sinistres sont projetées. Ensuite, des coefficients d’ajustement sont estimés pour déduire les fréquences de sinistres des autres sous-portefeuilles à partir de celles du portefeuille de référence. Enfin, les volumes de sinistres futurs sont déduits, sous hypothèse de connaissance de l’exposition, pour l’ensemble des sous-portefeuilles. La méthodologie garantit une estimation fiable, adaptée à la complexité et à la dynamique du portefeuille étudié.
Abstract
This work aims to estimate the claim volume for a B2B2C travel insurance portfolio composed of various partners. This portfolio is characterized by significant heterogeneity due to the diversity of countries where the products are marketed and the range of integrated products. Additionally, it has a dynamic nature, as some partnerships have short or medium durations. These characteristics result in a constant evolution of the product/country mix, making estimation complex. The adopted methodology addresses these specificities by simplifying calculations, ensuring scientific rigor, and delivering results quickly. The first step involves dividing the main portfolio into homogeneous sub-portfolios. A descriptive analysis of the data confirms the aforementioned characteristics, such as the evolution of the mix, and helps identify key variables used to group sub-portfolios into clusters. Clusters, which group similar sub-portfolios, are created using algorithms such as K-medoids, which segments the data by minimizing intra-cluster distances. Hierarchical methods are also explored; these iteratively form groups by merging or splitting nearby observations. For each cluster, a reference sub-portfolio is selected, and its claim frequencies are projected. Subsequently, adjustment coefficients are estimated to derive the claim frequencies of other sub-portfolios based on those of the reference portfolio. Finally, future claim volumes are deduced, assuming exposure is known, for all sub-portfolios. This methodology ensures reliable estimation, tailored to the complexity and dynamic nature of the studied portfolio.
Auteur(s) BIAOU G.
Société Europ Assistance Holding
Année 2024
Confidentiel jusqu'au 08/11/2026
Résumé
Le présent travail vise à estimer le volume de sinistres pour un portefeuille d’assurance voyage B2B2C composé de partenaires variés. Ce portefeuille est marqué par une grande hétérogénéité, en raison de la diversité des pays de commercialisation et des produits intégrés, ainsi que par sa nature dynamique, certains partenariats ayant des durées courtes ou moyennes. Ces caractéristiques entraînent une évolution constante du mix produit/pays, rendant l’estimation complexe. La méthodologie adoptée répond à ces spécificités en simplifiant les calculs, en garantissant la rigueur scientifique et en produisant rapidement des résultats. La première étape consiste à diviser le portefeuille principal en sous-portefeuilles homogènes. L’analyse descriptive des données confirme les caractéristiques susmentionnées, comme l'évolution du mix, et permet d’identifier des variables clés utilisées pour effectuer un regroupement en clusters. Les clusters, qui regroupent des sous-portefeuilles similaires, sont créés à l’aide d’algorithmes tels que le K-medoids : segmente les données en minimisant les distances intra-cluster. Les méthodes hiérarchiques sont également explorées : elles forment des groupes de manière itérative en fusionnant ou en divisant des observations proches. Pour chaque cluster, un sous-portefeuille de référence est sélectionné, et ses fréquences de sinistres sont projetées. Ensuite, des coefficients d’ajustement sont estimés pour déduire les fréquences de sinistres des autres sous-portefeuilles à partir de celles du portefeuille de référence. Enfin, les volumes de sinistres futurs sont déduits, sous hypothèse de connaissance de l’exposition, pour l’ensemble des sous-portefeuilles. La méthodologie garantit une estimation fiable, adaptée à la complexité et à la dynamique du portefeuille étudié.
Abstract
This work aims to estimate the claim volume for a B2B2C travel insurance portfolio composed of various partners. This portfolio is characterized by significant heterogeneity due to the diversity of countries where the products are marketed and the range of integrated products. Additionally, it has a dynamic nature, as some partnerships have short or medium durations. These characteristics result in a constant evolution of the product/country mix, making estimation complex. The adopted methodology addresses these specificities by simplifying calculations, ensuring scientific rigor, and delivering results quickly. The first step involves dividing the main portfolio into homogeneous sub-portfolios. A descriptive analysis of the data confirms the aforementioned characteristics, such as the evolution of the mix, and helps identify key variables used to group sub-portfolios into clusters. Clusters, which group similar sub-portfolios, are created using algorithms such as K-medoids, which segments the data by minimizing intra-cluster distances. Hierarchical methods are also explored; these iteratively form groups by merging or splitting nearby observations. For each cluster, a reference sub-portfolio is selected, and its claim frequencies are projected. Subsequently, adjustment coefficients are estimated to derive the claim frequencies of other sub-portfolios based on those of the reference portfolio. Finally, future claim volumes are deduced, assuming exposure is known, for all sub-portfolios. This methodology ensures reliable estimation, tailored to the complexity and dynamic nature of the studied portfolio.
