Mémoires d'Actuariat
Analyse du risque géographique en assurance Construction dans le cadre de la tarification de la garantie Responsabilité Civile Décennale
Auteur(s) MBATCHOU SUNANG E.
Société Axa France IARD
Année 2024
Confidentiel jusqu'au 11/06/2026
Résumé
L’objectif de ce mémoire est d’analyser le risque géographique en assurance Construction pour sa prise en compte le cas échéant dans la tarification de la garantie Responsabilité Civile Décennale (RCD) chez AXA France. Le BTP, dont de nombreux chantiers sont réalisés en extérieur, est un secteur dit « météo-sensible », l’impact des conditions climatiques sur l’activité pouvant être important. En ce qui concerne AXA France, la tarification est nationale et la souscription se fait par régions L’une des complexités de cette étude est que l’assureur n’a pas connaissance des adresses des chantiers à la souscription mais plutôt de celles des assurés à priori et celles des sinistres à postériori. Pour répondre à cet objectif, nous allons étudier la corrélation entre l’adresse des sinistres et celle des assurés. Des statistiques descriptives de nos données à la maille géographique montrent la nécessité d’analyser l’impact de l’intégration du risque géographique à la tarification. Pour répondre à cette problématique, nous allons construire un modèle de tarification initial sans variable géographique à l’aide d’un GLM. Par la suite nous allons présenter 2 modèles de tarification intégrant un zonier. L’étude permettra d’identifier un modèle de tarification avec zonier particulièrement performant. Il sera ensuite question d’expliquer le zonier obtenu à travers des variables externes géographiques. Pour ce faire, nous utiliserons un modèle XGBOOST pour sélectionner les variables qui permettront de caractériser ce zonier.
Abstract
This thesis aims at analyzing the geographical risk in construction insurance and to take it into account for the ten-year Liability insurance pricing through a zoning variable, if applicable. The building industry, with many outdoor projects, is considered "weather-sensitive," and the impact of weather conditions on activities can be significant. For AXA France, the pricing is the same at a national scale, and the subscriptions are region-based. The challenge in using a zoning variable lies in the fact that the insurer does not have information about the address of the subscriber’s building sites. However, the insurer has knowledge of the policyholders' addresses at the time of subscription and the addresses of claims afterwards. To address this issue, we will examine the correlation between the addresses of claims and those of policyholders. The descriptive statistics of our data at the geographic level highlights the possible relevance of including geographical risk into pricing. Consequently, an initial pricing model without geographic variables is built with a General Linear Model (GLM). Subsequently, two pricing models adding a zoning variable are presented. This step validates the efficiency of adding a zoning variable to our pricing algorithm. The next step is to explain the resulting zoning variable through external geographical variables. A XGBoost model is used to select the variables which explain the most this zoning variable.
Auteur(s) MBATCHOU SUNANG E.
Société Axa France IARD
Année 2024
Confidentiel jusqu'au 11/06/2026
Résumé
L’objectif de ce mémoire est d’analyser le risque géographique en assurance Construction pour sa prise en compte le cas échéant dans la tarification de la garantie Responsabilité Civile Décennale (RCD) chez AXA France. Le BTP, dont de nombreux chantiers sont réalisés en extérieur, est un secteur dit « météo-sensible », l’impact des conditions climatiques sur l’activité pouvant être important. En ce qui concerne AXA France, la tarification est nationale et la souscription se fait par régions L’une des complexités de cette étude est que l’assureur n’a pas connaissance des adresses des chantiers à la souscription mais plutôt de celles des assurés à priori et celles des sinistres à postériori. Pour répondre à cet objectif, nous allons étudier la corrélation entre l’adresse des sinistres et celle des assurés. Des statistiques descriptives de nos données à la maille géographique montrent la nécessité d’analyser l’impact de l’intégration du risque géographique à la tarification. Pour répondre à cette problématique, nous allons construire un modèle de tarification initial sans variable géographique à l’aide d’un GLM. Par la suite nous allons présenter 2 modèles de tarification intégrant un zonier. L’étude permettra d’identifier un modèle de tarification avec zonier particulièrement performant. Il sera ensuite question d’expliquer le zonier obtenu à travers des variables externes géographiques. Pour ce faire, nous utiliserons un modèle XGBOOST pour sélectionner les variables qui permettront de caractériser ce zonier.
Abstract
This thesis aims at analyzing the geographical risk in construction insurance and to take it into account for the ten-year Liability insurance pricing through a zoning variable, if applicable. The building industry, with many outdoor projects, is considered "weather-sensitive," and the impact of weather conditions on activities can be significant. For AXA France, the pricing is the same at a national scale, and the subscriptions are region-based. The challenge in using a zoning variable lies in the fact that the insurer does not have information about the address of the subscriber’s building sites. However, the insurer has knowledge of the policyholders' addresses at the time of subscription and the addresses of claims afterwards. To address this issue, we will examine the correlation between the addresses of claims and those of policyholders. The descriptive statistics of our data at the geographic level highlights the possible relevance of including geographical risk into pricing. Consequently, an initial pricing model without geographic variables is built with a General Linear Model (GLM). Subsequently, two pricing models adding a zoning variable are presented. This step validates the efficiency of adding a zoning variable to our pricing algorithm. The next step is to explain the resulting zoning variable through external geographical variables. A XGBoost model is used to select the variables which explain the most this zoning variable.
