Mémoires d'Actuariat
Modélisation du risque arrêt de travail pour un portefeuille de TNS par méthode Data Science
Auteur(s) NUNES M.
Société ENTORIA
Année 2023
Confidentiel jusqu'au 09/05/2025
Résumé
L’investigation développée dans ce mémoire est réalisée dans le but d’améliorer le modèle de tarification d’un produit prévoyance, et en particulier du risque arrêt de travail qui lui est lié. Des axes d’amélioration ayant été décelés et non traités, une étude de l’incidence en arrêt de travail pourrait répondre à ce besoin de combler les lacunes existantes. L’objectif premier est donc de parvenir à une meilleure segmentation du modèle, qui demande donc une plus grande compréhension du risque associé. Plusieurs approches sont étudiées ici, en modélisation statistique et apprentissage automatique. L’étude détaille les démarches et les choix effectués dans la construction du modèle de fréquence. Un autre enjeu de ce mémoire est d’exploiter au mieux le pouvoir prédictif des variables en jeu, en ayant recours à de l’enrichissement et du retraitement de données de manière pertinente. Cela passera notamment par la construction de zoniers selon différentes méthodes, afin d’optimiser le traitement de l’information géographique.
Abstract
The investigation developed in this dissertation is carried out with the aim of improving the pricing model of a provident product, and in particular of the work stoppage risk linked to it. As areas for improvement have been identified and not addressed, a study of the incidence of work stoppage could meet this need to fill existing gaps. The primary objective is therefore to achieve a better segmentation of the model, which requires a better understanding of the associated risk. Several approaches are studied here, in statistical modeling and machine learning. The study details the steps and choices made in the construction of the frequency model. Another challenge of this thesis is to make the best use of the predictive power of the variables involved, by using data enrichment and reprocessing in a relevant way. This will be done through the construction of zoners according to different methods, in order to optimize the processing of geographic information. This study is being conducted on historical data within the 2016-2021 observation window. The goal of this study is to propose a solution to improve the current rates of Entoria’s individual benefit product.
Auteur(s) NUNES M.
Société ENTORIA
Année 2023
Confidentiel jusqu'au 09/05/2025
Résumé
L’investigation développée dans ce mémoire est réalisée dans le but d’améliorer le modèle de tarification d’un produit prévoyance, et en particulier du risque arrêt de travail qui lui est lié. Des axes d’amélioration ayant été décelés et non traités, une étude de l’incidence en arrêt de travail pourrait répondre à ce besoin de combler les lacunes existantes. L’objectif premier est donc de parvenir à une meilleure segmentation du modèle, qui demande donc une plus grande compréhension du risque associé. Plusieurs approches sont étudiées ici, en modélisation statistique et apprentissage automatique. L’étude détaille les démarches et les choix effectués dans la construction du modèle de fréquence. Un autre enjeu de ce mémoire est d’exploiter au mieux le pouvoir prédictif des variables en jeu, en ayant recours à de l’enrichissement et du retraitement de données de manière pertinente. Cela passera notamment par la construction de zoniers selon différentes méthodes, afin d’optimiser le traitement de l’information géographique.
Abstract
The investigation developed in this dissertation is carried out with the aim of improving the pricing model of a provident product, and in particular of the work stoppage risk linked to it. As areas for improvement have been identified and not addressed, a study of the incidence of work stoppage could meet this need to fill existing gaps. The primary objective is therefore to achieve a better segmentation of the model, which requires a better understanding of the associated risk. Several approaches are studied here, in statistical modeling and machine learning. The study details the steps and choices made in the construction of the frequency model. Another challenge of this thesis is to make the best use of the predictive power of the variables involved, by using data enrichment and reprocessing in a relevant way. This will be done through the construction of zoners according to different methods, in order to optimize the processing of geographic information. This study is being conducted on historical data within the 2016-2021 observation window. The goal of this study is to propose a solution to improve the current rates of Entoria’s individual benefit product.
