Mémoires d'Actuariat
Sophistication tarifaire de la garantie assistance routière
Auteur(s) MOSQUERA PEREZ V. E.
Société Europ Assistance Groupe
Année 2023
Confidentiel jusqu'au 17/02/2024
Résumé
Le marché global de l'assistance routière est en forte croissance grâce aux nouveaux besoins qui émergent autour des véhicules hybrides et électriques, au vieillissement du parc automobile et au développement de la digitalisation dans le secteur automobile ( véhicules connectés et autonomes). Les sociétés d'assistance ont le défi de s'adapter à un secteur automobile en constante transformation et donc à l'évolution des risques qui en découle. Etant donné que la garantie d'assistance routière commercialisée dans un modèle de distribution Business to Business (BtoB) n'est pas exposée au risque d'antisélection, elle est souvent tarifiée à partir d'un modèle simple de tarification. Ceci présente l'inconvénient majeur de ne pas capturer les facteurs de risque sous-jacents du portefeuille souscrit, à l'inverse de garanties d'assurance usuelles où la tarification est segmentée selon le profil de risque de l'assuré. Ce mémoire propose une méthode de tarification pour une garantie d'assistance routière composée uniquement des services d'assistance de base : dépannage sur place et remorquage et couvrant deux fait générateurs : les accidents et les pannes dans le cadre d'un contrat BtoB en France en utilisant des modèles linéaires généralisés (GLMs). L'objectif est de prendre en compte, pour le segment des constructeurs automobiles, les facteurs de risque dans le calcul de la prime pure unique commune à tous les bénéficiaires afin de comparer les résultats obtenus avec la méthode de tarification simple actuellement utilisée. Mots clés : Secteur automobile, garantie assistance routière, BtoB, prime moyenne, accidents, pannes, prestations de base, facteurs de risque, GLM.
Abstract
The global market for roadside assistance is strongly growing thanks to the new needs emerging around hybrid and electric vehicles, the ageing of the vehicle fleet and the development of digitalization in the automotive sector ( connected and autonomous vehicles). Assistance companies have the challenge of adapting to a constantly changing automotive sector and the resulting evolution of risks. Since roadside assistance coverage marketed in a Business to Business (BtoB) distribution model is not exposed to the risk of adverse selection, it is often priced based on a simple pricing model. This has the major disadvantage of not capturing the underlying risk factors of the underwritten portfolio, unlike usual insurance guarantees where pricing is segmented according to the risk profile of the insured. This paper proposes a pricing method for a roadside assistance coverage composed only of basic assistance services: repair on spot and towing and covering two daims causes: accidents and breakdowns in the context of a BtoB contract in France using generalized linear models (GLMs) and other machine learning methods. The objective is to consider, for the car manufacturers segment, the risk factors in the calculation of the single pure premium common to all beneficiaries to compare the results obtained with the simple pricing method currently used. Key words: Automotive sector, roadside assistance coverage, BtoB, average premium, accidents, breakdowns, basic benefits, risk factors, GLM.
Mémoire complet
Auteur(s) MOSQUERA PEREZ V. E.
Société Europ Assistance Groupe
Année 2023
Confidentiel jusqu'au 17/02/2024
Résumé
Le marché global de l'assistance routière est en forte croissance grâce aux nouveaux besoins qui émergent autour des véhicules hybrides et électriques, au vieillissement du parc automobile et au développement de la digitalisation dans le secteur automobile ( véhicules connectés et autonomes). Les sociétés d'assistance ont le défi de s'adapter à un secteur automobile en constante transformation et donc à l'évolution des risques qui en découle. Etant donné que la garantie d'assistance routière commercialisée dans un modèle de distribution Business to Business (BtoB) n'est pas exposée au risque d'antisélection, elle est souvent tarifiée à partir d'un modèle simple de tarification. Ceci présente l'inconvénient majeur de ne pas capturer les facteurs de risque sous-jacents du portefeuille souscrit, à l'inverse de garanties d'assurance usuelles où la tarification est segmentée selon le profil de risque de l'assuré. Ce mémoire propose une méthode de tarification pour une garantie d'assistance routière composée uniquement des services d'assistance de base : dépannage sur place et remorquage et couvrant deux fait générateurs : les accidents et les pannes dans le cadre d'un contrat BtoB en France en utilisant des modèles linéaires généralisés (GLMs). L'objectif est de prendre en compte, pour le segment des constructeurs automobiles, les facteurs de risque dans le calcul de la prime pure unique commune à tous les bénéficiaires afin de comparer les résultats obtenus avec la méthode de tarification simple actuellement utilisée. Mots clés : Secteur automobile, garantie assistance routière, BtoB, prime moyenne, accidents, pannes, prestations de base, facteurs de risque, GLM.
Abstract
The global market for roadside assistance is strongly growing thanks to the new needs emerging around hybrid and electric vehicles, the ageing of the vehicle fleet and the development of digitalization in the automotive sector ( connected and autonomous vehicles). Assistance companies have the challenge of adapting to a constantly changing automotive sector and the resulting evolution of risks. Since roadside assistance coverage marketed in a Business to Business (BtoB) distribution model is not exposed to the risk of adverse selection, it is often priced based on a simple pricing model. This has the major disadvantage of not capturing the underlying risk factors of the underwritten portfolio, unlike usual insurance guarantees where pricing is segmented according to the risk profile of the insured. This paper proposes a pricing method for a roadside assistance coverage composed only of basic assistance services: repair on spot and towing and covering two daims causes: accidents and breakdowns in the context of a BtoB contract in France using generalized linear models (GLMs) and other machine learning methods. The objective is to consider, for the car manufacturers segment, the risk factors in the calculation of the single pure premium common to all beneficiaries to compare the results obtained with the simple pricing method currently used. Key words: Automotive sector, roadside assistance coverage, BtoB, average premium, accidents, breakdowns, basic benefits, risk factors, GLM.
Mémoire complet
