Mémoires d'Actuariat
Modélisation et optimisation du tarif en assurance professionnelle
Auteur(s) MEKIE CHAMI K. W. N.
Société Allianz IARD
Année 2024
Confidentiel jusqu'au 28/06/2026
Résumé
Dans un contexte où le marché de l’assurance est confronté à une intense concurrence tarifaire, il devient impératif de développer une tarification aussi juste que possible. L’objectif principal de ce mémoire consiste à présenter une méthode optimisée visant à améliorer le processus de tarification dans le domaine de l’assurance multirisque professionnelle, en se focalisant spécifiquement sur le cas d’Allianz France. En plus du tarif commercial, un tarif technique est calculé. Son estimation doit permettre de faire face à la fois à la sinistralité des assurés et aux besoins de rentabilité de l’entreprise. C’est l’élément de base utilisé pour optimiser le tarif commercial, c’est donc l’un des indicateurs de rentabilité les plus importants. Dans le but d’affiner son calcul, nous allons créer un score technique qui intègre les informations financières par activité dans notre modèle. Pour ce faire, nous allons donc effectuer des modèles linéaires généralisés (GLM) qui expliqueront la sinistralité, dans lesquels nous allons ajouter des données externes de nature économique et financière. Ensuite, nous utiliserons les résidus de ces modèles pour construire le score financier par activité en utilisant des méthodes de machine learning ou la méthode de crédibilité. Enfin, une deuxième modélisation GLM utilisant ce score financier parmi les variables explicatives sera effectuée pour obtenir un nouveau tarif technique.
Abstract
In a context where the insurance market is facing intense price competition, it is becoming imperative to develop pricing that is as fair as possible. The main objective of this dissertation is to present an optimized method for improving the pricing process in the field of professional multi-risk insurance, focusing specifically on the case of Allianz France. In addition to the commercial rate, we calculate a technical rate, which must take into account both policyholder claims and the company’s profitability requirements. The technical tariff forms the basis for optimizing the commercial tariff and is a crucial indicator of profitability. To refine the calculation of the technical tariff, we’re going to introduce a Technical Score that will integrate financial information specific to each activity into our model. To do this, we will create generalized linear models (GLM) for costs and claims frequency. These models will help us explain claims experience by incorporating external economic and financial data. Next, we will use the residuals from these models to construct a financial score for each activity using machine learning techniques or the credibility method. We will then run a second GLM model using this newly created financial score to obtain an updated technical tariff.
Auteur(s) MEKIE CHAMI K. W. N.
Société Allianz IARD
Année 2024
Confidentiel jusqu'au 28/06/2026
Résumé
Dans un contexte où le marché de l’assurance est confronté à une intense concurrence tarifaire, il devient impératif de développer une tarification aussi juste que possible. L’objectif principal de ce mémoire consiste à présenter une méthode optimisée visant à améliorer le processus de tarification dans le domaine de l’assurance multirisque professionnelle, en se focalisant spécifiquement sur le cas d’Allianz France. En plus du tarif commercial, un tarif technique est calculé. Son estimation doit permettre de faire face à la fois à la sinistralité des assurés et aux besoins de rentabilité de l’entreprise. C’est l’élément de base utilisé pour optimiser le tarif commercial, c’est donc l’un des indicateurs de rentabilité les plus importants. Dans le but d’affiner son calcul, nous allons créer un score technique qui intègre les informations financières par activité dans notre modèle. Pour ce faire, nous allons donc effectuer des modèles linéaires généralisés (GLM) qui expliqueront la sinistralité, dans lesquels nous allons ajouter des données externes de nature économique et financière. Ensuite, nous utiliserons les résidus de ces modèles pour construire le score financier par activité en utilisant des méthodes de machine learning ou la méthode de crédibilité. Enfin, une deuxième modélisation GLM utilisant ce score financier parmi les variables explicatives sera effectuée pour obtenir un nouveau tarif technique.
Abstract
In a context where the insurance market is facing intense price competition, it is becoming imperative to develop pricing that is as fair as possible. The main objective of this dissertation is to present an optimized method for improving the pricing process in the field of professional multi-risk insurance, focusing specifically on the case of Allianz France. In addition to the commercial rate, we calculate a technical rate, which must take into account both policyholder claims and the company’s profitability requirements. The technical tariff forms the basis for optimizing the commercial tariff and is a crucial indicator of profitability. To refine the calculation of the technical tariff, we’re going to introduce a Technical Score that will integrate financial information specific to each activity into our model. To do this, we will create generalized linear models (GLM) for costs and claims frequency. These models will help us explain claims experience by incorporating external economic and financial data. Next, we will use the residuals from these models to construct a financial score for each activity using machine learning techniques or the credibility method. We will then run a second GLM model using this newly created financial score to obtain an updated technical tariff.
