Étude De Cas : Tarification En Assurance IARD

Contexte

Revoir l’ensemble de la tarification utilisée, en particulier la segmentation du portefeuille, afin d’orienter les changements de tarification à venir.
Un petit nombre de réclamations très importantes compliquent la modélisation de la sévérité des réclamations.
La fréquence fluctue beaucoup d’un segment à l’autre de la population.
La base de données fournie comprend les données historiques des polices et réclamations des sept dernières années.

ApSTAT a conduit une étude approfondie comprenant:
- L’évaluation du risque en fonction des différentes variables et combinaisons de paires de variables afin de quantifier l’impact de chacune de ses variables et d’identifier les combinaisons de variables explicatives.
- L’évaluation de la performance hors échantillon de différents modèles de data-mining incluant réseaux de neurones, arbres de décision et modèles linéaires généralisés.
- Le développement d’une architecture de modélisation permettant de résoudre le problème spécifique d’estimation du risque en assurance automobile, c.-à-d. la régression en présence de bruit asymétrique avec aile lourde.

Profitabilité accrue d’environ 2% du volumes de primes en optimisant la tarification.

Meilleure compréhension de l’impact des différentes variables sur le risque que représente chacun des assurés.
Orientation de la recherche vers les directions suggérées.
Meilleure compréhension des différents modèles de data-mining et de leur apport potentiel pour la tarification en assurance automobile.