Alternative neuronale en tarification santé
AOUIZERATE J.M.
Consulter l'article complet
Résumé
Cet article propose une alternative aux méthodes traditionnelles de tarification frais de santé, conçue sur la base d'un modèle de Réseau de Neurones Artificiels. Cette technique permet de capter automatiquement des dépendances non linéaires de haut niveau entre les variables explicatives dans le but d'affiner le tarif. L'autre spécificité du modèle présenté est son approche globale du tarif qui n'est plus estimé pour chaque poste de dépenses comme dans le cadre classique. Le modèle a été bâti sur un portefeuille de plus de 600 000 bénéficiaires en testant différentes variantes. Le réseau offrant les meilleurs résultats a ensuite été confronté avec succès à d'autres modèles avancés. Enfin, dans des conditions réelles d'utilisation, les tarifs prédits par le modèle neuronal se sont avérés être plus proches de la consommation réelle qu'avec des outils de tarification standard dans 79% des cas.
Abstract
This paper proposes an alternative to traditional pricing methods for additional health insurance. The mathematical model used is an Artificial Neural Network. This technique can automatically capture high-level nonlinear dependencies between explanatory variables in order to refine the price. Another specificity of the model is the global approach of the price. Contrary to the classical techniques, the price is not estimated for each medical expenses item. The model was built on a portfolio of more than 600 000 beneficiaries by testing different variants. The network which provides the best results was confronted successfully with other advanced models. Finally, in real conditions, the prices predicted by the neural model were closer to real consumption than standard pricing tools in 79% of cases.
|