ISFA GENERALI /

Prise en compte de l’antécédent sinistre dans la tarification du risque multirisque immeuble

Domaine(s)	Mémoire
formation(s)	ISFA () / resp.: / intervenant:

Informations sur les documents

Type de document	Mémoires
société	GENERALI
Auteur(s)	KINZO G.
Numéro
Date de référence	10/23/2019

Résumé

Ce mémoire s’intéresse au produit Multirisque Immeuble de Generali. Sur un marché concurrentiel tel que celui de l’assurance IARD, les compagnies recherchent une perpétuelle innovation de leurs offres. Elles se doivent d’être à même de proposer un tarif qui reflète au mieux le risque qu’elles assurent. Jusqu’à présent, la prime pure du produit MRI de Generali est construite grâce à une approche classique de tarification a priori. Notre étude propose d’apporter une nouvelle démarche, en personnalisant le tarif actuellement proposé grâce à la prise en compte de l’expérience sinistre propre au risque assuré sur un historique de trois années. Cette étude rentre ainsi dans le cadre de la refonte tarifaire initiée par Generali dans le but d’améliorer son tarif actuel mais également de faciliter et d’uniformiser les processus de souscription pour les délégataires. Ce mémoire comporte quatre principales parties. La première partie présente brièvement l’assurance multirisque immeuble dans sa globalité et l’offre de Generali dans ce secteur. Nous présentons également quelques chiffres du marché français dans le secteur. La seconde partie se penchera sur le mise en place de la base de données qui sera utilisée dans notre étude. Une analyse descriptive sera ensuite effectuée afin d’avoir un vue d’ensemble de la base d’étude. La troisième partie est consacrée à la modélisation du tarif a priori. Une première approche de modélisation classique GLM (fréquence de sinistralité x coût moyen) sera établie en se basant sur des critères de risque tels que la superficie de l’immeuble ou la qualité du souscripteur du contrat (syndicat de propriété ou propriétaire). Afin de challenger ce tarif a priori, une méthode d’apprentissage statistique sera mise en place à l’aide d’un gradient boosting. L’enjeu ici est de comparer ces deux méthodes afin d’analyser l’impact et l’apport de l’apprentissage statistique par rapport aux méthodes paramétriques dans notre étude. L’approche de crédibilité retenue dans notre étude porte sur la fréquence. Une fois la fréquence a priori déterminée, la quatrième partie aborde en détail plusieurs méthodes de tarification a posteriori. Une étude sur notre base de donnée est effectuée à l’aide de méthodes d’apprentissage statistique. Nous détaillons ensuite trois approches permettant de modéliser l’impact de la sinistralité antérieure sur la prédiction de la fréquence des sinistres. La première est un GLM classique avec la prise en compte d’une variable supplémentaire représentant le nombre de sinistres déclarés sur les trois années antérieures. Nous mettons ensuite en place un système Bonus-Malus qui permet de déterminer des coefficients de réduction-majoration en fonction de la qualité du souscripteur et de la superficie du bien. Enfin, la dernière approche sera axée sur la théorie de la crédibilité avec le modèle de Buhlmann afin de déterminer des facteurs de crédibilité à appliquer à la fréquence a priori. Nous terminons par une étude comparative des résultats obtenus avec nos 4 modèles à l’aide de divers indicateurs de performance tel que le GINI permettant d’évaluer le pouvoir prédictif des modèles. Nous retenons par la suite que la prise en compte de l’historique sinistre propre au risque permet une meilleure prédiction de la sinistralité des biens assurés notamment sur des biens ayant un historique sinistre élevé. Toutefois, pour une facilité d’utilisation, certaines méthodes de tarification a posteriori semblent plus adaptées pour une implémentation en entreprise que d’autres dans notre contexte.

Abstract

This thesis is interested in the Multirisk Building product of Generali. In a competitive market such as the property and casualty insurance market, companies are looking for a perpetual innovation in their offerings. They must be able to propose a premim that best reflects the risk they provide. Until now, the pure premium of the MRI product from Generali is built thanks to a classic approach of « prior pricing ». Our study proposes to bring a new approach, by customizing the currently premium proposed thanks to the taking into account of the risk-specific insured experience on a history of three years. This study is part of the pricing revision initiated by Generali in order to improve its current pricing but also to facilitate and standardize the underwriting processes for delegates. This thesis has four main parts. The first part presents a brief overview of building property and casualty insurance and Generali's offer in this sector. We also present some figures of the French market in the sector. The second part will focus on the implementation of the database that will be used in our study. A descriptive analysis will then be carried out in order to have an overview of the study base. The third part is devoted to modeling the prior pricing . A first classic GLM modeling approach (loss frequency x average cost) will be established based on risk criteria such as the size of the building or the quality of the underwriter of the contract (ownership syndicate or owner). In order to challenge this prior frequency, a statistical learning method will be implemented using a boosting gradient. The challenge here is to compare these two methods in order to analyze the impact and the contribution of statistical learning compared to parametric methods in our study. The credibility approach used in our study focuses on frequency. Once the frequency is determined a priori, the fourth part deals in detail with several methods of posterior pricing. A study of our database is conducted using statistical learning methods. We then detail three approaches to model the impact of past loss experience on the prediction of claim frequency. The first is a classic GLM taking into account an additional variable representing the number of claims reported over the previous three years. We then put in place a Bonus-Malus system which makes it possible to determine reduction-increase coefficients according to the quality of the subscriber and the surface of the building. Finally, the last approach will focus on the credibility theory with the Buhlmann model to determine credibility factors to apply to the prior frequency. We conclude with a comparative study of the results obtained with our 4 models using various performance indicators such as GINI to evaluate the predictive power of the models. We note later that taking into account the risk history of risk allows for a better prediction of the loss experience of insured assets, particularly on property with a high historical loss. However, for ease of use, some posterior pricing methods seem more suitable for an enterprise implementation than others in our context.

Mémoire complet

>

Gloria_KINZO_memoire_d_actuaire.pdf

Lien permament : https://www.ressources-actuarielles.net/C12574E200674F5B/0/C480427C6FA3BB20C12583EE001FD720