Méthodes actuarielles de segmentation

Enseignants

Denuit Michel;

Langue
d'enseignement

Français

Préalables

Maîtrise des concepts de base en statistique et calcul des probabilités, du niveau des cours des programmes FSA1BA, INGE1BA, MATH1BA ou de la mineure d'accès en statistique, sciences actuarielles et science des données.

Thèmes abordés

Segmentation en assurance : aspects techniques, réglementaires et enjeux éthiques. Sélection adverse et équité actuarielle. Méthodes des totaux marginaux et de calibration. Mesures de performance.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

Eu égard au référentiel AA (AA du programme de master en sciences actuarielles), cette activité permet aux étudiants de maîtriser • De manière prioritaire les AA suivants : 1.1, 1.2, 1.3, 1.4, 1.7, 1.8, 2.1, 2.3 • De manière secondaire les AA suivants : 1.6, 2.2, 3.1, 3.3 Au terme de ce cours, les étudiants seront capables de Comprendre les principes de base de la segmentation des risques en assurance. Analyser les dispositifs de segmentation sous l’angle technique, réglementaire et éthique. Évaluer les performances d’un dispositif de segmentation.

Contenu

Analyse actuarielle du cadre légal et réglementaire
Techniques de segmentation a priori
Réévaluation des risques en cours: crédibilité, bonus-malus et techniques de personnalisation a posteriori
 

Méthodes d'enseignement

Le cours consiste en leçons théoriques illustrées de nombreux exemples, auxquelles l’étudiant est tenu de participer.

Modes d'évaluation
des acquis des étudiants

L’évaluation consiste en un examen écrit de deux heures portant sur l’ensemble de la matière, pour lequel l’étudiant peut disposer d’un formulaire d’une page A4 recto-verso qu’il aura lui-même rédigé ainsi que d’une calculatrice non-programmable.

Bibliographie

Matériel disponible en ligne, complété si nécessaire par
Denuit, M., Charpentier, A. (2005). Mathématiques de l'Assurance Non-Vie. Tome II: Tarification et Provisionnement. Collection Economie et Statistique Avancées, Economica, Paris.
Denuit, M., Maréchal, X., Pitrebois, S., Walhin, J.-F. (2007). Actuarial Modelling of Claim Counts: Risk Classification, Credibility and Bonus-Malus Systems. Wiley, New York.
Denuit, M., Hainaut, D., Trufin, J. (2019). Effective Statistical Learning Methods for Actuaries Volume 1: GLM and Extensions. Springer Actuarial Lecture Notes Series.
 

Support de cours

• Syllabus, transparents, etc. sur moodle

Faculté ou entité
en charge

> LSBA