14:30 - "Un modèle hiérarchique flexible pour les réclamations d'assurance combinant gradient boosting et copules" 

Joelle Desterbecq (UCLouvain) 

Un modèle hiérarchique flexible pour les réclamations d'assurance combinant gradient boosting et copules 

Abstract: 
Nous proposons un modèle hiérarchique pour les réclamations en assurance de dommage qui affine les méthodes traditionnelles en tenant compte de la dépendance entre les occurrences de paiement, avec une distribution multinomiale, et entre les montants de paiement, avec des copules. Nous effectuons une prévision qui dépend de variables explicatives en utilisant XGBoost, un algorithme performant de gradient boosting, ce qui nous permet d'améliorer la performance prédictive par rapport aux modèles linéaires généralisés usuels. La construction et l'ajustement du modèle sont illustrés sur des données réelles d’assurance automobile provenant d'une grande compagnie d'assurance canadienne. L'utilisation de XGBoost est bien adaptée à ces données volumineuses contenant un grand nombre d'assurés et de covariables. Les méthodes d’inférence basées sur les rangs pour les copules sont standards, mais leur validité lorsque les distributions marginales sont obtenues par gradient boosting n'a pas été démontrée dans la littérature antérieure. Nous réalisons donc une étude de simulation pour évaluer la performance des méthodes basées sur les rangs des résidus pour l’estimation de la structure de dépendance. Nous montrons quelques applications de notre modèle. Dans une comparaison avec des modèles de référence, nous concluons que les composantes de dépendance de notre modèle améliorent la segmentation et reproduisent mieux le comportement aléatoire global.