Pour savoir comment effectuer et gérer un dépôt de document, consultez le « Guide abrégé – Dépôt de documents » sur le site Web de la Bibliothèque. Pour toute question, écrivez à corpus@ulaval.ca.
 

Personne :
Fossouo Tadjuidje, Achille Rostan

En cours de chargement...
Photo de profil

Adresse électronique

Date de naissance

Projets de recherche

Structures organisationnelles

Fonction

Nom de famille

Fossouo Tadjuidje

Prénom

Achille Rostan

Affiliation

Université Laval. École d'actuariat

ISNI

ORCID

Identifiant Canadiana

ncf13752805

person.page.name

Résultats de recherche

Voici les éléments 1 - 1 sur 1
  • PublicationAccès libre
    Un modèle multi-catégoriel avec gradient boosting et extrêmes pour projeter à l'ultime les paiements en assurance automobile
    (2023) Fossouo Tadjuidje, Achille Rostan; Côté, Marie-Pier; Cossette, Hélène
    Les compagnies d'assurance générale doivent estimer les paiements futurs afin d'assurer leur stabilité financière, en se basant sur les informations disponibles à une date d'évaluation spécifique. Face à l'évolution constante du domaine de l'assurance, les actuaires cherchent continuellement à améliorer leurs modèles traditionnels tels que l'algorithme Chain-Ladder et les modèles linéaires généralisés. Dans ce mémoire, on propose un modèle multi-catégoriel pour prédire le paiement ultime d'une réclamation en se basant sur les informations disponibles jusqu'à une période de développement donnée, notamment les caractéristiques du réclamant et du véhicule et le cumulatif payé à cette période. Ce modèle tient compte de la masse en zéro, des réclamations qui ferment avant l'ultime sans autre paiement, et des paiements extrêmes. Tout d'abord, on utilise la théorie des valeurs extrêmes pour déterminer le seuil au-dessus duquel un paiement à l'ultime est considéré extrême. Ensuite, on implémente un modèle XGBoost multi-classes pour estimer les probabilités qu'un paiement à l'ultime soit nul, standard, extrême ou égal au cumulatif payé actuel. L'étape suivante consiste à estimer les paiements ultimes standards à l'aide du boosting double, une implémentation du gradient boosting qui permet d'estimer deux paramètres (localisation et échelle) d'une distribution en fonction des covariables. Enfin, on utilise une distribution de Pareto généralisée pour modéliser les paiements ultimes extrêmes. La méthodologie proposée est illustrée sur un jeu de données en assurance automobile fourni par une grande compagnie d'assurance générale canadienne. On applique notre modèle sur des données tests et on remarque qu'il est performant pour projeter à l'ultime des réclamations qui sont déjà entre leur 18e et leur 24e mois de développement. Aussi, notre modèle sous-estime quand les réclamations sont peu développées et sur-estime quand la période développement est élevée. Les distributions prédictives des paiements ultimes pour quelques réclamations obtenues par simulation mettent en évidence le caractère flexible de notre modèle.