Gradient boosting techniques for individual loss reserving in non-life insurance

Duval, Francis (2019). « Gradient boosting techniques for individual loss reserving in non-life insurance » Mémoire. Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en mathématiques.

Fichier(s) associé(s) à ce document :

Prévisualisation	PDF Télécharger (5MB)

Résumé

La modélisation fondée sur des données est l'un des sujets de recherche qui pose le plus de défis dans la science actuarielle pour le provisionnement et l'évaluation du risque. La plupart des analyses sont basées sur des données agrégées, mais il est clair aujourd'hui que cette approche ne dit pas tout sur une réclamation et ne décrit pas précisément son évolution. Les approches d'apprentissage statistique en général, et les algorithmes de gradient boosting en particulier, offrent un ensemble d'outils qui pourraient aider à évaluer les réserves dans un cadre individuel. Dans ce mémoire, nous comparons certaines techniques agrégées traditionnelles (au niveau du portefeuille) avec des modèles individuels (au niveau de la réclamation) basés à la fois sur des modèles paramétriques et sur des algorithmes de gradient boosting. Ces modèles individuels utilisent de l'information sur chacun des paiements effectués pour chacune des réclamations du portefeuille, ainsi que sur les caractéristiques de l'assuré. Nous fournissons un exemple basé sur un ensemble de données détaillées provenant d'une compagnie d'assurance non-vie et nous discutons de certains points liés aux applications pratiques. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : assurance non-vie, provisionnement, modélisation prédictive, modèles individuels, gradient boosting

Type:	Mémoire accepté
Informations complémentaires:	Le mémoire a été numérisé tel que transmis par l'auteur.
Directeur de thèse:	Pigeon, Mathieu
Mots-clés ou Sujets:	Assurance -- Réserves / Prévision / Modèles mathématiques / Demandes de règlement / Modèles linéaires généralisés / Gradient boosting / Apprentissage statistique
Unité d'appartenance:	Faculté des sciences > Département de mathématiques
Déposé par:	Service des bibliothèques
Date de dépôt:	16 juill. 2020 10:23
Dernière modification:	16 juill. 2020 10:23
Adresse URL :	http://archipel.uqam.ca/id/eprint/13403

Modifier les métadonnées (propriétaire du document)

Statistiques