Individual loss reserving in general insurance using neural networks

Dankwa, Ernest (2020). « Individual loss reserving in general insurance using neural networks » Mémoire. Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en mathématiques.

Fichier(s) associé(s) à ce document :
[img]
Prévisualisation
PDF
Télécharger (889kB)

Résumé

En assurance I.A.R.D, pratiquement tous les domaines d’activité tels que la conception de produits, la souscription, la tarification et la prise de décisions stratégiques et financières, peuvent être impactés par l’évaluation des réserves actuarielles. Les modèles classiques d’évaluation des réserves utilisent des données agrégées, souvent structurées sous la forme de triangles de développement. Dans de tels modèles, on suppose que les réclamations sont homogènes et que les paiements futurs ne dépendent que des années d’accident et de développement. Un inconvénient majeur de ces modèles est de ne pas intégrer les caractéristiques individuelles des réclamations qui peuvent permettre d’expliquer, en partie, l’hétérogénéité présente dans les données. Ces dernières années, cette hétérogénéité observée dans plusieurs bases de données d’assurance a motivé plusieurs chercheurs et chercheuses pour non seulement développer de nouvelles approches pour l’évaluation des réserves individuelles, mais aussi pour intégrer plusieurs outils d’apprentissage statistique afin de mieux prendre en compte les caractéristiques spécifiques des sinistres. Dans ce travail, nous explorons les réseaux de neurones en tant qu’outil d’apprentissage statistique et les intégrons dans un modèle d’évaluation individuelle des sinistres en assurance I.A.R.D. Nous proposons une approche de type fréquence-gravité dans laquelle un modèle linéaire généralisé est utilisé pour modéliser la fréquence des réclamations, et la sévérité des réclamations est modélisée à l’aide de réseaux de neurones. Nous appliquerons notre modèle à une base de données provenant d’une compagnie d’assurance canadienne et comparerons les estimations produites par ce modèle à celles obtenues à l’aide de certains modèles classiques. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : réserves individuelles, réserve RBNS, modèles linéaires généralisés, modèle fréquence-sévérité, apprentissage automatique, réseaux de neurones

Type: Mémoire accepté
Informations complémentaires: Fichier numérique reçu et enrichi en format PDF / A.
Directeur de thèse: Pigeon, Mathieu
Mots-clés ou Sujets: Assurance / Réserves / Modèles linéaires généralisés / Réseaux neuronaux / Apprentissage automatique
Unité d'appartenance: Faculté des sciences > Département de mathématiques
Déposé par: Service des bibliothèques
Date de dépôt: 12 avr. 2021 16:19
Dernière modification: 21 déc. 2022 19:29
Adresse URL : http://archipel.uqam.ca/id/eprint/14177

Statistiques

Voir les statistiques sur cinq ans...