Modélisation prédictive et apprentissage statistique en assurance

7.00 crédits

45.0 h

Enseignants

Denuit Michel;

Langue
d'enseignement

Français

Préalables

Maîtrise des concepts de base en statistique et calcul des probabilités, du niveau des cours:

LMAFY1101 Exploration de données et introduction à l'inférence et LMAT1271 Calcul des probabilités et analyse statistique
LFSAB1105 Probability and Statistics ou LEPL1108 Mathématiques discrètes et probabilité et LEPL1109 Statistiques et sciences des données
LINGE1113 Probabilités, LINGE1214 Statistique approfondie et LINGE1222 Analyse statistique multivariée
de la mineure d'accès en statistique, sciences actuarielles et science des données (programme donnant accès au master en sciences actuarielles).

Thèmes abordés

Techniques actuarielles de segmentation a priori et a posteriori pour les produits d'assurance.

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, 2.1, 2.3
De manière secondaire les AA suivants : 1.6, 2.2, 3.1, 3.3

À l'issue de ce cours, l'étudiant est capable de :

Comprendre les principes de base de la classification des risques
Maîtriser les techniques statistiques de classification des risques (GLM, GAM, modèles mixtes, CART, Random Forests et techniques de boosting)
Les appliquer à la tarification et à la gestion des produits d'assurances dommages, vie et de personnes

Contenu

- Nécessité et limite à la classification des risques
- Analyse a priori à l’aide des GLM, GAM, modèles mixtes, CART, Random Forests et techniques de boosting
- Grands sinistres et théorie des valeurs extrêmes
- Modèles mixtes et techniques de crédibilité

Méthodes d'enseignement

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

Modes d'évaluation
des acquis des étudiants

L’évaluation consiste en un examen oral au cours duquel l’étudiant
- défendra un travail personnel d'analyse de données d'assurance à l'aide des techniques vues au cours
- et sera interrogé sur l'ensemble de la matière.

Bibliographie

Matériel disponible en ligne, complété si nécessaire par

Denuit, M., Charpentier, A. (2005). Mathématiques de l'Assurance NonVie. Tome II: Tarification et Provisionnement. Collection Economie et Statistique Avancées, Economica, Paris.
Denuit, M., Hainaut, D., Trufin, J. (2019). Effective Statistical Learning Methods for Actuaries. Volume 1: GLMs and their Extensions. Springer Actuarial Lecture Notes Series.
Denuit, M., Hainaut, D., Trufin, J. (2020). Effective Statistical Learning Methods for Actuaries. Volume 2: Tree-Based Methods. Springer Actuarial Lecture Notes Series.

Support de cours

matériel sur moodle

Faculté ou entité
en charge

LSBA

Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme

Sigle

Crédits

Prérequis

Acquis
d'apprentissage

Master [120] en sciences actuarielles

ACTU2M