id string | embedding list | metadata dict | document string |
|---|---|---|---|
100536 | [
0.4747612476348877,
0.6283963322639465,
0.3002190589904785,
0.5417929887771606,
-0.16803039610385895,
-0.16894301772117615,
-0.2756930887699127,
-0.02327881194651127,
-0.49034610390663147,
1.2942780256271362,
0.7806745171546936,
0.32147324085235596,
-0.2797181010246277,
-0.4752037525177002... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | des rapports S/P peuvent diminuer et le tarif augmenter. Comme évoqué précédemment,
nous utilisons la méthode du maximum de vraisemblance pour estimer les paramètres de la
loi log-normale. Elle consiste à maximiser la fonction de vraisemblance de la loi log-normale
en ses paramètres. Nous obtenons alors une expression ... |
100537 | [
0.5760477185249329,
0.2953268587589264,
0.2359626591205597,
-0.6091771125793457,
0.11261076480150223,
-0.2898392081260681,
0.44375935196876526,
0.24261243641376495,
-0.47173479199409485,
1.0551000833511353,
0.682386040687561,
0.2592434883117676,
0.4072892367839813,
-0.5894728302955627,
-... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | semblance. Elle ne cherche donc pas à retrouver les moments empiriques. C’est pourquoi,
dans certains cas, nous pouvons observer des évolutions de tarif contre-intuitives.
4.1.2
Une méthode d’ajustement alternative : la méthode des mo-
ments
La méthode des moments repose sur la loi des grands nombres. Elle consiste à e... |
100538 | [
0.19267407059669495,
0.9037766456604004,
0.7103574872016907,
-0.6347267031669617,
-0.14230473339557648,
-0.4380047917366028,
-0.2917780578136444,
-0.19042572379112244,
-0.4151417315006256,
1.7258275747299194,
0.8470426797866821,
-0.10114945471286774,
-0.10456288605928421,
-0.3618144094944,... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | ¯x = 1
n
n
X
i=1
xi
et
S2
n−1 =
1
n − 1
n
X
i=1
(xi − ¯x)2.
Cette méthode présente l’avantage d’obtenir une distribution ajustée ayant la même
moyenne et le même écart-type que nos données empiriques. Les évolutions contre-intuitives
des tarifs sont donc évitées. Elle permet également d’intégrer les données nulles.4.1.... |
100539 | [
0.5525410175323486,
0.47964707016944885,
0.2696197032928467,
0.3951990306377411,
0.013076402246952057,
-0.2842608690261841,
0.057242363691329956,
-0.06525208055973053,
-0.7903850078582764,
1.3224878311157227,
0.8191267848014832,
0.29285791516304016,
-0.3249821662902832,
-0.519770622253418,... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | tralité à la charge de la CCR peut également varier de manière significative lors d’ajout de
données de sinistralité. Or, l’un des objectifs du régime d’indemnisation des catastrophes
naturelles est de proposer, d’une année sur l’autre, des tarifs de réassurance stables.
La méthode que nous allons présenter dans cette p... |
10054 | [
0.09823741763830185,
-0.40309715270996094,
-0.2733030617237091,
0.734184205532074,
-0.0857674777507782,
0.10276742279529572,
0.15881112217903137,
-0.27600231766700745,
-0.2734012007713318,
1.1715115308761597,
0.19151483476161957,
0.6233152151107788,
0.6519962549209595,
0.46206408739089966,... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | comportement des adhérents à la retraite.
On note néanmoins deux points : un pic de taux de sortie à 60 ans et un pic de taux de sortie (moins
important que le premier) à 65 ans.
On précise que ces contrats RVD ont un âge de départ contractuel fixé à 60 ans, et sont des anciens
contrats. On en déduit donc que les s... |
100540 | [
0.010784413665533066,
0.6676722764968872,
0.37643760442733765,
0.3968442976474762,
-0.03968602418899536,
-0.38921239972114563,
0.3638335168361664,
-0.10321145504713058,
-0.5034695863723755,
1.770955204963684,
0.208218514919281,
0.33412718772888184,
-0.27483874559402466,
-0.4505757689476013... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | de vraisemblance. Il est le suivant :
ˆµ = 1
n
n
X
i=1
ln xi.
Celui de l’écart-type, σ, est quant à lui légèrement modifié. Il correspond à la racine carré
de la médiane des écarts à la moyenne au carré :
ˆσ =
q
Med[(ln xi − ˆµ)2]i=1,...,n
où xi, i = 1, ..., n, représentent les rapports S/P historiques et n le nombre de... |
100541 | [
0.43882322311401367,
-0.027652280405163765,
0.7752205729484558,
-0.541547954082489,
-0.3791867792606354,
-0.30842867493629456,
-0.4717457890510559,
0.14962682127952576,
0.06198137253522873,
1.2649292945861816,
1.0584046840667725,
-0.09123200178146362,
-0.3880705237388611,
-0.10967703163623... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | 4.1.4
L’apport des statistiques non paramétriques
Dans le cadre de l’élaboration du MIP hybride nous nous sommes intéressés aux statis-
tiques non paramétriques dans le but d’estimer la fonction de répartition de la sinistralité
historique. Le premier avantage de cette approche est qu’elle est simple d’interprétation.
... |
100542 | [
0.3928041160106659,
0.2622016966342926,
0.3761374056339264,
0.33555129170417786,
-0.5071147680282593,
-0.29932650923728943,
-0.11530571430921555,
-0.10862734168767929,
-0.027021193876862526,
1.3914433717727661,
0.9984737634658813,
-0.26509493589401245,
-0.2563936114311218,
-0.1778898537158... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | test d’adéquation n’est nécessaire car nous ne sommes plus dans le cadre des statistiques
paramétriques.
Nous disposons d’un échantillon de n données, xi, i = 1, ..., n, représentant la sinis-
tralité historique. Dans cette partie, nous souhaitons estimer la fonction de répartition F
associée à cet échantillon dans sa ... |
100543 | [
0.15362249314785004,
0.4045385420322418,
0.44532060623168945,
0.43739792704582214,
-0.5089752674102783,
-0.06860803812742233,
-0.2644411027431488,
0.47055935859680176,
-0.13390159606933594,
1.2700238227844238,
0.5783244371414185,
-0.032302048057317734,
0.12635090947151184,
-0.2919990718364... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | n à chaque valeur de
xi. Nous souhaitons cependant obtenir une fonction de répartition lissée. Pour cela, nous
utilisons une méthode de lissage par noyau.
Afin de mieux comprendre l’estimation d’une fonction de répartition par la méthode
des noyaux, il est nécessaire d’aborder l’estimation de la fonction de densité, not... |
100544 | [
-0.11490655690431595,
-0.24611994624137878,
0.5727612376213074,
0.15362846851348877,
-0.03753027692437172,
-0.46563050150871277,
-0.40132421255111694,
0.30680879950523376,
-0.9826980829238892,
1.1610618829727173,
0.802386999130249,
0.3336721658706665,
0.24094656109809875,
-0.51232999563217... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | x−xi
h
de chaque observation xi soit positif
ou nul ;
• être paire, pour que le poids soit le même de part et d’autre de x ;
• l’intégrale de K sur R doit être égale à un, de façon à ce que la fonction ˆfh obtenue
soit bien une densité.
Une quatrième condition peut être ajoutée, K doit être décroissante de part et ... |
100545 | [
0.2662052810192108,
0.44134214520454407,
0.025033991783857346,
0.09267626702785492,
-0.49428319931030273,
-0.17754454910755157,
0.2508646547794342,
0.15884771943092346,
-0.6363293528556824,
1.233434796333313,
0.5293964147567749,
0.4265669584274292,
-0.5598332285881042,
-0.5525343418121338,... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | (noyau de Tukey ou biweight)
K(u) =
1
√
2π exp
−1
2u2
u ∈ R
(noyau gaussien).
Pour estimer la fonction de densité par la méthode des noyaux, il est donc nécessaire
de choisir la largeur h de la fenêtre et le noyau utilisé.
Le choix du noyau a un impact modéré sur le résultat final. Ainsi, nous avons choisi le
noyau ... |
100546 | [
-0.045783571898937225,
0.334943950176239,
0.5745338201522827,
0.3889448344707489,
-0.435228556394577,
-0.21402975916862488,
-0.42661646008491516,
0.48207414150238037,
-0.025478648021817207,
0.9699648022651672,
0.61054527759552,
0.43775811791419983,
-0.23532314598560333,
-0.3243760466575622... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | sur-lissage. Pour choisir la meilleure largeur de fenêtre, plusieurs méthodes existent. Nous
les détaillerons dans la suite.
Estimation de la fonction de répartition
L’estimation de la fonction de répartition F est obtenue en intégrant l’expression de
ˆfh :
ˆFh(x) =
Z x
−∞
ˆfh(t) dt
=
Z x
−∞
n
X
i=1
K
t − xi
h
dt
= ... |
100547 | [
0.048800576478242874,
0.44496580958366394,
0.7441730499267578,
0.3946608304977417,
-0.12606225907802582,
-0.27702808380126953,
-0.055092133581638336,
0.33142876625061035,
-0.42839404940605164,
0.7040377259254456,
0.9946502447128296,
0.38536763191223145,
-0.24027255177497864,
-0.39837118983... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | H(u) =
0
si u ≤ −1 ,
1
16(8 + 15u − 10u3 + 3u5)
si − 1 ≤ u ≤ 1 ,
1
si u ≥ 1 .
Choix de la largeur de la fenêtre de lissage
Comme évoqué précédemment, le choix de la largeur h de la fenêtre de lissage est
très important. Nous allons présenter différentes méthodes permettant d’estimer la lar-
geur optimale en fo... |
100548 | [
0.19879764318466187,
0.3438050448894501,
0.47980642318725586,
0.5677838325500488,
-0.2689512073993683,
-0.3575212359428406,
-0.16527636349201202,
0.1794486939907074,
-0.3461967706680298,
0.620420515537262,
0.9142135381698608,
0.1749187558889389,
-0.34974440932273865,
-0.650891900062561,
... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | eqim( ˆFh) = h4
Z ∞
−∞
B2
F(x) dx + 1
n
Z ∞
−∞
F(x)(1 − F(x)) dx
− h
n
Z ∞
−∞
V 2
F (x) dx + o(eqim(h)) ,
où :
BF(x) = 1
2(f ′(x))2
Z ∞
−∞
x2K(x) dx
et
V 2
F (x) = 2f(x)
Z ∞
−∞
xK(x)H(x) dx .
La largeur de la fenêtre de lissage optimale, que nous noterons hopt , qui minimise
asymptotiquement cette expression est :
hopt... |
100549 | [
-0.006774062756448984,
0.634492814540863,
0.24038685858249664,
-0.18908503651618958,
-0.17121021449565887,
-0.12607266008853912,
0.33632466197013855,
-0.16688592731952667,
0.2581673562526703,
0.6885451078414917,
0.36290666460990906,
0.18834078311920166,
-0.14205852150917053,
-0.38657516241... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | des méthodes d’estimation de type plug-in permettant d’obtenir une valeur de C en fonction
de l’échantillon et du noyau utilisé.
Une deuxième méthode est le choix par validation croisée, (cross-validation en anglais).
Elle consiste à évaluer directement la valeur de l’erreur quadratique intégrée moyenne par :
CV (h) =
... |
10055 | [
0.5339458584785461,
0.37040024995803833,
-0.09204953163862228,
-0.21424295008182526,
-0.5061505436897278,
0.14791148900985718,
0.044779352843761444,
0.12318871170282364,
0.023605428636074066,
0.8189447522163391,
0.014843390323221684,
0.0553482323884964,
0.38597381114959717,
0.0277883913367... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | de manière unilatérale, c'est-à-dire à l’âge de 70 ans.
Conclusion
L’échantillon extrait ne comporte pas assez de données pour une modélisation de mortalité
robuste et pertinente. Cependant, l’analyse sera néanmoins conduite pour illustrer une méthode
pour estimer un profil de mortalité à partir de l’historique d’u... |
100550 | [
0.2316587269306183,
0.6108972430229187,
0.749716579914093,
0.28627943992614746,
0.12516024708747864,
0.08149723708629608,
0.09149719774723053,
-0.2799254357814789,
-0.048944003880023956,
0.6831015348434448,
-0.02028290182352066,
0.13812652230262756,
-0.15907646715641022,
-0.478336900472641... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | une méthode de validation croisée modifiée a été développée par Bowman et al [3]. Elle a
pour principe de minimiser la fonction suivante :
CV (h) = 1
n
n
X
i=1
Z ∞
−∞
1[xi,∞)(x) − ˆF−i(x)
2
dx ,
Dans leur étude, Bowman et al [3] ont comparé cette méthode à la méthode plug-in pro-
posée par Altman et Leger [1]. Il en ... |
100551 | [
0.5409011244773865,
0.3215901553630829,
0.5129587054252625,
-0.4363004267215729,
0.2426901012659073,
0.16099698841571808,
-0.602996826171875,
-0.0372101292014122,
-0.03972351923584938,
1.0412330627441406,
0.38647738099098206,
0.1656181514263153,
-0.2887802720069885,
-0.17046235501766205,
... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | tion de la sinistralité historique et leurs impacts sur le modèle interne partiel hybride. Puis,64
Chapitre 4. Applications sur le portefeuille CCR
nous confronterons les résultats obtenus avec la méthode hybride aux méthodes historique
et à l’exposition.
4.2.1
Comparaison des différentes méthodes d’estimation de la
dis... |
100552 | [
0.13279284536838531,
-0.030639776960015297,
0.20737308263778687,
-0.04728143289685249,
-0.07247623801231384,
-0.3596251606941223,
0.17468902468681335,
-0.6531492471694946,
0.18610534071922302,
1.0642753839492798,
0.5004763603210449,
0.5395277142524719,
0.08896493911743164,
-0.4257536530494... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | de cette partie est de comparer ces différentes méthodes.
Nous avons donc appliqué ces quatre approches au portefeuille de la CCR afin d’évaluer
la distribution de la sinistralité hybride à la charge de la CCR. Comme nous pouvons
l’observer sur le graphique ci-dessous (figure 4.1), cette dernière diffère en fonction de la
... |
100553 | [
0.36175358295440674,
0.37638503313064575,
0.6070502400398254,
-0.024383408948779106,
-0.3851224184036255,
-0.22418206930160522,
-0.09931547939777374,
-0.8793892860412598,
-0.21849381923675537,
0.9393699765205383,
0.25677698850631714,
0.27325716614723206,
-0.18655529618263245,
-0.3418091237... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | • pour les traités en stop-loss ;
• totale.
Afin de choisir la méthode qui convient le mieux, nous avons réalisé des études de sensi-
bilité. Pour chacune des méthodes présentées, nous avons calculé la sinistralité à la charge
de la CCR en enlevant certaines données extrêmes aux données de sinistralité historique de
cha... |
100554 | [
0.4260248839855194,
0.24642491340637207,
0.24746303260326385,
0.15990634262561798,
-0.24493291974067688,
0.16657094657421112,
0.23566491901874542,
-0.3157895505428314,
-0.0933656245470047,
0.9047098159790039,
0.47739773988723755,
-0.04044412449002266,
-0.11362185329198837,
-0.2041249275207... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | Table 4.1 – Variation relative de la sinistralité à la charge de la CCR - Retrait du mini-
mum.
Nous observons que pour la sinistralité quote-part, la méthode du maximum de vrai-
semblance est la plus stable. En effet, la variation entre l’estimation avec toutes les données
et celle où nous avons retiré la donnée de sin... |
100555 | [
0.16426780819892883,
0.2532385289669037,
0.46546104550361633,
0.12881368398666382,
-0.5299282073974609,
0.3564929664134979,
0.07079890370368958,
-0.5021864771842957,
-0.3809793293476105,
1.0151450634002686,
0.17700862884521484,
0.6913071870803833,
-0.46874362230300903,
0.0830477774143219,
... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | thode non paramétrique donne également de bons résultats. La variation de la sinistralité
quote-part est de 3,0% et de 0,9% pour la sinistralité stop-loss. La sinistralité totale évolue
quant à elle de 2,8%.66
Chapitre 4. Applications sur le portefeuille CCR
Retrait du maximum
Nous avons ensuite procédé de la même mani... |
100556 | [
0.5277593731880188,
0.597830593585968,
0.2753293514251709,
0.1849246621131897,
-0.18403922021389008,
-0.321819007396698,
0.5554690361022949,
-0.4277871549129486,
-0.20602594316005707,
1.043027400970459,
0.3996247351169586,
0.2220040112733841,
-0.17153625190258026,
-0.23007304966449738,
-... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | En effet, la méthode du maximum de vraisemblance est celle qui présente la variation
la plus élevée (9,3%) pour l’estimation de la sinistralité à la charge de la CCR pour les
traités quote-part. De même, l’estimation de la sinistralité stop-loss avec la méthode des
moments évolue fortement (9,9%) lorsque les données de ... |
100557 | [
0.02075773850083351,
0.11261332780122757,
0.17562729120254517,
0.3138667345046997,
-0.3078869879245758,
-0.3350851237773895,
0.22776515781879425,
-0.7085773348808289,
0.22511683404445648,
1.1979315280914307,
0.48363032937049866,
0.6223137378692627,
-0.2548843324184418,
-0.09606852382421494... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | lorsque la donnée de sinistralité maximum est enlevée aux données de sinistralité historique
de chaque cédante, la variation de la sinistralité hybride totale à la charge de la CCR est de
10,1%. Elle est de 9,2% pour les traités en quote-part et de 17,1% pour les traités stop-loss.
Retrait du minimum et du maximum
Enfin... |
100558 | [
0.20455189049243927,
0.4413580298423767,
0.2819750905036926,
0.22216026484966278,
-0.09249147772789001,
-0.1499771922826767,
0.10626520216464996,
-0.5839956998825073,
-0.05903368815779686,
1.0904865264892578,
0.32967743277549744,
0.17964021861553192,
-0.25000932812690735,
-0.21509219706058... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | nées de sinistralité historique de chaque cédante, les variations observées sont semblables
au cas où nous retirons uniquement le maximum.
La méthode de la médiane des écarts à la moyenne est la plus stable. En effet, la
variation de la sinistralité pour les traités quote part est de 0,6% et celle pour les traités
stop-... |
100559 | [
0.15849028527736664,
0.5332639813423157,
0.13674227893352509,
-0.19142213463783264,
-0.27199724316596985,
-0.1299719661474228,
0.10921905934810638,
-0.6667701601982117,
-0.23569132387638092,
1.4762245416641235,
0.16115273535251617,
0.2094256579875946,
-0.3270978331565857,
-0.50975018739700... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | la méthode de la médiane des écarts à la moyenne.
Figure 4.2 – Variation de la sinistralité totale à la charge de la CCR en fonction des
données supprimées.68
Chapitre 4. Applications sur le portefeuille CCR
La graphique ci-dessus représente la variation de la sinistralité totale à la charge de la
CCR en fonction des d... |
10056 | [
0.5190391540527344,
-0.11595320701599121,
-0.10495197027921677,
-0.10531100630760193,
0.3550027310848236,
-0.2293875515460968,
-0.04908481612801552,
-0.4614006280899048,
-0.19812873005867004,
0.6410106420516968,
0.4901215136051178,
-0.22554753720760345,
0.6649520397186279,
-0.0439206212759... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | mortalité malgré le manque de robustesse. En effet, le cœur de l’analyse est la sensibilité de
l’équilibre financier du fonds de rente face à une méconnaissance de la mortalité de l’assureur.100
La mortalité déduite de la modélisation reste donc intéressante pour constater la manière dont se
comporte l’évolution d... |
100560 | [
0.14101152122020721,
0.6531445384025574,
0.36875206232070923,
-0.627598226070404,
0.15978193283081055,
0.21621540188789368,
-0.5593268871307373,
-0.53007572889328,
0.06273844093084335,
1.5809627771377563,
0.7354815006256104,
0.24051755666732788,
-0.19090616703033447,
-0.5334451794624329,
... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | la méthode de la médiane des écarts à la moyenne afin d’estimer la distribution de la
sinistralité historique de chaque cédante.
4.2.2
Résultats généraux du MIP hybride
La modélisation de la sinistralité à la charge de la CCR selon une méthode se basant
uniquement sur les données historiques n’est pas satisfaisante. En ... |
100561 | [
-0.05360958352684975,
0.2691081166267395,
0.3211175799369812,
-0.09299672394990921,
0.3074038028717041,
-0.05869581177830696,
-0.246547132730484,
-0.09376451373100281,
0.2226915806531906,
1.3862802982330322,
0.020029844716191292,
0.38161998987197876,
0.1911330223083496,
0.2459704577922821,... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | de retour.
L’objectif du modèle interne partiel hybride est de prendre en compte les données
historiques pour les faibles périodes de retour. Ces données sont plus pertinentes que les
modèles à l’exposition pour les événements fréquents. A l’inverse, nous souhaitons prendre
en compte les données à l’exposition pour les... |
100562 | [
0.30838391184806824,
0.21195022761821747,
0.7386267781257629,
-0.401328444480896,
0.22579549252986908,
-0.026377957314252853,
-0.35255134105682373,
-0.17129968106746674,
-0.5208046436309814,
1.4030507802963257,
0.3681744635105133,
0.14147914946079254,
0.05525277182459831,
-0.16731409728527... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | tions historique et à l’exposition. Pour des raisons de confidentialité la distribution de la
sinistralité à la charge de la CCR ne peut pas être donnée. Les montants présentés pro-
viennent des distributions historique, hybride et à l’exposition d’une cédante donnée. Pour
estimer la distribution de la sinistralité hist... |
100563 | [
0.45681554079055786,
0.20208068192005157,
0.6388940215110779,
-0.4019770324230194,
-0.23166170716285706,
0.365932822227478,
-0.11051586270332336,
-0.2959001362323761,
-0.15402118861675262,
0.9901946783065796,
0.5463441014289856,
0.2220023274421692,
0.006194296758621931,
-0.1236659213900566... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | parmi les loi de Pareto et de Pareto généralisée.4.2. Comparaison entre les différentes méthodes et résultats globaux
69
Table 4.4 – Distribution de la sinistralité brute d’une cédante.
Le calcul de la sinistralité hybride est effectué au niveau de chaque cédante. Cependant,
les contraintes que nous voulions respecter so... |
100564 | [
-0.1863269954919815,
0.27105364203453064,
0.1817970871925354,
0.3520337641239166,
0.15092498064041138,
-0.20962248742580414,
0.5332828760147095,
-0.6198623180389404,
0.19552253186702728,
1.1114124059677124,
0.49557632207870483,
0.5446586608886719,
0.010878512635827065,
0.0869852751493454,
... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | entre 20 ans et 100 ans, la distribution hybride est comprise entre la distribution historique
et la distribution à l’exposition. Enfin, pour les périodes de retour supérieures à 100 ans,
la distribution hybride coïncide avec celle à l’exposition.
Nous avons également calculé une estimation de la sinistralité à la charg... |
100565 | [
-0.07382488995790482,
0.04759567230939865,
0.03709845617413521,
0.003432023571804166,
-0.019740447402000427,
-0.46294134855270386,
0.5558927059173584,
-0.6413310170173645,
0.439279705286026,
0.5456090569496155,
0.32225415110588074,
0.5230457782745361,
-0.2724553942680359,
0.131688445806503... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | pour le traité en quote-part varient en fonction de l’approche choisie. En effet, l’estimation
réalisée grâce à l’approche à l’exposition est supérieure de 62% à celle obtenue grâce aux
données historiques. L’estimation obtenue grâce à la méthode hybride se situe entre ces
deux valeurs.
En ce qui concerne l’estimation d... |
100566 | [
0.11328903585672379,
0.3496452569961548,
0.15400856733322144,
-0.015549832955002785,
0.28610876202583313,
-0.31817394495010376,
0.148356094956398,
-0.7337890863418579,
0.5709719061851501,
1.1398913860321045,
0.4149636924266815,
0.3045513927936554,
-0.17609119415283203,
-0.14198729395866394... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | que celui obtenue par la méthode historique. Il se rapproche en effet de l’estimation calculée
grâce à l’approche à l’exposition. Cette constatation s’explique par le fait que les traités
stop-loss entrent le plus souvent en application lors d’événements extrêmes, qui ont une
période de retour élevée. Or, lors du calcul... |
100567 | [
-0.027290714904665947,
0.13835866749286652,
0.3338787853717804,
-0.13844206929206848,
-0.08272355049848557,
-0.09874775260686874,
-0.11575940251350403,
-0.632270872592926,
0.09929158538579941,
1.1628353595733643,
0.4319450557231903,
0.7082229852676392,
-0.0753791406750679,
-0.2343130111694... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | que pour les traités en quote-part. La sinistralité totale à la charge de la CCR évaluée
au moyen de la méthode hybride est comprise entre celles obtenues par les deux autres
méthodes.4.2. Comparaison entre les différentes méthodes et résultats globaux
71
Finalement, la distribution de la sinistralité à la charge de la ... |
100568 | [
-0.0333886444568634,
-0.0784798339009285,
0.021571334451436996,
-0.23772947490215302,
0.21769888699054718,
0.5507089495658875,
-0.3438563048839569,
-0.41778114438056946,
-0.710246205329895,
1.0714980363845825,
0.8171303272247314,
0.49756795167922974,
-0.2797156274318695,
-0.069298639893531... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | Ces dernières peuvent prendre en compte certains facteurs difficiles à modéliser comme les
mesures de prévention déployées par les cédantes ou les communes, le mode de gestion des
cédantes ou bien encore la typologie des contrats.Conclusion et perspectives
La CCR est un acteur principal du régime d’indemnisation des cata... |
100569 | [
-0.03848930820822716,
-0.6879594922065735,
0.09595642983913422,
0.30388274788856506,
-0.3679625391960144,
-0.5387316942214966,
-0.40633177757263184,
-0.04111091420054436,
-0.6548025012016296,
0.856968104839325,
0.7093144059181213,
-0.047189973294734955,
-0.1939896196126938,
0.4479766190052... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | en compte l’exposition de chaque cédante en fonction de la localisation des polices qui
composent leur portefeuille. Le modèle interne partiel a pour but de connaître l’exposition
de la CCR, de ses cédantes et de l’Etat. Il est également utilisé pour différentes études
liées à l’équilibre du régime Cat Nat. Enfin, il est... |
10057 | [
0.31618204712867737,
-0.2853095233440399,
-0.007510869298130274,
-0.16942349076271057,
0.017205629497766495,
-0.551195502281189,
0.41581839323043823,
-0.3161317706108093,
-0.2204861342906952,
1.0454202890396118,
-0.306060791015625,
0.2047984004020691,
0.016586894169449806,
0.39933630824089... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | Au vu de la qualité des données, et le but visé n’étant pas de bâtir rigoureusement une table
d’expérience, on se contentera d’appliquer et d’utiliser les résultats de la méthode 1, qui modélise la
mortalité d’après la méthode du Standardized Mortality Ratio (SMR).
Pour plus d’information sur le package ELT, le lect... |
100570 | [
0.22092406451702118,
0.17306633293628693,
0.18685539066791534,
-0.27559396624565125,
0.05965054780244827,
-0.06436765193939209,
-0.6791788935661316,
-0.39769047498703003,
0.07053758949041367,
1.223828911781311,
-0.07577457278966904,
0.05259004607796669,
0.13486804068088531,
0.4917763769626... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | méthode n’intègrent donc pas ces spécificités locales. Enfin, un changement de modèle
peut entraîner une instabilité des résultats et des tarifs.
Une approche uniquement basée sur les données de sinistralité historique n’est égale-
ment pas satisfaisante. Le nombre de données disponibles par cédantes est restreint, nous
... |
100571 | [
0.44842374324798584,
0.12553176283836365,
0.4383111596107483,
-0.03077111952006817,
0.12813018262386322,
0.029937077313661575,
-0.6545761227607727,
-0.35655727982521057,
0.11359584331512451,
1.4442393779754639,
0.4686411917209625,
0.05836445838212967,
0.11087996512651443,
0.097601994872093... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | compte les données de sinistralité historiques pour les faibles périodes de retour (inférieures
à 20 ans) et les données à l’exposition pour les périodes de retours élevées (supérieures à 100
ans). En plus de permettre à la CCR d’évaluer, le plus justement possible, son exposition
au risque catastrophes naturelles, ce ... |
100572 | [
-0.005201694555580616,
0.19247078895568848,
0.19317594170570374,
-0.3329778015613556,
-0.04484793543815613,
-0.7174685001373291,
-0.002297045197337866,
-0.2788790762424469,
-0.29164817929267883,
1.2851766347885132,
0.058368485420942307,
0.4482889771461487,
0.14281031489372253,
-0.356309711... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | riode de retour. Il nous a donc fallu chercher la fonction répondant le mieux aux données
disponibles. De cette façon, nous obtenons une distribution de sinistralité hybride pour
chaque cédante. L’avantage de cette approche est qu’elle est facilement compréhensible,
contrairement à d’autres, comme l’approche baysienne.... |
100573 | [
-0.036442700773477554,
0.09069691598415375,
0.8077956438064575,
-0.06230209022760391,
-0.24133293330669403,
-0.1719193309545517,
-0.283184677362442,
-0.2926420569419861,
0.09230707585811615,
1.1925925016403198,
0.5772090554237366,
-0.05413114279508591,
0.03500497713685036,
-0.0162482932209... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | d’observations disponibles (30 ans d’historique).
De plus, nous avons évoqué la problématique du respect de la corrélation entre la
sinistralité des cédantes dans la partie 3.2.2. Le modèle hybride proposé permet de prendre
en considération ces corrélations lors du calcul de la sinistralité à la charge de la CCR.
Enfin,... |
100574 | [
-0.31875598430633545,
0.29144296050071716,
0.6184078454971313,
-0.27375680208206177,
0.09006467461585999,
-0.05809945613145828,
-0.02176019735634327,
-0.2880786955356598,
-0.081807442009449,
1.12497079372406,
1.1600459814071655,
0.2880432605743408,
-0.044469576328992844,
-0.356070250272750... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | le calcul de l’exposition de la CCR au risque catastrophes naturelles
Le modèle interne partiel hybride mis en place permet de connaître la distribution de
la sinistralité hybride à la charge de la CCR tous périls confondus. Cependant, il serait
instructif de calculer la sinistralité hybride à la charge de la CCR, péri... |
100575 | [
-0.12964573502540588,
0.7068267464637756,
0.23722140491008759,
-0.2938694953918457,
-0.5600345134735107,
-0.6151148676872253,
-0.24948889017105103,
-0.19732965528964996,
-0.17140090465545654,
1.194108486175537,
0.6847242712974548,
0.09767746180295944,
0.6144106388092041,
-0.181975543498992... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | extrême. Il paraît donc intuitif que le poids attribué aux données historiques et aux données
à l’exposition puisse varier en fonction du péril modélisé.
Toutefois, les données de sinistralité historique ne permettent pas actuellement de réali-
ser cette différenciation. Une solution possible serait de calculer la sinis... |
100576 | [
0.16602735221385956,
0.6544575095176697,
0.6108012199401855,
0.594987690448761,
-0.8565394282341003,
-0.7338773012161255,
-0.03133979067206383,
0.313112735748291,
-0.3523247539997101,
0.9455652236938477,
0.8807826638221741,
-0.3057266175746918,
-0.21794632077217102,
0.20563875138759613,
... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | [2] F. Boulliung. Réassurance non-vie, 2016.
[3] A. Bowman, P. Hall, and T. Prvan. Bandwidth Selection for for the Smoothing of
Distribution Functions. Biometrika, 85, 1998.
[4] J. Bérard. Applications statistiques avec R, 2016.
[5] R. D’Agostino and M.A. Stephens. Goodness-of-fit techniques. Marcel Dekker Inc.,
1986.
[... |
100577 | [
-0.09246360510587692,
0.9438292980194092,
0.6009235978126526,
0.27318957448005676,
-0.4732394218444824,
0.09073152393102646,
-0.23829668760299683,
-0.1357635259628296,
-0.4093886613845825,
0.7819976210594177,
0.485652357339859,
0.10976817458868027,
0.05651784688234329,
-0.2432367205619812,... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | [9] G. Mao. Modélisation du risque automobile pour le péril inondation dans le cadre du
régime français d’indemnisation des catastrophes naturelles. application à la tarifica-
tion, 2014.
[10] A. Polanski and ER. Baker. Multistage Plug-in Bandwidth Selection for Kernel Dis-
tribution Function Estimates. Journal of Stati... |
100578 | [
-0.16419100761413574,
-0.048891205340623856,
0.20010024309158325,
0.3908109664916992,
-0.20037052035331726,
-0.42092111706733704,
0.3025357127189636,
-0.5976053476333618,
-0.04204077273607254,
1.0427453517913818,
0.7060261368751526,
0.6627795100212097,
-0.5964346528053284,
-0.3987304866313... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | réconciliation au travers d’un modèle hybride, 2016.
75Liste des abréviations
BRGM
Bureau de Recherches Géologiques et Minières
Cat Nat
Catastrophes Naturelles
DOM
Département d’Outre-Mer
e.q.i.m.
Erreur quadratique intégrée moyenne
INSEE
Institut National de la Statistique et des Etudes Economiques
MIP
Modèle Interne ... |
100579 | [
0.08288727700710297,
0.3092348575592041,
0.31685808300971985,
0.6024976372718811,
-0.44374576210975647,
-0.1844080239534378,
-0.24630451202392578,
-0.30175918340682983,
-0.05537031590938568,
1.2842400074005127,
0.3490203320980072,
0.5569087266921997,
-0.31574690341949463,
-0.27099445462226... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | d’euros 2014). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
1.4
Répartition de la sinistralité Cat Nat non-auto pour la période 1989-2014 .
8
1.5
Répartition du chiffre d’affaires par activité. . . . . . . . . . . . . . . . . .
10
1.6
Mécanisme de réassurance Cat Nat proposé par la CCR.
. . . . .... |
10058 | [
-0.20716045796871185,
-0.026257473975419998,
0.2835460603237152,
-0.5925549864768982,
-0.062315620481967926,
-0.4297160804271698,
0.1337105631828308,
-0.3205859959125519,
0.07973913848400116,
1.082510232925415,
-0.038627609610557556,
-0.5736163258552551,
-0.009472552686929703,
-0.073327444... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | l’année calendaire t. Ainsi, l’âge de décès de l’individu est x+
On en déduit alors ses caractéristiques statistiques, à savoir :
Entre autre, on note que l’on suppose que la mortalité dépend de l’année calendaire : c’est le
principe de mortalité prospective, censé tenir com... |
100580 | [
0.30642279982566833,
0.583122193813324,
0.07621128857135773,
0.14997093379497528,
-0.4708262085914612,
-0.13493619859218597,
-0.06842648983001709,
0.015042531304061413,
0.07416855543851852,
0.7432325482368469,
-0.06329822540283203,
0.4383324384689331,
-0.19917525351047516,
-0.0106011414900... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | 19
2.4
Aléa sécheresse en France métropolitaine. . . . . . . . . . . . . . . . . . . .
22
2.5
Aléa sismique en France. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
2.6
Cyclones majeurs dans les Antilles de 1989 à 2014.
. . . . . . . . . . . . .
29
2.7
Aléa submersion sur l’île d’Oléron et sur l’île de Noi... |
100581 | [
-0.1912803202867508,
-0.5773755311965942,
0.8620748519897461,
-0.27446895837783813,
-0.266223281621933,
-0.7261225581169128,
0.09423244744539261,
-0.9195278882980347,
-0.13023245334625244,
1.4010496139526367,
0.784138560295105,
1.0990443229675293,
-0.04316970705986023,
-0.1369289606809616,... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | 35
2.12 Illustration du calcul de la charge brute de la CCR. . . . . . . . . . . . . .
36
2.13 Application de la garantie de l’Etat. . . . . . . . . . . . . . . . . . . . . . .
36
7980
Table des figures
3.1
Illustration de la différence d’exposition entre deux cédantes. . . . . . . . .
42
3.2
Représentation de la fonctio... |
100582 | [
-0.11974916607141495,
-0.11884546279907227,
0.5311816930770874,
0.0024352974724024534,
-0.21521541476249695,
-0.3204479217529297,
0.046236034482717514,
-0.3390251696109772,
-0.21694499254226685,
1.3819259405136108,
0.5203573703765869,
1.359630823135376,
-0.20963366329669952,
0.098563566803... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | 54
3.8
Contrôle des cotations après le lancement du MIP hybride. . . . . . . . . .
55
4.1
Distribution de la sinistralité hybride à la charge de la CCR. . . . . . . . .
64
4.2
Variation de la sinistralité totale à la charge de la CCR en fonction des
données supprimées.
. . . . . . . . . . . . . . . . . . . . . . . . . ... |
100583 | [
0.051820967346429825,
-0.028357189148664474,
0.27517619729042053,
0.05186497047543526,
-0.42573633790016174,
0.05469732731580734,
0.2974098324775696,
-0.4376876652240753,
-0.25827303528785706,
1.531177043914795,
0.6421628594398499,
0.8861124515533447,
-0.39439937472343445,
-0.3200772106647... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | 65
4.2
Variation relative de la sinistralité à la charge de la CCR - Retrait du maxi-
mum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
4.3
Variation relative de la sinistralité à la charge de la CCR - Retrait du mini-
mum et du maximum.
. . . . . . . . . . . . . . . . . . . . . . . ... |
100584 | [
0.38294661045074463,
-0.014036373235285282,
0.6929677724838257,
-0.18063971400260925,
-0.6229444146156311,
-0.44907334446907043,
-0.45799756050109863,
0.33033713698387146,
-0.40142449736595154,
1.625978708267212,
1.223318338394165,
-0.09776187688112259,
-0.0104385269805789,
-0.589633941650... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | fonction de répartition de la loi théorique. Soit X, une variable aléatoire ayant pour fonction
de répartition F,
F(x) = P(X ≤ x).
Notons Fn la fonction de répartition empirique définie par :
Fn(x) = 1
n
n
X
i=1
1(−∞,x](xi).
Nous souhaitons comparer la fonction de répartition empirique à la fonction de réparti-
tion thé... |
100585 | [
0.45713749527931213,
0.06358375400304794,
0.7892134785652161,
0.3022930324077606,
0.17527374625205994,
-0.5076634883880615,
-0.21975016593933105,
0.10662657022476196,
-0.6936041712760925,
1.7388908863067627,
0.8721530437469482,
0.20902033150196075,
0.06517279148101807,
-0.18330611288547516... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | x(1) < x(2) < ... < x(n).
A.1
Le test de Kolmogorov-Smirnov
Le test de Kolmogorov-Smirnov consiste à calculer l’écart maximum entre la fonction
de répartition théorique et la fonction de répartition empirique.
8384
Annexe A. Les tests d’ajustement statistique
La statistique de test est la suivante :
Dn = sup
x∈R
|Fn(x)... |
100586 | [
0.38965824246406555,
0.5322933197021484,
0.8857970833778381,
-0.1322491616010666,
-0.15665428340435028,
-0.09744853526353836,
-0.30702733993530273,
0.04842726141214371,
-0.5659763216972351,
1.4099414348602295,
1.0543193817138672,
-0.017223207280039787,
-0.2986983060836792,
-0.0660465434193... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | Au contraire, lorsque la p-valeur du test est proche de un, cela signifie que la distance
entre les deux fonctions de répartition est faible. Nous conservons donc l’hypothèse nulle.
A.2
Le test de Cramér-von Mises
Le test de Cramér-von Mises est semblable au test de Kolmogorov-Smirnov. Cependant,
il consiste à calculer ... |
100587 | [
0.6574832797050476,
0.5200008749961853,
0.8465830683708191,
-0.029533330351114273,
-0.2880163788795471,
-0.3513275682926178,
-0.39199262857437134,
0.33304691314697266,
-1.0502383708953857,
1.4168378114700317,
0.6558102369308472,
0.09536227583885193,
-0.1425415724515915,
-0.2375217974185943... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | proche de zéro, cela signifie que la distance entre les deux distributions est anormalement
grande. Il est donc peu plausible que l’échantillon observé soit issu de F. De ce fait, nous
rejetons l’hypothèse nulle.
A l’inverse, lorsque la p-valeur du test est proche de un, la distance entre la fonction de
répartition théo... |
100588 | [
0.11523129791021347,
-0.5836065411567688,
-0.1636410504579544,
0.6260210871696472,
-0.10467180609703064,
-0.1122039407491684,
-0.3185111880302429,
-0.2058943212032318,
-0.3773282766342163,
0.6658616065979004,
0.3828422725200653,
0.04832705482840538,
-0.36163902282714844,
0.3527304530143738... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | Résumé de la convention relative aux
missions confiées par l’Etat à la CCR
Ce document est un résumé à titre d’information pour le public sur la convention. Il ne
peut être opposé à CCR ou à l’Etat. 1
Une convention a été signée le 27 février 2017 entre l’Etat (le Ministre de l’Economie
et des Finances) et la Caisse Cen... |
100589 | [
-0.5319700837135315,
-0.6518032550811768,
-0.4078653156757355,
0.8692998886108398,
-0.2246960550546646,
-0.2926041781902313,
-0.6093690395355225,
-0.2406185120344162,
-0.6201661229133606,
1.1030632257461548,
0.07343005388975143,
0.5912603139877319,
0.21215258538722992,
0.10433904826641083,... | {
"title": "2017_7f6ebf68fbbef3961fe9ca988aff2008.pdf"
} | — enfin, les modalités de fonctionnement des comptes distincts ouverts dans les livres
de la CCR pour retracer les activités effectuées avec la garantie de l’Etat.
Cette convention rappelle également en préambule le rôle confié par l’Etat à CCR en
matière de bonne connaissance et de gestion de risques, au titre duquel de ... |
10059 | [
0.05512046441435814,
0.2961759567260742,
0.1269707977771759,
-0.16083365678787231,
0.24567808210849762,
-0.23439477384090424,
0.07130516320466995,
-0.4042257070541382,
-0.3636590838432312,
1.36390221118927,
0.01792401261627674,
-0.31756430864334106,
-0.1567995250225067,
0.2918224334716797,... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | On en déduit le nombre de décès à l’âge x dans l’année calendaire t
On définit alors l’exposition à l’âge x au risque comme le temps vécu par les individus de la cohorte
au cours de l’année t par :101
Le ratio SMR est alors évalué comme :
... |
100590 | [
0.2938753068447113,
-0.1318383365869522,
-0.2058875858783722,
0.47542238235473633,
-0.18902143836021423,
-0.5985633730888367,
-0.2987982928752899,
-0.17874263226985931,
-0.379610538482666,
0.36464807391166687,
-0.06035349518060684,
0.6098679304122925,
0.6119106411933899,
-0.321716040372848... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | 4
Remerciements
Je tiens tout d’abord à remercier Mme Anne-Laure LE GALLO de m’avoir fait confiance et
permis d’évoluer dans son équipe dans les meilleures conditions.
Je souhaite particulièrement remercier Mme Adélaïde RAMEY pour son encadrement tout
au long de la réalisation de ce mémoire. Ses conseils et ... |
100591 | [
0.43329936265945435,
0.26284223794937134,
0.22619125247001648,
0.6650082468986511,
-0.7035150527954102,
-0.32068827748298645,
-0.9924415349960327,
0.25882479548454285,
-0.05277680978178978,
0.8779249787330627,
0.2462383657693863,
0.6568619012832642,
-0.23149648308753967,
0.0091525530442595... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Abstract..................................................................................................................................................... 3
Remerciements .................................................................................................................................... 4
Somma... |
100592 | [
0.33390530943870544,
0.16769763827323914,
0.17026209831237793,
0.0985855981707573,
-0.2586002051830292,
-0.05678488314151764,
-0.18362398445606232,
0.009009361267089844,
0.06463020294904709,
0.9182392954826355,
0.27409690618515015,
0.8101165294647217,
0.03329704329371452,
0.300917476415634... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | I.1 Le Marché de l’assurance MRH .......................................................................................................... 11
I.2 Problématique de l’étude ..................................................................................................................... 15
I.3 Taux de conversion et... |
100593 | [
0.15591548383235931,
0.8288426995277405,
0.23275496065616608,
0.13868851959705353,
-0.6639634966850281,
0.16241317987442017,
-0.7440423965454102,
0.11069698631763458,
0.06749223917722702,
0.41598302125930786,
0.20991165935993195,
0.7087904214859009,
-0.25331613421440125,
0.0551348067820072... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | II.2 Evolution tarifaire .................................................................................................................................. 25
II.2.a. Approche sans rabais ................................................................................................................... 26
II.2.b. M... |
100594 | [
0.500116229057312,
0.2321014702320099,
-0.292533278465271,
-0.25833365321159363,
-0.30338117480278015,
-0.3177262842655182,
-0.8139349222183228,
-0.078547902405262,
0.33054497838020325,
0.6020710468292236,
0.3018834590911865,
0.7333574295043945,
0.04521306976675987,
-0.5695528984069824,
... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | II.4.a. Segmentation univariée.............................................................................................................. 51
II.4.b. Segmentation multivariée ......................................................................................................... 58
Partie III – Positionnement ... |
100595 | [
-0.04081869497895241,
0.28899458050727844,
0.09870580583810806,
0.08224328607320786,
-0.7851183414459229,
-0.31038209795951843,
-0.5182690024375916,
0.014468959532678127,
-0.1990719437599182,
0.9970563054084778,
-0.04652293771505356,
1.1971384286880493,
0.11988124996423721,
-0.204109847545... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | III.1.b. Mapping des garanties et des variables ............................................................................. 64
III.1.c. Echantillonnage géographique .............................................................................................. 65
III.1.d. Echantillonnage non géographique ........... |
100596 | [
0.3980068564414978,
0.3347083330154419,
0.02699066698551178,
0.5462279319763184,
-0.35164016485214233,
0.005503296386450529,
-0.7957457900047302,
-0.29145440459251404,
-0.06467035412788391,
0.9986062049865723,
0.24481987953186035,
0.7664275765419006,
-0.12764032185077667,
-0.14459744095802... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | III.2.b. Benchmark ....................................................................................................................................... 74
Partie IV – Optimisation de la Marge Globale ..................................................................77
IV.1 Algorithme et Contraintes................. |
100597 | [
-0.12241558730602264,
-0.3812721371650696,
0.31642213463783264,
0.39303240180015564,
-0.42029500007629395,
-0.058708105236291885,
-0.1885719746351242,
-0.0380820631980896,
0.09693441540002823,
0.7001842856407166,
0.06581727415323257,
0.592556893825531,
-0.2788572609424591,
0.09820692241191... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Table des Figures ..............................................................................................................................88
Lexique ....................................................................................................................................................91
Bibliogr... |
100598 | [
0.20823884010314941,
0.11665067821741104,
-0.18454477190971375,
0.13155275583267212,
-0.08074784278869629,
-0.3578749895095825,
-0.3908683657646179,
0.09715957194566727,
0.12504394352436066,
0.4536679983139038,
0.40666335821151733,
0.43351632356643677,
0.13939110934734344,
-0.3310835361480... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | d’assurance Multirisque Habitation (MRH) des Particuliers, au sein de l’équipe Actuariat
« Non-Auto » d’AXA. La création de ce nouveau produit a permis une refonte complète de la
structure de la prime grâce à la création de 4 niveaux : la prime pure (P1), à laquelle seront
ajoutés les frais techniques (P2), la marge... |
100599 | [
-0.26874876022338867,
0.6110978126525879,
0.047989800572395325,
-0.38343408703804016,
-0.3901439309120178,
-0.19623379409313202,
-0.2944773733615875,
-0.24660825729370117,
-0.4538571536540985,
1.007993221282959,
0.4819784462451935,
0.6494100689888,
0.3333985209465027,
-0.16245977580547333,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | décidé d’évaluer chacune d’entre elles (vol, dégât des eaux, incendie, bris de glace,
climatique et catastrophe naturelle) avec un ou plusieurs modèles (prime pure ou coût
moyen et fréquence séparés).
Pour chaque modèle, toutes les informations disponibles doivent être analysées : les
données clients (âge, nombre d... |
1006 | [
0.19239066541194916,
0.5193673968315125,
-0.12159166485071182,
-0.2512235641479492,
-0.1783161461353302,
-0.7713156938552856,
0.5517306327819824,
-0.6437804698944092,
-0.4715955853462219,
0.5402494668960571,
0.5378619432449341,
-0.1300494223833084,
-0.30149713158607483,
0.4047108590602875,... | {
"title": "2016_0385d80451de5c2ac868eb3227756a80.pdf"
} | la manière la plus proche de la réalité économique, c’est-à-dire sans marge de prudence
implicite ou explicite dans les hypothèses et les calculs. Cette approche concerne les
risques dits « non réplicables » par un portefeuille d’actifs, soit l’ensemble des
engagements techniques des assureurs en France.
RM : « Ri... |
10060 | [
0.18350350856781006,
-0.14320112764835358,
0.3158220946788788,
0.11360938102006912,
-0.5177637338638306,
-0.30515024065971375,
0.038722287863492966,
-0.47792768478393555,
-0.17101217806339264,
0.6225031018257141,
0.32383546233177185,
-0.5846658945083618,
0.42580997943878174,
-0.23624071478... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | appliquer à la table de référence pour déterminer une table de mortalité associée à la population
étudiée.
Il faut donc fixer une plage d’âge commune d’étude entre la population étudiée et la table de
référence : la période de [60, 90] est choisie de manière arbitraire, puis complétée par la méthode de
fermeture de... |
100600 | [
-0.4479825794696808,
0.47857406735420227,
0.12786053121089935,
-0.29077181220054626,
-0.5710712671279907,
-0.23695257306098938,
-0.16752013564109802,
0.09130503982305527,
0.05190864950418472,
0.9663402438163757,
-0.17580948770046234,
0.7779962420463562,
0.2528449594974518,
0.33911627531051... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Auparavant l’évaluation des sinistres, et du risque géographique se faisait à l’échelle de la
commune (grâce aux Codes Insee). Mais pour le nouveau produit, un travail très important
sur le géocodage des adresses du portefeuille AXA a permis de créer un zonier à une maille
beaucoup plus fine. Grâce à l’utilisation d... |
100601 | [
-0.22548343241214752,
0.42408594489097595,
0.4752143323421478,
-0.17813779413700104,
-0.16043007373809814,
-0.7924984693527222,
-0.18982762098312378,
0.006263939663767815,
0.0895603597164154,
0.5578478574752808,
0.07700648158788681,
0.4782297611236572,
0.3511468768119812,
0.565481424331665... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Comme nous pouvons le voir sur les cartes ci-dessus, le nouveau zonier permet une
segmentation beaucoup plus forte. Ainsi, l’ensemble des adresses d’une ville ne sont plus
dépendants de la situation globale de celle-ci. Par exemple pour le zonier dégâts des eaux,
fortement lié à l’âge des bâtiments, les clients habi... |
100602 | [
-0.27244651317596436,
0.06070566177368164,
-0.2784707248210907,
0.33188045024871826,
-0.7063084244728088,
-0.6102182865142822,
0.11809584498405457,
-0.7539894580841064,
-0.16981250047683716,
1.191476821899414,
0.3083762526512146,
0.9779701232910156,
0.5297176837921143,
-0.2847241759300232,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | chargements techniques sur les différents contrats. Afin de récupérer l’intégralité de ces
coûts, il est nécessaire de les allouer de manière optimale. Les frais de gestion et les frais
d’acquisition sont tout d’abord évalués pour chaque « segment » de contrat (locataires
d’appartements, propriétaires de maisons …).... |
100603 | [
-0.4354228377342224,
0.4090525805950165,
0.23496808111667633,
0.030571850016713142,
-0.13064336776733398,
-0.5933423638343811,
-0.2580755949020386,
-0.4934934675693512,
-0.24923472106456757,
1.006260871887207,
-0.012357454746961594,
0.7189459800720215,
0.5339187383651733,
0.306607365608215... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | simplement de 2 ans. Il est donc logique de répartir différemment les coûts d’acquisition.
A cette étape, chaque client se voit proposer un tarif qui est le plus en adéquation avec son
risque et sa durée en portefeuille.
Comme sur n’importe quel marché, chaque concurrent ne construit pas son produit de la
même ... |
100604 | [
-0.23591430485248566,
0.021044109016656876,
-0.3606375455856323,
0.13582603633403778,
0.010777894407510757,
-1.088534951210022,
-0.017055340111255646,
-0.44151565432548523,
-0.8976548314094543,
0.3985849618911743,
-0.17093706130981445,
0.7652099132537842,
0.613520085811615,
0.0879245772957... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | écart de prix. Certains vont favoriser le tarif le plus bas du marché, d’autres certaines
garanties, ou encore le prestige de la marque et la sécurité qu’elle peut apporter. C’est ici
qu’intervient un travail important de l’agent : il doit faire de son mieux pour mettre en avant
la qualité de son produit, son adéqua... |
100605 | [
-0.06780795753002167,
0.13937173783779144,
-0.3929758369922638,
0.47887468338012695,
-0.12630051374435425,
-0.6171741485595703,
-0.16548044979572296,
-0.07860083878040314,
-0.04310339689254761,
1.0583930015563965,
-0.1918928623199463,
0.8714777231216431,
0.4077243506908417,
0.5700124502182... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | digitalisation du marché lui porte préjudice.
Depuis quelques années, le développement des comparateurs en ligne entraîne un
changement majeur pour tous les acteurs du marché. Avec ces derniers, les clients ont à
présent une vision plus importante sur tous les tarifs proposés, et le facteur « prix le plus
bas » v... |
100606 | [
-0.051501743495464325,
0.08062190562486649,
-0.36726057529449463,
0.08812306076288223,
-0.6455942988395691,
-0.7071990966796875,
-0.381316214799881,
-0.2505687475204468,
-0.41674983501434326,
0.7470206022262573,
0.7383595705032349,
0.42837056517601013,
0.5910053253173828,
0.101413153111934... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | phénomène est donc amplifié.
L’écart tarifaire à la concurrence devient donc un enjeu majeur, et l’assurance habitation ne
déroge pas à la règle. Il est à présent important de réduire les tarifs pour lesquels nous
sommes trop élevés, tout en tentant de compenser, dans une certaine mesure, sur nos tarifs
les plus f... |
100607 | [
-0.04081384837627411,
0.6177770495414734,
-0.10171221941709518,
-0.12635011970996857,
-0.016399219632148743,
-0.44504687190055847,
-0.16920647025108337,
-0.12685520946979523,
-0.687167763710022,
0.4345178008079529,
-0.05098181962966919,
0.28894808888435364,
0.2666260898113251,
0.0613555125... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | faire intervenir dans l’optimisation de notre marge en affaire nouvelle. Nous verrons
notamment la difficulté que nous avons rencontrée pour estimer le nombre de souscriptions
sur le nouveau produit.
Dans un second temps, nous détaillerons l’indicateur que nous avons construit : la sensibilité
au prix, qui met en l... |
100608 | [
-0.12923555076122284,
-0.08318351209163666,
-0.387271523475647,
0.24723254144191742,
0.03454900532960892,
-0.3301212191581726,
0.03949958086013794,
-0.37515756487846375,
0.1930416375398636,
0.4556674063205719,
0.13248197734355927,
0.5950064659118652,
0.28802070021629333,
0.0179119445383548... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | des contraintes à appliquer, ainsi que les objectifs à atteindre.
Par soucis de confidentialité, les chiffres présentés dans ce mémoire ont été modifiés.11
Partie I – Objectifs de l’étude
En 2015, le marché de l’assurance Multirisques Habitation (MRH) des Particuliers représente
un chiffre d’affaires de plus ... |
100609 | [
0.0745154470205307,
0.10753858089447021,
0.35046064853668213,
0.6841295957565308,
0.19017568230628967,
-0.3673977553844452,
0.17564155161380768,
-0.5274331569671631,
0.20154552161693573,
0.6800196170806885,
0.35330283641815186,
0.5765978097915649,
-0.04661481827497482,
0.18690891563892365,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | I.1 Le Marché de l’assurance MRH
AXA en est actuellement l’un des acteurs majeurs avec une deuxième place en termes de
chiffre d’affaires comme nous pouvons le voir sur ce tableau :
2015
2014
Cotisations (en Millions €)
Part
Part
COVEA
1 678
16,8%
16,9%
AXA
1 188
11,9%
12,3%
GROUPAMA-GAN
1 02... |
10061 | [
0.4002344012260437,
0.5202162861824036,
0.23653024435043335,
-0.019679328426718712,
-0.42413100600242615,
0.18624119460582733,
0.03785410523414612,
0.13296549022197723,
-0.025272373110055923,
1.1624386310577393,
0.6358885765075684,
-0.571731448173523,
-0.10760031640529633,
-0.0715238228440... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | modèle préconise un coefficient d’abattement à appliquer pour établir la table de mortalité
correspondante à la population étudiée.
Il est également intéressant dans cette procédure d’étudier les résultats des tests de validation, qui
sont des indicateurs de la pertinence et robustesse de la modélisation.
... |
100610 | [
0.11684256792068481,
0.31269994378089905,
0.4965307116508484,
0.19967307150363922,
0.3893430829048157,
-0.35892099142074585,
-0.2428358495235443,
-0.509858250617981,
-0.014100047759711742,
1.3687963485717773,
0.18338625133037567,
0.9701084494590759,
0.05681455880403519,
0.02586450614035129... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | le graphique ci-dessous :12
Figure 4 : Evolution de la part des bancassureurs sur le marché de la MRH (source FFSA)
Avec la croissance de ce nouveau type de compétiteurs, la concurrence n’a jamais été aussi
forte, et l’arrivée des comparateurs de tarifs amplifie ce phénomène. Ceux-ci poussent les
différents act... |
100611 | [
0.25182679295539856,
-0.21658508479595184,
0.26863163709640503,
0.6271215081214905,
0.5383827090263367,
-0.314466655254364,
-0.2835627794265747,
-0.5485246777534485,
0.5012511610984802,
1.066624641418457,
0.2899124324321747,
0.20597906410694122,
0.371630996465683,
0.09104684740304947,
-0... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | menée par la société Molitor Consult en mai 2014 :
9%
10%
11%
12%
13%
14%
15%
16%
16%
17%
18%
18%
19%
19%
20%
21%
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 201513
Figure 5 : Raison de la fréquentation du comparateur (pour les assurés / Etude Molitor Consult 2014)
Cependant avec e... |
100612 | [
-0.12033404409885406,
0.03587130457162857,
-0.3691479563713074,
0.6588853001594543,
-0.13501553237438202,
-0.42673832178115845,
0.012545529752969742,
-0.40282028913497925,
0.23471364378929138,
1.2082182168960571,
-0.01471114531159401,
0.45988020300865173,
0.19943031668663025,
0.25456821918... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Figure 6 : Le modèle mixte (digital + réseau physique) est-il crédible ? (pour les assureurs / Etude Molitor Consult 2014)
Un autre phénomène commence à avoir un impact important sur le marché de l’assurance
habitation, la loi Hamon, entrée en vigueur en 2015. Elle donne la liberté aux assurés de
pouvoir résilier... |
100613 | [
0.2748260796070099,
0.18490561842918396,
-0.589057207107544,
0.9030638337135315,
-0.11083123087882996,
-0.5806503891944885,
0.09702154248952866,
-0.2963123023509979,
-0.3943069279193878,
1.3313024044036865,
0.27473294734954834,
0.8428516387939453,
-0.1125323623418808,
0.24091307818889618,
... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | 31,50%
Dans l'intention de
souscrire un nouveau
contrat
Pour comparer avec votre
contrat actuel
Par simple curiosité
74%
16%
6% 4%
Oui
Non
Ne sait pas
Ne se prononce pas14
Figure 7 : Taux d’affaires nouvelles des contrats MRH (source FFSA)
Avec 1,4 point de plus par rapport à 2014, nous observons une volatilité d... |
100614 | [
0.007616410963237286,
0.3048776686191559,
-0.6929976940155029,
0.5298883318901062,
-0.01411786675453186,
-0.4892932176589966,
-0.21005533635616302,
-0.5565191507339478,
-0.43485793471336365,
1.125656247138977,
-0.670149028301239,
1.1690441370010376,
0.9690624475479126,
0.09350171685218811,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | sur l’activité du secteur. Privilégier un réseau de distribution direct uniquement sur les
comparateurs n’est pas la solution optimale. En effet, ces derniers mettent en avant
facilement les prix de différentes marques, mais beaucoup moins les garanties. Les différents
acteurs tendent donc à proposer les offres les ... |
100615 | [
-0.22670981287956238,
0.03038010746240616,
0.10108187049627304,
0.18754205107688904,
-0.33757928013801575,
-0.5798677206039429,
-0.3210762143135071,
0.15274061262607574,
-0.3787686824798584,
1.447622537612915,
-0.14393118023872375,
0.7196998000144958,
0.17349286377429962,
-0.04434385895729... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | sont proposés par certains concurrents. Mais elle force aussi à baisser les prix, ce qui accroît
la difficulté à rendre ce produit rentable.
L’équilibre entre ces deux éléments devient donc une problématique très importante pour
beaucoup d’entreprises, dont AXA. Une stratégie de répartition de la marge est donc
iné... |
100616 | [
0.1610410362482071,
0.4239078760147095,
0.07141926139593124,
0.28469905257225037,
-0.3897412419319153,
-1.0086405277252197,
0.12354384362697601,
0.03148767352104187,
-0.6409714221954346,
0.14136351644992828,
0.0928957462310791,
0.5178983211517334,
0.10323543846607208,
-0.016851190477609634... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | perte et permettre de conserver une rentabilité satisfaisante ?
Tout cela se fait en adéquation avec notre rentabilité du tarif, en plaçant notre marge de
manière positive, mais également négative, afin d’optimiser notre compétitivité. Trois axes
importants sont à contrôler :
❖ La sensibilité au prix des clients ... |
100617 | [
-0.3528423011302948,
0.5956836938858032,
-0.5224220156669617,
0.06003594398498535,
-0.3448353111743927,
-0.05963607877492905,
0.008808253332972527,
-0.5756547451019287,
-0.017259391024708748,
0.5606578588485718,
-0.10388986021280289,
0.6850482821464539,
0.04140246659517288,
-0.320045024156... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | entraînera donc une différence en euros plus importante et plus marquante
pour le consommateur.
❖ La distance tarifaire avec nos concurrents, définie comme l’écart au prix de
chaque concurrent (en euros ou en %).
❖ D’autres dimensions pouvant influencer la « valeur » qu’a un client pour
l’entreprise : la durat... |
100618 | [
0.2604112923145294,
-0.10343600064516068,
-0.08594000339508057,
0.08999419212341309,
-0.3655199110507965,
-0.7455345988273621,
-0.20150354504585266,
-0.3928889036178589,
-0.7965489625930786,
1.4526100158691406,
-0.005212835967540741,
0.3401123881340027,
-0.32935473322868347,
-0.14184686541... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | par profil.16
-
Limiter la marge négative pour les contrats très risqués (i.e. : avec
une forte prime pure).
-
Une marge plus importante est envisageable pour les segments où
AXA s’avère être compétitif.
❖ D’autres contraintes peuvent être ajoutées selon la stratégie de la compagnie.
Cette problématique p... |
100619 | [
0.294251024723053,
0.37137749791145325,
0.05026238039135933,
0.10327316075563431,
-0.2108467072248459,
-1.2631767988204956,
0.16899436712265015,
-0.550137460231781,
-0.3689536154270172,
1.0076756477355957,
0.3871060311794281,
0.4079161584377289,
0.5701019763946533,
0.21989372372627258,
-... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Considérant que 10€ de marge annuelle sur un contrat à forte duration n’a pas
la même valeur que 10€ de marge sur un contrat à faible duration.
Le nombre d’affaires nouvelles (AFN) sur le nouveau produit (NG : Nouvelle Gamme) est
défini comme le nombre de devis réalisés pour un certain profil k, ajusté par le taux... |
10062 | [
0.31542983651161194,
0.24130131304264069,
-0.017351409420371056,
-0.02920784056186676,
-0.10432468354701996,
-0.6298560500144958,
-0.2685629427433014,
0.21450650691986084,
-0.0373077355325222,
0.5495400428771973,
0.6466667056083679,
-0.33109942078590393,
0.05950596556067467,
0.510749638080... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | On récupère malgré tout les taux ajustés par cette procédure, suite à la procédure de fermeture de la
table, afin d’illustrer numériquement des écarts pouvant potentiellement être générés par une
erreur d’estimation de l’assureur.
3. Projections des fonds de rente à partir de la mortalité modélisée
a. Cadre d’étude... |
100620 | [
-0.007765208836644888,
0.4571801722049713,
-0.3278716206550598,
0.32806825637817383,
-0.431061714887619,
-0.7277420163154602,
0.3604608476161957,
-0.27302852272987366,
-0.5477501749992371,
1.0012636184692383,
0.0024793515913188457,
1.2350893020629883,
0.26814165711402893,
0.053316570818424... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | critères :17
❖ Caractéristique du Logement : type d’habitation, nombre de pièces, situation
géographique…
❖ Qualité de l’occupant : âge du souscripteur, nombre d’enfants…
❖ Prix des concurrents.
Il est simple d’établir que toutes choses égales par ailleurs, un contrat ayant
un tarif 10% au-dessus du prix ma... |
100621 | [
-0.07686107605695724,
0.004265990573912859,
-0.12177474796772003,
-0.04805037006735802,
0.4392339289188385,
-0.3160877227783203,
-0.3992059528827667,
-0.2543864846229553,
0.05803636834025383,
1.032608151435852,
0.2908107340335846,
0.5095211267471313,
0.2649712562561035,
0.6092929840087891,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | nombre de visites sur une période donnée. C’est donc la capacité d’un site/d’un ensemble
d’offres, à transformer ses visiteurs en acheteurs.
Dans le secteur de l’assurance, il peut avoir cette utilité sur les interfaces en ligne pour le
moment. Les clients qui passent sur ces sites réalisent en général un devis, à ... |
100622 | [
-0.0823952704668045,
0.03699927404522896,
0.2695073187351227,
0.39933308959007263,
-0.6946567296981812,
-0.4048841893672943,
0.49047139286994934,
-0.19910401105880737,
-0.5944563150405884,
1.2318462133407593,
0.039208609610795975,
1.2047171592712402,
0.06910660117864609,
-0.293737798929214... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | d’entre eux est composé de plusieurs caractéristiques définissant un contrat.
❖ Nous essayons ensuite de regrouper les devis correspondant à un même
individu et un même risque (par un nom et un prénom, une adresse mail, les
informations complétées …). Une variable référençant le nombre de passages
peut être insér... |
100623 | [
-0.1975376307964325,
0.3553410768508911,
-0.31666821241378784,
0.003973262384533882,
-0.32274407148361206,
-0.28598731756210327,
-0.21019813418388367,
-0.4190232455730438,
-0.2284339964389801,
0.6282671689987183,
-0.4477965533733368,
0.8137805461883545,
0.19126617908477783,
0.1829690039157... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | …), il nécessite d’émettre l’hypothèse forte suivante :
Hypothèse 1 : la conversion ou non des clients ne dépend que des variations de prix, et non
d’effets extérieurs comme les campagnes publicitaires.19
A cette étape de notre étude, nous avons rencontré un premier problème. De nos jours,
l’activité d’AXA est po... |
100624 | [
-0.062491629272699356,
-0.19766157865524292,
-0.18966896831989288,
0.29228347539901733,
-0.367448627948761,
-1.0397621393203735,
0.273751825094223,
-0.7930376529693604,
0.1340319812297821,
0.8492637872695923,
0.16865748167037964,
1.0032466650009155,
0.22384709119796753,
0.5995587706565857,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | bonne valorisation de ses garanties, …
❖ Pouvoir récupérer les devis qui sont faits comme base de modélisation. Pour
chaque client qui passe en agence, récupérer ses informations, même s’il ne
convertit pas le devis en contrat.
C’est sur ce second point que la difficulté est apparue. Les devis dans nos système... |
100625 | [
0.040934499353170395,
0.7675949931144714,
0.29606443643569946,
0.08091674745082855,
-0.5620933771133423,
-0.523760974407196,
-0.21764950454235077,
0.08476687967777252,
-0.3601890504360199,
0.5684900879859924,
0.10873962938785553,
0.2807794213294983,
-0.15724249184131622,
0.0699677690863609... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | qu’un propriétaire d’une maison de 5 pièces.
Il est donc nécessaire de trouver une autre solution pour mesurer le flux d’affaires nouvelles
sur notre nouvelle gamme. Nous avons donc décidé d’utiliser un autre indicateur, la
« sensibilité au prix » de nos clients. Cet indicateur permet de mesurer l’impact que pourrai... |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.