id string | embedding list | metadata dict | document string |
|---|---|---|---|
100716 | [
0.007722365204244852,
0.03924383595585823,
-0.019827939569950104,
0.48938989639282227,
-0.8140621185302734,
-0.7087132334709167,
-0.09050942212343216,
-0.29978325963020325,
-0.15633216500282288,
1.0170241594314575,
0.10479404777288437,
0.6715370416641235,
0.3927065432071686,
0.483147144317... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | en fonction de la commune du contrat.
Le but est ici de sélectionner des communes afin ensuite de réaliser un lissage spatial à partir
de celles-ci : à cause de la limite de taille, nous ne pouvons pas prendre 36 000 profils dans
les deux cas. La qualité du lissage doit être testée : il faut donc une base composée ... |
100717 | [
0.340756356716156,
0.3614959716796875,
-0.2125639170408249,
0.01888357289135456,
-0.6429630517959595,
-0.8708430528640747,
-0.23550982773303986,
-0.11472969502210617,
-0.24060940742492676,
0.8185209035873413,
0.11861944943666458,
0.7177932858467102,
0.42630061507225037,
0.1877378225326538,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | produit : la base Production.
❖ Nous prenons ensuite les 5000 communes les plus denses après celles déjà
sélectionnées : la base Densité.
❖ Dans notre base Densité, nous choisissons la ville la plus éloignée des
communes de notre base Production (selon la distance euclidienne entre les
centroïdes des communes)... |
100718 | [
0.15642862021923065,
0.6821113228797913,
0.42945396900177,
0.14458486437797546,
-0.9373600482940674,
-0.5414465665817261,
-0.16073545813560486,
0.15475618839263916,
-0.23546987771987915,
0.8852869868278503,
0.1914948970079422,
0.6503465175628662,
0.08425074815750122,
-0.40018409490585327,
... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | concentrées autour des grandes villes. Nous avons également quelques points, dans des
zones à plus faible production, qui faciliteront notre lissage spatial.
Test :
Pour la partie géographique, les profils sélectionnés dans cette base serviront
majoritairement à tester notre lissage spatial. Nous avons décidé de ... |
100719 | [
-0.0540485605597496,
0.5930125713348389,
0.20439265668392181,
0.058846473693847656,
-0.34756332635879517,
-0.5296334624290466,
0.08327461779117584,
0.2606329619884491,
-0.6236211061477661,
1.5183637142181396,
0.5683067440986633,
0.42407122254371643,
0.019181223586201668,
-0.081788770854473... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | ̂
∀ n ∈ 𝑁,
𝑅é𝑠𝑖𝑑𝑢𝑛(𝑣𝑖𝑙𝑙𝑒 𝐵)
̂
=
𝑇𝑎𝑟𝑖𝑓𝑡𝑒𝑠𝑡,𝑛(𝑣𝑖𝑙𝑙𝑒 𝐵)
̂
− 𝑇𝑎𝑟𝑖𝑓𝑡𝑒𝑠𝑡,𝑛(𝑣𝑖𝑙𝑙𝑒 𝐵)
𝑇𝑎𝑟𝑖𝑓𝑡𝑒𝑠𝑡,𝑛(𝑣𝑖𝑙𝑙𝑒 𝐵)
En étudiant la distribution de ces résidus, nous évaluerons la qualité de notre lissage.
Nous décidons également d’ajouter quelques profils pour véri... |
10072 | [
0.4465909004211426,
0.8954205513000488,
0.27719646692276,
-0.19762907922267914,
-0.4902081787586212,
-0.69009929895401,
-0.7938131093978882,
0.5381948947906494,
-0.22960078716278076,
0.9116227030754089,
0.6086713075637817,
-0.34224191308021545,
-0.28323668241500854,
0.040045589208602905,
... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | rigoureusement applicable pour l’évaluation des coefficients de prorogation.
Cependant, l’étude a relevé que cette hypothèse d’homogénéité est très forte. Effectivement, il
serait plus réaliste de considérer des sous-populations avec des profils différents : il s’agit du cas
d’hétérogénéité.
Via une modélisation ... |
100720 | [
-0.13319148123264313,
0.8446779847145081,
-0.02881660684943199,
0.33017316460609436,
-0.7880712747573853,
-0.6984797716140747,
-0.05379387363791466,
-0.056707631796598434,
-0.619530975818634,
1.0867688655853271,
0.2078084945678711,
0.9646815657615662,
-0.025104045867919922,
-0.409947842359... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | 𝑇𝑎𝑟𝑖𝑓 𝑃𝑟𝑜𝑓𝑖𝑙 2(𝑡𝑒𝑠𝑡),𝑣𝑖𝑙𝑙𝑒 𝐴
Nous testerons ici pour toutes villes A et B tarifés sur ces deux profils communes, s’il y a une
différence entre ces deux coefficients. Si c’est le cas, l’hypothèse 5 n’est plus vérifiée : des
ajouts de coefficients d’interactions seront nécessaires.68
III.1.d. ... |
100721 | [
0.4523342549800873,
0.4467258155345917,
-0.047872934490442276,
-0.07733520120382309,
-0.5565481185913086,
-0.6966233849525452,
0.13209544122219086,
0.3558727502822876,
-0.5040871500968933,
1.1064074039459229,
0.26398056745529175,
0.4439011216163635,
-0.172227680683136,
-0.12387843430042267... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | 𝑇𝑎𝑟𝑖𝑓𝑚é𝑑𝑖𝑎𝑛/ 𝐴𝑝𝑝𝑎𝑟𝑡𝑒𝑚𝑒𝑛𝑡,3 𝑝𝑖è𝑐𝑒𝑠
= 225
150 = 1,5
En apprentissage, nous déterminons ces coefficients en créant des profils fictifs, pour
lesquels uniquement une ou deux variables sont modifiées par rapport au profil médian. Puis
nous testerons les résultats obtenus en comparant avec à de... |
100722 | [
0.47786059975624084,
0.7773529291152954,
0.30529847741127014,
-0.01205560751259327,
-1.1310960054397583,
-0.7443339824676514,
0.18127351999282837,
0.5174857378005981,
-0.3427921235561371,
0.9878970980644226,
0.430602103471756,
0.6632552146911621,
-0.025792483240365982,
-0.647994875907898,
... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Profil
Type Habitation
Qualité
Nombre de Pièces
Médian 1
Appartement
Locataire
3
1
Appartement
Propriétaire
3
2
Appartement
Locataire
1
3
Appartement
Locataire
2
…
…
…
…
30
Appartement
Propriétaire
1
31
Appartement
Propriétaire
2
32
Appartement
Propriétaire
4
…
…
…
…
Figure 47 : ... |
100723 | [
-0.0012450499925762415,
-0.10309096425771713,
-0.03061068244278431,
0.27830156683921814,
-0.22338473796844482,
-0.794166088104248,
0.21643418073654175,
-0.6365106105804443,
-0.48698362708091736,
0.9573482275009155,
0.48443907499313354,
0.21766901016235352,
0.03723885491490364,
0.0986864492... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | mettons tous ces profils dans la commune du profil médian.
Il a ensuite été nécessaire d’effectuer une correspondance entre les variables AXA, et celles
de l’entité partenaire. Plusieurs ont été faciles à superposer comme par exemple le nombre
de pièces ou la qualité d’occupation du logement par l’assuré (propriétai... |
100724 | [
-0.056476037949323654,
0.701776921749115,
0.11404076218605042,
0.3254479765892029,
-0.7660921812057495,
-0.28827738761901855,
0.07698120176792145,
0.1331925243139267,
-0.326138436794281,
0.8746404647827148,
0.7789064645767212,
0.22063001990318298,
0.3968038856983185,
-0.26319772005081177,
... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | 25 000 chez un autre.
❖ Pour une variable qui n’est pas présente dans notre base, mais qui est
tarifaire sur le produit marché, il a fallu trouver une approximation.
Les différentes modalités d’une variable tarifaire « déperdition énergétique »
pouvant être résumée selon l’ancienneté du logement, la commune de... |
100725 | [
-0.1381780356168747,
0.5845003128051758,
-0.06810310482978821,
-0.02803325094282627,
-0.4244607985019684,
-0.3461521565914154,
0.21276894211769104,
0.3022642731666565,
-0.5115144848823547,
1.118726134300232,
0.03794534504413605,
0.6135421395301819,
-0.19257818162441254,
-0.6140546202659607... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | 𝑅é𝑠𝑖𝑑𝑢𝑛
̂
= 𝑇𝑎𝑟𝑖𝑓𝑡𝑒𝑠𝑡,𝑛
̂
− 𝑇𝑎𝑟𝑖𝑓𝑡𝑒𝑠𝑡,𝑛
𝑇𝑎𝑟𝑖𝑓𝑡𝑒𝑠𝑡,𝑛70
III.2 Analyse des résultats
L’échantillon créé, il a été envoyé chez ce partenaire qui a tarifé l’ensemble des profils que
nous venons de décrire. Avec ces prix, nous déterminons chacun des coefficients de notre
modèle. Dans... |
100726 | [
-0.11701938509941101,
0.521558940410614,
-0.24960634112358093,
-0.17110969126224518,
-0.9103744029998779,
-0.647243082523346,
-0.6432110071182251,
0.11589320749044418,
-0.3787425756454468,
0.47783970832824707,
0.1267423778772354,
0.9885530471801758,
-0.10316715389490128,
-0.484540879726409... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | ❖ La prime technique nouvelle gamme AXA.
En comparant ces deux tarifs, nous obtenons un premier benchmark de ce nouveau produit.
Dans le développement de ces résultats, nous considérerons à nouveau uniquement les
appartements, puisque la méthode est identique pour les maisons.
III.2.a. Validation du Reverse... |
100727 | [
0.36366894841194153,
0.8336610198020935,
0.37127557396888733,
-0.19178389012813568,
-1.0933377742767334,
-0.3741033673286438,
0.06879545003175735,
0.44152364134788513,
-0.41441577672958374,
0.9392322301864624,
0.37468379735946655,
0.7037410140037537,
-0.33852770924568176,
-0.15547673404216... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | …
30
Appartement
Propriétaire
1
120
31
Appartement
Propriétaire
2
160
32
Appartement
Propriétaire
4
230
Figure 48 : Exemple de profils tarifés71
Nous estimons ainsi nos différents coefficients :
❖ Pour les coefficients univariés, nous opérons ainsi :
𝐶𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑄𝑢𝑎𝑙𝑖𝑡é,𝐿𝑜𝑐𝑎�... |
100728 | [
-0.18864832818508148,
0.8184018731117249,
-0.2486790120601654,
-0.27169254422187805,
-0.5420325994491577,
-0.8892069458961487,
0.3045613169670105,
0.3581998646259308,
-0.31669607758522034,
1.4032883644104004,
0.5240360498428345,
0.7424169182777405,
0.4529459476470947,
-0.20942382514476776,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | ̂
= 150 ∗ 1,33 ∗ 0,87 = 173,33 𝑒𝑢𝑟𝑜𝑠
𝐶𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑡𝑖𝑜𝑛𝐿→𝑃,3→2 𝑝
̂
=
𝑇𝑎𝑟𝑖𝑓𝑃𝑟𝑜𝑓𝑖𝑙 31
𝑇𝑎𝑟𝑖𝑓 𝑈𝑛𝑖𝑣𝑎𝑟𝑖é𝐿→𝑃,3→2 𝑝
̂
=
160
173,33 = 0,92
Après le calcul de ces coefficients, nous avons la première partie de nos modèle tarifaires.
Pour les valider, nous esti... |
100729 | [
-0.09173426777124405,
0.6193233132362366,
-0.03131791204214096,
-0.18611864745616913,
-0.642746090888977,
-0.7505190372467041,
0.2390872687101364,
-0.04698483273386955,
-0.5175501704216003,
0.971295177936554,
0.2882777154445648,
0.6588741540908813,
0.1252399981021881,
-0.16866157948970795,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | avec des coefficients non géographiques très proches de ceux du modèle du partenaire.72
Coefficients géographiques :
Grâce à la variation tarifaire entre la commune médiane et les autres villes sélectionnées
dans notre échantillon d’apprentissage géographique, nous calculons un ensemble de
coefficients géographique... |
10073 | [
0.20868602395057678,
0.19722993671894073,
0.4908604919910431,
0.054447680711746216,
-0.13485874235630035,
-1.1782176494598389,
-0.40621218085289,
0.10357249528169632,
-0.6227584481239319,
0.6931662559509277,
0.09266285598278046,
0.05398989096283913,
0.4593113660812378,
0.5622808337211609,
... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | profil de mortalité. A noter que cette anti-sélection dépend également sur l’arbitrage effectuée sur le
taux technique vis-à-vis des taux des placements sans risques, qui n’a pas été pris en compte. Mais
les comportements à la retraite sont en réalité bien plus imprévisible et complexe, du fait des
facteurs socio-ps... |
100730 | [
0.2782959043979645,
0.782072126865387,
0.07739774882793427,
-0.05813686549663544,
0.049580059945583344,
0.11299250274896622,
-0.3475249409675598,
0.09745119512081146,
0.24377666413784027,
0.8661655783653259,
0.5875346660614014,
0.0314808152616024,
-0.23735050857067108,
0.16195441782474518,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Méthodologie Lissage spatiale :
L’interpolation spatiale permet à partir de la connaissance d’une information sur un
ensemble de points (définis géographiquement par un X et un Y), de l’estimer sur toute une
surface. Cette technique suppose que les variations de la variable à déterminer sont
continues dans l’espace... |
100731 | [
0.3606240451335907,
0.6223962903022766,
0.07187905162572861,
0.12424137443304062,
-0.7451474070549011,
-0.39532145857810974,
0.48607540130615234,
-0.16039659082889557,
-0.38922181725502014,
1.278978943824768,
0.15285004675388336,
0.3425803482532501,
0.18013709783554077,
-0.2528105676174164... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Application :
Nous appliquons cette méthode pour définir les zones de risques géographiques,
déterminées plus tôt, sur l’ensemble du territoire français. Dans notre cas, les k points
manquantes sont les codes Insee non étudiés, pour lesquels nous allons définir une zone à
partir des communes pour lesquelles elle es... |
100732 | [
-0.05294105410575867,
0.6866415739059448,
-0.07032392919063568,
0.09928491711616516,
-0.44944894313812256,
-0.7363085150718689,
0.16380248963832855,
0.2949451804161072,
-0.6640933752059937,
1.378035545349121,
0.4048379957675934,
0.6341847777366638,
0.0004958101199008524,
-0.055550776422023... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Résidus
<1%
<5%
<10%
Erreur
Moyenne
Proportion
63%
87%
95%
2,5%
Figure 50 : Distribution des résidus géographiques – lissage spatial – appartements
Les résultats sur la partie géographique sont légèrement moins bons, mais ils restent tout de
même très corrects. Notre second ensemble de coefficients ... |
100733 | [
-0.02503945119678974,
0.8867476582527161,
-0.15861019492149353,
0.00731887761503458,
-0.21767131984233856,
-0.5512971878051758,
-0.012844017706811428,
0.09769929945468903,
-0.0865606963634491,
0.8538049459457397,
0.3402729332447052,
0.7726063132286072,
0.0076075829565525055,
-0.41577157378... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | variables tarifaires.
Modèle global :
Dans l’échantillon de test que nous avions envoyé à l’entité partenaire, nous avions rajouté
une dernière partie croisant des variations géographiques et non géographiques. Nous
tarifons ces profils par l’ensemble des coefficients que nous avons vérifiés ci-dessus. Nous
obte... |
100734 | [
0.007261871825903654,
0.2543383836746216,
0.11084884405136108,
0.3152388334274292,
-0.5193819403648376,
-0.37868762016296387,
-0.1698550581932068,
-0.2717433571815491,
-0.44073107838630676,
1.3683704137802124,
0.156769797205925,
0.7304287552833557,
-0.14245790243148804,
-0.5035454630851746... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | rapport au marché est donc fiable.74
III.2.b. Benchmark
Après la vérification de nos modèles, il est à présent possible de prédire la valeur de nos
affaires nouvelles 2015 avec cette tarification marché.
Nous calculons ensuite également pour cette production le tarif technique de la nouvelle
gamme AXA. Ce dern... |
100735 | [
-0.06742054224014282,
0.5000558495521545,
-0.261828750371933,
0.2830372154712677,
-0.5137302875518799,
-0.6644996404647827,
0.13214290142059326,
0.19923552870750427,
-0.4849398732185364,
1.1559770107269287,
-0.23898570239543915,
1.0164906978607178,
-0.051389675587415695,
-0.013715004548430... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | 𝑇𝑎𝑟𝑖𝑓𝑀𝑎𝑟𝑐ℎé
En étudiant la distribution de cet indicateur sur notre production de locataires
d’appartements en 2015, nous obtenons le graphique et le tableau ci-dessous :
Figure 52 : Distribution de l’écart tarifaire AXA NG vs prix Marché (Locataires d’Appartements)75
Indicateurs de
Distribution
Q... |
100736 | [
-0.008037262596189976,
0.537775993347168,
-0.30759045481681824,
0.3053794503211975,
-0.110727459192276,
-1.0435551404953003,
0.26513606309890747,
0.15552787482738495,
-0.8909138441085815,
0.9313573837280273,
-0.24029922485351562,
0.9296372532844543,
0.6469043493270874,
0.04155706986784935,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | quand même attribuer un prix 50% au-dessus de celui-ci. Nous allons bel et bien devoir
effectuer des marges négatives si nous ne voulons pas perdre toute cette partie de la
production.
Par ailleurs, si nous imposons que nos tarifs soient identiques à ceux du marché, la marge et
donc la rentabilité seront très faibl... |
100737 | [
-0.21486414968967438,
0.39489105343818665,
-0.1204388290643692,
0.07462649792432785,
-0.6979239583015442,
-0.7169429659843445,
-0.1927356719970703,
-0.11038808524608612,
-0.6076346039772034,
1.0414011478424072,
0.48968854546546936,
0.9858901500701904,
-0.40079763531684875,
-0.1763308793306... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Nombre de
pièces
Prix Marché
Prime Technique AXA NG
1
110,0 €
120,0 €
2
135,0 €
140,0 €
3
170,0 €
160,0 €
4 et plus
200,0 €
180,0 €
Figure 54 : Valeur moyenne Marché et AXA NG (hors Marge) en fonction du nombre de pièces
sur notre production 2015 de Locataires d’appartements
Nous remarquons que le... |
100738 | [
0.15402142703533173,
0.15782210230827332,
0.04626763239502907,
0.2708968222141266,
-0.9143862724304199,
-0.7111517190933228,
-0.4956323206424713,
0.07748144119977951,
-0.5423102378845215,
0.6526543498039246,
-0.020676784217357635,
0.5333892703056335,
0.03338424861431122,
0.0748736411333084... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Cependant, nous avions vu que plus le nombre de pièces augmente, plus la sensibilité est
forte. Il est donc intéressant de voir quel choix de répartition est optimal pour respecter ces
deux indicateurs : c’est à cet usage que servira notre dernière partie décrivant l’algorithme
d’optimisation que nous avons choisi.7... |
100739 | [
-0.05274535343050957,
0.5597200393676758,
-0.09635349363088608,
0.0293879397213459,
-0.3368065357208252,
-1.1466701030731201,
-0.4639125168323517,
-0.12792691588401794,
-0.4343460202217102,
0.8740464448928833,
0.08158005774021149,
0.4720660150051117,
-0.047280777245759964,
-0.2326027452945... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | 2015, par département :
Figure 55 : Ecarts tarifaires entre le produit Nouvelle Gamme AXA et le Marché77
Partie IV – Optimisation de la Marge Globale
A travers cette partie nous allons définir l’algorithme qui permettra d’optimiser le placement
de notre marge sur les différents segments de notre nouveau pro... |
10074 | [
0.3232225179672241,
-0.12788383662700653,
0.06085287034511566,
0.5214500427246094,
-0.22309660911560059,
-0.7169944643974304,
-0.4016391932964325,
-0.07760313153266907,
0.024548109620809555,
1.200313925743103,
0.5497985482215881,
-0.43932703137397766,
0.24559076130390167,
0.440482199192047... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | composante avec la durée de prorogation pourrait, dans ces cas théoriques de prorogation très
avancés, dénaturait le contrat de retraite en un contrat similaire à de l’épargne : d’où la réflexion de
plafonner cette prime à partir d’un certain âge.
Pour finir, ce mémoire a voulu proposer des pistes pour quantifier de... |
100740 | [
0.20400992035865784,
0.4647207260131836,
-0.08093757927417755,
-0.1127234473824501,
-0.1670362949371338,
-1.1089775562286377,
-0.6168106198310852,
-0.17532584071159363,
-0.6133734583854675,
1.1405105590820312,
0.5376647114753723,
0.3311048150062561,
0.0287695974111557,
-0.00154078775085508... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | volume de production, …).
Ensuite, nous effectuerons plusieurs simulations de la marge globale que nous pouvons
obtenir selon les combinaisons de contraintes que nous nous imposons. Ainsi nous tenterons
de déterminer quel scénario est le plus rentable parmi ceux qui sont réalisables.78
IV.1 Algorithme et Contrainte... |
100741 | [
0.22564566135406494,
0.7013021111488342,
-0.03530963137745857,
0.26670166850090027,
-0.33598822355270386,
-0.8170840740203857,
0.21494480967521667,
-0.6806091070175171,
-0.7930541634559631,
1.2026312351226807,
0.08154961466789246,
0.4640600383281708,
-0.20727607607841492,
-0.09628340601921... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | indicateurs de sensibilité que nous avons déterminés un peu plus tôt. Pour la valeur contrat,
nous avons supposé qu’il s’agisse de la marge individuelle que nous pouvons diminuer ou
augmenter d’un ou plusieurs coefficients :
Valeur contratk = Margek ∗ 𝐶𝑜𝑒𝑓𝑓. 𝐷𝑢𝑟𝑎𝑡𝑖𝑜𝑛𝑘 ∗ 𝐶𝑜𝑒𝑓𝑓. 𝑀𝑢𝑙𝑡𝑖𝐸𝑞𝑢𝑖... |
100742 | [
0.669498860836029,
0.0383002795279026,
-0.23262515664100647,
0.11879909038543701,
-0.4164382815361023,
-0.5650734901428223,
-0.1546962559223175,
-0.2320154905319214,
-0.5277019739151001,
1.0036832094192505,
0.39566120505332947,
-0.010407575406134129,
-0.11176329851150513,
0.059588141739368... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Marge Globale =
max
Prop. Marge1…K (∑ Nombre affaires nouvelles NGk ∗ Valeur contratk
K
k=1
)
avec Margek = Proportion Margek ∗ Prime Technique NGk
Nous pouvons voir sur les équations ci-dessus, que nous avons pris un vecteur de
proportions de marge à déterminer plutôt que des valeurs en euros. Sachant que ... |
100743 | [
0.914879560470581,
0.8631284832954407,
0.11534254997968674,
0.19027702510356903,
-0.44468259811401367,
-1.185243010520935,
-0.2012895941734314,
-0.14538706839084625,
-0.4505588412284851,
0.7374676465988159,
0.1986675262451172,
-0.1594683974981308,
0.09581822156906128,
-0.15575259923934937,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | population. Nous reprenons ainsi la formule citée plus tôt, mettant en relation la variation
de production et l’évolution tarifaire, entre l’ancienne gamme (AG) et la nouvelle (NG) :
Nb AFN NGk − Nb AFN AGk
Nb AFN AGk
= ρk ∗ Prix NGk − Prix AGk
Prix AGk
Nous voyons également ici la présence de notre facteur de... |
100744 | [
0.8936575055122375,
0.8358252644538879,
-0.004802221432328224,
0.3389563262462616,
-0.31638237833976746,
-1.1764099597930908,
-0.3003346621990204,
0.08244044333696365,
-0.44853222370147705,
0.5911393761634827,
0.5318647027015686,
-0.2845899164676666,
0.04866337403655052,
-0.118691898882389... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Prix AGk
− 1] + 1] ∗ Nb AFN AGk
Nb AFN NGk = [ρk ∗ [(Prime Techniquek + Margek)
Prix AGk
− 1] + 1] ∗ Nb AFN AGk
Nb AFN NGk = [ρk ∗ [(Prime Techniquek ∗ (1 + Prop. Margek))
Prix AGk
− 1] + 1] ∗ Nb AFN AGk
Pour chaque segment, le paramètre d’optimisation est la proportion de marge. Celle-ci fait
varier avec... |
100745 | [
0.14904765784740448,
0.6666054725646973,
-0.4090777337551117,
0.5011290311813354,
0.09353594481945038,
-0.7209957838058472,
-0.030335428193211555,
0.0929282009601593,
-0.14789845049381256,
0.1688746213912964,
-0.3740758001804352,
0.8205713033676147,
0.14455921947956085,
-0.0229739155620336... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | plus les proportions de marge par segment augmentent, plus la marge globale est élevée.
Mais par le lien entre le prix et la production, à un moment, le gain individuel ne compense
plus la perte en affaires nouvelles : il s’agit de l’optimum de notre fonction.
Nous ne pouvons par contre pas limiter notre optimisat... |
100746 | [
0.07294783741235733,
0.044929388910532,
0.012214692309498787,
0.06282423436641693,
-0.2018066644668579,
-0.5392641425132751,
-0.6998110413551331,
-0.4398075044155121,
-0.4350084066390991,
0.9456290602684021,
0.11397368460893631,
0.5783957839012146,
0.0245759766548872,
-0.6040878295898438,
... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | compétitif, il est important de prendre en compte cette différence tarifaire, avec deux choix
envisageables :
❖ Egaler le prix des concurrents : nous serons très compétitifs, mais si les primes
techniques sont déjà proches de ces valeurs, la rentabilité sera très faible.
❖ Considérer un écart supportable avec l... |
100747 | [
0.5702964067459106,
0.343934029340744,
-0.20818287134170532,
0.14009831845760345,
-0.23621608316898346,
-0.8468348979949951,
0.26666581630706787,
0.21751432120800018,
-0.6131168603897095,
0.8835964798927307,
0.5020321011543274,
0.23747847974300385,
0.0857313945889473,
-0.024415846914052963... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | d’optimisation. Quelques exemples :
❖ Dans le cas d’une marge négative, nous ne pouvons réduire la prime en-
dessous d’un certain pourcentage de sa valeur :
∀ k,
Prime Commerciale NGk ≥ X% Prime Technique NG k
avec Prime Commerciale NGk = Prime Technique NGk + Margek
Nous considérons ici 𝑋 comme toujou... |
100748 | [
0.5115423202514648,
0.5402273535728455,
-0.09507813304662704,
0.6219771504402161,
-0.2446880042552948,
-0.997052788734436,
-0.15963701903820038,
-0.043994028121232986,
-0.42101147770881653,
1.0650914907455444,
0.40030598640441895,
0.19430656731128693,
-0.020217616111040115,
-0.119416072964... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | production sur le segment k. Si Z est égale à 0, c’est que nous voulons que le
nombre d’affaires nouvelles soit le même qu’en 2015. Autrement nous
pouvons le faire augmenter ou diminuer.
❖ En généralisant sur la totalité de la production :
Nb AFN NG = (1 + W%) ∗ Nb AFN AG
Ici nous voulons que le nombre globa... |
100749 | [
0.23187299072742462,
0.22262415289878845,
-0.29932302236557007,
0.23491105437278748,
0.18744634091854095,
-0.9974411129951477,
-0.1676720380783081,
-0.3949940502643585,
-0.4166441559791565,
0.9569480419158936,
0.164384126663208,
0.34668293595314026,
0.126901775598526,
-0.13737116754055023,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | décidons d’appliquer. Pour résoudre ces scénarios, nous utiliserons la méthode du GRG
(Generalized Reduced Gradient) du solveur d’Excel. La raison est que nous sommes dans un
cas de problème non linéaire : avec la sensibilité au prix des clients, une augmentation de la
marge individuelle n'a pas forcément comme résu... |
10075 | [
0.4425715506076813,
0.12931515276432037,
-0.06396318972110748,
0.14036983251571655,
-0.159905344247818,
-0.4039651155471802,
-0.005203619133681059,
-0.4835587739944458,
0.06653539836406708,
1.0235763788223267,
0.8564304709434509,
-0.20150715112686157,
0.4108385443687439,
0.2462080270051956... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | d’adhérent a la possibilité de proroger d’une durée significative. En considérant différents cadres de
mortalité, la sensibilité de l’équilibre financier des différentes composantes du fonds a été étudiée.
Il a d’abord été considéré un cadre approprié aux hypothèses d’évaluation des coefficients de
prorogation thé... |
100750 | [
0.2554524540901184,
0.5001152753829956,
0.06872614473104477,
0.11782220751047134,
-0.5722564458847046,
-0.7331686019897461,
-0.04294910654425621,
0.15490683913230896,
-0.3743566572666168,
1.2532638311386108,
0.47031834721565247,
0.025332294404506683,
0.6907438039779663,
-0.2363774329423904... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | plusieurs simulations. Nous décidons donc d’effectuer nos simulations sous trois contraintes,
deux fixées et une variable :
❖ Contrainte 1 (fixe) :
Si la marge est négative, elle ne peut valoir plus de 10% de la prime
technique.
∀ k, Prime Commerciale NGk ≥ 90% Prime Technique NGk
❖ Contrainte 2 (fixe) :... |
100751 | [
0.26043668389320374,
0.5678505897521973,
0.15138965845108032,
0.430169016122818,
-0.20685863494873047,
-0.686693012714386,
-0.13708864152431488,
0.06135927513241768,
0.013144700787961483,
0.8610371351242065,
0.1360110193490982,
0.9008907675743103,
-0.15440776944160461,
-0.46789517998695374... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | composée de locataires d’appartements.
Concernant la valeur contrat, nous préférons ne pas prendre de coefficients
supplémentaires. La duration n’est en effet disponible que sur un maillage très large avec
une valeur pour les locataires d’appartements, une pour les locataires de maisons … De ce
fait, le coefficient... |
100752 | [
0.2318933755159378,
0.27209433913230896,
0.08451104909181595,
0.20037612318992615,
-0.5667954683303833,
-0.5709229707717896,
-0.09449084848165512,
-0.33168914914131165,
-0.4984542429447174,
0.8571792244911194,
0.10804012417793274,
0.46171697974205017,
-0.12600117921829224,
-0.3474082052707... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Valeurs Nécessaires
Appellation
Nombre d'Affaires Nouvelles - Ancienne Gamme AXA
Nb AFN AG(k)
Prime Technique Moyenne - Nouvelle Gamme AXA
Prime Technique NG(k)
Tarif Moyen - Ancienne Gamme AXA
Prix AG(k)
Tarif Moyen - Marché
Prix Marché(k)
Sensibilité
ρ(k)
Figure 56 : Valeurs nécessaires pour nos simulati... |
100753 | [
-0.13092897832393646,
0.43500274419784546,
-0.40038537979125977,
-0.413674920797348,
-0.17870213091373444,
-0.6540281772613525,
-1.0617337226867676,
-0.39800333976745605,
-0.4108513295650482,
0.5816916823387146,
0.23696589469909668,
0.5174155235290527,
-0.046730440109968185,
-0.08863595128... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | reverse engineering. Pour ces deux tarifs, ainsi que le Prix ancienne gamme AXA, nous
effectuons la moyenne de chaque segment k.
Nous avons à présent l’ensemble des informations pour réaliser nos simulations. Nous
faisons donc varier le W de la troisième contrainte (liée à la production) et obtenons donc le
graph... |
100754 | [
-0.3423152267932892,
0.30827856063842773,
-0.5628498196601868,
0.28644222021102905,
-0.5533028841018677,
-0.6562962532043457,
-0.20506875216960907,
-0.8402579426765442,
-0.7664740681648254,
1.0275546312332153,
0.2363135814666748,
0.3439346253871918,
0.04061821848154068,
0.2767823338508606,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | diminue : la perte de contrats se fait sentir, avec un apport de moins en moins important des
marges individuelles sur la ressource globale.
Nous remarquons également que pour une production similaire à 2015, nous obtenons une
marge globale d’environ 100 000 euros. Sachant que nous avons fait 50 000 affaires
nouvel... |
100755 | [
-0.020381473004817963,
0.7900323867797852,
-0.369592547416687,
-0.004725634586066008,
-0.30302807688713074,
-0.7524521946907043,
0.019210591912269592,
-0.27999264001846313,
-0.26570427417755127,
0.714601457118988,
-0.10100379586219788,
0.3938896358013153,
0.4305511713027954,
-0.07732744514... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | est ainsi de -250 000 euros pour une production 3% plus importante.
❖ Du côté gauche, la contrainte sur l’écart au marché bloque l’augmentation
que la marge apporte sur nos tarifs. La marge maximum est donc de 800 000
euros avec une perte de production de 11% environ.
Enfin dans le cas de stabilité de la produ... |
100756 | [
0.02235260047018528,
0.7852451801300049,
-0.2936652600765228,
-0.08061984181404114,
0.1209721490740776,
-0.9648727774620056,
0.4186854958534241,
0.09136465936899185,
-0.06410399824380875,
1.1394931077957153,
0.3423027992248535,
0.7037893533706665,
0.07913098484277725,
0.0459836907684803,
... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | - 15,00 €
-8%
≥ 20K
30-50Ans
25,00 €
7%
< 10K
> 50Ans
- 5,00 €
-5%
10-20K
> 50Ans
30,00 €
10%
≥ 20K
> 50Ans
40,00 €
13%
Figure 58 : Marges obtenues sur chacun de nos segments8... |
100757 | [
0.4138081967830658,
0.7238925695419312,
0.12717938423156738,
-0.0185638926923275,
-0.16434313356876373,
-0.8477895259857178,
0.14927949011325836,
0.2717534601688385,
-0.3524406850337982,
0.7793360948562622,
0.5155870914459229,
0.17969508469104767,
0.06529989838600159,
-0.27955305576324463,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | K = K𝐿𝐴. Pour le généraliser à tout le portefeuille, il est obligatoire d’obtenir les mêmes
valeurs pour les propriétaires d’appartements (PA), les locataires de maisons (LM), les
étudiants (ETUD) … Nous devons donc pour chacune de ces sous-populations, choisir la
segmentation optimale de la sensibilité, puis les ... |
100758 | [
0.1267663985490799,
0.3999013602733612,
-0.10148657858371735,
-0.08874405920505524,
-0.047405410557985306,
-0.7702696323394775,
-0.4052974581718445,
0.10260183364152908,
-0.6149581670761108,
1.0530258417129517,
0.21078848838806152,
0.43304216861724854,
0.3722250163555145,
0.369489669799804... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | d’optimisation sur plusieurs scénarios, chacun basé sur un ensemble de contraintes. En
modifiant ces contraintes, il est possible de nous placer à une distance tarifaire plus ou
moins grande du marché, ou encore orienter différemment la distribution de notre
production. Ces scénarios sont donc définis en fonction de... |
100759 | [
0.15997537970542908,
0.5914079546928406,
-0.4709347188472748,
-0.14544180035591125,
-0.18292313814163208,
-1.0776432752609253,
-0.4358782172203064,
-0.16992399096488953,
-0.19738459587097168,
0.5740090608596802,
0.26815226674079895,
0.42937999963760376,
-0.06688479334115982,
0.026657182723... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | été nécessaire de déterminer un algorithme d’optimisation : il devait inclure les facteurs
permettant d’évaluer la relation entre production et tarif, la compétitivité du produit, et une
segmentation selon le client. Pour les locataires d’appartements, le croisement entre le
capital déclaré et l’âge était le plus ju... |
10076 | [
-0.04468131437897682,
0.2903994023799896,
-0.07008489221334457,
-0.11679577827453613,
-0.018826115876436234,
-0.7213088274002075,
-0.17099787294864655,
0.19136960804462433,
-0.13889487087726593,
1.0296177864074707,
0.8833144903182983,
-0.26179608702659607,
0.4954962134361267,
0.71640276908... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | considéré dans la modélisation (1 000 assurés).
Ensuite, l’objectif était de perturber le cadre précédent pour refléter le risque généré par une
méconnaissance de la mortalité par l’assureur. Le phénomène d’anti-sélection a d’abord été
modélisé : il a été supposé que l’assureur captait bien le profil de mortalité m... |
100760 | [
0.08401523530483246,
0.42527326941490173,
-0.21889753639698029,
-0.008373013697564602,
-0.41884589195251465,
-1.0930912494659424,
-0.02035868726670742,
-0.20200826227664948,
-0.38538452982902527,
-0.01610504277050495,
-0.3863580822944641,
0.8134585022926331,
0.2412562072277069,
0.105278283... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | faisant augmenter les tarifs, mais le taux de conversion des clients étant plus importante sur
des prix faibles.
N’ayant pas les caractéristiques de nos devis pour réaliser un modèle de conversion, nous
avons dû déterminer un indicateur pour estimer notre production : la sensibilité au prix des
clients. Nous avons ... |
100761 | [
-0.24594654142856598,
0.2872016727924347,
-0.40081238746643066,
0.24604852497577667,
0.06172608584165573,
-0.4773055911064148,
-0.5297304391860962,
-0.2702367305755615,
-0.21477296948432922,
0.8386630415916443,
0.2860333025455475,
0.727809488773346,
-0.3783695101737976,
-0.2579544186592102... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | actuel de l’assurance IARD, la distance tarifaire au marché. Au vu des politiques marketing
variées des entreprises, ne pas l’intégrer serait dangereux pour rester compétitif sur
l’ensemble des segments. Pour obtenir cette valeur, nous avons estimé un modèle
concurrentiel par reverse engineering : en prenant les pri... |
100762 | [
0.0797479972243309,
0.2950296401977539,
0.0013607586733996868,
-0.06069919094443321,
-0.6230024099349976,
-0.5405296087265015,
-0.22886641323566437,
-0.0008519410039298236,
-0.341582715511322,
1.1411999464035034,
0.267943412065506,
0.5595985054969788,
-0.05955880507826805,
-0.1034033074975... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | ferions sur un tarif, et la distance tarifaire pour se restreindre sur nos prix à l’affaire
nouvelle. Nous avons illustré ce processus sur les locataires d’appartements, et avons
obtenu un ensemble de scénarios en modifiant les contraintes, et donc un ensemble de87
rentabilités. Pour le généraliser, il a suffi simpl... |
100763 | [
0.225206658244133,
0.30641603469848633,
0.10786674171686172,
0.06457388401031494,
-0.296228289604187,
-0.3823283016681671,
0.006467275787144899,
0.14877034723758698,
0.1996077299118042,
1.0408755540847778,
0.3367548882961273,
1.3682411909103394,
0.0537247359752655,
-0.10688913613557816,
... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | caractéristiques de l’ensemble des devis. En y intégrant ces informations, ainsi que la
distance tarifaire comme variable explicative, nous pourrons réaliser ce modèle de
conversion. Conjointement avec un modèle de rétention, il pourra être utilisé pour définir la
combinaison optimale « tarif d’affaire nouvelle » et... |
100764 | [
0.4062764048576355,
0.31270089745521545,
0.4522704482078552,
0.643393337726593,
-0.08827217668294907,
0.09426043182611465,
-0.15967857837677002,
-0.06693632155656815,
0.13134963810443878,
0.7966978549957275,
0.281167596578598,
0.9239107966423035,
0.375742107629776,
0.15804213285446167,
-... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | FFSA) .........................................................................................................................................................11
Figure 4 : Evolution de la part des bancassureurs sur le marché de la MRH (source
FFSA) ...................................................................... |
100765 | [
0.18662461638450623,
0.34630146622657776,
0.36339065432548523,
-0.194740891456604,
-0.08455085754394531,
-0.1360400915145874,
-0.22230876982212067,
0.04237375035881996,
0.34245696663856506,
0.8844850063323975,
0.5604766607284546,
0.7950012683868408,
0.2468847632408142,
0.035881150513887405... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | assureurs / Etude Molitor Consult 2014) ................................................................................13
Figure 7 : Taux d’affaires nouvelles des contrats MRH (source FFSA) .......................14
Figure 8 : Evolution de la production en fonction de l’évolution tarifaire ................19
Figure... |
100766 | [
0.17286968231201172,
0.5455572009086609,
0.15501275658607483,
0.11637352406978607,
-0.3914051353931427,
-0.3246123492717743,
-0.111612468957901,
0.37271735072135925,
-0.04001466929912567,
1.0271755456924438,
0.6448789238929749,
0.938029944896698,
-0.2756023108959198,
0.021923355758190155,
... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | d’évolutions tarifaires .......................................................................................................................28
Figure 14 : Distribution de la part de rabais (base 100) des contrats sans options
en 2015 (hors rabais égal à 0) ............................................................. |
100767 | [
0.3893265426158905,
0.21535111963748932,
-0.06977501511573792,
0.2374248504638672,
-0.15961386263370514,
-0.22570934891700745,
0.20175722241401672,
0.36371833086013794,
-0.00816805474460125,
0.823962390422821,
0.31166979670524597,
0.5203501582145691,
-0.025647519156336784,
-0.1667130440473... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | l’observé...................................................................................................................................................34
Figure 18 : Arbre de régression du rabais (base 100) en 2013 sur les contrats
2013 sans options .................................................................. |
100768 | [
0.09248052537441254,
0.42284226417541504,
0.1772790402173996,
-0.2002710998058319,
-0.6403477787971497,
-0.4099680781364441,
-0.4670453667640686,
0.19359950721263885,
-0.13495245575904846,
1.010391354560852,
0.3215191066265106,
1.1084895133972168,
0.12758177518844604,
0.00262093055061996,
... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | affaires nouvelles 2013 sans options (modèle 3 des annexes 3 et 4) ..........................40
Figure 22 : Indicateurs de distribution des évolutions tarifaires avec rabais .........44
Figure 23 : Classes d’évolutions tarifaires avec rabais .......................................................45
Figure 24 : Varia... |
100769 | [
0.5510067343711853,
0.6531306505203247,
0.041092801839113235,
0.13115186989307404,
-0.3343370854854584,
-0.030275067314505577,
-0.6161696910858154,
0.13684514164924622,
0.07729127258062363,
0.8011330962181091,
0.09031882137060165,
1.0302987098693848,
0.16204982995986938,
0.0702752247452735... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | effets extérieurs) ..................................................................................................................................46
Figure 27 : Variation de notre production en fonction de l’évolution tarifaire par
classe ............................................................................... |
10077 | [
0.2660509943962097,
0.12895993888378143,
-0.2747289538383484,
-0.28409048914909363,
-0.17011743783950806,
-1.1287189722061157,
-0.18980711698532104,
0.22836768627166748,
-0.5258799195289612,
0.8756327033042908,
0.35894080996513367,
-0.6072930097579956,
-0.09929031133651733,
0.4786098003387... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | prorogation est déficitaire dans plus 95% des cas, du fait que la rente débitée de ce fonds a été
évaluée à partir d’une mortalité moyenne qui surévalue les probabilités de décès de la population qui
a prorogé par anti-sélection.
Un dernier cas a été étudié, où l’objectif était de modéliser le risque d’erreur d’esti... |
100770 | [
0.0632297545671463,
0.5366424918174744,
-0.07897290587425232,
0.2887789309024811,
-0.7678465843200684,
-0.3146790862083435,
-0.5856493711471558,
0.2486901581287384,
-0.024696331471204758,
0.9083981513977051,
0.2978697717189789,
1.0485749244689941,
-0.1707904189825058,
-0.2720850110054016,
... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | tarifaire.....................................................................................................................................................49
Figure 31 : Ajustement de notre variation de production et Sensibilité ....................50
Figure 32 : Distribution des contrats selon les modalités de no... |
100771 | [
0.34604230523109436,
0.6181027293205261,
0.11875880509614944,
0.20268614590168,
-0.09294858574867249,
-0.6930144429206848,
0.10770123451948166,
-0.0354325957596302,
-0.31794998049736023,
1.0124609470367432,
0.17081254720687866,
1.1194064617156982,
-0.12897637486457825,
-0.1931224763393402,... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Figure 34 : IES pour la segmentation par le nombre de pièces ......................................54
Figure 35 : Distribution des contrats selon le capital déclaré .........................................55
Figure 36 : Ajustement de notre variation de production et Sensibilités par
tranche de capital déclaré ........ |
100772 | [
0.6764267683029175,
0.510967493057251,
0.15365399420261383,
0.5957769751548767,
-0.46994873881340027,
-0.2856075167655945,
-0.07444838434457779,
0.1679920256137848,
0.1991651952266693,
0.8338860273361206,
0.084833525121212,
0.7615848779678345,
0.13023506104946136,
-0.2510228157043457,
-0... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Figure 40 : Tranches de prix conservées ..................................................................................57
Figure 41 : Ajustement de notre variation de production et Sensibilités par
tranche de prix ........................................................................................................ |
100773 | [
-0.08478409796953201,
0.5040677785873413,
-0.1134059876203537,
0.4225236773490906,
-1.1172834634780884,
-0.5147333145141602,
-0.17912481725215912,
0.2650386691093445,
-0.021251913160085678,
1.0794312953948975,
0.1412409543991089,
0.9111360907554626,
0.616770327091217,
0.27272409200668335,
... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | ......................................................................................................................................................................6090
Figure 45 : Mapping des garanties Nouvelle Gamme et produits de l’entité
« Marché » .................................................................. |
100774 | [
0.11250860244035721,
0.5041463375091553,
-0.2363157570362091,
0.05301445722579956,
-0.6868758201599121,
-0.5531328320503235,
-0.1342296302318573,
0.19571453332901,
-0.5120817422866821,
1.241283655166626,
0.1229429617524147,
1.3399977684020996,
0.0882592648267746,
0.08235917240381241,
-0.... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Figure 48 : Exemple de profils tarifés ........................................................................................70
Figure 49 : Distribution des résidus non géographiques - appartements .................71
Figure 50 : Distribution des résidus géographiques – lissage spatial -
appartements ................ |
100775 | [
-0.030991552397608757,
0.8109816312789917,
-0.012189594097435474,
0.14181046187877655,
-0.44865208864212036,
-0.585418701171875,
-0.3473375141620636,
0.23290704190731049,
-0.452392578125,
1.2321120500564575,
0.11287041008472443,
0.9688212871551514,
-0.2107558399438858,
-0.26521554589271545... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Figure 53 : Distribution de l’écart tarifaire AXA NG vs prix Marché (Locataires
d’Appartements) ..................................................................................................................................75
Figure 54 : Valeur moyenne Marché et AXA NG (hors Marge) en fonction du
nombre de pièces... |
100776 | [
-0.10514926165342331,
0.19347110390663147,
0.04279547184705734,
0.43471992015838623,
-0.6570656895637512,
-0.5931076407432556,
-0.10657072812318802,
-0.30194124579429626,
0.17119257152080536,
1.2245490550994873,
0.4269177317619324,
0.7117987275123596,
0.3267380893230438,
0.3161446154117584... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | nouvelles..................................................................................................................................................83
Figure 58 : Marges obtenues sur chacun de nos segments ..............................................8491
Lexique
Anti-sélection : C’est un phénomène écono... |
100777 | [
-0.2584170997142792,
0.030628876760601997,
-0.4879407584667206,
0.039541374891996384,
-0.48363760113716125,
-0.6188704967498779,
-0.05754900723695755,
-0.7780719995498657,
-0.5539726614952087,
1.0254896879196167,
-0.032987479120492935,
0.8263790607452393,
0.2222553938627243,
0.153217092156... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | Il permet de se positionner sur le tarif et/ou les garanties par rapport à la concurrence.
Code INSEE : Il s’agit du code alphanumérique définissant administrativement les 36 000
communes françaises. Il a été mis en place par l’Institut National de la Statistique et des
Etudes Economiques.
Mapping : C’est un pr... |
100778 | [
0.10634704679250717,
0.18143846094608307,
-0.3112469017505646,
0.33175715804100037,
-0.22938603162765503,
-0.5813090205192566,
-0.7646782398223877,
-0.2137623280286789,
0.2542076110839844,
0.7323077917098999,
0.4852941632270813,
0.43809032440185547,
0.15782412886619568,
-0.2081951051950454... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | méthode de fabrication. Dans notre cas, il est utilisé pour déduire le modèle tarifaire à partir
des prix et des caractéristiques d’un ensemble de contrats.
Segmentation : C’est une méthode permettant le découpage du risque en sous-ensembles
distincts et homogènes. Elle permet de donner le tarif le plus proche pos... |
100779 | [
0.12477383017539978,
0.36404547095298767,
0.32508614659309387,
-0.4466612935066223,
0.6627706289291382,
-0.3783254325389862,
0.11243067681789398,
0.10489049553871155,
0.023940015584230423,
0.8153101205825806,
0.1535908281803131,
0.034914761781692505,
0.18588516116142273,
-0.171169042587280... | {
"title": "2017_7fca5a7df41cfffeb80326a785755ab6.pdf"
} | ROMAN TIMOFEEV (2004), « Classification and Regression Trees (CART) Theory and
Applications »
JEROME H. FRIEDMAN (1999), « Greedy Function Approximation : A Gradient Boosting
Machine »
ANNE SABOURIN et JOSEPH SALMON (2015), « Méthodes des K-plus Proches Voisins »
JOSEPH LARMARANGE, ROSELYNE VALLO, SEYDOU YAR... |
10078 | [
-0.04555931314826012,
0.050464652478694916,
-0.20942483842372894,
0.3888683319091797,
-0.04747014120221138,
-0.14526517689228058,
-0.1917024701833725,
-0.11409784853458405,
0.0072949654422700405,
1.2264795303344727,
0.0637759417295456,
-0.03988231346011162,
-0.1633719801902771,
-0.15702971... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | constaté qu’en moyenne, le fonds général de rente était déficitaire sur au terme du contrat
Cependant l’échantillon sur lequel s’est basé cette modélisation (5 années d’historique, faible
exposition) n’était pas consistante pour une modélisation robuste. Ceci s’observait par les tests de
validation proposés par le p... |
100780 | [
-0.14155034720897675,
-0.526638388633728,
0.2362414300441742,
0.16163644194602966,
-0.2532094120979309,
-0.3213539123535156,
0.18002013862133026,
-0.6223633289337158,
-0.13800038397312164,
1.0064060688018799,
0.09746510535478592,
0.8517153263092041,
0.5617655515670776,
0.14204825460910797,... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | TABLE DES MATI`ERES
3
1.10.4 Les dictionnaires de donn´ees de l’UMG
. . . . . . . . . . . . . . . . . . .
29
1.10.5 Contrˆole sur l’exactitude des donn´ees
. . . . . . . . . . . . . . . . . . . .
30
1.10.6 Contrˆole sur les valeurs unitaires . . . . . . . . . . . . . . . . . . . . . . .
30
1.10.7 Contrˆole de coh´erenc... |
100781 | [
0.17518426477909088,
-0.1321672946214676,
0.48318031430244446,
0.1733519732952118,
-0.10534004867076874,
-0.28410637378692627,
0.3746705949306488,
-0.23716692626476288,
0.30751845240592957,
1.2528719902038574,
0.4877684414386749,
0.6122902035713196,
0.5341002345085144,
0.22735533118247986,... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | 37
1.2
Les garanties Pr´evoyance
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
1.3
L’organisme compl´ementaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
2
Les provisions de prestations
40
2.1
La date d’´ech´eance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .... |
100782 | [
0.6678997278213501,
-0.41011810302734375,
0.4850400984287262,
0.0006111814873293042,
0.031880319118499756,
0.25647398829460144,
-0.28524020314216614,
0.3634054958820343,
0.24261410534381866,
1.2241747379302979,
0.18457618355751038,
0.8479456305503845,
-0.2099364548921585,
-0.63044971227645... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | 44
3
M´ethodes d’´evaluation d´eterministes des provisions
47
3.1
Les triangles de run-off . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
3.2
Chain Ladder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
3.2.1
Pr´esentation
. . . . . . . . . . . . . . . . . . . . . . .... |
100783 | [
0.5307967662811279,
0.29285022616386414,
0.4180487096309662,
0.21654734015464783,
-0.5969076752662659,
-0.49220961332321167,
0.08348271995782852,
-0.05608401820063591,
-0.1983974277973175,
0.9663392305374146,
0.48305392265319824,
0.5378988981246948,
0.21421881020069122,
-0.0382789224386215... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | 51
3.3.1
Pr´esentation
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
3.3.2
Le mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
3.4
M´ethode des moindres carr´es de De Vylder
. . . . . . . . . . . . . . . . . . . . .
53
3.4.1
Pr´esentation
. . . . . . . . . . . ... |
100784 | [
0.45777276158332825,
-0.018544502556324005,
0.45108091831207275,
0.23292109370231628,
-0.2848935127258301,
-0.1435750275850296,
0.11286000907421112,
-0.10987775772809982,
-0.47260868549346924,
1.6134639978408813,
0.5349131226539612,
0.7575372457504272,
0.3590087890625,
-0.33147484064102173... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | 55
4.3
Mod`ele de Mack
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
4.3.1
V´erification des hypoth`eses . . . . . . . . . . . . . . . . . . . . . . . . . .
56TABLE DES MATI`ERES
4
4.3.2
La loi normale
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
57
4.3.3
La loi log-norm... |
100785 | [
-0.6107326149940491,
-0.42482051253318787,
0.03105667047202587,
0.7382087707519531,
-0.6778619885444641,
-0.44279325008392334,
0.2972853183746338,
-0.4492332339286804,
-0.012233865447342396,
1.49800705909729,
0.15074379742145538,
1.0274962186813354,
0.5324053168296814,
0.15450604259967804,... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | 61
5.1
La garantie Indemnit´es Journali`eres
. . . . . . . . . . . . . . . . . . . . . . . . .
61
5.1.1
Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
61
5.1.2
Provision pour maintien en incapacit´e . . . . . . . . . . . . . . . . . . . .
61
5.1.3
Provision pour passage d’incapacit´e ... |
100786 | [
-0.20032930374145508,
-0.4557206928730011,
-0.06952313333749771,
0.6643828749656677,
-0.49211329221725464,
-0.24301359057426453,
0.20222674310207367,
-0.045567773282527924,
0.248895063996315,
1.1796355247497559,
0.29175785183906555,
0.888070285320282,
0.6765507459640503,
0.1600482612848281... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | 63
5.2.3
Provision en cas de d´ec`es en invalidit´e . . . . . . . . . . . . . . . . . . . .
63
5.3
Avantages et inconv´enients de la m´ethode ”tˆete par tˆete”
. . . . . . . . . . . . .
64
6
Etats des lieux du provisionnement au sein de l’UMG
65
6.1
P´erim`etre de travail
. . . . . . . . . . . . . . . . . . . . . . . .... |
100787 | [
-0.023066597059369087,
-0.3118964433670044,
-0.0004767966456711292,
0.6082813739776611,
-0.34532949328422546,
-0.2903047204017639,
0.181171253323555,
-0.41788601875305176,
0.3718733787536621,
1.3708558082580566,
0.3525494933128357,
0.7627608776092529,
0.66583651304245,
0.3249017000198364,
... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | 67
6.3.2
La Provision Math´ematique . . . . . . . . . . . . . . . . . . . . . . . . . .
69
7
Applications des m´ethodes d’´evaluation et choix retenus
70
7.1
Les provisions pour sinistres `a payer . . . . . . . . . . . . . . . . . . . . . . . . .
70
7.1.1
Application des m´ethodes pour les garanties sant´e
. . . . . . ... |
100788 | [
-0.3604138195514679,
0.12966042757034302,
0.37093430757522583,
0.2793789207935333,
-0.272499680519104,
-0.2078528255224228,
0.1451081782579422,
-0.22771432995796204,
0.35556328296661377,
1.6189930438995361,
0.029057996347546577,
0.7956584692001343,
0.03850080817937851,
0.08639632910490036,... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | 7.2.2
L’Invalidit´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
7.2.3
Conclusion des calculs des provisions math´ematiques . . . . . . . . . . . . 104
Conclusion
105TABLE DES MATI`ERES
5
A Annexes
i
A.1 Hypoth`ese (H1) de la m´ethode de Chain Ladder pour 2014 pour la garantie Sant´e
i
A.2 ... |
100789 | [
-0.11996876448392868,
0.24033506214618683,
0.20806759595870972,
0.08508173376321793,
-0.19663429260253906,
-0.055411532521247864,
0.3703073561191559,
0.12382073700428009,
0.3793236017227173,
1.6115498542785645,
-0.02407976984977722,
0.7037299871444702,
-0.007869182154536247,
-0.16431908309... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | v
A.5 Hypoth`ese (H2) de la m´ethode de Chain Ladder pour la garantie Indemnit´es
Journali`eres du portefeuille territorial collectif . . . . . . . . . . . . . . . . . . . .
vi
A.6 Triangle compl´et´e et coefficients de d´eveloppement par la m´ethode de Chain Lad-
der pour la garantie Indemnit´es Journali`eres du portefe... |
10079 | [
0.08955272287130356,
-0.05513327196240425,
0.0010762092424556613,
0.38449302315711975,
0.1399582028388977,
-0.5534211993217468,
-0.026460247114300728,
-0.2274058610200882,
-0.2188866287469864,
0.903144896030426,
0.08976369351148605,
0.44066083431243896,
0.19405433535575867,
0.3257731795310... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | les populations considérées étaient composées d’adhérents ayant le même âge, même sexe et
payant le même montant de cotisation. Alors qu’en principe, ces paramètres sont diversifiés.
L’analyse aurait été plus complexe sinon, même si les conclusions générales auraient été similaires.
De plus, seul les primes pures o... |
100790 | [
-0.21898968517780304,
0.13202111423015594,
0.28224489092826843,
0.1376151591539383,
-0.48153775930404663,
-0.5985832214355469,
0.3929651975631714,
-0.5247544050216675,
-0.0017096784431487322,
1.7112232446670532,
-0.03263252228498459,
0.828387439250946,
-0.06209952384233475,
0.0430808030068... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | der - Pond´eration pour la garantie Indemnit´es Journali`eres du portefeuille terri-
torial collectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
viii
A.10 Triangle compl´et´e et coefficients de d´eveloppement par la m´ethode de Chain Lad-
der - Moyenne arithm´etique pour la garantie Indem... |
100791 | [
-0.3509708046913147,
0.3458026945590973,
0.2878780663013458,
0.23231859505176544,
-0.40630653500556946,
-0.22662755846977234,
0.2857905626296997,
-0.22254501283168793,
0.05567800998687744,
1.578209400177002,
-0.03899078816175461,
0.5861964225769043,
0.11487049609422684,
-0.0548035204410553... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | Chain pour la garantie Indemnit´es Journali`eres du portefeuille territorial collectif
x
A.13 Triangle compl´et´e et coefficients de d´eveloppement par la m´ethode des Moindres
carr´es de De Vylder pour la garantie Indemnit´es Journali`eres du portefeuille ter-
ritorial collectif . . . . . . . . . . . . . . . . . . . . .... |
100792 | [
-0.31094929575920105,
0.19339194893836975,
0.13370433449745178,
0.3216673731803894,
-0.09758070111274719,
-0.021363262087106705,
0.17521806061267853,
0.14841943979263306,
0.2623860836029053,
1.3969238996505737,
-0.13717709481716156,
0.5916785597801208,
0.101099394261837,
0.0727143660187721... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | Journali`eres du portefeuille territorial collectif . . . . . . . . . . . . . . . . . . . .
xii
A.17 Bootstrap : ´echantillon des provisions pour la garantie Indemnit´es Journali`eres
du portefeuille territorial collectif . . . . . . . . . . . . . . . . . . . . . . . . . . .
xiv
A.18 Bootstrap : graphique de la densit´... |
100793 | [
-0.3743381202220917,
0.18897514045238495,
0.27107346057891846,
0.4634819030761719,
-0.34317389130592346,
-0.2566726803779602,
0.0965781882405281,
0.13496889173984528,
0.17248789966106415,
1.56206214427948,
-0.11906404793262482,
0.8047131896018982,
0.04621008411049843,
0.17650793492794037,
... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | nit´es Journali`eres du portefeuille territorial collectif . . . . . . . . . . . . . . . . .
xvi
A.21 Triangle de liquidation non cumul´e pour la garantie Invalidit´e du portefeuille
collectif
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xviii
A.22 Hypoth`ese (H1) de la m´ethode de ... |
100794 | [
-0.4189331531524658,
0.13010640442371368,
0.3240501880645752,
0.05140398442745209,
-0.2896948456764221,
-0.37114113569259644,
0.7188147902488708,
-0.06155836954712868,
-0.0064917197450995445,
1.7136648893356323,
0.1352168321609497,
0.520862340927124,
0.033396512269973755,
-0.14026118814945... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | der pour la garantie Invalidit´e du portefeuille collectif
. . . . . . . . . . . . . . .
xx
A.25 Coefficients de d´eveloppement pour la garantie Invalidit´e du portefeuille collectif
xx
A.26 Coefficients de pond´eration pour la m´ethode Chain Ladder - Pond´eration pour la
garantie Invalidit´e du portefeuille collectif . . ... |
100795 | [
-0.27808377146720886,
0.2766146957874298,
0.4186965525150299,
0.4869757294654846,
-0.6221171617507935,
-0.31446585059165955,
0.36076900362968445,
-0.3613862097263336,
-0.01121906004846096,
1.3315863609313965,
-0.11412551999092102,
0.39760881662368774,
-0.09740491211414337,
-0.3121754527091... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | . xxii
A.29 Triangle compl´et´e et coefficients de d´eveloppement par la m´ethode de Chain Lad-
der - Moyenne g´eom´etrique pour la garantie Invalidit´e du portefeuille collectif . . xxii
A.30 Triangle compl´et´e et coefficients de d´eveloppement par la m´ethode de London
Chain pour la garantie Invalidit´e du portefeuille ... |
100796 | [
-0.2642928659915924,
0.28447169065475464,
0.7844266891479492,
0.10488846898078918,
-0.1963776797056198,
-0.06610889732837677,
0.4723014533519745,
-0.0637752041220665,
0.16973568499088287,
1.4505786895751953,
0.0013858996098861098,
0.6756836175918579,
0.3834976553916931,
-0.3109446763992309... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | A.33 Graphique de (Ci,j; Di,j) pour la v´erification de l’hypoth`ese (H3) du mod`ele de
Mack pour la garantie Invalidit´e du portefeuille collectif . . . . . . . . . . . . . . xxiv
A.34 M´ethode Bootstrap : calculs de l’´etape 2 `a l’´etape 8 pour la garantie Invalidit´e
du portefeuille collectif . . . . . . . . . . . .... |
100797 | [
-0.2908773124217987,
0.08823345601558685,
0.3040092885494232,
0.5514301657676697,
-0.2707163095474243,
-0.09019235521554947,
0.04813629761338234,
0.17691506445407867,
0.47619733214378357,
1.4758470058441162,
0.07269175350666046,
0.4343607723712921,
0.24836023151874542,
-0.3929199278354645,... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | A.37 Hypoth`ese (H1) de la m´ethode de Chain Ladder en 2013 pour la garantie Invalidit´e
du portefeuille collectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxviii
A.38 Hypoth`ese (H2) de la m´ethode de Chain Ladder en 2013 pour la garantie Invalidit´e
du portefeuille collectif . . . . . . . . .... |
100798 | [
-0.0016704926965758204,
-0.428445041179657,
-0.14599727094173431,
0.4101532995700836,
-0.6859279870986938,
0.015846265479922295,
-0.49172815680503845,
-0.4692981243133545,
-0.05386294424533844,
0.7922396659851074,
-0.01342654787003994,
0.7017977237701416,
0.2342991977930069,
0.122762471437... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | 7
R´ef´erences
iR´esum´e
La directive Solvabilit´e II, modifi´ee par la directive Omnibus II est entr´ee en application
depuis le 1er janvier 2016. Les articles 44 `a 48 de la directive mettent en place la notion de
fonction cl´e dans la structure organisationnelle de l’organisme d’assurance afin d’accompagner
un syst`em... |
100799 | [
0.14001521468162537,
-0.10583104193210602,
-0.18628674745559692,
0.508182168006897,
-0.32372885942459106,
-0.23943960666656494,
0.008280795067548752,
-0.33848297595977783,
-0.11501573026180267,
0.9237585067749023,
-0.14936882257461548,
0.8036882281303406,
0.7902314066886902,
0.531765341758... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | Groupe, en sant´e et en pr´evoyance. Tout d’abord, nous expliquerons le rˆole et l’importance de la
qualit´e des donn´ees dans le calcul du provisionnement, qui est un enjeu majeur de la directive.
Puis nous pr´esenterons un ´etat des lieux des m´ethodes de provisionnement appliqu´ees au sein de
l’Union Mutualiste de G... |
1008 | [
-0.5686392784118652,
0.2939569056034088,
-0.1893395185470581,
0.6678754091262817,
-0.5470694303512573,
-0.28004521131515503,
0.3189420998096466,
-0.16424867510795593,
-0.16563928127288818,
0.6747985482215881,
0.06971124559640884,
0.44430893659591675,
0.2872079908847809,
0.13866527378559113... | {
"title": "2016_0385d80451de5c2ac868eb3227756a80.pdf"
} | valeur de marché que l’on ne peut relever sur un quelconque marché d’échange.
Essayons alors d’illustrer cette notion de manière intuitive avec l’exemple suivant :
lorsqu’un portefeuille est en run-off, l’assuré ne subit aucun dommage si un tiers prend
2 Sont projetées uni... |
10080 | [
0.45708543062210083,
0.3137219250202179,
0.04968433454632759,
-0.11988092958927155,
-0.14051738381385803,
-0.8859744668006897,
-0.2084883153438568,
0.08118496090173721,
-0.04640758037567139,
0.9715380668640137,
0.7143518328666687,
-0.36778751015663147,
0.21854017674922943,
0.04714663326740... | {
"title": "2016_3090fc160532a2ee243c3ca4be83d406.pdf"
} | Au final, l’ensemble des résultats développés au cours du mémoire montrent qu’une majoration de
rente actuariellement neutre en cas de prorogation semble théoriquement impossible du fait de la
complexité d’anticiper la mortalité de la sous-population qui proroge, par rapport au profil de
mortalité de la population g... |
100800 | [
0.1288047432899475,
0.24480538070201874,
-0.11843982338905334,
0.36927884817123413,
-0.6192902326583862,
0.10981307178735733,
-0.781964898109436,
-0.2980926036834717,
0.019717784598469734,
0.8313149213790894,
-0.33119040727615356,
0.28854653239250183,
-0.16838793456554413,
0.17067182064056... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | des donn´ees.
Mots cl´es : Provisions, Chain Ladder, London Chain, De Vylder, Mack, Bootstrap, qualit´e des
donn´ees
8Abstract
The Solvency II Directive, as amended by the Omnibus II Directive, has been in force since
1 January 2016. Articles 44 to 48 of the Directive introduce the concept of key function in the
organi... |
100801 | [
0.41861429810523987,
-0.3546234965324402,
0.37411051988601685,
0.6826102137565613,
-0.3407585620880127,
-0.38502058386802673,
0.5436421036720276,
-0.14315186440944672,
0.35909581184387207,
1.1167105436325073,
-0.04736654832959175,
0.5483526587486267,
0.41730424761772156,
0.3418848216533661... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | list Union, in Health and Disability Coverage. First, we will explain the role and importance of
data quality in the calculation of reserve, which is a major issue of the Directive. Then we will
present an inventory of the methods of reserve applied within the Union Mutualiste de Groupe,
for the guarantees of Health Co... |
100802 | [
-0.15686021745204926,
-0.5278599858283997,
-0.54390949010849,
0.07999800890684128,
-0.4566067159175873,
-0.32358166575431824,
0.21320322155952454,
-0.22484691441059113,
-0.5232295393943787,
0.6010669469833374,
0.08158986270427704,
0.40474462509155273,
0.6812859177589417,
-0.541368544101715... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | 9Remerciements
Je tiens `a remercier l’ISFA et ses professeurs pour m’avoir donn´e la chance de reprendre
mes ´etudes apr`es avoir quitt´e depuis plusieurs ann´ees les bancs de l’universit´e et de m’avoir
accompagn´e pendant ces trois ann´ees de formation continue.
Je souhaite remercier mon tuteur Christian Robert, pou... |
100803 | [
-0.06707414984703064,
-0.4811657965183258,
-0.38704821467399597,
0.5953997373580933,
-0.47973814606666565,
-0.4562961459159851,
-0.07670451700687408,
-0.49288737773895264,
-0.31545084714889526,
0.11667133867740631,
-0.34690922498703003,
0.0059835477732121944,
0.28128570318222046,
0.3267947... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | Enfin, je remercie mes parents, Pierre et Isabelle, ma soeur, Anne-Julie, mon compagnon Da-
mien, ainsi que mes amis qui ont su ˆetre l`a et qui m’ont soutenu et motiv´e quel que soit les
difficult´es et qui ont compris l’importance de cette formation et le temps pass´e `a ´etudier.
10Introduction
Le besoin europ´een de g... |
100804 | [
0.05093852058053017,
-0.09240444004535675,
-0.21312837302684784,
0.38657844066619873,
-0.40685856342315674,
-0.10177557170391083,
0.11334164440631866,
-0.5456057786941528,
0.021486254408955574,
0.5487318634986877,
-0.09105923026800156,
0.6793390512466431,
0.6899014711380005,
0.170685425400... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | dont l’actuariat, en lien direct avec la Direction G´en´erale, le Conseil d’Administration et son
comit´e en charge des risques.
Ce rapport vise `a mettre en ´evidence le rˆole de coordinateur de la fonction cl´e actuarielle dans
la mise en place du chantier de la qualit´e des donn´ees, enjeu majeur de Solvabilit´e II.... |
100805 | [
0.10002200305461884,
-0.6814492344856262,
-0.23552970588207245,
0.7257140278816223,
-0.3424086272716522,
-0.16502811014652252,
0.1006861999630928,
-0.6609147191047668,
0.1815139204263687,
0.5919845700263977,
0.11854951828718185,
0.6245733499526978,
0.5526787042617798,
0.5272979140281677,
... | {
"title": "2017_80e2609b0b394d82fb6cb39798fa4982.pdf"
} | culation avec la fonction cl´e actuarielle ainsi que les diff´erentes missions de cette derni`ere.
La deuxi`eme partie s’attache `a d´ecrire la mise en place de la qualit´e des donn´ees et sa mise
en oeuvre au sein de l’UMG. Elle pr´esente les diff´erentes ´etapes d’un processus d’identification,
de s´election et de corre... |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.