Categories
- ACTUARIAL DATA SCIENCE
- AFIR / ERM / RISK
- ASTIN / NON-LIFE
- BANKING / FINANCE
- DIVERSITY & INCLUSION
- EDUCATION
- HEALTH
- IACA / CONSULTING
- LIFE
- PENSIONS
- PROFESSIONALISM
- THOUGHT LEADERSHIP
- MISC
ICA LIVE: Workshop "Diversity of Thought #14
Italian National Actuarial Congress 2023 - Plenary Session with Frank Schiller
Italian National Actuarial Congress 2023 - Parallel Session on "Science in the Knowledge"
Italian National Actuarial Congress 2023 - Parallel Session with Lutz Wilhelmy, Daniela Martini and International Panelists
Italian National Actuarial Congress 2023 - Parallel Session with Kartina Thompson, Paola Scarabotto and International Panelists
6 views
0 comments
0 likes
0 favorites
Exploitation d'images de cartes dans la modélisation de la sinistralité en assurance habitation
Abstract : L’évaluation du risque est un sujet central pour chaque compagnie d’assurance, notamment pour la tarification et la politique de sélection des risques. L’efficacité de la stratégie commerciale et la rentabilité d’un assureur dépendent fortement de sa capacité à évaluer précisément chaque risque assuré. Cette évaluation repose sur des modèles statistiques quantifiant pour chaque variable deskriptive du risque son impact sur la sinistralité prévisionnelle. Bien que les modèles linéaires généralisés restent, encore aujourd’hui, prépondérants en assurance non-vie pour réaliser cette modélisation, les dernières années ont vu l’émergence de nouveaux modèles basés sur l’apprentissage statistique pour améliorer les résultats. Cependant, la performance de ces algorithmes dépend de la disponibilité et de la qualité d’une quantité massive de données. Ainsi, la donnée apparaît comme un point stratégique central, aussi bien dans sa collecte que dans son stockage, son nettoyage et son utilisation. Toutefois, une importante part de ces données est disponible sous forme non structurée (image, audio ou vidéo), rendant leur exploitation par les algorithmes usuels de modélisation de la sinistralité impossible ou difficilement réalisable. Parmi elles, on trouve des cartes contenant des données géographiques (une carte des zones inondables en France, par exemple), mais dont la base de données d’origine n’est pas aisément accessible. L’objectif des travaux de ce mémoire est de développer un outil algorithmique capable d’extraire des variables géographiques à partir de cartes légendées au format image. Ces variables pourront ensuite être exploitées pour enrichir la modélisation des risques. Après son développement, cet outil a notamment été mis à contribution dans le cadre de l’évaluation du risque de sécheresse et a permis la création d’un zonier simplifié.
0 Comments
There are no comments yet. Add a comment.