Mémoires d'Actuariat
Prédiction de la sinistralité en assurance annulation
Auteur(s) BAUMARD L.
Société Europ Assistance Holding
Année 2025
Résumé
L'assurance annulation est un des risques majeurs de l'assurance voyage. Cette garantie offre une protection financière en cas d'événements imprévus empêchant le voyage. Depuis la pandémie du Covid-19, le volume d'activité s'est intensifié, entraînant une forte croissance du marché. Par conséquent, les compagnies d'assurance doivent ajuster leur suivi de rentabilité. L'expansion de ce marché nécessite un pilotage précis de la sinistralité des garanties annulation. Dans ce contexte, ce mémoire cherche à prédire la sinistralité de la garantie annulation à partir des données mensuelles d'un partenaire commercial spécifique. En premier lieu, il convient de comprendre les spécificités des polices annulation, vendues en B2B2C par des intermédiaires tels que des agences de voyage en ligne. Ensuite, un Modèle Linéaire Généralisé (GLM) est utilisé pour prédire la sinistralité de la garantie annulation. Les variables utilisées dans ce modèle sont des variables dites de souscription, disponibles dès l'achat d'une police d'assurance. Le GLM, apprécié pour sa transparence et son interprétabilité, permet de prédire l'Incurred in Percentage of Trip Cost, charge de sinistres en fonction du coût du voyage, pour chaque contrat. Ce modèle performant permet d’intégrer les résultats dans les outils de pilotage et de suivi de rentabilité. Enfin, un modèle de Gradient Boosting (GBM) est conçu pour prédire la charge de sinistres sur les mois de départ à venir, à l'aide d'informations sur la sinistralité déjà développée. L'étude de ce modèle, conçu à l'aide de variables de souscription et de sinistralité, montre que la combinaison de ce type de variables n'est pas pertinente.
Abstract
Cancellation insurance is one of the major risks in travel insurance. This coverage offers financial protection in the event of unforeseen events preventing travel. Since the Covid-19 pandemic, the volume of business has intensified, leading to rapid growth in the travel insurance market. As a result, insurance companies are having to adjust their profitability monitoring. The expansion of this market requires precise management of the claims experience for cancellation cover. Against this backdrop, this dissertation seeks to predict the claims experience of cancellation cover based on monthly data from a Europ Assistance business partner. First, it is necessary to understand the specific features of cancellation policies, which are mainly sold on a B2B2C basis via partners such as online travel agencies. Then, a Generalized Linear Model (GLM) is used to predict the claim frequency for trip cancellation coverage. The variables used in this model are underwriting variables, available at the time of purchasing an insurance policy. The GLM, valued for its transparency and interpretability, is used to predict the Incurred in Percentage of Trip Cost, which represents the claim costs as a percentage of the trip cost, for each contract. This efficient model allows the results to be integrated into tools for monitoring and managing profitability. Finally, a Gradient Boosting Mode (GBM) is implemented to predict the claim costs for upcoming departure months using information on already-developed claims. The study of this model, built using underwriting and claims-related variables, shows that the combination of such variables is not relevant. The predicted claim costs for future departure months depend on the developed claims at the time the prediction is made.
Mémoire complet
Auteur(s) BAUMARD L.
Société Europ Assistance Holding
Année 2025
Résumé
L'assurance annulation est un des risques majeurs de l'assurance voyage. Cette garantie offre une protection financière en cas d'événements imprévus empêchant le voyage. Depuis la pandémie du Covid-19, le volume d'activité s'est intensifié, entraînant une forte croissance du marché. Par conséquent, les compagnies d'assurance doivent ajuster leur suivi de rentabilité. L'expansion de ce marché nécessite un pilotage précis de la sinistralité des garanties annulation. Dans ce contexte, ce mémoire cherche à prédire la sinistralité de la garantie annulation à partir des données mensuelles d'un partenaire commercial spécifique. En premier lieu, il convient de comprendre les spécificités des polices annulation, vendues en B2B2C par des intermédiaires tels que des agences de voyage en ligne. Ensuite, un Modèle Linéaire Généralisé (GLM) est utilisé pour prédire la sinistralité de la garantie annulation. Les variables utilisées dans ce modèle sont des variables dites de souscription, disponibles dès l'achat d'une police d'assurance. Le GLM, apprécié pour sa transparence et son interprétabilité, permet de prédire l'Incurred in Percentage of Trip Cost, charge de sinistres en fonction du coût du voyage, pour chaque contrat. Ce modèle performant permet d’intégrer les résultats dans les outils de pilotage et de suivi de rentabilité. Enfin, un modèle de Gradient Boosting (GBM) est conçu pour prédire la charge de sinistres sur les mois de départ à venir, à l'aide d'informations sur la sinistralité déjà développée. L'étude de ce modèle, conçu à l'aide de variables de souscription et de sinistralité, montre que la combinaison de ce type de variables n'est pas pertinente.
Abstract
Cancellation insurance is one of the major risks in travel insurance. This coverage offers financial protection in the event of unforeseen events preventing travel. Since the Covid-19 pandemic, the volume of business has intensified, leading to rapid growth in the travel insurance market. As a result, insurance companies are having to adjust their profitability monitoring. The expansion of this market requires precise management of the claims experience for cancellation cover. Against this backdrop, this dissertation seeks to predict the claims experience of cancellation cover based on monthly data from a Europ Assistance business partner. First, it is necessary to understand the specific features of cancellation policies, which are mainly sold on a B2B2C basis via partners such as online travel agencies. Then, a Generalized Linear Model (GLM) is used to predict the claim frequency for trip cancellation coverage. The variables used in this model are underwriting variables, available at the time of purchasing an insurance policy. The GLM, valued for its transparency and interpretability, is used to predict the Incurred in Percentage of Trip Cost, which represents the claim costs as a percentage of the trip cost, for each contract. This efficient model allows the results to be integrated into tools for monitoring and managing profitability. Finally, a Gradient Boosting Mode (GBM) is implemented to predict the claim costs for upcoming departure months using information on already-developed claims. The study of this model, built using underwriting and claims-related variables, shows that the combination of such variables is not relevant. The predicted claim costs for future departure months depend on the developed claims at the time the prediction is made.
Mémoire complet
