Guerric Bras

Guerric

Bras

Actuaire

  • Présentation
  • Mémoire
  • Choisir une information

Actuaire certifié et Data Scientist, diplômé de l’ISFA et de l’Institut du Risk Management, doublement spécialisé en protection sociale et data science, à l’aise aussi sur les sujets Non Vie, Guerric est reconnu par l’équipe comme étant la force tranquille.
Proactif, détectant les problèmes sous-jacents il est résolument tourné vers la satisfaction client.
Son expertise, sa grande qualité d’écoute, son calme prépondérant, sa capacité à prendre du recul et sa discrétion font de lui un élément recherché par le collectif de Périclès Actuarial.
Cela fait de lui aussi, une personne clé pour gérer la complexité des données et les faire aboutir vers un résultat qui fait sens.
Il puise sa réflexion dans l’écrit de René Char « L’impossible, nous ne l’atteignons pas, mais il nous sert de lanterne »

Titre
Accélération et sécurisation du processus de tarification sur-mesure : comment limiter les variables tarifaires

Résumé
La tarification de contrats complémentaires sur-mesure en santé collective s’avère de plus en plus complexe et chronophage. En effet, les récents bouleversements législatifs du secteur ont accru le nombre d’études soumises ainsi que leur complexité. La question du respect des dates de réponse pour les appels d’offre ainsi que celle de la qualité des tarifs est alors posée. Comment, dans ce contexte, optimiser les temps de tarification des dossiers et obtenir rapidement une estimation du tarif ? Dans ce mémoire nous tentons de répondre à cette question en nous intéressant à la réduction du nombre de variables à retenir dans les modèles tarifaires. Pour mener à bien cette étude, nous utilisons les tarifications sur-mesure effectuées par le cabinet ACTUARIS depuis 2009. Dans cette base de données sont disponibles : les données démographiques des salariés couverts, le détail des garanties santé ainsi que le tarif technique associé. La première étape de ce mémoire a été d’uniformiser l’ensemble de ces études et de les placer dans un référentiel commun. Pour pouvoir comparer facilement les garanties entre-elles, elles ont toutes été remplacées par leurs équivalents euro. L’algorithme CART a ensuite été utilisé pour déterminer les variables les plus importantes dans les processus tarifaires actuels. Les résultats de cet algorithme, confirmés par l’utilisation de modèles linéaires généralisés, ont permis de réduire de près de 90% la dimensionnalité du modèle. Dès lors qu’il ne reste plus que les variables apportant le plus d’information (10%), il a ensuite fallu calibrer un modèle permettant d’obtenir une estimation du tarif. Pour cela, nous avons utilisé les réseaux de neurones. L’utilisation de cette méthode nous a permis d’approcher le tarif à plus ou moins 9%. Pour réduire encore l’erreur d’estimation, la méthode dite du gradient boosté a été appliquée à des arbres de régression. Son application a permis de réduire la fonction d’erreur par rapport aux réseaux de neurones. Grâce à cet algorithme, nous avons obtenu de meilleures estimations des tarifs à partir d’un nombre réduit de variables. De plus, la simplicité d’utilisation des arbres de régression permet de créer facilement des maquettes de calculs pour comparer ou estimer les tarifs. On démontre ainsi qu’il est possible d’obtenir une estimation tarifaire à partir d’un nombre réduit de variables pour permettre d’optimiser et de sécuriser le processus de tarification sur-mesure.

navigation

Pour partager cette fiche, entrez une adresse mail valide :

Envoyer