Actuariat sous R


Objectif

La première séance commence par un rappel de l’environnement R, des opérations de base, de l’import/export de données et la calibration de modèle paramétrique (sans variable explicative). Les deux séances sont dédiées aux modèles de régressions les plus utilisés (LM, GLM) dans le cadre d’une tarification d’assurance non-vie, ainsi que les modèles plus avancés pour tarifier les polices selon l’expérience. La quatrième séance traite des modèles de provisionnement du type Chain-Ladder et de l’utilisation de la théorie des valeurs extrêmes en réassurance. Les deux dernières séances sont consacrées aux modèles d’assurance vie pour répondre à des objectifs de tarification, de projection et de provisionnement.
Principaux acquis de la formation : à l’issue du cours, l’étudiant saura
– Réaliser toutes les opérations de manipulations de données (import et export) ;
– Calibrer un modèle paramétrique sur des données discrètes ou continues ;
– Définir et calibrer un modèle de tarification d’assurance non-vie en sélectionnant les variables de risque les plus significatives ;
– Définir et calibrer un modèle de tarification d’assurance vie ;
– Evaluer les provisions d’assurance par les méthodes standards

Plan

Introduction générale à l’environnement R
Partie 1 : Actuariat non-vie
– 1.1 Modèles de régression standards (LM, GLM) pour calibrer le modèle collectif
– 1.2 Modèles de tarification selon l’expérience pour données longitudinales
– 1.3 Provisionnement et réassurance
Partie 2 : Actuariat vie
– 2.1 Risques viagers et équité actuarielle
– 2.2 Construction de tables de mortalité prospectives

Références

Charpentier A. (2014), Computational Actuarial Science with R, Chapman and Hall/CRC.
Kaas, R., Goovaerts, M., Dhaene, J., Denuit, M. (2008), Modern Actuarial Risk Theory