Modèle basé sur le partitionnement récursif

L'objectif de ce mémoire est de confronter le modèle de partitionnement récursif au modèle linéaire généralisé dans le cadre de l'assurance. L'algorithme du modèle de partitionnement procède en quatre étapes : 1) ajuste un modèle paramétrique à l'ensemble des observations, 2) test l'instabilité des paramètres sur un ensemble de variables dites de partitionnements, 3) s'il y a instabilité, divise les observations par rapport à la variable ayant la plus forte instabilité, 4) répète le processus dans chaque sous-ensemble résultant de la division. Le résultat final est donc un arbre de décision où chaque noeud terminal est le modèle paramétrique ajusté aux sous-ensembles de l'échantillon initial. Le mémoire parcourt les étapes de l'algorithme en détail et confronte les deux modèles sur des données en assurance. The purpose of this thesis is to define if the model-based recursive partitioning perform better than the generalized linear model in the insurance context. The algorithm of this partitioning model proceed as follow : 1) fit a parametric model to the observations, 2) test for parameter instability over partitioning variables, 3) if there are some instabilities, divide the observations over the partitioning variable with the highest instability, 4) repeat the process in each subset resulting from the division. The result is then a decision tree where each terminal node is the parametric model fitted to the subsets of observations in the basic sample. The thesis go through the step of the algorithm in details and compare the two models with data in insurance.