Impact sur la tarification auto d’un changement de législation dans les critères de segmentation (Cas de la suppression de l’âge du conducteur)

Dans le cadre de mon master en sciences actuarielles à l’université catholique de Louvain la neuve, j’ai effectué un mémoire-projet au sein du groupe P&V dans le département pricing non-vie. Après mon intégration dans l’équipe, mon activité quotidienne se resumait à l’apprentissage et à l’application des modèles de pricing non-vie, principalement sur la branche d’assurance responsabilité civile (RC) Auto. L’objectif était d’estimer l’im-pact d’un changement de législation sur la prime. L’étude étant motivée par la possible entrée en vigueur des directives anti-discriminantes qui interdisent la prise en compte de l’âge du conducteur dans la tarification. Dans un premier temps, après un rappel des principes de tarification automobile nécessaires à notre étude et une analyse descriptive des données qui étaient mises à ma disposition par l’entreprise, nous allons effectuer l’implémentation des modèles GAM (general additive model) et GBM (gradient boosting model) respectivement dans R. Par la suite, nous calculerons la prime pure pour chaque modèle et ensuite nous sélec-tionnerons le meilleur modèle à l’aide du critère ABC (area between curves). Une fois la meilleure prime pure selectionnée, nous déterminerons l’écart de subsidiations qui en resulte de la suppression de l’âge du conducteur dans le calcul de la prime commerciale à l’aide des relativités et des doubles lift chart. Et pour conclure, nous proposerons une solution pour compenser la perte de segmentation dû à la suppression de l’âge du conducteur. As part of my master's degree in actuarial sciences at the Catholic University of Louvain la Neuve, I did a project thesis within the P&V Group in the non-life pricing department. After my integration in the team, my daily activity consisted in learning and applying non-life pricing models, mainly in the Motor Third Party Liability (TPL) insurance branch. The objective was to estimate the impact of a change in legislation on the premium.The study was motivated by the possible entry into force of anti-discrimination directives which prohibit the inclusion of the driver's age in the pricing. Initially, after a reminder of the principles of automobile pricing necessary for our study and a descriptive analysis of the data made available to me by the company, we will implement the GAM (general additive model) and GBM (gradient boosting model) models respectively in R. We will then calculate the pure premium for each model and then select the best model using the ABC (area between curves) criterion. Once the best pure premium has been selected, we will determine the subsidy gap resulting from the removal of the driver's age in the calculation of the commercial premium using relativities and double lift charts. And finally, we will propose a solution to compensate for the loss of segmentation due to the removal of the driver's age.