Akur8 publie aujourd’hui un nouveau rapport de recherche destiné à la communauté actuarielle intitulé « Credibility and Penalized Regression ». Elaboré par une équipe d’actuaires et de data scientists d’Akur8, ce nouveau document a pour objectif de fournir aux professionnels du secteur des concepts et des intuitions clés démontrant comment la régression pénalisée mêle les modèles linéaires généralisés (GLM) aux hypothèses de crédibilité.
Ces dernières années, des adaptations ont été développées en réponse à certaines lacunes des GLM, comme leur incapacité à incorporer des hypothèses de crédibilité. Ces adaptations sont largement adoptées au sein de la communauté du machine learning, même si elles ne sont pas très populaires dans le monde actuariel. Les méthodes de crédibilité et les GLM font partie de la boîte à outils standard des actuaires en matière de modélisation prédictive, mais il existe peu de documentation actuarielle sur la régression pénalisée mêlant crédibilité et GLM.
« En étudiant comment la régression pénalisée (et le lasso en particulier) peut être interprétée du point de vue de la crédibilité et des GLM, cette publication permet de familiariser les professionnels du secteur à la régression pénalisée comme une extension des techniques actuarielles reconnues, au lieu de la considérer comme une nouvelle technique de modélisation parmi d’autres dans les ouvrages de machine learning et de data science », déclare Guillaume Beraud-Sudreau, cofondateur et Chief Actuary d’Akur8.
« Les actuaires et data scientists d’Akur8 ont travaillé ensemble pour produire ce rapport de recherche exhaustif sur la crédibilité et la régression pénalisée. Nous sommes ravis de publier ces informations dans un souci d’aider à élargir la littérature à disposition de la communauté actuarielle sur ce sujet important », déclare Samuel Falmagne, cofondateur et CEO d’Akur8.
Spécialement conçue pour les actuaires, la solution d’Akur8 optimise les processus de tarification des assureurs en automatisant la modélisation des primes techniques et commerciales à l’aide d’une technologie brevetée et transparente de machine learning. Les principaux avantages pour les assureurs sont une réduction du temps consacré à la préparation et à la modélisation des données, ce qui accélère les délais de commercialisation. Les modèles sont plus prédictifs, tout en garantissant une transparence et un contrôle absolu des modèles créés.
Vous pouvez télécharger le rapport ici : https://bit.ly/Akur8-Credibility-And-Penalized-Regression
À propos d’Akur8
Akur8 révolutionne la tarification assurantielle grâce à l’IA Transparente, en renforçant les capacités de tarification des assureurs avec une vitesse et une précision inégalées tout au long du processus de tarification, tout en conservant transparence et contrôle.
Notre plateforme de tarification modulaire automatise la modélisation des primes techniques et commerciales. Elle permet aux assureurs de calculer des tarifs ajustés et précis, en accord avec leur stratégie commerciale, tout en ayant un impact business positif et en conservant un contrôle absolu des modèles créés, comme l’exigent les régulateurs du monde entier. Akur8 offre une modélisation 10x plus rapide, des modèles 10% plus prédictifs et un potentiel d’amélioration du rapport sinistres/primes de 2 à 4 %.
Akur8 compte déjà plus de 40 clients dans plus de 20 pays, dont AXA, Generali et Munich Re, les assureurs spécialisés Canopius et Tokio Marine Kiln, les assurtechs Luko et Wakam, les mutualistes MAIF et Matmut, et l’assureur santé AG2R LA MONDIALE. 600 actuaires utilisent quotidiennement Akur8 pour construire leurs modèles de tarification, pour leurs lignes individuelles et commerciales en Dommages et Santé.
Le texte du communiqué issu d’une traduction ne doit d’aucune manière être considéré comme officiel. La seule version du communiqué qui fasse foi est celle du communiqué dans sa langue d’origine. La traduction devra toujours être confrontée au texte source, qui fera jurisprudence.
Consultez la version source sur businesswire.com : https://www.businesswire.com/news/home/20220329005010/fr/
