Added description

Séminaire petit déjeuner : Une nouvelle méthodologie d’encodage de variable catégorielle en présence de bruit

Mardi 20 novembre 2018, 9h
Auditorium Gilles Glicenstein, Paris

INSCRIPTION ICI

 

Par Gaël VAROQUAUX, Chercheur en Machine Learning et Imagerie cérébrale, INRIA & INSERM

En apprentissage statistique, les variables catégorielles d’un tableau de données sont généralement considérées comme des objets qu’il faut encoder séparément pour les représenter en variables continues, par exemple, avec un codage de type 0/1. Les données “sales” non retraitées donnent lieu à des variables catégorielles avec une cardinalité très élevée et avec redondance…Continue reading

Filed under: Séminaires trimestriels

Julie JOSSE, professeur de statistiques à l’Ecole Polytechnique, rejoint la chaire DAMI


Spécialiste des données manquantes, Julie Josse contribuera à la recherche sur l’application des méthodes de complétion des données manquantes dans les méthodologies actuarielles.

Plus particulièrement, elle travaillera sur les forêts aléatoires, les méthodes de Gradient Boosting et les glm avec données manquantes.

En savoir plus sur Julie JOSSE

Bienvenue Julie !

 

Filed under: Recrutement

Patrick LAUB rejoint la Chaire DAMI

Patrick LAUB rejoindra la team recherche de la Chaire DAMI en Septembre 2018.

Le Postdoctorant mènera des recherches en Data Analytics avancée et algorithmes de Machine Learning pour l’actuariat et l’assurance. Plus particulièrement, ses travaux porteront sur l’optimisation de la tarification « Risk-based » et le développement de l’analyse prédictive.

Bienvenue Patrick !

Patrick’s Bio : Patrick Laub is a mathematician and software engineer, whose PhD has been in Applied Probability jointly between The University of Queensland and Aarhus University. His research interests include machine learning, computational mathematics, insurance, and finance. For more information, including publications, see https://pat-laub.github.io.

Patrick Laub will join DAMI Chair’s research team in September 2018. He will conduct research on advanced analytics and machine learning algorithms with applications to actuarial sciences and insurance, and in particular, for improving risk-based pricing, and for developing predictive analytics.

Welcome Patrick !

Filed under: Recrutement

Succès pour la première Conférence des Chaires “Chairs’Days” !

Les Chaires et Initiatives de Recherche ACTINFO, ACTUARIAT DURABLE, DAMI et PREVENT’HORIZON, toutes 4 sous l’égide de la Fondation du Risque, Institut Louis Bachelier, ont organisé la première rencontre « Chairs’Days » dans l’auditorium de la FFA, les 11 et 12 juin 2018 :

2 journées au cours desquelles 12 conférenciers invités se sont succédé pour présenter les avancées dans leurs domaines de recherche sur les thématiques Assurance, Actuariat, Données et Modèles.

135 personnes ont pris part à la conférence, parmi lesquels 68% de professionnels issus du monde de l’assurance et 32% d’académiques, chercheurs et doctorants.

En fin de première journée, 15 doctorants ont présenté leurs papiers à l’occasion d’une « Poster Session ».
Nous remercions la Fédération Française de l’Assurance pour son accueil et la mise à disposition de ses locaux.

A high success for the first Conference “Chairs’ Days” !

The Chairs and the Research Initiative of the « Fondation du Risque » : ACTINFO, SUSTAINABLE ACTUARIAL SCIENCE, DAMI and PREVENT’HORIZON, organized a first joint conference  “Chairs’ Days” in the auditorium of the FFA, on June 11th and 12th 2018:
2 days during which 12 guest speakers presented new results in their research fields on Insurance, Actuarial science, Data and Models.
135 persons attended the conference, among whom 68% of professionals from the insurance industry and 32% of academics, researchers and doctoral students.
At the end of the first day, 15 PhD students presented their papers during a “Poster Session”.
We thank the Fédération Française de l’Assurance (French Federation of Insurance) for its hospitality.

Find below links to presentations and posters

Talks :
Katrien ANTONIO – Data Driven Strategies for the Construction of Insurance Tariff Classes
Alexandre BOUMEZOUED – Individual Claims Reserving: What’s New, What’s Not?
Alfred GALICHON – Optimal Transport Tools for Economics, Finance and Data Science
Pierre-Yves GEOFFARD – Intertemporal Moral Hazard in Car Insurance
Meglena JELEVA – Prevention and Risk Perception: Theory and Experiments
Julie JOSSE – Imputation of Mixed Data with Multilevel Singular Value Decomposition
Florence JUSOT – Employer-Mandated Complementary Health Insurance in France: the Likely Effect on Social Welfare
Michael LUDKOVSKI – Gaussian Process Models for Mortality Rates and Improvement Factors
François PANNEQUIN – Insurance, Prevention and Risk Attitudes: Experimental Analyzes
Florian PELGRIN – Valuing Life as an Asset, as a Statistic and at Gunpoint
Dylan POSSAMAÏ – An Introduction to Moral Hazard in Continuous Time and Applications
Julien TRUFIN – Multivariate Modelling of Household Claim Frequencies in Motor Third-Party Liability Insurance

Posters :
Maximilien BAUDRY – Non-Parametric Individual Claim Reserving
Enora BELZ – Aggregate Data and Compositional Variables
Sarah BENSALEM – Optimal Individual Prevention Effort
Steve BRIAND – Time Inconsistency and Delayed Retirement Decision : The French Pension Bonus
Frank CHENG – Stochastic Deflator for an Economic Scenario Generator with Five Factors
My DAM – Optimal Insurance under Smooth Ambiguity
Gilles GABA – Cliometrical Analysis of Economic, Demographic and Anthropological Transitions
Ewen GALLIC – 19th Century French Demography From Collaborative Genealogy Data
Romain GAUCHON – How can an Insurer use Nudge to Increase the Participation in a Prevention Program ?
Arthur MAILLART – Identifying Influential Points to Explain Predictions
Doriane MIGNON – Is Health Insurance Demand Related to Individuals Health Preference ?
Claire MOUMINOUX – Obfuscation and Honesty: Experimental Evidence on Insurance Demand with Multiple Distribution Channels
Anani OLYMPIO – Applications de l’Analytics en Gestion des Risques
Morgane PLANTIER – The Determinants of Prevention and Health Decisions: Role of Insurance and Behavioral Biases
Thibault RICHARD – The Mental Accounting And Insurance Decision

Filed under: Conférences de la chaire

Conférence ASSURANCE, ACTUARIAT, DONNEES & MODELES

Les porteurs de chaires et initiatives de recherche Frédéric PLANCHET & Christian ROBERT(Chaire DAMI), Arthur CHARPENTIER & Romuald ELIE (Chaire ACTINFO), Jean-Louis RULLIERE & Anne-Marie SCHOTT (Chaire PREVENT’HORIZON), Stéphane LOISEL (IDR ACTUARIAT DURABLE) organisent la conférence

ASSURANCE, ACTUARIAT, DONNEES & MODELES
Insurance, Actuarial Science, Data & Models
Lundi 11 et Mardi 12 Juin 2018
A Paris, FFA, 26 Boulevard Haussmann

Ils proposent pour la première fois une conférence de deux jours à la croisée des thématiques qui les rapprochent : Data Science et applications en assurance et finance (données incomplètes, tarification, provisionnement,…), et Prévention et risques (perception des risques; couverture et réduction des risques; auto-assurance, auto-protection  et assurance;  santé publique et prévention,…).

Les conférenciers invités :
Katrien ANTONIO, KU Leuven
Alexandre BOUMEZOUED, Milliman Paris
Alfred GALICHON, New-York University
Pierre-Yves GEOFFARD, Paris School of Economics
Meglena JELEVA, University of Paris Nanterre
Julie JOSSE, Ecole Polytechnique, Paris Palaiseau
Florence JUSOT, Paris Dauphine University
Michael LUDKOVSKI, University of California Santa Barbara
François PANNEQUIN, CREST and ENS Paris-Saclay
Florian PELGRIN, Edhec Business School
Dylan POSSAMAI, Columbia University
Julien TRUFIN, ULB Brussels

L’accès à la conférence est gratuit, sur inscription préalable obligatoire (Membres IA: 12 points PPC)

Informations et inscriptions ici

Filed under: Non classé

La Chaire recrute un Postdoc en Data Science & Machine Learning

Juillet 2018 : Ce poste est pourvu

La Chaire DAMI propose un poste de chercheur postdoctoral expert en Data Science et Machine Learning. En partenariat avec BNP Paribas Cardif, partenaire industriel, le Postdoc mènera des recherches en Data Analytics avancée et algorithmes de Machine Learning pour l’actuariat et l’assurance. Plus particulièrement, les travaux porteront sur l’optimisation de la tarification “Risk-based” et le développement de l’analyse prédictive.

Lieu d’exercice : Lyon et Paris
Durée et période : 1 an (éventuellement 2) à compter de septembre 2018
Veuillez consulter l’offre et les compétences attendues
Contact : christian.robert[at]univ-lyon1.fr

A post-doctoral fellowship in the areas of data science and machine learning is available at the DAMI research chair at the Claude Bernard Lyon 1 University.
The post-doctoral fellow, in collaboration with the industry partner, will conduct research of advanced analytics and machine learning algorithms for actuarial sciences and insurance, and in particular, for improving risk-based pricing, and for developing predictive analytics.
The position is for one year (possibly two years), starting in September/October 2018.
Read more
Contact: christian.robert[at]univ-lyon1.fr

Filed under: Recrutement

Retour sur le petit déjeuner thématique “Projection de la mortalité : Peut-on faire mieux que Lee-Carter ?” par Yahia SALHI

La chaire DAMI a organisé mardi 6 mars son petit déjeuner thématique sur le thème de la Projection de la mortalité: Peut-on faire mieux que Lee-Carter?  70 personnes ont assisté à la présentation par Yahia Salhi d’une nouvelle approche de modélisation de la dynamique des taux de mortalité. La présentation était basée sur l’article « A Class of Random Field Memory Models for Mortality Forecasting », élu Best Paper Award dans la catégorie Demographic Change and Longevity au Congrès Internationale des Actuaires de Berlin (ICA2018).

Yahia Salhi a présenté la modélisation de la surface des taux d’amélioration de la mortalité par des champs auto-régressifs prenant en compte les principaux faits stylisés repérés ces deux dernières décennies: l’effet cohorte, l’inter-dépendance générationnelle et l’hétéroscédasticité des taux d’amélioration. L’approche proposée reproduit tous ces phénomènes avec moins de paramètres que le modèle de Lee-Carter et permet également de prédire des probabilités de décès plus proche des réalisations avec moins de paramètres que le modèle de Lee-Carter.  L’approche propose également une procédure de sélection du « meilleur » modèle pour une meilleure adéquation aux données empiriques en captant les faits stylisés propres à chaque population.

Retrouvez les Slides de la présentation ainsi que la vidéo de la conférence !

Lire l’article

Filed under: Séminaires trimestriels

Risque de longévité et “Longevity megafunds”

par Frédéric Planchet

Les assureurs “retraite” et les fonds de pension sont soumis à un risque de longévité dont la mesure est délicate (cf. Debonneuil et al. [2016]).
La couverture de ce risque peut être envisagée de différentes manières : souscription de couvertures de réassurance, titrisation, diversification avec le risque de décès, etc.
Le développement de fonds mutualisant des recherches médicales constitue une nouvelle approche, initialement développée pour le financement de la recherche sur le cancer et qui connaît maintenant des variantes spécifiques pour les recherches sur la longévité, au travers des “longevity megafunds”.
La capacité de ce nouvel outil de financement à fournir un instrument de couverture efficace du risque de longévité est étudiée dans Debonneuil et al. [2017] : la conclusion est assez prometteuse, il reste à voir comment intégrer ces outils dans le calcul du besoin en capital pour le risque de souscription dans Solvabilité 2.

Références
Debonneuil E., Loisel S., Planchet F. [2017] « Conditions of interest of a longevity megafund for pension funds » , Document de travail, ISFA.
Debonneuil E., Loisel S., Planchet F. [2016] « Do actuaries believe in longevity deceleration? » , Insurance: Mathematics and Economics, to appear.

Lire l’article

Filed under: Articles / Publications

Séminaire petit déjeuner du 6 mars 2018 : “A Class of Random Field Memory Models for Mortality Forecasting”

Yahia Salhi, Chaire DAMI / Laboratoire SAF

Projection de la mortalité: Peut-on faire mieux que Lee-Carter?  

Dans cette présentation nous introduisons une approche alternative, cohérente et parcimonieuse pour modéliser la dynamique des taux de mortalité. Plus précisément, nous considérons la modélisation des améliorations (vitesses de baisse) de la mortalité en utilisant une spécification de champ aléatoire avec une structure causale. Une telle classe de modèles introduit des dépendances parmi les cohortes adjacentes visant à capturer, entre autres, l’effet cohorte et les corrélations entre générations. Le modèle décrit également l’hétéroscédasticité conditionnelle de la mortalité contrairement aux modèles classiques de type Lee-Carter. Le cadre étant général, nous proposons une procédure d’estimation pour les paramètres et nous introduisons une méthodologie de selection du meilleur modèle afin de capter les différents faits stylisés (effet cohorte, dépendance inter-générationnelle et hétéroscédasticité) propre à chaque population. Des applications aux populations générales française, anglaise et américaine sont proposées.

Cette présentation repose sur le papier “A Class of Random Field Memory Models for Mortality Forecasting”, Best Paper Award dans la catégorie Demographic Change and Longevity au prochain Congrès Internationale des Actuaires – ICA18

Abstract: This article proposes a parsimonious alternative approach for modeling the stochastic dynamics of mortality rates. Instead of the commonly used factor-based decomposition framework, we consider modeling mortality improvements using a random field specification with a given causal structure. Such a class of models introduces dependencies among adjacent cohorts aiming at capturing, among others, the cohort effects and cross generations correlations. It also describes the conditional heteroskedasticity of mortality. The proposed model is a generalization of the now widely used AR-ARCH models for random processes. For such a class of models, we propose an estimation procedure for the parameters. Formally, we use the quasi-maximum likelihood estimator (QMLE) and show its statistical consistency and the asymptotic normality of the estimated parameters. The framework being general, we investigate and illustrate a simple variant, called the three-level memory model, in order to fully understand and assess the effectiveness of the approach for modeling mortality dynamics.

Inscrivez-vous en ligne

Filed under: Séminaires trimestriels

Application de Machine Learning pour le calcul des réserves, retour sur la présentation du 28 novembre 2017

Maximilien Baudry et Christian Robert ont présenté leurs premiers travaux de recherche sur l’application du Machine Learning au calcul des réserves… Une nouvelle façon de comprendre le risque porté par des polices d’assurance dans le portefeuille d’une compagnie.

Le Machine Learning se présente ainsi comme un nouvel outil de gestion des risques qui, en parallèle du Chain Ladder utilisé traditionnellement, apporter un angle d’analyse complémentaire pour le calcul des réserves.

102 personnes ont assisté à la conférence dans l’auditorium de BNP Paribas Bergère, où le sujet a soulevé de nombreuses questions sur l’utilisation en pratique et les potentielles mises en production.

Voir les diapos de la présentation

Lire l’article publié

Filed under: Non classé