Catégorie : Recrutement

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

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

La chaire DAMI recrute un post-doctorant en Modélisation Quantitative

UTILISATION DES DEFLATEURS STOCHASTIQUES POUR LE CALCUL DE LA VALEUR ECONOMIQUE DES CONTRATS D’ASSURANCE-VIE

See the english version

La Chaire DAMI est une chaire de recherche financée par BNP Paribas Cardif qui s’intéresse aux problématiques liées aux Données et Modèles en Assurance (http://chaire-dami.fr/). Elle propose un financement post doctoral dans le cadre de son axe de recherche “Modèles pour l’assurance”.

Caractéristiques du poste
Nous recherchons un(e) docteur(e) en actuariat ou en finance quantitative avec une forte appétence pour le contexte spécifique à l’assurance et la modélisation quantitative. Les travaux comportent un volet théorique ainsi que la mise en place d’applications avec des outils comme R ou Python.
Le financement est prévu pour une durée d’un an avec possibilité de prolongation de 6 mois ou un an.
Le poste est basé à Lyon, au sein du laboratoire SAF.
La rémunération est à discuter en fonction du profil du candidat.

Thème de recherche
La logique générale de calcul de la valeur économique d’un contrat d’assurance-vie est présentée dans les chapitres 4 et 5 de Laurent et al. (Ed.) [2016].
De manière schématique, la valeur d’un tel contrat est assimilée au « prix » du contrat vu comme un actif dérivé des différents facteurs de risque financiers auxquels est soumis l’assureur (taux, actions, crédit, etc.). Dès lors, les méthodes construites sur la base de l’absence d’opportunité d’arbitrage en finance de marché sont utilisées. Leur utilisation est toutefois rendue délicate du fait de :

  • l’absence de prix observable (cf. Félix et Planchet [2015],
  • l’impossibilité de décrire analytiquement la fonction de détermination des flux en fonction des facteurs de risque, les flux étant obtenus via un algorithme complexe (cf. le chapitre 4 de Laurent et al. (Ed.) [2016]).

La pratique de place qui s’est progressivement imposée consiste à modéliser les facteurs de risque sous une probabilité risque neutre (dont le choix parmi l’ensemble des probabilités possibles n’est que rarement discuté), ce qui évite d’expliciter la forme du prix de marché du risque implicitement associé.
Outre les difficultés induites par l’utilisation de cette modélisation « risque neutre » dans le modèle ALM de production des flux (cf. Félix et Planchet [2016]), la cohérence entre la modélisation « historique » utilisée par exemple dans l’ORSA (cf. le chapitre 4 de Laurent et al. (Ed.) [2016]) et la modélisation des facteurs pour la valorisation n’est pas assurée.
Dans ce contexte, une alternative consiste à utiliser des déflateurs stochastiques, comme dans Dastarac et Sauveplane [2010] ce qui permet d’utiliser des scénarios en probabilité historique, la valorisation des options étant alors intégrée dans le noyau d’actualisation.
Avec ce type d’approche, les fonctions de réaction utilisées dans la construction des flux n’ont dès lors plus à être étendues à des plages de valeurs « extrêmes », courante sous la probabilité Q mais rares sous P.
La difficulté est déplacée au niveau de la construction du processus d’actualisation (déflateur), qui implique de modéliser explicitement le « prix de marché du risque ».
Une synthèse de cette approche est décrite dans Caja et Planchet [2010] et un exemple de mise en œuvre pour des contrats d’épargne en € avec un environnement économique simplifié est proposé dans Dastarac et Sauveplane [2010]. Les auteurs construisent explicitement le déflateur dans un marché à deux actifs (actions et taux) en introduisant un aléa sur le prix de marché du risque.
On peut également mentionner sur ce registre, pour ce qui concerne le risque de taux, le travail de Dubaut [2015], qui s’appuie sur le cadre proposé dans Turc et al. [2009]. Ce cadre est un cas particulier de l’approche plus générale présentée dans Christensen et al. [2010], qui exploite les propriétés du modèle de Nelson-Siegel vu en tant que modèle de taux à structure affine.
Le travail de recherche consistera donc à construire un déflateur intégrant les sources de risque financiers majeurs auxquelles l’assureur se trouve exposé (taux, action, crédit, inflation) et à décrire un cadre opérationnel pour le calcul de valeurs économiques de contrats d’assurance-vie dans un cadre réaliste, utilisable par un assureur pour les calculs qu’il réalise dans le cadre du pilier 1 de Solvabilité 2. Ce cadre opérationnel sera décliné à la fois d’un point de vue théorique, avec une description formelle du modèle et d’un point de vue pratique, avec une implémentation en R ou Python.

Contact
Frédéric PLANCHET
Professeur à l’Université Claude Bernard, Lyon 1
Laboratoire SAF
Frederic.planchet@univ-lyon1.fr

Télécharger au format pdf
Download pdf

Références:
Caja A., Planchet F. [2010] « La mesure du prix de marché du risque : quels outils pour une utilisation dans les modèles en assurance ? », Assurances et gestion des risques, Vol.78 (3/4).
Christensen J.H.E.; Diebold F.X.; Rudbush G.D. [2010] « The Affine Arbitrage-Free Class of Nelson-Siegel Term Structure Models », Federal Reserve Bank of San Francisco, WP n°2007-20.
Bonnin F., Combes F., Planchet F., Tammar M. [2015] « Un modèle de projection pour des contrats de retraite dans le cadre de l’ORSA », Bulletin Français d’Actuariat, vol. 14, n°28.
Dastarac H., Sauveplane P. [2010] « Les déflateurs stochastiques : quelle utilisation en assurance ? », Mémoire d’actuaire, ENSAE.
Dubaut E. [2015] « Risque à la hausse des taux : le modèle MENIR », Mémoire de M2, ISFA.
Félix J.P., Planchet F. [2016] « Groupe de travail Risque-Neutre : synthèse des travaux », Chaire DAMI, Réf. 1227-20 v1.2 du 16/12/2016.
Félix J.P., Planchet F. [2015] « Calcul des engagements en assurance-vie : quel calibrage ‘cohérent avec des valeurs de marché’ ? », L’Actuariel, n°16 du 01/03/2015.
Laurent J.P., Norberg R., Planchet F. (editors) [2016] Modelling in life insurance – a management perspective,  EAA Series, Springer.
Planchet F., Leroy G. [2013] « Risque de taux, spread et garanties de long terme », la Tribune de l’Assurance (rubrique « le mot de l’actuaire »), n°178 du 01/03/2013.
Turc J., Ungarl S., Kurpel A., Huang C. [2009] « Filtering the interest rate curve : the MENIR framework », Société Générale, Fixed Income du 27/11/2009.

Filed under: Recrutement

Projet de thèse – Données incomplètes et Apprentissage statistique

La Chaire DAMI est une chaire de recherche financée par BNP Paribas Cardif qui s’intéresse aux problématiques liées aux Données et Modèles en Assurance (http://chaire-dami.fr/). Elle propose, pour une durée de trois ans, un financement de thèse dans le cadre de son axe de recherche “Analyse des données pour l’assurance”.

Les données d’assurance sont souvent incomplètes. Dans le cas des assurances de personnes, il est fréquent d’avoir des données de survie censurées, voire tronquées. Dans le cas des assurances de type Responsabilité Civile où les montants des sinistres ne sont évalués que très tardivement après leur réalisation, il est nécessaire de calculer des montants de réserve avec une information partielle. Pour proposer de nouveaux produits d’assurance à des clients, il faut réussir à définir leur besoin et leur niveau de risque en ayant observé leur comportement sur d’autres produits. La détection de fraudes en assurance est souvent construite à partir d’algorithmes n’observant qu’un nombre limité d’exemples de fraude avérée.

L’objectif de la thèse est d’identifier dans un premier temps les schémas de perte d’information les plus fréquents en assurance et d’y associer des techniques d’apprentissage permettant de tenir compte de l’information partielle. Dans un second temps, le doctorant proposera des nouvelles techniques d’apprentissage ou des évolutions de techniques existantes en fonction des schémas clés qui auront été identifiés.

Parmi les schémas possibles de perte d’information, on pourra citer:

  • la censure (à droite, à gauche, par intervalle,…) et la technique d’arbre de régression (Lopez et al. (2015));
  • la troncature (observation que d’une partie des modalités de la variable à expliquer) et les techniques du type One-class/Multi-class classification, Positive and Unlabeled learning,…;
  • l’étiquetage échantillonné (une petite partie seulement des données ont été étiquetées de manière plus ou moins aléatoire) et les techniques d’apprentissage semi-supervisé.

Nous recherchons un(e) étudiant(e) de Master 2 en Data science, ou en Intelligence artificielle et Décision ou en Actuariat avec une forte appétence pour le Machine Learning.

LES CANDIDATURES POUR CE PROJET DE THESE SONT CLOSES !

Références:
– Shehroz Khan, Michael Madden (2013). One-Class classification: taxonomy of study and review of techniques, arXiv:1312.0049.
– Olivier Lopez, Xavier Milhaud, Pierre-Emmanuel Thérond  (2015). Tree-based censored regression with applications to insurance, hal-01141228v1.
– Xiaojin Zhu, Andrew Goldberg (2009). Introduction to semi-supervised learning. Morgan & Claypool.

Projet thèse SAF-130408

Filed under: Recrutement