Conférences de la chaire

Data Science in Finance and Insurance
15 septembre 2017, à Louvain-La-Neuve (Belgique)
Workshop organisé dans le cadre de la chaire DAMI, en collaboration avec l’ISBA (Institute of Statistics, Biostatistics and Actuarial) de l’UCL, Université Catholique de Louvain

Parmi les speakers invités :

  • Said Achchab, ENSIAS
  • Katrien Antonio, KUL
  • Bart Baesens, KUL
  • Sébastien Conort, BNP Paribas Cardif
  • Silvia Figini, University of Pavia
  • Guojun Gan, Connecticut University (tbc)
  • Montserrat Guillen, Barcelona University
  • Gareth Peeters, UCLondon (tbc)
  • Christian Robert, Laboratoire SAF, UCBL
  • Sébastien de Valeriola, UCL
  • Michalis Vazigiannis, Ecole Polytechnique


For banks and insurance companies, the systematic use of data science will become a strategic growth lever. Profits will materialise through accelerated and more accurate decision processes, as well as an increased clients’ satisfaction thanks to more personalised offers and services. They could also hope to better manage their risks and to gain productivity. The aim of the conference is to promote financial and insurance applications of data science.

Coordinateurs scientifiques : Christian Robert (labo SAF, chaire DAMI) & Donatien Hainaut (UCL, chaire DAMI)

Conférence ouverte au public
Inscription : 100€

Informations et inscriptions ici


Montserrat GUILLEN
Telematics and the natural evolution of pricing in motor insurance
Telematics is a revolution in data analytics when applied to motor insurance, but the transition to a fully data-driven dynamic pricing is challenging. We present methods to quantify risk with applications to usage-based motor insurance. We show illustrations by modelling the time to the first crash and show that it is shorter for those drivers with less experience. The risk of accident increases with excessive speed, but the effect is higher for men than for women among the more experienced drivers. Additionally, nighttime driving reduces the time to first accident for women but not for men. Gender differences in the risk of accident are mainly attributable to the fact that men drive more often than women. We explore alternative methods to include mileage in the quantification of risk, as well as the way exposure to risk is contemplated in generalized linear models.  We also investigate changes in driving patterns after having an accident, and conclude that those who speed more and have accidents with bodily injuries reduce their proportion of speed violations after the accident. We show how to adapt existing models for pricing by kilometer driven, with a correction based on telematics information. We also introduce ideas about other aspects of optimal pricing in motor insurance by looking at the possibility of customer lapse.

Guojun GAN
Valuation of Large Variable Annuity Portfolios: Challenges and Potential Solutions
In the past decade, the rapid growth of variable annuities  has posed great challenges to insurance companies especially when it comes to valuing the complex guarantees embedded in these products. The financial risks associated with guarantees embedded in variable annuities cannot be adequately addressed by traditional actuarial approaches. In practice, dynamic hedging is usually adopted by insurers and the hedging is done on the whole portfolio of VA contracts. Since the guarantees embedded in VA contracts sold by insurance companies are complex, insurers resort to Monte Carlo simulation to calculate the Greeks required by dynamic hedging but this method is extremely time-consuming when applied to a large portfolio of VA contracts. In this talk, I will talk about two major computational problems associated with dynamic hedging and present some potential solutions based on statistical learning to address these computational problems.

Sébastien de VALERIOLA
Decision trees & random forest algorithms in credit risk assessment
An increasing number of bankers and insurers now embed machine learning techniques in their operational processes. In this talk, we review the deployment of such a technique in a real-life company. More specifically, we present the implementation of a tree-based loss given default model. We highlight the advantages and disadvantages of these methods when considering their practical use in the industry, and show some of the issues we faced in the course of this implementation.

Satellite Data and Machine Learning for Weather Risk Management and Food Security
The increase in frequency and severity of extreme weather events poses challenges for the agricultural sector in developing economies and for food security globally. In this paper, we demonstrate how machine learning can be used to mine satellite data and identify pixel-level optimal weather indices that can be used to inform the design of risk transfers and the quantification of the benefits of resilient production technology adoption. We implement the model to study maize production in Mozambique, and show how the approach can be used to produce country-wide risk profiles resulting from the aggregation of local, heterogeneous exposures to rainfall precipitation and excess temperature. We then develop a framework to quantify the economic gains from technology adoption by using insurance costs as the relevant metric, where insurance is broadly understood as the transfer of weather driven crop losses to a dedicated facility. We consider the case of irrigation in detail, estimating a reduction in insurance costs of at least 30%, which is robust to different configurations of the model. The approach offers a robust framework to understand the costs vs. benefits of investment in irrigation infrastructure, but could clearly be used to explore in detail the benefits of more advanced input packages, allowing for example for different crop varieties, sowing dates, or fertilizers.

A hybrid deep network approach for predictive analysis of massive and incomplete data of insurance
In this work we focus on machine learning methods in a context of massive and incomplete data of insurance. We adopt hybrid deep learning method for segmentation, classification and mapping of customer profiles to better understand their behavior in relation to existing insurance products and an optimized management of the of disasters cover.
We show in particular that the deep learning method gives more accurate results than classical neural networks. We illustrate the results on real data from an insurance company.

Probabilités et Applications en Assurance et en Finance
31 juillet – 3 août 2017, au VIASM (Hanoi-Vietnam)

L’objectif principal de cette conférence, organisée par Didier Rullière et Nabil Kazi-Tani, membres de la chaire DAMI, est de réunir des chercheurs de renommée internationale dont la spécialité est l’application des probabilités à l’assurance et à la finance, afin d’encourager les échanges scientifiques entre les participants et créer des synergies. Notre but est notamment de lancer des projets de recherche communs en assurance et en finance avec des chercheurs vietnamiens.

La chaire DAMI apporte une participation financière à l’organisation du Workshop et l’équipe vietnamienne de BNP Paribas Cardif sera partie prenante de cet événement.

Thématiques de la conférence :

  • Mesures de risque, Incertitude de modèle
  • Modèles de dépendance, analyse multivariée
  • Tarification en assurance et en finance
  • Processus stochastiques, Simulation et schémas numériques
  • Big data et Machine learning
  • Allocation, contrôle optimal

EAJ 2016 & Université d’été de l’Institut des Actuaires
6, 7 & 8 septembre 2016
La 3ème édition de la conférence internationale de l’European Actuarial Journal a réuni 224 participants académiques et professionnels, autour de thématiques actuelles en sciences actuarielles.
La chaire DAMI ont notamment co-organisé et sponsorisé plusieurs sessions sur les thèmes en lien avec ses travaux.
Toutes les informations sur la conférence sur

27 & 28 juin 2016
Première édition d’un atelier de recherche organisé conjointement par le Laboratoire SAF et l’université de Columbia de New-York City sur les sciences actuarielles, le Quantitative Risk Management et le Data Science pour l’assurance et la finance.


Pendant 2 jours, se succéderont des conférences sur les thématiques de la chaire DAMI de BNP Paribas Cardif données par des chercheurs des labo SAF et Columbia ainsi que par des invités spéciaux.
Au terme du séminaire, une cérémonie aura lieu en l’honneur d’Emil Julius Gumbel, célèbre statisticien et ancien professeur à l’ISFA et à l’Université de Columbia.

Retour sur le premier Lyon-Columbia Workshop en images :


6 & 7 octobre 2015
2 journées pour marquer la conclusion de 5 années de recherche et le début d’un nouveau projet.


La Chaire BNP Paribas Cardif «Management de la Modélisation en Assurance» (2010-2015) de l’ISFA a organisé une conférence de clôture pour son premier projet de recherche qui a également permis de développer les nouvelles thématiques de son second projet (2015-2020).
Le thème de la conférence, «Modelling in Life Insurance: a Management Perspective», faisait écho aux travaux menés par les chercheurs de la chaire pendant 5 ans sur l’utilisation des modèles dans les processus de décision des compagnies d’assurance.
L’industrie de l’assurance a recours aujourd’hui à de plus en plus de modélisation et à des modèles de plus en plus sophistiqués et complexes. Les raisons sont nombreuses : une collecte des données plus systématique et plus efficace, des outils de calculs et de stockage plus performants, des modèles mathématiques plus avancés, des professionnels plus formés, mais aussi une réglementation plus soucieuse de prendre en compte tous les risques auxquels sont exposées les compagnies d’assurance et plus incitative pour les modéliser.

Cette conférence a offert une occasion unique à des universitaires et à des professionnels du monde de l’assurance de se réunir pour discuter

  • des modèles et de leurs utilisations dans les processus de décision et de comptabilisation,
  • des modèles et de la réglementation,
  • des modèles et de leurs évolutions avec l’arrivée des données massives.

Parmi les sujets qui ont été abordés, nous avons pu profiter des réflexions de plusieurs Chief risk officers sur l’utilisation des modèles dans leur compagnie, des recommandations sur les procédures de validation de modèles, des discussions sur l’utilisation des modèles pour des finalités comptables, des analyses du risque de modèle par des chercheurs, …
Nous avons également souhaité aborder, dans la dernière partie de la conférence, la problématique de la gouvernance des données et des nouvelles techniques d’analyse prédictive dans une compagnie d’assurance soucieuse d’évoluer dans un monde de plus en plus numérique.

La conférence a alterné présentations de travaux de recherche, discussions autour de tables rondes et recommandations par l’autorité de contrôle (ACPR) et a permis à nos élèves de dernière année de la formation d’actuaire d’être sensibilisés aux limites des modèles et des données massives, et aux dangers de leur utilisation systématique.



Voir la liste des SPEAKERS et ABSTRACTS

Télécharger les slides de présentation des speakers de la conférence :

David INGRAM (Willis Re) « Bridging the gap between managers and models »
Bernard BOLLE-REDDAT (BNP Paribas Cardif) « Management and models »
Clément PETIT – Guillaume ALABERGERE (ACPR) « Validation in life modelling, a supervisory point of view »
Antoon PELSSER (Maastricht University) « The difference between LSMC and replicating portfolio in insurance liability modelling »
Michaël SCHMUTZ (FINMA) « Group solvency tests, intragroup transfers and intragroup diversification: A set-valued perspective » (Not available online. If interested, please contact
Georges DIONNE (HEC Montréal) « Governance of risk management » + Paper
Thomas BREUER (FHV) « Systemic stress testing and model risk »
Andreas TSANAKAS (Cass Business School) « Model risk & culture »
Michaël de TOLDI (BNP Paribas Cardif) « Governance for data & analytics in insurance »