Revues de techniques non-traditionnelles en analyse de données actuarielles

Historiquement, la science actuarielle a développé des techniques de modélisation appropriées pour la tarification, le provisionnement et la gestion des risques pour ne nommer que quelques domaines. Depuis quelques années, toutefois, de nouvelles techniques potentiellement prometteuses sont disponibles et commencent à émerger dans l’industrie de l’assurance. Portées par l’engouement de certaines communautés scientifiques, l’apprentissage statistique (« statistical learning ») ou plus généralement ce qu’on pourrait appeler la « science des données », pourrait être intéressant pour les compagnies d’assurance. Les techniques et algorithmes proposés dans ce domaine de la statistique pourraient permettre aux actuaires de mieux comprendre leurs bases de données et améliorer la qualité de leurs prévisions, ce qui leur permet ultimement de prendre des décisions d’affaire plus appropriées, notamment en matière de tarification et de gestion des risques.

Intern: 
Ugo Nugent
Superviseur universitaire: 
Jean-Philippe Boucher
Project Year: 
2017
Province: 
Quebec
Discipline: 
Programme: