Analyse et évaluation de la méthode de tarification a posteriori avec les données de panel
Bibliographic record
Abstract
La tarification d'assurance Incendie, Accidents et Risques Divers (IARD) est une importante tâche des actuaires depuis très longtemps. Le calcul a toujours été divisée entre « a priori » et « a posteriori ». Récemment, les actuaires essayent différentes façons d'utiliser ces approches ensemble. Boucher et Inoussa (2014) ont proposé une façon de les combiner grâce à un nouveau modèle qui estime tous les paramètres en même temps en utilisant les données d'un assureur de la province de l'Ontario pour l'illustrer. En conséquence, leur modèle a dû être modifié afin d'inclure une contrainte légale de cette région. Ce mémoire a pour objectif, parmi d'autres, d'analyser et d'évaluer l'efficacité de leur modèle. Pour ce faire, nous avons passé en revue les fondements et nous avons utilisé la même base de données qu'ils ont utilisée. La reproduction du modèle a été mise en place avec tous les détails de chaque composante du calcul. Ensuite, un modèle de contrôle a été fait pour comprendre en détail la perte de l'efficience à cause d'une telle imposition légale. Nous avons utilisé des outils d'évaluation proposés par Lemaire (1995) pour comparer le modèle principal avec d'autres modèles déjà connus. De plus, nous avons utilisé un nouvel outil pour vérifier la différence de comportement entre les modèles dans un environnement de compétition de marché. Les résultats obtenus vont dans la direction attendue depuis le début de cette recherche : la nouvelle méthode est plus efficace que les modèles traditionnels et l'inclusion de la contrainte légale dans le modèle principal a réduit sa performance. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Tarification « a priori », tarification « a posteriori », assurance IARD, assurance auto, données transversalles, données horizontales, données de panel, modèles linéaires généralisés, système de bonus-malus, Poisson, crédibilité, compétition, assurances, actuariat.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.014 | 0.038 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".