FR 
EnglishPar défaut
Українська
Polski📋 Évaluateur de Risque de Souscription d'Assurance — Modèle Actuariel en Direct
Évaluez un flux de demandes d'assurance synthétiques selon leur risque à l'aide d'un modèle de type actuariel, et observez comment la prime, le ratio de sinistralité et le taux d'acceptation évoluent ensemble lorsque vous ajustez le seuil de risque.
À propos de l'Évaluateur de Risque de Souscription d'Assurance
La souscription est la discipline consistant à décider quelles demandes d'assurance accepter et à quel prix, et l'évaluation actuarielle du risque est le moteur statistique derrière cette décision à grande échelle. Cette simulation génère un flux de demandeurs synthétiques, chacun décrit par de vrais facteurs de risque de souscription — âge, historique de sinistres antérieurs, valeur de l'actif assuré, et un niveau de risque régional — et note chacun avec un modèle de fréquence en régression logistique de la même forme mathématique que celle utilisée dans les systèmes de tarification actuarielle en production. Le score de risque linéaire du modèle est passé à travers une fonction sigmoïde pour produire une probabilité de sinistre bornée, qui est ensuite combinée avec une estimation de sévérité mise à l'échelle de l'actif pour produire un sinistre attendu, puis enfin majorée par un coefficient de chargement pour donner une prime.
Un seuil de risque ajustable fixe la limite de souscription : les demandeurs dont la probabilité de sinistre modélisée dépasse le seuil sont refusés, tandis que tous les autres sont acceptés à leur prime calculée. Comme le résultat réalisé de chaque police acceptée est ensuite tiré de sa véritable probabilité sous-jacente plutôt que copié de l'estimation du modèle, le ratio de sinistralité et le taux d'acceptation en cours de la simulation réagissent véritablement — avec un bruit statistique réaliste — à chaque changement que vous apportez au seuil ou au coefficient de chargement, exactement comme le ferait un vrai portefeuille de souscription.
Ce que ça montre
Un histogramme en direct des scores de risque des demandeurs, ventilé par acceptation/refus, une courbe prime-risque tracée à partir de la véritable formule de tarification, et un tableau de bord en continu du ratio de sinistralité et du taux d'acceptation à mesure que le seuil de risque évolue.
Comment l'utiliser
Déplacez le seuil de risque pour assouplir ou resserrer les critères d'acceptation, ajustez le coefficient de chargement pour retarifer tout le portefeuille, et modifiez la vitesse du flux de demandeurs pour voir le ratio de sinistralité se stabiliser sur plus ou moins de polices.
Le saviez-vous ?
Les vrais assureurs recherchent rarement un ratio de sinistralité de 0 % — un ratio bien en dessous de la cible signifie généralement simplement que les primes sont surévaluées et font perdre des affaires face à la concurrence, pas que le portefeuille est sain.
Questions Fréquentes
Qu'est-ce que l'évaluation du risque de souscription, et pourquoi ne pas simplement examiner chaque demande à la main ?
La souscription est le processus consistant à décider d'accepter ou non une demande d'assurance, et à quel prix. Une approche purement manuelle ne peut pas être mise à l'échelle, et les examinateurs humains appliquent des normes incohérentes sur des milliers de demandes. L'évaluation actuarielle du risque ajuste plutôt un modèle statistique — historiquement un modèle linéaire généralisé tel que la régression logistique — pour estimer la probabilité et le coût attendu d'un sinistre futur à partir de facteurs de risque mesurables (âge, historique de sinistres, valeur de l'actif, région). Le score est cohérent, auditable, et peut être recalibré à mesure que l'expérience de sinistralité s'accumule, ce qui explique pourquoi il sous-tend les décisions de tarification et d'acceptation chez pratiquement tous les assureurs modernes.
Comment le modèle logistique de risque de cette simulation calcule-t-il réellement un score de risque ?
Les facteurs bruts de chaque demandeur synthétique (âge, nombre de sinistres antérieurs, valeur de l'actif assuré, niveau de risque régional) sont standardisés et combinés en un score linéaire z = b0 + b1·âge_z + b2·sinistres + b3·actif_z + b4·région, exactement comme dans un vrai modèle linéaire généralisé. Ce z est passé à travers la fonction logistique (sigmoïde) p = 1/(1+e⁻ᶻ) pour produire une probabilité de sinistre pour la période de police à venir, bornée entre 0 et 1. C'est la même forme mathématique utilisée dans les vrais modèles actuariels de fréquence — elle garantit que la sortie est une probabilité valide quelle que soit l'extrémité des facteurs d'entrée, contrairement à une régression linéaire simple qui pourrait prédire des probabilités inférieures à 0 % ou supérieures à 100 %.
Comment la prime est-elle calculée à partir du score de risque, et pourquoi dépend-elle de plus que la seule probabilité de sinistre ?
La prime est construite à partir du sinistre attendu, et non de la seule probabilité. Sinistre attendu = probabilité de sinistre (fréquence) × montant attendu du sinistre (sévérité), et la sévérité évolue avec la valeur de l'actif assuré — un sinistre sur une police plus importante coûte plus cher même à probabilité égale. La simulation applique ensuite un coefficient de chargement au-dessus du sinistre attendu pour couvrir les frais de souscription, le coût du capital et la marge de profit, plus une petite charge fixe par police : prime = sinistre_attendu × (1 + chargement) + charge_fixe. Cela reflète la véritable identité de tarification actuarielle utilisée dans l'assurance habitation, automobile et vie, où fréquence et sévérité sont modélisées et tarifées séparément avant d'être combinées.
Comment le déplacement du curseur de seuil de risque crée-t-il le compromis entre taux d'acceptation et ratio de sinistralité ?
Le seuil fixe la probabilité de sinistre modélisée maximale que le souscripteur acceptera encore. Augmenter le seuil accepte plus de demandeurs — le taux d'acceptation monte — mais inclut des polices plus risquées dont les sinistres réalisés font grimper le ratio de sinistralité (sinistres payés divisés par prime collectée) plus haut. Abaisser le seuil refuse davantage de risque marginal, réduisant le portefeuille (taux d'acceptation plus faible) mais maintenant la population acceptée plus proche des hypothèses sur lesquelles le modèle de tarification a été construit, ce qui garde le ratio de sinistralité plus proche de sa cible. Il n'existe aucun seuil qui maximise les deux indicateurs à la fois — cette simulation rend ce compromis directement visible et ajustable en temps réel.
Qu'est-ce que le ratio de sinistralité, et pourquoi un ratio proche de 100 % n'est-il pas automatiquement mauvais ?
Ratio de sinistralité = total des sinistres payés / total de la prime collectée sur une période. Un ratio de 60 % signifie que 60 centimes de chaque livre de prime sont allés aux sinistres, laissant 40 centimes pour les frais et le profit — le coefficient de chargement de cette simulation est calibré de sorte qu'un ratio cible (généralement 55 à 70 %) laisse de la place pour la charge de frais intégrée. Un ratio bien en dessous de la cible signifie généralement que le seuil est trop strict et que les primes sont surévaluées par rapport au risque (perte d'affaires face à la concurrence) ; un ratio bien au-dessus de la cible signifie que les sinistres rognent sur le chargement destiné aux frais et au profit, et que le portefeuille est déficitaire au seuil et à la tarification actuels.
Qu'est-ce que l'antisélection, et comment se manifeste-t-elle quand le seuil est fixé trop lâchement ?
L'antisélection est la tendance des demandeurs les plus risqués — qui connaissent leur propre risque mieux que ne le capture le modèle de l'assureur — à être représentés de façon disproportionnée parmi les polices acceptées lorsque les normes de souscription se relâchent. Dans cette simulation, augmenter le seuil laisse entrer des demandeurs dont la probabilité modélisée est proche de la limite ; comme le score du modèle est une estimation et non une certitude, certains de ces demandeurs marginaux ont un risque réel sensiblement plus élevé que ce que suggérait leur score. Observez le ratio de sinistralité : à mesure que le seuil monte, le mélange accepté penche de plus en plus vers les angles morts du modèle, et les pertes réalisées croissent plus vite que ne le prédirait le sinistre attendu modélisé.
Pourquoi les résultats réalisés dans la simulation divergent-ils parfois de ce que le score de risque prédisait ?
Le score de risque est une probabilité, pas la prévision d'un résultat unique — un demandeur noté à 12 % de probabilité de sinistre générera tout de même un sinistre environ une fois sur huit si l'on en souscrit suffisamment, purement en raison d'un hasard irréductible. Cette simulation tire le résultat réel de chaque police acceptée comme un essai de Bernoulli utilisant sa véritable probabilité sous-jacente et un tirage de sévérité lognormal, si bien que le ratio de sinistralité réalisé à court terme fluctue autour de l'attente du modèle plutôt que de la suivre exactement instant par instant. C'est exactement pourquoi les vrais assureurs souscrivent de grands portefeuilles diversifiés et surveillent le ratio de sinistralité sur des fenêtres glissantes plutôt que de juger le modèle sur une seule police.
Pourquoi la courbe prime-risque s'incurve-t-elle vers le haut au lieu d'augmenter en ligne droite ?
Parce que la probabilité entre dans le calcul du sinistre attendu de façon multiplicative avec la sévérité puis est majorée par un coefficient de chargement proportionnel, de petites augmentations du score de risque près du haut de l'échelle se traduisent par des hausses de prime disproportionnément plus importantes que la même augmentation près du bas — un effet de composition plutôt qu'une surcharge fixe par point. Cette relation convexe est délibérée : elle reflète la manière dont les assureurs tarifent le risque de queue plus agressivement que le risque courant, décourageant l'antisélection en faisant payer aux demandeurs les plus risqués mais encore acceptables une prime qui reflète déjà l'essentiel de leur coût attendu supplémentaire.
Les facteurs de chaque demandeur alimentent un modèle logistique de fréquence et un modèle de sévérité mis à l'échelle de l'actif ; le sinistre attendu est majoré en une prime, une décision d'acceptation est prise par rapport au seuil de risque, et le résultat réel de chaque police acceptée est tiré comme un essai Bernoulli/lognormal en direct alimentant le tableau de bord courant du ratio de sinistralité et du taux d'acceptation.
3D · Moteur Three.js / WebGL · Cible 60 FPS · fonctionne entièrement côté client, sans installation