Méthodologie d'estimation des valeurs assurées par l'approche Big Data

par Luc RongiéRas

Projet de thèse en Géostatistique et probabilités appliquées

Sous la direction de Hans Wackernagel et de Emilie Chautru.

Thèses en préparation à Paris Sciences et Lettres , dans le cadre de Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique , en partenariat avec Centre de géosciences (Fontainebleau, Seine et Marne) (laboratoire) , Géosciences - Fontainebleau (equipe de recherche) et de École nationale supérieure des mines (Paris) (établissement de préparation de la thèse) depuis le 17-12-2018 .


  • Résumé

    En lien avec son activité de réassurances publiques en France, CCR mène depuis de nombreuses des travaux visant à améliorer la connaissance des périls naturels et de la vulnérabilité des zones exposées en collectant des données dans le cadre de ses relations contractuelles avec les assureurs (cédantes). Ces données disponibles à l'adresse intègrent parfois l'information sur les valeurs assurées. En revanche, cette information n'est pas toujours fiable et certaines données peuvent être manquantes. Les valeurs assurées intervenant à plusieurs reprises, il est très important de pouvoir les calculer de manière fiable. L'objectif de la thèse est de proposer un algorithme estimant les valeurs assurées aussi bien à l'adresse que de manière agrégée. La thèse sera donc divisée de la manière suivante: (i) Estimation des valeurs assurées à l'adresse: créer un algorithme renvoyant la valeur assurée d'un bien précis compte tenu de diverses informations (exhaustives ou non) le concernant. (ii) Estimation des valeurs assurées à différentes mailles: utilisant d'autres données, compléter l'algorithme précédent pour qu'il soit capable de fournir des sorties plus complètes. (iii) Modèle de référence: compléter/valider l'algorithme précédent pour qu'il soit opérationnel et justifiable peu importe les données fournie et leur qualité. Des méthodes de statistique spatiale et Machine Learning seront utilisées pour parvenir à l'objectif.

  • Titre traduit

    An estimation methodology of insured values with a Big Data approach


  • Résumé

    In tune with its French public reinsurance activity, CCR has been leading several works aiming to improve its knowledge of natural perils and vulnerability of exposed areas by collecting data through its clients relations. These data sometimes include information about insured values. However, this information is not always to be trusted ans some data may not be exhaustive. Insured values being used several times, it remains a top priority to compute them efficiently. The aim of this PhD is to suggest an algorithm estimating those very insured values at the adress as well as under an aggregated form. Thus the PhD will be divided in those three sections: (i) Estimation of insured values at the adress: creating an algorithm outputting the insured valued taking into account some input information. (ii) Estimation of insured values on different levels: using some more information, improving the previous algorithm for it to be able to output more exhaustive data. (iii) Referent model: completion/validation of the algorithm to make it operational and reliable no matter the data given by the client and/or its quality. Spatial statistics and Machine Learning methods will be used to reach our objective.