année académique
2025-2026
2026-2027

Titulaire(s) du cours

Julien TRUFIN (Coordonnateur)

Crédits ECTS

5

Langue(s) d'enseignement

français

Contenu du cours

  • Tarification a priori en assurance non-vie (GLM, GAM, Machine Learning).
  • Théorie de la crédibilité (tarification a posteriori).

Objectifs (et/ou acquis d'apprentissages spécifiques)

  • Maîtriser les techniques actuarielles utilisées pour la tarification a priori en assurance non-vie (GLM, GAM, Machine Learning).
  • Maîtriser la théorie de la crédibilité utilisée pour la tarification a posteriori ainsi que dans le contexte des réserves en assurance non-vie.

Pré-requis et Co-requis

Connaissances et compétences pré-requises ou co-requises

 

Méthodes d'enseignement et activités d'apprentissages

Exposés oraux.

Références, bibliographie et lectures recommandées

  • Bühlmann H. et Gisler A., A course in credibility theory and its applications, 2005, Springer.
  • Charpentier A., Computational Actuarial Science with R, 2014, CRC Press.
  • Denuit, M., Hainaut, D., Trufin, J. (2019). Effective Statistical Learning Methods for Actuaries I: GLM and Extensions. Springer Actuarial Lecture Notes Series.
  • Denuit, M., Hainaut, D., Trufin, J. (2020). Effective Statistical Learning Methods for Actuaries II: Tree-based Methods and Extensions. Springer Actuarial Lecture Notes Series.
  • Denuit, M., Hainaut, D., Trufin, J. (2019). Effective Statistical Learning Methods for Actuaries III: Neural Networks and Extensions. Springer Actuarial Lecture Notes Series.

Support(s) de cours

  • Université virtuelle

Contribution au profil d'enseignement

  • Acquérir la connaissance des modèles stochastiques utilisés en assurance.

  • Maîtriser les techniques de mathématiques actuarielles pour analyser et modéliser les risques.

  • Analyser avec rigueur et esprit critique un ensemble de données.

  • Choisir de façon adéquate les modèles et techniques actuarielles appropriés au problème considéré.

  • Analyser avec rigueur et esprit critique les résultats obtenus.

  • Réévaluer à la lumière des résultats obtenus la pertinence des modèles et techniques actuarielles utilisés.

  • Utiliser un langage clair et rigoureux.

  • Etre responsable de ses affirmations.

Autres renseignements

Informations complémentaires

 

Contacts

 

Campus

Plaine

Evaluation

Méthode(s) d'évaluation

  • Examen oral
  • Travail de groupe

Examen oral

Travail de groupe

Travail de groupe pour les deux parties (tarification a priori (partie 1) et théorie de la crédibilité (partie 2)).
L’évaluation repose sur la réalisation du travail de groupe ainsi que sur sa présentation et sa défense orales.
La qualité de l’évaluation orale constitue un élément déterminant de l’évaluation globale. Une prestation orale du travail jugée insuffisante entraîne l’échec de l’évaluation, indépendamment de la qualité du travail remis.

Construction de la note (en ce compris, la pondération des notes partielles)

Travail de groupe: 100%.
La note finale tient compte à la fois de la qualité du travail remis et de la présentation et défense orales. La réussite de l’évaluation orale constitue une condition nécessaire à la réussite de l’épreuve. En cas de prestation orale insuffisante, l’évaluation est considérée comme non réussie, indépendamment de la qualité du travail remis.

Langue(s) d'évaluation

  • français

Programmes