Pricing Game, c’est reparti

Pour la seconde année consécutive, on organise un pricing game dans le cadre de la formation Data Science pour l’Actuariat. Les instructions sont en ligne. Pour information, il y a trois bases en ligne

  • train_contrats:  87 228 observations, 22 variables. Base contenant les informations relatives aux polices d’assurance
  • train_sinistres:  4 568 observations, 9 variables. Base contenant les informations relatives aux sinistres observés
  • test_contrats32 772 observations, 21 variables. Base contenant les informations relatives aux polices d’assurance pour lesquelles il conviendra de proposer une prime

La première étape du jeu va durer 2 mois (entre le 15 juillet et le 15 septembre). Il s’agira de proposer 32 772 primes d’assurance. Il est impératif de proposer une prime pour tous les contrats. Autre information supplémentaire, pour tous les joueurs, la somme des primes sera égalisée à 2,5 millions d’euros.

Petite nouveauté, il y aura une seconde étape ensuite. Chaque participant recevra la prime de deux de ses concurrents, et aura la possibilité de mettre à jour ses primes, et de renvoyer des primes mises à jour d’ici le 20 septembre.

Les commentaires sont ouverts pour tout complément d’information ! J’essayerais de poster des informations complémentaires, en particulier sur la description des variables, au cours des vacances. L’analyse du jeu sera proposée lors de la journée 100% Data Science de l’Institut des Actuaires (qui aura lieu le 8 novembre 2016). Bon courage en attendant !


14 thoughts on “Pricing Game, c’est reparti”

  1. Bonjour,
    J’ai deux petites questions sur le fichier à envoyer.
    Tout d’abord concernant la variable “nu_aff” doit elle correspondre à une colonne déjà existante ou peut on la créer nous-même?
    Ensuite, doit on fournir une prime annuelle ou une prime pondérée par la période de couverture?

    Merci

  2. Hi.

    Do we need to understand that CHARGE_SINISTRE is already reduced by franchise or not?
    When Responsabilite_IDA equals 50, do we need to understand that CHARGE_SINISTRE/2 will be paid or is this reduction already made in the database?
    Thanks.

    Op

    1. yes, it should be, so let us assume that there is no deductible here. And with 50, I guess that there will be a recovery afterwards from another insurance company. But here, we have data before recoveries, and the pricing should be done without any recovery.

      1. Thanks for this quick answer.
        However, if the pricing should be done without any recovery, why rows with IDA = 1 cannot have Responsabilite_IDA = 100?

        Op

  3. I don’t really understand the rules, will there be a winning team?
    “Les résultats seront présentés lors de la journée 100% Data Science” -> if I understand correctly, the overall results of all teams will be presented, and not only the winning team, right?
    Thanks for the clarification.

    1. it’s not a kaggle ! there are no winner ! but you can see how you perform compared with other players, one which profiles you might be cheaper, or more expensive. It’s just “play for fun”, no winner… (except actuarial science since we plan to explain what happens when looking at the market behavior)

  4. “Le but est de proposer une prime pure pour les 20 000 contrats de la base pricing.”
    Vous voulez dire, une prime pure pour les 32772 contrats de la base test_contrats, j’imagine?

  5. What am I to make of the negative observed losses? I see that they only occur when IDA = 1. But I’m not French and don’t understand the logic.

    1. those are real data… so even if we’re not supposed to have those, actually, there are negative losses. Those are probably recoveries. They could not have been entered in the system as a recovery, so, for accouting reasons, claims managers might create a claim with a negative amount. I’ve seen that in several companies…

Leave a Reply

Your email address will not be published. Required fields are marked *