Category Archives: Conferences

Webinaire sur l’assurance collaborative et la théorie des grahs

Le mardi 28 janvier, avec Christian Yann Robert, on donnera un exposé à Paris sur le thème “Assurance collaborative: Théorie des Graphes, Machine Learning et Actuariat“, à l’Institut Louis Bachelier et l’Institut des Actuaires, à Paris

L’assurance collaborative est une nouvelle forme d’assurance et de relation entre assureur et assurés qui met à profit les nouvelles technologies pour une plus grande implication des assurés dans le processus et le modèle économique. Par la transparence elle vise à instaurer une relation de confiance forte entre les acteurs. Elle peut prendre des formes différentes, allant de la simple redistribution des profits jusqu’à la gestion en peer to peer par les assurés, rassemblés en communautés d’intérêt. Plusieurs tentatives ont été faites depuis 5 ou 6 ans dans différents pays: certaines en Europe ont échoué, d’autres se rôdent.
Aux Etats-unis, Lemonade est une vraie réussite. La répartition de la prime est de 20% pour la gestion et la rémunération de l’entreprise, 40% pour les sinistres (avec une redistribution en cas de bénéfice technique) et 40% pour la réassurance des gros sinistres. Cette nouvelle forme de mutualisation fait émerger de nouvelles problématiques tarifaires et de provisionnement, selon le mode de constitution des communautés d’assurés. La théorie des graphes aide à comprendre la capacité de mutualisation selon la structure des communautés.

Insurance Data Science Conference 2021 (online)

The Insurance Data Science Conference returns in 2021 for an on-line global event. The conference will run over three half-days (afternoons in Europe & Africa / mornings in the Americas). The conference brings together academics and practitioners in areas including data science, analytics, machine learning, artificial intelligence, computational statistics and software, as applied in the insurance industry. For more information, see https://insurancedatascience.org/

Machine Learning in Actuarial Science and Insurance

This week is organized the summer school on machine learning for economists and applied social scientists. I will be giving an (online) lecture this Thursday, on Machine Learning in Actuarial Science & Insurance, with a great program,

  • 10am – 10:55am : Juri Marcucci: Machine Learning in Macroeconomics
  • 11am – 11:55am : Arthur Charpentier: Machine Learning in Actuarial Science & Insurance
  • 12pm – 12:55pm : Arthur Spirling : Machine Learning in Embeddings Representations
  • 1pm – 1:55pm : Kathy Baylis: Machine Learning in Agricultural Economics
  • 2pm – 2:55pm : Stefan Wager : Machine Learning in Causal Inference
  • 10am – 10:55am : Stan Matwin : Machine Learning and Data Privacy
  • 11am – 11:55am : Mehmet Caner : Machine Learning in Econometrics
  • 12pm – 12:55pm : Anders Bredahl Kock : Machine Learning in Model Selection
  • 1pm – 1:55pm : Dario Sansone: Machine Learning in Education and Development Economics
  • 2pm – 2:55pm: Patrick Baylis :Temperature and Temperament: Evidence from Twitter

My slides are now online,

Machine Learning and Econometrics

This week-end, the Canadian Econometric Study Group will organise a conference in Montréal, on Machine Learning Econometrics. Since I was in the scientific committee, I’ve read some of the papers that will be presented, and it will be extremely interesting. There will be two invited speakers, Gregory Duncan (Amazon and University of Washington) and Dacheng Xiu (University of Chicago).I will be around at the poster session on Friday, and I should chair a session on Saturday ! See you there !

Pareto Models for Top Incomes

This week, The Society for the Study of Economic Inequality (ECINEQ) organised the Eighth ECINEQ Meeting 2019  in Paris, hosted by the Paris School of Economics and the World Inequality Lab. Emmanuel Flachaire was there to present our joint work on Pareto Models for Top Incomes. Slides are also available


The paper is still available on hal, and the package (TopIncomes) is also available from github,

library(devtools)
install_github("freakonometrics/TopIncomes")
library(TopIncomes)