Tag Archives: cote

Selection bias in insurance: why portfolio-specific fairness fails to extend market-wide

With Marie-Pier Côté and Olivier Côté, we recently upload a short note, selection bias in insurance: why portfolio-specific fairness fails to extend market-wide, now available on SSRN,

Fairness centres on people. In insurance, the scope of fairness should be the entire insured population, not solely an insurer’s clients. However, each insurance company’s portfolio represents a possibly skewed subsample. Models fit to these selection-biased data do not generalise well for the broader population of insureds. Two biases stem from portfolio composition: representation bias, when large prediction errors are made on individuals from subpopulations infrequently observed, and selection bias, when underwriting and marketing skew the portfolio away from the insured population. We examine how portfolio composition affects fair premium methodologies for mitigating direct and indirect discrimination on a protected attribute. We illustrate how unfairness mitigation based on a selection-biased portfolio does not yield a fair market from the perspective of insureds. Relying on causal inference and a portfolio composition indicator, we describe the selection mechanism and determine conditions under which each bias affects various fairness-adjusted premiums. We propose a method to recover the population-wide fairness-adjusted premiums from selection-biased data, by using a (third-party provided) unbiased estimate of the prohibited attribute distribution. We show that this approach effectively mitigates selection bias but leads to overall premiums that are not balanced. In a limiting case, we show that portfolio-specific fairness-aware premiums can lead to a market-wide unawareness strategy: portfolio composition opens the back door to proxy discrimination.

(to be continued…)

Talk at the 27th International Congress on Insurance: Mathematics and Economics

On Wednesday morning, I will be chairing our session “Discrimination-free Insurance Pricing” at the Insurance: Mathematics & Insurance Conference, in Chicago. With Olivier Côté, Lydia Gabric and Hong Beng Lim, we will be four speaker, just before lunch time. My talk will be a mix of recent work on quantifying and mitigating discrimination in scores (in insurance). Slides are available online.

 

WIM (Workshop in Insurance Mathematics) is back

After four year without it, the WIM is back. Last time, it was in February 2020. Tomorrow, Agathe and Olivier will present posters at the Workshop in Insurance Mathematics, a Concordia University.

Both posters will be on fairness and discrimination. Olivier Côté will present a poster on “Fairness in insurance enigma: exploring the maze of regulation

Agathe will present a poster on Equipy, “A Python Package for Sequential Fairness using Optimal Transport with Applications in Insurance

A Fair price to pay: exploiting causal graphs for fairness in insurance

Our paper, a fair price to pay: exploiting causal graphs for fairness in insurance, writen with Olivier Côté and Marie-Pier Côté is now available,  on SSRN

In many jurisdictions, insurance companies must not discriminate on some given policyholder characteristics. Omission of prohibited variables from models prevents direct discrimination, but fails to address proxy discrimination, a phenomenon especially prevalent when powerful predictive algorithms are fed with an abundance of acceptable covariates. The lack of formal definition for key fairness concepts, in particular indirect discrimination, hinders the fairness assessment of methodologies. We review causal inference notions and introduce a causal graph tailored for fairness in insurance. Exploiting these, we discuss potential sources of bias, formally define direct and indirect discrimination, and study the properties of fairness methodologies. A novel categorization of fair methodologies into five families (best-estimate, unaware, aware, hyperaware, and corrective) is constructed based on their expected fairness properties. A comprehensive pedagogical example illustrates the practical implications of our findings: the interplay between our fair score families, group fairness criteria, and sources of discrimination.

Talk on Fairness and Discrimination in Insurance at the Thelem-ILB Chaire

This morning, I will be giving a talk for the Thelem-ILB Chaire (Thelem – historically compagnie d’assurance mutuelle contre l’incendie dans le département du Loiret – founded in 1820, one of France’s oldest companies), on fairness and discrimination in insurance, and more specifically on counterfactual fairness, and causal graphs. It is based on recent work with Olivier Côté, our PhD student in Laval (Québec), co-supervised with Marie-Pier,

Slides are available online. I can mention here that we obtained a grant from the Thelem-ILB Chaire to sponsor a trip in Europe for Olivier, to attend the Insurance Data Science conference in London, and the 26th International Congress on Insurance: Mathematics and Economics in Edinburgh.

Présentation sur l’équité et la discrimination en assurance, pour Intact

Demain matin, avec Olivier et Marie-Pier Côté, on sera chez l’assureur Intact pour parler équité et discrimination. Olivier présentera ses travaux récents sur l’utilisation de modèles causaux pour proposer des modèles “équitables” en assurance. Le papier (a fair price to pay: exploiting directed acyclic graphs for fairness in insurance) sera bientôt disponible !

A Fair price to pay: exploiting directed acyclic graphs for fairness in insurance

Tonight (Montréal time), Marie-Pier Côté will give a talk on “a fair price to pay: exploiting directed acyclic graphs for fairness in insurance” based on recent joint work with our PhD student, Olivier Côté, in Melbourne, Australia

Many jurisdictions have laws or guidelines stipulating that insurance companies must not discriminate on some specified policyholder characteristics. Omission of the prohibited variables from the models removes direct discrimination, but does not prevent proxy discrimination — a phenomenon especially prevalent when powerful predictive algorithms are fed with an abundance of allowed covariates. In the actuarial literature, there remains some confusion on the definition of indirect discrimination: this impedes the understanding of the goals of each fairness methodology and their comparison. In the causal inference literature, many tools, such as directed acyclic graphs (DAGs), help uncover various types of biases. A DAG describes the causal relationships between variables of interest and has clear dependence implications. We exploit this tool for fairness to formally define direct and indirect discrimination, to discuss potential sources of bias, and to understand the properties of different fairness methodologies. Four families of fair scores (best-estimate, unaware, aware and corrective) are placed in the DAG representing the insurance pricing problem. This allows us to study their behaviour in terms of direct and indirect discrimination. A comprehensive pedagogical example illustrates our findings.

More to come soon…

Foot, probabilité, et assurance, partie 2

Continuons le billet commencé ici, où j’essayais noté que les enseignes qui se sont engagé à faire des cadeaux en cas de victoire de l’équipe de France s’étaient couvertes via des contrats d’assurance. En fait, elles peuvent également se couvrir sur les marchés (en l’occurrence les sites de paris en ligne). Il existe plusieurs façons de faire des paris. La première est de faire (ou d’acheter) un pari sur un événement (la France ira en finale de la coupe du monde, par exemple). Ce pari est assorti d’une cote que défini le bookmaker. A une cote de 20 contre 1, si je paris 1 euro, je gagne 20 euros en cas de qualification pour la finale.
Dans ce cas particulier, le bookmaker est un agent important dans le marché, car il fixe le prix. Le site oddschecker.com (ici) permet de voir les cotes offertes par différents bookmakers.

Mais il existe aussi des marchés de paris, sans bookmakers. Il s’agit réellement d’un marché, où les parieurs prennent des positions les uns contre les autres, le bookmaker ne servant que d’intermédiaire et d’animateur sur ce marché. C’est le cas sur betfair.com () qui est un site d’échange de paris.

Pour commencer simplement, imaginons que nous sommes quelques jours avant une finale opposant la Corée du Sud aux Etats-Unis. Comme il ne peut y avoir qu’un vainqueur il existe des contratssymétrique, où l’on peut gagner 20 euros si la Corée gagner (et rien si elle perd) et un autre où l’on peut gagner 20 euros si la Corée perd. Bref, soit je suis acheter sur la Corée, soit je suis vendeur. Le prix de ces contrats indiquent la probabilité qu’a la Corée de gagner. On parle aussi de back or lay, deux évènements étant possibles.

  • Lecture d’une cote

Regardons maintenant le match d’ouverture, opposant l’Afrique du Sud au Mexique. Les cotes sont les suivantes, “Mexique 6/4, Afrique du Sud 15/8 et Draw (match nul) 11/5” sur un des sites. Le premier nombre indique ce que l’on gagne (net) en misant le second, si mon pari est gagnant. Autrement dit, si je paris 5 euros sur un match nul, et que match nul il y a, alors mon bénéfice sera de 11 (que je touche en plus de ma mise). La cote est alors de 1+11/5, soit 16/5 (j’avais fait ici un billet sur le lien entre cote et probabilité). Elle indique non plus le bénéfice, mais le gain: en misant 5 euros, j’empoche 16 euros. On parlera de paris 1X2.

Pour aller plus loin, on peut aussi parier sur le nombre de buts marqués. On parlera de paris over/under.

Chez le même bookmaker, si je paris 1 euro que la France gagne la coupe du monde, je fais un bénéfice de 18 euros.

  • Cote ou probabilité ?

Lorsque j’avais essayé d’expliquer l’origine de la loi logistique (ici), j’avais expliqué qu’il existait un lien simple entre probabilité et cote, la cote étant la probabilité que l’évènement se réalise, divisé par la probabilité qu’il ne se réaliste pas. Malheureusement, les choses sont un peu plus complexes dans les paris…
Zoomons un peu sur le match d’ouverture,


La cote est la valeur offerte la par le bookmarker, à laquelle on ajoute 1. La “probabilité” est alors l’inverse de cette cote.

résultat Bookie Offers Cote “probabilités”
Mexico 11/8 2.375 42.10%
South Africa 13/8 2.623 38.09%
Draw 11/5 3.200 31.25%
total 111.45%

A-t-on raté quelquechose ? car visiblement la “probabilité” n’est pas une vraie probabilité… En fait, supposer que l’on puisse construire une mesure de probabilité à partir des cotes doit pouvoir être relié au “théorème fondamental d’asset pricing” (et de probabilités risques neutres mentionnés tout à l’heure)

  • Relecture des cotes à l’aide du théorème fondamental

Autrement dit, on suppose qu’il existe une mesure http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-01.png telle que
http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-02.pnghttp://freakonometrics.hypotheses.org/files/2017/03/foot-pari-03.png est l’ensemble des gains possibles, et http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-04.png un équivalent certain.
On suppose qu’il existe un ensemble d’évènements http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-05.png (mutuellement exclusif comme on dit, formant une partition de http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-06.png), un seul pouvant survenir (en l’occurrence l’équipe qui reçoit gagne, ou l’équipe qui reçoit perd, ou il y a match nul). On considère un bookmaker qui accepte de payer http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-08.png si l’évènement i survient à un joueur qui aura parié 1 euro. On pourra légitimement pense que http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-09.png. Notre souhait est de relier ces http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-08.png et http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-10.png, si un lien quelconque pouvait exister. Ce problème avait été soulevé par Ramsey ou de Finetti.

En notant http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-11.png le montant total placé sur l’évènement http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-12.png. On pourra dire que l’on est à l’équilibre si http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-13.png est constant. Autrement dit, le ratio des cotes doit être l’inverse des ratios de montants placés,

http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-15.pngOn peut ainsi s’intéresser à

http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-16.png

qui est la fraction de l’argent qui sera effectivement rétribuée aux parieurs, ou http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-17.png sera la part gardée par le bookmaker. On peut penser qu’un bookmaker fixe http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-18.png, et alors

http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-20.png

En fait, k peut être vu comme un taux d’actualisation (l’équivalent d’un http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-22.pngen mathématique financière). On peut d’ailleurs noter que si on note http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-25.png le produit

http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-26.png

alors la stratégie consistant à parier

http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-27.png

sur l’évènement http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-12.png, pour tout les évènements, aura un coût unitaire (j’ai ici constitué mon portefeuille si on revient à la théorie de l’arbitrage). Aussi

http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-29.png

En l’occurrence, sur le match d’ouverture de la coupe du monde, on obtient http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-18.png de l’ordre de 90% (l’inverse de la somme de la dernière colonne). Autrement dit, le bookmaker prend de l’ordre de 10%.
A partir de là, on peut en déduire de ces prix d’Arrow Debreu une “probabilité implicite” qui est la probabilité risque neutre, ou la croyance des investisseurs dans la survenance des évènements. Pour cela, on pourrait poser

http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-30.png

sauf que dans ce cas, compte tenu de la dernière relation, http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-34.png. On définie alors la probabilité implicite des parieurs sous la forme

http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-35.png

On a réussit à construire une mesure de probabilité http://freakonometrics.hypotheses.org/files/2017/03/foot-pari-01.png, qui correspond à l’intuition des parieurs… mais qui n’a rien à voir avec la probabilité réelle. Si l’on compare les bookmakers, on note que les probabilités induites sont très proches,

et si on compare la part prise par le bookmaker sur ce match, on est là aussi sur des ordres de grandeurs comparables,

Justin Wolfers et Eric Zitzewitz, dans Prediction Markets paru dans le Journal of Economic Perspectives de 2004 (ici) expliquent d’ailleurs tout cela très clairement. Je peux aussi renvoyer à un document de travail datant de novembre dernier de Egon Franck, Erwin Verbeek, et Stephan Nüesch (en ligne ici).
J’ai parlé tout à l’heure de probabilité risque neutre, mais cela sous-entend que l’on puisse supposer les marchés efficients, et qu’il n’y ait absence d’opportunité d’arbitrage. C’est précisément ce qu’avait regardé Steven Levitt et Richard Gillici, dans un vieux papier, évoqué également . Pour résumer les conclusions, il n’y a pas d’opportunités d’arbitrage sur ces marchés, et il existe des “market makers”, c’est à dire des parieurs misant énormément, ce qui accroît considérablement la liquidité de ces marchés. Mais cette conclusion sur l’absence d’opportunité d’arbitrage a été largement remise en cause en pratique. Pour aller plus loin, on peut aussi regarder un article de Moris Eaton et David Freedman, Dutch Book against some ‘Objective’ Prior, paru dansBernoulli en 2004, en ligne . C’est marrant car cette relecture Bayésienne des jeux de pari peut être étudier en pratique, pour la coupe du monde de foot surworldcup.bayesialab.com (, merci Avner pour le lien). Je vais continuer de suivre ça lorsque les matchs commençerons, afin de voir les mises à jour des paris au fur et à mesure de l’évolution des matchs… à suivre donc.

Foot, probabilité, et assurance, partie 1

Depuis la fenêtre de mon bureau, je pourrais presque voir la grande banderolle sur le fronton du centre commercial de la Visitation,

Un vendeur d’électroménager proposer de rembourser certains achats sir la France gagne la coupe du monde de foot ! Cela me fait penser au court billet que j’avais fait l’an dernier, ici, comme quoi certains camping pouvaient rembourser les vacances des vacanciers en cas de mauvais temps…. Oui, on pourrait s’en douter, il y a un contrat d’assurance derrière – afin d’éviter que ce revendeur (il n’est pas le seul d’ailleurs) ne fasse faillite ! Des amis qui suivent le foot me faisaient remarqué que la prime d’assurance ne devaient pas être trop élevée….
Pour être un peu plus précis, Berkshire Hathaway a annoncé avoir assuré un de ses souscripteurs en cas de victoire de l’équipe de France lors de la prochaine coupe du monde. La perte maximale ne semble pas collossale, comme le notait Warren Duffet: « je pense que nous allons perdre 30 millions de dollars, ou quelque chose comme ça, si la France gagne ».

Quant aux probabilités dans le cas des vacances (ici), Meteo France propose des estimations objectives des probabilités. Dans le cas du foot, on peut faire comme en finance, et aller extraire les probabilités des marchés, en l’occurence des sites de pari en ligne, comme ici. En l’occurence, on apprend que la cote de la France est de l’ordre de 21… mais je reviendrais là dessus dans un autre billet !