Tag Archives: ML

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,

Quelles limites pour les algorithmes d’apprentissage ?

Avec Michel Denuit, on vient de publier un court article, quelles limites pour les algorithmes d’apprentissage ? Une version en anglais devrait paraître dans un ouvrage collectif dans les semaines à venir.

Une étape essentielle du processus de tarification est le choix de l’algorithme qui permettra de calculer la prime à partir de données passées. En assurance, les modèles prédictifs sont partout : il peut s’agir de calculer la prime demandée pour couvrir les dommages causés à un bien, ou encore d’un score interne de suspicion de fraude sur un sinistre. Ce papier discute des limites de l’application des algorithmes prédictifs en assurance en revenant sur les notions de segmentation des risques et d’hétérogénéité.