Fréquence Sinistres Auto RC France (freMTPL2freq)

Actions concrètes

• Importer le CSV/Parquet avec pandas
• Vérifier le nombre de lignes, colonnes et types
• Identifier la variable cible (ClaimNb, Exposure)
• Comprendre le dictionnaire des variables

Exemple de code

df = pd.read_csv("freMTPL2freq.csv")
print(df.dtypes)
print(df.shape)  # ex: (678013, 12)

Actions concrètes

• Traiter les valeurs manquantes (NaN)
• Supprimer ou plafonner les outliers (ex: Exposure > 1)
• Créer la variable réponse : fréquence = ClaimNb / Exposure
• Encoder les variables catégorielles (VehBrand, Region)
• Découper train / test (80/20 par millésime)

Exemple de code

df["Frequency"] = df["ClaimNb"] / df["Exposure"]
df = df[df["Exposure"] <= 1]  # Plafonner l'exposure
df["VehBrand"] = df["VehBrand"].astype("category")

Actions concrètes

• Calculer la fréquence moyenne par segment (âge, région, bonus)
• Tracer les distributions des sinistres et de l'exposition
• Identifier les corrélations entre features
• Visualiser les outliers avec boxplots
• Analyser le ratio sinistres/primes brut

Exemple de code

freq_by_age = df.groupby("DrivAge")["Frequency"].mean()
freq_by_age.plot(kind="bar", title="Fréquence par âge du conducteur")

Actions concrètes

• Modèle fréquence : GLM Poisson avec offset = log(Exposure)
• Modèle sévérité : GLM Gamma sur les sinistres non-nuls
• Calculer la prime pure = Fréquence × Sévérité
• Comparer avec XGBoost / GBM en benchmark
• Analyser les coefficients (relativités par variable)

Exemple de code

import statsmodels.api as sm
glm_freq = sm.GLM(
  y, X, family=sm.families.Poisson(),
  offset=np.log(df["Exposure"])
).fit()
print(glm_freq.summary())

Actions concrètes

• Calculer la prime de référence (profil neutre)
• Extraire les coefficients multiplicatifs par variable
• Construire la grille tarifaire (tableau de relativités)
• Comparer les primes modélisées vs primes marché
• Tester différents scénarios de chargements

Exemple de code

# Relativités par classe d'âge
relativites = np.exp(glm_freq.params)
grille = pd.DataFrame({
  "Variable": X.columns,
  "Relativite": relativites
})

Actions concrètes

• Calculer Gini, AUC sur le test set
• Tracer la courbe de lift (classement des risques)
• Faire un backtesting sur données hors-période
• Analyser le ratio S/P modélisé vs observé par décile
• Documenter les limites et biais potentiels

Exemple de code

from sklearn.metrics import roc_auc_score
gini = 2 * roc_auc_score(y_test, y_pred) - 1
print(f"Gini coefficient: {gini:.4f}")