Mélanges de GLMs et nombre de composantes : application ... - Scor
Mélanges de GLMs et nombre de composantes : application ... - Scor
Mélanges de GLMs et nombre de composantes : application ... - Scor
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Annexe C. Résultats <strong>de</strong>s mélanges <strong>de</strong> Logit<br />
Figure C.4 – Profil 3D du taux <strong>de</strong> rachat par date <strong>et</strong> par ancienn<strong>et</strong>é <strong>de</strong> contrat (par trimestre),<br />
produit Ahorro.<br />
Surren<strong>de</strong>r rate (in %) VS (date + duration), Ahorro products (All)<br />
14<br />
12<br />
10<br />
z<br />
15<br />
10<br />
5<br />
0<br />
2007.07.01<br />
2007.10.01<br />
2007.04.01<br />
2007.01.01<br />
2006.10.01<br />
2006.07.01<br />
2006.04.01<br />
2006.01.01<br />
2005.10.01<br />
2005.07.01<br />
2005.04.01<br />
2005.01.01<br />
2004.10.01<br />
2004.07.01<br />
2004.04.01<br />
2004.01.01<br />
2003.10.01<br />
2003.07.01<br />
2003.04.01<br />
2003.01.01<br />
2002.10.01<br />
2002.07.01 dates<br />
2002.04.01<br />
2002.01.01<br />
2001.10.01<br />
2001.07.01<br />
2001.04.01<br />
2001.01.01<br />
2000.10.01<br />
2000.07.01<br />
2000.04.01<br />
5 2000.01.01<br />
10 1999.10.01<br />
15 1999.07.01<br />
20 1999.04.01<br />
25 1999.01.01<br />
30<br />
35<br />
8<br />
6<br />
4<br />
2<br />
duration<br />
0<br />
(l’ancienn<strong>et</strong>é était catégorisée différemment au départ, aussi il est possible qu’un résultat soit<br />
basé sur c<strong>et</strong>te ancienne catégorisation mais ceci est marginal). Les pics <strong>de</strong> rachat s’amenuisent<br />
avec le temps pour la simple <strong>et</strong> bonne raison que l’exposition <strong>de</strong>vient moindre.<br />
Taux <strong>de</strong> rachat par cohorte Lorsque l’on regar<strong>de</strong> le taux <strong>de</strong> rachat global par cohorte,<br />
l’idée est <strong>de</strong> voir si certaines cohortes ont globalement beaucoup plus rach<strong>et</strong>é que d’autres.<br />
La figure C.3 perm<strong>et</strong> <strong>de</strong> détecter une partie <strong>de</strong> l’hétérogénéité <strong>de</strong>s comportements susceptible<br />
d’exister : dans ce cas précis, rien ne semble anormal (c’est pourquoi nous basculons ce<br />
graphe en annexe), le taux chutant à 0 pour les très jeunes cohortes car personne n’a encore<br />
rach<strong>et</strong>é (les assurés sont dans leur première année <strong>de</strong> contrat). Nous r<strong>et</strong>rouvons d’ailleurs les<br />
caractéristiques <strong>de</strong> la figure C.2 à travers les baisses périodiques observées.<br />
Taux <strong>de</strong> rachat par date <strong>et</strong> par ancienn<strong>et</strong>é <strong>de</strong> contrat La vision 3D offerte par la<br />
figure C.4 est utile dans un contexte global. Il est relativement facile d’observer <strong>de</strong>s comportement<br />
anormaux en croisant les eff<strong>et</strong>s <strong>de</strong>s dates <strong>et</strong> <strong>de</strong> l’ancienn<strong>et</strong>é du contrat. Ici par<br />
exemple, nous observons que les assurés rachètent majoritairement avant leur quatrième année<br />
<strong>de</strong> contrat (du trimestre 4 au trimestre 12) quelle que soit la date ; bien qu’en 2000<br />
énormément <strong>de</strong> personnes rach<strong>et</strong>aient dès le premier anniversaire <strong>de</strong> la police (pics bleus).<br />
C’est typiquement le mélange <strong>de</strong> ces comportements qui donne une surdispersion <strong>de</strong>s données<br />
<strong>et</strong> qui empêche la modélisation par une approche simplifiée.<br />
202