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
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Annexe C. Résultats <strong>de</strong>s mélanges <strong>de</strong> Logit<br />
Figure C.34 – Profil 3D du taux <strong>de</strong> rachat par date <strong>et</strong> par ancienn<strong>et</strong>é <strong>de</strong> contrat (par<br />
trimestre), produit Structurés.<br />
Surren<strong>de</strong>r rate (in %) VS (date + duration), Structured_products products (All)<br />
7<br />
6<br />
5<br />
z<br />
6<br />
4<br />
2<br />
0<br />
2008.07.01<br />
2008.10.01<br />
2008.04.01<br />
2008.01.01<br />
2007.10.01<br />
2007.07.01<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 dates<br />
2003.04.01<br />
2003.01.01<br />
2002.10.01<br />
2002.07.01<br />
2002.04.01<br />
2002.01.01<br />
2001.10.01<br />
2001.07.01<br />
2001.04.01<br />
5 2001.01.01<br />
10 2000.10.01<br />
15 2000.07.01<br />
20 2000.04.01<br />
25 2000.01.01<br />
30<br />
35<br />
4<br />
3<br />
2<br />
1<br />
duration<br />
0<br />
Rachats non-observés Rachat observés<br />
Rachats non-prédits 8795 21<br />
Rachats prédits 332 224<br />
Importance <strong>de</strong>s variables explicatives L’ancienn<strong>et</strong>é du contrat, la richesse <strong>et</strong> l’âge sont<br />
les trois variables les plus discriminantes dans le processus <strong>de</strong> segmentation d’après la figure<br />
C.35. Si nous considérons uniquement les variables catégorielles ou catégorisées, l’ancienn<strong>et</strong>é<br />
<strong>et</strong> le réseau <strong>de</strong> distribution expliquent les décisions <strong>de</strong> rachat avec les meilleures prévisions.<br />
Nous allons voir que finalement aucune <strong>de</strong> ces variables explicatives n’est considérée<br />
dans le modèle prédictif <strong>de</strong>s décisions <strong>de</strong> rachat, car leur introduction dégradaient clairement<br />
sa qualité.<br />
222
Change language