Closed-form Maximum Likelihood Estimator for Generalized Linear Models in the case of categorical explanatory variables: Application to insurance loss modeling

Dans cette présentation, les modèles linéaires généralisés avec variables explicatives catégorielles seront considérés. Les paramètres de ces modèles sont estimés par des méthodes originales de maximum de vraisemblance exactes (ne nécessitant pas d'algorithme de descente de gradient) qui seront explicitées. Ces travaux sont illustrés au travers d'une application en assurance, où la modélisation des sinistres graves pour l'évaluation des « primes » pures et commerciales (calculées à partir de moments de la charge totale de sinistres pour un portefeuille donné) est souvent un grand enjeu. Dans cette optique nous nous sommes intéressés à titre illustratif à deux exemples de lois à queues lourdes particulières (Pareto et shifted-log normal) qui seront décris.
coll.: Alexandre Brouste (Univ. Le Mans) et Christophe Dutang (Univ. Paris-Dauphine, Ceremade)