Mes activités de Recherche




Switch language here!

Domaines actuels de Recherche

Mes activités de recherche se concentrent en ce moment autour des domaines suivants: Récemment, j'ai crée et développé la librairie admix de R, qui permet d'estimer les paramètres de modèles de contamination, de réaliser des tests d'hypothèse et de faire du clustering sur la base de la composante inconnue. L'ensemble du code se trouve en accès libre sur ma page Github, n'hésitez pas à contribuer, me faire des remarques, me proposer des extensions... La librairie est en constante evolution. Plus plus d'informations, rendez-vous ici. La documentation globale du package se trouve ici.

Comme co-porteur (avec Katrien Antonio, KU Leuven, Belgique) de la Chaire d'Excellence DIALog (Digital Insurance and Long-term risks, financée par CNP Assurances), je m'intéresse actuellement tout particulierement aux problématiques liées aux données spécifiques d'assurance et leur traitement avec les algorithmes de Machine Learning (données de mauvaise qualité, données manquantes, données extremes, ...). Par le passé, mon intérêt pour les problèmes de classification m'a amené à étudier les algorithmes de classification par arbre, avec un focus sur les arbres binaires et les méthodes CART (Arbres de Classification et de Régression). Les modèles linéaires généralisés m'ont intéressé car il s'agit d'une extension naturelle des modèles de régression, qui permettent de spécifier un lien différent du lien canonique naturel et ainsi de considérer des variables réponses de différents types.
En ce qui concerne l'analyse de survie, les problèmes de censure et les modèles de régression sont au coeur de mes applications. J'ai mené des études utilisant des modèles d'intensité à hasards proportionnels ou non-proportionnels, ou des modèles d'accéleration de temps de défaut de type régression de Weibull (AFT, respectivement de décélération DFT). Actuellement, mes travaux portent sur l'extension de modélisations non-paramétriques de type arbre à des données censurées.
Je m'intéresse également à la modélisation de l'hétérogénéité d'un échantillon de données par l'usage de lois de mélanges, couramment appelés modèles mélanges finis. Je me suis notamment intéressé à la pertinence de l'application de ce type de modèle dans le cadre de réponses binaires, avec un phénomène dépendant de facteurs aussi bien endogènes qu'exogènes (contexte typique des problematiques de l'assurance vie).
Par suite naturelle des études précédentes, j'étudie aussi la bibliographie liée aux Chaînes de Markov cachées, et ce plus particulièrement dans un contexte de GLM Markov switching. Une extension théorique de ces modèles est envisagée; ainsi qu'une comparaison à des modèles dynamiques de type processus auto-excités.
Enfin, j'étudie la modélisation des intéractions entre l'actif et le passif d'un assureur a travers un travail sur les projections multi-périodes de ces intéractions.

Articles et interventions

Ces études et recherches ont donné lieu aux publications suivantes...

...et aux présentations suivantes (non exhaustif):

Encadrement de thèses

J'ai le plaisir d'encadrer actuellement trois étudiants en thèse de doctorat:

Prix et récompenses

Dans le cadre de mes travaux de recherche, j'ai eu l'honneur de recevoir trois prix:

Thèse de doctorat en Mathematiques Appliquées

Soutenue le 6 juillet 2012 devant un jury composé de H. Albrecher (président), B. Garel et D. Pommeret (rapporteurs), V. Maume-Deschamps et S. Loisel (directeurs), et V. Lepez (examinateur).
Sujet de la thèse :

Mélange de GLM et nombre de composantes: application au risque de rachat en Assurance Vie. Manuscript ici.

Exposé de la these (slides): ici


Mémoire d'actuaire chez AXA Global Life (AGL):

Sujet du mémoire :

Segmentation et modélisation des comportements de rachat en assurance vie. Manuscript ici.