Development of new methods for the joint modeling of longitudinal and survival data with applications in finance and insurance

点击翻译按钮获取中文摘要

A large proportion of Canadian households find it challenging to manage their finance and insurance products. As a matter of fact, according to Statistics Canada, Canadian household credit market debt as a proportion of disposable income has increased to more than 176 % during the first quarter of 2020. Making sure that Canadians receive offers of products better suited to their specific needs at more opportune times would go a long way in improving their financial health. The goal of this project is to develop analytical tools that can help a major Canadian provider of financial and insurance products to identify the best products to offer to their clients and the best times at which to offer these products using the massive historical information that is available in the company's databases. While some statistical and machine learning algorithms that already exist can be tweaked to perform similar tasks, no method that fully takes into account the temporal, hierarchical and network structure of the data are currently available. In this project, such methods will be developed and will be implemented in open software that will be made publicly available. Because historical financial databases do not reflect the diversity of the current client base of financial companies in major Canadian cities, efforts will be made to make sure that the methods to be developed will be as efficient to improve the financial health of minority groups as they will be for majority groups.#(cr)#(lf)Une bonne proportion des ménages canadiens trouvent difficile de gérer leurs produits financiers et d'assurance. En effet, selon Statistique Canada, l'endettement des ménages canadiens en proportion du revenu disponible est passé à plus de 176% au cours du premier trimestre de 2020. S'assurer que les Canadiens reçoivent des offres de produits mieux adaptés à leurs besoins spécifiques à des moments plus opportuns contribuerait grandement à améliorer leur santé financière. L'objectif de ce projet est de développer des outils analytiques qui peuvent aider un grand fournisseur canadien de produits financiers et d'assurance à identifier les meilleurs produits à offrir à ses clients et les meilleurs moments pour offrir ces produits, en utilisant les informations historiques massives disponibles dans les bases de données de l'entreprise. Alors que certains algorithmes statistiques et d'apprentissage automatique qui existent déjà peuvent être modifiés pour effectuer des tâches similaires, aucune méthode qui prend pleinement en compte la structure temporelle, hiérarchique et en réseau des données n'est actuellement disponible. Dans ce projet, de telles méthodes seront développées et mises en oeuvre dans des logiciels ouverts qui seront disponibles au public. Parce que les bases de données financières historiques ne reflètent pas la diversité de la clientèle actuelle des entreprises financières dans les grandes villes canadiennes, des efforts seront faits pour s'assurer que les méthodes développées seront aussi efficaces pour améliorer la santé financière des groupes minoritaires qu'elles ne le seront pour améliorer celle des groupes majoritaires.