Manel Kacem
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Manel Kacem has a total of 11 co-authors. Here are the top co-authors by number of shared publications:
Lotfi Belkacem
Research Laboratory for Economy, Management and Quantitative Finance (LaREMFiQ), University of Sousse
2 shared publicationsStéphane Loisel
Université de Lyon, Université Claude Bernard Lyon 1, Laboratoire SAF, Institut de Science Financière et d'Assurances, Lyon, France
2 shared publications- Amal Ben Hamida
University Claude Bernard Lyon 1, France
1 shared publication Christian de Peretti
University Claude Bernard Lyon 1, France
1 shared publication- Christian de Peretti
Laboratory of Actuarial and Financial Sciences (LSAF, EA2429), Institute of Financial and Insurance Sciences, University Claude Bernard Lyon 1, 69100 Villeurbanne, France
1 shared publication Claude Lefèvre
1 shared publication
Latest Publications
- 31 March 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Processus de risque : modélisation de la dépendance et évaluation du risque sous des contraintes de convexité
Ce travail de thèse porte principalement sur deux problématiques différentes mais qui ont pour point commun, la contribution à la modélisation et à la gestion du risque en actuariat. Dans le premier thème de recherche abordé dans cette thèse, on s'intéresse à la modélisation de la dépendance en assurance et en particulier, on propose une extension des modèles à facteurs communs qui sont utilisés en assurance. Dans le deuxième thème de recherche, on considère les distributions discrètes décroissantes et on s'intéresse à l'étude de l'effet de l'ajout de la contrainte de convexité sur les extrema convexes. Des applications en liaison avec la théorie de la ruine motivent notre intérêt pour ce sujet. Dans la première partie de la thèse, on considère un modèle de risque en temps discret dans lequel les variables aléatoires sont dépendantes mais conditionnellement indépendantes par rapport à un facteur commun. Dans ce cadre de dépendance on introduit un nouveau concept pour la modélisation de la dépendance temporelle entre les risques d'un portefeuille d'assurance. En effet, notre modélisation inclut des processus de mémoire non bornée. Plus précisément, le conditionnement se fait par rapport à un vecteur aléatoire de longueur variable au cours du temps. Sous des conditions de mélange du facteur et d'une structure de mélange conditionnel, nous avons obtenu des propriétés de mélanges pour les processus non conditionnels. Avec ces résultats on peut obtenir des propriétés asymptotiques intéressantes. On note que dans notre étude asymptotique c'est plutôt le temps qui tend vers l'infini que le nombre de risques. On donne des résultats asymptotiques pour le processus agrégé, ce qui permet de donner une approximation du risque d'une compagnie d'assurance lorsque le temps tend vers l'infini. La deuxième partie de la thèse porte sur l'effet de la contrainte de convexité sur les extrema convexes dans la classe des distributions discrètes dont les fonctions de masse de probabilité (f.m.p.) sont décroissantes sur un support fini. Les extrema convexes dans cette classe de distributions sont bien connus. Notre but est de souligner comment les contraintes de forme supplémentaires de type convexité modifient ces extrema. Deux cas sont considérés : la f.m.p. est globalement convexe sur N et la f.m.p. est convexe seulement à partir d'un point positif donné. Les extrema convexes correspondants sont calculés en utilisant de simples propriétés de croisement entre deux distributions. Plusieurs illustrations en théorie de la ruine sont présentées
- 31 March 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Processus de risque : modélisation de la dépendance et évaluation du risque sous des contraintes de convexité
Ce travail de thèse porte principalement sur deux problématiques différentes mais qui ont pour point commun, la contribution à la modélisation et à la gestion du risque en actuariat. Dans le premier thème de recherche abordé dans cette thèse, on s'intéresse à la modélisation de la dépendance en assurance et en particulier, on propose une extension des modèles à facteurs communs qui sont utilisés en assurance. Dans le deuxième thème de recherche, on considère les distributions discrètes décroissantes et on s'intéresse à l'étude de l'effet de l'ajout de la contrainte de convexité sur les extrema convexes. Des applications en liaison avec la théorie de la ruine motivent notre intérêt pour ce sujet. Dans la première partie de la thèse, on considère un modèle de risque en temps discret dans lequel les variables aléatoires sont dépendantes mais conditionnellement indépendantes par rapport à un facteur commun. Dans ce cadre de dépendance on introduit un nouveau concept pour la modélisation de la dépendance temporelle entre les risques d'un portefeuille d'assurance. En effet, notre modélisation inclut des processus de mémoire non bornée. Plus précisément, le conditionnement se fait par rapport à un vecteur aléatoire de longueur variable au cours du temps. Sous des conditions de mélange du facteur et d'une structure de mélange conditionnel, nous avons obtenu des propriétés de mélanges pour les processus non conditionnels. Avec ces résultats on peut obtenir des propriétés asymptotiques intéressantes. On note que dans notre étude asymptotique c'est plutôt le temps qui tend vers l'infini que le nombre de risques. On donne des résultats asymptotiques pour le processus agrégé, ce qui permet de donner une approximation du risque d'une compagnie d'assurance lorsque le temps tend vers l'infini. La deuxième partie de la thèse porte sur l'effet de la contrainte de convexité sur les extrema convexes dans la classe des distributions discrètes dont les fonctions de masse de probabilité (f.m.p.) sont décroissantes sur un support fini. Les extrema convexes dans cette classe de distributions sont bien connus. Notre but est de souligner comment les contraintes de forme supplémentaires de type convexité modifient ces extrema. Deux cas sont considérés : la f.m.p. est globalement convexe sur N et la f.m.p. est convexe seulement à partir d'un point positif donné. Les extrema convexes correspondants sont calculés en utilisant de simples propriétés de croisement entre deux distributions. Plusieurs illustrations en théorie de la ruine sont présentées
- 15 December 2025
- Published by Springer Nature in Computational Economics
- p. 1-33
Explainable Ensemble Machine for Auto Insurance Fraud Detection: A Soft Voting Approach
- 15 December 2025
- Published by Springer Nature in Computational Economics
- p. 1-33
Explainable Ensemble Machine for Auto Insurance Fraud Detection: A Soft Voting Approach
- 2 June 2025
- Published by Taylor & Francis in North American Actuarial Journal
- Vol. 30 (1) , 32-51
Insurance Ratemaking Using a Combined Quantile Regression Machine Learning Approach
- 2 June 2025
- Published by Taylor & Francis in North American Actuarial Journal
- Vol. 30 (1) , 32-51
Insurance Ratemaking Using a Combined Quantile Regression Machine Learning Approach
- 18 August 2024
- Published by SAGE Publications in International Journal of Market Research
- Vol. 66 (6) , 810-831
Machine learning based methods for ratemaking health care insurance
In insurance, proposing an accurate premium that is adjusted to the insured risk profile allows companies to better manage their portfolios and to be more competitive. Machine learning methods have recently been adopted for various improvements in insurance ratemaking, especially in the automobile industry. These models are specifically used to mine potential data information and to build a predictive model for a variable of interest using explanatory variables. In this paper, we aim to provide a pricing method for ratemaking individual healthcare insurance contracts using machine learning algorithms that are applied to a Tunisian healthcare insurance portfolio. We start with a simple Classification and Regression Tree, and we work toward more advanced methods that are Random Forest, Extreme gradient boosting, Support Vector Regression, and Artificial Neural network regression model. The predictive performance of these non-parametric methods is compared with the standard generalized linear model. Our results showed the applicability of machine learning in the healthcare insurance market and that the XGBoost algorithm outperforms the predictive capacity of the classical generalized linear model.
- 18 August 2024
- Published by SAGE Publications in International Journal of Market Research
- Vol. 66 (6) , 810-831
Machine learning based methods for ratemaking health care insurance
In insurance, proposing an accurate premium that is adjusted to the insured risk profile allows companies to better manage their portfolios and to be more competitive. Machine learning methods have recently been adopted for various improvements in insurance ratemaking, especially in the automobile industry. These models are specifically used to mine potential data information and to build a predictive model for a variable of interest using explanatory variables. In this paper, we aim to provide a pricing method for ratemaking individual healthcare insurance contracts using machine learning algorithms that are applied to a Tunisian healthcare insurance portfolio. We start with a simple Classification and Regression Tree, and we work toward more advanced methods that are Random Forest, Extreme gradient boosting, Support Vector Regression, and Artificial Neural network regression model. The predictive performance of these non-parametric methods is compared with the standard generalized linear model. Our results showed the applicability of machine learning in the healthcare insurance market and that the XGBoost algorithm outperforms the predictive capacity of the classical generalized linear model.
- 20 February 2023
- Published by Springer Nature in Empirical Economics
- Vol. 65 (3) , 1105-1127
Extreme severity modeling using a GLM-GPD combination: application to an excess of loss reinsurance treaty
- 20 February 2023
- Published by Springer Nature in Empirical Economics
- Vol. 65 (3) , 1105-1127
Extreme severity modeling using a GLM-GPD combination: application to an excess of loss reinsurance treaty
- 9 November 2017
- Published by Taylor & Francis in Statistics
- Vol. 52 (2) , 273-287
Estimation of the limit variance for sums under a new weak dependence condition
We prove a self-normalized central limit theorem for a mixing class of processes introduced in Kacem M, Loisel S, Maume-Deschamps V. [Some mixing properties of conditionally independent processes. Commun Statist Theory Methods. 2016;45:1241–1259]. This class is larger than more classical strongly mixing processes and thus our result is more general than [Peligrad M, Shao QM. Estimation of the variance of partial sums for ρ-mixing random variables. J Multivar Anal. 1995;52:140–157; Shi S. Estimation of the variance for strongly mixing sequences. Appl Math J Chinese Univ. 2000;15(1):45–54] ones. The fact that some conditionally independent processes satisfy this kind of mixing properties motivated our study. We investigate the weak consistency as well as the asymptotic normality of the estimator of the variance that we propose.
- 9 November 2017
- Published by Taylor & Francis in Statistics
- Vol. 52 (2) , 273-287
Estimation of the limit variance for sums under a new weak dependence condition
We prove a self-normalized central limit theorem for a mixing class of processes introduced in Kacem M, Loisel S, Maume-Deschamps V. [Some mixing properties of conditionally independent processes. Commun Statist Theory Methods. 2016;45:1241–1259]. This class is larger than more classical strongly mixing processes and thus our result is more general than [Peligrad M, Shao QM. Estimation of the variance of partial sums for ρ-mixing random variables. J Multivar Anal. 1995;52:140–157; Shi S. Estimation of the variance for strongly mixing sequences. Appl Math J Chinese Univ. 2000;15(1):45–54] ones. The fact that some conditionally independent processes satisfy this kind of mixing properties motivated our study. We investigate the weak consistency as well as the asymptotic normality of the estimator of the variance that we propose.
- 18 February 2016
- Published by Taylor & Francis in Communications in Statistics - Theory and Methods
- Vol. 45 (5) , 1241-1259
Some mixing properties of conditionally independent processes
In this paper, we consider conditionally independent processes with respect to some dynamic factor. More precisely, we assume that for all n, random variables (Xi)i ⩽ n are conditionally independent given . We study the mixing properties of the process and we provide an asymptotic result. Our work is motivated by some examples related to risk theory.
- 18 February 2016
- Published by Taylor & Francis in Communications in Statistics - Theory and Methods
- Vol. 45 (5) , 1241-1259
Some mixing properties of conditionally independent processes
In this paper, we consider conditionally independent processes with respect to some dynamic factor. More precisely, we assume that for all n, random variables (Xi)i ⩽ n are conditionally independent given . We study the mixing properties of the process and we provide an asymptotic result. Our work is motivated by some examples related to risk theory.
- 1 March 2015
- Published by Elsevier in Journal of Mathematical Analysis and Applications
- Vol. 423 (2) , 1774-1791
Convex extrema for nonincreasing discrete distributions: Effects of convexity constraints
- 1 March 2015
- Published by Elsevier in Journal of Mathematical Analysis and Applications
- Vol. 423 (2) , 1774-1791
Convex extrema for nonincreasing discrete distributions: Effects of convexity constraints