Mémoire d'actuariat

Méthode d\'optimisation du provisionnement en prévoyance ou santé collective : prise en compte des facterus internes et du contexte économique
Auteur(s) ERROCHDI Zachariae
Société Axa France
Année 2016

Résumé
L'objectif de ce mémoire d'actuariat est l'amélioration des méthodes de provisionnement des frais de soins et de l'arrêt de travail. Nous utiliserons dans un premier temps la capacité des méthodes d'apprentissage statistique afin de capter les éléments améliorant la qualité de précision de la méthode de provisionnement de référence : Méthode de Chain Ladder. En exploitant la base des données internes (ou la base d'apprentissage) nous trouverons qu'il existe plusieurs groupes de contrats de sinistralité homogène. Le rassemblement de ces groupes de contrats homogènes dans un objectif de provisionnement améliore la performance de la méthode de référence pour les frais de soins. En ce qui concerne l'arrêt de travail et à la différence des frais de soins il faut enrichir la base de données par des indicateurs macro-économiques afin d'améliorer la qualité d'estimation selon l'approche par apprentissage statistique. Par la suite, nous nous intéresserons à l'impact du contexte macro-économique sur le risque de l'arrêt de travail. Nous trouverons que la sinistralité arrêt de travail est liée négativement à la croissance économique et positivement aux dépenses de santé. Finalement, nous nous intéresserons à l'introduction explicite des facteurs externes dans le processus de provisionnement. En effet, nous suivrons une approche bayésienne permettant l'introduction de l'information à priori dans l'estimation de la charge ultime. L'information introduite sera sous forme de séries économiques corrélées avec l'un des paramètres du modèle de prédiction. Nous étudierons plusieurs séries possibles et nous validerons en utilisant une deuxième méthode l'impact explicite du contexte économique sur la sinistralité arrêt de travail.

Abstract
This actuarial report deals with improving the accuracy of medical expenses and disability guarantee reserving. We first used clustering techniques to identify the factors improving the accuracy of the Chain Ladder method, which are both internal (related to policy management) and external (economic factors). The analysis of internal data shows that there are several homogeneous groups of policies (in term of claims). We demonstrate in this report that clustering these policies improves the accuracy of the results for medical expenses. For disability, the database had to be completed with external data. We indeed explored the impact of the macroeconomic context on the disability guarantee risk (linear relationship). This report reveals that the loss ratio of disability guarantee is negatively correlated with the economic growth and positively with the public healthcare costs. Finally, we demonstrate how adding economic indicators in the database improves the predictability of the development of disability claims and the ultimate loss ratio. We modelled those claims with a Bayesian approach and three development directions: incurred periods, recording lag periods and calendar periods. The calendar period development direction was adjusted by the economic factors.

Mémoire complet