Mémoire d'actuariat

Calcul de la volatilité associé aux provisions pour sinistres à payer
Auteur(s) PLANQUART Alexandre
Société Groupe APICIL
Année 2018
Confidentiel jusqu'au 14/06/2020

Résumé
L'anticipation des flux de trésorerie futurs est une des activités clé du métier d'assureur, par sa nature atypique (on parle souvent d'inversion du cycle de production). L'objectif de ce mémoire est la présentation de différentes méthodes de provisionnement permettant le calcul d'une volatilité associée à la provision (méthodes dites stochastiques) sur deux périmètres regroupant des garanties Santé et Prévoyance. La méthodologie suivie sera la suivante : dans un premier temps, les modèles utilisés ainsi que les hypothèses sous-jacentes seront décrits. Nous appliquerons ensuite des modèles d'avantages sophistiqués : une partie concernera les modèles basés sur les cadences et une autre sur les modèles à facteurs. L'application première de modèles simples nous permettra de bien saisir la structure de la famille de modèle utilisée, et de déceler d'éventuelles anomalies que nous corrigerons en retraitant les données. Une fois les modèles appliqués, nous effectuerons des tests à postériori pour les valider (nous parlerons de backtests et de tests de sensibilité). Enfin, la comparaison des modèles utilisés permettra d'établir certains critères concernant le choix du modèle à utiliser ; question fondamentale en provisionnement.

Abstract
Anticipating the future treasury cash-flows is a key which is competency required to be a qualified actuary. Indeed, the usually mentioned reversed production cycle is very specific to the insurance industry. This master project aims at introducing different provisioning stochastic methods which couldd be used to compute the provisions' volatility, considering two scopes: health insurance on the one hand, healthcare and life benefits on the other hand. The method we will apply is as follows. First, the used models and their underlying assumptions will be specifically described. Then, more sophisticated models will be used: the first part will deal with Chain-Ladder models and the second part will deal with the models based on factors. The first application of simple models might help us understand their structure and detect potential misstatements that we will correct by processing the data once more. Once the models are applied, tests (basically, backtests and sensitivity tests) will be conducted afterwards in order to validate them. Finally, comparing these models will help us to define a list of criteria to choose the most suitable one to use, which is a fundamental issue in provisioning.