Mémoire d'actuariat

modélisation du Risque de Provisionnement Non-Vie dans le cadre d\'un Modèle Interne sous Solvabilité II
Auteur(s) BATTUT Laurence
Société AXA France
Année 2018

Résumé
L'objectif de ce mémoire est la mise en place d'un Modèle Interne sur le périmètre IARD d'une filiale du Groupe AXA France : les garanties Pannes Mécaniques et GAP Auto. Compte tenu des spécificités de ce marché (contrats "multi-year", part importante des commissions dans le montant de la Prime), une approche Modèle Interne nous semble pertinente de façon à représenter le risque au plus près de la réalité du marché. Les méthodes utilisées pour la modélisation des incréments de Sinistres sont de type Bootstrap, avec régression GLM pour les lois Poisson, Gamma et log-Gamma. Nous avons également mis en place des méthodes de mesure de la qualité de prédiction des modèles. Les modèles Bootstrap GLM Poisson surdispersé et Gamma nous semblent adaptés au profil de risque des garanties étudiées, car ils expliquent de façon satisfaisante les incréments des montants de Sinistres par les variables explicatives "Année de Survenance" et "Vision".

Abstract
The goal of this report is to set up an internal Model for the Non-Life perimeter for a subsidiary of the AXA France Group : to this day, this market sells two warranties, Mechanical Breakdown and Auto GAP. Taking into account the specific features of this market (\"multi-year\" contracts, important weight of commissions in the premium), an Internal Model seems appropriated in order to reflect the risk, as close as possible to the marker reality. Methods that have been used for modelling the amounts of incremental Claims are Bootstrap with GLM regression for Poisson, Gamma and log-Gamma laws. We have also used methods to measure for the quality of the models predictions, based on Bootstrap and on Cross-Validation method and use of Learning and Validation samples. We consider that the models that have been set up - over dispersed Poisson and Gamma GLM Bootstrap - are adapted to fit the risk profile of the studied warranties, because they can explain the amounts of incremental Claims by explanatory variables \"Occurence Year\" and \"Vision Year\" with a satisfactory prediction quality.

Mémoire complet