Mémoire d'actuariat

Création d'un outil de tarification santé
Auteur(s) TOUTAIN François-Henri
Société OPTIMIND
Année 2018
Confidentiel jusqu'au 20/09/2020

Résumé
La practice Employee Benefits d'Optimind est sollicitée par divers organismes afin d'estimer le coût d'une complémentaire santé. Optimind dispose à cet effet d'un outil, Prévise, permettant de tarifer un contrat santé en fonction d'une grille de garantie et d'une population d'assurés. Le sujet de ce mémoire est de concevoir un outil de tarification en complément de Prévise. Ce nouvel outil se basera sur une nouvelle technologie d'implémentation et de nouvelles méthodes actuarielles. La méthode la plus répandue en tarification santé, à savoir le modèle Coût moyen x Fréquence, sera reprise et sera challengée par la combinaison des éléments suivants : - méthodes de statistiques classiques autres que le GLM - algorithmes supervisés issus du machine learning - remise en cause de l'hypothèse d'indépendance entre le coût et la fréquence L'objectif étant in fine de disposer de grilles tarifaires plus fine (nouvelles segmentations) et plus juste dans les estimations tout en respectant les niveaux de mutualisation.

Abstract
The Employee Benefits service of Optimind is called to price health insurance policies. To that end, Optimind already has a software, called 'Prévise', which allows to price supplemental health insurance policies (individual or group insurance). The topic of this Master Thesis is the design of a new tool to price health insurance policies. The most commonly applied method in health insurance pricing, namely the 'Frequency-Severity' method, will be challenged by the combination of the followings points: - Classic statistic methods and Generalized Linear Models - Supervised Machine Learning algorithms - The hypothesis of independance between frequency and severity will also be challenged The goal is to determine finer and more accurate tariff grids, while maintaining mutualisation.