Mémoire d'actuariat

Modélisation de la consommation médicale en assurance collective
Auteur(s) ARSALANE Mehdi
Société Generali
Année 2016

Résumé
Les évolutions législatives récentes accroissent la concurrence déjà importante pour le segment de l'assurance santé collective. Elles imposent aux assureurs de proposer des tarifs toujours très compétitifs et de garder à jour leur vision des facteurs impactant la consommation médicale. Il apparait donc indispensable de modéliser régulièrement la charge de sinistre sur les principaux postes médicaux : Dentaire, Honoraires, Hospitalisation, Optique et Pharmacie. Cette modélisation doit tenir compte des informations pertinentes et disponibles dans les bases de données de l'organisme assureur. Les modèles linéaires généralisés siéent communément à ce type d'étude. Cependant, ce travail nécessite la résolution préalable de différentes problématiques telles que la gestion des données manquantes, des corrélations entre variables, la segmentation, ou la sélection de variables. Le présent mémoire vise tout d'abord à proposer des réponses opérationnelles à ces différente problématiques et à aboutir à une modélisation de la consommation médicale réglée par un assureur via l'utilisation des modèles linéaires généralisés. il traite en particulier de méthodes telles que l'imputation multiple, les arbres de décision, les algorithmes de sélection de variables et les modèles Tweedie. La méthodologie employée peut être adaptée à d'autres branches non-vie. Ces travaux mettent en évidence les principaux facteurs explicatifs de consommation et permettent d'optimiser la politique tarifaire et commerciale de Generali.

Abstract
Recent legislative changes increase the already significant competition in the market of group health insurance. They require insurers to offer very competitive rates and still keep very up to date their vision of the factors impacting health expenses. It therefore appears essential to regularly model loss costs for the main medical type of expenses: Practitioner’s fees, Dental, Hospital, Vision and Pharmaceuticals. This model must take account of all relevant and available information in the insurer’s databases. Generalized linear models commonly suit this type of study. However, this work requires prior resolution of various issues such as the handling of missing data, correlations between variables, segmentation or variable selection. This thesis aims for providing operational answers to these various issues and get a model of medical consumption paid back by an insurer through the use of generalized linear models. It concerns particularly methods such as multiple imputation, decision trees, variables selection algorithms and Tweedie models. The methodology can be adapted to other non-life risks. This work highlights the main explanatory factors of consumption and helps optimize Generali’s pricing and trade policy.

Mémoire complet