Mémoire d'actuariat

Interprétabilité en Machine Learning : application à la construction simultanée de lois structurelles et conjoncturelles de versements libres
Auteur(s) JUMELLE M.
Société SOGECAP
Année 2020
Confidentiel jusqu'au 27/02/2022

Résumé
En assurance vie, le comportement des assurés est un facteur de risque que les directions ALM cherchent à modéliser. En effet, les différents événements qui peuvent survenir sur la durée de vie d’un contrat, à savoir la mortalité, l’arbitrage, le rachat ou le versement, font intervenir des garanties ou des clauses pouvant modifier les provisions techniques consolidées. La réglementation prudentielle européenne Solvabilité II impose aux organismes d’assurance de modéliser la mortalité, l’arbitrage et le rachat, mais exclut celle des versements libres, qui pourtant peuvent engager l’assureur et donc l’exposer à des risques supplémentaires. Néanmoins, dans un référentiel comptable, la norme IFRS 17 prévoit des ouvertures quant à l’utilisation des versements libres dans la modélisation des engagements, dans le but de refléter au mieux le comportement des assurés. L’objectif de cette étude est de construire une loi comportementale des versements libres afin que la direction ALM puisse étudier plus efficacement son exposition aux risques, en utilisant des méthodes de Machine Learning. La construction de cette loi est scindée en deux parties : une partie structurelle, qui est déterminée sur la base des caractéristiques des assurés, et une partie conjoncturelle, qui dépends des aléas des marchés financiers. La première partie fait intervenir le cadre classique de modélisation des lois de survie par l’intermédiaire d’un estimateur de Kaplan-Meier sur des variables segmentantes. La seconde partie présente une nouvelle approche, où des clusters d’assurés sont automatiquement formés et les lois conjoncturelles sont estimées par l’intermédiaire de méthodes d’apprentissage statistique. Enfin, la dernière partie analyse les résultats obtenus et propose des pistes d’amélioration et de réflexions sur cette modélisation.

Abstract
In life insurance, insurees behaviour is a risk driver that ALM services seeks to modelize. Indeed, different events that can occur during contrat’s lifespan, such that mortality, arbitration, redemption or additional premium payments, involve multiple guarantees or clauses which could change estimated technical provisions. The European prudential regulation Solvency II impose to insurance companies to modelize mortality, arbitration and redemption, but exclude additional premium payments, which still engage insurer and expose it to additional risks. Nevertheless, in accounting standards, IFRS 17 plans on possibilities to use additional premium payments in Best Estimate Liabilities, in order to provides a better estimation of insured portfolio behaviour. The purpose of this study is to construct additional premium payments behaviour laws that will later be used within ALM department in order to efficiently study entity’s risks exposure. Construction of this law is splitted into two parts : a structural part, which its determination is based on insurees’ characteristics, and a market-dependent part, based on financial and economical events. First part is dedicated to regular survival estimation with Kaplan-Meier estimator to identify the structural component. Second part propose a new approach where statistical learning methods and employed to identify a market-dependent component. Finally, third part is focused on results analysis with improving discussions that could be applied on the existing solution.