Mémoire d'actuariat

Méthodes de provisionnement ligne à ligne en assurance non-vie
Auteur(s) NOUAR Samia
Société PwC
Année 2018

Résumé
Les méthodes de provisionnement à la disposition de l'actuaire à l'heure actuelle sont assez restreintes dans el sens où elles se basent toutes sur l'hypothèse que la sinistralité constatée par le passé va se produire dans le futur et elles n'utilisent que les montants de sinistres et éventuellement les montants de primes. De plus, ces données sont généralement triangulées engendrant une "compression" et donc une perte de l'information. Les avancées technologiques récentes en termes de collecte, d'analyse et de stockage de données rendent la modélisation des méthodes de provisionnement ligne à ligne possible. Ce type de provisionnement est caractérisé par l'utilisation des données individuelles des sinistres observés, et non des données agrégées. Dans le cadre de ce mémoire, nous présenterons deux approches de provisionnement ligne à ligne : l'une s'inscrivant dans le cadre développé par Pietro Parodi et l'autre s'appuyant sur le principe du filtrage collaboratif. Nous proposons d'utiliser toutes les informations qui permettent aux gestionnaires de sinistres d'évaluer le coût du préjudice. Ces modèles sont ensuite testés par validation croisée et le pouvoir prédictif de ces modèles est comparé avec celui de la méthode de Chain Ladder à l'aide de l'indicateur d'écart MSE (Mean Square Error). Enfin, à l'aide de la méthode de re-reserving qui est une adaptation de la méthode du bootstrap à un horizon un an, nous mesurons le risque de réserve plus faible que la méthode de Chain Ladder.

Abstract
The most commonly used actuarial techniques for loss reserving have a common limitation: they all rely on the assumption that past claims experience is representative of the future one. In addition, they use only a small amount of data: the cost of claims and eventually the premiums. Moreover these data are generally summarized in triangles resulting in a "compression" and hence a loss of information. Recent developments in data collection, storage and analysis techniques make proper individual claims modelling possible. Such reserving methods are characterized by the use of observed individual claims data, and not aggragated data. In this thesis, two individual claims reserving approaches are presented: the first one within the framework developed by Pietro Parodi and the other one based on the principle of collaborative filtering. We propose to use all the information needed by claims handlers in order to asess the cost of claims. These approaches are implemented in a case study based on real-world data of a French bancassurance on the line of business "Personal Accident" and are tested with cross-validation techniques. Lastly these models are compared with the Chain Ladder method with respect to predictive poer using the Mean Square Error (MSE). To finish, using the re-reserving method, which corresponds to an adapted bootstrap approach to a one-year horizon, one can measure the reserve risk, with the aim of determining whether or not, these new methods have a lower reserve risk than the Chain Ladder method.

Mémoire complet