Mémoires d'Actuariat
Construction de tables de turnover par application de l’approche d’apprentissage automatique dans l’évaluation des Indemnités de Fin de Carrière en norme IAS 19
Auteur(s) PHAM M.T.
Société Aon France
Année 2021
Résumé
La norme IAS 19 propose des méthodes de calcul et des hypothèses actuarielles de plus en plus précises sur les engagements sociaux, néanmoins le taux de turnover (ou taux de rotation du personnel) reste encore une hypothèse peu régulée par la norme. En pratique, les tables utilisées pour cette hypothèse sont construites en déterminant le taux de sortie à chaque âge pour la population concernée. Cependant, de nombreux écarts sont observés entre le turnover choisi dans les hypothèses et le turnover réel, donnant lieu à la constatation systématique d’écarts actuariels. Cela s'expliquerait par le fait que plusieurs facteurs ayant un impact important sur le taux de rotation n'ont pas été considérés dans la construction de la table, tels que le salaire, le statut matrimonial, le sexe, la zone géographique, etc. Ainsi, ce mémoire a pour but de donner une nouvelle approche de construction de tables de turnover au niveau individuel avec l'aide des modèles d'apprentissage automatique. Ce mémoire démontre également que le turnover peut fortement faire varier l’engagement d’où son importance dans le calcul des engagements sociaux, notamment pour les indemnités de fin de carrière. Par conséquent, l'actuaire doit veiller à calibrer les taux de rotation dans le calcul des passifs sociaux afin de se conformer aux exigences de la norme IAS 19.
Abstract
IAS 19 proposes increasingly precise calculation methods and actuarial assumptions for employee benefit obligation valuation; however, the turnover rate assumption is still not clearly defined by the standard. In practice, the tables used for this assumption are constructed by determining the turnover rate at each age for the population concerned. However, many differences are observed between the turnover chosen in the assumptions and the actual turnover, causing systematically actuarial gains or losses. This could be explained by the fact that several factors having a significant impact on the turnover rate were not considered in the construction of the table, such as salary, marital status, sex, geographical area, etc. Thus, this thesis aims to give a new approach to the construction of turnover tables at the individual level with the help of machine learning models. This thesis also illustrates that this assumption can considerably impact the liability, hence its importance in the calculation of social liabilities, in particular for retirement indemnities. Therefore, actuaries should be careful to calibrate turnover tables in the valuation of employee benefit obligations in order to comply with the requirements of IAS 19.
Mémoire complet
Auteur(s) PHAM M.T.
Société Aon France
Année 2021
Résumé
La norme IAS 19 propose des méthodes de calcul et des hypothèses actuarielles de plus en plus précises sur les engagements sociaux, néanmoins le taux de turnover (ou taux de rotation du personnel) reste encore une hypothèse peu régulée par la norme. En pratique, les tables utilisées pour cette hypothèse sont construites en déterminant le taux de sortie à chaque âge pour la population concernée. Cependant, de nombreux écarts sont observés entre le turnover choisi dans les hypothèses et le turnover réel, donnant lieu à la constatation systématique d’écarts actuariels. Cela s'expliquerait par le fait que plusieurs facteurs ayant un impact important sur le taux de rotation n'ont pas été considérés dans la construction de la table, tels que le salaire, le statut matrimonial, le sexe, la zone géographique, etc. Ainsi, ce mémoire a pour but de donner une nouvelle approche de construction de tables de turnover au niveau individuel avec l'aide des modèles d'apprentissage automatique. Ce mémoire démontre également que le turnover peut fortement faire varier l’engagement d’où son importance dans le calcul des engagements sociaux, notamment pour les indemnités de fin de carrière. Par conséquent, l'actuaire doit veiller à calibrer les taux de rotation dans le calcul des passifs sociaux afin de se conformer aux exigences de la norme IAS 19.
Abstract
IAS 19 proposes increasingly precise calculation methods and actuarial assumptions for employee benefit obligation valuation; however, the turnover rate assumption is still not clearly defined by the standard. In practice, the tables used for this assumption are constructed by determining the turnover rate at each age for the population concerned. However, many differences are observed between the turnover chosen in the assumptions and the actual turnover, causing systematically actuarial gains or losses. This could be explained by the fact that several factors having a significant impact on the turnover rate were not considered in the construction of the table, such as salary, marital status, sex, geographical area, etc. Thus, this thesis aims to give a new approach to the construction of turnover tables at the individual level with the help of machine learning models. This thesis also illustrates that this assumption can considerably impact the liability, hence its importance in the calculation of social liabilities, in particular for retirement indemnities. Therefore, actuaries should be careful to calibrate turnover tables in the valuation of employee benefit obligations in order to comply with the requirements of IAS 19.
Mémoire complet
