Mémoires d'Actuariat
Modélisation des ultimes en dommages corporels par une approche data driver intégrant les phénomènes connus des experts
Auteur(s) LANGUILLE M.
Société Allianz France
Année 2021
Résumé
Etant donné leur temps de développement long et la gravité qu’ils peuvent atteindre, les sinistres corporels constituent un poste de dépenses considérable pour les assureurs IARD. C’est pourquoi il est nécessaire de bien les provisionner pour respecter les exigences de solvabilité et assurer une indemnisation des victimes à la hauteur. Les méthodes utilisées pour cela sont généralement assez agrégées et ne considèrent que l’évolution passée des charges pour prévoir les charges futures, sans autres facteurs explicatifs. Pourtant à l’heure du Big Data, la mise en œuvre de calculs plus puissants sur des données plus complètes et désagrégées pourrait offrir de nouvelles perspectives dans la construction de réserves. En exploitant plus d’informations bien choisies et à une maille plus fine, les évolutions de charges de sinistres corporels pourraient être mieux appréhendées. Au-delà de l’exploitation du Big Data, la construction du modèle en consultation avec des experts de l’indemnisation et du provisionnement des sinistres corporels permettrait de le rendre encore plus riche et pertinent pour le calcul et surtout l’explication des charges ultimes. Ce mémoire explore donc les possibilités, offertes par de grandes quantités de données couplées à la connaissance de certains phénomènes par des experts, de mieux modéliser les développements de charges pour estimer des réserves précises pour des sinistres corporels et pouvoir mieux les interpréter. Cela permettrait avant tout d’expliquer par des phénomènes particuliers les tendances observées lors de projections de charges par des méthodes plus classiques utilisées en provisionnement.
Abstract
Because of their long development time and the high severity level that they can reach, bodily injuries account for significant expenses for Property and Casualty insurers. That is why it is necessary to provision these claims correctly in order to forecast these expenses and provide the victims with suitable indemnities. The classical methods used to project the claims to their ultimate value usually consist in aggregated calculations on all claims per accident year and forecast the future claims with regard to the past claims only, and not considering other underlying factors. However, in the era of Big Data, more powerful calculations on more complete and disaggregated data could offer new opportunities for the calculation of reserves. By using more and well chosen information on a finer grid, the evolution of claims for bodily injuries could be better understood. In addition to the use of Big Data, consulting experts of indemnities appraisal and claims reserving for bodily injuries while constructing a claims projection model could make such a model even richer and more appropriate to calculate and most importantly to explain ultimate claims. Thus this study will explore the opportunities, offered by Big Data associated with knowledge of experts about some phenomena, to better model the development of claims in order to estimate more precise reserves for bodily injuries and to be able to better interpret them. That would most of all allow to explain with specific phenomena particular trends observed in classical claims projections.
Mémoire complet
Auteur(s) LANGUILLE M.
Société Allianz France
Année 2021
Résumé
Etant donné leur temps de développement long et la gravité qu’ils peuvent atteindre, les sinistres corporels constituent un poste de dépenses considérable pour les assureurs IARD. C’est pourquoi il est nécessaire de bien les provisionner pour respecter les exigences de solvabilité et assurer une indemnisation des victimes à la hauteur. Les méthodes utilisées pour cela sont généralement assez agrégées et ne considèrent que l’évolution passée des charges pour prévoir les charges futures, sans autres facteurs explicatifs. Pourtant à l’heure du Big Data, la mise en œuvre de calculs plus puissants sur des données plus complètes et désagrégées pourrait offrir de nouvelles perspectives dans la construction de réserves. En exploitant plus d’informations bien choisies et à une maille plus fine, les évolutions de charges de sinistres corporels pourraient être mieux appréhendées. Au-delà de l’exploitation du Big Data, la construction du modèle en consultation avec des experts de l’indemnisation et du provisionnement des sinistres corporels permettrait de le rendre encore plus riche et pertinent pour le calcul et surtout l’explication des charges ultimes. Ce mémoire explore donc les possibilités, offertes par de grandes quantités de données couplées à la connaissance de certains phénomènes par des experts, de mieux modéliser les développements de charges pour estimer des réserves précises pour des sinistres corporels et pouvoir mieux les interpréter. Cela permettrait avant tout d’expliquer par des phénomènes particuliers les tendances observées lors de projections de charges par des méthodes plus classiques utilisées en provisionnement.
Abstract
Because of their long development time and the high severity level that they can reach, bodily injuries account for significant expenses for Property and Casualty insurers. That is why it is necessary to provision these claims correctly in order to forecast these expenses and provide the victims with suitable indemnities. The classical methods used to project the claims to their ultimate value usually consist in aggregated calculations on all claims per accident year and forecast the future claims with regard to the past claims only, and not considering other underlying factors. However, in the era of Big Data, more powerful calculations on more complete and disaggregated data could offer new opportunities for the calculation of reserves. By using more and well chosen information on a finer grid, the evolution of claims for bodily injuries could be better understood. In addition to the use of Big Data, consulting experts of indemnities appraisal and claims reserving for bodily injuries while constructing a claims projection model could make such a model even richer and more appropriate to calculate and most importantly to explain ultimate claims. Thus this study will explore the opportunities, offered by Big Data associated with knowledge of experts about some phenomena, to better model the development of claims in order to estimate more precise reserves for bodily injuries and to be able to better interpret them. That would most of all allow to explain with specific phenomena particular trends observed in classical claims projections.
Mémoire complet
