Mémoires d'Actuariat
Modélisation d'un model point et estimation du résultat d'un produit d'assurance emprunteur dans le cadre du fast close IFRS 17
Auteur(s) RAMIREZ-BANALES D. A.
Société Sogecap
Année 2022
Confidentiel jusqu'au 12/12/2024
Résumé
La nouvelle norme IFRS 17 applicable à partir de l’année 2022 nécessite la définition de processus innovants pour réaliser le fast close. Un des défis à relever porte notamment sur les données à utiliser dans le cadre des clôtures trimestrielles. Ce mémoire propose une approche afin de générer le jeu de données à utiliser pour créer les documents de reporting conformes à cette norme, en se fondant sur les données disponibles à l’arrêté précédent. Pour un trimestre donné, le model point dit « prédit » est composé des données réelles de la période précédente et des données estimées sur le trimestre en question. La difficulté à résoudre est celle de la génération de ces données « estimées » du trimestre. Le processus envisagé commence par l’estimation, à l’aide de séries temporelles, du nombre de nouveaux contrats souscrits dans ce trimestre. Ensuite, la répartition des profils de contrats – préalablement identifiés au moyen des données passées sur un an – sera reproduite dans le model point prédit en ventilant le nombre de nouveaux contrats selon cette distribution. L’identification de ces profils est nécessaire puisqu’ils permettent de connaître la répartition des contrats en termes de sexe de l’assuré, de la quotité ou encore de la présence d’un différé ou d’une surprime. Ainsi, en exploitant conjointement les résultats obtenus avec les séries temporelles et ceux de la classification hiérarchique en vue de l’identification des profils, il est possible de générer un jeu de données en vision estimée pour le trimestre : le model point prédit. Ce model point peut être exploité par le logiciel de projection de la société d’assurance afin de connaître les cash flows futurs liés aux contrats. En définitive, ces flux permettent de générer le compte de résultat et le bilan sous IFRS 17. Mots clés : Assurance emprunteur, classification ascendante hiérarchique, composantes principales, compte de résultat, fast close, IFRS 17, model point, séries temporelles.
Abstract
The new IFRS 17 standard applicable since 2022 requires the definition of innovative processes to achieve the fast close. One of the challenges to be met relates to the data to be used in the context of quarterly closings. This dissertation proposes an approach to generate the data set to be used to create reporting documents that comply with this standard, based on the data available at the previous closing. For a given quarter, the so-called “predicted” model point consists of actual data from the previous period and estimated data from the ongoing quarter. The challenge lies in the generation of this “estimated” data for the quarter. The starting point to obtaining the data is to estimate the number of new contracts written in that quarter using time series. Then, the distribution of contract profiles – previously identified using past data over a year – will be reproduced in the predicted model point by breaking down the number of new contracts according to this distribution. The identification of these profiles is necessary since it enables to know the distribution of contracts in terms of the gender of the insured, the quota or the presence of a deferral or an additional premium. Thus, by bringing together the results obtained from the time series and from the hierarchical classification with identify the profiles, it is possible to generate an estimated data set for the quarter: the predicted model point. This model point can be used by the insurance company's projection software in order to know the future cash flows linked to the contracts. Finally, these cash flows are used to generate the income statement and balance sheet under IFRS 17. Keywords: Ascending hierarchical classification, fast close, IFRS 17, income statement, loan insurance, model point, principal components, time series.
Auteur(s) RAMIREZ-BANALES D. A.
Société Sogecap
Année 2022
Confidentiel jusqu'au 12/12/2024
Résumé
La nouvelle norme IFRS 17 applicable à partir de l’année 2022 nécessite la définition de processus innovants pour réaliser le fast close. Un des défis à relever porte notamment sur les données à utiliser dans le cadre des clôtures trimestrielles. Ce mémoire propose une approche afin de générer le jeu de données à utiliser pour créer les documents de reporting conformes à cette norme, en se fondant sur les données disponibles à l’arrêté précédent. Pour un trimestre donné, le model point dit « prédit » est composé des données réelles de la période précédente et des données estimées sur le trimestre en question. La difficulté à résoudre est celle de la génération de ces données « estimées » du trimestre. Le processus envisagé commence par l’estimation, à l’aide de séries temporelles, du nombre de nouveaux contrats souscrits dans ce trimestre. Ensuite, la répartition des profils de contrats – préalablement identifiés au moyen des données passées sur un an – sera reproduite dans le model point prédit en ventilant le nombre de nouveaux contrats selon cette distribution. L’identification de ces profils est nécessaire puisqu’ils permettent de connaître la répartition des contrats en termes de sexe de l’assuré, de la quotité ou encore de la présence d’un différé ou d’une surprime. Ainsi, en exploitant conjointement les résultats obtenus avec les séries temporelles et ceux de la classification hiérarchique en vue de l’identification des profils, il est possible de générer un jeu de données en vision estimée pour le trimestre : le model point prédit. Ce model point peut être exploité par le logiciel de projection de la société d’assurance afin de connaître les cash flows futurs liés aux contrats. En définitive, ces flux permettent de générer le compte de résultat et le bilan sous IFRS 17. Mots clés : Assurance emprunteur, classification ascendante hiérarchique, composantes principales, compte de résultat, fast close, IFRS 17, model point, séries temporelles.
Abstract
The new IFRS 17 standard applicable since 2022 requires the definition of innovative processes to achieve the fast close. One of the challenges to be met relates to the data to be used in the context of quarterly closings. This dissertation proposes an approach to generate the data set to be used to create reporting documents that comply with this standard, based on the data available at the previous closing. For a given quarter, the so-called “predicted” model point consists of actual data from the previous period and estimated data from the ongoing quarter. The challenge lies in the generation of this “estimated” data for the quarter. The starting point to obtaining the data is to estimate the number of new contracts written in that quarter using time series. Then, the distribution of contract profiles – previously identified using past data over a year – will be reproduced in the predicted model point by breaking down the number of new contracts according to this distribution. The identification of these profiles is necessary since it enables to know the distribution of contracts in terms of the gender of the insured, the quota or the presence of a deferral or an additional premium. Thus, by bringing together the results obtained from the time series and from the hierarchical classification with identify the profiles, it is possible to generate an estimated data set for the quarter: the predicted model point. This model point can be used by the insurance company's projection software in order to know the future cash flows linked to the contracts. Finally, these cash flows are used to generate the income statement and balance sheet under IFRS 17. Keywords: Ascending hierarchical classification, fast close, IFRS 17, income statement, loan insurance, model point, principal components, time series.
