Mémoires d'Actuariat
Applications d’approches de provisionnement multivariées et segmentées à l’assurance non-vie des particuliers
Auteur(s) PEROTIN T.
Société Direct Assurances
Année 2025
Confidentiel jusqu'au 06/10/2027
Résumé
En assurance non-vie, le provisionnement des engagements d’un assureur est généralement réalisé deux fois par an, dans le cadre de la publication de ses états financiers semestriels. Ce provisionnement est typiquement basé sur des projections de données de sinistralité agrégées par année de survenance, année d’observation, secteur d’activité et type de garantie. L’objectif de ce mémoire est de démontrer que les spécificités de l’assurance non-vie des particuliers – caractérisée par une charge sinistre majoritairement matérielle, de duration courte, avec des volumes importants et des coûts moyens relativement faibles – permettent d’adopter des approches de provisionnement significativement plus segmentées. Ces approches peuvent être réalisées par mois de survenance et de développement, et peuvent également tenir compte des différentes typologies de sinistres, de clients, de biens assurés et de contrats. De plus, elles peuvent être mises en œuvre plus fréquemment, par exemple sur une base mensuelle. Ces approches segmentées peuvent enfin être améliorées en utilisant des estimateurs multivariés, qui permettent notamment d’incorporer des données et informations a priori sur la sinistralité propre à chaque segment, par exemple en termes de fréquence de sinistres, de taux de sinistres sans suite et de coûts moyens. Nous montrerons que l’utilisation de ce type de projections multivariées, plus segmentées et plus fréquentes, peuvent être très bénéfique à différents niveaux de la chaine de valeur de l’assurance. Nous l’illustrerons notamment avec des applications dans le cadre du suivi opérationnel de la sinistralité, ainsi que pour la définition des tarifs et de la stratégie commerciale de l’entreprise.
Abstract
In non-life insurance, the valuation of insurers’ liabilities is generally carried out twice a year, as part of the publication of the financial statements. This reserving process is typically based on projections of claims data aggregated by accident year, observation year, line of business, and coverage. The objective of this thesis is to demonstrate that the specificities of non-life retail insurance — where most claims are material, have short durations, involve high volumes, and have low average costs —allow for the application of significantly more granular reserving approaches. These approaches can be implemented by month of occurrence and development. They can also be segmented by type of claims, type of clients, insured assets, and type of contracts. Furthermore, they can be performed more frequently, for example monthly. These segmented approaches can be improved using multivariate estimators, which allow for the incorporation of segment-specific prior information and observations of various features such as claim frequency and average cost. We will show that these more frequent and detailed projections of ultimate claims can provide significant added value at different levels of the insurance value chain. We will illustrate the applications of these methods for operational claims monitoring and for the definition of a company’s rates and commercial strategy.
Auteur(s) PEROTIN T.
Société Direct Assurances
Année 2025
Confidentiel jusqu'au 06/10/2027
Résumé
En assurance non-vie, le provisionnement des engagements d’un assureur est généralement réalisé deux fois par an, dans le cadre de la publication de ses états financiers semestriels. Ce provisionnement est typiquement basé sur des projections de données de sinistralité agrégées par année de survenance, année d’observation, secteur d’activité et type de garantie. L’objectif de ce mémoire est de démontrer que les spécificités de l’assurance non-vie des particuliers – caractérisée par une charge sinistre majoritairement matérielle, de duration courte, avec des volumes importants et des coûts moyens relativement faibles – permettent d’adopter des approches de provisionnement significativement plus segmentées. Ces approches peuvent être réalisées par mois de survenance et de développement, et peuvent également tenir compte des différentes typologies de sinistres, de clients, de biens assurés et de contrats. De plus, elles peuvent être mises en œuvre plus fréquemment, par exemple sur une base mensuelle. Ces approches segmentées peuvent enfin être améliorées en utilisant des estimateurs multivariés, qui permettent notamment d’incorporer des données et informations a priori sur la sinistralité propre à chaque segment, par exemple en termes de fréquence de sinistres, de taux de sinistres sans suite et de coûts moyens. Nous montrerons que l’utilisation de ce type de projections multivariées, plus segmentées et plus fréquentes, peuvent être très bénéfique à différents niveaux de la chaine de valeur de l’assurance. Nous l’illustrerons notamment avec des applications dans le cadre du suivi opérationnel de la sinistralité, ainsi que pour la définition des tarifs et de la stratégie commerciale de l’entreprise.
Abstract
In non-life insurance, the valuation of insurers’ liabilities is generally carried out twice a year, as part of the publication of the financial statements. This reserving process is typically based on projections of claims data aggregated by accident year, observation year, line of business, and coverage. The objective of this thesis is to demonstrate that the specificities of non-life retail insurance — where most claims are material, have short durations, involve high volumes, and have low average costs —allow for the application of significantly more granular reserving approaches. These approaches can be implemented by month of occurrence and development. They can also be segmented by type of claims, type of clients, insured assets, and type of contracts. Furthermore, they can be performed more frequently, for example monthly. These segmented approaches can be improved using multivariate estimators, which allow for the incorporation of segment-specific prior information and observations of various features such as claim frequency and average cost. We will show that these more frequent and detailed projections of ultimate claims can provide significant added value at different levels of the insurance value chain. We will illustrate the applications of these methods for operational claims monitoring and for the definition of a company’s rates and commercial strategy.
