Mémoires d'Actuariat
Modèles de prédiction de l’âge de retraite, dans le contexte de l’évaluation de l’engagement des indemnités de fin de carrière, selon l’IAS 19
Auteur(s) DEROM M.
Société Also Consulting
Année 2023
Confidentiel jusqu'au 04/07/2025
Résumé
Ce mémoire a l'objectif d’améliorer le modèle d'âge de retraite d’une entreprise, qui est utilisé lors de l’évaluation de son engagement au titre des indemnités de fin de carrière (IFC). L’établissement de ce modèle représente un enjeu pour les entreprises car elles doivent représenter fidèlement leurs engagements (pour donner une image réaliste de leur situation financière) et elles ont intérêt à diminuer l'écart actuariel constaté à chaque évaluation (c'est-à-dire l'écart entre l'engagement réel et l'engagement prévu). Une procédure de construction et d’évaluation de modèles a été choisie pour s'adapter spécifiquement aux modèles prédictifs (et non explicatifs). Et l’une des métriques d’évaluation sélectionnées est spécifique au contexte : il s'agit de l’écart actuariel qu'il engendre. Après une présentation et une analyse des données, deux modèles ont été appliqués : la régression linéaire et l'arbre de régression. Ces modèles présentent l'avantage d'être facilement interprétables et applicables (particulièrement pour l'arbre de régression). En effet, ce mémoire est contraint de se restreindre à de tels modèles car ses résultats sont destinés à être présentés et expliqués à des responsables d'une entreprise, et qu'ils doivent être analysés et compris par des commissaires aux comptes. La prédiction des modèles construits s'est révélée être plus précise que le modèle qui est actuellement utilisé par l'entreprise. Toutefois, les résultats obtenus sur l'écart actuariel engendré ne sont pas satisfaisants, comparés à ceux du modèle actuel. Il faut toutefois souligner que ce dernier est plus sophistiqué que les modèles couramment utilisés lors d'évaluation d'engagement IFC. De plus, la prédiction de l'âge de retraite est en pratique difficilement réalisable, car il existe de nombreux facteurs décisifs au départ à la retraite d'un individu, alors que les caractéristiques des salariés mises à disposition dans ce mémoire sont restreintes.
Abstract
The purpose of this thesis is to improve a company's retirement age model, which is used when valuing its liability for end-of-career benefits (IFC). Establishing this model is a challenge for companies because they need to accurately represent their liabilities (to give a realistic picture of their financial situation) and they have an interest in reducing the actuarial difference noted at each valuation (i.e. the difference between the actual liability and the expected liability). A model building and evaluation procedure was chosen to specifically accommodate predictive (not explanatory) models. And one of the evaluation metrics selected is specific to the context: it is the actuarial gap it creates. After a presentation and an analysis of the data, two models were applied: the linear regression and the regression tree. These models have the advantage of being easily interpretable and applicable (especially for the regression tree). Indeed, this thesis is constrained to such models because its results are intended to be presented and explained to managers of a company, and they must be analysed and understood by auditors. The prediction of the constructed models proved to be more accurate than the model that is currently used by the company. However, the results obtained on the actuarial gap generated are not satisfactory compared to the current model. It should be noted, however, that the latter is more sophisticated than the models commonly used in IFC engagement evaluations. Moreover, the prediction of retirement age is in practice difficult to achieve, as there are many decisive factors for the retirement of an individual, while the characteristics of the employees made available in this thesis are limited.
Auteur(s) DEROM M.
Société Also Consulting
Année 2023
Confidentiel jusqu'au 04/07/2025
Résumé
Ce mémoire a l'objectif d’améliorer le modèle d'âge de retraite d’une entreprise, qui est utilisé lors de l’évaluation de son engagement au titre des indemnités de fin de carrière (IFC). L’établissement de ce modèle représente un enjeu pour les entreprises car elles doivent représenter fidèlement leurs engagements (pour donner une image réaliste de leur situation financière) et elles ont intérêt à diminuer l'écart actuariel constaté à chaque évaluation (c'est-à-dire l'écart entre l'engagement réel et l'engagement prévu). Une procédure de construction et d’évaluation de modèles a été choisie pour s'adapter spécifiquement aux modèles prédictifs (et non explicatifs). Et l’une des métriques d’évaluation sélectionnées est spécifique au contexte : il s'agit de l’écart actuariel qu'il engendre. Après une présentation et une analyse des données, deux modèles ont été appliqués : la régression linéaire et l'arbre de régression. Ces modèles présentent l'avantage d'être facilement interprétables et applicables (particulièrement pour l'arbre de régression). En effet, ce mémoire est contraint de se restreindre à de tels modèles car ses résultats sont destinés à être présentés et expliqués à des responsables d'une entreprise, et qu'ils doivent être analysés et compris par des commissaires aux comptes. La prédiction des modèles construits s'est révélée être plus précise que le modèle qui est actuellement utilisé par l'entreprise. Toutefois, les résultats obtenus sur l'écart actuariel engendré ne sont pas satisfaisants, comparés à ceux du modèle actuel. Il faut toutefois souligner que ce dernier est plus sophistiqué que les modèles couramment utilisés lors d'évaluation d'engagement IFC. De plus, la prédiction de l'âge de retraite est en pratique difficilement réalisable, car il existe de nombreux facteurs décisifs au départ à la retraite d'un individu, alors que les caractéristiques des salariés mises à disposition dans ce mémoire sont restreintes.
Abstract
The purpose of this thesis is to improve a company's retirement age model, which is used when valuing its liability for end-of-career benefits (IFC). Establishing this model is a challenge for companies because they need to accurately represent their liabilities (to give a realistic picture of their financial situation) and they have an interest in reducing the actuarial difference noted at each valuation (i.e. the difference between the actual liability and the expected liability). A model building and evaluation procedure was chosen to specifically accommodate predictive (not explanatory) models. And one of the evaluation metrics selected is specific to the context: it is the actuarial gap it creates. After a presentation and an analysis of the data, two models were applied: the linear regression and the regression tree. These models have the advantage of being easily interpretable and applicable (especially for the regression tree). Indeed, this thesis is constrained to such models because its results are intended to be presented and explained to managers of a company, and they must be analysed and understood by auditors. The prediction of the constructed models proved to be more accurate than the model that is currently used by the company. However, the results obtained on the actuarial gap generated are not satisfactory compared to the current model. It should be noted, however, that the latter is more sophisticated than the models commonly used in IFC engagement evaluations. Moreover, the prediction of retirement age is in practice difficult to achieve, as there are many decisive factors for the retirement of an individual, while the characteristics of the employees made available in this thesis are limited.
