Mémoires d'Actuariat
Anticipation de dérives de sinistralités sur les risques Santé et Incapacité Invalidité en Prévoyance Collective
Auteur(s) LE JAN H.
Société CNP Assurances
Année 2023
Confidentiel jusqu'au 12/01/2025
Résumé
Le suivi de la sinistralité d’un contrat d’assurance est indispensable pour assurer un pilotage sain du portefeuille de l’assureur. L’objectif de ce processus est notamment d’anticiper les potentielles dérives de sinistralité le plus tôt possible. Sur les risques courts dits de fréquence, tel que le risque santé, la sinistralité finale peut s’estimer via des méthodes de cadencement. Cependant, ces méthodes nécessitent généralement un certain historique de données pour produire des estimations pertinentes. Sur les risques longs, tel que le risque invalidité, ces méthodes sont traditionnellement inadaptées. L’enjeu est ainsi de déterminer des solutions pour mener à bien ce suivi de sinistralité dès les premiers mois de vie du contrat. Pour répondre à ces questions, ce mémoire s’articule en plusieurs étapes. Tout d’abord l’approche retenue consiste à identifier des critères discriminants permettant de catégoriser les contrats en groupes homogènes, ou "segments". Cette segmentation permet alors d’effectuer l’hypothèse stipulant que les contrats d’un même segment suivent la cadence moyenne de ce groupe de contrats. Ensuite différentes méthodes d’estimation de la charge ultime ont été explorées, à savoir des méthodes de cadencement ainsi que des méthodes par régression. Concernant le risque incapacité-invalidité, une étape intermédiaire d’estimation via la détermination d’un facteur de queue est nécessaire. Enfin, l’ensemble de ces méthodes sont appliquées afin de déterminer laquelle ou lesquelles sont les plus adaptés compte tenu des deux risques étudiés. Pour cela, différentes métriques ont été utilisées, notamment le RMSE, le F1-Score ou encore la méthode Bootstrap.
Abstract
Monitoring the claims experience of an insurance contract is essential to ensure sound management of the insurer’s portfolio. The objective of this process is to anticipate any potential claims drift as early as possible. In the case of short term risks, such as health risks, the final loss experience can be estimated using timing methods. However, these methods generally require a certain amount of historical data to produce relevant estimates. For long term risks, such as disability, these methods are traditionally unsuitable. The challenge is therefore to determine solutions for monitoring claims from the first months of the contract’s life. In order to answer these questions, this paper is structured in several stages. First of all, the approach adopted consists of identifying discriminating criteria that allow the categorization of contracts into homogeneous groups, or "segments". This segmentation allows us to make the hypothesis that the contracts of a same segment follow the average rate of this group of contracts. Different methods of estimating the ultimate burden were then explored, namely timing methods and regression methods. For the disability risk, an intermediate step of estimation via the determination of a tail-factor is necessary. Finally, all these methods are applied in order to determine which one(s) are the most appropriate for the two risks studied. For this purpose, different metrics were used, notably the Root Mean Square Error (RMSE), the F1-Score or the Bootstrap method.
Auteur(s) LE JAN H.
Société CNP Assurances
Année 2023
Confidentiel jusqu'au 12/01/2025
Résumé
Le suivi de la sinistralité d’un contrat d’assurance est indispensable pour assurer un pilotage sain du portefeuille de l’assureur. L’objectif de ce processus est notamment d’anticiper les potentielles dérives de sinistralité le plus tôt possible. Sur les risques courts dits de fréquence, tel que le risque santé, la sinistralité finale peut s’estimer via des méthodes de cadencement. Cependant, ces méthodes nécessitent généralement un certain historique de données pour produire des estimations pertinentes. Sur les risques longs, tel que le risque invalidité, ces méthodes sont traditionnellement inadaptées. L’enjeu est ainsi de déterminer des solutions pour mener à bien ce suivi de sinistralité dès les premiers mois de vie du contrat. Pour répondre à ces questions, ce mémoire s’articule en plusieurs étapes. Tout d’abord l’approche retenue consiste à identifier des critères discriminants permettant de catégoriser les contrats en groupes homogènes, ou "segments". Cette segmentation permet alors d’effectuer l’hypothèse stipulant que les contrats d’un même segment suivent la cadence moyenne de ce groupe de contrats. Ensuite différentes méthodes d’estimation de la charge ultime ont été explorées, à savoir des méthodes de cadencement ainsi que des méthodes par régression. Concernant le risque incapacité-invalidité, une étape intermédiaire d’estimation via la détermination d’un facteur de queue est nécessaire. Enfin, l’ensemble de ces méthodes sont appliquées afin de déterminer laquelle ou lesquelles sont les plus adaptés compte tenu des deux risques étudiés. Pour cela, différentes métriques ont été utilisées, notamment le RMSE, le F1-Score ou encore la méthode Bootstrap.
Abstract
Monitoring the claims experience of an insurance contract is essential to ensure sound management of the insurer’s portfolio. The objective of this process is to anticipate any potential claims drift as early as possible. In the case of short term risks, such as health risks, the final loss experience can be estimated using timing methods. However, these methods generally require a certain amount of historical data to produce relevant estimates. For long term risks, such as disability, these methods are traditionally unsuitable. The challenge is therefore to determine solutions for monitoring claims from the first months of the contract’s life. In order to answer these questions, this paper is structured in several stages. First of all, the approach adopted consists of identifying discriminating criteria that allow the categorization of contracts into homogeneous groups, or "segments". This segmentation allows us to make the hypothesis that the contracts of a same segment follow the average rate of this group of contracts. Different methods of estimating the ultimate burden were then explored, namely timing methods and regression methods. For the disability risk, an intermediate step of estimation via the determination of a tail-factor is necessary. Finally, all these methods are applied in order to determine which one(s) are the most appropriate for the two risks studied. For this purpose, different metrics were used, notably the Root Mean Square Error (RMSE), the F1-Score or the Bootstrap method.
