Mathématiques de l'assurance non-vie
Tome II : Tarification et provisionnement
Michel Denuit
Arthur Charpentier
Economica
9 Tarification a priori1
9.1 Introduction1
9.2 Les variables tarifaires3
9.3 Principes de base de la statistique5
9.3.1 Fonction de répartition empirique6
9.3.2 L'approche paramétrique9
9.3.3 L'information de Fisher12
9.3.4 Estimation des paramètres par la méthode du maximum de vraisemblance16
9.3.5 Test du rapport de vraisemblance19
9.3.6 Autres méthodes d'estimation19
9.4 Analyse des données21
9.4.1 Principe21
9.4.2 Analyse en composantes principales (ACP)22
9.4.3 Analyse factorielle des correspondances multiples - AFCM28
9.5 Méthodes de scoring30
9.5.1 Méthodes de classification30
9.5.2 Définition d'un score32
9.5.3 Principe du scoring34
9.5.4 Classification optimale et choix du seuil34
9.5.5 La pratique de la construction d'un score36
9.5.6 Analyse discriminante38
9.5.7 La méthode Disqual38
9.5.8 Le modèle Probit39
9.5.9 Le modèle Logit40
9.5.10 Dualité des approches41
9.5.11 Les courbes de performance et de sélection41
9.5.12 Propriétés (souhaitables) d'un score42
9.5.13 Comparaison de scores44
9.6 Modèle linéaire44
9.6.1 Définition44
9.6.2 Formalisme matriciel45
9.6.3 Estimation des paramètres46
9.6.4 Matrice de prédiction48
9.6.5 Estimation des moyennes et de la variance49
9.6.6 Mesure de la qualité de l'ajustement : le coefficient de détermination49
9.6.7 Résidus standardisés50
9.6.8 Résultats inférentiels pour les paramètres50
9.6.9 Tests d'une hypothèse simple50
9.6.10 Comparaison de modèles emboîtés51
9.6.11 Régions de confiance51
9.6.12 Intervalles de confiance52
9.6.13 Mesures d'influence53
9.6.14 Moindres carrés pondérés57
9.7 Modèles additifs59
9.7.1 Principe59
9.7.2 Le cas d'un seul régresseur60
9.7.3 Estimation à plus d'un régresseur : backfitting68
9.7.4 Comparaison des différentes approches69
9.8 Les modèles linéaires généralisés70
9.8.1 Petit historique des applications actuarielles des modèles de régression70
9.8.2 Définition74
9.8.3 Moyenne et variance76
9.8.4 Modèle de régression77
9.8.5 Fonction de lien canonique81
9.8.6 Equations de vraisemblance81
9.8.7 Résolution des équations de vraisemblance85
9.8.8 Information de Fisher89
9.8.9 Intervalle de confiance pour les paramètres91
9.8.10 Comparaison de modèles92
9.8.11 Tests d'hypothèse sur les paramètres97
9.8.12 Estimation du paramètre de dispersion97
9.8.13 Analyse des résidus98
9.8.14 La pratique des modèles linéaires généralisés102
9.9 Les modèles additifs généralisés106
9.9.1 Principe106
9.9.2 Inférence dans les modèles généralisés additifs : deux approches possibles106
9.9.3 En pratique108
9.10 Cas pratique de tarification automobile109
9.10.1 Description du portefeuille109
9.10.2 Les variables décrivant la sinistralité112
9.10.3 La mesure de l'exposition au risque : la variable Dur115
9.10.4 Caractéristiques du preneur d'assurance116
9.10.5 Caractéristiques du véhicule assuré121
9.10.6 Caractéristiques de la police125
9.10.7 Interaction entre variables tarifaires127
9.10.8 Premier tri parmi les variables tarifaires128
9.10.9 Analyse des fréquences de sinistre130
9.10.10 Analyse des coûts des sinistres145
9.11 Tarification sur données de panel151
9.11.1 Tarification sur base de données en panel151
9.11.2 Notations152
9.11.3 Présentation du jeu de données152
9.11.4 Régression de Poisson en supposant l'indépendance temporelle155
9.11.5 Prise en compte de la dépendance temporelle161
9.12 Justifications techniques de la segmentation169
9.12.1 Tarif technique et tarif commercial169
9.12.2 Segmentation des tarifs technique et commercial169
9.12.3 Antisélection et segmentation173
9.12.4 L'iniquité de la tarification a priori176
9.13 Notes bibliographiques177
9.14 Exercices178
10 Théorie de la crédibilité185
10.1 Introduction185
10.2 Crédibilité bayésienne187
10.2.1 Exemple introductif187
10.2.2 Modèle bayésien de tarification a posteriori188
10.2.3 Crédibilité bayésienne fréquentielle sans tarification a priori200
10.2.4 Crédibilité bayésienne fréquentielle avec tarification a priori204
10.3 Crédibilité linéaire210
10.3.1 Modèle de Bühlmann210
10.3.2 Modèle de Bühlmann-Straub222
10.4 Crédibilité totale230
10.5 Crédibilité multivariée231
10.5.1 Modélisation231
10.5.2 Prime de crédibilité linéaire233
10.5.3 Une approche sur données désagrégées236
10.6 Crédibilité hiérarchique237
10.6.1 Motivation : les flottes automobiles237
10.6.2 Modèle à effets aléatoires pour portefeuilles stratifiés238
10.6.3 Crédibilité linéaire240
10.6.4 Le cas des nouveaux véhicules241
10.6.5 Le cas des véhicules existant242
10.6.6 Flottes ouvertes242
10.7 Notes bibliographiques242
10.8 Exercices243
11 Systèmes bonus-malus247
11.1 Introduction247
11.1.1 Hétérogénéité résiduelle247
11.1.2 Objectifs des systèmes bonus-malus248
11.1.3 Soif de bonus249
11.1.4 Systèmes à classes et systèmes « à la française »250
11.1.5 Petit historique du système bonus-malus en France251
11.1.6 Petit historique du système bonus-malus en Belgique252
11.1.7 Plan du chapitre255
11.2 Echelles en univers non-segmenté256
11.2.1 Exemple introductif : le modèle bon/mauvais conducteur256
11.2.2 Echelles et chaînes de Markov261
11.2.3 Méthode de Norberg267
11.2.4 Méthode de Gilde et Sundt268
11.3 Echelles en univers segmenté269
11.3.1 Exemple introductif269
11.3.2 Modélisation de la sinistralité en univers segmenté272
11.3.3 Sévérité des corrections a posteriori en fonction du degré de différenciation a priori272
11.3.4 Méthode de Norberg en univers segmenté273
11.3.5 Interaction entre les corrections a posteriori induites par l'échelle et la tarification a priori275
11.4 Illustrations numériques275
11.4.1 Tarification a priori275
11.4.2 Echelle -1/top275
11.4.3 Echelle -1/+2278
11.4.4 Echelle -1/+4278
11.5 Performances des échelles bonus-malus279
11.5.1 Le degré moyen relatif à l'état stationnaire279
11.5.2 La prime moyenne relative à l'état stationnaire280
11.5.3 Le coefficient de variation des primes280
11.5.4 Efficacité de Loimaranta280
11.5.5 L'efficacité de Lemaire282
11.5.6 La rétention optimale moyenne284
11.6 Notes bibliographiques288
11.7 Exercices289
12 Microéconomie de l'assurance et contrats optimaux293
12.1 Introduction293
12.2 Décision dans l'incertain294
12.2.1 Le modèle d'espérance d'utilité de von Neuman et Morgenstern295
12.2.2 De la notion de subjectivité des probabilités301
12.2.3 Les limites du modèle d'espérance d'utilité dans le risque : le paradoxe d'Allais et l'effet de certitude302
12.2.4 Les limites du modèle d'espérance d'utilité dans l'incertain non-probabilisé : le paradoxe d'Ellsberg et la notion d'ambiguïté304
12.2.5 Extension de la notion d'espérance : l'intégrale de Choquet305
12.2.6 Généralisation des modèles d'espérance d'utilité : les modèles dépendants du rang306
12.3 Mesure de risque et aversion pour le risque307
12.3.1 Aversion pour le risque et prix du risque307
12.3.2 La notion de prudence, ou de précaution311
12.3.3 Mesures de prudence et d'aversion312
12.4 Offre et demande d'assurance313
12.4.1 Normalisation des comportements313
12.4.2 La demande d'assurance313
12.4.3 Le modèle de Mossin314
12.4.4 Le modèle général de demande d'assurance316
12.4.5 Cas particulier de l'assurance proportionnelle317
12.4.6 Cas particulier de l'assurance avec découvert obligatoire321
12.5 Asymétrie d'information et antisélection323
12.5.1 Information incomplète323
12.5.2 Antisélection, aléa moral et signaux324
12.5.3 Le modèle d'équilibre de Rothschild & Stiglitz325
12.5.4 Etude des mécanismes d'antisélection326
12.6 Couverture des risques multiples330
12.6.1 Contexte330
12.6.2 Risque assurable et risque non-assurable330
12.6.3 Présence de plusieurs risques assurables332
12.7 Notes bibliographiques334
12.8 Exercices335
13 Approche dynamique du passif et provisionnement337
13.1 Introduction337
13.2 Notation et motivation339
13.2.1 La dynamique de la vie des sinistres339
13.2.2 Les délais avant déclaration341
13.2.3 Les triangles de run-off341
13.3 Les méthodes déterministes344
13.3.1 La méthode Chain Ladder345
13.3.2 Les link-ratios345
13.3.3 Les boni-mali, ou la mise à jour des estimations346
13.3.4 Critiques de la méthode Chain Ladder347
13.3.5 Quelques variantes sur la méthode Chain-Ladder348
13.3.6 Utilisation des provisions constituées : la méthode Projected Case Estimate350
13.3.7 La méthode des moindres carrés de De Vylder355
13.3.8 La méthode de séparation de Taylor356
13.4 Les méthodes stochastiques359
13.4.1 Le modèle de Mack359
13.4.2 Le modèle log-linéaire de Christophides365
13.4.3 Le modèle Poissonnien de Renshaw et Verrall366
13.5 Modèles GLM et provisionnement369
13.5.1 Principe369
13.5.2 Modèles de Tweedie370
13.5.3 Quel modèle factoriel retenir ?373
13.6 Choix de la méthode de provisionnement373
13.7 Etudes de cas pratiques375
13.7.1 Assurance automobile375
13.7.2 RC médicale387
13.8 Notes bibliographiques395
14 Théorie des extrêmes et couverture des catastrophes399
14.1 Introduction399
14.1.1 La notion de catastrophe399
14.1.2 Pourquoi gérer les événements extrêmes ex ante ?400
14.1.3 Quel type de catastrophes ?400
14.1.4 Présentation des données404
14.2 Loi limite des maxima404
14.2.1 Comportement du maximum en grand échantillon404
14.2.2 Grandes déviations409
14.2.3 Estimation de la loi du maximum410
14.2.4 La (n - k)ème plus grande valeur411
14.2.5 Fréquence aléatoire des sinistres415
14.3 Epaisseur des queues de distribution415
14.3.1 La notion de variation régulière416
14.3.2 Variation régulière et max-domaine d'attraction de la loi de Fréchet419
14.3.3 Somme, maximum et loi sous-exponentielle419
14.4 Etude de la loi des excès423
14.4.1 Loi de Pareto généralisée423
14.4.2 Théorème de Pickands-Balkema-de Haan426
14.4.3 Nombre de dépassements427
14.4.4 Echantillon de taille poissonienne428
14.4.5 Exemples de comportement dans les queues429
14.4.6 Lois à queue épaisse : le max-domaine d'attraction de la loi de Fréchet432
14.4.7 Lois à queue fine : le max-domaine d'attraction de la loi de Gumbel433
14.5 Estimation de quantiles extrêmes433
14.5.1 Estimation de l'indice de queue433
14.5.2 Temps et période de retour437
14.5.3 Approximation GPD pour une VaR439
14.5.4 Estimateur de Hill pour une VaR441
14.5.5 Risque de cumul, extrêmes et lois composées443
14.6 Théorie des extrêmes multivariés447
14.6.1 Maxima par composantes447
14.6.2 Expression des lois limites447
14.6.3 Estimation de la fonction de dépendance449
14.6.4 Copules des lois extrêmes multivariées449
14.6.5 Coefficient de corrélation450
14.6.6 Comparaison de la dépendance450
14.6.7 Mesure de dépendance de queue450
14.6.8 Application en réassurance, distinction coût et frais452
14.7 Principaux traités de réassurance458
14.7.1 La réassurance458
14.7.2 Réassurance proportionelle459
14.7.3 Réassurance non-proportionelle460
14.8 Tarification de traités non-proportionnels463
14.8.1 Les graphiques quantile-quantile463
14.8.2 La fonction de moyenne en excès464
14.8.3 La courbe de Lorenz467
14.8.4 Approximation de la prime pure467
14.8.5 Approximation d'une prime de Wang468
14.8.6 Couverture indicielle et titrisation469
14.9 Ruine et grands risques471
14.9.1 Probabilité de ruine en présence de grands sinistres : l'approximation de von Bahr471
14.9.2 Utilisation de la formule de Pollaczeck-Khinchine-Beekman472
14.10 Notes bibliographiques473
14.11 Exercices474
15 Méthodes de simulation477
15.1 Introduction477
15.2 Principes généraux481
15.2.1 Nombres pseudo-aléatoires481
15.2.2 La méthode d'inversion484
15.2.3 Méthode de rejet485
15.2.4 Utilisation des lois mélange488
15.3 Bootstrap (ou rééchantillonnage)488
15.3.1 Principe488
15.3.2 Intervalles de confiance par bootstrap490
15.3.3 Bootstrap et quantiles493
15.3.4 Bootstrap et échantillons corrélés493
15.3.5 Application au provisionnement493
15.4 Simulation de lois usuelles univariées496
15.4.1 Loi uniforme496
15.4.2 Loi normale496
15.4.3 Loi Lognormale499
15.4.4 Loi Gamma499
15.4.5 Loi Bêta500
15.4.6 Loi de Poisson501
15.4.7 Loi Géométrique503
15.4.8 Loi Binomiale503
15.4.9 Loi Binomiale Négative506
15.5 Simulation de lois multivariées506
15.5.1 En général506
15.5.2 Lois elliptiques507
15.5.3 Utilisation des copules508
15.6 Simulation de processus508
15.6.1 Simulation de chaînes de Markov508
15.6.2 Simulation d'un processus de Poisson509
15.6.3 Calcul de la probabilité de ruine par simulation512
15.7 Monte Carlo par Chaînes de Markov515
15.7.1 Principe515
15.7.2 Quelques notions de théorie ergodique517
15.7.3 Simulation d'un mesure invariante : algorithme d'Hastings-Metropolis518
15.8 Réduction de variance519
15.8.1 Utilisation de variables antithétiques520
15.8.2 Utilisation de variables de contrôle521
15.8.3 Utilisation du conditionnement522
15.8.4 Echantillon stratifié524
15.8.5 Importance sampling525
15.9 Contrôle de la convergence et arrêt528
15.9.1 Estimation en deux temps528
15.9.2 Approche séquentielle529
15.10 Notes bibliographiques529
15.11 Exercices529
16 Les limites des modèles actuariels et de leur utilisation533
16.1 Introduction533
16.2 Tous les risques sont-il assurables ?534
16.2.1 Transférer le risque à un assureur, la notion d'assurabilité534
16.2.2 L'inassurabilité juridique535
16.2.3 L'inassurabilité actuarielle540
16.2.4 L'inassurabilité économique et le prix d'équilibre549
16.3 Doit-on chercher à assurer l'inassurable ?552
16.3.1 L'assurance crée le risque552
16.3.2 Principe de précaution et valeur temps552
16.3.3 Assurance contre prévention555
16.4 Est-il possible d'assurer l'inassurable ?555
16.4.1 Accepter et prévenir les risques556
16.4.2 Prévoir influence le risque557
16.4.3 La couverture des catastrophes naturelles557
16.4.4 Le cas de l'assurance santé559
16.4.5 Deux acteurs qui interagissent : l'Etat et les assureurs560
16.4.6 Nouveaux risques et seuils d'acceptabilité561
16.4.7 Autoassurance, assurance, marchés financiers et états562
16.4.8 L'Etat risk-manager ?564
16.5 Références bibliographiques568