Académique Documents
Professionnel Documents
Culture Documents
le 02 septembre 2014
Invit
Signature :
Bibliothque : Secrtariat :
3
Mots cls : Tarification, Complmentaire Sant, Produits modulaires, Fr-
quence, Cot Moyen, Modles Linaires Gnraliss, Anti-Slection, Prime
Pure, Test du Khi-Deux dindpendance, Paramtrage des variables, D-
viance, Solvabilit 2.
4
Abstract
The consultancy firm Actuelia develops a method of health pricing for
modular products. The objective of my paper is to make this pricing the
most accurate and best suited to market developments..
Some insurance companies allow insured to choose themselves the level of
reimbursement for each guarantee. This freedom of choice will probably bring
a risk of adverse selection : For individuals at low risk, that is to say that the
average cost of claims is low, the required premium appear particularly higher
compared to the actuarial premium, while it will be considered relatively low
by the individuals at high risk 2 . Insurance companies may suffer losses due
to this phenomenon.
My study should be able to make a suitable pricing by taking into account
the risk of adverse selection to amend the pricing structure and to achieve
a fairer pricing, through a frequency * average cost method. To perform
modeling, generalized linear models (GLM) are the most suitable and often
used in the context of insurance. These models transform mathematically the
variable to be explained (the response), by taking into account the actual
distribution of errors through a choice of law of the response and of the link
function.
Based on the GLM models, the addition of a new variable will be used
to modify the coefficients of the estimators of the model to detect adverse
selection effects that are not captured by models with variables classical like
age, geographic and family situation, etc. This new variable is determined
from the levels of guarantee chosen.
In the context of Solvency 2, we tried to calculate the confidence interval
for the coefficients of the GLM model to propose a new calculation of the
SCR for premium risk in the internal model. The SCR is expressed by the
difference between the estimated market premium of the upper bound and
the average policy premium of central scenario.
Meanwhile, in the case of the standard formula, the method of Own Risk
and Solvency Assessment of Pillar 2 is used to check the level of pricing
risk and apply a new premium volatility suitable for company insurance
compared to the level of the European Union. This volatility is calculated
using the ratio claim/contribution (C/C) by replacing the market premium
estimated by generalized linear models.
Finally, the analysis of the technical pricing will provide a commercial
price, applicable directly, which will allow in the context of current compe-
tition to have a point of differentiation.
5
Average Cost, Generalized Linear Models, Adverse selection, Pure premium,
Chi-square test, Variable Settings, Deviance, Solvency 2.
6
Synthse
Dans un contexte de forte volution de la lgislation actuelle en ma-
tire dassurance sant sur les contrats existants (aide la complmentaire
sant (ACS), Accord national interprofessionnel (ANI) et les contrats de
complmentaires sant responsable) et de concurrence accrue sur ce march,
il est ncessaire pour lorganisme complmentaire sant de proposer un ta-
rif toujours plus fin et mieux adapt la population cible. Lobjectif dans
ce mmoire est de proposer une mthode de tarification sant des produits
modulaires. Sur le march de la complmentaire sant, de plus en plus de mu-
tuelles proposent des produits modulaires permettant aux assurs de choisir
eux mme le niveau de remboursement voulu pour chaque garantie. Cette
libert de choix va probablement apporter un risque appel risque danti-
slection, ce qui provoque un risque financier pour les mutuelles. Le risque
danti-slection se doit dtre pris en compte pour la tarification technique.
De plus, une rforme rglementaire europenne du monde de lassurance,
la norme Solvabilit 2, vise introduire lhorizon 2016 un nouveau systme
de solvabilit pour le secteur de lassurance. Cette norme a t adopte le
22 mai 2009 par le parlement Europen. Elle permet de mieux adapter les
fonds propres exigs des compagnies dassurances et de rassurance face aux
risques que celles-ci encourent dans leur activit. Dans le contexte de Sol-
vabilit 2, nous nous intressons un sous-risque du SCR Sant : le risque
Sant non similaire vie. Il est exprim principalement par un risque de
tarification et de rserve. Une meilleure tarification permet de limiter la vo-
latilit moyenne du ratio Prestation/Cotisation (not P/C) afin de baisser
le risque de tarification.
Mon tude doit permettre de crer une tarification adapte en prenant
en compte le risque danti-slection, afin de modifier la structure du tarif,
et daboutir une tarification la plus juste, via une mthode frquence *
cot moyen. Pour raliser la modlisation, les modles linaires gnraliss
(GLM) sont les plus adapts et utiliss dans le cadre de lassurance. Ces
modles transforment mathmatiquement la variable expliquer (la rponse)
en tenant compte de la vritable distribution des erreurs via un choix de la
loi de la rponse et de la fonction de lien.
Nous avons dabord tudi la mthode de modlisation avec les variables
classiques : ge, composition familiale, rgion, etc. La modlisation de la si-
nistralit sera ralise pour la frquence et le cot moyen sparment, par des
modles linaires gnraliss afin de concevoir des coefficients dajustement
du tarif en fonction des variables discriminantes. Pour ce faire, nous nous
intressons dans un premier temps aux choix des variables. Les variables
retraites et les variables ajoutes sont considres comme candidates pour
la suite de ltude. Cependant, toutes les variables nont pas ncessairement
un sens significatif sur le remboursement de la mutuelle. Nous avons utilis
7
le test dindpendance du Khi-Deux pour faire un tri dans les variables. Le
test dindpendance du Khi-Deux permet de dmontrer lindpendance entre
deux variables via une exprience.
Nous souhaitons retenir les variables qui ont une influence sur la fr-
quence ou le cot moyen. Nous crons deux nouvelles variables indicatrices :
Frquence (bis) et Cot moyen (bis) comme rfrence, la frquence (cot
moyen) bis est gale 1 si la frquence (cot moyen) est suprieure ou gale
la moyenne de la frquence (cot moyen), sinon elle vaut 0. Nous prf-
rons utiliser une variable indicatrice car la frquence et le cot moyen sont
des variables continues, et en croisant par exemple la frquence et une autre
variable tarifaire, les effectifs attendus seront a priori infrieurs 5. Il nest
donc pas possible dutiliser le test du Khi-Deux pour tester lindpendance.
Daprs le test du Khi-Deux dindpendance, il y a 6 variables qui influencent
la frquence : Sexe, Age, Qualit ayant droit, Situation familiale, Code op-
tion et Rgion. 5 variables sont retenues pour le cot moyen : Sexe, Age,
Qualit ayant droit, Situation familiale et Code option.
A ce stade, nos variables tarifaires deviennent toutes des variables cat-
gorielles. Pour les utiliser dans les modles mathmatiques, nous proposons
dutiliser des indices rsumant les caractristiques dun assur. Nous conve-
nons de coder toute modalit partitionnant la population en k catgories par
les entiers 0,1,...,k-1. Certaines variables peuvent tre ordinales, comme les
classes dge, ou tre purement qualitatives sans induire dordre, comme le
sexe. Une variable catgorielle k modalits est gnralement code par k-1
variables binaires avec un niveau de rfrence. Les valeurs pour la rfrence
sont toutes nulles. En effet, le logiciel R ralise le paramtrage des variables
automatiquement sur les variables catgorielles en posant le premier niveau
de modalit comme rfrence. Nous souhaitons prendre comme rfrence la
population la plus reprsente dans la base de donnes via ce retraitement.
Ensuite, le choix de la loi de probabilit de la fonction de variable rponse
et de la fonction de lien influencent directement la qualit de la tarification.
Ce choix dpend souvent de la nature du problme tudi. En pratique, la
loi Poisson ou la loi binomiale ngative seront souvent proposes pour la
frquence, et la loi Gamma et la loi Log-Normale seront proposes pour le
cot moyen. Une fonction de lien "log" est souvent utilise afin de traiter les
valeurs positives. La loi binomiale ngative et la loi Log-Normale sont rete-
nues respectivement pour la frquence et le cot moyen via les ajustements
des frquences et des cots moyens par une loi choisie.
Aprs avoir excut les modles linaires gnraliss, les coefficients cal-
culs dmontrent que les modalits influencent positivement (ngativement),
plus ou moins, la consommation avec une valeur suprieure (infrieure) 0.
Nous avons amlior les modles avec le test du rapport de vraisemblance
concernant les coefficients du modle. Le test du rapport de vraisemblance
permet de dterminer les variables significatives pour les modles de la fr-
quence et du cot moyen. Une fois que nous avons retenu toutes les va-
8
riables qui influencent les modles, ltape suivante est dtudier linfluence
de chaque modalit pour le modle. Comme notre modle est construit par le
choix de la rfrence, les autres niveaux sont soit moins bons, soit meilleurs
que la rfrence. Une modalit moins significative indique que la diffrence
des importances au sens de la frquence ou cot moyen entre cette modalit
et la rfrence est faible. Nous agrgeons les variables les moins significatives,
pas pas, la rfrence pour adapter le modle.
Enfin, pour valider le modle retenu, la statistique de la dviance est uti-
lise pour juger de ladquation du modle aux donnes. Un meilleur modle
permet de minimiser la dviance. Le choix de la loi de la variable rponse et
de la fonction de lien pour la frquence et le cot moyen est valid par ce
point. Les tests concernant les coefficients du modle et les statistiques de
ladquation du modle indiquent globalement comment le modle sajuste
aux donnes. Ces statistiques sont compltes par une tude des rsidus qui
compare les valeurs observes et les valeurs estimes.
Lors de la finalisation de la tarification avec des variables courantes telle
que Age, Situation familiale, etc, lajout dune nouvelle variable est pro-
pos pour retraiter les modlisations afin de prendre en compte le risque
danti-slection. Ce risque est une caractristique spciale pour les produits
modulaires de complmentaire sant. Nous avons construit la nouvelle va-
riable via une transformation de la combinaison de garanties, cette tape
est donc une tape cl. La variable anti-slection est dfinie par la diffrence
entre la somme des niveaux de garanties et le niveau minimum de la com-
binaison multipli par 4 (nombre de garanties). Les nouveaux modles sont
valids de la mme manire, afin de trouver les coefficients qui permettent
dexprimer la frquence ou le cot moyen en fonction de rgressions linaires
gnralises.
Dans la dernire partie, nous cherchons calculer le SCR du risque de
tarification dans le cadre de Solvabilit 2, via deux mthodes : le cas de la
formule standard et le cas dun modle interne. Dans le cas de la formule
standard, le SCR du risque de tarification et de rserve est calcul comme
tant le triple de la volatilit moyenne, pondr par les carts-types de presta-
tion/cotisation (P/C) et de boni/mali, multipli par une assiette bien dfinie
(volume de primes plus volume de rserves). Avec lhistorique des P/C, cette
volatilit moyenne est de 18%, ce qui est trop leve par rapport 5%, qui
est le niveau demand par lUnion Europenne. Avec notre modlisation, la
volatilit recalcule est de 14%, ce qui reste trs important. Dans le cas du
modle interne, nous avons tudi lintervalle de confiance des coefficients
des modles GLM afin de rechercher un SCR plus adapt la situation de
lorganisme dassurance via notre tarification. Notre proposition consiste
trouver une borne suprieure pour la prime pure avec un niveau de confiance
de 99,5%. Cette prime pure suprieure peut tre considre comme un seuil
maximum supportable pour lorganisme dassurance. La transformation de
la prime pure en prime commerciale est applique par un taux de charges
9
globales de 25%, lcart entre la prime commerciale suprieure et la prime
commerciale du scnario central est considr comme le SCR du risque de
tarification du modle interne. Nous avons obtenu ce SCR au sein du mo-
dle interne sexprime par 60% de la prime commerciale moyenne. Selon la
formule standard, il est expliqu par 320%prime commerciale moyenne.
20% correspond la volatilit moyenne, ce qui est cohrent par rapport la
volatilit historique (18%).
Dans les deux cas (formule standard et modle interne), la volatilit ap-
parait trs leve eu gard au critre de lUnion Europenne. Il est donc
ncessaire de tester dautres pistes de modlisation, par exemple modliser
la frquence et le cot moyen par garantie avec une autre dfinition de la va-
riable anti-slection. Pour la suite de ltude, nous pensons dfinir la variable
anti-slection par lcart entre le niveau de garantie modlise et le niveau
minimum des garanties de la combinaison. Par rapport la modlisation
des 4 garanties toutes ensemble, cette mthode possde lavantage de tenir
compte du risque danti-slection pour chaque garantie.
10
Synthesis
In an evolutionary context of the current health insurance legislation and
increased competition in the market. Today there is a need for complemen-
tary health agency offers a rate still thinner and better suited to the target
population. The objective in this paper is to study a method of health pricing
for modular products. In the market for complementary health, more and
more insurance companies offer modular products who allow policyholders
to choose themselves the level of reimbursement for each desired warranty.
This freedom of choice will probably bring a risk of adverse selection, in-
surance companies may suffer losses due to this phenomenon. The risk of
adverse selection must now be taken into account for rating the art. The risk
of adverse selection must now be taken into account for technique pricing.
Today a European regulatory reform in the insurance industry, Solvency
2, which aims to introduce by 2016 a new solvency regime for the insurance
industry, was adopted on 22 May 2009 the European Parliament. It allows
to better tailor capital requirements of insurance and reinsurance companies
with the risks that they incur in their business. In the context of Solvency
2, we focus on the sub-risk of Health : Health risk is no similar to life. It is
expressed primarily by premium risk and reserve risk. A better pricing limits
the average volatility of the ratio claim/contribution to lower the pricing risk.
My study should enable a suitable pricing by taking into account the risk
of adverse selection to change the pricing structure and to achieve a fairer
pricing, through a method of frequency * average cost. To perform modeling,
generalized linear models (GLM) are the most suitable and often used in the
context of insurance. These models mathematically transform the variable to
explain (the response), taking into account the actual distribution of errors
via a choice of law of the response and the link function.
We first studied the modeling method with classic variables such as age,
family composition, region, etc. Modeling will be conducted to claims fre-
quency and average cost separately by generalized linear models to design
adjustment rate based discriminant variable coefficients. To do this, we fo-
cus initially on the choice of variables. Retirees variables and added variables
are considered as candidates for further study. However, all variables do not
necessarily have a significant meaning on reimbursement. We used the chi-
square test to do a sort of variables. The chi-square test helps demonstrate
independence between two variables via an experience.
We wish to retain the variables that influence the frequency and average
cost. We create two new variables indicative Frequency (bis) and Average
Cost (bis) as a reference, the frequency (average cost) bis is equal to 1 if the
frequency (average cost) is greater than and equal to the average frequency
(average cost ), 0 otherwise. We prefer the indicator variable because the
frequency and average cost are continuous variables, for example crossing
11
frequency and other variable, the expected numbers are possible below 5.
It is therefore not valid for perform a chi-square test. According to the Chi-
square test, there are six variables that influence the frequency : Gender, Age,
entitled Quality, Marital Status, Code option and Region. Five variables are
used for the average cost : Gender, Age, entitled Quality, Marital Status and
Code option.
At this stage, our tariff variables become all categorical variables. For
using in mathematical models, we propose to use indices summarizing the
characteristics of an insured. We agree to encode any term dividing the
population into k classes by the integers 0,1, ..., k-1. Some variables can
be ordinal, such as age classes, or be purely qualitative without inducing
order, like sex. A categorical variable with k terms is generally encoded
by k-1 binary variables with a reference level. Values ? ?for reference are all
zero. Indeed, R software performs automatic parameterization of variables
on categorical variables by asking the first level of modality as a reference.
But we want the reference population is the most represented in the database
via the adjustment.
Then the choice of the probability distribution function of response va-
riable and function link directly influence the quality of pricing. This choice
often depends on the nature of the problem studied. In practice, the Poisson
or negative binomial distribution is often proposed for the frequency, and
the gamma distribution and the log-normal distribution are proposed for
the average cost. A link function "log" is often used to treat the positive va-
lues ? ?. The negative binomial distribution and log-normal distribution are
selected respectively for the frequency and average cost through adjustments
of frequency and average costs by a law chosen.
After performing generalized linear models, the coefficients calculated
show that the methods influence positively (negatively), more or less, consump-
tion with a value greater (less) than 0. We have improved the models with
the likelihood ratio test for the model coefficients. The likelihood ratio test to
determine the significant variables for models of the frequency and average
cost. One way we used all variables that influence the models, the next step
is to study the influence of each modality for the model. The model is built
by the selection of the reference. The other levels are either worse or better
than the reference. A less significant modality indicates that the difference
in magnitudes between the frequency or average cost and the reference is
low. We aggregate the least significant variables, step by step, in reference
to adopt the model.
To finally validate our model selected, statistical deviance is useful to
assess the fit of the model to the data. A better model minimize deviance. The
choice of the law of the response variable and link function to the frequency
and average cost is proved by this point. The tests on the model coefficients
and statistical adequacy of the model show how the overall model fits the
data. These statistics are supplemented by a study of residues that compares
12
the values estimated and observed.
During finalization of pricing with the current variables such as age,
family status, etc. Adding a new variable is proposed to reprocess the models
to take into account the risk of adverse selection. This risk is a special feature
for modular products complementary health. We built the new variable via
a transformation of the combination of guarantees, which is a key step. The
adverse selection variable is defined by the difference between the amount of
guarantee levels and the minimum level of the combination multiplied by 4
(the number of guarantees). The new models are validated in the same way,
to find the coefficients which express the frequency or average cost basis of
generalized linear regressions.
In the last part, we try to calculate the SCR for premium risk under
Solvency 2, using two methods : the case of the standard formula and the
case of the internal model. In the case of the standard formula, the SCR for
premium risk and reserve is calculated as three times the average volatility,
weighted by the standard deviations of claim/contribution and bonus/Mali
multiplied by a well-defined base (volume of premiums plus volume of re-
serves). A historical claim/contribution, the average volatility is 18%, which
is too high compared to 5% to the level of the European Union. With our
model, the volatility recalculated is 14%. In the case of the internal model, we
studied the confidence interval of the coefficients of GLM models to search
for SCR more adapted to the situation of the insurance. We propose to find
an upper bound for the pure premium with a confidence level of 99,5%. This
superior pure premium can be considered as a maximum tolerable threshold
for the insurance company. The transformation of the pure premium to mar-
ket premium is applied by a total expense ratio 25%, the difference between
the upper policy premium and commercial premium of central scenario is
considered the SCR for premium risk of the internal model. The SCR within
the internal model is expressed by 60% of the average policy premium. Using
the standard formula, it is explained by 320% average policy premium.
20% is the average volatility that is consistent with historical volatility 18%.
In both cases (standard formula and internal model), volatility appears
higher than the level criterion of the European Union. It is therefore neces-
sary to test other avenues of modeling, for example modeling the frequency
and average cost per guarantee with another proposal of the adverse selec-
tion variable. For further study, we propose to define the adverse selection
variable by the difference between the coverage level and the minimum level
of guarantees of the combination. Compared to the modeling of 4 guaranteed
together, this method has the advantage of taking into account the risk of
adverse selection for each coverage.
13
Chi-square test, Variable Settings, Deviance, Solvency 2.
14
Remerciements
Par ces quelques lignes, je souhaite remercier un certain nombre de per-
sonnes qui mont accompagn durant une partie ou la totalit de lcriture
du mmoire.
Enfin, je souhaite remercier tous les professeurs de lEURIA pour les conseils
quils mont prodigus tout au long de lanne.
15
Table des matires
Rsum 3
Abstract 5
Synthse 7
Synthesis 11
Remerciements 15
Introduction 19
1 Contexte de ltude 21
1.1Scurit Sociale 21
1.1.1 Prsentation gnrale . . . . . . . . . . . . . . . . . . . . . . . 21
1.1.2 Histoire de lAssurance Maladie . . . . . . . . . . . . . . . . . 21
1.1.3 Les rgimes de lAssurance Maladie . . . . . . . . . . . . . . . 22
1.1.4 Les branches du rgime gnral . . . . . . . . . . . . . . . . . 22
1.1.5 Les sources de financement de la Scurit Sociale . . . . . . . 23
1.1.6 Remboursement de frais de sant . . . . . . . . . . . . . . . . 25
2 Tarification 37
16
2.1Mthode frquence * cot moyen 37
2.1.1 Prime Pure . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.1.2 Modle individuel . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.1.3 Les tapes dune tarification . . . . . . . . . . . . . . . . . . . 38
2.3Analyse de donnes 44
2.3.1 Vrification des donnes . . . . . . . . . . . . . . . . . . . . . 44
2.3.2 Analyse dmographique . . . . . . . . . . . . . . . . . . . . . 45
2.3.2.1 La rpartition par la qualit ayant droit . . . . . . . . 45
2.3.2.2 La distribution des assurs par classe dge . . . . . . 46
2.3.2.3 volution du cot moyen et de la frquence . . . . . . 47
2.6Prparation de la modlisation 60
2.6.1 Retraitement des variables . . . . . . . . . . . . . . . . . . . . 60
2.6.2 Choix de la loi de variable rponse et la fonction de lien . . . 62
2.7Modlisation de la frquence 62
2.7.1 La loi de la frquence . . . . . . . . . . . . . . . . . . . . . . . 62
2.7.1.1 Loi Poisson . . . . . . . . . . . . . . . . . . . . . . . . 62
2.7.1.2 Loi Binomiale Ngative . . . . . . . . . . . . . . . . . 65
2.7.2 Amlioration du modle . . . . . . . . . . . . . . . . . . . . . 66
17
2.7.2.1 Test du rapport de vraisemblance . . . . . . . . . . . . 67
2.7.2.2 Dtermination des modalits . . . . . . . . . . . . . . 68
2.7.2.3 Lien entre les variables . . . . . . . . . . . . . . . . . . 70
2.7.3 Adquation du modle . . . . . . . . . . . . . . . . . . . . . . 71
2.7.3.1 Dviance . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.7.4 Rsidus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3 Rsultats et applications 77
3.1Rsultat 77
3.4Risque de tarification 90
3.4.1 Cas de la formule standard . . . . . . . . . . . . . . . . . . . 90
3.4.2 Cas dun modle interne particulier . . . . . . . . . . . . . . . 92
Conclusion 95
Rfrences 97
Glossaire 98
Annexes 99
18
Introduction
Le risque sant est la somme de plusieurs composantes : consultations
mdicales, hospitalisation, pharmacie, soins dentaires, optique, etc. Les m-
thodologies usuelles de tarification sont distingues entre individuelles et col-
lectives. Ces dernires annes, les assureurs ont commercialis des contrats
modulaires pour laisser les assurs choisir leurs niveaux de garanties en fonc-
tion du niveau de couvertures souhaites. Leurs tarifs se basent sur lobser-
vation de la sinistralit de leur portefeuille sur les 2 4 dernires annes.
La construction du tarif technique, base sur la rentabilit et les cots de
gestion, sarticule en 2 tapes : 1. Modlisation de la sinistralit par des
variables standards. 2. Estimation de la prime Technique avec intgration
dhypothses dajustement et cots de gestion. Il est possible, pour certains
contrats insuffisamment encadrs ou mal tarifs, davoir une forte propension
subir lanti-slection ainsi que lala moral. La prsente tude se concentre
sur la recherche de la mise en place dune tarification adapte ces produits
modulaires pour les contrats individuels.
Dans une premire partie, nous dcrirons le contexte de cette tude afin
de prsenter la protection sociale et lintrt dune telle tude pour le mar-
ch de la complmentaire sant. Nous discuterons des notions principales, du
fonctionnement de lassurance sant complmentaire et nous expliquerons en
particulier le phnomne danti-slection. Lvolution de la tarification indi-
viduelle est rendue ncessaire par les diffrentes volutions de lgislations
actuelles (laide la complmentaire sant (ACS) et lAccord national inter-
professionnel (ANI) et les contrats de complmentaires sant responsable).
Dans une deuxime partie, nous calculerons la prime pure selon une ap-
proche Frquence * Cot moyen . Les facteurs discriminants au rembour-
sement sont galement pris en compte : rgime, nature de lacte et formule
de garantie. Les paramtres dmographiques discriminent galement le ta-
rif : ge, composition familiale, rgion. La modlisation de la sinistralit
sera ralise par des modles linaires gnraliss afin de concevoir des co-
efficients dajustement du tarif en fonction des variables discriminantes. La
prime technique sera estime laide des coefficients dajustement. Les mo-
dles linaires gnraliss serons crs en dfinissant la loi de la variable
expliquer et une fonction de lien associe, grce des tests statistiques.
La troisime partie nous permettra de traiter le risque danti-slection
en tenant compte dune nouvelle variable. Cette variable est dfinie comme
lcart entre la somme des niveaux de garantie et le niveau le plus faible,
multipli par le nombre de garantie total (4 dans notre tude), et est calcule
daprs la combinaison de garanties choisie par lassur. Nous appliquons le
mme processus de modlisation dfini dans la deuxime partie avec lajout
de la variable anti-slection. Une autre ide aurait t de limiter le choix de
la combinaison de garanties, mais dpend de la stratgie commerciale.
19
Enfin dans la dernire partie, nous chercherons calculer le SCR du
risque de tarification dans le cadre de Solvabilit 2, selon deux mthodes : le
cas du modle interne et le cas de la formule standard. Dans le premier cas,
nous tudierons lintervalle de confiance des coefficients des modles GLM.
Et dans le deuxime cas, laide de lhistorique des P/C, nous ajusterons la
volatilit des rsultats.
Pour des raisons de confidentialit, les noms des produits ou les rsultats
ne sont pas cits prcisment.
20
Premire partie
Contexte de ltude
1.1 Scurit Sociale
1.1.1 Prsentation gnrale
La Scurit Sociale dsigne un ensemble de dispositifs et dinstitutions qui
ont pour fonction de protger les individus des consquences dvnements
ou de situations diverses, gnralement qualifis de "risques sociaux". La
Scurit Sociale moderne est organise et fonctionne en France selon un
modle bismarckien et paritaire :
Elle est finance par les cotisations des employeurs et des salaris, soit
un financement reposant essentiellement sur un mcanisme dassurance
paye par les actifs ( la diffrence du modle anglais, o le financement
repose essentiellement sur limpt pay par tous les contribuables).
elle est gre paritairement par lensemble des partenaires sociaux re-
prsents par les syndicats de travailleurs et les organismes patronaux.
21
Lanne 2000 : La cration de la Couverture maladie universelle (CMU)
et la diffusion de la carte Vitale personnelle pour les ayants droit gs
de 16 ans et plus.
22
1. La branche maladie : Elle recouvre les risques maladie, maternit, in-
validit et dcs. En 2012, 150,1 milliards deuros de prestations nettes
ont t verses, et la part des dpenses de sant reprsente prs de
11,6% du PIB.
2. La branche accidents du travail-maladies professionnelles : La Caisse
nationale de lassurance maladie des travailleurs salaris (CNAMTS)
gre la branche maladie et le branche accidents du travail-maladies pro-
fessionnelles. En 2012, environ 2 millions dtablissements ont cotis
lassurance accidents du travail - maladies professionnelles et emploient
18,3 millions de salaris (soit environ 70% de la population employe).
8,8 milliards deuros de prestations nettes ont t verses.
3. La branche retraite : la Caisse Nationale dAssurance Vieillesse (CNAV)
dfinit les orientations de la branche retraite en matire dassurance
vieillesse et dassurance veuvage. Il y a 13,2 millions de retraits du
rgime gnral et 102 milliards deuros de prestations nettes ont t
verses en 2012 par la CNAV.
4. La branche famille : la Caisse Nationale des Allocations Familiales
(CNAF) gre diffrentes prestations familiales et sociales. Par exemple :
allocations familiales, aides la famille, aides au logement, revenu de
solidarit active, etc. En 2012, il y a 12 millions dallocataires, et 40,3
milliards deuros de prestations nettes finances par la CNAF.
5. La branche recouvrement : lAgence centrale des organismes de Scurit
Sociale (ACOSS) assure la gestion de la trsorerie de la Scurit Sociale.
Le graphique 1 ci-dessous prsente le pourcentage de prestations nettes par
branche sans prendre en compte la branche recouvrement en 2012, les chiffres
sont en milliards deuros.
23
Figure 1 La distribution de prestations nettes par les quatre premires
branches en 2012
24
1.1.6 Remboursement de frais de sant
Pour le systme de remboursement, la Scurit Sociale dfinit une base
de remboursement et un taux de remboursement. Cette base sert au calcul
du montant des remboursements des frais de sant. Elle sert gnralement de
rfrence pour exprimer les garanties des assurances complmentaire sant.
Ce montant varie selon les actes mdicaux, par exemple 23 euros pour la
consultation dun gnraliste du secteur 1. La Scurit Sociale applique un
taux de remboursement sur cette base. Pour le rgime gnral, ce taux est
gal 70% pour la consultation dun mdecin traitant (90% pour le rgime
local dAlsace Moselle). Depuis 2005, la Scurit Sociale ne prend pas en
charge la participation forfaitaire au sein de la branche maladie, le plafond
journalier est de 4 euros pour certains actes. La base de remboursement est
donc dcompose en trois parties : le remboursement Scurit Sociale, la par-
ticipation forfaitaire puis la partie restant la charge du patient qui sappelle
le ticket modrateur. Lcart entre les frais rels et la base de remboursement
est dnomm dpassement dhonoraire. La somme restant payer par chaque
usager aprs prise en charge de ses soins par la Scurit Sociale est dnom-
me le reste charge (RAC). Ci-dessous (figure 3) un exemple reprsentant le
remboursement dune consultation dun mdecin conventionn secteur 2, au
tarif de 40 euros. Sur ce graphique, nous pouvons bien voir quil reste encore
25
sant.
26
Les contrats responsables de complmentaire sant furent constitus
lors de la rforme de lassurance maladie de 2004, considrant que la com-
plmentaire sant rembourse comme lassurance maladie en fonction de la
situation du patient : dans ou hors parcours de soins coordonns notamment.
Ils bnficient galement dune taxation moindre. A ce jour, les contrats res-
ponsables de complmentaire sant sont en cours dvolution. Les dcrets sur
ces contrats responsables, laide la complmentaire sant (ACS) et lAc-
cord national interprofessionnel (ANI) seront finalement publis en aot et
septembre 2014. Comme le demandaient les diffrentes famille de lassurance
maladie complmentaire, de nouveaux dlais sont accords pour la mise en
oeuvre des nouvelles rglementations [18].
Le parcours de soins coordonns impose chaque assur social qui a
plus de 16 ans de dsigner un mdecin traitant avant de consulter un autre
mdecin spcialiste pour bnficier du remboursement taux plein, sauf dans
les cas spciaux, par exemple, les consultations en ophtalmologie, gyncologie
et odontologie etc.
1.2.2 Le fonctionnement
Il existe deux types de contrats complmentaires sant : contrats indivi-
duels et contrats collectifs. Dans le premier cas, lassur peut souscrire une
complmentaire sant individuelle. Il est couvert jusquau dcs ou jusqu
la rsiliation volontaire. Le contrat collectif peut tre obligatoire pour les sa-
laris dune entreprise. Lemployeur finance alors une partie des cotisations
(par exemple 50%). Pour le salari, le contrat collectif est donc plus avan-
tageux quun contrat individuel avec leffet de la participation dune partie
des cotisations par lemployeur. De plus, les garanties sont plus performantes
pour des cotisations moins leves, et il peut dduire la part de sa cotisation
de son salaire imposable. Le contrat collectif dassurance sant peut faire
partie dun contrat dassurance prvoyance que nous allons dtailler dans la
section suivante.
Les complmentaires sant peuvent tre des produits modulaires. Ils ont en
rgle gnrale 4 familles de garanties : Hospitalisation, Soins courants, Op-
tique / Dentaire / Auditif et Bien-tre. Pour chaque famille de garanties,
lassur a le choix entre diffrents niveaux de remboursement selon son be-
soin. Par exemple la mutuelle dfinit leurs niveaux de garanties comme le
niveau essentiel, le niveau confort et le niveau optimal.
Comme la Scurit Sociale a une tendance rduire le remboursement,
la place, la complmentaire sant a beaucoup dvelopp ses produits pour
les adapter aux besoins des diffrents groupes dassurs. Par exemple un
jeune qui porte des lunettes va choisir un haut niveau de remboursement
en optique mais peut tre moins sur les soins courants. Les pourcentages
de remboursements sont variables sur les quatre garanties principales pour
chaque mutuelle. Il y a des produits similaires entre les mutuelles, mais il
27
existe de petites diffrences sur les paramtres de remboursements. Le tarif
de produits modulaires est une combinaison croisant les diffrentes garanties
et les diffrents niveaux de remboursement.
Nous avons choisi lexemple dun homme clibataire sans enfant n le 1er jan-
vier 1980 qui travaille Paris. Le besoin test est le suivant : 200% sur soins
courants, 200e sur loptique, 200% sur dentaire et 100% sur lhospitalisation.
Les pourcentages sont calculs sur la base de remboursement. En utilisant
un comparateur sur internet, nous avons trouv 15 propositions. Nous pr-
sentons ici les 3 rsultats les plus pertinents : Malakoff Mdric (not M-M
dans le tableau), Cardif et Runica dans le tableau 1 ci-dessous.
Remboursement Tarif
Assureurs
Soins Courants Optique Dentaire Hospitalisation Mensuel
M-M 200% 150e 200e 300% 53,91e
Cardif 200% 300e 200% 200% 60,86e
Runica 250% 200e 250% 250% 78,03e
28
lassur possde plus dinformations que lassureur. Par exemple, lassureur
ne connait pas ncessairement les habitudes mdicales du client, ni ses ant-
cdents. Avec ce type dinformations "caches", les assurs connaissent donc
mieux leurs propres risques que les assureurs. Les primes demandes, qui sont
estimes selon le cot moyen des sinistres, peuvent donc tre sous values
pour certains assurs. Ainsi, les assurs avec un bas niveau de risque qui
achterons ce contrat (avec un haut niveau de remboursement) le rsilieront
trs vite. Seul les personnes avec un haut niveau de risque garderont ce type
de contrat. Cela causera donc une perte pour lassureur. Nous avons repris
lexemple prcdent avec les mmes caractristiques personnelles. Nous nous
intresserons la mutuelle Runica. Le tableau (2) de garanties optionnelles
synthtises est prsent ci-dessous. Les garanties sont exprimes en % de la
base de remboursement de la Scurit Sociale, Rgime obligatoire inclu.
Tranquillit Confort
1 2 3 1 2 3
Soins Courants 100% 150% 200% 250% 300% 400%
Optique 50e 100e 150e 200e 250e 300e
Dentaire 100% 150% 200% 250% 300% 400%
Hospitalisation 100% 150% 200% 250% 300% 400%
29
forte diffrence entre le niveau de remboursement des diffrentes garanties
afin de minimiser le risque danti-slection.
Comment les assurs vont-ils choisir la formule dassurance et comment
les assureurs peuvent-ils mutualiser leur portefeuille ? Baisser le risque danti-
slection et sauvegarder lintrt des assurs devient important pour lassu-
reur. Pour cela, donner un tarif adapt sur le produit modulaire sera donc
ncessaire.
30
prvoyance du demandeur pour rduire le montant du prix du contrat sant
choisi.
Table 3 Montant annuel de lACS en 2012
Age Montant
moins de 16 ans 100e
de 16 ans 49 ans 200e
de 50 ans 59 ans 350e
60 ans et plus 500e
1.2.5 La prvoyance
1.2.5.1 Dfinition de la prvoyance
La prvoyance recouvre tous les risques lis la personne et non aux
biens. Il sagit donc de risques lis :
un dcs
une maladie
31
une maternit
une incapacit
une invalidit
une hospitalisation
Une incapacit se traduit par une impossibilit temporaire physique ou psy-
chique dexercer son activit professionnelle. Une invalid se traduit par une
impossibilit permanente, physique ou psychique, dexercer son activit pro-
fessionnelle. Il est impossible de rester dans la situation dincapacit plus
de trois ans, au bout de trois ans pass en incapacit, lassur est considr
immdiatement comme invalide.
En ralit, la maladie et laccident sont des vnements alatoires, il est im-
possible de connaitre lavenir exactement. Il est ncessaire de soutenir une
famille dans le cas de la disparition du chef de famille. Les prestations ver-
ses par la Scurit Sociale ne sont pas suffisantes pour compenser les pertes
de revenus subies. Le contrat de prvoyance peut rduire les consquences
financires ngatives dans cette situation pour assurer que la famille puisse
continuer normalement.
1.2.5.2 Le fonctionnement
La prvoyance est une part des cotisations sociales obligatoires qui per-
mettent de financer la protection sociale. Elle est assure tout dabord par
la Scurit Sociale, ensuite une complmentaire, appele prvoyance compl-
mentaire, peut complter les prestations de la Scurit Sociale. Cette partie
est alors prise en charge par une socit dassurance, une mutuelle, etc. Ces
dernires sont spcialises pour prendre en charge les risques lis la per-
sonne, elles couvrent plus de 12 millions de salaris en France.
Un contrat de prvoyance collective dans le cadre de lentreprise permet de
rpondre ce besoin de couverture, en fonction des garanties prvues. Pour
certains risques lourds comme le dcs ou linvalidit, ce contrat apporte aux
salaris et leurs familles une scurit indispensable aprs la survenance
des risques. Pour un assur, les risques qui sont couverts par la prvoyance
collective sont :
les risques de dommages corporels rsultant de la maladie ou de lac-
cident. Les structures de prestations sont par exemple : indemnits
journalires en cas darrt de travail, rentes dinvalidit, etc.
des engagements lis la dure de vie. Les structures possibles sont :
capital dcs, rentes de conjoint et dducation, pargne retraite, d-
pendance.
Les avantages de la prvoyance collective :
La prvoyance collective permet de mutualiser les risques entre tous
les salaris et donc de diminuer le cot de cette protection sociale
complmentaire.
Elle garantit les risques spciaux adapts au mtier de salaris avec
32
un prix plus bas. En gnral, lemployeur prend de 50% 60% des
cotisations sa charge.
La garantie de prvoyance est applique sur tous les salaris de len-
treprise. Donc il ny a pas de discrimination de revenu, dge ou dtat
de sant.
Dun point de vue financier, les contrats collectifs permettent davoir
des exonrations sociales et des dductions fiscales des cotisations pour
les salaris et les employeurs sous certaines conditions spciales.
Pour les entreprises, la prvoyance collective est un outil dattractivit,
elle peut apporter motivation et fidlisation aux salaris.
Un contrat de prvoyance individuelle permet de protger la famille en cas
dvnement grave par des versements dindemnits, de rentes, de capitaux.
Cest un contrat permettant de bnficier de prestations complmentaires
celles de la Scurit Sociale. Dans le cadre de la loi Madelin, loi numro
94-126 du 11 fvrier 1994, un travailleur non salari peut bnficier dune
dduction des cotisations prvoyance de son bnficie imposable. Les profes-
sions librales, artisans, commerants peuvent ainsi amliorer leur protection
sociale et leur prvoyance retraite.
Il existe plusieurs types de prvoyance individuelle :
Prvoyance famille : elle permet de maintenir le niveau de vie de la
famille en cas de coup dur et prvoit les versements dun capital ou
dune rente en cas de dcs ; dune rente dducation aux enfants en
cas de dcs ; dindemnits journalires lassur en cas darrt de
travail et dune rente en cas dinvalidit ou de dpendance. Ce contrat
famille peut tre souscrit par un salari, un travailleur non salari, un
entrepreneur ou un retrait.
Prvoyance profession librale : dans le cas de profession librale, ils
exercent leur activits de faon indpendante, lindemnit verse par
la Scurit Sociale est gnralement faible. Cette prvoyance permet
davoir une bonne couverture en cas de coup dur. En plus, il existe des
offres spcifiques adaptes chaque type de profession.
Prvoyance travailleur non salari (TNS) : les personnes dit travailleurs
non salaris sont les professions librales, les artisans, les commerants,
les grants non salaris, les conjoints collaborateurs non salaris. Ils
sont obligatoirement affilis un rgime de Scurit Sociale, les garan-
ties proposes sont souvent insuffisantes pour compenser les pertes. En
plus ils peuvent bnficier dune dduction fiscale sur les cotisations
de prvoyance. En gnral, la dduction est denviron 30% du montant
des cotisations.
Prvoyance auto-entrepreneur : cette prvoyance a un rle important,
car un auto-entrepreneur est oblig de cotiser lassurance maladie et
lassurance retraite, mais il nest soumis aucune prvoyance obliga-
toire. De plus, les prestations sociales du rgime obligatoire sont trs
limites en matire dincapacit, dinvalidit, de dcs et de dpart en
33
retraite. Un auto-entrepreneur peut choisir deux grands types de pr-
voyances : indemnitaire et forfaitaire. Dans le premier cas, il permet
de recevoir une indemnit quivalente au revenu de lauto entrepreneur
avant son accident. Le deuxime cas, lassur reoit un montant for-
faitaire dpendant du montant de cotisations sans prendre en compte
son revenu.
2012 2013
CA Croissance CA Croissance
Mutuelles 17 578 939 2,20% 17 846 271 1,5%
IP 5 745 579 11,50% 5 806 129 1,10%
Assurance 8 820 048 7,2% 9 226 128 4,60%
Total 32 144 566 5,10% 32 878 528 2,30%
Source : Fonds CMU
34
croissance a ralenti en 2013 par rapport 2012. Sur ce march nous pouvons
considrer que le nombre dassurs est stable. Pour mieux comprendre ce
ralentissement, lvolution du tarif sera un lment important. En 2011, la
taxe sur les conventions dassurance pour les contrats responsables et soli-
daires est pass de 3,5% 7%. Afin de compenser cette augmentation de
taxe, les assureurs ont augment leur tarifs. La plupart des franais pensent
que leur complmentaire sant est de plus en plus chre. En effet, le prix de
la complmentaire sant a augment en moyenne de 8% par an depuis 2000.
La hausse de tarif et la stabilisation de nombre dassurs amne une forte
concurrence entre les oprateurs dassurance.
5. Les deux oprateurs de la plateforme sant ne sont pas des porteurs de risque.
35
Table 5 Les 20 assureurs leaders du march
Allianz
Axa
Assureurs privs
Groupama
Swiss Life
Eovi Mutuelle
Harmonie Mutuelles
Mutuelles La Mutuelle Gnrale
MGEN
Uno
AG2R Prvoyance
Apicil
Institutions de prvoyance
Malakoff Mdric
Pro BTP
Maaf Sant
Socits dassurances forme mutuelle Macif-Mutualit
MMA
Crdit Mutuel
Bancassureurs
Pacifica (Crdit Agricole)
Carte Blanche Partenaires
Plateformes sant
Santclair
Source : Les Echos tudes
36
Deuxime partie
Tarification
2.1 Mthode frquence * cot moyen
Dans le cadre de la tarification en sant, le risque maladie est une somme
de plusieurs risques mdicaux, comme consultation mdicale, optique, d-
pense en pharmacie... La prime pure reprsente le cot du risque. Cest le
montant de la prime facture lassur qui est ncessaire pour payer son si-
nistre. La prime pure globale est la somme des primes pures de ces diffrents
risques, sous lhypothse dindpendance entre les risques. Chaque risque
est un risque alatoire, nous supposons que les risques sont indpendants et
identiquement distribus (i.i.d). "Identiquement distribu" signifie que les
individus ne sont pas soumis aux mmes risques et de la mme manire.
En ralit, les risques ne sont pas totalement indpendants, mais les deux
hypothses sont ncessaires afin de pouvoir utiliser les grands thormes ma-
thmatiques pour la modlisation.
La prime commerciale est dfinie sous la forme suivante :
37
exposition la valeur 3/12=0,25. La valeur dexposition sera toujours entre 0
et 1, car notre base de donnes est dfinie par anne.
La prime pure peut scrire :
O,
E[Si ] est lestimation du cot moyen.
E[N] est lestimation de la frquence.
38
puis nous comparerons notre rsultats avec les cotisations. La mutuelle pro-
pose deux types de produits avec diffrentes combinaisons sur options choi-
sies, notes D1 et D2. Nous prsentons dabord le produit modulaire. Dans
notre base de donnes, il y a 4 garanties choisies : Hospitalisation, Soins
courants/Appareillage, Dentaire/Optique/Auditif et Bien-tre. Pour chaque
garantie, un assur peut avoir trois niveaux diffrents de garanties. En plus,
chaque garantie sera dtaille en plusieurs actes. Par exemple, deux actes
"frais de chambre particulire" et "frais daccompagnement" sont compris
dans la garantie Hospitalisation ; la dpense en pharmacie et les analyses
mdicales peuvent tre dans la garantie Soins courants/Appareillage ; la troi-
sime garantie peut dj tre dcompose en trois catgories : le dentaire,
loptique et lauditif ; pour le Bien-tre, les actes possibles sont les mdecines
non conventionnelles (Ostopathe, Chiropracteur, Acupuncteur, Ditticien,
Nutritionniste, Psychologue) ou le vaccin anti-grippe, etc. Le tableau 6 repr-
sente la structure du produit modulaire. En total, nous avons huit bases de
39
Dentaire/Optique/Auditif est not comme DOA3. Nous rutilisons le
tableau prcdent pour montrer les 12 modalits.
40
Montant RO : le remboursement du rgime obligatoire (RO) vers par
la Scurit Sociale correspond un pourcentage de la BR.
Remboursement mutuelle : le montant de remboursement complmen-
taire par la mutuelle.
Parcours soins : la participation forfaitaire, un euro en gnral.
Quantit : le nombre dactes rembourss par la Scurit Sociale.
D1 D2
Cotisation Prestation Cotisation Prestation
2012 3868 3750 4440 4089
2013 2917 2811 9570 8498
pratique dans les quatre cas. Une fois valide la cohrence des donnes sur
ce point, nous pouvons faire un tri pour analyser les variables.
41
Table 9 Les nombres de modalits de variables dans le fichier de cotisations
Les membres dune mme famille ont le mme code famille, nous souhaitons
utiliser les donnes tte par tte, donc le code famille ne sera pas retenu dans
la suite de ltude. La rfrence personne tant unique par individu, la dif-
frence du numro de Scurit Sociale (puisque les enfants nont pas leur
propre numro SS avant 16 ans), nous garderons la variable qualit ayant
droit, car nous souhaitons travailler sparment pour les tarifs adultes et ce-
lui des enfants. Nous avons trouv une modalit notant "Autre" qui contient
un seul assur n en 1956. Nous lavons mis dans la partie adulte. Le code
postal va nous apporter leffet gographique et lge de lassur joue un rle
important sur la frquence et le cot moyen. Et en plus, la date deffet de
loption et la date fin de loption nous permettent de calculer la frquence
plus tard. Dans la partie cotisation, nous avons finalement limin deux va-
riables : code famille et numro Scurit Sociale.
42
Date effet option
Date fin option
Sexe ayant droit
Code postal ayant droit
Naissance du souscripteur
Remboursement mutuelle
43
Table 10 Les 4 modalits de la variable situation famille
44
Table 11 La comparaison de nombres de modalits entre la base retenue
et la base brute
Nombres de modalits
Base retenue Base brute cart
Rfrence personne 6642 6644 2
Qualit ayant droit 4 4 0
Code option 12 12 0
Code postal 528 534 6
retenue.
45
Figure 6 Rpartition des assurs par la qualit "ayant droit"
plus que les conjoints. Il est donc possible dattirer les conjoints si le contrat
propose plus davantages pour une famille.
Nous nous intressons aux expositions par tranche dge. Nous sparons
les donnes entre femme et homme. Nous pouvons voir sur le graphique 7
que la distribution est plutt uniforme entre 1 an et 70 ans, et que la po-
pulation de femmes est plus importante que la population des hommes. Il
sera donc intressant dtudier lcart des volutions du cot moyen et de la
frquence entre femmes et hommes. Nous avons assez dinformations pour
la suite de ltude, et les tendances de la frquence et du cot moyen sont
plutt similaires pour les femmes et les hommes.
46
2.3.2.3 volution du cot moyen et de la frquence
Nous pouvons observer que les courbes fminine et masculine ont une
volatilit similaire, dune valeur de 15 pour les femmes et de 17 pour les
hommes. La moyenne des cots mensuels est autour de 60 euros par personne,
elle est relativement stable daprs ce graphique. En prenant comme seuil
la moyenne de 60 euros, nous remarquons que les cots pour les enfants
sont dessous de cette moyenne. Avec ce seuil, il est intressant de modliser
sparment les tarifs adulte et enfant. De plus, les cots moyens de garons
sont presque toujours suprieurs celui des filles. Cet cart nest pas vident
entre les adultes des deux sexes. Nous tudierons galement lvolution de la
frquence (cf le graphique 9), pour mieux connaitre les donnes.
47
Figure 9 Distribution de frquences Femmes et Hommes par lge de 1
an 90 ans
A part ces carts de cot moyen entre les filles et les garons, il existe
un autre effet : les femmes demandent plus souvent un remboursement que
les hommes. La moyenne totale de la frquence est 10. Les deux courbes
ont tendance croitre lgrement. Pour la partie enfants, les frquences sont
dcroissantes jusqu 18 ans. Au contraire du cot moyen, le rle du sexe
nest pas vident pour les enfants. Cela signifie que pour la partie enfant,
lcart normalis entre filles et garons du cot moyen est suprieur celui
de la frquence.
48
2.4.1 Segmentation des variables
Avant dappliquer le test dindpendance, il est important de regrouper
les variables. Certaines variables comme Age et Code postal ont beaucoup
de modalits. En pratique, cest compliqu de retenir toutes les modalits.
En outre, leffectif pour chaque modalit nest pas toujours en nombre suf-
fisant, le test dindpendance demande une population minimum de 5 pour
fonctionner. Il est donc ncessaire de classifier les variables. Nous nous ba-
sons sur les volutions du cot moyen et de la frquence par variable pour
dterminer les classes.
Avec la mthode frquence * cot moyen, la modlisation sera applique sur
les deux variables rponses respectivement. Nous avons montr dans la sec-
tion 2.3.2.3 que la frquence de la femme est plus leve que celle de lhomme,
mais leffet du sexe nest pas vident sur le cot moyen. Nous pouvons suppo-
ser quune mme variable aura une influence diffrente pour la frquence et
le cot moyen. Il est donc possible davoir une segmentation diffrente pour
la frquence et le cot moyen par variable. La segmentation des variables
doit galement respecter une logique de "bon sens".
49
A5 de 61 80 ans : Les seniors dont dfinis partir de 61 ans. Selon
lanalyse de lInsee en 2012, lesprance de vie des franais est 78,4
ans pour lhomme et 84,8 ans pour la femme. Nous choisissons 80 ans
comme un ge moyen espr.
A6 81 ans et plus : A partir de 81 ans, la frquence est plus volatile
cause de la vieillesse.
Ensuite nous allons vrifier la segmentation base sur la frquence avec
le cot moyen daprs le graphique 8. Un pic entre 12 ans et 18 ans peut tre
expliqu par le traitement dorthodontie. Les traitements dorthodontie sont
rembourss 70% (actes infrieurs 120 euros) ou 100% (actes suprieurs
120 euros) sur la base de remboursement de la scurit sociale, qui est trs
souvent infrieure leur cot rel. En effet le tarif des traitements dortho-
dontie est libre. Une partie ou la totalit du dpassement dhonoraire sera
dont pris en charge par la mutuelle. La courbe du cot moyen ne permet
pas de dfinir une segmentation car il nexiste pas de caractristique vi-
dente sur la courbe. En consquence, nous prenons le mme choix que pour
la frquence.
50
tion des effectifs au sud, nous mettons la rgion Provence-Alpes Cote
dAzur dans la classe D afin de prciser la modlisation.
Classe D : Provence-Alpes Cote dAzur, Monaco, Corse et le dparte-
ment 97. Comme pour lAlsace, les effectifs de Monaco, du dparte-
ment 97 et de la Corse sont trop faibles et nous les regroupons avec
Provence-Alpes Cote dAzur.
La nouvelle distribution des assurs par classe est not dans le tableau ci-
dessous :
51
(Ef f ectif s observ eoriques)2
es Ef f ectif s th
2obs = (3)
Ef f ectif s th
eoriques
Soit en forme mathmatique :
p X
q
X (nij tij )2
2obs = (4)
tij
i=1 j=1
2obs sera compar avec la valeur seuil 2seuil pour (p-1)(q-1) degrs de
libert et pour un risque derreur fix. Si 2obs > 2seuil , lhypothse H0
est rejete au risque derreur . Il ny a donc pas dindpendance statistique
entre les deux variables. Sinon on accepte H0 .
A ce stade, nous souhaitons retenir les variables qui ont linfluence sur
la frquence ou le cot moyen. Nous crons une nouvelle variable indicatrice
Frquence (bis) comme rfrence, elle est gale 1 si la frquence est su-
prieure et gale 10, sinon 0, o 10 est la moyenne de la frquence. Nous
prfrons la variable indicatrice car la frquence est une variable continue,
en croisant cette variable et une autre, les effectifs attendus seront possibles
infrieurs 5. Il ne sera donc pas valable pour raliser un test du Khi-Deux
dindpendance. Nous pouvons utiliser la mme faon pour tester lindpen-
dance entre le cot moyen et les variables explicatives.
Nous prenons un exemple de sexe pour la frquence, nous proposons
lhypothse suivante :
H0 : La frquence ne dpend pas du sexe de lassur. Les deux variables
sont indpendantes.
H1 : La frquence dpend du sexe de lassur.
Les deux variables ont chacune deux modalits, la table de contingence
est prsente ci-dessous :
Frquence
Sexe Total
<10 10
Femme 8387 4284 12671
Homme 6314 2372 8686
Total 14701 6656 21357
52
Nous nous intressons essentiellement la p-value, en gnrale, lhypothse
dindpendance sera accept lorsque la p-value est suprieure 0,05. Notre
p-value est trs faible, nous conclurons que la frquence dpend du sexe. Ce
rsultat est cohrent avec le graphique 9 qui montre que les femmes vont
consulter plus souvent un mdecin que les hommes.
Nous avons appliqu ce test entre toutes les variables et la frquence, et
nous obtenons les rsultats ci-dessous :
53
Table 16 Les rsultats du test dindpendance pour le cot moyen
54
si l0 assur
1, e est entre 17 et 30 ans,
X3 =
0, sinon,
si l0 assur
1, e est entre 31 et 45 ans,
X4 =
0, sinon,
si l0 assur
1, e est entre 46 et 60 ans,
X5 =
0, sinon,
si l0 assur
1, e a plus de 80 ans,
X6 =
0, sinon,
si l0 assur
1, e vient de la classe A dans le tableau 13,
X7 =
0, sinon,
si l0 assur
1, e vient de la classe B,
X8 =
0, sinon,
si l0 assur
1, e vient de la classe C,
X9 =
0, sinon,
55
variance. Nous avons pourtant parfois le besoin dexpliquer des variables
et donc leurs erreurs qui ne suivent pas ce pr-requis. Car la source de la
variabilit constate dans Y provient dune erreur alatoire .
Nous voulons donc tendre le modle linaire classique Y = X + aux
cas o les erreurs naient pas la mme variance (=htroscdasticit).
Lide des modles linaires gnraliss est dutiliser une transformation ma-
thmatique sur la variable expliquer Y en prenant en compte la vritable
distribution des erreurs. Les paramtres impliqus sont estims par une m-
thode destimation dite du "Maximum de Vraisemblance". La fonction ma-
thmatique utilise pour transformer la variable expliquer est donc appele
"fonction de lien".
y b()
f, (y) = exp( + c(y, )), y S (5)
a()
O
S est un sous-ensemble de N ou de R.
R : Paramtre canonique ou paramtre de la moyenne qui est
inconnu.
R : Paramtre de dispersion suppos connu.
a(.) est une fonction dfinie sur R et non nulle.
b(.) est une fonction dfinie sur R, non nulle et deux fois drivable et
drive premire injective.
c(.) est une fonction dfinie sur R2 .
56
gnrale {P }P
Rq , les lois P ont pour densit la fonction : f (y) =
c()h(y)exp{ pj=1 j ()Tj (y)}, y =, avec T1 (.), . . . , Tp (.), 1 (.), . . . , p (.)
fonctions mesurables et = lensemble de dfinition de la densit f (.).
E[Y ] = b0 () (7)
00
V ar[Y ] = b () a() (8)
57
Dans la formule de la variance, b00 () est appele la fonction variance. Si nous
notons = E[Y ] = b0 (), alors b00 () = V ().
Nous pouvons galement obtenir lesprance et la variance de ces lois
prcdentes, rappelons que le poids est suppos gale 1.
g() = 0 + 1 X1 + + p Xp (9)
peut tre vue comme une variable "synthtique", un rsum linaire des
variables explicatives ou une direction dans Rp . Chacune des lois de la famille
exponentielle possde une fonction de lien spcifique, appele fonction de lien
canonique, permettant de relier lesprance au paramtre . Ce paramtre
est donc appel paramtre canonique dans lquation 5. Le lien est tel que
g() = . Or = b0 (), nous avons donc g 1 () = b0 (). Le tableau 19 [20] sui-
vant prsente les fonctions de lien adaptes aux diffrents types de donnes :
58
Table 19 Fonctions de lien
L((), y, )
= 0, j = 0, . . . , p (14)
j
Elle sexprime comme :
n
X ln(f (yi , , i ))
=0
j
i=1
n
X i (yi i b(i ))
( + c(yi , )) = 0 (15)
j
i=1
59
Nous calculons sparment les 4 composantes de cette quation, nous avons
obtenu :
ln(f (yi , , i )) i (yi b0 (i ))
=
i
i 1
=
i b00 (i )
i 1
= 0
i g (i )
i
= xij
j
Les quations de vraisemblance retenues sont donnes par :
n
L((), y, ) X i (yi b0 (i ))xij
= = 0, j = 0, . . . , p (17)
j b00 (i )g 0 (i )
i=1
60
Table 20 Les rfrences des variables
Les nouvelles variables tarifaires sont construites selon les autres moda-
lits. Nous auront finalement 26 variables tarifaires : 26=1+(2-1)+(6-1)+(3-
1)+(4-1)+(12-1)+(4-1). Le premier 1 sexprime par une variable ajoute "In-
tercept" ayant une seule valeur 1. Cet "Intercept" nous permettra dexprimer
les primes pures partir de la prime pure dune classe de rfrence.
Le prdicteur linaire correspondant est de la forme :
25
X
g() = 0 + i Xi (18)
i=1
1
Le premier vecteur de X est lIntercept, compos exclusivement de 1, la
matrice X1 reprsente la variable Sexe, les autres sont des matrices des ex-
plicatives pour les 5 autres variables dans lordre du tableau 20.
61
Pour une observation i, nous pouvons dcomposer le prdicteur linaire
de manire suivante :
g(i ) = i
= 0 + 1 x11 + 2 x21 + + 6 x25 + + 25 x63 (20)
i = g 1 (i ) (21)
Dans le cas du cot moyen, il suffit denlever les variables Sexe et Classes
gographiques. La mthodologie reste la mme.
62
Figure 10 Les observations de la frquence
Nous commenons les travaux par la loi de Poisson. Nous traitons lad-
quation de la loi empirique la loi thorique pour vrifier la qualit du
modle. Les paramtres de la loi thorique sont estims par maximum de
vraisemblance.
Si X suit une loi Poisson de paramtre , il vrifie alors la fonction de
masse sous la forme :
k
p(k) = P (X = k) = e (22)
k!
O,
k est le nombre doccurrences.
exprime le nombre moyen doccurrences, cest un nombre rel stric-
tement positif.
Lesprance et la variance dune loi Poisson ont pour unique valeur . Les-
timateur du maximum de vraisemblance se calcule comme :
Pn
xi
= i=1 (23)
n
tant la moyenne empirique.
et
est la moyenne de chantillons,
Dans le cas de loi Poisson, lestimateur
nous pouvons calculer directement cette moyenne, ou utiliser la fonction
"fitdistr" sous R qui donne les valeurs des paramtres sous la mthode du
maximum de vraisemblance. Nous obtenons donc :
= 10, 34
(24)
63
zoomer sur la partie importante. Dans le graphique 11, la fonction observe
est reprsente par la courbe bleu, lautre en rouge. Les deux courbes ne sont
pas cohrentes, la loi de Poisson ne correspond pas notre situation.
64
2.7.1.2 Loi Binomiale Ngative
La loi Binomiale ngative dpend de deux paramtres. Une paramtrisa-
tion trs rpandue introduit un entier naturel n non nul et un rel p compris
entre 0 et 1. Il est courant dintroduire la probabilit complmentaire q=1-p.
La loi de probabilit dune variable alatoire distribue selon une binomiale
ngative de paramtres n et p, note NegBin(n, p), prend la forme suivante :
pour k = 0, 1, 2, ...
k+n1
P (X = k) = f (k; n, p) = pn q k (25)
k
n
= 1,
= 10, 34 (27)
65
Figure 14 Ajustement des frquences par la loi de Binomiale Ngative
Notre rsultat est aussi vrifi dans le graphique 14, il y a moins dcart
entre la distribution empirique et thorique par rapport la loi de Pois-
son. Entre les deux comparaisons, nous choisissons la loi Binomiale Ngative
comme loi de la variable de rponse. Celle-ci vrifie la caractristique de la loi
Binomiale Ngative : lesprance de lchantillon est infrieure la variance
de lchantillon.
66
de Wald ou dun test du rapport des vraisemblances.
Pour ce faire, nous utilisons la fonction anova dans le logiciel R. Lobjectif
de cette fonction est de savoir si une variable numrique a des valeurs signifi-
cativement diffrentes selon plusieurs catgories, donc selon les valeurs dun
facteur. Nous prsentons le test du rapport de vraisemblance dans la suite.
H0 : P = P0 contre H1 : P = P1 .
L1 (X1 , . . . , Xn )
T = (28)
L0 (X1 , . . . , Xn )
L(b , y)
S = 2log
L(b, y)
= 2[log(L(b, y)) log(L(b , y))] (30)
67
La statistique sest exprime par la forme ci-dessous :
La vraisemblance du mod`
ele sans la variable test
ee
S = 2log (31)
La vraisemblance du mod`
ele avec la variable test
ee
Sous H0 , S suit approximativement une loi du Khi-Deux r degrs de li-
bert. r est le nombre des modalits de la variable teste moins un, il est
calcul sous logiciel comme la diffrence entre la dimension des modalits
du modle avec la variable teste et celle du modle dans la variable teste.
Nous ralisons ces tests sous R et obtenons les rsultats :
Variable Df Pr(>Chi)
Sexe 1 <0,0001
Age 5 <0,0001
Qualit ayant droit 2 <0,0001
Situation familiale 3 <0,0001
Option 11 <0,0001
Gographique 3 <0,0001
Les rsultats sont plutt satisfaisants, car les p-values sont toutes trs
faibles. Nous pouvons conclure que les 6 variables influent toutes sur le mo-
dle que nous avons construit. Ltape suivante est dtudier linfluence de
chaque modalit pour le modle.
68
Table 22 Les rsultats pour la frquence
ans, une estimation positive dmontre que les personnes plus ges consultent
plus souvent les mdecins. Cette explication est vrifiable en ralit.
Dans les rsultats, nous pouvons aussi observer quil y a 5 p-values plus
leves que les autres. Par exemple 0,0307 pour le premier niveau de la qua-
lit ayant droit, il y a 96,93% de probabilit que le statistique empirique se
trouve dans lintervalle de confiance. La qualit de cette variable est moins
satisfaisant. Les autres ont leur p-value infrieure 0,001 et sont donc signifi-
catives. Notre objectif est davoir toutes les variables tarifaires significatives.
Notre modle est construit par le choix de la rfrence. Les autres niveaux
sont soit moins bons, soit meilleurs que la rfrence. Une modalit moins si-
gnificative indique que la diffrence des importances au sens de la frquence
entre cette modalit et la rfrence est faible. Nous agrgeons les variables
69
moins significatives, pas pas, la rfrence pour adopter ce modle.
Nous commenons par le premier niveau de la qualit ayant droit, qui
reprsente les conjoints. En vrai, leffet dtre responsable ou conjoint a le
mme niveau dimportance pour la demande de remboursement. Comme
nous lavons tudi tout au dbut sur la partie des donnes adultes, cette
variable na pas de sens dans ltude. Du cot, nous agrgeons la modalit
conjoint la rfrence qui est le responsable. Cette modalit peut tre sup-
prim dans la srie des variables tarifaires qui a actuellement 24 variables
pour la modlisation. Nous notons les nouveaux rsultats pour les quatre
modalits moins significatives restes dans le tableau 23 :
70
pour le modle. Nous sortons la matrice de corrlations via une fonction du
logiciel R. Si la valeur de la corrlation entre deux variables est 1, nous disons
quelles sont parfaitement corrles. A linverse, si la valeur vaut 0, les deux
variables sont totalement indpendantes. Dans notre matrice de corrlations,
plupart de valeurs de corrlations sont infrieure 0,5, donc une corrlation
faible. Mais entre certaines modalits, il y a une corrlation plus forte avec
une valeur plus leve que 0,5. Par exemple la corrlation entre la premire
classe dge (Age 1 : 0 16 ans) et la deuxime classe dge (Age 2 : 17
30 ans) est 0,57. Les deux modalits sont plus corrles que la moyenne. Les
ges sont continus pour les deux classes, il est logique que les comportements
de la tendance pour les deux classes soient similaires. Une autre corrlation
leve est celle entre deux modalits de la variable situation familiale : Famille
(Situation familiale 1) et Mono-parentelle (Situation familiale 3), la valeur
est 0,6. Le point commun entre ces deux classes est quelles ont toutes au
moins un enfant. Elles sont donc logique dtre un peu plus corrles. Nous
avons remarqu que les modalits ayant une corrlation plus leve sont un
peu moins significatives dans le tableau des rsultats (tableau 32) reprsent
dans la partie dannexe. Par exemple Age 2 est trs significative pour le
modle, Age 1 est corrle avec Age 2, elle est moins significative que Age 2.
Cest pareil pour les modalits Situation familiale 1 et 3 : la premire est plus
significative que la deuxime. Donc la corrlation et leffet que la modalit
est significative ou pas jouent presque le mme rle dans le modle.
2.7.3.1 Dviance
Pour dterminer la dviance normalise, nous avons besoin dintroduire
un modle satur. Un modle satur est un modle bas sur la mme loi de
probabilit et la mme fonction de lien, mais contenant autant de variables
explicatives indpendantes que de donnes. Ce modle permet de recons-
truire parfaitement les donnes. Autrement dit, la moyenne de la variable
expliquer est dfinie par lobservation elle mme :
E[Yi ] = yi (32)
71
dquation 19. Nous notons que b lestimation du maximum de vraisemblance
de et bmax lestimation du vecteur des paramtres pour le modle satur.
Nous appelons la statistique D dviance normalise utilis pour mesurer
ladquation du modle tudi. Elle se calcule par la formule :
L(bmax ; y)
D = 2 log(
L(b; y)
= 2 (log(L(bmax ; y)) log(L(b; y))) (33)
La sur-dispersion
Aprs avoir obtenu la dviance, il est important dintroduire la notion de
sur-dispersion [14]. La sur-dispersion est un phnomne qui concerne la mo-
dlisation de donnes selon une loi Binomiale ou selon une loi de Poisson. Il
y a sur-dispersion lorsque la dviance normalise ou le Khi-Deux de Pearson
72
normalise sont nettement suprieurs 1.
Pour rsoudre ce problme, nous pouvons modifier la fonction de variance
V () de ces lois en la multipliant par un paramtre de sur-dispersion :
loi Binomiale : V () = (1 )
loi de Poisson : V () =
En pratique, la dviance normalise est nettement suprieure 1, cela
sexprime par le rapport de la dviance rsiduelle sur le nombre de degrs
de libert rsiduels qui est suprieur 1. Retournons dans notre calcul, ce
rapport vaut 20487/21334=0,96. Nous pouvons bien garder ce modle, il ny
a pas de sur-dispersion.
Comme parl dans la section 2.6.2, nous pouvons toujours essayer lautre
loi de la rponse pour choisir celle qui minimise la dviance. Ce point est
prouv par la comparaison des dviances entre la loi Poisson et la loi Bino-
miale Ngative. Nous ne notons que la dviance rsiduelle dans le tableau 25 :
2.7.4 Rsidus
Les tests concernant les coefficients du modle et les statistiques de lad-
quation du modle indiquent globalement comment le modle sajuste aux
donnes. Ces statistiques sont compltes par une analyse prcise qui com-
pare les valeurs observes et les valeurs estimes, appele rsidus.
Les rsidus indiquent les distances entre les valeurs estimes et observes,
observation par observation. Il y a essentiellement deux types de rsidus : le
rsidu de Pearson et le rsidu de dviance.
Le rsidu de Pearson est un rsidu standardis dfini par lquation ci-
dessous :
yi
i
rPi = p (35)
V (
i )
73
O di reprsente la contribution de lobservation i la dviance D. La d-
viance peut tre considre comme la somme des contributions par obser-
vation. Supposons quil y a n observations, la dviance peut scrire aussi :
n
X
D= di (37)
i
Nous calculons les rsidus de la dviance pour notre base de donnes, ils
sont reprsents dans le graphique 15 :
Plus les rsidus sont proche de 0, plus le modle est satisfaisant. Dans
notre graphique, les rsidus sont distribus plutt uniformment autour de
laxe des abscisses. Mais nous pouvons observer quil y a certains rsidus
positifs ayant des valeurs entre 2 et 6, et un rsidu maximum de 8. Cette
remarque montre quil existe une sous estimation pour une petite part des
individus. Au final, il ny a pas des points qui sont trs loigns de labscisse.
Le modle est donc acceptable.
74
Loi Gamma
La loi Gamma de paramtres et , sa densit est dfinie par la formule :
1
f (y) = y exp(y), poury 0 (38)
()
Le lien canonique de la loi Gamma est la fonction inverse, mais il est plus
frquent dutiliser un lien log.
1 (lnx )2
f (x; , ) = exp( ) (41)
x 2 2 2
75
Figure 16 Les fonctions de rpartition pour le cot moyen
Pour la dviance nulle, la valeur de loi Gamma est plus leve que celle de
la loi log Normale, et cest linverse pour la dviance rsiduelle. Mais lcart
de la dviance entre les deux lois est plus faible pour la dviance rsiduelle
par rapport la dviance nulle.
Ensuite nous compltons cette comparaison par les rsidus. Deux types
de rsidus : Dviance et Pearson, sont reprsents respectivement dans les
graphiques 17 et 18 :
Les rsidus de la loi log Normale sont autour de labscisse uniformment
et symtrique par rapport laxe des abscisses. Les valeurs des rsidus de
Pearson de loi Gamma sont plus leves que pour la loi log Normale, et en
plus ces rsidus sont pour la plupart positifs qui exprime une sous estimation
pour le cot moyen. Nous choisissons donc la loi log Normale pour le cot
moyen.
76
Figure 17 Les rsidus de la dviance du cot moyen
Troisime partie
Rsultats et applications
3.1 Rsultat
Les modlisations de la frquence et du cot moyen sont dtermines,
ltape suivante est dappliquer la mthode frquence * cot moyen pour
obtenir la prime pure. Nous expliquons par exemple le calcul pour la prime
77
Figure 18 Les rsidus de Pearson du cot moyen
78
pure loption Hospitalisation niveau 2, ses coefficients sont -1,88 pour la
frquence et 1,39 pour le cot moyen. Les autres coefficients de la frquence
et du cot moyen seront prsents dans le tableau 28 ci-dessous :
g(i ) = 0 + 1 x1 + + p xp (44)
g(i ) = 3, 12 0, 2 + 0 + 0 0, 05 + 0 1, 88 = 0, 99
i = exp(0, 99) = 2, 69
g(i ) = 2, 62 + 0, 04 + 0 + 1, 39 = 4, 05
i = exp(4, 05) = 57, 40
79
Pour le calcul de la frquence, nous enlevons 1,88 points qui correspond
au coefficient de loption Hospitalisation du niveau 2, par rapport la r-
frence qui est le soin courant du niveau 1. Pareil pour le cot moyen, un
coefficient de 1,39 est ajout. En comparant avec soin courant, le risque de
rester lhpital est plus faible. Mais ds que lassur a besoin de deman-
der remboursement sur lhospitalisation, le cot devient plus lev. La prime
pure pour cet assur est donc obtenue :
P P = 2, 69 57, 40 = 154, 47
80
Ensuite, la charge annuelle note CA, sera obtenu :
CA = CM S F r
equence estim
ee
Si la mutuelle dcide de baisser le pourcentage 80% par exemple, le
charge moyen de sinistre devient donc :
CM S = M ax(0; 80% F rais r
eels moyens estim
es
Remboursement SS P articipation f orf aitaire)
Dans ce cas, la modlisation du montant de remboursement de la mu-
tuelle, a sera compliqu de modifier directement le tarif. Mais nous avons
rencontr une difficult en cas de frais rels tant la dtermination du rem-
boursement Scurit Sociale. Premirement, nous tions oblig de modliser
par acte mdical afin de prendre en compte toutes les diffrentes bases de
remboursements dfinies par la Scurit Sociale. En pratique, il existe beau-
coup des actes mdicaux au sens de la Scurit Sociale. Prenons notre base
de donnes, il y a dj environ deux centaines des actes. Il est compliqu de
modliser deux cents fois en pratique. En plus, la ralisation de la modli-
sation acte par acte apporte une demande sur le nombre des effectifs afin
de mieux modliser. Un problme dinsuffisance des effectifs pour certains
actes taient rendu compte pendant le travaux. Deuximement, le montant
de base de remboursement par acte nest pas vident dans notre tude. Par
exemple dans le cas de loptique, chaque verre a un remboursement diffrent
de la Scurit Sociale en fonction de la correction visuelle. Le remboursement
SS devient donc une variable qui a besoin dtre fix par une hypothse per-
tinente.
81
3.3 Retraitement du risque danti-slection
Dans la deuxime partie, nous avons dtaill une mthode de modlisa-
tion de la tarification. Avec notre formule, la mutuelle peut proposer trois
niveaux de primes pour chaque garantie. Avec lexemple de Runica dans la
section 1.2.2, Runica a bien limit la combinaison des garanties pour limiter
le risque danti-slection. Mais dans notre base de donnes, la mutuelle avait
accept toutes les combinaisons possibles des composantes du tableau 7. Par
exemple H1-SC1-DOA3-BE1 est une combinaison ayant un fort risque danti-
slection. Il est certain quun assur souscrivant cette combinaison possde
un problme dentaire, optique ou auditif. Il veut donc bien se couvrir avec
cette option. Effectivement lassureur ne connait pas les informations m-
dicales "caches" de lassur. Il doit tre prt payer un montant lev de
remboursement ds que cette combinaison sera souscrite. Dailleurs, la prime
propose par cette combinaison est considre comme la somme des primes
pures de chaque option, donc P PH1 + P PSC1 + P PDOA3 + P PBE1 . Avec trois
faibles niveaux de couvertures, lassur payera une prime relativement basse,
tout en couvrant sa propre demande. Lassureur a donc un risque financier
avec ce client.
Nous nous intressons maintenant la rpartition des montants de rem-
boursement par combinaison. Nous avons quatre options et chaque option
possde 3 niveaux de garanties, il y a donc au total 34 = 81 possibilits. Il
existe des combinaisons qui nont pas beaucoup attir les clients, donc moins
dassurs produisent moins de demandes de remboursement. Nous avons fu-
sionn les combinaisons ayant des montants de remboursement reprsentant
moins de 5% de lensemble, la plupart des proportions tant de 1% ou 2%.
Le graphique 19 prsente la rpartition de montants de remboursement pour
les combinaisons importantes en 2013 :
82
plus importantes. La plupart des assurs ont choisi la couverture la moins
cher 1111, cette combinaison consomme plus de 24% de la prestation. 45%
(=24%+9%+12%) de la prestation est consomm par la population consi-
drant avoir des risques identiques, ou alors les assurs ne connaissent pas
bien leur propres risques potentiels. Ils ont alors souscrit sur les combinai-
son : 1111, 2222 ou 3333. Les deux autres combinaisons importantes (1121 et
1131) montrent que les assurs ayant un risque spcial lev ont bien profit
de ce libre choix de combinaison. En plus, la couverture de la troisime op-
tion Optique / Dentaire / Auditif est un critre particulier pour une partie
des assurs. Il est frquent quun assur porte des lunettes ou a un problme
de dents, et les cots sont levs en France. Du cot la prime contenant une
forte couverture pour cette option a besoin dun retraitement spcial pour
tre mieux tarif. Ces statistiques du montant de remboursement sont co-
hrentes avec celles de la rpartition des effectifs tant reprsentes dans le
graphique 20 :
Pour les autres combinaisons qui dcomposent une garantie forte et trois
garanties faibles, nots CREAS (Combinaison de risque lev danti-slection),
ses 4 diffrentes formes sont :
H1-SC1-DOA1-BE3
H1-SC1-DOA3-BE1
H1-SC3-DOA1-BE1
H3-SC1-DOA1-BE1
La proportion de la population CREAS par rapport au nombre total
dassurs est de 7,01%. Cette classe dassur reprsente 6,62% du montant
total des remboursements. Cependant, cette population reprsente en tho-
rie 4,94% (i.e. 4/81) de la population totale, ce qui est plus faible que les
proportions pratiques. Cette cart peut produire un risque danti-slection.
83
3.3.1 Choix de combinaisons
Pour minimiser ce risque en mutualisant la prime pure pour chaque op-
tion, nous proposons deux sens de retraitement. Dans un premier temps,
nous proposons de limiter les choix de combinaisons comme dans le cas de
Runica. Pour ce faire, il est ncessaire de connaitre la proportion du montant
de remboursement et du cot moyen par niveau doption, nous les notons
dans le tableau 29 :
S = 1+1+3+1=6
E = 31=2 (45)
Nous avons test toutes les combinaisons ayant DOA3 ci-dessous, puis
somm et calcul lcart pour chaque combinaison. La moyenne de la somme
est 9, et lcart est 0, 1 ou 2. Idalement, lassureur souhaite recevoir une
84
combinaison avec une somme plus leve et un cart plus faible. Nous pro-
posons dliminer les combinaisons ayant une somme infrieure la moyenne
9. Lcart entre les niveaux fort et faible de ces combinaisons est au maxi-
mum 2, ce qui est dfavorable. Il existe encore un cart de 2 pour certaines
combinaisons, mais nous remarquons quelles ont au moins deux garanties
de niveau 3. Dans un premier temps, nous proposons de garder cette possibi-
lit, car cette dcision dpend aussi la stratgie commerciale de la mutuelle.
Nous avons retrait les combinaisons ayant loption DOA3 dans notre base de
donnes car elle a un montant important de remboursement. Nous pouvons
galement appliquer le mme ajustement sur les autres garanties de niveau
3, selon le souhait de la mutuelle.
85
3.3.2 Ajustement de la prime pure
Dans la premire section, nous avons travaill sur la combinaison. Sup-
posons que la mutuelle prfre conserver toutes les possibilits, la prime pure
doit tre augmente afin de correspondre aux diffrents niveaux de garan-
ties. En reprenant la prestation de 2013, nous comparons dans le tableau 30
le cot moyen (en euros) entre des combinaisons classiques (2222 et 3333)
et des combinaisons qui apportent plus de risque anti-slection pour chaque
garantie.
86
garantie). Par exemple la combinaison 1131 a une valeur de 2 (=6-4*1) pour
la variable anti-slection. Nous indiquons cette variable dans la dernire co-
lonne du graphique 22 en reprenant lexemple dans la premire section, les
combinaisons ayant toute loption DOA3.
Comme les combinaisons 3333, 2222 et 1111 ont une valeur nulle. Nous
pouvons constater quun assur souscrivant le contrat 1133 sera considr
avec un mme niveau de risque anti-slection que lassur du contrat 1232. Il
y a donc 7 modalits dans cette variable : 0, 1, 2, 3, 4, 5 et 6. La modalit 0
reprsentant les souscripteurs du contrat 3333, 2222 et 1111, reprsentant la
population la plus importante de la base de donnes. En consquence, nous
la considrons donc comme une rfrence pour cette variable.
Nous retournons sur le graphique 22, nous avons remarqu que la valeur
de la variable anti-slection est la mme pour les combinaisons 1131 et 2233.
Mais en ralit, la combinaison 1131 a un risque anti-slection plus lev
que la combinaison 2233. Un assur qui a souscrit la combinaison 2233 va
payer une prime relativement leve. De plus il ne possde pas de problme
mdical concentr sur une de ces 4 options. Cette dfinition de la variable
anti-slection possde effectivement un point insatisfaisant. Nous ne pouvons
pas bien identifier ce risque pour chaque combinaison possible.
Avant de choisir cette mthode permettant de dterminer la variable anti-
slection, nous avons galement rflchi dautres faons de dfinir cette
variable. Tout dabord, nous avons pens dfinir cette variable comme la dif-
87
frence entre le niveau de garantie le plus lev et le plus faible. Par exemple,
la combinaison 1131 aurait la valeur 2 (=3-1) pour cette variable. Nous re-
prenons les combinaisons qui ont loption DOA3, les valeurs de la variable
anti-slection sont dfinies dans le graphique 23.
88
galement. En pratique, la combinaison 1111 peut tre considre comme une
combinaison qui ne peut pas avoir par dfinition de risque danti-slection,
alors que la combinaison 1131 possde un risque danti-slection le plus lev
parmi toutes les combinaisons. Suite ce point illogique, nous continuons
chercher la meilleure mthode.
Enfin nous avons dtermin que le risque anti-slection avec la mthode que
nous avons prsent prcdemment possde 7 modalits. Cette mthode est
pertinente. Comme indiqu prcdemment, pour certaines combinaisons, les
valeurs de la variable anti-slection sont cependant insatisfaisantes, et il sera
toujours intressant de chercher et dessayer encore les autres mthodes.
Nous appliquons nouveau le processus dfini dans la deuxime partie.
La variable anti-slection est significative pour la frquence et le cot moyen.
Nous reprenons lexemple de la section 3.1 pour estimer la prime pure de
loption Hospitalisation niveau 2 : un homme de 78 ans, qui habite dans le
dpartement Alpes-Maritimes avec sa conjointe. Dans notre premier calcul,
nous considrons que la prime pure de H2 est identique pour toutes les
combinaisons possibles sans prendre en compte la variable anti-slection.
Maintenant nous ajoutons une autre information importante : cet assur
souscrit sur le contrat de la combinaison 2211. Nous aimerons donc estimer la
prime pure de H2 dans le cadre de la combinaison 2211. Nous obtenons donc
la frquence 2,79 et le cot moyen 42,47. La prime pure de H2 sera alors
118,53 euros soit 9,88 euros par mois en tenant compte du risque danti-
slection, nous voulons donc comparer avec la prime pure annelle de loption
Hospitalisation niveau 2 dans la combinaison 2222 qui vaut donc 109,06
euros. Le risque danti-slection majore le cot de la prime de 9,47 euros par
an pour cet assur.
Comme expliqu dans la section prcdente, loption DOA3 joue un rle
important dans la base de donnes. Il est donc intressant de comparer la
prime pure pour loption DOA3 dans une combinaison 1131 et 3333. En
reprenant un assur avec les mme caractristiques que dans le paragraphe
prcdent, daprs les calculs, nous obtenons les primes pures annelles :
Lcart entre les deux primes pures est de 11,05 euros (=138,34-127,29), ce
qui est un peu plus lev que 9,47 euros, nous pouvons dire que le risque
danti-slection est plus fort pour loption DOA3 que pour loption H2.
Par rapport la mthode consistant limiter le choix des combinaisons,
lajout dune nouvelle variable permet daugmenter la prcision et dam-
liorer la qualit du modle mathmatique. Si la mutuelle propose plus de
niveaux de garanties comme Runica, nous pouvons galement penser com-
biner les deux mthodes afin damliorer la tarification.
89
3.4 Risque de tarification
Dans cette partie, nous avons introduit une nouvelle notion : Solvabilit
2. Solvabilit 2 est une rforme rglementaire europenne du monde de las-
surance. La directive Solvabilit 2, qui vise introduire lhorizon 2016 un
nouveau systme de solvabilit pour le secteur de lassurance, a t adopte
le 22 mai 2009 par le parlement Europen.
Solvabilit 2 propose 3 piliers ayant chacun un objectif :
Pilier 1 Exigences quantitatives : Son objectif est de dfinir les normes
quantitatives de calcul des provisions techniques et des fonds propres.
Il sagit de dfinir des provisions techniques et la marge de solvabilit
qui contient MCR (Minimum Capital Requirement) et SCR (Solvency
Capital Requirement). MCR reprsente le niveau minimum de fonds
propres en dessous duquel lintervention de lautorit de contrle sera
automatique. Et SCR reprsente le capital cible ncessaire pour absor-
ber le choc provoqu par un risque majeur. La modlisation des risques
prsents se fait via la formule standard ou le modle interne.
Pilier 2 Exigences qualitatives et supervision : Son objectif est de fixer
des normes qualitatives de suivi des risques en interne aux socits pour
sassurer que la compagnie gre et matrise bien ses propres risques. Le
pilier 2 introduit une application de lORSA (Own Risk and Solvency
Assessment) qui est un processus qui fournit une valuation court et
moyen terme des risques propres la compagnie, ainsi qui indique
le niveau de capital ncessaire pour couvrir ces risques. Un ORSA "
blanc" sera rendre lACPR le 26 septembre 2014.
Pilier 3 Information du public et du superviseur : Son objectif est de
dfinir lensemble des informations dtailles auxquelles le public aura
accs et auxquelles les autorits de contrle pourront avoir accs pour
exercer leur pouvoir de surveillance.
Dans le Pilier 1, le SCR correspond la Value-at-Risk 99,5% sur un
horizon dun an. Le capital de solvabilit est bas sur une architecture mo-
dulaire des risques, qui est reprsente dans le graphique 24 :
90
Figure 24 Solvency Capital Requirement
P/C2012 = 137%
P/C2013 = 112%
91
prime est donc 18%, il est beaucoup trop lev par rapport au niveau
de lUnion Europenne. Comme nous lavons expliqu dans la troisime par-
tie, la compagnie na pas pris en compte le risque danti-slection, cela a
augment le risque de tarification, qui sexplique par une volatilit forte.
Avec notre modlisation, nous recalculons le ratio P/C en remplaant la
cotisation par la prime commerciale estime. A laide danalyses historiques
sur les comptes de rsultats pour les 5 dernires annes, nous prenons comme
hypothse que les charges globales reprsentent 25% du chiffre daffaire brut.
La prime commerciale est donc la prime pure multiplie par 1,25. Nous ob-
tenons une nouvelle volatilit moyenne de 14% pour lanne 2012 et 2013
avec le ratio prestation/prime commerciale estime. La volatilit historique
est lgrement amliore grce notre modlisation. Elle reste encore trop
leve par rapport 5%. Cette volatilit nest base que sur deux ans, ce
qui est trop peu pour tre significatif. Idalement nous aimerions avoir les
donnes des 3 5 dernires annes pour la modlisation. Les modles ont
donc besoin dtre amliors.
92
confiance :
lintervalle de confiance de Wald
lintervalle de confiance bas sur le rapport des vraisemblances
Dans la suite de ltude, nous utilisons lintervalle de confiance de Wald,
qui est la plus enseigne dans ce genre dtude.
[bj z1 2 sj ; bj + z1 2 sj ]
Donc la prime pure mensuelle pour cet assur est comprise entre :
93
Table 31 Lintervalle de confiance des coefficients de la frquence
Coefficient
Variable Segmentation Borne Scnario Borne
infrieure central suprieure
Intercept 3,13 3,19 3,26
Homme -0,25 -0,21 -0,17
Sexe
Femme 0 0 0
0 16 ans -0,33 -0,20 -0,08
17 30 ans -0,48 -0,41 -0,34
31 45 ans -0,32 -0,25 -0,18
Age
46 60 ans -0,23 -0,17 -0,11
61 80 ans 0 0 0
81 et plus 0,19 0,29 0,39
Adulte 0 0 0
Qualit
Enfant -0,27 -0,15 -0,04
famille -0,19 -0,13 -0,07
Situation Groupe -0,13 -0,07 -0,02
Famille Mono-parentelle -0,14 -0,07 -0,004
Seule 0 0 0
Ile de France -0,65 -0,38 -0,11
Gographique
Hors Ile de France 0 0 0
Valeur 0 0 0 0
Valeur 1 -0,03 0,03 0,09
Valeur 2 -0,06 -0,001 0,06
Anti-slection Valeur 3 -0,08 -0,02 0,04
Valeur 4 -0,03 0,05 0,12
Valeur 5 0,06 0,18 0,30
Valeur 6 0,04 0,20 0,36
94
Conclusion
Ce mmoire consistait mettre en place la mthode "frquence * cot
moyen", trs utilise, afin de tarifer des produits sant modulaires. Le tarif
technique annuel fut modlis en deux parties : la frquence annuelle par
garantie et le cot moyen annuel par garantie.
Les modles linaires gnraliss (GLM) sont utiliss pour mieux adap-
ter la distribution de consommations en frais de soins afin didentifier les
diffrents niveaux dinfluence de la consommation. Les modlisations sont
indpendantes pour la frquence et le cot moyen. Nous avons retenu res-
pectivement 6 et 3 variables tarifaires.
Une mthodologie de paramtrage des variables, en prenant en compte
une rfrence pour chaque variable, nous permet de mieux traiter les variables
catgorielles. La rfrence choisie est systmatiquement la population la plus
reprsente dans la base de donnes. Cette mthode permet de transformer
les variables qualitatives en un vecteur indiciel qui ne contient que 0 ou 1.
Les autres modalits considres ne peuvent donc quamliorer ou dtriorer
la sinistralit par rapport la rfrence.
Nous avons utilis les modles GLM sur la matrice indicielle avec la loi
Binomiale Ngative pour la frquence et la loi log Normale pour le cot
moyen. Lutilisation de la fonction de lien "log" permet de prendre seule-
ment les valeurs positives qui correspondent effectivement la nature de la
variable rponse. Les coefficients calculs dmontrent que les modalits in-
fluencent positivement (ngativement), plus ou moins, la consommation avec
une valeur suprieure (infrieure) 0.
Nous avons valid les modles avec le test du rapport de vraisemblance
concernant les coefficients du modle et la dviance, la validation est com-
plte galement par une tude des rsidus.
Lors de la finalisation de la tarification avec des variables courantes tel
que Age, Situation familiale, etc, lajout dune nouvelle variable est pro-
pose pour retraiter les modlisations afin de prendre en compte le risque
danti-slection. Ce risque est une caractristique spciale pour les produits
modulaires de complmentaire sant. Nous avons construit la nouvelle va-
riable via une transformation de la combinaison de garanties, qui est donc
une tape cl. Les nouveaux modles sont valids de la mme manire, afin
de trouver les coefficients qui permettent dexprimer la frquence ou le cot
moyen en fonction de rgressions linaires gnralises.
Concernant la partie anti-slection, nous nous sommes rendus compte
que la construction de la variable anti-slection peut tre plus logique dans
le cas de la modlisation du montant de remboursement par garantie (c.f
section 3.2.2). La variable code option na aucun sens dans ce cas, nous
ajoutons une nouvelle variable tarifaire, qui reprsente le niveau de garan-
tie, en remplacement de la variable code option. La variable anti-slection
95
est dfinie par lcart entre le niveau de garantie modlise et le niveau mi-
nimum des garanties de la combinaison. Par exemple, pour la modlisation
dHospitalisation avec la combinaison H2-SC1-DOA3-BE1, la valeur de la va-
riable anti-slection est 1 (=2-min(2 ;1 ;3 ;1)). Par rapport la modlisation
des 4 garanties ensemble, cette mthode possde lavantage de tenir compte
du risque danti-slection pour chaque garantie. Elle sera plus prcise que la
mthode propose dans la section 3.3.2 qui pose une mme modalit pour
plusieurs diffrentes combinaisons.
Pour la suite de ltude, en reprenant la mthode dcrite ci-dessus, nous
aurons calculer le risque de tarification au sein de la Solvabilit 2. Effecti-
vement, la volatilit de la prime calcule dans la partie 4 est 14%, ce qui
apparait trs leve eu gard au critre de la formule standard de Solvabilit
2. Il est donc ncessaire de tester la modlisation par garantie avec cette
variable anti-slection.
96
Rfrences
[1] Comment calculer lassiette de la taxe de solidarit additionnelle.
www.cmu.fr.
[2] Comment est constitu le march des complmentaire sant.
www.radiancehumanis.com.
[3] Lassurance maladie. www.ameli.fr.
[4] Le march franais de lassurance sant complmentaire en 2012.
www.lesechos-etudes.fr.
[5] Prvoyance. prevoyance.comprendrechoisir.com.
[6] Quest-ce que la prvoyance collective. www.ctip.asso.fr.
[7] Quest ce que la taxe sur les conventions dassurance. www.klesia.fr.
[8] Rgime local dassurance maladie dalsace moselle. www.regime-local.fr.
[9] Scurit sociale. www.securite-sociale.fr.
[10] Test du rapport de vraisemblance. mistis.inrialpes.fr.
[11] Sbastien Ballesteros. Le modle linaire gnralis avec r : fonction
glm(). Juin 2008.
[12] Arthur Charpentier and Michel Denuit. Mathmatiques de lassurance
non-vie, Tome 2 : Tarification et provisionnement. Economica, 2005.
[13] Direction de la Scurit sociale. Les chiffres cls de la scurit sociale
2012. 2013.
[14] Jean-Jacques Droesbeke, Michel Lejeune, and Gilbert Saporta. Modles
statistiques pour donnes qualitatives. 2005.
[15] Pierre Picard. Assurance : conomie de lassurance.
[16] Frdric Planchet and Guillaume Serdeczny. Modles frquence - cot :
Quelles perspectives dvolution ?
[17] Matthieu Vautrin. Elaboration dune mthode de tarification avec in-
dicateurs de risque pour des contrats complmentaires sant collectifs.
[18] Laure Viel. Rforme de la complmentaire sant : les dcrets sur les
contrats responsables, lani et lacs enfin prciss.
[19] Laure Viel. Complmentaire sant : En 2013, les socits dassurances
ont surperform. Avril 2014.
[20] Eric Wajnberg. Introduction au modle linaire gnralis. Octobre
2011.
97
Glossaire
Lassurance non-vie : Elle regroupe les assurances de Biens, les assu-
rances de Responsabilit et les assurances Sant. Les assurances non-
vie grent les primes par rpartition.
Complmentaire sant : Elle est le terme employ pour dcrire les ga-
ranties proposes par un organisme assureur pour complter les pres-
tations verses par la scurit sociale en matire de frais de sant.
Modle linaire gnralis : En statistiques, le modle linaire gnra-
lis (GLM) est une gnralisation souple de la rgression linaire. Le
GLM gnralise la rgression linaire en permettant au modle linaire
dtre reli la variable rponse via une fonction lien et en autorisant
lamplitude de la variance de chaque mesure dtre une fonction de sa
valeur prvue.
Lanti-slection : La slection adverse ou anti-slection est un phno-
mne statistique et conomique qui joue un rle important notamment
dans les domaines de lassurance et de la gestion du risque, par lequel
une offre faite sur un march aboutit des rsultats inverses de ceux
souhaits, cause dasymtries dinformation. Cest une forme du pro-
blme principal-agent. Dans une situation principal-agent, le problme
de la slection adverse est essentiellement bas sur lincertitude concer-
nant le type de lagent, contrairement une situation dala moral.
SCR : Solvency Capital Requirement reprsente le capital cible n-
cessaire pour absorber le choc provoqu par un risque majeur (par
exemple : un sinistre exceptionnel, un choc sur les actifs...).
Fonds propres : Les fonds propres sont les capitaux dont dispose len-
treprise. Ils ont t soit apports par les actionnaires, soit acquis par
lactivit conomique.
ORSA : Au coeur de la rforme prudentielle Solvabilit 2, lORSA
(Own Risk and Solvency Assessment ou valuation interne des risques
et de la solvabilit) se dfinit comme un ensemble de processus consti-
tuant un outil danalyse dcisionnelle et stratgique visant valuer,
de manire continue et prospective, le besoin global de solvabilit li
au profil de risque spcifique de chaque organisme assureur concern
par lapplication de cette norme.
98
Annexes
Annexe 1 : Les codes sous R
99
Regarder comment sont construites les sorties des diffrentes fonctions asso-
cies aux glm :
str(model2)
str(summary(model2))
names(summary(model2))
class(summary(model2))
mode(summary(model2))
Rsidus
r1=residuals(m, type = "deviance")
r2=residuals(m, type = "pearson")
plot(r1)
100
Annexe 2 : Les rsultats
101
Annexe 3 :
102
Table des figures
1 La distribution de prestations nettes par les quatre premires
branches en 2012 . . . . . . . . . . . . . . . . . . . . . . . . . 24
2 Structure des recettes de la Scurit Sociale en 2012 . . . . . 24
3 Systme de remboursement des frais de sant . . . . . . . . . 25
4 Rpartition de financements complmentaires . . . . . . . . . 26
5 Rpartition des dpenses de sant en France en 2008 . . . . . 31
6 Rpartition des assurs par la qualit "ayant droit" . . . . . . 46
7 Distribution Femmes et Hommes par ge . . . . . . . . . . . . 46
8 Distribution de cots moyens Femmes et Hommes par ge, de
1 an 90 ans . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
9 Distribution de frquences Femmes et Hommes par lge de 1
an 90 ans . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
10 Les observations de la frquence . . . . . . . . . . . . . . . . . 63
11 La fonction de densit observe et simule par la loi Poisson . 64
12 Ajustement des frquences par la loi de Poisson . . . . . . . . 64
13 La fonction de densit observe et simule par la loi Binomiale
Ngative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
14 Ajustement des frquences par la loi de Binomiale Ngative . 66
15 Les rsidus de la dviance pour la frquence . . . . . . . . . . 74
16 Les fonctions de rpartition pour le cot moyen . . . . . . . . 76
17 Les rsidus de la dviance du cot moyen . . . . . . . . . . . 77
18 Les rsidus de Pearson du cot moyen . . . . . . . . . . . . . 78
19 La rpartition de montants de remboursement par combinaison 82
20 La rpartition des effectifs par combinaison . . . . . . . . . . 83
21 Les combinaisons ayant DOA3 . . . . . . . . . . . . . . . . . 85
22 Les combinaisons ayant DOA3 avec les valeurs de la variable
anti-slection . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
23 Les valeurs de la variable anti-slection : Lcart entre le ni-
veau plus lev et le niveau plus faible . . . . . . . . . . . . . 88
24 Solvency Capital Requirement . . . . . . . . . . . . . . . . . . 91
103