Académique Documents
Professionnel Documents
Culture Documents
elena.di_bernardino@cnam.fr
A.A. 2017-2018
Introduction
Ces approches sont basées sur des modèles à variables cachées et sont connues
dans la littérature actuarielle sous le terme de modèles de crédibilité.
On note Y k,
i t la variable aléatoire relative aux sinistres de l'individu ik, pour
ik = 1, . . . , nk ,t , de la classe I
k pour la période t. Y k,i t peut être un nombre
de sinistres, un montant de sinistres, un rapport sinistre sur prime, etc. On
considèrera ici comme un montant de sinistres.
même loi.
t 6= t 0
0, si
δtt 0 =
si t = t
0
1,
Pnk ,t
Soit X ,
k t = 1
kt
n , i k =1
Y k,i t le montant moyen des sinistres de la classe I
k pour la
période t. On a :
2
E[Xk ,t |Θk = θk ] = µ(θk ), Cov [X , Xk ,t 0 |Θk = θk ] = δtt 0 σn(θk ) .
,
k t
k ,t
On adoptera les notations classiques suivantes :
Paramètres structuraux
m = E[µ(Θ )] = E[X , ] k k t
a = V [E[X , |Θ ]] = V [µ(Θ
k t k k )],
σ 2 (Θ ) = V (Y k , |Θ ),
k i t k
2
s 2 = E[σ2 (Θ k )] (alors : E[V [Xk ,t |Θk ]] = s
kt
n ,
)
On notera que :
2
V [X ,
k t ] = V [E[Xk ,t |Θk )]] + E[V [Xk ,t |Θk ]] = a + s
kt
n ,
.
nk · = Tt=1 nk ,t
P
n·· = n n
PK PT PK
k =1 t =1 ,
k t = k =1 k ·
X =
PT k tX
n ,
k · t =1 k k ,t
n ·
X ·· =
PK PT k tX
n ,
=
PK k
n ·
X
k =1 t =1 n·· ,
k t k =1 n·· k ·
b(θk ) = X k ·
µ
C T (µ(θk )) = (1 − zk )m + zk X k ·
2
e 2 (T ) = E[(C
k T (µ(θk )) − µ(θk ))2 ] = a(1 − zk ) = s2
as
+a nk · .
Remarques :
Remarques :
z· = z
PK
k =1 K ,
ζ=
PK z kX m
k =1 z· k · (ζ est l'estimateur sans biais de )
C h
T
(µ(θk )) = (1 − zk ) ζ + zk X k ·
1−zk
(ekh (T ))2 = E[(CTh (µ(θk )) − µ(θk ))2 ] = a(1 − zk )(1 + z·
)
Remarque :
X X ·· = 1 PK
limT →∞ k · = µ(θk ) et limT →∞
K k =1 µ(θk ), p.s.
Le Modèle de Jewel
* (Θp , Λ , Y p , ; i = 1, . . . , n , , t = 1, . . . , T )
ip i t p p t
(H4) Pour k = 1, . . . , K et ik = 1, . . . , nk ,
X 1
Y k, I
P
Soit = k ∈Ik
le montant moyen des sinistres de la classe pour la
,
k t
kt
n , i i t k
période t. On a :
Paramètres structuraux
s 2 = E[σ2 (Θ , Λ )]. k ik
On a donc :
V [µ(Θ k , Λik )] = E[V [µ(Θk , Λik )|Θk ]] + V [E[µ(Θk , Λik )|Θk )]] = a + b ,
L'hétérogénéité des primes pures µ(θk , λik ) au niveau du portefeuille est mesurée
par la somme de l'hétérogénéité intra-classe a et de l'hétérogénéité inter-classe b.
On se propose d'estimer les primes pures des classes de risques et des individus par
les régressions linéaires de µ0 (Θk ) et de µ(Θk , Λik ) sur les espaces engendrés par :
C T (µ0 (θk )) = (1 − zk )m + zk X k ·
e 2 (T ) = E[(C
k T (µ0 (Θk )) − µ0 (Θk ))2 ] = b (1 − zk ),
où b = V (µ0 (θ k )).
où z = znk ·
e
k
et X ki
1 PT
k = T t =1
Yik ,t .
L'erreur d'approximation est donnée par :
e 2k (T ) = E[(C
i T (µ(Θk , Λik )) − µ(Θk , Λik ))2 ] = a(1 − e
z ),
où a = E[V [µ(Θ k , Λik )]|Θk ].
C h
T
(µ0 (θk )) = (1 − zk )ζ + zk X k ·
CT
h
z )X k · + ez X kik .
(µ(Θk , Λik )) = (1 − e
La statistique
S2
PT Pnk
1
(Yik ,t − X kik )2
PK
K
= n (T −1) k =1 t =1 ik =1