Chapitre2- Modélisation en assurance IARD

Qu’est-ce qu’un actuaire ?

Un actuaire est un professionnel spécialisé dans l’analyse, la
modélisation et la gestion des conséquences financières
découlant d’événements incertains.
Un actuaire utilise les probabilités et les statistiques pour la
modélisation de risques financiers. Une connaissance des
mathématiques financières et des mathématiques actuarielles
est essentielle à son travail.

Les actuaires font appel à leurs connaissances spécialisées en

mathématique financière, en statistique et en théorie des
risques afin de résoudre les problèmes spécifiques :
des sociétés d’assurances vie et IARD (Incendies, Accidents et
Risques Divers) ;
des régimes de retraite ;
des organismes de réglementation ;
des programmes sociaux, des particuliers.
Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE
Chapitre2- Modélisation en assurance IARD

Introduction
L’assurance est une opération par laquelle l’assureur s’engage
à payer une prestation en cas de réalisation d’un événement
incertain prédéfini moyennant le paiement d’une prime par
l’assuré, par exemple en assurance automobile, en assurance
habitation.
Contre le paiement d’une prime, la compagnie d’assurance
s’engage à payer un certain montant de la perte encourue à la
suite d’un sinistre résultant d’accidents, d’incendies,
d’inondations, catastrophes naturelles, etc.
Ce sont ces deux engagements (paiements de la prime contre
paiement, le cas échéant, de la prestation) qui constituent le
contrat d’assurance.

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE

Chapitre2- Modélisation en assurance IARD

I.A.R.D. est une abréviation utilisée dans le monde de

l’assurance pour Incendie, Accidents et Risques Divers. En
opposition avec l’assurance de personnes (Assurance vie).
Ce chapitre traite la modélisation statistique des montants de
sinistres en assurance de dommages
L’objectif d’une modélisation est généralement de déterminer
un modèle pour les données. Ce chapitre présente des
méthodes permettant d’évaluer des modèles et de les
comparer entre eux.

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE

Chapitre2- Modélisation en assurance IARD
Les données en assurance dommages se présentent principalement
sous deux formes :
Individuelles : Le montant individuel de chaque sinistre est
connu :
{231, 116, 436, 410, 351}
.
Groupées : Les montants de sinistres individuels sont
inconnus. On ne dispose que d’un sommaire du nombre de
sinistres par intervalle :
Intervalle Nombre d’observations
(0, 250] 30
(250, 500] 31
(500, 1000] 57
(1000, 1500] 42
(1500, 2500] 65
(2500, 5000] 84
Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE
Chapitre2- Modélisation en assurance IARD : Processus de
modélisation

Un modèle est une description plus ou moins simplifiée d’une

réalité. Les modèles actuariels peuvent être de plusieurs types :
Coûts des réparation après incendie d’une maison
Fréquence des accidents automobiles ;
Décès de personnes dans une population ;
Coûts pour la couverture pour médicament ;
Le processus de modélisation compte les étapes suivantes :
Trouver un modèle décrivant les données disponibles ;
Calibrer le modèle, en estimant ses paramètres ;
Valider le modèle, (l’ajustement à l’aide de tests statistiques)
Au besoin, répéter les étapes ci-dessus pour un ou plusieurs
modèles alternatifs ;
Choisir un modèle selon un ou des critères déterminés ;
Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE
Chapitre2- Modélisation en assurance IARD : Processus de
modélisation

Classiquement, on peut commencer par faire des ajustements

(et des tests d’ajustements) des lois les plus classiques, loi
exponentielle, loi Gamma,loi lognormale, loi de Pareto, loi de
Weibull, ......

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE

Chapitre2-Modélisation en assurance IARD :Tests
statistiques

Estimation
Estimer les paramètres de la distribution du montant des
sinistres à partir des données en utilisant des méthodes : la
méthode des moments, la méthode du maximum de
vraisemblance,
Sous : library(MASS), puis :
Sous : fitdistr(data, ”exponential”)$estimate
Sous : fitdistr(data, ”lognormal”)$estimate

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE

Chapitre2-Modélisation en assurance IARD :Tests
statistiques

Test de Kolmogorov-Smirnov
La statistique de Kolmogorov–Smirnov, Dn , est directement
construite à partir de la notion de distance de
Kolmogorov–Smirnov entre deux fonctions de répartition. Cette
distance est définie comme la plus grande di↵érence entre les deux
fonctions. La statistique est donc

Dn = max|Fn (x) F0 (x)|.

x

Sous : ks.test(data, pexp, paramètre)

ks.test(data, pgamma, paramètre1,paramètre2)

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE

Chapitre2-Modélisation en assurance IARD : Choix d’un
modèle
Critère bayesien de Schwarz
Classer des modèles par la valeur de leur fonction de
log-vraisemblance a l’e↵et pernicieux de favoriser les modèles avec
un plus grand nombre de paramètres, ce qui entre en violation avec
le principe de parsimonie. Le critère bayesien de Schwarz (SBC)
propose donc de classer les modèles selon leurs fonctions de
log-vraisemblance réduites d’une quantité (p/2) ln n, où p est le
nombre de paramètres du modèles etpn est la taille de l’échantillon.
SBC = l ln n,
2
Critère d’information de Akaike
La statistique AIC de est similaire au critère bayesien de Schwarz.
AIC = l + 2p

et on favorise la plus petite statistique.

Sous : fitdistr(x, ”exponential”)$loglik

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE
Chapitre2-Modélisation en assurance IARD

Exemple :

Un assureur souhaite modéliser les données suivantes :

{30, 38, 34, 29, 35, 34, 29, 39, 20, 37, 21, 27, 37, 18, 37, 34, 17, 28, 38, 32}.

On hésite entre les distributions Gamma, log-normale , exponentiel

pour modéliser le montant d’un sinistre.

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE

Modélisation en assurance IARD

Exemple (Suite) :

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE

Modélisation en assurance IARD
Exemple (Suite) :

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE