Gains :
- Capacité à établir le triangle d'évolution des dommages, l'IBNR (dommages subis mais non signalés) et la méthode de l'échelle en chaîne avec le soutien de l'intelligence artificielle et à interpréter les facteurs d'évolution
- Capacité à comparer les résultats avec des méthodes alternatives telles que Bornhuetter-Ferguson et Mack et à expliquer l'incertitude des réserves (variabilité, intervalle de confiance) avec l'intelligence artificielle
- Pouvoir soutenir que le chiffre de provision calculé par l'intelligence artificielle est un projet, non définitif, et que le choix du facteur de développement et de correction judiciaire appartient à l'actuaire responsable.
Lorsqu’une compagnie d’assurance paie aujourd’hui pour un dommage, elle rembourse en réalité la dette d’une police d’assurance qu’elle a vendue dans le passé. Mais tous les dommages ne sont pas signalés immédiatement et tous les dommages signalés ne sont pas intégralement payés immédiatement. Un accident de la route se produit aujourd'hui, l'entreprise est informée trois mois plus tard, la procédure judiciaire dure deux ans et le paiement final devient clair au bout de quatre ans. L’entreprise doit donc réserver aujourd’hui de l’argent pour les dommages qui n’ont pas encore été entièrement payés ou même qui n’ont pas encore été signalés. Cet argent est appelé réserve et son calcul précis constitue la tâche actuarielle la plus critique d’une compagnie d’assurance. S’il part moins, l’entreprise fera faillite ; Si on en alloue trop, le capital est immobilisé en vain et le profit est caché.
Dans cette unité, nous aborderons les trois concepts au cœur de la comptabilité des provisions : le triangle d'évolution des dommages, l'IBNR et la méthode de l'échelle en chaîne. Nous considérerons ensuite les méthodes alternatives (Bornhuetter-Ferguson, Mack) et l'incertitude. L'IA écrit le code de ces calculs, remplit le triangle, calcule les facteurs et explique le résultat ; mais la responsabilité de la sélection des facteurs de développement, de la correction judiciaire et du montant final de la provision incombe à l'actuaire responsable.
Qu’est-ce que le triangle d’évolution des dommages ?
La base du calcul de la provision est le triangle de développement/triangle de liquidation. Les lignes indiquent la période au cours de laquelle le dommage s'est produit (année de l'accident) et les colonnes indiquent le montant qui a été payé pour ce dommage (année de développement). Cela se lit comme ceci : 4 millions ont été payés au cours de la 1ère année de développement de l'année d'accident 2021, un cumul de 6,2 millions a été payé la 2ème année et 7 millions ont été payés la 3ème année. Les anciennes années d'accident ont mûri (presque tous les paiements ont été effectués), tandis que les nouvelles années se développent encore. D'où le nom du triangle : le coin inférieur droit est vide, car le développement ultérieur des nouvelles années n'a pas encore eu lieu. Le travail de l'actuaire consiste à estimer ce coin vide.
L'IBNR (Incurred But Not Reported) fait précisément partie de cet écart : le coût futur des sinistres survenus mais qui n'ont pas encore été déclarés à l'entreprise. Il existe également IBNER (développement complémentaire des réclamations signalées mais sous-réservées). En pratique, les méthodes triangulaires estiment la provision totale requise (payée + développement futur) ; Lorsque vous soustrayez la partie payée, la provision restante demeure, y compris l'IBNR.
Astuce : Vous pouvez constituer le triangle sur deux bases différentes : « dommages payés » et « dommages subis (payés + réserve connue) ». Examiner les deux ensemble vous aide à capturer le changement dans le comportement de réservation des équipes chargées des sinistres.
Échelle à chaîne étape par étape
L’échelle en chaîne est la méthode de réponse la plus courante, et sa logique est intuitive : si les pertes dans le passé ont augmenté à un certain rythme en moyenne d’une année de développement à l’autre, les nouvelles années augmenteront à un rythme similaire. Étapes :
- Configurez le triangle cumulatif. Triez les sinistres cumulés payés pour chaque année d’accident par année de développement.
- Calculer les facteurs de développement. Pour chaque passage de colonne : somme de la colonne suivante / somme de la colonne actuelle (en utilisant uniquement les lignes avec les deux colonnes occupées). Par exemple, le facteur 1→2 est de 1,45 ; Le facteur 2 → 3 peut être 1,12. Ce facteur est appelé facteur d’âge.
- Trouvez des facteurs cumulatifs (empilés). Multiplier les facteurs restants pour atteindre la finale de chaque année.
- Remplissez le coin vide. Estimez le dommage ultime en multipliant la dernière valeur connue de chaque nouvelle année d’accident par les facteurs restants.
- Calculez la réponse. Dommage final − payé à ce jour = provision payable dans le futur (y compris IBNR).
Le tableau suivant est un mini exemple (dommages cumulés payés, millions de TL) :
année d'accident
Allez. 1
Allez. 2
Allez. 3
Allez. 4
2021
4.0
6.0
6.8
7.0
2022
4.4
6.5
7.3
?
2023
4.8
7.0
?
?
2024
5.2
?
?
?
Dans ce triangle, le facteur 1 → 2 est d'environ 1,47 ; 2 → 3 environ 1,12 ; 3 → 4 est égal à environ 1,03. Finale 2024 5,2 × 1,47 × 1,12 × 1,03 ≈ 8,82 millions ; Puisque le montant payé est de 5,2, la provision est de ≈ 3,62 millions de TL. L'IA fait ce calcul en quelques secondes, mais l'actuaire décide si les facteurs sont raisonnables.
Méthodes alternatives et incertitude
L'échelle de chaîne à elle seule n'est pas suffisante car les facteurs de développement sont extrêmement sensibles aux petites fluctuations car il existe peu de données sur les années d'accidents récentes ; Un seul dommage majeur peut faire exploser l’intégralité de l’estimation. C'est pourquoi la méthode Bornhuetter-Ferguson (BF) est utilisée : BF estime la partie non développée en utilisant une information externe sur le ratio de sinistralité attendue et lisse ainsi la volatilité. L'échelle à chaîne est préférée dans les années matures, BF est préférée dans les années nouvelles et immatures ; Ensemble, ils donnent une estimation équilibrée.
Pour mesurer l'incertitude, la méthode Mack est utilisée : elle donne analytiquement l'erreur type (variabilité) de l'estimation de l'échelle en chaîne. De plus, une distribution de probabilité complète de la réponse peut être produite par bootstrap (simulation par échantillonnage répété des données) ; Cela répond à la question (critique pour Solvabilité II) de « quelle serait notre réponse dans le pire des cas ? » L'IA est très puissante pour générer du code et comparer ces méthodes.
Attention : la sélection des facteurs de croissance n'est pas mécanique. En un an, un changement de législation, une grande vague de procès ou une modification du rythme de paiement des sinistres peuvent perturber les facteurs. Le choix de « moyenne simple, moyenne pondérée, 3 dernières années » est judiciaire et doit être justifié.
Comment utiliser l'IA dans la comptabilité de réserve
1) Code échelle à chaîne :
Écrivez un code commenté en Python qui calcule l'échelle de chaîne. Entrée : triangle de dommages cumulés payés (liste des listes, cellules manquantes Aucune). 1) Calculez le facteur d’âge pondéré en volume pour chaque passage de colonne. 2) Trouvez les facteurs cumulatifs. 3) Remplissez le coin vide et estimez les dommages finaux pour chaque année d'accident. 4) Calculez et additionnez l'indemnisation (finale - payée). Imprimez chaque étape intermédiaire à l'écran ; ne créez pas de bibliothèque, utilisez Python de base.
2) Comparaison des méthodes :
Expliquez à un actuaire la différence entre une échelle à chaîne et Bornhuetter-Ferguson.- Qu'est-ce qui est le plus fiable dans quelle situation ?- Pourquoi le BF est-il préféré dans les nouvelles années d'accident (immatures) ?- Comment puis-je déterminer le « taux de dommages attendus » requis pour le BF ? Résumez les avantages/inconvénients dans un tableau.
3) Contrôle de plausibilité des facteurs :
J'ai les facteurs d'âge à âge suivants : 1->2 : 1,47 ; 2->3 : 1,12 ; 3->4 : 1,03 ; 4->5 : 1,45.Le facteur 4->5 semble étrange par rapport aux autres.- Quelles pourraient être les raisons possibles de ce saut (réglementaire, dégâts majeurs, erreur de données) ?- Quels contrôles dois-je faire pour vérifier ?Prise de décision ; Donnez-moi une liste de contrôle.
4) Interprétation de l'incertitude :
Ma meilleure provision pour l'échelle de chaîne est de 42 millions de TL, l'erreur standard de Mack est de 5,3 millions. Comment puis-je expliquer cela à un gestionnaire et à un régulateur ?- Expliquez en langage clair ce que signifient les niveaux de 75 % et 99,5 %.- Comment puis-je transmettre le message « une plage au lieu d'un nombre unique » ?
Invite faible/Invite forte
Invite faible :
Calculez ma récompense.
Il n’y a ni triangle, ni méthode, ni données. L’IA comble cette lacune.
Invite puissante :
Votre rôle : assistant de réservation. Je vais vous donner le triangle cumulatif des sinistres payés (anonyme, millions de TL) :2021 : [4,0, 6,0, 6,8, 7,0]2022 : [4,4, 6,5, 7,3]2023 : [4,8, 7,0]2024 : [5,2]Tâche :1) Calculer les facteurs pondérés d'âge à âge, chaque spectacle.2) Remplissez le coin vide, écrivez la perte finale de chaque année.3) Calculez la provision totale (finale - payée).4) 2024 est très nouveau ; Expliquez donc pourquoi votre estimation est plus incertaine. Montrez-moi les numéros intermédiaires afin que je puisse les vérifier manuellement. Utilisez simplement les données que je vous donne.
trois mini-cases
Cas 1 — Disposition insuffisante. Une entreprise a calculé les deux dernières années d'accidents dans son portefeuille de trafic en croissance rapide avec une échelle à chaîne droite. Étant donné que les facteurs du nouvel an étaient faibles, la provision a été estimée à 31 millions de TL. Lorsque l'actuaire a vérifié auprès de BF et utilisé le taux de dommages attendu, la réponse réaliste était de 44 millions de TL. La différence de 13 millions s'est confirmée avec des dégâts réels un an plus tard. Leçon : dans les nouvelles années, la simple chaîne trompe l'échelle.
Cas 2 — Facteur corrompu. Un actuaire adjoint a vu un facteur 3→4 de 1,42 dans le triangle produit par l'IA ; alors que la moyenne historique était de 1,05. S'il avait été adopté sans remise en question, la réponse aurait été gonflée d'environ 30 pour cent. L'enquête a révélé que deux années d'accident ont été décalées en raison d'une erreur de chargement des données. L'IA n'a pas produit l'erreur, mais elle ne l'a pas remarquée ; La vérification du caractère raisonnable de l'actuaire a fait son chemin.
Cas 3 — Présentation correcte de l'incertitude. Un actuaire responsable a seulement indiqué à la direction que "la provision s'élève à 42 millions". La direction croyait que c'était certain et distribuait les bénéfices. L’année suivante, alors que le chiffre réel était de 48 millions, une crise éclata. Le trimestre suivant, l'actuaire a proposé une fourchette avec Mack et bootstrap disant « la meilleure estimation est de 42, mais le niveau de 75 % est de 46, le niveau de 99,5 % est de 55 millions » ; La direction a pris sa décision en conséquence. Cela a permis de gagner beaucoup de temps dans la préparation du code et du graphique d'amorçage de l'IA.
Erreurs courantes
- En utilisant uniquement l'échelle à chaîne au cours des dernières années d'accidents. Moins de données signifie un facteur volatil ; Équilibre avec BF.
- Ne pas soumettre les facteurs de développement au contrôle du caractère raisonnable. Un facteur de corruption fait exploser toute la réponse ; Comparez avec le modèle historique.
- Présenter la réciproque comme un seul nombre exact. La réponse est une supposition ; Le présenter sans plage d’incertitude (Mack, bootstrap) est trompeur.
- Confondre le triangle payé et réalisé. Les deux mesurent des choses différentes ; Travaillez systématiquement sur une base ou comparez consciemment les deux.
- Ignorer l’inflation et les pauses réglementaires. Le modèle de développement passé pourrait ne pas rester le même à l’avenir ; Pensez également au changement structurel.
En résumé
La réserve est l’estimation actuelle du passif futur et constitue le calcul actuariel le plus critique de la compagnie d’assurance. Le modèle de paiement passé est visible dans le triangle de développement ; L'échelle à chaîne remplit le coin vide avec des facteurs âge par âge et estime les dommages finaux et l'indemnisation, y compris l'IBNR. Dans les nouvelles années, BF est plus stable ; L'incertitude est mesurée par Mack et bootstrap. L'IA remplit le triangle, écrit le code et compare les méthodes ; mais la sélection des facteurs, la vérification du caractère raisonnable et le chiffre final dépendent du jugement et de la signature de l'actuaire responsable.
Tâche de candidature
Créez un mini triangle anonyme de sinistres payés cumulés (4 années d'accident × jusqu'à 4 années de développement). Demandez à l'IA de calculer l'équivalent avec l'échelle à chaîne. Vérifiez manuellement les facteurs âge par âge et le final des 2 ans. Demandez ensuite à l’IA « comment BF aurait-il produit un résultat différent pour l’année la plus récente » et comparez les deux méthodes. Déformez consciemment l'un des facteurs (par exemple, agrandissez une cellule de 10 fois) et observez comment la réponse de l'IA change et comment le contrôle de plausibilité le détectera.
liste de contrôle
- [ ] Suis-je cohérent quant à savoir si j'établis le triangle en fonction des dommages payés ou des dommages subis ?
- [ ] Ai-je vérifié la plausibilité en comparant les facteurs âge-âge avec le modèle historique ?
- [ ] Ai-je recoupé avec BF les années nouvelles/immatures ?
- [ ] Ai-je présenté la réponse avec une plage d'incertitude plutôt qu'un seul chiffre ?
- [ ] Ai-je recalculé indépendamment les dégâts finaux et le contre-arithmétique ?
- [ ] Ai-je justifié par écrit ma sélection de facteurs (type de moyenne, période) ?