Processus de comptage, Poisson mélange, fonction de perte exponentielle, système bonus-malus.

Dimension: px

Commencer à balayer dès la page:

Download "Processus de comptage, Poisson mélange, fonction de perte exponentielle, système bonus-malus."

Claude Chevalier
il y a 8 ans
Total affichages :

1 JF WALHIN* J PARIS* * Université Catholique de Louvain, Belgique Le Mans Assurances, Belgique RÉSUMÉ Nous proposons une méthodologie générale pour construire un système bonus-malus équilibré basé sur une fonction de perte exponentielle Ce travail englobe les travaux sur le sujet et en simplifie les écritures MOTS-CLÉS Processus de comptage, Poisson mélange, fonction de perte exponentielle, système bonus-malus 1 INTRODUCTION - LE PROCESSUS DE COMPTAGE L'introduction d'un système bonus-malus en assurance RC auto se justifie principalement par le fait que le nombre N( de sinistres déclarés par un assuré dans l'intervalle (,t] ne suit pas une loi de Poisson simple Cela conduit naturellement à traduire la diversité des assurés en supposant que N( suit une loi de Poisson mélange caractérisée par Π ( nt, ) t ( ( Nt ( ) n) e λ λ P n! n Généralement on fait choix de la fonction U pour trouver la loi de N( Lemaire (1979) a choisi la loi gamma pour U, ce qui conduit à la loi binomiale négative pour N( Morillo et Bermudez (1999) ont choisi la loi inverse gaussienne pour U, ce qui conduit à la loi Poisson inverse gaussienne pour N( Ces choix se justifient plus pour des raisons de facilité mathématique que pour des raisons objectives liées aux observations En effet, l'observation porte sur le nombre de sinistres déclarés sur une période de temps (l'année en pratique) Comme la fréquence est faible, le nombre de degrés de liberté est peu élevé, ce qui rend difficile la distinction entre BULLETIN FRANÇAIS D ACTUARIAT, Vol 3, N 6, 1999, pp 35-43

système bonus-malus 1 INTRODUCTION - LE PROCESSUS DE COMPTAGE L'introduction d'un système bonus-malus en assurance RC auto se justifie principalement par le fait que le nombre N( de sinistres

2 36 JF WALHIN & J PARIS les modèles Les deux choix particuliers indiqués plus haut appartiennent en réalité à la même famille obtenue en choisissant pour U une fonction de répartition infiniment divisible Ceci se traduit de manière équivalente par une expression simple pour Π ( n, : où n n (, ) ( 1) t ( n) Π n t Π (, n! θ( Π(, e θ( θ( ) d θ ( complètement monotone dt Un choix intéressant pour la fonction θ ( est celui fait par Hofmann (1955) et utilisé par Kestemont et Paris (1985) : p θ ( p >, c >, a a (1 + c Par intégration, on trouve θ ( t ) pt si a p θ ( t ) ln(1 + c si a1 c p 1 a θ( t ) (1 + c 1 ailleurs c(1 a) Les cas particuliers sont : a (Poisson) ; a5 (Poisson Inverse Gaussienne) ; a1 (Binomiale Négative) ; a2 (Polya-Aeppli) ; a, c, ac b (Neymann Type A) Dans les problèmes d'assurance, il est naturel de supposer lim Π(, t

θ( Π(, e θ( θ( ) d θ ( complètement monotone dt Un choix intéressant pour la fonction θ ( est celui fait par Hofmann (1955) et utilisé par Kestemont et Paris (1985) : p θ ( p >, c >, a a (1 + c Par

3 37 ce qui limite le choix possible à la sous-famille pour laquelle a 1 Par ailleurs le choix le plus général montre qu'une fonction complètement monotone ne diffère d'une autre que par une constante Dans le cas de la famille Hofmann, on prend donc θ étendu( δ + θ ( Ceci indique que le processus N( le plus général est la somme de deux processus indépendants Le premier est un processus de Poisson simple, de paramètre δ, qui correspond aux sinistres purement fortuits, le second est un processus de Hofmann et correspond aux sinistres liés au comportement du conducteur Dans le cas étendu, il est facile de montrer que la loi de probabilité s'écrit : θ( δt f N ( () e pt t t f θ δ N t t ( ) ( )(1) δ + e a ct (1 + ) 1 pt f N( ( x) δt + f ( 1) + ( ) x a N t x (1 + c) 1 pt x i 1 ct Γ( a + i 1) f ( )( x i) a N t, x 2 x(1 + c i 2 ( i 1)! 1 + ct Γ( a) Dans le cas de la loi Binomiale Négative sans composante Poissonienne, la densité est donnée de manière explicite Dans le cas de la loi Poisson Inverse Gaussienne sans composante Poissonienne, la densité est donnée sous forme d'une récursion du 2ème ordre L'utilisation de ces processus Poisson mélange a déjà été décrite dans Walhin et Paris (1999) pour la construction de systèmes bonus-malus Par la suite, nous aurons besoin de la propriété suivante : Pour la classe des processus de Poisson mélange, la distribution de la fréquence conditionnellement à l'historique sinistre ne dépend que du nombre de sinistres En effet

simple, de paramètre δ, qui correspond aux sinistres purement fortuits, le second est un processus de Hofmann et correspond aux sinistres liés au comportement du conducteur Dans le cas étendu, il est

4 38 JF WALHIN & J PARIS du ( λ N ( t ) N ( t 1) t, K, N (1) N () 1) P Nt ( ) Nt ( 1) t,, N(1) N() 1 λ P [ Nt ( ) Nt ( 1),, N(1) N() ] t 1 λt e ( λ λt e ( λ λt e ( λ λ t e ( λ λt e ( λ! λt e ( λ! du ( λ N( ) t avec j j 1 t j j 1 Cette propriété n est pas utilisée dans les systèmes bonus-malus avec un nombre limité de classes et ceci explique en partie pourquoi ces derniers sont en déséquilibre A l'avenir, nous travaillerons donc avec la fonction de distribution a posteriori du ( λ N( ) 2 SYSTÈME BONUS-MALUS ET FONCTION DE PERTE La construction d'un système bonus-malus avec une fonction de perte a été décrite dans Lemaire (1979) et est utilisée dans Morillo et Bermudez (1999) La motivation pour l'introduction d'un tel système bonus-malus est la suivante La construction classique est basée sur le principe de l espérance : λ t+ 1 ( ) E ( Λ N ( t ) )

5 39 qui est en fait l'intensité conditionnelle du processus Cette dernière provient de la minimisation de la fonction de perte quadratique 2 ( λ λ ( )) ( ( ) ) t + 1 du λ N t Comme le fait remarquer Lemaire (1979), cette méthode traite les mali et les boni de manière symétrique pour la classe des assurés ayant déclaré sinistres en t années Si la compagnie d'assurance souhaite maintenir un niveau élevé de solidarité parmi ses assurés, elle doit utiliser une méthode qui pondère les mali et boni différemment Choisissons une fonction de perte exponentielle : 1 ( 1 ( )) e 1 N( ) t γ λ λ + λ γ Une telle fonction de perte nous permet d'indexer nos préférences vis-à-vis des boni et mali à attribuer Par exemple si γ25, deux polices avec une sous-tarification de 2 compensent une police avec une sur-tarification de 4 tandis que avec γ25 il faut 4 polices avec sous-tarification de 2 pour compenser une police avec sur-tarification de 4 Cette dernière situation représente donc une plus grande solidarité entre assurés Une solution n est possible au problème de minimisation min 1 ( 1 ( )) 1 ( ( ) ) ) 1 ( e t γ λ λ + du λ N t λt + γ que si λt +1( ) est contraint La contrainte naturelle est celle qui assure l'équilibre financier du système : Eλ t+ 1( Nt ( )) E Λ La solution de ce problème de minimisation sous contrainte est donnée par Lemaire (1979) au moyen du Lagrangien et de manière plus élégante par Morillo et Bermudez (1999) au moyen de l'inégalité de Jensen La solution s écrit : 1 γλ γλ λ t+ 1( ) E Λ+ ln ( e N( ) ln ( e N( ) γ E E E

élevé de solidarité parmi ses assurés, elle doit utiliser une méthode qui pondère les mali et boni différemment Choisissons une fonction de perte exponentielle : 1 ( 1 ( )) e 1 N( ) t γ λ λ + λ γ Une

6 4 JF WALHIN & J PARIS Quelques lignes d'algèbre permettent de réécrire cette expression comme 1 t Nt () Π ( N(, t+γ) t Π (, t+γ) λ t+ 1( ) EΛ+ E ln ( ) ln ( ) γ t+γ Π ( N(, t+γ Π(, La prime sera exprimée sous la forme d'un pourcentage, en référence à la prime a priori, E Λ Ce pourcentage est : P t t Nt () Π ( N(, t+γ) t Π (, t+γ) ( ) 1 + E ln ( ) ln ( ) E Λγ t+γ Π ( N(, t+γ Π(, 3 APPLICATIONS NUMÉRIQUES Dans cette section, nous reprenons le portefeuille utilisé par Morillo et Bermudez (1999) et nous l'ajustons suivant une binomiale négative, une Poisson Inverse Gaussienne et une loi de Hofmann L'ajustement Binomiale Négative avec une composante Poisson simple est également donné Nombre de sinistres Obs BN PIG Hof BN + Po l χ ddl δ 695 p c a

APPLICATIONS NUMÉRIQUES Dans cette section, nous reprenons le portefeuille utilisé par Morillo et Bermudez (1999) et nous l'ajustons suivant une binomiale négative, une Poisson Inverse Gaussienne et

7 41 Nous sommes en mesure de construire les tables suivantes ( t + 1( )) : 1 Binomiale Négative Espérance γ25 γ25 γ25 t/ Poisson Inverse Gaussienne Espérance γ25 γ25 γ25 t/ Binomiale Négative + Poisson Espérance γ25 γ25 γ25 t/ On voit immédiatement apparaître la solidarité croissante entre assurés lorsque le γ augmente

94 146 198 48 94 141 187 72 97 121 146 1 25 55 85 115 26 59 92 125 32 62 92 123 58 77 95 114 2 Poisson Inverse Gaussienne Espérance γ25 γ25 γ25 t/ 1 2 3 1 2 3 1 2 3 1 2 3 1 78 155 27 46 79 161 285

8 42 JF WALHIN & J PARIS CONCLUSION Nous avons revu l'intérêt d'utiliser des processus de comptage pour la construction de systèmes bonus-malus L'aspect Poisson mélange de ces processus permet d'obtenir des écritures compactes pour les formules de systèmes bonus-malus, même lorsqu elles sont obtenues au moyen de fonctions de perte exponentielle En particulier le processus de Hofmann englobe la Binomiale Négative et la Poisson Inverse Gaussienne Les écritures sont simplifiées dans ce dernier cas En particulier, il n est pas nécessaire de faire appel aux fonctions de Bessel de troisième type De plus, le choix du paramètre a du processus de Hofmann permet d'utiliser une gamme d'hétérogénéité dans la construction du système bonus-malus Le cas a, pour lequel on retrouve le processus de Poisson amène un système bonus-malus neutre Le cas a1, Binomiale Négative, entraîne une tension importante au sein des primes du système bonus-malus Enfin, nous avons vu que l'actuaire dispose d'un autre outil pour faire varier boni et mali, tout en gardant un système équilibré : il s'agit du paramètre gamma de la fonction de perte exponentielle Le choix de ce dernier, combiné au choix de la loi de comptage, permet à la compagnie de construire un système bonus-malus correspondant au niveau de solidarité qu elle souhaite maintenir au sein de son portefeuille RÉFÉRENCES HOFMANN, M (1955) Über zusammengesetzte Poisson-Prozesse un ihre Anwendungen in der Unfallversicherung Bulletin of the Swiss Actuaries, 55 : KESTEMONT, RM and PARIS, J (1985) Sur l Ajustement du Nombre de Sinistres Bulletin of the Swiss Actuaries, 85 : LEMAIRE, J (1979) How to Define a Bonus-Malus System with an Exponential Utility Function Astin Bulletin, 19 : MORILLO, I and BERMUDEZ, L (1999) An Optimal Bonus-Malus System Papers presented at the third congress on Insurance : Mathematics and Economics, 6 WALHIN, JF and PARIS, J (1999) Using Mixed Poisson Distributions in Connection with Bonus-Malus Systems Astin Bulletin, 29 : 81-99

englobe la Binomiale Négative et la Poisson Inverse Gaussienne Les écritures sont simplifiées dans ce dernier cas En particulier, il n est pas nécessaire de faire appel aux fonctions de Bessel de

9 43 Jean-François WALHIN* José PARIS* * Institut de Statistique Voie du Roman Pays, 2 B-1348 Louvain-la-Neuve Belgique walhin@statuclacbe Le Mans Assurances Avenue Louise, 222 B-15 Bruxelles Belgique

Documents pareils

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité

1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :