ISFA PREDICA /

Provisionnement Responsabilité Civile Médicale

Domaine(s)	Mémoire
formation(s)	ISFA () / resp.: / intervenant:

Informations sur les documents

Type de document	Mémoires
société	PREDICA
Auteur(s)	MANIABLE E.
Numéro
Date de référence	09/30/2013

Résumé

Le risque Responsabilité Civile professionnelle Médicale a connu en France une forte évolution juridique, puis législative sur les 20 dernières années. Depuis 2003, l’assureur couvre les sinistres en fonction de leur date de réclamation par les victimes, et non plus de leur date de survenance. Ce mémoire a pour principaux objectifs de qualifier le caractère Best Estimate de la méthode de MÉDICALE DE France, et de situer les résultats de MÉDICALE DE FRANCE par rapport aux méthodes classiques et à des méthodes dites « lignes à lignes ». La méthode de LA MEDICALE DE France s’appuie sur celle de Mack, est la recherche d’un tail factor, avec un certain nombre de spécificités. Au global, l’ensemble des choix de modèle semble pouvoir préserver la justesse de l’estimation (Best Estimate). Les méthodes déterministes récursives (Chain Ladder, London Chain, Projected Case Estimate) donnent des résultats proches de la méthode de l’assureur, mais les hypothèses de ces modèles sont rarement vérifiées, et elles présentent des problèmes de cohérence. Les méthodes déterministes factorielles butent sur l’estimation du paramètre lié aux années calendaires (et donc à l’inflation). Les méthodes stochastiques récursives (Mack, Munich chain ladder) rencontrent les mêmes problèmes d’application que les méthodes déterministes. Les méthodes « ligne à ligne » permettent les informations individuelles de chaque dossier sinistre au lieu de traiter des informations agrégées. Trois méthodes ont été appliquées : modèle censuré, modèle à dynamique markovienne des règlements, puis un modèle par model-point. Ce dernier modèle où chaque comportement est modélisé, puis où chaque règlement individuel est simulé un grand nombre de fois. Cette méthode est très simple à mettre en œuvre, et recourt à une démarche essentiellement calculatoire, mais semble donner de bons résultats et permettrait de faire une évaluation de la charge de sinistre cédée aux réassureurs, le traité étant en excédent.

Abstract

The Risk of Medical Professional Liability knows in France a strong legal developments and legislation over the past 20 years. Since 2003, the insurer covers claims based on their date of claim by the victims, not the date of occurrence. The main objectives of this thesis are to qualify the character Best Estimate of the method of MEDICAL DE FRANCE and compare the results to conventional methods and called "lines by lines" methods. The methodology of MEDICAL DE FRANCE applies the method of Mack, estimating a tail factor, with a number of specificities. Overall, all of the choices of model seem to preserve the accuracy of the estimate ( Best Estimate ). Recursive deterministic methods (Chain Ladder, London Chain, Case Projected Estimate) give similar results than method of the insurer, but the assumptions of these models are rarely checked, and they have consistency problems. Factorial deterministic methods stumble on the estimate of the parameter related to calendar years (and thus inflation). Recursive stochastic methods (Mack, Munich chain ladder) face the same problems of application than deterministic methods. The "line by line" methods allow to treat the individual information of each claim file instead of treating aggregate information. Three methods were applied: Censored Model, Model with Markov dynamics of regulations and Model Point method. The latter model where every behavior is modeled and where each individual settlement is simulated many times. This method is very simple to implement and uses an essentially computational approach, but it seems to work well and would make an assessment of the claims expense ceded to reinsurers.

Mémoire complet

>

Mémoire + PG MANIABLE Eric.pdf

Lien permament : https://www.ressources-actuarielles.net/C12574E200674F5B/0/CE5241ADA1B02C78C1257BA5001AE1B9