Fiabilité des données de mortalité dans un modèle interne.

Résumé Dans cet article, nous discutons de l'impact de certaines anomalies des données de mortalité sur un modèle interne capturant le risque de longévité dans le cadre de Solvabilité 2. En particulier, nous nous intéressons aux effets de cohorte anormaux tels que ceux des générations 1919 et 1920, pour lesquelles les tables de période fournies par la base de données sur la mortalité humaine montrent respectivement des taux de mortalité particulièrement bas et élevés. Pour fournir des tables corrigées pour les trois pays qui nous intéressent ici (France, Italie et Allemagne de l'Ouest), nous utilisons l'approche développée par Boumezoued (2016) pour les pays pour lesquels la méthode s'applique (France et Italie), et fournissons une extension de la méthode pour l'Allemagne de l'Ouest car les historiques mensuels de fécondité ne sont pas suffisants pour couvrir les générations d'intérêt. Ces tables de mortalité sont des entrées cruciales pour les modèles stochastiques de mortalité prévoyant des scénarios futurs, dont on peut extraire l'amélioration extrême de 0,5 % de la longévité, ce qui permet de calculer le capital de solvabilité requis (SCR). Plus précisément, pour évaluer l'impact de ces anomalies dans le cadre de Solvabilité II, nous utilisons un modèle interne simplifié basé sur trois modèles stochastiques usuels pour projeter les taux de mortalité dans le futur, combiné à une méthodologie de table de fermeture pour les âges plus élevés. La correction de ce biais améliore évidemment la qualité des données sur la mortalité, ce qui est d'une importance capitale aujourd'hui, et diminue légèrement l'exigence de capital. Globalement, l'évaluation du risque de longévité reste stable, de même que la sélection du modèle de mortalité stochastique. Comme gain collatéral de cette amélioration de la qualité des données, les paramètres estimés plus réguliers permettent de nouvelles perspectives et une évaluation affinée du risque de longévité.