Cette formation porte sur l’estimation statistique des tables de mortalité statiques et dynamiques en R.
Après une introduction générale, nous présentons les approches non-paramétriques (lissage) et paramétriques (modèle statique Poisson, Binomial et Gaussien). Pour illustrations, nous utilisons les packages R MortalityLaws et Demography.
La seconde partie porte sur la construction d’une table de mortalité d’expérience en présence de censure. Ces tables permettent la comparaison de la mortalité d’expérience de l’assureur à la mortalité générale.
La dernière partie de ce cours est consacrée aux modèles dynamiques. Nous débutons avec le modèle Lee-Carter et comparons l’approche SVD au modèle de Poisson. Nous présentons ensuite les modèles CBD et âge-période-cohorte, ainsi que leur implémentation en R à l’aide du package STMoMo.
La session est conclue par une introduction aux modèles dynamiques à populations multiples. Nous étudions d’abord le modèle Lee-Carter stratifié et l’implémentons en R. Nous présentons ensuite le modèle de Li & Lee et le package R MortalityForecast. Le cours est illustré avec des exemples en Python, fournis aux participants.
Le code R de toutes les illustrations est distribué aux participants.
Probabilités de survie/décès
Probabilités statiques de mortalité
Conseiller Scientifique, Detralytics
Professeur, UCLouvain
Au terme de ce cours, les participants seront capables de traiter les données de mortalité disponibles sur le web en R, d’estimer en R tout modèle statique paramétrique avec une méthode statistique rigoureuse en évitant les erreurs habituelles, de construire une table de mortalité d’expérience et de gérer la censure. Ils sauront également générer des tables de mortalité prospective avec les modèles Age-Période-Cohorte et ses variantes, utiliser les packages R, MortalityLaws, Demography, StMoMo, MortalityForecast, estimer un modèle à populations multiples et développer son propre code implémentant un modèle non-standard.
Donatien Hainaut est Conseiller Scientifique chez Detralytics et Professeur à l’UCLouvain (Belgique), où il dirige le Master en Data Science à orientation statistique. Auparavant, il a occupé plusieurs postes académiques, notamment en tant que Professeur Associé à la Rennes School of Business et à l’ENSAE à Paris. Il possède également une solide expérience en entreprise, ayant travaillé comme Risk Officer, Quantitative Analyst et ALM Officer.
Actuaire qualifié et titulaire d’un doctorat en Asset and Liability Management, ses recherches actuelles portent sur les mécanismes de contagion dans les processus stochastiques ainsi que sur les applications des réseaux de neurones en assurance.
