Les apports de l intelligence artificielle dans l allocation stratégique d actifs sous contraintes stochastiques de solvabilité.

Dimension: px
Commencer à balayer dès la page:

Download "Les apports de l intelligence artificielle dans l allocation stratégique d actifs sous contraintes stochastiques de solvabilité."

Transcription

1 Les apports de l intelligence artificielle dans l allocation stratégique d actifs sous contraintes stochastiques de solvabilité. Luca De Dominicis ALTIA 5, avenue de l Opéra PARIS Téléphone : +33 (0) (0) Télécopie : +33 (0) luca.de.dominicis@altia.fr, luca.de_dominicis@centraliens.net Résumé : Utilisation de techniques d intelligence artificielle et notamment des Algorithmes Génétiques dans l élaboration d une méthode d allocation stratégique d actifs d une compagnie d assurance Vie visant à optimiser la couverture des engagements, le rendement des fonds propres et le temps de calcul. Mots clés : allocation stratégique solvabilité Algorithmes Génétiques. 1

2 SOMMAIRE 1 Introduction Les concepts fondamentaux La place de l Allocation Stratégique d Actifs dans la gestion d une compagnie d assurance Vie Les contraintes de solvabilité Principes de solvabilité et réglementations actuelles Modélisation des contraintes de solvabilité L intelligence artificielle : métaheuristiques et Algorithmes Génétiques Les méthodes métaheuristiques Le fonctionnement des Algorithmes Génétiques Applications pratiques des Algorithmes Génétiques La définition du problème Le modèle implémenté Principe général Le générateur stochastique de scénarios Le moteur de calcul Les classes d actif Le passif Interactions actif / passif La mécanique du modèle Le module d optimisation Méthodologie et critères d optimisation Fonctionnement du module d optimisation Validation et cas pratique Validation de l approche Validation par déformation du problème Validation par simplification du problème L apport des Algorithmes Génétiques Conclusions...22 Bibliographie...23 Annexes

3 1 INTRODUCTION En raison de l inversion du cycle de production, les compagnies d assurances Vie, en tant qu investisseurs institutionnels, sont largement contraintes dans la détermination de leurs fonds propres réglementaires et dans la couverture de leurs engagements. Par ailleurs, le taux de rendement minimum à servir à leurs passifs est soumis à la concurrence du marché, tandis que le taux de rentabilité demandé aux fonds propres est soumis à la concurrence des marchés financiers. Ainsi, les sociétés d assurances Vie cherchent à évaluer la stratégie optimale pour investir leurs actifs en respectant les différentes contraintes, endogènes et exogènes, et bâties sur différents référentiels. Les modèles d allocation stratégique d actifs sont de plus en plus complets et complexes et comportent l optimisation de fonctions définies de manière itérative, non linéaires et avec des contraintes non linéaires, définies sur des espaces à plusieurs dimensions. Une des complexités des modèles d allocation stratégique d actifs, outre la fonction à optimiser, est la simulation stochastique des comportements et des rendements futurs des actifs financiers : une analyse statistique nécessitant la simulation de 1000 à histoires différentes, les temps de calcul en sont d autant plus amplifiés. La méthode retenue dans cette étude pour optimiser les temps de calcul sont les Algorithmes Génétiques, technique métaheuristique d optimisation de fonction sous contrainte (cf. Annexe 1). Cet article est structuré de la manière suivante : Dans un premier temps, les principaux concepts abordés sont définis et introduits : l allocation stratégique, les contraintes de solvabilité et l intelligence artificielle. En fin de partie, une définition plus précise de l objectif de l étude est présentée. Ensuite, la méthodologie est décrite : l architecture générale du modèle, ainsi que la modélisation stochastique des classes d actifs, la projection des passifs et les interactions actif passif retenues. Il est alors possible de présenter les résultats : les étapes de validation, qui constituent en elles mêmes des résultats, et l apport des Algorithmes Génétiques en termes de réduction du temps de calcul. Enfin, les évolutions envisageables de cette étude sont traitées. 3

4 2 LES CONCEPTS FONDAMENTAUX 2.1 La place de l Allocation Stratégique d Actifs dans la gestion d une compagnie d assurance Vie L'allocation stratégique d'actifs d une compagnie d assurance Vie est souvent définie comme une étape du processus plus général de gestion actif-passif i, en particulier comme l étape en aval de l appréhension des risques et en amont de l allocation tactique d actifs, comme le visualise la Figure 2-1. Gestion actif-passif Appréhension des risques Actif, Passif et Actif-Passif Allocation stratégique d'actifs Allocation tactique d'actifs Gestion financière quotidienne Stratégies de pilotage des passifs (commerciale, distribution de PB, tarification des options, etc.) Figure 2-1 Compte tenu de ce positionnement, l allocation stratégique d actifs vise soit à confirmer l'optimalité de la structure de l'actif existant, soit à proposer une structure optimale d'actifs qui permette à l'entreprise d atteindre un certain objectif de performance financière tout en respectant ses engagements avec un niveau de confiance donné. La caractérisation de stratégique vient d une part de l horizon temporel auquel s appliquent les études d allocation stratégique, d autre part du nombre limité de classes d actifs considérées dans ces études, généralement limité à 5 ou au maximum à une dizaine. 4

5 De plus, l allocation stratégique d actifs identifiée peut être une cible à atteindre dans le temps à partir de l allocation réelle de départ ou bien une allocation dynamique, au cas où l allocation stratégique serait définie, au départ, pour des périodes temporelles de quelques années, 5 par exemple. La Figure 2-2 montre une représentation graphique simple de ces deux concepts dans le cas d une allocation définie sur deux seules classes d actifs (hypothèse prise pour rendre le graphique simple, avec les points qui donnent le poids d une des deux classes en pourcentage sur les années de projection) : l allocation cible est définie de manière constante sur tout l horizon d étude ; l absence de points sur les 4 premières années symbolise l hypothèse que cette étude donne un intervalle de 5 ans pour atteindre l allocation cible ; l allocation dynamique est définie constante avec un pas de 5 ans. 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% allocation cible allocation dynamique Figure 2-2 La structure optimale d'actifs doit être recalculée régulièrement (au moins tous les ans) pour tenir compte de l'évolution de la richesse de l'entreprise, de la structure et du montant de ses engagements, et de son environnement. En effet, cette évolution ne correspond pas nécessairement à celle qui a été prévue. En particulier, l éventuelle utilisation d'un modèle stochastique ne dispense pas de cette mise à jour. 5

6 2.2 Les contraintes de solvabilité Principes de solvabilité et réglementations actuelles Une compagnie d'assurance doit être solvable, c'est-à-dire suffisamment solide financièrement pour respecter les engagements qu'elle a envers ses assurés et ses autres créanciers. Le régime de solvabilité actuel a été établi dans les années 1970 et a été récemment mis à jour par la réforme européenne appelée Solvabilité 1. Depuis, la Commission Européenne, en collaboration avec les Etats membres, a lancé le projet Solvabilité 2, destiné à évaluer le besoin d'un changement plus radical du régime de solvabilité. Ce projet très vaste devrait analyser et synthétiser différents sujets tels que l'adoption d'un système davantage fondé sur le risque, l'harmonisation de l'évaluation des provisions techniques, les nouvelles techniques de transfert de risque et les évolutions récentes en matière de comptabilité. En France, la directive Solvabilité 1 a été ratifiée sans modification substantielle (au contraire de Grande Bretagne et Finlande, par exemple). Ainsi, la directive se traduit en France par les règles et contrôles suivants : Les provisions doivent être calculées selon les règles fixées par le Code des Assurances (reconnues pour donner lieu à des provisions avec une forte marge de sécurité, hormis pour certaines options cachées ). Le législateur modifie le Code des Assurances dans cet esprit de prudence ; Outre la marge de prudence dans les provisions, la marge de solvabilité réglementaire doit être couverte, et l état réglementaire C6 (et/ou G2) montre sa couverture à chaque arrêté (même si l assureur doit pouvoir la justifier à tout instant) ; Une autre mesure de solvabilité, évaluée en prenant en compte seulement les actifs dits admissibles au sens de la directive européenne, est l état réglementaire C5, où les règles de dispersion et de congruence des actifs sont vérifiées Modélisation des contraintes de solvabilité Il existe donc un vaste choix de contraintes de solvabilité qui peuvent être retenues dans une modélisation d activité d assurance future : Les contraintes réglementaires actuelles exposées au paragraphe précédent, modélisables à travers la projection de provisions réglementaires et des états réglementaires C5 et C6 ; Les contraintes réglementaires futures qui seront introduites vraisemblablement par la directive Solvabilité 2 ; 6

7 Des contraintes économiques, c'est-à-dire des règles ad hoc qui assurent la solvabilité économique de l entreprise au-delà de sa survie comptable et réglementaire. Dans cette étude, seules les contraintes réglementaires actuelles sont prises en compte, dans la mesure où des études spécifiques existent déjà visant à présenter les effets des possibles évolutions futures en termes d exigences réglementaires de solvabilité. 2.3 L intelligence artificielle : métaheuristiques et Algorithmes Génétiques Les méthodes métaheuristiques ii Les métaheuristiques constituent une classe de méthodes approchées adaptables à un très grand nombre de problèmes combinatoires et de problèmes d'affectation sous contraintes. Elles ont révélé leur grande efficacité pour fournir des solutions approchées de bonne qualité pour un grand nombre de problèmes d'optimisation classiques et d'applications réelles de grande taille. C'est pourquoi l'étude de ces méthodes est actuellement en plein développement. Si on peut constater la grande efficacité des métaheuristiques pour de nombreuses classes de problèmes, il existe en revanche très peu de résultats permettant de comprendre la raison de cette efficacité. Une métaheuristique est constituée d un ensemble de concepts fondamentaux qui permettent d'aider à la conception de méthodes heuristiques pour un problème d'optimisation. Ainsi les métaheuristiques sont adaptables et applicables à une large classe de problèmes. Elles sont représentées essentiellement par (cf. Annexe 1) : les méthodes de voisinage comme le recuit simulé et la recherche tabou ; les algorithmes évolutifs comme les Algorithmes Génétiques et les stratégies d'évolution. Grâce à ces métaheuristiques, on peut proposer aujourd'hui des solutions approchées pour des problèmes d'optimisation classiques de plus grande taille et pour de très nombreuses applications qu'il était impossible de traiter auparavant Le fonctionnement des Algorithmes Génétiques Les Algorithmes Génétiques (aussi appelés AG par la suite) sont une méthode métaheuristique d algorithmes évolutifs. Ces algorithmes sont basés sur le principe du processus d'évolution naturelle et doivent leur nom à l'analogie avec les mécanismes d'évolution des espèces vivantes. Les AG sont ainsi un instrument numérique pour la recherche de l optimum d une fonction réelle. Telle fonction est appelée fonction objectif, 7

8 elle peut dépendre d une ou plusieurs variables (jusqu à quelques dizaines) et peut présenter des contraintes linéaires ou non. Les AG s inspirent des lois de sélection naturelle des espèces vivantes : ils cherchent la solution au problème en la sélectionnant parmi un grand nombre de solutions candidates qu ils combinent entre elles (de même que ce qui se passe dans la nature), à travers un processus évolutif selon lequel les solutions meilleures ont plus de probabilités de survivre. Toujours en suivant l analogie avec les processus de sélection naturelle, la terminologie utilisée pour les AG reflète en grandes lignes celle utilisée en biologie. Ainsi, dans le problème d optimisation de la fonction objectif, les solutions candidates sont appelées chromosomes (ou individus) et sont composées par une chaîne de bits (0 1). Comme en biologie les individus sont identifiés par les chromosomes composés de chaînes de bases (Adénine-Guanine-Cytosine-Thymine), le chromosome des AG est aussi composé de gènes qui donnent le génotype et dont la décodification en nombres réels, appelés facteurs de contrôle, constitue le phénotype du chromosome. Les facteurs de contrôle représentent les valeurs des variables dont dépend la fonction objectif et permettent ainsi l évaluation de la fonction en correspondance d un chromosome déterminé. La valeur de la fonction objectif ainsi obtenue est appelée fitness du chromosome et donne une indication sur la qualité de la solution candidate codifiée dans le chromosome. La recherche de la solution de la part des AG comporte l examen de générations successives de populations de chromosomes : en partant d une population initiale composée d individus générés de manière aléatoire, l algorithme évolue avec l objectif d obtenir une amélioration progressive des générations en termes de fitness. La méthodologie qui permet la création d une génération d individus à partir de la précédente est modelée sur le processus naturel de reproduction : un couple de parents est choisi parmi les individus de la population, leurs chromosomes sont croisés en créant ainsi deux enfants. Parmi les quatre individus en question (deux parents et deux enfants), deux seuls survivent, sur la base de critères liés à leur fitness. Le processus d appariement, répété pour plusieurs couples de parents, ainsi que la mutation génétique (elle aussi inspirée de l évolution naturelle) donnent lieu à une nouvelle population (vraisemblablement meilleure en termes de fitness) qui sera à la base de la création de la génération suivante, jusqu à ce qu un critère de fin soit satisfait. Le champ potentiel d application des AG est vaste. En effet, grâce à certaines propriétés intrinsèques, les AG permettent de résoudre efficacement des problèmes difficiles à traiter par des méthodes classiques d optimisation : Un premier avantage important par rapport aux méthodes classiques consiste en ce que les AG ne sont que peu sensibles au nombre de variables en jeu, contrairement, par exemple, à la méthode numérique du gradient, où le temps de calcul et l imprécision augmentent rapidement avec le nombre de variables ; Ensuite, comme les AG ne présupposent aucune linéarité du problème, ils peuvent traiter des problèmes où il existe une ou plusieurs non linéarités, éventuellement sous forme de contrainte ; 8

9 Enfin, autre avantage par rapport aux méthodes classiques, les AG basent leur connaissance du problème uniquement sur la fonction objectif, contrairement à d autres méthodes qui nécessitent d autres informations, telles les dérivés de la fonction. Les AG peuvent ainsi traiter des fonctions discontinues ou bien données par points Applications pratiques des Algorithmes Génétiques Les applications des AG sont multiples : optimisation de fonctions numériques difficiles (discontinues, multimodales, bruitées ), traitement d image (alignement de photos satellites, reconnaissance de suspects ), optimisation d emplois du temps, optimisation de design, contrôle de systèmes industriels, apprentissage des réseaux de neurones, etc. Les AG peuvent être utilisés pour contrôler un système évoluant dans le temps (chaîne de production, centrale nucléaire ) car la population peut s adapter à des conditions changeantes. En particulier, ils supportent bien l existence de bruit dans la fonction à optimiser. Ils peuvent aussi servir à déterminer la configuration d énergie minimale d une molécule ou à modéliser le comportement animal. Les AG sont également utilisés pour optimiser des réseaux (câbles, fibres optiques, mais aussi eau, gaz ), des circuits, des antennes. Enfin, la NASA a utilisé ce genre d'algorithme dans la conception du robot de la mission Mars PathFinder iii. 2.4 La définition du problème La problématique générale définie en introduction est que, les sociétés d assurances Vie cherchant à évaluer une stratégie optimale pour investir leurs actifs sous les différentes contraintes, les modèles d allocation stratégique d actifs en sont de plus en plus complets et complexes. Une des complexités principales est la simulation stochastique des comportements et des rendements futurs des actifs financiers : une analyse statistique nécessitant la simulation de 1000 à histoires différentes, les temps de calcul en sont d autant plus amplifiés. Ainsi, le problème que nous avons décidé de traiter est une optimisation multi-critères de l allocation stratégique d actifs sous contraintes réglementaires (et économiques) de solvabilité. Un des apports principaux de cette étude consiste en la prise en compte de critères à la fois techniques (augmentation de la richesse de l assureur) et pratiques (le temps de calcul). De façon plus détaillée, le problème est le suivant : déterminer quelle est l allocation cible (à un horizon donné) d actifs (ou l ensemble d allocations) qui maximise l augmentation de richesse de l assureur tout en minimisant les cas d insolvabilité (sur une mesure de quantile obtenue sur un nombre de simulations donné de rendement des actifs et du taux servi) et le temps de calcul. 9

10 3 LE MODELE IMPLEMENTE 3.1 Principe général La complexité du modèle rend nécessaire une présentation structurée, fondée sur la structure même du modèle. Ainsi, les trois modules principaux du modèle seront présentés l un après l autre, selon une approche chronologique. Ces trois modules sont les suivants : 1. le générateur stochastique de scénarios ; 2. le moteur de calcul qui reproduit le fonctionnement de l assurance Vie ; 3. le module d optimisation qui classe l ensemble des allocations cibles. Ils sont organisés suivant une architecture classique de gestion actif passif de société d assurance Vie : Générateur de scénarios Moteur des Moteur des interactions Moteur des interactions actif/passif Moteur des interactions actif/passif calculs actif/passif d assurance vie Générateur Générateur Générateur Générateur de flux Générateur de passif de flux Générateur d actif de flux Générateur de passif de flux Générateur d actif de flux de passif de flux d actif de flux de passif de flux d actif Optimisation Figure

11 3.2 Le générateur stochastique de scénarios Le générateur de processus stochastiques simule, pour chaque année de projection et pour chaque trajectoire stochastique : le taux court ; le spread taux court / taux long ; l indice du marché actions ; les sauts liés au risque de crédit. Le générateur de processus stochastiques a comme paramètre le nombre de trajectoires générées. Nous considérons que trajectoires constituent une bonne base statistique, compte tenu des délais de simulation et du niveau de précision souhaité. Les processus stochastiques ne constituant pas le cœur du problème, des modèles classiques ont été retenus dans les simulations, avec des calibrages également classiques (obtenus sur l historique ). Ainsi : Le taux court a été modélisé par un modèle de Cox, Ingersoll, Ross, avec un retour à une moyenne de 3.5% ; Le taux long à été modélisé en ajoutant un spread au taux court. Ce spread est modélisé par un modèle de Heath, Jarrow et Morton, avec une inversion du signe (en moyenne) pour un taux court de 6.2% ; L indice du marché actions a été simulé à partir d un processus de type Garch (1, 1) où moyenne et volatilité ont été déterminées forfaitairement, respectivement à 7% et 25% ; Les sauts liés au risque de crédit ont été modélisés en marge d un processus classique de diffusion. Cependant, compte tenu des arbitrages pouvant être effectués dans le calibrage (surtout sur la durée de l historique, mais aussi sur le traitement des données manquantes et des données aberrantes), nous soulignons l importance d effectuer des tests de sensibilité à ces calibrages (par exemple sur la valeur moyenne de retour du modèle de Cox, Ingersoll, Ross). 3.3 Le moteur de calcul De manière détaillée, le moteur de calcul comprend : les modules qui transforment les processus stochastiques en flux d actifs et de passif : 11

12 o calcul de la courbe des taux, des indices des classes d actifs pour l actif (indice du marché actions, OPCVM obligataires...) ; o calcul du taux servi et du choc éventuel sur prestations ou primes pour le passif ; le moteur des calculs d assurance pour l année : Les classes d actif o détermination des mouvements sur l actif à partir de règles prédéfinies ; o calcul du résultat et détermination du bilan en fin d année. Cinq classes d actif «génériques» ont été définies : Le passif Obligations TF : titres relevant de l art. R à revenus fixes ; Obligations TV : titres relevant de l art. R à revenus variables ; OPCVM obligataire : titres relevant de l art. R à revenus variables indexés sur les taux d intérêt à long terme avec gestion du risque de crédit ; OPCVM actions : titres relevant de l art. R à revenus variables indexés sur l évolution des marchés actions ; OPCVM monétaire : titres relevant de l art. R à revenus variables indexés sur les taux d intérêt à court terme. Le passif est traité globalement sur l ensemble d un portefeuille général de contrats d épargne avec participation uniforme modélisée par l intermédiaire d un taux servi unique. L objectif de la modélisation du passif est de permettre de traduire le plus fidèlement possible la réalité de l activité ainsi que les mécanismes de l assurance Vie, tout en étant simplifiée au maximum afin de ne pas alourdir les calculs. Dans les faits, le modèle prend comme base de calcul les résultats de la simulation d un passif déjà projeté. Les données ainsi récupérées permettent de paramétrer deux grandes catégories de flux : les flux qui sont calculés à partir de ratios déduits des résultats de modélisation : o décès ; o rachats ; 12

13 o frais d acquisition ; o frais de gestion ; o prélèvements sur primes ; o prélèvements sur encours ; les flux qui peuvent subir des chocs par la suite, du fait des interactions actif/passif : o primes brutes ; o prestations. Les coefficients de choc appliqués aux primes et aux prestations, et liés au différentiel entre le taux servi et le niveau des taux, sont des coefficients multiplicatifs intervenant de manière non linéaire à partir d un seuil fixé de ce différentiel Interactions actif / passif Les interactions actif / passif se font par le moyen du taux servi brut : en amont, ce taux est calculé à partir, entre autres, des rendements des actifs ; en aval, le taux servi rentre dans le calcul des prestations et primes choquées. La fonction de calcul du taux servi brut peut être introduite comme une fonction dépendant de plusieurs indices micro et macroéconomiques, tels que le taux servi lui-même (auto - régression), les indices boursiers et les taux d intérêt du marché. Les autres interactions actif / passif sont prises en compte dans la cinématique du modèle : il s agit notamment des chocs sur les primes brutes et sur les prestations, déjà évoqués La mécanique du modèle Au-delà d une mécanique classique d assurance Vie, le modèle prévoit les règles spécifiques suivantes : Dotation et reprise à la Provision pour Participation aux Bénéfices. La dotation à la PPB est composée des plus-values réalisées sur les titres relevant de l article R du Code des Assurances ainsi que des reprises de PRE. La part des plus-values réalisées destinée à servir le taux commercial aux contrats est reprise à la PPB. Investissement/désinvestissement : en cas de flux de trésorerie positif, l investissement se fait dans un premier temps sur la classe monétaire, la ventilation sur l ensemble des classes étant gérée lors du rebalancement. En cas de flux de trésorerie négatif, le désinvestissement se fait dans l ordre, de la classe la plus liquide (monétaire) à la moins liquide (obligations à taux fixe). 13

14 Rebalancement du portefeuille : le rebalancement se fait en début d exercice et est réalisé de manière à maintenir constante la proportion de chaque classe d actif en valeur de marché et à ramener chaque année la structure en valeur de marché de l allocation à celle de l allocation cible. Réalisation des plus-values latentes : l hypothèse de réalisation annuelle des plus-values (et non des moins-values) des titres relevant de l article R du Code des Assurances est constante et exprimée en fonction de la valeur comptable des titres. 3.4 Le module d optimisation Ce module traite les résultats d assurance de chaque trajectoire stochastique pour en sortir des indicateurs statistiques par le comptage des trajectoires «mauvaises» au sens du critère d optimisation (c'est-à-dire, comptage des trajectoires où au moins une année est mauvaise) Méthodologie et critères d optimisation L objectif du processus d optimisation est de déterminer l allocation d actif qui maximise la fonction objectif (richesse générée par les capitaux propres pondérée par des mesures de solvabilité) sous contrainte de rémunérer les contrats au taux modélisé. La principale difficulté réside dans la détermination de la fonction objectif, car la richesse générée par l activité d assurance Vie est dispersée sur différents postes comptables (capitaux propres, PPB...) et extra-comptables (plus-values latentes). La détermination d une allocation optimale nécessite de pouvoir capter la richesse générée dans sa globalité. Le fait qu il existe plusieurs critères (à la fois de rentabilité des fonds propres, de couverture des engagements réglementés et de la marge de solvabilité) pose un problème théorique assez important dans le cadre de la mise en œuvre d un processus d optimisation (cf. Annexe 2). En pratique, nous avons recherché l allocation optimale avec un objectif de couverture des engagements (C5) et de la marge de solvabilité (C6) en réalisant 100% des plus-values sur les titres relevant de l article R du Code des Assurances afin de remonter toute la richesse dans les capitaux propres via le résultat. Cette mécanique permet de capter toute la richesse générée au travers des critères d optimisation retenus Fonctionnement du module d optimisation Nous décrivons le fonctionnement du module d optimisation avec le support de la figure ci-dessous : 14

15 Opérateurs Génétiques (sélection, croisement, mutation, ) Définition hypothèses & paramètres Génération 1 Génération 2 Module d optimisation Allocation cible 1 Module stochastique Allocation 2 Allocation k Module stochastique Module stochastique Module stochastique Allocations Classées Allocation N Module stochastique Figure 3-2 Les hypothèses et paramètres définissent les caractéristiques du module d optimisation (nombre de générations, d allocations, de gènes et de simulations, en plus des paramètres plus particuliers des Algorithmes Génétiques). Une fois le module d optimisation construit, la première génération d allocations est générée par tirage aléatoire sur les N allocations. Ensuite, chaque allocation est testée dans le module stochastique décrit auparavant. En sortie, chaque allocation est notée en fonction des critères de solvabilité décrits. La population d allocations est ainsi classée, la note la plus élevée correspondant à la meilleure allocation. La population d allocations classées est traitée par les opérateurs génétiques, de manière à générer une nouvelle population d allocations à partir de la précédente («population d allocations filles»), meilleure au sens des critères d optimisation. La dernière des étapes décrites ci-dessus conduit à la création de ce qu on appelle la génération d allocations 2, qui n est donc plus générée aléatoirement, mais dans un souci d amélioration de la population d allocations. 15

16 Opérateurs Génétiques (sélection, croisement, mutation, ) Définition hypothèses & paramètres Génération 1 Génération 2 Génération 3 Génération g Module d optimisation Génération G Résultats Allocation cible 1 Module stochastique Allocation 2 Allocation k Module stochastique Module stochastique Module stochastique Allocations Classées Allocation N Module stochastique Figure 3-3 De la génération 2 on passe à la génération 3 par les mêmes opérateurs génétiques, et ainsi de suite jusqu à la dernière génération. Le modèle a été testé (voir paragraphe suivant) et montre une convergence des résultats après une quinzaine de générations. Nous le faisons tourner sur 20 (G dans la figure) générations d allocations. Sans rentrer dans la problématique spécifique du paramétrage des AG, il est nécessaire à la compréhension des paragraphes suivants de mentionner les ordres de grandeurs en termes d individus testés et de générations (en réalité, le paramétrage des AG concerne aussi des sujets plus techniques comme le choix des opérateurs génétiques). L AG utilisé est paramétré pour tester 200 individus (ou chromosomes, ou allocations dans le cas spécifique) pendant 20 générations, soit 4000 individus au total. Donc, sans aborder la problématique du temps de calcul, qui est désormais trop liée aux ordinateurs utilisés et à leur évolution, on peut simplement affirmer que l AG utilisé comporte un temps de calcul d environ 4000 individus (soit 4000 fois le temps de calcul d un individu), même si certaines astuces (mentionnées en conclusion) peuvent le faire baisser. Le paragraphe suivant aborde entre autres l apport des AG à la réduction du temps de calcul (et une comparaison avec des méthodes plus classiques d optimisation). 16

17 4 VALIDATION ET CAS PRATIQUE L approche par Algorithmes Génétiques dans la détermination de l allocation cible d actifs maximisant l augmentation de richesse de l assureur tout en minimisant les cas d insolvabilité (et le temps de calcul) est une approche novatrice et un exemple explicite des apports possibles de l intelligence artificielle au monde de l actuariat. Le défaut majeur de cette approche est l impossibilité de démontrer les résultats des Algorithmes Génétiques (on ne peut pas démontrer rigoureusement que le résultat obtenu est le maximum global de la fonction objectif, et des recherches sont en cours pour établir s il est théoriquement impossible ou non de démontrer ce résultat). Ainsi, les résultats principaux de cette étude consistent en : La validation de la consistance de cette approche ; L apport de l AG en termes de rapidité de solution du problème. 4.1 Validation de l approche La validation d une méthode mathématique consiste souvent en la comparaison de ses résultats avec ceux obtenus par une méthode fiable et connue. Cette méthode est, dans le cas des problèmes d optimisation, la solution analytique, si elle existe. Dans cette étude, il aurait été trop onéreux de poursuivre un tel processus, compte tenu de la complexité de la fonction objectif qui comporte jusqu à 20 itérations de fonctions non linéaires. La méthode de validation retenue consiste en la comparaison des résultats de l approche par AG avec les résultats observés en deux situations différentes : Déformation du problème par la déformation des processus stochastiques, de telle sorte qu une seule classe d actifs est intéressante : dans ce cas, le maximum de la fonction objectif est connu et correspond à une allocation d actifs à 100% en la classe intéressante ; Simplification du problème, de telle sorte que la fonction objectif a pu être calculée en tout point de l espace de définition : un simple algorithme numérique permet ensuite d en déterminer le maximum. 17

18 4.1.1 Validation par déformation du problème Afin de créer un problème dont la solution est connue a priori, il a été établi un jeu de paramétrage des processus stochastiques dans lequel une seule classe (ici, la classe OPCVM monétaire ) possédait les meilleures qualités, son rendement étant : 1. Certain ; 2. Meilleur par rapport aux rendements moyens des autres classes ; 3. Assez élevé pour assurer l absence de problèmes éventuels de solvabilité. Les deux graphiques suivants montrent respectivement : La convergence de la fonction objectif : génération après génération (en abscisses), le meilleur individu (ligne pleine) et le moins bon (pointillé) convergent vers une valeur normalisée de la fonction objectif (en ordonnées) : Convergence de l'ag Fonction objectif Générations Moins bon Meilleur Figure 4-1 Par ailleurs, la courbe du moins bon individu par génération (et son minimum relatif à la génération 8) permet de remarquer une des caractéristiques propres aux AG, soit une tendance à explorer au mieux l espace de définition de la fonction objectif, essentiellement pour sortir d un éventuel maximum relatif de la fonction même. La composition de l allocation cible (en ordonnées, en pourcentage) du meilleur individu au fil des générations des AG (en abscisses) : 18

19 Evolution des allocations 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Générations Obligations TF Obligations TV OPCVM obligataire OPCVM actions OPCVM monétaire Figure 4-2 On remarque que la classe OPCVM monétaire est bien choisie à 100% au bout de la 11 ème génération par le meilleur individu de la population, le moins bon montrant une bonne convergence vers la 15 ème génération Validation par simplification du problème Ici, il ne s agit plus de créer un problème dont la solution est connue, mais de réduire le nombre de variables afin de rendre possible le calcul de toutes les solutions, dont la meilleure. La réduction du nombre de variables a été obtenue en réduisant le nombre de classes d actifs de 5 à 2 (les classes Obligations TF et Obligations TV ont été retenues) : avec un pas de discrétisation de 1%, le nombre d allocations possibles a été ainsi réduit d environ 10 8 à Les deux graphiques suivants montrent respectivement : La valeur normalisée de la fonction objectif (en ordonnées) pour l ensemble des allocations possibles (de l allocation 100% Obligations TF à gauche à l allocation 100% Obligations TV à droite) : 19

20 Valeur fonction objectif % 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70% 75% 80% 85% 90% 95% 100% Pourcentage d'obligations TV Figure 4-3 La convergence de la fonction objectif : génération après génération (en abscisses), le meilleur individu (ligne pleine) et le moins bon (pointillé) convergent vers la valeur normalisée de la fonction objectif (en ordonnées) : Convergence de l'ag Fonction objectif Générations Moins bon Meilleur Figure 4-4 On remarque que la meilleure allocation (composée à 26% d Obligations TV et 74% d Obligations TF) est déterminée au bout de la 5 ème génération pour le meilleur individu, la convergence étant atteinte après 14 générations pour le moins bon. Dans cette situation, l AG a trouvé la solution plus rapidement que dans l exemple précédent, car le nombre d allocations possibles était inférieur. 20

21 4.2 L apport des Algorithmes Génétiques Dans les deux situations artificielles du paragraphe précédent, les Algorithmes Génétiques ont trouvé le maximum absolu. Cela ne signifie et n implique pas que les AG trouvent toujours ce maximum, mais cela permet de fixer des ordres de grandeur en termes d efficacité des AG. En effet, dans le cas du problème simplifié, nous avons remarqué que les solutions possibles étaient 100. L AG utilisé testait 200 individus par génération, ce qui implique qu environ 1000 individus ont été testés avant de trouver le bon. Cet exemple montre que les AG perdent leur efficacité quand le problème d optimisation est simple (et la réduction des individus testés par génération n aurait pas pu assez augmenter son efficacité car il existe un effet de seuil minimum pour ce paramètre). Par contre, dans la première situation du problème déformé, plus proche du problème réel en terme de nombre possible d allocations, les AG ont montré toute leur efficacité : en effet, les allocations possibles étaient ici de l ordre de 10 8 (soit 4 variables indépendantes sur 100 pas de discrétisation) iv, les AG ont trouvé la solution après en avoir testé 2200 (soit 200 individus sur 11 générations), soit un rapport d efficacité (ou de réduction du temps de calcul) d environ 5*10 4. Cela permet, en temps de calcul, de passer d un ordre de grandeur de la journée à la seconde, ou du mois à l heure, suivant les autres facteurs influant sur le temps de calcul (vitesse des machines, horizon de projection, ). 21

22 5 CONCLUSIONS La première inspiration et le moteur de cette étude ont été la conviction que la pluridisciplinarité et le partage d expériences et connaissances entre des domaines différents du savoir sont un élément essentiel d enrichissement de ce savoir même, et plus particulièrement de l actuariat. Par conséquent, la conclusion de cet article n est pas seulement la proposition de poursuivre la voie de l utilisation des Algorithmes Génétiques dans l Allocation stratégique d actifs sous contraintes de solvabilité (dont les résultats seront d autant plus appréciés que des expériences s accumuleront sur le sujet), mais aussi l incitation pour les actuaires à rechercher cette pluridisciplinarité, source primaire d innovation. Dans cet esprit nous citons d autres interactions possibles de l actuariat avec d autres domaines des mathématiques et des sciences : L utilisation des réseaux de neurones dans la tarification automobile, ou dans la notation du risque de crédit ; L utilisation des Algorithmes Génétiques et des réseaux de neurones, déjà utilisés dans la détection des fraudes sur les cartes bleues, dans la détection des fraudes en Assurance santé, par exemple ; L utilisation des opérateurs hamiltoniens si chers à la mécanique quantique, ou de la logique fuzzy (aujourd hui employée dans la conception des machines à laver) dans le calcul stochastique des provisions techniques. En ce qui concerne plus humblement le sujet de cet article, des améliorations ont déjà été envisagées ou devraient bientôt l être : Le passage d une allocation stratégique statique à une allocation dynamique, comportant d autant plus de variables que de périodes de rebalancement de l allocation ; Les synergies dans les interactions entre Algorithmes Génétiques et trajectoires stochastiques : en effet, un modèle appelé goccia a goccia (goutte à goutte en italien) permet de ne pas tester des individus déjà testés par l algorithme dans des générations précédentes, ce qui est extrêmement important quand le nombre de trajectoires stochastiques est élevé ; L utilisation de la métaheuristique appelée du recuit simulé à la place ou en aide des Algorithmes Génétiques. Enfin, la plus actuelle des améliorations concernera surement les évolutions liées au projet de Directive européenne Solvabilité 2, donc : au travail. 22

23 BIBLIOGRAPHIE V. Cerny, A thermodynamical approach to the travelling salesman problem: an efficient simulated annealing algorithm, Journal of Optimization Theory and Applications 45: 41-51, 1985 L. Chambers, Ed. Practical Handbook of Genetic Algorithms: Applications Vol. I; New Frontiers Vol. II, CRC Press, 1995 J. Dreo, A. Petrowski, P. Siarry, E. Taillard, Métaheuristiques pour l'optimisation difficile, Eyrolles, 2003 L.J. Fogel, A.J. Owens, M.J. Walsh, Artificial intelligence through simulated evolution, Wiley, New York, 1966 A. Frachot, Théorie et pratique des instruments financiers, Ecole Polytecnique, 2001 F. Glover, Future paths for integer programming and links to artificial intelligence. Computers and Operations Research 13: , 1986 D.E. Goldberg, Genetic Algorithms in Search, Optimisation, and Machine Learning, Addison-Wesley Publ. Co., 1989 J-K Hao, P. Galinier, M. Habib, Métaheuristiques pour l optimisation combinatoire et l affectation sous contraintes, Revue d Intelligence Artificielle, 1999 J.H. Holland, Genetic Algorithms and the optimal allocation of trials, SIAM Journal of Computing 2(2): , 1973 S. Kirkpatrick, C.D. Gelatt, P.M. Vecchi, Optimization by simulated annealing, Science 220: , 1983 D. Lamberton, B. Lapeyre, Introduction au calcul stochastique appliqué à la finance, éd. Ellipses, 1997 F. Le Vallois, A. Tosetti, P. Palsky, B. Paris, Gestion actif passif en assurance Vie - Réglementation, outils, méthodes, Economica, 2003 M. Marseguerra, Introduction to Genetic Algorithms, Politecnico di Milano, 2002 P. Pétauton, Théorie et pratique de l assurance Vie, Dunod,

24 ANNEXES Annexe 1 : Les principales méthodes métaheuristiques Méthodes de voisinage Définition. Soit X l'ensemble des configurations admissibles d'un problème, on appelle voisinage toute application N : X 2 X. On appelle mécanisme d'exploration du voisinage toute procédure qui précise comment la recherche passe d'une configuration s X à une configuration s N(s). Une configuration s est un optimum local par rapport au voisinage N si f(s) f(s ) pour toute configuration s N(s). Une méthode typique de voisinage débute avec une configuration initiale, et réalise ensuite un processus itératif qui consiste à remplacer la configuration courante par l'un de ses voisins en tenant compte de la fonction objectif. Ce processus s'arrête et retourne la meilleure configuration trouvée quand la condition d'arrêt est réalisée. Cette condition d'arrêt concerne généralement une limite pour le nombre d'itérations ou un objectif à réaliser. Un des avantages des méthodes de voisinage réside précisément dans la possibilité de contrôler le temps de calcul : la qualité de la solution trouvée tend à s'améliorer progressivement au cours du temps et l'utilisateur est libre d'arrêter l'exécution au moment qu'il aura choisi. Les méthodes de voisinage diffèrent essentiellement entre elles par le voisinage utilisé et la stratégie de parcours de ce voisinage. La recherche locale est un exemple simple de cette classe de méthodes. Un voisinage peut être représenté à l'aide d'un graphe orienté : les nœuds sont les configurations et il existe un arc entre deux nœuds s et s si s est voisin de s. Une méthode de voisinage peut être vue comme un processus qui parcourt un chemin du graphe. A chaque nœud, le mécanisme de parcours choisit l'arc à parcourir essentiellement en fonction des valeurs des arcs partant du nœud courant. L'efficacité de la méthode dépend donc de deux choses : la structure du graphe déterminée par le voisinage et la façon de parcourir le graphe déterminée par le mécanisme de parcours du voisinage. Les méthodes de voisinage les plus utilisées sont les suivantes : La méthode de recuit simulé, qui s'inspire du processus de recuit physique. Ce processus utilisé en métallurgie pour améliorer la qualité d'un solide cherche un état d'énergie minimale qui correspond à une structure stable du solide. En partant d'une haute température à laquelle le solide est devenu liquide, la phase de refroidissement conduit la matière liquide à retrouver sa forme solide par une diminution progressive de la température. Chaque température est maintenue jusqu'à ce que la matière trouve un équilibre thermodynamique. Quand la température tend vers zéro, seules les transitions d'un état à un état d'énergie plus faible sont possibles. 24

25 Algorithmes évolutifs La méthode tabou, qui a été développée par Glover et indépendamment par Hansen. Cette méthode fait appel à un ensemble de règles et de mécanismes généraux pour guider la recherche de manière intelligente au travers de l'espace des solutions. A l'inverse du recuit simulé qui génère de manière aléatoire une seule solution voisine s N(s) à chaque itération, tabou examine un échantillonnage de solutions de N(s) et retient la meilleure s même si s est plus mauvaise que s. La recherche tabou ne s'arrête donc pas au premier optimum trouvé. Ces algorithmes sont basés sur le principe du processus d'évolution naturelle. Les algorithmes évolutifs doivent leur nom à l'analogie avec les mécanismes d'évolution des espèces vivantes. Un algorithme évolutif typique est composé de trois éléments essentiels : 1) une population constituée de plusieurs individus représentant des solutions potentielles (configurations) du problème donné ; 2) un mécanisme d'évaluation de l adaptation de chaque individu de la population à l'égard de son environnement extérieur ; 3) un mécanisme d'évolution composé d'opérateurs permettant d'éliminer certains individus et de produire de nouveaux individus à partir des individus sélectionnés. Du point de vue opérationnel, un algorithme évolutif typique débute avec une population initiale souvent générée aléatoirement et répète ensuite un cycle d'évolution composé de 3 étapes séquentielles : 1) mesurer l'adaptation (la qualité) de chaque individu de la population par le mécanisme d'évaluation, 2) sélectionner une partie des individus, 3) produire de nouveaux individus par des recombinaisons d'individus sélectionnés. Ce processus se termine quand la condition d'arrêt est vérifiée, par exemple, quand un nombre maximum de cycles (générations) ou un nombre maximum d'évaluations est atteint. Selon l analogie de l'évolution naturelle, la qualité des individus de la population devrait tendre à s'améliorer au fur et à mesure du processus. La notion de mécanisme d'évolution est proche de celle du mécanisme de parcours du voisinage ; en particulier, on peut interpréter une itération d une méthode de voisinage comme un mécanisme d'évolution portant sur une population réduite à un seul individu. Cependant, les opérateurs sont sensiblement différents. En effet, un algorithme évolutif comporte un ensemble d'opérateurs tels que la sélection, la mutation et éventuellement le croisement. Les algorithmes évolutifs ont été appliqués à de très nombreux problèmes complexes et difficiles, y compris des problèmes d'optimisation (continue ou combinatoire). 25

26 D'une manière générale, on peut distinguer trois grandes familles d'algorithmes évolutifs : Les Algorithmes Génétiques La programmation évolutive, qui s'appuie sur un codage approprié du problème à résoudre et sur les opérations de mutation adaptées au codage. Le codage d'un tel algorithme dépend du problème à résoudre. Par exemple, pour un problème d'optimisation dans le domaine des réels, les individus d'une population seraient des vecteurs de réels. La programmation évolutive a été initialement introduite pour simuler l'intelligence qui est définie sur l'hypothèse suivante : la caractéristique principale de l'intelligence est la capacité d'adaptation comportementale d'un organisme à son environnement. Les stratégies d'évolution, qui sont conçues dès le départ pour résoudre des problèmes d'optimisation continus. Dans un algorithme de stratégie d évolution, les individus sont des points (vecteurs de réels). Comme la programmation évolutive, les stratégies d évolution n'utilisent que la mutation et la sélection. Les stratégies évolutives ont été adaptées à l'optimisation combinatoire et appliquées à de nombreux problèmes de référence et pratiques. 26

27 Annexe 2 : Problématique théorique des critères d optimisation Il existe deux catégories de méthodes cherchant à définir une optimisation multiobjectif : La première consiste à définir une mesure dans l espace d arrivée de l optimisation : il s agit de donner des «poids» différents à chaque objectif afin de les regrouper en un seul. L avantage de cette méthode est sa simplicité, mais l inconvénient est que l interprétation des résultats est très difficile, comme le montre la figure ci-dessous : Critère Critère 1 Dans ce cas de figure, toutes les solutions proposées sur la ligne 1, par exemple, sont égales au sens de l optimisation. De même pour les lignes 2, 3 et 4, au point que le point 5 est retenu meilleur que le point 6. Le problème est le suivant : le point 5 est-il vraiment préférable au point 6 dans la réalité? La réponse à cette question est plus souvent négative que positive, car le point 6 présente l avantage d offrir un meilleur équilibre dans l optimisation des deux critères à la fois. La seconde méthode consiste à faire une optimisation au sens de Pareto, c est à dire à sélectionner tous les points qui ne sont pas «dominés» par d autres solutions sur l ensemble des critères, comme les points 3, 4, 5 et 6 dans la figure suivante : 27

28 Critère Critère 1 L avantage de cette méthode consiste à prendre en compte plusieurs «bonnes» solutions, mais a l inconvénient de ne pas trancher de manière nette entre elles. 28

29 Notes i Par métonymie, allocation stratégique d actifs désigne à la fois l étude et le résultat de l étude. ii Une heuristique est une méthode, conçue pour un problème d'optimisation donné, qui produit une solution non nécessairement optimale lorsqu'on lui fournit une instance de ce problème. Une métaheuristique est définie de manière similaire, mais à un niveau d'abstraction plus élevé (d après E. Taillard). Le terme «métaheuristique» a été initialement utilisé par F. Glover pour distinguer la méthode tabou des heuristiques spécifiques. iii Cf. par exemple : S. Farritor, S. Dubowsky : A Genetic Planning Method and its Application to Planetary Exploration ASME Journal of Dynamic Systems, Measurement, and Control, Vol. 124, No. 4, pp , December iv Pour un calcul plus précis, on peut imaginer que les allocations possibles constituent un maillage avec des pas de discrétisation de 1 d un volume correspondant à un seizième d hypersphère (à 4 dimensions) de rayon 100. L approximation de 10 8 correspond à prendre un hypercube (à 4 dimensions) de coté 100 au lieu de ce volume, soit environ 4 fois le nombre des solutions possibles. 29

Calcul d une provision technique en assurance vie dans le cadre de Solvabilité 2. Le cas des contrats d épargne : les approches «markedto model»

Calcul d une provision technique en assurance vie dans le cadre de Solvabilité 2. Le cas des contrats d épargne : les approches «markedto model» Calcul d une provision technique en assurance vie dans le cadre de Solvabilité 2 Le cas des contrats d épargne : les approches «markedto model» Luca De Dominicis formation Sepia 10 juin 2008 Sommaire 1.

Plus en détail

Mesure et gestion des risques d assurance

Mesure et gestion des risques d assurance Mesure et gestion des risques d assurance Analyse critique des futurs référentiels prudentiel et d information financière Congrès annuel de l Institut des Actuaires 26 juin 2008 Pierre THEROND ptherond@winter-associes.fr

Plus en détail

ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE

ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du

Plus en détail

Le passage de l'embedded Value à l'economic Value

Le passage de l'embedded Value à l'economic Value Le passage de l'embedded Value à l'economic Value Une meilleure prise en compte des options et des garanties Ferdia Byrne, Claire Lasvergnas 23 septembre 2003 Les principes L'application Le marché français

Plus en détail

Mémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.

Mémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains. Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY

Plus en détail

L activité financière des sociétes d assurances

L activité financière des sociétes d assurances L activité financière des sociétes d assurances Les marchés boursiers ont repris au cours de l année 2003. Par conséquent, les plus-values latentes sur actifs des sociétés d assurances augmentent. Les

Plus en détail

Quels liens entre les modèles et la réalité? Mathilde Jung Université d été / Lundi 9 Juillet 2012 AG2R LA MONDIALE

Quels liens entre les modèles et la réalité? Mathilde Jung Université d été / Lundi 9 Juillet 2012 AG2R LA MONDIALE Quels liens entre les modèles et la réalité? Mathilde Jung Université d été / Lundi 9 Juillet 2012 AG2R LA MONDIALE Solvabilité 2, une réforme en 3 piliers Les objectifs : Définir un cadre harmonisé imposant

Plus en détail

des compagnies d assurance : évolutions récentes

des compagnies d assurance : évolutions récentes Les Contrôle normes IFRS de la solvabilité en assurance des compagnies d assurance : évolutions récentes - DIAF Hanoi, le 28 février 2005 Pierre THEROND Consultant JWA - Actuaires & chargé de cours à l

Plus en détail

Solvabilité II Les impacts sur la tarification et l offre produit

Solvabilité II Les impacts sur la tarification et l offre produit Solvabilité II Les impacts sur la tarification et l offre produit Colloque du CNAM 6 octobre 2011 Intervenants OPTIMIND Gildas Robert actuaire ERM, senior manager AGENDA Introduction Partie 1 Mesures de

Plus en détail

Politique de placements

Politique de placements Politique de placements Le 7 octobre 2010 Politique de placements Table des matières 1. La mission de la Fondation pour le développement des coopératives en Outaouais 2. Les principes de la gouvernance

Plus en détail

Agrégation des portefeuilles de contrats d assurance vie

Agrégation des portefeuilles de contrats d assurance vie Agrégation des portefeuilles de contrats d assurance vie Est-il optimal de regrouper les contrats en fonction de l âge, du genre, et de l ancienneté des assurés? Pierre-O. Goffard Université d été de l

Plus en détail

Une application des algorithmes génétiques à l ordonnancement d atelier

Une application des algorithmes génétiques à l ordonnancement d atelier Une application des algorithmes génétiques à l ordonnancement d atelier VACHER Jean-Philippe - GALINHO Thierry - MAMMERI Zoubir Laboratoire d Informatique du Havre Université du Havre 25, Rue Philippe

Plus en détail

L activité financière des sociétes d assurances

L activité financière des sociétes d assurances L activité financière des sociétes d assurances L année 2002 est de nouveau marquée par une forte baisse des marchés financiers. Celle-ci entraîne une diminution des plus-values latentes et des produits

Plus en détail

Approche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamique

Approche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamique Approche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamiue D. BERKOUNE 2, K. MESGHOUNI, B. RABENASOLO 2 LAGIS UMR CNRS 846, Ecole

Plus en détail

Secure Advantage Revenus Garantis

Secure Advantage Revenus Garantis GUIDE QUESTIONS / REPONSES DOCUMENT NON CONTRACTUEL RÉSERVÉ À L USAGE EXCLUSIF DES CONSEILLERS FINANCIERS Avril 2015 Secure Advantage Revenus Garantis Pour envisager l avenir en toute sérénité, assurez-vous

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

Relation entre deux variables : estimation de la corrélation linéaire CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence

Plus en détail

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes. Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de

Plus en détail

LES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage

LES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage LES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage Alain HERTZ Ecole Polytechnique - GERAD Département de mathématiques et de génie industriel CP 679, succ. Centre-ville, Montréal (QC) H3C

Plus en détail

Membre du Groupe AG2R LA MONDIALE

Membre du Groupe AG2R LA MONDIALE PIERRE DE LUNE Membre du Groupe AG2R LA MONDIALE PIERRE DE LUNE PARCE QUE VOUS SOUHAITEZ Optimiser la fiscalité de votre patrimoine Accéder à une gestion financière sur mesure Diversifier votre épargne

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

CONSEIL NATIONAL DE LA COMPTABILITÉ. 1.4 - Remplacement d instruments

CONSEIL NATIONAL DE LA COMPTABILITÉ. 1.4 - Remplacement d instruments CONSEIL NATIONAL DE LA COMPTABILITÉ Réponse aux questions pratiques liées à l application du règlement CRC n 2002-09 relatif à la comptabilisation des instruments financiers à terme par les entreprises

Plus en détail

Résultats du premier trimestre 2015. SCOR enregistre un résultat net de grande qualité de EUR 175 millions et un ROE annualisé de 12,1 %

Résultats du premier trimestre 2015. SCOR enregistre un résultat net de grande qualité de EUR 175 millions et un ROE annualisé de 12,1 % SCOR enregistre un résultat net de grande qualité de EUR 175 millions et un ROE annualisé de 12,1 % SCOR démarre l année avec de solides performances grâce à la mise en œuvre rigoureuse de son plan stratégique

Plus en détail

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques

Plus en détail

Comment évaluer une banque?

Comment évaluer une banque? Comment évaluer une banque? L évaluation d une banque est basée sur les mêmes principes généraux que n importe quelle autre entreprise : une banque vaut les flux qu elle est susceptible de rapporter dans

Plus en détail

Norme comptable relative aux provisions techniques dans les entreprises d assurance et/ou de réassurance NC 29

Norme comptable relative aux provisions techniques dans les entreprises d assurance et/ou de réassurance NC 29 Norme comptable relative aux provisions techniques dans les entreprises d assurance et/ou de réassurance NC 29 Objectif de la norme 01 L activité d assurance et/ou de réassurance se caractérise par : une

Plus en détail

Une étude de différentes analyses réalisées par le BIT

Une étude de différentes analyses réalisées par le BIT Association internationale de la sécurité sociale Quinzième Conférence internationale des actuaires et statisticiens de la sécurité sociale Helsinki, Finlande, 23-25 mai 2007 Comparaison des hypothèses

Plus en détail

Rapport d'analyse des besoins

Rapport d'analyse des besoins Projet ANR 2011 - BR4CP (Business Recommendation for Configurable products) Rapport d'analyse des besoins Janvier 2013 Rapport IRIT/RR--2013-17 FR Redacteur : 0. Lhomme Introduction...4 La configuration

Plus en détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

Note de service À : De :

Note de service À : De : Note de service À : De : Tous les Fellows, affiliés, associés et correspondants de l Institut canadien des actuaires et autres parties intéressées Jim Christie, président Conseil des normes actuarielles

Plus en détail

Fipavie Premium. Assurance vie

Fipavie Premium. Assurance vie Assurance vie Fipavie Premium Le contrat haut de gamme : > souple et évolutif > transparent > avec plus d'avantages fiscaux > avec un accès à la multigestion Fipavie Premium Un contrat souple et évolutif

Plus en détail

REFORME DU CREDIT A LA CONSOMMATION DECRET SUR LE REMBOURSEMENT MINIMAL DU CAPITAL POUR LES CREDITS RENOUVELABLES

REFORME DU CREDIT A LA CONSOMMATION DECRET SUR LE REMBOURSEMENT MINIMAL DU CAPITAL POUR LES CREDITS RENOUVELABLES REFORME DU CREDIT A LA CONSOMMATION DECRET SUR LE REMBOURSEMENT MINIMAL DU CAPITAL POUR LES CREDITS RENOUVELABLES DOSSIER DE PRESSE FICHE 1 Une réforme pour réduire le coût des crédits renouvelables et

Plus en détail

Capital économique en assurance vie : utilisation des «replicating portfolios»

Capital économique en assurance vie : utilisation des «replicating portfolios» Capital économique en assurance vie : utilisation des «replicating portfolios» Anne LARPIN, CFO SL France Stéphane CAMON, CRO SL France 1 Executive summary Le bouleversement de la réglementation financière

Plus en détail

Coup de Projecteur sur les Réseaux de Neurones

Coup de Projecteur sur les Réseaux de Neurones Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche

Plus en détail

Réglementation prudentielle. en assurance. Plan. - I - Les principes de la comptabilité générale et leur application à l assurance

Réglementation prudentielle. en assurance. Plan. - I - Les principes de la comptabilité générale et leur application à l assurance Réglementation prudentielle en assurance Principes de comptabilité : comment lire les comptes des entreprises d assurance? Franck Le Vallois Commissaire-contrôleur des assurances Plan - I - Les principes

Plus en détail

GLOSSAIRE. ASSURÉ Personne dont la vie ou la santé est assurée en vertu d une police d assurance.

GLOSSAIRE. ASSURÉ Personne dont la vie ou la santé est assurée en vertu d une police d assurance. GLOSSAIRE 208 RAPPORT ANNUEL 2013 DU MOUVEMENT DESJARDINS GLOSSAIRE ACCEPTATION Titre d emprunt à court terme et négociable sur le marché monétaire qu une institution financière garantit en faveur d un

Plus en détail

Etude d un cas industriel : Optimisation de la modélisation de paramètre de production

Etude d un cas industriel : Optimisation de la modélisation de paramètre de production Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui

Plus en détail

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU $SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le

Plus en détail

Méthaheuristiques pour l optimisation combinatoire et l affectation sous contraintes

Méthaheuristiques pour l optimisation combinatoire et l affectation sous contraintes Méthaheuristiques pour l optimisation combinatoire et l affectation sous contraintes Jin-Kao Hao *, Philippe Galinier **, Michel Habib *** * LERIA, U.F.R. Sciences, Université d Angers, 2 bd Lavoisier,

Plus en détail

5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com

5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com Application des réseaux de neurones au plan de répartition des risques 5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com Copyright c

Plus en détail

Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques

Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques Université Mohammed V, Faculté des Sciences de Rabat Laboratoire de Recherche Mathématiques, Informatique et Applications Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques MASTER

Plus en détail

Définitions LES ASSURANCES DE PERSONNES. Les contrats et les garanties LES ASSURANCES EN CAS DE VIE LES ASSURANCES EN CAS DE DÉCÈS, DE MALADIE

Définitions LES ASSURANCES DE PERSONNES. Les contrats et les garanties LES ASSURANCES EN CAS DE VIE LES ASSURANCES EN CAS DE DÉCÈS, DE MALADIE Définitions LES ASSURANCES DE PERSONNES Les contrats et les garanties LES ASSURANCES EN CAS DE VIE ET LES BONS DE CAPITALISATION Assurance en cas de vie Contrat d assurance, souscrit individuellement ou

Plus en détail

Apprentissage Automatique

Apprentissage Automatique Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs

Plus en détail

Présentation du métier d actuaire vie

Présentation du métier d actuaire vie 06 Octobre 2010 Frédéric Daeffler 14/10/2010 Agenda Assurance vie : Produits concernés Actuaire produit : Tarification et conception d un produit Actuaire financier : Pilotage des résultats, Gestion actif-passif,

Plus en détail

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1 Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe

Plus en détail

Sciences de Gestion Spécialité : GESTION ET FINANCE

Sciences de Gestion Spécialité : GESTION ET FINANCE Sciences de Gestion Spécialité : GESTION ET FINANCE Classe de terminale de la série Sciences et Technologie du Management et de la Gestion I. PRESENTATION GENERALE 1. Les objectifs du programme Le système

Plus en détail

Le taux d'actualisation en assurance

Le taux d'actualisation en assurance The Geneva Papers on Risk and Insurance, 13 (No 48, July 88), 265-272 Le taux d'actualisation en assurance par Pierre Devolder* Introduction Le taux d'actualisation joue un role determinant dans Ia vie

Plus en détail

Optimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases)

Optimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases) Optimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases) Heuristique Constructive Itérativement, ajoute de nouvelles composantes à une solution partielle candidate Espace

Plus en détail

Assurance vie Le contrat haut de gamme : souple et évolutif transparent avec plus d'avantages fiscaux avec un accès à la multigestion

Assurance vie Le contrat haut de gamme : souple et évolutif transparent avec plus d'avantages fiscaux avec un accès à la multigestion Assurance vie Fipavie Premium Le contrat haut de gamme : souple et évolutif transparent avec plus d'avantages fiscaux avec un accès à la multigestion Fipavie Premium Un contrat souple et évolutif qui s

Plus en détail

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes. Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis

Plus en détail

1. Référence : Pièce B-4, HQD-2, document 1, page 9, tableau R-2.1.

1. Référence : Pièce B-4, HQD-2, document 1, page 9, tableau R-2.1. Page 1 de 8 DEMANDE DE RENSEIGNEMENTS N O 2 DE LA RÉGIE DE L ÉNERGIE (LA RÉGIE) RELATIVE À LA GESTION DU RISQUE DE CRÉDIT DE LA CLIENTÈLE GRANDE PUISSANCE 1. Référence : Pièce B-4, HQD-2, document 1, page

Plus en détail

Le produit diversifié comme nouvelle solution d Epargne

Le produit diversifié comme nouvelle solution d Epargne Le produit diversifié comme nouvelle solution d Epargne Congrès Institut des Actuaires 2013 Jean-Pierre DIAZ, BNP Paribas Cardif Emmanuelle LAFERRERE, BNP Paribas Cardif Gildas ROBERT, Optimind Winter

Plus en détail

Monnaie, Banque et Marchés Financiers

Monnaie, Banque et Marchés Financiers Collection FlNANCE dirigée par Yves Simon, Professeur à l'université Paris-Dauphine, et Delphine Lautier, Professeur à l'université Paris-Dauphine Monnaie, Banque et Marchés Financiers Didier MARTEAU C

Plus en détail

LE PROBLEME DU PLUS COURT CHEMIN

LE PROBLEME DU PLUS COURT CHEMIN LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs

Plus en détail

123CAPITAL PME. Bénéficiez d une double réduction d impôt : ISF + impôt sur le revenu Sous réserve de conserver votre placement 8 ans minimum

123CAPITAL PME. Bénéficiez d une double réduction d impôt : ISF + impôt sur le revenu Sous réserve de conserver votre placement 8 ans minimum FIP / FONDS D INVESTISSEMENT DE PROXIMITÉ 123CAPITAL PME Bénéficiez d une double réduction d impôt : ISF + impôt sur le revenu Sous réserve de conserver votre placement 8 ans minimum QUI EST 123VENTURE?

Plus en détail

DEUXIÈME ÉTUDE D'IMPACT QUANTITATIVE SUR LE RISQUE DE MARCHÉ SOMMAIRE DES RÉSULTATS

DEUXIÈME ÉTUDE D'IMPACT QUANTITATIVE SUR LE RISQUE DE MARCHÉ SOMMAIRE DES RÉSULTATS Deuxième étude d impact quantitative sur le risque de marché Sommaire des résultats Comité mixte BSIF, AMF et Assuris Janvier 2011 DEUXIÈME ÉTUDE D'IMPACT QUANTITATIVE SUR LE RISQUE DE MARCHÉ SOMMAIRE

Plus en détail

Système immunitaire artificiel

Système immunitaire artificiel République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieure Université des Sciences et de la Technologie D Oran Mohammed Boudiaf (USTO) Faculté des Sciences Département d Informatique

Plus en détail

Esarc - Pôle formations à distance

Esarc - Pôle formations à distance Esarc - MASTER EUROPEEN EN MANAGEMENT ET STRATEGIE FINANCIERE - BAC+5 - MSFI Le Master Européen est un diplôme Bac+5, délivré par la FEDE (Fédération Européenne des Écoles). La FEDE est une association

Plus en détail

Chapitre 1 : Introduction au contrôle de gestion. Marie Gies - Contrôle de gestion et gestion prévisionnelle - Chapitre 1

Chapitre 1 : Introduction au contrôle de gestion. Marie Gies - Contrôle de gestion et gestion prévisionnelle - Chapitre 1 Chapitre 1 : Introduction au contrôle de gestion Introduction 2 Contrôle de gestion : fonction aujourd hui bien institutionnalisée dans les entreprises Objectif : permettre une gestion rigoureuse et une

Plus en détail

Résumé des communications des Intervenants

Résumé des communications des Intervenants Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit

Plus en détail

CAPTEURS - CHAINES DE MESURES

CAPTEURS - CHAINES DE MESURES CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,

Plus en détail

Hela Boukef. To cite this version: HAL Id: tel-00577101 https://tel.archives-ouvertes.fr/tel-00577101

Hela Boukef. To cite this version: HAL Id: tel-00577101 https://tel.archives-ouvertes.fr/tel-00577101 Sur l ordonnancement d ateliers job-shop flexibles et flow-shop en industries pharmaceutiques : optimisation par algorithmes génétiques et essaims particulaires Hela Boukef To cite this version: Hela Boukef.

Plus en détail

COLLOQUE SUR LA RETRAITE ET LES PLACEMENTS AU QUÉBEC L INVESTISSEMENT GUIDÉ PAR LE PASSIF

COLLOQUE SUR LA RETRAITE ET LES PLACEMENTS AU QUÉBEC L INVESTISSEMENT GUIDÉ PAR LE PASSIF COLLOQUE SUR LA RETRAITE ET LES PLACEMENTS AU QUÉBEC L INVESTISSEMENT GUIDÉ PAR LE PASSIF LE 20 NOVEMBRE 2014 Sébastien Naud, CFA, M.Sc. Conseiller principal L investissement guidé par le passif Conférenciers

Plus en détail

Simulation d application des règles CNAV AGIRC ARRCO sur des carrières type de fonctionnaires d Etat

Simulation d application des règles CNAV AGIRC ARRCO sur des carrières type de fonctionnaires d Etat CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 10 avril 2014 à 9 h 30 «Carrières salariales et retraites dans les secteurs et public» Document N 9 Document de travail, n engage pas le Conseil Simulation

Plus en détail

MESURE DU RISQUE D ILLIQUIDITE ET D INSUFFISANCE DE MARGE D UNE COMPAGNIE D ASSURANCE DOMMAGE 1

MESURE DU RISQUE D ILLIQUIDITE ET D INSUFFISANCE DE MARGE D UNE COMPAGNIE D ASSURANCE DOMMAGE 1 MESURE DU RISQUE D ILLIQUIDITE ET D INSUFFISANCE DE MARGE D UNE COMPAGNIE D ASSURANCE DOMMAGE 1 Claire DUTEY G.I.E. AXA Viviane LEFLAIVE Commission de Contrôle des Assurances I. INTRODUCTION La présente

Plus en détail

Master Finance Apprentissage Master 2

Master Finance Apprentissage Master 2 Master Finance Apprentissage Master 2 2014/2015 UE1 ENTREPRISE ET MARCHÉS DE CAPITAUX Ydriss Ziane L'objectif général de cette unité d enseignement est de permettre aux étudiants d appréhender les grandes

Plus en détail

Associations Dossiers pratiques

Associations Dossiers pratiques Associations Dossiers pratiques Optimisez la gestion financière de votre association (Dossier réalisé par Laurent Simo, In Extenso Rhône Alpes) Les associations vivent et se développent dans un contexte

Plus en détail

Étude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 n 26 mai 2014

Étude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 n 26 mai 2014 n 26 mai 2014 Étude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 Sommaire 1.INTRODUCTION 4 2.LE MARCHÉ DE L ASSURANCE VIE INDIVIDUELLE 6 2.1.La bancassurance

Plus en détail

Projet de recommandations pour la maîtrise du risque de modèle

Projet de recommandations pour la maîtrise du risque de modèle V08-06 INSTITUT DES ACTUAIRES Commission modélisation vie épargne Août 2006 Projet de recommandations pour la maîtrise du risque de modèle Ce document a pour objet de recenser les principes d organisation

Plus en détail

Séance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03

Séance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03 Gestion des opérations et de la logistique Séance 4 4-530-03 Gestion de la capacité Points importants présentés au dernier cours Les principaux types d aménagement Étude du travail et l amélioration des

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Investir sur les marchés de taux au sein des pays émergents

Investir sur les marchés de taux au sein des pays émergents Gestion obligataire Investir sur les marchés de taux au sein des pays émergents Nous pensons que la répression financière se prolongera encore plusieurs années. Dans cet intervalle, il sera de plus en

Plus en détail

TP N 57. Déploiement et renouvellement d une constellation de satellites

TP N 57. Déploiement et renouvellement d une constellation de satellites TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les

Plus en détail

L'analyse de la structure financière

L'analyse de la structure financière 2 L'analyse de la structure financière Les différentes conceptions La structure financière d une entreprise dépend principalement des contraintes technico-économiques liées à la nature des activités développées

Plus en détail

23. Interprétation clinique des mesures de l effet traitement

23. Interprétation clinique des mesures de l effet traitement 23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d

Plus en détail

Comptes et plans d épargne-logement

Comptes et plans d épargne-logement Page 1 of 6 Alerte Banques n 2 - avril 2006 ARCHIVES I IMPRIMER Comptes et plans d épargne-logement L avis du CNC relatif à la comptabilisation des CEL et PEL pose le principe suivant : les conséquences

Plus en détail

Chapitre 9 : Informatique décisionnelle

Chapitre 9 : Informatique décisionnelle Chapitre 9 : Informatique décisionnelle Sommaire Introduction... 3 Définition... 3 Les domaines d application de l informatique décisionnelle... 4 Architecture d un système décisionnel... 5 L outil Oracle

Plus en détail

Le financement adossé de l immobilier en gestion de patrimoine : une modélisation simple

Le financement adossé de l immobilier en gestion de patrimoine : une modélisation simple Le financement adossé de l immobilier en gestion de patrimoine : une modélisation simple Laurent Batsch ahier de recherche n 2005-01 Le financement adossé est une des modalités de financement de l investissement

Plus en détail

La balance des paiements et la position

La balance des paiements et la position La balance des paiements et la position extérieure globale selon le BPM6 1. Introduction La balance des paiements de la Belgique est l état statistique qui récapitule de façon systématique les transactions

Plus en détail

Solution logicielle pour le pilotage et l ERM. Journées d études IARD 26 mars 2010 2 mars 2010

Solution logicielle pour le pilotage et l ERM. Journées d études IARD 26 mars 2010 2 mars 2010 Présentation d ERMS Solution logicielle pour le pilotage et l ERM Journées d études IARD 26 mars 2010 2 mars 2010 Sommaire 1 Présentation d ACTUARIS 2 Les problématiques rencontrées 3 Présentation d ERMS

Plus en détail

ELEMENTS DE COMPTABILITE NATIONALE

ELEMENTS DE COMPTABILITE NATIONALE ELEMENTS DE COMPTABILITE NATIONALE Cours de M. Di Roberto Université Victor Segalen Bordeaux 2 Bibliographie Ce cours s inspire largement des ouvrages essentiels suivants. Merci à leurs auteurs. BOSSERELLE

Plus en détail

Réduire l effet de levier des banques, un impact néfaste sur notre économie? (2/2)

Réduire l effet de levier des banques, un impact néfaste sur notre économie? (2/2) Réduire l effet de levier des banques, un impact néfaste sur notre économie? (2/2) Une précédente analyse 1 a introduit le concept d'effet de levier, procédé visant à s'endetter pour chercher à accroître

Plus en détail

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de

Plus en détail

Chapitre 2/ La fonction de consommation et la fonction d épargne

Chapitre 2/ La fonction de consommation et la fonction d épargne hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation

Plus en détail

La gestion du risque chez AXA

La gestion du risque chez AXA Séminaire International de la Presse Suduiraut 21 & 22 juin 2006 La gestion du risque chez AXA François Robinet Chief Risk officer Groupe AXA Sommaire I. La Gestion du Risque : Définition D II. III. La

Plus en détail

Table des matières: Guidelines Fonds de Pensions

Table des matières: Guidelines Fonds de Pensions Table des matières: Guidelines Fonds de Pensions TABLE DES MATIERES... 1 INTRODUCTION... 2 1 FINANCEMENT ET FINANCEMENT MINIMUM... 3 1.1 FINANCEMENT... 3 1.2 FINANCEMENT DE PLAN... 3 1.3 FINANCEMENT MÉTHODE

Plus en détail

Koris International. Historique

Koris International. Historique Koris International Historique Koris International est une société de conseil en investissements financiers spécialisée dans la conception et le développement de modèles d allocation d actifs. La société

Plus en détail

Le calcul du barème d impôt à Genève

Le calcul du barème d impôt à Genève Le calcul du barème d impôt à Genève Plan : 1. Historique Passage d un système en escalier à une formule mathématique 2. Principe de l imposition Progressivité, impôt marginal / moyen ; barème couple/marié

Plus en détail

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures) CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un

Plus en détail

Solvabilité II et rentabilité ajustée au risque des produits en assurance-vie

Solvabilité II et rentabilité ajustée au risque des produits en assurance-vie Solvabilité II et rentabilité ajustée au risque des produits en assurance-vie Vladislav GRIGOROV, CRO SwissLife France Journées d études de l IA, Deauville, 21 septembre 2012 Introduction Solvency II représente

Plus en détail

COMPTES CONSOLIDES IFRS DU GROUPE CNP ASSURANCES au 31 Décembre 2007

COMPTES CONSOLIDES IFRS DU GROUPE CNP ASSURANCES au 31 Décembre 2007 COMPTES CONSOLIDES IFRS DU GROUPE CNP ASSURANCES au 31 Décembre 2007 Nouvelles normes IFRS7 Méthode de valorisation dans le contexte de crise financière Mars 2008 La nouvelle norme, Instruments financiers

Plus en détail

ANNEXE VII EFFETS MACROECONOMIQUES DE LA REFORME PIECE JOINTE N 2 SIMULATIONS REALISEES A PARTIR DU MODELE MACROECONOMETRIQUE MESANGE

ANNEXE VII EFFETS MACROECONOMIQUES DE LA REFORME PIECE JOINTE N 2 SIMULATIONS REALISEES A PARTIR DU MODELE MACROECONOMETRIQUE MESANGE ANNEXE VII, PJ n 2, page 1 ANNEXE VII EFFETS MACROECONOMIQUES DE LA REFORME PIECE JOINTE N 2 SIMULATIONS REALISEES A PARTIR DU MODELE MACROECONOMETRIQUE MESANGE ANNEXE VII, PJ n 2, page 2 Les simulations

Plus en détail

NON-LINEARITE ET RESEAUX NEURONAUX

NON-LINEARITE ET RESEAUX NEURONAUX NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail

Plus en détail

Note TDTE N 44. Philippe Foulquier, Directeur du pôle «Analyse Financière et Comptabilité» de l EDHEC.

Note TDTE N 44. Philippe Foulquier, Directeur du pôle «Analyse Financière et Comptabilité» de l EDHEC. Note TDTE N 44 La gestion de l épargneretraite à long-terme : Attention au cadre prudentiel réglementaire! Auteur Philippe Foulquier, Directeur du pôle «Analyse Financière et Comptabilité» de l EDHEC.

Plus en détail

Les clients puissance cube

Les clients puissance cube LETTRE CONVERGENCE Les clients puissance cube L intelligence artificielle au service du marketing des services N 28 To get there. Together. A PROPOS DE BEARINGPOINT BearingPoint est un cabinet de conseil

Plus en détail

CAISSE REGIONALE DU CREDIT AGRICOLE MUTUEL D AQUITAINE

CAISSE REGIONALE DU CREDIT AGRICOLE MUTUEL D AQUITAINE CAISSE REGIONALE DU CREDIT AGRICOLE MUTUEL D AQUITAINE Eléments d appréciation du prix de rachat des CCI émis par la CRCAM d Aquitaine dans le cadre de l approbation par l'assemblée générale des sociétaires,

Plus en détail

LES SIIC. Pierre Schoeffler Président S&Partners Senior Advisor IEIF. Étude réalisée par. Les SIIC et la retraite 1

LES SIIC. Pierre Schoeffler Président S&Partners Senior Advisor IEIF. Étude réalisée par. Les SIIC et la retraite 1 LES SIIC et la retraite Étude réalisée par Pierre Schoeffler Président S&Partners Senior Advisor IEIF Les SIIC et la retraite 1 23 juin 2014 2 Les SIIC et la retraite La retraite est, avec l emploi et

Plus en détail

FORMATIONS FINANCIÈRES RÉALISÉES

FORMATIONS FINANCIÈRES RÉALISÉES FORMATIONS FINANCIÈRES RÉALISÉES l'ensemble de ces sujets de formations ont été construits sur mesure à la demande de nos clients SOMMAIRE LES MARCHÉS 3 LES MARCHÉS FINANCIERS NIVEAU 1 4 LES MARCHÉS FINANCIERS

Plus en détail

Stratégie de rémunération

Stratégie de rémunération CONSULTING Offre Conseil RH Stratégie de rémunération La stratégie de rémunération est un facteur de stabilité et de performance de l'entreprise. GFI Consulting vous accompagne en mettant en cohérence

Plus en détail

Liste des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...

Liste des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone... Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................

Plus en détail