Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Dimension: px
Commencer à balayer dès la page:

Download "Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes"

Transcription

1 Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire de recherche de Sciences Actuarielle et Financière 2/12/213 - ISFA - Journée ISFA-APHEC - Paris Slide 1/33

2 Contents 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 2/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

3 Contents 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 2/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

4 Contents 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 2/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

5 Contents 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 2/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

6 Contents 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 2/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

7 Content 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 3/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

8 Objectifs des systèmes bonus-malus L instauration d un système bonus-malus poursuit essentiellement : La responsabilisation des assurés et les inciter à plus de prudence au volant : les assurés qui ont causé un sinistre pour lequel la compagnie a du intervenir voient leur prime augmenter l année suivante. Ainsi, il y a un intérêt objectif à prendre autant de précautions que possible au volant. Ajuster le montant de la prime au cours du temps afin qui celui-ci reflète le risque réel que représente l assuré. Slide 4/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

9 Système bonus-malus à classes Un système à classes se présente comme suit : Niveau s... `... Prime bs... b` = r` BP... b Prime relative rs... r`... r Le niveau est celui auquel est associée la plus grande ristourne, alors que le niveau s correspond à la pénalité maximale. A chaque échelon est associé un pourcentage. Si l assuré occupe le niveau `, la prime qu il devra payer s obtient en appliquant le pourcentage r` à la prime de base BP librement fixée par l assureur. Slide 5/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

10 Système bonus-malus : Principes Un degré de l échelle est prévu pour le nouvel assuré. Ensuite, un réajustement de la position est effectué annuellement en fonction de la sinistralité de cet assuré et conformément aux règles du système. Ce système a pour effet de pénaliser par une augmentation de prime le responsable d un ou de plusieurs accidents, tandis que dans la situation inverse, l assuré bénéficiera d une réduction de prime. Slide 6/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

11 Content 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 7/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

12 On considère que le portefeuille est constitué de deux types de risques : les bons, pour lesquels le nombre de sinistres obéit à la loi de P(λθ1 ), et les mauvais pour lesquels le nombre de sinistre obéit à la loi P(λθ2 ), avec θ2 > 1 > θ1. Si la proportion de bons risques est ρ, cela revient à écrire ( Θ= θ1 avec une probabilité ρ, θ2 avec une probabilité 1 ρ, où les paramètres θ1, θ2 et ρ sont contraints par E Θ = ρ θ1 + (1 ρ)θ2 = 1. Slide 8/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

13 Un assuré pris au hasard dans le portefeuille génère une suite de sinistres N1, N2, N3... au cours de ses années de conduite. Les variables N1, N2, N3... sont supposées iid. L assureur utilise une échelle bonus-malus à trois niveaux, numérotés, 1 et 2. Les nouveaux assurés font leur entrée dans le système au niveau 1. Chaque année sans sinistre est récompensée par une descente d un degré dans l échelle. Chaque sinistre est pénalisé par une remontée d un niveau. Slide 9/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

14 On note Lt le niveau occupé par l assuré au cours de la période (t, t + 1), t =, 1, 2,.... L hypothèse d indépendance des nombres annuels de sinistre permet d écrire pour les bons conducteurs Pr Lt+1 = ` Lt =, Θ = θ1 = exp( λθ1 ) pour ` =, λθ1 exp( λθ1 ) pour ` = 1, 1 exp( λθ )(1 + λθ ) pour ` = 2, 1 1 Slide 1/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

15 et de la même manière Pr Lt+1 = ` Lt = 1, Θ = θ1 exp( λθ1 ) pour ` =, pour ` = 1, = 1 exp( λθ ) pour ` = 2, 1 et Pr Lt+1 = ` Lt = 2, Θ = θ1 pour ` =, exp( λθ1 ) pour ` = 1, = 1 exp( λθ ) pour ` = 2, 1 avec des expressions similaires pour les mauvais conducteurs. Slide 11/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

16 On peut ranger les probabilités de passer du niveau `1 au niveau `2 d une année sur l autre, Pr Lt+1 = `2 Lt = `1, Θ = θ1 : exp( λθ1 ) λθ1 exp( λθ1 ) 1 exp( λθ1 )(1 + λθ1 ) 1 exp( λθ1 ) P(θ1 ) = exp( λθ1 ) exp( λθ1 ) 1 exp( λθ1 ) qui a la propriété que la somme des lignes donne 1. Cette matrice est appelée matrice de transition, car elle décrit les transitions opérées par les assurés entre les différents niveaux du système bonus-malus. De la même manière pour les mauvais conducteurs. Slide 12/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

17 L évolution dans le système est gouvernée pour un bon conducteur par la relation 2 X Pr Lt = `2 Θ = θ1 = Pr Lt = `2 Lt 1 = `1, Θ = θ1 Pr Lt 1 = `1 Θ = θ1. `1 = Si on note p (t) (θ1 ) le vecteur colonne dont la composante ` est Pr Lt = ` Θ = θ1, on s aperçoit que (1) p (t) (θ1 ) = P T (θ1 )p (t 1) (θ1 ). et en itérant, on a p (t) (θ1 ) = P T (θ1 )P T (θ1 )... P T (θ1 ) 1 puisque Pr[L = 1 = 1 d où p () (θ1 ) = (, 1, )T. Slide 13/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

18 Il suffit de calculer les différentes puissances de la transposée P T (θ1 ) pour obtenir la loi de probabilité des niveaux L1, L2, L3,... qu ils occuperont dans l échelle au cours du temps. On peut s interroger quant à la stabilisation éventuelle des proportions de bons conducteurs dans les différents niveaux de l échelle. Cela revient à étudier le comportement asymptotique de p (t) (θ1 ) lorsque t +, i.e. à chercher l existence d une limite π` (θ1 ) = lim Pr Lt = ` Θ = θ1 = lim p (t) (θ1 ). t + Slide 14/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris t +

19 Application SCILAB λ = 1% θ1 =.5 et θ2 = 1.5 ρ = 5% Slide 15/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

20 Le régime stationnaire fournit rapidement une bonne approximation des lois p (t) (θ1 ) et p (t) (θ2 ). On note L le niveau occupé par un conducteur dans l échelle. On a donc Pr L = ` Θ = θ1 = π(θ1 ) et Pr L = ` Θ = θ2 = π(θ2 ), pour ` =, 1, 2. On cherche à présent la probabilité qu un assuré occupant le niveau ` une fois le système stabilisé soit un bon conducteur : Pr Θ = θ1 L = ` = Pr L = ` Θ = θ1 Pr[Θ = θ1 Pr L = ` Θ = θ1 Pr Θ = θ1 Slide 16/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris + Pr L = ` Θ = θ2 Pr Θ = θ2

21 En supposant les coûts moyens des sinistres unitaires, la prime a priori vaut Pr Θ = θ1 λθ1 + Pr Θ = θ2 λθ2 A posteriori la prime passe à Pr Θ = θ1 L = ` λθ1 + Pr Θ = θ2 L = ` λθ2 pour les assurés occupant le niveau ` de l échelle. On peut aussi la réécrire comme : λ Pr Θ = θ1 L = ` θ1 + Pr Θ = θ2 L = ` θ2 = λe Θ L = ` Le niveau ` occupé par le conducteur renseigne quand à la loi de Θ et précise donc la qualité du risque. La réévaluation des fréquences annuelles de sinistre passe par le calcul des E Θ L = `, pour ` =, 1, 2. Slide 17/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

22 Content 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 18/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

23 Généralisation à l aide des chaines de Markov Soit λ la fréquence annuelle moyenne de sinistre au niveau du portefeuille. On considère que le nombre annuel de sinistres causés par un assuré pris au hasard dans le portefeuille est de loi MP(λΘ) où Θ est une variable aléatoire positive de moyenne 1, souvent supposée de loi G(a, a), i.e. le niveau de risque relatif. Chaque assuré occupe un degré dans l échelle bonus-malus, qui en compte s + 1 numérotés de à s. On note dorénavant Lt le degré occupé par l assuré entre les instants t et t + 1. La trajectoire de l assuré est ainsi représentée par le processus stochastique à temps discret {Lt, t N}. Slide 19/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

24 Généralisation à l aide des chaines de Markov Le degré d un assuré pour une période d assurance donnée est déterminé par le degré de la période précédente et le nombre de sinistres relatifs à cette période. Si l assuré descend d un niveau par an dans l échelle et que chaque sinistre est pénalisé par une remontée de ω degrés, le niveau Lt+1 où sera versé l assuré à l instant t + 1 est donné par Lt+1 = max{min{lt + ωnt+1 1, s}, }. De manière générale, Lt+1 = Φ(Lt, Nt+1 ), où Φ(, ) est une fonction non décroissante, dès lors Pr Lt+1 = `t+1 Lt = `t,..., L = `, Θ = Pr Lt+1 = `t+1 Lt = `t, Θ. L état occupé par l assuré dans l échelle résume toute l information utile pour connaître son évolution future. Slide 2/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

25 Généralisation à l aide des chaines de Markov Cette propriété nous permet de modéliser l assuré à l aide d un processus de Markov. Rappel : Une chaine de Markov est un processus stochastique dans lequel le développement futur dépend uniquement du présent et non de l histoire du processus. C est un processus sans mémoire tels que les différents états de la chaine représentent les différents échelons du système. Pour rappel, le niveau occupé à l instant présent et le nombre de sinistres occasionnés par l assuré durant l année suffisent pour déterminer le niveau que l assuré occupera l année suivante. Il n est donc pas nécessaire de savoir comment a été atteint le niveau qu occupe l assuré actuellement. Le système Bonus-Malus en vigueur en France peut se représenter à l aide d une chaine de Markov, en associant à chaque niveau un pourcentage entre 5 et 35, voir Kelle (2). Slide 21/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

26 Lois transitoires (ν) Si on note p` ` (ϑ) la probabilité qu un assuré dont la fréquence 1 2 annuelle de sinistre ϑ soit envoyé du niveau `1 au niveau `2 en ν années, i.e. (ν) p`1 `2 (ϑ) = Pr Lt+ν = `2 Lt = `1, λθ = ϑ. Clairement, (ν) p`1 `2 (ϑ) = s X Pr Lt+ν = `2 Lt+ν 1 = k, Lt = `1, λθ = ϑ k= Pr Lt+ν 1 = k Lt = `1, λθ = ϑ = s X (ν 1) pk`2 (ϑ)p`1 k (ϑ). k= On reconnait la formule correspondant à la multiplication matricielle. Ainsi, la νème puissance de la transposée P T (ϑ) de la matrice P(ϑ) fournit la matrice de transition en ν pas dont (ν) l élément (`1 `2 ), p`1 `2 (ϑ). Slide 22/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

27 Lois transitoires Si on note (ν) p` (ϑ) = Pr Lν = ` λθ = ϑ. et si on désigne par p (ν) (ϑ) le vecteur dont la `ème composante (ν) est p` (ϑ), on a p (ν) (ϑ) = P T (ϑ)p (ν 1) (ϑ). En général, p () (ϑ) est fixé par l assureur, de sorte qu une application successive de la dernière relation permet de calculer p (ν) (ϑ), lequel donne les pourcentages d assurés occupant les différents niveaux de l échelle après ν années. Slide 23/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

28 Lois stationnaire Il existe un entier ξ 1 tel que tous les éléments de la matrice {P(ϑ)}ξ sont strictement positifs. Dans ce cas la chaine de Markov est dite ergodique, et possède de ce fait une loi stationnaire représentée par le vecteur de probabilités π(ϑ), dont la `ème composante π` (ϑ) est la probabilité qu un assuré depuis suffisamment longtemps dans le portefeuille et dont la fréquence de sinistre est ϑ occupe le niveau `, i.e. π(ϑ) = lim p (ν) (ϑ). ν + Il est intéressant de noter que π(ϑ) ne dépend pas du niveau dans lequel sont versés les nouveaux assurés, conséquence du caractère markovien du système, qui oublie donc son passé. Slide 24/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

29 Lois stationnaire Les probabilités stationnaires π` (ϑ) s obtiennent selon lim p (ν) (ϑ) = P T (ϑ) lim p (ν 1) (ϑ) ν + ν + T π(ϑ) = P (ϑ)π(ϑ) Dès lors, le vecteur π(ϑ) est solution du système ( π T (ϑ) = π T (ϑ)p(ϑ), π T (ϑ)e = 1. Rolski et al. (1999) donnent le résultat suivant : Soit E la matrice de dimension (s + 1) (s + 1) dont tous les éléments valent 1, On a : π T (ϑ) = e T I P(θ) + E Slide 25/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris 1.

30 Prime relative & Méthode de Norberg Norberg (1976) suggère l idée de déterminer les r` de façon à 2 minimiser Q = E (Θ r` ). L idée est donc de choisir les r` qui approximent le mieux Θ au sens des moindres carrées. En développant l expression de Q, on a Q= s X E (Θ r` )2 L = ` Pr[L = ` `= = s Z X `= θ> (Θ r` )2 u(θ `)dθ Pr[L = ` où u( `) désigne la densité de Θ sachant L = `. Ainsi, Pr[L = ` Θ = θ u(θ) u(θ `) =. Pr[L = ` Slide 26/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

31 Prime relative & Méthode de Norberg On obtient Q= s X Z θ> `= Il suffit à présent d imposer = Z θ (θ r` )2 π` (λθ)u(θ)dθ. Q = pour obtenir r` (θ r` )π` (λθ)u(θ)dθ d où l on trouve que R θπ` (λθ)u(θ)dθ. θ π` (λθ)u(θ)dθ θ r` = R Slide 27/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

32 Content 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 28/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

33 Le modèle brésilien Application SCILAB ϑ = 1% Degré 7 (départ) Slide 29/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris Classe d arrivée si sinistre(s)

34 Le modèle brésilien La matrice de transition P(ϑ) s écrit P(ϑ) = p (ϑ) p1 (ϑ) p2 (ϑ) p3 (ϑ) p4 (ϑ) p5 (ϑ) p (ϑ) p1 (ϑ) p2 (ϑ) p3 (ϑ) p4 (ϑ) p (ϑ) p1 (ϑ) p2 (ϑ) p3 (ϑ) p (ϑ) p1 (ϑ) p2 (ϑ) p (ϑ) p (ϑ) p1 (ϑ) p (ϑ) où pk (ϑ) = Slide 3/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris ϑk exp( ϑ). k! P5 pk (ϑ) Pk= 4 pk (ϑ) 1 Pk= 3 pk (ϑ) 1 Pk= 2 pk (ϑ) 1 Pk= pk (ϑ) k= 1 p (ϑ) 1 p (ϑ)

35 Content 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 31/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

36 Raffinements Univers segmenté : Les classes tarifaires sont déterminés sur base des caractéristiques observables des assurés. Pour chacune des classes, une fréquence annuelle de sinistre λk est déterminée par régression de Poisson et un poids wk est affecté à la classe en faisant le rapport entre l exposition au risque de la classe et l exposition au risque totale du portefeuille. La variance de l effet aléatoire Θ est estimée par la méthode des moments. Soif de bonus : Les pénalités induites par les SBM dépendent exclusivement du nombres de sinistres en tort déclarés par l assuré. Leur coût n est pas pris en compte. Une conséquence est l apparition du phénomène bonus hunger, la soif de bonus. Comme les pénalités du système sont indépendantes du montant des sinistres, les assurés ont tout intérêt à dédommager eux-mêmes les petits sinistres. Performance des échelles bonus-malus : Degré moyen relatif à l état stable (degré qu occupera un assuré moyen au moment où le système bonus-malus atteint l état stationnaire). Le coefficient de variation des primes des assurés (Plus les primes payées par les assurés sont variables, moins il y a de solidarité et plus le système est sévère). Slide 32/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

37 References Denuit, M. and Charpentier, A. (25). Mathématiques de l assurance non-vie Tome II : Tarification et provisionnement. Economie et Statistiques Avancées. Economica. Kelle, M. (2). Modélisation du système de bonus-malus fançais. Bulletin Français d Actuariat, 4(7), Norberg, R. (1976). A credibility theory for automobile bonus system. Scandinavian Actuarial Journal, pages Rolski, T., Schmidli, H., Schmidt, V., and Teugels, J. (1999). Stochastic process for insurance and finance. Wiley, New-York. Slide 33/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

Gestion du niveau de la franchise d un contrat avec bonus-malus. Pierre THEROND & Stéphane BONCHE

Gestion du niveau de la franchise d un contrat avec bonus-malus. Pierre THEROND & Stéphane BONCHE Gestion du niveau de la franchise d un contrat avec bonus-malus Pierre THEROND & Stéphane BONCHE SOMMAIRE 1. Réduction de franchise en l absence de système bonus-malus A - Bonnes propriétés du modèle collectif

Plus en détail

Chaînes de Markov. Mireille de Granrut

Chaînes de Markov. Mireille de Granrut Chaînes de Markov Mireille de Granrut Quelques précisions à propos de ce cours : Préambule 1. Tel que je l ai conçu, le cours sur les chaînes de Markov interviendra dès la rentrée, pour faire un peu de

Plus en détail

Simulation d un système d assurance automobile

Simulation d un système d assurance automobile Simulation d un système d assurance automobile DESSOUT / PLESEL / DACHI Plan 1 Introduction... 2 Méthodes et outils utilisés... 2.1 Chaines de Markov... 2.2 Méthode de Monte Carlo... 2.3 Méthode de rejet...

Plus en détail

Processus aléatoires avec application en finance

Processus aléatoires avec application en finance Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et

Plus en détail

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

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

Plus en détail

Mémoire d Actuariat Tarification de la branche d assurance des accidents du travail Aymeric Souleau aymeric.souleau@axa.com 3 Septembre 2010 Plan 1 Introduction Les accidents du travail L assurance des

Plus en détail

Prévention et gestion des risques naturels et environnementaux

Prévention et gestion des risques naturels et environnementaux Prévention et gestion des risques naturels et environnementaux Risque et assurance : quelques éléments théoriques Ecole des Ponts - Le 6 Avril 01 Jacques Pelletan 1 Théorie du risque et pérennité de l

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

Théorie de la crédibilité

Théorie de la crédibilité ISFA - Année 2008-2009 Théorie de la crédibilité Chapitre 2 : Prime de Bayes Pierre-E. Thérond Email, Page web, Ressources actuarielles Langage bayesien (1/2) Considérons une hypothèse H et un événement

Plus en détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle

Plus en détail

Principales caractéristiques de Mixmod

Principales caractéristiques de Mixmod Modèle de mélanges Principales caractéristiques de Mixmod Gérard Govaert et Gilles Celeux 24 octobre 2006 1 Plan Le modèledemélange Utilisations du modèle de mélange Les algorithmes de Mixmod Modèle de

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo

Plus en détail

Journées d études IARD

Journées d études IARD Journées d études IARD Gestion des risques liés à la refonte tarifaire d un portefeuille automobile Niort, le 20 mars 2014 Marie Foucher mfoucher@galea-associes.eu Pierre Thérond ptherond@galea-associes.eu

Plus en détail

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free. Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement

Plus en détail

Modèle classique Extensions Modèle multi-branches. Théorie de la ruine. Esterina Masiello (ISFA)

Modèle classique Extensions Modèle multi-branches. Théorie de la ruine. Esterina Masiello (ISFA) Esterina Masiello Institut de Science Financière et d Assurances Université Lyon 1 Premières Journées Actuarielles de Strasbourg 6-7 octobre 2010 En résumé... Modèle classique de la théorie de la ruine

Plus en détail

Gestion du niveau de la franchise d'un contrat avec bonus-malus

Gestion du niveau de la franchise d'un contrat avec bonus-malus Gestion du niveau de la franchise d'un contrat avec bonus-malus Pierre Thérond Stéphane Bonche Résumé Réduire la franchise d'un contrat d'assurance permet d'améliorer la qualité du contrat du point de

Plus en détail

LE BONUS-MALUS FRANÇAIS

LE BONUS-MALUS FRANÇAIS LE BONUS-MALUS FRANÇAIS A-T-IL ENCORE UN AVENIR? Arthur Charpentier Université Rennes I et université de Montréal Au lieu de considérer une tarification sur des critères a priori (à l aide de modèles de

Plus en détail

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre

Plus en détail

BONUS MALUS. Voici, la façon de calculer la prime : Le montant de la prime à acquitter est égale à : P = PB. C où : P

BONUS MALUS. Voici, la façon de calculer la prime : Le montant de la prime à acquitter est égale à : P = PB. C où : P BONUS MALUS Le propriétaire d un véhicule automobile est tenu d assurer sa voiture auprès d une compagnie d assurances. Pour un véhicule donné, le propriétaire versera annuellement une «prime» à sa compagnie.

Plus en détail

Pierre Thérond pierre@therond.fr. Année universitaire 2013-2014

Pierre Thérond pierre@therond.fr. Année universitaire 2013-2014 http://www.therond.fr pierre@therond.fr Institut de Science Financière et d Assurances - Université Lyon 1 Année universitaire 2013-2014 Plan du cours 1 Chapitre 1 - Introduction 2 3 4 Bibliographie principale

Plus en détail

Le modèle de Black et Scholes

Le modèle de Black et Scholes Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un

Plus en détail

assurance Février 2012

assurance Février 2012 Modèles fréquence coût : Construire un générateur de scénarios Quelles perspectives économiques d évolution en? assurance Version 0.7 Version 1.2 Mars 2014 Février 2012 Frédéric PLANCHET frederic@planchet.net

Plus en détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16 ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que

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

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

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

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

Processus de comptage, Poisson mélange, fonction de perte exponentielle, système bonus-malus. JF WALHIN* J PARIS* * Université Catholique de Louvain, Belgique Le Mans Assurances, Belgique RÉSUMÉ Nous proposons une méthodologie générale pour construire un système bonus-malus équilibré basé sur une

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université

Plus en détail

Le métier d actuaire IARD

Le métier d actuaire IARD JJ Mois Année Le métier d actuaire IARD Journées Actuarielles de Strasbourg 6-7 octobre 2010 PLAN Présentation de l assurance non vie Le rôle de l actuaire IARD La tarification des contrats L évaluation

Plus en détail

Introduction aux modèles financiers

Introduction aux modèles financiers Notes pour le module spécifique Introduction aux modèles financiers Ecole Centrale de Lyon Option Mathématiques 1 2 Introduction Quelques références Pour comprendre les marchés financiers, avoir un apreçu

Plus en détail

Informatique TP 4 & 5. Chaînes de Markov. Partie 1 : exemple introductif

Informatique TP 4 & 5. Chaînes de Markov. Partie 1 : exemple introductif Informatique TP 4 & 5 ECS2 Lyée La Bruyère, Versailles Chaînes de Markov Partie 1 : exemple introdutif Exerie 1 : épidémiologie On modélise l évolution d une maladie en lassant les individus en trois groupes

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

pour les compagnies d assurances non-vie relatif à l estimation des paramètres du modèle standard SST

pour les compagnies d assurances non-vie relatif à l estimation des paramètres du modèle standard SST GUIDE PRATIQUE pour les compagnies d assurances non-vie relatif à l estimation des paramètres du modèle standard SST Edition du 16 décembre 2011 But Le présent guide pratique s entend comme une aide pour

Plus en détail

Segmentation en assurance et problématiques de gestion des risques associées en mortalité

Segmentation en assurance et problématiques de gestion des risques associées en mortalité Segmentation en assurance et problématiques de gestion des risques associées en mortalité 13 septembre 2013, version 1.0 Aymric Kamega, Actuaire aymric.kamega@univ-brest.fr www.euria.univ-brest.fr Sommaire

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

Chaînes de Markov au lycée

Chaînes de Markov au lycée Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat

Plus en détail

N 1644 ASSEMBLÉE NATIONALE PROPOSITION DE LOI

N 1644 ASSEMBLÉE NATIONALE PROPOSITION DE LOI N 1644 ASSEMBLÉE NATIONALE CONSTITUTION DU 4 OCTOBRE 1958 DOUZIÈME LÉGISLATURE Enregistré à la Présidence de l Assemblée nationale le 8 juin 2004. PROPOSITION DE LOI visant à établir un lien entre le bon

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème. I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous

Plus en détail

De la mesure à l analyse des risques

De la mesure à l analyse des risques De la mesure à l analyse des risques Séminaire ISFA - B&W Deloitte Jean-Paul LAURENT Professeur à l'isfa, Université Claude Bernard Lyon 1 laurent.jeanpaul@free.fr http://laurent.jeanpaul.free.fr/ 0 De

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

Modélisation des risques

Modélisation des risques 2 Modélisation des risques 2. Introduction L objectif de ce chapitre est de présenter les modèles de base utilisés pour décrire le comportement aléatoire d un risque en actuariat pour une période xe. Les

Plus en détail

Examen d accès - 1 Octobre 2009

Examen d accès - 1 Octobre 2009 Examen d accès - 1 Octobre 2009 Aucun document autorisé - Calculatrice fournie par le centre d examen Ce examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

Plus en détail

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation.

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation. Travaux Dirigés de Probabilités - Statistiques, TD 4 Lois limites ; estimation. Exercice 1. Trois machines, A, B, C fournissent respectivement 50%, 30%, 20% de la production d une usine. Les pourcentages

Plus en détail

L impact de la sinistralité passée sur la sinistralité future : Approche empirique en assurance automobile

L impact de la sinistralité passée sur la sinistralité future : Approche empirique en assurance automobile ARTICLES ACADÉMIQUES ACADEMIC ARTICLES Assurances et gestion des risques, vol. 78(1-2), avril-juillet 2010, 71-91 Insurance and Risk Management, vol. 78(1-2), April-July 2010, 71-91 L impact de la sinistralité

Plus en détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée

Plus en détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,

Plus en détail

Arthur Charpentier. Université Rennes I et École polytechnique. Laurent Devineau. Milliman. Jean-Marie Nessi. Institut des actuaires

Arthur Charpentier. Université Rennes I et École polytechnique. Laurent Devineau. Milliman. Jean-Marie Nessi. Institut des actuaires MESURER LE RISQUE LORS DU CALCUL DES PROVISIONS POUR SINISTRES À PAYER Arthur Charpentier Université Rennes I et École polytechnique Laurent Devineau Milliman Jean-Marie Nessi Institut des actuaires P

Plus en détail

Lois de probabilité. Anita Burgun

Lois de probabilité. Anita Burgun Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage

Plus en détail

Baccalauréat ES Amérique du Nord 4 juin 2008

Baccalauréat ES Amérique du Nord 4 juin 2008 Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation

Plus en détail

Séries de Fourier. T f (x) exp 2iπn x T dx, n Z. T/2 f (x) cos ( ) f (x) dx a n (f) = 2 T. f (x) cos 2πn x )

Séries de Fourier. T f (x) exp 2iπn x T dx, n Z. T/2 f (x) cos ( ) f (x) dx a n (f) = 2 T. f (x) cos 2πn x ) Séries de Fourier Les séries de Fourier constituent un outil fondamental de la théorie du signal. Il donne lieu à des prolongements et des extensions nombreux. Les séries de Fourier permettent à la fois

Plus en détail

TARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé

TARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé TARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé Plan de l intervention 1 2 3 Généralités sur le fonctionnement de l assurance

Plus en détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6 ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6 ARTHUR CHARPENTIER 1 Supposons que le nombre X de coups de téléphone durant une heure suive une loi de Poisson avec moyenne λ. Sachant que P (X = 1 X 1) = 0.8, trouver

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

Exercices sur le chapitre «Probabilités»

Exercices sur le chapitre «Probabilités» Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de

Plus en détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

Plus en détail

Gender Directive Impacts opérationnels pour les assureurs

Gender Directive Impacts opérationnels pour les assureurs Gender Directive Impacts opérationnels pour les assureurs Conférence ActuariaCnam Présentation 3 1 / 0 5 / 2 0 1 2 Julien Chartier, Actuaire Manager AGENDA Introduction Partie 1 - L arrêt «Test-Achats»

Plus en détail

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre. Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences

Plus en détail

Cours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel

Cours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel Cours de gestion des risques d assurances et de théorie de la ruine Stéphane Loisel ISFA, 2005-2006 Table des matières I Modélisation de la charge sinistre : du modèle individuel au modèle collectif 5

Plus en détail

Température corporelle d un castor (une petite introduction aux séries temporelles)

Température corporelle d un castor (une petite introduction aux séries temporelles) Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature

Plus en détail

Lagrange, où λ 1 est pour la contrainte sur µ p ).

Lagrange, où λ 1 est pour la contrainte sur µ p ). Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i

Plus en détail

Tests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision

Tests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous

Plus en détail

TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION

TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun

Plus en détail

ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique

ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique Télécom ParisTech, 09 mai 2012 http://www.mathematiquesappliquees.polytechnique.edu/ accueil/programmes/cycle-polytechnicien/annee-1/

Plus en détail

SOMMAIRE. Enquête Gender Directive 31/05/2012 2

SOMMAIRE. Enquête Gender Directive 31/05/2012 2 1 SOMMAIRE Introduction Les points clés Présentation des participants à l enquête Les hypothèses de tarification en assurance vie Les hypothèses de tarification en assurance non-vie Les impacts sur le

Plus en détail

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions :

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions : Probabilités I- Expérience aléatoire, espace probabilisé : 1- Définitions : Ω : Ensemble dont les points w sont les résultats possibles de l expérience Des évènements A parties de Ω appartiennent à A une

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

MAT-3071 Processus Stochastiques

MAT-3071 Processus Stochastiques Université du Québec à Montréal Hiver 2012 Département de Mathématiques Groupe : 011 MAT-3071 Processus Stochastiques Chargée de cours : Hélène Guérin Courriel : guerin.helene@uqam.ca Merci de prendre

Plus en détail

TECH. INFOTECH # 34 Solvabilité 2 : Le calcul du capital économique dans le cadre d un modèle interne. Introduction

TECH. INFOTECH # 34 Solvabilité 2 : Le calcul du capital économique dans le cadre d un modèle interne. Introduction INFO # 34 dans le cadre d un modèle interne Comment les méthodes d apprentissage statistique peuvent-elles optimiser les calculs? David MARIUZZA Actuaire Qualifié IA Responsable Modélisation et Solvabilité

Plus en détail

Exercice : la frontière des portefeuilles optimaux sans actif certain

Exercice : la frontière des portefeuilles optimaux sans actif certain Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué

Plus en détail

L E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun

L E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun 9 L E Ç O N Marches aléatoires Niveau : Terminale S Prérequis : aucun 1 Chaînes de Markov Définition 9.1 Chaîne de Markov I Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet

Plus en détail

Méthodes de Simulation

Méthodes de Simulation Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents

Plus en détail

Calcul élémentaire des probabilités

Calcul élémentaire des probabilités Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Module 7: Chaînes de Markov à temps continu

Module 7: Chaînes de Markov à temps continu Module 7: Chaînes de Markov à temps continu Patrick Thiran 1 Introduction aux chaînes de Markov à temps continu 1.1 (Première) définition Ce module est consacré aux processus à temps continu {X(t), t R

Plus en détail

«BONUS MALUS» (exercice exploitant les changements de registre) (D après Académie de Strasbourg)

«BONUS MALUS» (exercice exploitant les changements de registre) (D après Académie de Strasbourg) «BONUS MALUS» (exercice exploitant les changements de registre) (D après Académie de Strasbourg) Le propriétaire d un véhicule automobile est tenu d assurer sa voiture auprès d une compagnie d assurances.

Plus en détail

Processus Stochastiques

Processus Stochastiques Processus Stochastiques Olivier Scaillet University of Geneva and Swiss Finance Institute Outline 1 Introduction 2 Chaînes de Markov 3 Application en assurance 4 Application en nance Processus Stochastique

Plus en détail

UNIVERSITÉ DU QUÉBEC À MONTRÉAL APPROCHE STATISTIQUE DE CALIBRATION DES SYSTÈMES BONUS-MALUS EN ASSURANCE AUTOMOBILE MÉMOIRE PRÉSENTÉ

UNIVERSITÉ DU QUÉBEC À MONTRÉAL APPROCHE STATISTIQUE DE CALIBRATION DES SYSTÈMES BONUS-MALUS EN ASSURANCE AUTOMOBILE MÉMOIRE PRÉSENTÉ ---------- - -- -- - UNIVERSITÉ DU QUÉBEC À MONTRÉAL APPROCHE STATISTIQUE DE CALIBRATION DES SYSTÈMES BONUS-MALUS EN ASSURANCE AUTOMOBILE MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN MATHÉMATIQUES

Plus en détail

Statistiques Descriptives à une dimension

Statistiques Descriptives à une dimension I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des

Plus en détail

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue

Plus en détail

Qu est-ce qu une probabilité?

Qu est-ce qu une probabilité? Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

Lois de probabilité à densité Loi normale

Lois de probabilité à densité Loi normale DERNIÈRE IMPRESSIN LE 31 mars 2015 à 14:11 Lois de probabilité à densité Loi normale Table des matières 1 Lois à densité 2 1.1 Introduction................................ 2 1.2 Densité de probabilité

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

La fonction exponentielle

La fonction exponentielle DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction

Plus en détail

Solvabilité II : Quel avenir?

Solvabilité II : Quel avenir? Solvabilité II : Quel avenir? Rapprochement MCEV et Solvabilité II Colloque Actuariat CNAM 06 octobre 2011 Actuariat réalité Plan «actuariat» - Similitudes techniques (et quelques différences) - mais objectifs

Plus en détail

COURS DE STATISTIQUE APPLIQUÉE

COURS DE STATISTIQUE APPLIQUÉE UNIVERSITE PROTESTANTE AU CONGO CENTRE CONGOLAIS-ALLEMAND DE MICROFINANCE COURS DE STATISTIQUE APPLIQUÉE Professeur Daniel MUKOKO Samba daniel_mukoko@yahoo.fr Quelques références Droesbeke, Jean-Jacques,

Plus en détail

GUIDE DU DATA MINER. Scoring - Modélisation. Data Management, Data Mining, Text Mining

GUIDE DU DATA MINER. Scoring - Modélisation. Data Management, Data Mining, Text Mining GUIDE DU DATA MINER Scoring - Modélisation Data Management, Data Mining, Text Mining 1 Guide du Data Miner Scoring - Modélisation Le logiciel décrit dans le manuel est diffusé dans le cadre d un accord

Plus en détail

Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels

Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels

Plus en détail

2. Probabilité. 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance. http://statwww.epfl.ch

2. Probabilité. 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance. http://statwww.epfl.ch 2. Probabilité 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance Probabilité et Statistiques I Chapître 2 1 2.1 Espaces de Probabilité Contenu Exemples élémentaires de probabilité,

Plus en détail

4.2 Unités d enseignement du M1

4.2 Unités d enseignement du M1 88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Optimisation des ressources des produits automobile première

Optimisation des ressources des produits automobile première EURIA EURo Optimisation produits automobile première Pauline PERROT promotion 2011 EURIA EURo 1 ère partie : contexte MMA (FFSA) MAAF (GEMA) SGAM : COVEA (AFA) GMF (GEMA) MMA : Plus 3 millions clients

Plus en détail

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation Programme des épreuves des concours externes de recrutement des personnels E1 RECRUTEMENT DES ASSISTANTS INGENIEURS DE RECHERCHE ET DE FORMATION...2 E1.1 Gestionnaire de base de données...2 E1.2 Développeur

Plus en détail

Novembre 2012 Assurance et Réassurance du Crédit Inter-Entreprises

Novembre 2012 Assurance et Réassurance du Crédit Inter-Entreprises Novembre 2012 Assurance et Réassurance du Crédit Inter-Entreprises 1 Sommaire : Situation Assurance et Réassurance Crédit Evolution de l Assurance Crédit Evolution de la Réassurance Crédit Evolution des

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

cadre du pilier 1 assurance Février 2012

cadre du pilier 1 assurance Février 2012 Mortalité, longévité, pandémie : Construire un générateur de scénarios Choix des économiques hypothèses en dans le assurance cadre du pilier 1 Version 1.2 Version 1.0 Septembre 2012 Février 2012 Frédéric

Plus en détail

1 La formule de Black et Scholes en t discret

1 La formule de Black et Scholes en t discret Université de Provence Préparation Agrégation Epreuve de Modélisation, Option Proba. Texte : La formule de Black Scholes en Finance Étienne Pardoux 1 La formule de Black et Scholes en t discret On suppose

Plus en détail

Mathématiques financières

Mathématiques financières Mathématiques financières Arnaud Triay Table des matières 1 Introduction Position du problème.1 Pricing des options........................................... Formalisme..............................................

Plus en détail