Modélisation des coûts d assurance résultant de catastrophes naturelles
|
|
- Philippe Goulet
- il y a 8 ans
- Total affichages :
Transcription
1 Modélisation des coûts d assurance résultant de catastrophes naturelles par Mathieu Boudreault Étudiant à la maîtrise en mathématiques (concentration actuariat) Université Laval (Québec) Canada Association des actuaires I.A.R.D. 28 mai
2 Association des actuaires I.A.R.D. 28 mai 2004 Page 2 de 74 Introduction Séismes Loma Prieta (Californie, 1989) Northridge (Californie, 1994) Kobe (Japon, 1995) Bam (Iran, 2003) Ouragans Hugo (Côte Est américaine, 1989) Andrew (Côte Est américaine, 1992) Inondations Saguenay (1996) Manitoba (1997) 1. Source : U.S. Geological Survey Photo prise à Oakland après le séisme d intensité 7.1 (Richter) de Loma Prieta en Photo prise à Anchorage après le séisme d intensité 9.2 (Richter) de 1964 en Alaska 2 2. Source : Encarta
3 Association des actuaires I.A.R.D. 28 mai 2004 Page 3 de 74 Introduction Lors d une catastrophe tous les risques couverts sont touchés partiellement entièrement Catastrophes entraînent des coûts élevés compagnies d assurances vie compagnies d assurances IARD compagnies de réassurance divers paliers de gouvernements Photo prise à Kobe (Japon) après le séisme d intensité 7.2 survenu en Photo prise à Mexico (Mexique) après le séisme d intensité 8.1 survenu en Source : Encarta
4 Association des actuaires I.A.R.D. 28 mai 2004 Page 4 de 74 Introduction Besoin de modéliser de façon adéquate les coûts des catastrophes Examine les dommages matériels aux édifices assurés suite à un tremblement de terre Haut: Photo prise à La Baie pendant les inondations au Saguenay en Gauche : Photo prise à Jonquière pendant les inondations au Saguenay en Source : La Maison de la Presse, Chicoutimi 2. Source : Centre canadien de télédétection, Ressources naturelles, Canada
5 Association des actuaires I.A.R.D. 28 mai 2004 Page 5 de 74 Plan de la présentation Modélisation générale Coûts par contrat Coûts pour un portefeuille Modélisation des composantes d une catastrophe Intensité Dommages Fréquence Exemple numérique Séismes de la Californie Comparaison de la distribution du nombre de séismes Évaluation des pertes individuelles Évaluation des pertes pour un portefeuille Conclusion
6 Association des actuaires I.A.R.D. 28 mai 2004 Page 6 de 74 Modélisation générale Coûts par contrat Coûts pour un portefeuille
7 Association des actuaires I.A.R.D. 28 mai 2004 Page 7 de 74 Modélisation générale Introduction Types de catastrophes naturelles Tremblements de terre Ouragans Inondations Inspirée de Cossette et.al. (2003) «Modelling Catastrophes and Their Impact On Insurance Portfolios», North American Actuarial Journal, Octobre 2003
8 Association des actuaires I.A.R.D. 28 mai 2004 Page 8 de 74 Modélisation générale Introduction Objectifs du modèle Être en mesure de calculer coûts en sinistres pour chacun des édifices couverts à la suite de catastrophes coûts en sinistres pour le portefeuille à la suite de catastrophes En tenant compte du fait que si une catastrophe survient dans une région impact sur tous les risques couverts de la région
9 Association des actuaires I.A.R.D. 28 mai 2004 Page 9 de 74 Modélisation générale Introduction Trois composantes principales Fréquence des catastrophes Intensité d une catastrophe Fréquence et intensité sont des fonctions de caractéristiques naturelles d une région spécifique. Dommages causés par la catastrophe Dommages sont fonction de Intensité Édifice assuré
10 Association des actuaires I.A.R.D. 28 mai 2004 Page 10 de 74 Coûts par contrat Pertes individuelles totales Pertes encourues par le contrat i, notées par X i, est une fonction du nombre de catastrophes (a) du coût de chacune des catastrophes (b) (a) v.a. N(t) = nombre de catastrophes sur une période de temps [0,t[ (b) v.a. C i,k = coût de la k-ème catastrophe pour le i-ème contrat
11 Association des actuaires I.A.R.D. 28 mai 2004 Page 11 de 74 Coûts par contrat Pertes individuelles totales v.a. X i = pertes encourues par le i-ème contrat X i Par hypothèse, les v.a. C i,1, C i,2,... sont indépendantes ( t ) N C = k = 1 0, i, k identiquement distribuées () t () t indépendantes de la fréquence N(t), N N > = 0 0
12 Association des actuaires I.A.R.D. 28 mai 2004 Page 12 de 74 Coûts par contrat Pertes individuelles à chacune des catastrophes Coûts en sinistres à la suite de la k-ème catastrophe fraction de la valeur de la propriété assurée (b i ) C b i, k = Ui, k v.a. U i,k = proportion de dommages à la propriété i lors de la k-ème catastrophe compris entre 0 et 1 fonction de l intensité de la catastrophe (I k ) v.a. I k = intensité de la k-ème catastrophe supposées i.i.d. i
13 Association des actuaires I.A.R.D. 28 mai 2004 Page 13 de 74 Coûts par contrat Conclusion À la k-ème catastrophe toutes les proportions de dommages du portefeuille (U 1,k,, U n,k ) sont fonction de l intensité I k Conséquences U 1,k,, U n,k sont des v.a. dépendantes X 1,, X n sont des v.a. dépendantes Illustration Intensité Proportion de dommage Assuré # 1 Proportion de dommage Assuré # 2 Proportion de dommage Assuré # n
14 Association des actuaires I.A.R.D. 28 mai 2004 Page 14 de 74 Coûts par contrat Conclusion Hypothèse importante : une fois l intensité du séisme connue les assurés deviennent stochastiquement indépendants (indépendance conditionnelle) Illustration Intensité connue Proportion de dommage Assuré # 1 Intensité connue Proportion de dommage Assuré # 2 Intensité connue Proportion de dommage Assuré # n
15 Association des actuaires I.A.R.D. 28 mai 2004 Page 15 de 74 Coûts totaux pour le portefeuille v.a. S TOT = coûts totaux en catastrophes pour un assureur dans une région donnée v.a. S TOT = somme de toutes les pertes encourues pour chacun des contrats dans la région i= 1 n contrats dans le portefeuille S TOT = n X i
16 Association des actuaires I.A.R.D. 28 mai 2004 Page 16 de 74 Modélisation des composantes d une catastrophe Intensité Dommages Fréquence
17 Association des actuaires I.A.R.D. 28 mai 2004 Page 17 de 74 Intensité d un séisme On utilise l échelle modifiée de Mercalli (Modified Mercalli Index) 12 niveaux d intensité (I à XII) Simple d utilisation et d interprétation Basée sur l ampleur des dommages observés Utilisée par certaines études afin de relier l intensité et la proportion de dommages
18 Association des actuaires I.A.R.D. 28 mai 2004 Page 18 de 74 Intensité d un séisme Source : Encarta
19 Association des actuaires I.A.R.D. 28 mai 2004 Page 19 de 74 Intensité d un séisme On ne considère que les séismes pouvant créer des dégâts matériels importants au moins MMI-VI (environ Richter 5.5 à 6) Une v.a. discrète finie peut donc bien décrire l intensité
20 Association des actuaires I.A.R.D. 28 mai 2004 Page 20 de 74 Dommages (étant donné l intensité du séisme) On modélise les dommages qui résultent directement d un séisme On sait que C i, k = Ui, k bi La v.a. U i,k doit être reliée à Intensité du séisme Propriétés de l édifice assuré (matériaux utilisés, nombre d étages, etc.)
21 Association des actuaires I.A.R.D. 28 mai 2004 Page 21 de 74 Dommages (étant donné l intensité du séisme) Problème : Comment définir la v.a. U i,k afin de tenir compte de ces deux caractéristiques? Exemple de solution : Étude de l ATC (1985) S applique aux édifices nord-américains Classification des édifices en 91 différents types Différents experts (séismologues, ingénieurs civils, architectes) ont été interrogés Avis sur la proportion de dommage que subirait chaque type d édifice pour toutes les intensités MMI- VI à XII Les proportions de dommage sont fournies par l étude
22 Association des actuaires I.A.R.D. 28 mai 2004 Page 22 de 74 Dommages (étant donné l intensité du séisme) Étant donné l intensité du séisme, la v.a. U i,k est supposée avoir une distribution Bêta Support fini entre 0 et 1 Facile d obtenir plusieurs formes de distribution Une méthode de calibration de ces résultats est aussi expliquée dans l étude de l ATC
23 Association des actuaires I.A.R.D. 28 mai 2004 Page 23 de 74 Fréquence des séismes Introduction On modélise le nombre de séismes sur un horizon donné On suppose que les séismes créeront des dommages (MMI-VI à XII) 2 types de processus de renouvellement Ordinaire Stationnaire Le processus de Poisson est un cas particulier d un processus de renouvellement
24 Association des actuaires I.A.R.D. 28 mai 2004 Page 24 de 74 Fréquence des séismes Processus de dénombrement W 1, W 2, : v.a. du temps écoulé entre deux événements (waiting time). W 1 = temps qu il faut pour obtenir un 1er événement. T n = moment précis du n-ème événement n T n = W t t= 1 W 1 W 2 W 3 W 4 Temps Temps 0 T 1 T 2 T 3 T 4
25 Association des actuaires I.A.R.D. 28 mai 2004 Page 25 de 74 Fréquence des séismes Processus de dénombrement Processus de dénombrement est un processus stochastique qui compte le nombre d événements (séismes) dans la période [0,t[ N () t = sup{ n : T < t} { 0,1,2,... } n N(t) = 3 W 1 W 2 W 3 W 4 Temps Temps 0 T 1 T 2 T 3 t T 4
26 Association des actuaires I.A.R.D. 28 mai 2004 Page 26 de 74 Fréquence des séismes Processus de dénombrement si les v.a. W 1, W 2, sont i.i.d., alors processus de dénombrement = processus de renouvellement ordinaire si les v.a. W 2, W 3, sont i.i.d. et W 1 a une certaine distribution, alors processus de dénombrement = processus de renouvellement stationnaire
27 Association des actuaires I.A.R.D. 28 mai 2004 Page 27 de 74 Fréquence des séismes Processus de renouvellement Caractéristiques du processus sont influencées par le choix de la distribution du temps entre les événements (W t ) distribution Exponentielle processus de Poisson distribution Weibull processus de renouvellement Weibull Processus de dénombrement Processus de renouvellement ordinaire Processus stochastique Processus de Poisson Processus de renouvellement Weibull Autres types de processus stochastiques Processus de renouvellement stationnaire
28 Association des actuaires I.A.R.D. 28 mai 2004 Page 28 de 74 Fréquence des séismes Processus de renouvellement Le nombre d événements sera aussi influencé par le taux d échec de la distribution du temps entre les événements. Interprétation Taux d échec Strictement croissant (IFR) Strictement décroissant (DFR) Constant (CFR) Conséquence «Probabilité» croissante dans le temps «Probabilité» décroissante dans le temps «Probabilité» constante dans le temps
29 Association des actuaires I.A.R.D. 28 mai 2004 Page 29 de 74 Fréquence des séismes Processus de renouvellement La fréquence des séismes peut être interprétée intuitivement comme un phénomène IFR Toutefois, cette interprétation dépend de la sélection des données Source : Encarta
30 Association des actuaires I.A.R.D. 28 mai 2004 Page 30 de 74 Fréquence des séismes Problématique de la sélection des données avec les processus de renouvellement Qualité des vieilles données Précision de l intensité observée Précision de la localisation de l épicentre Instruments assez sensibles pour enregistrer tous les séismes? Inclusion des répliques sismiques (aftershocks) Impacts certain sur la distribution du temps entre les séismes
31 Association des actuaires I.A.R.D. 28 mai 2004 Page 31 de 74 Fréquence des séismes Problématique de la sélection des données avec les processus de renouvellement Localisation des séismes et choix des séismes dans la sélection des données Séisme de 7 à Charlevoix peut être ressenti à Montréal mais pas un séisme de 5. L étendue de la région à modéliser Trop petite «manque» de données Trop grande «trop» de données
32 Association des actuaires I.A.R.D. 28 mai 2004 Page 32 de 74 Fréquence des séismes Problématique de la sélection des données avec les processus de renouvellement Ces 4 problématiques affectent grandement la sélection des données la distribution du temps entre les séismes. Même si intuitivement, le temps entre les séismes peut être IFR choisir une plus grande région ou inclure dans les données les séismes de plus faible intensité peut «transformer» la distribution du temps entre les séismes en phénomène CFR ou DFR
33 Association des actuaires I.A.R.D. 28 mai 2004 Page 33 de 74 Fréquence des séismes Choix de la distribution du temps entre les séismes Brillinger(1993) avait suggéré l utilisation de la distribution Weibull Avec les séismes de la Californie distribution Weibull avait un taux d échec croissant (IFR) D autres distributions peuvent être utilisées : Gamma, Pareto, etc. D autres données «suggèrent» aussi l utilisation de la distribution Weibull séismes de la Colombie-Britannique
34 Association des actuaires I.A.R.D. 28 mai 2004 Page 34 de 74 Fréquence des séismes Calcul «exact» de la distribution du nombre de séismes Temps entre les séismes a une dist. Exponentielle le processus de dénombrement est un processus de λt k Poisson avec e ( ( ) ( ) ) ( λt) Pr N t + s N s = k =, s, t > 0 k! Temps entre les séismes a une dist. Weibull (par ex.) ( () ) ( t) Pr( T t) Pr N t k = Pr T numériquement = k k +1 doit être évaluée on ne connaît pas la forme explicite de la v.a. T k.
35 Association des actuaires I.A.R.D. 28 mai 2004 Page 35 de 74 Fréquence des séismes Calcul «exact» de la distribution du nombre de séismes Méthode numérique Approximation Gamma Approximation dite «Poissonnienne» de Lomnicki Algorithme de DePril Transformée de Fourier rapide (FFT) Avantages Simple d application Très rapide Grande précision Simple d application Algo. fourni dans plusieurs logiciels Plus rapide que DePril Grande précision Inconvénients Précision douteuse Complexe Très lente pour des grandes valeurs de k. Grande discrétisation requise Grande discrétisation requise
36 Association des actuaires I.A.R.D. 28 mai 2004 Page 36 de 74 Exemple numérique Comparaison de la distribution du nombre de séismes Évaluation des pertes individuelles Évaluation des pertes pour un portefeuille
37 Association des actuaires I.A.R.D. 28 mai 2004 Page 37 de 74 Exemple numérique: Californie Comparaison de la distribution du nombre de séismes 12 séismes majeurs (MMI-VI à XII) depuis 1857 Estimation : maximum de vraisemblance Présence de données censurées Déterminer la meilleure distribution pour le temps entre les événements Choix entre Exponentielle ou Weibull Test du rapport des vraisemblances Seuil observé de Loi Weibull est plus appropriée pour les données de la Californie
38 Association des actuaires I.A.R.D. 28 mai 2004 Page 38 de 74 Exemple numérique: Californie Comparaison de la distribution du nombre de séismes Fonctions de masse de probabilité pour le nombre d événements pour les processus de Poisson et de renouvellement Weibull ordinaire (lire les graphiques de droite à gauche)
39 Association des actuaires I.A.R.D. 28 mai 2004 Page 39 de 74 Exemple numérique: Californie Comparaison de la distribution du nombre de séismes Derniers graphiques révèlent processus de Poisson implique plus d incertitude quant au nombre de séismes qu avec le processus de renouvellement Weibull Les graphiques suivants comparent espérance du nombre de séismes variance du nombre de séismes
40 Association des actuaires I.A.R.D. 28 mai 2004 Page 40 de 74 Exemple numérique: Californie Comparaison de la distribution du nombre de séismes 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 Processus de Poisson Proc. de ren. Weibull ordinaire Proc. de ren. Weibull stationnaire Espérance du nombre d événements pour les processus de Poisson et de renouvellement Weibull (ordinaire et stationnaire)
41 Association des actuaires I.A.R.D. 28 mai 2004 Page 41 de 74 Exemple numérique: Californie Comparaison de la distribution du nombre de séismes 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 Processus de Poisson Proc. de ren. Weibull ordinaire Proc. de ren. Weibull stationnaire Variance du nombre d événements pour les processus de Poisson et de renouvellement Weibull (ordinaire et stationnaire)
42 Association des actuaires I.A.R.D. 28 mai 2004 Page 42 de 74 Exemple numérique: Californie Comparaison de la distribution du nombre de séismes Justification de ces résultats Loi Weibull pour cet échantillon est fortement IFR Pour les processus de renouvellement ordinaire Si la distribution du temps entre les événements est IFR: l espérance du nombre d événements est toujours inférieure par rapport à un processus de Poisson DFR: l inverse se produit Voir Grandell(1991) et Szekli(1995)
43 Association des actuaires I.A.R.D. 28 mai 2004 Page 43 de 74 Exemple numérique: Californie Comparaison de la distribution du nombre de séismes Pour les processus de renouvellement stationnaire Si la distribution du temps entre les événements est IFR ou DFR : l espérance du nombre d événements reste la même. Voir Grandell(1991) et Szekli(1995)
44 Association des actuaires I.A.R.D. 28 mai 2004 Page 44 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Intensité Il y a eu 12 séismes majeurs (MMI-VI à XII) depuis 1857 Parmi ceux-ci, 7 séismes d intensité MMI-X Une distribution Binomiale a été jugée appropriée
45 Association des actuaires I.A.R.D. 28 mai 2004 Page 45 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Dommages Basés sur l étude de l ATC La sévérité des dommages est fortement liée à l intensité du séisme et à la structure de l édifice assuré On suppose que l édifice assuré vaut $ Graphiques Fonction de répartition des pertes en fonction de la structure de l édifice assuré sachant qu une catastrophe se produit Même graphique, sachant qu un séisme d intensité MMI-X (Richter 7) s est produit
46 Association des actuaires I.A.R.D. 28 mai 2004 Page 46 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Dommages 1 Maison avec structure de métal 0,9 (f.c. 2) 0,8 Maison mobile (f.c. 23) Cumulated probability 0,7 0,6 0,5 0,4 0,3 0,2 0,1 Maison avec maçonnerie non renforcée (f.c. 75) f.c. signifie facility class f.c. 1 f.c. 2 f.c. 3 f.c. 6 f.c. 23 f.c Losses Fonction de répartition des dommages subis par chaque type propriété en supposant qu un séisme est survenu (Graphique de ( x) ) FC i, k
47 Association des actuaires I.A.R.D. 28 mai 2004 Page 47 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Dommages Maison avec 1 structure de métal (f.c. 2) 0,9 0,8 Maison mobile (f.c. 23) Cumulative probability 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 Maison avec maçonnerie non renforcée (f.c. 75) f.c. signifie facility class f.c. 1 f.c. 2 f.c. 3 f.c. 6 f.c. 23 f.c Losses Fonction de répartition des dommages subis par chaque type propriété en supposant qu un séisme d intensité MMI-X est survenu (Graphique de F ( x) C 10 i, k Ik =
48 Association des actuaires I.A.R.D. 28 mai 2004 Page 48 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Dommages Intuitivement Une maison avec une structure de métal subira moins de dommages qu une maison mobile qu une maison avec une structure en maçonnerie non renforcée.
49 Association des actuaires I.A.R.D. 28 mai 2004 Page 49 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Résultats On considère une maison en structure de bois ayant une valeur de $ Les résultats sont déterminés à l aide de la simulation ( simulations) Le comportement aléatoire des pertes individuelles est fortement influencé par la fréquence des séismes, qui est aussi influencé par la distribution du temps entre les sinistres le choix des données
50 Association des actuaires I.A.R.D. 28 mai 2004 Page 50 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Résultats Espérance annuelle des coûts 1ère année après le séisme Processus de Poisson 1100$ Processus de renouvellement Weibull (ordinaire et stationnaire) 51$ 1082$ 2e année après le séisme 1061$ 140$ 1072$ 3e année après le séisme 1089$ 241$ 1011$ 5e année après le séisme 1079$ 505$ 1187$ 10e année après le séisme 1121$ 1012$ 998$ Interprétation : la croissance de la prime annuelle reflète l augmentation de la probabilité d observer un séisme
51 Association des actuaires I.A.R.D. 28 mai 2004 Page 51 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Résultats Espérance annuelle des coûts (sur une période de 5 ans) Processus de Poisson Processus de renouvellement Weibull (ordinaire et stationnaire) Tout juste après le séisme 5302$ 1308$ 5412$ 5 ans après le séisme 5567$ 4060$ 5352$ 10 ans après le séisme 5512$ 5386$ 5433$ 15 ans après le séisme 5419$ 5580$ 5525$ Même interprétation que précédemment
52 Association des actuaires I.A.R.D. 28 mai 2004 Page 52 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Résultats Graphique de l espérance et de la variance des coûts pour un assuré Pertes espérées Proc. de ren. Weibull ordinaire Proc. de ren. Weibull stationnaire Processus de Poisson Variance des pertes 0 2*10^8 4*10^8 6*10^8 8*10^8 10^9 Proc. de ren. Weibull ordinaire Proc. de ren. Weibull stationnaire Processus de Poisson t t Espérance et variance des coûts pour un assuré en fonction du temps
53 Association des actuaires I.A.R.D. 28 mai 2004 Page 53 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Résultats La faible variance observée dans la fréquence des séismes se reflète aussi dans la variance des coûts La variance des coûts avec le processus de renouvellement Weibull (ordinaire ou stationnaire) est plus faible qu avec le processus de Poisson.
54 Association des actuaires I.A.R.D. 28 mai 2004 Page 54 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Résultats Mesures de risque basées sur la queue de la distribution (Tail risk measures) Value-at-Risk (VaR) au niveau α Fonction quantile Populaire en finance Conditional Tail Expectation (CTE) au niveau α Espérance d une variable aléatoire SACHANT que les coûts sont strictement supérieurs à la valeur au risque au niveau α Aussi connu sous le nom de Conditional VaR ou CVaR
55 Association des actuaires I.A.R.D. 28 mai 2004 Page 55 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Résultats Mesures de risque basées sur la queue de la distribution (Tail risk measures) Illustration avec un niveau α de 80% 80% de probabilité 20% de probabilité x Fonction de densité d une distribution de sinistres quelconque
56 Association des actuaires I.A.R.D. 28 mai 2004 Page 56 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Résultats Mesures de risque basées sur la queue de la distribution (Tail risk measures) Autre illustration Échantillon aléatoire ordonné de 101 observations 1er percentile est la 2e donnée Médiane est la 51e donnée VaR au niveau 90% est la 11e donnée à partir de la fin CTE au niveau 90% est la moyenne des 10 dernières données (puisqu on considère les données strictement supérieures au VaR)
57 Association des actuaires I.A.R.D. 28 mai 2004 Page 57 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Résultats Value-at-Risk et Conditional Tail Expectation aux niveaux 90% et 95% : Résultats semblables à ceux obtenus avec la variance
58 Association des actuaires I.A.R.D. 28 mai 2004 Page 58 de 74 Exemple numérique: Californie Évaluation des pertes individuelles - Résultats Prime stop-loss avec une franchise de $ (10%) Couverture Processus de Poisson Processus de renouvellement Weibull (ordinaire et stationnaire) 1 an 491$ 21$ 451$ 2 ans 976$ 75$ 921$ 5 ans 2617$ 543$ 2411$ 10 ans 6136$ 2378$ 5187$ 50 ans 44962$ 38816$ 43687$ Même interprétation que précédemment
59 Association des actuaires I.A.R.D. 28 mai 2004 Page 59 de 74 Exemple numérique: Californie Évaluation des pertes pour un portefeuille - Résultats On considère un portefeuille arbitraire de 500 contrats avec des maisons ayant différentes valeurs et structures Les résultats sont déterminés à l aide de la simulation ( simulations) Conclusions sensiblement les mêmes que pour un seul contrat car tous les assurés dépendent tous de l occurrence et de l intensité du séisme (qui est le même pour tous)
60 Association des actuaires I.A.R.D. 28 mai 2004 Page 60 de 74 Exemple numérique: Californie Évaluation des pertes pour un portefeuille - Résultats Expected costs 0 2*10^7 4*10^7 6*10^7 Graphique de l espérance et de la variance des coûts totaux pour le portefeuille Poisson process Weibull renewal process Variance of costs 0 5*10^14 10^15 1.5*10^15 Poisson process Weibull renewal process Time t Time t Espérance et variance des coûts pour le portefeuille en fonction du temps
61 Association des actuaires I.A.R.D. 28 mai 2004 Page 61 de 74 Conclusion Sommaire Points à considérer dans la tarification des contrats Développements futurs Approches alternatives
62 Association des actuaires I.A.R.D. 28 mai 2004 Page 62 de 74 Conclusion Sommaire La fréquence des séismes est une caractéristique très importante dans l évaluation des pertes encourues Elle est aussi difficile à modéliser étant donné la sélection des données Voir problématique de la sélection des données
63 Association des actuaires I.A.R.D. 28 mai 2004 Page 63 de 74 Conclusion Sommaire Dans l exemple précédent, l utilisation du processus de Poisson afin de modéliser la fréquence des séismes peut amener une évaluation inadéquate des primes et des réserves surtout si le dernier séisme est récent L exemple précédent suggère donc une allocation différente de l argent dans le temps peu d argent est nécessaire peu après le séisme beaucoup plus à mesure que le temps avance
64 Association des actuaires I.A.R.D. 28 mai 2004 Page 64 de 74 Conclusion Points à considérer dans la tarification des contrats Dans les pages précédentes, nous avons calculé les valeurs de différentes mesures de risque Classiques : espérance et variance Basées sur la queue de la distribution : VaR et CTE En assurance vie et IARD, les mesures classiques sont relativement sécuritaires car Très grand nombre de contrats Par la loi des grands nombres, ajouter des contrats indépendants diminue la variance des coûts moyens
65 Association des actuaires I.A.R.D. 28 mai 2004 Page 65 de 74 Conclusion Points à considérer dans la tarification des contrats En assurance de risques catastrophiques, les contrats sont stochastiquement dépendants : Impacts : Avec un très grand nombre de contrats, la variance des coûts moyens ne deviendra pas nulle. Augmenter le nombre de contrats n élimine pas complètement le risque. Tarification d un contrat individuel doit donc considérer la présence des autres contrats dans le portefeuille
66 Association des actuaires I.A.R.D. 28 mai 2004 Page 66 de 74 Conclusion Points à considérer dans la tarification des contrats En assurance de risques catastrophiques, les contrats sont stochastiquement dépendants : Une diversification géographique peut être bénéfique En supposant que le risque de séisme est indépendant d une région à l autre. L assureur peut partager le risque avec : Assuré (avec une franchise ou coassurance) Réassureur (avec un traité de réassurance stoploss) Gouvernement (constitution d un fonds) Marchés financiers (avec des produits financiers comme CAT-bonds)
67 Association des actuaires I.A.R.D. 28 mai 2004 Page 67 de 74 Conclusion Points à considérer dans la tarification des contrats En plus des points précédents, la prime doit tenir compte : Capital actuellement disponible Peu importe la prime calculée, si un séisme survient relativement tôt, les primes ne seront pas suffisantes pour couvrir les coûts. Toutefois, dans le modèle avec temps d attente Weibull, les primes futures reçues à court terme serviront à renflouer le capital puisque la probabilité d obtenir un autre séisme est minime. Ce n est pas le cas avec le processus de Poisson car cette probabilité ne dépend pas du temps écoulé depuis le dernier sinistre.
68 Association des actuaires I.A.R.D. 28 mai 2004 Page 68 de 74 Conclusion Points à considérer dans la tarification des contrats En plus des points précédents, la prime doit tenir compte : Temps écoulé entre le dernier séisme et le moment du calcul de la prime Le modèle avec temps d attente Weibull suggère une prime plus élevée lorsque ce temps est plus grand. Ce n est pas le cas avec le processus de Poisson.
69 Association des actuaires I.A.R.D. 28 mai 2004 Page 69 de 74 Conclusion Points à considérer dans la tarification des contrats En plus des points précédents, la prime doit tenir compte : Durée du contrat et horizon de planification Comment répartir les coûts pendant la durée du contrat et/ou l horizon de planification? Avec le processus de Poisson, cette question est simple à répondre puisque le comportement des coûts est le même pour toutes les périodes de même durée. Avec le processus de renouvellement Weibull, les «coûts» augmentent avec le temps.
70 Association des actuaires I.A.R.D. 28 mai 2004 Page 70 de 74 Conclusion Développements futurs Ajouter une fonction d atténuation déterministe ou stochastique afin de considérer la distance entre l épicentre et la propriété assurée. Rendre la variable aléatoire de l intensité une fonction qui dépend du temps écoulé entre deux séismes. Examiner des méthodes pour le calcul des primes et des réserves afin de conserver la solvabilité du volet protection contre les séismes dans le contexte du processus de renouvellement Weibull.
71 Association des actuaires I.A.R.D. 28 mai 2004 Page 71 de 74 Conclusion Approches alternatives Statistiques spatiales et les marked point processes Utiliser des modèles probabilistes pour expliquer les phénomènes physiques sous-jacents aux séismes ainsi que les dommages causés aux édifices Par exemple, ajouter un terme aléatoire dans certaines équations géophysiques Des firmes de recherche telles que AIR (Applied Insurance Research) utilisent cette approche.
72 Association des actuaires I.A.R.D. 28 mai 2004 Page 72 de 74 Bibliographie Applied Technology Council (ATC) (1985). Earthquake damage evaluation data for California, ATC-13, San Francisco. Boudreault, M. (2003). Modeling and Pricing Earthquake Risk, Concours de recherche actuarielle SCOR Canada Brillinger, D. R. (1993). Earthquake Risk and Insurance, Environmetrics, 1993, 4(1): Cossette, H., Duchesne, T., Marceau, E. (2003). Modelling Catastrophes and Their Impact On Insurance Portfolios, North American Actuarial Journal, Vol. 7, No 4. Cossette, H., Duchesne, T., Marceau, E. (2003). Two General Frameworks for Risk Modeling Applied to Catastrophe Insurance, 37 th Actuarial Research Conference
73 Association des actuaires I.A.R.D. 28 mai 2004 Page 73 de 74 Bibliographie Grandell, J. (1991). Aspects of risk theory. Springer Series in Statistics. Probability and its Applications. Springer-Verlag, New York Lomnicki, Z. A. (1966). A note on the Weibull Renewal Process. Biometrika 53, 3 and 4, Szekli, R. (1995), Stochastic Ordering and Dependence in Applied Probability, Lecture Notes in Statistics 97. Springer-Verlag, New York
74 Association des actuaires I.A.R.D. 28 mai 2004 Page 74 de 74 Questions??
Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
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
Plus en détailMesure 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 détailActuariat 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 détailModélisation 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 détailFINANCEMENT OPTIMAL DE LA SOLVABILITE D UN ASSUREUR
FINANCEMENT OPTIMAL DE LA SOLVABILITE D UN ASSUREUR Guillaume PLANTIN GREMAQ Université Toulouse I 1 La détermination d un plan de réassurance optimal est une des applications les plus classiques de la
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailProcessus 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 détailTable 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 détailContribution sur le thème relatif au point de vue et au rôle des actuaires vis-à-vis des nouvelles normes comptables
Valorisation du risque IARD et nouvelles normes comptables Mathieu Gatumel et Guillaume Gorge Axa Group Risk Management 9 avenue de Messine 75008 Paris Tel. : +33 1 56 43 78 27 Fax : +33 1 56 43 78 70
Plus en détailRésumé 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 détail5255 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 détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailModélisation 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 détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailÉtablissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité
Ébauche de note éducative Établissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité Commission des rapports financiers
Plus en détail14. Introduction aux files d attente
14. Introduction aux files d attente MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: Files d attente 1/24 Plan 1. Introduction 2. Modèle M/M/1 3. Modèle M/M/1/K MTH2302D: Files
Plus en détailProduction des Services d Assurance non-vie selon le SCN 2008
REPUBLIQUE DU CAMEROUN Paix - Travail Patrie ---------- INSTITUT NATIONAL DE LA STATISTIQUE ---------- REPUBLIC OF CAMEROON Peace - Work Fatherland ---------- NATIONAL INSTITUTE OF STATISTICS ----------
Plus en détailLe rôle de CCR dans le régime d indemnisation des catastrophes naturelles. Séisme de Lambesc (1909 - Sud-est de la France)
Le rôle de CCR dans le régime d indemnisation des catastrophes naturelles. Séisme de Lambesc (1909 - Sud-est de la France) MACIF le 12 mai 2013 1 Rôle de la réassurance fractionner les risques afin de
Plus en détailSAS ENTERPRISE MINER POUR L'ACTUAIRE
SAS ENTERPRISE MINER POUR L'ACTUAIRE Conférence de l Association des Actuaires I.A.R.D. 07 JUIN 2013 Sylvain Tremblay Spécialiste en formation statistique SAS Canada AGENDA Survol d Enterprise Miner de
Plus en détailACTUARIAT 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 détailMémoire 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 détailFacteurs à considérer en matière de quantification de la variabilité du passif des polices d assurances IARD
Document de recherche Facteurs à considérer en matière de quantification de la variabilité du passif des polices d assurances IARD Commission sur la gestion des risques et le capital requis Novembre 2012
Plus en détailACTUARIAT 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 détailLe 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 détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailEnjeux et défis en assurance habitation Marc-Olivier Faulkner 18 novembre 2011
Enjeux et défis en assurance habitation Marc-Olivier Faulkner 18 novembre 2011 Aviva plc AGENDA Assurance habitation des particuliers: quelques constats. Problèmes en assurance habitation. Solutions à
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailSolution 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 détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailFaculté des sciences de l administration Automne 2005
Faculté des sciences de l administration Automne 2005 Département de finance et assurance Programmes de 1er cycle Université Laval ASR-15742 GESTION DES RISQUES ET ASSURANCE Professeur: M. Gilles Bernier,
Plus en détailTARIFICATION 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 détailDe 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 détailMarges pour écarts défavorables en assurances IARD
Note éducative Marges pour écarts défavorables en assurances IARD Commission des rapports financiers des compagnies d assurances IARD Décembre 2009 Document 209138 This document is available in English
Plus en détailCONCOURS 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 détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détaildes 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 détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailModélisation du risque opérationnel Approche Bâle avancée
Modélisation du risque opérationnel Approche Bâle avancée Université Laval Conférence LABIFUL Département de Finance et Assurance 1 Mars, 2013. Ridha Mahfoudhi, Ph.D. Senior Manager Quantitative Analytics,
Plus en détailMission des sociétés d assurances pour la connaissance et la prévention des risques naturels www.mrn-gpsa.org
Une association créée en 2000 entre : Mission des sociétés d assurances pour la connaissance et la prévention des risques naturels www.mrn-gpsa.org Le régime des catastrophes naturelles et technologiques
Plus en détailCNAM 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 détailCompte rendu de l examen par le BSIF des coefficients du risque d assurance
Compte rendu de l examen par le BSIF des coefficients du risque d assurance Le présent document précise encore davantage les données et la méthodologie utilisées par le BSIF pour calculer les marges pour
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailUn actuaire dans le monde de l IARD. Par Geneviève Gagnon
Un actuaire dans le monde de l IARD Par Geneviève Gagnon Les actuaires canadiens travaillent à travers le monde Les différents domaines où pratiquent les actuaires Les employeurs Assurance de personnes
Plus en détailBaccalauréat 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 détailComment piloter une entreprise d assurance IARD sous Solvabilité II?
Comment piloter une entreprise d assurance IARD sous Solvabilité II? Journées IARD de l Institut des Actuaires Les nouveaux défis de l assurance IARD liés à Solvabilité II 11 avri l 2012 Gildas Robert,
Plus en détailCOURS 1 : RISQUE ET ASSURANCE IARD
COURS 1 : RISQUE ET ASSURANCE IARD NOTIONS DE BASE 1.1 NOTION DE RISQUE Définition d un risque (dans le contexte de l assurance) : Événement fortuit, à caractère aléatoire, et dont la matérialisation produirait
Plus en détailTSTI 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 détailFONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières
FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage
Plus en détailSolvabilité 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 détailNote Conflagration. Janvier 2010
Janvier 2010 Note Conflagration De nombreux sinistres de caractère événementiel dans le monde mettent en jeu plusieurs risques en Dommages, sans qu il s agisse d évènements naturels. On parle en général
Plus en détailLois 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 détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailSCOR Papers. Allocation de capital : cap sur la rentabilité du portefeuille. Résumé. septembre 2008 N 1
septembre 8 N 1 SCOR Papers Allocation de capital : cap sur la rentabilité du portefeuille Par Jean-Luc Besson (Chief Risk Officer), Michel Dacorogna (Head of Group Financial Modelling), Paolo de Martin
Plus en détailModélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005
Modélisation et simulation du trafic Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005 Plan de la présentation! Introduction : modèles et simulations définition
Plus en détailOù investir en 2014? Grand colloque sur la gestion des actifs des caisses de retraite
Où investir en 2014? Grand colloque sur la gestion des actifs des caisses de retraite Optimisation de la politique de placement : vers quelles classes d actifs se tourner? Stéphan Lazure Conseiller principal
Plus en détailFiltrage 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 détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailCOLLOQUE 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 détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailACTUARIAT 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 détailLA 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 détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailLigne directrice sur les simulations de crise à l intention des régimes de retraite assortis de dispositions à prestations déterminées
Ligne directrice Objet : Ligne directrice sur les simulations de crise à l intention des régimes de retraite assortis de dispositions à prestations déterminées Date : Introduction La simulation de crise
Plus en détailLe risque opérationnel - Journées IARD de l'institut des Actuaires
Le risque opérationnel - Journées IARD de l'institut des Actuaires 1 er a v r i l 2 0 1 1 Dan Chelly Directeur Métier "Risk management, Audit et Contrôle interne" SOMMAIRE Partie 1 Définition des risques
Plus en détailGestion 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 détailActivité auxiliaire Activité réputée appuyer ou assurer la prestation d un service pour faciliter les opérations d assurance ou les placements.
SECTION III Généralités Des définitions sont ajoutées aux instructions afin d aider l assureur/la société à produire ses relevés. Ces définitions ne constituent pas une liste exhaustive des termes utilisés
Plus en détailCalcul 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 détailsur votre crédit Tout connaître et les assurances
sur votre crédit Tout connaître et les assurances Introduction Le principe d équité en assurance de dommages veut que la prime reflète le risque à assurer. Un des critères utilisés par les assureurs de
Plus en détailN o : D-1A Version initiale : décembre 1997 Révision : juillet 2010
Ligne directrice Objet : (entreprises d assurance-vie) Catégorie : Comptabilité N o : D-1A Version initiale : décembre 1997 Révision : juillet 2010 Introduction La présente ligne directrice énonce les
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailJournées d études IARD de l Institut des Actuaires Risques de souscription / provisionnement
www.pwc.com Journées d études IARD de l Institut des Actuaires Risques de souscription / provisionnement Reims 31 mars 2011 Agenda Section Description 1 Une compagnie d assurance peut-elle faire faillite?
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailSOMMAIRE INTRODUCTION... 3
SOMMAIRE INTRODUCTION... 3 I - PRESENTATION DE L ENQUETE... 5 A - OBJECTIFS DE L ENQUETE...5 B - CHAMP DE L ENQUETE...5 C - DETERMINATION DES «GROUPES» DE SOCIETES...6 II - VUE D ENSEMBLE DES CESSIONS...
Plus en détailTable 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 détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détail1. Introduction 2. Localiser un séisme 3. Déterminer la force d un séisme 4. Caractériser le mécanisme de rupture d un séisme
Partie II Les paramètres des séismes Séisme: libération d énergie destructrice à partir de la magnitude 5 Prévision sismique: déterminer l aléa sismique Étude du mécanisme de rupture de la faille 1. Introduction
Plus en détailInfo-assurance Séance d information de l IASB du 19 mars 2015
www.pwc.com/ca/insurance Info-assurance Séance d information de l IASB du 19 mars 2015 Puisque divers points de vue sont analysés lors des réunions de l IASB, et qu il est souvent difficile de décrire
Plus en détailMATHÉMATIQUES. Mat-4104
MATHÉMATIQUES Pré-test D Mat-404 Questionnaire e pas écrire sur le questionnaire Préparé par : M. GHELLACHE Mai 009 Questionnaire Page / 0 Exercice ) En justifiant votre réponse, dites quel type d étude
Plus en détailProcessus 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 détailModèles 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 détailNotes techniques relatives aux dépôts des taux d assurance-automobile et des systèmes de classification des risques
Notes techniques relatives aux dépôts des taux d assurance-automobile et des systèmes de classification des risques Publiées avec le Bulletin No. A-12/01 de la Commission des services financiers de l Ontario
Plus en détailMéthodes 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 détailAssurance & Réassurance des risques de Catastrophes Naturelles L EXPERIENCE ALGERIENNE. Par Mr. Abdelmadjid OULMANE Chargé Des CAT NAT
Assurance & Réassurance des risques de Catastrophes Naturelles Par Mr. Abdelmadjid OULMANE Chargé Des CAT NAT L EXPERIENCE NNE Àla Compagnie Centrale de Réassurance -Algérie ALGERI E I- Brève présentation
Plus en détailLe 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 détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailLes débats sur l évolution des
D o c u m e n t d e t r a v a i l d e l a B r a n c h e R e t r a i t e s d e l a C a i s s e d e s d é p ô t s e t c o n s i g n a t i o n s n 9 8-0 7 C o n t a c t : La u re nt V e r n i è r e 0 1 4
Plus en détailCalcul 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 détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
Plus en détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
Plus en détailLe 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 détailConstruction de bases biométriques pour l assurance dépendance. SCOR inform - Novembre 2012
Construction de bases biométriques pour l assurance dépendance SCOR inform - Novembre 2012 Construction de bases biométriques pour l assurance dépendance Auteur Laure de Montesquieu Responsable Centre
Plus en détailRéglementation 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 détailJournées 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 détailInformation Le secteur des services financiers canadien
Les assurances multirisques au Canada Aperçu Information Le secteur des services financiers canadien L industrie canadienne des assurances multirisques couvre les risques de toutes les branches d assurance,
Plus en détailI. 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