Dynamic Financial Analysis

Mmoire prsent
devant lInstitut de Science Financire et lAssurances

le ___________________________________
pour lobtention
du Diplme dACTUAIRE de lUniversit de LYON

Par : Sadeck HAMI
Titre : LES MODELES DFA : PRESENTATION, UTILITE ET APPLICATION

Confidentialit :

Composition du jury des mmoires : Entreprise :
Membre du Jury I.A. Jol WINTER & Associs
M. J. VIGNANCOUR

Membres du jury I.S.F.A.
M. AUGROS Jean-Claude Directeur de mmoire :
M. LAURENT Jean-Paul M. PLANCHET Frdric
M. LEBOISNE Nicolas
M. PARTRAT Christian
M. QUITTARD-PINON Franois
M. SERANT Daniel

Invit : Secrtariat :
Mme GARCIA Marie-Jos
Mme ANDRES Laurence
Mme BRUNET Marie-Christine
Mme MOUCHON Marie-Claude

Bibliothque :
Mme SONNIER Michle
Btiment Doyen Jean Braconnier (101)
21 Avenue Claude Bernard
69622 Villeurbanne Cedex
Universit Claude Bernard Lyon 1
INSTITUT DE SCIENCE FINANCIERE ET ASSURANCES
Mmoire ISFA Les modles DFA : prsentation, utilit et application
- 2 -

Je tiens remercier tout particulirement Mr. Frdric PLANCHET (associ JWA Actuaires,
Professeur ISFA) pour son aide, ses conseils et surtout pour mavoir support pendant tous ces mois !

Je remercie aussi Mr. Didier RULLIERE, professeur lISFA, pour son suivi et lintrt quil a montr
lgard de mon travail. Jadresse galement ma profonde gratitude toute lquipe de JWA ainsi qu
toutes les personnes qui ont contribues llaboration de ce mmoire.

- 3 -
Rsum

Mots cls
Assurance non vie, stochastique, actif, passif, inflation, taux dintrt, obligations, actions , immobilier,
corrlation, allocation stratgique, provisionnement, primes, marge de solvabilit, rsultat, probabilit
de ruine.

Les mthodes sophistiques de mesure du risque intgrant des approches stochastiques prennent le
pas sur les mthodes dterministes, qui par le biais dtudes de sensibilit de certains facteurs ne
comblent plus les besoins danalyse des dcideurs. La Dynamic Financial Analysis (DFA), qui repose
sur la modlisation stochastique du bilan et du compte de rsultat, suscite de plus en plus lintrt des
actuaires non vie. Lobjet de ce mmoire est de prsenter ce domaine dactivit en plein essor et
certaines modlisations et mthodes qui permettent daboutir des indicateurs de risque tels que la
probabilit de ruine ou la probabilit dinsuffisance du capital.

Certaines des variables alatoires, qui interviennent dans lobtention de ces rsultats, font dj lobjet
de modlisations stochastiques standards. Il est possible de citer titre dillustration les modles de
Cox Ingersoll Ross (taux dintrt), Wilkie (inflation), Black et Scholes (actions), qui comptent
parmi les plus connus. En revanche dautres domaines, comme les mthodes stochastiques de
provisionnement, connaissent un dveloppement rapide. La mthode standard Chain Ladder est
dsormais lgitime par les mthodes plus volues telles que le modle lognormal ou les
mthodes bases sur les modles linaires gnraliss.

Une fois tous les postes du bilan modliss et agencs, un algorithme et une mthodologie
permettant daboutir lindicateur souhait sont mis en place. Etant bass sur des variables
alatoires, les modles DFA font appel aux simulations et un choix de gnrateur de nombres
alatoires performant.

Lapplication qui a t retenue pour illustrer ces mthodes est axe sur lvaluation de la probabilit
de ruine et de la probabilit dinsuffisance. Ltude de linfluence de certains facteurs sur ces
indicateurs permet de fournir des alternatives de dtermination du capital en terme de gestion contre
le risque (augmentation des fonds propres, diminution des dividendes pays aux actionnaires,
augmentation du chargement,) et par le mme biais illustre les capacits daide la dcision de cet
outil.

Rsum
- 4 -
Abstract

Keywords
Properties and casualties insurance, stochastic, assets, liabilities, inflation, interest rate, bonds,
shares, the real-estate business, correlation, strategic allocation (or best-of-breed allocation),
reserving, premiums, solvency margin, economic result (or bottom line), ruin probability.

Sophisticated methods (that include stochastic approaches) for assessing risk supplant conventional
ones. Indeed, one has to emphasize that deterministic methods which, by means of contingency
analysis of some factors, do not fulfil any more decision-makers analysis needs. Dynamic Financial
Analysis which rests on the stochastic financial modelling of the balance sheet and profit and loss
account arouse the utmost interest among properties and casualties actuaries. The purpose of this
report is to set out this developing field of activity and some financial modelling and methods which
result in risk indicators such as the ruin probability or the capital inadequacy probability.

Some of these stochastic variables, which intervene in the achievement of these economic results, are
subjected to stochastic financial modelling regarded as running well thoroughly. One can quote by
way of example the Cox Ingersoll - Ross model (interest rate), the Wilkie model (inflation), the Black
and Scholes model (shares), which rank among the most famous ones. On the other hand, reserving
stochastic methods are considered as fast-expanding fields of activity. The Chain Ladder standard
method is henceforth legitimated by more advanced methods such as the lognormal model or the
methods based on general linear models.

Once all the balance sheet items have been modelled and organized, an algorithm and a method,
which lead to the wished indicator, are set up. Since they are based on stochastic variables, DFA
models have resort to simulations and to a choice of high performance random number generator.

With regard to the application, which has been selected in order to illustrate these methods, it is
focused on the ruin probability and the inadequacy probability evaluation. The influence analysis of
some factors on these indicators enable us to supply options for the way capital and risk are managed
(increase in the shareholder funds, decrease in the dividends paid to shareholders) and hence, it
illustrates the decision support capacities of this tool.

Abstract
- 5 -
Sommaire

Introduction............................................................................................................................................ 9

PARTIE 1 : INTRODUCTION A LA DYNAMIC FINANCIAL ANALYSIS
SECTION 1 : PRESENTATION DES MODELES DFA..............................................................................................................12
A - DEFINITION.....................................................................................................................................................................12
B - HISTORIQUE DE LA DFA...............................................................................................................................................13
SECTION 2 : LES DIFFERENTES APPROCHES DE LA DFA.................................................................................................14
A - COMPARAISON AVEC LA GESTION ACTIF-PASSIF EN ASSURANCE VIE...............................................................14
B - OBJECTIFS DE LA DFA..................................................................................................................................................14
C - SCENARIO TESTING CONTRE SIMULATIONS STOCHASTIQUES............................................................................15
SECTION 3 : LES ETAPES DE CONSTRUCTION DES MODELES DFA................................................................................17
A - CHOIX DE LHORIZON TEMPOREL ..............................................................................................................................17
B - DEFINITION DE LOBJECTIF FIXE PAR LA COMPAGNIE ...........................................................................................17
C - CHOIX DES ELEMENTS VARIABLES ET DES ELEMENTS DETERMINISTES...........................................................17
D - SIMULATIONS ................................................................................................................................................................18
E - ANALYSE DES OUTPUTS ........................................................................................................................................18
SECTION 4 : SCHEMA RECAPITULATIF.................................................................................................................................20

PARTIE 2 : SPECIFICITES DE L'ASSURANCE NON VIE
CHAPITRE 1 : PRESENTATION DE LASSURANCE NON-VIE..................................................................................................22
SECTION 1 : LES PLACEMENTS.............................................................................................................................................23
A - LISTE DES PLACEMENTS AUTORISES .......................................................................................................................23
B - REGLES DE DISPERSION.............................................................................................................................................24
C - REGLES DE CONGRUENCE (R332-1 et R332-1-1) ......................................................................................................24
D - EVALUATION DES ELEMENTS DACTIFS....................................................................................................................24
SECTION 2 : LES PROVISIONS...............................................................................................................................................26
A - LA RESERVE DE CAPITALISATION..............................................................................................................................26
B - LA PROVISION POUR EGALISATION...........................................................................................................................26
C - LA PROVISION POUR RISQUE DEXIGIBILITE DES ENGAGEMENTS TECHNIQUES..............................................27
D - LA PROVISION MATHEMATIQUE DES RENTES .........................................................................................................27
E - LA PROVISION POUR PRIMES NON ACQUISES.........................................................................................................27
F - LA PROVISION POUR RISQUES EN COURS...............................................................................................................27
G - LA PROVISION POUR SINISTRES A PAYER...............................................................................................................27
H - LA PROVISION POUR RISQUE CROISSANT...............................................................................................................28
I - LA PROVISION POUR FRAIS DACQUISITION REPORTES .........................................................................................28
SECTION 3 : LA MARGE DE SOLVABILITE ............................................................................................................................29
A - PRESENTATION DE LA MARGE DE SOLVABILITE .....................................................................................................29
B - MODALITES DE CALCUL...............................................................................................................................................29
C - AVANTAGES DE LA MSR ..............................................................................................................................................30
D - INCONVENIENTS DE LA MSR.......................................................................................................................................30
SECTION 4 : BILAN SIMPLIFIE ................................................................................................................................................31
Sommaire
- 6 -
CHAPITRE 2 : IDENTIFICATION DES RISQUES ........................................................................................................................32
SECTION 1 : INVENTAIRE DES RISQUES..............................................................................................................................33
A - FREQUENCE ET GRAVITE...........................................................................................................................................33
B - LES RISQUES ASSOCIES A LA TARIFICATION...........................................................................................................34
C - RISQUES ASSOCIES AU VOLUME DES PRIMES........................................................................................................34
D - RISQUES ASSOCIES AUX DEPENSES........................................................................................................................35
E - RISQUES ASSOCIES AU TAUX DINFLATION..............................................................................................................36
F - RISQUES ASSOCIES AU TAUX DINTERET.................................................................................................................37
G - RISQUES ASSOCIES A LA DEPRECIATION DE LA VALEUR DE LACTIF.................................................................37
H - RISQUES ASSOCIES A LA REASSURANCE................................................................................................................38
I - RISQUES ASSOCIES AUX INITIATIVES GOUVERNEMENTALES ET POLITIQUES ...................................................39
J - RISQUES HORS BILAN...................................................................................................................................................39
SECTION 2 : RISQUES A PRENDRE EN COMPTE ................................................................................................................40
A - LES RISQUES TECHNIQUES ........................................................................................................................................40
B - LES RISQUES DINVESTISSEMENT.............................................................................................................................40
C - LES RISQUES NON TECHNIQUES .........................................................................................................................40

PARTIE 3 : MODELISATION DE L'ACTIF
CHAPITRE 1 : MODELISATION DE LINFLATION......................................................................................................................42
SECTION 1 : APPROCHE DE KAUFMANN - GADMER - KLETT ............................................................................................43
A - PRESENTATION.............................................................................................................................................................43
B - METHODE DES MOINDRES CARRES ORDINAIRES...................................................................................................43
C - TESTS DE VALIDITE......................................................................................................................................................44
D - METHODE DES MOINDRES CARRES QUASI GENERALISES ...................................................................................44
E - TESTS DE VALIDITE ......................................................................................................................................................45
SECTION 2 : APPROCHE DE WILKIE......................................................................................................................................46
A - PRESENTATION.............................................................................................................................................................46
B - MODELISATION..............................................................................................................................................................46
C - EXEMPLE DE RESULTAT NUMERIQUE.......................................................................................................................47
CHAPITRE 2 : MODELISATION DES TAUX DINTERET............................................................................................................48
SECTION 1 : DYNAMIQUE DES TAUX EN TEMPS CONTINU ...............................................................................................49
A - EQUATION DIFFERENTIELLE DU PRIX D UN ZERO-COUPON................................................................................49
B - MODELE DE VASICEK...................................................................................................................................................50
C - MODELE DE COX,INGERSOLL ET ROSS ....................................................................................................................51
D - LIMITES DE CES DEUX MODELES...............................................................................................................................53
E - MODELE DE HEATH-JARROW-MORTON ....................................................................................................................53
SECTION 2 : DYNAMIQUE DES TAUX EN TEMPS DISCRET................................................................................................58
A - LE MODELE DE HO ET LEE ..........................................................................................................................................58
B - LE MODELE DE BLACK, DERMAN ET TOY..................................................................................................................60
C - LE MODELE DE HULL ET WHITE .................................................................................................................................61
CHAPITRE 3 : MODELISATION DES ACTIONS..........................................................................................................................66
A - MODELISATION DANS LUNIVERS HISTORIQUE .......................................................................................................66
B - MODELISATION DANS LUNIVERS RISQUE NEUTRE ................................................................................................67
C - MODELISATION DANS LUNIVERS FORWARD NEUTRE ...........................................................................................68
CHAPITRE 4 : MODELISATION DE LIMMOBILIER....................................................................................................................70
- 7 -
CHAPITRE 5 : CORRELATION ENTRE LES ACTIFS .................................................................................................................71
A - PRESENTATION.............................................................................................................................................................71
B - DECORRELATION DES ACTIFS....................................................................................................................................72
CHAPITRE 6 : MARKOVITZ A N ACTIFS ..................................................................................................................................74

PARTIE 4 : MODELISATION DU PASSIF
CHAPITRE 1 : PROVISIONS.........................................................................................................................................................78
SECTION 1 : PRESENTATION DE LA PROBLEMATIQUE......................................................................................................79
A - PRESENTATION............................................................................................................................................................79
B - PROBLEMATIQUE..........................................................................................................................................................80
SECTION 2 : CHAIN LADDER STANDARD .............................................................................................................................82
A - PRESENTATION.............................................................................................................................................................82
B - AUTRES METHODES DETERMINISTES.......................................................................................................................83
SECTION 3 : LES METHODES STOCHASTIQUES.................................................................................................................84
A - PRESENTATION.............................................................................................................................................................84
B - LE MODELE LOGNORMAL ............................................................................................................................................84
C - LES MODELES STOCHASTIQUES GLM.......................................................................................................................86
SECTION 4 : APPROCHE PAR SIMULATIONS.......................................................................................................................90
A - PRINCIPES......................................................................................................................................................................90
B - AVANTAGES...................................................................................................................................................................90
C - NOTATIONS....................................................................................................................................................................90
D - METHODE.......................................................................................................................................................................91
SECTION 5 : PRISE EN COMPTE DE LINFLATION...............................................................................................................93
A - PRESENTATION.............................................................................................................................................................93
B - METHODOLOGIE............................................................................................................................................................93
SECTION 6 : LA TECHNIQUE DU BOOTSTRAP.....................................................................................................................95
A - PRESENTATION............................................................................................................................................................95
B - METHODOLOGIE............................................................................................................................................................95
CHAPITRE 2 : SINISTRES ET PRIMES........................................................................................................................................98

PARTIE 5 : APPLICATION
CHAPITRE 1 : SIMULATIONS....................................................................................................................................................102
CHAPITRE 2 : MISE EN PLACE, PARAMETRAGE ET RESULTATS ......................................................................................103
SECTION 1 : CHOIX DES MODELES.....................................................................................................................................104
A - LE MODELE DE TAUX DINTERET DE CIR.................................................................................................................104
B - LE MODELE DINFLATION DE KAUFMANN, GADMER ET KLETT ............................................................................105
C - LE MODELE DE BLACK ET SCHOLES POUR LES ACTIONS ...................................................................................105
D - SINISTRALITE...............................................................................................................................................................107
E - PAS DE DISCRETISATION...........................................................................................................................................107
SECTION 2 : DETERMINATION DE LA PROBABILITE DE RUINE.......................................................................................108
A - LES DIFFERENTES ETAPES.......................................................................................................................................108
B - SCHEMA RECAPITULATIF...........................................................................................................................................112
SECTION 3 : CALCUL DU RENDEMENT DU PORTEFEUILLE.............................................................................................113
- 8 -
A - INFORMATIONS A DISPOSITION ET OBJECTIFS .....................................................................................................113
B - LES DIFFERENTES ETAPES.......................................................................................................................................114
SECTION 4 : PARAMETRAGE ET ELEMENTS COMPTABLES............................................................................................119
A - PARAMETRAGE ...........................................................................................................................................................119
B - ELEMENTS COMPTABLES..........................................................................................................................................120
SECTION 5 : RESULTATS DE PROBABILITES.....................................................................................................................124
A - COURBE DE RUINE ET COURBE DINSUFFISANCE ................................................................................................124
B - DATE DE SURVENANCE .............................................................................................................................................125
C - COT MARGINAL DES PROBABILITES .....................................................................................................................125
D - INFLUENCE DU TAUX DE CHARGEMENT SUR LES PRIMES..................................................................................126
E - INFLUENCE DE LAUGMENTATION ANNUELLE DU MONTANT DES PRIMES ......................................................127
F - INTERVALLE DE CONFIANCE.....................................................................................................................................129
G - INFLUENCE DES CADENCES DE REGLEMENT .......................................................................................................131
H - PRISE EN COMPTE DE SINISTRES CATASTROPHIQUES......................................................................................132

Conclusion......................................................................................................................................... 135

Bibliographie...................................................................................................................................... 136

ANNEXES
Annexe 1 : Thormes financiers.................................................................................................... 140
Annexe 2 : Temps de simulation.141
- 9 -
Introduction

Devenue une activit incontournable en assurance vie, la gestion actif / passif (ALM) a suscit la
cration dun domaine comparable en assurance non vie. En effet, la Dynamic Financial Analysis
(DFA) est un outil de gestion et daide la dcision qui est de plus en plus usit dans les socits
dassurance IARD. Cette transition du modle de lassurance vie lassurance non vie sest effectue
en tenant compte des spcificits des risques inhrents aux deux domaines dactivit : le risque de
passif joue un rle primordial en assurance non vie alors que la volatilit du passif dune socit
dassurance vie peut tre qualifie de faible compare celle de lactif.

La DFA est une activit relativement flexible qui procure diverses opportunits danalyse ; des
indicateurs de natures relativement distinctes (probabilit de ruine, allocation stratgique dactifs, etc.)
peuvent tre obtenus partir dimplmentations spcifiques de modles DFA en vue de rpondre un
certain nombre dinterrogations :

Quel est le montant et le capital ncessaires pour lgitimer le niveau et la diversit des
risques ?
Quelles sont les branches qui crent de la valeur pour les actionnaires ?
Quel est le niveau appropri de risque catastrophique ?
Quelle est la stratgie optimale de rassurance ?

Globalement, la DFA peut tre prsente comme la modlisation stochastique de la vie et de lactivit
de la socit sur un horizon temporel donn. A une poque o les modlisations dterministes ne
satisfont plus les besoins danalyse des socits, cet aspect stochastique suscite lintrt des
dcideurs qui souhaitent avoir une meilleur comprhension des liens entre le risque et le capital et
vrifier ladquation entre le capital et le niveau dactivit.

La mise en place dune analyse dynamique soriente autour de trois ples : lactif , le
provisionnement, les primes et tarifs. Ces diffrents postes regroupent un ensemble de variables
alatoires (corrles ou non), qui, une fois relies , concourent donner loutil sa dimension
stochastique. Le nombre de facteurs prendre en compte peut voluer sensiblement selon le niveau
de complexit de modlisation souhait. Idalement, lensemble des facteurs quil serait souhaitable
dincorporer aux modles sont les suivants :

volution des taux dintrt et des taux dinflation ;
volution de la valeur des diffrents actifs : montaire, obligations, actions et immobilier ;
volution de la sinistralit des diffrentes branches considres et des cadences de rglement
associes ;
distinction entre sinistres catastrophiques et sinistres rcurrents ;
cycles de souscription.
Introduction
- 10 -

Le prsent dveloppement dtaille la faon dont le secteur actuariel a pris en compte ces diffrents
aspects et les modlisations, maintenant classiques, qui peuvent tre proposes.

Introduction la Dynamic Financial Analysis
1

1
Cette partie a t ralise partir de la synthse des documents suivants :
BEHAN D.F., FELDBLUM S., GATTIS D., [1995], Dynamic financial models of property-casuaty insurers. The Casualty
Actuarial Company.
D'ARCY S.P., GORVETT R.W., HERBERS J.A., HETTINGER T., [1997], "Building a DFA Analysis model that flies". The
Casualty Actuarial Company.
D'ARCY S.P., GORVETT R.W., HETTINGER T.E., LEHMANN S.G., MILLER M.J., [1998], "Building a public access PC-
Based DFA model". The Casualty Actuarial Company.
HETTINGER T., "Dynamic Financial Analysis in the new millemium". The Casualty Actuarial Company.
ISAAC D., BABCOCK N., "Beyond the frontier: using a DFA model to derive the cost of capital". Swiss Re investors.
KAUFMANN R., GADMER A., KLETT R., [2001], "Introduction to Dynamic Financial Analysis", Astin Bulletin.
SHAH H., NAKADA P., [1999], "Deconstructing DFA". Global Reinsurance.

PARTIE 1
- 12 -
SECTION 1 : PRESENTATION DES MODELES DFA

A - DEFINITION

Plutt que de ne sintresser qu un nombre restreint daspects du bilan, cette nouvelle mthodologie
considre le spectre complet des lments financiers de la compagnie et analyse sa sant bilantielle
dans un univers incertain et changeant. Mme si de plus en plus darticles et de confrences sont
ddis la DFA, de nombreux actuaires ne sont pas au fait de ces mthodes danalyses. Ds lors de
nombreux professionnels du domaine de lassurance ne sont pas au fait de la dfinition des diffrents
termes qui composent la mention Dynamic Financial Analysis :

Dynamic signifie stochastique ou variable. Ce terme soppose dterministe
ou statique et est utilis de faon reflter lincertitude inhrente aux revenus
futurs.

Financial reflte lintgration, dans les modles, des postes dactifs et de
passif des socits dassurance. Les approches de type DFA sopposent aux
modles qui ne visent que la partie souscription.

Analysis se dfinit comme lexamen des diffrents lments du modle et
leurs interactions.

En combinant ces diffrents lments, nous pouvons constituer une dfinition de travail qui se
prsente comme suit : La DFA est le procd danalyse et dexamen de la structure financire
complte dune compagnie dassurance, en considrant non seulement les relations entre les
diffrents postes pris en compte, mais aussi la nature stochastique des facteurs qui peuvent affecter
le rsultat .

La Dynamic Financial Analysis a connu, en quelques annes, un intrt grandissant dans le secteur
de lassurance non vie. Elle combine des mthodes et concepts non seulement conomiques mais
aussi mathmatiques. Il parat irraliste didentifier et de dcrire un seul type de mthodologie DFA ;
nous allons donc focaliser notre attention sur les lments communs la majorit des modles DFA.
On peut lgitimement se demander pour quelles raisons les assureurs montrent un intrt grandissant
pour la DFA. La rponse cette question peut nous aider prsenter le modle dans les meilleures
conditions et indiquer quels devraient tre les objectifs du procd.

- 13 -
B - HISTORIQUE DE LA DFA
2

Au cours des annes 1980, la volatilit des taux dintrts sest accrue et mis mal les revenus de
nombreuses banques amricaines. Ces dernires ont d sintresser de prs la structure de leurs
actifs et passifs et leurs relations avec les sries des revenus futurs. Elles se sont donc trouves
dans lobligation de mettre en place des outils qui permettent destimer ces sries et dtudier leurs
stabilits par rapport aux variations des taux. Le risque de taux et le risque de liquidit sont donc
apparus comme les deux principaux types de risques sur lesquels les banquiers ont port leur
attention.

Lactivit dassurance tant galement affecte par la fluctuation des taux et les mouvements des
marchs financiers, les assureurs ont t contraints, dans les annes 1990, de prvoir une analyse
Actif \ Passif. Cependant le domaine de lassurance prsente des spcificits qui ont rendu dlicate
lapplication de la gestion Actif \ Passif tel quil est connu dans le secteur bancaire. En premier lieu,
linversion du cycle de production oblige les assureurs prendre en compte le comportement des
assurs. De plus, la rglementation en vigueur les oblige constituer des provisions mathmatiques,
des rserves suffisantes, une marge de solvabilit Ce sont toutes ces spcificits qui ont conduit
la mise en place dune mthode de gestion Actif \ Passif propre lassurance
3
. Enfin, ces modles se
sont spcialiss aux deux grandes branches dassurance : la gestion actif\passif pure pour
lassurance vie et les modles DFA pour lassurance non vie.

2
Cf. D'ARCY S.P., GORVETT R.W., HERBERS J.A., HETTINGER T., [1997], "Building a DFA Analysis model that flies". The
Casualty Actuarial Company.
3
Tous ces lments sont dtaills en partie 2 de ce mmoire.
- 14 -
SECTION 2 : LES DIFFERENTES APPROCHES DE LA DFA

A - COMPARAISON AVEC LA GESTION ACTIF-PASSIF EN ASSURANCE VIE

Un modle DFA est une modlisation stochastique des principaux facteurs financiers dune
compagnie dassurance. Un bon modle devrait donc simuler stochastiquement les lments dactif,
les lments de passif mais aussi les relations entre les deux types de facteurs alatoires. De
nombreuses approches GAP
4
traditionnelles en assurance vie considrent les dettes comme plus ou
moins dterministes en considration de leur faible variabilit. Une hypothse de ce type pourrait
savrer assez pernicieuse en assurance dommage, dans la mesure o les cash flows du passif ont
une nature plus volatile. Dautre part, les compagnies dassurance dommage sont fortement sensibles
linflation (mme si lassurance vie est galement tributaire de ce paramtre), aux conditions
macroconomiques, sans oublier les cycles de souscription et la rglementation ; tous ces facteurs
compliquent la modlisation et rendent le rsultat moins certain quen assurance vie.

B - OBJECTIFS DE LA DFA

La DFA est encore loin dtre une discipline acadmique. Elle se sert de nombreux concepts et
mthodes tirs des mathmatiques et statistiques. Dautre part, noublions pas que dans le domaine
de lassurance plusieurs intrts sont en conflit : ceux des actionnaires, ceux des assurs, ceux des
commissaires contrleurs, sans oublier ceux des inspecteurs du FISC. Les modles DFA prennent en
considration ces diffrents points de vue et tentent de mettre en vidence les lments suivants :

allocation stratgique des actifs,
allocation du capital,
mesure de la performance,
stratgies de march,
tarification,
cration de produits,
etc.

Limplmentation concrte et lapplication des modles DFA dpendent de deux questions
fondamentales auxquelles nous allons tenter de donner rponse.

Quels sont les principaux bnficiaires de lanalyse DFA (actionnaires, managers ou
assurs) ?
Quels sont les objectifs principaux de la compagnie ?

4
GAP : Gestion Actif Passif
- 15 -
En effet, la mise en oeuvre des mthodes DFA repose principalement sur les objectifs que la
compagnie souhaite atteindre : si une compagnie dassurance est seulement intresse par
limplmentation dun outil dont le but est damliorer de manire globale lallocation des actifs, il nest
vraisemblablement pas ncessaire de viser un modle particulirement dtaill.

C - SCENARIO TESTING CONTRE SIMULATIONS STOCHASTIQUES

Le domaine de lassurance dommage est actuellement sujet des rsultats plus volatils, des pertes
de type catastrophiques plus importantes (sans oublier la morosit des marchs financiers). Ces
diffrents facteurs impactent directement la position de solvabilit de lentreprise ainsi que le moral de
lactionnariat. Or, lun des objectifs de ce type de compagnie est de satisfaire les dtenteurs dactions
et daugmenter la valeur des parts dans le temps. A cet gard, il est indispensable de sintresser aux
paramtres (plus prcisment leur nature alatoire) qui influent directement sur le cot du capital.

Il existe actuellement deux types de mthodes permettant danalyser les diffrentes stratgies
financires entreprises par la socit sur un horizon temporel dtermin :

Scenario testing : quelques situations potentielles spcifiques sont slectionnes. Le scenario
testing a longtemps t utilis par les actuaires, mme avant laccroissement de la volatilit
des taux dintrts ( la fin des annes 70). Les prises de dcisions bases sur une telle
approche ne sont pas forcment sans intrt ; tant plus simples que les modlisations
stochastiques, leur mise en uvre est plus rapide et moins coteuse. Elles sont cependant
plus dangereuses. En effet, ce procd projette dans le futur les rsultats obtenus partir
dune slection de scnarii dterministes. Ainsi, les outputs obtenus pour un des scnarii ne
sont valables que pour ce seul et unique scnario et ne sont exploitables que dans la mesure
o le scnario choisi est correct.
La simulation stochastique : cette approche repose sur des modles qui refltent lincertitude
de facteurs tels que le taux dintrt, la frquence et le cot des sinistresBases sur les
distributions associes ces modles, les valeurs sont slectionnes au hasard et utilises
pour calculer un large ventail doutputs. La distribution complte de ces outputs peut alors
tre utilise pour lanalyse. Une utilisation commune de cette approche est la dtermination de
la proportion des rsultats inacceptables . Si cette proportion est considre comme trop
importante, des modifications dans la position financire de la socit doivent tre envisages
en vue de rduire cette proportion.

La simulation stochastique fournit beaucoup plus dinformations que le scenario testing ; les rsultats
obtenus avec cette dernire approche indiquent seulement si lassureur est dans une position viable,
si un vnement ou une srie dvnements dtermins surviennent. Gnralement, les modles
- 16 -
DFA sont bass sur des simulations stochastiques. A cet gard, il faut tre en mesure destimer
5
les
lois qui gouvernent les diffrentes variables modlises ; cet exercice peut savrer assez dlicat.

5
En matire destimation, on pourra consulter DUPIN G., MONFORT A., VERLE J.P., "Robust inference in rating models".
Astin 2003.
- 17 -
SECTION 3 : LES ETAPES DE CONSTRUCTION DES MODELES DFA

A - CHOIX DE LHORIZON TEMPOREL

La premire tape mettre en place avant de comparer les diffrentes stratgies est de fixer lhorizon
temporel sur lequel elles doivent sappliquer. Lidal serait deffectuer la modlisation sur une priode
aussi longue que possible afin dobserver les effets long terme de la stratgie choisie. Cette
remarque sapplique plus particulirement aux risques queue lourde (droulement long), dont les
ralisations napparaissent quaprs plusieurs annes.

Cependant, plus lhorizon de temps est important, moins les valeurs simules sont fiables. Il y a donc
une opration darbitrage effectuer. Une priode de projection de 5 10 ans semble tre un choix
raisonnable. Plusieurs fractionnements peuvent tre envisags annuel, semestriel, trimestriel et mme
mensuel.

B - DEFINITION DE LOBJECTIF FIXE PAR LA COMPAGNIE

Un modle de travail doit tre une version simplifie de la ralit ; tous les risques ne sont pas
forcment modliss. En premier lieu, il convient de se demander comment le modle sera utilis. Les
modles DFA peuvent raliser un grand nombre de tches
6
. Si un modle est mis en place
uniquement pour raliser des tests de solvabilit, la seule question laquelle nous pouvons rpondre
est la suivante Avec quelle frquence la socit se trouve dans une situation financire
proccupante . Si elle est mise en place de faon approprie, une approche DFA peut fournir non
seulement des informations sur les lments qui placent la compagnie dans des situations financires
dlicates mais aussi sur les distributions de variables cls.

C - CHOIX DES ELEMENTS VARIABLES ET DES ELEMENTS DETERMINISTES

Ltape suivante consiste choisir les lments qui auront une nature variable et ceux qui seront
retenus comme tant dterministes. Comme lun des objectifs de la DFA est de projeter le bilan et les
tats financiers, nous devons tre en mesure didentifier les variables ncessaires la modlisation et
la simulation de la valeur de la compagnie. Tous les risques qui affectent lactif, le passif, la
souscription et les investissements financiers doivent tre considrs. Mais seuls les facteurs les plus
significatifs sont gnralement retenus.

En ce qui concerne les actifs des socits dassurances, ils sont essentiellement composs
dobligations, dactions, dactifs immobiliers. Les facteurs les plus importants prendre en compte

6
Celle-ci doivent tre envisages, dans la mesure du possible, au cours de la phase de conception du modle.
- 18 -
sont les taux dintrts, le risque de dfaut, les mouvements des marchs financiers. En revanche, les
risques du passif dpendent des garanties proposes par la compagnie et sont donc propres
chaque assureur ou rassureur. Gnralement, la modlisation consiste en la reprsentation des
provisions et rserves.

D - SIMULATIONS

Les simulations
7
deviennent incontournables dans lactuariat moderne que ce soit dans le domaine de
lassurance vie (o le cot du sinistre est le plus souvent totalement dtermin, et cest donc laspect
de la survenance, qui est alatoire) ou de lassurance non vie (o les modles servent principalement
simuler la charge sinistre annuelle dun portefeuille dassurance).

En ce qui concerne les modles DFA, lappel aux mthodes de simulations est incontournable. En
effet, la modlisation stochastique de diffrents items du bilan (inflation, taux dintrts, provisions,
etc) pousse sintresser de prs aux diffrentes mthodes de simulation usites actuellement.
Certes la mise en place de telles procds est fastidieuse, le modle y gagne nanmoins en prcision
dans le sens o il permet daboutir la loi de distribution dune variable, lintervalle de confiance dune
autre, etc.

E - ANALYSE DES OUTPUTS

Parmi les stratgies simules, il faut mettre en vidence celle qui permet doptimiser le critre
prdtermin. Lentreprise doit donc disposer dun outil de dcision qui permet danalyser les rsultats
des diffrents scnarii tests.

Loutil le plus commun est celui de la frontire efficiente, amplement utilis dans la thorie du
portefeuille de Markowitz. En premier lieu, la compagnie doit choisir une mesure du retour sur
investissement (rendement) et une mesure du risque. Pour chaque stratgie, ces mesures peuvent
tre reprsentes graphiquement (cf ci dessous).

7
Le premier chapitre de la partie 5 est entirement consacr aux mthodes de simulations.
- 19 -

Chaque stratgie correspond un point dans le graphe rendement-risque. Une stratgie est qualifie
defficiente si on ne peut trouver une autre stratgie qui vrifie lune des caractristiques suivantes

pour un rendement donn, le niveau de risque est infrieur.
pour un niveau de risque donn, le rendement est suprieur.

Pour chaque niveau de risque, il existe un rendement de risque maximal qui ne peut tre excd.
Mais la position exacte de la frontire efficiente est inconnue. Avec cette mthode, il ny a donc pas de
certitude absolue que la stratgie soit vraiment efficiente ou pas. Mme si la mthode de la frontire
efficiente est un bon moyen de comparer les rsultats car connu de tous, il nen reste pas moins quil
est sujet critiques.

- 20 -
SECTION 4 : SCHEMA RECAPITULATIF

Lorganigramme suivant rcapitule lensemble des lments et des choix qui permettent daboutir un
modle DFA. La majorit des modles DFA se composent de trois parties principales :

un gnrateur stochastique de scenarii qui produit des ralisations des variables alatoires
des principaux facteurs du modle,
les donnes propres la compagnie, les hypothses relatives aux paramtres du modle, les
hypothses stratgiques,
les outputs fournis par le modle. Ils doivent tre analyss par le manager et ventuellement
conduire la modification des hypothses stratgiques, de manire faire apparatre la
stratgie optimale.

Contexte
financier
Contexte
assurantiel
Identification, choix et
modlisation des variables
SIMULATIONS
(via un gnrateur
alatoire de scenarii )
RESULTATS
ANALYSE
REVISION DE LA STRATEGIE
Paramtres du
modle
Hypothses
stratgiques
Structure gnrale de lanalyse financire dynamique

Spcificits de lassurance non vie

PARTIE 2
- 22 -
CHAPITRE 1 : PRESENTATION DE LASSURANCE NON-VIE

De manire schmatique, lactivit dassurance non-vie comprend trois types dactivits :

Les assurances de choses ou de biens.
Les assurances de responsabilit ou de dette.
Les assurances de personnes (incapacit, invalidit, frais de sant,)

Celles-ci ne sont pas homognes : pour certaines, le prjudice provient de latteinte aux biens. Pour
dautres, il rsulte dune atteinte la personne physique de lassur suite un accident corporel ou
une maladie.

Ce chapitre rcapitule des informations primordiales relatives lassurance non-vie et la
rglementation. Celle-ci repose sur trois modalits troitement complmentaires : une valuation
prudente des engagements des assureurs (provisions techniques), le contrle des actifs admis en
reprsentation de ces engagements et enfin les exigences de fonds propres suffisants.

Lobjectif de ce dveloppement est de donner une vue globale de lactivit dassurance non-vie et
didentifier les lments significatifs qui contribueront la mise en place des mthodes DFA. A cet
gard, nous nous intresserons plus particulirement :

aux placements,
aux provisions,
la marge de solvabilit,
au bilan.

- 23 -
SECTION 1 : LES PLACEMENTS

En vue de protger les intrts des assurs, des bnficiaires de contrats et des actionnaires,
lassureur est tenu de respecter les articles du Code des Assurances qui imposent des rgles
prudentielles. Le dveloppement suivant rappelle quelques rgles relatives aux placements que les
socits dassurances sont autorises effectuer en reprsentation de leurs engagements.

A - LISTE DES PLACEMENTS AUTORISES

Les actifs autoriss par larticle R332-2 du Code des Assurances sont les suivants
8
:

Valeurs mobilires et titres assimils :
obligations,
titres participatifs,
titres de crances ngociables,
actions,
fonds communs de placement risque,
SICAV.

Actifs immobiliers :
droits rels immobiliers,
parts ou actions des socits objet strictement immobilier.

Prts et dpts :
prts obtenus ou garantis par les Etats membres de l'O.C.D.E.,
prts hypothcaires aux personnes physiques ou morales,
autres prts ou crances,
dpts.

Il est important de prciser que ces placements sont soumis des limitations. Ainsi, le Code des
Assurances dicte Rapporte la base de dispersion constitue par la diffrence entre le montant
total des engagements rglements mentionns l'article R. 331-1, toutes monnaies confondues, et
le montant total des actifs mentionns aux articles R. 332-3-4 R. 332-10, toutes monnaies
confondues, la valeur au bilan de chacune des catgories d'actif numres ci-aprs ne peut
excder :
65% pour les actions,
40% pour les actifs immobiliers

8
Pour le dtail des conditions de validit des placements, on pourra consulter le Code des Assurances.
- 24 -
10% pour les prts,
aucune proportion nest mentionne pour les obligations.

B - REGLES DE DISPERSION

Dautres prcisions sont donnes quant aux rgles de dispersion ; le Code des Assurances
prcise que, rapporte au montant dfini l'article R. 332-3, la valeur au bilan des actifs mentionns
ci-aprs ne peut excder
9
:

5% pour l'ensemble des valeurs mises, dpts placs, prts obtenus ou garantis par
un mme organisme,
10% pour un mme immeuble ou pour les parts ou actions d'une mme socit
immobilire ou foncire,
0,5% pour lensemble des actions non cotes et des fonds communs de placements
risque.

C - REGLES DE CONGRUENCE (R332-1 et R332-1-1)

Les compagnies dassurances peuvent prendre des engagements libells dans diffrentes monnaies.
A ce titre, elles doivent mettre en place une couverture par le biais dactifs congruents
10
. Le Code des
Assurances ajoute nanmoins :

les entreprises dassurances peuvent, concurrence de 20% de leurs engagements,
ne pas couvrir ceux-ci par des actifs congruents.
Cest galement le cas lorsquelles dtiennent dans une monnaie des lments
d'actifs d'un montant ne dpassant pas 7% des lments d'actifs existant dans
l'ensemble des autres monnaies.

D - EVALUATION DES ELEMENTS DACTIFS

Les mthodes et principes dvaluation des actifs sont prciss aux articles R332-19 et R332-20.

Les valeurs amortissables, autres que les obligations indexes, les parts de fonds
communs de crance et les titres participatifs sont inscrites leur prix dachat la
date dacquisition. La diffrence entre le prix dachat des titres et leur prix de
remboursement est porte sur la dure de vie rsiduelle des titres.
Les autres placements sont retenus pour leur prix d'achat.. Si la valeur de ralisation
est infrieure la valeur dachat, une provision pour risque dexigibilit est constitue.

9
Pour le dtail des conditions de validit, on pourra consulter le Code des Assurances.
10
I.e. par des actifs libells ou ralisables dans la monnaie de lengagement.
- 25 -
Les immeubles et les parts ou actions des socits immobilires ou foncires sont
retenus pour leur prix d'achat ou de revient ou, dans les conditions fixes dans
chaque cas par la CCA
11
, pour une valeur dtermine aprs expertise.

11
CCA : Commission de Contrle des Assurances. Autorit administrative indpendante cre par la loi n 89-1014 du 31
dcembre 1989, la Commission de contrle des assurances est charge du contrle des entreprises dassurance, de rassurance
et de participations dassurance.
- 26 -
SECTION 2 : LES PROVISIONS
12

Lessentiel du passif dune compagnie dassurance est compos de provisions techniques et de
rserves diverses. Dans loptique de proposer un modle reprsentant ces dernires, nous devons
nous astreindre examiner la nature de ces postes du passif.

Certaines des provisions prsentes ci-aprs sont communes lassurance vie et lassurance non-vie
(rserve de capitalisation, la provision pour galisation, la provision pour risque dexigibilit des
engagements techniques), les autres tant plus spcifiques lassurance non-vie.

A - LA RESERVE DE CAPITALISATION

Alors mme que cette rserve est inscrite au bilan dans les fonds propres, il sagit en fait par nature
dune provision technique ayant pour objectif de parer la dprciation des valeurs comprises dans
lactif de lentreprise et la diminution de leur revenu. Cette rserve est constitue lors des sorties
(vente ou conversion) ralises avant leur chance des valeurs amortissables rglementes. La
rserve de capitalisation permet ainsi (grce la constitution de provisions) de ne pas imposer les
plus values ralises dans le cadre de cessions obligataires intervenant avant chance.

Le Code des Assurances prcise lui mme lobjectif de cette rserve : le montant des versements et
des prlvements effectus sur la rserve de capitalisation () doit tre tel que le rendement actuariel
des titres soit, aprs prlvement ou versement, gal celui qui en tait attendu lors de lacquisition
de ces mmes titres . Lvolution du cours des obligations variant en sens inverse du taux dintrt,
les plus values dgages en priode de hausse des cours (baisse des taux) procurent un bnfice
immdiat, mais au dtriment de la rentabilit terme du portefeuille-titres (rinvestissement sur des
titres rendement moins lev). Inversement, lorsque les cours baissent (hausse de taux), le
rinvestissement du montant de la vente (qui a dgag une moins-value) est effectu sur des titres
plus rentables.

B - LA PROVISION POUR EGALISATION

Elle est destine quilibrer les rsultats de certains risques o la probabilit de survenance dun
sinistre sur un exercice na pas de signification statistique et o il convient de constituer des rserves
les annes fastes pour faire face des sinistres rares mais de montants levs
13
. La constitution des
provisions pour galisation obit des rgles prcises de nature fiscale.

12
Cours ISFA 2003, Assurance non vie, Ch. PARTRAT
13
Principalement catastrophes naturelles, grle, tempte, risque atomique, pollution, assurance crdit.
- 27 -
Comme il sagit dun bnfice report, il y a ncessit de rintgration dans le rsultat de la part non
utilise pour le paiement des sinistres au plus tard au bout de dix ans.

C - LA PROVISION POUR RISQUE DEXIGIBILITE DES ENGAGEMENTS TECHNIQUES

Cre en 1994, elle est destine faire face une insuffisance dans la liquidit des placements,
notamment en cas de modification du rythme de rglement des sinistres. Elle est gale la diffrence
constate entre la valeur globale des placements en actions et immobiliers value dans le bilan et
selon le march. Son utilit provient du besoin de rconciliation entre valeur de march des
placements et valeurs historiques figurant au bilan.

D - LA PROVISION MATHEMATIQUE DES RENTES

Elle reprsente linventaire la valeur des rentes mises la charge de la socit.

E - LA PROVISION POUR PRIMES NON ACQUISES

Elle est destine constater, pour lensemble des contrats en cours, la part des primes mises et les
primes restant mettre se rapportant la priode comprise entre la date dinventaire et la date de la
prochaine chance de prime ou, dfaut du terme du contrat. Elle correspond dans les faits un
partage mcanique des primes prorata temporis.

F - LA PROVISION POUR RISQUES EN COURS

Elle a pour objet de pallier une ventuelle insuffisance des tarifs ; cest donc une provision destine
couvrir, pour lensemble des contrats en cours, la charge des sinistres et des frais affrents au contrat
pour la priode scoulant entre la date dinventaire et la date de la premire chance de prime
pouvant donner lieu rvision de la prime par lassureur, ou entre la date dinventaire et le terme du
contrat pour la part de ce cot qui nest pas couvert par la provision pour prime non acquise.

G - LA PROVISION POUR SINISTRES A PAYER

Cest la valeur estimative en principal et en frais, tant internes quexternes, ncessaire au rglement
de tous les sinistres survenus et non pays, y compris les capitaux constitutifs de rentes non encore
mis la charge de lentreprise. Cette provision doit comprendre :

Une provision pour sinistres inconnus ou dclars tardivement (aprs la date
dinventaire).
- 28 -
Une provision de gestion, couvrant les frais futurs lis aux sinistres en suspens, y
compris les frais internes tels que les salaires verss aux personnes affectes au
service sinistre.

Elle est estime dossier par dossier par le gestionnaire de sinistres. Le montant comptabilis sur un
dossier donn par le gestionnaire dpend :

Soit de sa connaissance et de son exprience du type de sinistre concern
(estimation forfaitaire au nez ).
Soit dun compte rendu dexpertise.
Soit de lapplication dun cot moyen douverture (quand il ne dispose pas dlments
lui permettant destimer prcieusement la charge du dossier, il utilise des indicateurs
moyens calculs par lactuaire).
Soit dun calcul procdurier propre la socit (on rentre les paramtres du sinistre et
le systme sort un montant de PSAP comptabiliser pour le sinistre concern).

H - LA PROVISION POUR RISQUE CROISSANT

Elle permet de lisser les rsultats et les tarifs dans les branches o le risque va croissant au cours du
temps. Cest le cas en assurance non-vie des assurances sant o le vieillissement de lassur
accrot le risque (en se situant dans le cas o la cotisation crot moins vite que le risque).

I - LA PROVISION POUR FRAIS DACQUISITION REPORTES

Cette provision est destine couvrir les charges rsultant du report des frais dacquisition constats
en application de larticle R 332-35.

Les frais dacquisition reporter sont inscrits lactif du bilan en fonction de la dure de vie rsiduelle
des contrats. Le montant des frais dacquisition reports est au plus gal lcart entre les montants
des provisions mathmatiques inscrites au passif et le montant des provisions mathmatiques qui
seraient inscrire si les chargements dacquisition ntaient pas pris en compte dans les
engagements des assureurs. Les frais dacquisitions reports sont admis en reprsentation des
provisions techniques.

Le principe de Zillmrisation consiste dduire du montant des provisions mathmatiques initialement
calcules, la valeur actuelle des chargements dacquisition inclus dans les primes priodiques futures.
Lcart correspondant dtermine le montant maximum des frais dacquisition reports quil est
possible dinscrire lactif du bilan et damortir sur la dure de vie du contrat.

Lobjectif recherch est un meilleur rattachement des charges aux produits.
- 29 -
SECTION 3 : LA MARGE DE SOLVABILITE

A - PRESENTATION DE LA MARGE DE SOLVABILITE
14

Les rglementations prudentielles encadrent l'activit des assureurs pour garantir la scurit des
contrats. Il s'agit essentiellement de protger les assurs contre le risque d'insolvabilit de leurs
assureurs en exigeant de ces derniers qu'ils se plient diverses exigences qui portent notamment sur
le niveau de fonds propres dont ils doivent disposer. La rglementation europenne impose aux
assureurs de dtenir un montant minimal de fonds propres qui permet d'amortir les chocs affectant
soit le rapport sinistres/primes, soit la rentabilit des placements. Ce montant minimal de fonds
propres est appel "marge de solvabilit". Il reprsente une garantie supplmentaire qui vient s'ajouter
aux actifs dtenus en contrepartie des provisions techniques. En assurance de dommages et de
responsabilit, ce surplus minimal d'actifs est calcul en pourcentage des primes mises ou des
sinistres.

Par ailleurs, la rglementation en vigueur dfinit les fonds propres susceptibles d'tre pris en compte
dans le calcul de la marge de solvabilit
15
. De plus, la marge de solvabilit ne peut tomber en dessous
d'un certain montant absolu appel "fonds minimal de garantie".

B - MODALITES DE CALCUL

Les lgislateurs imposent une capitalisation minimale fonction des primes et des sinistres appels :

a) Mthode sur les primes :

18% des primes brutes de rassurance reues durant une anne dans la limite des 10 premiers millions deuros souscrits
+
16% du montant au dessus de 10 millions deuros.

Exception en assurance sant : 6% jusqu 10 millions deuros puis 5,33% au-del.

b) Mthode sur les sinistres

26% de la moyenne de la charge de sinistre brutes de rassurance survenues dans lanne dans la limite de 7 millions deuros
+
23% de la moyenne de la charge de sinistre brutes de rassurance survenues dans lanne au del de 7 millions deuros

Exception en assurance sant : 8,67% jusqu 7 millions deuros puis 7,67% au-del.

14
Cours ISFA 2003, Comptabilit des assurances, O. REIZ.
15
Pour plus de dtails, consulter larticle R334-17 du code des impts
- 30 -

La moyenne de la charge sinistre est calcule sur les trois dernires annes dans le cas gnral et
sur les sept dernires annes dans le cas particulier de lassurance tempte, grle ou gel.

c) Montant de la MSR

MSR = % de rtention Max {mthode sur les primes ; mthode sur les sinistres}

La formule de la MSR retient un minimum de 50% pour le taux de rtention.

C - AVANTAGES DE LA MSR

Cette mthode :

prend en compte lexprience individuelle de chaque socit.
est simple administrer.

D - INCONVENIENTS DE LA MSR

La mthode de calcul de la MSR prsente les inconvnient suivants :

elle pnalise les socits qui ne sont pas insuffisamment provisionnes et\ou qui ne sous
tarifient pas.
elle ne distingue pas les socits qui souscrivent des montants identiques pour des risques
totalement diffrents.
elle noffre pas de distinction assureur\rassureur.
elle prend comme hypothse implicite que lexprience passe est un bon guide pour estimer
le futur, sans possible ajustement.

- 31 -
SECTION 4 : BILAN SIMPLIFIE

Le bilan recense la situation patrimoniale de la socit dassurance une date donne. Le tableau ci-
dessous fournit larchitecture du bilan ainsi que les principales rubriques propres lassurance non-vie
et permet didentifier les postes les plus importants du bilan.

Actif

Passif
Capitaux propres
(10% 20%)
Immobilisations
(placements)
(70% 80%)
Part des rassureurs dans les provisions
techniques
(10% 20%)
Provisions techniques
(brutes de rassurance)
(60% 80%)
Crances et autres actifs
(10% 20%)
Dettes et autres passifs
(10% 20%)

Chacun des lments du bilan est dtaill ci-aprs :

Les placements : ils sont constitus de biens immobiliers, dobligations, dactions, des
prts, etc.
Part des rassureurs dans les provisions techniques : cest le deuxime poste le plus
important.
Crances et autres actifs : on y trouve diverses crances sur les assurs,
intermdiaires de contrats.
Les capitaux propres : ils se composent du capital social, des rserves, des rsultats
de lexercice avant affectation, sans oublier la rserve de capitalisation.
Les provisions techniques : elles reprsentent les engagements de la socit
dassurance vis vis des assurs et des bnficiaires de contrat. La nature des
diffrentes provisions a t prcise dans un chapitre prcdent.
Les autres postes du passif sont constitus de diverses dettes vis vis des assurs,
de lEtat, des intermdiaires

- 32 -
CHAPITRE 2 : IDENTIFICATION DES RISQUES

Lactivit dassurance est par nature une activit risque : la fonction conomique globale des
entreprises dassurance est dassumer des risques quune personne physique ou morale ne pourrait
supporter en mutualisant un grand nombre de risques similaires. Nanmoins, une entreprise
dassurance est elle-mme expose un certain nombre de risques globaux qui peuvent menacer
son existence et, dans des cas extrmes, la ruiner.

La section 1 de ce chapitre fournit un inventaire des risques auxquels une socit dassurance non-vie
peut tre expose. Enfin, la section suivante prsente une classification relativement classique de
ces risques :

les risques techniques,
les risques dinvestissement,
les risques non techniques .

- 33 -
SECTION 1 : INVENTAIRE DES RISQUES

Lactuaire doit tre en mesure de comprendre la sensibilit de la situation financire de lassureur et
dapprhender chacune des grandes catgories de risques ayant une importance significative pour la
socit dassurance. Dans la prsente section, nous prsenterons les principales catgories de
risques
16
qui pourraient faire lobjet dun examen et tre inclus dans un modle DFA.

A - FREQUENCE ET GRAVITE

a - Prsentation

Les taux de sinistres et les sinistres futurs peuvent fortement diverger par rapport aux scnarii et
estimations de base, et ce pour diverses raisons :

augmentation non prvue de la frquence de sinistres importants,
augmentation non prvue de la frquence ou de la gravit accrue des sinistres habituels ,
mauvaise tarification

b - Evnements contribuant au risque

Evnements catastrophiques : Tremblements de terre, temptes, inondations, grle ou tout
autre vnement qui pourrait avoir des rpercutions importantes sur lactivit de lassureur
doivent tre pris en compte. Idalement, lestimation des montants de ces vnements devrait
reposer sur des modles de simulation. Les consquences de tels vnements sur la gestion
de lassureur peuvent tre les suivantes :

linsolvabilit dun ou plusieurs rassureurs auxquels lassureur a confi une partie
importante de sa rassurance,
une augmentation du passif des polices,
une augmentation des taux de rassurance au prochain renouvellement,
une inflation ultrieure lvnement,
une liquidit rduite de lactif.

Sinistres habituels : Il convient de modliser le taux de sinistre par anne de survenance
ou encore la frquence et la gravit des sinistres. Etant donn que les sinistres importants ou
catastrophiques sont valus sparment, il peut paratre judicieux dliminer les sinistres
inhabituels de ces donnes avant de procder une analyse. Il est gnralement prudent

16
Cf. DEMPSTER M.A.H., "Risk Management : Value at Risk and beyond". Cambridge University Press.
- 34 -
dexaminer soit la variabilit des taux de sinistres par anne de survenance ou par anne de
souscription, soit la distribution conjointe de la frquence et de la gravit.

B - LES RISQUES ASSOCIES A LA TARIFICATION

a - Prsentation

La tarification des produits IARD est principalement base sur ltude de donnes historiques. Or il
arrive que celles-ci ne refltent pas les conditions qui prvaudront dans lavenir ou contiennent des
erreurs. Dautre part, il arrive souvent que les tarifs dtermins par lactuaire soient modifis pour
rpondre des impratifs commerciaux ou des exigences rglementaires. La compagnie
dassurance peut donc se trouver, dans certains cas, dans une situation dinsuffisance des tarifs et il
pourra scouler parfois un an ou plus avant que des mesures correctives ne soient adoptes.
Gnralement, les lignes daffaires les plus susceptibles dtre mal tarifes sont celles qui sont
nouvelles pour lassureur ou dont le volume daffaires a volu de manire significative.

b - Evnements contribuant au risque

Les principaux facteurs contribuant lapparition de ce type de risque sont les suivants :

Gel des tarifs : La compagnie peut se trouver dans limpossibilit daugmenter certain tarifs.
En effet, pour certaines lignes daffaires et juridictions, la tarification doit tre approuve par
un organisme rglementaire.
Contexte favorisant une concurrence accrue : En priode de forte concurrence, les
compagnies doivent tout mettre en oeuvre pour conserver leurs parts de march ; cela les
oblige gnralement faire des efforts au niveau de la tarification de leurs produits.
Risque li au paramtre, erreur destimation ou donnes errones : Les rpercussions
possibles du risque li au paramtre, dune erreur destimation (risque de procd) et de
donnes errones quant au taux de sinistres dpendraient de la qualit et de la crdibilit des
donnes de la socit et de lindustrie ainsi que de la connaissance que possde lactuaire-
tarificateur des lignes daffaires.

C - RISQUES ASSOCIES AU VOLUME DES PRIMES

a - Prsentation

Lune des incertitudes dune socit dassurance concerne le volume des nouvelles ventes quelle
sera en mesure de souscrire lavenir. Des volumes qui divergent considrablement de ceux prvus
au terme du plan daffaires peuvent se rpercuter de faon imprvue sur la gestion de la socit et
avoir des consquences ngatives.
- 35 -

Il y a plusieurs types dvnements susceptibles daffecter considrablement le montant et le type
daffaires que peut souscrire une socit dassurance, notamment :

lentre dun fort concurrent sur le march,
une comptitivit accrue sur le march en raison dun accroissement de la publicit,
la perte dun important distributeur ou mme dun rseau complet de distribution, auparavant
responsable dune partie importante des affaires dune socit,
la perte dun important client (par exemple, un groupe reprsentant une portion significative
du portefeuille dassurance collective dune socit dassurance),
un amendement une loi ou un rglement ayant des rpercussions directes sur une ligne
de produits importante,
une cote dfavorable sur les marchs financiers ou tout autre vnement susceptible de
ternir la rputation de lassureur,
le succs imprvu dune nouvelle ligne de produit ou par rapport un concurrent qui tait
jusqualors plus important.

b - Elments contribuant au risque


Diminution importante du volume des primes souscrites
Augmentation du volume des primes

D - RISQUES ASSOCIES AUX DEPENSES

a - Prsentation

Les hypothses de dpenses sont une considration affectant la situation financire prvue de
chaque assureur. Ces hypothses sont particulires car, jusqu un certain point, la direction de la
socit exerce un plus grand contrle sur les dpenses que sur les facteurs lis aux sinistres. Mme
les assureurs ayant gr de faon stricte leurs dpenses afin dtre en mesure datteindre leurs
objectifs budgtaires peuvent tre confronts des problmes lis aux dpenses
17
.



17
A la suite dune variation imprvue de la croissance des affaires ou dune poursuite par exemple.
- 36 -
Contexte fortement inflationniste : Ce scnario peut entraner une augmentation rapide des
frais absolus et de cots unitaires .
Volume des primes plus faible que prvu : Un faible volume des primes peut prcipiter une
augmentation des cots unitaires lorsquune partie des dpenses sont considres comme
tant fixes.
Dsutude technologique.
Jugements de tribunaux lis aux pratiques commerciales : Lactuaire devrait tenir compte de
toute augmentation des frais attribuables un changement relatif aux pratiques commerciales
la suite de jugements rendus par les tribunaux. Les effets des retombes ventuelles
comprendraient notamment une atteinte la rputation de lassureur, suscitant une
dvaluation de la cote ou une mauvaise position concurrentielle.

E - RISQUES ASSOCIES AU TAUX DINFLATION

a - Prsentation

Dans le domaine de lassurance, le cot des sinistres et des frais de rglement a tendance tre trs
sensible au taux dinflation gnral. Celui-ci peut tre fonction de variation de cots spcifiques
dautre secteurs, de laugmentation du cot des matires premires et de la main doeuvre la suite
de dommages catastrophiques imputables des sinistres de biens, et de laugmentation des cots
dassurance individuelle automobile, etc



Augmentation importante, rapide et soutenue du taux dinflation gnral : Ce scnario aurait
tendance faire augmenter le cot ultime de rglement des sinistres non pays et entranerait
une hausse soutenue du cot de rglement des sinistres venir et des frais divers. Le
scnario serait normalement li une augmentation rapide et soutenue des taux dintrt du
march.
Augmentation importante et temporaire du cot de la main doeuvre et des matires premires
en raison de dommages matriels catastrophiques : Ce scnario aurait tendance faire
augmenter le cot ultime de rglement des dommages matriels non pays et le cot des
dommages matriels venir pendant un certain temps..
Grave rcession de lconomie en gnral : Ce scnario aurait tendance faire augmenter le
nombre et le cot ultime de rglement des sinistres non pays lis des sinistres dassurance
individuelle automobile, de biens et de garanties et il entranerait une augmentation du
nombre et du cot de rglement des sinistres futurs lis des sinistres dassurance
- 37 -
automobile, de biens, dassurance de responsabilit professionnelle et de garantie ainsi que
les frais de rglement.

F - RISQUES ASSOCIES AU TAUX DINTERET

a - Prsentation

En cas daugmentation des taux dintrt, la valeur marchande des titres de crance fluctuerait
galement et se rpercuterait, le cas chant, sur lexamen de lactif minimal. En cas de disparits
entre les flux montaires de lactif et du passif, il sera ncessaire de rinvestir les flux montaires
positifs ou de capitaliser les flux montaires ngatifs par des emprunts ou liquidation dlments
dactif. Ainsi, les taux dintrt futurs peuvent fluctuer considrablement et avoir des rpercussions
ngatives sur lexcdent. La valeur des instruments drivs sera galement affecte ; ceux-ci aident
attnuer les rpercussions dfavorables lorsquils sont utiliss comme instruments de couverture.



Une fluctuation des taux dintrt futurs : Lvolution future des taux dintrt se rpercutera
non seulement sur les taux de rinvestissement et les valeurs marchandes futures mais aussi
sur le comportement des flux montaires, notamment en regard de titres adosss des
crances et dobligations rachetables. Les ractions possibles de la direction comprendraient
notamment la vente ou le rinvestissement dlments dactifs.
Un changement dans le modle de rglement des sinistres : Lactuaire devrait tenir compte
dun nouveau modle de rglement des sinistres, qui pourrait entraner une disparit entre les
flux montaires de lactif et du passif.

G - RISQUES ASSOCIES A LA DEPRECIATION DE LA VALEUR DE LACTIF

Les scnarii susceptibles de rduire la valeur de lactif peuvent provenir de diverses sources,
notamment :

une augmentation des pertes imputables des dfauts de paiement sur les titres de
crances,
un faible rendement ou une diminution de la valeur des biens mobiliers, immobiliers et autres,
un faible rendement ou une diminution de la valeur dune filiale.

Les effets des retombes ventuelles comprendraient possiblement :
- 38 -

un dfaut de paiement de la contrepartie lgard des instruments drivs,
une perte ou une diminution apprciable de la valeur de toute autre grande catgorie dactif,
des fluctuations des valeurs des monnaies,
une dvaluation de la cote qui pourrait son tour avoir de srieuses rpercussions,
une crise de liquidit provoque par dimportantes pertes soutenues la suite de dfaut de
paiement.

H - RISQUES ASSOCIES A LA REASSURANCE

a - Prsentation

Les risques associs la rassurance peuvent tre lis lincapacit dun assureur de respecter ses
engagements, un changement au niveau des conditions du march donnant lieu une
augmentation des tarifs, des limites insuffisantes ou enfin une protection autrement insuffisante ou
inabordable.



Insolvabilit du rassureur : Leffet de linsolvabilit du rassureur devrait comprendre un
pourcentage recouvrable prsum de lactif par rapport au passif du rassureur insolvable
et de toute autre faon de traiter les diverses sommes que le rassureur doit la socit. Il
est possible que les rpercussions soient attnues par le droit de compensation des sommes
rembourser en vertu de tous les traits conclus entre les deux socits, par la position
privilgie des assureurs par rapport dautres cranciers de rassureurs en faillite, par le
droit de reprise en cas de faillite, par les sommes en dpt ou en fiducie auprs de la socit
dassurance, ou encore les lettres de crdit lgard dun rassureur non agr. Les effets
des retombes ventuelles comprendraient notamment une augmentation des tarifs de
rassurance attribuable la ncessit de remplacer la protection de rassurance.

Augmentation des tarifs de rassurance ou diminution de la commission du rassureur :
Lorsquune mesure dun rassureur touche tous les autres assureurs sur les mmes marchs,
elle ne devrait pas ncessairement causer de problmes sur le plan de la concurrence (en
raison du nombre de socits susceptibles dtre touches par une semblable modification
des modalits). Toutefois, si la mesure dun rassureur ne vise quune socit en raison de sa
mauvaise exprience, la nouvelle tarification impose pourra influer sur le volume des
- 39 -
nouvelles ventes ou sur la rentabilit de sses affaires si la commission du rassureur a t
rduite.

Diminution de capacit : une diminution de la capacit de rassurance pouvant servir
financer de nouvelles ventes risque dentraner une augmentation des cots de rassurance
ou de freiner la croissance de la socit.

Diffrents au sujet des dispositions des polices : Les diffrents entre une socit et ses
rassureurs pourraient avoir le mme effet quune insolvabilit des rassureurs.

I - RISQUES ASSOCIES AUX INITIATIVES GOUVERNEMENTALES ET POLITIQUES

Lorsque le gouvernement modifie ses politiques ou ses rglements, leur mise en oeuvre prend
habituellement beaucoup de temps, ce qui donne loccasion den analyser les rpercussions et de
prendre les mesures appropries. Cependant certaines modifications peuvent survenir trs
rapidement et simposer de faon imprvue. Dautres peuvent mme avoir un effet rtroactif. Citons
pour illustration :

augmentation du taux de taxation des primes,
augmentation des cotisations ,
augmentation des taux dimposition ou rgles applicables aux socits,
cration possible de nouveaux rseaux de distribution,
rvision des normes prescrites de solvabilit pouvant faire augmenter le montant de capital
requis des assureurs IARD,
instabilit politique : en vertu de ce scnario, lactuaire devrait tenir compte de linstabilit
politique qui pourrait entraner une confiscation dactif, la cessation de nouvelles ventes, un
contrle des changes, etc., particulirement dans les pays trangers,
modification de la protection impose par la loi.

J - RISQUES HORS BILAN

Plusieurs postes hors bilan pourraient comporter des risques pour un assureur. Souvent, ces postes
hors bilan dcoulent de pratiques nouvelles ou changeantes du secteur, qui au cours des annes
subsquentes, sont admises au bilan par les organismes de rglementation. Il est donc ncessaire
que lactuaire soit conscient de tous les nouveaux risques qui pourraient affecter lassureur pendant la
priode de projection afin dvaluer ceux qui peuvent compromettre la solvabilit.
- 40 -
SECTION 2 : RISQUES A PRENDRE EN COMPTE

Alors que la section prcdente proposait un inventaire des risques, les paragraphes suivant
proposent un regroupement de ceux-ci en catgories de risques.

A - LES RISQUES TECHNIQUES

Ces risques sont gnralement lis au passif et correspondent des risques associs directement ou
indirectement aux bases techniques et actuarielles de calcul des primes et des provisions techniques.
Ces risques dpendent directement du type dassurance considr. Ils menacent la capacit de
lassureur remplir ses obligations (par exemple, en cas de frquence ou de montant de sinistre plus
importants que prvus). Bien que nombre de ces risques dpendent largement de facteurs
macroconomiques (taux dintrt) et dmographiques (mortalit), lassureur peut mettre en oeuvre
des mesures prventives dans le domaine de la tarification, des risques assurs ou du
provisionnement. Lun des plus importants moyens de prvention de ces risques est par ailleurs la
rassurance.

B - LES RISQUES DINVESTISSEMENT

Les risques dinvestissement sont quant eux lensemble des risques lis la gestion dactifs de
lassureur (performance, liquidit). On trouve au premier rang de ces risques le risque de taux. Ces
risques peuvent tre limits par une diversification des actifs et une valuation prudente de leur
valeur.

C - LES RISQUES NON TECHNIQUES

Enfin, les risques non techniques sont les risques qui ne peuvent tre classs dans une des deux
catgories prcdentes. Ils comprennent notamment :

les risques lgaux et fiscaux,

les risques oprationnels . Ceux-ci peuvent tre dtaills comme suit :

erreur humaine,
mauvaise dcision,
procdure de gestion inadquate,
fraude des dirigeants,
etc

Ces risques sont bien sr trs difficiles inclure dans une modlisation.

Modlisation de lactif

Le dveloppement suivant a pour ambition de valoriser les diffrents constituants de lactif de la
socit. Cette partie du bilan peut se dcomposer de manire synthtique, en 4 catgories
principales :
+ Placements montaires.
+ Obligations Zro-Coupon.
+ Actions.
+ Immobilier.

Lvaluation et la modlisation des deux premires catgories dactifs passent invitablement par une
tape de choix et de modlisation de la structure des taux dintrt ; cest lobjet du Chapitre 2. Dans
un second temps, nous nous intresserons plus amplement la modlisation de la valeur des actions.

PARTIE 3
- 42 -
CHAPITRE 1 : MODELISATION DE LINFLATION

Pour un mme sinistre survenant des dates diffrentes, les montants verss en guise
dindemnisation sont sensiblement diffrents. De manire gnrale, les montants des rglements
augmentent avec le temps. Ceux-ci peuvent dpendre de divers facteurs : des dcisions politiques
(rglementation), de la jurisprudence, de lvolution de la mdecineMais un facteur dterminant
dans lvolution des cots est indniablement linflation.

Il intervient dans les deux parties du bilan :

A lactif : Lobservation des donnes historiques fait apparatre un lien relativement fort entre
lvolution du taux dinflation et celle du taux dintrt. Cette corrlation peut sexpliquer par le
fait que le taux dinflation dune anne considre sert de base de rengociation des
salaires de lanne suivante ; cela cre un impact au niveau de linflation de cette mme
anne
18
.
Au passif : Le rglement des sinistres peut staler sur une priode plus ou moins longue
selon la branche considre. Les montants indemniss tant fonction de linflation, cette
dernire va jouer sur le niveau de la provision pour sinistre payer.

Lobjet de ce chapitre est de donner un aperu global des principales dynamiques qui permettent de
modliser linflation :

Lapproche de Kaufmann, Gadmer et Klett prsente dans larticle Introduction to dynamic
financial analysis .
L approche de Wilkie (1986).

Les deux modlisations prsentes sont diffrentes dans le sens o la premire propose dexprimer,
de manire linaire, le taux dinflation en fonction du taux dintrt court terme. En revanche, la
deuxime suppose que lincertitude est contenue dans linflation, les taux dintrts tant ensuite
exprims partir de linflation.

18
Cf. LAFAILLE A., GOACHET O., THEROND P., TRANCHARD A., [2003], "Dynamic Financial Analysis". Groupe de travail
ISFA.
- 43 -
SECTION 1 : APPROCHE DE KAUFMANN - GADMER - KLETT

A - PRESENTATION

Dans larticle Introduction to dynamic financial analysis
19
, les auteurs mentionns prcdemment
choisissent de simuler la valeur du taux dinflation (i
t
) partir de celle du taux court terme (r
t
) :
t t t
r i + + =
o
, et sont des paramtres qui peuvent tre estims partir de donnes historiques ;
et t correspond un bruit blanc de variance
2
.

B - METHODE DES MOINDRES CARRES ORDINAIRES

Les paramtres prsents ci-dessus peuvent tre estims selon la mthode des moindres carrs
ordinaires. La formule prsente prcdemment peut en effet se rcrire de la faon suivante :
X i + =
avec
(
et X une matrice de dimension (n,2) (n correspond au nombre dobservations. i et

sont ainsi des vecteurs colonnes de dimension n). La premire colonne est lintercept et la deuxime
correspond aux valeurs successives de r
t
. Notons galement que est de matrice de variance
covariance gale
n
I
2
.
Le coefficient est calcul de faon minimiser la variance du terme des rsidus :
| | '.X'.X. '.X'.i 2. - i'.i
n
1
) X i ( )' X i (
n
) ( Var + = =
1

On en dduit ensuite
| |
2.X'.X. 2.X'.i -
n
1

) ( Var
+ =

Ce dernier rsultat, nous permet de trouver lexpression des estimateurs des moindres carrs :
.X'.i (X'.X)
-1
=
Ces estimateurs ont pour caractristiques dtre sans biais et de variance minimum. Pour les rsidus,
on obtient :

X. - i =
) var(
2 - n
n
=

19
Cf. KAUFMANN R., GADMER A., KLETT R., [2001], "Introduction to Dynamic Financial Analysis", Astin Bulletin.
- 44 -
C - TESTS DE VALIDITE

Grce au test de Durbin-Watson, on peut analyser lindpendance des rsidus. Plus prcisment, on
teste :
H0 : Non corrlation des rsidus.
contre
H1 : Les rsidus suivent un processus autorgressif dordre 1
20
.

Dans ces conditions, la statistique scrit :
=
=
=
n
i
i
n
2 i
1 - i i
) - (
d
1
2

Dans le cas o lhypothse nulle est refuse, on ne peut considrer que les rsidus sont
identiquement distribus et que lestimateur des moindres carrs ordinaires nest pas de variance
minimale.

Il faut alors faire appel des moindres carrs quasi gnraliss.

D - METHODE DES MOINDRES CARRES QUASI GENERALISES

Le modle scrit (en gardant les dimensions des matrices utilises en paragraphe B)
X i + =
o est cette fois de matrice de variance \ covariance (symtrique, dfinie positive, inversible).
Dautre part, nous avons pris comme hypothse que les rsidus suivaient un processus autorgressif
dordre 1 ; on peut alors crire :
2 2
v ) .Var( ) ( Var + =
ce qui fournit
2
2
-
v
) ( Var
1
=
Dans ces conditions, la matrice de variance \ covariance scrit sous la forme suivante :

v
1 ...
... ... ... ... ...
... 1
... 1
... 1

- 1
v

2
n n n
n 2
n
n
2
2
=
(
(
(
(
(
(
3 2 1
3
2
1 2

20
On peut lcrire sous la forme
i 1 - i i
u . + = o
i
u suit une loi normale N(0,v).
- 45 -

Les valeurs exactes des diffrents lments de cette matrice ntant pas connus, il faut faire appel aux
estimations. Et pour retrouver la valeur de
, on utilise la mthode des moindres carrs quasi

gnraliss :
La matrice
tant symtrique, il en est de mme pour la matrice

1
. Celle-ci peut alors scrire

sous la forme D D'
=
1
. On multiplie ensuite X i + = par D pour obtenir D X D Di + = . On
vrifie que 0 = ) E(D et I ) )' D ).( E((D = .

Dans ces conditions, on peut se rfrer la mthode des moindres carrs gnraliss et aboutir,
aprs simplifications, :
) i .
(X'. ) X .
(X'.
t
1 - 1 -

1
=
avec
(
(
(
(
(
(
(
(
+
+
+

=
1 0 0
1 0 0
0 0
0 0
0 0
1
... ...
...
... ... ... ... ... ...
... 1
... 1
... ... 1

2
2
2

E - TESTS DE VALIDITE

Pour vrifier le caractre explicatif du modle, nous pouvons nous intresser la statistique
du R. Celle-ci fait apparatre la valeur estime du taux dinflation ( i
) et la valeur moyenne de
linflation observe ( i ) :
2
2
2
) i - i (
) i
- i (
- 1 R
t
t
t
t t
=
Nous pouvons rappeler que dans le cas o le modle est parfait, la prcdente statistique est
gale 1.

On peut tester la validit de la rgression. Sous lhypothse que soit nul, le rapport
2) - (n
R -
R
2

1
2
suit une loi de Fisher de paramtres (1,n-2). Lhypothse de nullit de est
rejete si le rapport est plus grand quun certain seuil.

- 46 -
SECTION 2 : APPROCHE DE WILKIE

A - PRESENTATION

Dans le modle de Wilkie
21
, le taux dinflation joue un rle majeur, dans la mesure o la valeur de
nombreux paramtres conomiques en dcoule.

Taux d'inflation
Montant du dividende
Taux de dividende
Taux d'intrt long terme

Le modle de Wilkie est principalement un modle empirique, tablit sur des donnes conomiques
du Royaume Uni de 1919 1982. Lune des premires modlisations du taux dinflation fut celle de la
marche alatoire (dveloppe par Bachelier en 1900). Mme si ce modle apparat cohrent dans
le cadre de ltude du cours dune action, ces limites se font ressentir lorsquil sagit de rendre compte
de lvolution du taux dinflation.

B - MODELISATION

Wilkie a, quant lui, opt pour un modle autorgressif. Lvolution de ce processus est rgie par
lquation suivante :
| |
t m m
i - 1) - i(t a i - ) t ( i + =
avec les notations suivantes :

i(t) : taux daugmentation de lindice des prix,
m i :taux dinflation long terme,
a : coefficient de retour la moyenne,

21
Cf. WILKIE A.D., [1995], More on a stochastic asset model for actuarial use. British Actuarial Journal.
- 47 -
: cart type du bruit,
: variable alatoire distribue selon une loi normale centre rduite.

Cependant Wilkie nutilise pas ce modle tel quel ; il prfre travailler sur le logarithme de lindice des
prix. En effet, il observe que seules les variations relatives de lindice des prix sont importantes et non
les variations absolues. En se rfrant des donnes empiriques de plusieurs pays de lOCDE, il
remarque que la variable 1) - lnI(t - lnI(t) ) ( = t suit une distribution qui peut tre approche par une
loi normale centre.

Finalement, le modle propos par Wilkie peut tre prsent de la faon suivante :
t m m
. i -
2) - I(t
1) - I(t
ln a. i
) t ( I
) t ( I
ln +
(
+ =
(
1

o I(t) correspond lindice des prix de lanne t.

Cette mme quation peut tre rcrite sous une autre forme :
| | | | | |
t m m
. i - i(t) 1 ln a. i i(t) ln + + + = + 1

C - EXEMPLE DE RESULTAT NUMERIQUE

En se basant sur les donnes empiriques du Royaume Uni de 1919 1982, Wilkie a obtenu les
valeurs numriques suivantes :

i
m
= 5,75%
a = 0,6%
= 0,05

Remarquons que, sur le long terme, linflation peut connatre des volutions radicalement diffrentes.
Il est donc important de bien choisir la priode sur laquelle on estime les diffrents paramtres et de
faire en sorte quelle ne comporte pas de phnomne conomique exceptionnel.

On peut alors se demander si le choix de Wilkie de baser son estimation sur une aussi longue priode
est rellement judicieux.

- 48 -
CHAPITRE 2 : MODELISATION DES TAUX DINTERET

Lobjectif principal dune structure de taux dintrt est de reproduire lvolution des titres du march
obligataire. Mais elle offre en outre lopportunit dvaluer le prix dune obligation sans risque de
dfaut, des produits drivs sur le titre ainsi que les obligations avec risque de dfaut.

Les modles dvaluation de la structure temporelle des taux dintrt peuvent tre classs en trois
catgories selon l approche utilise :

+ Les modles dquilibre partiel reposant sur un raisonnement darbitrage. Citons, par
exemple, celui de Vasicek (1977) qui comporte une variable dtat et celui de Brennan et
Schwartz qui en comporte deux (1979)
+ Les modles dquilibre gnral, tel que le modle de Cox, Ingersoll et Ross (1985) bass sur
une description globale de lconomie.
+ Les modles de dformation qui partent de la structure des taux dintrt observe et lui font
subir des chocs. Le modle de Ho et Lee (1986) ainsi que sa gnralisation propose par
Heath, Jarrow et Morton (1987) sont sans aucun doute les plus connus dans cette catgorie.

Avant de prsenter les diffrents modles de taux en temps continu, il faut pralablement prciser
quelles sont les principales hypothses retenues pour leur dtermination :

Pas de cots de transaction ;
Titres parfaitement divisibles ;
Les agents sont rationnels et disposent du mme niveau dinformation ;
Les marchs sont efficients : ils ne permettent pas de possibilit darbitrage ;
Les taux demprunts et de prts sont identiques.

Indiquons galement, quoutre les diffrentes modlisations prsentes dans ce chapitre, il existe des
approches de calcul de taux dintrt purement empiriques comme celle de Wilkie (dont nous
dtaillons le modle dinflation dans le chapitre 1 de la prsente partie).

- 49 -
SECTION 1 : DYNAMIQUE DES TAUX EN TEMPS CONTINU

A une date donne t, on fait lhypothse que le taux instantan r suit un processus de diffusion
caractris par lquation suivante :
t)dW (r, t)dt (r, dr
t
+ =

avec
dr : variation du taux r au cours de linstant dt
t) (r, : moyenne des changements instantans du taux par unit de temps (ou coefficient
de drive)
t) (r, : cart-type des changements instantans du taux par unit de temps (ou
coefficient de diffusion, ou encore volatilit)
t
dW : un processus standard de Gauss-Wiener vrifiant 0
t
= ) E(dW et dt )
t
=
2
E(dW

Cette formule est la structure de base qui permet de retrouver les principales dynamiques continues
de taux (les principales tant rfrences dans le tableau suivant).

Libells Dynamiques
Vasicek dz r)dt a(b dr + =
Cox, Ingersoll et Ross dz r r)dt a(b dr + =
Dothan rdz ardt dr + =
Black, Derman et Toy (t)rdz (t)rdt dr + =
Ho et Lee (t)dz (t)dt dr + =
Hull et White : Vacisek (t)dz a(t)r)dt - (t) ( dr + =
Hull et White : CIR tendu rdz a(t)r)dt - (t) ( dr + =

A - EQUATION DIFFERENTIELLE DU PRIX D UN ZERO-COUPON
22

Lquation diffrentielle rgissant le prix dun zro coupon est obtenue de manire classique en
utilisant en premier lieu le lemme dIt, puis le thorme de Girsanov.

Soit P(t,T) le prix du Zro-Coupon quon souhaite valuer. Lapplication du lemme dIt fournit
lquation vrifie par le prix du Zro-Coupon :

22
Cf. AUGROS J.C.,[1989] Les options sur taux dintrt : dynamique des taux et valuation. Economica.
- 50 -
dW t)P (r, ]dt P t) (r,
2
1
t)P (r, [P dP
r rr
2
r t
+ + + =
o
t
P ,
r
P ,
rr
P dsignent respectivement la drive partielle premire par rapport t, la drive
partielle premire par rapport r et la drive du second ordre par rapport r.

En appliquant le thorme de Girsanov avec t)dt (r, dW W d + =
t
~
( correspondant au prix du
march du risque), la formule prcdente devient :
W
~
d t)P (r, ]dt t)P (r, t) (r, - P t) (r,
2
1
t)P (r, [P dP
r r rr
2
r t
+ + + =
Or dans un univers risque neutre la relation rPdt dP = doit tre vrifie. Cette remarque nous conduit
donc poser :
P t) (r,
2
1
T)]P (t, t) (r, - t) (r, [ P
rr
2
r t
0 = + +

Cette relation est primordiale dans la mesure o elle permet (lorsquelle est complte par une
condition aux limites) la dtermination de la valeur du taux r modlis par diffrentes dynamiques.

B - MODELE DE VASICEK
23

Lune des premires modlisations stochastiques des taux a t dveloppe par Vasicek en 1977.
Cette modlisation du taux instantan court terme utilise le processus autorgressif (dit d Orstein-
Uhlenbeck) dfinit comme suit :
dW r)dt a(b dr
t
+ =
o les paramtres a, b et (tous positifs) reprsentent respectivement le taux limite (valeur moyenne
long terme), la vitesse de convergence et la volatilit. Il convient aussi dindiquer que le taux du
march est suppos constant et que
t
W correspond un processus de Wiener standard.

Une mthode de rsolution assez classique propose daffecter P(t,T) la forme suivante :

T)r(t)) B(t, T) exp(A(t, T) P(t, + =

Cette structure affine permet alors dobtenir la valeur du Zro-Coupon :
) e - (1
4a
- ) R( - r(t)] - ) )[R( e - (1
a
1
exp T) P(t,
2 a -
3
2
a -
)
`
=


23
Cf. VASICEK O., [1977], An equilibirum characterisation of the term structure. Journal of financial economics.

- 51 -
t - T = , >0
2
a 2
2
-
a
b ) R(

+ =
indpendant de r

La relation T) P(t, ln
t - T
1
- T) r(t, = conduit finalement la valeur de r :
) e - (1
4a
) e - (1
a
1
)] R( - [r(t) ) R( ) r(t,
2 a -
3
2
a -
)
`
+ =

Ce modle permet dobtenir la plupart des formes de courbe des taux :
Structure ascendante si
2
2
4a
- ) R( r(t)

Structure inverse si
2
2
2a
) R( r(t)

+
Structure bossele si
2
2
2
2
4a
- ) R( r(t)
2a
) R(

< <
+

Valeurs remarquables :

2
2
4a
) T ( r r(T,0)

+ =
) R( ) r(t, =

Ce modle dit de dport normal prsente nanmoins des inconvnients :

Les diffrents paramtres du processus de diffusion sont constants.
Il nest pas possible dobtenir une courbe de taux en forme de cuvette.
Les valeurs ngatives du taux dintrt ne sont pas censures.

Pour viter ce dsagrment, il faut faire appel une modlisation proposant une barrire
rflchissante zro ; cest lobjet du processus de Cox, Ingersoll et Ross (CIR).

C - MODELE DE COX,INGERSOLL ET ROSS
24

Ce modle, tabli en 1985, introduit un processus en racine carre qui interdit un taux initialement
positif de prendre des valeurs ngatives, tout en conservant la simplicit du processus dOrnstein-

24
COX J.C., INGERSOLL J.E., ROSS S.A., [1985], "A theory of the term structure of interest rate". Econometrica.

- 52 -
Uhlenbeck. En reprenant les notations de la partie prcdente, le processus de taux scrit sous la
forme :
dW r r)dt a(b dr t + =

La valeur du Zro-Coupon est dtermine par la formule suivante :

T)r(t)) B(t, exp( T) A(t, T) t, P(r, =
avec
t<T
2
2ab
) t - T (
2
t - T
) a (
2 ) 1 - e )( a (
e 2
T) A(t,
+ +
(
(
(
(
+ + +

=

2 ) 1 - e )( a (
) e ( 2
T) B(t,
) t - T (
) t - T (
+ + +

=
1

2 (a
2
+ + =
2
)
r t) (r,

=

La relation T) t, P(r, ln
t - T
1
- T) t, R(r, = permet daboutir la structure par terme des taux :

t - T
T) A(t, ln - T)r(t) B(t,
T) t, R(r, =

Comme pour le modle de Vasicek, il est possible dobtenir plusieurs formes pour la courbe des taux
Structure ascendante si ) , t , r R( r(t)
Structure inverse si
+
a
ab
r(t)
Structure bossele si
+

a
ab
r(t) ) t, R(r,

Remarques diverses :
La variance du processus crot avec r.
Le taux ne peux prendre une valeur nulle que si la condition 2ab
2
> est satisfaite.
Cette approche est trs utilise de part sa simplicit.

- 53 -
D - LIMITES DE CES DEUX MODELES

Ces modles prsentent linconvnient de stabiliser la queue de la structure des taux ; le taux long
terme est rduit une constante indpendante de la forme de la structure. Or, dun point de vue
purement conomique, il nest pas toujours appropri dexpliquer le march des titres obligataires par
une seule variable explicative, le taux sans risque instantan. Ces processus mono-factoriels, ne
dpendant que dune variable dtat, supposent une parfaite corrlation entre les taux r(t,T), non
satisfaite dans la pratique. Toutes ces limites ont pouss certains thoriciens construire des
modles prenant en considration plusieurs facteurs (notamment par Schwartz, Brennan et
Longstaff).

E - MODELE DE HEATH-JARROW-MORTON
25

La mthodologie HJM permet de modliser la structure terme de taux dintrt du point de vue de la
thorie darbitrage. Lapproche HJM prend en considration les diffrentes limites nonces pour les
structures de taux nonces prcdemment. Il faut bien comprendre que HJM ne propose pas une
structure dynamique spcifique, mais plutt un cadre de travail.

Aprs avoir prsent la structure gnrale de la mthodologie HJM, nous nous intresserons deux
modles qui rpondent aux caractristiques de lapproche HJM : les modles de Ho et Lee et de
Vasicek gnralis.

a) Notations :

Il est indispensable dintroduire certaines notations avant de se concentrer sur la mthodologie HJM :

+ T) P(t, : prix dune obligation sans coupon dfinie par la valeur en t de un euro qui sera pay en T.
+ T) P(t, ln
t - T
1
- T) R(t, = : le taux de rendement continu.
+ T) R(t, lim r(t)
t T
= : le taux sans risque instantan.
+ T) P(t, ln
T
- T) f(t,
= : le taux forward instantan. T) f(t, reprsente le taux dintrt sans risque

pour un prt contract au temps t dbutant T pour une priode infinitsimale.
+ Ces diverses dfinition conduisent poser deux relations assez lmentaires :
=
T
t
-
e T) P(t,
ds ) s , t ( f

et t) f(t, r(t) = .

25
Cf. HEATH D., JARROW R., MORTON K., [1990], Bond pricing and the term structure of interest rate: a discret time
approximation. Journal of financial and quantitative analysis.
- 54 -
b) La mthodologie

On suppose que la dynamique du taux forward instantan est donne par lquation diffrentielle
stochastique suivante :
T)dW (t, T)dt (t, T) df(t,
t
+ =
t
dW tant un processus de Wiener standard sous la probabilit historique P.
La forme intgre donne

+ + =
t
s
0
t
0
T)dW (s, T)ds (s, T) f(0, T) f(t, . Il faut galement prciser
lhypothse initiale de la mthodologie HJM : T) (0, T) f(0,
*
f = o T) (0, * f reprsente le taux forward
instantan observable sur le march.

Dautre part, lhypothse dabsence darbitrage impose une condition sur (.,.) et sur (.,.) . Plus
prcisment, si T) (t, est le processus vrifiant la relation
(
=

T
t
ds ) s , t ( T) (t, - T) (t, T) (t, , la
condition dabsence darbitrage sexprime par lindpendance de T) (t, vis vis de T ( (t) T) (t, = ).
Mais la complexit destimation de la prime de risque (t) partir du march des titres obligataires
pose problme. Pour contourner le problme, HJM propose de faire appel la mesure risque neutre
Q. Sous cette mesure, lvaluation du prix dune obligation ne fait pas intervenir (t) .

Dornavant, on suppose que la dynamique du taux forward instantan dans lunivers risque neutre est
donne par :
W T)d (t, T)dt (t, T) df(t,
t
~
+ =
Lhypothse dabsence darbitrage impose galement une relation entre (.,.) et (.,.) , nanmoins
celle ci ne fait plus apparatre la prime de risque :
=
T
t
s)ds (t, T) (t, T) (t, . Ainsi, pour dterminer la
valeur dune obligation sans risque de dfaut, il suffit de suivre les diffrentes tapes dtailles ci-
aprs :

O On observe sur le march la courbe des taux forward instantans T) (0, * f .
O On choisit un processus de volatilit T) (t, .
O Via la relation donne quelques lignes plus haut, on en dduit la valeur de T) (t,
O On dtermine le taux forward instantan dans lunivers risque neutre :
W T)d (s, T)ds (s, T) f(0, T) f(t,
0
t
0

+ + =
t
s
~

avec T) (0, T) f(0,
*
f =

O On retrouve le taux court terme en utilisant la relation suivante
- 55 -
t) f(t, r(t) =
soit t)dW (s, t)ds (s, t) f(0, r(t)
0
t
0

+ + =
t
s

O Finalement, lexpression du prix dune obligation sans coupon et sans risque de dfaut scrit
comme suit :
)
`
+ + =

(s)) W
~
)d u)du (s, ( u)duds (s, du ) u , ( f ( - exp T) P(t,
t
0
T
0
T
t
t
0
T
t
0

Le grand avantage de la mthodologie HJM est dintroduire comme paramtre de dpart la courbe
des taux forward instantans au temps 0. Les parties suivantes sont des illustrations de cette
mthodologie ; nous allons choisir un modle pour T) (t, (Ho et Lee, Vasicek gnralis), puis
appliquer la mthodologie dcrite antrieurement.

c) Le modle de Ho et Lee

Ce modle est lapplication la plus connue de la mthodologie de HJM. Lhypothse de base de ce
modle consiste considrer le coefficient de diffusion comme constant :
= T) (t, .
La relation
=
T
t
s)ds (t, T) (t, T) (t, nous permet dobtenir le coefficient de drive :
) t T ( =
2
T) (t,
Lquation diffrentielle stochastique rgissant la valeur du taux forward instantan scrit alors :
W d T) df(t,
t
~
dt ) t T ( + =
2

Aprs intgration, cette relation devient :
W T) f(0, T) f(t,
t
~
)
t
T ( t +
2
+ =
2

La valeur du taux court terme sen dduit aisment :
W t) f(0, t) f(t, r(t)
t
~ t
+
2
+ = =
2 2

Et la relation

=
T
t
-
e T) P(t,
ds ) s , t ( f
permet daboutir la valeur de lobligation sans coupon :
) (t) W t) - (T - t) -
t) P(0,
T) P(0,
(t))ds) W
2
t
- t(s exp(- T) P(t,
T
t
2
~
T ( Tt exp(
~
) ) s , ( f (
2
= + + 0 =
2

Remarques :
f(t,T) possde une distribution normale desprance )
t
T ( t
2
+
2
T) f(0, et de variance t
2
.
r possde une distribution normale desprance
2
+
2 2
t
t) f(0, et de variance t
2
.
- 56 -
P(t,T) possde une distribution lognormale.
f(0,T) et P(0,T) sont directement observs sur le march.

d) Modle de Vasicek gnralis

En suivant ce modle, le processus de volatilit vrifie la relation suivante,o k est une constante
positive :
t)
T) (t,

=
T ( k
e

Cette forme est facilement interprtable ; plus on se rapproche de lchance, plus la volatilit
diminue. Comme pour le modle de Ho et Lee, le processus de drive se dduit de lexpression de
T) (t, :
) e -
k
s)ds (t, T) (t, T) (t,
t) - 2k(T -
2
T
t
) t T ( k
e (

= =

On retrouve ensuite lquation stochastique forward instantan :
W d )dt e -
k
T) df(t,
t) t) - 2k(T -
2
t
T ( k ) t T ( k
~
e e (

+
=
Lintgration de cette quation donne :
0

+ 1
+ 1
=
t
T ( k
~
e ( ( s W d ) e -
2k
) e -
2k
T) f(0, T) f(t,
s) 2 kT -
2
2
2 t) - k(T -
2
2

On dduit ensuite la valeur du taux court terme partir de la valeur du taux forward :
0

+ 1
+ =
t
t ( k
~
e ( s W d ) e -
2k
t) f(0, r(t)
s) 2 kt -
2
2

Comme dans la section prcdente, relation
=
T
t
-
e T) P(t,
ds ) s , t ( f
permet daboutir la valeur de
lobligation sans coupon :
r(t)) - t) T)(f(0, K(t,
t) P(0,
T) P(0,
T) P(t,
(
(
+
2
=
2
) t ( L
) T , t ( K
exp

k
) T , t ( K
t) - -k(T
e - 1
=
0
2 2
=
t
T ( k
e ) t ( L ds
s)

Remarques :
f(t,T) possde une distribution normale desprance
2 kT -
2
2
2 t) - k(T -
2
2
) e -
2k
) e -
2k
T) f(0, 1
+ 1
( (
et de variance
0
2 2
t
T ( k
e ds
s)
.
- 57 -
r(t) possde une distribution normale desprance
2 kt -
2
2
) e -
2k
t) f(0, 1
+ ( et de
variance

0
2 2
t
t ( k
e ds
s)
.
P(t,T) possde une distribution lognormale.
f(0,T) et P(0,T) sont directement observs sur le march.
- 58 -
SECTION 2 : DYNAMIQUE DES TAUX EN TEMPS DISCRET

Les taux continus tant dfinis par des quations diffrentielles, le nombre dtats du monde est
matris. En effet, pour obtenir n tats du monde, il faut tablir n trajectoires de taux. En ce qui
concerne les taux discrets, les tats du monde sont reprsents sur des treillis par des nuds.

A - LE MODELE DE HO ET LEE
26

a) Prsentation

Les travaux de Ho et Lee (1986) marquent une avance certaine dans le domaine des modles de
valorisation des options de taux. Les hypothses de leur modle sont plus cohrentes avec le
comportement du march obligataire que celles des modles prcdents. Il prend en compte les
phnomnes discrets et sa mise en uvre est simple.

T) (t, P
i
reprsente le prix dune obligation Zro-Coupon de maturit T-t (o lindice i reprsente le
nombre de mouvements la hausse). On construit un treillis binomial de lvolution des T) (t, P
i
,
qui chaque stade du treillis peuvent suivre un volution la hausse ou la baisse.

Lorganigramme suivant illustre cette logique pour un treillis comportant trois mouvements successifs.
T) (t, P
0
T) (t, P
0
T) (t, P
0
T) (t, P
0
T) (t, P
1
T) (t, P
1
T) (t, P
1
T) (t, P
2
T) (t, P
2
T) (t, P
3
Illustration de l'volution de la valeur du Zro- Coupon dans le cadre de Ho et Lee discrtis

Lvolution dans le treillis se fait partir de fonction de perturbations dfinies ci-aprs :
) t T , t ( h =
+
t) 1, - (t P
T) 1, - (t P
T) (t, P
i
i
1 i
pour une volution la hausse.
) t T , t ( h
*
=
+
t) 1, - (t P
T) 1, - (t P
T) (t, P
i
i
1 i
pour une volution la baisse.
avec 1 = 0) ( h
*
et 1 = 0) ( h .

26
Cf. HO et LEE, [1986], Term structure movements and pricing interest rate contingent caims. Journal of finance.
Cf. BONNASSIEUX M., BRUNEL V., Modle de Ho et Lee gnralis.
- 59 -
b) Indpendance du chemin suivi

Il est galement indispensable de prciser la contrainte classique des modles de pricing financiers :
la courbe des taux rsultant dun mouvement haut puis dun mouvement bas est la mme que celle
rsultant dun mouvement bas puis haut ( Up Down = Down Up ). Il sagit en fait de lhypothse
dindpendance du chemin suivi :
t)h(1) - 1)h(T t - (T h (1) * t)h - T 1 t - T
*
+ = + ( h ) , t ( h
*

c) Absence dopportunit darbitrage

La dmarche consiste crer un portefeuille comportant un Zro-Coupon dchance T et Zro-
Coupon
27
dchance T. La condition dabsence dopportunit darbitrage se matrialise alors par la
relation suivante :
T'-t) - h(T'-t)
T'-t)

t) - T - t) - h(T
t) - T
( h
( h
( h
( h
*
*
*
*
1
=
1

Cette dernire valeur, note , correspond la probabilit risque neutre. La condition dabsence
dopportunit darbitrage se rcrit
1 t) - T ( h ) - (1 t) - T ( h
*
= +

d) Dtermination des fonctions de perturbation

Ces dernires sobtiennent en combinant les deux conditions dcrites prcdemment.

t - T
) - (1
1
t) - T ( h
+
=

t - T
t - T
*
) - (1
t) - T ( h

+
=
avec
) ( h
) ( h
*
1
1
= .

e) Prix du Zro - Coupon

Les expressions des fonctions perturbatrices obtenues en dbut de paragraphe permettent de
retrouver de manire rcursive la valeur de lobligation Zro-Coupon ltat i et la date t.

h(1) ... 2) - h(t 1) - h(t t) (0, P
h(T) ... 2) - t h(T 1) - t h(T T) t (0, P
T) (t, P
) i t ( T
0
0
i

+ + +
=

27
tant choisi de faon ce que la valeur du portefeuille soit la mme dans un tat haut ou dans un tat bas.
- 60 -

f) Critiques

La construction de ce modle repose sur une hypothse forte, qui nest pas forcment respecte dans
la pratique : lindpendance du chemin suivi. Dautre part, le modle ninterdit pas la ngativit des
taux (sauf contrainte spcifie).

B - LE MODELE DE BLACK, DERMAN ET TOY
28

a) Prsentation

Black, Derman et Toy supposent que la structure du taux court peut tre modlise par la dynamique
suivante :
w (t). t t) (r, r(t) ln + =
Les diffrent paramtres retenus pour cette modlisation sont lists ci-aprs :
est une fonction de r et de t.
correspond la volatilit conditionnelle du logarithme du taux court.

La dynamique des taux des Zro-Coupon permet de dfinir la structure de volatilit. Si y(t,s)
reprsente le taux en t pour lchance s, y suit la dynamique suivante :
w s). (t, t) (r, f y ln
y
+ =
b) Arborescence

Lvolution du taux seffectue selon un branchage binomial et la principale hypothse retenue est la
suivante : la probabilit de hausse et gale la probabilit de baisse (soit ). Pour dterminer P(0,2),
nous devons considrer lvolution suivante :
P(0,2)
P(1, 1, 2)
P(1,-1,2)

Elle fournit
t r(0). 2
P(1,-1,2) P(1,1,2)
P(0,2)
+
+
=
1
1

o P(1,1,2) et P(1,-1,2) prennent les valeurs suivantes :
t r(1,1).
P(1,1,2)
+
=
1
1

t r(1,-1).
P(1,-1,2)
+
=
1
1

28
Cf. BLACK F., DERMAN E, TOY W., [1990], A one-factor model of interest rates and its application to treasury bond
options. Journal of political economy.
- 61 -
On obtient galement :

) , ( r
) , ( r
ln
2
1
(0,2)
y
1 1
1 1
=

Les valeurs de P(0,2) et de (0,2)
y
permettent de retrouver celles de r(1,1) et r(1,-1) . En
introduisant la condition de constance de la volatilit des taux, on retrouve les valeurs suivantes (en
utilisant le mme procd que celui dcrit prcdemment).

Remarque : La condition de constance de la volatilit des taux se matrialise par la relation suivante :
) j , i ( r ) j , i ( r j) (i, r
2
2 2 + =

C - LE MODELE DE HULL ET WHITE
29

a) Prsentation

Hull et White supposent que la structure du taux court peut tre modlise par la dynamique
suivante :
w . t r) a (t) ( r + =
Les diffrents paramtres retenus pour cette modlisation sont lists ci-aprs :
r correspond laccroissement du taux entre t et t + t .
est une fonction positive de t.
a (positif) reprsente la vitesse de retour la valeur moyenne.
(positif) est la volatilit.
w est la fonction alatoire associe au mouvement brownien.

Lvolution du taux ne seffectue pas selon un branchage binomial (comme pour le modle de Ho et
Lee), mais selon un schma trinomial. A chacune des trois branches du treillis de taux est associe
une probabilit de changements dtat, comme indiqu ci-dessous.
Branche haute
Branche milieu
Branche basse
Valeur initiale
m
p
d
p
u
p

p
u
: probabilit de passer par la branche haute
p
m
: probabilit de passer par la branche du milieu
p
d
: probabilit de passer par la branche basse

29
Cf. HULL J., WHITE A., [1996] Using Hull-White interest-rate trees. Journal of derivatives.
- 62 -

Dautre part, il faut prciser que plusieurs types de branchages peuvent apparatre dans le treillis de
taux :
Branchage de type
"Haut"
Branchage de type
"Intermdiaire"
Branchage de type
"Bas"

b) Arborescence :

Lalgorithme retenu par Hull et White pour dterminer les diffrentes valeurs dfinitives se dcompose
en deux tapes principales :

1 - construction dun arbre compatible avec la structure des taux
2 - dtermination de la fonction via la structure initiale

La dtermination des rsultats repose encore une fois lhypothse dindpendance du chemin suivi.
Le pas de temps est choisi de faon ce que :
t 3. r =

Etape 1

En premier lieu, on considre 0 (t) = et r(0)=0. Nous pouvons donc illustrer lalgorithme
sur un branchage de type intermdiaire .

Probabilit de changements dtat
( i+1 , j+1 )
( i , j )
m
p
d
p
u
p
( i+1 , j )
( i+1 , j-1 )

Si on sintresse la dynamique, on obtient :
| | t r. aj. - t a.r(t). - r j. r(t) / dt) r(t E = = = +
| | t . r j. r(t) / dt) r(t Var
2
= = +

- 63 -
Si on sintresse au branchage, on obtient :
| | r ). p - (p r j. r(t) / dt) r(t E
d u
= = +
| |
2 2 2 2 2
d u
r) ( t) ( .j a - r) ).( p (p r j. r(t) / dt) r(t Var + = = +

En posant t a. - A = et en considrant les diffrentes conditions nonces
prcdemment, il est possible de fournir un systme assez simple :
j.A p - p
d u
=
2 2
d u
.A j
3
1
p p + = +

Aprs rsolution nous obtenons les diffrentes probabilits pour le branchage de type
intermdiaire :

2
jA A j
p
2 2
u
+
+
6
1
=
2 2
m
A j - p
3
2
=
2
jA A j
p
2 2
d

+
6
1
=

Un raisonnement analogue permet dobtenir, les probabilits de passage des autre types
de branchage :

Branchage Haut
2
3jA A j
p
2 2
u
+
+
6
7
= 2jA - A j - - p
2 2
m
3
1
=
2
jA A j
p
2 2
d
+
+
6
1
=

Branchage Bas
2
jA A j
p
2 2
u

+
6
1
= 2jA A j - - p
2 2
m
+
3
1
=
2
3jA A j
p
2 2
d

+
6
7
=

Condition de basculement

Si on se situe sur un branchage de type Intermdiaire , on peut basculer sur un
branchage de type Haut si valeur de j est grande . De la mme analogue, on peut
basculer sur un branchage de type Bas si la valeur de j est ngative et grande en
valeur absolue. Ainsi, on note j
max
la valeur de j partir de laquelle on passe dun
branchage de type Intermdiaire un branchage de type Haut et j
min
la valeur
limite de j qui permet de passer dun branchage de type Intermdiaire un branchage
de type Bas .

Hull et White fournissent, pour ces deux valeurs, les conditions suivantes :
A
.
j
A
0.1835
-
max
8165 0
< < et
A
.
j
A
0.8165

min
1835 0
< <
- 64 -

Ils proposent, en outre, de faire correspondre
max
j le plus petit majorant entier de
A
0.184
et de prendre
max min
j j = .

Etape 2

La drive des taux est calcule partir de la structure initiale des taux. Larbre de taux
construit lissu de ltape 1 est modifi de la faon suivante : on ajoute aux taux de la
date i la valeur
i
(
0
=r(0)).

Introduction dun actif Arrow Debreu
Rappelons quArrow et Debreu sont lorigine dun modle de reprsentation
mathmatique du march concurrentiel. Cest principalement eux que lon doit le
dveloppement de la thorie dquilibre gnral des prix qui maximise lesprance de
chacun.
Lactif dArrow-Debreu, not Q(i ,j), vaut 1 au nud (i ,j) et 0 dans les autres cas. Ds
lors, on obtient :
t -r(0). t -r(0). t -r(0).
m d u
0).e 0, ( Q e ).e p p (p t) P(0,

= = + + =

et
t -r(0).
u
.e p 1) 1, ( Q

=
t -r(0).
m
.e p 0) 1, ( Q

=
t -r(0).
d
.e p 1) - 1, ( Q

=

On introduit les
i
au pas de temps suivant :
| | .e e . p .e p .e p t) 2 P(0,
t -r(0). t r). -(
m
t . -
d
t r). -(
u
1 1 1

+
+ + =
Soit
e . 1) - 1, ( Q 0).e 1, ( Q 1).e 1, ( Q t) 2 P(0,
t r). -( t . - t r). -(
1 1 1

+
+ + =

De ces relations, on peut dduire la valeur de
1
. Cette dernire valeur permet dobtenir
Q(2 ,j) (avec j dans {-2,-1,0, 1, 2}) et de calculer t) 3 P(0, . On peut alors en dduire
2
ainsi de suite.

La formule gnrale permettant dobtenir les valeurs successives des
i
est la suivante :
t r). j. (
n(i)
-n(i) j
j).e , Q(i t) 1) (i P(0,
+
=
1
= +

- 65 -
soit
| |
t
t) 1) (i P(0, ln - j).e , Q(i ln

t r. j.
n(i)
-n(i) j
i

+
(
(

Les prix des actifs Arrow - Debreu sont donns ci-aprs :
e ). j , k ( p ). k , i ( Q j) i, ( Q
k
t ). r k. (
i
+

=

1
1
o les ) j , k ( p dsignent la probabilit de joindre le noeud (i, j) en partant du noeud (i-
1,k).

- 66 -
CHAPITRE 3 : MODELISATION DES ACTIONS

A - MODELISATION DANS LUNIVERS HISTORIQUE

En ce qui concerne les actions, la modlisation la plus couramment utilise est celle de Black et
Scholes
30
. On considre que le cours des actions suit le mouvement brownien gomtrique
suivant (o et sont des constantes) :
t
.dz .dt
S
dS
+ =
La rsolution de cette quation est assez classique. Il convient de poser ln(S) = y , et on obtient
ensuite par drivation :
0 y
t
=
S
1
y
S
=
2
SS
S
1
y =

Lapplication du lemme dIt fournit :
| |
t
2
S.dz
S
.dt
S
1
S
2
1
-
S
1
S dy + |
.
|
\
|
=
1
2

ce qui donne aprs simplification :
t
2
.dz .dt
2
- dy
+
|
|
.
|
\
|
=

Lintgration de cette quation prend la forme suivante :
dz(s) . .t
2
-
) ( S
) t ( S
ln
t
0
2
+
|
|
.
|
\
|
=
|
|
.
|
\
|

0

Soit
z . ).t
2
- ( S(0).exp ) t ( S
t
2
)
`
+ =

La rsolution de lEDS prsente prcdemment est devenue commune pour ceux qui s intressent
de prs la modlisation et lvaluation des prix dactions ou doptions. Il arrive nanmoins que la
rsolution dEDS soit plus dlicate ou fastidieuse.

30
Pour plus de dtails, on pourra consulter BLACK F., SCHOLES M., [1973], The pricing of options and corporate liabilities.
Journal of political economy.

- 67 -
Les paragraphes suivants introduisent des concepts qui permettent de remdier cette difficult. Le
calcul de la valeur de certaines variables dans un univers corrig du risque (univers risque neutre) ou
dans un univers forward neutre permet de ramener la valorisation dun actif contingent (produit
driv), dont le sous jacent est rgi par une EDS, un calcul desprance. Ce dernier peut tre plus
ou moins compliqu. Dans tous les cas, il est possible daboutir un rsultat en faisant appel des
mthodes de simulations.

B - MODELISATION DANS LUNIVERS RISQUE NEUTRE

a - Prsentation

En supposant que les marchs soient complets, la condition dabsence dopportunit darbitrage est
quivalente lexistence dune probabilit risque neutre, note Q, telle que les processus de gains
(X ; dans ce cas prcis, cette variable alatoire correspond au sous jacent S) actualiss ont pour
caractristique dtre des martingales sous Q :
|
|
.
|
\
|
= F
) T (
) T ( X
E
) t (
) t ( X
t Q

avec
|
|
.
|
\
|
=

r(s).ds exp ) t (
t
0

Prcisons que cette nouvelle probabilit, quivalente P, nest pas unique si lhypothse des
marchs complets nest pas respecte.

b - Application

Soit r le taux dactualisation suppos constant et
rt
e ). t ( S ) t ( S

= le cours actualis de laction.
Lapplication du lemme dIt permet de retrouver la dynamique de S .
.dz r).dt - (
S
S d
+ =
On applique ensuite le thorme de Girsanov qui nous permet de passer lunivers risque
neutre :
dt .
- r
- dz z d
=
z d . . S ) dt .
- r
z d .( . S ).dt r - .( S S d
= + + =
En effet, on vrifie bien, que dans lunivers risque neutre, les pris actualiss sont des martingales. La
dernire tape consiste intgrer z d .
S
S d
= . Lapplication du lemme dIt fournit :
=

t
0
t
0
2
.ds
2
1
- z .d exp (0). S ) t ( S
t
0
t
0
2 rt
.ds
2
1
- z .d exp S(0). e ). t ( S

)
`
+ |
.
|
\
|
= (t) z . t
2
1
- r(t) exp S(0). ) t ( S
2
)

- 68 -
C - MODELISATION DANS LUNIVERS FORWARD NEUTRE

a - Prsentation

En supposant labsence dopportunit darbitrage, il est possible dtablir une nouvelle mesure de
probabilit : la probabilit forward neutre. Dans cet univers, le prix forward de nimporte quel actif
financier est une martingale de mme volatilit que dans lunivers historique.

Soulignons galement limportance du thorme de changement de numraire
31
qui constitue une
gnralisation du concept prcdent et permet deffectuer des calculs desprance sous une
probabilit propre au numraire choisi.

b - Application
32

Les hypothses retenues pour cet exemple sont les suivantes :

Le prix dun Zro-Coupon dchance T suit la diffusion suivante :
1
T).dz (t, - T).dt (t,
P
dP
=
En ce qui concerne lactif S, nous pouvons crire :
2
.dz .dt
S
dS
+ =
.dt dz . dz =
2 1

Aprs dcorrlation (procd dtaill au niveau du chapitre 5 de la prsente partie), il advient :

1
z T).d (t, - r.dt
P
dP
=

2
z d . - 1 z .d . .dt r
S
dS
2
1
) )
+ + =
Soit Q
S
, la probabilit dfinit comme suit :
) (
) T (
S(0)
S(T)

dQ
dQ
S
0
= . Le thorme de Girsanov permet de

constituer deux Q
S
mouvements browniens
S
z
1
)
et
S
z
2
)
dfinit par :
.t - z z
S
1 1
) )
= et t - 1 . - z z
2 S

2 2
) )
=

31
Cf. GERMAN H., EL KAROUI N., ROCHET J.C., [1995], "Changes of numeraire, changes of probability measures and pricing
of options". Journal of Applied Probability.
32
Cf. QUITTARD-PINON F., [2002], "Mathmatiques financires". Ems.

- 69 -
Intressons nous ensuite lexpression de
P
dP

S
1
S.d
P
dP

S
1
S.d
S
P
S
P
d
|
.
|
\
|
+ + |
.
|
\
|
=
|
.
|
\
|
.
Pour le calcul de chacun des lments de lgalit ci-dessus, nous nous contenterons de ne calculer
que les termes en dz .
S
P
tant une martingale sous Q
S
, tous les termes en dt de la dynamique
sannulent. La valeur de |
.
|
\
|
S
1
d est calcule en utilisant le lemme dIt :
| |
(
+ + = |
.
|
\
|
z d . - 1 z .d ).
S
1
.S.( dt ...
S
1
d
2
2
1
2
) )

Aprs divers calculs et simplifications, on trouve finalement :
| |
S
2
2 S
z d - 1 - z d T) (0, . -
S
P
S
P
d
+ =
|
.
|
\
|

1
)

On applique le thorme de changement de temps
33
pour se ramener un unique mouvement
brownien, on en dduit :
)
`
= ) t (
2
1
- (t)) B( exp
) ( S
) T , ( P

) t ( S
) T , t ( P

0
0

avec

| |
+ + =
t
0
2 2
ds T) (s, . . 2. T) (s, ) t (

B() : mouvement brownien standard.
Finalement,
)
`
= ) t (
2
1
- (t)) B( exp
) T , ( P
) T , t ( P
x S(0) (t) S
0

Remarque : il est bien videmment possible deffectuer les calculs dans lautre sens ; il suffit de
noter que
S
P
est une Q
T
martingale et de refaire les calculs de la mme manire que prcdemment.

Cette dernire formule est notamment utilise dans la dmonstration de la formule de Black, Scholes
et Merton, qui contrairement la formule de Black et Scholes, donne la valeur en AOA
34
dune option
europenne avec une structure de taux dintrt stochastique.

33
Cf. Annexe 1.
34
AOA : Absence dopportunit darbitrage.
- 70 -
CHAPITRE 4 : MODELISATION DE LIMMOBILIER

Aprs les actions et les obligations, limmobilier constitue une catgorie dinvestissement privilgie
des compagnies dassurances (dautant plus que le march immobilier franais est actuellement en
plein essor). Deux types de modlisations peuvent tre retenues pour ce type de placement.

Une modlisation identique celle des actions : Black et Scholes

Une modlisation
35
qui retient la dynamique suivante :

. 1) - (t P ) (1 (t) P
t I I
+ + =

(t)
I
P : prix de lactif immobilier considr la date t.
: taux de croissance du march immobilier.
: volatilit du march immobilier.

t
: un bruit blanc gaussien.

Les paramtres qui viennent dtre prsents doivent tre estims au cas par cas : la structure du
portefeuille immobilier peut varier sensiblement dune compagnie lautre et dune rgion lautre. Il
nest donc pas raisonnable deffectuer des simulations en utilisant des paramtres estims partir des
donnes de lensemble du march franais. Idalement, les paramtres doivent tre calculs partir
de lhistorique immobilier de la socit concerne.

35
Cf. LAFAILLE A., GOACHET O., THEROND P., TRANCHARD A., [2003], "Dynamic Financial Analysis". Groupe de travail
ISFA.
- 71 -
CHAPITRE 5 : CORRELATION ENTRE LES ACTIFS

La corrlation entre les actifs est prsente ici dans un cadre linaire . Signalons, cependant, quun
autre traitement faisant appel aux copulas aurait pu tre envisag pour la prise en compte des
dpendances.

A - PRESENTATION

Les catgories dactifs en portefeuille dune socit dassurance sont en gnral corrles. Cette
corrlation peut tre matrialise par le biais de la matrice ci-dessous :

OBLIGATION
t
dz
ACTION
t
dz
IMMOBILIER
t
dz
MONETAIRE
t
dz
OBLIGATION
t
dz
dt dt .
12
dt .
13
dt .
14

ACTION
t
dz
dt .
12
dt dt .
23
dt .
24

IMMOBILIER
t
dz
dt .
13
dt .
23
dt dt .
34

MONETAIRE
t
dz
dt .
14
dt .
24
dt .
34
dt

En vue daboutir une dcorrlation des actifs, il convient dutiliser la dcomposition de Choleski. On
considre un vecteur alatoire gaussien ) X .., , X , X ( X
n 2 1
= dont la distribution est mutli normale
non dgnre. Sa densit est de la forme
(
= ) - (x . )'. - (x
2
1
- exp
) ( det ) (2
1
) x ( f
1 -
2
1
2
n
X

) ..., , , (
n 2 1
= : vecteur esprance des lois marginales
: matrice de variance - covariance

Plus prcisment, cette dernire matrice scrit :
(
(
(
(
=
1
1
1
1

34 24 14
34 23 13
24 23 12
14 13 12

Comme sigma est symtrique, il est possible de trouver une matrice T dfinie comme suit
(
(
(
(
=
b b b b
b b b
b b
b

44 43 42
33 32
22
11
41
31
21
0
0 0
0 0 0

- 72 -
et vrifiant :
TT' =
Dautre part, on sait que si Z est un vecteur i.i.d. de loi commune N( 0,1), alors le vecteur X = TZ + a
pour matrice de variance covariance .

Cette dernire relation permet de retrouver de proche en proche les valeurs des coefficients de la
matrice triangulaire T :

1 1 11
Z . b X + =
1
.
En considrant la variance de chacun des termes de cette galit, on obtient 1 b
11
= .

1 2 22 1 21
Z . b Z . b X + + =
2

En considrant la variance de chacun des termes de cette galit, on obtient
1 b b
22 11
= + .
Si on sintresse la covariance, on tombe sur lgalit suivante :
( ) | | ) .Z b .Z b ( .Z b E X , X cov
2 22 1 12 1 11 12 2 1
+ = = .
Finalement,
12
11
12

b
b
= =
21
et ( )
2
1
2
21
- 1 b
12
= .
Etc.

Lapplication de cette mthode permet daboutir aux valeurs des
ij
b :
|
|
.
|
\
|
=
=
=
b -
b . b -
b
1 - j
1 k
2
jk jj
1 - j
1 k
jk ik ij
ij

Et la matrice T scrit donc :

( )
( )
( )
( )
(
(
(
(
(
(
(
(
(
(
(
(
(
|
|
.
|
\
|

=

-
. -
- - 1

- 1
. -

- 1
. -
- . -
-
-
. -
- - 1
-
. -
- - 1
- 1
. -

- 1
. -
- . -
- 1
. -
0
- 1
. -
- - 1
- 1
. -
0 0 - 1
0 0 0 1
T
2
12
12 13 23 2
2
12
12 13 23
2
12
12 43 24
13 14
12 14 24 2
14
12 13 23 2
13
2
12
12 13 23
2
12
12 43 24
13 14
2
12
14
2
12
12
2
12
12
2

1
1
1
2
13
2
34
2
12
2
2
12
2
34
12 24
14
2
13 23 2
13
13 23
13
12 12

B - DECORRELATION DES ACTIFS

- 73 -
Supposons que les dynamiques des rendements utilises par les diffrents actifs avant dcorrlation
soient les suivantes :
Obligations :
OLBLIG
t
OBLIG
t
OBLIG
t
OBLIG
.dz .dt dr + =
Actions :
ACTION
t
ACTION
t
ACTION
t
ACTION
.dz .dt dr + =
Immobilier :
IMMO
t
IMMO
t
IMMO
t
IMMO
.dz .dt dr + =
Montaire :
MONET
t
MONET
t
MONET
t
MONET
.dz .dt dr + =

Pour simplifier les calculs, utilisons les notations suivantes :

|
|
|
|
|
.
|
\
|
=
dr
dr
dr
dr
dr
MONET
) D (
IMMO
) D (
ACTION
) D (
OBLIG
) D (
lindice D est utilis pour prciser quil sagit des dynamiques dcorrles.

|
|
|
|
|
.
|
\
|
=
MONET
t
IMMO
t
ACTION
t
OBLIG
t
t
et
|
|
|
|
|
.
|
\
|
=
.dz
.dz
.dz
.dz
dz
MONET
t
MONET
t
IMMO
t
IMMO
t
ACTION
t
ACTION
t
OLBLIG
t
OBLIG
t
t

Les dynamiques dcorrles sont obtenues en appliquant la formule suivante :

dz . T dt . dr
t t
+ =

A titre dexemple, nous pouvons donner les dynamiques dcorles des obligations et de limmobilier :

Obligations :
OBLIG
t
OBLIG
t
OBLIG
t
OBLIG
dz . .dt dr + =

Immobilier :
( )
IMMO
t
2
12
12 IMMO
t
ACTION
t
2
12
12 IMMO
t
OBLIG
t
IMMO
t
IMMO
t
IMMO
.dz
- 1
. -
- - 1 . .dz
- 1
. -
. .dz . .dt dr

2
13 23 2
13
13 23
13
+ + + =

- 74 -
CHAPITRE 6 : MARKOVITZ A N ACTIFS
36

La dtermination dune allocation stratgique pour plusieurs actifs (N actifs par exemple) passe par le
modle de Markovitz plusieurs actifs et plus prcisment par lalgorithme de la ligne critique.

Prsentation du problme

Soient p
i
les proportions investies dans les actifs composant le portefeuille. En notant R
i
le rendement
de chaque actif, il est alors possible dcrire le rendement global du portefeuille :
=
=
N
1 i
i i Port
R p R .
Lalgorithme de la ligne critique permet dtablir une frontire efficiente lorsque les diffrentes
proportions dactifs sont encadres par des ingalits (rglementaires par exemple) :
i Sup, i i , Inf
p p p .

Rappelons galement que lquation de la tangente en un point de la frontire efficiente scrit :
Port Port
.E + =
2
o le paramtre correspond au coefficient daffection pour le risque et
Port
E
lesprance du portefeuille. Ainsi, un investisseur qui naccorde aucune importance au risque se verra
attribuer un infini. Un portefeuille efficient, pour un donn, est identifi par lensemble des
valeurs p
i
permettant de minimiser la valeur de
Port Port
.E
2
. De ce fait, la frontire efficiente est
construite en balayant le domaine de dfinition de ( savoir [ ; [0 ).

Portefeuille efficient sans contraintes

En labsence de contraintes ingalitaires, les proportions p
i
sont calcules par minimisation de la
valeur de

= =
+
N
1 i
ij j i i
N
1 i
i
. p . p E . p - (o
i
E correspond lesprance de lactif i) sous la contrainte
=
=
N
1 i
i
1 p .
La rsolution de ce problme fait appel au lagrangien ) 1 - p .( . p . p E . p - L
N
1 i
i
N
1 i
ij j i i
N
1 i
i
= = =
+ + = .
En annulant les drives partielles par rapport aux p
i
et , on aboutit au systme suivant :
.E A P . C + = avec les notations qui suivent :

36
Cf. MARKOWITZ H.M., [1952], Portfolio selection. Journal of finance.
- 75 -
(
=
0 '
Cov .
C
2
(Cov dsigne la matrice de variance covariance de dimension N N et
correspond un vecteur colonne dont les lments sont tous gaux 1).
|
|
|
|
|
.
|
\
|
=
p
p
P
N
1
M
,
|
|
|
|
|
.
|
\
|
=
0
A
1
0
M
,
|
|
|
|
|
.
|
\
|
=
E
E
E
N
1
0
M

Prise en compte des contraintes

Supposons que les contraintes
i Sup, i i , Inf
p p p soient prises en considration et que les statuts des
diffrents p
i
pour une valeur de donne soient connus, alors des modifications ventuelles doivent
tre apportes au systme prcdent :

Si p
i
est de statut In (sa valeur se situe strictement entre les deux bornes
i , Inf
p et
i , Sup
p ),
alors la i
me
ligne du systme prsent dans la section prcdent reste inchange.
Si p
i
est de statut Down (sa valeur est gale la borne infrieure
i , Inf
p ), alors la i
me
ligne
du systme prcdent ( savoir 0
p
L
i
=
) est remplace par

i , Inf i
p p = .
Si p
i
est de statut Up (sa valeur est gale la borne
i Sup,
p ), alors la i
me
ligne du systme
prcdent ( savoir 0
p
L
i
=
) est remplace par

i , Sup i
p p = .

En utilisant .E A P . C + = et les remarques qui viennent dtre faites, nous pouvons tablir un
rcapitulatif des valeurs des p
i
:

b a p
i i i
+ = , si le statut du titre est In.

i , Inf i
p p = , si le statut du titre est Down.

i , Sup i
p p = , si le statut du titre est Up.

b a + =

o a
i
et b
i
sont des constantes calcules partir de C, A et E.

Lorsquon balaye lintervalle de dfinition de , il est possible que les statuts des p
i
voluent. Auquel
cas, il faudrait prendre en compte ces volutions dans le calcul des p
i
en utilisant la mthode dtaille
- 76 -
quelques lignes plus haut. Mais nous pouvons galement calculer les valeurs critiques de qui
dclenchent un changement de statut.

Supposons titre dillustration que pour une valeur
1
, le titre i soit de statut In et que les valeurs
de voluent de manire dcroissante. Deux possibilits peuvent tre envisages en fonction de la
valeur de b
i
:
si b
i
est positif, p
i
aura tendance se rapprocher de sa borne infrieure et la valeur critique de
scrit
i
i i , Inf
i , c
b
a - p
= .
En revanche, si b
i
est ngatif, p
i
aura tendance se rapprocher de sa borne suprieure et la
valeur critique de scrit
i
i i , Sup
i , c
b
a - p
= .

Modlisation du passif

PARTIE 4
- 78 -
CHAPITRE 1 : PROVISIONS

Larticle R331-1 du code des assurances prcise que les engagements rglements dont les
entreprises [] doivent toute poque, tre en mesure de justifier lvaluation sont les suivants : les
provisions techniques suffisantes pour le rglement intgral de leurs engagements vis vis des
assurs et des bnficiaires de contrats [] .

Comme nous lavons indiqu, dans la partie 2 de ce document, une proportion significative du passif
des compagnies dassurance est constitue par les provisions techniques
37
.

Les mthodes prsentes ici sont destines renseigner sur le montant statistique des rserves
ncessaires, mais aussi sur lincertitude accompagnant ces valuations. Sur les branches
considres, les sinistres sont constats (avec plus ou moins de retard), puis pays (l aussi avec un
laps de temps plus ou moins long). Les prestations payer pour une compagnie dassurance couvrent
alors plusieurs annes de dveloppement (dpendant des caractristiques propres de la branche
considre). Lobjet de ce chapitre est de prsenter les principales mthodes qui permettent daboutir
aux montants provisionner :

La premire mthode propose est dterministe, et assez rpandue : Chain Ladder
38
. Cest
une mthode qui sert gnralement de rfrence la mise en place dautres concepts.

Les mthodes dvaluation stochastique (qui font appels aux simulations) semblent prendre le
pas sur les mthodes dterministes. Ceci sexplique notamment par le fait quelles permettent
deffectuer des mesures dincertitude et destimer la distribution de la provision. Soulignons
galement quelles autorisent la prise en compte de lvolution de la rglementation
39
.

37
Plus particulirement les PSAP et les PPNA.
38
Cf. Cours ISFA, Assurance non vie, Ch. PARTRAT.
39
Exemple : normes IAS \ IFRS.
- 79 -
SECTION 1 : PRESENTATION DE LA PROBLEMATIQUE

A - PRESENTATION

Pour une branche dont les sinistres se droulent sur n+1 annes, nous retenons les notations
suivantes :

Lanne dorigine est note i. Elle peut prendre diffrentes significations :
anne de survenance ;
anne de souscription ;
anne de dclaration.
Le dlai de dveloppement est not j.
Et x
ij
, correspondant lintersection de la ligne i et de la colonne j, peut reprsenter divers
lments :
paiement de sinistres ;
nombre de sinistres ;
cotisations mises ou acquises ;
loss ratio :
etc.

En ce qui concerne notre tude, nous nous focaliserons principalement sur la PSAP pour illustrer les
diffrentes mthodes. Le triangle de liquidation ( la date dinventaire) non complt comprend
gnralement
2
2) 1)(n n ( + +
valeurs et se prsente sous la forme dun tableau :

Dlai de rglement
Anne d'origine
0 1 j n-i n-1 n
0 x
0,0
x
0,1
... x
0,j
... x
0,n-i
... x
0,n-1
x
0,n

1 x
1,0
x
1,1
... x
1,j
... x
1,n-i
... x
1,n-1

... ... ... ... ... ... ...
... ... ... ... ... ...
i x
i,0
x
i,1
... x
i,j
...
... ... ... ...
... ... ...
n-1 x
n-1,0
x
n-1,1

n x
n,0

- 80 -

Les annes calendaires se confondent avec les diagonales du triangle et chaque anne calendaire
donne lieu au paiement total
=

n
i
i n , i
x
0
(ex : la somme des cases en bleu est gale au total des
paiements de lanne calendaire 1). A partir du triangle des incrments, il est possible de constituer un
triangle des montants cumuls. Les relations ci-dessous tablissent les liens entre les deux
reprsentations :

=
=
j
0 k
k , i j , i
x C permet de passer du triangle des incrments au triangle des montants
cumuls.

0 0 , i , i
C x = et
1 - j i, j , i ij
C - C x = permettent deffectuer le passage inverse.

Dlai de rglement
Anne d'origine
0 1 j n-i n-1 n
0 C
0,0
C
0,1
... C
0,j
... C
0,n-i
... C
0,n-1
C
0,n

1 C
1,0
C
1,1
... C
1,j
... C
1,n-i
... C
1,n-1

... ... ... ... ... ... ...
... ... ... ... ... ...
i C
i,0
C
i,1
... C
i,j
...
... ... ... ...
... ... ...
n-1 C
n-1,0
C
n-1,1

n C
n,0

B - PROBLEMATIQUE

Il est ncessaire pour une compagnie dassurance davoir suffisamment de rserves, la fin de
lanne n afin de pouvoir payer lensemble des sinistres survenus pendant cette mme anne. Le
calcul des rserves consiste alors prvoir le montant total des sinistres afin de provisionner les
paiements non encore effectus. Lobjectif est donc de complter le rectangle ci-dessus partir des
informations quil contient lorigine. Plus prcisment, il sagit dobtenir les rsultats suivants :

les paiements ultrieurs la date dinventaire : C
i,j
avec i + j >n
le montant de rserve pour chaque anne i :
1 - n i, n i, i
C - C R =
- 81 -
le montant total de la provision constituer :
=
=
n
1 i
i
R R
les cash flows futurs de paiement au cours de lanne n+k au titre des annes 0 n,
soit

+ = + k n j i
ij
x .
Dlai de rglement
Anne
d'origine 0 1 j n-i n-1 n
Provisions
0 C
0,0
C
0,1
... C
0,j
... C
0,n-i
... C
0,n-1
C
0,n
R
0

1 C
1,0
C
1,1
... C
1,j
... C
1,n-i
... C
1,n-1
C
1,n

R
1

... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ...
i C
i,0
C
i,1
... C
i,j
... C
i,n-i
... C
i,n-1
C
i,n

R
i

... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ...
n-1 C
n-1,0
C
n-1,1
... C
n-1,j
... C
n-1,n-i
... C
n-1,n-1
C
n-1,n

R
n-1

n C
n,0
C
n,1
... C
n,j
C
n,n-i
... C
n,n-1
C
n,n

R
n

Total R
- 82 -
SECTION 2 : CHAIN LADDER STANDARD

A - PRESENTATION

Cest la mthode dterministe la plus rpandue et la plus connue. Elle est fonde sur lutilisation de
link-ratios
40
. Les hypothses sous jacentes sont exposes ci-dessous :

les annes de survenance sont indpendantes entre elles ;
les annes de dveloppement sont les variables explicatives du comportement des sinistres
futurs.
Ces hypothses peuvent sexprimer de faon plus simple : pour 1 - n 1,..., = j , les ratios
j , i
j , i
C
C
1 +
sont
indpendants de lanne dorigine i. Cela peut se vrifier de manire empirique : si on constitue un d-
triangle, les valeurs
j , i
j , i
C
C
1 +
doivent tre sensiblement constantes sur chaque colonne

La mthode standard de Chain Ladder consiste supposer que les (C
ij
) sont lis par un modle de
type AR(1) de la forme .C f C
j i, k j , i
=
+1
. Le facteur de dveloppement commun
j
f est estim par
=
=
+
=
1 - j - n
0 i
j , i
1 - j - n
0 i
j , i
j
C
C
f
1
.
Une fois ces facteurs de dveloppement calculs, il est possible de complter les valeurs du triangle
infrieur :
pour i + j > n,
=
=
i - j
i - n k
k i - n i, ij
f
. C C

i - n i, n i, i
C - C
=
=
n
1 i
i
R R

On peut galement introduire des pondrations lors de lestimation de
j
f , pour accorder plus ou
moins dimportance aux exercice passs. Parmi les types de pondrations utilises, on pourra
considrer :
des pondrations accordant plus de poids aux annes rcentes et moins aux annes
loignes.
des pondrations tenant compte de lexposition relle au risque de chacune des annes,
cest dire que les pondrations sont lies au nombre de contrats, ou la prime acquise
associe en vigueur lanne i.

40
ou coefficients de passage entre les diffrentes annes de dveloppement.
- 83 -
Dans les deux cas, on considre des link-ratios de la forme
j i
k i
j n
i
j i j n
i
j i
j
C
C
w
w
f
,
1 ,
1
0
, 1
0
,
.
1

=

=
= . Notons que
si
j i, ,
C =
j i
w on retrouve lexpression de Chain Ladder standard.
Dlai de rglement
Anne d'origine
0 1 j ... n-1 n
0 C
0,0
C
0,1
... C
0,j
... ... ... C
0,n-1
C
0,n

1 C
1,0
C
1,1
... C
1,j
... ... ... C
1,n-1

... ... ... ... ... ... ...
... ... ... ... ... ...
i C
i,0
C
i,1
... C
i,j
...
... ... ... ...
... ... ...
n-1 C
n-1,0
C
n-1,1

n C
n,0

0
f
j
f
n
f

B - AUTRES METHODES DETERMINISTES

Les mthodes cites ci-aprs sont galement assez usites. Elles ne sont cites qu titre indicatif et
ne seront pas dveloppes ( Bornhuetter-Ferguson, London Chain, Mthode London Pivot).

Nanmoins, nous pouvons mentionner le fait quelles reposent toutes sur une mme approche :
celle des facteurs de dveloppements : 1) - n 0,..., j ( , f
,
1 ,
j
= =
+
j i
j i
C
C

et des cadences de rglements : 1) - n 0,..., j ( ,
C
C
l
n , i
j , i
j
= =
Notons galement la relation quil existe entre ces deux items :

l
l
f
j
j
j
1 +
= avec l
n
=1

f ... f f
l
1 - n 1 j j
j

=
+
1

De la mme manire, les montants de rserve R
i
sexpriment facilement en fonction de ces deux
lments :
i - n i,
i - n
i - n
i
C
l
l - 1
R = ( )
i - n i, 1 - n 1 - n i
C 1 - f x ... f R =
- 84 -
SECTION 3 : LES METHODES STOCHASTIQUES

A - PRESENTATION

Cette approche suppose que les lments x
ij
et C
ij
du tableau (prsent prcdemment) sont des
variables alatoires. De plus, nous ne disposons dobservations que pour n + j i .

De ce fait, les mthodes stochastiques prsentent plusieurs avantages. Elles permettent en outre :

de simuler la sinistralit des exercices futurs ;
de mesurer lincertitude inhrente au triangles ;
danalyser la variabilit des provisions fournies par le modle ;
danalyser les rsidus ;
dtablir une estimation de la loi de probabilit de la provision ;
etc.

Lobjet des paragraphes suivants et de donner un aperu des mthodes les plus frquemment
utilises :

le modle lognormal ;
les modles GLM .

B - LE MODELE LOGNORMAL

a - Prsentation

Notons Y
ij
la variable alatoire reprsentant le paiement correspondant lanne dorigine i et au dlai
de rglement j. Nous supposons que les variables alatoires Y
ij
sont indpendants les unes des
autres et quelles suivent une loi lognormale de moyenne m
ij
et de variance .

Le modle tudi retient la formule suivante :
ij j i ij
. b a c ) Y ( ln + + + = o
ij
suit une loi N(0,1).

b - Estimation des paramtres c, a
i
, b
j
et

Ces paramtres sont estims en utilisant la mthode des moindres carrs. A cet effet, rcrivons la
formule prcdente sous une forme un peu plus approprie :
X. ) Y ( ln Z + = =
Chacune des notations est explicite ci-aprs :
- 85 -
Le vecteur
( )
( )
( )
( )
( )
( )
( )
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
=
Y ln
...
Y ln
Y ln
...
Y ln
Y ln
...
Y ln
Y ln

n,0
2,0
1 - n 1,
1,0
1 - n 0,
0,1
0,0
Z comprend
2
2) 1)(n ( + +
=
n
N lments.
Le vecteur des paramtres
|
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
=
b
...
b
b
a
...
a
a
c

n
1
0
n
1
0
comprend p = 2n + 3 lments
Enfin, la matrice X (de dimension (N, 2n+3)) est dfinie comme suit :
|
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
=
0 0 ... 0 1 1 0 ... 0 0 1
... ... ... ... ... ... ... ... ... ... ...
0 1 ... 0 0 0 0 ... 1 0 1
... ... ... ... ... ... ... ... ... ... ...
0 0 ... 0 1 0 0 ... 1 0 1
1 0 ... 0 0 0 0 ... 0 1 1
... ... ... ... ... ... ... ... ... ... ...
0 0 ... 1 0 0 0 ... 0 1 1
0 0 ... 0 1 0 0 ... 0 1 1
X
n +1 colonnes n +1 colonnes
Intercept
n +1
lignes
n
lignes
.
.
.
etc

On applique ensuite la formule classique de la mthode des moindres carrs :
Z .X'. (X'.X)
-1
=
Avant dappliquer cette formule, il convient de vrifier le caractre inversible de
-1
(Y'.Y) . Dans le cas
contraire, le diffrents vecteurs et matrices prsents ncessitent un traitement pralable.

- 86 -

Remarque : les variables alatoires Z suivent une loi normale dont les paramtres peuvent tre
estims laide de :
c b
j i ij
+ + =
)
X - Z )'.(
X - Z (
p - N
1
=
2

c - Estimateurs des
k
ij
m
Sachant que la variable alatoire Z est desprance
ij
et de variance
2
, il est possible de retrouver
lexpression des moments
k
ij
m (o k reprsente lordre du moment) de la variable alatoire Y :
)
`
+ = .k
2
k . exp m
2
ij
k
ij

Connaissant les expressions de
ij
et de
2
, nous pouvons fournir un estimateur de
k
ij
m :
.k
2
k . exp m
2
ij
k
ij
)
`
+ =

Cependant, ces estimateurs ne sont pas forcment sans biais
41
. On peut remdier cela en
consultant la littrature ; un article de Verrall
42
fournit un estimateur sans biais de
ij
m .

C - LES MODELES STOCHASTIQUES GLM
43

a - Prsentation

Les modles linaires gnraliss ont fait leur apparition en 1972 (J.Nelder et R.Wedderburn). Ils sont
adapts de nombreuses problmatiques et sont dutilisation courante dans le domaine de la
statistique. Lactuariat nchappe pas leur champ daction, notamment en ce qui concerne la thorie
de la crdibilit. De la tarification des risques de masse, leur application sest tendue la
dtermination des provisions pour sinistre.

Le paragraphe suivant rappelle brivement les principaux rsultats des modles linaires gnraliss
qui seront utiliss dans la suite du dveloppement. Pour toute information complmentaire, il est
possible de consulter les articles de Nelder et McCullagh (1989) ; un traitement complet de la thorie
et de lapplication des modles GLM y est prsent.

41
Notamment en ce qui concerne lesprance de Y.
42
Cf. VERALL R.J., [1991], "On the estimation of reserves from loglinear models". Insurance :mathematics and economics.
43
GLM : Generalized Linear Models.
- 87 -
La thorie des GLM bnficie dun avantage par rapport aux modles linaires : le caractre normal
des variables expliquer nest plus impos, seule lappartenance une loi exponentielle est
indispensable.

La loi de la variable alatoire Y appartient la famille exponentielle si sa densit peut scrire sous la
forme :
( )
)
`
+ = ) c(y,
) b( - y.
exp (y) f

avec
: paramtre de dispersion.
: paramtre canonique.
b : fonction dfinie sur R. Elle est deux foi drivable et de drive premire injective.
c : fonction dfinie sur R.

Lesprance et la variance de la variable alatoire Y sexpriment aisment en fonction de ces
diffrents paramtres :

) ( b' ) Y ( E =

o v est appele fonction variance du modle.

Si Y correspond la variable expliquer et si le modle comprend p variables explicatives X
i
(i=1,..,p),
la fonction lien g (strictement monotone et drivable) vrifie la relation :
=
=
p
k k
x a g
1 k
. ) E(Y) (
o les x
k
correspondent aux ralisations des variables X
k
, et les coefficients de rgression (que nous
voulons estimer) sont nots a
k
.

On peut ensuite rcrire lexpression du paramtre canonique en fonction des notations utilises :
( )
|
|
.
|
\
|
|
|
.
|
\
|
= =

=
x . a g b' ) Y E( b'
p
1 k
k k
1 - 1 -
i
1 -
i

b - Estimation des paramtres

Lestimation des paramtres a
k
et passe par lutilisation de la mthode du maximum de
vraissemblance. A cet gard, la vraissemblance dun n-chantillon de ralisations de Y scrit :
( )
( )
=
)
`
+ =
n
1 i
n 1
) c(y,
) b( - y.
exp y ,..., y L

( ) | | E(Y)). v( . ) Y E( b' ' b' ). ( ' b' ) Y ( Var
-1
= = =
- 88 -
Les estimateurs de
k
a et sont obtenus en maximisant la logvraissemblance :

( )

=
= =
(
(
(
(
(
(
+
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
=
n
i
i
p
1 k
k k
1 - 1 -
p
1 k
k k
1 - 1 -
i
n 1
) ; c(y
x . a g b' b - x . a g .b' y
y ,..., y L ln
1

A titre dillustration, le tableau suivant donne la valeur des diffrents paramtres pour certaines lois
discrtes et continues :

Loi Loi de probabilit ou densit b() E(Y)
Fonction
variance (v)
Bernoulli
) p , ( B 1
( )
p) - (1 ln
p - 1
p
y.ln
e y Y P
+
= =
p - 1
p
ln
1 0 p | | | | p - 1 . p p v =
Poisson
) ( P
( )
c(y) ) - (y.ln
e y Y P
+
= =

ln 1
e
| | v =
Normale
| |
2
, N
) c(y,
1
2
- y . exp ) y ( f
2
2
2
(
(
+
|
|
.
|
\
|
=
2
2

| | 1 v =
Gamma
(
, G
) c(y, . ln -
y
- exp ) y ( f
(
+
|
|
.
|
\
|
=
1
-
1
|
.
|
\
|

1 -
ln

| |
2
v =
Inverse
Gaussienne
| |
2
, IG
) c(y,
1

2
y
exp ) y ( f
2
2 2
(
(
+
|
|
.
|
\
|
+ =

1
2
2
1

2
2. -

| |
3
v =

c - Application au provisionnement

La variable alatoire Y
ij
reprsente toujours le paiement correspondant lanne dorigine i et au dlai
de rglement j (les Y
ij
sont supposs indpendantes). Lobjectif des GLM est dexpliquer la variable
alatoire Y en fonction des variables anne dorigine et dlai de rglement .
- 89 -
Daprs Renshaw et Verral, il est possible de formuler la plupart des mthodes stochastiques de
provisionnement en utilisant une famille particulire de modles linaires gnraliss. La structure de
ces GLM est donne par :
( ) ; m y; f ~ Y
ij ij
. f, la densit de
ij
Y , appartient la famille exponentielle et m
ij
reprsente
lesprance de Y.
La composante systmatique scrit
j i ij
b a c + + = avec 0 b a
0 0
= = pour viter un
surparamtrage du modle.
) (m g
ij ij
= o g est la fonction lien.

La fonction lien, qui tablit un pont entre les composantes alatoires et systmatique, prend
gnralement deux formes :
Lien identit :
j i ij ij
b a c ) E(Y m + + = =
Lien Log : | |
j i ij
b a c m ln + + = ou
j i
b a c
ij
e m
+ +
=

Il est commun en matire de provisionnement de considrer trois types de distributions pour la
variable
ij
Y : lognormal, Gamma ou Poisson.

Lorsque les montants de sinistres suivent une distribution lognormale, on sait que les
) Y ln( Zij
ij
= suivent une loi normale et quon peut appliquer le modles GLM pour le log des
montants de sinistres. Dans ce cas prcis la fonction lien est donne par
ij ij
m = .

Dans les autres cas (gamma et poisson) , la fonction lien est de type log et un estimateur de
) E(Y m
ij ij
= est donn par :
{ } b
a c exp m
j i ij
+ + =

Les lois le plus souvent utilises pour ce type de modles sont de type Gamma ou Poisson (cette
dernire loi donne exactement les mmes rsultats que Chain Ladder standard) ; ces modles
servent gnralement lgitimer la mthode Chain Ladder. Dun point de vue pratique, les
estimateurs du maximum de vraissemblance des paramtres sont obtenus en utilisant la procdure
Genmod de SAS. Aprs cette tape, il est possible de calculer les flux espres pour les annes
postrieures au 31/12/n.

- 90 -
SECTION 4 : APPROCHE PAR SIMULATIONS
44

A - PRINCIPES

Contrairement aux mthodes bases sur les tableaux de dveloppement, cette approche permet
destimer la loi de S du montant total des sinistres. Cette mthode ncessite de construire un n-
chantillon de ralisations de la loi de S. Ces informations sont obtenues en effectuant en premier lieu
des simulations
de la loi du nombre de sinistres (N), puis
de la loi des montants de sinistres,(X) ventuellement conditionns aux paiements dj effectus

Cet chantillon, une fois ordonn, fournit une approximation de la fonction de rpartition de S. En
dduisant de ces montants les paiements dj effectus, on obtient la loi des provisions techniques

B - AVANTAGES

Lutilisation de cette mthode prsente de nombreux avantages par rapport aux mthodes
classiques :
Rsultats indpendants des cadences de rglements.
Obtention dintervalles de confiance (elle est rendue possible par la dtermination de la fonction
de rpartition).
Intgration possible de toute forme de rassurance.
Distinction des provisions pour sinistres tardifs des provisions pour sinistres en cours. Les deux
donnes figurant des postes diffrents du bilan, cette distinction est intressante.
Rsultats plus fiables notamment lorsque les donnes dorigine prsentent des irrgularits ou
des changements de cadence (car la mthode nst pas base sur le dveloppement des
paiement).

C - NOTATIONS

Soit N le nombre total de sinistres du portefeuille (suppos indpendant des montants).
Cette variable peut se scinder en trois nombres de sinistres ayant des caractristiques
distinctes :
T V D
N N n N + + =
avec :
D
n : Nombre total de sinistres dclars. Cet lment est connu.

44
Cf. REGAZZONI Y. , [1997], "Les provisions techniques une approche par simulations". Bulletin Franais dActuariat.

- 91 -
V
N : Variable alatoire reprsentant le nombre total de sinistres venir.
T
N : Variable alatoire reprsentant le nombre total de sinistres tardifs.

On note X
j
le montant du j
ime
sinistre (j=1,,N). Les (X
j
) sont supposs indpendants et
identiquement distribus. La charge totale de sinistre S scrit
=
=
N
1 j
j
X S .
Les montants de sinistres pays au titre du sinistre j sont nots M
j
. Remarquons que
cette dernire valeur est nulle pour les sinistres venir et les tardifs.
On note
'
j
X la variable alatoire modlisant le montant du j
me
sinistre sachant que
j j
M X > .
Enfin,
=
=
N
1 j
'
j
X ' S (i.e. la charge totale de sinistre connaissant les paiements effectus).

D - METHODE
Compte tenu des notations adoptes, les provisions techniques valent par dfinition
D
N
1 j
j
M ' S . A
ce stade, il convient dapproximer la loi de ' S ; on cherche une fonction F telle que :
) x ( F ) x ( F
' S
n

On constate que
=

=
n
1 i
x) (S'
1
n
1
) x ( F vrifie cette condition. Lobtention de cette fonction de
rpartition passe par la simulation de n ralisations de S et la connaissance de cette variable est
dautant meilleures que n est grand. Pour ce faire, des ralisations de
V
N et
T
N (notes
respectivement n
V
et n
T
) sont indispensables. Diffrentes lois sont adaptes pour simuler des
nombres de sinistres : binomiale, poisson, poisson mlangeLes paramtres de la loi choisie pour la
simulation peuvent tre tablit par une tude des donnes historiques.

En notant n
D
le nombre de sinistres survenus (connu), lalgorithme permettant la simulation dune
ralisation de S scrit :

s = 0
Pour j=1 n
D
faire
Si le sinistre nest pas cltur alors s = s + simulation de
'
j
X
Sinon S= M
j

Pour j=1 n
T
n
V
faire
s = s + simulation de
j
X
- 92 -
s correspond alors une ralisation de S.

La difficult majeure rside dans la simulation de
'
j
X (sagissant dobtenir une ralisation dune loi
conditionne).

Notons galement que dans le cas particulier de ltude dune priode future, aucun sinistre nest
encore survenu et n
D
,
j j
X X
'
= , S = S.

- 93 -
SECTION 5 : PRISE EN COMPTE DE LINFLATION

A - PRESENTATION

Lors de la constitution des triangles de liquidation, il est fortement conseill de prendre en
considration les impacts de linflation. Il est donc appropri dutiliser lun des modles de simulation
du taux dinflation prsents en partie 3.

On peut galement signaler que lvolution des prix peut dpendre de la branche considre (par
exemple, lvolution des prix en RC nest certainement pas la mme quen Dommages) et quun
modle dinflation sappliquant toutes les branches nest pas des plus adquats. Lidal consisterait
estimer les paramtres du modle dinflation pour chaque branche ; cela peut toutefois tre
lourd lors de la mise en place dune application (pour un rsultat qui nest pas forcment
significatif).

B - METHODOLOGIE

A titre dillustration, nous prsenterons la mthode de prise en compte de linflation au niveau dun
triangle de liquidation non complt (le principe tant, peu de choses prs, le mme pour les flux
estims). Cette mthode doit tre applique sur un triangle des incrments prsentant des donnes
dpourvues dinflation :
Dlai de rglement
Anne d'origine
0 1 j n-i n-1 n
0 x
0,0
x
0,1
... x
0,j
... x
0,n-i
... x
0,n-1
x
0,n

1 x
1,0
x
1,1
... x
1,j
... x
1,n-i
... x
1,n-1

... ... ... ... ... ... ...
... ... ... ... ... ...
I x
i,0
x
i,1
... x
i,j
...
... ... ... ...
... ... ...
n-1 x
n-1,0
x
n-1,1

N x
n,0

La premire tape consiste en la construction dun tableau faisant apparatre lindice des prix pour
chaque anne calendaire du triangle des incrments. Les valeurs des indices doivent tre exprimes
en base n ; lanne calendaire n ne doit pas tre sujet inflation puisque le triangle est complt au
31/12/n .

- 94 -
Anne Ratio
0
100
0
0
I
R =
1
100
1
1
I
R =

i+j
100
j i
j i
I
R
+
+
=

n-1
100
1
1

=
n
n
I
R
n 1

Ensuite, les ratios du tableau sont appliqus chaque anne calendaire (i.e. chaque diagonale) en
vue de faire apparatre un triangle qui tient compte de linflation :

Dlai de rglement
Anne d'origine
0 1 j n-i n-1 n
0 x
0,0
* R
0
x
0,1
* R
1
... x
0,j
* R
j
... x
0,n-i
* Rn-i ... x
0,n-1
* R
n-i+1
x
0,n
* 1
1 x
1,0
* R
1
x
1,1
* R
2
... x
1,j
* R
j+1
... x
1,n-i
* R
n+1-i
... x
1,n-1
* 1
... ... ... ... ... ... ...
... ... ... ... ... ...
i x
i,0
* R
i
x
i,1
* R
i+1
... x
i,j
* R
i+j
...
... ... ... ...
... ... ...
n-1 x
n-1,0
* R
n-1
x
n-1,1
* 1
n x
n,0
* 1

Une autre mthode, analogue celle prsente ci-dessus, consiste tablir un tableau listant les taux
dinflation de chaque anne calendaire et multiplier chaque diagonale par le produit des taux
dinflation des annes postrieures (exemple : les montants de lanne calendaire i+j doivent tre
multiplis par le produit des taux dinflation des annes i+j, i+j+1,, n).
- 95 -
SECTION 6 : LA TECHNIQUE DU BOOTSTRAP
45

A - PRESENTATION

Les mthodes de rchantillonnage, telles que le Jacknife (Quenouille, 1949) et le Bootstrap (Efron,
1979), permettent de remplacer les dductions thoriques en analyse statistique par des simulations
de type Monte-Carlo. Reposant principalement sur des simulations, le bootstrapping jouit dune mise
en oeuvre relativement simple.

Lusage du bootstrap dans la rsolution de problmes actuariels stend rapidement, en particulier en
tarification et dans lvaluation des provisions de sinistres. Ceci sexplique par le large ventail
dapplication de la mthodologie : intervalles de confiance, tests dhypothse, modles linaires puis
gnraliss, etc. La prdiction dun niveau suffisant de rserve, qui permet la socit
dassurance de faire face ses engagements, est un sujet primordial de la science actuarielle. Depuis
quelques annes, la technique du bootstrap est communment utilise pour analyser la variabilit des
montants de sinistres et obtenir des erreurs de prdiction pour diffrentes mthodes de
provisionnement (principalement pour les mthodes bases sur Chain Ladder et sur les modles
linaires gnraliss).

B - METHODOLOGIE

La technique du bootstrap consiste, partir dun chantillon originel unique, crer par tirage
alatoire avec remise de nouveaux chantillons. Ces nouveaux chantillons sont constitus de
pseudo donnes ayant la mme loi sous jacente. La rptition du rchantillonnage partir de
donnes sources permet destimer la variabilit dun paramtre dtermin.

b - Dfinition des rsidus

La mthodologie doit tre adapte chaque situation. Pour un modle linaire (classique ou
gnralis), il est commun dadopter une des deux approches suivantes :

Le rchantillonnage effectu directement sur les observations.
Le rchantillonnage appliqu sur les rsidus du modle.

45
Cf. PARTRAT C., JAL P., [2002], "Evaluation de la provision pour sinistres, Mesures d'incertitude, Bootstrap". Support de
cours ISFA.
Cf. VERALL R.J., ENGLAND P.D., [1999], "Analytic and bootstrap estimates of prediction errors in claim reserving". Insurance
: mathematics and economics.
- 96 -
Bien que la premire approche soit plus robuste que le bootstrap sur les rsidus, seule cette dernire
peut tre implmente en matire de provisionnement. En effet, la technique du bootstrap ncessite le
caractre i.i.d. des donnes. Or, dans un modle de rgression, les variables rponses sont
indpendantes mais non quidistribues. Pour respecter le domaine dapplication du bootstrap, il est
classique dappliquer cette mthode aux rsidus du modle choisi. Ceux-ci ont un caractre plus
i.i.d que les variables originelles.

Ltape suivante consiste dfinir un rsidu adquat. Dans le cadre des modles linaires
gnraliss, il existe principalement deux types de rsidus : les rsidus bruts, les rsidus de Pearson.

Les rsidus bruts : ils correspondent la diffrence entre la valeur observe et la valeur
espre.
ij ij ij
m y r =
Ils sont desprance nulle, de variance non constante et ne sont gnralement pas retenus
pour lutilisation de la technique bootstrap (qui , rappelons le, ncessite des rsidus i.i.d).

Les rsidus de Pearson ont pour expression
) m v(
m - y
r
ij
ij ij ) P (
ij
= . Ils sont desprance nulle,
de variance constante et sont considrs, cet gard, comme des rsidus adquats pour
la mthodologie bootstrap.
Lexpression des rsidus empiriques est alors :
) m v(
m - y
r
ij
ij ij ) P (
ij
= , v tant la fonction
variance.

b - Rchantillonnage

A partir du triangle des incrments, on constitue un triangle des rsidus. Ce triangle sert ensuite de
base la cration de k (nombre arbitraire ou en relation avec les permutations possibles du triangle)
nouveaux triangles des rsidus : les valeurs du triangle initial sont cases alatoirement dans
chaque nouveau triangle. Plus intuitivement, chaque nouveau triangle correspond une
permutation du triangle originel.

La formule
) m v(
m - y
r
ij
ij ij ) P (
ij
= permet de constituer k triangles des incrments partir des k
triangles des rsidus. Ltape suivante consiste estimer les paramtres ( c
,
i
a
,
j
b
) de chaque
triangle et obtenir k estimations de la statistique dsire (
ij
m
, (R) E
). A ce stade, il est alors possible

dtablir, par exemple, un intervalle de confiance de la moyenne de rserve prvue.
- 97 -

Le schma suivant fait apparatre les principales tapes de la mthodologie bootstrap :

Triangle des incrments
Triangle des rsidus
Triangle des rsidus 1 Triangle des rsidus 2 Triangle des rsidus 3 Triangle des rsidus k
.......
Triangle des incrments 1 Triangle des incrments 2 Triangle des incrments 3 Triangle des incrments k
.......
.......
Passage au triangle des
rsidus par la formule
) m v(
m - y

ij
ij ij
=
ij
r
.......
Rchantillonnage
(R) E
(1)
(R) E
(2)
(R) E
(3)
(R) E
(k)
Passage au triangle des
incrments en inversant la
formule :
) m v(
m - y

ij
ij ij
=
ij
r
Estimation des paramtres
qui permettent de complter
le triangle de liquidation.
Pour chaque triangle,
dtermination de la
statistique dsire.

- 98 -
CHAPITRE 2 : SINISTRES ET PRIMES

Les sinistres et les primes ne sont pas proprement parler des postes du bilan (mais plutt du compte
de rsultat). Ils sont nanmoins des constituants essentiels dun modle DFA. Ce chapitre a pour
objectif de rappeler brivement les principes gnraux qui sont retenus en assurance non vie.

Les sinistres

Il conviendrait deffectuer une distinction entre les sinistres catastrophiques et les sinistres dits
rcurrents. Pour notre application, nous proposons une modlisation simplifie
46
de la prise en
compte de ce type de sinistres.

Dans le domaine de lassurance non vie, cest le modle collectif qui est le plus rpandu. Au
sein dune branche donne, on considre une classe C de contrats. Aucune distinction nest
effectue entre les diffrentes polices qui constituent ce collectif ; les sinistres gnrs par
chaque contrat sont imputables lensemble de la classe.

La charge de sinistre S sexprime en fonction de deux variables alatoires :

N reprsente le nombre ou la frquence de sinistres touchant la classe su la priode
[0,t] ;
(X
i
) correspondent aux montants individuels de sinistres avec la convention X
0
=0.

Cette somme dun nombre alatoire de v.a.r. s crit alors
=
=
N
0 i
i
X S ( condition de supposer
lindpendance entre la frquence et les cots dune part, et lindpendance et la stationnarit
des montants de sinistres dautre part). Les lois retenues pour chacune de ces variables
alatoire sont gnralement les suivantes :

Poisson ou Binoniale Ngative pour N ;
Lognormal, Pareto ou Weibull pour les X
i
.

Nous rappelons titre indicatif, les deux caractristiques principales de S :

E(X) E(N) ) ( = S E
E(N) V(X) V(N) E(X) ) (
2
+ = S V

46
Cf. Partie 5 / Section 5 / H.
- 99 -

Les primes

En premier lieu, il faut garder lesprit, les proprits que devrait respecter un principe de
calcul de prime :

au moins la prime pure ;
homognit ;
invariance par translation ;
additivit \ sous additivit \ sous additivit forte ;
convexit.

Les principes de calcul de prime les plus connus sont les suivants :

Principe de la prime pure : E(S) ) ( = S
Principe de lesprance mathmatique : E(S) ) 1 ( ) ( + = S , ) 0 ( >
Principe de la variance : V(S) . E(S) ) ( S + = , ) 0 ( >
Principe de lcart type : (S) . E(S) ) ( S + = , ) 0 ( >

- 100 -

Application : Probabilit de ruine dune socit
dassurance non vie

.

PARTIE 5
- 102 -
CHAPITRE 1 : SIMULATIONS
47

Gnralement, les mthodes numriques de simulation ont pour objectifs dexprimenter et dtudier
le comportement dun systme probabiliste regroupant des variables en interaction. Elles permettent
en outre didentifier les impacts de modifications de paramtres. Les domaines dapplication des
simulations sont trs varis : comparaison destimateurs en statistique, simulation de portefeuille
dactifs en finance, recherche dtats stationnaires en conomie, etc.

La mise en place de modles de types DFA peut ncessiter la simulation de ralisations de diffrentes
lois de probabilit relatives aux diffrentes variables modlises : taux dintrt, actions, provisions,
sinistres, etc. Lensemble de ces techniques est gnralement regroup sous la dnomination
mthodes de Monte-Carlo .

Un modle DFA ncessite un gnrateur de nombres alatoires performant pour que lefficience des
simulations ne soit pas altre par le biais du gnrateur. Les diffrentes possibilits de gnration
doivent tre examines en vue de dgager la mthode qui offre la convergence la plus rapide. Ainsi,
on pourra sintresser aux deux grandes catgories dalgorithmes de nombres alatoires qui offrent la
possibilit daboutir des ralisations de la loi uniforme continue sur [0,1] :
les gnrateurs pseudo alatoires ;
les gnrateurs quasi alatoires.

Une fois le gnrateur de nombres alatoires choisi, ltape suivante consiste rfrencer les
mthodes de simulation connues en vue dobtenir des ralisations de diffrents types de lois. Celles-ci
consistent gnralement en des mthodes dinversion ou de composition. Il est utile de remarquer
quil existe des mthodes de simulation spcifiques certaines lois. Par exemple, la technique de
Box-Mulller permet la gnration dun couple de ralisations de la loi normale N(0,1).

Pour plus de dtails, on pourra consulter larticle de J. Jacquemin : Les mthodes de simulations en
assurance .

47
Cf. JACQUEMIN J., [2003], "Lutilisation des mthodes de simulation en assurance". Mmoire ISFA.
- 103 -
CHAPITRE 2 : MISE EN PLACE, PARAMETRAGE ET
RESULTATS

Cette dernire partie constitue ltape clef de ce dveloppement car elle correspond lapplication des
modles suggrs et dtaills au fil des parties prcdentes. La premire section prsente les
diffrents choix qui ont t effectus en terme de modlisation tant au niveau de lactif quau niveau
du passif.

La section suivante propose une mthodologie suivre pour la dtermination de divers indicateurs de
risque :

probabilit de ruine ;
probabilit dinsuffisance (probabilit que les fonds propres dtenus soient infrieur la marge
de solvabilit rglementaire) ;
les intervalles de confiance associs ;
les dates moyennes de survenance de la ruine et de linsuffisance.

Les principales tapes de cette mthodologie consistent en la prsentation du calcul :

des prestations payes au cours des diffrentes annes de lhorizon temporel choisi ;
du rsultat qui prend en compte les taux de chargement, les frais divers, le taux dimposition,
la distribution ventuelle de dividendes ;
de la rentabilit du portefeuille dactifs ;
des fonds propres dtenus chaque date de lhorizon temporel.

Enfin, la dernire section fournit, pour un paramtrage donn, des rsultats qui peuvent aider les
socits dassurance dans les prises de dcisions relatives la protection contre le risque
dinsuffisance de fonds.

- 104 -
SECTION 1 : CHOIX DES MODELES

Les parties prcdentes avaient pour objectif de prsenter un tat des lieux de la modlisation
stochastique des diffrents postes du bilan. La prsente section dtaille les diffrents modles choisis
pour la mise en place de lapplication illustrant ce mmoire.

A - LE MODELE DE TAUX DINTERET DE CIR

a - Le modle

On modlisera les taux dintrt par le modle simple et rpandu de Cox, Ingersoll et Ross (CIR) qui
dfinit le taux sans risque instantan par la dynamique suivante dans lunivers risque-neutre :
dW r r)dt a(b dr
t
+ =
o a, b et sont des paramtres constants rentrs par lutilisateur.

La forme des prix des zro-coupons est :
T)r(t)) B(t, exp( T) A(t, T) t, P(r, =
Avec les fonctions A et B suivantes :
2
2ab
) t - T (
2
t - T
) a (
2 ) 1 - e )( a (
e 2
T) A(t,

(
(
(
+ + +
=
+ +

2 ) 1 - e )( a (
) e ( 2
T) B(t,
) t - T (
) t - T (
+ + +

=
1

2 ) (a
2
+ + =
2

b - La discrtisation
La simulation des taux dintrt pour les priodes futures passe par une discrtisation de la
dynamique :
( ) Z - Z . r . t ). r - a.(b r - r r
t t t t t t t t t

+ +
+ = =
Soulignons que
t t t
Z - Z
+
suit une loi normale desprance nulle et de variance t . Si
t
dsigne un
bruit blanc de variance 1, alors
t
. t suit la mme loi que
t t t
Z - Z
+
. On peut alors rcrire la
dynamique discrtise sous une forme qui permet de gnrer la valeur du taux dintrt de chaque
nouvelle priode :
t t t t t
. t . r t).r a. - (1 t ab. r
+ + =
+

- 105 -
Dans ces conditions, simuler un tel taux revient calculer rcursivement
t
r , pour tout t, en simulant
chaque stade une ralisation dune N(0,1). Les paramtres a, b, doivent tre judicieusement choisis
afin de ne pas simuler un taux ngatif un rang k. En effet, lors du calcul de
1 k
r
+
, un problme vident
se pose quand la valeur
k
r . A cet gard, il existe une variante du modle o r
k
remplace
k
r . Une application du lemme dIt, montre que le modle de CIR est bien pos si
2
a.b
2
> . Le
respect de cette condition est ncessaire (mais pas suffisant) lors du lancement utilisant un modle
CIR, afin de ne pas engendrer des taux ngatifs.
On peut signaler quen divisant cette quation par
t
r , on peut faire apparatre un modle de
rgression linaire :
t
t
t
t t
t t
. t .
r
r
t). a. - (1
r
1
t. ab.
r
r

+ + =
+

Cette formule rend possible lestimation
48
des diffrents paramtres de cette quation.

B - LE MODELE DINFLATION DE KAUFMANN, GADMER ET KLETT

Cette modlisation lie directement lvolution de linflation celle du taux dintrt :
t t t
r i + + = (o t correspond un bruit blanc de variance
2
)
Pour obtenir la valeur de linflation la date t, il suffit donc de connatre la valeur du taux dintrt
court terme cette mme date et de simuler une ralisation de la loi N(0,1) (indpendante, par
hypothse, de celle utilise pour la simulation du taux dintrt).

C - LE MODELE DE BLACK ET SCHOLES POUR LES ACTIONS

a - Le modle

On considre la formule de Black et Scholes dans lunivers historique (avec q le taux continu de
dividendes) :
dz dt ) q (
S
dS
t
t
+ =
Dans lunivers risque-neutre, cette dynamique devient :
( )
s
t
t
z d dt q ) t ( r
S
dS
+ =

48
Notamment grce la mthode des moindres carrs gnraliss.
- 106 -
(rappelons que le passage entre les deux univers seffectue en utilisant la formule
dt
) t ( r
dz z d
s

+ = )
Dans ces conditions, on suppose que la dynamique du i
me
titre du portefeuille scrit (dans lunivers
risque neutre) :
( )
1
z d dt q ) t ( r
S
dS
i i
i
i
t
t
+ =
Faisons lhypothse que le cours du titre i est corrl avec lvolution du march action dans son
ensemble. Alors, il vient dt z d z d
i a
=
1
o
a
z est un mouvement brownien qui rgit lvolution du
march actions.

Ds lors,
( )
i i i a i i i
i
i
z d z d dt q ) t ( r
S
dS
t
t 2
1 + + =
o
i
z est un mouvement brownien indpendant de
a
z

On considre galement que la dynamique des zro-coupons dans lunivers risque neutre est de fa
forme :
z d ) T , t ( dt ) t ( r
P
dP
t
t
=
avec,
dt z d z d
a a
= et 0 = z d z d
i

(on fait ainsi lhypothse que la partie de la variation du cours du titre i indpendante de celle du
march action est aussi indpendante des taux).

Aprs la phase de dcorrlation, il vient pour la dynamique du cours du titre i :
( )
i i i
P
a a i i a i i i
i
i
z d z d z d dt q ) t ( r
S
dS
t
t
2 2
1 1 + + + =
o
i
z , z et
P
a
z sont des mouvements browniens indpendants.

Aprs intgration de lquation diffrentielle stochastique, il vient une formule ferme pour le cours de
laction une date t :
( )
|
|
.
|
\
|
+ + +
=

t
i i i
P
a a i i a i i
i
t
i t
z d z d z d du exp du q ) u ( r exp S S
0
2 2
2
0
0
1 1
2

b - La discrtisation

- 107 -
( )
i i i a a i i a i i i t
i
i i
. t . t . t . t . q r
) t ( S
) t ( S ) t t ( S
i

2 2
1 1 + + + =
+

o ,
a
et
i
sont des v.a. indpendantes de loi N(0,1)

D - SINISTRALITE

Aprs avoir choisi les lois modlisant les nombres de sinistres (N) et les cots (X
i
) de ces derniers,
lobtention dune ralisation de charge de sinistre (S) seffectue selon le mode suivant :

une ralisation n de la variable alatoire N ;
n ralisations ( )
n i i
x
1
, indpendantes et identiquement distribues, de la loi de X.

E - PAS DE DISCRETISATION
49

Les simulations de ralisations de variables alatoires faisant appel la mthode de discrtisation
ncessitent le choix dun pas de discrtisation.

Le choix de lhorizon temporel dun modle DFA sexprime de manire annuelle. Un choix naturel dun
pas de discrtisation serait donc Annuel . Cependant, en optant pour ce pas, on peut aboutir des
rsultats biaiss : le taux dintrt, affrant une date donne, peut prendre des valeurs diffrentes
suivant quil est calcul avec un pas de discrtisation annuel ou mensuel (par exemple). Lidal serait
donc de choisir un pas de discrtisation le plus petit possible (mme si les seules valeurs de
ralisation dont on a besoin sont annuelles) afin dviter ce type de dsagrment.

Soulignons galement que plus le pas de discrtisation est faible, plus les temps de rponse des
simulations sont longs. Il y a donc un compromis faire entre les temps des simulations et la
prcision de ces dernires.

En pratique, lestimation de paramtres utiliss pour ces simulations (qui nest pas rellement lobjet
de ce mmoire) peut savrer trs dlicate, notamment lorsquon dsire effectuer une distinction entre
sinistres rcurrents et sinistres catastrophiques.

49
Pour plus de dtails, on pourra consulter DE WINNE R., "Processus de diffusion de taux dintrt et correction du biais de
discrtisation". Universit Catholique de Louvain.
- 108 -
SECTION 2 : DETERMINATION DE LA PROBABILITE DE RUINE

La section suivante a pour objet de prsenter la procdure mise en place pour lobtention de la
probabilit de ruine et de la probabilit dinsuffisance (probabilit que le niveau des fonds propres soit
infrieur celui exig par la rglementation, savoir la MSR).

A - LES DIFFERENTES ETAPES

La ralisation dune simulation est fournie par lenchanement des diffrentes tapes dcrites ci-
dessous :

Etape 1 : Choix de lhorizon temporel

Ce paramtre permet de fixer la dimension des diffrents tableaux qui seront gnrs par la
procdure informatique. Sa valeur est note K.

Etape 2 : Cration dun tableau de ralisations de montants de sinistres (charges finales)

Ce tableau est de dimension (K,1). Les diffrents paramtres qui concourent la simulation des
montants de sinistres sont les suivants :

Loi du nombre de sinistres (N) : nous avons choisi de retenir la loi de Poisson, dont le
paramtre est not .
Loi des montants de sinistres (X) : nous avons choisi de retenir la modlisation LogNormale,
dont les paramtres sont nots et .
Nombre de contrats (N
C
).
Frquence moyenne (p).

Ces deux derniers paramtres dtermine de la valeur de :
p N
C
=
Ainsi, il est possible de simuler le nombre de sinistres, puis les montants de chacun de ceux-ci. La
charge totale pour chaque anne de survenance i scrit alors :
=
=
N
1 k
k i
X S
i=1,,K

Etape 3 : Cration dun tableau des primes perues

Ce tableau est de dimension (K,1). Les paramtres ncessaires pour la construction de ce tableau
sont les suivants :
- 109 -
Loi du nombre de sinistres (N)
Loi des montants de sinistres (X)
Taux de chargement des primes (not )
Taux annuel daccroissement des primes (not )

La prime perue chaque date de lhorizon temporel est alors :

1 - i
i
) (1 ) (1 E(X) E(N) Prime + + = i=1,,K
soit
1 - i
2
C i
) (1 ) (1 e p N Prime
2

+ + =
+

Etape 4 : Cration dun tableau des cadences de rglement

Ce tableau est de dimension (K,1). Lapplication prend en compte au maximum une cadence de
rglement sur au plus 10 ans (chiffre arbitraire). En supposant que lutilisateur ait saisi l pourcentages
de rglements ( exemples : Cad(1), Cad(2), Cad(3), Cad(4), Cad(5) pour un sinistre rgl en 5 ans) , le
tableau en question se prsente sous la forme suivante :
Cad(1)
Cad(2)

Cad(l) K valeurs
0

0

Etape 5 : Construction dun tableau de liquidation

Ce tableau est de dimension (K,K). A partir des montants de sinistres simuls et des cadences de
rglement paramtres, nous pouvons construire le tableau de dveloppement affrent aux montant
de sinistres simuls.
Dveloppement
1 2 3 l l+1 l+2 K
1 S(1)*Cad(1) S(1)*Cad(2) S(1)*Cad(3) S(1)*Cad(l) 0 0 0
2 0 S(2)*Cad(1) S(2)*Cad(2) S(2)*Cad(l-1) S(2)*Cad(l) 0 0
3 0 0 S(3)*Cad(1) S(3)*Cad(l-2) S(3)*Cad(l)-1 S(3)*Cad(l) 0

S
u
r
v
e
n
a
n
c
e

K 0 0 0 S(K)*Cad(1)

Prestation 1 Prestation 2 Prestation 3 Prestation l Prestation l+1 Prestation l+2 Prestation K
- 110 -
Etape 6 : Cration dun tableau des prestations payes

Le montant des prestations payes au titre des diffrentes annes de lhorizon temporel sont
dtermins partir du tableau de liquidation comme indiqu prcdemment ( titre dexemple : les
prestations payes au titre de la premire anne correspondent la somme des lments de la
premire colonne).

Ces diffrentes valeurs sont modifies en tenant compte de linflation. Si Inflation
t
reprsente le taux
dinflation relatif lanne t et simul selon le modle prsent en partie 3 (
t t t
r i + + = ), nous
obtenons :
Inflation Prestation s Prestation
i
1 k
k i
'
i C
=
= i=1,,K
Etape 7 : Dtermination des PSAP

Le montant des provisions de chaque anne est calcul de manire rcursive :
1 1 1
Prime - Sinistre SAP P =
Prime - Sinistre SAP P Prime - Prime - Sinistre Sinistre SAP P
2 2 1 2 1 2 1 2
+ = + =

Prime - Sinistre SAP P SAP P
i i 1 - i i
+ =

Prime - Sinistre SAP P SAP P
K K 1 - K K
+ =

Etape 8 : Dtermination du rsultat

Le rsultat (simplifi) de chaque anne de lhorizon temporel est calcul de la faon suivante :
Elments pris en compte Dbit Crdit
Primes (i)
a
Rglements (i)
a

PSAP l'ouverture (i)
a
PSAP la clture (i)
a

Frais d'acquisition (i)
a

Frais de gestion des polices (i)
a

Frais de gestion des sinistres (i)
a

Produit financiers allous (i)
a
Rsultat technique (i)
a
(a)
Impts (i)
a

Rsultat aprs impts (i)
a

Dividendes ventuels
a

Transfert vers les fonds propres (i)
a

- 111 -
Remarques diverses

Les lments non techniques de lactivit (exemple : produit financiers non allous) ne sont
pas pris en compte dans le calcul du rsultat.
Les frais dacquisition et les frais de gestion des polices sont exprims en pourcentage des
primes.
Les frais de gestion des sinistres sont exprims en pourcentage des rglements effectus
pendant lanne.

Etape 9 : Calcul de la Marge de Solvabilit Rglementaire relative chaque anne

Ne tenant pas compte de la rassurance, la formule gnrale de calcul de la MSR prsente en partie
2 se simplifie sensiblement :

Mthode sur les primes
18 % Min (Primes, 10 millions) +16% (Primes 10 millions, 0)

Mthode sur les sinistres
26% Min (Moyenne charge sinistre, 7 millions) +23% (Moyenne charge sinistre - 7 millions ions, 0)

Montant de la MSR
MSR = Max (mthode sur les primes, mthode sur les sinistres)

Etape 10 : Dtermination de la valeur des fonds propres successifs

Les fonds propres de chaque anne sont donns par la formule rcursive suivante (ce calcul
ncessite donc la dfinition dune valeur initiale de fonds propres qui est un paramtre du modle) :

i i 1 - i i
transfr Rsultat ) r (1 FP FP + + = i=1,,K

Ds lors, on considre quil y a :

Ruine ds que ce montant prend une valeur ngative.
Insuffisance ds que ce montant prend une valeur infrieure la MSR.

Etape 11 : Dtermination de la probabilit de ruine et de la probabilit dinsuffisance

Cet algorithme, rpt un nombre suffisant de fois, permet de dgager les estimateurs empiriques
convergents des diffrentes probabilits souhaites :
- 112 -
s simulation de Nombre
ruine la de s occurrence d' Nombre
ruine de Probabilit =

s simulation de Nombre
ce insuffisan l' de s occurrence d' Nombre
ce insuffisan d' Probabilit =

B - SCHEMA RECAPITULATIF

Le schma ci-aprs permet de visualiser lagencement des diffrentes tapes qui conduisent
lobtention des valeurs des diffrentes probabilits prsentes prcdemment :
L
o
i

X
,

L
o
i

N
C
a
d
e
n
c
e
s

d
e
r
g
l
e
m
e
n
t
T
a
u
x

d
'
i
n
t
t
F
o
n
d
s

p
r
o
p
r
e
s

i
n
i
t
i
a
u
x
P
r
i
m
e
s
S
i
n
i
s
t
r
e
s
R
s
e
r
v
e
s
T
a
u
x

d
'
i
n
f
l
a
t
i
o
n
P
r
e
s
t
a
t
i
o
n
s

p
a
y
e
s
F
o
n
d
s

p
r
o
p
r
e
s
s
u
c
c
e
s
s
i
f
s
R
u
i
n
e

o
u

n
o
n
I
n
s
u
f
f
i
s
a
n
c
e

o
u

n
o
n
R
s
u
l
t
a
t
T
a
b
l
e
a
u

d
e

l
i
q
u
i
d
a
t
i
o
n
2
3
4
5
6
8
9
1
0
1
1
7
M
S
R
- 113 -
SECTION 3 : CALCUL DU RENDEMENT DU PORTEFEUILLE

Lobjectif de cette section est de prendre en considration le rendement du portefeuille dactifs et
dintgrer cet lment dans le modle de dveloppement dactivit (i.e. la formule de rcurrence des
fonds propres). A cette fin, il est indispensable de dterminer le rendement du portefeuille chaque
date de lhorizon temporel choisi.

A - INFORMATIONS A DISPOSITION ET OBJECTIFS

Nous disposons, la date 0, dune allocation initiale dactifs. Celle-ci peut tre fixe en vertu dun
calcul doptimisation (faisant ressortir les allocations stratgiques) ou de faon arbitraire.

Actions
0
: la proportion initiale dactions.

Oblig
0
: la proportion initiale dobligations.

Monet
0
: la proportion initiale de montaire.

Les informations suivantes sont galement fournies :
un nombre initial dactions (
Actions
N
0
) de prix initial S
0
.
un nombre initial de Zro Coupons (
Oblig
N
0
) de prix initial P(0,T). T sera prix gal lhorizon
temporel danalyse.
un montant initial de trsorerie.

Lobtention des rendements du portefeuille passe par la construction dun tableau des allocations :
Date Actions Obligations Montaire Portefeuille
1
Action
1

Oblig
1

Mont
1

Port
nta
1
Re

2
Action
2

Oblig
2

Mont
2

Port
nta
2
Re

i
Action
i

Oblig
i

Mont
i

Port
i
nta Re

K
Action
K

Oblig
K

Mont
K

Port
K
nta Re

o
X
i
modlise la proportion de lactif X dans le portefeuille dactifs la date i.
Le rentabilit du portefeuille la date i est alors donne par la formule suivante :

Mont
i
Mont
i
Oblig
i
Oblig
i
Action
i
Action
i
Port
i
nta Re nta Re nta Re nta Re + + =
- 114 -
B - LES DIFFERENTES ETAPES

Etape 1 : Construction des tableaux dvolution des diffrents actifs

Connaissant les caractristiques de laction considre (S
0
, rendement, taux de versement de
dividende, volatilit, corrlation avec le march des actions, corrlation avec les taux), il est
possible dobtenir la valeur de laction chaque date de lhorizon temporel selon le processus
dtaill dans la section 1 de cette partie.
S
1

S
2

S
i

...
S
K

Il en va de mme pour lvolution du prix du Zro - Coupon considr :
P(1,T)
P(2,T)
...
P(i,T)
...
P(K,T)

Le montant initial de trsorerie (
0
Mont ) est capitalis sur lhorizon temporel au taux CIR de
la priode correspondante.

Etape 2 : Politique de rinvestissement et de dsinvestissement

Le rsultat de lanne i (aprs impt et distribution ventuelle de dividendes) est connu (voir section
prcdente), il est not
i
s Re . Les taux de rinvestissement dans les diffrents actifs sont dfinis
comme suit :

Action
: la part du rsultat rinvestie dans les actions.

Oblig
: la part du rsultat rinvestie dans les Zro-Coupon.

Mont
: la part du rsultat rinvestie dans le montaire.

Ces diffrents paramtres permettent de calculer les montants rinvestis dans chacun des actifs :

i
Action
Res : la part du rsultat rinvestie dans les actions.

i
Oblig
Res : la part du rsultat rinvestie dans les Zro-Coupon.
- 115 -

i
Mont
Res : la part du rsultat rinvestie dans le montaire.

De ces montants, on dduit les nombres dactions et de Zro Coupon quil est possible dacqurir la
date i :
i
i
Action
Actions
i
S
Res
N

=

) , (
Res

i
T P
N
Oblig
Oblig
i
0
=

Lorsquil sagit de dsinvestissement (rsultat ngatif) la logique reste globalement la mme.
Cependant, les proportions prendre en compte ne correspondent pas celles de la politique de
rinvestissement :

i
Action
Res : la part du dficit puise dans les actions.

i
Oblig
Res : la part du dficit puise dans les Zro-Coupon.

i
Mont
Res : la part du dficit puise dans le montaire.

Prcisons nanmoins que le mode de dsinvestissement des obligations prsente une spcificit
majeure : en vertu dun principe rglementaire, il doit tre effectu selon la mthode FIFO (First In
First Out) qui consiste liquider en premier les titres les plus anciens.

Etape 3 : Construction dun tableau des montants dactions

En appliquant cette politique de rinvestissement et de dsinvestissement pour chacune des annes
de lhorizon temporel, il est possible de constituer un tableau listant les quantits dactions disponibles
chaque date.

A partir de ce tableau, il est ais de constituer une formule synthtique :
=
=
1 - i
0 j
Actions
j
ns TotalActio
i
N N
Date 1 2 3 i K-1 K
ns TotalActio
N
1
=
Actions
N
0

ns TotalActio
N
2
=
Actions
N
0
+
Actions
N
1

ns TotalActio
i
N =
Actions
N
0
+
Actions
N
1
+
Actions
N
2
+ +
Actions
i
N
1

ns TotalActio
K
N
1
=
Actions
N
0
+
Actions
N
1
+
Actions
N
2
+ +
Actions
i
N
1
+ +
Actions
K
N
2
+
ons TotalActii
K
N =
Actions
N
0
+
Actions
N
1
+
Actions
N
2
+ +
Actions
i
N
1
+ +
Actions
K
N
2
+
Actions
K
N
1

- 116 -
Le montant disponible en actions chaque date se calcule comme suit :
i
ns TotalActio
i
S N tan =
Actions
i
t Mon soit
S
Res
S tan
1 - i
0 j j
j
i
=
=

t Mon
Actions
i

avec
Actions
= si le rsultat de lanne j (
j
Res ) est positif.
Actions
= si le rsultat de lanne j (
j
Res ) est ngatif.

Etape 4 : Construction dun tableau des montants dobligations

Considrons le tableau suivant :

Les diffrents chiffres lists dans ce tableau sont calculs selon le mode suivant :

- Pour la colonne 1, N
Oblig
0
=
1
i
N (soit le nombre initial de Zro Coupon disponibles).

- Pour la colonne i, il convient deffectuer une distinction selon quil sagit dun rinvestissement ou
dun dsinvestissement

En cas de rinvestissement, le nombre dobligations scrit (pour i j K)

) T , ( P
Res
N
1 - i
Oblig
i
j
0
=

En cas de rinvestissement, la dtermination du nombre dobligations sappuie sur la
mise en pratique de la mthode de liquidation des stocks FIFO. Pour i j K, on
pose 0 =
i
j
N (tout les lments de la colonne i sont pris comme nuls) puis on modifie
les chiffres de la ligne j en effectuant la procdure suivante :

Date 1 2 3 i K-1 K
TotalOblig
N
1
=
1
1
N
TotalOblig
N
2
=
1
2
N +
2
2
N

TotalOblig
i
N =
1
i
N +
2
i
N +
3
i
N + +
i
i
N

TotalOblig
K
N
1
=
1
1 K
N +
2
1 K
N +
3
1 K
N + +
i
K
N
1
+ +
1
1
K
K
N +
TotalOblig
K
N =
1
K
N +
2
K
N +
3
K
N + +
i
K
N + +
i
K
N +
K
K
N
- 117 -
On pose
T) 1, - P(i
Res
N
1 - i
Oblig
Tampon

=

Si
1
i
Tampon
N N , alors
Tampon
j j
N N N -
1 1
= (pour i j K)
Si
1
i
Tampon
N N , alors
T) 2, - P(i
T) 1, - P(i N - Res
N
i 1 - i
Oblig
Tampon

=
1

puis 0
1
N
i
= (pour i j K)
Si
2
j
Tampon
N N
, alors
Tampon
j j
N - N N
1 1
= (pour i j K)
Si
2
i
Tampon
N N , alors
T) 3, - P(i
T) 2, - P(i N - T) 1, - P(i N - Res
N
i i 1 - i
Oblig
Tampon

=
2 1

puis 0
2
N
i
= (pour i j K).
Etc.

A partir du tableau prcdent, il est possible dobtenir le montant en obligation dtenu chaque
priode :
=
+ =
i
1 k
k
i
TotalOblig
i
1) k - P(i N t tan Mon

Etape 5 : Construction dun tableau des montants de montaire

En dsignant par
m
Mont , la part du rsultat de lanne m rinvestie ou puise (suivant que le
rsultat est positif ou ngatif) dans la trsorerie, il est possible dtablir une formule donnant le
montant total de montaire chaque date.

Pour i=1,..,K, nous pouvons crire :
) r ( Mont ) r ( Mont ... ) r ( Mont ) r ( Mont t tan Mon
i 1 - i j
i
1 - i j
2 - i j
i
2 j
1 j
i
1 j
0
TotalMont
i
+ + + + + + + + =

= = =
1 1 1 1

+ = = =
+ + + =
i
1 m j
j
1 - i
1 m
m m j
i
1 j
0
TotalMont
i
) r (1 Res ) r ( Mont t tan Mon 1

avec
Mont
m
= si le rsultat de lanne m (
m
Res ) est positif.
Mont
m
= si le rsultat de lanne m (
m
Res ) est ngatif.

Cette formule peut se rcrire comme une relation de rcurrence entre les montants de montaire des
diffrentes priodes :
| | ) r ( Res t tan Mon t tan Mon
i 1 - i 1 - i
TotalMont
i
TotalMont
i
+ + =

1
1

Etape 6 : Dtermination du rendement de chaque actif
- 118 -

La connaissance du rendement de chaque actif chacune des dates de lhorizon temporel est
indispensable la dtermination du rendement de lensemble du portefeuille dactifs. Prcisons
galement que nous avons choisi de calculer le rendement de chaque actif par comparaison des
valeurs des actifs sur deux priodes successives (
1) - X(i
1) - X(i - X(i)
nta Re
X
i
=
).
La rentabilit de laction est dfinie par
1) - S(i
1) - S(i - S(i)
nta Re
Actiions
i
= .
La rentabilit du montaire correspond au taux de rmunration de la priode
considre, r
i
.
Le calcul de la rentabilit des Zro Coupon sappuie sur le tableau prsent en tape
4. Le montant total en obligations relatif la priode j se compose de plusieurs types
dobligations ayant des rentabilits diffrentes. Ds lors, cette diversit doit tre prise en
considration :
=
+
=
i
1 k
k
i
TotalOblig
i
Oblig
i

T) K, - P(i
T) k, - P(i - T) 1, k - P(i
N
N
1
nta Re

Etape 7 : Dtermination des allocations dactifs

Ayant disposition, la date i, les montants disponibles de chaque actif, nous pouvons remplir le
tableau des allocations, indispensable la dtermination du rendement du portefeuille

Date Actions Obligations Montaire Date Actions Obligations Montaire
1
Actions
t Mon
1
tan
Oblig
t Mon
1
tan
Mont
t Mon
1
tan 1
Action
1

Oblig
1

Mont
1

2
Actions
t Mon
2
tan
Oblig
t Mon
2
tan
Mont
t Mon
2
tan

2
Action
2

Oblig
2

Mont
2

i
Actions
i
t Montan
Oblig
i
t Montan
Mont
i
t Montan

i
Action
i

Oblig
i

Mont
i

K
Actions
K
t Montan
Oblig
K
t Montan
Mont
K
t Montan K
Action
K

Oblig
K

Mont
K

Mont
i
Oblig
i
Actions
i
X
i X
i
t tan Mon t tan Mon t tan Mon
t tan Mon

+ +
=
- 119 -
SECTION 4 : PARAMETRAGE ET ELEMENTS COMPTABLES

Dans cette section, nous prsentons, en premier lieu, les diffrents paramtres retenus pour
lobtention des valeurs comptables (sinistres, primes, rsultats,) et des indicateurs de risque
(probabilit de ruine et probabilit dinsuffisance). Nous avons choisi de calculer ces diffrents
lments pour une socit qui souhaite intgrer le march de lassurance automobile avec un nombre
de contrats relativement restreint.

A - PARAMETRAGE

Paramtres gnraux : Les raisons qu nous ont conduit opter pour un nombre de
simulations de 5000 runs sont explicites au niveau de la section suivante (Cf. paragraphe
Intervalle de confiance et nombre de simulations ). Nous avons galement choisi
deffectuer ces simulations sur un horizon temporel de 10 ans (Cf. Partie 1 / Section 1 / A).
Nombre de simulations : 5000 runs
Horizon temporel : 10 ans

Paramtres de sinistralit :
:
7,33

Frquence moyenne : 0,346365
: 1,92 Nombre de contrats : 100

Les paramtre utiliss sont issus dune tude effectue par le cabinet JWA relative une
socit de la branche automobile et dont les principales caractristiques sont les suivantes :
Nombre de contrats : 216 035 Esprance de cot dun sinistre : 9 625
Nombre moyen de sinistres : 74 827 Variance de cot dun sinistre : 3 572 602 327

Ne pouvant obtenir des rsultats varis sur un tel nombre de contrats (compte tenu des temps
de simulation associs), nous avons dlibrment choisi de retenir un nombre de contrats
fortement restreint en vue dobtenir (relativement rapidement) un aperu de lensemble des
rsultats que des modles DFA peuvent proposer.

Cadence de rglement associe :
Anne 1 Anne 2 Anne 3 Anne 4 Anne 5
20% 71% 7% 1,4% 0,6%

Paramtres de gestion : Les diffrentes valeurs de paramtres de gestion lists dans le
tableau suivant rentrent dans la fourchette de tarifs que peut pratiquer une socit
dassurance.
Taux de chargement des primes : 30%
Taux daccroissement annuel des primes : 3%
Frais dacquisition : 15%
Frais de gestion des polices : 12%
- 120 -
Frais de gestion des sinistres : 3%
Part du rsultat conserv : 80%
Taux dimposition : 33%

Allocation initiale dactifs : Lallocation dactifs a t choisie de faon totalement arbitraire.
Cependant, elle correspond la rpartition pratique dans certaines branches dassurance
(notamment en assurance construction).
Actions : 55%

Obligations : 35%

Montaire : 10%

Politique de rinvestissement et de dsinvestissement : La politique de rinvestissement et de
dsinvestissement est identique lallocation initiale. En cela, elle permet deffectuer un
contrle sur les rsultats de lapplication dans le sens o les proportions des diffrents actifs
chaque date de simulation ne doit pas trop sloigner des chiffres de lallocation initiale.
Rinvestissement Dsinvestissement
Actions : 55% 55%
Obligations : 35% 35%
Montaire : 10% 10%

B - ELEMENTS COMPTABLES

Compte tenu du paramtrage retenu, nous fournissons, ci-dessous, des lments comptables relatifs
au bilan et au compte de rsultat de la socit modlise. Les valeurs prsentes correspondent aux
moyennes des donnes numriques issues des simulations pour un niveau initial de fonds propres de
300 000 euros associ une probabilit de ruine de 7,6% et une probabilit dinsuffisance de 10,3%
(des rsultats plus dtaills concernant ces indicateurs sont donns dans la section suivante).

Sinistres / Prestations / Rserves

Le tableau suivant donne pour chaque anne considre, le montant des sinistres survenus, celui des
prestations payes ainsi que des provisions effectues.
Anne
Sinistres Prestations Provisions
1
323 482 64 715 258 767
2
336 697 299 010 296 454
3
314 440 329 904 280 990
4
344 537 329 212 296 314
5
324 416 351 845 268 885
6
315 518 341 351 243 052
7
344 190 343 923 243 319
8
305 797 361 291 187 825
9
341 975 346 031 183 768
10
323 754 372 452 135 069

Notons que les montants de sinistre simuls oscillent autour le valeur de lesprance de la variable S
(celle-ci tant dapproximativement 330 000 euros).

- 121 -
Tableau de liquidation

A partir des montants de sinistres simuls et de la cadence de rglement saisie par lutilisateur, il est
possible de constituer le tableau de liquidation des sinistres.
1 2 3 4 5 6 7 8 9 10
1
64 696 229 672 22 644 4 529 1 941
0 0 0 0 0
2 0
67 339 239 055 23 569 4 714 2 020
0 0 0 0
3 0 0
62 888 223 253 22 011 4 402 1 887
0 0 0
4 0 0 0
68 907 244 621 24 118 4 824 2 067
0 0
5 0 0 0 0
64 883 230 335 22 709 4 542 1 946
0
6 0 0 0 0 0
63 104 224 018 22 086 4 417 1 893
7 0 0 0 0 0 0
68 838 244 375 24 093 4 819
8 0 0 0 0 0 0 0
61 159 217 116 21 406
9 0 0 0 0 0 0 0 0
68 395 242 802
10 0 0 0 0 0 0 0 0 0 64 751

La somme des lments des colonnes de ce tableau fournissent les montants des prestations payes
par la compagnie dassurance au cours des 10 annes (valeur de lhorion temporel retenu). Il faut
cependant tenir compte de linflation simule pour obtenir les montants lists au niveau du premier
tableau (ces taux ne seront pas dtaills ici pour ne pas surcharger la prsentation).

Primes / Rsultat

A partir des diffrents paramtres retenus en matire de taux de chargement, de niveau
daugmentation annuel des primes, du taux dimposition,, nous obtenons les valeurs suivantes en
termes de primes et de rsultat comptable (transfr vers les fonds propres) :
Primes Rsultats
1
424 715 134 969
2
437 457 222
3
450 581 - 15 178
4
464 098 - 8 128
5
478 021 - 17 601
6
492 362 - 1 679
7
507 133 3 332
8
522 346 - 1 821
9
538 017 16 541
10
554 157 5 966

Signalons que sil on se contentait, pour lobtention du rsultat comptable, de comparer de manire
nave le montant des primes celui des sinistres, on trouverait systmatiquement un rsultat positif.
Or ce nest pas le cas et nous constatons, de ce fait, que des facteurs tels que les frais dacquisition et
la politique de distribution des dividendes jouent un rle non ngligeable dans la prcision des
rsultats dun modle DFA.

- 122 -
Au vu du tableau prcdent, le niveau relativement faible des rsultats raliss (en comparaison des
fonds propres engags) sexplique par un des paramtres retenu pour lobtention de ces chiffres :
80% du rsultat aprs impt est distribu en dividendes. Seul le rsultat ralis la premire anne
semble significatif ; il est d au faible montant des prestations payes cette anne l.

Evolution de la composition du portefeuille dactifs

Sintresser la composition du portefeuille chaque date de lhorizon temporel constitue un bon
moyen de vrifier la validit des rsultats obtenus au niveau de la simulation des lments dactifs. En
effet, nous avons retenu un portefeuille dactifs comprenant initialement 55% dactions, 35%
dobligations et 10% de montaire. En ce qui concerne la politique de rinvestissement et de
dsinvestissement, nous avons gard ces mme proportions. De ce fait, la composition du portefeuille
dactifs (obtenue en effectuant la moyenne des compositions de lensemble des simulations
effectues) chaque date ne doit pas tre trop loigne de lallocation initiale.
Actions Obligations Montaire
1
52,05% 37,46% 10,49%
2
52,74% 36,78% 10,48%
3
52,24% 37,11% 10,65%
4
51,66% 37,50% 10,84%
5
52,83% 36,58% 10,60%
6
55,39% 31,47% 13,14%
7
52,75% 36,39% 10,86%
8
51,46% 37,16% 11,38%
9
49,30% 39,49% 11,21%
10
51,51% 37,41% 11,08%

Rentabilit du portefeuille dactifs

La rentabilit du portefeuille dactifs chaque date de simulation est donne dans le tableau suivant.
Celle-ci peut paratre faible mais il faut garder lesprit quil sagit ici de valeurs moyennes et que ces
chiffres sont systmatiquement suprieurs aux valeurs moyennes du taux court terme simules.
Rentabilit du portefeuille
1
2,96%
2
3,00%
3
3,61%
4
3,52%
5
3,90%
6
4,11%
7
4,53%
8
4,99%
9
4,91%
10
3,84%

- 123 -
Marge de solvabilit / Fonds propres

Enfin, nous regroupons dans ce dernier tableau les valeurs de la marge de solvabilit rglementaire
que lentreprise doit respecter et le montant de fonds propres quelle dtient chaque date.
MSR
Fonds propres
1
76 449 440 844
2
78 742 454 458
3
81 105 455 607
4
83 538 463 083
5
86 044 461 261
6
88 625 478 292
7
91 284 503 115
8
94 022 519 842
9
96 843 555 122
10
99 748 581 374

Remarquons que, dans le cadre de notre modlisation, le premier rsultat comptable joue un rle
dterminant dans lvolution dans le temps du montant des fonds propres (celle-ci tant beaucoup
plus rgulire partir de la deuxime anne de lhorizon temporel).

- 124 -
SECTION 5 : RESULTATS DE PROBABILITES

Cette dernire section prsente les rsultats obtenus en matire dindicateurs de risque. Ceux-ci
peuvent servir de base danalyse aux dcideurs dentreprise et permettre de rpondre diffrentes
interrogations, notamment Quel niveau de niveau de fonds propres lentreprise doit elle adopter pour
se couvrir contre une ruine ou contre une insuffisance de fonds ? .

A - COURBE DE RUINE ET COURBE DINSUFFISANCE

Compte tenu des paramtres qui ont t retenus pour la modlisation de notre socit fictive ( et qui
sont lists en annexe X), nous aboutissons une courbe qui fournit, pour un niveau de fonds propres
donn, la probabilit de ruine et la probabilit dinsuffisance associes.
Evolution des probabilits
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
70,0%
- 200,00 400,00 600,00 800,00 1 000,00 1 200,00 1 400,00
Fonds propres (en milliers d'euros)
P
r
o
b
a
b
i
l
i
t
s
Ruine
Insuffisance

De manire tout fait logique et attendue, la courbe dinsuffisance se situe au dessus de la courbe de
ruine : une ruine implique invitablement une insuffisance, linverse ntant pas vrifi
systmatiquement. Pour des montants de fonds propres peu levs, la probabilit de survenance est
beaucoup plus sensible un apport de fonds : ce stade, les sinistres qui sont lorigine des scnarii
sinsuffisance sont plus aiss couvrir que ceux qui causent les scnarii de ruine.

Dautre part, nous constatons, pour des niveaux levs de fonds propres, que les deux courbes sont
sensiblement voisines : ce niveau de couverture, les sinistres qui sont lorigine dune insuffisance
de fonds sont galement ceux qui causent la ruine de la socit.

- 125 -
B - DATE DE SURVENANCE

Pour chaque niveau de fonds propres, lapplication fournit :
la date moyenne de survenance de la ruine (lorsquelle survient).
la date moyenne de survenance de linsuffisance (lorsquelle survient).

Le recueil de ces informations conduit la construction du graphe suivant :
Dates de survenance
3
3,5
4
4,5
5
5,5
6
6,5
7
7,5
- 200,00 400,00 600,00 800,00 1 000,00 1 200,00 1 400,00
S
u
r
e
v
e
n
a
n
c
e

(
e
n

a
n
n
e
s
)
Survenance ruine
Survenance insuffisance
Les deux courbes sont assez semblables et nous constatons une sensibilit non significative des
dates de survenance par rapport aux fonds propres : la survenance de la ruine et de linsuffisance se
situent strictement entre 4 et 7 ans.

Les tendances des courbes sont globalement croissantes : une augmentation des fonds propres
conduit non seulement une diminution des probabilits de ruine et dinsuffisance mais galement
un recul des dates de survenance ventuelle.

Dautres facteurs que nous prciserons ultrieurement ont une incidence plus importante sur les
dates de survenance.

C - COT MARGINAL DES PROBABILITES

La diminution de la probabilit de ruine (ou de la probabilit dinsuffisance) na pas le mme cot
suivant quelle est ralise un niveau faible ou lev de couverture. Le schma suivant illustre cette
remarque sur la courbe de probabilit de ruine.

- 126 -
Evolution des probabilits
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
45,0%
- 200,00 400,00 600,00 800,00 1 000,00 1 200,00 1 400,00
P
r
o
b
a
b
i
l
i
t
s

Comme le montre ce graphe, le passage dune probabilit de ruine de 25% 24% est synonyme
dune augmentation des fonds propres de 7,4%. En revanche, le passage dune probabilit de ruine
de 5% 4% demande une augmentation des fonds propres beaucoup plus importante ; de lordre de
17.2%. Ce ratio est dautant plus significatif que la probabilit de ruine laquelle est entame
laugmentation des fonds est faible.

A haut niveau de fonds propres, les sinistres qui sont lorigine de la ruine et de linsuffisance ont
pour caractristiques dtre peu nombreux et de montant levs. La couverture (en termes de risque)
contre ces sinistres de types catastrophiques ncessite un apport de fonds importants
(relativement aux fonds propres dj mobiliss) qui sont la source de la croissance du cot marginal
d1% de probabilit de ruine en terme de fonds propres.

D - INFLUENCE DU TAUX DE CHARGEMENT SUR LES PRIMES

Tout fait logiquement, une augmentation du taux de chargement conduit une diminution de la
probabilit de ruine et de la probabilit dinsuffisance. Cependant, au vu des graphes suivants, il
parat peu judicieux, pour une socit dont les fonds propres sont consquents, dinfluer sur le taux de
chargement des primes dans loptique de faire diminuer la probabilit de ruine.

En effet, lorsquune socit possde des fonds propres auxquels est associe une probabilit de ruine
faible, une augmentation du taux de chargement na quun effet minime sur cet indicateur de risque.
En revanche, son influence est importante pour des niveaux faibles de couverture.
- 127 -
Ruine \ Chargement
0,000%
10,000%
20,000%
30,000%
40,000%
50,000%
60,000%
70,000%
- 200,00 400,00 600,00 800,00 1 000,00 1 200,00 1 400,00
P
r
o
b
a
b
i
l
i
t
s
20%
25%
30%
35%
40%
Insuffisance \ Chargement
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
80,00%
90,00%
- 200,00 400,00 600,00 800,00 1 000,00 1 200,00 1 400,00
P
r
o
b
a
b
i
l
i
t
s
20%
25%
30%
35%
40%

E - INFLUENCE DE LAUGMENTATION ANNUELLE DU MONTANT DES PRIMES

En ce qui concerne laugmentation annuelle du montant des primes, nous pourrions faire les mmes
remarques que pour le paragraphe prcdent. Il est peu tre plus intressant de remarquer la
similitude des courbes reprsentant lvolution des probabilits en fonction du chargement avec les
courbes reprsentant lvolution des probabilits en fonction du taux daugmentation annuelle du
montant des primes.

- 128 -
En effet, ces courbes quasi-identiques permettent dobserver quune augmentation ou une diminution
de 5% du taux de chargement est quivalente (du point de vue de limpact sur la probabilit de ruine
ou de la probabilit dinsuffisance) une augmentation ou une diminution de 1% du taux de
croissance des primes.

Ce type de correspondances peut jouer un rle majeur du point de vue de laide la dcision et des
choix marketting : certains dcideurs prfrent imposer aux assurs une augmentation brutale mais
unique des tarifs alors que dautres prfrerons opter pour une volution plus rgulire des tarifs.

Ruine \ Augmentation de primes
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
- 200,00 400,00 600,00 800,00 1 000,00 1 200,00 1 400,00
P
r
o
b
a
b
i
l
i
t
s
1%
2%
3%
4%
5%
Insuffisance \ Augmentation des primes
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
80,00%
- 200,00 400,00 600,00 800,00 1 000,00 1 200,00 1 400,00
P
r
o
b
a
b
i
l
i
t
s
1%
2%
3%
4%
5%

- 129 -
F - INTERVALLE DE CONFIANCE

En matire de possibilits danalyses, les socits dassurance ne peuvent plus se contenter
destimation de moyenne. Les outils quelles emploient doivent dsormais prvoir lestimation des
intervalles de confiance.

Dans le cadre de notre tude, le problme est connu sous le nom dintervalle de confiance pour une
proportion
50
. Sa valeur est donne par :

(
+

n
p) - p(1
. u p ;
n
p) - p(1
. u - p
/2 /2

avec :
p : proportion trouve dans un chantillon de taille n (dans notre cas, n correspond au nombre
de simulations).
u : quantile de la loi normale. Pour un intervalle de confiance 95%,
/2
u
vaut 1,96.

Dans le reste du dveloppement, nous nous intressons lintervalle de confiance standard 95% et
linfluence que peuvent avoir certain paramtres sur la longueur de lintervalle de confiance.

Intervalle de confiance et nombre de simulations

La longueur de lintervalle de confiance est directement li au nombre de simulations. Il faut donc
retenir un nombre de runs qui ne soit pas trop lev afin de ne pas tre confront des temps de
simulation sans fin, mais suffisant pour que lestimation du paramtre soit correcte et que la longueur
de lintervalle de confiance ne soit rduite un niveau acceptable. Le graphe suivant illustre la
mthodologie appliquer afin de slectionner le nombre de runs optimal qui sera retenu pour
lensemble des simulations.

50
Cf. SAPORTA G. , "Probabilits, analyse des donnes et statistiques". Editions Technip.
- 130 -
Intervalle de confiance 95% de la probabilit de ruine
0%
1%
2%
3%
4%
5%
6%
7%
8%
9%
10%
- 2 000,00 4 000,00 6 000,00 8 000,00 10 000,00 12 000,00 14 000,00
Nombre de runs
P
r
o
b
a
b
i
l
i
t
s
Probabilit de ruine
Borne suprieure
Borne infrieure

Intervalle de confiance 95% de la probabilit d'insuffisance
0,000%
2,000%
4,000%
6,000%
8,000%
10,000%
12,000%
- 2 000,00 4 000,00 6 000,00 8 000,00 10 000,00 12 000,00 14 000,00
Nombre de runs
P
r
o
b
a
b
i
l
i
t
s
Probabilit d'insuffisance
Borne infrieure
Borne suprieure

Les valeurs de la probabilit de ruine, de la probabilit dinsuffisance et la longueur des intervalles de
confiance oscillent fortement pour un nombre de runs faible. Pour un nombre de runs suprieur
5000 ou 6000, les diffrents items sont sujets une relativement faible variabilit.

- 131 -
Intervalle de confiance et probabilit

La longueur de lintervalle de confiance dcrot approximativement de la mme manire que la
probabilit de ruine (graphe Probabilit \ Fonds propres du paragraphe A) . A titre indicatif, nous
pouvons donner les bornes dvolution de la longueur de lintervalle de confiance qui ont t obtenues
dans le cadre du paramtrage.

Pour une probabilit de ruine de 38,38%, la longueur de lintervalle de confiance vaut 2 ,70%.
Pour une probabilit de ruine de 0,52%, la longueur de lintervalle de confiance vaut 0,40%.
Pour une probabilit dinsuffisance de 58,14%, la longueur de lintervalle de confiance vaut
2,73%.
Pour une probabilit dinsuffisance de 0,60%, la longueur de lintervalle de confiance vaut
0,43%.

On constate donc quune augmentation de lerreur relative accompagne la diminution de la probabilit
de ruine

G - INFLUENCE DES CADENCES DE REGLEMENT

Les cadences de rglement ont une influence prpondrante sur la probabilit de ruine et la
probabilit dinsuffisance. Plus le dlais de rglement est long, plus les valeurs ces indicateurs de
risque sont rduites.

Les cadences de rglement ont galement une incidence sur les dates de survenance de la ruine ou
de linsuffisance (lorsquelles ont lieu). A titre dillustration, nous avons retenu 5 types de cadences de
rglement :

Cadence 1 : rglement de la totalit des sinistres la premire anne.
Cadence 2 : rglement des sinistres de manire uniforme sur les deux premires annes.
Cadence 3 : rglement des sinistres de manire uniforme sur les trois premires annes.
Cadence 4 : rglement des sinistres de manire uniforme sur les quatre premires annes.
Cadence 5 : rglement des sinistres de manire uniforme sur les cinq premires annes.

Le graphe ci-dessous donne, pour chaque cadence, la longueur des intervalles dans lesquels se
situent les dates de survenance de la probabilit de ruine (on obtient un graphe similaire pour la
probabilit dinsuffisance).

Il montre que ltalement du rglement des sinistres sur une priode plus longue pour effet de
rduire assez nettement la longueur de lintervalle comprenant la date de survenance et faire reculer
cette mme date.
- 132 -

0
1
2
3
4
5
6
7
8
9
Cadence 1 Cadence 2 Cadence 3 Cadence 4 Cadence 5
S
u
r
v
e
n
a
n
c
e

(
e
n

a
n
n
e
s
)

En conclusion, pour une socit qui rgle ses sinistres selon une cadence donne, les modles DFA
peuvent savrer trs utiles dans la mesure o ils permettent didentifier les priodes de scurit (au
cours desquelles aucun scnario de ruine nest identifi) et les priodes de risque ( au cours
desquelles le nombre de scnarii de ruine se multiplient).

H - PRISE EN COMPTE DE SINISTRES CATASTROPHIQUES

Dans le cadre de la prise en compte des sinistres catastrophiques, nous proposons une modlisation
qui permet dobtenir une queue de distribution des sinistres plus lourde. Il suffit pour cela de
connatre le cot des sinistres de type exceptionnel (exprim en fonction du cot moyen des sinistres
rcurrents) et leur probabilit de survenance.

Nous notons ces derniers lments :
E(X) N M
Excep Excep
= pour le montant ;

Excep
pour la probabilit de survenance.

Lensemble des rsultat prsent dans les paragraphes prcdents taient obtenus en considrant
lensemble des sinistres comme rcurrents . En revanche, les rsultats suivant rsultent dune
modification de la structure des sinistres : celle-ci incluant dsormais les sinistres de type
catastrophique.

Lesprance de la charge totale des sinistres exceptionnels vaut :
E(X) N ) S ( E
Excep Excep Excep
=
Celle des sinistres rcurrent scrit :
E(X) ' ) S ( E
Rcurrents
=
- 133 -
avec
Excep Excep
N - ' = (et paramtre utilis pour le nombre de sinistres dans les
simulations prcdentes). Nous pouvons alors crire la charge totale tout sinistres confondus :
E(X) ) S ( E =

Les valeurs retenues pour les paramtres de modlisation des sinistres catastrophiques ont t fixes
de manire arbitraire afin de mieux cerner les modifications quimplique la prise en compte de la
distinction de la nature des sinistres.
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
30,00%
35,00%
40,00%
45,00%
- 200,00 400,00 600,00 800,00 1 000,00 1 200,00 1 400,00
P
r
o
b
a
b
i
l
i
t
s
Sans sinistre exceptionnel
Avec sinistres exceptionnels

La prise en compte de sinistres de nature catastrophique en substitution de sinistres dits
rcurrents pour effet de crer des scnarii de ruine supplmentaires. Ainsi, faible niveau de fonds
propres, ces nouvelles ruines sajoutent un nombre dj consquent de scnarii dfavorables ; si
bien que lincidence est minimise. En revanche, haut niveau de fonds propres, les scnarii
dfavorables tant en nombre beaucoup plus restreint, lintroduction de sinistres catastrophiques
modifie significativement la valeur de la probabilit de ruine (i.e. multiplie par 4 ou 5 dans notre
illustration).

Cela indique, comme on pouvait sy attendre, que la probabilit de ruine est associe une bonne
modlisation des sinistres exceptionnels (structurellement, modulo leffet taille , lactivit normale
peu de chances dtre ruine).

Signalons galement que la forme de cette nouvelle courbe revt une particularit dans la mesure o
elle met en valeur laugmentation considrable du cot marginal d1% de probabilit de ruine en terme
de fonds propres.

- 134 -
I - INFLUENCE DU NOMBRE DE CONTRATS

Le nombre de contrats est un paramtre qui schmatise la taille de lentreprise . De cet lment
vont dpendre le montant des sinistres rgls, le montant des primes encaisses, le niveau de MSR
exig,

Partant dune situation initiale de 100 contrats et un niveau de fonds propres de 300 000 euros, nous
constatons une probabilit de ruine et dinsuffisance de valeurs respectives 15,4% et 20,9%. Nous
faisons ensuite voluer ces deux facteurs de manire proportionnelle et observons les effets sur les
diffrents indicateurs de risque.

Plus le nombre de contrats est lev, plus le phnomne de mutualisation montre son intrt en
faisant diminuer progressivement la probabilit de ruine (mais galement la probabilit dinsuffisance).
Ainsi pour un nombre de contrats (suprieur 500) plus lev que celui que nous avons retenu, nous
observons que le rapport
contrats de Nombre
propres Fonds
est associ une probabilit de ruine quasi
constante de lordre de 6%.

- 135 -
Conclusion

Dans ltude que nous avons propose, lactif (taux dintrt, inflation, actions,) et le passif
(provisions, primes,) ont tout deux t modliss en vue de tirer des conclusions relatives la
gestion et la rgulation de la probabilit de ruine.

Le dveloppement prsent en dernire partie, principalement bas sur les mthodes de simulations,
constitue une des applications possibles de la Dynamic Financial Analysis. En fonction de lobjectif
recherch par la socit (qui doit tre clairement dfini avant toute mise en place de modle), il est
possible de se concentrer sur ltude de diffrents items : mesure du risque, allocation stratgique
dactifs, contrle de la trsorerie, etc.

En ce qui concerne lapplication qui a t retenue en guise dillustration des modles DFA, nous
avons choisi daxer notre analyse sur un lment de mesure du risque relativement connu : la
probabilit de ruine. Plus que de prsenter des rsultats numriques , le document propose une
vritable mthodologie qui permet doffrir aux dcideurs, qui souhaitent atteindre un certain niveau de
couverture contre le risque, un large spectre doptions et dalternatives.

Dautre part, il est important de signaler que certains lments et distinctions (que nous navons pas
dtaills faute de temps) constituent des facteurs importants de la DFA :

gnralisation plusieurs branches dassurance. La prise en compte de plusieurs branches
doit indniablement passer par une modlisation de la dpendance entre les branches
considres (via lutilisation de copulas) ;
rassurance
51
de tout types (proportionnelle, excdent de sinistre, stop loss) ;
volution de la souscription ;
modlisation et traitement particulier des sinistres catastrophiques.

La prise en compte des liens existants entre les diffrents postes modliss sont lorigine de la
complexit de tels modles et les temps de simulation peuvent savrer relativement longs suivant les
paramtres pris en compte. De ce fait, certaines simplifications peuvent tre envisages si la mise en
place de lanalyse et les rsultats doivent tre raliss en un laps de temps relativement court.
Indniablement, les possibilits danalyse quoffre la DFA sont tendues et diversifies. A cet gard,
ce chantier ( peine entam) se prsente comme un domaine dactivit privilgi de lactuariat
moderne. Et il nest alors pas tonnant de voir plusieurs organismes reprsentatifs de lactuariat
(notamment lInstitut des Actuaires) se concentrer sur ce sujet faisant appels diffrentes
connaissances matrises par lactuaire (provisionnement, tarification, finance, comptabilit,).

51
Cf. ODJO H., DE LA FOATA C., Analyse dun systme de scurit cohrent et optimal pour une compagnie dassurance
IARD.
Conclusion
- 136 -
Bibliographie

Ouvrages et articles

AUGROS J.C.,[1989], Les options sur taux dintrt : dynamique des taux et valuation.
Economica
BEHAN D.F., FELDBLUM S., GATTIS D., [1995], Dynamic financial models of property-
casuaty insurers. The Casualty Actuarial Company.
BLACK F., DERMAN E, TOY W., [1990], A one-factor model of interest rates and its
application to treasury bond options. Journal of political economy.
BLACK F., SCHOLES M., [1973], The pricing of options and corporate liabilities. Journal of
political economy.
BONNASSIEUX M., BRUNEL V., Modle de Ho et Lee gnralis.
COX J.C., INGERSOLL J.E., ROSS S.A., [1985], "A theory of the term structure of interest
rate". Econometrica.
D'ARCY S.P., GORVETT R.W., HERBERS J.A., HETTINGER T., [1997], "Building a DFA
Analysis model that flies". The Casualty Actuarial Company.
D'ARCY S.P., GORVETT R.W., HETTINGER T.E., LEHMANN S.G., MILLER M.J., [1998],
"Building a public access PC-Based DFA model". The Casualty Actuarial Company.
DEMPSTER M.A.H., "Risk Management : Value at Risk and beyond". Cambridge University
Press.
DESPEYROUX A., PARTRAT Ch., LEVI Ch., VIGNANCOURT J., [2003], "Technique for
valuation a general insurance company within the framework of IAS standards : some
proposals". Forum Astin.
DE WINNE R., "Processus de diffusion de taux dintrt et correction du biais de
discrtisation". Universit Catholique de Louvain.
DUPIN G., MONFORT A., VERLE J.P., [2003], "Robust inference in rating models". Astin
2003.
GERMAN H., EL KAROUI N., ROCHET J.C., [1995], "Changes of numeraire, changes of
probability measures and pricing of options". Journal of Applied Probability.
HETTINGER T., "Dynamic Financial Analysis in the new millemium". The Casualty Actuarial
Company.
HEATH D., JARROW R., MORTON K., [1990], Bond pricing and the term structure of interest
rate : a discret time approximation. Journal of financial and quantitative analysis.
HO et LEE, [1986], Term structure movements and pricing interest rate contingent caims.
Journal of finance.
HULL J., WHITE A., [1996], Using Hull-White interest-rate trees. Journal of derivatives.
ISAAC D., BABCOCK N., "Beyond the frontier: using a DFA model to derive the cost of
capital". Swiss Re investors.
Bibliographie
- 137 -
KAUFMANN R., GADMER A., KLETT R., [2001], "Introduction to Dynamic Financial Analysis",
Astin Bulletin.
LAMBERTON D., LAPEYRE B., [1997], "Introduction au calcul stochastique appliqu la
finance". Ellipses.
MARKOWITZ H.M., [1952], Portfolio selection. Journal of finance.
McCULLAGH P., NELDER J.A., [1989], Generalized Linear Models. Fahrmeir & Tutz
ODJO H., DE LA FOATA C., Analyse dun systme de scurit cohrent et optimal pour une
compagnie dassurance IARD.
PARTRAT C., JAL P., [2002], "Evaluation de la provision pour sinistres, Mesures d'incertitude,
Bootstrap". Support de cours ISFA.
QUITTARD-PINON F., [2002], "Mathmatiques financires". Ems.
REGAZZONI Y., [1997], "Les provisions techniques une approche par simulations". Bulletin
Franais dActuariat.
SAPORTA G. , "Probabilits, analyse des donnes et statistiques". Editions Technip.
SHAH H., NAKADA P., [1999], "Deconstructing DFA". Global Reinsurance.
VASICEK O., [1977], An equilibirum characterisation of the term structure. Journal of
financial economics.
VERALL R.J., [1991], "On the estimation of reserves from loglinear models". Insurance :
mathematics and economics.
VERALL R.J., ENGLAND P.D., [1999], "Analytic and bootstrap estimates of prediction errors
in claim reserving". Insurance : mathematics and economics.
WILKIE A.D., [1995], More on a stochastic asset model for actuarial use. British Actuarial
Journal.

Mmoires

BERTHOIX F., CRUGNOLA J., [2001], Approche dynamique et stochastique de la solvabilit
en assurance . Thse IAF.
BOKOBZA N., [2002], Comparaison des modles stochastiques dallocation dactifs pour un
portefeuille de prvoyance collective. Mmoire Universit Paris IX Dauphine.
JACQUEMIN J., [2003], "Lutilisation des mthodes de simulation en assurance". Mmoire
ISFA.

Autres

CALLARD J., [2003], Confrence ISFA sur la DFA.
INSTITUT DES ACTUAIRES, [2003], Djeuners dbats sur la DFA.
LAFAILLE A., GOACHET O., THEROND P., TRANCHARD A., [2003], "Dynamic Financial
Analysis". Groupe de travail ISFA.
CODE DES ASSURANCES : Articles R332, R331, R334, A132. Editions Lamy.
- 138 -

ANNEXES
- 140 -
Annexe 1 : Thormes financiers
52

Thorme de Girsanov

Soit lespace filtr (, F, ) o, F est la filtration du -mouvement brownien z. X une variable alatoire
adapte Ft telle que :
<
(
(
)
`
dt ). t ( X
2
1
exp E
T
0
2
(condition de Novikov)
Alors il est existe une mesure Q quivalente dfinie sur FT par la densit de Radon Nikodym :
)
`

dt ). t ( X .
2
1
- X(t).dz exp
d
dQ
T
0
T
0
2

=
t
0
ds ). s ( X - ) t ( z z(t)
pour t [0,T] est un mouvement brownien sous la nouvelle mesure de probabilit Q et la filtration de z.

Lemme dIt

Si x suit lquation scalaire : t).dz (x, t).dt (x, dx + = alors toute fonction numrique t) (x, y de
classe C par rapport x et de classe C
1
par rapport t, on a :
.dz . y dt . 2.y
2
1
. y y dy
x xx x t
+
(
+ + =
Dans le cas dun processus vectoriel, le rsultat scrit :
.dz . y dt . ) ' . race(y t .
2
1
. y y dy
'
x xx
'
x t
+
(
+ + =

Thorme dvaluation par changement de numraire

Etant donn un nouveau numraire X tel que X(t).(t) est une Q-martingale. Il existe une mesure Qx
sur FT, dfinie par :
) T (
X(0)
X(T)

) T ( P ). ( X
) T ( X

dQ
dQ
X
= =
0

tels que les actifs financiers de base exprims dans ce nouveau numraire sont des Qx-martingales.
La valeur dquilibre f(S,t) de lactif driv de payoff H(T) en T scrit :
(
=
) T ( X
) T ( H
E ). T ( X t) f(S,
t
Qx
s

52
Cf. QUITARD-PINON Franois, "Mathmatiques financires". Editions EMS.
- 141 -
Thorme de changement de temps

Soit M(t) la martingale dfinit par lquation diffrentielle stochastique suivante :
2 2 1 1
(t).dz x (t).dz x dM + =
o z1, z2 sont des borwniens non corrls et x1, x2 sont des fonctions dterministes. On dfinit une
fonction strictement croissante : | |
+ =
t
0
2
2
2
1
.du (u) x (u) x (t) . Dans ce conditions, il existe un unique
mouvement brownien B vrifiant :
(t)) B( M(0) M(t) + =

Corollaire du thorme du changement de temps
Si M est dfinit par :
2 2 1 1
(t).dz x (t).dz x + =
M
dM
, il vient alors
{ } .
2
1
- (t)) B( M(0).exp M(t) =

Annexe 2 : Temps de simulation

Le temps de simulation est fortement sensible au nombre de runs et au nombre de contrat. Pour
obtenir des rsultats fiables, il est conseill de procder aux simulations avec un nombre de runs
suprieur 5000.

Les caractristiques de lordinateur utilis pour lobtention des rsultats sont les suivants :
Pentium 3
700 MHz
524 Mo de RAM

Pour 100 contrats et 5 000 runs, le temps dobtention des diffrents indicateurs (probabilit de ruine,
probabilit dinsuffisance, date de survenance de la ruine, date de survenance de linsuffisance)
seffectue en 1 minute et 5 secondes. La construction dune courbe comprenant 50 points ncessite
approximativement 1 heure.

Pour 100 contrats et 10 000 runs, le temps dobtention des diffrents indicateurs est de 2 minutes 30
environ.

Lorsquon augmente le nombre de contrats 10 000, le temps de rponse de lapplication est de 12
minutes et 30 secondes.

Dynamic Financial Analysis

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Dynamic Financial Analysis

Încărcat de

Drepturi de autor:

Formate disponibile

Mmoire prsent

devant lInstitut de Science Financire et lAssurances

et X une matrice de dimension (n,2) (n correspond au nombre dobservations. i et

, on utilise la mthode des moindres carrs quasi

tant symtrique, il en est de mme pour la matrice

. Celle-ci peut alors scrire

= : le taux forward instantan. T) f(t, reprsente le taux dintrt sans risque

= . Le thorme de Girsanov permet de

) est remplace par

) est remplace par

). A ce stade, il est alors possible

S-ar putea să vă placă și