Mélanges de GLMs et nombre de composantes : application ... - Scor

3.4. Conclusion
• les contrats à taux garanti : grosso modo les “Ahorro”, “Mixtos”, “Pure Savings” et
“Universal Savings” admettent le même type de modèle avec :
– effets structurels (fixes entre composantes) dont toujours la saisonnalité et l’ancienneté
du contrat, plus une (ou deux) variable(s) dépendante de la famille ;
– effets conjoncturels : guidés par le taux long-terme ;
– effets de corrélation : potentiels si les variables de richesse sont discriminantes.
• les contrats à rendement non garanti avec les “Index-Link” et “Unit-Link” :
– effets structurels : pas ou peu de saisonnalité, l’ancienneté du contrat et une variable
additionnelle dépendante de la famille ;
– effets conjoncturels : plus intenses, guidés par les marchés financiers (Ibex 35) ;
– effets de corrélation : potentiels si un scénario hyper stressé se réalise.
• les produits structurés : la complexité des produits peut expliquer ce comportement
plus extrême :
– effets structurels : pas d’effet clair donc inexistant dans la modélisation ;
– effets conjoncturels : intense et dictés par le marché financier ;
– effets de corrélation : introduits via le comportement du marché long-terme avec la
taille de la composante risquée qui augmente si le marché se dégrade.
3.4 Conclusion
Nous proposons dans ce chapitre une méthodologie de prise en compte des facteurs de
risque. La clef réside dans la distinction entre les effets structurels supposés constants entre
groupes homogènes (d’un point de vue comportemental) d’assurés, et les effets conjoncturels
qui sont autorisés à varier entre groupes. Cette suggestion provient d’une intuition logique
et donne des résultats plus qu’acceptables dans un contexte de contrats d’épargne à supports
variés. L’introduction des modèles mélange nous a permis non seulement d’élargir notre
champs de connaissance mais aussi d’améliorer la flexibilité de la modélisation en permettant
la représentation d’une éventuelle multimodalité de la densité des comportements de rachat,
caractéristique d’une forte hétérogénéité. A la vue des résultats numériques, il reste néanmoins
un point à élucider sur la question de sélection de modèle : il semble que le critère BIC sélectionne
parfois un nombre de composantes dans le mélange qui soit trop important. Nous
discutons de ce sujet dans le prochain chapitre, et étendons la problématique à l’ensemble de
la famille GLM afin de généraliser notre étude.
101