Mélanges de GLMs et nombre de composantes : application ... - Scor
Mélanges de GLMs et nombre de composantes : application ... - Scor
Mélanges de GLMs et nombre de composantes : application ... - Scor
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Conclusion <strong>et</strong> perspectives<br />
C<strong>et</strong>te étu<strong>de</strong> nous a permis <strong>de</strong> mieux comprendre comment appréhen<strong>de</strong>r les comportements<br />
<strong>de</strong> rachat grâce à une vision agrégée, par une définition plus complète <strong>et</strong> moins détaillée.<br />
L’étu<strong>de</strong> empirique <strong>de</strong> différentes lignes <strong>de</strong> produits du portefeuille entier d’une entité d’AXA<br />
a été très instructive, <strong>et</strong> a servi <strong>de</strong> point <strong>de</strong> départ aux choix qui ont été adoptés par la suite.<br />
La volonté <strong>de</strong> comprendre, segmenter <strong>et</strong> modéliser les rachats à l’échelle <strong>de</strong> gran<strong>de</strong>s familles <strong>de</strong><br />
produit en utilisant <strong>de</strong>s bases <strong>de</strong> données agrégées induit <strong>de</strong>s soucis <strong>de</strong> modélisation (à cause<br />
<strong>de</strong> l’hétérogénéité entre ces produits), mais se révèle clairement mieux adaptée pour une étu<strong>de</strong><br />
d’impact <strong>de</strong>s rachats au niveau <strong>de</strong> la gestion actif-passif d’une compagnie d’assurance.<br />
Le risque <strong>de</strong> rachat est un risque comportemental, donc par nature difficilement modélisable<br />
car dépendant <strong>de</strong> <strong>nombre</strong>ux facteurs aussi bien endogènes qu’exogènes. Suivant les<br />
positions <strong>de</strong> l’assureur <strong>et</strong> le type <strong>de</strong> produit, l’impact d’un scénario averse <strong>de</strong>s comportements<br />
<strong>de</strong> rachat peut être très conséquent. A ce titre, nous avons vu qu’il était primordial <strong>de</strong> prendre<br />
en compte la possible corrélation entre les comportements d’assurés lors <strong>de</strong> la modélisation<br />
dans une optique <strong>de</strong> gestion <strong>de</strong>s risques (affinement du modèle interne partiel). En eff<strong>et</strong> c<strong>et</strong>te<br />
dépendance entraîne une déformation <strong>de</strong> la distribution <strong>de</strong>s rachats, qui provoque une hausse<br />
conséquente <strong>de</strong> la marge <strong>de</strong> risque. De plus, certaines caractéristiques clefs ne peuvent pas être<br />
négligées lors <strong>de</strong> la modélisation en cas d’évolution <strong>de</strong> la composition du portefeuille : nous<br />
pensons à l’ancienn<strong>et</strong>é du contrat, à la richesse <strong>de</strong> l’assuré, au réseau <strong>de</strong> distribution. D’autres<br />
comme l’état <strong>de</strong> l’économie ou la réputation <strong>de</strong> l’entreprise, plus difficile à prendre en compte,<br />
jouent également un rôle prépondérant. C<strong>et</strong>te remarque suppose l’utilisation <strong>de</strong> modèles <strong>de</strong><br />
régression, mais d’une manière que nous avons faite évoluer tout au long <strong>de</strong> ce proj<strong>et</strong>. Comme<br />
une alternative aux précé<strong>de</strong>ntes approches bibliographiques, le coeur <strong>de</strong> ce travail s’articule<br />
autour d’une approche probabiliste invoquant une prise en compte spécifique <strong>de</strong>s facteurs <strong>de</strong><br />
risque structurels <strong>et</strong> conjoncturels. Nous évitons par c<strong>et</strong>te approche l’hypothèse <strong>de</strong> rationalité<br />
<strong>et</strong> d’optimalité (au sens financier du terme) <strong>de</strong>s assurés, <strong>et</strong> définissons une méthodologie<br />
uniformisée <strong>et</strong> semble-t-il efficace pour traiter le problème <strong>de</strong> la modélisation <strong>de</strong>s rachats.<br />
La principale “leçon” que nous r<strong>et</strong>irons <strong>de</strong> c<strong>et</strong>te étu<strong>de</strong> est qu’il est inutile <strong>de</strong> prendre trop<br />
<strong>de</strong> facteurs <strong>de</strong> risque en compte : la saisonnalité, l’ancienn<strong>et</strong>é <strong>de</strong> contrat, un troisième facteur<br />
<strong>de</strong> risque discriminant (endogène) <strong>et</strong> le contexte économique <strong>et</strong> financier suffisent en général<br />
à une bonne modélisation <strong>de</strong>s comportements. La <strong>de</strong>uxième “découverte” concerne la manière<br />
<strong>de</strong> les considérer : les eff<strong>et</strong>s <strong>de</strong>s facteurs idiosynchratiques doivent être fixés égaux entre les<br />
<strong>composantes</strong> <strong>de</strong>s mélanges alors que le contexte économique joue différemment sur les assurés.<br />
Cela perm<strong>et</strong> à la fois <strong>de</strong> définir un cadre logique d’étu<strong>de</strong> <strong>et</strong> <strong>de</strong> limiter le <strong>nombre</strong> <strong>de</strong> paramètres<br />
à estimer, donc la dimension <strong>de</strong> l’espace (perm<strong>et</strong>tant <strong>de</strong> meilleures prévisions). Les résultats <strong>de</strong><br />
l’étu<strong>de</strong> sont d’autant plus satisfaisants que la métho<strong>de</strong> <strong>de</strong> validation choisie (back-testing) fait<br />
intervenir <strong>de</strong> nouveaux contextes économiques en permanence (à cause <strong>de</strong> la crise financière),<br />
garantissant une bonne quantification <strong>de</strong>s eff<strong>et</strong>s exogènes par la modélisation. Nous attirons<br />
177