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.
Présentation <strong>de</strong> la thèse<br />
visible que dans les pays pour lesquels certaines contraintes existent (ex : la France), les pénalités<br />
<strong>de</strong> rachat agissent sur l’assuré <strong>de</strong> la même manière qu’une contrainte fiscale (l’ancienn<strong>et</strong>é<br />
du contrat gui<strong>de</strong> souvent le profil <strong>de</strong> ces pénalités), <strong>et</strong> le réseau <strong>de</strong> distribution est en fait<br />
fortement lié au commissionnement <strong>de</strong>s agents <strong>de</strong> vente. Un agent agréé sera tenté <strong>de</strong> provoquer<br />
le rachat aussitôt que les pénalités <strong>de</strong> rachat ou la fiscalité seront favorables à l’assuré,<br />
ou dès que le commissionnement qu’il reçoit pour la souscription <strong>de</strong> nouvelles affaires sur <strong>de</strong><br />
nouveaux produits lui est favorable. C<strong>et</strong>te <strong>de</strong>rnière remarque constitue d’ailleurs un véritable<br />
écueil en termes <strong>de</strong> modélisation, car il est impossible <strong>de</strong> prévoir à long terme la sortie <strong>de</strong><br />
nouveaux produits <strong>et</strong> le comportement <strong>de</strong>s agents <strong>de</strong> vente (bien que l’impact en soit majeur).<br />
Il est également important <strong>de</strong> gar<strong>de</strong>r en tête que le profil <strong>de</strong> ren<strong>de</strong>ment du produit va pousser<br />
l’assureur à favoriser ou non les rachats à un certain moment du contrat.<br />
Enfin, rappelons que le rachat est un problème aussi bien à la hausse qu’à la baisse. Au<br />
Japon par exemple, AXA a dû transformer ses produits suite à l’explosion <strong>de</strong>s taux <strong>de</strong> rachat<br />
dûe à la crise <strong>de</strong>s taux d’intérêts (anormalement bas) à la fin <strong>de</strong>s années 1990. Le niveau <strong>de</strong><br />
la baisse ou <strong>de</strong> la hausse joue <strong>de</strong> manière relative car l’assuré réagit relativement à ce qu’il<br />
possè<strong>de</strong>. Pour éviter les rachats massifs, certains produits (pour le moment marginaux) ont<br />
<strong>de</strong>s clauses très spéciales comme un “facteur d’ajustement <strong>de</strong> marché” en cas <strong>de</strong> forte hausse<br />
<strong>de</strong>s taux. Dans un futur proche, ce type <strong>de</strong> produit pourrait se développer dans la mesure où<br />
l’une <strong>de</strong>s gran<strong>de</strong>s craintes actuelles <strong>de</strong>s assureurs concerne la remontée soudaine <strong>de</strong>s taux au<br />
sortir <strong>de</strong> la crise (il n’y a jamais eu <strong>de</strong> taux si bas que les taux actuels en Europe, d’où <strong>de</strong>s<br />
nouvelles affaires souscrites <strong>de</strong>puis trois ans à <strong>de</strong> faibles ren<strong>de</strong>ments). Cela pourrait entraîner<br />
une vague massive <strong>de</strong> rachats ayant <strong>de</strong>s eff<strong>et</strong>s dévastateurs.<br />
4 Contributions personnelles<br />
Nous pouvons dégager <strong>de</strong> la revue bibliographique quatre grands types <strong>de</strong> modélisation :<br />
une modélisation financière sous forme <strong>de</strong> valorisation d’option (modélisation individuelle<br />
<strong>de</strong> la décision), une modélisation statistique sous forme <strong>de</strong> série temporelle (modélisation<br />
collective <strong>de</strong>s décisions <strong>de</strong> rachat), une approche économique basée sur la théorie <strong>de</strong> l’espérance<br />
d’utilité <strong>et</strong> une modélisation probabiliste (individuelle) sous forme <strong>de</strong> modèle GLM. Nous avons<br />
privilégié c<strong>et</strong>te <strong>de</strong>rnière approche tout au long <strong>de</strong> la thèse, car elle perm<strong>et</strong>tait notamment <strong>de</strong><br />
prendre en compte les caractéristiques individuelles <strong>et</strong> <strong>de</strong> modéliser la décision <strong>de</strong> rachat sans<br />
hypothèse préalable sur la rationalité <strong>de</strong>s comportements.<br />
Afin <strong>de</strong> mener à bien ce travail, nous avons lors d’une première étape tenté <strong>de</strong> segmenter le<br />
portefeuille Vie en classes <strong>de</strong> risque. Ceci a donné lieu à l’écriture <strong>et</strong> la publication <strong>de</strong> Milhaud<br />
<strong>et</strong> al. (2011), dans lequel nous comparons l’utilisation <strong>de</strong> <strong>de</strong>ux modèles <strong>de</strong> classification dont<br />
les fon<strong>de</strong>ments théoriques sont radicalement différents. En formalisant <strong>de</strong> manière minimaliste<br />
notre démarche, le but était <strong>de</strong> partitionner un ensemble d’observations X en groupes<br />
homogènes en termes <strong>de</strong> caractéristiques (données par le vecteur X) <strong>et</strong> <strong>de</strong> comportements<br />
<strong>de</strong> rachat (données par la variable Y). La première approche, correspondante aux métho<strong>de</strong>s<br />
CART, consiste à utiliser un critère <strong>de</strong> mesure d’homogénéité qui puisse rendre compte <strong>de</strong> la<br />
qualité d’une division ∆ <strong>de</strong> l’ensemble initial d’observations, <strong>et</strong> <strong>de</strong> maximiser ce critère :<br />
∆ ⋆ = arg max(δ impur(∆)),<br />
∆∈D<br />
où δ impur(∆) désigne le gain d’homogénéité grâce à la division ∆. Ce processus réitéré<br />
étape par étape conduit à un partitionnement <strong>de</strong> X qui semble avoir <strong>de</strong> bonnes propriétés<br />
12