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.
Chapitre 2. Crises <strong>de</strong> corrélation <strong>de</strong>s comportements<br />
ter certains problèmes évoqués au chapitre 1 comme la durée <strong>de</strong> la pério<strong>de</strong> couverte pour<br />
étudier le phénomène. Si elle est trop courte, on n’observerait aucun rachat (puisqu’il faut<br />
généralement un minimum d’ancienn<strong>et</strong>é avant que le rachat puisse se faire), si elle est trop<br />
longue on observerait un taux <strong>de</strong> rachat proche <strong>de</strong> 100% ; les <strong>de</strong>ux situations n’étant pas réalistes.<br />
De plus, le fait <strong>de</strong> modéliser mensuellement les décisions <strong>de</strong>s assurés perm<strong>et</strong> <strong>de</strong> rendre<br />
compte du fait que dans la réalité les assurés sont susceptibles <strong>de</strong> se poser fréquemment la<br />
question du rachat <strong>de</strong> leur contrat (en tout cas plusieurs fois dans l’année).<br />
Grossièrement, c<strong>et</strong>te modélisation dynamique pose <strong>de</strong>ux problèmes majeurs : la stabilité <strong>et</strong><br />
la robustesse. Ces écueils sont dûs à l’ajout d’une hypothèse très forte, l’indépendance temporelle<br />
entre les décisions. Nous considérons que la décision d’un assuré à la date t + 1 est<br />
indépendante <strong>de</strong> ce qui s’est passé avant, <strong>et</strong> notamment indépendante <strong>de</strong> sa décision à la date<br />
t. Pour construire la base <strong>de</strong> données nécessaire à c<strong>et</strong>te analyse, nous dupliquons chaque assuré<br />
chaque mois où il est présent en portefeuille (ce qui nous donne un échantillon global<br />
<strong>de</strong> 991 010 lignes) <strong>et</strong> m<strong>et</strong>tons à jour ses caractéristiques (indices économiques, ancienn<strong>et</strong>é,...),<br />
à partir <strong>de</strong> la même base <strong>de</strong> données que celle utilisée au chapitre 1. C<strong>et</strong>te opération peut<br />
donner lieu à l’introduction d’un nouveau biais : les caractéristiques <strong>de</strong>s assurés qui restent le<br />
plus longtemps en portefeuille sont sur-représentées. Ceci dit <strong>et</strong> après vérification, ce biais ne<br />
joue pas beaucoup sur nos résultats lorsque nous les comparons aux coefficients <strong>de</strong> régression<br />
d’un modèle <strong>de</strong> Cox, dans lequel les assurés <strong>et</strong> leurs caractéristiques ne sont pas dupliqués<br />
(car c’est un modèle <strong>de</strong> survie).<br />
Après s’être assuré que nous lançons c<strong>et</strong>te analyse sur une pério<strong>de</strong> représentative du portefeuille<br />
(à maturité), il est possible <strong>de</strong> voir la qualité <strong>de</strong> la modélisation en comparant le<br />
taux <strong>de</strong> rachat observé avec le taux <strong>de</strong> rachat prédit sur un pas mensuel. Les échantillons<br />
d’apprentissage <strong>et</strong> <strong>de</strong> validation sont construits différemment ici : l’apprentissage représente<br />
environ <strong>de</strong>ux tiers <strong>de</strong> la pério<strong>de</strong> étudiée, soit <strong>de</strong> Janvier 2000 à Mars 2005 (629 357 observations)<br />
; tandis que la validation s’effectue sur la pério<strong>de</strong> restante (Avril 2005 à Décembre 2007,<br />
361 653 observations). C<strong>et</strong>te technique <strong>de</strong> validation “temporelle” perm<strong>et</strong> <strong>de</strong> rendre compte<br />
<strong>de</strong> l’exposition <strong>de</strong>s assurés à <strong>de</strong>s contextes économiques différents, <strong>et</strong> ainsi <strong>de</strong> tester non pas<br />
uniquement la qualité d’adéquation du modèle mais aussi son réel pouvoir prédictif pour <strong>de</strong>s<br />
simulations futures <strong>de</strong> taux <strong>de</strong> rachat. Les covariables introduites dans la régression logistique<br />
sont le mois d’observation (eff<strong>et</strong> <strong>de</strong> saisonnalité) <strong>et</strong> le contexte économique (taux <strong>de</strong> chômage,<br />
taux crédité <strong>de</strong>s contrats, Ibex 35, taux d’intérêt court terme 1Y <strong>et</strong> long terme 10Y 6 ), en<br />
plus <strong>de</strong>s covariables considérées dans l’analyse statique. Nous négligeons le décès <strong>de</strong>s assurés<br />
lorsque nous réalisons les prévisions futures, car c’est un évènement rare (taux ≃ 2e −4 ). La<br />
pério<strong>de</strong> d’observation a visiblement une gran<strong>de</strong> influence sur le calibrage du modèle au vu <strong>de</strong>s<br />
résultats <strong>de</strong> la figure 2.1 : nous constatons les bonnes qualités d’adéquation du modèle sur la<br />
pério<strong>de</strong> d’apprentissage, <strong>de</strong> même que ses mauvaises qualités prédictives observées en 2007.<br />
Les figures 2.1 <strong>et</strong> 2.2 montrent que le niveau moyen <strong>de</strong> rachat augmente lorsque le taux <strong>de</strong><br />
participation aux bénéfices décroît fortement (2003-2004), dénotant une relation claire entre<br />
les taux crédités <strong>et</strong> les taux <strong>de</strong> rachat. Finalement les résultats ont l’air acceptable bien que<br />
le modèle marche très mal en situation extrême ; mais un modèle est-il censé marcher en régime<br />
extrême ? La crise financière qui s’est déclarée dans l’année 2007 a très certainement fait<br />
évoluer l’importance <strong>de</strong>s facteurs explicatifs clef du rachat en accordant plus d’importance<br />
aux facteurs exogènes (indices boursiers, taux d’intérêts) qu’endogènes, ce qui ne semble pas<br />
forcément être le cas en régime <strong>de</strong> croisière. En pério<strong>de</strong> <strong>de</strong> crise, l’hypothèse d’indépendance<br />
6. Données économiques <strong>et</strong> financières récupérées sur les sites Yahoo Finance <strong>et</strong> OCDE Stats.<br />
46