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.
2.2. Impact <strong>de</strong> crises <strong>de</strong> corrélation <strong>de</strong>s comportements<br />
Figure 2.4 – Sur la gauche, la <strong>de</strong>nsité <strong>de</strong> la loi normale <strong>et</strong> sur la droite la <strong>de</strong>nsité bimodale<br />
(la moyenne vaut 30 dans les <strong>de</strong>ux cas).<br />
Density<br />
0.0 0.2 0.4 0.6 0.8<br />
0.00 0.05 0.10 0.15 0.20 0.25 0.30<br />
27 28 29 30 31 32 33<br />
surren<strong>de</strong>r rate (in %)<br />
24 26 28 30 32 34 36<br />
surren<strong>de</strong>r rate (in %)<br />
par rapport à l’expérience qu’a la compagnie, dû à <strong>de</strong>s rumeurs ou <strong>de</strong>s recommendations<br />
<strong>de</strong> journalistes ou brokers. D’un point <strong>de</strong> vue financier, un assuré adopte un comportement<br />
irrationnel s’il ne rachète pas son contrat bien qu’il soit gagnant dans c<strong>et</strong>te opération. Mais ce<br />
comportement d’irrationalité (financier) n’est pas si rare que ça à cause <strong>de</strong>s contraintes fiscales<br />
<strong>et</strong> <strong>de</strong> la complexité <strong>de</strong>s contrats actuels d’Assurance-Vie, munis <strong>de</strong> garanties <strong>et</strong> d’options <strong>de</strong><br />
plus en plus compliquées. Nous pouvons cependant remarquer que les agents semblent <strong>de</strong> plus<br />
en plus rationnels sur le marché américain (qui contient beaucoup <strong>de</strong> “variable annuities”), <strong>et</strong><br />
que quelquepart l’incertitu<strong>de</strong> concernant la rationalité future <strong>de</strong>s assurés est capturé par notre<br />
modèle <strong>de</strong> crise <strong>de</strong> corrélation.<br />
2.2.3 Distribution <strong>de</strong>s taux <strong>de</strong> rachat<br />
Approche combinatoire<br />
Considérons un portefeuille <strong>de</strong> n ≥ 2 assurés. Soit<br />
N =<br />
n∑<br />
k=1<br />
le <strong>nombre</strong> <strong>de</strong> personnes ayant un comportement moutonnier, <strong>et</strong><br />
M =<br />
le <strong>nombre</strong> <strong>de</strong> personnes qui rachètent leur contrat. Rappelons que<br />
n∑<br />
k=1<br />
J k<br />
I k<br />
I k = J k I 0 + (1 − J k )I ⊥ k ,<br />
où J k correspond à l’indicatrice <strong>de</strong> l’événement “le k ème assuré adopte un comportement moutonnier”,<br />
<strong>et</strong> J k a une distribution <strong>de</strong> Bernoulli <strong>de</strong> paramètre p 0 , <strong>et</strong> où I 0 , I1 ⊥, I⊥ 2 , ... sont<br />
<strong>de</strong>s variables aléatoires i.i.d. <strong>de</strong> paramètre p (<strong>et</strong> indépendantes <strong>de</strong>s (J l ) l≥1 ). Si le consensus<br />
51