Mémoire d'actuariat

Modélisation du risque d\'écart ACAV dû à des retards dans la saisie des actes par la gestion
Auteur(s) RENEVIER Alix
Société Generali
Année 2017
Confidentiel jusqu'au 15/11/2019

Résumé
Solvabilité II impose aux compagnies d'assurance de déterminer une exigence de capital pour le risque opérationnel. A ce jour Generali utilise la formule standard reposant sur un calcul en fonction du volume d'activité. Toutefois afin de répondre aux attentes réglementaires de Solvabilité II liées au pilier 2 (notamment dans le cadre de l'ORSA), Generali a renforcé sa connaissance des risques opérationnels par le biais d'une cartographie des risques et d'une démarche de gestion des risques opérationnels ou Self Risk Assessment. Ce Self Risk Assessment est accompagné d'une collecte des incidents pour chaque risque opérationnel. Ces processus permettrons à terme la mise en place d'un modèle interne pour le risque opérationnel chez Generali. Dans ce mémoire, un risque spécifique de type opérationnel sera analysé : le retard interne dans la saisie des actes par la gestion dans un contexte de décalage des marchés financiers. Ce risque est communément appelé risque d'ajustement ACAV (ajustement en assurance à capital variable). L'étude s'articulera autour de deux axes : - Qualitatif afin d'identifier et évaluer le risque dans l'objectif de sensibiliser et responsabiliser les agents - Quantitatif pour mettre en évidence le coût du risque Une base de collecte des incidents de ce risque depuis 2014 et des scénarios à dires d'experts permettrons de décrire qualitativement et quantitativement ce risque qui apparaîtra comme fréquent et faible. L'expérience du passé sera utilisée pour construire deux modèles qui permettrons une vision prospective du futur proche : - un modèle pour la fréquence basé sur les séries temporelles - un modèle de coût en cas de retard L'utilisation conjointe de ces modèles permettra de quantifier les ajustements de plus ou moins values ou écarts ACAV pour une année future. Ces modèles seront complétés par un processus innovant de machine learning appelé "Gradient boosting" qui mettra en avant les variables explicatives du risque étudié afin de déterminer des politiques de réduction du risque à l'attention des opérationnels.

Abstract
Solvency II imposes to insurance companies to calculate a capital requirement for operational risk. Currently, the standard formula which is based on the business volume of the company is used by Generali. But risks have been mapped and an efficient operational risk management process has been created called Self Risk Assessment in order to respond to current regulations in Generali. The aim is to set up an internal operational risk model which will describe and evaluate operational risk actually undertook. This report will study the financial impact of a specific operational risk: delays in processing the request of insured persons to invest or disinvest their life contract. This risk is called \"ACAV price adjustment\". Two aspects will be analyzed: - a qualitative approach to identify and evaluate this risk in order to sensibilize and responsabilize local agents - a quantitative approach to highlight the cost of risk This type of incident has been recorded since 2014 and this data collection will allow to describe quantitatively and qualitatively this risk which occurs to be frequent and with a low financial impact. Two actuarial models relying on historical experience will be developped to estimate future potential loss: - a \"frequency model\" based on time series - a \"cost model\" Both models will allow to measure the risk of loss for the future. These models will be complete by a machine learning approach named \"gradient boosting\" in order to determinate variable importance and a first reducing risk policy.