Mémoire d'actuariat

Risque sismique : modélisation du risque d\'accumulation sur un portefeuille de grands risques
Auteur(s) MARIANI Laurence
Société AXA Corporate Solutions
Année 2017
Confidentiel jusqu'au 06/11/2019

Résumé
L'objectif de ce mémoire est la création d'un modèle de surveillance du risque d'accumulation relativement à la menace sismique. L'enjeu étant de garantir que le coût de tout évènement sismique susceptible de frapper le portefeuille d'AXA CS reste limité à un certain montant. Deux méthodologies seront étudiées : un modèle déterministe et le rétro-engineering d'un modèle catastrophe commercial : RQE CAT. Le modèle déterministe s'attachera à identifier les zones d'accumulation les plus exposées au péril sismique, puis à générer des évènements physiques cohérents sur ces zones, à partir d'une modélisation sismique avancée. Ces évènements constitueront une bibliothèque de scénarios à estimer lors de chaque évolution notable du portefeuille. Le modèle rétro-engineering cherchera à déterminer les caractéristiques de l'évènement responsable du scénario de perte bicentenaire calculé par RQE CAT. Ce modèle utilisera des méthodes d'apprentissage statistique pour prédire la variation du scénario bicentenaire liée à l'évolution du portefeuille. Une fois ces deux modèles réalisés, ils seront testés sur une fraction du portefeuille mis à jour, dans le but de sélectionner le modèle le plus pertinent à intégrer au processus de souscription.

Abstract
This master thesis objective is to create a monitoring model for accumulation risk regarding seismic threat. The challenge is to ensure that every seismic event likely to strike AXA CS portfolio remains under a certain amount. Two methodologies will be studied: a deterministic model and the retro-engineering of a commercial model: RQE. Deterministic model will identify accumulation areas most exposed to seismic hazard and will generate coherent physical events on these zones, based on a advanced seismic modeling. These events will constitute a scenario library to be estimated after each significant change in AXA CS portfolio structure. Retro-engineering model will use machine learning methods to replicate characteristics of the event responsible for the bicentennial loss scenario calculated by RQE CAT and to predict changes in the bicentennial scenario related to portfolio development. Once these two models are completed, they will be tested on a fraction of fhe upgrated portfolio, in order to choose the most relevant one. This model will then be implemented in underwriting process.