Mémoire d'actuariat

Alternatives aux portefeuilles répliquants pour le calcul des fonds propres économiques
Auteur(s) BEGLIOMINI Sandy
Société Allianz France
Année 2019

Résumé
L'environnement économique étant incertain depuis quelques années, les risques auxquels sont soumises les compagnies d'assurance doivent donc être estimés de la manière la plus précise possible afin d'allouer suffisamment de capital pour pouvoir les couvrir. La directive européenne Solvabilité II impose aux compagnies d'assurance une nouvelle méthodologie de calcul du capital réglementaire nécessitant la distribution des pertes des fonds propres économiques à un an. D'un point de vue théorique, cela devrait se traduire pas la mise en place de simulations de Monte Carlo (souvent appelées Simulations dans les Simulations dans la littérature actuarielle). Cependant, les mécanismes de participation aux bénéfices et de rachats dynamiques des assurés rendent cette tâche compliquée au regard du nombre important de simulations, impliquant un temps de calcul assez lourd. Les compagnies qui ont opté pour un modèle interne ont pour la plupart eu recours à l'utilisation de méthodes alternatives dans le but d'optimiser le calcul des éléments du bilan. Ce mémoire a pour objectif le calibrage d'un modèle sur les fonds propres économiques par des méthodes de Machine Learning permettant de pallier ces problématiques opérationnelles. Les résultats obtenus pour chacun des modèles sont ensuite comparés aux erreurs obtenues avec la méthode appliquée actuellement chez Allianz

Abstract
Since the economic environment has been uncertain for some years now, the risks to which insurance companies are subject must therefore be estimated in the most precise way possible in order to allocatte sufficient capital to cover them. The European Sovlency II Directive imposes to insurance companies a new method of calculating regulatory capital requiring the distribution of economic capital losses at one year. From a theoretical point of view, this should result in the introduction of Monte Carlo simulations (called Simulations dans les Simulations in Actuarial Literature). However, the profit-sharing mechanisms and dynamic purchasing of policyholders make this task complicated with regard to the large number of simulations, involving a rather heavy calculation time. Companies that have opted for an internal model have for the most part resorted to the use of alternative methods in order to optimize the calculation of the elements of the balance sheet. This memory aims at the calibration of a model on the economic capital by methods of Machine Learning allowing to palliate these operational problems. The results obtained for each of the models are then compared to the errors obtained with the method currently applied at Allianz.

Mémoire complet