Mémoires d'Actuariat
Estimation des coûts des tempêtes sur la réassurance en France à partir de méthodes de machine learning
Auteur(s) NGUYEN-KHOA-MAN A.
Société OdysseyRe
Année 2021
Résumé
Les tempêtes européennes présentent un risque majeur pour les assureurs français qui ont eux-mêmes besoin de s'assurer par le biais de la réassurance. En effet, si la majorité des événements ont une charge assez limitée et ne touche pas, ou très peu, la réassurance, des événements extrêmes se produisent occasionnellement et peuvent mettre à mal les assureurs comme les réassureurs. Cela a été le cas notamment en décembre 1999 lorsque les tempêtes Lothar et Martin se sont succédé. Des sociétés spécialisées proposent aujourd'hui des modélisations pour ce type d'événements, cependant, elles ont leurs limites : elles sont très onéreuses, et peuvent demander beaucoup de temps. Par ailleurs, les trois principaux modèles disponibles sur le marché ont souvent des estimations très différentes. Ce mémoire vise à construire un modèle d'estimation des coûts d'une tempête sur la réassurance en partant de données d'exposition et de vent, et à l'aide de différentes techniques d'apprentissage statistique. Nous utilisons, plus spécifiquement, des modèles linéaires, des arbres de décision et enfin des méthodes ensemblistes de bagging et de boosting pour estimer, dans un premier temps, le coût sur le marché français. Nous en déduisons par la suite les montants pour chacune de nos cédantes et finalement, le montant à la charge d'OdysseyRe. Enfin, nous verrons les apports de ce modèle pour OdysseyRe aussi bien dans le cadre du provisionnement que dans celui de la tarification. Pour le calcul de provisions, il fournira une estimation rapide à partir de peu d'informations sur la tempête, cette première estimation pouvant ensuite être ajustée petit à petit avec les nouvelles informations disponibles. Pour la tarification, il offre une nouvelle méthode de calcul d'as-if prenant mieux en compte les évolutions de portefeuilles.
Abstract
European windstorms are a major risk for French insurers which, in turn, also need to be insured via reinsurance. Indeed, even though most events have a limited loss amount that does not affect the reinsurance, or at least not much, some extreme events can occasionally happen and be particularly severe for insurers as well as reinsurers. It was notably the case in late December 1999 when windstorms Lothar and Martin both hit France within a few days. Nowadays, several specialized companies offer modeling for this type of events, however they have their limits: they are quite expensive and time consuming. Moreover, the three main CAT modelers available on the market often give three very different estimations. This thesis aims to build a model for estimating the reinsurance loss of a windstorm from exposure and wind data and using statistical learning methods. More specifically, we use linear models, decision trees and finally ensemble methods of bagging and boosting to estimate the insurance market loss. From that, we then deduce the loss for each of our ceding companies and finally, the reinsurance loss for OdysseyRe. Lastly, we will highlight the importance of such a tool for OdysseyRe in the contexts of reserving as well as pricing. In reserving, this model will provide a quick estimation from little data on the windstorm. This estimation can then be adjusted little by little with every new piece of information made available. For pricing, it offers a new method for deriving the as-if losses that better takes into account the evolution of the portfolio.
Mémoire complet
Auteur(s) NGUYEN-KHOA-MAN A.
Société OdysseyRe
Année 2021
Résumé
Les tempêtes européennes présentent un risque majeur pour les assureurs français qui ont eux-mêmes besoin de s'assurer par le biais de la réassurance. En effet, si la majorité des événements ont une charge assez limitée et ne touche pas, ou très peu, la réassurance, des événements extrêmes se produisent occasionnellement et peuvent mettre à mal les assureurs comme les réassureurs. Cela a été le cas notamment en décembre 1999 lorsque les tempêtes Lothar et Martin se sont succédé. Des sociétés spécialisées proposent aujourd'hui des modélisations pour ce type d'événements, cependant, elles ont leurs limites : elles sont très onéreuses, et peuvent demander beaucoup de temps. Par ailleurs, les trois principaux modèles disponibles sur le marché ont souvent des estimations très différentes. Ce mémoire vise à construire un modèle d'estimation des coûts d'une tempête sur la réassurance en partant de données d'exposition et de vent, et à l'aide de différentes techniques d'apprentissage statistique. Nous utilisons, plus spécifiquement, des modèles linéaires, des arbres de décision et enfin des méthodes ensemblistes de bagging et de boosting pour estimer, dans un premier temps, le coût sur le marché français. Nous en déduisons par la suite les montants pour chacune de nos cédantes et finalement, le montant à la charge d'OdysseyRe. Enfin, nous verrons les apports de ce modèle pour OdysseyRe aussi bien dans le cadre du provisionnement que dans celui de la tarification. Pour le calcul de provisions, il fournira une estimation rapide à partir de peu d'informations sur la tempête, cette première estimation pouvant ensuite être ajustée petit à petit avec les nouvelles informations disponibles. Pour la tarification, il offre une nouvelle méthode de calcul d'as-if prenant mieux en compte les évolutions de portefeuilles.
Abstract
European windstorms are a major risk for French insurers which, in turn, also need to be insured via reinsurance. Indeed, even though most events have a limited loss amount that does not affect the reinsurance, or at least not much, some extreme events can occasionally happen and be particularly severe for insurers as well as reinsurers. It was notably the case in late December 1999 when windstorms Lothar and Martin both hit France within a few days. Nowadays, several specialized companies offer modeling for this type of events, however they have their limits: they are quite expensive and time consuming. Moreover, the three main CAT modelers available on the market often give three very different estimations. This thesis aims to build a model for estimating the reinsurance loss of a windstorm from exposure and wind data and using statistical learning methods. More specifically, we use linear models, decision trees and finally ensemble methods of bagging and boosting to estimate the insurance market loss. From that, we then deduce the loss for each of our ceding companies and finally, the reinsurance loss for OdysseyRe. Lastly, we will highlight the importance of such a tool for OdysseyRe in the contexts of reserving as well as pricing. In reserving, this model will provide a quick estimation from little data on the windstorm. This estimation can then be adjusted little by little with every new piece of information made available. For pricing, it offers a new method for deriving the as-if losses that better takes into account the evolution of the portfolio.
Mémoire complet
