Mémoires d'Actuariat
Approche d'agrégation des contrats d'assurance en Model points et impact sur la projection ALM
Auteur(s) AROULE R.
Société KPMG
Année 2021
Confidentiel jusqu'au 08/04/2023
Résumé
La nouvelle norme IFRS 17 Contrats d’assurance publiée en mai 2017 par l’IASB entrera en vigueur au 1er janvier 2023. Elle s’ajoute aux nombreuses évolutions réglementaires et économiques de ces dernières années dans le monde de l’assurance. Celles-ci amènent les assureurs à modifier ou même refonder leurs outils actuariels, afin de répondre aux enjeux réglementaires, comptables et financiers. Être capable d’estimer ses engagements « Best Estimate » (BE) en juste valeur est un défi majeur pour les assureurs. L’utilisation d’un modèle ALM de projection actif-passif est une solution : il permet la valorisation économique du passif en projetant les flux futurs d’une compagnie d’assurance. Néanmoins, ce type de modèle implique la réalisation de nombreux calculs actuariels et financiers. L’agrégation des contrats en une seule et même police représentative, appelée « Model point », est une solution pour l’optimisation du temps de calcul. En effet, par la construction de model points pertinents, les calculs actuariels et financiers d’un modèle ALM peuvent être considérablement réduits, tout en limitant au maximum les erreurs de calcul. Le présent mémoire a pour ambition de développer un modèle intelligent de création de model points. Deux objectifs sont fixés : la compression maximale du portefeuille initial en respectant les directives et une minimisation de l’erreur de calcul du Best Estimate. Ce mémoire propose ainsi une étude de l’épargne et de la valorisation sous IFRS 17 et Solvabilité II, une analyse de la modélisation actif-passif d’un portefeuille épargne et plus particulièrement une étude en profondeur des différents algorithmes de clustering et de leurs paramètres afin de trouver le meilleur modèle d'agrégation des contrats possible.
Abstract
IFRS 17 Insurance Contracts was issued on 18 May 2017 by the International Accounting Standards Board (IASB) and will be applied on 1 January 2021. It comes in addition to other numerous regulatory changes and economic developments in recent years in the insurance world. Those are leading insurers to change or even reshape their actuarial tools, to meet regulatory, accounting, and financial issues. Value the Best Estimate is a major challenge for insurers. The use of an ALM projection model is a solution: it allows the projection of future cash flows and thus liability economic valuation. Nevertheless, this kind of model involves numerous actuarial and financial calculations. It is necessary to make projections of thousands of scenarios contract by contract, which requires a significant computing time. The grouping of contracts into a single representative policy, called "Model point", is another solution for optimizing calculation time. In fact, by building relevant model points, the actuarial and financial calculations of an ALM model can be considerably reduced, while limiting calculation errors as much as possible.This report aims to develop an intelligent model for creating model points. Two objectives are set: maximum compression of the initial portfolio while respecting the guidelines and minimization of the calculation error of the Best Estimate. This study proposes to study saving contracts, IFRS 17 and Solvency 2 valuation, Asset and Liability modeling of a saving contract portfolio but also especially an in-depth analysis of various clustering algorithm and their parameters to find the best aggregation model possible.
Mémoire complet
Auteur(s) AROULE R.
Société KPMG
Année 2021
Confidentiel jusqu'au 08/04/2023
Résumé
La nouvelle norme IFRS 17 Contrats d’assurance publiée en mai 2017 par l’IASB entrera en vigueur au 1er janvier 2023. Elle s’ajoute aux nombreuses évolutions réglementaires et économiques de ces dernières années dans le monde de l’assurance. Celles-ci amènent les assureurs à modifier ou même refonder leurs outils actuariels, afin de répondre aux enjeux réglementaires, comptables et financiers. Être capable d’estimer ses engagements « Best Estimate » (BE) en juste valeur est un défi majeur pour les assureurs. L’utilisation d’un modèle ALM de projection actif-passif est une solution : il permet la valorisation économique du passif en projetant les flux futurs d’une compagnie d’assurance. Néanmoins, ce type de modèle implique la réalisation de nombreux calculs actuariels et financiers. L’agrégation des contrats en une seule et même police représentative, appelée « Model point », est une solution pour l’optimisation du temps de calcul. En effet, par la construction de model points pertinents, les calculs actuariels et financiers d’un modèle ALM peuvent être considérablement réduits, tout en limitant au maximum les erreurs de calcul. Le présent mémoire a pour ambition de développer un modèle intelligent de création de model points. Deux objectifs sont fixés : la compression maximale du portefeuille initial en respectant les directives et une minimisation de l’erreur de calcul du Best Estimate. Ce mémoire propose ainsi une étude de l’épargne et de la valorisation sous IFRS 17 et Solvabilité II, une analyse de la modélisation actif-passif d’un portefeuille épargne et plus particulièrement une étude en profondeur des différents algorithmes de clustering et de leurs paramètres afin de trouver le meilleur modèle d'agrégation des contrats possible.
Abstract
IFRS 17 Insurance Contracts was issued on 18 May 2017 by the International Accounting Standards Board (IASB) and will be applied on 1 January 2021. It comes in addition to other numerous regulatory changes and economic developments in recent years in the insurance world. Those are leading insurers to change or even reshape their actuarial tools, to meet regulatory, accounting, and financial issues. Value the Best Estimate is a major challenge for insurers. The use of an ALM projection model is a solution: it allows the projection of future cash flows and thus liability economic valuation. Nevertheless, this kind of model involves numerous actuarial and financial calculations. It is necessary to make projections of thousands of scenarios contract by contract, which requires a significant computing time. The grouping of contracts into a single representative policy, called "Model point", is another solution for optimizing calculation time. In fact, by building relevant model points, the actuarial and financial calculations of an ALM model can be considerably reduced, while limiting calculation errors as much as possible.This report aims to develop an intelligent model for creating model points. Two objectives are set: maximum compression of the initial portfolio while respecting the guidelines and minimization of the calculation error of the Best Estimate. This study proposes to study saving contracts, IFRS 17 and Solvency 2 valuation, Asset and Liability modeling of a saving contract portfolio but also especially an in-depth analysis of various clustering algorithm and their parameters to find the best aggregation model possible.
Mémoire complet
