Mémoires d'Actuariat
Modélisation des obligations catastrophes paramétriques dans un marché incomplet par une approche deep learning et une approche modélisation par loi
Auteur(s) TOURE A.
Société GIE AXA
Année 2021
Confidentiel jusqu'au 08/07/2023
Résumé
Mots clés: CAT Bond, CAT Bond paramétrique, Evaluation CAT Bond, modélisation GEV, Modèle de Vasicek, Deep Learning, réseau de neurones récurrents (RNN), LSTM. Ce mémoire étudie des approches de valorisation d’un CAT Bond paramétrique. Les pertes économiques dues aux catastrophes naturelles représentent un sujet majeur pour les pays, ainsi que pour les assureurs dans la recherche de protection contre des risques à pertes potentielles extrêmes. Dans le même temps, les CAT Bonds qui pourraient permettre aux pays ou aux (ré)assureurs de transférer certains de leurs risques aux marchés financiers, sont des produits complexes du fait de leur structure. En effet, la mise en place d’une couverture de ces produits est très complexe avec les produits financiers traditionnels. Cette étude a pour objectif de présenter deux approches de valorisation des CAT Bond à déclenchement paramétrique dans un modèle à temps discret. La première approche sera réalisée à partir d’un modèle séquentiel des réseaux de neurones et l’autre selon une approche de modélisation par une loi de probabilité. Cette étude a été réalisée en quatre grandes sections. La première partie présentera les CAT Bond dans leurs généralités. Ensuite un focus sera réalisé sur les réseaux de neurones séquentiels dans la seconde partie. Dans la troisième partie, les deux approches de modélisation seront étudiées. Enfin, dans la dernière partie, une application sera effectuée sur des risques tempêtes. Ces deux approches permettront de faire une analyse comparative des deux modèles de valorisation.
Abstract
CAT Bond, parametric CAT Bond, CAT Bond pricing, GEV modelling, Vasicek modelling, Deep learning, recurrent neural network, RNN, LSTM (long short-term memory). This paper aims at studying the pricing of the parametric CAT Bond. The economic losses generated by the Cat Nat events are very challenging for emerging countries those economy development is at risk due to catastrophic events or for (re)insurers in their objective of transferring some of exposure with potential high losses to third parties. In addition to that, the catastrophes bond which were supposed to help facing the economic losses of CAT NAT events are not easily interpretable by investor not familiar to insurance risks. In fact, hedging strategies with primary financial product are complex. This document aims to provide two approaches for pricing a parametric CAT Bond. The first approach is based on a sequential Deep Learning model using neural network and the second one is based on the probability distribution. This paper can be split in four sections. In the first section, the CAT Bond product is briefly described. In the second section, the Deep Learning sequential model are presented. The third section is dedicated to the modelling approaches. Finally, in the last section, an application of the two approaches on the south-east US storms events is proposed.
Mémoire complet
Auteur(s) TOURE A.
Société GIE AXA
Année 2021
Confidentiel jusqu'au 08/07/2023
Résumé
Mots clés: CAT Bond, CAT Bond paramétrique, Evaluation CAT Bond, modélisation GEV, Modèle de Vasicek, Deep Learning, réseau de neurones récurrents (RNN), LSTM. Ce mémoire étudie des approches de valorisation d’un CAT Bond paramétrique. Les pertes économiques dues aux catastrophes naturelles représentent un sujet majeur pour les pays, ainsi que pour les assureurs dans la recherche de protection contre des risques à pertes potentielles extrêmes. Dans le même temps, les CAT Bonds qui pourraient permettre aux pays ou aux (ré)assureurs de transférer certains de leurs risques aux marchés financiers, sont des produits complexes du fait de leur structure. En effet, la mise en place d’une couverture de ces produits est très complexe avec les produits financiers traditionnels. Cette étude a pour objectif de présenter deux approches de valorisation des CAT Bond à déclenchement paramétrique dans un modèle à temps discret. La première approche sera réalisée à partir d’un modèle séquentiel des réseaux de neurones et l’autre selon une approche de modélisation par une loi de probabilité. Cette étude a été réalisée en quatre grandes sections. La première partie présentera les CAT Bond dans leurs généralités. Ensuite un focus sera réalisé sur les réseaux de neurones séquentiels dans la seconde partie. Dans la troisième partie, les deux approches de modélisation seront étudiées. Enfin, dans la dernière partie, une application sera effectuée sur des risques tempêtes. Ces deux approches permettront de faire une analyse comparative des deux modèles de valorisation.
Abstract
CAT Bond, parametric CAT Bond, CAT Bond pricing, GEV modelling, Vasicek modelling, Deep learning, recurrent neural network, RNN, LSTM (long short-term memory). This paper aims at studying the pricing of the parametric CAT Bond. The economic losses generated by the Cat Nat events are very challenging for emerging countries those economy development is at risk due to catastrophic events or for (re)insurers in their objective of transferring some of exposure with potential high losses to third parties. In addition to that, the catastrophes bond which were supposed to help facing the economic losses of CAT NAT events are not easily interpretable by investor not familiar to insurance risks. In fact, hedging strategies with primary financial product are complex. This document aims to provide two approaches for pricing a parametric CAT Bond. The first approach is based on a sequential Deep Learning model using neural network and the second one is based on the probability distribution. This paper can be split in four sections. In the first section, the CAT Bond product is briefly described. In the second section, the Deep Learning sequential model are presented. The third section is dedicated to the modelling approaches. Finally, in the last section, an application of the two approaches on the south-east US storms events is proposed.
Mémoire complet
