Mémoires d'Actuariat
Construction d’un algorithme de prédiction des fonds propres en assurance vie
Auteur(s) PORCHER K.
Société ACPR
Année 2022
Résumé
L’assurance vie à capital garanti représente une part importante de l’épargne nationale. Les sociétés d’assurance vie et mixte qui détiennent ces encours doivent disposer de fonds propres économiques suffisants afin de couvrir les exigences réglementaires de capital définies par la directive Solvabilité II, notamment le capital de solvabilité requis. Or, depuis plusieurs années, la baisse des taux d’intérêt affecte la valeur des engagements au bilan économique et pèse significativement sur le montant des fonds propres disponibles. L’objectif du présent mémoire est de proposer un modèle de prédiction des fonds propres économiques basé sur les données des bilans économiques communiquées à l’autorité de contrôle. Plusieurs modèles d’apprentissage supervisé sont testés, paramétriques et non paramétriques. Après sélection du modèle le plus robuste, on détermine les variables d’importance du modèle pour identifier les principales composantes des fonds propres économiques. Puis, différents scénarios de choc sont calibrés sur la base des données historiques dans le but de tester la sensibilité des fonds propres à la variation des principales variables du bilan économique. L’étude, qui ne constitue pas une position de l’ACPR, permet de conclure que les modèles non paramétriques sont adaptés pour prédire les fonds propres économiques des sociétés à majorité de contrats avec participation aux bénéfices, et que les fonds propres économiques sont majoritairement liés à la valeur des obligations d’État. Toutefois, l’étude ne prend notamment pas en compte l’impact des futures décisions de gestion qui peuvent modifier significativement la valeur des fonds propres économiques. Mots clés : assurance vie, fonds propres économiques, apprentissage machine, algorithme, épargne, bilan économique, prédiction.
Abstract
Capital guaranteed life insurance represents an important part of national savings. Life and composite insurance companies that hold these contracts must have sufficient economic capital to cover the capital regulatory requirements defined by the Solvency II Directive. However, for several years, the persistent fall in interest rates has impacted the value of commitments on the economic balance sheet and weighs significantly on the amount of available equity. The objective of this memorandum is to propose a model for predicting economic capital based on economic balance sheet data communicated to the prudential supervisory and resolution authority. Several supervised learning models are tested, parametric and non-parametric. After selecting the most robust model, the variables of importance of the model are determined to identify the main components of economic capital. Then, different shock scenarios are calibrated on the basis of historical data in order to test the sensitivity of equity to changes in the main variables of the economic balance sheet. The study, which does not constitute an ACPR position, allows us to conclude that non-parametric models are suitable for predicting the economic equity of companies with the majority of contracts with profit sharing, and that economic equity is mainly linked to the value of government bonds. However, the study does not take into account in particular the impact of future management decisions which can significantly modify the value of economic equity. Keywords: life insurance, economic equity, machine learning, algorithm, savings, economic balance sheet, prediction.
Mémoire complet
Auteur(s) PORCHER K.
Société ACPR
Année 2022
Résumé
L’assurance vie à capital garanti représente une part importante de l’épargne nationale. Les sociétés d’assurance vie et mixte qui détiennent ces encours doivent disposer de fonds propres économiques suffisants afin de couvrir les exigences réglementaires de capital définies par la directive Solvabilité II, notamment le capital de solvabilité requis. Or, depuis plusieurs années, la baisse des taux d’intérêt affecte la valeur des engagements au bilan économique et pèse significativement sur le montant des fonds propres disponibles. L’objectif du présent mémoire est de proposer un modèle de prédiction des fonds propres économiques basé sur les données des bilans économiques communiquées à l’autorité de contrôle. Plusieurs modèles d’apprentissage supervisé sont testés, paramétriques et non paramétriques. Après sélection du modèle le plus robuste, on détermine les variables d’importance du modèle pour identifier les principales composantes des fonds propres économiques. Puis, différents scénarios de choc sont calibrés sur la base des données historiques dans le but de tester la sensibilité des fonds propres à la variation des principales variables du bilan économique. L’étude, qui ne constitue pas une position de l’ACPR, permet de conclure que les modèles non paramétriques sont adaptés pour prédire les fonds propres économiques des sociétés à majorité de contrats avec participation aux bénéfices, et que les fonds propres économiques sont majoritairement liés à la valeur des obligations d’État. Toutefois, l’étude ne prend notamment pas en compte l’impact des futures décisions de gestion qui peuvent modifier significativement la valeur des fonds propres économiques. Mots clés : assurance vie, fonds propres économiques, apprentissage machine, algorithme, épargne, bilan économique, prédiction.
Abstract
Capital guaranteed life insurance represents an important part of national savings. Life and composite insurance companies that hold these contracts must have sufficient economic capital to cover the capital regulatory requirements defined by the Solvency II Directive. However, for several years, the persistent fall in interest rates has impacted the value of commitments on the economic balance sheet and weighs significantly on the amount of available equity. The objective of this memorandum is to propose a model for predicting economic capital based on economic balance sheet data communicated to the prudential supervisory and resolution authority. Several supervised learning models are tested, parametric and non-parametric. After selecting the most robust model, the variables of importance of the model are determined to identify the main components of economic capital. Then, different shock scenarios are calibrated on the basis of historical data in order to test the sensitivity of equity to changes in the main variables of the economic balance sheet. The study, which does not constitute an ACPR position, allows us to conclude that non-parametric models are suitable for predicting the economic equity of companies with the majority of contracts with profit sharing, and that economic equity is mainly linked to the value of government bonds. However, the study does not take into account in particular the impact of future management decisions which can significantly modify the value of economic equity. Keywords: life insurance, economic equity, machine learning, algorithm, savings, economic balance sheet, prediction.
Mémoire complet
