Mémoires d'Actuariat
Score multi-objectifs pour l'allocation stratégique et méthodes d'optimisation
Auteur(s) POUGEOISE Q.
Société Mutavie
Année 2021
Confidentiel jusqu'au 08/11/2023
Résumé
L’allocation stratégique fournit les limites d’investissement dans une vision de long terme des grandes classes d’actifs que composent un portefeuille. Dans le cadre d’un portefeuille d’actifs en représentation d’un contrat d’épargne en assurance-vie, ce mémoire propose une méthodologie de construction basée sur le calcul d’un score multi-objectifs. L’utilisation d’un score permet l’agrégation d’un maximum d’indicateurs de risque et de performance, construits selon trois visions distinctes, complémentaires et parfois contradictoires. Il s’agit d’agréger les risques liés aux actifs, ceux liés aux interactions entre l’actif et le passif et enfin les risques réglementaires modélisés à l’aide de la directive Solvabilité 2. Dans un souci de faisabilité opérationnelle des différentes études de risques, le modèle utilisé pour la vision des risques actif seuls est optimisé permettant un gain opérationnel sur trois points principaux : le générateur de scénarios économiques, la modélisation des actifs et la modélisation de la provision pour dépréciation durable. Cependant, la pluralité des études et des allocations à tester ainsi que les modélisations par Monte-Carlo engendrent toujours une difficulté opérationnelle pour obtenir l’ensemble des résultats nécessaires aux scores. Pour répondre à cette problématique que l’on rencontre également dans un cadre plus général tel que celui des nappes de sensibilités, différentes solutions sont proposées. Il s’agit de méthodes de complétion de matrice, de réduction de la variance et une méthode prometteuse combinant ces deux axes d’optimisation. Ces techniques d’optimisation permettent de réduire dans des proportions différentes la quantité de simulations nécessaires.
Abstract
Strategic allocation supplies investment limits in a long-term view for the main asset classes composing a portfolio. Within the context of an asset portfolio backing a life-insurance contract, this report suggests a methodology to construct a multiple-objectives score. The use of such a score enables the agregation of the maximum amount of risk and return indicators. These indicators are built according to three views that are distinct, complementary and even sometimes adversarial. The risks are linked to assets, asset and liabilities interactions and regulatory risks given by the Solvency II directive. Designed for feasibility of each risk studies, the model regarding the assets risks is optimized in order to reduce time spent, mainly on three topics : the economic scenario generator, the assets model and provision for lasting impairment of investment value. However, the diversity of studies and allocations in addition to Monte Carlo simulations generate operational difficulties to obtain the whole and necessary results to build the score. In order to solve this problem that we can encounter in sensitivity analysis too, several solutions are proposed. These are matrix completion methods, variance reduction techniques and a promising method combining the previous two. These optimization techniques enable to reduct in different proportions the necessary simulations quantity.
Mémoire complet
Auteur(s) POUGEOISE Q.
Société Mutavie
Année 2021
Confidentiel jusqu'au 08/11/2023
Résumé
L’allocation stratégique fournit les limites d’investissement dans une vision de long terme des grandes classes d’actifs que composent un portefeuille. Dans le cadre d’un portefeuille d’actifs en représentation d’un contrat d’épargne en assurance-vie, ce mémoire propose une méthodologie de construction basée sur le calcul d’un score multi-objectifs. L’utilisation d’un score permet l’agrégation d’un maximum d’indicateurs de risque et de performance, construits selon trois visions distinctes, complémentaires et parfois contradictoires. Il s’agit d’agréger les risques liés aux actifs, ceux liés aux interactions entre l’actif et le passif et enfin les risques réglementaires modélisés à l’aide de la directive Solvabilité 2. Dans un souci de faisabilité opérationnelle des différentes études de risques, le modèle utilisé pour la vision des risques actif seuls est optimisé permettant un gain opérationnel sur trois points principaux : le générateur de scénarios économiques, la modélisation des actifs et la modélisation de la provision pour dépréciation durable. Cependant, la pluralité des études et des allocations à tester ainsi que les modélisations par Monte-Carlo engendrent toujours une difficulté opérationnelle pour obtenir l’ensemble des résultats nécessaires aux scores. Pour répondre à cette problématique que l’on rencontre également dans un cadre plus général tel que celui des nappes de sensibilités, différentes solutions sont proposées. Il s’agit de méthodes de complétion de matrice, de réduction de la variance et une méthode prometteuse combinant ces deux axes d’optimisation. Ces techniques d’optimisation permettent de réduire dans des proportions différentes la quantité de simulations nécessaires.
Abstract
Strategic allocation supplies investment limits in a long-term view for the main asset classes composing a portfolio. Within the context of an asset portfolio backing a life-insurance contract, this report suggests a methodology to construct a multiple-objectives score. The use of such a score enables the agregation of the maximum amount of risk and return indicators. These indicators are built according to three views that are distinct, complementary and even sometimes adversarial. The risks are linked to assets, asset and liabilities interactions and regulatory risks given by the Solvency II directive. Designed for feasibility of each risk studies, the model regarding the assets risks is optimized in order to reduce time spent, mainly on three topics : the economic scenario generator, the assets model and provision for lasting impairment of investment value. However, the diversity of studies and allocations in addition to Monte Carlo simulations generate operational difficulties to obtain the whole and necessary results to build the score. In order to solve this problem that we can encounter in sensitivity analysis too, several solutions are proposed. These are matrix completion methods, variance reduction techniques and a promising method combining the previous two. These optimization techniques enable to reduct in different proportions the necessary simulations quantity.
Mémoire complet
