Mémoires d'Actuariat
Mesurer la rupture : approche semi-paramétrique et classification dans l’évaluation du risque climatique
Auteur(s) EMERY Q.
Société SeaBird Conseil
Année 2023
Résumé
La hausse récente du nombre d’événements climatiques d’inondation affectant les bilans des assureurs au passif couplée à l’émergence de normes et régulations au sujet de l’évolution du risque de catastrophes naturelles poussent les assureurs à vouloir anticiper l’évolution du risque inondation liée au changement climatique. Néanmoins, la validité des modèles basés sur les seuls historiques de pertes est mise à mal, comment mesurer non plus un risque bien connu mais son évolution ? Comment mesurer la rupture entre un environnement maîtrisé passé et une période de doutes future ? Ainsi, le mémoire présenté abordera les problématiques de modélisation de ce que l’on peut appeler le risque climatique dans le but de donner via une approche exploratoire des méthodes de valorisation du risque climatique d’inondation tout en essayant de donner des clés d’analyses utiles à la gestion du risque et à la réponse aux enjeux réglementaires à venir. Les méthodes de valorisation envisagées s’appuient sur l’utilisation de classification, afin de rendre compte d’une évolution du risque de catastrophe naturelle éparse sur les territoires, sur la prédiction grâce à la mise en contact de variables climatiques open-source avec les pertes historiques via des algorithmes d’apprentissage supervisé d’un côté et via des statistiques semi-paramétriques de l’autre et enfin sur la construction d’indices propres à l’appréhension du risque climatique pouvant servir à la construction de scénarios économico-climatiques.
Abstract
The recent increase in the number of flooding events affecting insurers’ balance sheets on the liabilities side, coupled with the emergence of standards and regulations concerning the evolution of natural catastrophe risk, are pushing insurers to try to anticipate the evolution of flooding risk linked to climate change. Nevertheless, the validity of models based on historical losses alone is being challenged: how to measure not a well-known risk but its evolution? How to measure the break between a past controlled environment and a future period of doubt? It is in this context that the thesis presented will address the problems of modelling what can be called climate risk with the aim of providing, via an exploratory approach, methods of valuing climate risk while trying to provide useful analysis keys for risk management and for responding to future regulatory issues. In concrete terms, the valuation methods envisaged are based on the use of classification, in order to account for an evolution of the risk of natural disasters scattered over the territories, on prediction thanks to the contact of open-source climatic variables with historical losses and supervised learning algorithms on the one hand, and semi-parametric statistics on the other, and finally on the construction of indices specific to the understanding of climatic risk that can be used in the construction of economic climatic scenarios.
Mémoire complet
Auteur(s) EMERY Q.
Société SeaBird Conseil
Année 2023
Résumé
La hausse récente du nombre d’événements climatiques d’inondation affectant les bilans des assureurs au passif couplée à l’émergence de normes et régulations au sujet de l’évolution du risque de catastrophes naturelles poussent les assureurs à vouloir anticiper l’évolution du risque inondation liée au changement climatique. Néanmoins, la validité des modèles basés sur les seuls historiques de pertes est mise à mal, comment mesurer non plus un risque bien connu mais son évolution ? Comment mesurer la rupture entre un environnement maîtrisé passé et une période de doutes future ? Ainsi, le mémoire présenté abordera les problématiques de modélisation de ce que l’on peut appeler le risque climatique dans le but de donner via une approche exploratoire des méthodes de valorisation du risque climatique d’inondation tout en essayant de donner des clés d’analyses utiles à la gestion du risque et à la réponse aux enjeux réglementaires à venir. Les méthodes de valorisation envisagées s’appuient sur l’utilisation de classification, afin de rendre compte d’une évolution du risque de catastrophe naturelle éparse sur les territoires, sur la prédiction grâce à la mise en contact de variables climatiques open-source avec les pertes historiques via des algorithmes d’apprentissage supervisé d’un côté et via des statistiques semi-paramétriques de l’autre et enfin sur la construction d’indices propres à l’appréhension du risque climatique pouvant servir à la construction de scénarios économico-climatiques.
Abstract
The recent increase in the number of flooding events affecting insurers’ balance sheets on the liabilities side, coupled with the emergence of standards and regulations concerning the evolution of natural catastrophe risk, are pushing insurers to try to anticipate the evolution of flooding risk linked to climate change. Nevertheless, the validity of models based on historical losses alone is being challenged: how to measure not a well-known risk but its evolution? How to measure the break between a past controlled environment and a future period of doubt? It is in this context that the thesis presented will address the problems of modelling what can be called climate risk with the aim of providing, via an exploratory approach, methods of valuing climate risk while trying to provide useful analysis keys for risk management and for responding to future regulatory issues. In concrete terms, the valuation methods envisaged are based on the use of classification, in order to account for an evolution of the risk of natural disasters scattered over the territories, on prediction thanks to the contact of open-source climatic variables with historical losses and supervised learning algorithms on the one hand, and semi-parametric statistics on the other, and finally on the construction of indices specific to the understanding of climatic risk that can be used in the construction of economic climatic scenarios.
Mémoire complet
