Mémoires d'Actuariat
Une nouvelle perspective de modélisation des arbitrages en assurance vie
Auteur(s) CLINTON M.
Société Generali
Année 2022
Confidentiel jusqu'au 14/03/2024
Résumé
Dans le contexte économique actuel où le taux de rendement du fonds en euros baisse et la performance des fonds en unités de compte est volatile à cause de la survenance des récentes crises financière et sanitaire, les assurés se retrouvent dans une situation d’incertitude entre garder leur placement dans un fonds en euros dont le rendement ne fait que baisser ou de réorienter vers un fonds en unités de compte avec une espérance de rendement élevée, mais très volatile (ou inversement). Une réorientation massive du placement des assurés vers un fonds en euros ou un fonds en UC peut avoir des impacts sur la solvabilité de l’assureur. Ainsi, une meilleure perception du comportement d’arbitrage des assurés permettra à l’assureur d’améliorer sa solvabilité et la prédiction de la valeur de ses engagements envers les assurés à l’avenir (Best Estimate). Ainsi, dans ce contexte, les travaux porteront sur la modélisation du comportement des arbitrages structurels et conjoncturels des assurés par des méthodes statistiques (GLM) et des modèles de machine learning à la maille contrat et à la maille groupe de contrats ainsi que l’analyse de l’impact de la prise en compte de cette loi sur le Best Estimate. Mots clés : arbitrage, Best Estimate, fonds en euros, fonds en UC, GLM, machine learning.
Abstract
In the current economic context, where the rate of return on the euro fund is falling and the performance of unit-linked funds is volatile due to the recent financial and health crises, policyholders find themselves in a situation of uncertainty between keeping their investment in a euro fund with a declining return or switching to a unit-linked fund with a high, but very volatile, expected return (or vice versa). A massive reorientation of the policyholders’ investment towards the euro fund or the unitlinked fund can have impacts on the insurer’s solvency, thus, a better perception of the policyholders’ arbitrage behaviour will improve its solvency and the prediction of the value of its commitments towards the policyholders in the future (Best Estimate). Thus, in this context, the work will focus on modelling the behaviour of structural and dynamic arbitrages of policyholders using statistical methods (GLM) and machine learning models at the contract and group level, as well as analysing the impact of taking this law into account on the Best Estimate. Key words : arbitrage, Best Estimate, euro funds, unit-linked funds, GLM, machine learning.
Mémoire complet
Auteur(s) CLINTON M.
Société Generali
Année 2022
Confidentiel jusqu'au 14/03/2024
Résumé
Dans le contexte économique actuel où le taux de rendement du fonds en euros baisse et la performance des fonds en unités de compte est volatile à cause de la survenance des récentes crises financière et sanitaire, les assurés se retrouvent dans une situation d’incertitude entre garder leur placement dans un fonds en euros dont le rendement ne fait que baisser ou de réorienter vers un fonds en unités de compte avec une espérance de rendement élevée, mais très volatile (ou inversement). Une réorientation massive du placement des assurés vers un fonds en euros ou un fonds en UC peut avoir des impacts sur la solvabilité de l’assureur. Ainsi, une meilleure perception du comportement d’arbitrage des assurés permettra à l’assureur d’améliorer sa solvabilité et la prédiction de la valeur de ses engagements envers les assurés à l’avenir (Best Estimate). Ainsi, dans ce contexte, les travaux porteront sur la modélisation du comportement des arbitrages structurels et conjoncturels des assurés par des méthodes statistiques (GLM) et des modèles de machine learning à la maille contrat et à la maille groupe de contrats ainsi que l’analyse de l’impact de la prise en compte de cette loi sur le Best Estimate. Mots clés : arbitrage, Best Estimate, fonds en euros, fonds en UC, GLM, machine learning.
Abstract
In the current economic context, where the rate of return on the euro fund is falling and the performance of unit-linked funds is volatile due to the recent financial and health crises, policyholders find themselves in a situation of uncertainty between keeping their investment in a euro fund with a declining return or switching to a unit-linked fund with a high, but very volatile, expected return (or vice versa). A massive reorientation of the policyholders’ investment towards the euro fund or the unitlinked fund can have impacts on the insurer’s solvency, thus, a better perception of the policyholders’ arbitrage behaviour will improve its solvency and the prediction of the value of its commitments towards the policyholders in the future (Best Estimate). Thus, in this context, the work will focus on modelling the behaviour of structural and dynamic arbitrages of policyholders using statistical methods (GLM) and machine learning models at the contract and group level, as well as analysing the impact of taking this law into account on the Best Estimate. Key words : arbitrage, Best Estimate, euro funds, unit-linked funds, GLM, machine learning.
Mémoire complet
