Mémoires d'Actuariat
Amélioration de la modélisation catastrophes naturelles dans un portefeuille de réassurance
Auteur(s) SLIMEN A.
Société SCOR
Année 2023
Résumé
Les portefeuilles de réassureurs sont de plus en plus exposés aux pertes causées par des évènements de catastrophes naturelles dans le contexte actuel de changement climatique. En effet, le nombre de ces évènements continue à augmenter ainsi que leurs intensités. Afin d’évaluer leurs expositions en cas de sinistres cat-nat, les réassureurs se basent sur des modèles qu’on appelle « vendeurs ». Il s’agit de modèles probabilistes qui offrent un catalogue d’évènements cat en répliquant des évènements physiques possibles pour chaque péril dans chaque région. Même si ces fournisseurs de modèles offrent une modélisation pour plusieurs périls dans le monde, certains périls ne sont toujours pas modélisés. Dans un souci de cohérence et afin d’effectuer des études d’accumulation de risques cat, on a besoin de représenter les périls non-modélisés de la même manière que les périls modélisés par les modèles « vendeurs ». On se base ainsi sur des données historiques de sinistres et de tarification afin d’améliorer la représentation des périls non-modélisés dans notre portefeuille de réassurance. En effet, on commence par étudier la fréquence annuelle d’occurrence de ces évènements cat. Ensuite, une étude de la saisonnalité des évènements catastrophes naturelles permet de voir l’impact de cette dimension temporelle sur la vue du risque. Finalement, une étude de la corrélation historique entre les différents périls (modélisés et non-modélisés) permet d’évaluer leurs dépendances et de les introduire dans la modélisation du portefeuille pour éviter une sous-estimation des pertes. Mots-clés : Réassurance, Catastrophes Naturelles, Region Perils, modélisation, YEQT, fréquence, saisonnalité, corrélation, copule.
Abstract
Reinsurers’ portfolios are increasingly exposed to losses caused by natural catastrophe events in the current context of climate change. Indeed, the number of such events continues to increase as well as their intensity. In order to assess their exposure to cat-nat claims, reinsurers rely on so-called "vendor models". These are probabilistic models that offer a catalog of cat events by replicating possible physical events for each peril in each region. Although these model vendors offer modelling for many perils around the world, some perils are still not modelled. For consistency and in order to perform cat hazard accumulation studies, we need to represent the unmodeled perils in the same way as the perils modelled by the "vendor" models. Thus, we use historical claims and pricing data to improve the representation of non-modelled perils in our reinsurance portfolio. Indeed, we start by studying the frequency of occurrence of these cat events. Then, a study of the seasonality of natural catastrophe events allows us to see the impact of this temporal dimension on the risk view. Finally, a study of the historical correlation between the different perils (modelled and non-modelled) allows us to evaluate their dependencies and to introduce them into the modelling of the portfolio in order to avoid an underestimation of the losses. Keywords : Reinsurance, Natural Disasters, Region Peril, Modelling, YEQT, frequency, seasonality, correlation, copula.
Mémoire complet
Auteur(s) SLIMEN A.
Société SCOR
Année 2023
Résumé
Les portefeuilles de réassureurs sont de plus en plus exposés aux pertes causées par des évènements de catastrophes naturelles dans le contexte actuel de changement climatique. En effet, le nombre de ces évènements continue à augmenter ainsi que leurs intensités. Afin d’évaluer leurs expositions en cas de sinistres cat-nat, les réassureurs se basent sur des modèles qu’on appelle « vendeurs ». Il s’agit de modèles probabilistes qui offrent un catalogue d’évènements cat en répliquant des évènements physiques possibles pour chaque péril dans chaque région. Même si ces fournisseurs de modèles offrent une modélisation pour plusieurs périls dans le monde, certains périls ne sont toujours pas modélisés. Dans un souci de cohérence et afin d’effectuer des études d’accumulation de risques cat, on a besoin de représenter les périls non-modélisés de la même manière que les périls modélisés par les modèles « vendeurs ». On se base ainsi sur des données historiques de sinistres et de tarification afin d’améliorer la représentation des périls non-modélisés dans notre portefeuille de réassurance. En effet, on commence par étudier la fréquence annuelle d’occurrence de ces évènements cat. Ensuite, une étude de la saisonnalité des évènements catastrophes naturelles permet de voir l’impact de cette dimension temporelle sur la vue du risque. Finalement, une étude de la corrélation historique entre les différents périls (modélisés et non-modélisés) permet d’évaluer leurs dépendances et de les introduire dans la modélisation du portefeuille pour éviter une sous-estimation des pertes. Mots-clés : Réassurance, Catastrophes Naturelles, Region Perils, modélisation, YEQT, fréquence, saisonnalité, corrélation, copule.
Abstract
Reinsurers’ portfolios are increasingly exposed to losses caused by natural catastrophe events in the current context of climate change. Indeed, the number of such events continues to increase as well as their intensity. In order to assess their exposure to cat-nat claims, reinsurers rely on so-called "vendor models". These are probabilistic models that offer a catalog of cat events by replicating possible physical events for each peril in each region. Although these model vendors offer modelling for many perils around the world, some perils are still not modelled. For consistency and in order to perform cat hazard accumulation studies, we need to represent the unmodeled perils in the same way as the perils modelled by the "vendor" models. Thus, we use historical claims and pricing data to improve the representation of non-modelled perils in our reinsurance portfolio. Indeed, we start by studying the frequency of occurrence of these cat events. Then, a study of the seasonality of natural catastrophe events allows us to see the impact of this temporal dimension on the risk view. Finally, a study of the historical correlation between the different perils (modelled and non-modelled) allows us to evaluate their dependencies and to introduce them into the modelling of the portfolio in order to avoid an underestimation of the losses. Keywords : Reinsurance, Natural Disasters, Region Peril, Modelling, YEQT, frequency, seasonality, correlation, copula.
Mémoire complet
