Mémoires d'Actuariat
Optimisation de la souscription des traités de réassurance non-vie du Groupe AXA par des algorithmes génétiques
Auteur(s) BOURREDJEM R.
Société GIE AXA
Année 2024
Confidentiel jusqu'au 06/03/2026
Résumé
Ce mémoire vise à améliorer la performance technique du portefeuille de réassurance non-vie du Groupe AXA, mettant particulièrement l’accent sur les traités en excédent de sinistre qui le composent. L’objectif est d’améliorer le profil rendement/risque du portefeuille moyennant une revue des parts de risque retenues par AXA SA. Pour ce faire, une approche d’optimisation, inspirée de la gestion de portefeuille en finance, a été adoptée. Cette approche vise à équilibrer le rendement attendu et le niveau de risque accepté, traçant de ce fait une frontière efficiente illustrant les compromis possibles entre ces deux métriques. Ainsi, l’étude explore l’évolution des indicateurs de rendement et de risque propres au portefeuille de réassurance non-vie en fonction des recommandations de souscription sur les traités analysés. Le but ultime est d’améliorer la performance globale du portefeuille tout en respectant les contraintes opérationnelles spécifiques. Plusieurs modèles ont donc été étudiés, couvrant différentes métriques de risque et différentes granularités. Les problèmes d’optimisation sont résolus à l’aide de l’algorithme génétique NSGA-II, explorant ainsi les meilleures combinaisons de parts de risque suggérées et traçant une frontière efficiente illustrant les compromis résultants. Par ailleurs, une réflexion approfondie sur la stabilité des résultats de l’algorithme génétique est également abordée, accompagnée de suggestions visant à accroître la confiance dans les suggestions formulées. Enfin, tout au long de la démarche, l’objectif demeure la garantie d’une mise en pratique des résultats de l’algorithme, accompagnée de l’évaluation de leur portée dans le cadre particulier des données de réassurance non-vie.
Abstract
The primary objective of this thesis is to enhance the technical performance of AXA SA’s P&C reinsurance portfolio, with a focus on optimizing the subscription of excess of loss treaties through a revision of the risk shares retained by AXA SA. To achieve this goal, an optimization approach inspired by portfolio management in finance has been adopted. This approach aims to balance expected returns and accepted risk levels, thereby delineating an efficient frontier that illustrates potential trade-offs between these two metrics. Consequently, the study examines the evolution of performance and risk indicators specific to the non-life reinsurance portfolio based on subscription recommendations for the analyzed treaties. The ultimate aim is to improve the overall portfolio performance while adhering to specific operational constraints. To accomplish this, several models have been studied, covering different risk metrics and granularities. Optimization issues are addressed using the NSGA-II genetic algorithm, exploring optimal combinations of suggested risk shares and delineating an efficient frontier that illustrates resulting compromises. Additionally, a thorough reflection on the stability of genetic algorithm results is undertaken, accompanied by suggestions to enhance confidence in the formulated recommendations. Finally, throughout the process, the objective remains to ensure practical application of the algorithm results, along with evaluating their scope within the specific context of non-life reinsurance data. The significance attributed to this pragmatic approach lies in its fundamental contribution to the tangible improvement of AXA’s portfolio performance.
Auteur(s) BOURREDJEM R.
Société GIE AXA
Année 2024
Confidentiel jusqu'au 06/03/2026
Résumé
Ce mémoire vise à améliorer la performance technique du portefeuille de réassurance non-vie du Groupe AXA, mettant particulièrement l’accent sur les traités en excédent de sinistre qui le composent. L’objectif est d’améliorer le profil rendement/risque du portefeuille moyennant une revue des parts de risque retenues par AXA SA. Pour ce faire, une approche d’optimisation, inspirée de la gestion de portefeuille en finance, a été adoptée. Cette approche vise à équilibrer le rendement attendu et le niveau de risque accepté, traçant de ce fait une frontière efficiente illustrant les compromis possibles entre ces deux métriques. Ainsi, l’étude explore l’évolution des indicateurs de rendement et de risque propres au portefeuille de réassurance non-vie en fonction des recommandations de souscription sur les traités analysés. Le but ultime est d’améliorer la performance globale du portefeuille tout en respectant les contraintes opérationnelles spécifiques. Plusieurs modèles ont donc été étudiés, couvrant différentes métriques de risque et différentes granularités. Les problèmes d’optimisation sont résolus à l’aide de l’algorithme génétique NSGA-II, explorant ainsi les meilleures combinaisons de parts de risque suggérées et traçant une frontière efficiente illustrant les compromis résultants. Par ailleurs, une réflexion approfondie sur la stabilité des résultats de l’algorithme génétique est également abordée, accompagnée de suggestions visant à accroître la confiance dans les suggestions formulées. Enfin, tout au long de la démarche, l’objectif demeure la garantie d’une mise en pratique des résultats de l’algorithme, accompagnée de l’évaluation de leur portée dans le cadre particulier des données de réassurance non-vie.
Abstract
The primary objective of this thesis is to enhance the technical performance of AXA SA’s P&C reinsurance portfolio, with a focus on optimizing the subscription of excess of loss treaties through a revision of the risk shares retained by AXA SA. To achieve this goal, an optimization approach inspired by portfolio management in finance has been adopted. This approach aims to balance expected returns and accepted risk levels, thereby delineating an efficient frontier that illustrates potential trade-offs between these two metrics. Consequently, the study examines the evolution of performance and risk indicators specific to the non-life reinsurance portfolio based on subscription recommendations for the analyzed treaties. The ultimate aim is to improve the overall portfolio performance while adhering to specific operational constraints. To accomplish this, several models have been studied, covering different risk metrics and granularities. Optimization issues are addressed using the NSGA-II genetic algorithm, exploring optimal combinations of suggested risk shares and delineating an efficient frontier that illustrates resulting compromises. Additionally, a thorough reflection on the stability of genetic algorithm results is undertaken, accompanied by suggestions to enhance confidence in the formulated recommendations. Finally, throughout the process, the objective remains to ensure practical application of the algorithm results, along with evaluating their scope within the specific context of non-life reinsurance data. The significance attributed to this pragmatic approach lies in its fundamental contribution to the tangible improvement of AXA’s portfolio performance.
