Académique Documents
Professionnel Documents
Culture Documents
Introduction
1
Détermination de priorité optimale pour un Exess Loss
Etant donné que le montant des dépenses de l’assureur occasionnées par les sinistres
au cours d’une certaine période est sujet à fluctuations, et que dans le même temps la prime
encaissée est fixée, il peut arriver que dépasse le montant des recettes. On dira dans ce cas
qu’il y a ruine de l’assureur. Plus communément, si un excédent des dépenses sur les
recettes apparaît, tout en restant dans des limites raisonnables, le gestionnaire parlera de perte
d’exploitation. D’importantes pertes d’exploitation conduisent alors à l’insolvabilité de la
société d’assurance. Evidemment, l’assureur ne souhaite pas se trouver face à de telles pertes,
mais il ne peut en exclure l’éventualité. Il doit donc chercher à en évaluer la probabilité de
survenance et à la réduire si nécessaire.
Considérons qu’au cours d’une année ont lieu sinistres, notés ,…, . On suppose
que ces sinistres sont indépendants et identiquement distribués. La dépense annuelle totale
occasionnée par ces évènements est alors :
On suppose également que, pour régler les montants des sinistres, l’assureur ne dispose
que de la prime pure, c’est-à-dire la prime nette de chargements technique et commercial.
Cette prime doit, en moyenne, permettre à l’assureur de faire face au coût cumulé des
sinistres. On peut donc écrire
Ainsi, nous allons pouvoir introduire la notion de fonction de ruine. Il s’agit de la probabilité
pour que les dépenses annuelles dépassent les recettes d’un montant positif ou nul. Elle
se définit mathématiquement ainsi :
Cette dernière probabilité est souvent appelée probabilité de ruine de l’assureur, à horizon
d’une année. Utilisée sur l’ensemble des contrats d’assurance que gère l’assureur, elle mesure
le risque d’insolvabilité de ce dernier. Elle peut aussi être employée dans le cadre plus limité
d’une certaine branche de contrats et permet de mesurer le risque que cette catégorie soit
déficitaire en fin de période.
2
Détermination de priorité optimale pour un Exess Loss
Nous allons commencer par rappeler l’inégalité de Bienaymé-Tchebychev, ainsi que des
extensions simples, en montrant comment on peut l’utiliser pour majorer la probabilité de
ruine et, plus généralement, la fonction de ruine de l’assureur.
Cette inégalité permet d’évaluer les fluctuations d’une variable aléatoire autour de son
espérance mathématique.
Soit :
K : le fonds propres
N : nombre de risques
Pour tout ,
D’où :
3
Détermination de priorité optimale pour un Exess Loss
Tel que :
Savoir que la solvabilité de l’assureur est quasiment certaine à l’issue d’une année d’activité
ne suffit pas. Il faut que l’entreprise puisse assumer son activité sur un horizon plus lointain.
Les modèles de solvabilité à long terme sont délicats, car ils supposent des hypothèses de
stabilité des caractéristiques du risque et conduisent à des problèmes mathématiques difficiles
à résoudre. Le modèle simplificateur de De Finetti donne un majorant de la probabilité de
ruine à long terme, dépendant simplement de la fortune initiale de l’assureur et d’un indice de
risque.
On voit facilement que est croissante en . De plus, la fonction est bornée par
.
De Finetti a établi, dans le cas d’un modèle à temps discret, l’inégalité suivante :
4
Détermination de priorité optimale pour un Exess Loss
Où est appelé « indice de risque » et est comme la solution non nulle de l’équitation
La solution de l’équation existe et est unique. La fonction génératrice des moments de est
, où on désigne par la fonction de répartition
.
3- Le modèle de Cramer-Lundberg
Le modèle d’où sont dérivés les résultats principaux de la théorie de la ruine est le
modèle Cramer-Lundberg. Ce modèle présente la situation nette d’une entreprise
d’assurance à une date t, , différence entre ce qu’elle doit et ce qui lui dû, comme suit :
Où
5
Détermination de priorité optimale pour un Exess Loss
On note
La probabilité d’être ruiné avant la date t en disposant d’un montant de fonds propres u à t=0.
6
Détermination de priorité optimale pour un Exess Loss
L’assureur a la possibilité de céder ses risques en excess loss avec une priorité M. le
réassureur évalue ses primes son le principe de l’espérance mathématique. Il utilise un
coefficient de sécurité δ.
Il s’agit du taux de primes qui peut être distribué, donc du taux brut net de la prime de
réassurance et du taux qu’il faut conserver, , pour avoir un coefficient r suffisant.
Donc
M étant inversement proportionnelle a R, elle est proportionnelle aux fonds propres : plus une
entreprise est riche, plus elle peut avoir une rétention élevée.
7
Détermination de priorité optimale pour un Exess Loss
Distribution Paramètres
Lognormal
Weibull
Pareto
Normal
La qualité d’ajustement
Kolmogorov
Anderson Darling Khi-Carré
Distribution Smirnov
Statistique Rang Statistique Rang Statistique Rang
Lognormal 0,03837 1 83,098 1 452,02 1
Weibull 0,10719 2 922,66 3 3326,2 2
Pareto 0,11021 3 538,11 2 3466,1 3
Normal 0,36283 4 5277,7 4 32944,0 4
8
Détermination de priorité optimale pour un Exess Loss
Rang
α 0,2 0,1 0,05 0,02 0,01
Valeur Critique 18,151 21,064 23,685 26,873 29,141
Rejeter ?
9
Détermination de priorité optimale pour un Exess Loss
Le résultat d’ajustage
Distribution Paramètres
Binomial
Uniform a=0 b=2
Geometric
Poisson
La qualité d’ajustement
Kolmogorov
Anderson Darling
Distribution Smirnov
Statistique Rang Statistique Rang
Binomial 0,66772 3 4408.5 4
Uniform 0,66667 2 4396.4 3
Geometric 0,67796 4 2388.5 2
Poisson 0,62256 1 1857.2 1
10
Détermination de priorité optimale pour un Exess Loss
Après avoir ajusté les lois des sinistres et de la fréquence il reste de calculer le coefficient de
Lundberg R comme étant la solution strictement positive, si elle existe, de l’équation en r
suivante :
11