Fichier Cat Bond

EVALUATION D’UN CAT-BOND SUR LE RISQUE D’INONDATION, VIA LA
THÉORIE DES VALEURS EXTRÊMES
Adlane Haffar, Frédéric Teulon
Association de Recherches et Publications en Management | « Gestion 2000 »
2017/4 Volume 34 | pages 95 à 117

© Association de Recherches et Publications en Management | Téléchargé le 10/02/2023 sur www.cairn.info (IP: 90.26.124.112)
ISSN 0773-0543
DOI 10.3917/g2000.344.0095
Article disponible en ligne à l'adresse :
--------------------------------------------------------------------------------------------------------------------
https://www.cairn.info/revue-gestion-2000-2017-4-page-95.htm
--------------------------------------------------------------------------------------------------------------------
Distribution électronique Cairn.info pour Association de Recherches et Publications en Management.

© Association de Recherches et Publications en Management. Tous droits réservés pour tous pays.
La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les
limites des conditions générales d'utilisation du site ou, le cas échéant, des conditions générales de la
licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie,
sous quelque forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de
l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est précisé que son stockage
dans une base de données est également interdit.
Powered by TCPDF (www.tcpdf.org)

gestion2000.vol.34.4.book Page 95 Tuesday, February 13, 2018 11:05 AM
Adlane HAFFAR
École Nationale Supérieure de Statistique et d’Économie
Appliquée (ENSSEA), Tipaza, Algérie.
Frédéric TEULON
IPAG Business School, Paris
Evaluation d’un Cat-Bond sur

le risque d’inondation, via
la théorie des valeurs extrêmes
Introduction gilisé les finances publiques de nom-

breux pays, plusieurs États essayent de
se délester de leur rôle de dernier as-
Le rapport Brundtland sur l’environne- sureur (Carter et al., 2015).
ment et le développement (1987) a
mis en lumière l’accroissement de la Cette situation a amené les acteurs de
fréquence de survenance des catas- l’assurance à rechercher de nouvelles
trophes naturelles depuis les années capacités financières en se tournant
70. Si leur localisation s’explique en vers les marchés financiers, par le re-
grande partie par le type de risque cours à la titrisation, notamment par
(séisme, inondation, tempête, éruption l’émission de Cat-Bonds qui se déve-
volcanique…), les pertes humaines et fi- loppe surtout depuis une dizaine d’an-
nancières induites dépendent de la nées. Un des enjeux cruciaux sous-
concentration des populations et des jacent concerne l’évaluation et les prix
infrastructures. Étant donné que les de transaction de ce type de produit. Il
dommages de ces catastrophes se faut impérativement rechercher un
chiffrent généralement à plusieurs mil- équilibre qui permette d’un côté de ré-
liards de dollars, la capacité offerte munérer la prise de risque, pour ne
par le marché de l’assurance et de la pas mettre en danger la solvabilité de
réassurance semble insuffisante pour la compagnie d’assurance, et d’un
garantir une couverture optimale, qui autre côté, de ne pas décourager les
soit à la fois rapide et totale. De plus, investisseurs potentiels et garantir une
la crise financière de 2008 ayant fra- certaine attractivité.
95
Gestion 2000 4 mai-juin 2017
Notre article vise donc à mieux com- marché des capitaux, ce qui montre
prendre ce processus d’évaluation des leur capacité à assumer des risques.
cat-bonds. Il s’organise comme suit.
Nous exposons tout d’abord l’intérêt Chaque compagnie d’assurance ayant
du recours aux Cat-Bonds, leur mode un avantage comparatif au niveau de
de fonctionnement, ainsi que l’évolu- la gestion de certains risques, elle
tion de ce marché durant ces dernières cherche à transférer à d’autres les
années. Ensuite, nous synthétisons les risques dont elle n’a pas l’expertise.
différents problèmes et approches Or, pour offrir une couverture de réas-
pour déterminer leur prix. Enfin, une surance, les réassureurs ont besoin de
étude empirique sur le risque d’inon- capitaux afin de pouvoir dédommager
dation aux USA montre les différentes les compagnies ayant céder leurs
étapes de valorisation d’un Cat-Bond, risques en cas de survenance d’un si-
et permet d’en discuter les résultats. nistre. Comme le capital des réassu-
reurs est limité, les couvertures qu’ils
sont en mesure d’offrir le sont aussi.
Tous les assureurs ne parviennent donc
1. Intérêts des Cat-Bonds pas à obtenir des réassureurs des cou-
vertures suffisantes à des prix raison-
nables. Ils peuvent alors être tentés de
Dans cette section, nous présentons ce se couvrir directement sur les marchés
produit et les raisons pour lesquelles le financiers. Mais comme les marchés
marché de la titrisation assurantielle de la réassurance et de la finance sont
s’est constitué au cours de ces deux fortement cloisonnés, il existe généra-
dernières décennies. lement une différence non négli-
geable entre les capacités d’offre de
ces deux marchés. C’est dans ce
1.1. Capacité de capitaux plus contexte que les titres assurantiels ont
grande du marché financier émergé afin de profiter des opportuni-
tés offertes par ces écarts de capacité
(Dupont-Courtade, 2013).
D’après Standard & Poor’s, une catas-
trophe naturelle extrême comme un ou-
ragan détruisant Miami, pourrait coû-
1.2. Le marché des Cat-Bonds
ter au secteur de l’assurance 100 mil-
liards de dollars. Ce montant ne repré-
sente que 0,5% de la capitalisation Les Cat-Bonds sont émis par les assu-
des entreprises composant l’indice reurs et réassureurs pour protéger leurs
S&P 500. Une telle variation est fré- clients contre des catastrophes natu-
quente et aisément absorbée par le relles. Ils paient généralement une
96
Evaluation d’un Cat-Bond sur le risque d’inondation, via la théorie des valeurs extrêmes
prime plus élevée que les obligations d’émission entre 1997 et 2005, puis
d’entreprise ayant une cote de crédit une forte progression entre 2006 et
identique. En contrepartie, l’investis- 2007 avant une chute en 2008 lors
seur peut perdre une partie ou la totali- de la crise des subprimes. Le niveau
té de ses fonds si la catastrophe pour d’émission se rapproche aujourd’hui
laquelle l’obligation est émise se pro- de celui atteint avant la crise (Carpen-
duit. Sur le graphique n°1, on observe ter, 2015).
une croissance moyenne du volume
Graphique N°1 : Émission de Catastrophe Bonds de 1998 à 2015.

Source : Guy Carpenter Limited UK.
1.3. Mode de fonctionnement ment est conditionné par la surve-

des Cat-Bonds nance d’un évènement donné. Géné-
ralement, ce conditionnement peut
porter soit sur les coupons uniquement,
En ce qui concerne le principe de
c’est-à-dire que le nominal est protégé
base régissant le fonctionnement des
alors que les coupons sont à risque,
Cat-Bonds, on peut le décrire comme
soit sur le nominal et les coupons,
suit : l’entreprise cédante du risque
c’est-à-dire que le nominal et les cou-
émet via un véhicule ad hoc (SPV) une
pons sont risqués.
dette obligataire dont le rembourse-
97
Ainsi, si l’évènement fixé a priori sur- pons et du principal seront rembour-

vient, seulement la fraction non ris- sés. Le graphique n°2 ci-dessous sché-
quée sera remboursée. Si l’évènement matise le fonctionnement du Cat-Bond.
ne se produit pas, l’ensemble des cou-
Graphique N°2 : Fonctionnement du Cat-Bond.
Investisseur
Achat d’un Cat-Bond
Non survenance d’une Survenance d’une

catastrophe naturelle catastrophe naturelle
Remboursement total des Remboursement partiel des

coupons et du principal coupons et du principal
2. Problématique  L’approche théorique basée sur

l’ajustement d’une distribution sta-
d’évaluation des tistique et sur la déduction du prix
Cat-Bonds du cat-bond à partir des para-
mètres de cette distribution ;
 L’approche empirique basée sur
Dans cette partie, nous passerons en
l’observation statistique des prix
revue les différentes approches propo-
sur le marché des cat-bonds qui
sées dans la littérature pour déterminer
permet de déduire la prime de
le coupon d’un cat-bond aux caracté-
risque à partir des propriétés de
ristiques de risque données.
risque du cat-bond, calculées à
l’aide de modèles de simulation de
Les deux méthodes suivantes seront dé-
catastrophes naturelles.
crites :
98
2.1. L’approche théorique P = E ( X ) + δ × EcartType ( X )

Où :
En posant l’hypothèse que l’entièreté P est la prime ;
du risque d’un cat-bond est diversi- X est le processus de sinistralité ;
fiable sur les marchés financiers, le δ est une constante.
prix de celui-ci peut être déterminé par
l’espérance des cash-flows actualisés Enfin, une justification plus moderne
au taux sans risque (Dupont-Courtade, du chargement fait référence au fait
2013). Le problème devient beaucoup que la compagnie d’assurance doit
plus complexe si on décide de tarifer détenir un certain capital économique,
le risque non-systématique. Comme les suite à l’adoption des normes régle-
cat-bonds constituent une interface mentaires Solvency 2, pour faire face
entre le monde de la finance et de l’as- aux fluctuations de la sinistralité. Ce
surance, rappelons les principes utili- capital, fourni par des investisseurs,
sés dans ces deux domaines pour tari- doit être rémunéré et le chargement est
fer ce risque non systématique (Embre- censé représenter cette rémunération.
chts, 2000).
b. Tarification financière
a. Tarification actuarielle
L’approche financière vise à détermi-

L’approche actuarielle vise à détermi- ner le prix approprié d’un actif finan-
ner, pour un produit d’assurance, une cier. S’il s’agit d’un actif non risqué, le
prime équitable du point de vue de prix correspond aux cash-flows futurs
l’assureur et de l’assuré. Dans un pre- actualisés au taux sans risque :
mier temps, l’espérance des sinistres
–r ( T – 1 )
est calculée. Or, ce montant ne corres- Pt = e xT
pond pas à une prime suffisante car la
compagnie ne peut en moyenne accu- Où :
muler les réserves nécessaires pour ré- P t est le prix, en t, d’un actif payant
sister aux années de forte sinistralité. un cash-flow unique ;
C’est pourquoi l’actuaire ajoute à l’es- x T est le montant du cash-flow unique
pérance des sinistres un chargement reçu au moment T,
selon une règle donnée dite « principe r est le taux d’intérêt sans risque.
de prime ».
Par contre, si les cash-flows futurs sont
Il pourra par exemple décider d’appli- incertains, les investisseurs voudront,
quer un chargement proportionnel à en moyenne, être rémunérés pour leur
l’écart-type : prise de risque. Le prix devra donc
99
être inférieur à l’espérance des cash- situé entre ces deux bornes. Il est par
flows futurs actualisés au taux sans exemple courant de supposer que l’uti-
risque : lité des investisseurs associée à un cer-
tain cash-flow est décrite par une fonc-
–r ( T – 1 )
Pt = E [ e XT ] tion donnée (Muermann, 2008). Le
prix obtenu dépendra donc de ces hy-
Où X T est une variable aléatoire re-
pothèses additionnelles. Malheureuse-
présentant le montant du cash-flow
ment, lorsque les cash-flows dé-
reçu au moment T.
pendent de catastrophes naturelles,
nous nous trouvons dans le cas d’un
Dès lors, pour arriver à un prix adé-
marché incomplet en raison de l’exis-
quat, la méthodologie financière
tence de sauts imprévus de taille aléa-
consiste à mesurer l’espérance des
toire, ce qui complexifie considérable-
cash-flows futurs, non pas en utilisant
ment l’évaluation des cat-bonds
les distributions de probabilité réelles
(Braun, 2016).
de ceux-ci, mais des distributions de
probabilité modifiées. Plus précisé-
ment, des probabilités accrues seront 2.2. L’approche empirique
attribuées aux cash-flows fortement in-
férieurs à la moyenne, situations aux-
Les approches empiriques ont vu le
quelles les investisseurs sont averses :
jour à la suite des premières émissions
Q –r ( T – 1 ) de Cat-Bonds, elles ont l’avantage
Pt = E [ e XT ]
d’être plus pragmatiques que les ap-
Où EQ[] est un opérateur calculant proches théoriques, et donc elles sont
l’espérance sous la mesure de proba- mieux assimilées par les investisseurs.
bilité modifiée Q.
a. La première approche empirique et

Dans le cas où le marché est dit « com-
plet », l’hypothèse d’absence d’oppor- ses critiques
tunités d’arbitrage mène à un prix
unique. C’est notamment le cas pour Les obligations traditionnelles sont ca-
les options sur actions avec la célèbre ractérisées par une notation, qui leur
formule de Black & Scholes (1973). est attribuée par une agence spéciali-
sée. Cette notation correspond à une
Par contre, dans le cas où le marché fourchette de probabilités de défaut et
est dit « incomplet », on ne peut que détermine le prix des obligations. De
définir des bornes pour les prix des manière empirique, on peut alors, à
produits financiers. Il est alors néces- partir des prix cotés pour un échantil-
saire de recourir à des hypothèses ad- lon d’obligations à risque, déterminer
ditionnelles pour aboutir à un seul prix la prime de risque payée en fonction
100
du rating. Pour calculer la prime de Remarquons que ces deux facteurs dé-
risque d’un cat-bond, on pourrait ap- terminent la perte attendue (« Expec-
pliquer la même démarche en définis- ted Loss ») ou (« EL ») :
sant son rating à partir de sa probabi-
lité de défaut, et ensuite en fixant la EL = PD × LGD
prime de risque en fonction du rating.
D’autre part, pour les obligations tradi-

Cette première approche empirique
tionnelles, les notations sont détermi-
peut cependant être doublement criti-
nées en fonction de divers facteurs
quée. D’une part, la plupart des
quantitatifs et qualitatifs parfois subjec-
agences de notation supposent que
tifs. C’est pourquoi elles ne corres-
dans le cas d’un défaut d’une entre-
pondent qu’à une fourchette de proba-
prise une proportion constante du ca-
bilités de défaut et non à une probabi-
pital est perdue et que le reste est récu-
lité de défaut donnée. Pour les cat-
péré. Souvent, cette fraction, appelée
bonds, par contre, cette probabilité,
par les banquiers « Loss Given De-
de même que la perte en cas de dé-
fault » ou « LGD », est estimée à envi-
faut, peuvent être définies de manière
ron 60% et supposée être identique
précise. En attribuant un rating au cat-
pour toutes les compagnies. Pour les
bond en fonction de ces paramètres et
obligations traditionnelles, cette hypo-
thèse se vérifie empiriquement. Par en déduisant ensuite la prime de
contre pour les cat-bonds, la perte en risque à partir du rating, on perd donc
capital en cas de défaut, laquelle peut une partie précieuse de l’information.
être estimée par exemple à l’aide de Il serait donc plus judicieux de trouver
logiciels de simulation de catastrophes une relation statistique directe entre la
naturelles, s’éloigne généralement for- prime de risque et les paramètres du
tement des 60%. Dès lors, en détermi- risque.
nant la prime de risque d’un cat-bond
à partir de sa notation, on sous-estime
celle-ci si la perte en capital est supé- b. L’approche empirique de Lane
rieure à 60% et inversement si la perte
est inférieure à 60%.
Dès les premières émissions de cat-
bonds, Lane (2000) a tenté d’appré-
Il faudrait dès lors tenir compte de hender leur prix de manière empirique
deux facteurs : en améliorant progressivement son
 La probabilité de défaut (« PD ») ; modèle explicatif année après année.
 La sévérité, éventuellement va- Dans cette partie, nous tenterons de
riable, de la perte en cas de défaut décrire les idées qui sous-tendent ce
(« LGD »). modèle.
101
Logiquement, le coupon payé par un Il est logique que l’EER dépende de

cat-bond peut être décomposé de la paramètres du risque tels le PD et le
manière suivante : LDG décrits ci-dessus. En effet, ceux-ci
permettent de mesurer la variabilité de
COUPON = TAUX SANS RISQUE + MARGE
la perte que l’EER est justement censé
rémunérer :
Le cat-bond paie en effet le taux sans
risque auquel on ajoute une prime de EER = f ( PD, LGD )
risque ou marge. Le taux sans risque
sera le plus souvent le LIBOR ou l’EURI- C’est l’hypothèse que reprend Morton
BOR. Lane (2000) en proposant la formule
suivante :
La prime de risque est décomposée en
a β
deux parties : EER = γ × PD × LGD
MARGE = EL + EER Notons qu’il s’agit d’une application

de la formule de Cobb-Douglas utilisée
La première partie compense la perte pour illustrer les possibilités de com-
espérée et la seconde rémunère la promis entre plusieurs facteurs de pro-
possibilité d’un écart entre la perte at- duction dans le cadre de la production
tendue et la perte effective (Expected de biens ou de services. Dans ce cas,
Excess Return ou EER). Comme l’EER la formule illustre le compromis des in-
est l’excédent de la MARGE par rap- vestisseurs entre la fréquence et la sé-
port à la perte espérée, il peut être in- vérité des pertes, les paramètres α et
terprété comme le bénéfice moyen de β exprimant le rapport selon lequel
l’opération, ce qui explique son nom. une augmentation de PD pourrait être
échangée contre une diminution de
Nous avons donc : LGD afin de garder la prime de risque
constante.
COUPON = TAUX SANS RISQUE + EL + EER
A un moment donné, le taux sans

risque est connu. D’autre part, en sup- 3. Détermination du taux
posant que la distribution des pertes
est connue, la perte attendue (EL) l’est
d’intérêt nominal
aussi. Par conséquent, l’incertitude
porte essentiellement sur le charge- Étant donné le caractère spécifique du
ment (EER) censé rémunérer la variabi- Cat-Bond, à savoir que le versement de
lité du résultat, chargement qui peut ses flux financiers dépend de la surve-
être déterminé selon différents prin- nance ou non d’une catastrophe natu-
cipes. relle, le souscripteur prend un double
102
risque. Le premier risque est relatif au dé- 3.1. Choix de la distribution de

clanchement de l’indemnisation, et le se- probabilité
cond correspond au montant des dom-
mages qui seront indemnisés. Par consé-
Afin de déterminer la bonne distribu-
quent, pour que le Cat-Bond soit plus at-
tion de probabilité pour un type de ca-
tractif qu’une obligation classique, son
tastrophe naturelle, les actuaires uti-
taux d’intérêt nominal doit nécessaire-
lisent de longues séries temporelles sur
ment intégrer une prime de risque afin
les dommages qu’elle engendre. Par
de convaincre les investisseurs d’inclure
exemple, le graphique n°3 ci-dessous
cette catégorie de produits financiers
indique le montant annuel des dom-
dans leurs portefeuilles de placement
mages causés par les inondations aux
(Bauwens et Walhin, 2008) :
USA, de 1932 à 2009.
Taux d’intérêt nominal (Cat-Bond)
= Taux d’intérêt nominal (Obligation
classique)
+ Taux de la prime de risque
Graphique N°3 : Pertes annuelles liées aux inondations aux USA de 1932 à 2009
(106 USD).
20.000,00
18.000,00
16.000,00
14.000,00
12.000,00
Montant
10.000,00
8.000,00
6.000,00
4.000,00
2.000,00
-
1932
1935
1938
1941
1944
1947
1950
1953
1956
1959
1962
1965
1968
1971
1974
1977
1980
1983
1986
1989
1992
1995
1998
2001
2004
2007
Année
Source : Centre for Research on the Epidemiology of Disasters (C.R.E.D).
On constate qu’à partir du début des teindre plus de 16 Milliards USD en

années 1970, le montant annuel des 1993. Pour les experts de la Halley
dommages commence à dépasser la Center for Climate Prediction and Re-
barre des 6 Milliards USD, pour at- search UK, cette augmentation pro-
103
vient essentiellement de dérèglements Les inondations se situent dans le pre-

climatiques causés par l’activité hu- mier cas. Afin de déterminer la loi sta-
maine. Les phénomènes naturels ex- tistique qui va nous permettre de mo-
trêmes, pour la plupart, sont directe- déliser le processus de sinistralité, on
ment accessibles à l’observation, du doit dans un premier temps analyser la
fait de leur caractère soudain, alors distribution empirique des pertes cau-
que d’autres sont observées rarement, sées par les inondations, qui est illus-
car leur temps de retour dépasse lar- trée dans le graphique n°4 ci-dessous.
gement la durée d’une vie humaine
(Schneider, 2013).
Graphique N°4 : Distribution empirique des pertes causées par les inondations
de 1932 à 2009.
100%
91%
82%
Proportion cumulée des pertes
73%
64%
55%
46%
37%
28%
19%
10%
1%
- 5.000,00 10.000,00 15.000,00 20.000,00
Montant des pertes
En théorie, les courbes lisses telle que par un modèle mathématique relative-
celle représentée sur le graphique ci- ment simple. Les modèles de ce genre
dessus peuvent être tracée pour les dif- sont appelés « fonctions de distribu-
férents types de risques, mais dans la tion ». Une fonction parmi les plus élé-
pratique, cela est ni possible ni néces- mentaires, mais qui est bien adaptée
saire. Pour chaque type de risque, un pour la tarification en excédent de si-
graphique avec seulement environ nistre, se nomme la distribution de Pa-
100 observations indique déjà à peu reto, dont la formule est la suivante
près la forme de la courbe lissée qui (Bütikofer, 1998) :
aurait tendance à se former si le
nombre de pertes augmente. Une OP α
P ( X ≤ x ) = 1 – --------
courbe similaire peut alors être décrite x
104
Où En supposant une perte minimale de

OP : La perte la plus basse prise en 100 Millions USD, on trouve le para-
considération. mètre α estimé à 0,3852, cela nous
α : Le paramètre de Pareto. permet de calculer la fonction de ré-
partition estimée, qui est illustrée dans
Le paramètre de Pareto α peut être es- le graphique n°5 ci-dessous. On re-
timé de la façon suivante : marque alors, même avec un modèle
assez simple, la bonne approximation
n réalisée de la distribution empirique
α̂ = -----------------------------
n
-
xi
  des pertes causées par les inonda-
 ln --------
 OP tions.
i=1
Graphique N°5 : Fonction de répartition estimée des pertes causées par les inondations
de 1932 à 2009.
100%
90%
80%
70%
Probabilité
60%
50%
40%
30%
20%
10%
0%
117
152
286
395
439
506
653
702
791
821
1.013
1.062
1.289
1.369
1.477
1.610
1.734
1.879
2.862
3.349
3.837
5.200
5.758
6.810
8.358
17.168
Montant des pertes
3.2. Détermination de la l’espérance de l’excèdent de perte an-

fréquence de dépassement du nuelle, dont la formule est la suivante :
seuil d’indemnisation
E [ Z ] = E [ N ] ⋅ E [ X – OP ]
Le Cat-Bond indemnitaire est déclen- Où :

ché lorsque le montant des pertes an-
nuelles dépasse un seuil, qui dans N : Fréquence de survenance des si-
notre cas, est de 10 Milliards USD. nistres.
On doit donc déterminer, d’une part, X – OP : Excèdent de perte.
105
D’autre part, la variance de l’excédent La valeur espérée E [ X – OP ] et

2
de perte est calculée comme suit : E [ ( X – OP ) ] sont reprises dans le ta-
bleau n°1.
2
Var [ Z ] = E [ N ] ⋅ E [ ( X – OP ) ]
Tableau N°1 : Formules de calcul des valeurs espérées pour différentes valeurs
du paramètre α.
α E[X – OP] E[(X – OP)2]
EP 2 EP EP
1 OP ⋅ ln -------- 2 ⋅ OP ⋅ -------- – 1 – ln --------
OP OP OP
2
OP 2 OP EP
2 OP – ----------- 2 ⋅ OP ⋅ -------- – 1 – ln --------
EP EP OP
EP 1 – α
 ------- EP 2 – α
OP α - –1 -------- – 1
OP – EP ⋅ -------- 2  OP OP 
≠ 1, ≠ 2 EP 2 ⋅ OP ⋅  ---------------------------------- – ----------------------------------
-------------------------------------------  α–1 α–2 
α–1
 
Pour le calcul de l’espérance de la fré- supérieure au seuil inférieur atteindra

quence des pertes dépassant le seuil au plus le seuil élevée. Nous avons
de 10 Milliards USD, on doit effectuer alors besoin de trouver la probabilité
les étapes suivantes : complémentaire, c’est-à-dire la proba-
bilité que la perte excédera cette fran-
Etape 1 : chise élevée. Cette probabilité est :
Nous savons que la fréquence de dé-
passement du seuil de 100 Millions 1 – 0,84 = 0,16
USD par an est de 1 fois, on com-
mence par calculer le ratio suivant : Etape 3 :
Seuil de 10 milliards USD On calcule enfin la fréquence des

Ratio = ------------------------------------------------------------------------------ = 100
Seuil de 100 millions USD pertes dépassant le seuil fixé.
Etape 2 : Fréquence du seuil élevé

= Fréquence du seuil inférieur
On recherche le point qui correspond × Probabilité que le seuil élevé soit
à ce ratio sur l’axe horizontal du gra- dépassé
phique n°6. Une ligne verticale tracée
à partir de ce point croisera la courbe La fréquence des pertes dépassant 10
correspondante à α = 0,3852 à la Milliards USD est alors :
hauteur de l’ordonnée de 0,84. Cette
hauteur est la probabilité qu’une perte 1 × 0,16 = 0,16
106
Graphique N°6 : Distribution de Pareto (fréquence) en fonction du paramètre α.
120%
100%
80%
Probabilité
Į = 0,3852
60%
40%
P = 0,84
20%
0%
1 12 23 34 45 56 67 78 89 100
Seuil élevé/Seuil inférieur
Le graphique n°6 illustre l’influence du Etape 2 :

paramètre de Pareto sur la fréquence
On marque le point représentant ce ra-
des pertes. Plus le paramètre de Pare-
tio dans l’axe horizontal des courbes
to est élevé, et plus importante sera la
représentées dans le graphique n°7. La
fréquence des pertes élevées en rela-
projection verticale de ce point croise
tion avec la fréquence des faibles
la courbe correspondant au paramètre
pertes.
α = 0,3852 à la hauteur 0,86. L’excé-
dent de sinistre moyen sera de 86% de
3.3. Calcul de l’espérance de la valeur de la couverture.
l’excédent de perte annuelle Valeur de la courbe = 0,86
Tout comme pour l’espérance de la fré- Etape 3 :

quence de dépassement du seuil, nous
On détermine l’espérance de l’excé-
allons ici procéder en trois étapes.
dent de la perte annuelle, en se basant
sur la formule suivante :
Etape 1 :
Espérance de l’excédent de perte an-
On calcule le ratio suivant : nuelle
= Fréquence espérée × Valeur de la
Seuil + couverture courbe × Couverture
Ratio = ---------------------------------------------------
Seuil
10 milliards USD + 10 Milliards USD
Espérance de l’excédent de perte an-
= -------------------------------------------------------------------------------------------------------------
10 milliards USD nuelle = 0,16 × 0,86 × 1010
= 2 = 1 376 . 106 USD
107
Graphique N°7 : Distributions de Pareto (espérance de l’excédent de sinistre) en fonction du

paramètre α.
1,20
P = 0,86
1,00
Excédent de sinistre
espréré/Couverture
0,80
Į = 0,3852
0,60
0,40
0,20
-
1 2 3 4 5 6 7 8 9 10
(Seuil + couverture)/Seuil
Comme on peut le constater sur le gra- Etape 2 :

phique n°7, plus le paramètre de On recherche la valeur de la courbe
Pareto sera élevé, et moins élevée sera qui correspond à la valeur horizontale
l’espérance de l’excédent de la perte calculée dans l’étape 1. La ligne verti-
annuelle. cale à partir de ce point croise la
courbe définie par le paramètre de Pa-
reto α = 0,3852 à la valeur 0,9543.
3.4. Calcul de la variance de
l’excèdent de perte annuelle Etape 3 :
Puis, on détermine la variance de l’ex-
De même que pour le calcul de l’espé- cédent de la perte annuelle, en se ba-
rance de l’excédent de la perte an- sant sur la formule suivante :
nuelle, on procède de la même façon.
Variance de l’excèdent de perte an-
nuelle
Etape 1 : = Valeur de la courbe × Couverture
× Excèdent de sinistre espéré
On calcule le ratio suivant : Variance = 0,9543 × 1010 × 1 376 . 106
Variance = 13 131 168 . 106 USD
Seuil + couverture
Ratio = ---------------------------------------------------
Seuil
Comme on peut le constater sur le gra-
10 milliards USD + 10 Milliards USD
= ------------------------------------------------------------------------------------------------------------- phique n°8, plus le paramètre de
10 milliards USD
= 2 Pareto sera élevé, et moins élevée sera
108
Graphique N°8 : Distributions de Pareto (variance de l’excèdent de sinistre) en fonction du

paramètre α.
1,2
(Variance/(Couverture * Charge
espérée de l'excédent de sinistre)
P = 0,9543
1
Į = 0,3852
0,8
0,6
0,4
0,2
0
1 2 3 4 5 6 7 8 9 10 11
(Seuil + Couverture) / Franchise
la variance de l’excédent de la perte térêt nominal du Cat-Bond :

annuelle.
= Taux d’intérêt nominal (Obligation
classique)
3.5. Calcul de la prime de risque
+ Taux de la prime de risque
En choisissant comme valeur 1% pour = Taux d’intérêt nominal (Obligation
la constante δ, la prime de risque sera classique)
de : Prime de risque
+ -----------------------------------------------------------------
Montant de la couverture
Prime de risque Taux d’intérêt nominal (Cat-Bond)
= Espérance de l’excèdent de perte 6
annuelle + δ 1 412,24 ⋅ 10
= 0,88 + ----------------------------------------
10
10
Variance de l ′ excèdent
. Taux d’intérêt nominal (Cat-Bond)
de perte annuelle = 15%
Prime de risque = 1 376 . 106 + 1%
A titre de comparaison, et comme l’il-
6
. 13 131 168 ⋅ 10 lustre le graphique n°9, pendant la
Prime de risque = 1 421,24 . 106 USD crise financière de 2008, l’indice des
Cat-Bonds affichait un rendement entre
En supposant que le taux d’intérêt no- 14% et 20%, tandis que celui des obli-
minal d’une obligation classique est gations d’entreprises américaines (no-
de 0,88%, on déduit alors le taux d’in- tées BB+) chutait de 2% à -22%.
109
Graphique N°9 : Comparaison du rendement des Cat-Bonds avec l’Indice Boursier S&P 500,
de 2003 à 2013.
Source : Aon Benfield Securities UK.
Dans cette partie, nous avons choisie 4. Détermination de la

de recourir à l’estimation de l’espé-
rance de la charge de sinistre au-delà probabilité de
d’un seuil, le seuil s’interprétant dépassement du seuil
comme la limite entre les « grands si-
nistres » et les sinistres « standards », d’indemnisation
puisque que dans un certain nombre
de cas, les contrats sont réassurés par
Afin de déterminer les probabilités de
des traités de type excédent de si-
dépassement du seuil d’indemnisation,
nistres (Planchet et Thérond, 2007).
nous devons dans un premier temps
identifier le type de valeurs extrêmes
auquel appartiennent nos observa-
tions. Par la suite, on formalise la fonc-
tion de distribution de loi des valeurs
extrêmes, puis on estime ses para-
mètres, qui nous servent finalement à
faire une projection de la fonction de
densité de probabilité.
110
4.1. L’identification du type de maine d’attraction de la distribution.

valeurs extrêmes La méthode des graphiques quantile-
quantile permet de fournir une indica-
tion de l’appartenance probable à un
En pratique, on souhaite déterminer,
des domaines d’attraction possibles,
pour un échantillon donné, la forme
comme illustré dans le graphique
de la queue de distribution, ou du
n°10.
moins, avoir une estimation du do-
Graphique N°10 : Comparaison entre les quantiles d’une variable qui suit une loi Normal, et
les quantiles des pertes économiques dues aux inondations aux USA de 1932 à 2009.
Étant donné que les points du gra- 4.2. Fonction de distribution de
phique ont tendance à se dispersé vers la loi de Fréchet
le haut, les données sont vraisemblable-
ment issues d’une loi du domaine d’at-
La fonction de distribution de la loi de
traction de Fréchet. Cela est conforté à
Fréchet est de la forme suivante :
l’aide du graphique n°11 qui nous ren-
seigne sur la distribution des pertes éco-  – --- 
1
nomiques dues aux inondations aux  x – µ ξ x–µ
H ξ, µ, σ = exp  –  1 + ξ ------------ , 1 + ξ ------------, ξ > 0
 σ   σ
U.S.A de 1932 à 2009. Étant donné 
 
que la distribution a une décroissance
lente, et que l’étendue de la variation Où µ est un paramètre de localisation,
des données est non borné, notre hypo- il est directement lié à la valeur la plus
thèse est confirmée. probable de la loi. Il indique donc ap-
proximativement où se trouve le cœur
111
Graphique N°11 : Distribution des pertes économiques dues aux inondations aux U.S.A de
1932 à 2009.
de la dispersion. σ est un paramètre Tableau N°2 : Paramètres estimés de la loi
de dispersion, il dévoile l’étalement de Fréchet, pour la distribution des pertes
causées par les inondations aux U.S.A.
des extrêmes. ξ est l’indice de la
queue de distribution, qui dans le cas Paramètres Valeurs
de la loi de Fréchet, est positif (Gille- Μ 959,743180
land et Katz, 2016). Σ 994,198423
Ξ 0,669854
4.3. Estimation des paramètres

de la loi de Fréchet 4.4. Projection de la distribution
de la probabilité de dépasse-
ment du seuil d’indemnisation
Les valeurs des paramètres de la loi de
Fréchet, dans le cadre de la distribu-
tion des pertes causées par les inonda- Concernant la modélisation du risque,
tions aux U.S.A, sont synthétisées dans nous avons effectué 1 000 simulations
le tableau n°2. C’est à partir de ces de cycle de 5 ans. Pour chaque cycle,
paramètres que nous allons simuler la nous avons relevé si les pertes causées
distribution de la probabilité de dépas- par les inondations ont dépassé le
sement du seuil d’indemnisation. seuil fixé à 10 Milliards USD. Nous
avons ainsi comptabilisé le nombre de
simulations où les dommages ont dé-
passé ce seuil avant respectivement
112
1 an, 2 ans, 3 ans, 4 ans et 5 ans. La Graphique N°12 : Densité de probabilité

densité des pertes maximales de simulée, des pertes causées par les
chaque cycle est représentée sur le inondations, sur une durée de 5 ans.
graphique n°12.
Q
Rappelons que ℙ ( τ ≤ t i ) est la pro-
babilité que le seuil ait été franchi
avant la fin de la ième période et
Q
ℙ ( τ = t i ) la probabilité que le seuil
ait été franchi exactement pendant la
ième période, c’est-à-dire entre t i – 1 et
t i . Le tableau n°3 synthétise les résul-
tats pour 1 000 simulations. On
constate alors que la probabilité de
dépassement du seuil critique, aug-
mente au fil des années, dans les
mêmes proportions.
Tableau N°3 : Probabilités de dépassement du seuil de 10 Milliards USD.
Nombre de simulation ou le seuil est

ti en ans
franchi avant ti ℙQ(τ ≤ ti) ℙQ(τ > ti) ℙQ(τ = ti)
t1 = 1 48 0,048 0,952 0,048

t2 = 2 92 0,092 0,908 0,044
t3 = 3 138 0,138 0,862 0,046
t4 = 4 187 0,187 0,813 0,049
t5 = 5 222 0,222 0,778 0,035
4.5. Valorisation du Cat-Bond sur d’une capacité supplémentaire de

le risque d’inondation l’ordre de 10 Milliards USD. Nous
supposons également que sur la pé-
riode d’émission du Cat-Bond, le taux
Nous supposons que le marché de
d’intérêt nominal reste constant. Le ta-
l’assurance et de réassurance dispose
bleau n°4 fournit les caractéristiques
d’une capacité d’indemnisation des
de ce Cat-Bond et son prix pour une
dommages causés par les inondations
fraction sans risque de 0.5. En faisant
aux U.S.A, de l’ordre de 10 Milliards
varier cette fraction sans risque, on ob-
USD, et que l’émission du Cat-Bond va
tient différentes valeurs pour ce Cat-
permettre aux compagnies d’assu-
Bond (voir le tableau n°5).
rance et de réassurance, de disposer
113
Tableau N°4 : Caractéristiques du Cat-  La valeur du Cat-Bond (Coupons

Bond indemnitaire sur le risque risqués) est moins sensible au chan-
d’inondations aux U.S.A.
gement de la fraction sans risque
Principal F 10 000 USD par rapport à la valeur du Cat-
Coupon c 1 500 USD Bond (Coupons et Principal ris-
Maturité T 5 ans qués), puisque le principal n’est
Période 1 an pas exposé au fractionnement.
Péril couvert Inondations
Zone couverte U.S.A  Quand la fraction sans risque tend
Déclencheur Catastrophe naturelle vers l’unité, la valeur du Cat-Bond
Fraction sans risque f 0,50 (Coupons risqués) et la valeur du
Cat-Bond (Coupons et
9 277 Cat-Bond (Coupons et Principal ris-
Principal Risqués)
qués) se rapprochent, car il y aura
Cat-Bond (Coupons
Risqués)
9 642 une égalité des cash-flows générés.
Cela est illustré dans le graphique
Tableau N°5 : Valeurs du Cat-Bond pour n°13.
une fraction non risquée comprise entre
0,1 et 0,9.
4.6. Comparaison entre la
Valeur (Cat-Bond)
titrisation assurantielle et la
Coupons et réassurance traditionnelle
Fraction sans Coupons
Principal
risque f Risqués
Risqués
0,1 9 551 8 576 Après avoir décrit en détail les prin-
0,2 9 574 8 751 cipes et intérêts des titres assurantiels,
0,3 9 597 8 926 nous pouvons établir une liste des dif-
0,4 9 619 9 101
férents points qui les différencient par
0,5 9 642 9 277
rapport à la réassurance tradition-
0,6 9 665 9 452
nelle.
0,7 9 688 9 627
0,8 9 711 9 802
0,9 9 734 9 978 Le point de vue de l’émetteur
A partir du tableau N°5, on remarque

que : On peut résumer les avantages et les
inconvénients dans ce qui suit.
 La valeur du Cat-Bond (Coupons
risqués) est supérieure à la valeur
Avantages
du Cat-Bond (Coupons et Principal
risqués), ce qui est tout à fait nor-  Prime de risque théoriquement plus
mal, dans le deuxième cas, les faible selon le « Capital Asset Pri-
cash-flows sont moindres. cing Model » ;
114
Graphique N°13 : Relation entre la valeur du Cat-Bond et la fraction sans risque.
10.500
10.000
Valeur du Cat-Bond
9.500
9.000
8.500
8.000
7.500
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Fraction sans risque
Coupons Risqués Coupons et Principal Risqués
 Pas de risque de contrepartie, le tion par une agence de rating, et

capital étant entre les mains de la de payer des commissions impor-
compagnie à l’origine de l’opéra- tantes aux banques d’affaires ;
tion (originatrice) ;  Délais de dédommagement longs
 Capacité du marché financier plus pour des titres indemnitaires ;
important que celle du marché de
 Nécessité d’émettre un volume mi-
la réassurance ;
nimum en vue de rentabiliser les
 Contrats pluriannuels permettant
frais fixes d’émission ;
d’obtenir la couverture à un prix
fixé sur plusieurs années ;  Traditionnellement, uniquement
 Reconnaissance comme outil de possible pour les risques à dévelop-
gestion des risques par l’Union eu- pement court ;
ropéenne.  Incertitude quant à la prise en
compte de la couverture dans Sol-
Inconvénients vency II, par les agences de rating
et l’administration fiscale.
 Existence d’un risque de base
lorsque la base d’indemnisation est
différente de la sinistralité de l’en-
b. Le point de vue de l’investisseur
treprise originatrice ;
 Implémentation plus complexe et
plus coûteuse : nécessité de mettre Du point de vue de l’investisseur, les
sur pied un « Special Purpose Vehi- avantages et les inconvénients sont les
cule », de faire évaluer l’obliga- suivants :
115
Avantages connait une forte demande, en particu-

lier quand les rendements obligataires
 Diversification dans des actifs peu
sont faibles. Deuxièmement, grâce à
corrélés aux titres classiques ;
sa grande flexibilité, ce type de pro-
 Aléa moral réduit lorsque la base
duit peut être décliné non seulement
d’indemnisation est différente de la
aux risques naturels, mais également
sinistralité de l’entreprise origina-
aux risques moins sophistiqués affec-
trice ;
tant les personnes.
 Primes de risque attrayantes eu re-
gard du risque encouru.
Il faut cependant préciser que l’évalua-
tion du prix des Cat-Bonds ne se limite
Inconvénients
pas seulement à une mesure quantita-
 Manque d’un marché secondaire li- tive des probabilités de catastrophes
quide et efficace ; naturelles. En effet, du fait de l’illiquidi-
 Manque de produits standardisés té relative du marché des Cat-Bonds et
qui permettraient le développement de la complexité de la structure de ces
du marché secondaire ; derniers, ce type de titre se traite en in-
 Corrélation avec les marchés finan- tégrant une prime dite d’illiquidité et
ciers possible en cas de méga-ca- de structure qui renchérit leur prix.
tastrophes.
Bibliographie
Conclusion
Bauwens, V., Walhin, J.F., 2008, La titrisation
Comme nous l’avons montré, le re- du risque d’assurance, Cahiers financiers,
Bruxelles : Edition Larcier, 230 p.
cours à la théorie des valeurs extrêmes
nous a permis de mieux modéliser le Black. F, Scholes, M, 1973, « The Pricing of Op-
risque d’inondation, d’avoir des pro- tions and Corporate Liabilities », The Journal of
Political Economy, Vol. 81, n°3, pp. 637-654.
babilités de survenance plus précises,
et par conséquent de se rapprocher de Braun, A., 2016, « Pricing in the Primary Mar-
la valeur d’équilibre du Cat-Bond cou- ket for Cat Bonds : New Empirical Evidence »,
vrant ce risque. Journal of Risk and Insurance, Vol. 83, Issue 4,
pp. 811-847.
Le marché des Cat-Bonds devrait Bütikofer, P., 1998, Estimating property excess
connaître un développement rapide of loss risk premiums by means of the Pareto mo-
del, Report, Switzerland : Swiss Re, 33 p.
durant les années à venir pour au
moins deux raisons. Premièrement, Carpenter, G., 2015, Catastrophe Bond Up-
cette catégorie de produits financiers date : Fourth Quarter and Full Year, Report,
116
Grande Bretagne : Marsh & McLennan Compa- Journal of Statistical Software, Vol. 72, n°8, pp.
nies, 9 p. 3-39.
Carter, M., de Janvry, A., Sadoulet, E., Sarris,

Planchet, F., Thérond, P.E., 2007, « Expected
A., 2015, « Assurance climatique indicielle
shortfall of claims amounts : some practical as-
pour les pays en développement : examen des
pects », working paper, ISFA – Laboratoires SAF
faits et propositions visant à augmenter le taux
– Université de Lyon – Université Claude Ber-
de souscription », Revue d’Economie du Déve-
nard Lyon 1, France.
loppement, vol. 23, n°1, pp 5-57.
Dupont-Courtade, T., 2013, Perceptions et cou- Lane, M., 2000, « Pricing Risk Transfer Func-
vertures des risques extrêmes en présence d’in- tions », Astin Bulletin, vol. 30, n°2, pp.259-293.
certitudes sur les marchés de l’assurance et de la
réassurance. Thèse en Sciences Economiques,
Muermann, A, 2008, « Market Price of Insu-
Université Panthéon-Sorbonne – Paris I, 279 p.
rance Risk Implied by Catastrophe Derivatives »,
North American Actuarial Journal, Vol. 12, n°3,
Embrechts, P., 2000, « Actuarial Versus Finan-
pp. 221-227
cial Pricing of Insurance », Risk Finance, vol.1,
N°4, pp 17-26.
Schneider, J-L, 2013, Les traumatismes de la
Gilleland, E., Katz, R. W., 2016, « extRemes Terre, géologie des phénomènes naturels ex-
2.0 : An Extreme Value analysis Package in R », trêmes, Paris : Ed Vuibert.
117

Fichier Cat Bond

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Fichier Cat Bond

Transféré par

Droits d'auteur :

Formats disponibles

EVALUATION D’UN CAT-BOND SUR LE RISQUE D’INONDATION, VIA LA

THÉORIE DES VALEURS EXTRÊMES

Adlane Haffar, Frédéric Teulon

Association de Recherches et Publications en Management | « Gestion 2000 »

2017/4 Volume 34 | pages 95 à 117

Distribution électronique Cairn.info pour Association de Recherches et Publications en Management.

Powered by TCPDF (www.tcpdf.org)

Evaluation d’un Cat-Bond sur

Introduction gilisé les finances publiques de nom-

Gestion 2000 4 mai-juin 2017

Graphique N°1 : Émission de Catastrophe Bonds de 1998 à 2015.

1.3. Mode de fonctionnement ment est conditionné par la surve-

Gestion 2000 4 mai-juin 2017

Ainsi, si l’évènement fixé a priori sur- pons et du principal seront rembour-

Graphique N°2 : Fonctionnement du Cat-Bond.

Non survenance d’une Survenance d’une

Remboursement total des Remboursement partiel des

2. Problématique  L’approche théorique basée sur

2.1. L’approche théorique P = E ( X ) + δ × EcartType ( X )

L’approche financière vise à détermi-

Gestion 2000 4 mai-juin 2017

a. La première approche empirique et

D’autre part, pour les obligations tradi-

Gestion 2000 4 mai-juin 2017

Logiquement, le coupon payé par un Il est logique que l’EER dépende de

MARGE = EL + EER Notons qu’il s’agit d’une application

A un moment donné, le taux sans

risque. Le premier risque est relatif au dé- 3.1. Choix de la distribution de

Source : Centre for Research on the Epidemiology of Disasters (C.R.E.D).

On constate qu’à partir du début des teindre plus de 16 Milliards USD en

Gestion 2000 4 mai-juin 2017

vient essentiellement de dérèglements Les inondations se situent dans le pre-

Où En supposant une perte minimale de

Montant des pertes

3.2. Détermination de la l’espérance de l’excèdent de perte an-

Le Cat-Bond indemnitaire est déclen- Où :

Gestion 2000 4 mai-juin 2017

D’autre part, la variance de l’excédent La valeur espérée E [ X – OP ] et

α E[X – OP] E[(X – OP)2]

Pour le calcul de l’espérance de la fré- supérieure au seuil inférieur atteindra

Seuil de 10 milliards USD On calcule enfin la fréquence des

Etape 2 : Fréquence du seuil élevé

Graphique N°6 : Distribution de Pareto (fréquence) en fonction du paramètre α.

Le graphique n°6 illustre l’influence du Etape 2 :

Tout comme pour l’espérance de la fré- Etape 3 :

Gestion 2000 4 mai-juin 2017

Graphique N°7 : Distributions de Pareto (espérance de l’excédent de sinistre) en fonction du

Comme on peut le constater sur le gra- Etape 2 :

Graphique N°8 : Distributions de Pareto (variance de l’excèdent de sinistre) en fonction du

la variance de l’excédent de la perte térêt nominal du Cat-Bond :

Gestion 2000 4 mai-juin 2017

Dans cette partie, nous avons choisie 4. Détermination de la

4.1. L’identification du type de maine d’attraction de la distribution.

Gestion 2000 4 mai-juin 2017

4.3. Estimation des paramètres

1 an, 2 ans, 3 ans, 4 ans et 5 ans. La Graphique N°12 : Densité de probabilité

Tableau N°3 : Probabilités de dépassement du seuil de 10 Milliards USD.

Nombre de simulation ou le seuil est

t1 = 1 48 0,048 0,952 0,048

4.5. Valorisation du Cat-Bond sur d’une capacité supplémentaire de

Gestion 2000 4 mai-juin 2017

Tableau N°4 : Caractéristiques du Cat-  La valeur du Cat-Bond (Coupons

A partir du tableau N°5, on remarque