Académique Documents
Professionnel Documents
Culture Documents
3.1 Introduction
La mutualisation des risques est fondamentale en actuariat. Elle est le principe même sur lequel repose
l’assurance. Dans ce chapitre, on examine la mutualisation des risques, plus précisement on étudie le com-
portement du montant total des sinistres pour un portefeuille composé de risques individuels. Ces coûts
peuvent être...
Les coûts pour un portefeuille d’assurance vie ou IARD (1 ou plusieurs lignes d’a¤aires)
Les coûts pour un portefeuille de risques de crédit
Les coûts pour un régime d’assurance collective
Les engagements d’un régime de retraite pour une certaine année
Connaître le comportement du risque global, c’est-à-dire du risque associé à un portefeuille, permet à une
compagnie d’assurance ou autre entité …nancière d’évaluer la santé …nancière du portefeuille, aide l’actuaire
dans la gestion des risques et est utilisé à des …ns de tari…cation et de réassurance. On représente les
P
n
coûts pour un portefeuille composé de n risques par la variable aléatoire S où S = Xi . Ainsi, la v.a
i=1
Xi représente le coût en sinistres associé au contrat d’assurance i (i = 1; :::; n) et la v.a S les coûts totaux
auxquels est exposée la compagnie d’assurance en acceptant d’assurer ces n contrats d’assurance.
Preuve.
E [S] = E [X1 + ::: + Xn ]
= E [X1 ] + ::: + E [Xn ]
Xn
= E [Xi ] :
i=1
53
54 CHAPITRE 3. MONTANT TOTAL DES SINISTRES POUR UN PORTEFEUILLE
À noter que cette relation est vraie peu importante la relation d’indépendance ou de dépendance entre les
risques X1 ; :::; Xn :
V ar (S) = nV ar (X) :
Preuve.
Si les v.a. X1 ; :::; Xn sont indépendantes, alors Cov(Xi ; Xj ) = 0; 8i; 8j (i 6= j) et par conséquent
n
X
V ar (S) = V ar (Xi ) :
i=1
Si les v.a. X1 ; :::; Xn sont identiquement distribuées, alors elles ont le même comportement aléatoire (et non
S = nX!!) et par conséquent
Si les v.a. X1 ; :::; Xn sont indépendantes et identiquement distribuées, on obtient directement le résultat
désiré à l’aide de ce qui a été montré ci-dessus.
Dé…nition 3.3 Soit un portefeuille composé de n risques individuels Xi (i = 1; :::; n) et S la v.a. du montant
total des sinistres pour ce portefeuille. Alors, la fonction de répartition de S est dé…nie comme suit
L’évaluation de FS est cruciale a…n d’examiner le comportement de S. Elle permet notamment d’évaluer
la solvabilité d’un portefeuille d’une compagnie d’assurance ou d’une société …nancière. Également, elle sert
à établir le capital économique ("un coussin") pour un portefeuille a…n d’être en mesure de faire face au
risque global associé au portefeuille.
Dans certains cas, il est possible d’obtenir une expression explicite de FS . Si ce n’est pas possible,
on a recours à une méthode récursive, une méthode d’approximation basée sur les moments, une méth-
ode d’approximation basée sur la simulation ou une méthode d’approximation basée sur des méthodes
numériques.
MS (t) = E etS
h i
= E et(X1 +:::+Xn )
= E etX1 :::etXn
= MX1 ;:::;Xn (t; :::; t):
3.3 Exemples
Exemple 3.5 On considère un portefeuille de n contrats d’assurance vie temporaire 1 an émis à des assurés
dont les durées de vie T1 ; ::; Tn sont indépendantes et identiquement distribuées. Le montant de prestation
de décès est bi = b, i = 1; :::; n. De plus, Pr(Ti 1) = q, soit la probabilité de décès au cours de la prochaine
année. Les coûts pour le contrat i sont dé…nis selon l’approche indemnitaire, soit
Xi = fbIi ; i = 1; :::; n ,
où Ii Bern(q). Le montant total des sinistres pour le portefeuille est S = X1 + ::: + Xn . (a) Trouver les
valeurs possibles de S. (b) Trouver E [S]. (c) Trouver V ar (S). (d) Trouver Pr(S = k b), k = 0; 1; :::; n.
(c)
n
X
V ar (S) = V ar (Xi )
i=1
= nV ar (X)
= nb2 q(1 q):
(d)
S = X1 + ::: + Xn
= bI1 + ::: + bIn
= b(I1 + ::: + In )
= bN;
où N correspond au nombre de décès parmi le goupe de risques individuels et donc N Bin(n; q). Par
conséquent, on a
Pr(S = k b) = Pr(bN = k b)
= Pr(N = k)
n k
= q (1 q)n k
, k = 0; 1; 2; :::; n:
k
Remarque 3.6 Dans l’exemple ci-dessus, la distribution de (I1 + ::: + In ) peut être identi…ée à l’aide de la
fgm comme suit:
h i
MN (t) = E et(I1 +:::+In )
= E etI1 :::E etIn
= MI1 (t):::MIn (t)
n
= (MI (t))
= (1 q + qet )n ;
(c)
V ar (S) = b2 ((0:001) (0:999) + (0:002) (0:998) + (0:003) (0:997) + (0:004) (0:996) + (0:005) (0:995))
= 0:014945b2 :
(d)
Pr(S = b) = Pr(X1 = b; X2 = 0; X3 = 0; X4 = 0; X5 = 0)
+ Pr(X1 = 0; X2 = b; X3 = 0; X4 = 0; X5 = 0)
+ Pr(X1 = 0; X2 = 0; X3 = b; X4 = 0; X5 = 0)
+ Pr(X1 = 0; X2 = 0; X3 = 0; X4 = b; X5 = 0)
+ Pr(X1 = b; X2 = 0; X3 = 0; X4 = 0; X5 = b)
= (0:001) (1 0:002)(1 0:003)(1 0:004)(1 0:005)
+(1 0:001) (0:002) (1 0:003)(1 0:004)(1 0:005)
+(1 0:001)(1 0:002) (0:003) (1 0:004)(1 0:005)
+(1 0:001)(1 0:002)(1 0:003) (0:004) (1 0:005)
+(1 0:001)(1 0:002)(1 0:003)(1 0:004) (0:005)
Exemple 3.8 On considère le portefeuille décrit à l’Exemple 3.5 où toutefois le portefeuille est composé de
2 classes de n1 et n2 contrats indépendants. Pour les contrats de la première classe, on a
Pr (Ti 1) = q1 ; i = 1; :::; n1
Pr (Ti 1) = q2 ; i = n1 + 1; :::; n1 + n2 :
Le montant de prestation pour tous les contrats est de b. Développer l’expression de fS où S 2 f0; b; :::; nbg.
Solution. On a
n1
X nX
1 +n2
S = bIi + bIi
i=1 i=n1 +1
n1
X nX
1 +n2
= b Ii + b Ii
i=1 i=n1 +1
= bN1 + bN2 ;
58 CHAPITRE 3. MONTANT TOTAL DES SINISTRES POUR UN PORTEFEUILLE
Exemple 3.9 On considère le portefeuille décrit à l’Exemple 3.8 où toutefois les risques i = n1 +1; :::; n1 +n2
sont tels que
Pr (Ti 1) = q2
et le montant de prestation pour les risques de la deuxième classe est de b2 = 2b. Trouver la fonction de
masse de probabilité de S.
Solution. On a
n1
X nX
1 +n2
S = bIi + 2bIi
i=1 i=n1 +1
n1
X nX
1 +n2
= b Ii + 2b Ii
i=1 i=n1 +1
= bN1 + 2bN2
= b (N1 + 2N2 ) ;
où N1 Bin (n1 ; q1 ) et N2 Bin (n2 ; q2 ). On a S 2 f0; b; 2b; 3b; :::; n1 b + 2n2 bg. Pour calculer Pr (S = kb),
on doit procéder cas par cas, c’est-à-dire
Pr (S = 0) = Pr (N1 = 0) Pr (N2 = 0)
Pr (S = b) = Pr (N1 = 1) Pr (N2 = 0)
Pr (S = 2b) = Pr (N1 = 2) Pr (N2 = 0) + Pr (N1 = 0) Pr (N2 = 1)
Remarque 3.10 On observe avec l’Exemple 3.5, l’Exemple 3.8 et l’Exemple 3.9 que l’évaluation de la
fonction de masse de S devient plus di¢ cile à évaluer lorsque la description du portefeuille est plus complexe.
Exemple 3.11 On considère le portefeuille suivant comportant 3 classes de risques supposés indépendants
où chaque classe est un regroupement de risques homogènes:
Classe # contrats Prestation Prob. décès
1 n(1) = 5 b(1) = 2000 q (1) = 0:0037
:
2 n(2) = 12 b(2) = 3000 q (2) = 0:0088
3 n(3) = 9 b(3) = 1000 q (3) = 0:0065:
(j)
On désigne les coûts du risque i de la classe j par Xi dé…nie par
(j) (j)
Xi = b(j) Ii ;
(j)
où Ii Bern(q (j) ). À noter que le paramètre de la loi de Bernoulli ne dépend pas de i de telle sorte que la
probabilité de décès est la même pour les risques d’une même classe. (a) Trouver E [S]. (b) Trouver V ar (S).
(c) Trouver Pr(S = 0), Pr(S = 1000), Pr(S = 2000).
3.3. EXEMPLES 59
Solution. (a)
2 3
X n(j)
3 X
(j)
E [S] = E4 Xi 5
j=1 i=1
(b)
0 1
X n(j)
3 X
(j)
V ar (S) = V ar @ Xi A
j=1 i=1
2 2 2
= n(1) b(1) q (1) (1 q (1) ) + n(2) b(2) q (2) (1 q (2) ) + n(3) b(3) q (3) (1 q (3) )
2 2 2
= (5) (2000) (0:0037) (1 0:0037) + (12) (3000) (0:0088) (1 0:0088) + (9) (1000) (0:0065) (1 0:0065)
= 1 073 882:
(c) On a S = S (1) + S (2) + S (3) où S (j) = b(j) N (j) et N (j) Bin(n(j) ; q (j) ). Alors,
Exemple 3.12 On considère le portefeuille de l’Exemple 3.11 où toutefois n(1) = 421, n(2) = 749 et n(3) =
375: On …xe la prime par contrat à 1.2 fois la prime pure, c’est-à-dire
(j)
= prime pour un risque de la classe j
h i
(j)
= 1:2 E Xi = (1:2) b(j) q (j) :
À l’aide de l’approximation normale, évaluer la probabilité que les coûts totaux pour le portefeuille excèdent
le revenu total de primes, soit
Pr(S > REV ),
P3
où REV = revenu total = n(j) (j) :
j=1
Solution.
Pr (S > REV ) = 1 Pr (S REV )
!
S E [S] REV E [S]
= 1 Pr p p
V ar (S) V ar (S)
h i h i h i
E [S] = E S (1) + E S (2) + E S (3)
= (421) (2000) (0:0037) + (749) (3000) (0:0088) + (375) (1000) (0:0065)
= 25 326:5
Exemple 3.13 Soit une portefeuille constitué de deux risques X1 et X2 dé…nis par
Bi ; I i = 1
Xi =
0; Ii = 0
où B1 ; B2 et (I1 ; I2 ) sont indépendants. On ne précise toutefois pas la relation de dépendance entre I1 et
I2 . On dé…nit le montant total des sinistres pour le portefeuille par S = X1 + X2 . (a) Trouver E [S]. (b)
Trouver V ar (S). (c) Trouver FS .
3.3. EXEMPLES 61
Solution. (a)
E [S] = E [X1 + X2 ]
= E [X1 ] + E [X2 ] ;
E [X1 X2 jI1 = 0; I2 = 0 ] = 0
E [X1 X2 jI1 = 0; I2 = 1 ] = 0
E [X1 X2 jI1 = 1; I2 = 0 ] = 0
E [X1 X2 jI1 = 1; I2 = 1 ] = E [B1 B2 ] = E [B1 ] E [B2 ] :
On déduit donc
E [X1 X2 jI1 ; I2 ] = I1 I2 E [B1 ] E [B2 ]
ce qui conduit à
Ainsi, on a
En conclusion, on obtient
(c)
FS (x) = Pr (S x)
= Pr (X1 + X2 x)
= Pr (X1 + X2 x jI1 = 0; I2 = 0 ) Pr (I1 = 0; I2 = 0)
+ Pr (X1 + X2 x jI1 = 1; I2 = 0 ) Pr (I1 = 1; I2 = 0)
+ Pr (X1 + X2 x jI1 = 0; I2 = 1 ) Pr (I1 = 0; I2 = 1)
+ Pr (X1 + X2 x jI1 = 1; I2 = 1 ) Pr (I1 = 1; I2 = 1) :
2 1
X 2 2
( 1000 2100)j e 1000 2100
Pr(B1 2100) = 1
j=0
j!
4:2 4:2
= 1 e 4:2e
= 0:922
4:2
Pr(B2 2100) = 1 e
= 0:985
3 1
X 2 2
( 1000 2100)j e 1000 2100
Pr(B1 + B2 2100) = 1
j=0
j!
À noter que dans cet exemple, on peut calculer FST OT de façon explicite étant donné que (B1 + B2 )
Erlang( ).
Exemple 3.15 On considère l’Exemple 3.14 mais où toutefois les v.a I1 et I2 ne sont plus indépendantes. On
suppose plutôt que Cov(I1 ; I2 ) = 0:03. (a) Trouver E [S]. (b) Trouver V ar (S). (c) Trouver Pr(S 2100).
Solution. (a) Même si les v.a. I1 et I2 ne sont plus indépendantes, on obtient le même résultat pour E [S].
(b)
V ar (S) = V ar (X1 + X2 )
= V ar (X1 ) + V ar (X2 ) + 2Cov(X1 ; X2 )
= 260000 + 109375 + 2Cov(X1 ; X2 ):
Cov(X1 ; X2 ) = Cov(I1 B1 ; I2 B2 )
= E [I1 B1 I2 B2 ] E [I1 B1 ] E [I2 B2 ]
= E [B1 ] E [B2 ] E [I1 I2 ] E [B1 ] E [I1 ] E [B2 ] E [I2 ]
= E [B1 ] E [B2 ] Cov(I1 ; I2 )
= (1000) (500) (0:03)
= 15000:
64 CHAPITRE 3. MONTANT TOTAL DES SINISTRES POUR UN PORTEFEUILLE
où
E [X1 X2 ] = E [I1 B1 I2 B2 ]
= E [B1 ] E [B2 ] E [I1 I2 ] :
On sait que
et par conséquent
d’où
Une troisième approche aurait pu être utilisée pour trouver Cov(X1 ; X2 ), soit en conditionnant sur (I1 ; I2 ).
On a
Cov(X1 ; X2 ) = E [Cov(X1 ; X2 jI )] + Cov(E [X1 jI ] ; E [X2 jI ]);
où I = (I1 ; I2 ) et
Cov(X1 ; X2 jI1 = 0; I2 = 0 ) = 0
Cov(X1 ; X2 jI1 = 1; I2 = 0 ) = 0
Cov(X1 ; X2 jI1 = 0; I2 = 1 ) = 0
Cov(X1 ; X2 jI1 = 1; I2 = 1 ) = Cov(B1 ; B2 ):
On a donc
Cov(X1 ; X2 jI ) = I1 I2 Cov(B1 ; B2 )
d’où
car les v.a B1 et B2 sont indépendantes. De plus, on a pour le 2ième terme impliqué dans la covariance
E [X1 jI ] = I1 E [B1 ]
E [X2 jI ] = I2 E [B2 ]
ce qui conduit à
Cov(E [X1 jI ] ; E [X2 jI ]) = E [B1 ] E [B2 ] Cov(I1 ; I2 )
3.3. EXEMPLES 65
d’où
V ar (S) = V ar (X1 + X2 )
= V ar (X1 ) + V ar (X2 ) + 2Cov(X1 ; X2 )
= 260000 + 109375 + (2) (15000)
= 399375.
Pr(I1 = 1; I2 = 1) = E [I1 I2 ]
= Cov(I1 ; I2 ) + E [I1 ] E [I2 ]
= 0:03 + (0:2) (0:25)
= 0:08
1 X
X 1
Pr(S 2100) = Pr(S 2100 jI1 = i1 ; I2 = i2 ) Pr(I1 = i1 ; I2 = i2 )
i1 =0 i2 =0
= Pr(X1 + X2 2100 jI1 = 0; I2 = 0 ) Pr(I1 = 0; I2 = 0)
+ Pr(X1 + X2 2100 jI1 = 1; I2 = 0 ) Pr(I1 = 1; I2 = 0)
+ Pr(X1 + X2 2100 jI1 = 0; I2 = 1 ) Pr(I1 = 0; I2 = 1)
+ Pr(X1 + X2 2100 jI1 = 1; I2 = 1 ) Pr(I1 = 1; I2 = 1)
Exemple 3.16 On considère l’Exemple 3.14 mais avec un nombre n de contrat et où les v.a Ii (i = 1; :::; n)
sont identiquement distribuées comme la v.a canonique I. On suppose également que les v.a Bi (i = 1; :::; n)
sont identiquement distribuées. Les v.a I1 ; :::; In sont considérées indépendantes de même pour les v.a
B1 ; :::; Bn . Trouver l’expression pour FS .
Solution. On dé…nit S = X1 + ::: + Xn et N = I1 + ::: + In , où N Bin(n; q). On peut donc exprimer S
sous la forme d’une somme aléatoire 8
>
< 0; N = 0
XN
S=
>
: Ck , N > 0,
k=1
où Ck représente les coûts pour un des contrats ayant eu un sinistre ou plus et N correspond au nombre de
contrats du portefeuille ayant eu un sinistre ou plus.De plus, on a que les v.a C1 ; C2 ; ::: sont identiquement
distribuées comme la v.a B représentant le montant total des sinistres pour un contrat. Ainsi, on a
n
X
Pr(S x) = Pr(N = 0) + Pr(S x jN = k ) Pr(N = k)
k=1
n
X
= Pr(N = 0) + Pr(C1 + ::: + Ck x) Pr(N = k).
k=1
n(j)
3 X
X h i
(j)
= E Xi
j=1 i=1
3
X h i
= n(j) E X (j) ;
j=1
3.3. EXEMPLES 67
(j)
car Xi i = 1; :::; n(j) sont identiquement distribuées comme la v.a X (j) . On a les moments suivants pour
les v.a. B (1) ; B (2) ; B (3) :
B (1) P areto( = 2:2; = 1200)
h i 1200
E B (1) = = = 1000
1 2:2 1
2
2 2
V ar B (1) =
( 1)( 2) 1
2(1200)2
= (1000)2
(1:2) (0:2)
= 11000000
B (2) Lognormale( = 7; 2
= 4)
h i 2
7+ 24
E B (2) = e + 2 =e =e 9
2 2 2
V ar B (2) = e2 +2
e + 2
= e22 (e9 )2
3
B (3) Gamma = 3; =
1000
h i 3
E B (3) = = 3 = 1000
1000
3
V ar B (3) = 2 = 2 = 333333.
3
1000
Ainsi,
E [S] = (200) (0:15) (1000) + (150) (0:24) e9 + (350) (0:18) (1000)
= 384711.
Pour la variance du montant total des sinistres, on a
0 1
X n(j)
3 X
(j)
V ar (S) = V ar @ Xi A
j=1 i=1
3
X
= n(j) V ar X (j)
j=1
(j)
car les contrats sont supposés indépendants et Xi X (j) , pour i = 1; :::; n(j) . Ainsi,
h i h i h i h i
V ar (S) = (200) E I (1) V ar B (1) + V ar I (1) E 2 B (1)
h i h i h i h i
+ (150) E I (2) V ar B (2) + V ar I (2) E 2 B (2)
h i h i h i h i
+ (350) E I (3) V ar B (3) + V ar I (3) E 2 B (3)
= (200) (0:15) (11000000) + (0:15) (0:85) 10002
2
+ (150) (0:24) (e22 e18 ) + (0:24) (0:76) e9
+350 (0:18) (333333) + (0:18) (0:82) 10002
= (200) (1777500) + (150) (856597069) + (350) (207600)
= 128917720350:
68 CHAPITRE 3. MONTANT TOTAL DES SINISTRES POUR UN PORTEFEUILLE
Exemple 3.21 On considère un portefeuille d’assurance auto où, selon l’approche fréquence-sévérité, on a
8 M
< Pi
Bi;j ; Mi > 0
Xi = :
: j=1
0; Mi = 0
On dé…nit S = X1 + ::: + Xn où X1 ; :::; Xn sont des v.a indépendantes. On suppose Mi P oisson( i ),
(i = 1; :::; n) et les v.a M1 ; M2 ; :::; Mn sont indépendantes. Les v.a Bi;1 ; Bi;2 ; :::; Bi;Mi sont identiquement
distribuées comme la v.a canonique Bi . On suppose également que Mi et (Bi;1 ; Bi;2 ; :::; Bi;Mi ) sont indépen-
dantes. Identi…er la loi de S.
Solution. On utilise la fonction génératrice des moments pour identi…er la loi de S:
MS (t) = E etS
h i
= E et(X1 +:::+Xn )
= E etX1 :::E etXn
= MX1 (t):::MXn (t);
où Xi P oisson Composee( i ; FBi ) et par conséquent MXi (t) = MMi (ln MBi (t)). De plus, étant donné
t
que Mi P oisson( i ), on a MMi (t) = e i (e 1) , d’où
MXi (t) = MMi (ln MBi (t))
ln MB (t)
i e i 1
= e
= e i (MBi (t) 1):
On obtient donc la fonction génératrice des moments suivante pour le montant total des sinistres S
MS (t) = MX1 (t):::MXn (t)
= e 1 (MB1 (t) 1) :::e n (MBn (t) 1)
P
n
i (MBi (t) 1)
= ei=1
P
n P
n
i MBi (t) i
= ei=1 i=1
P
n
i
T OT MBi (t) 1
T OT
= e i=1
P
n
où T OT = 1 + ::: + n. Alors, S obéit à une loi de Poisson composée de paramètres T OT ;
i
T OT
FBi .
i=1
Étant donné que S obéit à une loi composée, on peut écrire
8
< PN
Ck ; N > 0
S=
: k=1
0; N = 0;
où C1 ; C2 ; ::: sont identiquement distribuées comme la v.a canonique C, N P oisson( T OT = 1 + ::: + n ),
P n P
n
FC (x) = i
T OT
F Bi
(x) et M C (t) = i
T OT
MBi (t). On a donc que la v.a C obéit à un mélange des lois
i=1 i=1
de B1 ,...,Bn .
3.3. EXEMPLES 69
Exemple 3.22 On considère un portefeuille d’assurance de contrats IARD tel que le montant total des
sinistres du portefeuille est dé…ni par S = X1 + ::: + Xn , où Xi Binomiale Composee(ni ; qi ; FBi ). Soient
les hypothèses (restrictives) suivantes: qi = q et Bi B; i 2 f1; 2:::; ng. Si l’on suppose que Xi (i = 1; :::; n)
sont des v.a. indépendantes, identi…er la loi de S.
MS (t) = E etS
h i
= E et(X1 +:::+Xn )
= E etX1 :::E etXn
= MX1 (t):::MXn (t)
n1 nn
= (1 q1 + q1 MB1 (t)) ::: (1 qn + qn MBn (t))
n1 nn
= (1 q + qMB (t)) ::: (1 q + qMB (t))
n1 +n2 +:::+nn
= (1 q + qMB (t))
nT OT
= (1 q + qMB (t)) ;
où nT OT = n1 + ::: + nn . Alors, S obéit à une loi binomiale composée de paramètres (nT OT ; q; FB ). On peut
donc écrire la v.a S comme une somme aléatoire
8
< P N
Ck ; N > 0
S=
: k=1
0; N = 0;
Exemple 3.23 On considère un portefeuille d’assurance de contrats IARD tel que le montant total des
sinistres du portefeuille est dé…ni par S = X1 +:::+Xn , où Xi Binomiale N egative Composee(ri ; qi ; FBi ),
soit 8
< M Pi
Bi;k ; Mi > 0
Xi = ;
: k=1
0; Mi = 0;
où Mi Binomiale N egative (ri ; qi ). Soient les hypothèses (restrictives) suivantes: qi = q et Bi;k Bi ;
i 2 f1; 2:::; ng ; k 2 f1; 2; :::; Mi g. Si l’on suppose que Xi (i = 1; :::; n) sont des v.a. indépendantes, identi…er
la loi de S.
MS (t) = E etS
h i
= E et(X1 +:::+Xn )
= E etX1 :::E etXn
= MX1 (t):::MXn (t)
r1 rn
q q
= :::
1 (1 q) MB (t) 1 (1 q) MB (t)
rT OT
q
=
1 (1 q) MB (t)
où rT OT = r1 + ::: + rn . Alors, S obéit à une loi binomiale négative composée de paramètres (rT OT ; q; FB ).
70 CHAPITRE 3. MONTANT TOTAL DES SINISTRES POUR UN PORTEFEUILLE
1
T V aR0:85 (X1 ) = E X1 1fX1 >V aR0:85 (X1 )g + V aR0:85 (X1 ) (FX1 (V aR0:85 (X1 )) 0:85)
1
0:85
1
= E X1 1fX1 >V aR0:85 (X1 )g
1 0:85
1
= E X1 1fX1 >0g
1 0:85
1
= E [X1 ]
1 0:85
1
= (1000) (0:1)
1 0:85
= 666:67:
1
T V aR0:85 (S) = E S 1fS>V aR0:85 (S)g + V aR0:85 (S) (FS (V aR0:85 (S)) 0:85)
10:85
1
= E S 1fS>1000g + (1000) (FS (1000) 0:85)
1 0:85
1
= ((0:01) (2000) + (1000) (0:99 0:85))
1 0:85
= 1067 < T V aR0:85 (X1 ) + T V aR0:85 (X2 ) :
Dé…nition 3.28 Soit une mesure de risque . Le béné…ce de mutualisation, qui correspond au montant
épargné par l’agrégation de risques, est dé…ni par
n
!
X
B (S; X1 ; :::; Xn ) = (Xi ) (S) ;
i=n
P
n
où S = Xi .
i=1
Remarque 3.29 La mesure de risque V aR n’étant pas sous-additive, il peut arriver que le béné…ce de
mutualisation soit négatif.
Remarque 3.30 La mesure de risque T V aR étant cohérente et donc sous-additive, le béné…ce de mutual-
isation sous cette mesure de risque est toujours positif. Ceci fournit un argument supplémentaire favorisant
l’utilisation de la T V aR au lieu de la V aR .
Remarque 3.31 Soit une compagnie ABC composée de n lignes d’a¤ aires dont les coûts sont dé…nis par
P
n
les v.a X1 ; :::; Xn . Les coûts totaux pour la compagnie sont S = Xi . Pour calculer le capital économique
i=1
P
n
de la compagnie ABC, est-il préférable d’utiliser T V aR (Xi ) ou T V aR (S)? Il est préférable d’utiliser
i=n
P
n
T V aR (S) car T V aR (Xi ) ignore le bien fait de la mutualisation des risques ce qui conduira à un
i=n
capital économique trop élevé.
72 CHAPITRE 3. MONTANT TOTAL DES SINISTRES POUR UN PORTEFEUILLE
Une autre mesure permettant de connaître la santé …nancière d’un portefeuille est la mesure de solvabilité.
Celle-ci vise à évaluer la probabilité que le détenteur d’un portefeuille de risques rencontre ses engagements
au cours de la prochaine période. Dans ce cours, la mesure de solvabilité utilisée est la probabilité de ruine.
Dé…nition 3.32 On considère le portefeuille d’une compagnie d’assurance constitué des contrats X1 ; :::; Xn .
La prime associée au contrat i est désginée par i , i = 1; :::; n. Le motant total des sinistres pour le
P
n
portefeuille est S = Xi et le revenu total P T F . Un capital initial u est alloué au portefeuille. On dé…nit
i=1
la probabilité d’insolvabilité par
On doit donc connaître la fonction de répartition du montant total des sinistres FS pour évaluer n (u),
d’où l’importance d’être en mesure d’évaluer FS .
Remarque 3.33 La probabilité d’insolvabilité (ou probabilité de ruine) est un outil qui aide l’actuaire dans
l’évaluation et la gestion des risques. Elle sert notamment à véri…er si le niveau de capital alloué u au
portefeuille est su¢ sant, à véri…er si le niveau de prime est adéquat et à choisir la politique de réassurance
appropriée.
Sn
Wn = :
n
On examine donc le comportement de Wn par rapport au comporterment de X dans deux contextes di¤érents,
soit dans le cadre d’un regroupement de risques indépendants et de risques dépendants.
Sn
E [Wn ] = E
n
1
= E [Sn ]
n
1
= nE [X]
n
= E [X] :
3.5. MUTUALISATION DES RISQUES ET COÛTS PAR CONTRAT 73
Ceci signi…e que l’espérance du coût moyen est égale à l’espérance du coût pour un seul contrat et donc que
le nombre de contrats n’a aucun impact sur la part du risque global allouée à chaque contrat, soit
Sn
V ar (Wn ) = V ar
n
1
= V ar (Sn )
n2
1
= nV ar (X)
n2
V ar (X)
=
n
< V ar (X) :
On constate que la variance du coût moyen est inférieure à la variance du coût pour un contrat lorsque
le nombre de contrat dans le portefeuille est supérieur à 1. On a donc que la variabilité de la part attribuée
à chaque contrat diminue lorsque la taille du portefeuille s’accroît. On parvient à éliminer entièrement le
"risque" ou l’incertitude représentée par la variance de Wn par le regroupement de risques, soit
V ar (X)
lim V ar (Wn ) = lim = 0:
n!1 n!1 n
Ce phénomène est appelé l’e¤et de mutualisation des risques. Il repose sur l’hypothèse d’indépendance
entre les risques et a justi…é le fonctionnement de l’assurance à ses débuts. Traditionnellement, on disait que
le risque global de l’assurance était diversi…able. On appelle aussi ce risque le risque non systémique.
Sn
E [Wn ] = E
n
1
= E [Sn ]
n
1
= nE [X]
n
= E [X] :
On obtient le même résultat que pour un regroupement de risques iid, c’est-à-dire que le lien entre les
contrats n’a aucun impact sur l’espérance du coût moyen par contrat. Pour la variance du coût moyen, on
obtient dans ce cas-ci
Sn
V ar (Wn ) = V ar
n
1
= (nV ar(X) + n(n 1)Cov(X1 ; X2 ))
n2
V ar(X) 1
= + 1 Cov(X1 ; X2 ):
n n
74 CHAPITRE 3. MONTANT TOTAL DES SINISTRES POUR UN PORTEFEUILLE
De plus, lorsque n ! 1, on a
V ar(X) 1
lim V ar (Wn ) = lim + 1 Cov(X1 ; X2 )
n!1 n!1 n n
= Cov(X1 ; X2 ):
On observe que bien que la taille du portefeuille augmente, on ne parvient pas à éliminer entièrement le
risque inhérent à la variabilité de la part allouée. Ce risque résiduel correspond au risque non-diversi…able,
appelé aussi le risque systémique.
Remarque 3.36 Voir les exemples 3.22, 3.23, 3.24 (pages 122-125) de Marceau (2013).
Proposition 3.37 Inégalité de Markov Soit X une variable aléatoire prenant que des valeurs non néga-
tives avec E [X] < 1. Alors on a pour 8a > 0;
E [X]
Pr(X > a) :
a
Preuve. Soit X une v.a continue telle que E [X] < 1. Alors,
R1
E [X] = xfX (x)dx
0
Ra R1
= xfX (x)dx + xfX (x)dx
0 a
R1
xfX (x)dx
a
R1
afX (x)dx,
a
et par conséquent
R1
E [X] afX (x)dx = a (Pr(X > a)) ;
a
Proposition 3.38 Inégalité de Chebyshev Soit X est une v.a. telle que E [X] < 1 et V ar (X) < 1.
Alors pour toute valeur de k > 0 on a
p 1
Pr(jX E [X]j k V ar (X)) :
k2
(X E[X])2
Preuve. Soit Y = V ar(X) une v.a. prenant des valeurs non négatives. À l’aide de l’inégalité de Markov
avec a = k 2 , on a
E [Y ]
Pr(Y k2 )
k2
ou de façon équivalente
(X E [X])2 E (X E [X])2 1
Pr k2 = 2:
V ar(X) k 2 V ar(X) k
2
Étant donné que (XV ar(X)
E[X])
k 2 est équivalent à (X
p E[X]) k ou (X
p E[X])
k, on peut écrire
V ar(X) V ar(X)
p
jX E [X]j k V ar (X) qui conduit au résultat désiré.
Remarque 3.39 Les inégalités de Markov et Chebyshev permettent de trouver des bornes pour des proba-
bilités lorsque seulement la moyenne ou la moyenne et la variance de la distribution sont connues.
Remarque 3.40 Étant donné que l’inégalité de Chebyshev est valide pour tout choix de distribution de X,
la borne obtenue sur la probabilité est plutôt large, souvent trop élevée. Cette inégalité est toutefois un outil
théorique utilisé dans plusieurs résultats importants comme la loi des grands nombres.
Remarque 3.41 On utilisera l’inégalité de Chebyshev pour démontrer la nécessité de charger une prime
strictement supérieure à la prime pure a…n d’éviter la ruine avec certitude.
Proposition 3.42 Loi des grands nombres Soient X1 ; :::; Xn une suite de v.a. indépendantes et iden-
tiquement distribuées avec E [Xi ] < 1 et V ar [Xi ] > 0; i = 1; :::; n. Alors, pour 8" > 0, on a
X1 + ::: + Xn
lim Pr E [X] " ! 0;
n!1 n
ce qui correspond à
lim Pr (jWn E [X]j) " ! 0.
n!1
n"2
Si, pour 8" > 0 on dé…nit k tel que k 2 = 2 , on a
p 2
n"
Pr jWn j p
n n"2
et par conséquent
2
Pr (jWn j ") :
n"2
Donc pour tout " > 0 …xé, on a
2
lim Pr (jWn j ") lim ! 0:
n!1 n!1 n"2
Remarque 3.43 La loi des grands nombres dit donc que la probabilité que le coût moyen par contrat Wn
di¤ ère de son espérance de plus d’une très petite quantité " tend vers 0 lorsque le nombre de contrats dans
le portefeuille est très grand.
Proposition 3.44 On considère un portefeuille de n contrats d’assurance dont les coûts sont dé…nis par
les v.a indépendantes et identiquement distribuées X1 ; :::; Xn avec Xi X et E [Xi ] = E [X] < 1 et
V ar (Xi ) = V ar (X) < 1 pour i = 1; :::; n. On désigne par S les coûts pour l’ensemble du portefeuille et
par i , i = 1; :::; n; la prime pour le contrat i, où i = (1 + ) E [Xi ] et correspond à la marge relative de
P
n
sécurité. Soit la pobabilité d’insolvabilité n (u) = Pr S > u + i , où u est le capital initial. On a les
i=1
résultats suivants:
p p
Pr jS E [S]j > k V ar (S) = Pr S E [S] > k V ar (S)
p
+ Pr S E [S] < k V ar (S) ;
3.6. MUTUALISATION, LOI DES GRANDS NOMBRES ET NÉCESSITÉ D’UNE MARGE POSITIVE77
on peut écrire
p
n (0) = Pr S E [S] > k V ar (S)
p p
= Pr jS E [S]j > k V ar (S) Pr S E [S] < k V ar (S)
p
Pr jS E [S]j > k V ar (S) :
V ar (S)
= 2 2
E [S]
nV ar (X)
= 2 2
(nE [X])
nV ar (X)
= 2 2
(nE [X])
Ainsi, on a
p !2
1 1 1 V ar (X)
= 2
k2 n E [X]
1 1 2
= 2 (c) ;
n
p
V ar(X)
où c = E[X] correspond au coe¢ cient de variation. Alors, si > 0, on a
1 1 2
lim n (0) lim 2 (c) = 0:
n!1 n!1 n
(2) Soit < 0.
n
!
X
n (0) = Pr S > i
i=1
n
!
X
= Pr S > (1 + ) E [Xi ]
i=1
n n
!
X X
= Pr S > E [Xi ] + E [Xi ]
i=1 i=1
= Pr (S > E [S] + E [S])
= Pr (S E [S] > E [S])
Posons = et donc > 0. Alors,
et par conséquent
E[S]
où k = p . Par l’inégalité de Chebyshev, on a
V ar(S)
p
n (0) = 1 Pr jS E [S]j k V ar (S)
1
1
k2
1
= 1 2
E[S]
p
V ar(S)
nV ar (X)
= 1 2 n2 E 2 [X]
p !2
1 V ar (X)
= 1 2n E [X]
1 2
= 1 2n
c ;
p
V ar(X)
où c = E[X] correspond au coe¢ cient de variation. Alors, si < 0, on a
1 2
lim n (0) lim 1 2n
c = 1:
n!1 n!1
3.7. MUTUALISATION ET PRÉSENCE D’UN FACTEUR ALÉATOIRE COMMUN 79
(b)
m
X
E [X] = E [E [X j ]] = E [X j = j ] Pr ( = j)
j=1
80 CHAPITRE 3. MONTANT TOTAL DES SINISTRES POUR UN PORTEFEUILLE
(c)
V ar (X) = E [V ar (X j )] + V ar (E [X j ]) ;
où
m
X
E [V ar (X j )] = V ar (X j = j ) Pr ( = j)
j=1
h i
2
V ar (E [X j ]) = E (E [X j ]) E 2 [E [X j ]]
0 12
m
X m
X
2 @ A
= (E (X j = j )) Pr ( = j) E (X j = j ) Pr ( = j)
j=1 j=1
(d)
m
X
FS (x) = FSj = j
(x j j ) Pr ( = j)
j=1
(e)
E [S] = E [E [S j ]]
m
X
= E [S j = j ] Pr ( = j)
j=1
E [S] = E [E [S j ]]
= E [E [X1 + ::: + Xn j ]]
= E [nE [X j ]]
= nE [E [X j ]]
= nE [X] ;
V ar (S) = E [V ar (S j )] + V ar (E [S j ])
n
X
E [S j ] = E [X1 + ::: + Xn j ] = E [Xi j ] = nE [X j ] ;
i=1
étant donné que les v.a X1 ; :::; Xn sont identiquement distribuées. De plus,
n
X
V ar (S j ) = V ar (X1 + ::: + Xn j ) = V ar (Xi j ) ;
i=1
étant donné que les v.a X1 ; :::; Xn sont conditionnellement indépendantes. Les v.a X1 ; :::; Xn étant aussi
identiquement distribuées, on a
V ar (S j ) = nV ar (X j ) :
3.7. MUTUALISATION ET PRÉSENCE D’UN FACTEUR ALÉATOIRE COMMUN 81
Alors, pour des v.a X1 ; :::; Xn identiquement distribuées et (X1 j ) ; :::; (Xn j ) conditionnellement indépen-
dantes, on a
V ar (S) = E [V ar (S j )] + V ar (E [S j ])
= E [nV ar (X j )] + V ar (nE [X j ])
= nE [V ar (X j )] + n2 V ar (E [X j ]) :
Prendre note que V ar (S) >>> nV ar (X) = n (E [V ar (X j )] + V ar (E [X j ])).
Sn
Prenons le temps d’examiner le comportement du coût moyen par contrat, soit Wn = n , plus partic-
ulièrement le comportement de V ar (Wn ):
Sn
lim V ar (Wn ) = lim V ar
n!1 n!1 n
1
= lim V ar (Sn )
n!1 n2
1
= lim nE [V ar (X j )] + n2 V ar (E [X j ])
n!1 n2
1
= lim E [V ar (X j )] + V ar (E [X j ])
n!1 n
= V ar (E [X j ]) .
Ce terme, V ar (E [X j ]) correspond à la portion du risque que l’on ne parvient pas à éliminer suite à la
mutualisation des risques en présence d’un facteur aléatoire représentant les conditions environnementales.
Remarque 3.46 La variance de S se décompose en 2 termes: composante attribuée au risque diversi…able
(E [V ar (S j )]) et composante attribuée au risque non-diversi…able (V ar (E [S j ])).
Remarque 3.47 Le dé… de l’évaluation de
m
X
FS (x) = FSj = j
(x j j ) Pr ( = j)
j=1
réside dans l’évaluation de FSj = j (x j j ). Dans certains cas, on connait l’expression de FSj = j (x j j ),
fonction de répartition d’une somme de v.a conditionnellement indépendantes. Sinon, on utilise des méthodes
d’approximation pour évaluer FSj = j (x j j ) pour chaque j.
Exemple 3.48 On considère un portefeuille d’assurance temporaire 1 an dans une certaine région exposée
à des catastrophes climatiques. On dé…nit 2 f 1 ; 2 g où
: v.a. représentant la condition climatique pour l’année,
1 : conditions climatiques normales,
2 : conditions climatiques anormales.
De plus, Pr( = j ) = j où 1 = 0:8 et 2 = 0:2. Sachant que = j , on suppose que les v.a.
(I1 j = j ); :::; (In j = j ) sont conditionnellement indépendantes et (Ii j = j ) Bern( (j) ) où (1) =
0:001 et (2) = 0:01. (a) Trouver la fonction de masse de probabilité de Ii . (b) Trouver E [Xi ] et V ar [Xi ].
(c) Trouver E [S]. (d) Trouver V ar (S). (e) Trouver Pr(S = k b). (f ) À l’aide de l’approximation normale,
trouver Pr(S > REV ) si la prime par contrat est la prime pure majorée de 20%.
Solution. (a)
(1) (1) (2) (2)
Pr(Ii = 1) = Pr(Ii = 1 = ) Pr( = ) + Pr(Ii = 1 = ) Pr( = )
= (0:001) (0:8) + (0:01) (0:2)
= 0:0028
= q; 8i:
82 CHAPITRE 3. MONTANT TOTAL DES SINISTRES POUR UN PORTEFEUILLE
E [Xi ] = bE [Ii ]
= 0:0028b; 8i:
V ar (Xi ) = b2 V ar (Ii )
= b2 (0:0028) (1 0:0028)
2
= 0:002792b ; 8i:
(c)
Prendre note que la relation de dépendance entre I1 ; :::; In n’a aucun impact sur E [S]. (d)
On doit donc trouver la covariance entre deux risques, soit Cov(Xi ; Xk ), i 6= k. On propose deux approches
pour obtenir cette covariance. Selon l’approche no.1, on utilise la dé…nition de base de la covariance et on
conditionne pour trouver l’espérance du produit, soit
où
1 X
X 1
E [Ii Ik ] = ii ik Pr(Ii = ii ; Ik = ik ):
ii =0 ik =0
Les v.a Ii and Ik ne sont pas indépendantes alors Pr(Ii = ii ; Ik = ik ) 6= Pr(Ii = ii ) Pr(Ik = ik ). On doit
conditionner sur le facteur commun représentant les conditions climatiques, c’est-à-dire sur la v.a :
2
X
Pr(Ii = ii ; Ik = ik ) = Pr(Ii = ii ; Ik = ik j = j ) Pr( = j)
j=1
2
X
= Pr(Ii = ii j = j ) Pr(Ik = ik j = j ) Pr( = j)
j=1
car les v.a (I1 j = j ); :::; (In j = j ) sont conditionnellement indépendantes. Alors,
Donc,
E [Ii Ik ] = (0) (0) (0:9944208) + (0) (1) (0:0027792) + (1) (0) (0:0027792) + (1) (1) (0:0000208)
= 0:0000208
et par conséquent on a
Selon l’approche no.2, on conditionne directement sur la covariance entre les v.a de Bernoulli, soit
où Cov(Ii ; Ik j ) = 0 car (I1 j = j ); :::; (In j = j ) sont conditionnellement indépendantes. On sait que
(j) (1) (2)
(Ii j = j) Bern( ) ou = 0:001 et = 0:01;
(j)
et que Pr( = j ) = j ou 1 = 0:8 et 2 = 0:2. Alors, E [Ii j = j] = = h( j ) pour j = 1; 2 et donc
E [Ii j ] = h( ). On a donc
Cov(Ii ; Ik ) = b2 Cov(h( ); h( ))
= b2 V ar(h( ))
= b2 E h2 ( ) E 2 [h( )]
2 2
(1) (2) (1) (2)
= b2 ( 1) + ( 2) ( ( 1) + ( 2 ))
2
2 2
= b2 (0:001) (0:8) + (0:01) (0:2) ((0:001) (0:8) + (0:01) (0:2))2
= 0:00001296b2 :
84 CHAPITRE 3. MONTANT TOTAL DES SINISTRES POUR UN PORTEFEUILLE
Pour conclure, on a
n
X n X
X n
V ar(S) = V ar(Xi ) + Cov(Xi ; Xk )
i=1 i=1 k=1
i6=k
= nV ar(X1 ) + n(n 1)Cov(X1 ; X2 )
2
= (n) 0:002792b + n(n 1) 0:00001296b2 :
(e) On a S = bN où N = I1 + ::: + In est une somme de v.a. identiquement distribuées mais qui ne sont pas
indépendantes. Alors,
où (I1 + ::: + In j = j ) est une somme de v.a. de Bernoulli de paramètre j qui sont indépendantes et
identiquement distribuées. Ainsi, on a (I1 + ::: + In j = j ) Bin(n; (j) ) et par conséquent
(1) n (2) n
Pr(S = 0) = (1 ) ( 1) + (1 ) ( 2)
n n
= (1 0:001) (0:8) + (1 0:01) (0:2)
Pr(S = b) = Pr(N = 1)
X2
n (j) k (j) n 1
= ( ) (1 ) ( j)
j=1
1
n n
= ( (1) )k (1 (1) n 1
) ( 1) + ( (2) )k (1 (2) n 1
) ( 2)
1 1
n n
= (0:001)k (1 0:001)n 1 (0:8) + (0:01)k (1 0:01)n 1
(0:2)
1 1
= (1 0:001)n (0:8) + (1 0:01)n (0:2) :
Même chose pour k = 2; 3; ::::(f) On …xe la prime égale à = 1:2E [S] et l’on veut trouver Pr(S > REV ) =
1 Pr(S REV ). Pour ce faire, on doit appliquer l’approximation normale correctement, c’est-à-dire sur
des v.a. indépendantes. On sait que
2
X
Pr(S REV ) = Pr(S REV j = j ) Pr( = j)
j=1
où (REV j = 1) = 1:2E [S j = 1] et
E [S j = 1] = E [X1 + ::: + Xn j = 1]
= nE [X1 j = 1]
= (n) (b) E [I j = 1]
(1)
= (n) (b)
V ar (S j = 1) = V ar (X1 + ::: + Xn j = 1)
= nV ar (X1 j = 1)
= (n) b2 V ar (I j = 1)
(1) (1)
= (n) b2 (1 ):
Également,
!
(S j = ) E [S j = 2] (REV j = 2 ) E [S j = 2]
Pr(S REV j = 2) = Pr p 2 p
V ar(S j = 2 ) V ar(S j = 2 )
où (REV j = 2) = 1:2E [S j = 2] et
E [S j = 2] = E [X1 + ::: + Xn j = 2]
= nE [X1 j = 2]
= (n) (b) E [I j = 2]
(2)
= (n) (b) ;
V ar (S j = 2) = V ar (X1 + ::: + Xn j = 2)
= nV ar (X1 j = 2)
2
= (n) b V ar (I j = 2)
(2) (2)
= (n) b2 (1 ):
On a donc 0 1
(1)
B (S j = 1 ) (n) (b) C
Pr(S REV j = 1) = Br C
@ A
(1) (1)
(n) (b2 ) (1 )
0 1
(2)
B (S j = 2 ) (n) (b) C
Pr(S REV j = 2) = Br C
@ A
(2) (2)
(n) (b2 ) (1 )
et pour terminer
0 1 0 1
(1) (2)
B (S j = 1 ) (n) (b) C B (S j = 2 ) (n) (b) C
Pr(S REV ) = Br C+ Br C:
1 @ A 2 @ A
(1) (1) (2) (2)
(n) (b2 ) (1 ) (n) (b2 ) (1 )