2012 FR Memoire Adriensuru 0
2012 FR Memoire Adriensuru 0
2012 FR Memoire Adriensuru 0
Et
Electronique Météorologie
Adrien Suru
2011
Le rachat est l’un des risques majeurs du marché de l’assurance vie en France. Etant
intrinsèquement lié au comportement même des clients, il est dans le même temps l’un des
moins bien connus et donc l’un des plus redoutés. Ce mémoire propose d’améliorer notre
compréhension et notre connaissance de ce risque singulier. Etant également issu d’une
formation d’ingénieur généraliste, une rencontre originale entre ce domaine et l’actuariat y
est proposée, à travers la méthode dite de la pensée latérale qui consiste à trouver des
analogies avec des secteurs très différents, et à appliquer leurs meilleures techniques au
sujet qui nous intéresse. Le lecteur ne sera donc pas surpris de croiser, entre autres, des
notions de finance, de résistance des matériaux, de marketing, de physique ou encore de
médecine.
Dans une dernière partie, nous allons nous affranchir de la modélisation classique des
rachats et proposer de nouveaux modèles, issus chacun d’analogies avec des secteurs
différents. Nous justifierons dans chaque cas cette analogie et déroulerons le fil de cette
modélisation pour aboutir à des conclusions parfois très originales. Les limites de chaque
modèle seront précisées systématiquement. L’objectif est résolument ici d’apporter un
regard neuf.
Mots clés : rachat, rachats dynamiques, assurance vie, lois de comportement, Page | 3
Embedded Value, Vasicek, Black & Scholes, Chain-Ladder, régression logistique,
options et garanties.
Abstract
Surrenders account for one of the main risks of the French Life Insurance market.
Being per se linked to the very clients’ behavior, it is also one of the least known and thus
one of the most dreaded. This actuarial paper aims to improve our understanding and our
knowledge of this particular risk. Having been trained in a top French generalist engineering
school as well, an original mix between actuaries and engineering is proposed, through the
lateral thinking approach, which consists in identifying analogies with different sectors and
then applying their best practices to our own matter. The reader will not be surprised,
therefore, to cross, among others, concepts from finance, strength of materials, marketing,
physics, or medicine.
The recent in depth shifts in the regulatory framework in the insurance activity have
highlighted the surrender risk. First, the new IFRS (and more particularly the IFRS phase 2)
require to assess the insurance company’s liabilities as fairly and as accurately as possible,
and to include the cost of options and guarantees, one of which is surrenders. Then,
Solvency II introduces a split by risk in the calculation of the solvency capital requirement
and a new design for the assessment of reserves. The surrender risk is thus in the epicenter
of this new European regulation. Finally, the reinforcement of the MCEV as a reference
benchmark measure for the valuation of an insurance company emphasizes the cost of
options and guarantees, and therefore surrenders. Some other contextual events, such as
the historically low current level of interest rates, internal requirements or the related
strategic stakes, put surrenders in the limelight as well.
In a last part, we will free ourselves from this classic modeling of surrenders and
suggest new models, emerging from analogies with different sectors. We give for each the
justification and, going with the flow of these models, we will sometimes lead to astonishing
conclusions. The limits are systematically made clear. The aim is definitely here to take a
fresh look at surrenders.
Key words: surrender, dynamic surrenders, life insurance, behavior laws, Embedded Value,
Vasicek, Black & Scholes, Chain-Ladder, logistic regression, options and guarantees.
Page | 4
Synthèse
Ayant été formé également dans une grande école d’ingénieurs généraliste, une
rencontre originale entre l’actuariat et l’ingénierie est proposée, à travers la technique de la
pensée latérale, qui consiste à identifier des analogies de tout ordre avec des secteurs et des
domaines différents, puis d’en appliquer les meilleurs pratiques au sujet qui nous concerne.
Le lecteur ne sera donc pas surpris de croiser, entre autres, des notions de finance, de
résistance des matériaux, de marketing, de physique ou encore de médecine. La diversité
des champs mentionnés montre que les rachats renferment de multiples facettes.
Ainsi, dans un premier temps, nous tentons d’identifier les différents types de
comportements qui peuvent être observés sur notre portefeuille de produits. Nous utilisons
notamment un algorithme mathématique utilisé traditionnellement en marketing pour
Page | 5
segmenter les clients, le clustering, et concluons que le ratio de Sharpe constitue un
indicateur rationnel qui sépare les produits en trois groupes selon leur risque de rachat
potentiel : stable, erratique et intermédiaire.
Ensuite, nous proposons trois méthodes pour calculer le taux de rachat « best
estimate », caractéristique du niveau général de risque de rachat pour un produit. La
première modélise le taux de rachat par un modèle autorégressif (AR), qui est calibré aux
données. La théorie des modèles AR permet de donner, pour chaque produit, le
comportement théorique et le niveau que le taux de rachat devrait suive dans le futur. Une
généralisation est également proposée en incluant un facteur financier pour améliorer le
modèle, mais les résultats dépendent des produits. La seconde méthode utilise le modèle de
Vasicek. Il est en effet possible de calibrer ce dernier et de calculer le taux de rachat moyen
pour chaque produit. La troisième méthode est fondée sur des lois d’expérience et suppose
que le taux de rachat futur peut être directement estimé à partir des historiques de
données. Malgré les différences d’approches entre ces trois méthodes, les résultats sur les
taux de rachat sont cohérents.
En ce qui concerne le seuil au-delà duquel les rachats dynamiques sont activés, un
parallèle avec la résistance des matériaux est effectué, et plus particulièrement avec la
résistance à la rupture d’une poutre soumise à un effort de traction. En effet, la formulation
du problème est similaire. Dans un cas, tant que l’effort de traction reste raisonnable, la
poutre utilise ses propriétés élastiques pour absorber la contrainte, en revanche, la poutre
se brise dès que l’effort de traction atteint un seuil particulier, la résistance élastique. Dans
l’autre cas, tant que la différence entre les taux (notre « effort de traction ») reste assez
faible, les rachats structurels ne sont pas dynamisés, en revanche, si la différence augmente
jusqu’à un certain seuil, les rachats dynamiques sont activés. Ainsi, une « résistance
élastique » apparaît naturellement pour chaque produit, et peut définir le seuil d’activation
que nous recherchons. Ce modèle reproduit le raisonnement rationnel qu’un assuré
Page | 6
effectuerait. Il compare l’épargne dans un premier scénario sans rachat et où l’épargne
continue à grandir régulièrement au taux actuellement crédité, et un second scénario où
l’assuré rachète, impliquant des taxes et des chargements, mais investit ensuite à un
meilleur taux. Il introduit une prime de risque pour modéliser la barrière psychologique que
l’assuré ressent avant de racheter. Nous pouvons ainsi calculer, pour n’importe quelle valeur
de la différence de taux, le temps nécessaire pour que les épargnes des deux scénarios se
rejoignent. Cette durée sera considérée comme raisonnable si elle reste inférieure à un
certain seuil, situation dans laquelle l’assuré rachète pour tirer profit des opportunités de
marché. La différence de taux correspondante donne la valeur du seuil d’activation des
rachats dynamiques.
Les résultats montrent que cette nouvelle méthodologie resserre en général la plage
d’activation des rachats dynamiques.
Nous proposons ensuite des tests de sensibilité aux principaux paramètres d’entrée
du modèle. Enfin, nous donnons l’impact de ce nouveau paramétrage sur le coût des options
et garanties et donc sur la MCEV.
Les paragraphes précédents proposent une nouvelle méthodologie pour estimer les
paramètres de la modélisation actuelle des rachats dynamiques. Dans la prochaine étape,
nous nous affranchissons justement de cette modélisation classique et suggérons de
nouvelles pistes au service d’une meilleure compréhension des rachats. Au fil de l’eau, de
nombreuses analogies avec des domaines plus ou moins éloignés sont utilisées. Nous
donnons pour chacune la justification, si possible un calibrage avec les données et les
limites. En déroulant le fil de ces modèles, nous aboutirons parfois à des conclusions
étonnantes. L’objectif est résolument ici d’apporter un regard neuf sur les rachats.
La troisième idée est apparue à partir de la définition même d’un rachat. Il s’agit
d’une option, et la théorie financière de l’évaluation d’option pourrait s’avérer utile. Le
principal avantage de ce modèle est qu’il prend en compte l’incertitude sur le taux d’intérêt
Page | 7
et donc le risque financier apporté par le rachat. Nous définissons ainsi le payoff sous-jacent
et déroulons la théorie classique pour aboutir à une formule fermée en utilisant des modèles
simples pour le taux d’intérêt servant de benchmark. Cette approche s’avère très utile pour
obtenir un bon ordre de grandeur du taux de rachat.
Dans ce mémoire, nous avons, dans un premier temps, décrit le décor de notre étude
sur les rachats. Ensuite, nous nous sommes concentrés sur leur modélisation traditionnelle
actuelle et avons proposé des méthodes pour calculer et mettre à jour les paramètres sous-
jacents. Enfin, nous avons franchi les frontières de cette modélisation traditionnelle et
suggéré d’autres techniques provenant d’analogies avec d’autres secteurs. L’objectif était
d’adopter une approche originale de résolution de problème pour améliorer notre
connaissance d’un sujet stratégique, complexe, voire irrationnel.
Mots clés : rachat, rachats dynamiques, assurance vie, lois de comportement, Embedded
Value, Vasicek, Black & Scholes, Chain-Ladder, régression logistique, options et garanties.
Page | 8
Synthesis
This paper tackles the topical issue of modeling of surrenders. The latter account for
one of the main risks of the French Life Insurance market. Being per se linked to the very
clients’ behavior, it is also one of the least known and thus one of the most dreaded. This
actuarial paper aims to improve our understanding and our knowledge of this particular risk.
Having been trained in a top French generalist engineering school as well, an original
mix between actuaries and engineering is proposed, through the lateral thinking approach,
which consists in identifying analogies with different sectors or fields and then applying their
best methodologies and best cases to our own matter. The reader will not be surprised,
therefore, to cross, among others, concepts from finance, strength of materials, marketing,
physics, or medicine, showing that surrenders are definitely a multifaceted topic.
The recent in depth shifts of the regulatory framework in the insurance activity have
highlighted the surrender risk. Indeed, first, the new IFRS (and more particularly the IFRS 4
phase 2) require to assess the insurance company’s liabilities as fairly and as accurately as
possible, and to include the cost of options and guarantees, one of which is surrenders.
Then, in the Solvency II reform, the calculation of the solvency capital requirement is split by
risk before aggregation. Moreover, it introduces a new design for the assessment of
reserves. The surrender risk is thus in the epicenter of this new European regulation. Finally,
with the reinforcement of the MCEV as a reference benchmark measure for the valuation of
an insurance company, the cost of options and guarantees (and therefore surrenders), as a
part of the MCEV, are directly involved. Some other contextual events, such as the
historically low current level of interest rates, internal requirements and guidelines or the
related strategic stakes, put surrenders in the limelight as well.
According to the currently used modeling of surrenders, the total level of surrenders
should be assessed as the sum of structural surrenders, which may be observed in “normal”
economic conditions, and conjuncture surrenders, which depend on the gap between the
credited rate on the life insurance contract and a benchmark market rate. These latter
surrenders are modeled via a piecewise linear function, assuming that if the gap remains
within two boundaries, there is no conjuncture surrenders. However, if the gap is beyond
these boundaries, the surrenders increase or decrease linearly until a maximum or a
minimum rate. The latest Quantitative Impact Studies give values to the parameters of this
curve, but are mostly based on advisory opinion.
Thus, in a first step, we try to identify the different typical behaviors which can be
observed on our portfolio of products. We notably use a mathematical algorithm used
traditionally in marketing to segment the customers, clustering, and find that the Sharpe
ratio is a rational indicator which splits up in three groups our products according to their
potential surrender risk: stable, erratic and intermediate.
Page | 9
Then, we propose three methods to calculate the best estimate surrender rate,
representative of the general level of risk of surrender for a product. The first one models
the surrender rate via an autoregressive (AR) model, which is calibrated to fit the data. The
AR models theory gives, for each product, the theoretical behavior and level the surrender
rate should follow in the future. A generalization is also proposed by including a financial
factor to improve the model, but the results are quite disparate. The second method uses
the Vasicek model. It is indeed possible to calibrate the latter and assess the average
surrender rate of each product. The third one is based on experience laws, and assumes that
the future surrender rate can be calculated from its histories. Despite the differences
between these three methodologies, the results on the surrender rates are consistent.
Then, we update and assess the parameters of the dynamic surrenders curve for our
products, in line with the current classic modeling. The shape of the surrender rate history
invites us to consider the Vasicek model. This allows us to calculate the likely maximum
surrender rate related to a degree of confidence chosen so that the insurer keeps a “fortress
balance sheet”. This method offers many assets: it is possible to introduce several levels of
prudence by choosing adequate parameters. It is then easy to implement and gives results in
a very limited time. Moreover, since it is based on actual observed surrender rates, it allows
for different kinds of volatility, such as the operational one, and not only the financial one.
The impact of the recent crisis can also be isolated on these extreme risks, and the results
reveal that it did not systematically increase the surrender rates, the policyholders’ reaction
depending on the nature of the product. More generally, we can measure the aftermath of
any significant event by using only the related history to calibrate the model, and carry out
sensitivity tests. Furthermore, one of the main assets of this method is to take into account
the specificities of each individual product. Thus, the calculation of the likely maximum
surrender rate via the Vasicek model triggered, in general, a decrease of the value of this
parameter, even by using numerous levels of prudence.
Regarding the threshold beyond which dynamic surrenders are activated, a parallel is
drawn with the strength of materials, and more particularly the breaking strength of a beam
undergoing a traction effort. Indeed, the working out of the problem is quite similar. In one
case, as long as the traction effort remains reasonable, the beam uses its elasticity faculties
to absorb the effort, however, the beam breaks if the traction effort reaches a particular
threshold, called the elastic limit. In the other case, while the gap between the rates (our
“traction effort”) remains low enough, the surrender rate is not increased, however, if the
gap goes up to a particular threshold, then the dynamic surrenders are released. Thus, an
“elastic limit” appears naturally for each product, and can be used as the activating
threshold we are looking for. The model reproduces the rational reasoning a client would
follow. It compares the savings in a first scenario where there is no surrender and the
savings keeps on growing regularly at the current credited rate and a second scenario where
the client surrenders, triggering taxes and costs, but then invests at a better rate. It
introduces a risk premium to model the psychological barrier the client will feel before
surrendering. We can calculate, for any value of the gap between the rates, the time needed
to bridge the gap between the two scenarios. This time will be considered as reasonable if it
remains under a particular threshold, the client will then surrender to make the most of the
market. The corresponding gap between the rates gives the value of the activating threshold
of dynamic surrenders.
Page | 10
The shape of the curve giving this time for return on investment (ROI) according to
the gap between the rates is hyperbolic. The upper boundary of the activating range of
dynamic surrenders at which we hit the maximum surrender rate is thus defined as the gap
corresponding to the stagnation of the ROI time.
The results show that this new methodology tightens in general the activating range
of dynamic surrenders.
We propose then sensitivity tests for the main input parameters of the model.
Finally, we will give the impact of this new parameterization on the cost of options and
guarantees and therefore on the MCEV.
The previous paragraphs propose a new methodology to assess the parameters for
the current modeling of dynamic surrenders. In a next step, we precisely free ourselves from
this classic modeling and suggest new trails to a better understanding of surrenders. Along
the way, many analogies with more or less poles apart fields are designed. We give for each
the justification, if possible a calibration to fit to the data and its limits. Going with the flow
of these models, we will sometimes lead to astonishing conclusions. The aim is definitely
here to take a fresh look at surrenders.
The data history at our disposal seems to disclose the combined effect of a diffusion
process with a certain cyclical trend. We thus try to implement a Black & Scholes model with
a seasonal drift. It can be useful to study sophisticated aspects of surrenders on short term
projections.
The third idea arose from the very definition of a surrender. It is an option, and, as an
option, the financial theory on option valuation could be useful. The main asset of this model
is that it copes with the uncertainty of the interest rate, and thus allows for the financial risk
triggered by the surrender. We thus define the underlying payoff, and unwind the classic
theory to come out with a closed-form solution assuming simple models for the benchmark
interest rate. This approach turns out to be helpful to get an order of magnitude of the
surrender rate.
We come back to the insurance sector for the next methodology, but we stop over in
the non-life insurance land this time. Indeed, one of the main drivers of the surrender rate in
the French market is the age of the contract, because of the incentive fiscal thresholds of 4
and 8 years. Everybody will one day withdraw his savings. Thus, we can dress the very
insurance policy as an incurred but not reported (IBNR) claim. The inception date marks the
incidence date of the claim and the surrender marks its notification date. By organizing the
data within a triangle, we can then apply the Chain-Ladder methodology to forecast the next
surrender rates in the future. This traditional model will be appreciated if the insurer has a
wide database and in normal economic conditions.
Page | 11
The last model is based on logistic regression, a technique used in medicine or
econometrics to predict the probability of occurrence of an event, such as an illness or
voting intentions. We have to define a set of variables likely to explain the surrender rate,
and then apply the logistic regression. Numerous macroeconomic variables have been
collected, and the most correlated to the surrender rate have been chosen to be in the
model. We take the opportunity to find out the most influential variables on the clients’
behavior and the evolution of their explanatory strength through time. It is thus possible to
identify a recent refocusing of the clients’ interest on their daily life concerns, such as the
unemployment rate, the minimum salary, or the interest rate credited to their liquid assets,
replacing national indicators, the health of some speculative areas, or the situation of other
growth macro-engines. This model will be useful to track the surrenders behavior with the
evolution of the macroeconomic conditions.
In this paper, we have, in a first step, set the scene for our study on surrenders. Then,
we focused on their current traditional modeling and proposed methods to calculate and
update the underlying parameters. Finally, we went beyond the limits of this traditional
modeling and suggested appropriated techniques stemming from analogies with other
sectors. The aim was to adopt an original problem-solving approach to improve our
knowledge in a strategic and complex, verily irrational issue.
Key words: surrender, dynamic surrenders, life insurance, behavior laws, Embedded Value,
Vasicek, Black & Scholes, Chain-Ladder, logistic regression, options and guarantees.
Page | 12
Remerciements
Ils m’ont fait bénéficier d’une formation d’une très grande qualité, et je souhaite leur
adresser mes premiers remerciements.
Page | 13
Sommaire
Résumé .......................................................................................................... 3
Abstract ......................................................................................................... 4
Synthèse ........................................................................................................ 5
Synthesis ........................................................................................................ 9
Remerciements .............................................................................................13
Présentation du groupe Allianz .....................................................................16
Introduction ..................................................................................................20
PARTIE I - ASSURANCE VIE : ACTIVITE, CONCEPTS CLES, REGLEMENTATION ..21
1.1) L’activité d’assurance vie ................................................................................... 22
1.2) Réglementation en assurance vie ...................................................................... 36
1.2.1) Réglementation et comptabilité ..................................................................... 36
1.2.2) Réglementation actif – passif ......................................................................... 42
1.3) Outils de simulation d’un assureur .................................................................... 44
1.3.1) Outils d’analyse des flux de trésorerie ............................................................ 44
1.3.2) Outils déterministes....................................................................................... 47
1.3.3) Outils stochastiques ....................................................................................... 49
PARTIE II : GENERALITES SUR LES RACHATS, PRESENTATION DE LA
PROBLEMATIQUE ..........................................................................................52
2.1) L’option de rachat ............................................................................................. 53
2.1.1) Définition et cadre juridique ....................................................................... 53
2.1.2) Les risques pour l’assureur ......................................................................... 55
2.1.3) Comment le risque de rachat peut causer la faillite d’un assureur ............... 57
2.2) Un nouvel environnement réglementaire .......................................................... 59
2.2.1) Les normes IFRS.......................................................................................... 59
2.2.2) La réforme Solvabilité II .............................................................................. 61
2.2.3) La MCEV d’une compagnie d’assurance ...................................................... 65
2.3) Etablissement de la problématique ................................................................... 76
2.3.1) Un contexte économique particulier ........................................................... 76
2.3.2) Une modélisation à mettre à jour ............................................................... 76
PARTIE III : Mise à jour du paramétrage des rachats dynamiques ..................79
3.1) ALIM ................................................................................................................. 80
3.1.1) Aperçu global ............................................................................................. 80
3.1.2) Les inputs ................................................................................................... 84
Page | 14
3.1.3) Le modèle .................................................................................................. 85
3.2) Mise à jour des paramètres de rachats dynamiques : la méthodologie ............... 87
3.2.1) Modélisation ALIM actuelle des rachats dynamiques .................................. 87
3.2.2) Premières analyses ..................................................................................... 91
3.2.3) Nouveau paramétrage ...............................................................................106
3.3) Mise à jour des paramètres de rachats dynamiques : les résultats ....................148
PARTIE IV : Propositions de modélisation des rachats ................................. 152
4.1) Modèle de Vasicek ...........................................................................................153
4.2) Modèle de Black & Scholes saisonnier ..............................................................166
4.3) Vision évaluation d’option financière ...............................................................169
4.4) Triangles de Chain-Ladder ................................................................................172
4.5) Analyse macroéconomique ..............................................................................176
Conclusion .................................................................................................. 186
Annexes ...................................................................................................... 187
Bibliographie ............................................................................................... 217
Il est conseillé au lecteur familier avec les notions relatives au secteur de l’assurance vie de se
rendre directement en partie II. La partie I offre une vision de l’activité d’assurance vie et
rappelle les éléments techniques de base de ce secteur. La première section de la partie III
présente le modèle interne Allianz. Sa lecture, assez technique, n’est pas indispensable à la
compréhension de la suite du mémoire.
Page | 15
Présentation du groupe Allianz
En 2010, le chiffre d’affaires (CA) s’est élevé à 106,5 milliards d’euro1, dont la moitié a
été réalisée en Europe, pour un résultat opérationnel de 8,2 milliards d’euro. Le groupe se
classe ainsi dans les 25 premières sociétés mondiales en termes de chiffre d’affaires et est le
2ème plus important gestionnaire d’actifs mondial.
Les secteurs d’activité sont très variés : Allianz aide par exemple plus de 5 millions de
clients en micro-assurance en Inde, en Indonésie et en Afrique, assure le plus long tunnel
ferroviaire du monde, Gotthard, en cours de construction en Suisse, et assure la plupart des
productions cinématographiques d’Hollywood.
Page | 16
1
Source : Documents internes Allianz [25].
réparations, …), santé, prévoyance (accident de la vie, décès, invalidité, …), assurance vie,
retraite, services bancaires (crédits, livret A, …). Allianz répond également aux besoins des
professionnels et des entreprises en matière de protection de l’outil de travail, de pérennité
de l’entreprise, de protection du salarié et du chef d’entreprise, de responsabilité de
l’entreprise et des dirigeants, etc.
2) Eléments de stratégie
Allianz se positionne sur les grands défis mondiaux du XXIème siècle : réchauffement
climatique, évolution de la démographie, gestion des risques financiers, en adaptant ses
produits pour y faire face.
Allianz est considérée comme l’une des entreprises les plus éthiques au monde.
Page | 17
Répartition du portefeuille
d'investissement Notation des obligations
2%
100% 4%
Autres/liquidités AAA
10%
(7,6 Mds€)
80% AA
Immobilier (8,7
60% Mds€) 46% A
40% Actions (33,0 26% BBB
Mds€)
20% 12% <BBB
Obligations
(395,6 Mds€) Non noté
0%
3) Allianz France
Allianz France présente une force de proximité particulière auprès de ses 4,6 millions
de clients particuliers et de ses 500 000 clients entreprises, avec plus de 2 000 agents
généraux, 2 500 conseillers Allianz Finance Conseil, 350 conseillers en prévoyance santé et
1 200 courtiers partenaires. Ses 2600 points de vente en font le 2 ème réseau français.
Afin d’assurer une offre complète, Allianz en France est constitué de 6 sociétés :
Allianz France
Cet assureur généraliste a plus de 5 millions de clients et génère 11,49 Mds d’€ de
chiffre d’affaires.
Présent dans 26 pays, AGCS assure les grands risques d’entreprises, les projets de
construction et les spécialités telles que la marine, l’aviation ou le risque spatial. Avec 20%
de part de marché de ce segment en France, AGCS France pèse 16% du chiffre d’affaires
total d’AGCS monde avec 616 millions d’euros de CA.
2ème gérant d’actif mondial par le total des encours avec 1 518 Mds d’€, AGI France
gère 77 Mds d’€ d’actifs, parmi lesquels 6,4 Mds d’€ sont en lien avec l’Investissement
Socialement Responsable.
Page | 18
Mondial Assistance
Présent dans 28 pays, c’est le leader mondial de l’assistance. 21% de son CA est issu
de la France, soit 400 millions d’€ pour 1,4 million de cas gérés.
Euler Hermes
Page | 19
Introduction
Pour quelles raisons ce risque de rachat fait-il l’objet d’une attention toute
particulière de nos jours ? La première explication vient de la situation économique actuelle :
les taux d’intérêt étant historiquement bas, les compagnies d’assurance anticipent une
remontée des taux et donc une recrudescence des rachats exercés par leurs clients. Une
deuxième raison réside dans le changement de comportement des assurés observé suite à la
crise en matière de rachat : malgré une baisse du taux de rachat après la crise, ce dernier
semble repartir à la hausse sur les derniers mois, et les modèles des assureurs doivent être
mis à jour. Enfin, la réglementation actuelle, notamment les normes IFRS, la réforme
Solvabilité II et la création de la Market Consistent Embedded Value, incitent vivement les
acteurs du marché de l’assurance à évaluer et modéliser au plus juste les rachats sur leur
portefeuille.
Page | 20
PARTIE I - ASSURANCE VIE : ACTIVITE, CONCEPTS CLES,
REGLEMENTATION
INTRODUCTION
Une des caractéristiques de l’actuariat en assurance vie parmi les plus enrichissantes,
mais également parmi les plus complexes, est sa très forte interaction avec tous les aspects
relatifs à l’activité d’assurance : aspects humains, techniques, financiers, juridiques,
commerciaux, comptables, etc. Ceci suppose donc une connaissance du fonctionnement
d’une entreprise d’assurance dans sa globalité. Il serait impossible de recenser ici toutes ses
dimensions, mais nous allons commencer par donner les définitions de base et décrire
l’environnement réglementaire et comptable actuel de l’activité d’assurance en lien avec le
sujet de ce mémoire. Nous insisterons notamment sur les interactions actif/passif.
Page | 21
1.1) L’activité d’assurance vie
Du point de vue bilan, l’actif réel d’une entreprise d’assurance est principalement
constitué de placements, et le passif réel des engagements à l’égard des assurés (ce sont les
provisions techniques). La différence entre ces actifs et ces passifs est appelée la situation
nette, ou capitaux propres, et doit être positive. L’entreprise doit en effet être à tout instant
en mesure de répondre de ses engagements.
Actif Passif
Placements Capitaux Propres
Provisions Techniques
Créances Dettes
Du point de vue compte de résultat, les produits d’une entreprise d’assurance sont
principalement constitués des primes versées par les assurés et des revenus des placements
financiers. Les charges sont majoritairement les prestations et les frais de fonctionnement
de l’entreprise.
Le fait que le prix de vente de l’opération d’assurance (montant de la prime) est
connu et encaissé avant que le prix de revient (montant du sinistre) ne soit connu et
décaissé permet une lecture particulière du bilan. Dans une entreprise classique, l’activité
nécessite certains actifs (immobilisations et stocks), et le passif du bilan montre comment
l’entreprise les a financés. On peut lire le bilan de gauche à droite et voir comment l’actif a
été financé par le passif. Dans une entreprise d’assurance, l’activité amène à une
constitution du passif, et l’actif montre comment l’entreprise a utilisé les fonds reçus et
comment elle pourra payer ses engagements. La lecture peut se faire de droite à gauche en
voyant comment le passif a été couvert.
Page | 22
Exemple
On peut dès à présent donner un premier exemple : le contrat d’épargne, part
importante des engagements vie. Deux types de contrats sont distingués :
ceux qui, en contrepartie d’une prime de 100 € plus frais, garantissent
au terme de 10 ans un capital de 100 € majoré d’intérêts issus d’un taux minimum
garanti (3 % par an par exemple) et de participations aux bénéfices.
ceux qui, en contrepartie d’une prime de 100 € plus frais,
correspondant à la valeur de 3,86 parts (par exemple) de la SICAV X, garantissent au
terme de 10 ans 3,86 parts de cette même SICAV X, l’assuré espérant une
progression de la valeur de la part.
Dans le premier cas, l’assureur va par exemple investir dans des obligations
(rapportant par exemple 5 % par an), obtenant ainsi un différentiel positif lui permettant de
faire face à des événements défavorables et d’espérer un bénéfice (dont 85 % au moins
doivent être toutefois reversés réglementairement aux assurés, comme nous le verrons plus
loin). Dans le second cas, l’assureur achète par exemple 3,86 parts de la SICAV X, le
différentiel positif étant les chargements prélevés sur la prime.
la temporaire décès
0
Temps
Prime Terme
Décès
Page | 23
2
Voir Le Le Vallois F., Tosetti A., Palsky P., Paris B. [13]
Exemples : en cas de décès du chef de famille, un capital est versé à la veuve ou aux
enfants. Il s’agit d’une temporaire décès. Ce type de garantie se rencontre aussi dans les
contrats d’assurance emprunteur qui prévoient en cas de décès de l’assuré-emprunteur le
versement au prêteur (le banquier) du capital restant dû.
la vie entière
0
Temps
Prime
Décès
Exemples : ce type de garantie se rencontre dans les contrats dont l’objet est de
faciliter le paiement des droits de succession ou des frais générés par le décès (frais
d’obsèques). Cette garantie peut être utilisée pour transmettre un capital à un bénéficiaire
quel qu’il soit (et donc pas forcément un héritier naturel).
Le capital différé
Un capital est versé à un bénéficiaire (en général l’assuré) si ce dernier est toujours
en vie au terme du contrat.
Versement d’un capital en
cas de vie de l’assuré
0
Temps
Prime Terme
Page | 24
la rente viagère
La durée de la garantie (que ce soit par exemple la garantie d’un capital en cas de
décès ou d’une rente en cas de vie) peut être temporaire ou illimitée si elle ne s’éteint qu’au
décès de l’assuré.
La garantie de rente viagère peut être à effet immédiat (la première période de
versement d’arrérages commence dès la souscription) ou à effet différé (la première de
versement débute après un certain délai, à la retraite par exemple). La rente peut être à
durée temporaire (après une certaine durée les versements de rente sont interrompus
même si l’assuré est en vie) ou à durée illimitée (les versements de rente s’interrompent
seulement au décès de l’assuré).
Arrérages
0
Temps
Différé
Décès
Prime
La combinaison de garanties est possible. Une rente est par exemple une succession
de capitaux différés. Une mixte est un contrat d’assurance dans lequel l’assureur s’engage à
verser un capital, en général à l’assuré lui-même, au terme s’il est toujours en vie (capital
différé), et à verser le même capital à un tiers au moment du décès si celui-ci survient avant
le terme du contrat (temporaire décès).
Page | 25
Temporaire décès
Versement d’un capital
0
Temps
Prime Terme
Décès
0
Temps
Prime
Terme
=
Versement d’un capital en Versement d’un capital en
Mixte cas de décès cas de vie de l’assuré
0
Temps
Prime Terme
Décès
Pour rendre le produit plus attractif commercialement, l’assureur peut proposer des
garanties complémentaires (maladie, chômage, etc.).
On distingue ensuite les contrats à prime unique (versement en une seule fois, en
principe à la souscription), les contrats à primes périodiques (échéancier prévu au contrat,
généralement annuel), et les contrats à versements libres.
On distingue également les assurances individuelles et collectives.
Page | 26
Il y a plusieurs causes de sortie de contrat : sinistre, terme, rachat (le contractant
reçoit la Provision Mathématique, notion définie un peu plus loin), résiliation ou transfert.
Tarification
Le tarif de ces produits d’assurance varie énormément en fonction du type de
contrat. Le principe de base consiste à dire que la ou les primes encaissées doivent
permettre de financer dans le futur les coûts des prestations. Autrement dit, les flux de
l’assuré et les flux de l’assureur doivent s’équilibrer. Cet équilibre doit tenir compte du fait
que les flux futurs doivent être actualisés pour avoir leur valeur d’aujourd’hui, et des
probabilités que ces flux soient versés (une temporaire décès sans le décès de la tête
assurée ne donne pas lieu au versement du capital). On obtient alors la Valeur Actuelle
Probable (VAP) d’un flux futur en multipliant ce flux par le facteur d’actualisation et par sa
probabilité de réalisation.
La prime pure doit résulter de l’égalité entre la VAP des flux générés par l’assuré et la
VAP des flux versés par l’assureur. On doit y ajouter les frais de gestion, d’acquisition, la
rémunération des fonds propres (versement de dividendes), ce qui donne la prime
commerciale.
Le taux d’actualisation utilisé, également appelé taux d’intérêt technique, doit être
calculé selon une règle de prudence du point de vue de l’assureur. Ce taux est régi par le
Code des Assurances. La probabilité de versement des flux est déterminée à partir des tables
de mortalité, qui donnent âge par âge, le nombre de survivants au sein d’une population de
100 000 personnes généralement. Ces données sont fournies par l’INSEE, mais il est
préférable qu’elles soient créées à partir des bases clients de la société d’assurance. Ceci
offre l’avantage d’avoir des tables qui reflètent plus finement la clientèle particulière de
l’assureur. Elles doivent être dans ce cas homologuées par un actuaire certifié.
Exemple
Où les termes représentent les probabilités que l’assuré soit en vie à la date h.
Page | 27
rendement que l’assureur espère obtenir de l’investissement des sommes reçues des
assurés.
A l’inverse, l’estimation du rendement espéré d’un contrat d’assurance s’effectue
traditionnellement après avoir fixé une base technique réaliste, constituée de la table de
survie reflétant correctement la mortalité des assurés, et du taux d’intérêt que l’assureur
s’attend à recevoir de ses investissements. Cette base réaliste représente ainsi le scénario
attendu par l’assureur, et en donne une évaluation du type « best estimate ».
La prime pure ∏ est calculée à partir des données prudentes en égalisant les VAP, ce
qui donne :
Pour la prime commerciale, l’assureur ajoute les frais de gestion et d’acquisition qui
dépendent de l’entreprise elle-même et du produit.
A une date ultérieure t, cette égalité n’est généralement plus respectée. On définit
alors la provision mathématique (PM) d’un contrat par
Page | 28
Dans l’exemple précédent,
Cette dernière formule exprime une condition d’équilibre actuariel entre les
disponibilités (premier membre de l’équation) et les engagements (second membre) de
l’assureur pour l’année et pour un contrat en portefeuille en début d’année. La
quantité est appelée somme sous risque. Elle représente la dépense de l’assureur en
cas de décès non couvert par les provisions mathématiques.
Un exemple de gestion pour les contrats en unités de compte (voir un peu plus loin)
est donné en annexe 3.
En assurance vie, l’assureur se doit à tout moment, sur simple demande de rachat de
l’assuré, de rembourser ses droits acquis. La valeur des droits acquis est égale à la PM
constituée pour son contrat (éventuellement minorée d’une pénalité de rachat d’au plus 5%
de la PM et nulle au-delà de 10 ans). Certains contrats ne sont pas susceptibles d’exercices
de rachat. Ainsi, le rachat d’une rente viagère en cours de service constitue un risque d’anti-
sélection, et est d’ailleurs interdit (sinon, tous les rentiers se sachant gravement malades
demanderaient le rachat immédiat).
Les avantages fiscaux sont très importants. L’assurance vie est le placement préféré
des français pour leur épargne à long terme. Ce succès résulte de la qualité des produits
proposés par les assureurs et par les avantages fiscaux. L’épargne est constituée en franchise
d’impôt, les plus-values sont exonérées d’impôt sur le revenu et la transmission successorale
bénéficie d’intéressantes exonérations fiscales.
Page | 29
Les opérations d’assurance sont exonérées de la TVA, mais font l’objet d’une taxe
spécifique exprimée en pourcentage des primes. Les contrats sur l’assurance vie humaine
sont exonérés de la taxe d’assurances, et ce depuis le 1er juillet 1990. Depuis 1996, les
versements effectués pour des contrats à primes périodiques bénéficient de réductions
d’impôts.
Contrats d’épargne
Les contrats en euro se caractérisent par le fait que leur garantie s’exprime en euro
(éventuellement en devises étrangères). Cette garantie se traduit toujours pour l’assureur
par un engagement de taux de rendement envers ses clients (éventuellement égal à 0%).
Par exemple, l’assuré vers 1 000€ (plus chargements), que l’assureur s’engage à
rémunérer à 3%. A la fin de la première année, l’épargne acquise sera de 1 030€ au moins.
Viennent en sus les participations aux bénéfices.
Les contrats en unité de compte (UC) se caractérisent par une garantie exprimée par
un nombre d’unités de compte (action, obligation, OPCVM, etc.). Cette garantie se traduit
pour l’assureur par l’obligation de fournir un nombre de titres à l’assuré, sans s’engager sur
la valeur de ces titres.
Par exemple, l’assuré verse 1 000€ (plus chargements) avec lesquels l’assureur achète
des parts de la SICAV X, valant 100€ à cette date. L’assureur s’engage à verser à toute date la
valeur de 10 parts de la SICAV X, que la valeur soit à la hausse ou à la baisse.
Il n’y a pas d’obligation de participation aux bénéfices sur les contrats en UC.
Remarque : On peut d’ores et déjà se dire qu’a priori, les contrats en unités de
compte ne font pas supporter de risque financier à l’assureur. Cependant, leur succès
commercial est dépendant de la santé des marchés financiers des unités de compte. On
constate d’ailleurs que la production massive d’unités de compte coïncide avec les modes
Page | 30
financières. Les unités de compte immobilières ont connu un essor commercial dans les
années 80, mais ont pratiquement disparu depuis le krach immobilier de 1990.
Les contrats multisupports sont formés par la juxtaposition d’un contrat en euro et
d’un contrat en unités de compte. Ils se caractérisent également par un taux de distribution
aux assurés des produits financiers (généralement entre 85% et 100%) sur la partie en euro,
et un prélèvement sur encours (généralement entre 0% et 2% de la PM) qui peut différer
selon les supports.
Contrats de retraite
Contrats de prévoyance
Ces contrats ont pour objet la couverture des risques de décès, avec des différences
selon que le décès résulte d’une maladie ou d’un accident, et des risques d’arrêt de travail et
d’invalidité. Ces contrats présentent des caractéristiques très constantes dans le temps, et
ressemblent davantage aux assurances non-vie, et font ainsi l’objet d’études plutôt
statistiques.
Page | 31
Autres contrats
Les risques financiers sont très importants. Ils dépendent du type de contrat
(euro/UC).
Pour les contrats en euro, le risque de change est présent lorsque la garantie et les
actifs sont exprimés dans des devises différentes.
Le risque de signature (aussi appelé risque de défaut) est lié à la solvabilité des
émetteurs de titres financiers, et de la perception de cette santé par les marchés. Il peut
Page | 32
même arriver que le marché change globalement d’attitude vis-à-vis de l’ensemble des
émetteurs privés. Dans ce cas, l’écart entre les taux des emprunts d’Etat et les taux des
emprunts obligataires augmente, c’est le spread de signature* (ou spread de défaut). Il
convient d’assurer une diversification minimale des placements. Afin d’augmenter leur
sécurité financière, la plupart des assurances ont mis en place des règles internes de ce point
de vue.
Le risque de taux est un risque très important en assurance vie. Nous aurons
l’occasion d’y revenir dans les parties suivantes. Nous allons en donner un premier aperçu ici
afin d’en ressentir les enjeux. Il s’agit des risques liés aux variations des taux d’intérêt sur le
marché obligataire. On peut dès à présent noter que les sociétés d’assurance devant faire
face à des garanties importantes, ils doivent posséder une part importante d’obligations
dans leurs investissements afin d’assurer un revenu sûr, fiable et permanent.
12500
12000
Montant
11500
Valeur de l'engagement
11000
Valeur des placements
10500
10000
0 1 2 3 4 5 6 7 8
Année
Page | 33
risque de hausse des taux
A l’inverse, le risque de hausse des taux est le risque d’avoir à céder des obligations
avant leur remboursement, alors que ces obligations sont en moins-value par rapport à leur
prix d’achat. Il s’agit d’un risque de liquidation.
Si le taux rémunérateur devient supérieur au taux d’intérêt de l’obligation, cette
dernière est moins intéressante, et donc sa valeur de marché baisse. Si les engagements
envers les assurés arrivent à échéance avant le remboursement des obligations détenues par
l’assureur, il faut liquider (vendre) ces actifs obligataires, et réaliser une moins-value. Ceci
peut survenir notamment à cause du droit des assurés de racheter leur contrat, en
récupérant la PM, comme on l’a vu plus haut.
Nous verrons plus loin qu’il existe une réserve permettant de répondre à ce
problème, appelée la réserve de capitalisation.
Prenons l’exemple d’un contrat de 8 ans où un assuré verse 10 000€, et reçoit un
taux minimum garanti annuel de 3%. A la souscription, le taux d’intérêt est de 3,5% et
l’assureur investit la prime dans des zéro-coupons de durée 15 ans. Le taux augmente
brutalement à 4,5% juste après l’acquisition des zéro-coupons. Le rendement comptable des
placements est supérieur au taux garanti, mais au bout des 8 ans, il faut combler la
dépréciation des titres due à la hausse des taux. L’assureur ne peut faire face à son
engagement.
Le graphique suivant montre que la hausse des taux et la non-adéquation de la durée
des placements avec celle du contrat conduit l’assureur à une insuffisance d’actif. Un
phénomène analogue peut également se produire : en voyant les taux augmenter à
l’extérieur, l’assuré peut demander à racheter son contrat et réinvestir dans des placements
plus avantageux, ce qui amène l’assureur dans la même situation.
Année
Il semble souhaitable de faire correspondre la durée des obligations avec celles des
contrats, mais nous avons vu que la possibilité de rachat anticipé ne permet pas une mesure
Page | 34
fiable de la durée des engagements du passif. Pour les durées de contrat très longues (> 15
ans pour les rentes viagères), il est pratiquement impossible de se munir et de gérer un
portefeuille obligataire de durée équivalente.
Pour les contrats en UC, le risque de marché est en principe entièrement assumé par
les assurés, qui disposent d’une certaine quantité de parts. En revanche, l’assureur est
d’abord confronté à un risque de renonciation : le client peut en effet, dans les 30 jours qui
suivent l’adhésion, demander le remboursement intégral des primes qu’il a versées, ce qui
peut poser problème à l’assureur en cas de forte baisse des marchés.
Il existe également un risque d’illiquidité : à la fin du contrat, l’assureur doit verser la
contre-valeur en euro des titres placés. Dans un cas de crise financière (par exemple crise
immobilière des années 90), il peut se confronter à l’impossibilité de céder ces titres sur le
marché. Une des seules solutions consiste à utiliser les fonds propres des contrats en euro,
ce qui n’est cependant pas sain pour la société. En théorie, ce risque ne porte que sur l’euro.
Le risque financier peut se traduire par la non-adéquation actif/passif, c’est-à-dire la
différence entre la valeur des engagements et les actifs.
Des risques opérationnels peuvent également survenir au moment des passages
d’ordre par exemple. Un risque juridique est aussi présent et est lié à la complexité des
produits.
D’autres éléments peuvent également faire courir un risque à l’assureur. Il s’agit des
options cachées. Il s’agit d’un terme générique qui regroupe les garanties ou les droits variés
donnés aux assurés par le contrat ou la réglementation pour rendre les contrats d’assurance
plus souples et attractifs. Ils ne donnent pas lieu à une provision spécifique. Ces options
cachées peuvent être parfaitement inoffensives comme très dangereuses. Parmi elles, on
peut citer
la renonciation
C’est la faculté légale donnée aux assurés de reprendre leur investissement et mettre
fin à leur contrat.
le rachat
Il permet au client de disposer de tout ou partie de leur épargne disponible avant la
fin normale du contrat.
la réduction
C’est le droit du client de renoncer au versement des primes futures.
Page | 35
Remarque : Le terme « option » ne doit pas laisser penser qu’on peut évaluer la
valeur de ces options, par exemple par la formule de Black et Scholes. Les obstacles sont en
effet nombreux : absence de marché organisé des contrats d’assurance (pas de « prix »
négociable d’un contrat d’assurance), la non-liquidité des contrats (on ne peut pas arbitrer
avec d’autres solutions d’épargne), la complexité des sous-jacents, et la non-rationalité
(attachement à l’intermédiaire, clients qui ne quitteront pas leur contrat même si ses
conditions sont peu avantageuses, etc.).
Il existe dans les contrats d’assurance des options cachées dont la comptabilité ne
correspond pas au coût réel ou même supposé. Même en l’absence de telles options, il
existe une différence entre les fonds propres comptables et la richesse réelle d’une société
d’assurance.
FP
Plact
Provisions techniques Prov.
Actif Passif
Le code des assurances énonce plusieurs règles concernant le calcul des provisions
mathématiques.
elles doivent permettre de respecter l’intégralité des engagements de
l’assureur, qui doivent eux-mêmes être évalués de manière prudente (montant
supérieur au montant payé en moyenne par l’assureur et connu a priori, et
supérieur au montant payé en définitive, connu a posteriori).
elles sont calculées en brut de réassurance : la part des réassureurs
n’est pas déduite des engagements pris par l’assureur.
elles sont calculées pour chaque contrat à partir de données
techniques au moins aussi prudentes que celles utilisées pour tarifer le contrat.
Page | 36
Le taux minimum garanti (TMG) doit être inférieur à 75% du TME pour les contrats à
prime unique de durée d’au plus 8 ans, et inférieur à max(3,5%, 60% du TME) pour les autres
contrats3.
Lorsqu’il est fixé annuellement, la réglementation autorise un TMAA (Taux Minimum
Annuel Annoncé) de 85% de la moyenne sur les deux derniers exercices des rendements
financiers de l’assureur. Le TMG peut également varier annuellement sur 8 ans maximum en
fonction d’un taux benchmark observé sur le marché, à condition que la moyenne des
rendements des actifs sur les 2 derniers exercices soit supérieure à 4/3 du TMG de la
première année.
Les entreprises d’assurance vie doivent faire profiter leurs assurés de leurs bénéfices,
en contrepartie des tarifs prudents exercés par la profession. Tous les contrats sont
concernés sauf les assurances collectives en cas de décès, et les contrats en UC. Le code des
Assurances prévoit, de façon simplifiée, une participation aux bénéfices (PB) des assurés
égale au minimum à 85% des résultats financiers et 90% des autres résultats.
Cependant, aucune règle n’impose une quelconque répartition de la PB. Le calcul de
PB se fait au niveau compagnie (en sommant sur tous les portefeuilles) et est ensuite
redistribué et librement affecté à telle ou telle catégorie d’assurés, souvent en fonction
d’impératifs commerciaux. En France, les assureurs disposent d’un délai de 8 années pour
affecter ces excédents contrat par contrat. Ils peuvent ainsi mettre de côté leurs profits
exceptionnels d’une année afin de compenser plus tard une très mauvaise année par
exemple. Il existe pour cela une réserve, appelée Provision pour Participation aux Excédents
(PPE ou UAR en anglais), qui permet de lisser la distribution des résultats financiers. En effet,
sans cette réserve, une année exceptionnelle provoquerait la distribution de bonus
importants aux clients, qui attendront l’année suivante un bonus du même calibre.
L’assureur serait ainsi confronté à une certaine variation de « l’humeur » des assurés.
FP
Plact
Placements d’actifs Prov.
Page | 37
3
Voir Befec Price Waterhouse [14]
Les placements en représentation des engagements doivent répondre à
Il est interdit de spéculer avec l’argent des assurés. Les assureurs sont priés de
privilégier les entités solvables et les actifs liquides. Sont exclus notamment de la liste des
actifs les œuvres d’art et les matières premières. Les placements doivent être localisés dans
l’Union Européenne. Des règles de diversification minimum ont également été mises en
place.
Les actifs doivent pouvoir être vendus rapidement, pour répondre notamment aux
engagements à court terme.
La liste des placements autorisés a été révisée plusieurs fois, et accueille maintenant
les actions de société à capital variable (SICAV), les parts de fonds communs de placements
(FCP), etc.
A toute date, les engagements réglementés doivent être représentés par des actifs
au moins équivalents en valeur.
Règle de congruence
Les engagements pris dans une monnaie doivent être représentés par des actifs
réalisables dans la même monnaie (20% de leurs engagements peuvent ne pas respecter
cette règle). Une dérogation est tolérée dans le cas où la société doit détenir dans une
monnaie des actifs dont le montant est inférieur à 7% de l’actif total dans les autres
monnaies.
Le poids des actions ne doit pas dépasser 65% de l’actif total. Parmi ces actions, la
part des actions d’entreprises étrangères d’assurance ou de capitalisation ayant leur siège
hors OCDE, les actions non cotées, les titres d’assurance mutuelle, les parts de FCP à risque
et de FCP dans l’innovation et certaines OPCVM ne doit pas dépasser 5% de l’actif total.
L’immobilier ne doit pas dépasser 40% de l’actif total.
Les prêts et créances ont un poids d’au plus 10% de l’actif total.
Les primes ou soultes versées ou reçues pour la mise en place d’un instrument
financier à terme est d’au plus 0,5% de l’actif total.
Page | 38
Règles de dispersion (limitation par émetteur)
L’ensemble des titres et prêts d’un même organisme ne peut dépasser 5% de l’actif
total.
Les parts immobilières ne peuvent excéder 10% de l’actif total.
Des dérogations peuvent être apportées au cas par cas.
Les actifs peuvent être évalués selon plusieurs manières selon leur utilisation. En
France, le bilan des entreprises doivent faire figurer la valeur comptable, ou book value
(BV), des actifs lors de leur entrée dans le patrimoine, c’est-à-dire leur valeur d’achat. Les
frais accessoires (commissions, courtages, etc.) sont comptabilisés en charges.
Avec l’arrivée des nouvelles normes, les actifs sont évalués par leur valeur de
réalisation, ou valeur de marché, ou market value (MV). C’est par exemple le dernier cours
coté d’une action, ou la valeur d’expertise d’un immeuble. Les actifs correspondants aux
contrats en UC sont toujours comptabilisés à leur market value.
Un exemple de calcul de MV d’une obligation est donné en annexe 4.
Les produits des placements peuvent venir directement de leurs revenus (coupons,
dividendes), ou de la réalisation d’UCGL, c’est-à-dire de la vente de titres.
Page | 39
ses obligations en réalisant une plus-value distribuée aux actionnaires, et réinvestir dans des
obligations au rendement désormais inférieur. La RDC est là pour éviter ce type de pratique.
C’est l’analogue de la PRE (pour les actions notamment) appliquée aux obligations.
Le processus de fonctionnement de la réserve de capitalisation est le suivant :
1)connaître le taux de rendement actuariel initial des obligations vendues, 2)déterminer la
valeur de l’obligation au moment de la vente en prenant comme hypothèse le taux
précédent, 3)doter (resp. reprendre) la RDC si la différence entre le prix de cession et la
valeur de l’obligation avec le taux initial est positive (resp. négative) du montant de cette
différence. Ce processus est obligatoire pour la dotation comme la reprise.
FP
Plact
Fonds propres et marge de solvabilité Prov.
Actif Passif
Cette section présente le cadre réglementaire aujourd’hui en vigueur pour le calcul
des fonds propres, Solvabilité I.
Page | 40
Opérations d’assurance vie décès :
Où CSR représente les capitaux sous risque, a est le rapport des PM nettes de cession
de réassurance aux PM brutes de cession, et b le rapport entre le montant des CSR après
cessions et le montant des CSR bruts de cession. On doit avoir obligatoirement a > 85%,
et b > 50%.
Une compagnie ayant une PM d’1 milliard d’euro sans capitaux sous risque doit par
exemple disposer d’au moins environ 40 millions d’euro de fonds propres.
Idem que précédemment mais sans CSR (on garde seulement le premier terme).
Les fonds propres peuvent ainsi être séparés entre la partie allouée au minimum
réglementaire et le surplus de capital.
Excès de
FP
Plact capital
Prov.
EMS
Actif Passif
Pour conclure cette partie sur la réglementation, précisons que les règles imposées
aux assureurs que nous avons vues précédemment ont pour objet de protéger les assurés
comme les assureurs. Elles ne sont cependant pas suffisantes car elles laissent une grande
responsabilité aux entreprises (rien n’indique par exemple qu’un assureur doive être
réassuré, ce qui est indispensable car il peut être susceptible de garantir un sinistre
dépassant largement ses capitaux propres).
Page | 41
1.2.2) Réglementation actif – passif
La PM doit être dotée de 115 421-109 273 = 6 148€ à l’année 3 afin d’atteindre les
122 987€ de l’année 7.
Une autre réserve est la provision globale de gestion (PGG), qui sert à financer
l’ensemble des charges futures des contrats qui ne sont pas couvertes par les chargements
d’acquisition et les chargements sur produits financiers. Il est d’usage de regrouper les
contrats de même nature afin d’avoir une provision commune égale à la valeur actuelle des
charges de gestion futures diminuée de la valeur actuelle des ressources futures issues des
contrats.
Les produits financiers considérés ici sont une part des PM de l’exercice (part égale à,
pour chaque exercice futur, 75% du TME pendant les 5 années suivant l’exercice considéré
et 60% du TME au-delà pour les obligations, et 70% du rendement hors plus-values du
portefeuille obligataire de l’exercice et des 2 exercices précédents pour les autres actifs). Les
charges correspondent aux frais d’administration, de gestion des sinistres, etc.
Page | 42
L’assureur achète 1 000 obligations de nominal 100€, de coupon 4% et de durée résiduelle 7
ans. Au terme de la première année, les taux d’intérêt ayant baissé, l’obligation est cotée
105,4€. Le taux actuariel est désormais de 3%. L’assureur prend la décision de vendre ses
obligations, en réalisant une plus-value de 5,4€ sur chacune et distribuée aux actionnaires,
et réinvestit 100 000€ dans les mêmes obligations de nominal 100€, de coupon 4% et de
terme 6 ans. Il en achète donc 948. Un an plus tard, l’assuré décide de racheter son contrat,
qui doit recevoir 106 090€. Au même moment, les taux ayant remonté, l’obligation cote à
nouveau à 100.
En l’absence de RDC, l’assureur a gagné 4 000€ la première année (les coupons) qui
ont été réinvestis dans des coupons à 3%. Au bout de la deuxième année, l’assureur a gagné
3 792€ (4%*100*948 pour les coupons) + 120€ (3%*4 000 pour les produits financiers de la
première année réinvestis) + 94 800€ (vente de 948 titres à 100€). Il dispose de 102 712€,
insuffisant pour payer l’assuré.
Avec la RDC, l’assureur doit calculer la valeur des obligations cédées la première
année avec le taux initial de 4%, soit 100€. Il dote ainsi la RDC de 5 400€. Lorsque l’assuré
rachète son contrat, il vend ses obligations 100€. La valeur de l’obligation au taux de
rendement actuariel de départ est de 104,6€. L’assureur effectue une reprise sur la RDC d’un
montant de (104,6 – 100)*948=4 361€. Finalement, l’assureur dispose au total de 107 073€
(102 712 + 4 361), suffisant pour régler les 106 090€.
Depuis la fin des années 90, la réglementation impose aux sociétés d’assurance
d’évaluer les risques financiers auxquels ils sont exposés. Plus précisément, les effets des
événements suivants sont quantifiés (à titre d’exemple) :
hausse du taux zéro-coupon d’emprunt d’Etat à 10 ans de 200 et 400
points de base (1 pdb = 0,01%)
baisse du même taux de 100, 200 et 300 pdb
baisse de 10%, 20%, 30% et 40% de la MV des actions
idem pour les actifs immobiliers
pour les contrats en euro, il est tenu compte des taux simulés, après
une baisse de 30 pdb au titre des charges de gestion.
Page | 43
1.3) Outils de simulation d’un assureur
Nous avons vu jusqu’à présent les principes majeurs qui régissent l’activité
d’assurance vie. La complexité de son fonctionnement nécessite l’implémentation d’outils
visant à projeter dans l’avenir le comportement de l’entreprise, à travers l‘évolution de son
bilan, de son compte de résultat, de ses provisions techniques, de ses primes, etc., l’assureur
ayant en effet le besoin de prévoir le comportement notamment de son actif et de son passif
dans les décennies à venir.
Nous allons présenter dans cette partie les différents types d’outils dont l’assureur
dispose à ce sujet.
Dans la projection des flux de l’actif, on somme sur toutes les périodes les cash-flows
issus des revenus financiers du portefeuille (intérêts, loyers, dividendes, coupons, etc.). Dans
la projection des flux du passif, on somme sur toutes les périodes les cash-flows issus des
contrats (TMG, dates d’échéance, rachats, décès, etc.). La différence ente ces deux valeurs,
appelée flux net, donne pour chaque période l’excédent ou l’impasse de trésorerie en
fonction de son signe positif ou négatif.
Flux d’actif
FP
Plact temps
Prov.
Flux de passif
Actif Passif
Une technique classique d’équilibre actif – passif consiste à regrouper les contrats
par groupe dans lesquels les taux sont semblables, puis de trouver un portefeuille d’actif de
rendement équivalent pour chacun de ces groupes. Il est également possible de regrouper
les passifs selon d’autres critères que le rendement. Dans une société d’assurance, quel que
soit le critère retenu, un tel groupe est appelé canton*, auquel on affecte les provisions et
les cash-flows associés.
La valeur des actifs et des passifs est en théorie égale à la valeur de leurs cash-flows.
On pourrait ainsi sommer et actualiser ces flux et trouver la valeur actuelle de l’actif et du
passif (en pratique, ce n’est pas si évident, car il existe une marge d’erreur importante sur la
prévision des cash-flows).
Page | 44
En regroupant les contrats par cantons, on peut donc en principe obtenir des groupes
de valeur actuelle nette nulle. Cependant, cet équilibre est très sensible aux conditions de
marché, et il faut réviser la composition du portefeuille très fréquemment.
Sensibilité de l’actif
Une étude très importante repose sur l’analyse de la sensibilité de l’actif, et
notamment des obligations par rapport aux variations de taux. On rappelle l’expression de la
valeur B d’une obligation de taux actuariel r et payant des flux :
C’est une mesure de la durée moyenne d’attente pour percevoir les flux de
l’obligation.
Si on envisage un changement Δr du taux, on a l’approximation
Soit
Lorsque les cash-flows sont positifs, la sensibilité est bien négative (quand les taux
montent, la valeur de l’obligation baisse).
On a la relation
Si par exemple, une obligation cote 94,213€, avec une duration de 5,306 ans et un
taux actuariel de 6,184%, on a , soit . En cas
de hausse des taux de 10 points de base, le prix diminue de 0,471€.
La duration d’un portefeuille d’obligations peut être définie comme la moyenne des
durations des titres qui composent le portefeuille pondérées par la valeur de marché de ces
titres. Dans le cas simple d’un portefeuille contenant une unité de chaque obligation, la
duration est la moyenne des durations des titres du portefeuille pondérées par leurs prix.
Page | 45
Cette procédure n’est pas parfaitement correcte dans la mesure où l’utilisation de la
duration repose sur l’hypothèse que les taux actuariels des différentes obligations subissent
tous la même variation (cas des déplacements parallèles de la courbe des taux).
Un calcul plus fin de la sensibilité par rapport au taux peut être nécessaire pour les
fortes variations de r. On pousse alors le développement limité jusqu’au deuxième ordre :
avec
On a ainsi
Pour les autres actifs (actions, immeubles, etc.), la sensibilité au taux est existante,
mais la variance des taux n’explique qu’une faible partie de la variance des cours.
Sensibilité du passif
La sensibilité de l’actif que nous avons vue précédemment supposait des flux fixes,
indépendants des taux de marché. En revanche, les passifs d’assurance vie cachent bien
souvent des options complexes détenues par les assurés. Dans l’exercice de ces options, le
comportement du client sera influencé par la valeur des taux de marché, ce qui en pratique
signifie que les cash-flows du passif vont dépendre de ces taux, et la théorie précédente
n’est plus applicable. Pour de faibles variations, cette difficulté peut être ignorée. Aussi, il est
parfois possible d’encadrer les cash-flows projetés entre des bornes inférieures et
supérieures. Par exemple, l’assureur peut envisager un taux de rachat incompressible de 3%
par an, quelle que soit la valeur des taux, et considérer un taux de rachat maximum de 15%
par an (il y aura toujours des clients qui ne souhaiteront pas demander la procédure de
rupture de leur contrat).
Page | 46
Au final, si on arrive à égaliser la sensibilité de l’actif et celle du passif en partant
d’une valeur actuelle nette nulle, on parvient à s’immuniser contre le risque de taux.
Le grand inconvénient de ces outils réside dans leur approche statique. En effet, les
bénéfices générés par les contrats futurs ne sont pas pris en compte, et cette méthode sous-
évalue certains risques financiers. C’est le cas en particulier des contrats où les assurés
peuvent verser librement des primes. Dans ce cas, les caractéristiques de l’actif vont être
modifiées en fonction du contexte financier.
Ces outils ne permettent donc pas de traiter les problèmes actuels auxquels sont
confrontées les assurances.
Les modèles déterministes sont des modèles de simulation, ils projettent l’évolution
des actifs et des passifs période par période en appliquant un scénario déterministe qui
décrit l’évolution des marchés financiers de manière arbitraire (chroniques prévues sur
plusieurs périodes). Il ne s’agit plus de mesurer seulement la valeur actuelle nette, mais de
projeter l’intégralité des variables sujettes à des cash-flows (primes, provisions, rachats,
décès, etc.) qui vont évoluer selon le contexte financier et le comportement des clients.
A l’aide de simulations déterministes, il est possible de tester différentes politiques
de rémunération des assurés par l’assureur, et différentes stratégies d’allocation d’actifs. La
réalisation de tels modèles demande la traduction informatique de l’intégralité de
l’activité de l’assurance en termes de résultats comptables et de chroniques prévisionnels.
En quelque sorte, ces modèles « vieillissent » la société d’assurance dans son ensemble. La
capacité des tableurs est dépassée, et il faut avoir recours à des outils de simulation
spécialisés (et donc très conséquents et coûteux) dans la reproduction de l’actif et du passif.
Nous reviendrons plus loin sur celui qui est utilisé au sein d’Allianz France par les actuaires.
Les modèles peuvent aussi prendre en compte l’arrivée de nouveaux contrats au fil
du temps.
Ces outils fonctionnent itérativement sur un certain nombre de périodes : ils partent
du stock connu d’actif et de passif au temps tn-1, et calculent les résultats comptables et
financiers qui se déroulent pendant la période n. Ceci est fait à partir des données exogènes
(scénario économique, comportement des assurés notamment), et des interactions
endogènes (alimentation de la réserve de capitalisation en fonction des résultats sur les
obligations par exemple). Interviennent ensuite la participation aux bénéfices des assurés et
les derniers ajustements. On obtient ainsi les résultats comptables et financiers, et le
nouveau stock d’actif et de passif à la fin de l’année n. Ces données constituent les valeurs
initiales pour la période suivante.
Des interactions fines peuvent être implémentées dans ces outils, par exemple une
fonction de comportement reliant le taux de rachat de la période n avec le taux de
Page | 47
rémunération du contrat de l’année n-1 et son ancienneté. Ceci crée des interactions sur les
calculs effectués sur les actifs et sur les passifs. De plus, il devient possible de décider la
composition de l’actif. Selon le modèle, la description de la politique financière est plus ou
moins détaillée. Il faut au moins traiter canton par canton la répartition par grandes classes
d’actifs (actions, cash, obligations, immobilier, etc.), et la durée des investissements
obligataires. On appelle cette décision l’allocation stratégique des actifs. Cette allocation
peut être fixe ou dynamique. Une fois le portefeuille déterminé, le scénario financier permet
de trouver son rendement. Du point de vue passif, il faut alors choisir le taux servi aux
assurés, qui ne peut pas être durablement supérieur au rendement du portefeuille. D’un
point de vue stratégique, la question est très intéressante : le marché de l’épargne étant très
concurrentiel, la fixation du taux servi est un élément clé de la compétitivité de l’entreprise.
En cas de mauvaise année, faut-il privilégier le maintien de la compétitivité en continuant à
servir un taux élevé, ou au contraire protéger ses fonds propres ? Conserver une marge
bénéficiaire invariante pour l’assureur aura un impact direct et défavorable sur la
production, les rachats, etc. Le comportement des clients est en effet sensible à l’écart entre
le taux servi et le taux de la concurrence.
Remarque : Pour les sociétés qui gèrent des portefeuilles aux très grands encours,
comme Allianz, les actifs et les passifs sont cantonnés. Les modèles calculent alors
l’évolution des provisions techniques sur la base d’une modélisation matricielle (montant de
chaque provision par canton et par période). Modéliser contrat par contrat l’évolution des
provisions serait extrêmement coûteux en temps. Dans le cas d’Allianz, où les actifs et les
passifs sont cantonnés, les simulations demandent déjà plusieurs heures de calcul…
Choix du scénario
Le scénario utilisé dans le modèle est choisi par l’utilisateur. Le premier scénario qui
vient à l’esprit est celui de la continuité de ce qui existe aujourd’hui. On considère que les
marchés financiers suivent la tendance actuelle sans forte variation. Il s’agit du scénario
central, correspondant à une situation stable des marchés.
Des scénarios catastrophes peuvent également être mis en place afin de connaître le
comportement de la société en cas de sinistre majeur, dans l’optique de prévenir et limiter
les dommages occasionnés. D’importantes baisses ou hausses des taux sont simulables, de
même que des krachs boursiers.
Exemples d’applications
Page | 48
Un modèle déterministe permet également de chiffrer les conséquences de la
réalisation d’UCGL. En effet, si on réalise des plus-values sur des actions par exemple, le
stock des plus-values latentes diminue, ce qui augmente le risque d’avoir à alimenter la PRE
(constituée, on le rappelle, des moins-values latentes sur les actions et immeubles
notamment). De plus, le montant de revenus distribuable augmente, ce qui provoque une
augmentation du revenu de l’assuré à travers la PB (participation aux bénéfices).
Les modèles déterministes ne permettent d’effectuer des simulations que sur un seul
scénario, qui représente l’évolution de l’ensemble des paramètres du marché (taux à
plusieurs échéances, valeur des indices, taux de change, etc.). Théoriquement, la probabilité
qu’un tel scénario se réalise est 0. Cependant, en supposant que ces paramètres de marché
suivent des processus stochastiques, il est alors possible de définir une densité de
probabilité pour chacun d’entre eux. L’objectif des outils stochastiques est d’utiliser la
méthode de Monte-Carlo afin d’estimer les lois de probabilité.
Page | 49
comportement des clients (les modifier individuellement dans chaque scénario serait trop
fastidieux). Elle doit notamment faire transparaître une hausse des rachats en cas de hausse
des taux obligataires. De façon générale, il est difficile d’avoir une approche purement
théorique sur l’exercice des options par la clientèle.
Le problème est le même pour la politique de l‘assureur : il n’est pas envisageable de
modifier manuellement les décisions financières et commerciales de la compagnie en
fonction de la conjoncture (investissements, réalisation de plus-values, taux servis, etc.). Il
est suffisant dans un premier temps notamment, de projeter les résultats avec une politique
d’allocation d’actifs fixe dans le temps. De même, la politique commerciale (taux servis aux
assurés), la politique de résultat (bénéfices et dividendes versés) et la tactique comptable
(réalisation de plus ou moins-values, dotation ou reprise de la RDC, de la PRE, etc.)
interagissent de façon très complexe. Une méthode consiste à simuler ces politiques en
fixant des objectifs de rendement comptable, eux-mêmes calculés en fonction d’objectifs de
compétitivité (taux servis) et d’objectifs de résultats pour l’assureur. Le modèle calcule alors
pour chaque période la quantité de plus ou moins-values qu’il est nécessaire de réaliser pour
atteindre ces objectifs, le tout en respectant la réglementation (PB, etc.).
L’utilisation d’outils stochastiques permet d’autres avancées importantes,
notamment en matière de mesure de risque. En simulant le comportement de la société sur
de nombreux scénarios, on peut déterminer un certain nombre d’indicateurs de risque. Un
indicateur très utilisé est la valeur en risque ou value at risk (VaR), qui est définie comme la
valeur qui est dépassée par une certaine variable à une certaine fréquence, et qui peut être
calculée à partir d’un grand nombre de scénarios. Par exemple, une VaR à 99,93% pour le
montant du revenu d’investissement des actions de l’année de projection 1 peut être
déterminée de la façon suivante. On génère 100 000 scénarios à 1 an, qui donnent 100 000
résultats de revenu d’investissement sur les actions. La VaR est le montant du revenu
d’investissement classé 70ème sur les 100 000 en ayant classé les résultats par ordre
croissant. C’est un outil de management très utilisé en l’assurance vie, notamment pour
étudier la valeur des capitaux propres dans un très grand nombre de scénarios, et prévoir la
stratégie à adopter en cas de scénario catastrophe.
20.00%
VaR à 99,5%
15.00% FP
Plact
10.00% Prov.
5.00% Actif Passif
0.00%
-40
-50
-30
-20
-10
10
20
30
40
Résultat (M€)
Page | 50
CONCLUSION
Page | 51
PARTIE II : GENERALITES SUR LES RACHATS, PRESENTATION
DE LA PROBLEMATIQUE
INTRODUCTION
Nous allons dans un premier temps introduire les notions relatives au sujet cœur de
ce mémoire, les rachats dynamiques, notamment sa définition et les points de vue respectifs
de l’assuré et de l’assureur. Nous présenterons ensuite le contexte dans lequel cette étude
est menée et en préciser la problématique ainsi que les objectifs recherchés.
Page | 52
2.1) L’option de rachat
2.1.1) Définition et cadre juridique
Définition
Le rachat est une option permettant à l’assuré, lorsqu’il l’exerce, de retirer tout ou
partie de son épargne à tout moment avant la date d’échéance prévue au contrat (on parle
respectivement de rachat total et de rachat partiel).
Le Code des Assurances stipule que la valeur de rachat brute est égale à la provision
mathématique (PM) de son contrat à la date du rachat. Dans un contrat d’épargne classique,
ce montant de PM correspond à l’épargne atteinte.
Cette option peut être vue comme un call américain dont le sous-jacent est la valeur
courante de la PM. En revanche, cette modélisation court-circuite la complexité du produit
d’assurance sous-jacent, notamment toutes les autres options implicites, le comportement
de l’assureur et de l’assuré, ou encore l’historique des taux de rémunération distribués. Elle
n’est pas entièrement suffisante et satisfaisante pour son évaluation.
Cadre juridique
La loi exclut le droit au rachat dans certains types de produits énumérés dans l’article
L132-23 du Code des Assurances4 (voir annexe 5). En particulier, tous ceux présentant un
risque d’anti-sélection ne sont pas rachetables, comme les produits en rente par exemple.
En effet, parmi les nouveaux rentiers, ceux qui se savent gravement malades demanderaient
à racheter immédiatement leur contrat, car la PM vaut ( étant le niveau de rente)
Le second terme correspond à la somme que l’assuré sait qu’il ne récupèrera pas car
il décèdera avant la date du décès prévue lors de la tarification. Il aurait donc intérêt à
racheter, faussant ainsi la méthode de tarification de l’assureur. C’est la raison pour laquelle
ceci est interdit par la loi.
Pour les contrats autorisant le rachat, l’assureur ne peut refuser l’option dès lors que
15% des primes ont été versées ou lorsque deux primes annuelles ont été payées. De plus
l’article R132-2 précise que « L'assureur peut d'office substituer le rachat à la réduction si la
valeur de rachat du contrat est inférieure à la moitié du montant brut mensuel du salaire
minimum de croissance applicable en métropole, calculé sur la base de la durée légale
hebdomadaire du travail, en vigueur au 1er juillet précédant la date à laquelle la réduction
est demandée. »
Page | 53
4
Voir Code des Assurances [1]
Notons également que le droit au rachat appartient à l’assuré, mais pas aux
bénéficiaires, à moins que l’assuré décède. En cas de demande de rachat, l’assureur doit
verser la valeur de transfert dans un délai qui ne peut excéder 2 mois.
L’article R331-5 stipule que la pénalité appliquée par l’assureur lors du rachat ne peut
excéder 5% de la valeur de la PM, et qu’elle doit être nulle si la date de souscription est
antérieure de 10 ans ou plus à la date de rachat.
Cadre fiscal
C’est le cadre fiscal qui explique l’attrait tout particulier que portent les Français à
l’assurance vie. Nous en détaillons ci-dessous ses caractéristiques.
En cas de rachat partiel ou total, seule la part constituée des plus-values est imposée.
L’assuré a le choix de l’inclure dans sa déclaration de revenus ou de laisser l’assureur
appliquer les règles de prélèvement libératoires.
Page | 54
5
Voir Fiscalité de l’assurance vie [17]
Imposition des plus-values
Date Date à
Montant du
d'ouverture de laquelle a été
versement à
l'assurance- réalisé le
l'origine Contributions
vie versement Abattement Taux d'imposition
sociales
Jusqu'au Sans
Sans incidence
01/01/1983 incidence
Exonération d’impôt sur les
Aucun
intérêts
Jusqu’au
< 30 490 €
25/09/1997
8,2 % au titre de
la CSG
Du 26/09/1997 Pour les assurances- Intégration des intérêts +
Jusqu’au vie de plus de dans le revenu imposable 0,5 % au titre de
au ≥ 30 490 €
25/09/1997 8 ans : (rubrique la CRDS
31/12/1997
« valeurs et capitaux +
mobiliers - montant brut 2,2 % au titre du
À partir du 4 600 € pour une
des revenus n'ouvrant pas prélèvement
01/01/1998 personne social
droit à un abattement »).
seule +
9 200 € pour un couple ou
0,3 % au titre du
marié Prélèvement libératoire de : CAPS
+
Abattement annuel 1,1 % pour le
Sans 35 % si la durée de
(toutes assurances-vie l'assurance-vie est financement
Tous les incidence du RSA
À partir du confondues) sur le inférieure à 4 ans
versements montant des plus-
26/09/1997 15 % pour un retrait
values imposables si
effectué
intégration aux
entre la 4e et la 8e année
revenus (ou en crédit
d’impôt 7,50 % après la 8e année
si PL).
Notons qu’à partir du 1er octobre 2011, les prélèvements sociaux passeront de 12.3%
à 13,5% suite aux mesures prises par le Premier Ministre François Fillon.
Page | 55
Mettons-nous maintenant à la place de l’assureur. Plusieurs risques sont à prendre
en compte :
Les assureurs vie proposent la plupart du temps un taux minimum garanti (TMG) sur
leurs contrats. Aujourd’hui, les TMG sont souvent nuls. Ils versent en sus un complément de
rémunération au titre de la participation aux bénéfices. Envisageons alors deux scénarios
après la signature d’un contrat.
L’assureur doit délivrer au moins le TMG, et l’assuré est ravi car il a le sentiment que
son contrat est plus intéressant que le marché, ce qui limite les rachats.
L’assuré voit une rémunération potentielle plus intéressante sur le marché que son
contrat. Pourtant, l’assureur peut verser au-delà du TMG (participation aux bénéfices), mais
pas de manière contractuelle, ce qui fait que psychologiquement, l’assuré est tenté de
racheter son contrat pour l’investir ailleurs sur le marché. L’assureur doit alors vendre ses
actifs pour effectuer le versement de la prestation. Etant donné qu’il possède une grande
partie de son investissement en obligations et que leur valeur baisse en cas de hausse des
taux, il va réaliser des moins-values. De plus, la rentabilité des contrats restant en
portefeuille va diminuer, de même que leur attractivité auprès des clients.
Page | 56
Activation des rachats
5,0%
4,0%
3,0%
TMG
2,0%
Taux distribué
1,0%
Taux marché
0,0%
1 2 3 4 5 6 7 8 9
Année
Il convient de remarquer de plus que les rachats sont ou peuvent être freinés par un
certain nombre de facteurs :
Dans les années 50, les entreprises d’assurance vie réalisent d’importants profits, en
raison d’un taux de mortalité effectif plus favorable que celui utilisé pour la tarification des
produits, et de l’évolution des taux d’intérêt rendant propices les investissements
obligataires. En revanche, les fonds de pension, n’étant pas limités réglementairement par le
poids des actions dans leur portefeuille d’investissement, réalisent des bénéfices meilleurs
et sont plus compétitifs. Les entreprises d’assurance vie perdent ainsi petit à petit leur part
de marché dans le secteur. Voyons comment la compagnie vie Executive Life a fait faillite
dans ce contexte à cause des rachats6.
Page | 57
6
Voir Lunven S. [22]
Etape 1 : innovations commerciales
Les compagnies d’assurance vont donc chercher à attirer et fidéliser leurs clients, en
développant des garanties innovantes dans leurs contrats telles que les garanties de
rendement, ou encore les options de rachat anticipé. Cette nouvelle stratégie commerciale
fait porter aux assureurs des risques nouveaux qu’ils vont sous-estimer, à leurs dépends. En
effet, la garantie de rendement expose l’assureur à une baisse des taux, car le rendement de
son actif peut ne pas suffire à verser le TMG. L’option de rachat l’expose comme on l’a vu à
un risque de hausse des taux.
Dans le but de proposer des contrats plus attractifs, et pour obtenir un rendement
suffisant pour verser les taux promis, les assureurs décident de baisser la qualité de leurs
actifs. Les actifs risqués offrent en effet un rendement meilleur. Fidèles aux obligations,
Executive Life, entre autres, achète notamment de nombreux « junk bonds », émises par des
entreprises ayant une probabilité de faire défaut importante et proposant un rendement
élevé.
A la fin des années 80, Executive Life se place ainsi parmi les sociétés les plus
importantes au monde, est 3ème en termes de rentabilité, et est notée AAA.
Au tournant des années 90, les compagnies émettrices de « junk bonds » présentent
un taux de faillite record. Ainsi, Executive Life essuie une perte de 1 milliard de dollars sur le
seul 4ème trimestre de 1989, et sa note est abaissée par les agences de notation.
Malgré la mise en place d’un plan d’action imposé par l’Etat de Californie, la
confiance des assurés est entamée et ces derniers vont racheter massivement leurs contrats.
La compagnie doit alors annoncer des résultats catastrophiques pour 1990, dont une moins-
value de 2,6 milliards de dollars sur ses actifs. Elle fait faillite en mai 1991.
A travers cet exemple, nous avons senti l’influence que pouvait avoir l’image de
marque d’un assureur sur les rachats.
Page | 58
2.2) Un nouvel environnement réglementaire
Les International Financial Reporting Standards sont des normes comptables établies
par l’International Accounting Standards Board. Elles s’appliquent depuis 2005 à toutes les
sociétés cotées ou faisant appel public à l’épargne, donc à certaines sociétés d’assurance, en
particulier Allianz.
La comparaison des états financiers des différentes entreprises d’un même secteur
ou entre plusieurs exercices était souvent difficile, et le langage financier utilisé ne
permettait pas une lecture transparente des comptes.
Etant donnée l’importance des interactions entre ces grandes entreprises, la santé de
l’économie mondiale et la confiance du grand public et des investisseurs, l’Europe a décidé
de lancer ce vaste mouvement qui s’est traduit par l’adoption d’un ensemble de textes dont
l’objectif est l’amélioration de la sécurité financière.
Page | 59
Les principes
Les normes IFRS n’instaurent pas des règles, mais donnent des principes.
La valorisation de l’actif et du passif du bilan doit être réalisée à leur juste valeur (le
terme anglais « fair value » est plus pertinent), et non pas à leur coût historique. Par
exemple, la fair value est définie par le montant pour lequel un actif pourrait être échangé,
ou un passif éteint, entre parties informées, consentantes, et agissant en situation de
concurrence normale. La substance prime sur la forme, la vision de l’investisseur doit être
adoptée.
Remarquons que cela implique que les comptes établis annuellement seront
dépendants des fluctuations du marché et seront donc plus volatils.
Neutralité
Comparabilité
Complétude
Il s’agit de diffuser dans les comptes l’intégralité des éléments que leurs lecteurs
doivent connaître pour analyser de façon objective la performance de l’entreprise. Les
postes dits de hors bilan sont supprimés, des annexes beaucoup plus exhaustives
qu’auparavant devront être fournies.
On comprend que les acteurs visés ici sont surtout les analystes financiers qui doivent
pouvoir prendre les bonnes décisions de recommandation de manière plus rationnelle.
L’actionnariat est également concerné par ce changement.
Page | 60
Lien avec les rachats
Les rachats ont une influence directe sur l’actif et le passif d’une société d’assurance,
et doivent donc être estimés de façon honnête pour respecter les normes IFRS. De plus, une
seconde phase dans le projet IFRS4, consacré aux assurances, a été lancée et a instauré 9
nouveaux principes liés à l’évaluation des passifs d’assurance. En particulier, ils imposent
que ces derniers doivent inclure le coût des options et garanties, dont font partie les rachats.
Ces normes IFRS phase 2 ont donc pour objectif de mieux prendre en compte les
spécificités du secteur de l’assurance afin de garantir la solvabilité de l’assureur vis-à-vis des
assurés. Allianz publie ses comptes en normes françaises et en normes IFRS.
FP
Marges
Placements Best
Estimate
(y compris
options &
garanties)
Actif Passif
Le CFO Forum est un groupe de discussion créé en 2002 réunissant régulièrement les
grands spécialistes et directeurs financiers des entreprises d’assurance européennes. Il
poursuit l’harmonisation du reporting financier avec l’IASB, la Commission Européenne et les
autres parties intéressées. L’enjeu est d’aider les entreprises à se préparer à intégrer ces
processus de manière ordonnée et transparente pour elles et pour les investisseurs.
Contrairement aux IFRS (même si IFRS4 ne traite que des contrats d’assurance), ce
volet réglementaire ne concerne que les entreprises d’assurance et de réassurance.
Page | 61
Solvabilité II, ou Solvency II, a pour objectif principal la meilleure adaptation des
fonds propres exigés des compagnies d’assurance et de réassurance face aux risques
auxquels elles sont exposées dans leur activité. Elle s’inspire de la réforme Bâle II qui a eu
lieu dans le secteur bancaire. Initialement prévue en 2010, la mise en place ne sera
probablement pas effective avant le 01/01/2013, voire 2014, du fait de la complexité du
projet.
Les principes
Son originalité repose sur sa structure en 3 piliers.
Le pilier I donne le choix entre formule standard et modèle interne pour le calcul des
deux seuils réglementaires à respecter pour le montant des fonds propres : le SCR (Solvency
Capital Requirement) et le MCR (Minimum Capital Requirement). Immobiliser du capital a un
coût pour l’assureur, celui de ne pas le faire fructifier. En pratique, les plus gros assureurs
devraient opter pour l’option modèle interne pour optimiser leur capital. Il doit être
homologué par les autorités de contrôle (ACP en France, BAFIN en Allemagne par exemple).
Page | 62
Si , l’entreprise peut continuer à exercer son activité.
Dans la formule standard, le SCR est le niveau de fonds propres à atteindre pour
assurer la survie de l’entreprise avec une probabilité de 99,5% à horizon 1 an. Il est calculé
indépendamment pour chaque risque, puis agrégé au niveau compagnie en prenant en
compte les corrélations entre les risques. Par exemple, en considérant n risques, on calcule n
valeurs SCRi que l’on porte dans un vecteur X. En notant M la matrice de corrélation entre
les risques, on obtient le SCR au niveau compagnie par la formule .
Le pilier II fixe des normes qualitatives de suivi des risques en interne et définit la
façon dont l’autorité de contrôle exerce ses pouvoirs de surveillance.
Le pilier III définit le détail des informations à fournir aux investisseurs, assurés et
autorités.
Page | 63
Bilan Solvabilité I Bilan Solvabilité II
Fonds
Excès propres
EMS Valeur de
Valeur marché des Marge de
comptable risque
Provisions actifs
des actifs
techniques
(normes Valeur BE
françaises) du passif
Excès Excès
Solvabilité
Solvabilité Mesure des risques à 99,5%
SCR
Montant des PM inconnue spécifiques et Solvabilité
EMS
(approche figée) approche MCR à 85%
probabiliste
Fonds propres Fonds propres
Solvabilité I Solvabilité II
Aussi, les rachats peuvent dépendre du ratio de solvabilité que présente l’assureur,
défini comme le rapport . Dans le cas d’Allianz, il était de 173% en 2010, ce qui donne un
signal sur la solidité du groupe.
Page | 64
2.2.3) La MCEV d’une compagnie d’assurance
2.2.3.1) Définition
Définition
La question de savoir comment évaluer une compagnie d’assurance vie est
importante pour les sociétés cotées, comme pour les sociétés non cotées, car il est
primordial d’évaluer sa richesse propre et de savoir si elle sera suffisante à sa survie dans des
conditions défavorables. L’évaluation des portefeuilles d’assurance vie est effectuée en
sommant les bénéfices ou pertes futures en fonction de la situation de l’actif et du passif. La
méthode traditionnelle est l’Embedded Value.
L’Embedded Value (EV) est la valeur actuelle des revenus futurs des affaires
existantes distribuables aux actionnaires sur toute la durée de vie de l’entreprise. On peut
la voir comme la valeur actuelle de l’entreprise.
Cette définition nécessite donc de projeter des résultats, généralement sur quelques
dizaines d’années au terme desquelles les capitaux sont libérés, et les actifs et les passifs
liquidés suivant des règles de partage entre assureur (actionnaires), assurés, et l’Etat.
Le Groupe Allianz exige de la part de chacune de ses compagnies d’assurance vie
qu’elle calcule et publie la valeur de son EV, dans un souci de suivi de sa performance. Allianz
a choisi de publier son EV en adéquation avec les principes MCEV (Market Consistent
Embedded Value, voir annexe 6) établis par le CFO Forum. Afin que toutes les entités
produisent des résultats semblables et fondés sur les mêmes hypothèses, le groupe publie
chaque année ses attentes en la matière ainsi que la nature des livrables à fournir par les
compagnies vie. Ces consignes sont synthétisées au sein d’un même document : les
Embedded Value Guidelines7.
Le groupe Allianz demande en outre une analyse de mouvement sur le calcul de l’EV,
c’est-à-dire l’explication étape par étape du changement de valeur entre l’année précédente
et l’année courante. Ces étapes sont dans l’ordre :
l’Unwinding, qui consiste à capitaliser la valeur du début de l’année
jusqu’à la fin de l’année en partant des données de départ.
les changements dus à la différence entre ce qui a été prévu et ce qui
s’est réellement passé pour l’environnement économique (changements
d’hypothèses, chroniques de rendement, etc.).
les modifications d’hypothèses et autres changements opérationnels
opérés sur les affaires existantes.
les affaires nouvelles obtenues au cours de l’année.
le paiement des dividendes et les nouveaux capitaux.
Page | 65
7
Source : Embedded Value Guidelines Allianz [26].
Type de contrats pris en compte
L’EV mesure l’impact économique de la gestion des contrats à long terme sur l’année
en cours. L’impact de la capacité de l’entreprise à générer de nouveaux contrats ne fait pas
partie du calcul, mais l’impact des affaires obtenues pendant l’année courante est mesuré.
Dans toute la suite, on notera IF (pour In-Force) ou IF Only pour désigner le stock de
portefeuilles existants en début d’année, et NB (pour New Business) les affaires nouvelles
contractées au cours de l’année. On parlera d’IF+NB pour désigner l’ensemble des contrats
présents à la fin de l’année (existants + nouveaux).
Le fait que la MCEV ne considère que les contrats existants ne signifie pas qu’on
modélise une situation de liquidation de l’entreprise. Il s’agit d’estimer la valeur sur la base
des contrats connus en s’étendant sur toute la durée de vie de ces contrats. Le portefeuille
d’actif actuel et les plus-values latentes courantes représentent une valeur qui existe déjà
dans l’entreprise. Ainsi, projeter l’évolution des plus-values latentes avec les contrats
existants ne signifie pas « liquider » l’entreprise, mais allouer la valeur qui a déjà été créée
aux contrats de l’In-Force.
Selon les principes MCEV, Allianz doit publier son EV nette de réassurance cédée.
Allianz stipule que l’EV peut être calculée soit contrat par contrat, soit par groupe de
contrats (model-points), et concède que cette dernière approche est nécessaire lorsque le
nombre de contrats ou de types de contrat est très élevé, ou lorsque des projections
stochastiques sont utilisées pour le coût des options et garanties. Les critères de
regroupement sont les caractéristiques des produits : on regroupera des produits ayant des
TMG identiques, des stratégies commerciales identiques, etc.
Contrat 1
Model-point 1
Contrat 2 Produit 1
Fond 1
Fond f
Produit p
Model-point n
Contrat N
Page | 66
capitaux investis, P le profit net d’impôts, et c le coût moyen des capitaux investis, l’EVA
d’une année particulière est définie par :
2.2.3.2) Calcul
NAV
Page | 67
NAV
La Net Asset Value est la valeur de marché (après taxes) des actifs de la compagnie
d’assurance qui ne sont pas adossés à des produits du passif et revenant aux actionnaires. En
pratique, on commence par déterminer les actifs adossés aux provisions techniques. Les
actifs restants constituent la net asset value et peuvent être considérés comme les actifs
appartenant aux actionnaires. Pour calculer le montant de la taxe à appliquer sur les actifs
de la NAV, on suppose que les plus-values (UCG) sont réalisées à la date de calcul, on utilise
donc le taux de taxe à cette date. De plus, si une des compagnies vie du groupe possède des
parts dans une autre compagnie vie du groupe les actifs correspondants ne doivent pas être
pris en compte pour ne pas avoir de double compte.
ReC
Comme on l’a vu, toute compagnie d’assurance vie est tenue de conserver assez de
capital pour répondre aux réglementations sur la solvabilité. Ce capital est requis pour
assurer que l’entreprise pourra résister aux conditions de marché, vu du contexte actuel de
l’économie et en tenant compte du profil de risque de l’entreprise. Chez Allianz, le ReC est le
maximum entre ce minimum réglementaire et un calcul interne, ce qui assure encore plus de
solidité, pour tenir compte des critères et des exigences des agences de notation.
Le Free Surplus ou Excess Capital est alors défini comme la différence entre la NAV et
le ReC.
CReC
Pouvoir disposer en permanence du required capital de côté a un coût, celui de ne
pas l’investir comme le reste des actifs (coût d’immobilisation). Dans le cadre MCEV, il est
défini par
CNHR
Les principes MCEV imposent le calcul du coût des risques non financiers et des
risques financiers non couvrables par quelconque produit de marché (risques d’assurance,
risques opérationnels, etc.). La mesure la plus répandue est le coût d’immobilisation du
capital nécessaire pour couvrir ces risques. Ces risques doivent être supportés par
l’entreprise elle-même, et couverts par le capital, ou du moins transférés à un autre assureur
ou réassureur. C’est le cas pour les marchés qui ne sont pas suffisamment liquides ou
volumineux.
PVFP
Il s’agit de la valeur aujourd’hui des profits générés dans le futur et actualisés
(Present Value of Future Profits), évaluée selon un scénario déterministe central « best
estimate » (ni trop prudent, ni trop peu). Un système de projection actuariel est nécessaire
pour projeter période par période les revenus, les provisions, etc., pour chaque
Page | 68
regroupement de produit. Il doit déterminer les cash-flows des variables suivantes à partir
des hypothèses de départ.
1. Primes
2. Retour d’investissement sur les provisions techniques et cash-flows
3. Frais
4. Commissions
5. Sinistres décès
6. Rachats
7. Paiements des contrats arrivant à maturité
8. Augmentation des provisions techniques
9. Taxes
10. Profits = 1 + 2 – 3 – 4 – 5 – 6 – 7 – 8 – 9
Pour déterminer la PVFP, les profits sont actualisés et sommés. Dans le cadre MCEV,
le taux d’actualisation est dépendant du temps : où fwri est le taux
forward à 1 an à la date i dans le scénario sans risque.
VIF
La valeur du stock (contrats existants) est égale à la PVFP diminuée du coût du
Required Capital, du coût des O&G, et des autres coûts CNHR.
En résumé, la VIF contient donc les flux industriels (liés à l’activité des contrats) et les
flux provenant de l’attribution de capitaux au portefeuille (par exemple pour des raisons de
solvabilité), et des prélèvements de capitaux du même portefeuille (par exemple pour le
versement de dividendes ou l’attribution d’autres portefeuilles). Le portefeuille global de
l’entreprise a été supposé fermé à l’arrivée de nouveaux souscripteurs (pas de New
Business).
Si l’on ajoute la valeur de la production future, on obtient l’Appraisal Value. Cette
valeur exprime la capacité de l’entreprise à produire en conditions ordinaires, c’est-à-dire en
faisant abstraction des opérations telles que les acquisitions d’entreprises, des fusions, etc.
Hypothèses non-économiques
La valeur des profits futurs calculée dans le cadre MCEV va dépendre de l’expérience
future de l’entreprise. Etant donné qu’il est impossible de la prévoir avec précision,
l’approche usuelle consiste à déterminer les hypothèses « Best Estimate » (meilleure
estimation), qui en principe donnent autant de chances d’avoir des résultats supérieurs que
des résultats inférieurs. Ces hypothèses doivent se fonder sur l’expérience passée, actuelle,
et attendue de l’entreprise.
Les hypothèses démographiques reposent sur des tables de mortalité. Le mieux est
de disposer de données personnalisées à partir de l’expérience de la compagnie. Dans le cas
où ces données sont insuffisantes, des tables existantes pourront être utilisées, en
procédant éventuellement à quelques retraitements (caractère obsolète de la table,
Page | 69
différence entre l’échantillon et la clientèle de l’entreprise, tendances à mettre à jour, etc.).
Des tables sont fournies par l’INSEE. De même, les taux de rachats doivent reposer sur des
données propres à l’entreprise, et être réévalués chaque année. Chaque entreprise du
groupe doit développer ses propres hypothèses sur les frais encourus dans le calcul de l’EV,
de même pour les commissions. Allianz conseille par exemple à ses entités de modéliser
leurs différents coûts de la manière synthétisée dans le tableau suivant. Les coûts et
commissions doivent être réconciliés avec les données comptables.
Hypothèses économiques
Pour projeter les profits futurs dans le calcul de l’EV, des hypothèses doivent être
émises sur la performance de l’actif de l’entreprise. Ceci nécessite la considération
simultanée du développement économique global et de la politique d’investissement de
l’entreprise. Dans les projections « Real World » (monde réel), les hypothèses viennent
essentiellement des valeurs observées sur les marchés. Elles sont fournies par le siège (taux
sans risque, taux de défauts des entreprises par rating, rendement des actions, de
l’immobilier, etc.). Dans les projections « Market Consistent », des scénarios spécifiques sont
fournis par le siège. Ces derniers sont fondés sur les taux swap observés sur les marchés. Si
ce marché n’est pas suffisamment liquide ou volumineux, le taux sans risque peut reposer
sur les valeurs des taux d’emprunt d’Etat (obligations d’Etat). Les actifs de taux où le spread
au-delà du taux sans risque est inclus dans les coupons doivent pouvoir faire défaut au cours
de la projection. La probabilité de défaut entre deux périodes t et t + est donnée par
où Cs est le spread calibré de telle manière à ce que la valeur actualisée des coupons
payés (au taux sans risque à la date t=0) soit égale à la valeur de marché actuelle de l’actif.
Les obligations et autres actifs de taux fixes sont projetés en respectant leurs
rendements contractuels et une probabilité de défaut. Les actions et l’immobilier sont
projetés en appliquant les rendements donnés dans les scénarios utilisés. Lorsque des plus-
values latentes sont réalisées au cours de la projection, elles augmentent le revenu de
l’année où elles sont réalisées.
Selon les Embedded Value Guidelines d’Allianz, le taux d’actualisation utilisé dans les
projections Market Consistent repose sur les valeurs de taux du scénario considéré, et suit la
formule suivante.
Page | 70
Politique de participation aux bénéfices
Le partage des bénéfices est une particularité importante de l’activité d’assurance
vie. Elle est régie à la fois par des contraintes contractuelles et réglementaires (Code des
Assurances) et par la politique managériale de l’entreprise. En effet, la distribution des
profits entre l’assuré et l’assureur est régulée et il existe un montant maximum allouable à
l’assureur (voir dans la partie I la section réglementation et comptabilité), qui se traduit par
des restrictions sur le taux de participation aux bénéfices de l’assureur. De plus, la PPE est
utilisable pour « stocker » un excédent de profits qui n’a été distribuée ni aux assurés ni à
l’assureur.
Cette politique de distribution des profits et de gestion des provisions constitue la
« crediting strategy ». Ce terme est crucial et stratégique dans la modélisation de la société
d’assurance vie, nous y reviendrons dans la description du modèle actif-passif en partie III. Le
choix du taux de partage a un impact très important sur la valeur de la PVFP. Si l’écart entre
la valeur actuelle et la valeur maximum du taux distribué à l’assureur est important et s’il
n’est pas prévu de le réduire dans le futur, utiliser le taux maximum ne serait pas cohérent
avec les contraintes best estimate. Cependant, si les dirigeants prévoient d’augmenter la
part reversée à l’assureur (c’est-à-dire aux actionnaires), un taux plus élevé peut être utilisé
en anticipation de la stratégie future de l’entreprise.
Dans le cas où les UCG (plus-values latentes) et la PPE sont très importantes, la
crediting strategy peut inclure la distribution des revenus de ces réserves aux assurés au
cours de la projection. Dans les scénarios où ces dernières ne sont pas utilisées pour payer
des taux de bonus compétitifs, ces réserves doivent être partagées entre assurés et
assureur.
Jusqu’en 2005, le calcul de l’EV n’incorporait pas la présence des Options &
Garanties. Pourtant, l’importance croissante que revêtent les problèmes de calcul de profils
de risque et de leur gestion impose de prendre en compte dans les modèles la nature
authentique de l’activité d’assurance, son aléa. Les Options & Garanties ne sont
effectivement pas forcément visibles dans un scénario particulier. En effet, de nombreux
produits d’assurance comportent des garanties minimales, telles que la garantie de taux des
produits traditionnels ou la garantie de prestation minimale (en cas de décès et/ou à
l’échéance) que prévoient parfois les assurances en unités de compte. Si l’évaluation
s’effectue selon une approche déterministe, et si l’on s’attend en particulier à un rendement
des investissements supérieur au taux garanti, la garantie ne sera alors pas activée, l’option
de rachat non plus (le client est satisfait de son investissement), et leur évaluation est
Page | 71
impossible par l’assureur. Considérer différents niveaux alternatifs pris par le rendement
permet de calculer le coût d’activation de l’option et de la garantie. Il est nécessaire
d’introduire une approche stochastique. Nous allons donc nous concentrer maintenant sur
le calcul du coût des options et garanties.
Présentation générale
Les principes MCEV imposent l’évaluation des options et garanties : selon le principe
7 du CFO Forum, on doit prendre en compte l’impact potentiel sur les futurs cash-flows de
toutes les options et garanties financières du portefeuille.
Un des concepts clés définis par le cadre MCEV est le fait que les options et garanties
ont une valeur intrinsèque, reflétée dans le calcul de l’EV si l’option est « dans la monnaie »,
c’est-à-dire lorsque l’option est exercée automatiquement (par exemple le taux minimum
garanti), et une valeur temps qui doit être évaluée dans un contexte stochastique.
Valeur intrinsèque
La valeur intrinsèque est l’effet de réduction des profits (due aux O&G) déjà
incorporée dans le calcul de la PVFP dans le scénario central (déterministe). Le scénario
central correspond au scénario best estimate (meilleure estimation des futures conditions
de marché vues d’aujourd’hui) pour les projections real-world, et au scénario risque neutre
pour le cadre MCEV.
La valeur intrinsèque se mesure en faisant la différence entre la PVFP déterministe en
débranchant les taux minimum garantis et la PVFP déterministe dans le scénario Central.
Page | 72
Valeur temps
La valeur temps des O&G est la valeur des O&G qui ne sont pas prises en compte
dans la PVFP en scénario central déterministe. Il faut un outil stochastique pour l’évaluer.
La valeur totale des O&G s’écrit comme la somme des 2 valeurs précédentes.
} Valeur intrinsèque
} Valeur temps
Minimum Central
garanti = 0
Page | 73
} Valeur de l’option minimum garanti
} Valeur des « autres »
options
Page | 74
Méthode de calcul
Pour calculer le coût des O&G, dont font partie les rachats, le groupe dispose d’un
outil spécialisé. ALIM (Asset and Liability Interaction Model) est un outil de simulation
stochastique. Lorsqu’un outil stochastique est utilisé pour la projection de la PVFP (comme
ALIM), la valeur temps des O&G est obtenue en faisant la différence entre la PVFP
déterministe et la PVFP stochastique, la première étant obtenue en utilisant le scénario
Central dans l’outil stochastique.
Scénario Central
Dans le cadre MCEV, le scénario Central (utilisé dans le calcul déterministe) est
construit à partir d’hypothèses économiques risque neutre. Ce scénario Central est aussi
appelé scénario certainty equivalent. Il est utilisé pour le calcul déterministe de la PVFP
(première partie du calcul des O&G). Il a pour but de fournir un scénario unique qui présente
principalement les mêmes propriétés que les scénarios stochastiques risque-neutre : les
cash-flows actualisés déterministes donnent la valeur de marché observée aujourd’hui, tous
les actifs évoluent au taux risque-neutre, il n’y a pas d’opportunité d’arbitrage dans le
scénario.
Considérons un cash-flow déterministe de 1 au temps T. Comme cela représente
aujourd’hui un zéro-coupon de maturité T, avec une valeur de marché P(0,T), le taux
d’actualisation pour la période T doit être égal à P(0,T). La courbe actuelle des zéro-
coupons est utilisée pour actualiser les cash-flows futurs. L’hypothèse d’absence
d’opportunité d’arbitrage implique que la valeur de marché P(t,T) au temps t d’un zéro-
coupon de maturité T doit être égal au prix forward correspondant, ce qui se traduit par
l’équation
Page | 75
Les rachats font ainsi l’objet d’une attention toute particulière chez les assureurs
dans le contexte actuel. Nous allons expliquer dans la section suivante la valeur ajoutée que
peut avoir une étude axée sur les rachats dynamiques aujourd’hui.
Il est incontestable que le niveau des taux d’intérêt est historiquement bas, suite à la
politique des différentes banques centrales pour la relance de l’économie. Le graphique ci-
dessous donne cet historique en Europe sur les dernières années.
Dans ce contexte, les assureurs devraient anticiper une prochaine hausse des taux, et
donc s’attendre à de nouvelles vagues de rachats dynamiques. La mise à jour de ces lois de
rachat pourra permettre de mieux jauger la teneur de ce risque futur et d’adopter les
mesures adéquates pour s’en couvrir.
Les premiers correspondent aux rachats que l’on observe de manière récurrente et
permanente sur le portefeuille, certains clients ayant toujours besoin de retirer leur argent
en urgence ou pour des raisons personnelles. Ces rachats peuvent être modélisés avec des
facteurs techniques, tels l’âge, l’échéance fiscale, le réseau de distribution, etc., et font
l’objet d’études plutôt statistiques.
Page | 76
Les seconds sont liés quant à eux aux opportunités courantes des marchés financiers,
notamment concernant les taux comme on l’a vu plus haut. C’est cette modélisation qui
permet de prendre en compte les rachats dynamiques. Ils sont beaucoup plus difficiles à
modéliser en raison du comportement irrationnel des assurés.
A ce titre, le comportement dynamique des assurés est un point central dans les
rachats et est l’un des risques majeurs du marché de l’assurance vie français.
De plus, Allianz a investi dans des options de type strikeless cap* afin de se couvrir
contre le risque de rachat en cas d’une hausse significative et prolongée des taux d’intérêt.
Le principe est le suivant : en cas d’une forte hausse des taux, les caps vont verser à
l’assureur un revenu supplémentaire qui sera utilisé pour
Compenser un taux distribué aux assurés bas par rapport au marché
Eviter ainsi une forte augmentation du taux de rachats
Eviter également des pertes sur le portefeuille d’obligations
La particularité des caps strikeless est d’avoir un strike non fixe. Il s’exprime par la
moyenne mobile des taux CMS (swap) passés (majorée éventuellement d’un spread ).
Le périmètre concerné par ces rachats dynamiques est très étendu : 63% des réserves
y sont exposées. Le risque de rachat sur le portefeuille général est d’autant plus
problématique que la duration de l’actif s’allonge, que le nombre de produits sensibles à ce
risque augmente et que les taux de rendement sont relativement bas sur les quelques
dernières années. Ainsi, le comportement des assurés est clé, mais reste inconnu.
Page | 77
CONCLUSION
Page | 78
PARTIE III : Mise à jour du paramétrage des rachats
dynamiques
INTRODUCTION
Pour calculer le coût des options et garanties de son portefeuille, dont l’option de
rachat, Allianz dispose d’un outil stochastique interne spécifique : ALIM, que nous allons
présenter dans un premier temps. Nous exposerons ensuite la méthodologie utilisée pour
mettre à jour les paramètres relatifs aux rachats dynamiques. Enfin, nous détaillerons les
résultats et mesures d’impact obtenus en pratique sur le coût des options et garanties.
Page | 79
3.1) ALIM
ALIM (Asset and Liability Interaction Model) est un modèle stochastique utilisé pour
reproduire le fonctionnement et simuler l’évolution d’une compagnie d’assurance. Il prend
en compte toutes les spécificités propres au métier (primes, provisions mathématiques, PRE,
PPE, RDC, interactions actif-passif, rachats, comportement des assurés, etc.). Il repose sur un
des principaux outils disponibles sur le marché, MoSes, qui est une plateforme de
modélisation permettant aux utilisateurs de développer et de lancer des projections
financières. Les modèles financiers y sont implémentés en C++. MoSes permet aussi de
personnaliser les modèles afin de s’adapter à l’entreprise utilisatrice et au marché considéré,
où la réglementation peut être spécifique et doit être modélisée de façon adéquate.
Allianz France dispose ainsi d’un logiciel permettant de lancer des simulations
financières pour sa branche assurance vie, où sont modélisées toutes les spécificités du
marché et de la réglementation française, ainsi que les particularités internes à l’entreprise
(spécificités du portefeuille de contrats, de la stratégie appliquée en matière de participation
aux bénéfices par exemple, etc.).
Années de
0 1 2 … 40
projection
ALIM prend en compte les interactions entre les contrats (par exemple la déclaration
des bonus), et aussi celles entre l’actif et la passif.
Page | 80
en stochastique, en utilisant un grand nombre de scénarios financiers. Dans ce dernier cas,
toutes les simulations sont lancées les unes à la suite des autres.
- cash-flows
t-1 t
Page | 81
Structure du modèle
ALIM est composé de sous-modèles renfermant chacun les données relatives à une
certaine partie de la compagnie d’assurance. Chaque sous-modèle contient des variables,
des formules, et des fonctions effectuant des tâches élémentaires de calcul ou
d’enregistrement de données. Les sous-modèles ont la structure suivante.
Top
Scenario Company
Eqindex
Fund
......
Bonds ... Credstrat ...
...
EA ...
Rollup
...
...
Equities ...
...
Deriv Invstrat ...
...
L441
......
Mortgages
...
...
Bond_fwd
......
InvFund
Le sous-modèle Top pilote les calculs au plus haut niveau (il lance les grandes étapes
de la simulation, récupère les chemins des données d’input, donne les informations
générales sur la projection, et force le reporting).
Modèles parents : le modèle Strategy coordonne l’investment strategy (rebalancing),
la crediting strategy, qui sont effectuées dans les deux sous-modèles correspondants, et la
réalisation de plus/moins values latentes. Le modèle Asset renvoie les informations sur les
actifs en portefeuille, récupérées dans les sous-modèles Bond, Equity, Deriv, etc.,
correspondant aux différentes classes d’actifs (valeur de marché à différents niveaux,
réinvestissement, etc.). Le modèle Liab vérifie la cohérence des inputs et renvoie les
informations sur le passif, à partir du modèle Rollup, qui projette les variables permettant de
calculer les primes, les sinistres, etc., pour chaque produit, et contient les fonctions de
comportement dynamique des assurés.
Le modèle Fund consolide toutes les données au niveau fond (compte de résultat,
cash-flows, montant des réserves, passif, etc.).
Le modèle Company agrège les résultats des fonds au niveau de la société, calcule les
impôts et d’autres variables au niveau global.
Le modèle Scenario possède les données des scénarios financiers suivant le type de
marché considéré.
Page | 82
Le modèle L441 traite certains fonds très particuliers (contrats de retraite en points).
Nous n’étudierons pas ici ce cas singulier.
Fund 1 n° du fond
Bond/Equity/… 2 n° du fond * n° actif
Scenario 1 monnaie
Rollup 2 n° fond * n° du produit
Strategy 1 n° fond
Fund reporting 1 n° fond
Liability reporting 2 n° fond * type de produit
Les autres modèles sont chargés de créer les fichiers d’output (données de passif,
d’actif, au niveau fond, etc.). Chacun contient un certain nombre de variables calculées
automatiquement par ALIM et sont reportées dans un fichier de sortie dbf. Parmi ces
fichiers, on retrouve la PVFP, qui nous servira pour le calcul des Options & Garanties.
...... ...
Bonds Asset Fund Liab ...
Rollup
...
...
Equities
...
...
Mortgages
...
...
InvFund
...... Strategy
EA
Invstrat Credstrat
Figure 12. Liens entre les sous-modèles ALIM
Page | 83
Ordre de calcul
Force reporting
Top
Crediting
Credstrat
Strategy
Rebalancing Realisation
Invstrat
Figure 13. Chronologie d'appel des modules ALIM
Lors de la projection, ALIM va récupérer des données dans les fichiers d’inputs, que
nous allons préciser dans la partie suivante.
Afin d’effectuer les calculs de PVFP, ALIM a besoin des données relatives à la
situation de l’entreprise et de l’environnement économique. Ces données sont regroupées
dans les 5 types de fichiers suivants.
Asset
Il s’agit de la situation du portefeuille d’actifs, par ligne d’actif (type d’actif, valeur de
marché, valeur comptable, etc.)
Corporate
Il s’agit des données bilancielles de l’entreprise (fonds propres, marge de solvabilité,
PPE, etc.), et des stratégies d’investissement (caractéristiques des types d’actif, allocation
stratégique, etc.).
General
Ce fichier contient les paramètres généraux à configurer dans la simulation (chemin
des fichiers d’entrée, données sur la mortalité, etc.)
Liability
Il s’agit des données de passif par regroupement de produits (projections de cash-
flows, de stock, etc.).
Scenarios
Les scénarios simulent une évolution possible de l’environnement économique
(valeurs des taux, etc.).
Page | 84
3.1.3) Le modèle
Nous allons présenter dans cette section les grands principes des deux modules de
calcul les plus importants d’ALIM : l’investment strategy et la crediting strategy.
Investment strategy
L’idée est de séparer les décisions effectuées par les comités de direction
d’investissement (DAA) et l’implémentation réelle réalisée par les asset managers (TA).
La répartition du portefeuille est définie au niveau classe d’actifs (les plus courantes
étant les obligations à taux fixes d’Etat, les obligations à taux fixes d’entreprises, les
obligations à taux variables, les actions du CAC 40, les actions d’autres économies, les
actions provenant de fonds d’investissements, et les dérivés). Chaque actif doit être
assignable à une classe.
On cherche ainsi par exemple à atteindre 65% d’obligations d’Etat à taux fixe, 15%
d’actions du CAC 40, 10% de fonds d’investissement, 7% de produits dérivés, et 3% de cash.
C’est le rôle du module DAA, qui atteint pour chaque fond l’allocation cible, qu’on appelle
asset mix, prédéterminée par classe d’actifs en déterminant le montant à acheter/vendre
pour chaque classe. Pour chaque classe d’actifs sont donc définis une proportion cible ainsi
qu’un intervalle autour de cette cible. Ces proportions peuvent être dépendantes du temps.
L’algorithme de rebalancing est déclenché dès qu’au moins une classe d’actifs est en-dehors
de son intervalle cible.
Auparavant, il faut donc consolider les valeurs et UCGL des actifs au niveau classe
d’actifs, ce qui est réalisé par le module IA. Le module TA permet de répartir le montant de
Page | 85
vente ou d’achat à réaliser dans la classe d’actifs entre les différentes lignes d’actifs
individuelles. Il détermine par actif le montant à vendre, calcule le montant de
reprise/dotation de RDC, et le montant à réaliser par actif (réalisation d’UCGL par vente et
rachat du même actif).
Crediting strategy
ETAPE 1 : Pour chaque fond, les produits financiers et le résultat technique sont partagés
entre assurés et compagnie. ALIM vérifie si cette première répartition permet de respecter
le taux minimum garanti (au niveau de chaque produit) que la compagnie doit verser aux
assurés chaque année. S’ils ne sont pas atteints, des UCGL sont réalisées.
ETAPE 2 : Pour chaque fond, ALIM cherche à atteindre un montant de participation aux
bénéfices (PB) cible pour des raisons commerciales, et ce pour chaque produit. Ceci est
réalisé en reprenant ou dotant la PPE, ou en réalisant des UCGL complémentaires. La cible
est définie en fonction des taux d’intérêt et des UCGL dans le portefeuille. Elle est modulée
en fonction du niveau de la PPE et des UCGL.
Page | 86
Conclusion sur ALIM
Nous avons présenté dans cette section le fonctionnement des deux principales
fonctionnalités d’ALIM, l’investment strategy et la crediting strategy. Les autres sous-
modèles sont également d’une importance majeure, mais leur description intégrale n’est pas
l’objet de ce mémoire.
Nous allons dans la section suivante expliquer et détailler le paramétrage de l’option
de rachat dynamique dont la production et le calcul des résultats s’appuient beaucoup sur
l’utilisation d’ALIM.
Comme nous l’avons vu, les rachats font partie notamment du calcul du résultat
technique. Leur valeur de base est donnée par les fichiers d’input « Liability » et sont
éventuellement dynamisés en fonction des conditions de marché. Nous allons donc nous
intéresser dans cette section au paramétrage de ce processus de dynamisation. Etudions
d’abord plus en détail la modélisation des rachats dans ALIM.
Si le taux de PB est « trop » inférieur au taux de référence, les assurés auront plus
tendance à racheter leur contrat, « trop » pouvant être interprété comme « en-deçà d’une
certaine limite ». Ainsi, le taux de rachat réellement appliqué par ALIM est issu de la formule
suivante.
Page | 87
déviation
40,00%
surr_incr_max
30,00%
20,00%
surr_decr_begin
surr_decr_end surr_incr_begin
10,00% surr_incr_end
0,00%
-10,00% -7,50% -5,00% -2,50% 0,00% 2,50% 5,00% 7,50% 10,00%
surr_decr_max
-10,00%
Taux benchmark - Taux servi
30,00%
20,00%
10,00%
0,00%
-10,00% -7,50% -5,00% -2,50% 0,00% 2,50% 5,00% 7,50% 10,00%
Avec ce paramétrage, tant que la différence de taux est inférieure à un certain seuil,
les rachats déterministes ne sont pas ajustés. Au-delà de ce seuil et en-deçà d’un second
seuil, la déviation croit linéairement jusqu’à atteindre un plafond (variable surr_incr_max).
Page | 88
Choix du taux benchmark
Le taux benchmark utilisé dans la formule de la déviation est le taux zéro-coupon à 1
an. Ce choix est issu de la meilleure corrélation entre les historiques d’évolution des taux de
rachat et d’écart entre taux servi et taux zéro-coupon à différentes maturités. La meilleure
corrélation trouvée entre 1994 et 2006 était avec le zéro-coupon à 1 an.
10
9
8
7 rachat années [1-4]
6
5 rachat années [5-8]
4
3 rachat années [supérieur à 9]
2
1
0
0,0% 1,0% 1,5% 2,0% 3,0% 4,0% 5,0% 6,0% 7,0%
Page | 89
Durée avant retour sur investissement en fonction de l'écart de taux
entre le taux de référence du marché et le taux de PB servi
(Pénalités = 10% des PM)
14
12
10
rachat années [1-4]
8
rachat années [5-8]
6
rachat années [supérieur à 9]
4
2
0
0,0% 1,0% 1,5% 2,0% 3,0% 4,0% 5,0% 6,0% 7,0%
C’est à partir d’un écart de taux de 1,5% que la durée de ROI devient raisonnable (6 à
8 ans), et c’est la valeur paramétrée dans tous les produits pour la variable surr_incr_begin,
déclenchant les rachats dynamiques. De même, la durée de ROI se stabilise autour de 6%
d’écart de taux, c’est la valeur utilisée dans surr_incr_end, seuil au-delà duquel les rachats
ne sont plus augmentés dynamiquement.
La variable surr_incr_max est calculé par produit de façon à avoir un rachat maximal
annuel de 19%. Ainsi, si par exemple on prévoit un taux de rachat moyen de 5% sur un
certain produit, sa variable surr_incr_max sera paramétrée à car
Le choix du 19% comme taux de rachat maximal provient d’un avis d’expert. Il a en
effet été estimé que la compagnie fera en sorte, le cas échéant, de maintenir le taux de
rachat en-deçà de 20%. Théoriquement, il est possible d’observer des taux supérieurs, mais
en pratique, il a été estimé qu’Allianz mettrait tout en œuvre, commercialement, pour
conserver le taux de rachat sous les 20%. Ceci passerait notamment par des campagnes
auprès des commerciaux et des agents pour « rassurer » leurs clients et en proposant de
remplacer le rachat par des arbitrages.
Page | 90
8
Sources : EIOPA [21], ACAM [23].
Européenne a invité tous les organismes d’assurance européens à participer activement à la
5ème étape (QIS5) dont les objectifs étaient :
QIS5 donne des indications précises sur la modélisation des lois de rachat 9. Il y est
précisé classiquement que le taux de rachat est séparé entre rachats structurels et rachats
conjoncturels, comme dans ALIM. La forme des rachats conjoncturels est également
précisée : il y est conseillé qu’elle soit comprise entre un plancher et un plafond qui sont
représentés sur la courbe suivante. Ces paramètres sont issus de jugements d’expert.
40.00%
30.00%
20.00%
10.00%
0.00%
-10.00% -7.50% -5.00% -2.50% 0.00% 2.50% 5.00% 7.50% 10.00%
-10.00%
Taux benchmark - Taux servi
Il est à noter que QIS5 considère que les rachats conjoncturels doivent être
additionnés aux rachats structurels. Dans la modélisation Allianz, les rachats structurels sont
augmentés d’un facteur multiplicatif, ce qui constitue un choix équivalent.
Les études précédentes ont été menées début 2008, avant le cœur de la crise
financière et ne laissent pas la place à la volatilité des rachats que l’on peut pourtant
observer sur les produits et sur le portefeuille général. Ainsi, un objectif de ce mémoire fut
de reconsidérer le paramétrage des rachats dans ALIM en prenant en compte aussi finement
Page | 91
9
Source : QIS5 [24].
que possible le changement de comportement des assurés. Nous allons détailler dans cette
section la nouvelle méthodologie que propose ce mémoire.
La démarche
La première étape a consisté à récupérer et observer les données disponibles sur les
rachats. Travaillant en partenariat avec d’autres équipes internes, le périmètre d’étude
considéré est celui de la vie individuelle et certains produits collectifs aux gros encours. Les
données proviennent des bases SAS de l’Inventaire et remontent jusqu’à janvier 2004.
Une fois les premières analyses de base effectuées, la méthode a consisté à identifier
des groupes de comportement entre les produits du périmètre concerné. L’idée est de
pouvoir regrouper des produits au sein d’une même modélisation si l’on souhaite suivre de
façon générale l’évolution des taux de rachat des produits.
Ensuite, la mise à jour des paramètres des lois de rachat dynamiques sous ALIM a été
réalisée pour chaque produit en utilisant une nouvelle méthodologie.
Page | 92
Cet échantillon a été choisi de façon à contenir les produits les plus représentatifs de
l’ensemble du portefeuille (environ 150 produits).
Les analyses suivantes ont porté sur les taux mensuels en eux-mêmes et sur les
évolutions mensuelles de ces taux de rachat .
La première observation que l’on peut émettre est la diversité des comportements
des produits. Tandis que certains présentent des niveaux et volatilités de rachats faibles,
d’autres comme le produit Hoover ont des rachats particulièrement élevés. Ceci peut
s’expliquer par les spécificités des produits : le produit Hoover a par exemple subi de
nombreuses migrations informatiques qui se sont ressenties jusqu’au niveau commercial, le
produit Reagan est un produit nouveau sur lequel il est difficile d’observer de réels rachats
du fait d’une antériorité fiscale très faible à ce jour.
Page | 93
Evolutions depuis la crise
Depuis 2008, Allianz, comme tous les autres assureurs sous l’impulsion de l’ACP, est
attentif à l’évolution des rachats et au risque de dérive de ces derniers. Au vu des historiques
sortis, on peut effectivement remarquer sur le portefeuille global multisupport une hausse
du taux de rachat depuis septembre 2010, comme l’illustrent les graphiques ci-dessous. Ce
phénomène n’est cependant pas observable sur tous les produits.
En revanche, cette hausse semble en réalité s’inscrire dans la continuité d’un cycle,
observable depuis plusieurs années, comme le montre l’intégralité des historiques des deux
cas présentés.
Jan-08
May-08
Jan-09
Jan-10
Jan-11
May-07
May-09
May-10
May-11
Sep-10
Sep-07
Sep-08
Sep-09
0.80%
0.60%
0.40%
0.20%
0.00%
May-11
May-07
May-08
May-09
May-10
Sep-07
Sep-08
Sep-09
Sep-10
Jan-07
Jan-08
Jan-09
Jan-10
Jan-11
Page | 94
Taux de rachats mensuels - Portefeuille
0.90%
0.80%
0.70%
0.60%
0.50%
0.40%
0.30%
0.20%
0.10%
0.00%
Jan-11
Jan-07
Jan-08
Jan-09
Jan-10
May-07
May-08
May-09
May-10
May-11
Sep-07
Sep-08
Sep-09
Sep-10
Taux de rachats mensuels - produit Adams
1.00%
0.80%
0.60%
0.40%
0.20%
0.00%
May-07
May-08
May-09
May-10
May-11
Sep-07
Sep-08
Sep-09
Sep-10
Jan-07
Jan-08
Jan-09
Jan-10
Jan-11
On peut donc s’attendre à un retour à des taux de rachat raisonnables dans les mois
à venir, et dont la descente peut d’ores et déjà être observée sur les deux graphiques
précédents.
Dans tous les cas, et pour tous les produits, les taux de rachats ne peuvent pas, en
régime permanent, prendre des valeurs abusives sur une durée importante. Ils respectent
même une certaine saisonnalité autour d’une valeur moyenne dépendant du produit.
Page | 95
Corrélations sur les taux de rachat
Page | 96
Corrélations sur les évolutions des taux de rachat
Regroupement empirique
Des premiers groupes de produit semblent se dégager : les produits Tyler, Jackson,
Fillmore, Pierce, Monroe, Lincoln, Wilson, Madison, Kennedy semblent former un groupe
corrélé. De même, les produits Harrison, Washington, Roosevelt, Eisenhower et Reagan
semblent plutôt anti-corrélés au premier groupe. Ce phénomène se vérifie aussi bien sur
l’étude des taux que sur leur évolution.
Aussi, en étudiant les historiques des taux de rachat, on peut remarquer plusieurs
grandes catégories de comportement : les produits au comportement relativement stable,
ceux au comportement erratique et ceux ne dégageant pas de réel comportement
identifiable. Ci-dessous trois exemples de produits symboliques de chacun de ces types de
comportements.
Jan-08
Jan-09
Jan-10
Jan-11
Apr-07
Oct-07
Apr-08
Oct-08
Apr-09
Oct-09
Apr-10
Oct-10
Apr-11
Jul-07
Jul-08
Jul-09
Jul-10
Apr-08
Apr-10
Apr-11
Jul-07
Jul-08
Jul-09
Jul-10
Jan-07
Jan-08
Jan-09
Jan-10
Jan-11
Oct-07
Oct-08
Oct-09
Oct-10
Page | 97
Taux de rachats mensuels - produit Johnson
1.20%
1.00%
0.80%
0.60%
0.40%
0.20%
0.00%
Apr-05
May-07
Apr-10
Nov-04
Aug-08
Nov-09
Sep-05
Feb-06
Jul-06
Mar-08
Sep-10
Feb-11
Jan-04
Jun-04
Dec-06
Jan-09
Jun-09
Oct-07
Figure 22. Un exemple de comportement intermédiaire
La première conclusion est qu’il est possible d’effectuer une distinction entre les
produits suivant leur ancienneté. En effet, les vieux produits et le portefeuille dans sa
globalité suivent un comportement stable, voire même une certaine saisonnalité. Une
explication réside dans le fait que le principal facteur influant le taux de rachat, l’ancienneté
fiscale, est neutralisé par la diversification. Ces produits présentent de gros encours (PM) et
toutes les anciennetés fiscales sont représentées.
Sur les produits plus récents, proposés à la vente pour rénover la gamme, un
comportement plus erratique est observé, la structure de rachat se met en place, et l’effet
pic fiscal n’est pas autant neutralisé par la diversification. Un exemple d’un tel produit est
Wilson, sorti début 2007 pour renouveler le produit Adams, et dont l’historique de rachat
est présenté ci-dessous. Le pic fiscal de 4 ans commence à être identifiable.
Page | 98
Taux de rachats mensuels - produit Wilson
0.80%
0.70%
0.60%
0.50%
0.40%
0.30%
0.20%
0.10%
0.00%
Oct-08
Oct-07
Jan-08
Jan-09
Oct-09
Jan-10
Oct-10
Jan-11
Apr-07
Apr-08
Apr-09
Apr-10
Apr-11
Jul-07
Jul-08
Jul-09
Jul-10
Figure 23. Un exemple de phase de mise en place du taux de rachat
Les deux critères a priori déterminants dans le comportement d’un produit sont
l’espérance et la volatilité. Un indicateur semble pertinent pour discriminer entre les
différents comportements des produits : le rapport de l’espérance sur la volatilité (« ratio de
Sharpe »). Les tableaux ci-dessous donnent les produits classés par type de comportement
accompagnés de leur ratio de Sharpe.
Page | 99
Deux seuils semblent offrir une discrimination satisfaisante entre les comportements
des produits en matière de rachats : les produits ayant un ratio de Sharpe inférieur à environ
2 ont un comportement plutôt erratique, et ceux ayant un ratio supérieur à 4 ont en général
un comportement stable. Des exceptions peuvent néanmoins être trouvées, notamment le
produit Hoover, qui a bien un comportement stable mais une volatilité assez importante
comparée à sa valeur moyenne.
K-means
NMF (Non negative Matrix Factorization)
…
La méthode NMF consiste à factoriser une matrice de données X par une matrice de
coordonnées des barycentres des clusters W et une matrice H des « scores » attribués à
chacun d’entre eux.
Puis
et signifie
La méthode choisie ici est l’algorithme des K-means, plus adaptée à notre
problématique, et que nous présentons ci-dessous.
Page | 100
10
Voir Vayatis N. [8]
Notons dans les observations à classifier.
Distance
Plusieurs fonctions distance sont possibles, parmi les plus courantes, on trouve
- La distance euclidienne
- La distance de Manhattan
- La distance de Sebestyen
Initialisation
Etape t
Page | 101
On affecte chaque observation à son barycentre le plus proche. On obtient de
nouveaux clusters.
Critère d’arrêt
Implémentation
Cet algorithme a été implémenté sur les mêmes produits considérés précédemment,
en prenant en compte dans un premier temps 2 critères : moyenne et volatilité des rachats.
Le positionnement des produits est le suivant.
0.70%
0.60%
0.50%
Volatilité
0.40%
0.30%
Série1
0.20%
0.10%
0.00%
0.00% 0.20% 0.40% 0.60% 0.80% 1.00% 1.20%
Moyenne
Nous optons donc pour une classification en 3 clusters. L’algorithme a été lancé
plusieurs fois car il peut donner des partitions différentes suivant la répartition aléatoire
initiale. La conclusion est que la méthode donne des classes instables avec la répartition
initiale et avec la distance choisie (les groupes formés à chaque lancement varient). Il n’est
pas possible d’en déduire une classification réellement acceptable avec ces deux critères.
Une solution pour y pallier est d’augmenter le nombre de clusters afin de stabiliser la
classification. Ainsi, dans tous les cas, on peut remarquer la formation de certains noyaux
durs, c’est-à-dire de produits apparaissant systématiquement ensemble dans le même
Page | 102
cluster. Ainsi, nous obtenons une classification plus détaillée, mais plus robuste. Les sous-
groupes ainsi formés sont donnés ci-dessous.
0.70%
0.60%
0.50%
Série1
Série2
Volatilité
0.40%
Série3
0.30%
Série4
0.20% Série5
Série6
0.10%
Série7
0.00%
0.00% 0.20% 0.40% 0.60% 0.80% 1.00% 1.20%
Moyenne
Les produits de la dernière série ont des valeurs extrêmes et ont été isolés car leur
comportement est très spécifique et viendrait biaiser l’étude.
Un lien peut être établi avec la méthodologie empirique : le graphique ci-dessus a été
repris en représentant la partition du plan (moyenne-volatilité) suivant les 2 limites du ratio
de Sharpe évalués empiriquement (égaux à 2 et 4).
Page | 103
0.70%
Sharpe = 2
0.60%
0.50%
Série1
Série2
Volatilité
0.40%
Sharpe = 4 Série3
0.30%
Série4
0.20% Série5
Série6
0.10%
Série7
0.00%
0.00% 0.20% 0.40% 0.60% 0.80% 1.00% 1.20%
Moyenne
On peut ainsi remarquer que, en écartant les produits aux valeurs atypiques, chaque
groupe est inclus dans l’une des 3 régions du plan, ce qui vient conforter les premières
impressions empiriques.
Afin de valider les deux seuils de 2 et 4 pour le ratio de Sharpe, une autre
segmentation a été effectuée avec la méthode du clustering, mais en prenant deux autres
critères : à la place du couple moyenne/volatilité ( , ), nous prenons le couple ratio
de Sharpe/ ratio Centile à 90%/moyenne ( , ). Le premier est un indicateur de
comportement. Le second est un indicateur de risque donnant l’éloignement des valeurs
extrêmes (représenté par le taux de rachat classé à 90% de la valeur la plus forte) par
rapport à la moyenne. En choisissant une répartition à 3 clusters, l’algorithme est stable et
aboutit à la classification présentée ci-après.
- La distance euclidienne
- La distance de Manhattan
- La distance de Sebestyen
par exemple.
Page | 104
Plusieurs jeux de coefficients de pondération de Sebestyen ont été testés. Les
résultats sont stables pour , étant le coefficient attribué au critère ratio
de Sharpe.
2.5
2
Quantile/moyenne
1.5
Série1
1
Série2
Série3
0.5
0
0 1 2 3 4 5 6 7
Sharpe
La répartition obtenue par clustering avec ces 2 nouveaux critères est quasiment
identique à celle obtenue empiriquement, et permet de conforter les valeurs des deux seuils
retenus. L’étude a également été menée avec le couple de critères (ratio de Sharpe,
ancienneté du produit) et aboutit aux mêmes résultats.
Ainsi, en conclusion, nous avons vu que les produits peuvent être classés en sous-
groupes de comportement homogène. En utilisant les méthodes statistiques, on trouve qu’il
faudrait théoriquement utiliser un grand nombre de clusters pour manipuler des groupes
stables. Pour des raisons pratiques, on préconisera plutôt l’utilisation de la méthode
Page | 105
empirique qui consiste à classifier les produits en fonction de la position de leur ratio de
Sharpe par rapport aux seuils de 2 et 4 correspondant respectivement à la séparation entre
produits erratiques/intermédiaires et produits intermédiaires/stables. De plus, les sous-
groupes issus du clustering initial sont en général inclus dans un des 3 cas : Sharpe < 2, 2 <
Sharpe < 4 ou Sharpe > 4. Ces seuils ont été confortés par un clustering avec des jeux de
critères différents.
0 2 4
Sharpe
Principe
Nous disposons donc de séries temporelles correspondant aux taux de rachat
mensuels et à leurs évolutions. Un ensemble de modèles classique sur les séries temporelles
est la famille des processus autorégressifs d’ordre p, dits modèles AR(p). Le principe consiste
à expliquer les valeurs prises par la série uniquement par ses p valeurs passées.
La modélisation des signaux aléatoires par des modèles autorégressifs est devenue
une technique classique du traitement du signal. On trouve ainsi des applications dans le
traitement de signaux d’antennes, en météorologie pour la reconstitution de vagues à partir
de séries temporelles de vent, ou encore dans l’analyse du bruit neutronique d’un réacteur
nucléaire.
Page | 106
Le modèle
Un processus AR(p) est donné par la formule suivante11.
Les sont les paramètres du modèle à calibrer, est une constante et les sont des
variables aléatoires i.i.d. suivant une loi normale centrée d’écart-type .
Ses propriétés
Un cas particulier : AR(1)
Condition de stationnarité :
Alors,
Alors,
Théorème
Page | 107
11
Voir Hamilton J. D. [9]
Dans ce cas, on peut écrire :
Pour chaque produit considéré, un modèle AR(p) a été calibré par la méthode des
moindres carrés, avec plusieurs valeurs de p. Le choix de l’ordre p du modèle correspond au
meilleur coefficient R² obtenu, mais avec un maximum de 6 retards.
Produit p R²
Tyler 6 0,21
Jackson 6 0,19
Fillmore 6 0,41
Pierce 6 0,67
Adams 6 0,61
Monroe 6 0,19
Lincoln 6 0,20
Johnson 6 0,19
Jefferson 6 0,05
Harrison 6 0,08
Wilson 6 0,35
Washington 6 0,23
Roosevelt 6 0,24
Madison 6 0,17
Kennedy 6 0,13
Eisenhower 4 0,08
Buren 5 0,12
Hoover 5 0,07
Truman 5 0,17
Carter 6 0,04
Reagan 6 0,24
Tableau 6. Indicateurs des modèles AR(p)
Le produit Pierce est un exemple de produit bien modélisé par un AR(6), en revanche,
les modèles AR caractérisent mal un produit comme Carter, qui est un multisupport. Les
Page | 108
deux graphiques suivants comparent graphiquement historique et modèle pour ces deux
exemples de produits.
1.20%
1.00%
0.80%
0.60%
Rachats
0.40% Estimation
0.20%
0.00%
Jan-08
Jan-05
Jan-06
Jan-07
Jan-09
Jan-10
Jan-11
Jul-08
Jul-04
Jul-05
Jul-06
Jul-07
Jul-09
Jul-10
Figure 28. Produit Pierce
4.00%
3.50%
3.00%
2.50%
2.00%
Rachats
1.50%
Estimation
1.00%
0.50%
0.00%
Jul-04
Jul-05
Jul-06
Jul-07
Jul-08
Jul-09
Jul-10
Jan-05
Jan-06
Jan-07
Jan-08
Jan-09
Jan-10
Jan-11
Dans tous les cas, un test de Shapiro-Wilk12 a été mené pour vérifier l’hypothèse de
normalité des résidus. Nous rappelons ci-dessous les principes de ce test.
Test de Shapiro-Wilk
Page | 109
12
Voir De Cremiers L. [3]
La statistique du test s’écrit, pour un échantillon de taille n,
Page | 110
xi x(i) écarts ai
-0,04% -0,20% 0,42% 0,3789
-0,16% -0,16% 0,34% 0,2604
0,18% -0,11% 0,23% 0,2281
0,05% -0,11% 0,22% 0,2045
0,02% -0,10% 0,21% 0,1855
-0,01% -0,10% 0,20% 0,1693
0,03% -0,10% 0,19% 0,1551
0,04% -0,09% 0,18% 0,1423
-0,09% -0,08% 0,17% 0,1306
-0,11% -0,07% 0,15% 0,1197
-0,10% -0,07% 0,14% 0,1095
0,05% -0,06% 0,11% 0,0998
-0,11% -0,04% 0,09% 0,0906
-0,04% -0,04% 0,09% 0,0817
0,21% -0,04% 0,09% 0,0731
-0,01% -0,03% 0,08% 0,0648
-0,20% -0,02% 0,07% 0,0568
-0,01% -0,02% 0,06% 0,0489
-0,07% -0,01% 0,05% 0,0411
0,11% -0,01% 0,05% 0,0335
-0,02% -0,01% 0,03% 0,0259
-0,04% 0,00% 0,03% 0,0185
-0,07% 0,02% 0,01% 0,0111
0,08% 0,02% 0,00% 0,0037
0,04% 0,02%
0,05% 0,02%
0,11% 0,03%
0,05% 0,03%
0,07% 0,04%
-0,02% 0,04%
0,02% 0,04%
0,09% 0,05%
0,02% 0,05%
-0,03% 0,05%
0,00% 0,05%
0,09% 0,05%
0,02% 0,05%
0,11% 0,07%
0,05% 0,08%
0,12% 0,08%
0,03% 0,09%
0,08% 0,09%
-0,10% 0,11%
0,04% 0,11%
-0,10% 0,11%
-0,06% 0,12%
-0,08% 0,18%
0,05% 0,21%
Page | 111
Calcul du taux de rachat en régime permanent
Taux de rachat
Produit mensuel régime
permanent (1)
Tyler 0,38%
Jackson 0,56%
Fillmore 0,56%
Pierce 0,62%
Adams 0,46%
Monroe 0,59%
Lincoln 0,32%
Johnson 0,38%
Jefferson 0,35%
Harrison 0,40%
Wilson 0,52%
Washington 0,49%
Roosevelt 0,53%
Madison 0,28%
Kennedy 0,30%
Eisenhower 0,42%
Buren 0,32%
Hoover 0,94%
Truman 0,44%
Carter 0,78%
Reagan 0,002%
Global 0,53%
Tableau 8. Résultats avec modèle AR(p)
Ont été testés pour la variable , la valeur moyenne du CAC 40 sur le mois courant
ou le mois précédent, la volatilité sur le mois courant ou sur le mois précédent, la moyenne
Page | 112
mobile à 6 mois ou 1 an, l’écart-type mobile à 6 mois ou 1 an, le taux du livret A, et le taux 1
an.
Nous reviendrons plus en détail sur les raisons de ce choix de modélisation pour les
rachats en partie IV. L’idée est nouvelle et vient d’une analogie avec le comportement des
taux d’intérêt : les taux de rachat ne peuvent pas, sur une durée abusive, prendre des
valeurs trop importantes. Ce phénomène peut être modélisé par une force de rappel vers
une valeur moyenne. Le modèle de Vasicek semble particulièrement bien adapté pour
représenter ce type d’évolution.
Page | 113
Modèle de Vasicek13
Page | 114
13
Voir Eraker B. [4] et Muni Toke I. [6]
Ainsi, comme nous l’avons vu plus haut, le paramètre représente la valeur
moyenne autour de laquelle le processus des taux de rachat mensuels oscille. Il s’estime
très simplement en calculant la moyenne historique du taux de rachat mensuel. Les résultats
sont donnés dans le tableau ci-dessous.
Taux de rachat
Produit mensuel régime
permanent (2)
Tyler 0,39%
Jackson 0,56%
Fillmore 0,56%
Pierce 0,51%
Adams 0,43%
Monroe 0,58%
Lincoln 0,32%
Johnson 0,36%
Jefferson 0,34%
Harrison 0,38%
Wilson 0,51%
Washington 0,47%
Roosevelt 0,51%
Madison 0,28%
Kennedy 0,30%
Eisenhower 0,42%
Buren 0,33%
Hoover 0,95%
Truman 0,44%
Carter 0,77%
Reagan 0,02%
Global 0,54%
Tableau 10. Résultats avec modèle stochastique
Les lois de rachat peuvent également être calculées à partir des observations passées
et être prolongées statistiquement pour effectuer des projections (c’est une méthode
aujourd’hui utilisée chez Allianz, et nous n’apporterons pas d’innovations particulières ici).
Plus précisément, les rachats historiques (observés) sont séparés entre rachats partiels et
rachats totaux, puis par ancienneté des contrats. Nous disposons donc, pour chaque année
comptable, d’une courbe des taux de rachats en fonction de l’ancienneté. Pour chaque
année comptable disponible, la loi est prolongée pour les anciennetés plus grandes en
prenant la moyenne sur les 5 ou 10 dernières anciennetés de la même année comptable.
Ensuite, la loi de l’année comptable courante est construite, pour une certaine année
d’ancienneté, en calculant sur les dernières années comptables les taux de rachat observés
de l’ancienneté considérée (en ignorant éventuellement certaines années comptables jugées
aberrantes). Prenons un exemple :
Page | 115
Nous disposons, pour un certain produit, des données suivantes pour les années
comptables 2008, 2009 et 2010. Ces données sont issues d’observations historiques et ont
été retraitées des rachats exceptionnels. Ils forment ainsi les rachats structurels.
Pour des besoins de projection, la loi de l’année 2010 doit être prolongée pour les
anciennetés supérieures à 20 ans. La méthode consiste à prendre un taux flat (constant) égal
à la moyenne sur les dernières anciennetés disponibles (prenons par exemple les 10
dernières anciennetés, i.e. de 11 à 20). On obtient 2,47% pour l’année 2010. De même, pour
l’année 2009 (en prenant la moyenne sur les anciennetés 10 à 19), on obtient un taux de
rachat de 3,37%, et il vaut 4.86% en 2008.
La loi estimée de 2011 peut être estimée en prenant, pour chaque ancienneté, la
moyenne sur les 3 années comptables disponibles 2008, 2009 et 2010 des taux de rachat
observés pour cette ancienneté. On obtient ainsi les résultats suivants.
Page | 116
2011
Ancienneté 2010 2009 2008
(est.)
1 2,95% 2,04% 3,35% 3,45%
2 2,95% 2,04% 3,35% 3,45%
3 2,95% 2,04% 3,35% 3,45%
4 2,95% 2,04% 3,35% 3,45%
5 2,95% 2,04% 3,35% 3,45%
6 3,09% 2,04% 3,35% 3,86%
7 2,91% 2,04% 3,38% 3,32%
8 2,21% 1,94% 2,21% 2,48%
9 11,54% 9,02% 12,10% 13,51%
10 4,99% 4,53% 4,70% 5,73%
11 6,03% 5,35% 6,48% 6,25%
12 4,15% 3,30% 4,14% 5,00%
13 3,83% 3,24% 3,88% 4,38%
14 3,35% 2,75% 3,57% 3,72%
15 2,89% 2,61% 2,74% 3,32%
16 2,45% 2,19% 2,59% 2,57%
17 1,90% 1,67% 2,01% 2,03%
18 1,70% 1,21% 1,81% 2,07%
19 2,63% 1,27% 1,75% 4.86%
20 3,11% 1,11% 3.37% 4.86%
21 3,56% 2.47% 3.37% 4.86%
22 3,56% 2.47% 3.37% 4.86%
23 3,56% 2.47% 3.37% 4.86%
24 3,56% 2.47% 3.37% 4.86%
25 3,56% 2.47% 3.37% 4.86%
Tableau 12. Estimation des rachats par lois d'expérience
16.00%
14.00%
Taux de rachat annuel
12.00%
10.00%
2010
8.00%
6.00% 2009
4.00% 2008
2.00% moyenne
0.00%
1 3 5 7 9 11 13 15 17 19 21 23 25
Ancienneté
Afin de disposer d’un taux de rachat annuel global, il suffit de sommer ces taux de
rachats sur toutes les anciennetés en les pondérant par les valeurs des PM par ancienneté.
Ces calculs sont effectués dans le logiciel de projection MoSes, et sont ensuite disponibles
dans les fichiers ‘Liability’ que nous avons décrits précédemment. Les valeurs de rachat en
Page | 117
régime de croisière sont synthétisées dans le tableau suivant, où les valeurs issues des
méthodes précédentes sont également rappelées.
Bien que les 3 modes de calcul proposés se fondent sur des théories très différentes,
on peut remarquer des similitudes, notamment la position des produits en termes de
rachats (un produit présentant un fort taux de rachat avec une méthode a aussi un fort taux
de rachat avec les autres méthodes). Lorsque le taux calculé par méthode de prolongement
(3) diffère des autres résultats, il s’agit souvent de contraintes opérationnelles : par exemple,
les produits Tyler, Jackson, Fillmore et Pierce présentent des taux quasiment identiques car
leurs lois de départ reposent sur une même loi issue d’un regroupement de produits, alors
que les autres méthodes sont personnalisées au produit.
Page | 118
Calcul des paramètres ALIM
déviation
40,00%
30,00%
20,00%
10,00%
La modélisation actuelle est telle que le taux de rachat maximal, après dynamisation,
ne puisse dépasser 19%, et ce quel que soit le produit.
Page | 119
- L’annualisation du taux de rachat maximal est prudente car on considère que le
taux mensuel maximal obtenu se reproduit sur 12 mois consécutifs
- On prend en compte toutes les volatilités, notamment opérationnelle, et pas
uniquement celle due aux taux
- Il sera toujours possible d’appliquer un coefficient de sécurité supplémentaire
Page | 120
Influence de la crise
L’étude précédente a été réalisée en considérant tout l’historique depuis début 2007.
Le modèle présente l’avantage de pouvoir être calibré sur un historique quelconque, et il a
ainsi été possible de l’utiliser séparément sur les données de crise et sur les données post-
crise. De plus, un calcul « pire cas » (resp. « meilleur cas ») a été effectué en considérant
l’intégralité de l’historique, mais en utilisant comme paramètre non pas la moyenne
empirique, mais le maximum (resp. minimum) des rachats mensuels et la plus grande (resp.
plus faible) volatilité mobile à 1 an sur l’historique. Le tableau ci-dessous donne les données
utilisées.
Données
Etude
considérées
Central Toutes Moyenne Volatilité
Pire cas Toutes Max Max vol mobile 1 an
Meilleur cas Toutes Min Min vol mobile 1 an
Crise Oct 08-mar 10 Moyenne Volatilité
Post-crise Jan 10-mai 11 Moyenne volatilité
Tableau 15. Choix des données pour différentes études
Ainsi, dans la version « pire cas », on considère que la valeur moyenne autour de
laquelle oscillent les rachats en régime permanent est égale au maximum des rachats
mensuels observés sur l’historique et que la volatilité est égale à la plus grande volatilité
mobile à 1 an observée sur ce même historique. Il s’agit donc d’un cas extrême.
Pour choisir l’historique à utiliser dans les cas « crise » et « post-crise », les moyennes
mobiles ont été tracées pour chaque produit et sur le portefeuille global. La moyenne
mobile, en lissant les évolutions de la variable considérée, constitue un bon indicateur pour
Page | 121
identifier les grandes tendances et les changements de régime. Les moyennes mobiles à 6
mois et à 1 an ont été tracées, de même que les volatilités mobiles à 6 mois et 1 an. Les
graphiques ci-dessous donnent des exemples de produits représentatifs et ce qu’on obtient
pour le portefeuille global.
0.005
0.0045
0.004
0.0035
0.003
0.0025
Moyenne mobile 1 an
0.002
0.0015 Moyenne mobile 6 mois
0.001
0.0005
0
Jun-10
Jun-07
Jun-08
Jun-09
Oct-07
Oct-08
Oct-09
Oct-10
Feb-10
Feb-08
Feb-09
Feb-11
0.0018
0.0016
0.0014
0.0012
0.001
0.0008 Ec type mobile 1 an
0.0006 Ec type mobile 6 mois
0.0004
0.0002
0
Jun-07
Jun-08
Jun-09
Jun-10
Oct-07
Oct-08
Oct-09
Oct-10
Feb-11
Feb-08
Feb-09
Feb-10
Page | 122
0.008
0.007
0.006
0.005
0.004
Moyenne mobile 1 an
0.003
Moyenne mobile 6 mois
0.002
0.001
0
Jun-08
Jun-07
Jun-09
Jun-10
Oct-07
Oct-08
Oct-09
Oct-10
Feb-08
Feb-09
Feb-10
Feb-11
0.002
0.0018
0.0016
0.0014
0.0012
0.001
Ec type mobile 1 an
0.0008
0.0006 Ec type mobile 6 mois
0.0004
0.0002
0
Jun-07
Jun-08
Jun-09
Jun-10
Oct-07
Oct-08
Oct-09
Oct-10
Feb-11
Feb-08
Feb-09
Feb-10
Page | 123
0.007
0.006
0.005
0.004
0.003
Moyenne mobile 1 an
0.002
0.001
0
Jun-06
Mar-10
Jan-11
May-09
Oct-09
Apr-07
Nov-06
Sep-07
Feb-08
Jul-08
Aug-10
Dec-08
0.0014
0.0012
0.001
0.0008
0.0006
Ec type mobile 1 an
0.0004
0.0002
0
Jun-07
Oct-07
Jun-08
Oct-08
Jun-09
Oct-09
Jun-10
Oct-10
Feb-08
Feb-09
Feb-10
Feb-11
Les résultats sont synthétisés dans les tableaux suivants. Deux historiques ont été
considérés afin de comparer l’évolution temporelle des résultats. Il en ressort que les valeurs
sont stables, ce qui renforce la confiance dans les valeurs obtenues.
Page | 124
Historique depuis janvier 2007
Rachat mensuel
Tyler Jackson Fillmore Pierce Adams Monroe Lincoln Johnson
maximal
Actuel 19% 19% 19% 19% 19% 19% 19% 19%
Meilleur cas 3,87% 8,73% 7,16% 6,53% 5,98% 7,43% 3,41% 2,34%
Central 8,43% 15,22% 13,66% 15,61% 11,73% 11,33% 6,96% 12,65%
Pire cas 13,31% 25,16% 18,44% 22,68% 17,33% 17,47% 13,15% 25,77%
Crise 8,71% 15,98% 12,02% 14,47% 12,67% 11,99% 8,00% 16,38%
Post-crise 6,88% 12,26% 10,07% 17,71% 9,98% 11,81% 5,17% 10,69%
Rachat mensuel
Madison Kennedy Buren Hoover Truman Carter Global
maximal
Actuel 19% 19% 19% 19% 19% 19% 19%
Meilleur cas 3,69% 3,44% 5,28% 13,09% 6,26% 13,28% 6,16%
Central 5,85% 6,58% 9,79% 21,62% 11,69% 38,75% 10,18%
Pire cas 9,07% 9,47% 16,75% 36,29% 18,34% 89,09% 14,65%
Crise 6,57% 7,40% 10,33% 19,83% 12,75% 54,28% 10,83%
Post-crise 4,78% 5,41% 7,90% 18,73% 11,23% 23,72% 8,54%
Page | 125
Historique depuis janvier 2004
Rachat mensuel
Tyler Jackson Fillmore Pierce Adams Monroe Lincoln Johnson
maximal
Actuel 19% 19% 19% 19% 19% 19% 19% 19%
Meilleur cas 3,87% 6,58% 6,54% 5,23% 3,36% 7,43% 3,41% 1,38%
Central 8,78% 15,14% 12,72% 14,50% 11,74% 11,30% 6,83% 11,44%
Pire cas 13,31% 25,16% 18,44% 22,68% 18,00% 17,47% 13,15% 25,77%
Crise 8,71% 15,98% 12,02% 14,47% 12,67% 11,99% 8,00% 16,38%
Post-crise 6,88% 12,26% 10,07% 17,71% 9,98% 11,81% 5,17% 10,69%
Rachat mensuel
Madison Kennedy Buren Hoover Truman Carter Global
maximal
Actuel 19% 19% 19% 19% 19% 19% 19%
Meilleur cas 3,69% 3,44% 4,49% 13,09% 4,22% 10,39% 5,71%
Central 5,95% 6,58% 9,57% 21,62% 12,10% 34,36% 11,22%
Pire cas 9,07% 9,47% 16,75% 36,29% 19,98% 89,09% 16,95%
Crise 6,57% 7,40% 10,33% 19,83% 12,75% 54,28% 10,83%
Post-crise 4,78% 5,41% 7,90% 18,73% 11,23% 23,72% 8,54%
Page | 126
Ces résultats montrent que le paramétrage actuel de 19% est dans la plupart des cas
supérieur au taux de rachat maximal auquel on peut s’attendre dans tous les scénarios, y
compris le pire cas où on considère que la valeur long terme des rachats vaut le maximum
observé sur l’historique.
Le graphique ci-dessous donne, sur le produit pour lequel le taux de rachat maximal
du modèle est le plus proche du taux de rachat historique (donc le moins prudent) la
comparaison entre ces deux taux. Même dans ce cas, la marge reste importante, y compris
pendant la récente crise de 2008 où le taux de rachat observé reste éloigné du taux de
rachat maximal théorique.
Produit Lincoln
8.00%
7.00%
6.00%
5.00%
4.00%
3.00% Réel
2.00%
1.00%
0.00% Taux maximal
modélisé
2006
2004
2005
2007
2008
2009
2010
2011 (estimé)
De plus, on remarque qu’en temps de crise, les rachats sont globalement plus élevés
et donnent un paramétrage plus prudent. Suite à la crise, les rachats se sont stabilisés à un
niveau inférieur et sont beaucoup moins volatiles, ce qui explique un paramétrage plus
agressif.
déviation
40,00%
30,00%
20,00%
10,00%
0,00%
surr_incr_begin
-10,00% -7,50% -5,00% -2,50% 0,00% 2,50% 5,00% 7,50% 10,00%
-10,00%
Taux benchmark - Taux servi
Page | 127
La démarche actuellement implémentée repose sur l’étude d’un unique produit
ayant un TMG de 4,5%, et consiste à comparer ce TMG au taux benchmark. Les résultats
sont ensuite appliqués à l’ensemble des produits.
Mettons-nous dans la peau d’un assuré ayant ouvert un contrat d’assurance vie
proposant un TMG de 2% par exemple. Chaque année, l’assureur lui communique le taux
réellement crédité au titre de son contrat (supérieur ou égal à 2%). Le client, supposé
rationnel, va alors comparer ce taux (et non plus simplement le TMG) avec celui que propose
le marché (taux benchmark), et se demander s’il ne ferait pas mieux de racheter son contrat
d’assurance vie pour placer son épargne au taux du marché. Le rachat du contrat entraîne
un certain nombre de frais qui viendront diminuer la valeur de son nouvel investissement :
20,000
18,000
16,000
Epargne
14,000
Sans rachat
12,000
Avec rachat
10,000
8,000
1 3 5 7 9 11 13 15 17 19 21
Année
Page | 128
Ainsi, sa nouvelle épargne partira d’une assiette inférieure, mais sera mieux
rémunérée. La décision de rachat est donc l’objet d’un arbitrage. Le nouvel investissement
effectué rapportera davantage que le contrat d’assurance vie initial, mais la question est de
savoir en combien de temps. Plus l’écart de taux est important, plus cette durée sera courte,
et plus le rachat sera profitable à l’assuré.
Un autre facteur mérite d’être pris en compte : la motivation même des assurés
provenant des incitations. Prenons l’exemple d’un agent immobilier 14. Lorsque vous voulez
vendre votre maison, vous faites appel à ses services pour dresser les caractéristiques du
bien, prendre des photos, établir une annonce séduisante, faire des visites, négocier, etc.
C’est une somme de travail considérable, qui, sur une vente de disons 300 000€ lui
rapportera, sur les 6% de commissions habituels, une part de 1,5%, soit 4 500€, ce qui est
confortable. Et si en réalité, la maison valait plus que 300 000€ ? Si en y mettant plus
d’effort, de patience et quelques annonces supplémentaires, il avait pu en tirer 310 000€ ?
Hors commission, cela aurait ajouté 9 400€ à votre part. Mais celle de l’agent, elle, n’aurait
augmenté que de 150€ (1,5% de 10 000€). Vos objectifs ne coïncident pas. Ainsi, l’agent
immobilier vous poussera à accepter la première offre raisonnable, il veut que l’affaire se
fasse vite. Pourquoi ? Parce que le bénéfice qu’il tirerait d’une offre supérieure, 150€, n’a
pas de quoi l’inciter à agir autrement.
Revenons à notre étude : le rachat engendre une procédure assez lourde, il faut
fournir des justificatifs, effectuer des démarches administratives et le tout peut prendre
plusieurs mois. Ainsi, si le nouvel investissement ne rapporte finalement qu’un faible
rendement par rapport à la conservation du contrat, l’assuré, tout comme l’agent
immobilier, ne va pas perdre son temps précieux pour ne gagner qu’un faible surplus. De
plus, conserver son contrat d’assurance présente l’avantage d’être certain de bénéficier d’un
TMG. En revanche, si le taux benchmark est le taux 1 an par exemple, il peut certes
permettre de rapporter gros la première année, mais rien ne garantit qu’il conservera ce
niveau élevé sur les suivantes. Ce risque que porte l’assuré est un risque de marché.
Pour modéliser ce phénomène, nous allons introduire une notion nouvelle : une
prime de risque demandée par l’assuré à son nouvel investissement au titre de la lourdeur
des démarches administratives et du risque de taux.
Page | 129
14
Voir Levitt Steven D., Dubner Stephen J. [15]
Analogie avec la résistance des matériaux
Cette analogie est proposée pour la première fois dans ce mémoire et va nous
permettre de développer tout un nouveau modèle.
Une fois le problème ainsi posé, une analogie peut être faite avec le domaine de la
résistance des matériaux. En effet, la formulation est assez similaire : prenons par exemple
une poutre cylindrique de section S soumise à une contrainte normale de traction N.
La théorie15 nous dit qu’il existe pour la contrainte un seuil au-delà duquel le
matériau se rompt, appelé résistance élastique, et dépendant du matériau. La condition
s’écrit . En-deçà de ce seuil, le matériau se fragilise mais ne rompt pas.
Dans le cas des rachats, la modélisation est similaire : tant que la différence entre le
taux benchmark et le taux crédité est inférieur à un certain seuil, les rachats dynamiques ne
sont pas activés, en revanche, dès qu’elle atteint ce seuil, ils apparaissent. Ainsi, la
contrainte normale, représentant la pression subie par la poutre, aura pour analogue la
différence entre le taux benchmark et le taux crédité, contrainte de pression que subit
l’assuré. La section représente en quelque sorte l’assiette sur laquelle repose la contrainte.
Une force de 1N sur 1m² est beaucoup plus faible qu’une force de 1N sur 1mm². De même,
la différence de taux doit être rapportée à l’assiette sur laquelle elle est basée, qui pourrait
être le taux crédité. Une différence de taux de 1% sur un taux servi de 10% n’a pas
psychologiquement le même impact qu’une différence de 1% sur un taux servi de 1%.
L’analogie entre les variables des deux domaines est synthétisée dans le tableau ci-dessous.
Page | 130
15
Voir Aubry D. [2]
Analogie avec la météorologie
Par les belles journées de printemps, on peut observer en levant les yeux des
cumulus (figure 36). Ce sont des nuages présentant une caractéristique bien spécifique : leur
base parfaitement horizontale est située à une altitude précise.
Page | 131
Dans notre cas, la question est à partir de quel taux les assurés vont-ils commencer à
racheter (les nuages vont-ils commencer à se former) ? On peut donc s’attendre à une
relation de la forme suivante.
Variable Notation
Investissement initial
Taux réellement crédité par le contrat
Ancienneté en années du contrat au moment du rachat
Taux benchmark à comparer au taux crédité
Prime de risque
Frais d’acquisition du nouveau contrat
Taxes sur plus-values
Prélèvements sociaux
Total des taxes
Facteur de capitalisation depuis souscription
Ecart entre taux benchmark et taux crédité
Les taxes dépendent de l’ancienneté (elles vont de 7,5% à 35% comme on l’a vu dans
la partie précédente).
Le rachat est jugé profitable au bout de n années après rachat si la condition suivante
est vérifiée :
Page | 132
Nous justifions ci-dessous la relation .
Remarquons tout d’abord que le dénominateur s’annule pour une certaine valeur
de :
Page | 133
Expression simplifiée
En supposant que les valeurs des taux sont très inférieures à 1, on peut utiliser un
développement limité au premier degré de la valeur générique de la solution :
Page | 134
Notion de résistance élastique des rachats dynamiques
L’opération de rachat est jugée profitable si la durée de retour sur investissement est
inférieure à un seuil raisonnable K, disons égal à 6 ans. En reprenant la formule exacte, ceci
se traduit par l’équation suivante.
Nous noterons .
Avec
On a bien une relation de la forme attendue. Cette résistance élastique dépend bien
également des caractéristiques du produit (ancienneté, frais d’acquisition et taux servi) mais
aussi de l’environnement réglementaire exogène (prélèvements sociaux et taxes sur les plus-
values).
Aussi, en émettant les mêmes hypothèses que pour la théorie de la formation des
nuages, on obtient la relation suivante.
Page | 135
Il s’agit bien à nouveau de la forme attendue.
La forme de peut être paramétrée. Comme nous l’avons vu, sa valeur dépend
principalement du coût des démarches administratives et du risque de taux. Ainsi, plusieurs
modélisations sont possibles :
constant
C’est la forme la plus simple et celle que nous utiliserons en pratique. Un sondage a
été réalisé au sein des équipes internes Allianz en posant le problème suivant. Vous
souhaitez investir à horizon 8 ans. Vous possédez un contrat d’assurance vie vous rapportant
disons 2% par an. Les taux du marché sont supérieurs, et sont tels que si vous rachetez votre
contrat (engendrant des frais), l’épargne que vous atteindriez serait exactement égale à celle
atteinte si vous conservez votre contrat à 2%. Vous n’allez donc pas racheter car vous n’allez
pas perdre du temps et faire des efforts administratifs pour finalement obtenir le même
rendement. Au-delà de quel surplus de rendement par an venant compenser ces efforts à
fournir décidez-vous de racheter ?
Les résultats tournent autour de 1%. Ce sera la valeur utilisée dans nos simulations.
Où est la fonction d’utilité des assurés pour le critère volatilité du taux benchmark
(concave s’ils sont averses au risque et convexe s’ils sont risquophiles).
Page | 136
forfaitaire
On pourrait également penser à une prime de risque forfaitaire dont le montant, en
% de la PM, représenterait le coût des démarches administratives. Dans notre modélisation,
cela signifierait que dépend de , rendant les équations non linéaires et demandant une
résolution par un algorithme de type Newton-Raphson par exemple.
Calcul de surr_incr_begin
Prenons l’exemple du produit Pierce. Nous disposons des taux crédités nets depuis
2006 pour ce produit : 4,31% en 2006, 4,16% en 2007, 4,16% en 2008, 3,63% en 2009 et
3,31% en 2010.
Pour chacun de ces taux, nous calculons le delta de taux pour lequel la durée de ROI
devient inférieure à 6 ans, et ce pour chaque ancienneté, en appliquant les formules
précédentes. Par exemple, pour l’ancienneté 1 an et un taux crédité à 4,31%, nous obtenons
la courbe suivante.
Valeur de Δ
Page | 137
La valeur de cherchée est de 2.01%. Nous reproduisons le
calcul pour toutes les principales anciennetés. Les résultats pour le produit Pierce sont
synthétisés dans le tableau ci-après.
30,00%
20,00%
10,00%
0,00%
surr_incr_end
-10,00% -7,50% -5,00% -2,50% 0,00% 2,50% 5,00% 7,50% 10,00%
-10,00%
Taux benchmark - Taux servi
Page | 138
de rachat. Les assurés sont moins sensibles à l’écart de taux lorsque ce dernier est élevé, car
il rachètera de toute façon son contrat. C’est cette valeur d’écart de taux qui va nous
intéresser : celle au-delà de laquelle la durée de ROI devient quasiment constante, et où
donc les assurés deviennent insensibles à une nouvelle hausse du taux benchmark, ce qui
correspond exactement à la définition de surr_incr_end. La forme hyperbolique est
caractéristique de ce comportement et permet une estimation de notre paramètre.
Soit :
Poursuivons avec l’exemple du produit Pierce. Nous traçons la courbe donnant les
écarts relatifs entre deux valeurs successives de , durée de ROI, en fonction de . La
valeur de surr_incr_end retenue est celle correspondant à un écart absolu de moins de 5%,
soit 5% sur notre exemple ci-dessous. Cette valeur est identique quelle que soit le taux
crédité observé , la sensibilité à ce paramètre étant faible, nous validons donc notre
choix.
Page | 139
Ecart relatif de la durée de ROI
4.40%
4.80%
1.60%
2.00%
2.40%
2.80%
3.20%
3.60%
4.00%
5.20%
5.60%
6.00%
6.40%
6.80%
7.20%
7.60%
8.00%
8.40%
8.80%
9.20%
0%
-5%
-10%
-15%
-20%
-25%
-30%
Valeur de Δ
surr_incr_begin
Page | 140
Nous prenons comme valeurs de base des paramètres celles d’un produit typique :
Pierce.
Taux crédité
4.0%
surr_incr_begin
3.0%
0,3%
2.0%
1.0% 1%
0.0%
Taux crédité
Page | 141
supplémentaire suffira à déclencher le rachat. On retiendra, de façon générale, une pente
d’1/3.
Ancienneté
Sensibilité à l'ancienneté
4.5%
Pics fiscaux à 4 et 8 ans
4.0%
3.5%
surr_incr_begin
3.0%
2.5%
2.0%
1.5%
1.0%
0.5%
0.0%
11
13
15
17
19
21
23
25
1
Ancienneté
Comme on pouvait s’y attendre, la forme de la courbe dépend fortement de celle des
taxes sur plus-values (qui dépendent de l’ancienneté). On voit clairement qu’il vaut mieux
attendre d’avoir passé les pics fiscaux pour transférer son épargne. Pour consolider un
portefeuille et déterminer son surr_incr_begin, on pourra calculer l’ancienneté moyenne
pondérée par les PM.
Sur chaque tronçon fiscal, la pente de la courbe décroit avec l’ancienneté. En effet, le
seul terme faisant intervenir l’ancienneté dans la formule est l’impôt sur les plus-values et
les prélèvements sociaux. Il s’applique au coefficient de capitalisation , qui croit
de manière exponentielle. Ainsi, plus le produit est ancien, plus il sera intéressant de
racheter car le coût dû aux taxes est proportionnellement plus faible du fait de la convexité
de la courbe. Il suffit donc d’un écart de taux inférieur pour décider l’assuré à racheter.
Reprenons ce raisonnement mathématiquement : supposons pour simplifier les autres frais
nuls. En notant l’épargne atteinte au temps , la décision de rachat coûte .
Ramené à la nouvelle PM, ce montant représente , qu’il faut rattraper avec le
nouvel investissement.
Page | 142
Etudions pour cela la fonction suivante.
Notons également que l’élasticité des assurés pour la variable surr_incr_begin (SIB)
à l’ancienneté est à peu près constante et égale à 1/3.
Page | 143
Frais d’acquisition
Page | 144
Prime de risque
Prime de risque
Page | 145
Prélèvements sociaux
surr_incr_begin 2.95%
0,03%
2.90%
2.85%
1%
2.80%
Prélèvements sociaux
Synthèse
Page | 146
surr_incr_end
Nous prenons comme valeurs de base des paramètres celles d’un produit typique :
Pierce.
Taux crédité
Prime de risque
6.00%
5.00% 0,1%
4.00%
3.00%
2.00%
1.00%
0.00%
0.00%
0.30%
0.60%
0.90%
1.20%
1.50%
1.80%
2.10%
2.40%
2.70%
3.00%
3.30%
3.60%
3.90%
4.20%
Prime de risque
Page | 147
Synthèse
Nous disposons désormais d’un paramétrage mis à jour pour les lois de rachats
dynamiques permettant de prendre en compte davantage de facteurs et la spécificité de
chaque produit. Il convient maintenant de mesurer l’impact de changement de paramétrage
sur la MCEV de la compagnie à travers le coût des O&G.
C’est l’outil stochastique ALIM qui permet de calculer le coût des O&G. Comme nous
l’avons vu, ce dernier est calculé en effectuant la différence entre la PVFP déterministe (1
seul scénario correspondant au scenario moyen d’évolution de la situation économique et
financière) et la PVFP stochastique (1 000 scénarios).
ALIM permet de calculer séparément chacun de ces deux termes en lançant ce que
l’on appelle un « run », correspondant au lancement d’une projection sur 40 ans. Pour
chaque calcul d’O&G, il faut donc lancer un run déterministe et un run stochastique.
On rappelle que les hypothèses (ou inputs) sont constituées des 5 types de fichiers
suivants.
Asset
Il s’agit de la situation du portefeuille d’actifs, par ligne d’actif (type d’actif, valeur de
marché, valeur comptable, etc.).
Corporate
Il s’agit des données bilancielles de l’entreprise (fonds propres, marge de solvabilité,
PPE, etc.) et des stratégies d’investissement (caractéristiques des types d’actif, allocation
stratégique, etc.).
General
Ce fichier contient les paramètres généraux à configurer pour la simulation (chemin
des fichiers d’entrée, données sur la mortalité, etc.).
Page | 148
Liability
Il s’agit des données de passif par regroupement de produits (projections de cash-
flows, de stock, etc.).
Scenario
Les scénarios simulent une évolution possible de l’environnement économique
(valeur des taux, etc.).
Ainsi, la situation de référence sera calculée à partir d’un jeu fichiers d’input
particulier qui ne serait pas utilisé pour un objectif de publication de chiffres officiels, mais
qui permet de calculer l’ordre de grandeur de la mesure d’impact. Il est utilisé avec l’ancien
paramétrage de rachats dynamiques. Ce calcul de référence sera comparé à la même
situation mais en appliquant la mise à jour des rachats dynamiques détaillée précédemment.
Les O&G peuvent être calculées par canton, mais nous ne donnerons ici que leur coût
au total de la compagnie.
Les effets de chaque paramètre ont été calculés en « standalone » (la mesure
d’impact de chaque paramètre a été isolée). Le tableau suivant donne pour chaque étude le
coût des O&G associées.
Ecart avec
Etude PVFP déterministe PVFP stochastique O&G
référence (%)
Référence 4 214 543 k€ 3 923 195 k€ 291 348 k€ -
MAJ surr_incr_max 4 214 543 k€ 3 987 090 k€ 227 453 k€ -22%
MAJ surr_incr_begin 4 214 543 k€ 3 996 763 k€ 217 780 k€ -25%
MAJ surr_incr_end 4 214 543 k€ 3 865 599 k€ 348 944 k€ +20%
Tableau 19. Impact en standalone de la mise à jour des paramètres
Page | 149
L’interprétation des chiffres obtenus est intuitive : la mise à jour de surr_incr_max a
consisté, en général, à revoir à la baisse le taux de rachat maximal attendu. Ainsi, dans les
scénarios extrêmes où le taux benchmark est très supérieur au taux crédité, les assurés
rachètent moins, ce qui augmente la PVFP stochastique et donc diminue le coût des O&G.
En revanche, nous avons abaissé la valeur de surr_incr_end, ce qui signifie que le taux
maximal est atteint plus facilement : il faut en effet une différence de taux moins importante
pour arriver au taux de rachat maximal. Ceci augmente le coût des O&G.
On peut aussi effectuer une analyse de mouvement pour arriver à la situation finale
où tous les paramètres ont été mis à jour. Elle est synthétisée dans le tableau suivant.
Ecart avec
Etape PVFP déterministe PVFP stochastique O&G
référence (%)
Référence 4 214 543 k€ 3 923 195 k€ 291 348 k€ -
MAJ surr_incr_begin 4 214 543 k€ 3 996 763 k€ 217 780 k€ -25%
MAJ surr_incr_begin
4 214 543 k€ 3 936 393 k€ 278 150 k€ -5%
et surr_incr_end
MAJ totale 4 214 543 k€ 3 992 391 k€ 222 152 k€ -24%
Tableau 20. Analyse de mouvement de la mise à jour des paramètres
Page | 150
CONCLUSION
Afin de segmenter les produits selon plusieurs profils de risque en matière de rachat,
le ratio de Sharpe a été introduit et permet de discriminer les trois comportements majeurs
identifiés empiriquement. Le paramétrage des lois de rachat dynamique utilisé jusqu’à
présent reposait principalement sur des jugements d’expert. L’utilisation du modèle de
Vasicek et la rationalisation du processus de décision de rachat ont permis d’obtenir de
nouvelles valeurs de paramètres, prenant en compte les spécificités de chaque produit et
permettant également de choisir le risque auquel on s’expose en ce qui concerne
l’estimation du taux de rachat maximal. Etant donné que le calcul repose sur un calibrage
aux données historiques, il conviendra de mettre à jour périodiquement ce paramétrage, par
exemple annuellement, pour prendre en compte l’évolution temporelle du comportement
des clients. Ainsi, la mise à jour des lois de rachats dynamiques devrait permettre, après
finalisation du processus d’approbation d’un changement d’hypothèse majeur, une baisse
du coût des O&G de l’ordre de 25%.
Page | 151
PARTIE IV : Propositions de modélisation des rachats
INTRODUCTION
Page | 152
4.1) Modèle de Vasicek
En observant les historiques de taux de rachat depuis début 2004, on se rend compte
que, quel que soit le produit, quelle que soit la période ou l’échelle considérée, le niveau des
rachats peut s’autoriser des sauts, mais reste toujours maîtrisée et oscille autour d’une
valeur « moyenne ».
Nous allons ainsi dans cette première section utiliser le modèle de Vasicek (plus
souvent utilisé pour modéliser les taux courts) pour représenter les rachats. Les problèmes
que l’on va a priori rencontrer sont la possibilité d’obtenir des taux négatifs et la constance
des paramètres du modèle étant donné que l’on considère des horizons de temps
importants.
Modélisation
Définition
Propriétés
Page | 153
suit donc une loi normale conditionnellement à de moyenne et de
variance :
Toutes les trajectoires de oscilleront autour d’une valeur moyenne de long terme
égale à avec une variance égale à .
Ces valeurs long terme se retrouvent par les formules précédentes en prenant la
limite quand .
Page | 154
16
Voir Eraker B. [4] et Muni Toke I. [6]
Avec
Calibrage
D’un point de vue opérationnel, on dispose d’un historique de taux de rachat. Si l’on
discrétisait le modèle on obtiendrait :
Et on a toujours :
Page | 155
Le graphique ci-dessous représente un exemple de simulation par les différences
finies avec des données calibrées sur le produit Monroe. En simulant de nombreuses
trajectoires, les ordres de grandeur sont corrects, de même que l’amplitude des pics, en
comparant avec l’historique disponible.
31
34
37
40
43
46
49
52
55
Mois
Ainsi, l’hypothèse à tester est : le taux de rachat suit une loi normale d’espérance
0,58% et d’écart-type 0,103%. Après avoir regroupé les données par classes d’effectifs
supérieurs à 5, les effectifs théoriques de chaque classe ont été calculés. En notant le
nombre de classes, l’effectif empirique de la classe , la taille de l’échantillon (égal à 55
mois dans notre cas) et la probabilité théorique d’appartenir à la classe , on obtient les
résultats suivants.
Classe
7 5,69
9 9,70
13 14,2
13 13,34
8 8,05
5 4,03
Page | 156
La statistique à considérer est17 :
Dans notre cas, la statistique vaut 0,70. Or, en considérant un risque à 5%, on
a , ce qui valide le modèle.
Contexte et applications
Il est enfin possible de l’utiliser pour calculer de façon très simple le taux de rachat en
régime stationnaire, et ce pour n’importe quelle maille du portefeuille (ligne client, produit,
model point, canton, portefeuille total, etc.). Cette variable est essentielle dans
l’appréciation du risque de rachat et constitue un indicateur et une hypothèse majeurs dans
les projections et calculs de MCEV.
Avantages et limites
Avantages
Page | 157
17
Voir Phan T. [7]
De plus, son calibrage est simple à effectuer, il repose sur l’historique des taux de
rachats passés, et il est même possible de choisir l’historique considéré afin de repérer des
changements de comportement au cours du temps.
Il permet également d’effectuer des tests de sensibilités, ce qui est essentiel dans le
secteur de l’assurance.
Limites du modèle
Extension
Le fait d’utiliser des paramètres constants empêche, dans les projections, la
simulation de périodes atypiques, telles les crises. Ces dernières sont pourtant bien
existantes, surtout en considérant la durée des périodes classiques de projection en
assurance, qui s’étalent sur une cinquantaine d’années.
Ainsi, afin de pallier à ce problème, nous proposons dans ce mémoire de rendre les
paramètres dynamiques, à travers une dépendance au temps ou à d’autres agrégats. Ainsi,
par exemple, en cas de crise, la panique des marchés peut se propager jusque dans nos
produits d’assurance et augmenter ponctuellement le taux « régime de croisière » du taux
de rachat et sa volatilité. Le modèle général suivant permet d’améliorer le modèle de
Vasicek.
Page | 158
Comme précédemment, en appliquant le lemme d’Itô au processus , on
obtient :
Un premier exemple
Où est calibré à la période observée des cycles économiques. Le niveau des rachats
et leur volatilité dépendent ainsi de la situation économique dans sa globalité, ce qui est
effectivement observable dans les historiques disponibles. Avec ces hypothèses, le taux de
rachat devient un processus gaussien et on peut calculer son espérance et sa variance
conditionnelle.
Page | 159
Ces expressions sont plus lourdes à implémenter. En revanche, on peut en extraire
les valeurs en régime permanent (t grand).
Page | 160
Est donné ci-dessous un exemple de trajectoire obtenue en simulant par différences
finies cette extension du modèle de Vasicek sur une période de 100 ans. On ne s’intéressera
ici qu’aux valeurs de long terme du taux de rachat.
Valeur utilisée
Paramètre
pour l’exemple
6%
1,2%
0,86%
0,17%
20 ans
0,83
6%
1 an
5.00%
4.00%
6
61
1
11
16
21
26
31
36
41
46
51
56
66
71
76
81
86
91
96
Année
Page | 161
On remarque bien que les rachats suivent les cycles économiques. Cette modélisation
introduit aussi un décalage de phase entre les taux de rachat et la courbe de , valeur de
référence, phénomène effectivement observé sur les historiques. En effet, le calcul des
extrema de (annulation de sa dérivée) donne :
Soit
Soit
Son calcul donne un déphasage d’environ 1 an sur notre exemple, ce qui est
effectivement observable sur la trajectoire. Il s’agit du temps de réaction des rachats face à
la situation économique. Les assurés réagissent en effet avec un certain décalage par rapport
à l’information que leur donne l’environnement économique, ils l’assimilent et prennent le
temps de la réflexion avant de prendre une décision. Ce temps de réaction dépend de la
force de rappel, comprise dans le paramètre , et est bien une fonction décroissante de ce
dernier : si augmente, la force de rappel augmente et le temps de réaction (le déphasage)
diminue.
Page | 162
En appliquant un signal sinusoïdal à l’entrée de ce circuit, on obtient, en sortie, un
signal , également sinusoïdal, qui est modulé par rapport au signal d’entrée (son amplitude
est modifiée) et qui est surtout déphasé. Déphasé de combien ? Déphasé de la valeur ci-
dessous.
Il s’agit de la même forme que pour nos rachats. On peut définir une force de rappel
Le signal d’entrée est l’excitation appliquée au circuit, dans notre cas, il s’agit de la
situation de l’économie que nous avons supposée cyclique (bien sinusoïdal dans notre
modèle). L’application de ce signal fait circuler un courant dans le circuit, c’est le flux
d’information qui est transmis par l’excitation, c’est-à-dire toute l’information véhiculée par
la situation de l’économie. Face à cela, le courant va traverser un premier composant : une
résistance (mesurée en Ohm et notée ). En effet, avant de prendre toute décision,
l’assuré va spontanément « résister » à l’information qu’il reçoit. Ce n’est pas parce qu’on
annonce qu’une banque essuie des pertes que nous allons immédiatement retirer toute
l’épargne que nous domicilions dans ladite banque. En parallèle, le circuit est constitué d’un
condensateur (dont la capacité est mesurée en Farad et notée ), dont une fonction
première est d’accumuler de l’énergie. En effet, l’assuré, en recevant l’information de
l’environnement économique, va l’assimiler, la digérer, l’accumuler, avant de prendre toute
décision. Plus la « résistance » des assurés est importante, plus ils vont mettre du temps à
réagir car il faut des incitations fortes pour changer leur comportement. De même, plus la
« capacité » des assurés est importante, plus ils vont être capables d’assimiler et de
digérer une quantité importante d’information, repoussant d’autant leur décision de rachat.
Un second exemple
D’autres formes sont possibles, par exemple pour prendre en compte la sensibilité
des assurés au niveau et à la volatilité des marchés, on pourra introduire dans les formules
de et une dépendance à ces indicateurs.
Page | 163
Où représente le niveau des marchés, et qu’on pourra modéliser par les formules
de Black & Scholes, et représente la volatilité du marché action, suivant un processus de
diffusion. Tout comportement de ce type des assurés face au marché peut ainsi être
modélisé avec cette approche.
La trajectoire donnée ci-dessous est un exemple obtenu avec une simulation par
différences finies de ce modèle.
Valeur utilisée
Paramètre
pour l’exemple
6%
0,01%
0,86%
0,77%
20 ans
0,83
6%
1 an
Valeur utilisée
Valeur utilisée Paramètre
Paramètre pour l’exemple
pour l’exemple
0,5
3%
0,04
100
0,03
0,2
0,07
Page | 164
18
Voir Heston S.L. [10]
Exemple de trajectoire du taux de rachat - extension du
modèle de Vasicek
14.00%
13.00%
12.00%
11.00%
10.00%
9.00%
8.00%
rt
7.00%
6.00%
5.00%
4.00%
1
5
9
73
93
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
77
81
85
89
97
Année
250 0.30
0.25
200
0.20
150
0.15
100
0.10
50 0.05
0 -
1
5
9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Année
Page | 165
L’inconvénient majeur est que l’on perd le caractère gaussien du taux de rachat, et
qu’il faut modéliser en parallèle l’évolution des marchés et celle de leur volatilité, rendant le
tout plus difficile à implémenter. Etant donné le nombre important de paramètres, le
calibrage est également complexe.
Les limites prévues initialement ont donc pu être résolues au détriment du côté
simple et pratique. En gardant les paramètres constants, on obtient un modèle simple très
bien adapté aux rachats sur de longues périodes.
La période des rachats semble être d’environ 4 mois. On remarque en effet des pics
de rachat autour de janvier, avril, juillet, et octobre. Des éléments d’explication peuvent
résider dans des facteurs sociologiques comme le besoin d’argent suite aux fêtes de fin
d’année, pour préparer les vacances d’été ou pour le paiement des impôts.
Modélisation
Définition
Avec et des constantes positives. La période pourra être ajustée par rapport
aux données disponibles.
Propriétés
Page | 166
On capte ainsi les 3 effets escomptés, correspondant aux différents termes de
l’exponentielle de l’équation précédente : la saisonnalité, la tendance à la hausse ou à la
baisse et l’aléa.
Calibrage
Là encore, nous supposons qu’il faut partir d’un historique de données. Nous avons :
Page | 167
Enfin, en considérant fixe, la courbe présente des
oscillations dont l’amplitude est .
52
55
Mois
Figure 49. Un exemple de simulation avec le modèle de Black & Scholes saisonnier calibré
Avantages et limites
Avantages
Page | 168
Limites du modèle
Dans notre cas, nous allons utiliser cette théorie afin d’évaluer une option
américaine, car le rachat peut être effectué à tout instant précédant la maturité. La faiblesse
a priori de ce modèle est l’absence de prise en compte de l’irrationalité des assurés, car le
raisonnement suppose que la frontière entre décision de rachat et renonciation au rachat
est nette.
Modélisation
Définition
Page | 169
19
Voir Gabet L. [5]
De façon analogue à la partie III, et en reprenant les mêmes notations, on obtient les
expressions équivalentes suivantes des PM avec et sans rachat, en utilisant la forme
exponentielle.
On obtient donc :
Page | 170
Où est la fonction de répartition de la loi normale centrée réduite.
Variable Valeur
4,26%
1 an
8 ans
3,31%
35% + 8,2%
3,5%
1%
0,25
1%
3,6%
Avantages et limites
Avantages
Limites du modèle
Page | 171
Il suppose également que l’option sera exercée dès que la PM après rachat franchit
un seuil (digitale). En pratique, la décision de l’assuré n’est pas aussi nette : lorsqu’il se situe
proche de cette frontière, la décision de rachat dépend fortement de la psychologie de
l’assuré.
Modélisation
Définition
Page | 172
0 1 2 …
… … … … … … …
…
… …
… …
… … …
… … …
… …
… …
… …
… …
Toutes les cases bleutées sont des données historiques et disponibles. Pour connaître
le montant des provisions à constituer pour couvrir les frais des sinistres survenus, mais non
déclarés (IBNR, Incurred But Not Reported), il faut estimer le montant des cases blanches du
tableau (triangle inférieur). Pour cela, la méthode de Chain-Ladder est traditionnellement
utilisée, et est présentée ci-dessous.
0 1 2 3 4
Page | 173
En particulier,
Supposons que l’on dispose, pour chaque année comptable passée, du taux de rachat
observé par ancienneté. Il est possible d’en extrapoler une prévision des taux de rachat
futurs en développant le triangle des données. Prenons un exemple simplifié d’un contrat de
maturité 8 ans, dont l’historique des taux de rachat par ancienneté est le suivant.
0 1 2 3 4 5 6 7
1 2 3 4 5 6 7
Page | 174
On en déduit ensuite les taux de rachat estimés futurs.
0 1 2 3 4 5 6 7
Le taux de rachat total peut se lire sur une diagonale en pondérant par les PM les
taux de rachat par ancienneté présents dans le tableau.
Avantages et limites
Avantages
L’avantage de ces triangles de liquidation est d’extrapoler les taux de rachat futurs à
partir des données observées, ce qui permet de prendre en compte en réalité tous les
facteurs explicatifs, y compris financiers, faisant varier le taux de rachat.
Limites du modèle
Page | 175
4.5) Analyse macroéconomique
Une méthode classique et simple consiste à trouver les facteurs qui influent sur la
décision de rachat des assurés et effectuer une régression logistique. Nous allons détailler ce
modèle et considérer de nombreuses variables du domaine macroéconomique comme
candidates explicatives du taux de rachat.
Les problèmes que nous allons a priori rencontrer sont le choix des variables
explicatives (quel critère choisir pour considérer une variable comme explicative ou non
explicative ?) et la reproduction fidèle du caractère aléatoire des rachats.
Modélisation
Définition
Si un nouvel assuré (ou un patient) arrive dans des conditions macroéconomiques (ou
avec ses données) , que vaut son label ? La description discriminative consiste à
considérer une probabilité a posteriori :
Page | 176
20
Voir Vayatis N. [8], Dr Mancini J. [11], Theodoridis S., Koutroumbas K. [12]
On appelle classifieur toute fonction mesurable g de dans . L’erreur de
classification associée au classifieur g est :
Règle de Bayes :
Où .
Page | 177
21
Sources : Bases de données de l’INSEE [18], European Central Bank [19].
Ensuite, pour chaque produit et chaque variable macroéconomique, la corrélation
entre l’historique du taux de rachat et celui de l’indicateur a été calculée, depuis 2004 et
depuis 2007 pour étudier l’évolution de leurs dépendances.
Les variables conservées pour la régression logistique d’un produit sont celles
présentant les meilleures corrélations. On supprime ensuite les variables fortement
corrélées entre elles. A titre d’exemple, les variables retenues pour le produit Kennedy sont
le nombre de défauts d’entreprises du secteur immobilier, l’opinion sur le niveau de vie
futur, et le nombre de défauts d’entreprises dans l’industrie.
Des remarques qualitatives assez intéressantes peuvent être formulées au regard des
ces premières analyses. Il ne s’agit que d’observations statistiques sur un périmètre
particulier. Elles ne sont pas toujours intuitives.
Tout d’abord, en comparant les corrélations depuis 2004 et les corrélations depuis
2007, on s’aperçoit d’un certain nombre de changements. Les taux de rachat sont davantage
corrélés aux différents taux financiers depuis début 2007, laissant supposer une certaine
rationalisation par rapport à ce type d’indicateur. Il en va de même pour toutes les variables
relatives au CAC40. Précisons ici qu’il y a eu une généralisation des campagnes à taux promo
à partir de 2007 chez Allianz.
En ce qui concerne l’opinion des Français sur leur situation économique et leur
niveau de vie, des changements sont observables, mais dépendent des produits.
Les corrélations entre rachats et cours des matières premières sont en baisse de
façon générale, certaines deviennent mêmes négatives alors qu’elles étaient positives.
Les mêmes corrélations ont été calculées non pas entre les rachats et les variables
mais entre leurs moyennes mobiles à 6 mois, pour davantage cerner les tendances globales.
Les phénomènes précédents sont amplifiés : l’augmentation de la corrélation aux taux et la
baisse de celle aux cours des matières premières sont notamment très nettes.
Page | 178
Beaucoup de produits sont positivement corrélés aux taux. En revanche, certains y
sont anti-corrélés, c’est le cas notamment du produit Pierce ou des nouveaux produits
Wilson, Washington et Roosevelt, ce qui peut paraître contre-intuitif.
Les rachats du produit Adams semblent plus particulièrement sensibles aux différents
indicateurs de niveau de vie et de situation économique des assurés. Ceci peut s’expliquer
par le caractère grand public de ce produit.
Dans le même genre d’idées, le produit Monroe est le plus sensible au nombre de
défauts d’entreprises, tous secteurs confondus.
Le principe est le même que pour les modèles AR(p). On va chercher ici de façon
simplifiée les coefficients de la régression à l’aide des fonctions Excel, qui utilisent non pas le
maximum de vraisemblance mais la méthode des moindres carrés.
Page | 179
Régression logistique sur le produit Kennedy
0.50%
0.45%
0.40%
0.35%
0.30%
0.25%
0.20% Rachats
0.15%
0.10% Rachats estimés
0.05%
0.00%
Jan-07
Jun-07
Oct-10
Apr-08
Sep-08
Feb-09
Jul-09
May-10
Nov-07
Dec-09
Figure 50. Un exemple d'application de régression logistique
Jun-08
Oct-08
Jun-09
Oct-09
Jun-10
Oct-10
Feb-08
Feb-09
Feb-10
Dans un souci de prévision des taux de rachat futurs, il est également possible
d’effectuer une régression logistique sur des données décalées. En effet, on peut postuler
que le taux de rachat du mois courant dépend des valeurs des variables économiques du
mois précédent. Ainsi, il serait possible, en fonction de la situation économique courante, de
prévoir le taux de rachat futur en appliquant la formule de régression obtenue. Pour des
Page | 180
projections lointaines, il faudrait prévoir et modéliser les variables explicatives elles-mêmes,
mais l’utilisation de cette méthode en décalé permettrait de prévoir la tendance sur les
quelques mois à venir par exemple. Toujours pour le produit Kennedy, les variables retenues
dans ce cas sont l’indice de confiance des ménages, l’opinion sur le niveau de vie futur, le
nombre de défauts dans les transports et dans l’immobilier, et le cours du zinc. On obtient
les résultats suivants, pour un R² de 70%.
0.40%
0.30%
0.20% Rachats en
décalé
0.10%
Rachats en
0.00% décalé estimés
May-07
May-08
May-09
May-10
Sep-07
Sep-08
Sep-09
Sep-10
Jan-07
Jan-08
Jan-09
Jan-10
Enfin, on peut mélanger l’idée des modèles autorégressifs de la partie III avec la
régression logistique, il suffit d’ajouter comme variables explicatives les taux de rachat des
mois précédents. On obtient les résultats suivants avec un R² de 81%.
0.50%
0.45%
0.40%
0.35%
0.30%
0.25%
0.20% Rachats
0.15%
0.10%
0.05% Rachats + AR
0.00% estimés
Nov-09
Jul-07
Nov-07
Jul-08
Nov-08
Jul-09
Jul-10
Nov-10
Mar-08
Mar-09
Mar-10
Page | 181
Cette idée de faire dépendre une variable de ses valeurs précédentes par régression
logistique est utilisée dans la prévision de la hauteur de vagues. En effet, en utilisant comme
variables explicatives les valeurs aux temps précédents, on autorise la prise en compte d’un
phénomène de propagation, de contagion d’un événement. C’est très exactement le cas
pour une vague, qui est la propagation d’une onde à la surface de l’océan provoquée par le
vent ou une autre source, comme une rupture de la croûte terrestre soulevant, par son
énergie une grande masse d’eau, et pouvant provoquer des tsunamis dévastateurs.
En introduisant ce phénomène dans notre modèle pour les rachats, que remarque-t-
on ? On remarque que l’on améliore le calibrage aux données en plein pendant la crise de
2008 (comparer la régression classique avec « l’autorégression »). Ceci vient nous conforter
dans notre idée que la crise est une crise de confiance, une crise de propagation, une crise
de contagion.
Nous allons déterminer quelles variables macroéconomiques sont les plus influentes
sur le comportement des assurés en matière de rachat et étudier l’évolution de ces
corrélations entre 2004 et 2007. Ainsi, parmi les 150 variables disponibles a été sélectionnée
la quinzaine d’entre elles expliquant le mieux les rachats au global. Elles ont également été
choisies de façon à couvrir le spectre des agrégats macroéconomiques (il n’y a pas 15 taux
différents, mais un ou deux taux, une variable sur le PIB, une ou deux sur les matières
premières, etc.).
Le critère utilisé pour le choix des variables est la maximisation de la somme, sur tous
les produits du périmètre étudié, des carrés des corrélations. Cette étude a été menée sur
l’historique depuis 2004 et celui depuis 2007.
Les meilleures variables explicatives des taux de rachat depuis 2004 sont :
Page | 182
Une régression sur le produit Pierce par exemple avec ces variables donne les
résultats suivants.
Jan-06
Jan-08
Jan-10
May-05
May-07
May-09
Sep-04
Sep-06
Sep-08
Sep-10
Figure 54. Qualité de la régression logistique
La même étude a donc été menée sur l’historique depuis 2007. Les meilleures
variables explicatives des taux de rachat depuis 2007 sont les suivantes (celles suivies d’un
(*) sont nouvelles par rapport à l’étude avec l’historique depuis 2004).
De façon globale, on peut ainsi remarquer que les variables explicatives principales
sont davantage tournées aujourd’hui sur la situation personnelle des assurés, leur quotidien,
et moins sur les grands indicateurs nationaux de croissance de l’économie. Ainsi, l’opinion de
la situation financière future disparaît au profit de l’opinion sur le niveau de vie futur
(définanciarisation, recentrage sur le confort du foyer). Le nombre de créations
Page | 183
d’entreprises, moteur de croissance, et le nombre de défauts dans le secteur immobilier
sont remplacés par le SMIC, le taux de chômage, le nombre de faillites dans l’industrie
manufacturière, indicateurs beaucoup plus révélateurs du quotidien des foyers.
Avantages et limites
Avantages
Notons également que le caractère aléatoire et saisonnier des rachats est bien rendu
par cette modélisation, contrairement à l’a priori initial. De plus, le choix des variables
explicatives a pu être effectué par des critères rationnels, transformant ainsi une limite
initiale en force. Ce modèle permet donc d’aboutir à des conclusions plus intéressantes et
surprenantes que prévu.
Limites du modèle
Page | 184
CONCLUSION
Les quelques modèles présentés dans cette dernière partie sont autant de
propositions différentes pour expliquer un même phénomène qui est celui du rachat.
Le modèle de Vasicek est le mieux adapté pour effectuer des projections de rachat
sur de nombreuses années, il est simple et facile à calibrer. Son extension lui sera préférée
afin de capter davantage d’effets, mais son implémentation nécessite une modélisation plus
lourde. Le modèle saisonnier de Black & Scholes est mieux adapté pour une plus grande
finesse de modélisation, mais sur un horizon de temps assez court. Une approche de type
Monte Carlo y serait adaptée. La vision option financière présente l’avantage d’obtenir une
formule fermée du taux de rachat conjoncturel et prend en compte le risque de taux. Elle
pourra être utilisée comme benchmark de l’ordre de grandeur du taux de rachat.
L’utilisation des triangles de développement de Chain-Ladder sera préférée si l’entreprise
dispose de données de rachat nombreuses et solides, et si elle souhaite mettre l’accent sur
l’ancienneté comme variable explicative. Enfin, l’approche par régression logistique permet
de « mesurer » la psychologie des assurés et de connaître quels sont les grands agrégats
macroéconomiques qui gouvernent leur comportement. Elle constitue un outil d’analyse et
de suivi du risque qui pourra être très apprécié des décideurs, et permet de mesurer, à partir
des données sur la situation macroéconomique actuelle, quel impact aura cette dernière sur
les rachats de notre portefeuille.
Modèle Limites a priori Limites a posteriori Avantages Conseils d’utilisation
Simple,
Taux < 0, Projections longues,
Vasicek Paramètres constants choix de l’historique,
Paramètres constants études de sensibilité
adaptable
Modélisation des Etudes fines pour modéliser
Extension Lourd à implémenter assurés face au des caractéristiques précises
marché des rachats
Lourd,
B&S Paramètres constants, Drift, Projections Monte Carlo fines
cas d’utilisation,
saisonnier calibrage saisonnalité sur de courtes périodes
court terme
Option Formule fermée, Calcul rapide,
Pas d’irrationalité Pas d’irrationalité
financière risque de taux ordre de grandeur
Données (hors crises),
Chain- Le passé se reproduit Mise en lumière de En cas d’une bonne base de
le passé se reproduit
Ladder dans le futur l’ancienneté données
dans le futur
Choix variables Macroéconomie,
Régression Repose sur des Prise de décision en fonction
explicatives, saisonnalité,
logistique statistiques passées de la situation économique
absence d’aléa aléa
Page | 185
Conclusion
En introduisant l’option de rachat sur leurs contrats d’assurance vie, les compagnies
d’assurance apportaient une innovation commerciale qui leur a permis d’attirer de
nombreux clients, séduits par une liquidité accrue de leur placement. La simplicité apparente
de la définition du rachat cache cependant une complexité étonnante. Il fait en effet, entre
autres, intervenir et interagir trois parties, l’assuré, l’assureur et le marché, soulève des
problématiques de gestion actif-passif et dépend du comportement plus ou moins
irrationnel des assurés. Le rachat s’est ainsi petit à petit transformé en un risque,
probablement sous-estimé lors de sa création, au point de devenir la cause de faillites
d’entreprises et l’un des risques les plus redoutés du marché français de l’assurance vie. Il
est de plus aujourd’hui mis en lumière par les réformes réglementaires et la singularité de la
situation économique actuelle.
Dans ce mémoire, nous n’avons pas considéré cette complexité comme une
difficulté, un problème, un obstacle, mais nous l’avons au contraire abordé comme une
force, une opportunité, un tremplin. Nous l’avons exploitée, en utilisant ses multiples
facettes pour éclairer l’option de rachat sous des angles différents. Tout comme dans le
domaine de la photographie, nous avons observé le même sujet avec des filtres, des
objectifs et des éclairages différents. C’est cette même complexité qui nous a permis
d’établir des analogies avec d’autres secteurs et d’en tirer le meilleur parti pour mettre à
jour les paramètres de lois de rachats dynamiques et proposer de nouvelles modélisations.
Nous disposons désormais d’une méthodologie prenant en compte les spécificités du
portefeuille dans le paramétrage des rachats dynamiques ainsi que de nouveaux modèles
adaptés aux différents besoins d’une compagnie d’assurance en matière de rachats.
Page | 186
Annexes
ANNEXE 1 : Lexique........................................................................................................188
Page | 187
ANNEXE 1 : Lexique.
Cap : Option d’achat sur les taux d’intérêt. L’acheteur d’un cap détermine au
préalable le taux maximum auquel il est prêt à payer son emprunt (dont le montant est
appelé nominal). Le vendeur s’engage à verser à l’acheteur la différence de taux s’il dépasse
le niveau convenu. L’acheteur a ainsi la certitude de pouvoir emprunter à un taux d’intérêt
maximal pendant une période déterminée. L’option est dite strikeless si ce taux maximal
n’est pas constant au cours du temps.
Taux forward : Ce sont les taux d’emprunt ou de placement, pour des périodes
futures, implicites dans les taux zéro-coupons d’aujourd’hui. Par exemple, le taux forward
pour l’année 2 est le taux d’intérêt déduit de la courbe des taux ZC pour la période d’un an
entre la fin de la première année et la fin de la deuxième année. Il est calculé à partir du taux
ZC 1 an et du taux ZC 2 ans. C’est le taux à appliquer en année 2 pour que, combiné au taux
ZC 1 an en année 1, il donne le taux ZC 2 ans.
Zéro – coupon : Placement de type obligataire pour lequel les intérêts sont reversés
intégralement à l’échéance, et non périodiquement.
Page | 188
ANNEXE 2 : Rappel des abréviations utilisées.
CA = chiffre d’affaires.
EV = Embedded Value.
PM = Provisions mathématiques.
PPE = Provision pour participation aux excédents (pour le lissage de la PB dans le temps).
UAR = PPE.
Page | 189
UCGL = Unrealized capital gains/losses, ou plus/moins values latentes.
Page | 190
ANNEXE 3 : Modélisation de la gestion d’un contrat en UC.
Rappel : Le terme unités de compte (UC) désigne les formes d’assurance pour
lesquelles la totalité de la prestation est exprimée dans une unité de compte différente de la
monnaie ayant cours sur le marché d’émission du contrat. Les UC correspondent en général
à des parts de fonds d’investissement. La valeur monétaire de la prestation est fixée
seulement au moment de son paiement, en fonction de la valeur de marché courante de
chaque unité individuelle. Les risques reliés à l’évolution de leurs valeurs pèsent sur le
souscripteur et non sur l’assureur. Ce dernier peut néanmoins en assumer une part, en
distribuant une garantie de prestation minimale. On peut comprendre que la confrontation
des primes et des prestations requiert une approche différente de celle des contrats en
euro. Nous allons voir à travers un exemple de contrat moderne ce mécanisme.
Notation Signification
Valeur de l’unité de compte à la date t
Prime (totale) payée à la date t-1
Nombre d’unités de compte acquises à la date t-1 avec la prime
Nombre d’unités de compte accumulées par le souscripteur à la date t, s’il est en vie
Prestation à la date t en cas de décès
Chargement imputé au contrat à la date t-1, au titre de frais de gestion
correspond au fond accumulé par le contrat, étant donné qu’une telle quantité
représente la valeur courante de l’investissement du souscripteur.
En supposant que la prime, nette de toutes commissions, soit totalement investie en
UC, on a alors :
Page | 191
22
Voir Olivieri A., Pitacco E. [16]
Ces deux équations correspondent à l’équation de récurrence des provisions pour les
formes d’assurance traditionnelles. Une différence essentielle tient à ce que l’évaluation
financière est fondée pour les contrats en euro sur le taux minimum garanti i, tandis qu’on
utilise pour les contrats en UC le rendement de l’unité de compte pendant l’année (égal à
). On voit donc que la base technique utilisée pour les contrats en UC se compose de
la seule table de survie, avec laquelle les probabilités annuelles de décès sont
calculées. L’équation (A3.4) permet de calculer le nombre de parts accumulées par le
contrat à la fin de l’année. Ceci requiert donc de définir , la prestation en cas de décès. Des
exemples de spécification sont :
Dans le cas donné par la formule (A3.6), au contraire, le nombre peut s’obtenir
seulement de manière approchée et requiert aussi la prévision de la valeur de la part en fin
d’année. En effet, la prestation en cas de décès prend sa source dans la confrontation entre
un montant donné en début d’année ( ) et un montant aléatoire ( ). Dans chaque cas, le
financement de la prestation en cas de décès entraîne une consommation d’unités de
compte. On a donc habituellement , sauf si la prestation en cas de décès
coïncide avec certitude avec (on a alors égalité).
La formule (A3.6) fournit un exemple de garantie de prestation minimale où
nécessairement , étant un montant connu. S’il s’agit d’une garantie octroyée en
cas de décès, elle possède un double but. Habituellement, l’ordre de grandeur de est tel
que pendant les premières années du contrat, où a approximativement l’ordre de
grandeur des versements déjà effectués par le souscripteur. Le premier but de la garantie
minimale est de fournir une prestation d’importance non négligeable par rapport aux primes
payées pour un contrat en cas de décès, et lorsque celui-ci survient tôt. Quand atteint
l’ordre de grandeur de , la garantie a un rôle purement financier : elle sert à couvrir les
réductions possibles de rendement de la part.
L’introduction d’une éventuelle garantie minimale pour la prestation en cas de survie
a une raison essentiellement financière. Dans sa formule la plus simple, la prestation
garantie est donnée par :
Page | 192
Cette formule peut aussi s’écrire
Page | 193
ANNEXE 4 : Evaluation de la valeur d’une obligation.
Une deuxième approche plus fine calcule actif par actif le taux
implicite.
La formule est la même que la précédente à ceci près qu’on remplace les valeurs du
portefeuille par celles d’une seule obligation.
Page | 194
Où les Fi sont les flux financiers de l’obligation et est égal à
auquel on retranche la différence entre le taux d’emprunt d’état à 10 ans à la date présente
et le taux simulé.
Ce genre d’équation est obtenu par une méthode itérative du type Newton-Raphson.
Elle permet de résoudre des équations non-linéaires du type f(y)=0. Elle débute en
estimant une première possibilité y0, et en construisant une suite itérative (yn) définie par
Page | 195
ANNEXE 5 : Article L. 132-23, Assurances dépourvues de réduction ou de
rachat.
Les assurances temporaires en cas de décès ainsi que les rentes viagères immédiates
ou en cours de service ne peuvent comporter ni réduction ni rachat. Les assurances de
capitaux de survie et de rente de survie, les assurances en cas de vie sans contre-assurance
et les rentes viagères différées sans contre-assurance ne peuvent comporter de rachat.
Les contrats d'assurance de groupe en cas de vie dont les prestations sont liées à la
cessation d'activité professionnelle, y compris les contrats qui relèvent du régime de retraite
complémentaire institué par la Caisse nationale de prévoyance de la fonction publique, ne
comportent pas de possibilité de rachat. Les contrats qui relèvent du régime de retraite
complémentaire institué par la Caisse nationale de prévoyance de la fonction publique
peuvent prévoir, à la date de cessation d'activité professionnelle, une possibilité de rachat
dans la limite de 20 % de la valeur des droits individuels résultant de ces contrats. Toutefois,
ces contrats doivent prévoir une faculté de rachat intervenant lorsque se produisent l'un ou
plusieurs des événements suivants :
- expiration des droits de l'assuré aux allocations chômage prévues par le code du
travail en cas de licenciement, ou le fait pour un assuré qui a exercé des fonctions
d'administrateur, de membre du directoire ou de membre de conseil de surveillance,
et n'a pas liquidé sa pension dans un régime obligatoire d'assurance vieillesse, de ne
pas être titulaire d'un contrat de travail ou d'un mandat social depuis deux ans au
moins à compter du non-renouvellement de son mandat social ou de sa révocation ;
Page | 196
des droits individuels résultant de ces contrats paraît nécessaire à l'apurement du
passif de l'intéressé.
Les droits individuels résultant des contrats d'assurance de groupe en cas de vie dont
les prestations sont liées à la cessation d'activité professionnelle, y compris les contrats qui
relèvent du régime de retraite complémentaire institué par la Caisse nationale de
prévoyance de la fonction publique, sont transférables, dans des conditions fixées par
décret.
Pour les autres assurances sur la vie et pour les opérations de capitalisation,
l'assureur ne peut refuser la réduction ou le rachat.
Page | 197
ANNEXE 6 : Market Consistent Embedded Value (MCEV) Principles.
Dans le cadre de la MCEV, les évaluations doivent être menées en respectant une
cohérence avec des observations réalisées sur les marchés financiers. Les flux engendrés par
l’activité d’assurance sont valorisés de la même façon qu’ils le seraient dans le cadre d’un
instrument financier portant les mêmes risques et coté sur un marché financier 23.
Principe 4 : Le free surplus est la valeur de marché de tous les actifs alloués au
portefeuille existant qui ne sont pas requis pour son adossement.
Elle est déterminée en prenant la valeur de marché des actifs non adossés au passif
et en excès du required capital en support du portefeuille existant.
Principe 5 : Le required capital est la valeur de marché des actifs non adossés au
passif sur le portefeuille existant, et dont la distribution aux actionnaires est restreinte.
Il doit être au moins égal au montant de capital requis par les normes Solvency.
Page | 198
23
Source : CFO Forum [20].
Les cash-flows et le passif projetés sont nets de réassurance. La PVFP comprend la
valeur intrinsèque des options et garanties.
Principe 8 : Les coûts de friction du required capital doivent être pris en compte.
Ces coûts de friction reflètent les impôts et les coûts d’investissement appliqués sur
les actifs adossés au required capital.
Principe 9 : Les coûts des risques financiers et non-financiers non couvrables (hors
ceux des options et garanties et de la PVFP) doivent être pris en compte.
C’est le cas par exemple lorsque les modèles utilisés ne calibrent pas avec les
données de marché (absence de marché ou illiquidité).
Principe 10 : Le New Business est défini par les ventes de nouveaux contrats
d’assurance ou par l’augmentation des contrats du portefeuille existant sur la période
considérée. La MCEV ne prend pas en compte le New Business.
Les exemples suivants sont considérés comme du New Business :
- Signature d’un nouveau contrat
- Nouvelle police d’assurance
- Nouveaux tarifs
La valeur du New Business est calculée après impôts et après coût des options et
garanties, après CReC, et après CNHR.
Principe 11 : L’estimation des hypothèses utilisées pour les projections futures doit
être fondée sur l’expérience passée, présente, et attendue dans le futur, et sur toute autre
donnée d’expérience.
Il y a primauté du particulier sur le général. Ces hypothèses doivent faire l’objet d’une
réévaluation fréquente, au moins annuelle.
Les données de mortalité et de coût reposeront de préférence sur les données
internes.
Page | 199
Principe 12 : Les hypothèses économiques doivent être cohérentes avec les
données internes à l’entreprise et doivent être déterminées de façon cohérente avec les
prix de marché de cash-flows similaires.
Les hypothèses économiques doivent être réévaluées à chaque nouveau calcul de
MCEV.
Les hypothèses d’inflation doivent provenir des données de marché.
La valeur des actifs considérés ne doit pas être modifiée par rapport à leur valeur
observée sur les marchés.
Les retours d’investissement doivent être ceux réellement observés.
Principe 13 : La VIF doit être actualisée en utilisant des taux identiques à ceux qui
seraient utilisés pour évaluer les mêmes cash-flows sur les marchés de capitaux.
Pour les cash-flows qui ne dépendent pas, ou varient linéairement avec les marchés,
on peut supposer que les actifs rapportent un taux de référence défini au principe 14.
Pour les cash-flows comportant des options et garanties financières qui ne varient
pas linéairement avec les marchés, les cash-flows des actifs peuvent être projetés et tous les
autres cash-flows peuvent être actualisés en utilisant des modèles stochastiques risque-
neutre. Les taux de référence sont utilisés en tant que taux sans risque.
Principe 14 : Le taux de référence est utilisé à la place du taux sans risque, et est
approprié à la monnaie, à l’échéance et à la liquidité des cash-flows du passif considérées.
- Pour les passifs liquides, le taux de référence sera pris, dans la
mesure du possible, à partir de la courbe des taux swap de la monnaie
considérée.
- Pour les passifs non liquides, le taux de référence sera pris à partir de
la courbe des taux swap avec inclusion d’une prime de liquidité.
Si les données de marché sur les courbes de taux n’ont pas une échéance suffisante,
on pourra supposer que les taux restent constants à longue échéance, ou utiliser une courbe
des taux d’obligations d’Etat si elle existe.
Si l’échéance n’est pas disponible dans les données de marché, on pourra procéder
par interpolation.
Si l’entreprise investit dans des actifs à taux fixes mais différents des taux de
référence, elle doit procéder à des ajustements pour coller avec les valeurs de marché des
actifs.
Page | 200
Les corrélations entre taux de rendement des actifs doivent reposer sur des données
couvrant un nombre d’années suffisant. La méthode pour déterminer ces corrélations ne
devrait pas évoluer d’une année à l’autre.
Principe 16 : Des hypothèses doivent être déterminées quant aux taux de bonus
futurs et quant à la répartition des profits entre assureur et assurés. Elles doivent reposer
sur les pratiques de l’entreprise et les prix observés sur les marchés.
Les réglementations en matière de participation aux bénéfices doivent être
respectées.
Les montants des bonus projetés doivent dépendre des rendements futurs projetés.
Les pratiques de l’entreprise en la matière doivent être prises en compte.
Lorsqu’il existe une pratique spécifique sur l’allocation des bonus, y compris la
réalisation d’UCGL, les hypothèses de projection doivent prendre en compte la pratique
observée dans le passé et l’influence du marché.
Page | 201
- +25% sur la volatilité implicite des actions
Cette sensibilité permet de quantifier l’impact d’un tel changement de volatilité sur le
coût des options et garanties.
Page | 202
ANNEXE 7 : Modèles autorégressifs AR(p).
Définition
Les coefficients sont les paramètres du modèle, et les sont des bruits blancs
i.i.d. d’espérance nulle et de variance et indépendant des .
Pour t≥2, on suppose la propriété vraie au rang t-1
Par définition,
Condition de stationnarité
Théorème
Dans ce cas, ,
Il vient
Théorème
Page | 204
Propriétés
En notant , on obtient :
Choix du retard p
Dans la plupart des situations, on ignore quelle valeur doit prendre p. Le choix
s’effectue au cas par cas, mais il convient de remarquer de façon générale que :
Si p est trop petit, le modèle souffrira d’un biais de spécification, et les résidus
peuvent ne pas suivre une loi normale,
Si p est trop grand, le modèle sera lourd et complexe à manipuler,
On conserve en général tous les degrés du polynôme caractéristique. Dans un
AR(4) par exemple, on n’omet pas les retards 2 et 3.
Page | 205
ANNEXE 8 : Régression logistique.
Rappel du modèle25
Vraisemblance conditionnelle
On cherche
Comme ,
Car .
En posant et ,
Page | 206
25
Voir Vayatis N. [8], Dr Mancini J. [11], Theodoridis S., Koutroumbas K. [12]
Estimateurs des paramètres
Ici, la solution n’est pas explicite. On peut en revanche obtenir des résultats en
continuant à dériver.
Où .
Où .
Algorithme de Newton-Raphson
Page | 207
Il s’agit de l’estimateur des moindres carrés pondérés par .
Page | 208
ANNEXE 9 : Liste des variables macroéconomiques considérées.
TEC 2 ans
TEC 3 ans
TEC 5 ans
TEC 7 ans
TEC 10 ans
TEC 15 ans
TEC 20 ans
TEC 25 ans
TEC 30 ans
***
***
Page | 209
Taux de l’EURIBOR à 3 mois – moyenne mensuelle
***
Taux livret A
***
***
***
***
Page | 210
***
***
PIB trimestriel
Croissance
***
***
Opinion sur le niveau de vie passé en France – Solde des réponses « amélioration » -
« détérioration » (%)
Opinion sur le niveau de vie futur en France – Solde des réponses « amélioration » -
« détérioration »
Page | 211
Opinion sur leur capacité d’épargne actuelle – Solde des réponses « favorable » -
« défavorable »
Opinion sur leur situation financière passée – Solde des réponses « amélioration » -
« détérioration »
Opinion sur leur situation financière future – Solde des réponses « amélioration » -
« détérioration »
Opinion sur leur capacité d’épargne future – Solde des réponses « amélioration » -
« détérioration »
***
Indice de référence des loyers (IRL – Base 100 4ème trimestre 1998)
***
Page | 212
Nombre de défaillances d’entreprises par date de jugement – France entière –
Activités immobilières
***
***
Indice des taux de salaire horaire des ouvriers par activité – Ensemble des secteurs
non agricoles
Indice des salaires mensuels de base par activité – Ensemble des secteurs non
agricoles
***
***
***
Page | 213
***
Indice des prix internationaux des matières premières importées – Denrées tropicales
Indice des prix internationaux des matières premières importées – Viande de bœuf
empaquetée
***
Cours internationaux des matières premières importées – Cacao (New York - $/t)
Cours internationaux des matières premières importées – Café Arabica (New York -
cents/lb)
Cours internationaux des matières premières importées – Café Robusta (New York -
cents/lb)
Page | 214
Cours internationaux des matières premières importées – Huile de palme ($/t)
Cours internationaux des matières premières importées – Riz long Thaï blanc
(Bangkok - $/t)
Cours internationaux des matières premières importées – Sucre (New York - cents/lb)
Cours internationaux des matières premières importées – Thé (best BP1 Keynia -
$/kg)
***
Page | 215
Indice de la production industrielle – Indices bruts – Biens intermédiaires
Page | 216
Bibliographie
[4] Eraker B., The Vasicek Model. Wisconsin School of Business, 2010.
[5] Gabet L., Mathématiques financières. Paris, Ecole Centrale Paris, 2010.
[6] Muni Toke I., Modèles stochastiques de taux d’intérêt. Paris, Ecole Centrale
Paris, 2010.
[8] Vayatis N., Statistiques et data-mining. Paris, Ecole Centrale Paris, 2010.
[9] Hamilton J. D., Time Series Analysis, Princeton N.J., Princeton University Press,
1994.
[10] Heston S. L., A closed-form solution for options with stochastic volatility with
applications to bond and currency options, Yale CT, The review of financial studies, Oxford
University Press, 1993.
[12] Theodoridis S., Koutroumbas K., Pattern recognition. Elsevier, USA, Academic
Press, 2006.
[13] Le Vallois F., Tosetti A., Palsky P., Paris B., Gestion actif passif en assurance
vie, Economica, 2003.
[15] Levitt Steven D., Dubner Stephen J., Freakonomics, William Morrow, 2005.
[16] Olivieri A., Pitacco E., Assurance-vie : évaluer les contrats et les portefeuilles,
Village Mondial, 2008.
Page | 217
[20] CFO Forum. (2011) http://www.cfoforum.nl/
[22] Lunven S., Le rachat : un droit pour l’assuré, un risque pour l’assureur.
Mémoire d’actuariat EURIA, 2008.
[25] Allianz. Allianz Group Facts & Figures Fiscal Year 2010, mai 2011.
Page | 218