ORSA

Modèles quantitatif pour l’ORSA
Introduction
Version 2.9
Janvier 2021
Formation
du 2 février 2012
Frédéric PLANCHET
[email protected]
Modèles quantitatifs pour l’ORSA 1

Préambule
Les objectifs du pilier 2, qui se traduit en pratique par la mise en place d’un
système de gestion des risques et de l’ORSA, sont les suivants :
- s'assurer que la compagnie est bien gérée et est en mesure de
calculer et maîtriser ses risques ;
- s'assurer qu’elle est bien capitalisée.
Le premier de ces points constitue un développement majeur par rapport à
Solvabilité 1.
Il encourage les compagnies à adopter la démarche ERM (Enterprise Risk
Management) afin qu'elles soient en mesure par elles-mêmes d'apprécier et de
mesurer leurs risques.
Plus d’informations sur l’ERM : http://fr.wikipedia.org/wiki/COSO
De fait, le pilier 2 comporte de nombreux aspects quantitatifs.

Préambule
L’ORSA (Own Risk and Solvency Assessment) est un processus d’évaluation

interne et un outil de contrôle. Il est une composante du système global de
gestion des risques :
- l’art. 44 (Gestion des risques) de la directive décrit le cadre général de la
gestion des risques ;
- l’art. 45 (Évaluation interne des risques et de la solvabilité) de la même
directive précise le cadre de l’ORSA, plus spécifiquement consacré au
contrôle de la solvabilité.
Les résultats de l´ORSA doivent être communiqués à l´autorité de contrôle.

Préambule
Les articulations entre les piliers un et deux peuvent être schématisées comme
suit :
Système de gestion des

risques (cadre global) – Art. 44
Appétit pour le risque

(pilotage du profil de risque) Pilier 2
ORSA (suivi et pilotage du

SCR) – Art. 45
Communication à l’ACPR
Pilier 1 (provisions et exigence
de marge)

Préambule
Trois évaluations distinctes sont demandées dans le cadre de l’ORSA (cf. ACPR
[2014], dont on reprend ci-après les intitulés) :
- l’évaluation du besoin global de solvabilité ;
- l’évaluation du respect permanent des obligations réglementaires
concernant la couverture du SCR, du MCR et des exigences concernant le calcul
des provisions techniques ;
- l’évaluation de la mesure dans laquelle le profil de risque de l’organisme
s’écarte des hypothèses qui sous-tendent le calcul du SCR.
Les risques pris en compte sont d’une part les risques quantifiables (contre
lesquels on peut se prémunir par la détention de capital) et les risques non
quantifiables (risque de réputation, de liquidité).
La deuxième évaluation traduit spécifiquement, une préoccupation liée au respect
prospectif des exigences du pilier 1 compte tenu du plan d’activité de l’organisme.
La préoccupation est plus clairement prudentielle, même si l’évaluation se fait en
tenant compte du plan d’activité de l’organisme. (ACPR [2014])

Préambule
Remarque : lien entre ORSA et risque opérationnel

L’article 13 de la Directive définit le risque opérationnel par (cf. CEIOPS [2009]) :
Operational risk means the risk of loss arising from inadequate or failed internal
processes, or from personnel and systems, or from external events.
Cette définition est identique à celle du Comité de Bâle.
De ce point de vue la mesure de l’écart entre le profil de risque de l’entité et celui
implicitement associé au modèle standard (évaluation n°3) est une problématique
de risque opérationnel.
Le processus ORSA est ainsi fortement imbriqué avec la problématique du risque
opérationnel.
Pour une présentation détaillée du cadre d’évaluation du risque opérationnel, on
peut consulter par exemple KARAM et PLANCHET [2012].

Préambule
L’entreprise d’assurance doit donc prouver au régulateur qu’elle est en mesure

d’intégrer les contraintes réglementaires associées aux objectifs du plan
stratégique. Elle doit en particulier le convaincre :
- de sa capacité à couvrir l’exigence minimale de marge avec une
probabilité suffisante ;
- de sa capacité à augmenter ses fonds propres le cas échéant.
Pour répondre à ces demandes du régulateur, il convient donc de projeter le
bilan sur l’horizon du plan stratégique, ce qui est un exercice potentiellement
complexe.
Il s’agit non plus seulement de calculer la valeur nette d’actif (NAV),donc les
provisions, et le SCR, mais de fournir une information sur la distribution de ces
valeurs dans le futur.

Préambule
On cherche ici une approche robuste et opérationnelle pour mesurer

l’incertitude sur le taux de couverture des engagements prenant en compte les
principales sources d’incertitude d’abord dans un cadre d’assurance non-vie :
- le risque de tarification et de provisionnement ;
- le risque financier ;
- le risque commercial (spécifique au cadre de l’ORSA).
Le modèle proposé (repris de GUIBERT et al. [2012]) s’appuie sur un cadre
général décrit dans GUIBERT et al. [2010] auquel une dimension temporelle est
ajoutée.
Une fois le cadre de base construit, la prise en compte de la réassurance est
également abordée, en suivant PAYEN [2016].

Préambule
La présentation aborde également les spécificités de l’assurance-vie, qui

nécessite des adaptations du cadre de base proposé pour l’assurance non-vie.
Le calcul des provisions est abordé dans le contexte de l’assurance-vie ici.
Une version adaptée à la retraite est proposée dans BONNIN et al. [2015a] (une
présentation en est disponible ici). BONNIN et al. [2015b] proposent une
adaptation pour la valorisation de dettes subordonnées.

Sommaire
1. Modèle de base
2. Extensions
SOMMAIRE
3. Application numérique
4. Adaptation avec des rentes
5. Le cas de l’assurance-vie

1. Modèle de base
La dynamique des éléments du bilan simplifié peut s’écrire simplement :
At = At −1  (1 + Rt ) − Ft + Ct
Lt = BELt + RM t = BELt +   Dt  SCRt
On souhaite construire la distribution du taux

réglementaires : de couverture des engagements
réglementaires :
At − Lt
t =
SCRt
Mais pour que le modèle soit utilisable en pratique il faut être capable de
calculer le SCR figurant au dénominateur.
NB : attention au biais induit par une approche « en moyenne » (voir ce billet)

1. Modèle de base
Le calcul du SCR s’appuie sur la projection du bilan à un an (cf. GUIBERT et al.

[2010]) :
La projection des facteurs de risque sur un an est effectuée en probabilité

historique et le SCR est solution de P ( E1  0 E0 = x ) = 0, 5 %
souvent approché en pratique par (cf. BAUER et al. [2010]) :
SCR  E0 − VaR0,5% ( (1)  E1 )  E0 − P ( 0, 1)  VaR0 ,5% ( E1 )

1. Modèle de base
La manière de calculer le SCR n’est pas immédiate, compte tenu de

l’imprécision avec laquelle cette notion est définie dans la directive (cf.
CHRISTIANSEN et NIEMEYER [2012]). D’autres manières de calculer le SCR sont
donc possibles :
- utilisation de la formule standard ;
- l’approche de GUIBERT et al. [2010] qui propose d’utiliser
F +L 
SCR = VaR99,5%  1 1  − L0
 1 + R1 
On doit également décider de la prise en compte (ou non) de la marge pour

risque dans le calcul. Le choix de l’approximation retenue n’est pas neutre sur
le résultat.
La mise en œuvre de ces modèles peut se faire dans le cadre de modèles
analytiques ou par simulation.

1. Modèle de base
À titre d’illustration, on compare le

taux de couverture en fonction des
approximations n°1 (GUIBERT et al.
[2010]) et 2 (BAUER et al. [2010]).
On observe en particulier qu’ignorer
la marge pour risque conduit à
surestimer le SCR (et donc à sous-
estimer le taux de couverture).
Les écarts d’appréciation entre les
différentes approches ne sont pas
négligeables.

1. Modèle de base
1.1. Le cadre de référence

En reprenant le cadre et les notations de GUIBERT et al. [2010], l’équation
générale définissant le SCR :
 F + L − Ct +1 
SCRt = VaRt  t +1 t +1 ; 99, 5%  − Lt
 1 + Rt +1 
devient avec l’hypothèse de proportionnalité du SCR au BEL :
   SCRt   
  Ft +1 + 1 +    Dt +1   BELt +1 − Ct +1  
SCRt =
1  VaR   BELt  ; 99, 5%  − BELt 
1 +   Dt  t
 1 + Rt +1  
   
 
   
qui est une équation implicite satisfaite par le SCR.

1. Modèle de base

Il convient de décider si la marge pour risque est prise en compte ou non dans
le calcul du SCR.
Le modèle considéré dans la suite est un modèle à temps discret dans lequel
on suppose pour le calcul de la marge pour risque que la chronique des SCR
futurs est proportionnelle au best estimate, ce qui implique :
RM t    Dt  SCRt
où D désigne la duration du passif.

1. Modèle de base

Il s’agit maintenant de spécifier les différents facteurs intervenants dans
l’équation précédente.
Quatre facteurs de risques sont retenus dans le modèle : les cotisations, le best
estimate (risque de tarification passée), le ratio combiné (risque de tarification
future et risque de frais) et le rendement de l'actif.
Les calculs sont menés en deux étapes :
- dans un premier temps on choisit une dynamique temporelle pour les
facteurs de risque ;
- dans un second temps, on en déduit les équations d'évolution des
autres variables d'intérêt telles que les prestations et la valeur de l'actif.

1. Modèle de base
1.2. La dynamique des facteurs de risque

On définit l’évolution des facteurs de risque à la date t par :
  c2    2 
Ct +1 = Ct  exp  c − +  c  e t +1,c  t +1 =   exp  − +    e t +1,  

 2   2 
  2p    a2 
BELt +1 = BELt  exp   p −

+  p  e t +1, p  + t +1  Ct +1
 St +1 = St  exp  a − +  a  e t +1,a 
 2   2 
avec la contrainte
 p ( t ) = r + ln (1 −  )
les e sont des bruits blancs gaussiens (indépendants) et φ une constante

déterminée par la cadence de règlement des prestations.

1. Modèle de base
1.3. Autres équations d’évolution

On doit calculer le montant de prestations réglées ; pour cela on observe que
l’équation de définition du best estimate se met sous la forme :
 2p  2p
− + p e t +1, p − + p e t +1, p
BELt  e 2
= e − r  ( BELt +1 −  t +1  Ct +1 ) +   BELt  e 2
d’où l’on déduit que :

 2p  2p
r− + p e t +1, p r− + p e t +1, p
BELt +1 − t +1  Ct +1 = BELt  e 2
−   BELt  e 2
Cette équation traduit la consommation des provisions en run-off : la variation

tendancielle du best estimate est la conséquence de l'effet de désactualisation
minoré des prestations servies.

1. Modèle de base
1.3. Autres équations d’évolution

En identifiant les deux termes de l’équation, on trouve alors que les prestations
sont égales à :
 2p
r− + p e t +1, p
Ft +1 = e 2
   BELt =   ( BELt +1 −  t +1  Ct +1 )

avec  = 1−
On notera que sur la base de ces notations, et en l'absence de cotisations

nouvelles, la propriété de cohérence suivante du processus de best estimate
est vérifiée, à savoir :
BELt = Et ( e − r  ( Ft +1 + BELt +1 − t +1  Ct +1 ) )

1. Modèle de base
1.4. Formule de calcul du SCR projeté

Comme on l’a vu infra, calculer le SCR à la date t nécessite de calculer un
quantile de la loi de la variable :
Ft +1 + Lt +1 − Ct +1 ( ct +  ) BELt +1 − (1 +    t +1 ) Ct +1
t +1 = =
1 + Rt +1 1 + Rt +1
SCRt
avec ct = 1 +    Dt
BELt
Compte tenu de la forme des lois conditionnelles des variables BEL, C et 1+R,
on approche la loi de xhi par une loi log-normale dont les paramètres sont
choisis pour que les deux premiers moments soient exacts.

1. Modèle de base

Une littérature abondante est consacrée à l'approximation de la somme de lois
log-normales (cf. EL FAOUZI et MAURIN [2006]) et dès lors que la volatilité n'est
pas trop importante, on peut retenir une approximation par une loi log-normale
dont les paramètres sont obtenus par la méthode des moments.
On applique ce principe ici au cas d'une différence de lois log-normale, ce qui
ne pourra valablement fonctionner que pour des situations où les cotisations
sont relativement faibles par rapport aux engagements en stock, pour assurer la
positivité de la différence.
Il conviendra donc de vérifier ex-post la pertinence de l’approximation.
En fonction du contexte, d’autres approximations de la loi conditionnelle de  t +1
peuvent être proposées (cf. GUIBERT et al. [2010] pour l’utilisation d’un mélange
de lois normales ou cette présentation).

,
1. Modèle de base

Pour une loi log-normale, on sait que l’on a :
 2  2  2  2
m = exp   +  v =  e − 1  m
 2   
 
Cela implique que les 2 premiers moments conditionnels des facteurs de risque
définis ici sont de la forme :
Et (Yt +1 ) = Yt  e Y ( )
Vt (Yt +1 ) = Yt 2  e2 Y  eY − 1
2
On approche la loi de Ft +1 + Lt +1 − Ct +1 par une loi log-normale dont les paramètres

sont donnés par la méthode des moments.

,
1. Modèle de base

On trouve après calculs :
 a2
t (  ) = t − a +  t2 (  ) =  t2 +  a2
2
avec :
 c +   BEL  e  p − 1 − c    C  e c 
( ) ( t ) t
(
 t2 = ln 1 + t2 ) t = ln  t

t
1 +  2


 t 
( ct +  )
2
 BEL  e 2
t
2p
 e (  2p
)
−1 + c    e
2
t
2
(  2
)
− 1  Ct2  e2 c + c +
2
t =
C e
t
2 2 c
(  c2
)
 e − 1  (1 − ct   )
2
( ct +  )  BELt  e − (1 − ct   )  Ct  e 
p c

,
1. Modèle de base

On obtient finalement l’équation implicite suivante pour le SCR en t :
SCRt =
1
1 +   Dt
(
exp ( t (  ) +  t (  )   −1 ( 99, 5%) ) − BELt )
Cette équation est implicite car le SCR en t est présent dans les paramètres t (  )
et  t (  ) . Elle se résout simplement par dichotomie.
2
Le calcul de la valeur nette de l’actif (NAV / BOF) repose quant à lui sur les
équations déjà mentionnées :
At = At −1  (1 + Rt ) − Ft + Ct
Lt = BELt + RM t = BELt +   Dt  SCRt

Sommaire
1. Modèle de base
2. Extensions
SOMMAIRE

,
2. Extensions
Le modèle décrit à la section précédente, s’il fixe un cadre de travail pour la

projection du bilan et de l’exigence de solvabilité, doit toutefois être complété sur
les points suivants pour pouvoir être utilisé en pratique :
- modélisation d’une activité multi-branches ;
- prise en compte d’une provision de primes ;
- intégration de la réassurance.
Les deux premières extensions sont directes, seule la prise en compte de la
réassurance implique des modifications plus significatives.

,
2. Extensions
2.1. Prise en compte de plusieurs lignes d’affaires

L'utilisation pratique du modèle proposé ici implique de pouvoir prendre en compte
plusieurs lignes d'affaires adossées à un actif général, autrement dit de distinguer
des BEL et des cotisations par ligne. Dans ce cas on a :
( F + BELtj+1 − Ct j+1 ) + RM t +1
n
j
t +1
j =1
t +1 =
1 + Rt +1
et on peut donc utiliser encore une approximation par une loi log-normale de la loi
conditionnelle de xhi, seul le calcul des deux premiers moments du numérateur est
modifié. Il est simple de prendre en compte la dépendance entre les branches,
pour autant que celle-ci soit mesurée par des coefficients de corrélation entre les
lois normales sous-jacentes. On prend ainsi en compte l'effet de l'évolution des
primes sur le mix-produit et peut identifier des arbitrages dans le politique de
souscription.

,
2. Extensions
2.2. Prise en compte d’une provision de primes

La formule standard prévoit une décomposition du best estimate entre un best
estimate de sinistres, relatifs aux sinistres déjà survenus à la date d’inventaire, et
un best estimate de primes relatifs aux sinistres futurs découlant des contrats en
portefeuille à la date d’inventaire et des probables primes futures que ces contrats
émettront.
Les règles de prise en compte des primes futures sont relativement complexes
dans le dispositif Solvabilité 2. En particulier, celles-ci varient en fonction du
processus de détermination des tarifs de chaque assureur et elles conduisent
donc à une grande hétérogénéité de situations, même en présence de risques par
ailleurs identiques.

,
2. Extensions

On peut toutefois observer que, dans les calculs du pilier 1, et dans le contexte de
l'assurance IARD retenu ici, l'horizon de prise en compte des primes futures est
d'un an. Comme dans le modèle présenté dans ce travail la situation est projetée
sur plusieurs exercices, le seul impact de la non prise en compte rigoureuse des
règles de détermination du montant des primes futures à intégrer dans le calcul de
l'exigence de marge de l'exercice est un décalage dans le temps de la perception
de la prime considérée.
En conséquence, le niveau absolu de l'exigence de marge issue du modèle peut
être biaisé, mais sa variation ne l'est pas et ce sont les variations de cette valeur
(et du taux de couverture) que l'on cherche à décrire.

,
2. Extensions

Ceci étant précisé, l'ajout de primes futures au sens de Solvabilité 2 peut être
introduit simplement en modifiant comme suit la dynamique de la variable BEL :
  p2 
BELt +1 = BELt  exp   p − +  p  e t , p  +  t +1  Ct +1 +   e   (  t +1 − 1)  Ct
 2 
 
avec  le taux de reconduction des contrats et  le taux de revalorisation annuel

du tarif.
On peut noter que cet ajustement n'a qu'un effet limité sur les résultats du modèle
lorsque le ratio combiné est proche de un.

,
2. Extensions
2.3. Prise en compte de la réassurance (cf. PAYEN [2016])

L’introduction d’un dispositif de réassurance fait apparaître dans le modèle un
risque supplémentaire, le risque de contrepartie :

,
2. Extensions
2.3. Prise en compte de la réassurance

Afin de construire un cadre de modélisation permettant de prendre en compte les
différents types de traité, on observe que le best estimate brut de réassurance
s’écrit
  p2 
BELt +1 = BELt  exp   p − +  p  e t +1, p  + Z t +1
 2 
 
avec Zt+1 les nouveaux engagements financés par Ct+1. Zt+1 peut typiquement être
de la forme
- Z t +1 = t +1  Ct +1
Nt +1
- Z t +1 =  X i
i =1
suivant le type de traité. On définit le taux de cession par  c =

(
Et Z tc+1 )
Et ( Z t +1 )

,
2. Extensions

La dynamique du bilan de l’entité repose sur les équations suivantes :
- valeur de l'actif financier : At +1 = At  (1 + Rt +1 ) − Ft +1 + Ct +1
A A
- valeur de l’actif de réassurance : At

c
+1 = BELt +1 − Adjc ,t
c
- valeur du passif : .Lt +1 = BELt +1 + RM t +1 = BELt +1 +   Dt +1  SCRt +1

Les fonds propres économiques s’en déduisent :
FPt +1 = At +1 + Atc+1 − Lt +1
L’équation définissant le SCR se généralise aisément (hors risque de défaut) :

 Ft +A1 + Lt +1 − Atc+1 − CtA+1 
SCRt = VaRt  ;99,5%  − ( Lt − Atc )
 1 + Rt +1 
c
Il suffit donc de spécifier les variables Ft +A1 , CtA+1 et BELt +1

,
2. Extensions

Exemple : traité XS par sinistre
Dans ce cas, le montant cédé s’écrit, pour une portée p et une priorité f :
Nt +1
=  ( X i − f )  p 
c +
Z t +1
i =1
Une fois calculé le taux de cession, le montant des cotisations cédées est trivial à
calculer.
Pour ce qui concerne les flux de prestation, on peut proposer comme
approximation de les répartir entre l’assureur et le réassureur au prorata du taux
de cession associé au traité : ce n’est pas tout à fait exact, mais raisonnable.

,
2. Extensions

Exemple : traité XS par sinistre
Pour un sinistre, le montant conservé est de la forme
+
R = X − ( X − f )  p 
et on peut écrire la loi de R en fonction de celle de X, comme R = (X) :
 FX ( x ) x  f
FR ( x ) = 
 FX ( x + p ) x  f

,
2. Extensions

Synthèse (repris de PAYEN [2016]) :
La situation particulière de contrats de

prévoyance est abordée dans ce support.

Sommaire
1. Modèle de base
2. Extensions
SOMMAIRE

,
3.1. Paramétrage
Soit une compagnie d’assurance commercialisant un contrat frais de santé :
• ratio combiné moyen de 100 % ;
• commercialisation de 75 M€ de cotisations et allocation 20 % d’actions et
80 % d’obligations (OAT 1 an) ;
• ratio de couverture initial du SCR de 204 % ;
• plan stratégique : maintenir le profil de risque actuel.
Après validation statistique du caractère log-normal de ses risques, les

paramètres suivants sont estimés :

,
3.1. Paramétrage
Préalablement à la mise en œuvre à proprement parler, on valide le caractère
log-normale la loi de xhi.
Le test de Jarque-Bera utilisé en général pour des échantillons de grande taille,

conduit à une p-valeur de 35 %.

,
3.2. Définition de l’appétit pour le risque

La compagnie se fixe comme appétit pour le risque :
• un ratio de couverture annuel du SCR supérieur à 150 % dans 95 % des
cas et ce sur les 5 prochaines années.
• évolution des fonds propres économiques supérieure à -19 % dans 80 %
des cas.
Les résultats du modèle ainsi paramétré sont les suivants :

,

En pratique la justification que les choix effectués en termes de niveau de
probabilité et de seuil reflètent l’aversion au risque du management n’est pas
simple. La plupart du temps le calibrage du profil de risque sur une dimension
se ramène à identifier 2 paramètres s et p tels que :
 X − E(X ) 
P   − s   p
 E(X ) 
Estimer les paramètres s et p n’est pas simple et nécessite a priori de se
tourner vers des travaux d’économie expérimentale (cf. HOLT et LAURY [2002])
pour imaginer une loterie ad’hoc.

,

On trouve notamment à l’horizon un an que :

,
Les résultats présentés ci-avant indiquent que sur la base du plan stratégique
actuel l’ensemble des contraintes définies dans le cadre de la définition de
l’appétit du risque sont vérifiées.
Cependant, la compagnie doit fixer des limites de risque et donc définir des
intervalles d’allocations.
Deux solutions sont alors envisageables :
- tester plusieurs types d’allocations fixées arbitrairement ;

- définir l’ensemble des allocations permettant de respecter l’appétit du
risque défini par la compagnie.

,
3.3. Contraintes sur le ratio de couverture
Sur la base de la connaissance des processus d’évolution de l’actif et du passif,

la compagnie calcule l’évolution du quantile à 95% du ratio de couverture à 1 an
en fonction des diverses allocations possibles.

,
3.3. Contraintes sur le ratio de couverture
Le graphique précédent indique que :
- plus la compagnie accroit son volume de cotisations, plus son

allocation action doit être faible ;
- certains volumes de cotisations font apparaître une contrainte

d’allocation action minimale. Cependant cette allocation minimale est
très faible.
Avant de fixer des contraintes liées à la solvabilité, la compagnie analyse les

contraintes liées aux fonds propres.

,
3.4. Contraintes sur les fonds propres
Sur la base de la connaissance des processus d’évolution de l’actif et du passif,

la compagnie calcule l’évolution du quantile à 80% du ratio d’évolution des
fonds propres économiques à 1 an en fonction des diverses allocations
possibles.

,
3.5. Choix des limites de risque
Le graphique précédent indique que plus la compagnie accroit son volume de

cotisations, plus son allocation action doit être faible. Aussi la compagnie doit en
premier lieu exprimer sa préférence de risque :
« préfère-t-elle allouer du risque à l’actif ou au passif ? »
En général, il est logique de privilégier les risques de passif, liés au

développement de l’activité. La contrainte associée à la valeur moyenne des
fonds propres économiques à 1 an fait apparaître une contrainte d’allocation
maximale sur les obligations :
« pour une cible de 80 M€ de cotisations, l’allocation obligataire ne doit pas

dépasser 91% (quand pour une cible de 75 M€ de cotisations l’allocation
maximale est de 93%)

,
3.5. Choix des limites de risque
En retenant de commercialiser entre 75 et 80 M€ de cotisations (expression de

sa culture du risque), l’entreprise doit tenir compte des contraintes sur l’allocation
du fait des limites imposées pour le SCR et les fonds propres :
Finalement, l’allocation action est comprise entre 9 % et 25 %.

,
3.6. Validation du dispositif
Sur la base de l’analyse présentée avant, le respect de l’appétit du risque est

obtenu sur la base du plan stratégique suivant :
- commercialisation de 75 M€ à 80 M€ ;
- allocation action comprise entre 9 % et 25 %.
Afin de finaliser le dispositif d’ORSA, il est nécessaire de prouver la bonne

couverture du SCR sur toute la durée du plan stratégique :

,
3.6. Validation du dispositif

Sur la base de l’analyse présentée avant, le respect de l’appétit du risque est
obtenu sur la base du plan stratégique suivant :
On observe qu’une allocation cible permet de
vérifier la contrainte initiale sur 5 ans.
En considérant un quantile sur la durée de
projection :
Mais dans le cas d’une contrainte à 95% sur

chaque année de projection, le plan
stratégique est trop risqué :

Sommaire
1. Modèle de base
2. Extensions
SOMMAIRE

,
4.1. Contexte
Dans le cas de prestations en rentes on peut observer que
(
Ft =  rj 1t ; Tx ( j ) )
jJ
ce qui conduit pour la somme des flux futurs actualisés à l’expression :
=

 Ft (1 + i ) −t
=  (1 + i )t  rj 1t; (Tx( j ) ) =  rj 

1  ( ) = r X
1t ; Tx ( j )
(1 + i ) t j j
t =1 t =1 jJ jJ t =1 jJ
La provision se calcule donc simplement :
 (1 + i )t  rj P (Tx( j )  t )

1
E () =
t =1 jJ

,
4.1. Contexte
En désignant par Λ la charge actualisée et J l’ensemble des assurés en

portefeuille, du fait de l’indépendance des individus et comme on peut toujours
supposer que les prestations sont bornées par une constante absolue, la
distribution limite de Λ est gaussienne :
 − E ()
 =  rj X j → N ( 0,1)
jJ  () I →
Aussi sur la base de la connaissance de l’espérance et de la variance de Λ, la

formule précédente permet d’approximer la distribution de la charge future
actualisée avec lesquelles on peut aisément calculer des quantiles ou des
intervalles de confiance. Par exemple l’intervalle de confiance à 95 % pour Λ est
de la forme :
IC (  ) =  E (  ) − 1, 96   (  ) , E (  ) + 1, 96   (  ) 

,
4.2. Calcul du SCR
Connaître la loi de Λ se ramène donc à calculer l’espérance et la variance de

 1t ; (Tx )
X=  (1 + i )t
t =1
On trouve facilement

Sx (t ) 
Sx (t ) +
1 1 
ax = E ( X ) =  (1 + i )t ( ) =  (1 + i )
E X 2
t =1
2t
+ 2  
t = 2  (1 + i )
i t
−
1
(1 + i ) 
2 t +1
 Sx (t )
t =1
Toutefois, le quantile à 99,5 % de cette distribution ne fournit pas une évaluation

du SCR, car il ne tient pas compte de la limitation à un an de la projection (qui est
effectuée à l’ultime) ni de la marge pour risque.

,
4.2. Calcul du SCR
On peut intégrer ces contraintes en s’appuyant sur GUIBERT et al. [2010] et utiliser
l’approximation :
VaR99,5% (  )
−1
BEL0
SCR = BEL0
 VaR99,5% (  ) 
1 −   D0   − 1
 BEL0 
F1 + BEL1
avec  = .
1 + R1
Cela permet par ailleurs d’introduire des facteurs de risque systématiques

(incertitude sur la table de maintien et / ou risque financier).

,
4.2. Calcul du SCR
On peut alors observer que la loi de  peut raisonnablement être approchée par
L er
 
1 + R1
qui est (asymptotiquement) gaussienne, conditionnellement aux facteurs de risque
systématiques (risque financier au travers de R1 et, le cas échéant, incertitude sur
la loi de provisionnement). On utilise alors
 x −  (a ) 
F ( x ) = P (   x ) = E  P (   x a ) →    Fa ( da )
  (a ) 
J →+
que l’on approche par une version empirique

1 K  x −  ( ak ) 
F ( x )  FK ( x ) =    
K k =1   ( ak ) 

,
4.2. Calcul du SCR
Remarque : la propriété de cohérence du best estimate vue supra
Et (  t ) = BELt = Et ( e − r  ( Ft +1 + BELt +1 ) )
peut s’écrire
Et ( e − r  ( Ft +1 + BELt +1 ) −  t ) = 0
ce qui légitime l’approximation de F1 + BEL1 par e r  (cf. GUIBERT et al. [2010] pour
la justification complète).

,
4.2. Calcul du SCR
Le calcul est donc effectué par simulation des facteurs de risque systématiques :
• Tirage de K réalisations du facteur de risque
Etape n°1 systématique ak
• Calcul des 2 premiers moments de la

Etape °2 charge future actualisée (  ( ak ) ,  ( ak ) )
1 K  x −  ( ak ) 
• Calcul de la fonction F ( x )  FK ( x ) =  
K k =1   ( ak ) 
Etape n°3
xq
• Inversion pour le calcul du SCR xq = FK−1 ( q ) −1
Etape n°4 BEL0
SCR = BEL0
 xq 
1 −   D0   − 1
 BEL0 

,
On peut introduire un traité non proportionnel de priorité F et de portée P de sorte

que l’assureur conserve
+
R =  − (  − F )  P 
En utilisant l’approximation gaussienne de la loi de , la loi de R est connue

puisque
 x − E ()   F ( x ) x  F
F ( x ) = N  FR ( x ) =  
  (  )   F ( x + P ) x  F
 
Il reste alors à ajouter au SCR de souscription déterminé à l’aide de la démarche

précédente le SCR de contrepartie, puis de les agréger :
SCRtot ( F , P ) = SCR 2 ( F , P ) + SCRdef

2
+ 0, 25  SCR ( F , P )  SCRdef

,
Dans le cas considéré ici, il s’agit d’un risque de contrepartie de type 1 (cf. art. 138
du règlement délégué) dont les modalités de calcul sont précisées aux articles 200
et 201 et conduisent simplement, avec une seule contrepartie à
SCRdef = c  PD (1 − PD )  (1 − RR )  BERec
avec le coefficient c dépendant du coefficient de variation des pertes. On a donc

deux effets liés à la mise en place du dispositif de réassurance :
- Une baisse de la valeur nette d’actif du montant au moins égal à

 PD 
AdjCD = − max  (1 − RR )  BERec  Dur  ;0 
 1 − PD 
- Une substitution de SCR de contrepartie à une fraction du SCR de
souscription.

,
4.4. Application
Une fois le calcul du SCR en place, on peut utiliser le cadre présenté supra de
manière statique (modèle interne pour le risque de souscription par exemple) ou
dynamique dans le cadre de l’ORSA.
Un exemple en assurance dépendance est par exemple présenté dans PLANCHET

et TOMAS [2013]. On le reprend ici avec une loi de maintien illustrative
(représentative d’un risque de maintien en dépendance lourde) et en supposant
une volatilité de la perturbation de 20 %. La probabilité de défaut de la contrepartie
est fixée à 10^-4 (classe 1 de l’échelle de l’article 199) et le taux de recouvrement
à 50 %.

,
4.4. Application
Pour l’incertitude sur la table, on peut utiliser par exemple
 qxa   qx 
ln   = ln  +e
 1 − qx  1 − qx 
a

ce qui est équivalent à
a  exp ( lg ( qx ) )
q =
a
1 + a  exp ( lg ( qx ) )
x
Les résultats présentés ne tiennent pas compte du coût du transfert de risque et

ne mesurent que l’effet sur le niveau du SCR (rapporté au montant du best
estimate brut) et le taux de cession des engagements des caractéristiques du
traité.

,
4.4. Application
On obtient typiquement des résultats de la forme pour le ratio SCR / BE (à

gauche) et le taux de cession (à droite) :
Cela fournit une aide au choix des caractéristiques du traité.

Sommaire
1. Modèle de base
SOMMAIRE
3. Extensions

,
5.1. Le contexte
Dans le cas d’un contrat d’épargne ou de retraite, supposer que les risques sont
distribués selon des lois log-normales ou normales n’est pas évident à justifier. Au
surplus, on ne peut plus supposer l’indépendance entre l’actif et le passif :
Le calcul du SCR sur la base d’une approximation log-normale de la loi

conditionnelle de  t +1 ne peut donc plus être utilisé et le calcul des provisions best
estimate constitue un point délicat du modèle.

,
5.1. Le contexte
Il est donc en pratique nécessaire de développer un modèle de projection ad’hoc
pour le calcul des provisions techniques. Ce modèle s’appuie, pour respecter le
cadre de la « valorisation économique » sur une projection sous une probabilité
risque neutre des facteurs de risque financiers.
L’objectif de ce modèle sera de fournir une évaluation simplifiée des engagements
dont le calcul numérique soit efficace, compte tenu du fait qu’il devra être effectué un
grand nombre de fois, le long de chaque trajectoire (projetée en probabilité
historique) des facteurs de risque.
On présente dans la suite une première approche, bien adaptée aux contrats
d’épargne, qui s’appuie sur BONNIN et al. [2014]. Une variante adaptée à la retraite
est proposée dans BONNIN et al. [2015a].

,
5.2. Adaptation du modèle

On s’appuie sur le fait que BONNIN et al. [2014], le best estimate d’un contrat
d’épargne en € est exprimé à l’aide d’un correctif appliqué au montant de la
provision mathématique :
BEL ( t , T ) =  ( t , T )  PM ( t )
T
 ( t , T ) =  Si ,t ( u ) ( i ( u )  1 ( ( t ) , u − t ) +  2 ( ( t ) , u − t ) ) du + Si ,t (T )  1 ( ( t ) , T − t )
t
( )
T
 ( t, T ) =  (t, T ,  (t )) =  qu −1  1 ( ( t ) , u − t ) +  2 ( ( t ) , u − t )
lu −1

u =t +1 lt
 1 ( ( t ) , T − t )
lT
+
lt

,

On utilise les dynamiques suivantes pour les facteurs de risque (sous la probabilité
historique) :
dr ( t ) = k r  ( r − r ( t ) ) dt +  r dBr ( t )
drA ( t ) =  Adt +  AdBr ( t ) + 1 −  2  AdBA ( t )
 s ,a  1 −  s2,a −  2
d  ( t ) = k  ( −  ( t ) ) dt + dB A ( t ) +   dB ( t )
1−  2 1−  2
La dynamique de l’actif s’écrit alors :
( )
A ( t + 1) = A ( t ) exp  A +  A ( Br ( t + 1) − Br ( t ) ) + 1 −  2  A ( BA ( t + 1) − BA ( t ) ) − F ( t + 1)

,

On en déduit les dynamiques des différentes variables du modèle :
li ,t
li ,0
 t −1
 u =0


(
F ( t + 1)  VR ( t )   exp   ( u )   1 − (1 − qi ( t ) )  e ( )
  t
)
(
 PM ( t )  1 − (1 − qi ( t ) )  e ()
  t
)
(
A ( t + 1)  A ( t )  exp  A +  Ae r ( t + 1) + 1 −  2  Ae A ( t + 1) )
(
− PM ( t )  1 − (1 − qi ( t ) )  e
  ( t )
)
 t +1 
PM ( t + 1) = PM ( t )  exp   ( r ( u ) +  ( u ) −  ( u ) ) du 
 t 
 PM ( t )  exp ( r ( t ) + (1 +  )  ( t ) )  (1 − qi ( t ) )

,

Les fonds propres s’expriment alors selon :
 A ( t )  e  A − r ( t )+  Ae r (t +1)+ 1−  2 Ae A (t +1) 
 
r t
 (
Et +1 = e ( )   − PM ( t )  e ( )  1 − (1 − qi ( t ) )  e ( )
−r t
)   t 

 
 − PM ( t )  e(1+ ) ( t )  (1 − qi ( t ) )   ( t + 1, T ,  ( t + 1) ) 
 
d’où l’on déduit une expression du SCR en s’appuyant sur l’approximation usuelle
 
t +1
−  r ( u )du
SCRt  Et − VaRt  Et +1  e t ; 0.5% 
 
 
 A ( t )  e  A − r ( t )+  Ae r (t +1)+ 1−  2 Ae A (t +1) 
 

−r t
(
SCRt  Et − VaRt  − PM ( t )  e ( )  1 − (1 − qi ( t ) )  e ( ) )   t 

 
 − PM ( t )  e(1+ ) ( t )  (1 − qi ( t ) )   ( t + 1, T ,  ( t + 1) ) 
 

,

On note que comme  ( t + 1, T ,  ( t + 1) ) est, conditionnellement à l'information en t,
une variable somme de variables log-normales, on doit calculer le quantile de la
comme (algébrique) de variables log-normales non indépendantes, ce qui n'est
pas simple du point de vue analytique.
On procède donc par simulation : conditionnellement à l'état des facteurs de risque
en t, on est alors en mesure de calculer la distribution empirique de la valeur nette
de l'actif en t+1 et d'en déduire un estimateur empirique du SCR.

Conclusion
La mise en œuvre des aspects quantitatifs de l’ORSA implique :

- le calcul d’un bilan économique, qui nécessite un modèle
potentiellement complexe pour le calcul des provisions ;
- le calcul du SCR, qui nécessite également un modèle (éventuellement
la formule standard) ;
- la projection des calculs ci-dessus pour construire la distribution du
taux de couverture sur un horizon de quelques années.
Il est indispensable de limiter autant que possible le recours à la simulation :

une projection dans le cadre de l’ORSA qui ne reposerait que sur la simulation
serait inefficace.

Conclusion
En fonction du contexte et de la nature des risques à modéliser, des choix de

modélisation ad’hoc doivent être effectués pour :
- la finesse de description de l’actif ;

- le calcul des provisions et donc de la NAV ;
- le calcul du SCR (formule standard ou « modèle interne »).
La construction d’un modèle pertinent nécessite une réflexion préalable sur les
facteurs de risque principaux et leurs interactions.

Références
ACPR [2014] « Préparation à Solvabilité II : enseignements de l’exercice d’ORSA pilote », Document d’information, Version 1.0.
BAUER D., BERGMANN D., REUSS A. [2010] « Solvency II and nested simulations - a least-squares monte carlo approach. »
In Proceedings of the 2010 ICA congress.
BERA A., JARQUE C. [1980] « Efficient Tests for Normality, Heteroscedasticity and Serial Independance of Regression
Residuals », Economic Letter, 255-9.
BONNIN F., DE CLERMONT-TONNERRE A., PLANCHET F., SAPONE D., TAMMAR M. [2015b], « Valeur économique de
dettes subordonnées pour des sociétés non-vie », Assurances et gestion des risques, Vol. 82 (1-2).
BONNIN F., COMBES F., PLANCHET F., TAMMAR M. [2015a] « Un modèle de projection pour des contrats de retraite dans le
cadre de l’ORSA », Bulletin Français d’Actuariat, vol. 14, n°28..
BONNIN F., JUILLARD M., PLANCHET F. [2014] « Best Estimate Calculations of Savings Contracts by Closed Formulas -
Application to the ORSA », European Actuarial Journal, http://dx.doi.org/10.1007/s13385-014-0086-z.
BURR I. [2015] « Impact d’un dispositif de réassurance non-proportionnelle sur le risque de réserve, » UdS, Mémoire
d’actuaire.
CEIOPS [2009] Advice for Level 2 Implementing Measures on Solvency II: SCR standard formula - Article 111 (f) Operational
Risk
CHRISTIANSEN M., NIEMEYER A. [2012] « The fundamental definition of the Solvency Capital Requirement in Solvency II. »,
Preprint Series: 2012-02, Universität ULM..
EL FAOUZI N.E.; MAURIN M. [2006] « Sur la loi de la somme de variables log-normales : application à la fiabilité de temps de
parcours routiers », INRETS, Working Paper.

Références
GUIBERT Q., JUILLARD M., PLANCHET F. [2012] « Measuring Uncertainty of Solvency Coverage Ratio in ORSA for Non-Life
Insurance », European Actuarial Journal, 2:205-226, doi: 10.1007/s13385-012-0051-7.
GUIBERT Q., JUILLARD M., PLANCHET F. [2010] « Un cadre de référence pour un modèle interne partiel en assurance de
personnes », Bulletin Français d’Actuariat, vol. 10, n°20.
HOLT C.A., LAURY S.K. [2002] Risk Aversion and Incentive Effects, American Economic Review.
KARAM E., PLANCHET F. [2012] « Operational Risks in Financial Sectors », Advances in Decision Sciences, Vol. 2012, Article
ID 385387, 57 pages. doi:10.1155/2012/385387.
PAYEN K. [2016] « Prise en compte de la réassurance dans un modèle ORSA non-vie », EURIA, Mémoire d’actuaire.
PLANCHET F., JUILLARD M. [2010] « Le Pilier 2 : du calcul de l'exigence de marge au pilotage d'un profil de risques. », la
Tribune de l’Assurance (rubrique « le mot de l’actuaire »), n°153 du 01/12/2010.
PLANCHET F., THÉROND P.E., JUILLARD M. [2011] Modèles financiers en assurance, seconde édition, Paris : Economica.
PLANCHET F., TOMAS J. [2014] « Uncertainty on Survival Probabilities and Solvency Capital Requirement: Application to LTC
Insurance », Scandinavian Actuarial Journal, doi: 10.1080/03461238.2014.925496.
R DEVELOPMENT CORE TEAM [2014] R: A Language and Environment for Statistical Computing, R Foundation for Statistical
Computing, Vienna, Austria. URL: http://www.R-project.org.
ROSA J.J. [1977] « Réponse aux commentaires de M Mouillart », Revue Economique, Vol. 28, n°2, pp290-295.

ORSA

Transféré par

Droits d'auteur :

Formats disponibles

ORSA

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

ORSA

Transféré par

Droits d'auteur :

Formats disponibles

Modèles quantitatif pour l’ORSA

Modèles quantitatifs pour l’ORSA 1

De fait, le pilier 2 comporte de nombreux aspects quantitatifs.

Modèles quantitatifs pour l’ORSA 2

L’ORSA (Own Risk and Solvency Assessment) est un processus d’évaluation

Les résultats de l´ORSA doivent être communiqués à l´autorité de contrôle.

Modèles quantitatifs pour l’ORSA 3

Système de gestion des

Appétit pour le risque

ORSA (suivi et pilotage du

Modèles quantitatifs pour l’ORSA 4

Modèles quantitatifs pour l’ORSA 5

Remarque : lien entre ORSA et risque opérationnel

Modèles quantitatifs pour l’ORSA 6

L’entreprise d’assurance doit donc prouver au régulateur qu’elle est en mesure

Modèles quantitatifs pour l’ORSA 7

On cherche ici une approche robuste et opérationnelle pour mesurer

Modèles quantitatifs pour l’ORSA 8

La présentation aborde également les spécificités de l’assurance-vie, qui

Modèles quantitatifs pour l’ORSA 9

4. Adaptation avec des rentes

Modèles quantitatifs pour l’ORSA 10

La dynamique des éléments du bilan simplifié peut s’écrire simplement :

Lt = BELt + RM t = BELt +   Dt  SCRt

On souhaite construire la distribution du taux

Modèles quantitatifs pour l’ORSA 11

Le calcul du SCR s’appuie sur la projection du bilan à un an (cf. GUIBERT et al.

La projection des facteurs de risque sur un an est effectuée en probabilité

Modèles quantitatifs pour l’ORSA 12

La manière de calculer le SCR n’est pas immédiate, compte tenu de

On doit également décider de la prise en compte (ou non) de la marge pour

Modèles quantitatifs pour l’ORSA 13

À titre d’illustration, on compare le

Modèles quantitatifs pour l’ORSA 14

1.1. Le cadre de référence

devient avec l’hypothèse de proportionnalité du SCR au BEL :

Modèles quantitatifs pour l’ORSA 15

1.1. Le cadre de référence

où D désigne la duration du passif.

Modèles quantitatifs pour l’ORSA 16

1.1. Le cadre de référence

Modèles quantitatifs pour l’ORSA 17

1.2. La dynamique des facteurs de risque

les e sont des bruits blancs gaussiens (indépendants) et φ une constante

Modèles quantitatifs pour l’ORSA 18

1.3. Autres équations d’évolution

d’où l’on déduit que :

Cette équation traduit la consommation des provisions en run-off : la variation

Modèles quantitatifs pour l’ORSA 19

1.3. Autres équations d’évolution

On notera que sur la base de ces notations, et en l'absence de cotisations

Modèles quantitatifs pour l’ORSA 20

1.4. Formule de calcul du SCR projeté

Modèles quantitatifs pour l’ORSA 21

1.4. Formule de calcul du SCR projeté

Modèles quantitatifs pour l’ORSA 22

1.4. Formule de calcul du SCR projeté

On approche la loi de Ft +1 + Lt +1 − Ct +1 par une loi log-normale dont les paramètres

Modèles quantitatifs pour l’ORSA 23

1.4. Formule de calcul du SCR projeté