WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Application des générateurs de scénarios économiques en alm pour les compagnies d'assurance


par Mahdi Zribi
Tunis Dauphine - Master Actuariat 2022
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

CHAPITRE 2. LES GÉNÉRATEURS DE SCÉNARIOS ÉCONOMIQUES

H0 : á0 = á1 = ... = áp contre H1 : ? i0 / ái0 =60

Dans le cas ou l'hypothése H0 est acceptée, Et = Iit/á0 ce qui implique que les résidus sont identiquement distribués.

Pour conclure nous proposons le tableau suivant qui résume les testes statistiques nécessaire pour un GSE ainsi leurs intérêts :

Test statistique

Intérêt

Test d'ajustement

Mesurer de la qualité de calibrage

Test de Fisher

Valider globalement le modèle

Test de Student

Vérifier la significativité des coefficients du modèle

Test de Breusch-Godfrey

Mesurer l'indépendance des résidus

Test de Jarque-Bera

Vérifier la normalité des résidus

Test ARCH

Mesure la dépendance des résidus d'un modèle de régression

TABLE 2.1 - Tests statistiques et intérêts

Il est à noter que les résultats des tests statistiques présentés ci-après, lorsque la probabilité associée est inférieure à 5 % l'hypothèse H0 sera rejetés et on accepte l'hypothèse H1.

6. Projection

Après la modélisation de la structure de dépendance, la calibration des données et la validation des différents tests de marginalités et d'ajustement l'étape finale consiste a projeter les variables macro-économiques.

Les deux natures du modèle que nous allons détailler par la suite (Wilkie, Brennan Xia, Ahlgrim et Jarrow Yildrim) : soit par cascade, soit par corrélation possèdent deux structures schématiques différentes dont l'une structure linéaire et l'autre une structure par arbres, l'intérêt de choix se manifeste à travers la modélisation de l'évolution dans le temps des variables de GSE.

A un instant "t" de temps, une variable macro-économique choisie comme input est représentée par un noeud, l'ensemble des noeuds cumulés est relié par des droites forment un scénario économique futur possible.

Pour la structure linéaire, elle est généralement dédiée pour les modèles en cascade : une seule trajectoire est dérivée à partir de chaque noeud sauf pour le noeud de départ dont chaque noeud généré dispose d'une trajectoire.

En second lieu on trouve la structure par arbre à partir d'un seul noeud considéré comme la force motrice du modèle, on peut y avoir plusieurs noeuds qui peuvent eux-mêmes générer plusieurs scénarios.

En comparant les deux structures, la structure linéaire est préférable.

En effet, ceci est expliqué par le nombre élevé de scénarios économiques générés lors de la projection en utilisant une structure par arbre ce qui engendre une difficulté d'implémentation.

Dans le cadre de ce mémoire on adopte la structure linéaire pour la projection.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Nous voulons explorer la bonté contrée énorme où tout se tait"   Appolinaire