Modélisation et gestion du risque de longévité: Application à des instruments financiers liés à la longévité
Notice bibliographique
Résumé
Dans les récentes années, les pays industrialisés, comme le Canada, connaissent de plus en plus d'améliorations de la qualité de vie, des progrès médicaux, la paix, etc. Ceci a contribué à une baisse considérable des taux de mortalité, autrement dit, une amélioration de l'espérance de vie. L'industrie d'assurance et les fonds de pension subissent ce changement démographique et s'inquiètent de ce risque de long évité dans le futur. Il est donc très important, pour ces organismes assureurs de pouvoir prédire l'évolution de la mortalité dans le futur d'une manière adéquate. Dans ce mémoire nous allons modéliser la mortalité par le modèle le plus classique en actuariat Lee-Carter, 1992 puis par le modèle de Fung et al, 2015 qui est un modèle financier stochastique à deux facteurs, le premier facteur est général pour toute la population et le deuxième est spécifique à l'âge. En effet, nous considérons le modèle de Lee-Carter comme un benchmark puisqu'il est le modèle standard utilisé dans l'industrie de l'assurance. Le modèle de Fung et al est un modèle de type affine et gaussien, modèles fréquemment utilisés en finance pour la modélisation du taux d'intérêt. Nous allons tester le fit du modèle Fung et al en le comparant au fit offert par Lee-Carter. Ensuite, nous abordons des portefeuilles de rentes viagères. Une rente viagère est une série de paiements périodiques dont le versement est garanti jusqu'au décès du rentier, ces versements sont faits en échange d'un capital de départ. On les nomme aussi des portefeuilles d'annuités. C'est un produit implicitement offert par les fonds de pension à prestations déterminés. Le risque de longévité peut entraîner des hausses de coûts substantielles pour ces régimes. Nous introduisons par la suite des produits financiers dérives de longévité, pour transférer ce risque, comme les Swaps et les Caps de longévité. Un Swap de longévité est une série de forwards de long évité et chaque forward est un contrat de couverture du risque de longévité o ù le régime de retraite verse à une contrepartie des paiements fixes déterminés par les taux de mortalité estimés par le modèle de Fung et al, en échange, la contrepartie verse au régime des paiements variables dépendant des taux de survie observés dans la population des rentiers. Pour le Cap de long évité, il est sous forme d'options d'achat dont le sous-jacent est encore le taux de survie de la population cible. Après nous être assurés que le modèle de Fung et al performe au moins aussi bien que le modèle de Lee-Carter, nous l'utiliserons pour étudier les couvertures de portefeuilles de rentes à l'aide de Swaps et Caps de long évité respectivement. Le modèle nous permet en plus un ajustement risque-neutre, c.à.d une calibration à d'autres instruments de longévité transigés dans le marché.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».