Arbitrage-free catastrophe reinsurance valuation for compound dynamic contagion claims

Cet article propose une méthode d'évaluation sans arbitrage pour les réassurances de type « stop-loss » contre les catastrophes, en modélisant les sinistres par un processus de contagion dynamique composé et en utilisant la transformée d'Esscher pour déterminer des primes adaptées aux risques émergents tels que le changement climatique et les cyberattaques.

L'essentiel

Imaginez que le monde des assurances est comme un immense filet de sécurité qui protège les gens et les entreprises contre les catastrophes : ouragans, inondations, cyberattaques ou pandémies. Mais que se passe-t-il si le filet se déchire parce que les catastrophes deviennent trop fréquentes, trop graves, ou trop imprévisibles ? C'est exactement le problème que cette étude tente de résoudre.

Voici une explication simple de ce papier de recherche, imagée pour tout le monde.

1. Le Problème : Des Catastrophes qui "Contagient"

Dans le passé, les assureurs pensaient que les catastrophes arrivaient un peu comme des gouttes de pluie : aléatoires et indépendantes les unes des autres. Mais aujourd'hui, ce n'est plus vrai.

• L'analogie du dominos : Imaginez qu'une inondation (un domino qui tombe) ne fait pas seulement des dégâts immédiats. Elle coupe les routes, ce qui empêche les secours d'arriver, ce qui aggrave les pertes, ce qui déclenche d'autres problèmes en chaîne. C'est ce qu'on appelle l'effet de contagion.
• Le nouveau modèle : Les auteurs utilisent un outil mathématique très sophistiqué appelé le "Processus de Contagion Dynamique Composé".
  • Imaginez une épidémie. Un virus (une catastrophe) se propage.
  • Ce modèle capture deux choses :
    1. L'auto-excitation : Une catastrophe en déclenche une autre (comme une épidémie qui se propage de personne à personne).
    2. L'excitation externe : Des chocs venus de l'extérieur, comme un ouragan soudain ou une cyberattaque mondiale, qui ne dépendent pas du passé mais de l'environnement.

Ce modèle est crucial car il permet de mieux prédire les "vagues" de pertes, au lieu de les voir comme des événements isolés.

2. La Solution : Trouver un Prix "Juste" sans Tricher

Le cœur du papier est de calculer le prix d'une réassurance.

• Qu'est-ce que la réassurance ? C'est l'assurance des assureurs. Quand un assureur vend des polices, il prend un risque. Pour ne pas faire faillite si une catastrophe géante frappe, il achète une "assurance" à une compagnie de réassurance.
• Le défi : Comment fixer le prix de cette réassurance quand les risques sont si complexes ? Si le prix est trop bas, l'assureur fait faillite. S'il est trop haut, personne ne l'achète.

Les auteurs utilisent un concept financier appelé "Arbitrage-free" (sans opportunité d'arbitrage).

• L'analogie du marché équitable : Imaginez un marché où personne ne peut gagner de l'argent "gratuitement" ou tricher. Le prix doit être juste, basé sur la réalité du risque, mais aussi ajusté pour que l'assureur soit en sécurité.

3. L'Outil Magique : La "Transformation Esscher"

Pour trouver ce prix juste, les auteurs utilisent une technique mathématique appelée la Transformation Esscher.

• L'analogie des lunettes de réalité augmentée :
  • Le monde réel (où nous vivons) est une réalité "physique". Les catastrophes arrivent avec une certaine probabilité.
  • La Transformation Esscher permet de mettre des "lunettes magiques" (une nouvelle mesure de probabilité) sur les yeux de l'assureur.
  • À travers ces lunettes, le monde semble un peu plus dangereux. Les catastrophes paraissent plus fréquentes et plus graves.
  • Pourquoi ? Parce que les assureurs sont prudents. Ils préfèrent payer un peu plus cher aujourd'hui pour être sûrs d'être protégés demain. Ces "lunettes" ajoutent une marge de sécurité (un "chargement de sécurité") au prix, reflétant la peur du risque et la nécessité de rester solvable.

4. Ce que disent les Résultats (La Simulation)

Les auteurs ont utilisé des ordinateurs puissants pour simuler des milliers de scénarios catastrophiques (comme des milliers de mondes parallèles) pour voir combien coûterait cette réassurance.

• Ce qu'ils ont découvert :
  • Le prix "réel" (ce qu'on attend statistiquement) est bien plus bas que le prix "sécurisé" (ce qu'on paie réellement avec les lunettes magiques).
  • Plus on est prudent (plus on ajuste les "lunettes" pour voir le risque comme plus grand), plus le prix de la réassurance monte.
  • Le modèle montre que si on ignore l'effet de contagion (l'effet dominos), on sous-estime gravement le prix. C'est comme essayer de prédire une tempête en regardant seulement une goutte de pluie.

5. Pourquoi est-ce Important pour Nous ?

Nous vivons dans un monde où les risques changent :

• Le changement climatique rend les tempêtes plus violentes.
• Les cyberattaques peuvent paralyser des pays entiers.
• Les pandémies perturbent tout.

Si les assureurs utilisent de vieux modèles qui ne voient pas ces effets de contagion, ils risquent de ne pas avoir assez d'argent pour payer les victimes. Ce papier propose une nouvelle façon de calculer les prix pour s'assurer que le filet de sécurité reste solide, même face aux tempêtes les plus terribles.

En résumé :
C'est une recette mathématique nouvelle pour calculer le prix de l'assurance contre les catastrophes. Elle tient compte du fait que les catastrophes s'entraînent les unes les autres (comme une contagion) et ajoute une marge de prudence pour garantir que, même si tout s'effondre, les assureurs pourront toujours payer.

Résumé technique

Voici un résumé technique détaillé de l'article de recherche en français, structuré selon les sections demandées.

Titre de l'article

Évaluation sans arbitrage de la réassurance catastrophe pour des claims de contagion dynamique composés

1. Problématique

L'industrie de l'assurance fait face à une augmentation de la fréquence et de la sévérité des catastrophes, qu'elles soient conventionnelles (inondations, tremblements de terre) ou émergentes (cyberattaques, pandémies). Ces événements entraînent des pertes financières massives, mettant en péril la solvabilité des assureurs et des réassureurs.

Le défi principal réside dans la modélisation et la tarification de ces risques complexes :

• Les modèles traditionnels (comme les processus de Cox ou de Hawkes standards) peinent à capturer simultanément les chocs exogènes soudains (ex: ouragans) et les effets de contagion endogènes (ex: répliques, ruptures de chaînes d'approvisionnement).
• Il existe un besoin crucial de déterminer des primes de réassurance "sans arbitrage" (arbitrage-free) qui tiennent compte de l'asymétrie de l'information et de l'impossibilité de couvrir dynamiquement ces risques non négociables sur les marchés financiers.
• Les assureurs doivent intégrer des "chargements de sécurité" (security loadings) pour couvrir les risques émergents liés au changement climatique et aux cyber-risques, tout en restant dans un cadre mathématiquement rigoureux.

2. Méthodologie

Les auteurs proposent une approche mathématique sophistiquée combinant la théorie des processus ponctuels et la finance mathématique actuarielle.

A. Modélisation des Pertes : Le Processus de Contagion Dynamique Composé (CDCP)

Pour modéliser le composant catastrophique de la responsabilité du réassureur ($C_t$), l'article utilise un Processus de Contagion Dynamique Composé (CDCP). Ce processus étend les modèles classiques en intégrant trois mécanismes clés :

1. Composante auto-excitatrice (Self-exciting) : Capture le regroupement des sinistres (clustering) et l'amplification des pertes suite à un événement initial (ex: dommages aux infrastructures).
2. Composante à excitation externe (External-exciting) : Modélise les chocs exogènes soudains (ouragans, pandémies) dont l'arrivée n'est pas déclenchée par les pertes passées mais par des facteurs environnementaux.
3. Intensité à retour à la moyenne : L'intensité du processus ($\lambda_t$) tend vers un niveau de base $a$ avec un taux de décroissance $\delta$, reflétant la nature transitoire des périodes de risque élevé.

Le modèle est défini dans un cadre non homogène en temps (time-inhomogeneous), permettant aux paramètres d'évoluer pour refléter les changements de l'exposition et des dynamiques de sinistres.

B. Évaluation Sans Arbitrage : La Transformée d'Esscher

Pour déterminer une prime équitable sans opportunité d'arbitrage, les auteurs adoptent une approche de tarification neutre au risque via la transformée d'Esscher.

• Mesure Martingale Équivalente (EMM) : Ils construisent une mesure de probabilité alternative $\tilde{P}$ équivalente à la mesure réelle $P$. Sous $\tilde{P}$, le processus de surplus de l'assureur devient une martingale.
• Changement de Mesure : La transformée d'Esscher est utilisée pour définir la dérivée de Radon-Nikodym. Cela permet de "tilter" (déformer) les distributions de probabilité des sauts (taille et fréquence) et de l'intensité.
• Paramètres de Chargement : Les paramètres de la transformée ($\theta, \psi, \nu$) agissent comme des facteurs de chargement de sécurité :
  • $\theta$ et $\psi$ augmentent l'intensité des arrivées (fréquence).
  • $\nu < 0$ déforme la distribution des tailles de sinistres vers des pertes plus importantes (sévérité).
  • Cela permet de quantifier l'aversion au risque du réassureur dans un marché dur (hard market).

C. Outils Mathématiques

• Générateur Infinitésimal : Les auteurs dérivent le générateur infinitésimal du processus joint sous la nouvelle mesure $\tilde{P}$, montrant comment les paramètres (intensité, distributions de sauts) se transforment.
• Simulation de Monte Carlo : Étant donné la complexité analytique des primes de réassurance stop-loss (qui dépendent de la queue de distribution), les auteurs utilisent une méthode de simulation Monte Carlo pour estimer les primes $\tilde{E}[(C_t - L)^+]$.

3. Contributions Clés

1. Innovation de Modélisation : C'est la première application d'un processus de contagion dynamique composé (CDCP) spécifiquement pour la composante catastrophique de la responsabilité d'un réassureur dans un contexte de tarification.
2. Cadre d'Évaluation Sans Arbitrage : L'article fournit une méthode rigoureuse pour obtenir des primes sans arbitrage pour des contrats de réassurance stop-loss, en utilisant la transformée d'Esscher pour gérer l'incomplétude du marché de l'assurance.
3. Flexibilité des Paramètres : La démonstration que les paramètres du CDCP deviennent dépendants du temps sous la mesure martingale, offrant un cadre flexible pour modéliser l'évolution des risques (ex: marché dur).
4. Analyse Comparative : Comparaison explicite avec des modèles plus simples (Processus de Hawkes généralisé et Processus de Cox à bruit de tir), démontrant l'impact significatif de l'inclusion des deux types de contagion (interne et externe).

4. Résultats Numériques

Les auteurs ont réalisé des simulations numériques avec des paramètres calibrés pour illustrer le comportement du modèle :

• Impact des Paramètres d'Esscher :
  • L'augmentation du paramètre $\theta$ (chargement de fréquence) et $\nu$ (chargement de sévérité) entraîne une hausse significative des primes brutes.
  • Le paramètre $\nu$ (négatif) a un impact particulièrement fort car il affecte à la fois l'intensité auto-excitatrice et la taille des sinistres, augmentant la prime de manière non linéaire.
• Comparaison des Modèles :
  • Les primes calculées avec le CDCP sont nettement supérieures à celles des modèles Hawkes (sans chocs externes) ou Cox (sans contagion interne).
  • L'inclusion des deux mécanismes de contagion est cruciale pour capturer le risque réel de catastrophes majeures.
• Analyse de Sensibilité :
  • Les primes sont très sensibles aux niveaux de rétention ($L$) et aux paramètres d'intensité ($\delta, \alpha, \beta$).
  • Une relation non monotone a été observée avec le taux de décroissance $\delta$, soulignant la complexité de l'interaction entre les paramètres sous la mesure transformée.
• Visualisation : Les trajectoires simulées sous la mesure $\tilde{P}$ montrent des intensités plus élevées et des sauts plus importants que sous la mesure réelle $P$, illustrant visuellement l'ajustement pour le risque.

5. Signification et Implications

• Pour la Pratique Actuarielle : L'article offre un cadre robuste pour les réassureurs afin de quantifier leurs passifs catastrophiques face aux risques émergents (climat, cyber, pandémies). Il justifie mathématiquement l'augmentation des primes dans un marché dur.
• Gestion des Risques : La méthode permet de distinguer et de charger séparément les risques de fréquence, de contagion, de chocs systémiques et de sévérité, offrant une granularité supérieure aux modèles traditionnels.
• Stabilité Financière : En fournissant des primes "sans arbitrage" qui intègrent une marge de sécurité explicite via la transformée d'Esscher, le modèle contribue à la solvabilité des assureurs face à des événements extrêmes de plus en plus fréquents.
• Pérennité : Les auteurs suggèrent que ce cadre dynamique peut être étendu à la tarification de dérivés d'assurance catastrophe, ouvrant la voie à de futures recherches.

En résumé, cet article propose une avancée théorique et pratique majeure en combinant la modélisation avancée des processus ponctuels (CDCP) avec des principes de tarification financière (Esscher) pour répondre aux défis croissants de la réassurance catastrophe moderne.