Etude des marchés d'assurance non-vie à l'aide d'équilibres de ...
Etude des marchés d'assurance non-vie à l'aide d'équilibres de ...
Etude des marchés d'assurance non-vie à l'aide d'équilibres de ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
tel-00703797, version 2 - 7 Jun 2012<br />
Introduction<br />
Théorème (Albrecher et Teugels (2006)). Pour le processus <strong>de</strong> risque donné en équation<br />
(12), avec <strong><strong>de</strong>s</strong> montants Xi et <strong><strong>de</strong>s</strong> temps d’attente <strong>de</strong> sinistre Ti i<strong>de</strong>ntiquement distribués et<br />
<strong><strong>de</strong>s</strong> queues <strong>de</strong> distribution légères. Notons γ le coefficient d’ajustement solution positive <strong>de</strong><br />
l’équation E(exp r(X − cT )) = 1, existant si la condition <strong>de</strong> profit net E(X) < cE(T ) est<br />
vérifiée. On a alors<br />
ψ(u) ∼<br />
u→+∞ Ce−γu ,<br />
où C = e −B /γE(SN exp(RSN)), N = inf(n > 0, Sn > 0), Sn la somme cumulée <strong><strong>de</strong>s</strong> incréments<br />
et B une constante positive.<br />
Albrecher et Teugels (2006) étudient ensuite l’équation <strong>de</strong> Lundberg pour différentes copules<br />
: copules <strong>de</strong> Spearman, copule EFGM ou les copules Archimédiennes. Nous détaillons<br />
ces <strong>de</strong>rnières, qui vont être utilisées dans cette introduction et au chapitre 4.<br />
Les copules archimédiennes sont caractérisées par un générateur φ : R+ ↦→ [0, 1], qui<br />
est une fonction infinement différentiable et complètement monotone, c’est <strong>à</strong> dire, pour tout<br />
k ∈ N, (−1) k φ (k) (t) ≥ 0. Une copule archimédienne est caractérisée <strong>de</strong> la manière suivante<br />
C(u1, . . . , ud) = φ −1 (φ(u1) + · · · + φ(ud)) .<br />
Les exemples les plus classiques sont la copule <strong>de</strong> Clayton φ(t) = (t −α − 1)/α, la copule <strong>de</strong><br />
Gumbel φ(t) = (− log t) α ou encore la copule <strong>de</strong> Frank φ(t) = log(e −α − 1) − log(e −αt − 1),<br />
voir le chapitre 4 <strong>de</strong> Nelsen (2006).<br />
Dépendance par mélange<br />
Enfin, nous présentons un <strong>de</strong>rnier type <strong>de</strong> dépendance introduit par Albrecher et al. (2011).<br />
Cela consiste <strong>à</strong> introduire une dépendance dans la suite <strong><strong>de</strong>s</strong> sinistres, soit sur les montants<br />
(X1, X2, . . . ) ou les temps d’attente <strong>de</strong> sinistres (T1, T2, . . . ) <strong>à</strong> l’ai<strong>de</strong> d’une variable latente.<br />
Soit Θ une variable aléatoire positive représentant une certaine hétérogénéité sur le portefeuille<br />
d’assurance. Tout d’abord, nous supposons que les montants <strong>de</strong> sinistre Xi sont indépendants<br />
et i<strong>de</strong>ntiquement distribués conditionnellement <strong>à</strong> Θ = θ <strong>de</strong> loi exponentielle E(θ). De plus, les<br />
temps d’attente sont eux-aussi <strong>de</strong> loi exponentielle λ et indépen<strong>de</strong>nts <strong><strong>de</strong>s</strong> montants <strong>de</strong> sinistre.<br />
Conditionnellement <strong>à</strong> Θ = θ, c’est le modèle <strong>de</strong> Cramér-Lundberg. Ainsi, on a<br />
<br />
λ<br />
λ<br />
ψ(u, θ) = min e−u(θ− c<br />
θc ) <br />
, 1 ,<br />
où le minimum utilisé ci-<strong><strong>de</strong>s</strong>sus est équivalent <strong>à</strong> la condition <strong>de</strong> profit net θ > λ/c. En intégrant<br />
par rapport <strong>à</strong> la variable θ, on obtient<br />
où θ0 = λ/c et<br />
I(u, θ0) =<br />
ψ(u) = FΘ(θ0) + I(u, θ0),<br />
+∞<br />
θ0<br />
θ0<br />
θ e−u(θ−θ0) dFΘ(θ).<br />
Notons dès <strong>à</strong> présent que la probabilité <strong>de</strong> ruine est strictement positive quelque soit le niveau<br />
<strong>de</strong> capital initial u.<br />
34