4 résultats
pour « scr »
Cet article analyse la réponse d'Insurance Europe à une consultation de l'EIOPA concernant l'intégration des mesures d'adaptation au changement climatique dans le calcul du capital de solvabilité requis (SCR).
L’EIOPA a publié un document de consultation ciblant l'usage des techniques d'atténuation du risque en réassurance proportionnelle. L’enjeu central est la commensurabilité : l'adéquation entre la réduction du capital requis (SCR) et le transfert de risque réel.
L'autorité s'inquiète des clauses contractuelles (limites de perte, corridors, commissions variables) qui introduisent une non-linéarité. Ces mécanismes peuvent neutraliser le transfert de risque en queue de distribution (99,5 %), créant un risque de base matériel non capturé par la Formule Standard de Solvabilité II.
Les assureurs doivent désormais :
Évaluer l'efficacité du transfert via la fonction actuarielle et l'ORSA.
Utiliser des tests quantitatifs, comme l'indicateur Expected Reinsurance Deficit (ERD).
Ajuster la mesure du volume si les commissions masquent une rétention du risque de dépenses.
Les parties prenantes ont jusqu'au 17 juillet 2026 pour répondre à cette consultation.
Les simulations de Monte Carlo imbriquées exigées par Solvabilité II représentent un obstacle majeur à la rapidité du calcul du capital de solvabilité (SCR), limitant leur usage à des exercices de conformité ponctuels. Dans son article *“On the Estimation of Own Funds for Life Insurers”*, Mark-Oliver Wolf propose plusieurs avancées pour améliorer cette efficacité.
L’auteur démontre d’abord l’**équivalence entre les méthodes directe et indirecte** d’estimation du capital disponible : sous hypothèse d’absence d’arbitrage, elles convergent vers la même valeur. Cette propriété permet d’utiliser l’une pour valider l’autre, renforçant ainsi la fiabilité des modèles.
Wolf introduit ensuite une **famille d’“estimateurs mixtes”** généralisant ces approches. Tous partagent la même espérance, ouvrant la voie à l’usage de **variables de contrôle** permettant de réduire la variance sans introduire de biais. Deux variantes sont proposées :
* le **contrôle “crude”**, simple à implémenter, combine les estimateurs direct et indirect ;
* le **contrôle “mixed”**, plus avancé, exploite plusieurs estimateurs pour des gains supplémentaires.
Les tests sur trois modèles (MUST, IS, openIRM) montrent des **réductions de variance jusqu’à un facteur 10** dans les scénarios réalistes. L’efficacité dépend toutefois du degré de corrélation entre actifs et passifs, plus cette relation étant forte, plus les gains sont importants.
"We use #naturallanguageprocessing to #measure #supplychainrisk (#scr) faced by #us firms, as expressed in narratives of quarterly earnings conference calls."