Générateurs de scénarios économiques : Points d’attention et bonnes pratiques – Rapport de l’ACPR

1. Introduction

Les Générateurs de Scénarios Economiques (GSE) de 15 organismes d’assurance ont été passés en revue par l’ACPR au second semestre 2020. Les résultats de cette étude ont été publiés le 7 décembre 2020 dans une note « Générateurs de scénarios économiques : Points d’attention et bonnes pratiques »[1].

Cette analyse menée en France est restreinte à l’étude des GSE dits « risque neutre ». Ces derniers sont principalement utilisés dans le cas d’engagements d’assurance vie afin d’évaluer la provision technique « Best Estimate » (BE) au sens de la réglementation Solvabilité II. La projection des variables économiques s’effectue alors sous la probabilité risque neutre, dont l’existence est équivalente à la condition d’Absence d’Opportunités d’Arbitrages (AOA).

2. Gouvernance des GSE

Le GSE tient une place centrale au sein des modèles actif-passif. Ces derniers sont utilisés pour projeter les flux futurs probables dans le cadre du calcul du BE. Il convient donc d’accorder autant d’importance à la structuration du GSE qu’aux autres hypothèses clés de l’outil ALM. Les choix de modélisation du GSE (modèles retenus, méthodes de calibrage, tests de validation, etc.) devraient ainsi être discutés et validés par les comités de pilotage du calcul du BE. Par ailleurs, il est attendu de la fonction actuarielle (responsable de la suffisance des provisions) un avis sur le GSE retenu et les différents travaux afférents, en particulier sur les tests de validation et les sensibilités.

L’ACPR indique que, même en cas d’externalisation du développement du GSE (comme c’est le cas dans 80 % des cas de l’étude), les assureurs doivent réaliser eux-mêmes les tests de validation des scénarios (tests martingales, de cohérence avec le marché et de corrélation), ou au moins analyser les tests produits par un prestataire afin de s’assurer, en interne, de la qualité du GSE.

3. Mise en œuvre

Le principe de probabilité « risque-neutre » est intrinsèquement lié à l’hypothèse d’AOA. Un retraitement des scénarios (par des méthodes de planchers ou de plafonds) ne doit en aucun cas remettre en cause cette hypothèse. Ces retraitements, si nécessaires au bon fonctionnement de l’outil ALM, sont donc tolérés dans la réserve où ils ne remettent pas en cause le cadre théorique. Leur fréquence d’utilisation doit en outre être suivie.

La méthode de simulation utilisée étant une approche de type Monte-Carlo, le nombre de scénarios doit être suffisant pour justifier d’une bonne estimation des provisions techniques. La plupart des acteurs utilisent entre 1000 et 3000 simulations. Les recommandations de l’ACPR à ce sujet sont un minimum de 1000 scénarios et une incertitude à 95 % inférieure à 0.2 % du BE.

La fuite de modèle, définie comme la différence entre la valeur de marché de l’actif et l’espérance des flux de trésorerie actualisés, doit être minimisée et le résiduel alloué prudemment (en augmentation du BE si elle est positive, en diminution des fonds propres si elle est négative).

La réglementation[2] prévoit que le rapport régulier au contrôleur (RSR) présente les hypothèses clés du GSE (modèles utilisés, méthodes de calibrage, tests statistiques, etc.), ainsi que les changements opérés entre deux arrêtés, accompagnés de leurs impacts.

4. Tests statistiques des GSE

Les tests statistiques de validation des scénarios doivent s’accompagner de seuils de tolérance et d’une gouvernance en fonction des erreurs constatées par rapport aux seuils (mesures correctives prévues par exemple). Il est recommandé d’exprimer ces seuils en termes d’erreur maximale engendrée sur la valeur du BE ou la valeur de marché des actifs, et de ventiler ces limites d’erreur entre les différentes classes d’actifs (un exemple est présenté dans la note de l’ACPR). Par ailleurs, les erreurs observées ayant tendance à s’accroître au cours d’une projection, les seuils de tolérance peuvent dépendre de l’horizon considérée.

Les tests de cohérence avec le marché peuvent s’opérer en comparant les prix (ou volatilités implicites) de marché soit aux prix théoriques des modèles (calculés à partir d’une formule fermée et des paramètres calibrés), soit aux prix évalués dans les simulations par une approche de type « Monte Carlo ». Ces deux méthodes doivent conduire en théorie à des résultats équivalents. Cependant, étant donné les risques d’erreur de convergence et d’erreur d’implémentation, les tests basés sur une méthode « Monte-Carlo » doivent toujours être réalisés, afin de s’assurer du respect du critère de cohérence avec le marché dans les scénarios utilisés pour calculer le BE.

Les tests de validation sont à réaliser avant et après les éventuels ajustements (méthode « Moment Matching » par exemple) visant à optimiser les propriétés théoriques des scénarios.

5. Choix des facteurs de risque et des modèles

Les GSE doivent projeter l’ensemble des variables économiques et financières nécessaires à l’appréhension du profil de risque de l’entité (par exemple l’inflation et les spreads de crédit).

L’ACPR n’exclut pas l’utilisation de « modèles simples », qui offrent notamment l’avantage d’une meilleure maitrise et compréhension. Il faut en revanche s’assurer que les volatilités du marché ne sont alors pas sous-estimées en raison d’un calibrage insuffisant.

Etant donné l’environnement économique actuel, l’ACPR rappelle que la capacité à générer des taux négatifs est une fonctionnalité requise des GSE.

6. Calibrage des modèles

Dès lors que les données de marché disponibles respectent les trois critères de transparence, liquidité et profondeur, il est attendu qu’elles soient prises en compte lors du calibrage. L’exclusion de certaines données doit par conséquent être justifiée et documentée, en vérifiant notamment que ce choix ne conduit pas à sous-estimer le BE.

Si les données de marché disponibles ne sont pas suffisamment liquides pour calibrer un modèle (comme cela peut être le cas pour les actifs immobiliers), il est nécessaire de retenir une hypothèse de volatilité prudente et cohérente avec les pratiques de marché, et de documenter ce choix.

Les hyperparamètres du GSE (structure de dépendance entre les classes d’actifs, pondérations des données de marché utilisées lors du calibrage, etc.) doivent enfin être justifiés, cohérents avec la prudence du modèle et refléter le profil de risque de l’assureur.

7. Conclusion

Dans le cadre des exigences de la Directive Solvabilité 2, les GSE représentent des outils indispensables en assurance vie afin d’estimer la juste valeur des engagements en tenant compte des options contractuelles et garanties financières inhérentes aux contrats d’épargne et retraite.

Face à l’intérêt croissant pour ces sujets de l’ACPR, il convient (y compris dans une situation de sous-traitance) de porter une attention particulière à :

  • La maitrise des modèles composant le GSE ;
  • La compréhension des processus de calibrage ;
  • La capacité à justifier les paramètres retenus ;
  • La cohérence des scénarios économiques utilisés avec les conditions de marché actuelles, caractérisées par des taux négatifs et des volatilités élevées.

[1] https://acpr.banque-france.fr/generateurs-de-scenarios-economiques-points-dattention-et-bonnes-pratiques

[2] Notice ACPR Solvabilité II 4.4.2§k7

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.