Mémoires d'Actuariat
Analyse de sensibilité d'un modèle de projection sous Python
Auteur(s) SELMI F.
Société BNP Paribas Cardif
Année 2025
Confidentiel jusqu'au 22/01/2027
Résumé
Ce mémoire porte sur une étude de sensibilité d’un modèle de projection en Python dans le périmètre de la protection. Le but de cette étude est d’analyser l’impact et l’influence d’une variable d’entrée sur la variable de sortie. Pour ce faire, deux familles de méthodes d’analyse de sensibilité seront utilisées, comprenant des méthodes locales et globales. Une variable d’étude cible a été sélectionnée, à savoir la PVFP, en raison de sa pertinence pour évaluer la rentabilité des contrats. Néanmoins, des résultats concernant la variable BEL seront également présentés en annexe. À l’aide de multiples évaluations du modèle, il sera possible de déterminer l’importance des variables d’entrée en se basant sur la méthode des effets élémentaires (Morris), les méthodes basées sur la variance (Sobol) ainsi qu’une méthode dérivée, à savoir PAWN. Une partie validation des résultats sera effectuée via un backtesting et un test d’hypothèse. Mots clés : Analyse de sensibilité, BEL, PVFP, One at a Time (OAT), Sobol, Morris,
Abstract
This end of studies report focuses on a sensitivity analysis of a Python projection model within the scope of protection. The aim of this study is to analyze the impact and influence of the input variables on the output of the model. To do so, two families of sensitivity analysis methods will be used, including local and global methods. A target study variable has been selected, namely the PVFP variable, due to its relevance in assessing contract profitability. However, results regarding the BEL variable will also be presented in the appendix. Through multiple model evaluations, it will be possible to determine the importance of input variables based on the elementary effects method (Morris), variance-based methods (Sobol), and a derived method, namely PAWN. A portion of results validation will be performed through backtesting and hypothesis testing. Key words : Sensitivity analysis, Best Estimate Liabilities (BEL), Present Value of Future Profits (PVFP), One at a Time (OAT), Sobol, Morris, PAWN, Kendall’s W.
Auteur(s) SELMI F.
Société BNP Paribas Cardif
Année 2025
Confidentiel jusqu'au 22/01/2027
Résumé
Ce mémoire porte sur une étude de sensibilité d’un modèle de projection en Python dans le périmètre de la protection. Le but de cette étude est d’analyser l’impact et l’influence d’une variable d’entrée sur la variable de sortie. Pour ce faire, deux familles de méthodes d’analyse de sensibilité seront utilisées, comprenant des méthodes locales et globales. Une variable d’étude cible a été sélectionnée, à savoir la PVFP, en raison de sa pertinence pour évaluer la rentabilité des contrats. Néanmoins, des résultats concernant la variable BEL seront également présentés en annexe. À l’aide de multiples évaluations du modèle, il sera possible de déterminer l’importance des variables d’entrée en se basant sur la méthode des effets élémentaires (Morris), les méthodes basées sur la variance (Sobol) ainsi qu’une méthode dérivée, à savoir PAWN. Une partie validation des résultats sera effectuée via un backtesting et un test d’hypothèse. Mots clés : Analyse de sensibilité, BEL, PVFP, One at a Time (OAT), Sobol, Morris,
Abstract
This end of studies report focuses on a sensitivity analysis of a Python projection model within the scope of protection. The aim of this study is to analyze the impact and influence of the input variables on the output of the model. To do so, two families of sensitivity analysis methods will be used, including local and global methods. A target study variable has been selected, namely the PVFP variable, due to its relevance in assessing contract profitability. However, results regarding the BEL variable will also be presented in the appendix. Through multiple model evaluations, it will be possible to determine the importance of input variables based on the elementary effects method (Morris), variance-based methods (Sobol), and a derived method, namely PAWN. A portion of results validation will be performed through backtesting and hypothesis testing. Key words : Sensitivity analysis, Best Estimate Liabilities (BEL), Present Value of Future Profits (PVFP), One at a Time (OAT), Sobol, Morris, PAWN, Kendall’s W.
