1 |
Moving-Average approximations of random epsilon-correlated processesKandler, Anne, Richter, Matthias, vom Scheidt, Jürgen, Starkloff, Hans-Jörg, Wunderlich, Ralf 31 August 2004 (has links) (PDF)
The paper considers approximations of time-continuous epsilon-correlated random
processes by interpolation of time-discrete Moving-Average processes. These approximations
are helpful for Monte-Carlo simulations of the response of systems
containing random parameters described by
epsilon-correlated processes. The paper focuses
on the approximation of stationary
epsilon-correlated processes with a prescribed
correlation function. Numerical results are presented.
|
2 |
Moving-Average approximations of random epsilon-correlated processesKandler, Anne, Richter, Matthias, vom Scheidt, Jürgen, Starkloff, Hans-Jörg, Wunderlich, Ralf 31 August 2004 (has links)
The paper considers approximations of time-continuous epsilon-correlated random
processes by interpolation of time-discrete Moving-Average processes. These approximations
are helpful for Monte-Carlo simulations of the response of systems
containing random parameters described by
epsilon-correlated processes. The paper focuses
on the approximation of stationary
epsilon-correlated processes with a prescribed
correlation function. Numerical results are presented.
|
3 |
Provisionnement en assurance non-vie pour des contrats à maturité longue et à prime unique : application à la réforme Solvabilité 2 / Provisioning in non life insurance for contracts with long maturities and unique premium : Application to Solvency 2 reformNichil, Geoffrey 19 December 2014 (has links)
Nous considérons le cas d’un assureur qui doit indemniser une banque à la suite de pertes liées à un défaut de remboursement de ses emprunteurs. Les modèles couramment utilisés sont collectifs et ne permettent pas de prendre en compte les comportements individuels des emprunteurs. Dans une première partie nous définissons un modèle pour étudier le montant des pertes liées à ces défauts de paiement (provision) pour une période donnée. La quantité clé de notre modèle est le montant d’un défaut. Pour un emprunteur j et une date de fin de prêt Tj , ce montant vaut max(Sj Tj -Rj Tj ; 0), où Sj Tj est le montant dû par l’emprunteur et dépend de la durée et du montant du prêt, et Rj Tj est le montant de la revente du bien immobilier financé par le prêt. Rj Tj est proportionnel au montant emprunté; le coefficient de proportionnalité est modélisé par un mouvement Brownien géométrique et représente les fluctuations des prix de l’immobilier. La loi des couples (Date de fin du prêt, Durée du prêt) est modélisée par un processus ponctuel de Poisson. La provision Ph, où h est la durée maximale des contrats considérés, est alors définie comme la somme d’un nombre aléatoire de montants de défauts individuels. Nous pouvons ainsi calculer l’espérance et la variance de la provision mais aussi donner un algorithme de simulation. Il est également possible d’estimer les paramètres liés au modèle et de fournir une valeur numérique aux quantiles de la provision. Dans une deuxième partie nous nous intéresserons au besoin de solvabilité associé au risque de provisionnement (problématique imposée par la réforme européenne Solvabilité 2). La question se ramène à étudier le comportement asymptotique de Ph lorsque h ! +1. Nous montrons que Ph, convenablement normalisée, converge en loi vers une variable aléatoire qui est la somme de deux variables dont l’une est gaussienne / We consider an insurance company which has to indemnify a bank against losses related to a borrower defaulting on payments. Models normally used by insurers are collectives and do not allows to take into account the personal characteristics of borrowers. In a first part, we defined a model to evaluate potential future default amounts (provision) over a fixed period.The amount of default is the key to our model. For a borrower j and an associated maturity Tj, this amount is max(Sj Tj -Rj Tj ; 0), where Sj Tj is the outstanding amount owed by the borrower and depends on the borrowed amount and the term of the loan, and Rj Tj is the property sale amount. Rj Tj is proportionate to the borrowed amount; the proportionality coefficient is modeled by a geometric Brownian motion and represents the fluctuation price of real estate. The couples (Maturity of the loan, Term of the loan) are modeled by a Poisson point process. The provision Ph, where h is the maximum duration of the loans, is defined as the sum of the random number of individual defaults amounts. We can calculate the mean and the variance of the provision and also give an algorithm to simulate the provision. It is also possible to estimate the parameters of our model and then give a numerical value of the provision quantile. In the second part we will focus on the solvency need due to provisioning risk (topic imposed by the european Solvency 2 reform). The question will be to study the asymptotic behaviour of Ph when h ! +1. We will show that Ph, well renormalized, converges in law to a random variable which is the sum of two random variables whose one is a Gaussian
|
Page generated in 0.1053 seconds