Spatial financeLà où le capital rencontre l'aléa, l'exposition et la transition
Mathématiques actuarielles pour la réassurance et les catastrophes
Actuarial mathematics turns exposure, loss experience and assumptions into reinsurance prices, reserves and capital. In catastrophe reinsurance it combines model output with experience, applies contract terms and allocates capital across layers.
Actuarial mathematics applies probability, statistics and financial theory to measure and price contingent risks, particularly in insurance and pensions. It determines reserves and premiums for uncertain future obligations. In insurance and catastrophe, climate and hazards and disaster and crisis, actuarial methods determine whether risks can be insured and at what cost. They help assess accumulation of correlated losses across portfolios and regions. The canonical description is onle STEM Commons.
Layer pricing from model output
Event loss tables are passed through layer terms, including reinstatements, to estimate expected loss and volatility per layer.
Blending experience and exposure rating
Historical losses and modelled losses are blended in proportion to the credibility of the experience for each layer.
Capital allocation
Capital is allocated to treaties by their contribution torisque de queue, informing the cost of capital loading.
03Spatial finance
Exposition, aléa et courbe de dépassement.
Quels lieux génèrent les pertes lors d'une année sévère, et jusqu'où elles remontent dans la réassurance. Valeurs de conception illustratives.
Exposition côtière dans les zones de cyclones et de séismes, à côté de la courbe de pertes qu'elle produit.Valeurs de conception illustratives, ni un résultat de modèle ni un prix.
04Données
Ce que consomme la méthode.
Datasets and records used by actuarial mathematics on this platform, with the role each plays and the label its values carry. Sources are listed inle registre des sources.
Données
Rôle
Étiquette
Event loss tables
Layer losses
MODÉLISÉ
Ceded loss history
Experience rating
DÉCLARÉ
Contract terms
Financial structure
DÉCLARÉ
05Suivi
Tail fit.
L'écran qu'une équipe utiliserait pour suivre cette méthode : ses mesures, ses états et ses décisions. Les noms sont des exemples et les valeurs sont illustratives.
Tail fit
Reinsurance and catastrophe · Actuarial mathematics · Run R-2774
Shape parameter uncertainGRA · Réassurance et catastrophes
Return level curve
Fiche méthode
Méthode
Mathématiques actuarielles
Approche
peaks over threshold
Seuil
94th percentile
Étiquette
MODÉLISÉ
Paramètres
generalised Pareto fit
Shape ξ
0.19
−0.01
0.59
heavy tail if above zero
Scale σ
1.6
0.8
5.2
units of the variable
Exceedances
49
declustered
Tail fit: the screen’s structure, terms and states for Reinsurance and catastrophe.Noms donnés à titre d'exemple et valeurs illustratives ; une conception, non un enregistrement ni un système en service.
06Validation
Comment les résultats sont vérifiés.
Assumptions are tested through experience studies and actual-versus-expected analysis. Independent actuarial review checks methods and results.
Vérifier
Comment c'est fait
Actual versus expected
Layer losses are compared with expectations over time
Sensitivity to model choice
Prices are recomputed under alternative models
Examen indépendant
Pricing is reviewed against actuarial standards
Historical experience may not reflect emerging or correlated risks. Long-tail liabilities are sensitive to assumptions about future trends.
07Modèle de pertes
Dépassement de pertes, perte annuelle moyenne et perte maximale probable.
La perte qu'un portefeuille situé dans l'emprise peut attendre par an et aux niveaux 1 sur 100 et 1 sur 250 que tarifent les assureurs et les prêteurs, à partir des trois mêmes blocs que tout modèle de catastropheuses. Teaching model with stated illustrative values, not a prediction. The map on this page shows The Gulf of Mexico coast; the model itself is not tied to a place.
Commandes
Intensité annuelle typique de l'aléa (lieu)
Indice d'intensité 1,00
Étendue des extrêmes (échelle)
indice d'intensité de 0.80
Intensité à laquelle la moitié de la valeur est perdue
Indice d'intensité 4,00
Dispersion de la vulnérabilité
0.55
Part de la valeur dans l'empreinte de l'aléa
40%
Norme de protection (période de retour)
50 ans
Relevés
Perte annuelle moyenne
0.51 % de la valeur
Perte à 1 sur 100 ans
24.5 % de la valeur
Perte à 1 sur 250 ans
28.4 % de la valeur
Intensité à 1 sur 100 ans
indice d'intensité de 4.68
Chiffres, méthodes et sources
Période de retour (années)
Intensité (indice d'intensité)
Perte (% de la valeur)
1
0.09
0.00
2
1.27
0.00
4
1.91
0.00
7
2.47
0.00
13
3.00
0.00
24
3.51
0.00
44
4.02
0.00
82
4.53
23.55
154
5.03
26.44
287
5.53
28.87
536
6.03
30.88
1,000
6.53
32.53
Méthodes
Aléa en valeurs extrêmes de Gumbel Gumbel (1958), Statistics of Extremes, Columbia University Press
Courbe de probabilité de dépassement et perte annuelle moyenne Grossi and Kunreuther (2005), Catastrophe Modeling, Springer
Effet digue Di Baldassarre and others (2013), Socio-hydrology, HESS 17
Éventail d'incertitude (Monte Carlo sur les paramètres) Spiegelhalter, Pearson et Short (2011), Visualising uncertainty about the future, Science 333
Sensibilité un facteur à la fois (tornade) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley
Données
The model runs on the teaching values set by the controls. To calibrate it for a place, read it against these admitted layers and series, which this page’s map can draw:
Intensité des précipitations, dernière demi-heure (IMERG) NASA GPM IMERG Early · registre nasa.gibs.context-live-layers
Prévision du débit fluvial, 30 jours avec fourchette (GloFAS via Open-Meteo) Open-Meteo.com (CC BY 4.0), Copernicus GloFAS · registre open-meteo.public-pages
Étendue du bâti et des établissements, 2010 (HBASE, Landsat) CIESIN/Columbia, NASA SEDAC HBASE · registre sedac.context-urban-layers
Dépassement de pertes, perte annuelle moyenne et perte maximale probable. Modèle pédagogique illustratif : il fonctionne sur les valeurs fixées par les commandes, et non sur des données mesurées. Méthodes : aléa de valeurs extrêmes de Gumbel (Gumbel (1958), Statistics of Extremes, Columbia University Press) ; fragilité lognormale (vulnérabilité) (FEMA (2003), HAZUS-MH Technical Manual) ; courbe de probabilité de dépassement et perte annuelle moyenne (Grossi et Kunreuther (2005), Catastrophe Modeling, Springer).
Sur les six piliers, sous la conduite de Nexus Consortium
Assembled from theNexus Standardsarea profileAssurance et réassurance: the shocks it names, thesystèmesand sectors that carry the loss, the controls that dampen it and the data that observe it. Pick an initiating shock and step through the cascade to see which exposures it reaches and where losses could concentrate. The Map view places the run on an example geography with open data. Every weight is a stated assumption. An exercise, not a forecast, a valuation, a rating or investment advice. To model a place of your own choosing, open the fullConstructeur de systèmes.
Les vues d'exposition, de pertes, de scénarios et de capital que demanderaient un responsable des risques, une autorité de contrôle ou un ministère des finances, avec les cadres dont ils relèvent pour leurs rapports. Les structures suivent la pratique prudentielle et actuarielle. Les valeurs sont illustratives : jamais des prix, des notations ni des conseils.
Exposition et pertes selon les périodes de retour
How losses from actuarial mathematics for reinsurance and catastrophe grow with severity, gross and net of reinsurance, against capital.
Période de retour
Probabilité annuelle
Perte brute
Perte nette
Net, capital = 100
1 sur 10
0.10
14
10
10
1 sur 50
0.02
33
21
21
1 sur 100
0.01
46
27
27
1 sur 250
0.004
68
39
39
Perte annuelle moyenne
3.1
2.2
2.2
Indice de pertes illustratif pour un portefeuille d'exemple (capital = 100) : la forme de probabilité de dépassement que lisent les assureurs et les superviseurs. Ni des données sur une institution, ni un prix, ni une notation.
Scénarios climatiques du NGFS · Réseau pour le verdissement du système financierIFRS S2 Informations à fournir en lien avec les changements climatiques · ISSBRecommandations de la TCFD · TCFD du Conseil de stabilité financièrePrincipes pour une gestion efficace des risques financiers liés au climat · Comité de Bâle sur le contrôle bancaire
What are the limits of actuarial mathematics in this field?
Historical experience may not reflect emerging or correlated risks. Long-tail liabilities are sensitive to assumptions about future trends.
Comment les résultats sont-ils vérifiés ?
Assumptions are tested through experience studies and actual-versus-expected analysis. Independent actuarial review checks methods and results.
Les valeurs de cette page sont-elles réelles ?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Apportez des éléments de preuve depuis cette page.
Rapportsis the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
Global Risks AllianceRéassurance et catastrophesPréparation de la finance et de l'assuranceMéthodes et technique
N'envoyez jamais de données personnelles, de détails sensibles sur des infrastructures ni rien que vous n'avez pas le droit de communiquer. Une contribution est examinée avant utilisation ; son envoi ne confère ni qualité d'auteur ni droits éditoriaux, et un parrainage n'achète jamais une conclusion.
Réassurance et catastrophes
Soumettez une question d'exposition ou de capital à l'Alliance.
L'information et les demandes sont ouvertes dès aujourd'hui. Une demande reçoit une référence et indique l'étape suivante ; candidatures, paiements, allocations de calcul et inscriptions n'ouvrent que lorsque l'équipe, les conditions et la capacité d'examen existent.
Les cartes, données et chiffres de ce site sont présentés à titre de contexte et d'information générale. Ils ne constituent ni des conseils, ni des prévisions, ni des alertes ; les limites de l'information sont exposées dans les Avertissements et les Notices sur les données.
Editors and the expert reviewers named on each article decide what we publish. Funders and partners do not review or approve articles before publication.
This site uses only strictly necessary cookies to work and to remember your privacy choices. Nothing loads from other companies, and we never sell or share your personal information.
Details
This site uses only strictly necessary cookies to work and to remember your privacy choices. Nothing loads from other companies, and we never sell or share your personal information. We run no advertising. You can review your choices at any time through Privacy choices at the foot of every page.