mémoire AMRANI Benameur
Transcription
mémoire AMRANI Benameur
CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE Présenté en vue de l’obtention du diplôme de Master M2 sciences de gestion, mention finances de marché Spécialité actuariat (voie professionnelle) Par Benameur AMRANI L’arbitrage dans les contrats d’épargne multi-support Soutenu le 16 Juillet 2013 JURY Président : M. Michel FROMENTEAU Membres : M. Paulo GEMELGO M. Carl GUEVEL M. Vincent RUOL M. François WEISS 1|Page Remerciements Remerciements Je tiens à remercier les équipes des départements techniques du groupe AG2R LA MONDIALE et plus particulièrement l’équipe de la direction technique de l’épargne retraite entreprise au sein de laquelle j’ai eu la chance d’approfondir mes connaissances d’actuariat. Je ne pourrais nommer individuellement toutes les personnes dont l’aide m’a été précieuse. Néanmoins, je tiens à remercier Carl Guével pour ses nombreux conseils, son encadrement et le temps qu’il m’a consacré ainsi que Camille Breton pour ses remarques et suggestions. Mes remerciements s’adressent également à l’ensemble du corps professoral de la formation d’actuariat du CNAM. Je tiens également à remercier toutes les personnes qui m’ont aidé en phase de relecture et principalement Nadia Bensaci, Hayate Rozane, Cécile Gsell. Enfin, je remercie ma famille et mes amis de m’avoir soutenue tout au long des années de formation d’actuariat au CNAM. 2|Page Résumé Résumé D ans des contrats d’épargne multi-support, les assureurs sont confrontés à la problématique d’arbitrage entre le support euros et les supports en unités de compte. Ce comportement des épargnants peut entrainer, en cas de volumes de transferts considérables, des risques de sous couverture de marge de solvabilité et des risques de cession ou d’acquisition d’actifs obligataires au mauvais moment. Les réserves de capitalisation peuvent provisoirement compenser les pertes. Néanmoins, en cas d’insuffisance, la totalité du déficit est supportée par les fonds propres de la compagnie. Il paraît donc opportun de chercher à cerner les déterminants des mouvements d’arbitrages et de déterminer une relation prédictive des comportements. Pour cela, une analyse statistique et économétrique d’un échantillon de 20163 mouvements d’arbitrage individuels a été menée. Elle montre que la variation des rendements joue un rôle important dans les décisions d’arbitrages en plus de la conjoncture financière représentée principalement par la fluctuation de l’indice CAC40. Cependant, l’effet des rendements sur le comportement n’est pas uniforme. En effet, en cas de surperformance des unités de compte, certains clients délaissent le support euros pour réinvestir sur les unités de comptes dans une logique de fructification de l’épargne. D’autres, au contraire, préfèrent concrétiser les gains, sécuriser leur épargne et réinvestir sur le fonds euros. De la même manière, en cas de sousperformance des unités de compte, certains clients réagissent fortement et utilisent les fonds euros comme valeur de refuge, alors que d’autres au contraire, à cause de la faiblesse du rendement de fonds euros, désinvestissent au niveau de ce dernier pour se positionner sur des instruments financiers complexes tels que les EMTN1 (Euro Medium Term Notes), les fonds à formules etc. L’analyse des corrélations montre la présence d’une relation négative et significative entre les écarts des rendements par rapport au taux de fonds euros et la variation du ratio du support euros dans les contrats. Cette corrélation varie entre -0.34 et -0.32. Une analyse exploratoire en composante principale a été menée pour caractériser les facteurs explicatifs et une étude a été réalisée pour calibrer le modèle du comportement. Une comparaison entre les prédictions des modèles et les observations réelles fait apparaître des écarts qui se situent entre -3.54% et -0.86% selon le modèle utilisé. 1 Les Euro Medium Term Notes (EMTN) sont des papiers commerciaux émis par des banques d’investissement à destination des institutionnels ou des banques privés. Ils sont assimilables à des obligations de gré à gré à conditions de remboursement et de durée de vie variable. 3|Page ABSTRACT ABSTRACT Savings contracts in multi-support, insurers are faced with the problem of switches between the euros funds and unit liked. This behavior of investors, may conduct, in case of transfer volumes considerable risk to solvency margin coverage and risk transfer or acquisition of fixed income at the wrong time. Reserve accumulation may temporarily offset the losses. However, in case of failure, the whole deficit is supported by the equity of the company. It therefore seems appropriate to try to identify the determinants of arbitrage movements and determine a predictive relationship behaviors. For this, a statistical and econometric analysis with a sample 20,163 movements reallocation has been conducted. It shows that the variation of returns plays an important role in the decisions of reallocation as well as the financial conditions represented mainly by the fluctuation of the index CAC40. However, the effect on the yield behavior is not uniform. Indeed, in the event of units of account outperformance, some customers abandon euro-support reinvest in units of accounts in an approach based on saving growth. Others, however, prefer to realizing, securing savings and reinvesting on the euros funds. Similarly, in case of units of account underperformance, some customers react strongly and utilize euro funds as refuge, while others, on the contrary, because of the weak euro fund performance, disinvest it to positing in complex financial instruments such as EMTN funds formulas etc The correlation analysis shows the presence of a significant negative relationship between yield spreads against the euro funds rate and the variation of proportion of euros support in contracts. This correlation varies between -0.34 and -0.32. Principal component analysis (PCA) was conducted to characterize the explanatory factors and a study was conducted to calibrate the model behavior. A comparison between model predictions and actual observations reveals gaps between -3.54% and -0.86%. Mots clés: risque d’arbitrage, fonds en euros, modèles non-linéaire (model parabolique, modèle exponentiel), modèle linéaire, analyse en composante principale, PLS, contrats d’épargne multi-support, finance comportementale, prévision. 4|Page Présentation du groupe AG2R LA MONDIALE Présentation du groupe AG2R LA MONDIALE2 1. Aperçu historique A G2R LA MONDIALE est un groupe d'assurance de protection sociale et patrimoniale, spécialiste de l'assurance de personnes : prévoyance, santé, épargne, retraite. Il se distingue par ses spécificités du paritarisme et du mutualisme. Il s’est constitué de l’alliance d'AG2R ISICA et de La Mondiale. Tout a débuté en 2002 avec la création d'Arial assurance (filiale commune à 50%) et s’est concrétisé en janvier 2008 par la création de la SGAM3 AG2R LA MONDIALE. Le 15 mars 2013, RÉUNICA, un groupe majeur dans le domaine de la protection sociale l’a rejoint. • AG2R ISICA : est un groupe paritaire de protection sociale interprofessionnel. Il a été crée en 1951 pour les salariés non cadres, à l'initiative notamment des papetiers. au lendemain de la création de l'Agirc et de l'accord interprofessionnel de 1947 sur la retraite complémentaire des cadres, l'Association générale de retraite par répartition (AGRR) élargit son action à d'autres professions, ce qui lui permet de devenir très rapidement un acteur majeur de la retraite complémentaire. Suite à la création de l'Arrco et à la loi de généralisation de la retraite complémentaire, le Groupe s'est rapidement développé dans le domaine de la santé et de la prévoyance collectives, en particulier grâce aux accords de branche. Le développement de cette activité conduit à la création d'AGRR Prévoyance en 1977, devenue AG2R Prévoyance en 2000. Dans les années 1980, les besoins qu'expriment les retraités en matière de protection sociale l'encouragent à créer Primamut, une mutuelle santé pour les seniors, ainsi que Prima, une structure d'assurance dédiée pour développer le premier produit d'assurance dépendance en France et pour proposer des produits d'assurance vie et frais d'obsèques. Fort de cette expérience, le Groupe a poursuivi, à partir des années 1990, une stratégie de rapprochements et de partenariats avec d'autres groupes de protection sociale (Espace prévoyance distribution, les Institutions des PME, l'IRIS, PRECA et CIRPICA…). Acteur de premier plan dans le domaine de la santé collective, 2 3 Cette présentation du groupe est inspirée des documents internes AG2R La Mondiale. Société de groupe d’assurance mutuelle (SGAM) statut crée en 2001, qui permet de faire travailler en commun des mutuelles, des institutions de prévoyance et des sociétés d’assurances mutuelles. Les sociétés adhérentes à une SGAM sont qualifiées « d’entreprises affiliées » par le code des assurances. Dans notre groupe, il y a deux entités AG2R Prévoyance et La Mondiale. 5|Page Présentation du groupe AG2R LA MONDIALE il crée AG Mut, une union de mutuelles qui rassemble 18 mutuelles régionales ou nationales, professionnelles ou interprofessionnelles, pour développer des contrats santé destinés aux particuliers (elles sont aujourd'hui 22). Enfin, depuis 2000, AG2R accélère son développement : il crée Arial assurance avec La Mondiale. Puis la Mutuelle du Midi, Force Sud, les Institutions de la Coiffure et le groupe ISICA le rejoignent pour constituer un grand groupe de protection sociale interprofessionnel, que le partenariat avec Prémalliance vient confirmer. • Le groupe La Mondiale : créé en 1905 par sept industriels du Nord pour apporter des revenus complémentaires aux travailleurs indépendants (artisans, commerçants, professions libérales), après leur cessation d'activités, et aux salariés de petites entreprises. La Mondiale, société d'assurance mutuelle sur la vie, se développe très rapidement sur le marché de l'assurance vie puis de la retraite individuelle, sur tout le territoire métropolitain, puis en outre-mer à partir de 1970. L'acquisition de La Hénin Vie en 1999, devenue La Mondiale Partenaire, élargit le champ d'activités du Groupe et renforce sa notoriété. Pour accompagner ses clients à l'international, La Mondiale et AEGON, l'un des leaders mondiaux de l'assurance de personnes, créent le premier réseau européen dédié à la retraite collective et aux salariés transfrontaliers (AGP). La Mondiale Europartner, basée au Luxembourg, en assure la responsabilité opérationnelle. 2. Configuration de groupe AG2R La Mondiale Le groupe AG2R La Mondiale est structuré autour de la SGAM AG2R La Mondiale qui est constituée de 3 institutions de prévoyances, deux unions de mutuelles et une société d’assurance mutuelle (La Mondiale). S’ajoutant à cela, quatre institutions de retraite complémentaire. La Mondiale et AEGON détiennent respectivement 65% et 35% du holding appelé « La Mondiale Participations ». Ce holding possède 100% de La Mondiale Partenaire et La Mondiale Europartner ainsi que 50% d’ARIAL assurance et l’autre moitié revenant à AG2R Prévoyance. (cf figure 1 ci-dessous). La Mondiale Partenaire, La Mondiale Europartner (au Luxembourg ) et La Mondiale proposent une gamme étendue de services et produits couvrant tous les montages liés à la gestion patrimoniale dans le cadre de la plate forme DECP (Direction Épargne et Clientèle Patrimoniale). La Mondiale Partenaire est une compagnie d’assurance dédiée à l’expertise patrimoniale et proposanr des contrats sur mesure et personnalisés, adaptés aux besoins de placements de la clientèle haut de gamme. La figure 1 ci-dessous résume la configuration du groupe AG2R LA MONDIALE. 6|Page Présentation du groupe AG2R LA MONDIALE Figure 1. « Configuration de groupe AG2R La Mondiale » 3. Activités et positions sur le marché Le groupe AG2R LA MONDIALE est le premier groupe de protection sociale en France spécialiste de l'assurance de personne, dans une approche à la fois individuelle et collective. Cinq métiers y sont exercés : retraite complémentaire AgircArrco, prévoyance, santé, assurance vie épargne et assurance vie retraite. Le groupe est le 10e assureur de personnes en France et compte 9 millions d’assurés (1/4 des entreprises y adhère en France). Il est le premier en retraite supplémentaire collective, le deuxième en retraite complémentaire et en retraite Madelin, le troisième en assurance santé collective et en assurance perte d’autonomie et le quatrième en assurance prévoyance collective. Chiffres clés du groupe AG2R La Mondiale 2011 Chiffre d’affaires Avec 15,5 Md€ de collecte pour l'ensemble de ses activités, AG2R LA MONDIALE a atteint ses objectifs et a confirmé sa place de 1er groupe de protection sociale en France. Ce chiffre d’affaire se réparti comme suit : • 7,8 Md€ au titre de la retraite complémentaire Agirc et Arrco. • 7,4 Md€ au titre des activités d’assurance, dont : 3,6 Md€ en assurance vie épargne 1,4 Md€ en assurance vie retraite 1,2 Md€ en santé 1,1 Md€ en prévoyance 7|Page Présentation du groupe AG2R LA MONDIALE 0,2 Md€ de collecte en épargne salariale 0,1 Md€ au titre des autres activités Le résultat net de la SGAM s’est établit à 242 M€, portant à 991 millions le résultat cumulé sur 5 ans. La marge de solvabilité réglementaire est couverte à hauteur de 146%. La diversification des activités du groupe et ainsi qu’une répartition équilibrée des cotisations entre la santé, l’épargne, la prévoyance et la retraite supplémentaire permettent ainsi d’être moins touchés par les aléas d’un seul secteur d’activité. Cette spécificité illustre la cohérence du Groupe. - Actifs gérés : 55.9Md€. - Effectif : 7 185 collaborateurs en France. 4) La notation de La Mondiale et d’AG2R Prévoyance L’agence de notation S&P a relevé des éléments positifs lors de la notation du groupe malgré la conjoncture financière difficile et la concurrence accrue sur ses activités assurantielles. • Une bonne diversification des risques au sein du groupe AG2R LA MONDIALE du fait de l’étendue des activités épargne, retraite, prévoyance, santé. • Une politique de gestion d’actifs prudente. • Une forte position concurrentielle sur ses différents marchés. • Une très bonne résistance en matière de collecte nette. • Une confiance, retenue dans son scénario central, dans la capacité de l’entreprise à retrouver son niveau de marge sur affaires nouvelles et à maintenir un niveau de rentabilité de ses capitaux propres d’au moins 10% en 2012-2013. Dans ce mémoire, nous nous intéresserons à l’épargne individuelle et c’est la raison pour laquelle nous présenterons la plate forme « Direction Épargne et Clientèle Patrimoniale » dite DECP dédiée à cette activité au sein de groupe AG2R La Mondiale. 5) Chiffres clés 2011 de la Direction Épargne et Clientèle Patrimoniale La DECP est la plate forme du Groupe AG2R LA MONDIALE, spécialisée dans la conception, le développement et la gestion de produits d’épargne, de retraite et de prévoyance à vocation patrimoniale. Elle s’appuie sur trois assureurs : 1. LA MONDIALE PARTENAIRE : est une compagnie dédiée à l’expertise patrimoniale qui propose des contrats sur mesures ainsi qu’une gamme étendue de services. Elle repose sur le déploiement d'accords de partenariats avec les principaux acteurs du marché de l'épargne et de la gestion de patrimoine. La société intervient auprès d'eux comme assureur gestionnaire des contrats, le conseil étant délégué aux partenaires. Près de 302 partenaires distribuent ses produits sur l'ensemble du territoire français. La Mondiale Partenaire collabore avec plusieurs types d'apporteurs d'affaires : - Activité de gestion de fortune 48 % 8|Page Présentation du groupe AG2R LA MONDIALE - Banques à réseau - Sociétés de gestion de portefeuilles - Réseaux de conseillers en gestion de patrimoine et courtiers 26 % 6% 20% • Chiffre d’affaires :2.17 Md€ • Actifs gérés :24.36 Md€, • Résultat net : 39 Millions € 2. LA MONDIALE EUROPARTNER : est une compagnie luxembourgeoise du Groupe AG2R LA MONDIALE qui propose une gamme de solutions d’épargne patrimoniale destinée à la clientèle internationale (produits multidevises et multi-support). • Chiffre d’affaires : 1.063 Md€ • Actifs gérés : 4.1 Md€), 3. LA MONDIALE : est un acteur majeur de l’assurance vie en France, et une société d’assurance mutuelle créée en 1905. • Chiffre d’affaires : 5.24 Md€ • Actifs gérés : 50.6 Md€ • Résultat net : 227 Millions € 9|Page Contexte et objet de l’étude Contexte et objet de l’étude Le marché de l’assurance vie évolue ces dernières années dans un contexte financier, fiscal et économique particulièrement agité. S’’ajoutant à cela une concurrence accrue. Le fonds en euros principal actif financier dans les contrats d’épargne multi-support n’est plus en mesure d’apporter suffisamment de rendement pour préparer une épargne à long terme. Si depuis une dizaine d’années, le taux de rendement servi par le fonds euros était supérieur au taux d’inflation, l’accélération de la baisse de la performance des fonds euros due, principalement, à la baisse des taux d’obligations à long terme, d’une part, et à la hausse des taxes sociales (payable annuellement et non au dénouement du contrat), d’autre part ont amené les épargnants à diversifier leur épargne et à accepter une prise de risque. Néanmoins, diversifier et arbitrer vers des unités de compte améliorent les rendements des contrats mais accroît également le risque de perte sur le capital. Dans ce contexte d’érosion annoncée de l’épargne à cause de la baisse des rendements des fonds en euros et de l’incertitude sur la conjoncture financière et sur la performance des unités de compte, les épargnants font des arbitrages entre le fonds euros et les unités de compte. Ce comportement des épargnants n’est pas neutre sur l’assureur puisque les entrées et sorties massives du fonds en euros entrainent des déséquilibres financiers importants. D’où la nécessité d’étudier le comportement des épargnants en matière d’arbitrage sur le fonds euros. L’étude se porte sur les arbitrages en sorties et en entrées sur le fonds euros dans les contrats d’épargne multi-support. Seuls les arbitrages individuels sont pris en compte. L’étude économétrique est limitée aux arbitrages enregistrés au premier trimestre 2006 et au premier trimestre 2008. S’ajoutant à cela deux produits représentatifs du reste des produits. Pourquoi ces deux trimestres? Nous avons choisi le premier trimestre 2006 car il comptait plus de sortie du fonds euros en raison de la conjoncture financière favorable. Nous avons également sélectionné le premier trimestre 2008 parce qu’il avait une forte entrée dans le fonds euros due à la crise du subprime qui a débutée durant l’été 2007. Les données sont extraites du système de gestion Pegase (Projet d’Entreprise de Gestion de l’Assurance vie en Système Evolutif). C’est une application de gestion permettant de gérer des contrats d’assurance vie de tous types. Cette application est complètement opérationnelle depuis 2004. Par conséquent, on ne voit pas vraiment l’impact de la crise financière en 2003 sur le comportement d’arbitrage. L’objectif est d’étudier l’évolution de la part de support euros dans les contrats due aux arbitrages, en fonction des facteurs propres aux contrats mais aussi d’autres 10 | P a g e Contexte et objet de l’étude facteurs financiers. Les données sur les arbitrages se présentent dans l’outil de gestion sous forme de dossier d’arbitrage. Chaque dossier présente les caractéristiques de l’arbitrage : le type d’arbitrage (individuel ou collectif), la date d’effet, le montant d’arbitrage etc. A chaque dossier sont associés des événements de deux types : des évènements de désinvestissent et de réinvestissement. Les événements de désinvestissement nous informent sur les supports désinvestis (support euros, support unités de comptes ou dédiés), sur la quantité désinvestie ou sur le pourcentage etc. De la même manière, des événements de réinvestissement sont générés et attachés au même dossier. Ils nous informent sur les types de supports réinvestis, les montants et les frais de l’arbitrage prélevés etc. A partir de cette configuration, nous avons collecté des données. Collecte des données Nous avons traités tous les dossiers d’arbitrage individuels qui contiennent le support euros désinvesti ou réinvesti durant la période de l’étude. Les extractions ont permis de constituer un tableau contenant, le dossier d’arbitrage, la date d’effet, le support euros investi ou désinvesti, le montant d’arbitrage, l’épargne acquise du contrat avant et après l’arbitrage, le ratio euros/unités de compte avant et après etc. Outils informatiques utilisés Oracle : PL/SQL et les procédures stockées de Pegase pour le calcul des épargnes acquises, la part euros/Uc avant et après l’arbitrage etc. SAS : outil utilisé pour la mise en application de la méthode d’analyse en composante principale (ACP) et pour faire des régressions et des analyses statistiques. Qlikview : outil utilisé pour l’analyse et la constitution des fichiers des données. 11 | P a g e Table des matières Table des matières REMERCIEMENTS....................................................................................................................... 2 RESUME ....................................................................................................................................... 3 ABSTRACT................................................................................................................................... 4 PRESENTATION DU GROUPE AG2R LA MONDIALE .............................................................. 5 CONTEXTE ET OBJET DE L’ETUDE........................................................................................ 10 TABLE DES MATIERES ............................................................................................................ 12 INTRODUCTION......................................................................................................................... 14 1. ANALYSE STATISTIQUE DESCRIPTIVE DES DONNEES SUR LES ARBITRAGES ........ 18 1.1. Nombre d’arbitrage sur le fonds euros................................................................................. 20 1.2. Flux d’arbitrage sur le fonds euros....................................................................................... 21 1.3. Sortie de fonds euros et insuffisance du rendement ........................................................... 24 1.4. Réaction des épargnants aux conditions conjoncturelles .................................................... 26 2. CONTRATS D’EPARGNE MULTI-SUPPORT ET ANALYSE DES COMPORTEMENTS D’ARBITRAGE ........................................................................................................................... 30 2.1 Contrats multi-support et faculté d’arbitrage ......................................................................... 30 2.2 Analyse des comportements individuels ............................................................................... 31 2.2.1 Approche standard : Rationalité des choix et efficience des marchés .............................. 31 2.2.2 Approche de la finance comportementale : les biais cognitifs et la théorie des perspectives ..................................................................................................................................................... 34 2.3. Avantages des contrats multi-support et risque d’arbitrage................................................. 37 2.3.1. Avantages des contrats multi-support............................................................................... 37 2.3.2. Les risques d’arbitrage et les solutions pour les réduire................................................... 38 2.3.2.1 Risque de sous-couverture de marge de solvabilité ....................................................... 38 2.3.2.2 Risque de cession ou d’acquisition d’actifs au mauvais moment ................................... 40 2.3.3 Démarche de maîtrise de risque d’arbitrage...................................................................... 41 3. LES DETERMINANTS DES MOUVEMENTS D’ARBITRAGE ET CLASSIFICATION DES EPARGNANTS ........................................................................................................................... 42 3.1 Bref rappel sur la méthode exploratoire ACP ....................................................................... 42 3.1.1. Présentation ...................................................................................................................... 43 3.1.2 Propriétés de l’ACP ........................................................................................................... 46 3.2 Source des données et choix de variables ........................................................................... 50 3.2.1 Sources des données ........................................................................................................ 50 3.2.2 La liste des variables sélectionnées pour l’étude............................................................... 52 3.2.3 Critères de choix des variables .......................................................................................... 53 3.2.4 Mesure des variables ......................................................................................................... 55 3.3 Description de l’échantillon ................................................................................................... 56 3.4 Mise en application de la méthode ACP ............................................................................... 58 3.4.1 Part de la variance expliquée par les axes factoriels......................................................... 58 3.4.2 Choix de nombre de facteurs ............................................................................................. 59 12 | P a g e Table des matières 3.4.3 Les composantes principales............................................................................................. 60 3.4.4 Analyse des corrélations variables-facteurs ...................................................................... 61 3.4.5. Analyse par classe ............................................................................................................ 66 3.4.6. Interprétation des facteurs ................................................................................................ 71 4. ANALYSE DES COMPORTEMENTS : MODELISATION LINEAIRE ET NON LINEAIRE... 74 4.1 Modélisation linéaire ............................................................................................................. 74 4.1.1.1 Sélection descendante (Backward)................................................................................. 78 4.1.1.2 Sélection ascendante (Forward) .................................................................................... 78 4.1.1.3. Ascendante avec élimination possible (Stepwise) ......................................................... 79 4.1.1.4 Méthodes basées sur des critères .................................................................................. 79 4.1.3 Colinéarité entre les variables explicatives ........................................................................ 83 4.1.4 Régression PLS ................................................................................................................. 85 4.1.5 Estimation........................................................................................................................... 86 4.1.6 Prévisions........................................................................................................................... 89 4.2. Modélisation non linéaire ..................................................................................................... 91 4.2.1 Modèle Parabolique ........................................................................................................... 91 4.2.1.1 Estimation du modèle...................................................................................................... 92 4.2.1.2 Prévision.......................................................................................................................... 93 4.2.2 Modèle exponentiel ............................................................................................................ 93 4.2.2.1 Estimation du modèle...................................................................................................... 94 4.2.2.2 Prévision.......................................................................................................................... 95 CONCLUSION ............................................................................................................................ 97 REFERENCES BIBLIOGRAPHIQUES ...................................................................................... 98 ANNEXES ................................................................................................................................... 99 Annexe 1 : Mode de fonctionnement des contrats d’épargne multi-support............................... 99 Annexe 2 : Valeurs mobilières et actifs éligibles dans les contrats d’épargne ......................... 102 Annexe 3 : Différentes options Stop-Loss................................................................................. 103 PROGRAMMES SAS ............................................................................................................... 106 13 | P a g e Introduction Introduction L’assureur est confronté à une multitude de risques inhérents à son activité et doit identifier, mesurer et maîtriser convenablement son exposition aux risques pour sa survie ainsi que pour satisfaire aux exigences réglementaires. Ces risques sont multiples et variés : risques opérationnels 4 , de marché 5 , de souscription, de crédit, d’illiquidité et ainsi que d’autres risques liés aux options offertes aux assurés, telles que les droits aux rachats, aux arbitrages et aux versements complémentaires etc. Dans cette étude, nous nous intéresserons aux risques liés aux options cachées6 en termes de droits offerts aux assurés et principalement au pouvoir d’arbitrer entre les supports du contrat. Notre champ d’analyse concerne principalement l’entrée et la sortie du fonds euros dans les contrats d’épargne multi-support. Dans ce type de produits, à tout moment, l’assuré peut désinvestir du support à taux garanti et réinvestir sur d’autres titres en unités de comptes plus rémunérateurs ou vice versa. Ce pouvoir d’arbitrer librement peut être appréhendé théoriquement comme une option américaine dans laquelle l’assuré peut exercer à tout moment son droit d’arbitrer. Le risque apparaît dans le cas des volumes de transferts considérables en sortie ou entrée de fonds euros. Le comportement rationnel des assurés de désinvestir du support euros peut entraîner des difficultés de liquidité, obligeant l’assureur à céder des obligations en moins-value dans des conditions défavorables surtout lorsque les taux d’intérêt sont en hausse. La réserve de capitalisation peut temporairement amortir l’impact des sorties. Lorsque celles-ci sont épuisées, les moins- values seront reportées en totalité sur les fonds propres. En outre, dans des périodes de faibles rendements sur le marché financier, l’entrée massive sur le fonds euros nécessite la mobilisation de plus de fonds de marge de solvabilité et réduit ainsi la rentabilité de l’actif général. En conséquence, le taux de rendement servi sera directement affecté et l’écart par rapport à la rentabilité du marché s’accroîtra. On se trouvera dans un cercle vicieux qui peut finalement 4 D’après le CEIOPS (Solvabilité II), ce risque est défini comme suit: « le risque des pertes directes ou indirectes résultant d’une inéquation ou défaillance attribuable à des procédures, personnels, systèmes internes ou à des évènements externes» 5 Ce risque représente la perte financière due aux variations des prix de biens, des cours et la volatilité des instruments financiers. Ce risque regroupe les risques d’actions, taux, immobilier, change, Spread et concentration. 6 Les options cachées sont des garanties ou droits confiés aux assurés par la réglementation ou par les clauses contractuelles pour rendre les produits plus souples et plus attractifs. 14 | P a g e Introduction entacher gravement les fonds propres de l’assureur et entrainer l’insolvabilité de l’assureur. L’arbitrage peut aussi avoir un risque juridique et occasionner des coûts financiers pour l’assureur. L’arbitrage fait appel à des mécanismes et des principes tels que la force contractuelle, la bonne foi, le consentement éclairé, le contrat de mandat ou l’obligation d’information propre au code des assurances. Les épargnants peuvent reprocher par exemple à l’assureur de leur faire perdre une chance en retardant ou en oubliant d’exécuter un ordre d’arbitrage. Le risque juridique peut conduire à l’invalidation des arbitrages pour cause de dol7, défaut de consentement ou bien défaut d’information contractuelle. L’objectif de ce mémoire est de rechercher les déterminants des mouvements d’arbitrage. Pour ce faire, nous avons recueilli des données granulaires sur des assurés qui ont souscrit à des contrats d’épargne multi-support. Pour chaque contrat, nous avons collecté des données telles que l’âge des assurés et l’ancienneté du contrat au moment de l’arbitrage, les rendements avant l’arbitrage sur un, deux et trois mois, ainsi que après l’arbitrage, sur un mois. Nous avons également pris en compte l’impact de la conjoncture financière, représenté par l’évolution du CAC40 et du TEC 10 ans8. L’ensemble des variables pris en compte sera présenté au chapitre 3. Le choix des données granulaires est motivé par l’objectif de rechercher des facteurs de comportement susceptibles d’expliquer les décisions d’arbitrage. Ce mémoire sera organisé comme suit : Dans le premier chapitre, nous ferrons une analyse des mouvements d’arbitrage en sortie et en entrée de fonds euros pour l’ensemble des produits d’épargne multisupport de La Mondiale Partenaire. Cette analyse a globalement montré la présence d’un lien entre les mouvements d’arbitrage et la conjoncture financière représentée par la fluctuation du CAC40. Une forte entrée dans le fonds euros est enregistrée dans les périodes de crise et une sortie importante du fonds euros est également observée lors des périodes de croissance. Néanmoins, à cause de la baisse continue de rendement de fonds euros depuis 2002 pour l’ensemble du secteur d’assurance, certains clients sont séduits par des instruments financiers complexes (EMTN, fonds à formules et fonds alternatifs) proposés par des grands groupes. 7 En droit, le dol se définit comme suit « tous les agissements malhonnêtes tendant à surprendre une personne en vue de lui faire souscrire un engagement, qu'elle n'aurait pas pris si on n'avait pas usé de la sorte envers elle, peuvent être qualifiés de manœuvres dolosives » 8 C’est un indice journalier des rendements des emprunts d'État à long terme. Il correspond au taux de rendement actuariel d'une obligation du Trésor fictive dont la durée serait de 10 ans. 15 | P a g e Introduction Dans le deuxième chapitre, nous discuterons du cadre d’analyse de comportement d’arbitrage. Les arbitrages faisant partie des comportements de placements et d’investissements sur le marché financier, nous évoquerons deux voies qui cherchent à expliquer le comportement des clients : la théorie classique représentée par le principe de rationalité9 et la psychologie de l’investisseur représentée par la finance comportementale. Nous mettrons en avant également les avantages des contrats d’épargne multi-support et le risque d’arbitrage sous-jacent. Ce risque est représenté par le risque de sous couverture de marge de solvabilité et le risque de cession ou d’acquisition des actifs au mauvais moment. Nous parlerons aussi des solutions pour réduire ce risque en évoquant des solutions contractuelles, réassurance et des frais d’arbitrage adaptés pour couvrir ce risque. Dans le troisième chapitre, il sera question, par le biais de la technique ACP ( analyse en composante principale), de sélectionner les variables susceptibles d’expliquer le comportement d’arbitrage et de détecter des groupes de comportements similaires. Aussi, nous pourrons définir des types de comportements par l’analyse des résultats de la méthode ACP. Nous distinguerons quatre types de comportements : 1) Le comportement dit « fonds euros valeur de refuge», observé lors de la baisse des rendements des unités de compte voire des pertes en capital. Dans ce cas, les épargnants transfèrent leur épargne au profit de fonds euros considérés comme valeur de refuge. 2) Le comportement de sortie de fonds euros, en raison de l’insuffisance de rendement servi. Dans ce cas, les épargnants jugent que le rendement des unités de compte en leur possession mais aussi le rendement de fonds euros sont insuffisants et désinvestissent ce dernier pour acheter des produits plus rentables. 3) Le comportement de «fructification de l’épargne». Ce comportement est observé dans les périodes de croissance. Les épargnants, pour profiter de la conjoncture favorable, désinvestissent le fonds euros pour racheter des unités de compte. 4) Le comportement de «sécurisation des plus values et de l’épargne ». Ce comportement est observé lorsque les rendements des unités de compte sont en hausse. Pour sécuriser les plus-values ou l’épargne, les clients arbitrent en faveur de fonds euros. 9 La rationalité est mise en cause récemment par la finance comportementale qui affirme que les investisseurs font souvent preuve d’un comportement irrationnel lors de leurs prises de décisions et se laissent facilement guider par du mimétisme ou des émotions telles que la peur, l’avidité ou le sentiment de culpabilité. 16 | P a g e Introduction Dans le chapitre 4, par le biais des modèles linéaire et non linéaire, nous étudierons comme variables d’intérêt, la variation de la proportion du fond euros dans les contrats suite à l’arbitrage en fonction des rendements et d’autres facteurs sélectionnés par ACP. Des techniques économétriques de sélection de modèles et des variables seront utilisées. A cause de la colinéarité entre les facteurs explicatifs, nous appliquerons la technique de régression PLS 10 . Nous déterminerons une relation linéaire entre la variable d’intérêt et les variables explicatives, et ferons la comparaison entre la prévision du modèle et les valeurs observées. 10 Partial Least Squares regression » et/ou « Projection to Latent Structure connue par abréviation PLS. C’est une régression des moindres carrés partiels qui a été inventée en 1983 par Svante Wold et son père Herman Wold. 17 | P a g e 1. Analyse statistique descriptive des données sur les arbitrages 1. Analyse statistique descriptive des données sur les arbitrages L ’objectif de ce chapitre est d’analyser l’évolution des flux et du nombre d’arbitrage en entrée et en sortie du fonds euros. L’ensemble des produits d’épargne multi-support commercialisés par la Mondiale Partenaire est concerné à l’exception des produits dédiés11. L’idée est de rechercher s’il y a un lien entre la conjoncture financière et les mouvements d’arbitrage sur le fonds en euros. Il ressort de cette analyse descriptive qu’il y a : plus d’entrée dans le fonds euros en périodes de crise financière (+300M€) en 2008. plus de sortie en périodes de croissance (-149.95M€) en 2006. à cause de la dégradation du rendement du fonds euros année après année, même en période de crise, certains épargnants délaissent le support euros pour acheter des titres vifs et des instruments financiers complexes tels que les EMTN, fonds à formules etc. Le graphique 1.1 ci-dessous présente l’évolution des encours des contrats d’épargne ventilés par type de supports : unités de compte et fonds en euros. Graphique 1.1 « Evolution des encours des contrats d’épargnes multi-support hors dédiés » 11 Il s’agit des produits personnalisés et sur mesure réservés à certaines personnes. Ces contrats concernent une clientèle haut de gamme. 18 | P a g e 1. Analyse statistique descriptive des données sur les arbitrages Le graphique 1.1 ci-dessus montre que l’épargne acquise sur le fonds euros a légèrement augmentée entre 2010 et 2011 (+37M€). La part de support euros est passée de 74.15% à 77.30%. Les graphiques ci-dessous ,graphique 1.2 et 1.3 montrent l’évolution de la part du support euros dans les contrats en fonction de l’âge. Nous remarquons que quelque soit l’âge, entre 2010 et 2011, il y a plus de support euros dans les contrats. Néamoins, les assurés plus âgés,( plus de 65 ans) ont plus de support euros par rapport aux assurés plus jeunes. Graphique 1.2 « Répartition du ratio euros/UC par âge en fin 2010 » Graphique 1.3 « Répartition du ratio euros/UC par âge en fin 2011 » 19 | P a g e 1. Analyse statistique descriptive des données sur les arbitrages 1.1. Nombre d’arbitrage sur le fonds euros Le graphique 1.4(a) ci-dessous montre l’évolution du nombre d’arbitrages sur le fonds euros en entrée et en sortie. Nous remarquons plus de variabilité dans les périodes de crise financière ainsi que dans les périodes de croissance. En 2006, une année de conjoncture financière haussière, le nombre d’arbitrage en sortie du fonds euros, a considérablement progressé avec un rebond de 112.74% par rapport à 2005. Durant 2008, année de crise financière, le nombre d’arbitrage en entrée dans le fonds euros a fortement augmenté (+59.49% par rapport à 2006 et +49.60% par rapport à 2007). Graphique 1.4 (a) « Evolution de nombre d’arbitrage sur le fonds euros en entrée et en sortie de 2001 au juin 2012 » Le graphique 1.4(b) présente pour l’année 2008 l’évolution du nombre d’arbitrage par trimestre. Graphique 1.4 (b) « Evolution de nombre d’arbitrage sur le fonds euros en entrée et en sortie en 2008» 20 | P a g e 1. Analyse statistique descriptive des données sur les arbitrages Nous voyons bien que l’année 2008 se distingue par le nombre important d’entrée dans le fonds euros. Nous constatons que durant les quatre trimestres, il y avait plus d’entrées dans le fonds euros que de sorties. Toutefois, l’écart est plus grand en début et en fin d’année. Il y a effectivement un effet de la crise sur l’entrée dans le fonds euros. L’analyse des corrélations entre l’évolution de CAC40 et le solde en nombre entrée-sortie dans le fonds euros montre une corrélation négative significative (-0.11 avec p-value=0.02). 1.2. Flux d’arbitrage sur le fonds euros Le solde des flux sur le fonds euros par trimestre depuis 2001 jusqu’au juin 2012 est présenté dans le graphique 1.5. On entend par solde, l’entrée moins la sortie, dans le fonds en euros. Nous remarquons, sur le graphique ci-dessous, que le solde des flux était négatif depuis le premier trimestre 2005 jusqu’au troisième trimestre 2007, et atteignait même un solde de -75.40 millions € au premier trimestre 2006. Cela signifie qu’il y avait plus de sortie du fonds euros que d’entrée. Cette période a coïncidé avec une conjoncture financière haussière. 12 Graphique 1.5 : Evolution de solde des flux sur le fonds euros suite aux arbitrages 12 Source : Extraction du système de gestion Pegase sur la période 2001- fin juillet 2012. 21 | P a g e 1. Analyse statistique descriptive des données sur les arbitrages Dans le graphique 1.6 ci-dessous qui illustre l’évolution du CAC40, nous constatons effectivement une remontée continue du CAC 40 sur cette période. Un retour brutal du CAC40 est observé au dernier trimestre 2007 avec une forte baisse entre le dernier trimestre 2007 et le premier trimestre 2008. Cela s’est traduit par une forte entrée dans le fonds euros au premier trimestre 2008. En effet, on a enregistrée un solde positif de 162.90 millions € durant ce trimestre. Nous pouvons penser qu’il y a un lien entre les mouvements d’arbitrage et la fluctuation des cours du CAC 40, ou d’une manière générale de la conjoncture financière et économique. En effet, au deuxième trimestre 2007 (avril-juin 2007), le CAC40 se situait en moyenne trimestrielle autour de 5973 points, alors que le solde des flux sur le fonds euros était négatif à -9 Millions €. Au troisième trimestre 2007 (juillet-septembre), le CAC40 a perdu 271 points ( il est revenu à 5702.5 points), au même moment le solde des flux était négatif et atteignait 4.9 millions €. Graduellement avec la baisse en continue de CAC 40, le solde des flux sur le fonds devenait positif pour atteindre +162.9 € au premier trimestre 2008 (janviermars). Dans ce dernier, le CAC40 se situait autour de 4892.09 points avec une perte 18% comparée au deuxième trimestre 2007. Cette baisse du CAC40 s’expliquait par la crise financière de subprimes déclenchée à l’été 2007. En réponse à la perte des unités de compte, les épargnants s’orientaient vers les supports euros considérés comme étant une valeur refuge. La remontée du CAC40 en 2009 s‘est traduit par des soldes de flux négatifs sur le fonds euros (-9.5,-11.6,-59.2 millions € respectivement au 2ème, 3ème et 4ème trimestre 2009). Graphique 1.6 : Evolution de la valeur moyenne trimestrielle de CAC 40 22 | P a g e 1. Analyse statistique descriptive des données sur les arbitrages La sortie du fonds euros en 2010 s’explique peut-être par la remontrée du CAC 40 voire par la baisse de rentabilité de fonds euros. Le graphique 1.7 ci-dessous illustre le solde des flux sur le fonds euros par année. Nous remarquons que l’année 2008 est l’année record d’entrée dans le fonds euros avec un solde de (+300.02M€). Cette année fut qualifiée par les analystes, « l’année horrible » dans la bourse de Paris et les grandes bourses de monde. Durant cette année, les bourses ont perdu presque la moitié de leur capitalisation, soit prés de 25000 milliards de dollars. A Paris, plus de 600 milliards d’euros sont partis en fumée sur les seules valeurs du CAC40. Toutes les places mondiales ont été touchées, Wall Street perdait 35,5% pour l’indice Dow Jones, Francfort a plongé de 40,4% et Londres a perdu 32%. Pour l’année 2006, par contre, les bourses mondiales ont progressé considérablement. La Bourse de Paris a terminé avec un gain de plus 17% pour le CAC 40. Dans notre cas, le solde des flux négatif était le plus important (-149,95 millions €) ; les épargnants ont profité de la conjoncture financière favorable pour désinvestir le fonds euros et réinvestir sur les unités de compte. Il est clair que la faible entrée dans le fonds euros après 2008 s’explique en partie par la baisse des rendements des fonds euros. Graphique 1.7 : Solde annuel des flux sur le fonds euros de 2001 au juin 2012 L’analyse des corrélations, sur la période 2004T1-2012T3 (35 trimestre), entre la moyenne trimestrielle de CAC40 et le solde trimestriel en flux entrée-sortie dans le fonds euros, montre une corrélation négative significative (-0.17 avec p-value=0.033). 23 | P a g e 1. Analyse statistique descriptive des données sur les arbitrages Ce résultat confirme que lorsque le CAC40 augmente les épargnants ont tendance à quitter le fonds euros au profit des unités de compte et vice versa. 1.3. Sortie de fonds euros et insuffisance du rendement Le tableau 1.8 ci-dessous présente l’évolution de la rémunération de fonds euros dans le secteur de l’assurance vie. Graphique 1.8 : Taux de rendement moyens des fonds en € en France (%)- Source FFSA Le rendement des fonds euros est en baisse continue dans l’ensemble de secteur de l’assurance (cf. graphique 1.8), depuis 2002, à cause de la baisse des taux obligataires. En effet, les assureurs utilisent chaque année les primes collectées pour acheter des emprunts d’Etats dont les coupons sont de plus en plus bas. Ils sont dans l’obligation de trouver des emprunts de qualité avec des taux intéressants. Or, ces derniers temps, les choses sont plus complexes. Récemment, en juin 2012, la Bundesbank a annoncé le placement de 4,173 milliards d'euros d’obligations à deux ans (Schatz) à coupon zéro avec un rendement moyen négatif13 pour la première fois de son histoire. La baisse des taux des obligations longues, nouvellement achetées, entrainent forcément la baisse du taux servi par le fonds euros car les obligations constituent la part la plus importante de l’actif du fond euros d’autant plus que les 13 Le rendement négatif constitue une prime d’assurance contre l’éclatement de l’EURO. Les investisseurs pour couvrir leur portefeuille contre ce risque achètent des obligations d’Etat allemande à perte. En cas d’éclatement de la zone EURO, les obligations des autres pays d’Europe vont baisser. Cette perte sera compensée par le gain réalisé par la conversion monétaire des obligations allemandes contre les autres monnaies. 24 | P a g e 1. Analyse statistique descriptive des données sur les arbitrages obligations historiques, détenues depuis plusieurs années en portefeuille et très rentables, commencent à arriver à terme. Par conséquent les assureurs doivent acheter des nouvelles obligations pour placer les nouvelles primes, mais aussi pour remplacer les obligations arrivées à échéance. Si nous pensons que l’entrée dans le fonds euros durant les périodes de crise s’explique par la perte subie par les unités de compte, la sortie peut apparaître plus énigmatique. Le graphique 1.9 ci-dessous présente les flux en entrée et en sortie sur le fonds en euros. En 2008, année de crise, l’entrée dans le fonds était de 677.44 millions € et la sortie était de 377.43 millions € (graphique 1.9 ci-dessous). Pourquoi y a-t-il eu des sorties du fonds euros durant les périodes de crise ? La réponse ne peut être cherchée que dans la baisse de rendement de fonds. En effet, le Groupe AG2R LA MONDIALE, dont l’activité est bien diversifiée et dont le fonds en euros est bien géré ne présente aucun risque pour les épargnants. Graphique 1.9: Flux annuel sur le fonds euros de 2001 au juin 2012 Pour l’année 2008, nous nous sommes intéressées aux arbitrages sortants supérieurs à 100 000 euros. Nous avons comptabilisé 283,83 millions € sur un total de 377.43. Dans le graphique 1.10, nous présentons les titres cibles choisis par les épargnants. L’analyse des titres cibles choisis en réinvestissement montre que les épargnants ont préféré quitter le fonds euros et investir sur des instruments financiers complexes (IFC) et des produits de taux. Ils ont choisi des EMTN (95.55 millions €), des titres vifs en obligations (8.9 millions €), des profils de gestion diversifié (7,87 millions €), et enfin 170.64 millions € sur des OPCVM. L’analyse des OPCVM sélectionnés montre que ce sont en majorité des fonds monétaire, obligataire, des 25 | P a g e 1. Analyse statistique descriptive des données sur les arbitrages fonds à formules et des fonds gérés par des grands groupes. Cela confirme que ces épargnants sont à la recherche des produits de taux plus rentables que le fonds euros. Graphique 1.10 : Titres cibles de désinvestissement de fonds euros en 2008 Quel est le volume de sortie en période de crise ? Dans le graphique 1.11 qui illuste la répartition des sorties par montant d’arbitrage, nous remarquons que 85.07% concernait des sommes supérieures à 50 000€ Graphique 1.11 : Répartition des montants d’arbitrages en sortie de fonds euros en 2008 Dans ce qui suit, nous nous intéresserons aux deux trimestres qui ont enregistrés le plus de sortie et le plus d’entrée : le premier trimestre 2006 et le premier trimestre 2008. Cela nous amenera à comprendre comment réagissent les épargnants en fonction de la conjoncture financière. 1.4. Réaction des épargnants aux conditions conjoncturelles Nous allons nous intéresser au 1er trimestre 2006 et au 1er trimestre 2008 qui ont enregistré de forts mouvements respectivement en sorties et entrées dans le fonds euros. Le tableau 1.1 présente les flux et le solde sur le fonds euros suite aux arbitrages enregistrés au premier trimestre 2008. Durant ce trimestre, les épargnants ont arbitré massivement au profit du fonds euros et au détriment des unités de compte (prés de 253,9 millions €) (cf. tableau 1.1).Ce comportement peut être expliqué par la crise financière à cette période. Cependant, durant la même période, certains épargnants ont préféré désinvestir le support euros (prés de 91 millions d’euros soit 26.39% des volumes d’arbitrages) pour choisir des unités de compte. Ce résultat 26 | P a g e 1. Analyse statistique descriptive des données sur les arbitrages confirme que les épargnants réagissent différemment lors des périodes de crise et surtout lorsque la rémunération des fonds euros est faible. Une partie a choisi de se réfugier dans le fonds euros et une autre, au contraire, a investi dans des produits plus complexes tels que les EMTN. Tableau 1.1«Détails du solde des flux d’arbitrage en 2008-T1» Volume er Entrée 1 trimestre 2008 Pourcentage 253 885 831 € 73,61% Sortie 1 trimestre 2008 - 91 031 114 € 26,39% Solde des flux d'arbitrage 162 854 717 € Total des flux d'arbitrage 344 916 945 € er 100,00% Le tableau 1.2 représente le nombre et le flux d’arbitrage par tranche d’épargne acquise au premier trimestre 2008. Tableau 1.2 : « Solde de flux et nombre d’arbitrage par tranche d’épargne en 2008-T1 » Tranche d'épargne acquise Nb arbitrage % (nombre) Flux d'arbitrage %(flux) [0,10000 [ 341 7,33% 731 361 € [10000,20000[ 386 8,29% 2 109 139 € 1,73% [20000,40000[ 609 13,09% 5 477 522 € 4,50% [40000,60000[ 465 9,99% 6 801 606 € 5,58% [60000,80000[ 389 8,36% 6 392 394 € 5,25% [80000,100000[ 347 7,46% 7 295 330 5,99% [100000, et plus [ 2117 45,49% 93 038 282€ 76,36% Total 4654 100,00% 121 845 634 14 € 0,60% 100,00% Nous remarquons (cf. tableau 1.2 ci-dessus) que 45.49% du nombre d’arbitrage vers ou depuis le fonds euros est réalisé par les épargnants de la tranche supérieure [100000 euros, et plus [. Par ailleurs, quel que soit la tranche, le solde des flux est positif ce qui se traduit par le fait que le comportement « refuge dans le fonds euros » 14 Le solde n’est pas identique au solde des flux Tableau 1.1 car nous n’avons pas pu calculer les épargnes acquises pour l’ensemble des mouvements d’arbitrages.(cela sera identique pour le premier trimestre 2006). 27 | P a g e 1. Analyse statistique descriptive des données sur les arbitrages est le plus répandu en période de crise : en période crise tous les épargnants sont concernés: les moins fortunés comme les plus fortunés. De la même manière que pour le premier trimestre 2008, nous nous intéressons au premier trimestre 2006. Le tableau 1.3 présente les flux et le solde sur le fonds euros au premier trimestre 2006. Tableau 1.3 « Détails du solde des flux d’arbitrage en 2006-T1 » Volume ier Entrée 1 ier Sortie 1 trimestre 2006 trimestre 2006 Pourcentage 24 460 347 € 19,67% - 99 876 160 € 80,33% Solde des flux d'arbitrage - 75 415 813 € Total des flux d'arbitrage 124 336 508 € 100,00% Au premier trimestre 2006 (janvier-mars), la conjoncture financière était favorable, les épargnants ont désinvesti 99.88 millions € (80,33% des volumes d’arbitrages) (cf. tableau 1.3).Ce comportement explique la volonté des épargnants de profiter du marché et de faire fructifier leur épargne. Toutefois, 24,46 millions € ont été réinvesti sur le fonds euros. Ce comportement peut être expliqué par la volonté de sécuriser les plus-values réalisées et concrétiser les gains. Le tableau 1.4 ci-dessous représente le nombre et le flux d’arbitrage par tranche d’épargne acquise au premier trimestre 2006. Tableau 1.4 : Solde de flux et nombre d’arbitrage par tranche d’épargne acquise en 2006 T1. Tranche d'épargne acquise [0,10000 [ Nb arbitrage % (nombre) Flux d'arbitrage %(flux) 150 6,13% -57 344 € 0.11% [10000,20000[ 211 8,62% -264 441€ 0.52% [20000,40000[ 390 15,93% -843 111 € 1.65% [40000,60000[ 315 12,87% -864 798 € 1.69% [60000,80000[ 229 9,35% -1 615 351 € 3.16% [80000,100000[ 138 5,64% -1 149 420€ 2.25% [100000, et plus [ 1015 41,46% -46 310 000 € 90.62% Total 2448 100,00% -51 104 465 € 100.00% Dans le tableau ci-dessus, nous remarquons que 41.46% des arbitrages sont faits par des épargnants dont l’épargne acquise dépasse les 100 000€. De plus, le comportement apparait similaire quelque soit la tranche d’épargne. En effet, le solde 28 | P a g e 1. Analyse statistique descriptive des données sur les arbitrages des flux était négatif pour toutes les tranches. Les épargnants ont profité de la conjoncture financière haussière en quittant le fonds euros au profit des unités de compte. 29 | P a g e 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage D ans ce chapitre, après avoir donné la définition d’un contrat d’épargne multisupport (objet de l’étude), nous discuterons du cadre d’analyse des comportements d’arbitrage qu’offre ce type de contrats. Nous évoquerons la logique rationnelle mais aussi la psychologie de l’investisseur. Dans une logique de comportement rationnel, lors des mouvements d’arbitrage dans un contrat multisupport, l’épargnant compare le taux servi par le fonds euros avec le rendement net de frais des unités de compte. En fonction des critères du rendement et du niveau d’aversion au risque mesuré généralement par l’écart-type, il désinvestit ou réinvestit sur le fonds euros. Toutefois, en réalité, les décisions de placement évoluent suivant une logique non linéaire impactées par des fondamentaux économiques, mais aussi par des effets complexes liés à la psychologie de l’investisseur tels que l’effet de mémoire, de mimétisme, les points d’ancrage, le regret de la perte, etc. Le comportement d’arbitrage peut avoir des coûts supportés par l’assureur en cas de sortie massive du fonds euros. Le coût du risque d’arbitrage peut être couvert par deux types d’options : un put sur la performance des actions pour éviter la vente à perte. une Swaption (option sur swap) payeuse dans laquelle l’assureur aura le droit de payer le taux fixe moyennant la réception de taux variable. Cela évitera la baisse des valeurs obligataires en cas de hausse des taux. Nous évoquerons également les risques de sous-couverture de marge de solvabilité en cas d’entrée massive dans le fonds euros et nous discuterons de la souplesse qu’offre les contrats multi-support en matière de gestion financière plus réactive. 2.1 Contrats multi-support et faculté d’arbitrage Un contrat d’épargne multi-support (son mode de fonctionnement est présenté en annexe 1) est un contrat d’assurance sur la vie libellé en euros et/ou en unités de compte et n'est pas une catégorie juridique de contrat. Il est, en droit, un contrat en unités de compte et permet de transférer l'épargne d'un support vers un autre sans y mettre fin. Il garantit au(x) bénéficiaire(s) un capital ou une rente en cas de décès de l’assuré et permet à l’adhérant, en cours de contrat, de racheter partiellement ou totalement, à tout moment, l’épargne constituée ou de la convertir en rente viager. L’adhérent peut également demander à procéder à des arbitrages de tout ou partie de l’épargne. Il définit ainsi la nouvelle répartition de son épargne entre l’actif en euros, les unités de compte et les options de gestion. Les unités de compte sont constituées de valeurs mobilières ou d’actifs, conformément à l’article L.131-1 du Code des 30 | P a g e 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage assurances (la liste des valeurs mobilières éligibles est donnée dans l’annexe 2). L’assureur sélectionne les titres éligibles en respectant la réglementation et les contraintes de gestion propres à la compagnie. La faculté d’arbitrage permet aux épargnants de changer la composition de titres dans leurs contrats. L’opération d’arbitrage peut prendre trois formes: Transfert de fonds du compartiment euros vers les unités de compte. Transfert des unités de compte vers le fonds euros. Transfert des unités de compte vers d’autres unités de compte. Il est important de signaler que les revenus réalisés sur le fonds en euros d'un contrat d'épargne multi-support, en raison des arbitrages, ne peuvent être réputés réalisés. Dans la littérature économique, plusieurs auteurs se sont penchés sur la problématique des décisions financières en matière d’allocation d’actifs dans un environnement incertain. Nous pouvons évoquer ici l’approche classique basée sur l’hypothèse de rationalité des individus et de l’approche de la finance comportementale qui a mis en cause le principe de rationalité des individus. La finance comportementale ou la psychologie de l’investisseur suppose que le placement ne relève pas exclusivement d’une logique rationnelle basée sur l’analyse des fondamentaux tels que le rendement, les bénéfices ou l’évolution de marché, mais dépend aussi d’autres facteurs irrationnels. 2.2 Analyse des comportements individuels 2.2.1 Approche standard : Rationalité des choix et efficience des marchés Dans la théorie financière classique, l’acheteur des actifs financiers est supposé suivre un objectif de maximation de sa richesse dans un horizon préalablement défini. La décision du placement est prise dans une situation d’incertitude dans laquelle les rendements des actifs financiers sont supposés aléatoires et corrélés entre eux. Le comportement des investisseurs est caractérisé par un degré d’aversion au risque qui est supposé être mesuré par les écarts-types de rendements. Chaque investisseur est rationnel en choisissant la composition des actifs à acheter en maximisant une fonction-objective. La rationalité est le principal moteur de cette approche. Dans un choix de placement dans des contrats d’épargne multi-support, les assurés sélectionnent les supports à investir parmi une liste éligible proposée par l’assureur. Les primes nettes versées peuvent être réparties sur l’actif en euros et les unités de comptes (OPVCM, actions, obligations). Les assurés sont supposés rationnels (C.M.BAROS (2009)) et sont informés périodiquement sur l’évolution de leur épargne. A tout moment, les épargnants peuvent modifier la composition des titres dans leurs 31 | P a g e 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage contrats en faisant des arbitrages en fonction des informations diffusées sur le marché et celles communiquées périodiquement par l’assureur. Dans ce cadre, tout client rationnel, avant de procéder aux arbitrages, compare l’espérance de rendement sur le support euros et celui espéré sur les supports en unités de compte. L’assuré est confronté à une prise de décision sur le choix des supports. Dans ce cadre financier incertain, il doit chercher un compromis entre le risque encouru et la rentabilité espérée. Traditionnellement, on pose un problème de maximisation d’utilité concave et on recherche un optimum sous les contraintes formulées de rendement et de risque accepté. Un assuré rationnel accepte de désinvestir le fonds euros au profit des unités de compte si l’espérance de rendement des unités de comptes moins les frais d’arbitrage est suffisamment supérieure au rendement servi par le fonds euros. Pour simplifier, nous supposerons que le fonds euros15 est composé en majorité d’obligations et le reste d’actions. Notation : R : rendement de fond euros (FE) net des frais de gestion (taux servi) FE αi : part de l’obligation i dans l’actif euros βj : part de l’action j dans l’actif euros Si : sensibilité de l’obligataire i λ : taux des frais sur les encours de fond euros R obg i : taux de rendement de l’obligation R Act j : taux de rendement de l’action i j Nous supposons que l’actif euros est composé de N obligations et M actions et que son taux de rendement net des frais est une combinaison linéaire des taux des rendements de ces mêmes obligations et d’actions. Nous pouvons écrire : N M R = α i Robgi + ∑ β j RActJ − λ FE ∑ i =1 J =1 Les unités de compte peuvent être sous forme d’obligataires, d’actions ou de monétaires. Nous supposons que : 15 Généralement, le fonds euros des assureurs est composé de 70% à 90% d’obligations, 5% à 15% d’actions et jusqu’à 3% de produits dérivés, des monétaires et des valeurs immobilières. 32 | P a g e 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage • le choix des unités de compte obligataires est déterminé par le CMS10 (Constant Maturity Swap ), qui est un indice usuel sur les marchés des taux d’une maturité 10 ans. • Le choix des unités de compte en actions est déterminé par le taux de croissance de CAC 40 • Le choix des unités de compte monétaires est déterminé par l’EONIA (Prix d’argent au jour le jour sur le marché interbancaire) Le client rationnel forme son choix d’investissement en fonction de sa connaissance de ces trois marchés : monétaire, obligataire et d’actions. Il choisit d’arbitrer du support euros vers le support unités de compte obligataire si : R < CMS (10) − θ FE Il choisit d’arbitrer le support euros contre le support unité compte action si : R < FE CAC 40(t ) − CAC 40(t − 1) −θ CAC 40(t − 1) Il désinvestit le support euros contre l’unité compte monétaire si : R < EONIA − θ FE Avec θ : frais d’arbitrage Admettons que l’assureur reçoive une demande d’arbitrage en sortie du fonds euros d’un montant M et que la réserve de capitalisation soit insuffisante et décide par conséquent de désinvestir la totalité sur le fonds euros. Nous supposons aussi que chaque type d’actif est désinvesti en fonction de sa part dans le fond euros. • Sur les obligations La variation de la part des obligations dans le fond euros : N ∆Voblig = M .∑ α i si ( ri (t ) − rai (t − 1)) 16 i =1 (a) Avec : s i : sensibilité de l’obligation i rai (t ) : taux actuariel de l’obligation i à date t ri (t ) : taux d’intérêt à date t des obligations semblable à i 16 La sensibilité d’une obligation i est si =− dVi , on trouve donc : dVi = α i M .( rai (t − 1) − ri (t )).si Vi dri 33 | P a g e 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage Nous raisonnons sur un fond obligataire d’une sensibilité s et d’une proportion α de fond euros, la relation (a) peut s’écrire : ∆Voblig = s.M α ( ra (t − 1) − CSM 10(t )) Avec : ra : taux actuariel moyen d’achat d’un portefeuille obligataire • Sur les actions La variation sur les actions : N ∆Vaction = M .∑ β j ( Aj (t ) − A(t − 1)) / Aj (t − 1) j =1 Pour un portefeuille d’actions indexé sur l’indice CAC40, alors la variation de ce portefeuille entre la période t − 1 et la période t est : ∆Vaction = M .β .(CAC (t ) − CAC (t − 1)) / CAC (t − 1) Nous pouvons déduire la perte subie suite à la liquidation d’une partie d’obligations et d’actions correspondant au montant M : P(t ) = s.M .α .1ra (t −1)<CSM 10 + (CAC (t )−CAC ( t −1) ) × En supposant que ra (t − 1) et Mβ 1CAC (t )<CAC (t −1) CAC (t − 1) CAC (t − 1) soient constants, alors on peut écrire : SwaptionPayeuse ( ra (t − 1) , CMS10).s.M.α + Mβ Put( CAC (t ) , CAC (t − 1) ). CAC (t − 1) La relation ci-dessus nous montre que le niveau de la perte due aux arbitrages dépend de l’évolution des cours d’actions et les fluctuations des taux d’intérêts sur le marché obligataire. La valorisation des deux options permet de quantifier le coût de la sortie de fonds euros. Le modèle présenté ci-dessus est basé sur un comportement rationnel des clients. Or, il y a toujours des facteurs irrationnels qui influencent le comportement lors des choix de placement. 2.2.2 Approche de la finance comportementale : les biais cognitifs et la théorie des perspectives La théorie financière traditionnelle est construite sur l’hypothèse de rationalité des individus et de l’efficience des marchés. L’individu est considéré rationnel, censé connaître et pouvant traiter parfaitement toute l’information disponible. Dans une recherche de l’optimum de bien être, il maximise sa fonction d’utilité espérée qui se traduit par une meilleure allocation d’actifs. Avec cette approche, les aspects psychologiques sont quasiment négligés et se résument à un coefficient d’aversion au risque qui détermine si l’investisseur est neutre, favorable ou hostile à la prise de 34 | P a g e 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage risque. En réalité les décisions de l’investisseur évoluent suivant une logique non linéaire impactée par des fondamentaux économiques mais aussi des effets complexes tels que l’effet mémoire, de mimétisme etc. Dans les années 1970, quelques chercheurs ont initié un courant éloigné de la théorie standard. Cette nouvelle voie est appelée finance comportementale. Cette théorie met l’accent sur des biais cognitifs que les individus utilisent pour émettre un jugement et prendre une décision. La liste des biais cognitifs est longue, nous pouvons citer les principaux : 1. Biais de représentativité Ce biais fait référence à la tendance lors de la prise de décision. L’individu se sert des cas particuliers pour rétablir des lois générales. L’exemple de la prise de décision de placement sur un titre en faisant une extrapolation de la performance de l’année à venir sur la base de l’année passée peut causer une perte importante. Ce bais peut modifier l’allocation des actifs. Ainsi, plus les marchés sont en hausse, plus les investisseurs sont optimistes pour les performances à venir et augmentent leur exposition aux marchés risqués d’actions et produits complexes. En cas de baisse, les investisseurs changent de stratégie et arbitrent en faveur des produits de taux et des monétaires. 2. Biais momentum et contrarian Les individus ont tendance à surpondérer la probabilité de la réalisation d’un événement qui s’est produit dans le passé récent. En cas de croissance de rendement d’un titre, les individus anticipent une rentabilité encore meilleure dans le futur ce qui fait penser que les individus sont plus optimistes lorsque les marchés sont haussiers et plus pessimistes lorsque ces mêmes marchés sont baissiers. Les individus peuvent avoir des stratégies différentes, ceux momentum qui croient à la poursuite des mouvements de hausse et achètent des titres ayant progressé sur la période écoulée et ceux contrarian qui suivent une stratégie inverse, en n’achetant que des titres qui ont enregistré des baisses dans le passé proche. 3. Faux consensus Les investisseurs surestiment la représentativité de leurs points de vue et croient à l’existence d’un faux consensus au sein du cercle des investisseurs. L’effet de faux consensus est d’autant plus important lorsque l’individu est en contact étroit avec des investisseurs dont ils partagent les mêmes idées. Il est très confiant de la justesse des choix de son groupe. 4. Raisonnement analogique et heuristique de disponibilité 35 | P a g e 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage Les individus s’aident des éléments simples et accessibles pour évaluer la probabilité associée à un événement. Ils utilisent des raisonnements analogiques pour émettre un jugement ou prendre une position. 5. Biais de conservatisme et de confirmation Le biais de conservatisme se traduit par le fait que certains individus ont tendance à surévaluer les informations conformes à leurs croyances et opinions et à minimiser celles qui sont discordantes. Le biais de la confirmation se définit par la recherche exclusive des idées et des points de vue qui appuient leurs croyances et rejettent les informations qui les contrarient. 6. Biais de l’ancrage Une estimation numérique est influencée par un nombre extérieur objectif ou non. Le prix d’achat peut être une ancre pour déterminer le prix de vente. 7. Effet de mémoire Les investisseurs réagissent aux informations après avoir confirmer la direction de marché. Les cours ne reflètent pas l’ensemble des informations reçues, certaines informations sont tout simplement ignorées ou les réactions surviennent plus tard. 8. Les « Over reaction » Elles se définissent comme une réaction disproportionnée à un choc financier. Souvent, les investisseurs réagissent d’une manière trop optimiste aux bonnes nouvelles et trop pessimiste aux mauvaises nouvelles. 9. Mimétisme C’est une caractéristique de comportement d’investisseurs qu’ils soient particuliers ou professionnels. Les particuliers s’imitent mutuellement et lorsqu’ils sont incapables d’analyser certaines informations et de prendre des décisions, ils s’en remettent aux professionnels qui eux mêmes sont contraints de suivre des règles d’allocations d’actifs prédéfinies ou de suivre le consensus du marché pour éviter d’être marginalisés. 10. Le biais de statu quo Ce bais reprend la tendance à laisser les choses en état car cette stratégie est considérée comme la situation de référence. Vouloir changer peut se traduire par un risque supplémentaire. 11. Illusion de joueur L‘illusion de pouvoir contrôler et maîtriser son champ de placement, appelé aussi erreur du parieur (gambler’s fallacy), est la croyance que la probabilité de gagner dépend des événements précédents, alors que cette probabilité est fixe. Par exemple, si un titre a baissé suffisamment dans le passé, forcément, on pense qu’il va se redresser dans le futur. 36 | P a g e 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage 12. Aversion de la perte C’est la réticence à réagir lorsque la valeur d'un actif se déprécie même si cette dépréciation ne fait que traduire une dégradation des perspectives de cet actif. 13. Aversion de regret Les investisseurs sont victimes du sentiment de regret, en tenant compte a posteriori de ce qu'ils auraient pu obtenir « s'ils avaient su ». Les biais cognitifs sont de deux types, ceux analysés dans l’approche heuristique et d’autres qui font le fondement de la théorie des perspectives. La figure 2.1 ci-dessous résume les principaux biais cognitifs souvent évoqués dans la finance comportementale. Figue 2.1 « Les biais cognitifs » Dans la théorie des perspectives, on admet que les individus, pour valoriser les résultats futurs, utilisent une fonction dépendant d’un point de référence. Les réponses à l’égard des pertes sont plus extrêmes que celles à l’égard des gains, traduisant la sensation qu’il est plus pénible de perdre, qu’il n’est agréable de gagner. Les gains et les pertes ne sont pas pondérés de la même manière. Cette théorie intègre la notion d’aversion à la perte, et pense qu’elle permet de mieux cerner le comportement le l’investisseur. L’investisseur aura tendance à vendre un titre plus rapidement dans une période de gain qu’en période de pertes. L’aversion à la perte conduit les investisseurs à garder les titres en moins-values puisque si l’on vend le titre en perte pour acheter un autre que l’on rattrape la perte, on n’efface que la moitié de la déception causée par la perte sur le premier titre. 2.3. Avantages des contrats multi-support et risque d’arbitrage 2.3.1. Avantages des contrats multi-support Les contrats multi-support permettent de diversifier l’épargne en modifiant, au cours de la vie du contrat la composition des supports. Cette souplesse leur offre un 37 | P a g e 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage argument commercial indéniable comparé au contrat en euros. Ils présentent différents avantages et facilités offerts aux adhérents. Ces garanties sont souvent exprimées comme des avantages pour rendre plus facile l’alimentation du contrat sous forme des versements complémentaires ou une gestion financière plus réactive par le biais d’arbitrages automatiques ou à la demande. L’assureur, pour bien répondre aux attentes des clients et pour bien canaliser les mouvements d’arbitrage, a mis en place une option Stop-Loss. Cette option est un arbitrage automatique qui permet au souscripteur de déterminer lui-même son profil de risque. Il se déclenche en réponse à la sous-performance ou la surperformance des unités de compte par rapport à une référence prédéfinie par le client. Cet arbitrage automatique est dit « Floor » ou « Top ». A la mise en place d’une option « Floor », le souscripteur définit pour chaque unité de compte, un seuil de déclenchement au minimum de 5% et une répartition de l’allocation cible. Lorsque la sous-performance est supérieure, en valeur absolue, au seuil prédéfini, la totalité de l’épargne acquise sur l’unité de compte est arbitré vers l’allocation cible. De la même manière, le souscripteur peut définir pour chaque unité de compte, un seuil de déclenchement en cas de surperformance. Cette option est dite « Top ». Lorsque la surperformance est supérieure au seuil, un arbitrage automatique est déclenché vers l’allocation cible prédéfinie. La sous-performance et la surperformance sont calculées comme la différence entre, d’une part, l’épargne disponible sur l’unité de compte, (après prélèvement, le cas échéant, des frais de gestion et des coûts de la garantie décès ) et d’autre part une épargne de référence. Selon la définition de l’épargne de référence, un type d’options stop-Loss peut être défini. La liste des options disponibles dans le cadre de la garantie StopLoss sont Sous performance Cliquet (Clic Floor), Sous performance (Floor),Sous performance indexée (Floor Index),Sur Performance (Top),Sur Performance indexée (Top Index), Sur performance (Win Top),Top Performance, Top Performance indexée, Tunnel (Corridor),Tunnel indexé (Corridor indexé)). Une description de ces types d’options est donnée dans l’annexe 3. 2.3.2. Les risques d’arbitrage et les solutions pour les réduire 2.3.2.1 Risque de sous-couverture de marge de solvabilité La marge de solvabilité est une source de sécurité contre les aléas qui peuvent affecter le passif et/ou l’actif d’une société d’assurance. Elle correspond au capital réglementaire qu’une entreprise d’assurance doit obligatoirement détenir pour faire face aux événements imprévus. La marge de solvabilité a été fixée dans la directive cadre « Solvabilité 1 » pour protéger les assurés de l’Union européenne et éviter la défaillance des assureurs. Elle a été ensuite étendue dans le cadre de la directive « 38 | P a g e 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage Solvabilité 2 ». Cette directive qui sera applicable au début 2016, se décline en objectifs qualitatifs et quantitatifs dans le but de mieux adapter les fonds propres exigés des compagnies d’assurance aux risques que celles-ci encourent dans leur activité. Elle encourage à adopter une démarche globale de gestion des risques et incitent à des pratiques saines de gouvernance et des contrôles renforcés. Elle vise également à harmoniser les standards et les pratiques prudentielles au sein de l’Union européenne. Les flux d’arbitrage comme des rachats massifs peuvent provoquer une sous-couverture et obligent l’assureur à rechercher des ressources financières pour revenir au niveau de couverture réglementaire, ce qui entraîne des coûts financiers importants. Les arbitrages vers la poche en euros sont plus consommateurs de fonds propres de l’assureur, puisque ce fonds est garanti (à hauteur des primes nettes versées, outre ses revalorisations, voire assorti d’un taux minimum garanti), donc assis sur l’actif général de la compagnie. Dans le cadre réglementaire en vigueur, l’assureur doit constituer 4% des provisions mathématiques pour les contrats d’assurance sur la vie en fonds euros et 1% des provisions mathématiques pour les contrats d’assurance sur la vie en unités de compte. Le législateur a exigé des assureurs de constituer une réserve de capitalisation pour mieux gérer la dépréciation des actifs et la baisse de leurs revenus. Conformément au Code des assurances, l’assureur est tenu de constituer une réserve de capitalisation pour parer à la dépréciation des valeurs de son actif et à la diminution de leur revenu. Cette réserve est constituée en franchise d’impôt17, et alimentée par les plus values d’actifs cédés et reprise systématiquement en cas de cession des actifs en moinsvalues. Ce dispositif permet de lisser les résultats correspondant aux plus ou moinsvalues réalisées sur des obligations cédées avant leur terme. Pour illustrer l’impact des mouvements d’arbitrage sur la solvabilité, on rappelle le principe de versement et la reprise de la réserve de capitalisation. Soit A : prix d’achat d’une obligation à la date initiale 0. c : coupon versé chaque fin d’année R : valeur de remboursement à terme après n années Le taux actuariel à l’achat de l’obligation noté ra vérifie : 17 Dans l’article 23 de la loi des finances pour 2011, les réserves de capitalisation sont redevables d’une taxe exceptionnelle de 10%. 39 | P a g e 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage A = ∑c(1 + ra )-i + R(1 + ra )-n n i=1 A une date intermédiaire m ∈ ]0, n[ , la surcote/décote de cette obligation est donnée ∑ c(1 + r ) n par : SD m = -( i - m ) a + R (1 + ra ) -(n -m) - A i = m +1 La valeur nette comptable à la date m de cette obligation est : VNCm = A ± SD m Suite un mouvement d’arbitrage, si cette obligation est cédée au prix E , alors les réserves de capitalisation se trouvent : • Créditées de E - (A ± SDm ) lorsque E > A ± SDm , c'est-à-dire si le prix de la cession de cette obligation est supérieur au prix d’achat ajusté par la surcote/décote. • Débitées de (A ± SDm ) - E , lorsque le prix de vente est inférieur à la valeur nette comptable de cette obligation. Admettons qu’un assureur soit confronté à une demande d’arbitrage d’un montant E en sortie de fonds euros et que le prix de vente de l’obligation soit en moins-value, il pourra donc faire une reprise sur les réserves de capitalisation. La marge de solvabilité sera également modifiée puisque l’assureur va démobiliser des fonds car les unités de compte nécessitent moins de fonds propres. Les réserves de capitalisation font partie des fonds propres de l’assureur et sont éligibles dans la constitution de la marge de solvabilité. Le tableau 2.1 ci-dessous montre l’effet de la reprise sur les réserves de capitalisations suite un arbitrage en sortie de fonds euros. Tableau 2.1 « Effet de l’arbitrage en sortie sur les fonds propres » Variation Marge de solvabilité S1 Fonds en euros -E - 4%E Fonds UC +E Perte ou gain des E - (A ± SDm ) (A ± SDm ) - E réserves de capitalisation Solde E - (A ± SDm ) - 3%E - (E - A ± SDm ) +1%E 2.3.2.2 Risque de cession ou d’acquisition d’actifs au mauvais moment Dans certains cas, à cause des mouvements d’arbitrage massifs et des taux d’intérêts élevés, les assureurs peuvent être amenés à céder des produits de taux en 40 | P a g e 2. Contrats d’épargne multi-support et analyse des comportements d’arbitrage moins-value. En effet, ce type de produits varie toujours en sens inverse de la variation des taux d’intérêts. 2.3.3 Démarche de maîtrise de risque d’arbitrage 1) Des solutions contractuelles Pour limiter la fréquence d’arbitrage, lors de l’élaboration des conditions générales et particulières, des conditions de délais et de montants peuvent être imposées sur les arbitrages de la poche euro vers les unités de compte et principalement la possibilité de différer le traitement des demandes d’arbitrage lorsque les montants sont importants. Toutefois, cette solution peut limiter les nouvelles affaires et dissuader les clients à souscrire à ce type de produits. 2) Les frais d’arbitrage Les frais d’arbitrage sont des prélèvements sur placement effectués par l’assureur en contrepartie des mouvements de réinvestissements. Leurs taux se situent généralement entre 0,2% et 1% du montant placé. Ces frais peuvent être fixés à un niveau suffisant pour éviter la multiplication des transferts spéculatifs. Le niveau de taux des frais d’arbitrage peut jouer un rôle dissuasif contre des comportements opportunistes connus dans la littérature économique par le concept de « free Rider » ou « Passager clandestin ». Ce concept se définit en économie comme un comportement qui se traduit par la surconsommation d’un bien commun. On se penche sur le comportement des individus rationnels dans une situation de mobilisation collective. Le passager clandestin est celui qui trouve un « intérêt », dans des conditions défavorables sur le marché, à arbitrer des unités de compte vers la poche en euros. Mais il ne restera pas longtemps, il attend l’amélioration des conditions de marché pour quitter le fonds en euros et acheter les unités de compte. Pour bien déterminer le taux pertinent des frais d’arbitrage, l’assureur peut prendre en compte les frais affichés par la concurrence pour éviter d’être en position concurrentielle défavorable. Il doit également estimer convenablement la charge de travail de traitement des demandes d’arbitrage et le passage des ordres ainsi que l’information des clients et les contrôles nécessaires à la bonne exécution des ordres. Enfin, l’assureur doit calculer le coût financier du risque d’arbitrage qui peut dans certains cas, créer un déficit important. 41 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants 3. Les déterminants des mouvements d’arbitrage et classification des épargnants D ans ce chapitre, il sera question de déterminer les facteurs explicatifs de comportement d’arbitrage des épargnants et de constituer des groupes d’individus dont le comportement parait similaire. Après une brève présentation de la technique d’analyse en composantes principales (ACP) qui sera utilisée, nous proposerons certaines variables susceptibles d’expliquer le comportement d’arbitrage pour sélectionner celles qui décrivent le mieux les mouvements d’arbitrage sur le fonds euros. Notre variable d’intérêt sera la variation de la part de fonds euros dans les contrats suite aux arbitrages. Elle sera mesurée par la différence entre la part du support euros détenue par l’assuré après et avant l’arbitrage. Si la variation est négative, il y aura donc une sortie de fonds euros, dans le cas contraire, il y aura une entrée dans le fonds euros. Nous avons choisi au préalable quinze variables et trois classes. Notre étude est menée sur un échantillon de 20163 arbitrage individuels en entrée ou en sortie de fonds euros. Les arbitrages depuis et vers les unités de compte sont exclus. Les données recouvrent l’ensemble des arbitrages sur la poche en euros aux premiers trimestres 2006 et 2008 pour tous les produits d’épargne multi-support de La Mondiale Partenaire. Nous ajouterons aussi tous les mouvements d’arbitrage impactant le fonds euros de deux produits T117 (VEGA MAXI) et J040 (VENDOME OPTIMUM EURO). Le produit VEGA MAXI se distingue par un nombre important d’arbitrages individuels à la différence de produit VENDOME OPTIMUM EURO. En effet, depuis la création de ces deux produits, le nombre d’arbitrage individuel recensé sur les produits T117 et J040 est respectivement 31060 et 11037 y compris les arbitrages des unités de compte vers les unités de compte. Il faut le rappeler dans notre étude, nous nous intéresserons exclusivement aux arbitrages individuels impactant le support en euros. 3.1 Bref rappel sur la méthode exploratoire ACP La méthode statistique ACP (Analyse en composante principale) est une technique statistique exploratoire18 multidimensionnelle qui permet de traiter simultanément un nombre quelconque de variables et d’individus dans le but de chercher des facteurs en 18 Exploratoire s’oppose à inférientielle dans le sens où les données utilisées sont analysées en tant que telles et non en référence à une population dont elles constitueraient un échantillon. 42 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants nombre réduit et résumant le mieux possible les données initiales. Nous cherchons donc un sous-espace vectoriel de dimension inférieure représentant l’espace vectoriel original. L’ACP analyse des données quantitatives à la différence des méthodes AFC (Analyse factorielle des composantes) qui traitent des données qualitatives ou bien encore de la méthode ACM (Analyse des composantes multiples) qui est souvent utilisée pour analyser les résultats d’enquête. L’ACP aboutit à des représentations graphiques des données et également des variables par rapport aux facteurs dits principaux comme axes. Ces facteurs sont moins nombreux, non corrélés entre eux et orthogonaux. La méthode ACP considère donc seules les variables quantitatives, les variables qualitatives étant exclues ou transformées en variables numériques. Néanmoins, les variables qualitatives peuvent être utilisées à posteriori. Il y a donc des variables dites actives qui serviront au calcul des axes principaux et des variables supplémentaires ou illustratives qui sont prises en compte ultérieurement dans l’analyse des résultats de l’ACP. 3.1.1. Présentation Les données collectées sur les variables d’un ensemble d’individus se présentent comme une matrice ou un tableau contenant les valeurs numériques. Chaque ligne représente un individu et chaque colonne une variable. Les données se présentent comme suit : r11 M R = ri1 M r n1 L L r1 p O L N M M rik L rip = ( rij ), N M O M K L L rnp r12 i = 1,..., n j = 1,..., p Avec rik : valeur prise par la variable k de l’individu i . i : indice de lignes et j indice de colonnes. n : nombre total des individus. p : nombre total des variables. ( ) L’individu i est identifié par un vecteur ligne ei′ = ri1 , ri 2 ,L, rip et la variable j par ( ) le vecteur colonne r j′ = r1 j , r2 j ,L, rnj . La méthode ACP permet d’explorer les liaisons ou corrélations entre les variables et les ressemblances entre individus. Elle aboutit à dégager des groupes d’individus et des nouveaux groupes de variables ou facteurs principaux. 43 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants Le centre de gravité de l’ensemble des observations est : g = R ′1 avec 1 n n r1 n 1L1 , g = M avec r j = ∑ rij r i =1 p =( ) ′ Afin d’éliminer l’effet de certaines variables, les données sont centrées19. En effet, une variable à forte variance peut prendre à elle seule, tout ou presque, de l’effet de ACP. La matrice des données peut s’écrire : x11 M X = xi1 M x n1 x12 L L x1p O L N M M xip L xip avec X = R -1 g′ , x ij = rij - r j n N M O M K L L xnp Le regroupement des individus se base sur l’analyse des distances. En cas de choix d’une distance euclidienne, la distance au carré entre deux individus i et i ′ est déterminée par : p d 2 (i, i ′) = ∑ ( xij − xi′j ) j =1 Dans un espace à deux dimensions (deux variables), l’ensemble des individus i = 1,..., n auxquels correspond le couple d’observations ( x1 ( i ), x2 ( i )) = ( xi1 , xi 2 ) , forme un nuage de points dans R 2 . Nous cherchons à approximer ce nuage par une droite D de vecteur directeur u ′ = (α 1 , α 2 ) qui pourra être déterminé en minimisant la somme des carrés des distances mesurées perpendiculairement entre les points observés et la droite D (Cf. au graphique 3.1 ). En faisant une projection orthogonale de point ci en Pi (projection de l’espace des individus), l’idée est donc de minimiser la somme des longueurs de ces projections, c'est-à-dire : Min∑ (ci Pi ) 2 n (1) i =1 Le graphique 3.1 illustre la régression orthogonale. 19 Lorsque les données utilisées sont centrées, nous parlons de la matrice covariance et lorsqu’elles sont réduites et centrées, nous parlons de la matrice de corrélation. 44 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants Graphique 3.1 : « Schéma pour l’étude de la régression orthogonale » Soit O : point moyen des nuages. Il correspond au centre de gravité x = ( x1 , x2 ) .Comme le carré de la distance de ci à O est fixé, la minimisation de (1) revient à la maximisation du carré de la distance entre la projection p i et le centre de gravité O . Min∑ (ci Pi ) ⇔ Max∑ (OPi ) 2 n n 2 i =1 (2) i =1 → La distance OPi est la projection du vecteur OC i sur la droite D , de vecteur directeur r u . En notant les cordonnées de point ci , X i = ( x1 (i ), x2 (i )) , la distance entre O et ci est le produit scalaire : α OPi . u = OCi . u = [xi1 , xi 2 ]. 1 = α 1 xi1 + α 2 xi 2 α 2 → → → → (3) La somme des carrées de ces longueurs vaut : X 1 .u ∑ (Opi ) = ∑[X i .u ][. X i .u ] = [X 1 .u..., X n u.]. M i =1 i =1 X n u n n 2 (4) = ( Xu )′.( Xu ) u ′ : vecteur transposé de u En imposant une condition de normalisation de vecteur u telle que u ′.u = 1 , notre objectif sera : Max (( Xu ) ′.( Xu ) / u ′.u = 1) (5) En notant L le Lagrangien, 45 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants L = (Xu )′.(Xu) +λ(u′u - 1) (6) Le résultat de maximisation conduit à : ( X ) ′. Xu = λu (7) Nous avons donc : deux inconnus, un vecteur et un scalaire. A chaque λ correspond un vecteur u .Nous pouvons réécrire (7) : (V - λI )u = 0 (8) avec : V = ( X )′. X Pour trouver une solution l’équation (8), la matrice V - λI doit être singulière, autrement dit, son déterminent doit être nul. Soit : V - λI = 0 (9) Les racines de (9) sont les valeurs propres λ j . Dés que nous connaissons λ j , nous pouvons déterminer le vecteur propre correspondant u j en résolvant (8). Ce qui signifie que le vecteur u j est le vecteur propre associé à la valeur propre λ j .Dans un cadre plus général avec p variables, la poursuite de la procédure p fois, nous { } formée de {λ , λ ,..., λ }. constituons une nouvelle base orthonormée de R p , la base u1 , u 2 ,..., u p p vecteurs propres de la matrice X ′X associés aux valeurs propres 1 2 p Nous pouvons écrire : ( X )′. Xu p = λ p u p Avec : u p vecteur propre associé à la valeur propre λ p Ici, nous effectuons un changement de repère dans R p de façon à se placer dans un nouveau système de représentation où le premier axe apporte le plus possible de l’inertie totale des nuages, le deuxième axe le plus possible de l’inertie non prise en compte par le premier axe, et ainsi de suite. Cette technique s’appuie sur la diagonalisation de la matrice de variances-covariances ou de corrélation. 3.1.2 Propriétés de l’ACP a) Les valeurs propres Les valeurs propres représentent les inerties ou variances expliquées par les axes. La valeur λ1 représente l’inertie expliquée par le premier axe, la valeur λ 2 celle expliquée par le second axe, ainsi de suite. La somme des valeurs propres est égale à 46 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants la variance totale. Lorsque les données sont centrées et réduites, l’inertie totale est égale au nombre des variables ( p ) p λ = ∑ λk = p k =1 b) Les facteurs ou axes principaux Ces axes sont les vecteurs propres u k , k = 1,..., p associés à la matrice de la variance covariance ou la matrice de corrélation, normés à 1, ils sont au nombre p . c) Les composantes principales Les composantes principales sont les variables c k ∈ R n définies par les facteurs principaux par la relation : c k = Xu k ck est le vecteur contenant les cordonnées des projections orthogonales des individus sur l’axe défini par u k . Var (ck ) = λk Les composantes principales sont non corrélées entre elles. Le graphique illustre comment se détermine les coordonnés des individus sur les axes. Graphique 3.2 « Schéma pour le calcul des cordonnées sur les axes factoriels des individus » d) Formules de reconstitution A partir des facteurs principaux et des composantes principales, il est possible de reconstituer le tableau initial. X = ck .u ′k 47 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants De la même manière que pour l’espace des individus, nous pouvons projeter une variable j dont les cordonnées sont X j (projection de l’espace des variables) qui est un élément de R n et représente la colonne j de la matrice des données X .La projection de la variable j vérifie : v′X j = ∑ z i xij n i =1 Avec : v′ = [z1 , z 2 ,..., z n ] Comme minimiser la somme des carrés de projections revient à maximiser : p [ Max ∑ v′X j =1 j ][v′X ] = v′XX ′v j Nous trouverons donc dans R n : ( X ) ′. Xv k = µ k v k Avec : v k est le vecteur propre associé à la valeur propre µ k . Nous constituons une nouvelle base orthonormée de R n , la base {v1 , v 2 ,..., v n } formée de n vecteurs propres de la matrice X ′X associés aux valeurs propres {µ1 , µ 2 ,..., µ n }. Graphique 3.3 : Schéma pour le calcul des cordonnées sur les axes factoriels des variables e) Lien entre espace des variables et celui des individus Les espaces des individus et des variables sont reliés par les relations : Dans R p , u k = X ′v k / λ k et dans R n , v k = X ′u k / λ k 48 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants 3.1.3 Interprétation et qualité des résultats d’une ACP Dans une étude ACP, nous cherchons à répondre à des questions de ce type: quels sont les individus qui se ressemblent ? Quels sont les individus qui sont différents ? Plus généralement, nous souhaitons décrire la variabilité des individus. Pour cela, nous cherchons à mettre en évidence des groupes homogènes d’individus dans le cadre d’une typologie des individus. Nous cherchons également une typologie des variables. Quelles sont les variables qui sont positivement corrélées ou qui s’opposent avec les nouveaux axes. a) Qualité de représentation Le choix de nombre d’axes principaux ou de dimension dépend de la part de l’inertie expliquée qui s’écrit : q r= ∑λ j j =1 p ∑λ j j =1 Nous choisissons un nombre q d’axes qui reprend la quasi-totalité de l’inertie globale, nous éliminons ainsi les axes en trop. Cet indice détermine la qualité globale de l’approximation. b) Contributions des variables La contribution relative de la j ième variable à la variance de l'axe du facteur k est : CTR = u kj2 Les variables peuvent être classées par ordre d’importance de leur contribution. Le critère RCTR représente donc le rang d’une variable par rapport aux autres variables sur un axe donné. Les variables sont classées par CTR décroissante. c) Cercle de corrélation Il représente le lien entre les composantes principales, qui sont des nouvelles variables et les variables initiales. Ce cercle est constitué par les coefficients de corrélation ; Les variables proches du cercle sont très corrélées avec les nouveaux facteurs et celles éloignées sont moins corrélées. Les coefficients de corrélation sont déterminés par la relation suivante : 1 COORD = r (c k , x j ) = λk2 .u kj 49 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants Le graphique 3.4 illustre la cercle des corrélations entre les variables initiales et les nouvelles variables ou les axes. Graphique 3.4 « Cercle des corrélations » Axe 2 1 Xj r(Axe2,Xj) -1 1 Axe 1 r(Axe1,Xj) -1 d) Qualité de représentation sur l'axe Cet indice représente le cosinus carré de l'angle formé par le point et l'axe (en %). Il permet de représenter l’impact de la variable sur les différents facteurs ou axes. La somme sur l’ensemble des axes est égale à 100% CO 2 = λ k .u kj2 3.2 Source des données et choix de variables 3.2.1 Sources des données Deux sources de données seront utilisées : Données internes extraites de la base de gestion Les données internes sont extraites du système de gestion Pegase20. L’échantillon est composé de tous les mouvements d’arbitrage sur le support en euros enregistrés aux premiers trimestres 2006 et 2008. Ce choix est motivé par le fait qu’aux premiers trimestres 2006 et 2008, il y a respectivement une forte sortie et une entrée dans le 20 Pegase est le système de gestion principal des contrats d’épargne de la DECP. 50 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants fonds euros. Nous avons rajouté également l’ensemble, toute période, des mouvements d’arbitrage survenus sur deux produits : le Produit T117 (Vega Maxi) caractérisé par des mouvements d’arbitrage plus fréquents et le produit J040 (Vendome optimum euro) dont les arbitrages sont moins fréquents. • Seuls les arbitrages en sortie et/ou en entrée du fonds euros sont pris en compte. • Les arbitrages depuis et vers les unités de compte sont exclus. • Les arbitrages avec des rachats partiels ou primes nouvelles sur les trois mois précédent ou sur le mois suivant l’arbitrage sont exclus (pour éviter la difficulté de calcul des rendements). • Les arbitrages ayant des données manquantes sont exclus. • Les performances des contrats sont calculées sur un, deux et trois mois avant l’arbitrage et un mois après l’arbitrage. Le graphique 3.5 ci-dessus illustre les périodes du calcul des taux de rendement des contrats. Graphique 3.5 « Périodes de calcul des rendements de contrats » Pour calculer les rendements des contrats, les épargnes acquises à la date d’effet d’arbitrage sont comparées avec celles du mois, des deux mois et des trois mois précédent l’arbitrage. Pour le rendement futur, nous comparons l’épargne acquise un mois après l’arbitrage avec l’épargne acquise à la date d’effet d’arbitrage (cf. graphique 3.5) Données publiques Il s’agit des données sur la conjoncture financière et les taux d’emprunts d’Etat de 10 ans. • Les valeurs journalières des cours de l’indice CAC 40 Pour déterminer la performance de l’indice CAC 40, nous comparons la valeur moyenne de CAC 40 dans la semaine de l’arbitrage avec les valeurs moyennes des 51 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants semaines correspondant aux dates d’un mois, de deux mois et de trois mois avant l’événement d’arbitrage (Si: semaine correspondant à la date i ). Graphique 3.6 « Périodes de calcul de la performance de l’indice CAC 40 » • Les valeurs journalières de TEC 10 ans A partir des données journalières, nous calculons les taux moyens des TEC 10 ans pour des périodes d’un mois, deux mois et trois mois avant l’arbitrage. 3.2.2 La liste des variables sélectionnées pour l’étude Pour mener notre analyse en composante principale, nous avons sélectionné 15 variables et 3 classes. Les classes Classe d’âges [0,20 ans] : moins de 20 ans. ] 20,35 ans] : de 20 ans à 35 ans. ] 35,45 ans] : de 35 ans à 45 ans. ] 45,55 ans] : de 45 ans à 55 ans. ] 55,65 ans] : de 55 ans à 65 ans. ] +65 ans [ : plus de 65 ans. Classe d’épargne acquise de contrat ] 0, 10k€] : moins de 10 K€. ]10, 20k€] : de 10 K€ à 20k€. ]20, 40k€] : de 20 K€ à 40k€. ]40, 60k€] : de 40 K€ à 60k€. ]60, 80k€] : de 60 K€ à 80k€. ]80, 100k€] : de 80 K€ à 100k€. ]+100k€[ : au delà de 100 K€. Classe d’ancienneté du contrat 52 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants (-8ans) : ancienneté inférieure à 8 ans (+8ans) : ancienneté supérieure à 8 ans Les variables Tableau 3.1. « Liste des variables » N° Variable Libellé 1 RDMC30J Rendement de contrat un mois avant la date d’effet de l’arbitrage 2 RDMC60J Rendement de contrat deux mois avant l’arbitrage 3 RDMC90J Rendement de contrat trois mois avant l’arbitrage 4 VCAC401M Variation de CAC40 un mois avant l’arbitrage 5 VCAC402M Variation de CAC40 deux mois avant l’arbitrage 6 VCAC403M Variation de CAC40 trois mois avant l’arbitrage 7 RDEURO Rendement de fonds euros l’année précédant l’arbitrage 8 TEC101M Taux moyen de TEC 10 ans un mois avant l’arbitrage 9 TEC102M Taux moyen de TEC 10 ans deux mois avant l’arbitrage 10 TEC103M Taux moyen de TEC 10 ans trois mois avant l’arbitrage 11 PEUROINIT Part de support euros dans le contrat avant l’arbitrage 12 RDMCGLOBAL Rendement global annualisé de contrat depuis l’origine 13 RDMCAP30J Rendement de contrat un mois après le mouvement d’arbitrage 14 VPEURO Variation de la proportion du fonds euros dans le contrat 15 ANNEE_ Année de l’arbitrage 3.2.3 Critères de choix des variables Les variables explicatives sont choisies pour diverses raisons. 1. Age de l’assuré: le comportement des assurés peut différer en fonction de leur l’âge. Les jeunes assurés, lorsque l’horizon d’investissement est lointain, sont censés investir plus en unités de compte pour finalement se diriger au fil des années vers les taux garantis. Dans la littérature anglo-saxonne, l’allocation optimale en fonction de l’âge est qualifiée de conventional wisdom « convention de sagesse ». Ce type d’allocation peut se justifier aussi par le principe de diversification temporelle : prise de risque élevé lorsqu’on est jeune et de prudence à l’approche de l’âge de la retraite. Cette variable sera utilisée pour créer une classe d’âge. 53 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants 2. Ancienneté de contrat : l’assuré peut se comporter différemment en fonction de l’ancienneté de contrat. Ce comportement est souvent évoqué dans des cas de rachats après huit ans d’ancienneté et essentiellement pour des raisons purement fiscales. Ici, nous pouvons évoquer la possibilité d’un bilan que l’épargnant peut faire après x d’années d’adhésion. Il pourra par exemple revoir la répartition de son épargne sur les titres éligibles proposés par la compagnie d’assurance. Cette variable sera utilisée pour créer une classe d’ancienneté de contrats. 3. Profil de risque : Le ratio support euros /unités de compte peut être un révélateur sur le profil du risque de l’assuré. Cet indice s’accroît avec l’aversion au risque. Certains assurés exigeant une forte rentabilité et acceptant en contrepartie un risque, élevé font le choix d’investir essentiellement en unités de compte. Les plus prudents s’orientent vers des supports de taux garantis ou des produits de taux moins risqués mais aussi moins rémunérateurs. 4. Richesse financière : la richesse financière peut expliquer également le comportement d’arbitrage. On peut penser que l’aversion au risque est une fonction décroissante des ressources des assurés. Les assurés fortunés ont une aversion au risque inférieure aux assurés plus modestes et choisissent donc plus d’actifs risqués que d’actifs à taux garantis. Par conséquent, les plus fortunés ont tendance à suivre régulièrement leur épargne et réajustent au moyen d’arbitrage, la composition des titres dans leurs contrats. Cette richesse financière peut être mesurée soit par le cumul des primes nettes des rachats soit par l’épargne acquises des contrats. Nous cette dernière pour constituer la classe épargne acquise. 5. Le rendement de l’épargne : le retour sur placement ou le rendement est un facteur important dans les décisions d’arbitrage et de rachat. Néanmoins, il reste à savoir sur quel horizon les épargnants évalue le rendement de leur épargne. Quatre périodes seront choisies : un mois, deux mois et trois mois avant le mouvement d’arbitrage, et un mois après ce mouvement. Nous ajoutons également le rendement global du contrat depuis la date d’effet du contrat jusqu’à la date de l’arbitrage. 6. Taux d’emprunts d’Etat à long terme : au moment des choix des placements, l’assuré considère deux éléments : le rendement espéré et le risque encouru. Les titres sans risques constituent un référentiel ou un benchmark de prise de décision. Ces titres sans risque sont préférés, à performance égales, à d’autres titres. En réalité, il n’y a pas de titres sans risque absolue, mais il existe des produits obligataires d’Etat plus sûrs. Le rendement des produits obligataires sera intégré par le biais de taux moyen des TEC 10 ans sur un mois, deux mois et trois mois avant l’arbitrage. Nous rajoutons 54 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants également le rendement du fonds euros qui sera considéré comme un référentiel pour les choix d’arbitrage. 7. Conjoncture financière et économique L’indice CAC 40 peut refléter la conjoncture financière voire économique du moment et les épargnants peuvent être influencés par la fluctuation de cet indice. Pour mesurer cet impact, nous avons intégré la variation de la performance du CAC40 sur un mois, deux mois et trois mois avant les mouvements d’arbitrage. Dans ce qui suit, nous présentons comment serons mesurés nos variables. 3.2.4 Mesure des variables Les épargnes acquises et les répartitions euros/UC seront calculées en utilisant les procédures et les fonctions du système de gestion Pegase développées sous oracle. 1) VPEURO: variation de la proportion du support euros dans le contrat suite au mouvement d’arbitrage. VPEURO = PARTEUROAP - PEUROINIT 2) PEUROINIT: part du support euros dans le contrat avant le mouvement d’arbitrage. 3) PARTEUROAP: part du support euros dans le contrat après le mouvement d’arbitrage et à la date d’effet d’arbitrage. 4) RDMC30J: taux de rendement du contrat un mois avant le mouvement d’arbitrage. RDMC30J = ( Ea d _ effet - Ea1m ) Ea1m Ea d _ effet : épargne acquise du contrat à la date d’effet d’arbitrage. Ea1m : épargne acquise du contrat un mois avant le mouvement d’arbitrage. 5) RDMC60J : taux de rendement du contrat deux mois avant le mouvement d’arbitrage. avec : RDMC60J = ( Ea d _ effet - Ea 2 m ) Ea 2 m Ea 2 m : épargne acquise du contrat deux mois avant la date d’effet d’arbitrage 6) RDMC90J: taux de rendement du contrat trois mois avant le mouvement d’arbitrage. avec : RDMC90J = ( Ea d _ effet - Ea 3m ) Ea 3m 55 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants Ea 3m : épargne acquise du contrat trois mois avant la date d’effet d’arbitrage. 7) RDEURO : taux servi par le fonds euros l’année précédent l’année d’arbitrage. avec : ANNEE : année de l’arbitrage. 8) TEC101M: Taux moyen de TEC 10 ans un mois avant l’arbitrage. 9) TEC102M : Taux moyen TEC 10 ans deux mois avant l’arbitrage. 10) TEC102M : Taux moyen TEC 10 ans trois mois avant l’arbitrage. 11) CAC401M : variation de CAC 40 un mois avant l’arbitrage. avec : CAC401M = CAC 40(t ) - CAC (t - 1mois ) CAC (t - 1mois ) 12) CAC402M : variation du CAC 40 deux mois avant l'arbitrage. avec : CAC402M = CAC 40(t ) - CAC (t - 2mois ) CAC (t - 2mois ) 13) CAC403M : variation du CAC 40 trois mois avant l'arbitrage. avec : CAC403M = CAC 40(t ) - CAC (t - 3mois ) CAC (t - 3mois ) 14) RDMCAP30J : taux de rendement du contrat un mois après l'arbitrage. 15) RDMCGLOB : taux de rendement global annualisé du contrat depuis son origine jusqu’à la date d’effet de l’arbitrage. RDMCGLOB = ( Ead _ effet + CUMRACH ) (CUMPR × ANCTRA) -1 16) ANCTRA: ancienneté du contrat à la date d’effet d’arbitrage. 17) AGASS : Age de l’assuré à la date d'effet d'arbitrage. 3.3 Description de l’échantillon Notre échantillon global contient 23624 mouvements d’arbitrage en entrée et en sortie du fonds euros. Sur les 23624 arbitrages, 20163 sont des arbitrages individuels et 3461 arbitrages collectifs. Période : mouvements d’arbitrage sur le fonds euros aux premiers trimestres 2006 et 2008 pour l’ensemble des produits multi-support commercialisés par la mondiale 56 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants partenaire en ajoutant à cela les mouvements d’arbitrage sur le fonds de deux produits T117 et J040. Le tableau 3.2 ci-dessous représente le nombre, flux et solde d’arbitrage sur le fonds dans notre échantillon. Tableau 3.2 « Entrée-sortie dans le fonds euros - échantillon global» Mouvement cible Mt d’arbitrage Entrée dans le fonds en euros Sortie de fonds en euros Solde Nb contrats Nb d'arbitrage 366 861 482 € 7 033 12 650 - 287 475 598 € 5 205 10 974 79 385 884 € 9 925 23 624 Avec un solde positif de 79.4 millions d’euros, nous remarquons donc qu’il y a plus d’arbitrage en entrée qu’en sortie, cela s’explique par la crise des subprimes durant l’été 2007. En effet, les épargnants au premier trimestre 2008 ont arbitré massivement au profit de fonds euros pour sécuriser leur épargne. Les statistiques descriptives sur les arbitrages individuels de notre échantillon sont données dans le tableau 3.3. Tableau 3.3 « Statistiques simples- arbitrages individuels » Variables Nombre Moyenne Écart-type Minimum Maximum RDMC30J 20 163 -0,74% 3,62 -37,36% 19,35% RDMC60J 20 163 -0,58% 4,81 -57,65% 34,94% RDMC90J 20 163 -0,67% 6,19 -53,60% 41,97% VCAC401M 20 163 -1,42% 6,19 -26,51% 15,67% VCAC402M 20 163 -1,49% 8,57 -30,42% 26,28% VCAC403M 20 163 -1,90% 10,45 -29,86% 29,49% RDEURO 20 163 4,14% 0,37 0,03% 0,05% TEC101M 20 163 3,81% 0,51 2,33% 4,80% TEC102M 20 163 3,79% 0,49 2,41% 4,80% TEC103M 20 163 3,82% 0,51 2,55% 4,80% PEUROINIT 20 163 51,69% 33,27 -0,03% 100,00% RDMCGLOBAL 20 163 2,93% 6,00 -62,03% 61,16% RDMCAP30J 20 163 0,06% 1,03 -17,99% 56,89% VPEURO 20 163 5,71% 34,99 -100,00% 100,00% EA 20 163 196 818 € 609 106 € 249 € 35 409 340€ 57 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants D’après le tableau 3.3 ci-dessus, nous remarquons que : L’épargne acquise moyenne des contrats est assez élevée (196 818€). Les rendements en moyenne sont négatifs, -0,74% sur un mois, -0,58% sur 2 mois et -0,67% sur 3 mois. Les performances du CAC 40 sont négatives à cause de la forte baisse enregistrée au cours de l’année 2008. La part du support en euros détenue par les épargnants avant l’arbitrage est de 51.69%. Ce niveau reste faible par rapport au taux euros/UC pour l’ensemble des produits qui s’élève à 74.15% en fin 2010 et 77.30% en fin 2011. Nous pouvons supposer que les épargnants qui font des arbitrages sont ceux qui ont un ratio euros/Uc plus faible. La variation moyenne de la part du support euros dans les contrats est de l’ordre de 5.71% avec un écart type de 34,99. Il y a donc en moyenne plus d’entrée que de sortie dans le fonds euros. Le tableau 3.4 montre la variation du rapport euros/Uc dans les contrats suite à l’arbitrage en fonction de la classe l’âge. Nous remarquons que la part du support euros dans les contrats augmente avec l’âge. Lors des arbitrages, les assurés plus âgés augmentent plus la part de support euros par rapport aux assurés plus jeunes (cf. tableau 3.4). Tableau 3.4 « Variation de la part du support en euros dans les contrats en fonction de l’âge » Tranches d'âge Variation de la part de support euros ] 35, 45 ans] 4.09% ] 45, 55 ans] 4.12% ] 55, 65 ans] 5.09% ] plus 65 ans [ 5.75% 3.4 Mise en application de la méthode ACP 3.4.1 Part de la variance expliquée par les axes factoriels Les axes factoriels sont des axes virtuels issus d’une synthèse entre les variables initiales. Nous allons choisir les axes ou les facteurs qui synthétisent le mieux les 15 variables prises en compte. Le graphique 3.7 montre la variance expliquée par chaque axe. Le premier axe représente 5.75 de la variance totale, le deuxième axe 2.77 ainsi de suite. Le total de la variance est égale à 15 ce qui correspond au nombre de 58 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants variables car chaque variable est centrée réduite. On voit bien que les variances expliquées par les axes sont décroissantes. Le premier restitue la plus grande variance, le second un peu moins ainsi de suite. Ces facteurs sont linéairement indépendants. Le graphique 3.7 illustre les valeurs ou les variances expliquées par les axes. Graphique 3.7 « Valeurs propres» 3.4.2 Choix du nombre de facteurs La question est de savoir combien d’axes sont à retenir. Il y a deux façons de déterminer le nombre d’axes à prendre en compte. Il y a tout d’abord, le critère de Kaiser qui repose sur l’idée de ne sélectionner que les axes qui ont une valeur propre supérieure à 1. Puis il y a un autre critère qui se limite à choisir les axes qui restituent une grande partie de l’inertie totale. Le graphique 3.8 illustre les axes sélectionnés. Graphique 3.8 « Axes sélectionnés» 59 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants Suivant le critère de Kaiser, nous avons sélectionné les cinq premiers axes (cf. au graphique 3.8). Les cinq axes sélectionnés représentent 80.19% de la variance totale. Le premier axe restitue 38.32% de l’inertie totale et mesure l’importance relative de cet axe factoriel dans la variabilité des données. Le second axe représente 18.45% de la variance totale. On peut donc se contenter de retenir ces cinq axes pour l’analyse, l’information contenue sur les 10 autres pouvant être considérée comme résiduelle. 3.4.3 Les composantes principales Pour juger du lien entre les variables initiales et les axes choisis, on détermine tout d’abord les nouvelles variables appelées composantes principales. Elles s'expriment comme une combinaison linéaire des anciennes variables dont les coefficients sont les coordonnées des vecteurs propres. Ces coefficients indiquent l’intensité et la nature de la liaison entre une composante principale et les variables initiales. Le tableau 3.5 cidessous donne le vecteur propre associé à chaque axe. Tableau 3.5 - Vecteurs propres associées cinq premiers axes » Vecteurs propres Variables Axe1 Axe2 Axe 3 Axe 4 Axe 5 RDMC30J 0.32044 0.15846 -0.06311 0.29969 0.05514 RDMC60J 0.34069 0.17501 0.01705 0.21164 0.15659 RDMC90J 0.34348 0.16222 0.02048 0.19561 0.14937 VCAC401M 0.3173 0.14521 0.06594 -0.01831 -0.23252 VCAC402M 0.33786 0.15697 0.14895 -0.13026 -0.19314 VCAC403M 0.33705 0.14989 0.15024 -0.14511 -0.1794 RDEURO -0.06105 0.46834 -0.03624 -0.2694 -0.20959 TEC101M -0.29335 0.35527 -0.04246 0.12559 0.08971 TEC102M -0.29355 0.36199 -0.06921 0.18405 0.04775 TEC103M -0.30708 0.33156 -0.06944 0.15142 0.04982 PEUROINIT 0.11286 -0.01754 -0.72178 -0.03437 0.07425 RDMCGLOB 0.12501 0.15431 0.18811 0.21885 0.67982 RDMCAP30J 0.02938 -0.02225 0.06301 -0.69778 0.54303 ANNEE 0.00968 -0.48342 -0.06336 0.30721 0.06658 -0.18781 -0.07006 0.60757 0.1152 -0.0535 VPEURO Dans le tableau 3.5 ci-dessus, chaque colonne représente le vecteur propre associé à la valeur propre de l’axe. Cela permet de déterminer les cordonnées des individus 60 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants sur les différents axes. Par exemple, sur le premier axe, la cordonnée d’un individu i s’exprime : Ci1 = 0.32044 × RDMC30Ji + 0.34069 × RDMC60J i + 0.34348 × RDMC90J i + 0.3173 × VCAC401Mi + 0.33786 × VCAC402Mi + 0.33705 × VCAC403Mi - 0.06105 × RDEUROi - 0.29335 × TEC101M i - 0.29355 × TEC102M i - 0.30708 × TEC103M i + 0.11286 × PEUROINITi + 0.12501× RDMCGLOBi + 0.02938 × RDMCAP30Ji + 0.00968 × ANNEEi + -0.18781× VPEUROi 3.4.4 Analyse des corrélations variables-facteurs Quelles sont les variables les plus importantes ? Pour répondre à cette question, nous évaluons la corrélation entre les variables initiales et les nouvelles variables : composantes principales. Nous utiliserons quatre indicateurs, calculés sur chaque axe, et donnés dans le tableau 3.7. Ce tableau résume les résultats de la méthode ACP. Les indicateurs sont : • CORRD : corrélation entre l’axe et les anciennes variables. • CTR : contribution de la variable dans l’inertie expliquée par l’axe (exprimé en pourcentage). • RCTR : rang de la variable par rapport aux autres variables. • CO2 : contribution de la variable à l’inertie expliquée par l’axe comparée aux autres axes (exprimée en pourcentage). 1) Sur le premier axe En utilisant les résultats reportés dans le tableau 3.7, nous remarquons : a) Variables positivement corrélées avec le premier axe. Le rendement du contrat trois mois avant l’arbitrage (RDMC90J), est la variable la plus corrélée avec le premier axe : un coefficient de corrélation positif de 0.82. Cette variable représente 11.8% (CTR) de la variation expliquée par cet axe. Il arrive en première position (RCTR=1) et il est mieux représenté par cet axe (CO2=59%). Le rendement du contrat deux mois avant l’arbitrage (RDMC60J), arrive en seconde position. Il représente 11.6% de la variation expliquée par le premier axe. Il est aussi positivement corrélé avec le premier axe, avec un niveau de corrélation de 0.82. Les performances de CAC40 sur deux et trois mois arrivent respectivement en troisième et en quatrième position. Elles expliquent chacune 11.4% de la variation expliquée par cet axe. Ces deux variables sont positivement corrélées avec le premier axe, avec un coefficient de corrélation de 0.81 Le rendement du contrat sur 1 mois arrive en cinquième position. Il est positivement 61 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants corrélé avec le premier axe, avec un coefficient de corrélation de 0.77. La performance de CAC40 sur 1 mois arrive en sixième position. Elle explique 10.1% de la variation expliquée par le primer axe. Cette variable est positivement corrélée avec cet axe, avec un coefficient de corrélation de 0.76. b) Variables négativement corrélées avec le premier axe. Taux moyen de TEC 10 ans à trois mois avant l’arbitrage (TEC103M) est négativement corrélé avec le premier axe. Le coefficient de corrélation est de l’ordre de -0.74. Cette variable représente 9.4% de la variance expliquée par cet axe. Les taux moyens de TEC 10 ans à deux mois et à un mois avant l’arbitrage (TEC102M,TEC101M) sont aussi négativement corrélés avec le premier axe. Ils représentent tous les deux 17.20% de la variation expliqué par le premier axe. Nous pouvons dire que les neuf variables ci-dessous sont les mieux représentées par l’axe. Elles totalisent 93% de la variance expliquée par l’axe 1. Tableau 3.6 « Poids des variables sur le premier axe » Variable Libellé Variance expliquée RDMC30J Rendement du contrat sur 1 mois avant l'arbitrage 10.3% RDMC60J Rendement du contrat sur 2 mois avant l'arbitrage 11.6% RDMC90J Rendement du contrat sur 3 mois avant l'arbitrage 11.8% VCAC401M Variation CAC40 sur 1 mois avant l'arbitrage 10.1% VCAC402M Variation CAC40 sur 2 mois avant l'arbitrage 11.4% VCAC403M Variation CAC40 sur 3 mois avant l'arbitrage 11.4% TEC101M Taux moyen de TEC 10 ans un mois avant l'arbitrage 8.6% TEC102M Taux moyen de TEC 10 ans deux mois avant l'arbitrage 8.6% TEC103M Taux moyen de TEC 10 ans trois mois avant l'arbitrage 9.4% Total 93.2% Visuellement, dans le graphique 3.6 ci-dessous, nous voyons bien que dans le premier quadrant, nous trouvons les variables corrélées positivement avec le premier axe et dans le deuxième quadrant celles corrélées négativement. L’axe 1 oppose donc des facteurs qui jouent un rôle positif sur VPEURO et d’autres qui ont un effet inverse. En outre, on voit bien que la variation de la part du support euros dans le contrat est 62 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants corrélée négativement avec le premier axe. Le graphique 3.6 illustre la répartition des variables dans le plan 1-2 ( AXE1, AXE2). Graphique 3.6 « Les variables dans le plan 1-2 » Les variables dans le plan 1-2 1 Axe 2 0.8 RDEURO TEC101M TEC102M TEC103M 0.6 0.4 RDMC60J RDMC90J VCAC402M VCAC403M RDMC30J VCAC401M RDMCGLOB 0.2 0 -1 -0.8 -0.6 -0.4 VPEURO -0.2 0 0.2 RDMCAP30J -0.2 0.4 0.6 0.8 1 PEUROINIT -0.4 -0.6 -0.8 ANNEE_ -1 Axe 1 D’après le graphique 3.6, nous pouvons dire : • Dans le premier quadrant Nous voyons les variables de rendements (RDMC30J, RDMC60J, RDMC90J) et celles de performance de CAC40 (VCAC401M, VCAC402M, VCAC403M) avec des corrélations positives. Lorsque les rendements du contrat et la situation financière sur le marché boursier s’améliorent, les épargnants désinvestissent le support euros et réinvestissent sur les unités de compte (fructification de l’épargne). Par contre, lorsque les rendements baissent et la situation boursière se dégradent, ils délaissent les unités de compte et réinvestissent sur le fond euros (Fond euros valeur de refuge). • Dans le second quadrant Nous voyons les variables de rendements d’emprunts d’Etat (TEC101M, TEC102M,TEC103M). Lorsque les taux à long terme d’emprunt d’Etat augmentent, le fonds en euros devient plus intéressant, les épargnants réinvestissent sur le support en euros au détriment des unités de compte. Le contraire est aussi vrai. Ce raisonnement est basé sur le fait que VPEURO est corrélée négativement avec l’axe1 (-0.45). 63 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants Tableau 3.7 - Poids des variables sur les axes retenus AXE1 AXE2 AXE3 AXE4 AXE5 Variables COORD CTR RCTR CO2 QLT COORD CTR RCTR CO2 QLT COORD CTR RCTR CO2 QLT COORD CTR RCTR CO2 QLT COORD CTR RCTR CO2 QLT RDMC30J 0.77 10.3 5 59 59 0.26 2.5 8 6.9 66 -0.07 0.4 10 0.6 66.5 0.32 9 3 10.2 76.7 0.05 0.3 12 0.3 77 RDMC60J 0.82 11.6 2 66.7 66.7 0.29 3.1 6 8.5 75.2 0.02 0 15 0 75.2 0.23 4.5 6 5.1 80.3 0.15 2.5 7 2.4 82.7 RDMC90J 0.82 11.8 1 67.8 67.8 0.27 2.6 7 7.3 75.1 0.02 0 14 0.1 75.2 0.21 3.8 7 4.3 79.5 0.15 2.2 8 2.2 81.7 VCAC401M 0.76 10.1 6 57.9 57.9 0.24 2.1 12 5.8 63.7 0.08 0.4 8 0.6 64.3 -0.02 0 15 0 64.4 -0.23 5.4 3 5.2 69.6 VCAC402M 0.81 11.4 3 65.6 65.6 0.26 2.5 9 6.8 72.4 0.18 2.2 5 3.1 75.6 -0.14 1.7 11 1.9 77.5 -0.19 3.7 5 3.6 81.1 VCAC403M 0.81 11.4 4 65.3 65.3 0.25 2.2 11 6.2 71.5 0.18 2.3 4 3.2 74.7 -0.15 2.1 10 2.4 77.1 -0.18 3.2 6 3.1 80.2 RDEURO -0.15 0.4 13 2.1 2.1 0.78 21.9 2 60.7 62.8 -0.04 0.1 13 0.2 63 -0.29 7.3 4 8.2 71.2 -0.21 4.4 4 4.3 75.5 TEC101M -0.7 8.6 9 49.5 49.5 0.59 12.6 4 34.9 84.4 -0.05 0.2 12 0.3 84.7 0.13 1.6 12 1.8 86.4 0.09 0.8 9 0.8 87.2 TEC102M -0.7 8.6 8 49.5 49.5 0.6 13.1 3 36.3 85.8 -0.08 0.5 7 0.7 86.5 0.2 3.4 8 3.8 90.3 0.05 0.2 15 0.2 90.5 TEC103M -0.74 9.4 7 54.2 54.2 0.55 11 5 30.4 84.6 -0.08 0.5 6 0.7 85.3 0.16 2.3 9 2.6 87.9 0.05 0.2 14 0.2 88.1 PEUROINIT 0.27 1.3 12 7.3 7.3 -0.03 0 15 0.1 7.4 -0.86 52.1 1 73.6 81 -0.04 0.1 14 0.1 81.1 0.07 0.6 10 0.5 81.6 RDMCGLOB 0.3 1.6 11 9 9 0.26 2.4 10 6.6 15.6 0.22 3.5 3 5 20.6 0.23 4.8 5 5.4 26 0.67 46.2 1 44.8 70.8 RDMCAP30J 0.07 0.1 14 0.5 0.5 -0.04 0 14 0.1 0.6 0.07 0.4 11 0.6 1.2 -0.74 48.7 1 55.1 56.2 0.53 29.5 2 28.6 84.8 ANNEE_ 0.02 0 15 0.1 0.1 -0.8 23.4 1 64.7 64.7 -0.08 0.4 9 0.6 65.3 0.33 9.4 2 10.7 76 0.07 0.4 11 0.4 76.4 VPEURO -0.45 3.5 10 20.3 20.3 -0.12 0.5 13 1.4 21.6 0.72 36.9 2 52.1 73.8 0.12 1.3 13 1.5 75.3 -0.05 0.3 13 0.3 75.5 64 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants 2) Sur le deuxième axe Ce deuxième axe représente 18.45% de la variance totale. a) variables positivement corrélées avec cet axe Taux de rendement du fonds euros (RDEURO) est corrélé positivement avec l’axe 2, avec un coefficient de corrélation de 0.78. Il représente 21.9% de la variance expliquée par cet axe. Les taux de TEC 10 ans d’un, de deux et de trois mois avant l’arbitrage ont respectivement une corrélation de l’ordre de 059, 0.6 et 0.55. Ces trois variables représentent 36.70% de la variance expliquée par cet axe. b) variables négativement corrélées avec le deuxième axe L’année de mouvement d’arbitrage (ANNEE) a une corrélation négative (-0.8) avec le deuxième axe. Il représente 23.4% de la variance expliquée par le deuxième axe. Au total, les cinq variables citées plus haut, totalisent 71% de la variance expliquée par le second axe. Dans le graphique 3.6 ci-dessus, nous voyons bien que la variable ANNEE est positionnée dans le quatrième quadrant avec une cordonnée quasi-nulle sur le premier axe. La corrélation entre l’axe 2 et la variation de la part du support euros dans le contrat (VPEURO) est négative mais faible (-0.12). Vu la corrélation positive entre l’axe 2 et le RDEURO mais aussi avec le taux d’emprunts d’Etat à long terme, nous pouvons dire que : la croissance (décroissance) du taux servi se traduit par l’entrée (sortie) du fonds euros. Et la même chose peut être dite sur les taux d’emprunts d’Etat à long terme 3) Sur le troisième axe a) variables positivement corrélées avec le troisième axe 1) VPEURO, la variation de la part du support euros est positivement corrélée avec le troisième axe. Cette corrélation est de l’ordre de 0.72. Cette variable présente 36.9% de la variation expliquée par le troisième axe. b) variables négativement corrélées avec le deuxième axe 1) PEUROINIT, la part initiale du support euros dans le contrat est négativement corrélée avec le troisième axe, avec une corrélation de -0.86. Cette variable représente 52.1% de la variation expliquée par cet axe. Au total ces deux variables représentent 89% de la variance expliquée par cet axe. Le graphique 3.7 ci-dessus présente les variables dans le Plan 3-4 (axe 3 et 4). 65 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants Graphique 3.7 Les variables dans le plan 3-4 1 Axe 4 0.8 0.6 0.4 ANNEE_ RDMC60J TEC102M RDMCGLOB 0.2 TEC101M TEC103M RDMC90J RDMC30J VPEURO 0 -1 -0.9 -0.8 -0.7 -0.6 -0.5 PEUROINIT -0.4 -0.3 -0.2 -0.1 0 -0.2 RDEURO 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 VCAC402M VCAC401M VCAC403M -0.4 -0.6 -0.8 RDMCAP30J -1 Axe 3 Axe 3 4) Sur le quatrième axe Sur cet axe, seule la variable RDMCAP30J « le rendement de contrat un mois après l’arbitrage », a une corrélation importante avec celui-ci égale à 0.74. Cette variable représente 48.7% de la variance expliquée par cet axe. 5) Sur le cinquième axe Deux variables sont positivement corrélées avec cet axe. Le premier est le rendement global annualisé du contrat (RDMCGLOB) avec une corrélation de 0.67. Cette variable représente 46.2% de la variance expliquée par cet axe. La seconde est le rendement du contrat un mois après l’arbitrage (RDMCAP30J) avec une corrélation de 0.53%. Elle représente 29.5% de la variance expliquée par cet axe. Au total ces deux variables totalisent 75,7% de la variance expliquée par le cinquième axe. 3.4.5. Analyse par classe Une fois que les axes auront été caractérisés par les variables, nous représentons la projection des individus (ou contrats) regroupés dans des classes. Nous avons choisi trois classes citées plus haut. A la différence de l’effet des variables sur les axes analysés par les corrélations, l’effet des modalités de classe sur les axes est apprécié par les cordonnées. 66 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants a) Classe épargne acquise Dans le tableau 3.8 ci-dessous, les lignes intitulées COORD1, COORD2, COORD3, COORD4, COORD5 donnent les coordonnées des sept modalités de la classe épargne acquise sur les cinq axes. L’idée est de calculer pour chaque modalité le barycentre des individus prenant cette modalité. Ces barycentres sont « des individus supplémentaires » pour lesquels on édite des cordonnées sur les cinq axes et les valeurs de tests jugeant la significativité des points. Nous voyons bien que la modalité ] 0,10K€] a une cordonnée négative significative et assez forte (-0.84) sur le premier axe. Par ailleurs, nous avons vu que le premier axe est fortement corrélé positivement avec les rendements des contrats et la performance de marché, d’une part et négativement corrélés avec les rendements d’emprunts d’Etat, d’autre part Alors, une modalité dont la coordonnée est élevée sur l’axe 1 sera vraisemblablement la plus impactée par la variation des rendements et les conditions des marchés financier. Nous remarquons également que la modalité ]10,20K€] a une cordonnée significative négative sur cet égal à -0.33 et qui est significativement différente de zéro (T-Student entre parenthèse est supérieur à 1.96 avec un risque d’erreur de 5%) Tableau 3.8 « Projection des assurés sur les cinq premiers axes regroupés par modalités de la classe épargne acquise » Modalité ]0.10K€] ]10-20K€] ]20-40K€] ]40-60K€] ]60-80K€] ]80-100K€] ]>100K€ EFFECTIF 866 1377 2786 2481 2019 1720 8914 POIDS 4.3 6.8 13.8 12.3 10 8.5 44.2 -0.84 -0.33 -0.06 0.12 0.05 -0.01 0.11 (10.5)* (5.3) (1.5) (2.6) (1) (0.1) (5.7) 0.02 0.17 0.09 0.13 0.16 -0.01 -0.13 (0.4) (4) (2.9) (4) (4.6) (0.2) (9.6) 0.43 0.31 0.22 0.08 -0.07 -0.16 (10.9) (9.9) (10.3) (3.6) (2.6) (17.5) -0.29 -0.14 -0.08 -0.02 0 0.1 0.06 (8.2) (5.2) (4.3) (0.8) (0.1) (4.3) (7.1) -0.39 -0.01 -0.04 0.01 -0.04 0.03 0.05 (11.9) (0.4) (2.5) (0.7) (1.8) (1.3) (6.7) COORD1 COORD2 COORD3 COORD4 COORD5 0(0) (*)Les valeurs entre parenthèse représentent le T-Student .Les coefficients de corrélation avec T-student supérieur à 1.96 sont significatifs avec un risque d’erreurs de 5%. Ce constat est observé également dans le graphique 3.8. ci-dessous: les contrats dont l’épargne acquise est inférieure à 10K€ ont une cordonnée élevée négative sur 67 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants l’axe 1. Le graphique 3.8 ci-dessous présente la projection des individus dans le plan 1-2. Graphique 3.8 « Projection des individus sur le plan constitué de l’axe 1 et 2 ». Les barycentres d'individus dans le plan 1-2 Axe 2 1.0 0.8 0.6 0.4 ] 0,35ans] ] 35-45ans] ]10-20K€] 0.2 ]60-80K€] ]20-40K€] 0.0 -1 -0.8 -0.6 ]0.10K€] -0.4 -0.2 ]80-100K€] (-8ans) ] 45-55ans] ]40-60K€] 0.2 ]>100K€ ] 55-65ans] ] +65ans [ -0.2 0 0.4 0.6 0.8 1 -0.4 (+8ans) -0.6 -0.8 Axe 1 -1.0 Axe 1 Ce résultat montre que les petits épargnants sont plus sensibles à la variation des rendements pour l’entrée et la sortie du fonds euros. Cela peut s’expliquer par le manque de solution financière alternative comparé aux épargnants les plus fortunés. En cas de baisse des rendements, les petits épargnants se retournent vers le fonds euros alors que les plus fortunés peuvent choisir entre des instruments financiers complexes (IFC) et le fonds euros. Tableau 3.8 présente les corrélations, par modalité des EA, entre la variation de la part de fonds euros dans les contrats et le rendement de trois mois. (EA : épargne acquise). Tableau 3.8 « Corrélations entre le rendement et la variation de la part du support euros classées par EA » Tableau des corrélations ( P-value entre parenthèse) Modalité Rendement trois mois avant l'arbitrage ]0.10K€] -0.41731 (<0.0001) ]10-20K€] -0.37818 (<0.0001) ]20-40K€] -0.31567 (<0.0001) ]40-60K€] -0.3248 (<0.0001) ]60-80K€] -0.27897 (<0.0001) ]80-100K€] -0.32414 (<0.0001) ]>100K€ -0.3018 (<0.0001) 68 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants Ce résultat confirme la forte coordonnée sur le premier axe de la modalité d’épargne acquise ] 0.10K€]. Nous voyons bien que plus l’épargne acquise augmente moins les épargnants sont sensibles aux variations des rendements pour l’entrée et la sortie du fonds euros. b) Classe âge des assurés Cette classe est composée de cinq modalités. Le tableau 3.9 représente les cordonnées de chaque modalité sur les cinq axes. Tableau 3.9 « Projection des assurés sur les cinq premiers axes regroupés par modalités de la classe âge des assurés ( T-Student entre parenthèse) Modalité EFFECTIF ] 0,35ans] ] 35-45ans] ] 45-55ans] ] 55-65ans] ] +65ans [ 1826 2697 4949 6038 4653 21 0.01 (0.26) 0.02 (0.74) 0.07 (2.8) -0.05 (1.76) COORD2 0.24 (6.41) 0.24 (8.07) 0.01 (0.28) -0.04(2.05) -0.19 (8.93) COORD3 0.15 (5.52) -0.03 (1.44) -0.02 (1.22) -0.01 (0.42) -0.01 (0.9) COORD4 -0.02 (0.84) -0.03 (1.62) 0.00 (0.03) -0.02 (2.18) 0.06 (4.22) COORD5 -0.03 (1.27) 0.03 (1.78) -0.03 (2.21) -0.01 (0.75) 0.03 (2.5) COORD1 -0.18 (3.3)* Nous remarquons dans le tableau ci-dessus qu’il y a une différence entre les épargnants du groupe 1 (] 0,35 ans] et ] 35, 45]) et ceux du groupe 2 (] 55, 65 ans],] +65 ans]) sur l’axe 2. Il y a donc une différence de comportement entre les épargnants âgés de 45 ans et moins et ceux âgés de plus 55 ans. Ceci peut être expliqué par l’ampleur de la variation de la part du support euros suite aux mouvements d’arbitrages. Nous avons vu précédemment que les épargnants plus âgés ont tendance à plus investir sur le support que les plus jeunes. Sur le premier axe, la plus importante cordonnée est celle de la modalité (assurés âgés moins de 35 ans) qui est égale à -0.18. 21 (*) Valeurs entre parenthèse représentent le T-Student . Les coefficients de corrélation avec T-Student supérieur à 1.96 sont significatifs avec un risque d’erreurs de 5%. 69 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants c) Classe ancienneté des contrats Sur tous les axes, nous observons des cordonnées de signes opposés entre les contrats moins de huit et plus de huit d’ancienneté. La cordonnée la plus élevée est pour les contrats de plus de huit ans d’ancienneté et celle-ci se trouve sur l’axe 2. Cette cordonnée est significative et égale à (-0.46). Cela veut dire que la variable « année de l’arbitrage », « taux servi par le fonds euros l’année précédent l’arbitrage » et les rendements d’emprunts d’Etat jouent un rôle plus important sur les contrats anciens que sur les contrats récents. Visuellement dans le graphique 3.8, nous voyons bien que la modalité (+8ans) est plus éloignée de l’origine et relativement proche du cercle. Tableau 3.10 « Projection des assurés sur les cinq premiers axes regroupés par modalités de la classe ancienneté de contrats» Modalité EFFECTIF COORD1 COORD2 COORD3 COORD4 COORD5 (-8ans) 15438 -0.03(3.53) 0.14 (21.66) -0.03 (6.25) -0.02(5.45) 0.01(3.72) (+8ans) 4725 0.11 (3.53) -0.46 (21.7) 0.09(6.25) 0.07(5.45) -0.05(3.72) (*)Valeurs entre parenthèse représentent le T-Student . Les coefficients de corrélation avec T-student supérieur à 1.96 sont significatifs avec un risque d’erreurs de 5%. Nous avons crée différentes modalités pour chaque classe. La question est de savoir si cette segmentation est justifiée. Pour répondre à cette question, nous calculons le rapport de corrélation. Un rapport de corrélation se définit comme le rapport entre la variance intergroupes (ou inter modalités) et la variance totale. Un rapport de corrélation proche de 1 se traduit par une bonne discrimination entre les groupes ou modalités et un rapport de corrélation proche de zéro se traduit par une faible séparation des groupes. Le tableau 3.11 ci-dessous, nous montre, pour chaque classe, qu’il y a une différence quasi-nulle entre les modalités bien qu’il y ait une différence significative des variances. RCOR1, RCOR2, RCOR3, RCOR4, RCOR5 représentent les rapports de corrélations entre la variance intergroupes et la variance totale sur les axes 1, 2, 3, 4 et 5 respectivement. Sur le premier axe, le rapport de corrélation RCOR1 montre une faible différence entre les modalités de la classe épargne acquise. La variance intergroupes représente 1% de la variance totale. 70 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants Tableau 3.11 « Rapport des corrélations sur les cinq axes pour les trois classes » Classes Epargne acquise Age assuré Ancienneté contrats RCOR1 0.01 (26.5) 0 (7.8) 0 (12.3) RCOR2 0.01 (17.9) 0.01 (50.5) 0.02 (480) RCOR3 0.02 (82.8) 0 (14) 0 (39.4) RCOR4 0.01 (25.1) 0 (6.33) 0 (29.9) RCOR5 0.01 (28.6) 0 (1.46) 0 (14) Entre parenthèse le test Fisher–Snedecor d’égalité de variance. Sur tous les axes, l’hypothèse d’égalité de variance inter-modalités et la variance totale est rejeté avec un risque d’erreur de 5% à l’exception sur l’axe 5 pour la classe d’âge des assurés. Dans le tableau 3.11, nous voyons bien que la classification par les épargnes acquises, l’ancienneté des contrats ou l’âge des assurés ne permettent pas de constituer des groupes homogènes. Au final, nous pouvons remarquer la présence de quelques groupes d’individus : Epargnants avec une épargne acquise inférieure à 10000€ Epargnants âgés moins de 45 ans et ceux supérieurs à 55 ans. 3.4.6. Interprétation des facteurs Notre interprétation est basée sur l’analyse des corrélations entre les variables et les axes en utilisant le tableau 3.7. 1) Sur le premier axe Deux effets opposés sont remarqués sur cet axe : a) Effet positif Une relation positive est remarquée entre les rendements des contrats et la performance du CAC40 avec le premier axe. Aussi une relation négative est 71 | P a g e 3. Les déterminants des mouvements d’arbitrage et classification des épargnants remarquée entre ce dernier et la variation de la part du support euros. Cet effet positif peut traduire deux types de comportements : - Comportement «fructification de l’épargne» : dans des périodes de conjoncture financière haussière et de croissance des rendements, les épargnants choisissent de bénéficier de la tendance du moment et décident d’arbitrer vers les unités de compte en désinvestissant le support euros. - Comportement « Fonds euros valeur de refuge » : en cas de baisse des rendements et d’une situation financière du marché morose, les épargnants choisissent d’arbitrer au profit du support euros et au détriment des unités de compte. b) Effet négatif Une relation négative est remarquée entre les rendements d’emprunts d’Etat de 10 ans et le premier axe. L’effet négatif avec le premier axe montre : - Un comportement en fonction du rendement du fonds euros : le fonds euros est majoritairement investi dans des obligations d'Etats réputés pour leur signature fiable. Lorsque les rendements d’emprunts d’Etat augmentent, la part du support euros augmente (relation inverse entre Axe 1 et la variation de la part du support euros). Il y a donc une entrée dans le fonds euros. Dans le cas contraire, la baisse des rendements des obligations d’Etat à long terme entraine la sortie du fonds en raison de l’insuffisance de rendement. 2) Sur le deuxième axe Nous voyons également l’impact de la période et le taux servi par le fonds euros sur la sortie et l’entrée dans le fonds. Toutefois, cet effet est faible (corrélation de -0.12 entre l’axe 2 et la variation de la part du support euros dans le contrat). Le facteur période joue aussi un rôle important. Dans les dernières années, il y a plus d’entrée sur le fonds euros à cause des crises financières. 3) Sur le troisième axe 72 | P a g e Le troisième axe résume le profil de risque des épargnants. Les risquophobes détiennent initialement des parts importantes du support euros par conséquent, ils font moins d’arbitrages en entrée dans le fonds euros. Par contre, les épargnants risquophile choisissent initialement moins de supports euros et font plus d’entrée dans le fonds euros à l’occasion des arbitrages. 4) Sur le quatrième axe Cet axe résume l’anticipation des rendements futurs des contrats. Cette anticipation peut jouer un rôle sur la variation de la part détenue du support euros. En cas d’anticipation d’un meilleur rendement dans le futur, les épargnants peuvent choisir de délaisser le support euros en optant pour les unités de compte. Cet axe montre également un comportement de sécurisation de l’épargne. Ce comportement traduit l’entrée dans le fonds euros lorsque les rendements augmentent. Toutefois, cet effet est faible (une corrélation de 0.12 entre l’axe 4 et la variation de la part du fonds euros). Ce comportement est observé en réalité dans le choix des garanties dites stop-Loss. En effet, dans le cadre des options Stop-Loss, les épargnants définissent un seuil de rendement au dessus duquel ils arbitrent automatiquement vers le fonds euros pour matérialiser les gains et à les sécuriser. 73 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire 4. Analyse des comportements : Modélisation linéaire et non linéaire D ans ce chapitre, nous analyserons le comportement d’arbitrage sur le fonds en euros pour l’ensemble des épargnants de notre échantillon et pour ceux dont l’épargne acquise est inférieure ou égale à 10 000€. Cette dernière catégorie d’épargnants s’est distinguée des autres grâce à l’analyse en composante principale menée au chapitre 3. La variable dépendante ou à expliquer est «la variation de la part du fonds euros dans le contrat ». Pour expliquer cette dernière, nous nous appuierons sur l’analyse du chapitre 2. Nous supposerons que les épargnants comparent la rémunération servie par le fonds euros avec les rendements des unités de compte. Les rendements des unités de compte en actions et en obligations seront représentés respectivement par la performance du CAC40 et le rendement de TEC10 ans. L’analyse des corrélations entre « la variation de la part du fonds euros dans le contrat » notée VPEURO et les variables explicatives montre : Une relation négative et significative entre le différentiel de rendement du contrattaux servi et VPEURO . Cette corrélation varie entre -0.34 et -0.32. Une relation négative et significative entre le différentiel de rendement du CAC 40taux servi et VPEURO . Cette corrélation varie entre -0.30 et -0.28. Une relation positive et significative entre le différentiel de rendement du TEC 10 ans - taux servi et VPEURO . Cette corrélation varie entre 0.24 et 0.27. Nous choisirons deux méthodes de modélisation: linéaire et non linéaire. Des techniques économétriques seront utilisées pour choisir le modèle et sélectionner les variables. Pour surmonter le problème de colinéarité, nous utiliserons la régression PLS. Enfin, nous ferons une comparaison entre les prévisions des modèles et les observations réelles. 4.1 Modélisation linéaire Dans le domaine des assurances, certaines études se sont intéressées à étudier le comportement des rachats conjoncturels et dans lesquels le nombre ou le volume des rachats sont supposés fonction d'un différentiel entre le taux servi par le fonds euros et le taux de rendement espéré. Ce dernier étant généralement mesuré par le taux de rendement du marché (Kim C. (2005)). Par analogie et en s’appuyant sur l’analyse de comportement rationnel présentée au chapitre 2, nous supposerons également que les variations de la part du support euros dans les contrats sont expliquées par l’écart entre le rendement et le taux servi par le fonds euros. Nous entendrons par rendement celui propre au contrat mais aussi les rendements et les performances sur les marchés d’actions représentés par la performance du CAC40 ainsi que les rendements sur le 74 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire marché obligataire représentés par le TEC10 ans. Nous supposerons une relation linéaire entre la variation de la part du support euros dans le contrat (VPEURO) et les variables explicatives. • Variable dépendante ou à expliquer VPEURO : variation de la part du support en euros dans le contrat. Les rendements sont comparés au taux de rendement servi par le fonds euros l’année précédent l’arbitrage et la définition des variables est celle donnée au chapitre 3. Notons que le sigle F€ désigne fonds en euros ou support en euros. • Variables explicatives ETEC101M : écart entre TEC101M et le taux du rendement annuel du F€. ETEC102M : écart entre TEC102M et le taux du rendement annuel du F€. ETEC103M : écart entre TEC103M et le taux du rendement annuel du F€. EVCAC401M : écart entre VCAC401M et le taux du rendement mensuel du F€. EVCAC402M : écart entre EVCAC402 et le taux du rendement bimensuel du F€. EVCAC403M : écart entre VCAC403M et le taux du rendement trimestriel du F€. ERDMC30J : écart entre RDMC30J et le taux du rendement mensuel du F€. ERDMC60J : écart entre RDMC60J et le taux du rendement pour deux mois du F€. ERDMC90J : écart entre RDMC90J et le taux du rendement trimestriel du F€. ERDMCAP30J : écart entre RDMCAP30J et le taux du rendement mensuel du F€. ERDMCGLOBL : écart RDMCGLOBAL et le taux du rendement annuel du F€. PEUROINIT : part initiale du support euros dans le contrat avant l’arbitrage. Analyse des corrélations Le tableau 4.1 ci-dessous présente la corrélation entre la variation de la part du support en euros dans le contrat et les variables explicatives pour l’échantillon global. Tableau 4.1 « Corrélation entre la variation de la part du fonds euros et les variables explicatives - échantillon global » VPEURO Coefficients de corrélation de Pearson, N = 20163 Prob > |r| under H0: Rho=0 ETEC101M ETEC102M ETEC103M EVCAC401M EVCAC402M EVCAC403M 0.25499 * (<.0001) -0.29988 (<.0001) 0.24402 (<.0001) 0.26941 (<.0001) -0.29577 (<.0001) -0.28200 (<.0001) ERDMC30J ERDMC60J ERDMC90JERDMCAP30J ERDMCGLOBL PEUROINIT -0.33936 (<.0001) -0.56694 (<.0001) -0.31945 (<.0001) -0.32990 (<.0001) -0.02848 (<.0001) -0.07514 (<.0001) (*) Entre parenthèse est la p-value ( très forte présomption contre l’hypothèse nulle, p<0.0001) 75 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire Le tableau 4.2 ci-dessous présente la corrélation entre la variation de la part du support en euros dans le contrat et les variables explicatives pour le sous échantillon des épargnants qui ont une épargne acquise inférieure à 10000€. Tableau 4.2 « Corrélation entre la variation de la part du fonds euros et les variables explicatives – sous échantillon : épargne acquise inférieure à 10000€ » VPEURO Coefficients de corrélation de Pearson, N = 866 Prob > |r| under H0: Rho=0 ETEC101M ETEC102M ETEC103M EVCAC401M EVCAC402M EVCAC403M 0.24614 (<.0001)* -0.36731 (<.0001) -0.38603 (<.0001) ERDMC30J ERDMC60J ERDMC90JERDMCAP30J ERDMCGLOBL PEUROINIT -0.42117 <.0001 -0.13484 (<.0001) -0.73424 (<.0001) 0.21585 (<.0001) -0.44194 (<.0001) 0.28487 (<.0001) -0.41725 (<.0001) -0.37502 (<.0001) -0.02551 (0.4535) (*) Entre parenthèse est la p-value (très forte présomption contre l’hypothèse nulle p<0.0001), lorsque la p-value est supérieure à 5%, la corrélation n’est pas significative Nous remarquons la présence d’une corrélation significative entre (VPEURO) et l’ensemble des variables. Pour l’échantillon global, des corrélations de signes négatifs attendus entre les différentiels de rendement du contrat et la variation de la part du fonds euros et qui varient entre -0.34 et -0.32. La même chose peut être dite sur les écarts des performances du CAC 40 qui sont de signes significatifs attendus et varient entre -0.30 et -0.28. Le lien entre le rendement futur et VPEURO est faible (-0.03) mais il reste significatif pour l’échantillon global mais pas pour le sous-échantillon. Pour les différentiels de rendements des contrats, la corrélation est plus forte dans le sous échantillon, (contrats avec épargne acquise inférieure à 10000 €) que dans l’échantillon global. 4.1.1 Choix des variables et du modèle : Nous supposons une relation linéaire entre la variation de la part du fonds euros dans le contrat (VPEURO) et les variables explicatives sous de la forme : VPEURO = a + ∑ b i .∆ i + k.c + ∑ x j + u i =1 j=1 avec : ∆ i : écarts des performances par rapport au taux servi par le fonds euros. x j : autres variables explicatives c : est une variable dummy ou variable muette égale à 0 en cas de périodes de crise financière et à 1 sinon. u : terme d’erreur d’une espérance mathématique nulle. 76 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire Nous sélectionnons les 14 variables explicatives de la méthode ACP pour étudier leurs influences sur la variabilité du rapport euros/UC dans les contrats. Le tableau 4.3 présente les estimations du modèle de l’échantillon global. Tableau 4.3 « estimation des paramètres de l’échantillon global » Estimation des paramètres Variable Estimation des paramètres Erreur Standard Valeur du T Student Pr > |t| 0.33110 0.00476 69.50 <.0001 ETEC101M -0.87894 1.15705 -0.76 0.4475 ETEC102M 0.60490 1.65171 0.37 0.7142 ETEC103M -1.89762 1.24912 -1.52 0.1287 EVCAC401M -0.35535 0.06805 -5.22 <.0001 EVCAC402M 0.25228 0.07006 3.60 0.0003 EVCAC403M -0.50157 0.05033 -9.97 <.0001 ERDMC30J -0.78478 0.11727 -6.69 <.0001 ERDMC60J -0.27435 0.12160 -2.26 0.0241 ERDMC90J -0.05951 0.08682 -0.69 0.4930 ERDMCAP30J -0.61141 0.18693 -3.27 0.0011 ERDMCGLOBL -0.08672 0.03424 -2.53 0.0113 0.33110 0.00593 -92.84 <.0001 -0.87894 0.00612 -13.18 <.0001 Constante PEUROINIT Indice crise financière RMSE R 0.26997 2 0.4050 2 0.4046 R ajusté L’estimation du modèle globale (tableau 4.3) ci-dessus montre que : • les variables explicatives du modèle expliquent 40.50% de la variation de VPEURO. • les coefficients estimés des écarts de rendements du contrat, différence entre les taux de rendements des contrats et le taux servi par le fonds euros, sont de signes négatifs attendus. Cependant, seul les coefficients des variables « ERDMC30J », « ERDMC60J » sont significatifs, avec un risque d’erreurs inférieur à 5%. • les coefficients estimés des variables de la performance de CAC40 sont tous significatifs et seul le coefficient de la variable EVCAC402M n’a pas le signe attendu. • toutes les estimations des coefficients des variables de rendements (TEC 10 ans) sont non significatives et avec des signes inattendus. 77 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire • l’estimation de la constante est significative et assez élevée. Cela montre qu’il y a des facteurs non pris en compte et qui jouent un rôle important sur la variation de la part du fonds euros dans les contrats. • le coefficient estimé de l’indice de la conjoncture financière est significatif et de signe attendu. Cela signifie qu’une situation financière de croissance encourage les épargnants à investir sur les produits risqués en raison des perspectives de gain et désinvestir le support en euros. Nous avons pu voir que certaines estimations des paramètres sont non significatives et/ou avec des signes inattendus. Il est donc nécessaire de choisir le modèle et les variables appropriées. Souvent sur des données semblables aux nôtres, l’incohérence des estimations des coefficients est due aux problèmes de corrélations entre les variables explicatives. Dans la section suivante, nous utiliserons diverses techniques de choix de variables et du modèle. L’objectif est de sélectionner un nombre réduit de variables et le modèle plus le stable et le plus pertinent. En économétrie, plusieurs techniques sont souvent utilisées pour faire ce choix. Il y a des méthodes dites heuristiques ou des méthodes pas à pas, et des méthodes basées sur des critères tels que BIC ou AIC. 4.1.2. Sélection des variables 4.1.1.1 Sélection descendante (Backward) Dans cette technique, lors de la régression, nous prenons en compte au début l’ensemble des variables et nous fixons le seuil d’élimination à un niveau donné, dans notre cas, la p-value est égale à 1%. La première variable non significative dont la pvalue est la plus grande et supérieure à 1% est exclue définitivement. Et nous répétons l’opération pour le reste des variables. A chaque étape, nous éliminons les variables non significatives jusqu’au moment où il ne reste aucune variable non significative. Dans notre cas, il aura fallu quatre étapes pour exclure 3 variables et en garder dix. 4.1.1.2 Sélection ascendante (Forward) Cette méthode est à l’inverse de la sélection descendante. Au début, elle examine le modèle avec une seule variable, puis à chaque étape, nous intégrons une autre variable et nous observons sa significativité. L’opération s’arrête lorsque la variable ajoutée n’est plus significative. Dans notre cas, nous fixons le seuil de significativité à 1%. Cette méthode, en neuf étapes, a permis l’intégration de neuf variables et l’élimination de quatre. 78 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire 4.1.1.3. Ascendante avec élimination possible (Stepwise) Cette méthode est une extension de la méthode Forward. Comme pour cette dernière, les variables explicatives sont ajoutées une à une et la p-value d’une variable à inclure doit être plus faible que le seuil prédéfini, (fixée dans notre cas à 1%). Cependant, même si une variable a été incluse, elle peut être éliminée du modèle si sa p-value est redevenue supérieure au seuil de sortie qu’on fixe également à 1%. Dans notre cas, cette technique a nécessité dix étapes pour inclure neuf variables et en exclure quatre. Une variable a été exclue après avoir été acceptée. D’autres méthodes peuvent être utilisées pour sélectionner les variables c’est le cas des recherches exhaustives. Dans des cas où le nombre de variables à traiter est plus faible, une recherche exhaustive peut être envisagée : tous les modèles possibles sont considérés. Il y aura donc Ckr = k! modèles différents faisant intervenir r r!(k − r )! ∑C k variables explicatives. Cela fait en tout r k = 2 k modèle possible à prendre en r =0 compte. Dans notre étude, nous avons 14 variables explicatives, ce qui ramène à traiter 16384 combinaisons. Ce qui est considérable. 4.1.1.4 Méthodes basées sur des critères Le modèle pertinent peut être choisi en minimisant certains critères. C’est le cas du critère d’information Akaike, noté AIC = 2 Log ( L) + 2k avec L le maximum de vraisemblance du modèle et k le nombre de variables explicatives linéairement indépendantes. Il y aussi le critère d’information bayésien qui peut s’écrire BIC = 2 Log ( L ) + k log( n) . Le meilleur modèle à choisir est celui qui possède un AIC et un BIC les plus faibles. Les tableaux 4.4 et 4.5 ci-dessous restituent les variables choisies par chaque méthode de sélection, les estimations des paramètres et le pouvoir explicatif des variables explicatives retenues par chaque modèle, cela pour l’ensemble des données et pour sous-échantillon des épargnants ayant une épargne acquise inférieure à 10000€. A noter que les variables non retenues par le modèle sont mentionnées comme exclues. Pour l’échantillon global, dans le tableau 4.4 , nous remarquons : • toutes les techniques estiment une constante significative égale 0.33. • la variable ETEC101M est exclue dans les quatre modèles. 79 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire • les variables EVCAC401M et EVCAC403M sont tous significatives et de signes attendus dans les quatre modèles. • l’estimation du coefficient de la conjoncture financière est significative et de signe attendue dans les quatre modèles. • les quatre modèles expliquent environ 40.5% de la variabilité de la variable dépendante. Tableau 4.4 « Choix de variables et estimations des paramètres-échantillon global » Variable Estimation des paramètres ( entre parenthèse le p-value)- échantillon global Sélection Sélection Sélection Sélection par critère Backward Forward Stepwise AIC et BIC Estimation Estimation Estimation Estimation Constante 0.33 (<.0001) * 0.33 (<.0001) 0.33 (<.0001) 0.33 (<.0001) ETEC101M ETEC102M ETEC103M EVCAC401M Exclue Exclue -1.99(<.0001) -0.34 (<.0001) Exclue -1.91(0.0019) Exclue -0.20(<.0001) Exclue -2.20 (0.0009) Exclue -0.20 (<.0001) Exclue Exclue -1.99(<.0001) -0.34 (<.0001) EVCAC402M EVCAC403M 0.26 (<.0001) -0.52 (<.0001) Exclue -0.37 (<.0001) Exclue -0.37 (<.0001) 0.27 (<.0001) -0.52 (<.0001) ERDMC30J -0.78 (<.0001) -0.91 (<.0001) -0.91 (<.0001) -0.79 (<.0001) ERDMC60J ERDMC90J -0.33 (0.0001) Exclue Exclue -0.20 (0.0045) Exclue -0.23 (0.0002) -0.33 (0.0001) Exclue ERDMCAP30J ERDMCGLOBL -0.61(0.001) -0.09 (0.0069) -0.61(0.0011) -0.09 (0.0102) -0.63(0.0006) Exclue -0.61(0.0010) -0.09 (0.0069) PEUROINIT Indice crise financière 2 R -0.55 (<.0001) -0.55 (<.0001) -0.55 (<.0001) -0.55 (<.0001) -0.08 (<.0001) -0.08 (<.0001) -0.08 (<.0001) -0.08 (<.0001) 0.4050 0.4046 0.4044 0.4050 Pour le sous-échantillon des épargnants avec une épargne acquise inférieure à 10K€, tableau 4.5 ci-dessous, nous remarquons : • Un coefficient de détermination (R2) assez élevé d’environ 63%. • que le coefficient estimé de la variable ERDMC60J est significatif et que cette variable est la seule présente dans les quatre modèles, les autres variables de rendements des contrats étant exclues. • que la variable EVCAC401M est présente dans les quatre modèles mais que l’estimation de son coefficient n’a pas le signe attendu dans la méthode Blackward. • que les variables sont plus présentes dans le modèle BIC et AIC par rapport aux méthodes. • que l’estimation du paramètre de la variable ETEC102M est assez élevée dans trois modèles à l’exception du modèle Backward. 80 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire Tableau 4.5 « Choix de variables et estimations des paramètres- échantillon EA<10k€ » Estimation des paramètres ( entre parenthèse le p-value)- échantillon épargne acquise inférieure à 10000€ Sélection Sélection Sélection Sélection par critère Backward Forward Stepwise AIC et BIC Estimation Estimation Estimation Estimation Variable * 0.52 (<.0001) 0.52 (<.0001) 0.51 (<.0001) ETEC101M ETEC102M -18.36 (<.0001) Exclue Exclue -17.80 <.0001) Exclue -17.20 (<.0001) Exclue -18.27 (<.0001) ETEC103M Exclue Exclue Exclue Exclue EVCAC401M 1.13 (<.0001) -0.20 (<.0001) -0.87 (<.0001) -0.94 (0.0095) EVCAC402M Exclue Exclue Exclue 0.71 (0.0572) EVCAC403M Exclue Exclue Exclue -0.69 (0.0089) ERDMC30J Exclue Exclue Exclue 0.38 (0.4878) ERDMC60J -1.45 (<.0001) -1.55 (<.0001) -1.56 (0.0001) -1.70 (<.0001) ERDMC90J ERDMCAP30J Exclue Exclue Exclue Exclue Exclue Exclue Exclue Exclue ERDMCGLOBL Exclue Exclue Exclue -0.11 (0.5158) -1.06 (<.0001) -1.05 (<.0001) -1.05 (<.0001) -1.05 (<.0001) -0.27 (<.0001) -0.27 (<.0001) -0.26 (<.0001) -0.25 (<.0001) 0.6373 0.6364 0.6364 0.6399 Constante 0.52 (<.0001) PEUROINIT Indice crise financière 2 R (*) entre parenthèse est la p-value (estimation significative dans le cas où la p-value est inférieure à 5%) Nous voyons bien que les estimations des paramètres dans de ces quatre modèles sont différentes. Quel modèle choisir ? Puisque notre objectif final est de faire des prévisions sur l’évolution du ratio du support euros dans les contrats, il est donc nécessaire de choisir le modèle qui permet de faire des prévisions plus proche des observations réelles. 4.1.3 Choix de modèles : minimisation des indicateurs RMSE, MAPE et MAE Notre objectif est de prédire la variation de la part du fonds euros dans les contrats. Par conséquent, le modèle à sélectionner est celui qui fournit la prédiction la plus proche de la réalité. C'est-à-dire le modèle qui a une faible erreur de prédiction. Plusieurs indicateurs peuvent être utilisés. Ils se basent tous sur la minimisation des erreurs que ce soit quadratiques ou en valeurs absolues. a) Racine au carré de l’erreur quadratique moyenne (RMSE) RMSE = ∑ n i =1 ( y i - yˆ i ) 2 n 81 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire avec : yi : valeur observée, ŷi : valeur prédite b) L’erreur absolue moyenne en pourcentage (MAPE) 1 n y i - yˆ i ∑ n i =1 y i MAPE = c) L’erreur absolue moyenne (MAE) L’erreur absolue moyenne (MAE pour Mean Absolute Error) est la moyenne arithmétique des valeurs absolues des écarts. MAE = ∑ n yi - yˆ i i =1 n Le tableau 4.6 ci-dessous présentent les valeurs des RMSE, MAPE et MAE calculées pour les quatre modèles et pour les deux échantillons. Le tableau 4.6 « Indicateurs d’écarts des modèles sélectionnés ». Indicateurs d’écarts Echantillon global Sous – échantillon (EA< 10k€) RMSE MAPE MAE RMSE MAPE Backward 0.2080242 44.415224 0.2080242 0.34453 22.9645673 0.2944542 Forward 0.2080044 45.803337 0.2080044 0.34668 25.8151328 0.2972806 Stepwise 0.27011 45.803337 0.2080044 0.34668 25.8151328 0.2972806 BIC-AIC 0.26997 45.286193 0.2080028 0.34422 23.2700160 0.2941041 Modèles MAE Dans le tableau 4.6 ci-dessus, nous avons calculé les trois indicateurs MAPE, RMSE, MAE pour l’échantillon global et le sous-échantillon. Nous voyons bien que le modèle (BIC, AIC) est celui pour lequel les RMSE; MAPE, MAE sont les plus faibles. Cependant, les écarts sont trop faibles pour privilégier ce modèle. En outre, les coefficients estimés de ce modèle représentent des anomalies qui font penser à des problèmes de colinéarité. Des coefficients de régression estimés élevés en valeur absolue : par exemple sur les données de sous-échantillon, l’estimation du paramètre de la variable ETEC102M égale à-18.27. Egalement, des signes contraires à l’intuition : par exemple pour l’échantillon global, le coefficient estimé de la variable 82 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire ETEC102M est négatif alors qu’on s’attendait à ce qu’il soit positif (-1.99). Nous remarquons également que les coefficients des régressions sont instables. Trouver des meilleures estimations passera donc nécessairement par le traitement du problème de colinéarité. 4.1.3 Colinéarité entre les variables explicatives Y a-t-il une colinéarité entre les variables explicatives choisies ? Nous devons vérifier que l’ensemble des corrélations entre nos variables explicatives est faible. Hamilton J.D. (1994) 22 recommande, avant d’effectuer des analyses de régressions multiples, de procéder au test des corrélations entre variables explicatives. Il conseille, pour effectuer des analyses de régressions, que la corrélation entre les variables indépendantes ne doive pas dépasser 0.80. Selon (Hair et al.,1998)23, la corrélation ne doit pas dépasser 0.50. La matrice de corrélation donnée dans le tableau 4.7 cidessous montre bien la présence d’une corrélation forte et principalement entre les variables de rendements d’emprunts d’Etat. Il faut donc trouver une solution à ce problème de colinéarité. Tableau 4.7 « Corrélations entre les variables explicatives – échantillon global » 22 23 Hamilton J.D.,1994,Time Series Analysis, Princeton University Press. e Hair et al.,1998, Multivariate Data Analysis, 5 ed. New-Jersey: Prentice-Hal Inc. 83 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire En plus de la matrice des corrélations, la statistique VIF (tableau 4.8 ci-dessous) montre aussi une multi-colinéarité entre plusieurs variables explicatives. Cet indice se calcule comme suit : fj = 1 1 − R 2j R 2j : Coefficient de détermination de la variable x j Le facteur d’inflation f j est plus grand lorsque la variable x j est fortement corrélée à une combinaison linéaire des autres variables explicatives. L’inconvénient d’une forte colinéarité rend instable les valeurs numériques des coefficients de régression. Une règle tend à montrer qu’une variable avec un VIF supérieur à 10 ne peut pas être retenue à cause d’une trop grande multi-colinéarité. Nous voyons bien, pour l’échantillon global, que les variables ETEC102M, ETEC103M, VCAC402M ont un VIF proche ou supérieur à 10. Ces variables ne doivent pas être sélectionnées. Deux options peuvent être utilisées : a) estimer le modèle sans les variables avec FIV supérieur à 10. b) utiliser d’autres techniques qui prennent en compte le problème de colinéarité tel que la méthode PLS. Le tableau 4.8 ci-dessous présente le VIF pour chaque variable. Les valeurs de VIF supérieures ou proches de 10 sont en rouge. Tableau 4.8. « Inflation de variance » Calcul de VIF (inflation de variance) Variable Echantillon global EA inférieure 10k€ ETEC101M 8.62496 11.21222 ETEC102M 16.57645 20.22688 ETEC103M 10.19560 12.85247 EVCAC401M 4.90621 5.60173 EVCAC402M 9.96877 10.92693 EVCAC403M 7.63786 8.95262 ERDMC30J 4.98127 5.93874 ERDMC60J 9.47308 10.40869 ERDMC90J 7.98867 8.85505 ERDMCAP30J 1.03929 1.05089 ERDMCGLOBL 1.17321 1.21397 PEUROINIT 1.07653 1.11530 Indice crise Financière 2.39442 2.52344 84 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire 4.1.4 Régression PLS Nous cherchons à réaliser une régression de la variable à expliquer y sur des variables explicatives ( x1 , x 2 ,..., x p ) qui sont fortement corrélées entre elles. On construit par la technique ACP des facteurs principaux. Le premier facteur est : t1 = w11 x1 + w12 x 2 + ... + w1 p x p (a) Où : w1 j = cov( x j , y ) p ∑ cov 2 j =1 ( x j , y) w1 j : poids de la variable x j Au lieu de faire une régression de y sur les variables ( x1 , x 2 ,..., x p ) , on fait plutôt une régression simple de la variable dépendante par rapport au premier facteur t1 . y = c1t1 + y1 (b) D’après (b), on peut réécrire (a) : La relation (a) peut se réécrire : y = c1 w11 x1 + c1 w12 x 2 + ... + c1 w1 p x + y1 (c) avec : c1 : coefficient de régression y1 : vecteur des résidus Lorsque le pouvoir explicatif du modèle (c) est insuffisant, il faut reprendre un deuxième facteur. L’idée est de prendre une deuxième composante t 2 qui doit être la combinaison linéaire des résidus des variables explicatives et qui explique bien le résidu y1 . t 2 = w21 x11 + w21 x12 + ... + w2 p x1 p où x1 j : résidus des régressions des variables x j sur la composante t1 w2 j = cov( x1 j , y1 ) p ∑ cov j =1 2 ( x1 j , y1 ) On effectue la régression de la variable y sur les deux facteurs t1 et t 2 . y = c1t1 + c 2 t 2 + y 2 85 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire Cette dernière relation peut s’écrire : p p j =1 j =1 y = c1 ∑ w1 p x p + c 2 ∑ w2 p x1 p + y 2 Cette procédure itérative peut continuer en intégrant d’autres facteurs. La question est de savoir combien de facteurs nous devons retenir. La méthode, souvent utilisée pour répondre à cette question, est la technique de validation croisée. a) critère 1 : calcul pour chaque composante de la statistique : Q h2 = 1 − Press h RSS h -1 n Press h = ∑ ( y i − yˆ ( h ( −i ) ) 2 : somme résiduelles des carrés prévus j =1 n RSS h -1 = ∑ ( y i − yˆ ( h−1)(i ) ) 2 : somme des carrées résiduelle calculée avec le modèle à j =1 h − 1 composante. yˆ ( h −1(i ) : prédiction à l’aide de modèle à h − 1 composantes en utilisant toutes les observations. yˆ ( h ( − i ) : prédiction à l’aide de modèle à h composantes en utilisant toutes les observations à l’exception de l’observation i . 2 La règle d’arrêt : une nouvelle composante est significative si Qh ≥ 0.0975 . a) Critère 2 : La statistique de Van Der Voet D h = Press h − Press min, h Press min, h : facteur h pour lequel la statistique ( Press ) est minimale. La règle d’arrêt : il faut exclure tous les facteurs qui ont Press significativement supérieur au minimum ( Press min, h ). Cette règle est implémentée dans le logiciel SAS et sera utilisée dans notre étude. 4.1.5 Estimation Pour résoudre le problème de colinéarité, nous allons utiliser la méthode PLS. La technique de régression des moindres carrés partiels permet d’éviter que l’estimation des coefficients soit perturbée par le problème de multi-colinéarité. La méthode PLS regroupe les variables explicatives pour retenir un nombre limité de facteurs en se basant sur la technique de validation croisée. Le tableau 4.9 ci-dessous présente les valeurs de l’indicateur Press de la technique de validation croisée. Le tableau 4.10 présente la variance expliquée par les trois premiers facteurs et la variance expliquée de la variable dépendante. 86 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire Tableau 4.9 « Extraction des facteurs par validation croisée » Extraction du nombre de facteurs par la méthode « Split-sample Validation » Nb facteurs à extraire Racine carré du PRESS T**2 Prob > T**2 moyen 0 1.080116 1548.497 <.0001 1 0.942434 916.7455 <.0001 2 0.831069 46.06081 <.0001 3 0.827569 23.52923 <.0001 4 0.826021 8.996928 0.0040 5 0.825517 4.193504 0.0360 6 0.825338 2.866858 0.0970 7 0.825153 1.427569 0.2400 8 0.826107 1.406379 0.2440 9 0.826042 1.270137 0.2680 10 0.826003 1.066686 0.3170 11 0.826961 0.073385 0.8130 12 0.826955 0 1.0000 13 0.824959 0.168439 0.6940 Min PRESS 0.825 Nombre minimal de facteurs 7 Nb Min facteurs avec p > 0.01 4 Tableau 4.10 « Pourcentage de la variation extraite par les facteurs de PLS » Pourcentage de la variance extraite par les facteurs de PLS Nombre de facteurs extraits Variables explicatives Variable dépendante % de variance Cumul % de variance Cumul 1 47.4356 47.4356 23.8902 23.8902 2 9.5593 56.9949 17.0010 40.8911 3 12.0646 69.0596 0.4989 41.3900 Nous avons 14 variables explicatives, par conséquent, nous aurons donc 14 facteurs. Le nombre minimal des facteurs significatifs à retenir (avec une probabilité critique de 1%) est de 4 facteurs (cf. tableau 4.9). Cela signifie que la prise en compte de plus de facteurs n’est pas significative. Par ailleurs, nous voyons bien qu’il y a peu de différence entre prendre trois ou quatre facteurs. En effet, la racine moyenne de Press est quasiment égale (0.831069 et 0.827569). Par conséquent, nous choisissons 87 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire donc 3 facteurs. Les facteurs sont classés par ordre décroissant de la racine carrée du PRESS moyen. Nous voyons que cet indice est décroissant pour atteindre le minimum au niveau du facteur 7, il accroît par la suite. Le tableau 4.10 permet de vérifier comment chaque facteur rend compte de la variabilité des variables explicatives et de la variable dépendante au sein de modèle. Les trois facteurs extraits représentent presque 69% de la variabilité des variables explicatives et 41.61 % de la variabilité de la variable dépendante. Les estimations des paramètres par PLS sont données dans le tableau 4.11 ci-dessous. Tableau 4.11 « estimations des paramètres par PLS24 » Estimation des paramètres VPEURO VPEURO Constante 0.0000000000 0.335858037 ETEC101M 0.0163367004 1.160689578 ETEC102M 0.0087796822 0.640620849 ETEC103M 0.0219910269 1.540549949 EVCAC401M -.0461280023 -0.264734890 EVCAC402M -.0168132016 -0.069723087 EVCAC403M -.0593208806 -0.200456773 ERDMC30J -.0709999017 -0.674129993 ERDMC60J -.0295236674 -0.210964360 ERDMC90J -.0474821497 -0.262779516 ERDMCAP30J -.0196910317 -0.633593607 ERDMCGLOBAL 0.0106246078 0.059597112 PEUROINIT -.5198150601 -0.551377576 Indice crise financière -.0530765875 -0.038220000 La première colonne présente les estimations du modèle sans constante et la seconde avec constante. Les estimations sont calculées avec les données de l’échantillon global. Nous remarquons que : Les estimations des paramètres sont de signes attendus. Les écarts de rendements des contrats ont un effet négatif sur la variation de la proportion du fonds euros dans un contrat. Lorsque les rendements de contrats sont élevés par rapport au taux servi 24 Nous avons estimé le modèle avec 17751 observations et le reste des observations (2412) est utilisé pour faire des prévisions. 88 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire par le fonds euros, il y a une sortie du fonds euros. Dans le cas contraire, il y aura une entrée dans le fonds euros. Une réaction assez rapide aux fluctuations des rendements. L’écart de rendement d’un mois joue un rôle plus important comparé à celui de deux et de trois mois. L’indice de crise financière est de signe attendu : durant les périodes de croissance, les épargnants arbitrent vers les unités de compte et pendant les périodes de récession ils vont vers le fonds en euros. Lorsque les performances des obligations à long terme augmentent (TEC 10 ans), les assurés ont tendance à arbitrer vers le fonds euros. Cela signifie que lorsque les obligations d’Etat accroissent, les taux servi par les fonds euros accroissent aussi. 4.1.6 Prévisions Nous allons comparer la variation de la part du support euros et l’encours sur le fonds euros observées suite aux arbitrages et celles prédites par le modèle. Le tableau 4.12 présente les caractéristiques de l’échantillon de prévision. Tableau 4.12 « Caractéristiques de l’échantillon de prévision » Variables Nombre Moyenne Écart-type Minimum Maximum Epargne acquise 2412 188 455 € 366 599 € 806 € 4 993 558 € Montant de l'arbitrage 2412 3 098 € 58 670 € - 725 000 € 1 155 513 € PEUROINIT 2412 60.44% 30.73% 0 100% VPEURO 2412 4.89% 31% -100% 100% ETEC101M 2412 -0.01% 0.33% -1.10% 0.29% ETEC102M 2412 -0.27% 0.30% -1.02% 0.29% ETEC103M 2412 -0.29% 0.30% -0.91% 0.29% EVCAC401M 2412 -1.20% 6.25% -22.12% 11.13% EVCAC402M 2412 -2.47% 8.72% -25.69% 16.14% EVCAC403M 2412 -3.01% 10.06% -27.77% 21.00% ERDMC30J 2412 -0.77% 2.60% -19.72% 10.87% ERDMC60J 2412 -1.06% 3.52% -23.65% 17.30% ERDMC90J 2412 -1.35% 4.26% -25.58% 14.41% ERDMCAP30J 2412 -0.29% 0.00% -0.31% -0.27% ERDMCGLOBAL 2412 -1.23% 2.92% -21.06% 13.46% 89 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire Nous prenons les données d’arbitrage de l’année 2011 et une partie de 2012 observés dans notre échantillon pour faire cette analyse. L’échantillon de prévision est composé de 2412 arbitrages qui sont soit des arbitrages en sortie soit des arbitrages en entrée de fonds euros. L’épargne acquise moyenne est 188 445 € et le montant moyen d’arbitrage est de l’ordre de 3 098 €. Le montant d’arbitrage maximal en entrée est 1 155 513 € et le montant maximal en sortie est de 725 000€. En moyenne, il y a plus d’entrée dans le fonds que de sortie (+4.89%) et les écarts des indicateurs de rendements des contrats et de performances du marché financiers par rapport aux taux servi par le fonds euros sont tous négatifs: ils varient entre -2.47% et -0.01%. Le tableau 4.13 donne une comparaison entre la prédiction et l’observation de la variation de la part du support euros dans les contrats. Tableau 4.13 « Prévision de la variation de la part du support euros » Variation de la part du support euros Nombre Moyenne Écart-type Minimum Maximum Observée 2412 04.89% 31.36% -100% 100% Prévision du modèle 2412 1.61% 19.10% -27.97% 68.96% dans les contrats Dans le tableau 4.13, le modèle prévoit en moyenne une variation de la part du fonds euros de l’ordre de 1.61%, alors que la moyenne observée est égale à 4.86%. Il y a plus de dispersion dans l’échantillon par rapport aux prédictions respectivement 31.36% d’écart-type contre 19.10%. Dans le tableau 4.14, en se basant sur les estimations données par la régression PLS, nous évaluons l’épargne acquise sur le fonds euros juste après les arbitrages. Nous trouvons que pour 2412 arbitrages, il y avait 303,88 millions € sur le fonds euros alors que le modèle prévoyait 293.13 millions €. Tableau 4.14 « Prédiction d’épargne acquise sur le fonds euros après les mouvements d’arbitrages » Epargne acquise sur le fonds euros Montant Nombre arbitrages Observée 303 879 615 € 2412 Prévue par le modèle 293 127 609 € 2412 Ecart Ecart en % 10 752 006 € -3.54% Donc, le modèle prédit l’épargne acquise sur le fonds euros juste après l’arbitrage avec un écart de 3.54%. Si nous prenons en compte les épargnants dont l’épargne 90 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire acquise est inférieure à 10k€, nous avons 57 observations et l’écart entre le montant d’épargne acquise sur le fonds euros observé et celui prévu est de l’ordre 4.2% Nous allons par la suite, comparer ce résultat avec les prédictions des modèles non linéaires parabolique et exponentiel en utilisant l’échantillon global. 4.2. Modélisation non linéaire Après avoir étudié dans la section précédente, une relation linéaire entre la variable d’intérêt et les variables explicatives, nous proposons ici une relation non linéaire. Il est tout à fait envisageable que la variation du la part de fonds euros dans les contrats ne soit pas toujours linéaire par rapport aux variables explicatives. Nous pouvons penser à une modélisation non linéaire similaire au phénomène des rachats. En effet, pour les rachats, des modélisations paraboliques, arctangentes ou exponentielles sont souvent utilisées. Notre choix portera sur le modèle parabolique et exponentiel. Par définition, un modèle de prédiction non linéaire de paramètre θ = (θ1 ,..., θ m ) ∈ R m fait une prédiction sous forme y = f θ ( x ) où f θ : R p → R est une fonction non linéaire et p est le nombre de variables explicatives. Un modèle de régression non linéaire au sens des moindres carrés ordinaires (OLS non linear regression model) est un modèle de prédiction non linéaire pour lequel les paramètres sont estimés au sens des moindres carrés ordinaires: θ̂ = ArgMin θ ∑ (y k - f θ (x k ) ) 2 N k =1 Dans la même logique que la section précédente, nous estimons les paramètres des modèles et nous ferons une comparaison entre les valeurs observées et les prédictions. 4.2.1 Modèle Parabolique Pour rappel, un modèle de rachats parabolique est de la forme : Qrachat = a + b.Signe ( ∆ ).∆2 avec : Qrachat : taux de rachat d’une période donnée (mensuel, trimestriel ou annuel) ∆ : écart entre le rendement du marché et le taux servi par le support euros minoré des frais (taxes, impôts et pénalités) + 1 Signe(∆) = - 1 si si ∆>0 ∆ <= 0 a , b : paramètres à estimer 91 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire Le paramètre b estime l’effet ou l’ampleur de la conjoncture financière sur le taux de rachat et le paramètre a le niveau de rachat structurel et/ou inexpliqué par des facteurs de rendements. Le modèle parabolique pour l’arbitrage peut s’écrire : Q arb = a + ∑ b i signe(∆ i ).∆ + ∑ a j x j N 2 i i =1 j=1 Qarb : variation de la part du fonds euros dans le contrat après le mouvement d’arbitrage ou la sa variation. xj : autres variables explicatives 4.2.1.1 Estimation du modèle Les estimations sont réalisées par le biais de la technique des moindres carrés non linéaire. Afin d’éviter la colinéarité, nous choisissons les variables les plus corrélées avec la variable d’intérêt, en l’occurrence « la variation de la part du fonds euros dans le contrat ». Le tableau 4.15 présente les estimations de paramètres du modèle. Tableau 4.15 « Estimations des paramètres de modèle parabolique » Estimation paramètres par méthode OLS non linéaires Paramètres Estimation Approx. de l’erreur standard Valeur du test t Approximation de Pr > |t| Constante 0.350574 0.00454 77.28 <.0001 ERDMC30J -8.95706 0.4814 -18.61 <.0001 ETEC103J -200.93 57.3252 -3.51 0.0005 EVCAC403J -2.69495 0.1399 -19.26 <.0001 ERDMCAP30 -4.78695 0.8476 -5.65 <.0001 ERDMCGLOBL 0.015328 0.1623 0.09 0.9248 Indice crise financière -0.10012 0.00601 -16.66 <.0001 PEUROINI -0.55957 0.00639 -87.58 <.0001 Récapitulatif des erreurs résiduelles de la méthode des moindre carrées non linéaire Équation VPEURO Modèle Erreur DF DF 8 17743 SSE MSE Racine R 2 2 R ajusté MSE 1333.0 0.0751 0.2741 0.4025 0.4022 Les estimations sont toutes significatives à l’exception du coefficient de la variable ERDMCGLOBL. Les variables explicatives ont un pouvoir explicatif similaire aux autres modèles avec R2 =0.4025. 92 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire 4.2.1.2 Prévision De la même manière que dans la section précédente, nous comparons la variation de la part du fonds euros moyenne prédite par le modèle avec celle observée. En utilisant le même échantillon de test que le précédent, nous obtenons une variation moyenne de la part du fonds euros de l’ordre de 3.84%. Aussi le modèle prévoit une dispersion plus faible que les observations : écart-type de 18.89 comparé à 31.36%. En moyenne, la prédiction du modèle parabolique est meilleure que le modèle PLS. Tableau 4.16 « Prévision de la variation de la proportion de fonds euros par le modèle parabolique » Variation de la part du fonds euros dans les contrats Nombre Moyenne Écart-type Minimum Maximum Observée 2412 04.89% 31.36% -100% 100% Prévision du modèle 2412 3.84% 18.89% -28.34% 83.71% Nous pouvons également déterminer l’épargne acquise prédite sur le fonds euros avec celle observée suite à l’arbitrage. Dans le tableau 4.17, nous voyons bien que l’écart entre les ’observations et les prédictions est de l’ordre de -0.86% Tableau 4.17 « Epargne acquise sur le fonds euros prévue par le modèle parabolique» Epargne acquise sur le fonds euros Observée Prévue par le modèle Ecart Montant Nombre arbitrage 303 879 615 € 2412 301 979 823 € 2412 1 899 791 € Ecart en % -0,86% 4.2.2 Modèle exponentiel Pour les rachats, dans un modèle exponentiel, nous supposons que le taux des rachats s’accélère avec l’écart entre le taux servi et le taux du marché. Nous pouvons écrire : Qrachat = a + b.Exp( m. avec CR ) MR : a, b, m : paramètres à estimer 93 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire CR : taux servi par le fonds en euros MR : taux de rendement sur le marché Pour les arbitrages, nous supposons un modèle de la forme : Qarb = a + b.Exp(∑ mi i =1 CR ) + ∑β j x j RD i RDi : rendements des contrats et performances CAC40 et TEC10 ans x j : autres variables explicatives 4.2.2.1 Estimation du modèle Nous choisissons les mêmes variables explicatives que pour la section précédente à l’exception de la part initiale du fonds euros et le rendement global annualisé pour des problèmes de convergence des estimations par la méthode itérative GAUSS. L'algorithme de Gauss–Newton sera utilisé pour ajuster le modèle en minimisant la somme des carrés entre les observations et les prévisions du modèle. Le tableau 4.18 ci-dessous résume les principaux éléments de l’estimation par OLS non linéaire. Tableau 4.18 « Résumé de minimisation par la méthode GAUSS» Résumé de Minimisation Nombre de paramètres estimés 7 Méthode Gauss Nombre d’itérations 26 Critères finaux de convergence R 0.000764 PPC(a1) 0.184545 RPC(a1) 0.270205 Object 0.000011 Trace(S) 0.104754 Objective Value 0.104713 Nombre d'observations utilisé 17751 négligé 2412 Statistiques pour Système Objective Objective*N 0.1047 1859 94 | P a g e 4. Analyse des comportements : Modélisation linéaire et non linéaire L’estimation des paramètres a nécessité 26 itérations en utilisant la méthode GAUSS. Nous signalons que les estimations initiales des paramètres sont celles proposées par défaut dans le logiciel SAS. Le tableau 4.19 ci-dessous présente les estimations des paramètres. Les estimations des coefficients sont toutes significatives. Toutefois, le pouvoir explicatif des variables indépendantes est faible (R2 =17%). Tableau 4.19 « estimation des paramètres du modèle exponentiel » Estimation paramètres par méthode OLS non linéaires Paramètres Estimation Approximation de l’erreur standard Valeur du test t Approximation de Pr > |t| Constante -0.36599 0.0519 -7.05 <.0001 b 0.424494 0.0575 7.38 <.0001 RDMC30J -0.18418 0.0149 -12.37 <.0001 TEC103J -0.04111 0.00605 -6.79 <.0001 VCAC403J -0.04111 0.00605 -6.79 <.0001 RDMCAP30 -0.09195 0.0180 -5.12 <.0001 Indice crise financière -0.07856 0.00704 -11.16 <.0001 Récapitulatif des erreurs résiduelles de la méthode des moindres carrées non linéaire Équation Modèle DF VPEURO Erreur DF 7 SSE 17744 MSE 1858.8 Racine MSE 0.1048 0.3237 R 2 2 R ajusté 0.17 0.17 4.2.2.2 Prévision Comme auparavant, en utilisant 2114 mouvements d’arbitrage, nous comparons la variation moyenne de la part du fonds euros prévue par le modèle et avec celle observé. Tableau 4.20 « Prévision de la variation de la proportion de fonds euros par le modèle exponentiel » Variation de la part du fonds Nombre Moyenne Écart-type Minimum Maximum Observée 2412 04.89% 31.36% -100% 100% Prévision du modèle 2412 9.04% 12.38% -14.61% 100.00% euros dans les contrats Ce modèle prédit une variation moyenne de l’ordre 9.04% qui est quasiment deux fois celle observée. Egalement, le modèle exponentiel prédit un volume d’épargne acquise sur le fonds euros avec un écart de -2.55%. 95 | P a g e Tableau 4.21 « Epargne acquise sur le fonds euros prévue par le modèle exponentiel» Epargne acquise sur le fonds Euros Montant Nombre arbitrage Observée 303 879 615 € 2412 Prévue par le modèle 296 119 903€ 2412 Ecart Ecart en % 7 759 712 € -2,55% 96 | P a g e Conclusion Conclusion L’objectif de ce mémoire était de chercher à savoir quels sont les déterminants des mouvements d’arbitrage en sortie ou en entrée du fonds euros. L’analyse en ACP (analyse en composante principale) a montré que les rendements des contrats et la performance de CAC40 trois mois précédent l’arbitrage expliquent le mieux les comportements d’arbitrage sur le fonds euros. L’analyse statistique descriptive du premier chapitre concernant l’ensemble des produits d’épargne multi-support commercialisés par la Mondiale Partenaire a montré un lien entre la conjoncture financière et les flux ou le nombre d’arbitrages sur le support euros. Dans les périodes de crise, les clients choisissent d’arbitrer vers le fonds euros alors qu’en période de croissance, ils arbitrent vers les unités de compte. L’analyse en ACP a confirmé ce résultat : les rendements des contrats jouent un rôle important dans les décisions d’arbitrage. Les régressions vont dans le même sens et confirment l’impact des rendements sur l’arbitrage sur le fonds euros. Cette étude a confirmé la présence de quatre types de comportements : a) Comportement «fructification de l’épargne» : dans des périodes de conjoncture financière haussière et de croissance des rendements, les épargnants choisissent de bénéficier de la tendance du moment et décident d’arbitrer vers les unités de compte en désinvestissant le support euros. b) Comportement « fonds euros valeur de refuge» : en cas de baisse des rendements et d’une situation financière du marché morose, les épargnants choisissent d’arbitrer au profit du support euros et au détriment des unités de compte. c) Comportement de sécurisation de l’épargne : lorsque les rendements de contrat augmentent, pour sécuriser leur épargne, les épargnants investissent sur le fonds euros. d) Comportement en fonction du rendement servi par le fonds euros : lorsque le rendement servi par le fonds euros baisse, les épargnants en sortent au profit de produits financiers complexes tels que les EMTN, les fonds à formules, les titres vifs obligataires, etc. Les modèles estimés sur l’échantillon global a montré qu’environ 40% de la variation de la part du support en euros dans les contrats est expliquée principalement par des facteurs du rendement des contrats et de la conjoncture financière sur les marchés. L’étude a montré également que les petits épargnants vont plus vers le fonds euros en cas de crise que les épargnants fortunés en raison de manque d’offres alternatives. 97 | P a g e Références Bibliographiques Références Bibliographiques 1. CREPON B. et JACQUEMET N. (2010), « Econométrie : méthodes et applications », Edition De Boeck s.a. 1ière édition. 2. DAZ F. et LE BARZIC J.F. (1996), « L’analyse des données évolutives : méthodes et applications », Editions Technip 3. DELSART V., RYS A. et VANEECLOO N. (2009), « Econométrie : théorie et application sous SAS », Tome 3, édition Presses Universitaires du Septentrion. ISNARD M, SAUTORY O. (1994), « Les macros SAS d'analyse des données Document n° F 9405 », Série des documents de travai l de la Direction des Statistiques Démographiques et Sociales, Site internet INSEE. 4. Kim C.(2005), « Modeling surrender and lapse rate with economic variables », North American Actuarial Journal, 9(4), pp.56-70 5. MILHAUD X., LOISEL S. et MAUME-DESCHAMPS V. (2010), « Surrender triggers in life insurance: classification and risk predictions » Working Paper. 6. MOMBO BARROS C. (2009), « La couverture du risqué d’arbitrage des contrats multi-supports » www.solviseo.fr 7. TENENHAUS M. (1998) « La régression PLS : théorie et pratique », Editions technip. 8. VOLLE M.(1997), « Analyse des données », Economica, 4ième édition 98 | P a g e ANNEXES ANNEXES Annexe 1 : Mode de fonctionnement des contrats d’épargne multi-support 1) Alimentation de contrat L’adhérent détermine le montant de versement initial. Le versement net des frais est investit selon la répartition qu’il a choisi. Au terme d’une période de 30 jours (délai de renonciation),à compter de la date d’effet de l’adhésion, les sommes investies sur le support monétaire d’attente seront transférées vers les supports indiqués par l’adhérent, sans frais d’arbitrage. Le versement initial peut être complété par des versements libres et/ou programmés. 2) Disponibilité de l’épargne a) Avances : l’avance est destinée à financer un besoin momentané de liquidité de l’adhérent et constitue un fait exceptionnel. Elle ne doit pas affecter le fonctionnement du contrat ; en particulier la revalorisation de l’épargne constituée. Elle peut être remboursée à tout moment et l’assureur peut effectuer un rachat total du contrat en cas de non respect des conditions de l’avance accordée b) Rachats : l’adhérent peut effectuer des rachats partiels, programmés ou total. Il indiquera la répartition des supports ou options à désinvestir. A défaut d’indication contraire de l’adhérent, la répartition des rachats partiels ou programmés sera effectuée au prorata de l’épargne constituée sur l’actif en euros et sur les unités de compte. 3) Garanties de prévoyances Un contrat multi-support peut contenir des garanties de prévoyances optionnelles telles que : a) Garantie Plancher : elle garantit que le capital versé en cas de décès ne pourra pas être inférieur au montant de l’épargne constituée lors de la prise d’effet de la garantie. Tout nouveau versement augmente le capital garanti du montant net versé correspondant. En cas de rachat partiel, le capital minimum est réduit dans les mêmes proportions que l’épargne constituée sur le contrat à la date de rachat. Des formalités médicales peuvent être demandées lors de la demande de la garantie plancher et une limite d’âge est souvent imposée par l’assureur, généralement à 75 ans. b) Garantie Plancher Indexée Elle ressemble à la garantie plancher sauf que le capital garanti est revalorisé chaque trimestre civil à compter de la prise d’effet de la garantie. L’adhérent choisit un indice de revalorisation parmi ceux proposés par l’assureur. 99 | P a g e ANNEXES c) Garantie Cliquet Cette garantie ressemble à la garantie plancher à l’exception du mode de revalorisation du capital garanti. Le capital minimum versé en cas de décès ne pourra pas être inférieur au montant de l’épargne à la souscription. Il sera ensuite réévalué trimestriellement de sorte à ce que le capital minimal ne puisse pas être inférieur à la plus haute valeur de l’épargne du contrat enregistrée lors des précédentes valorisations. d) Garantie Majorée Cette garantie reste identique aux autres garanties. Elle diffère au niveau du capital minimum versé en cas de décès. Le capital garanti est fixé sur le contrat lors de la prise d’effet de la garantie ou lors de sa dernière modification. Par exemple, 150% du montant versé. Pour minimiser la prise de risque sur ces types de garanties, l’assureur peut fixer un montant plafond. Ces garanties sont tarifiées au moyen d’un prélèvement du coût de décès déterminé en fonction de l’épargne constituée sur les différents supports en unités de compte et le support Euros. 4) Gestion d’épargne Pour fructifier les primes versées, l’assureur propose une liste de supports éligibles au contrat. L’adhérent pourra choisir parmi différentes orientations proposées par l’assureur. Il pourra également opter pour une gestion libre : le contractant a la possibilité de répartir son épargne selon son choix entre l’actif en euros et les différentes unités de compte éligibles. L’assureur peut proposer des options susceptibles de dynamiser le capital progressivement. Il peut également proposer des profils de gestion correspondant à des niveaux de risques différents : « prudent », « équilibre », « croissance » et « dynamique ». Sur le support euros, la participation aux bénéfices est déterminée en fonction des résultats techniques et financiers, et en respectant des contraintes contractuelles sur le minimum de participation à distribuer. Le taux minimum garanti n’est pas obligatoire sur un actif en euros. Il s’agit d’une proposition commerciale offerte par l’assureur mais qui devient un engagement si elle est retenue. Pour éviter une concurrence entre assureurs qui constituerait un facteur de risque pour l’ensemble de la profession, le taux minimum garanti par un actif en euro est limité par le code des assurances (articles A. 132-2 et 132-3 du code des assurances). 5) Frais Les frais sont versés par les contractants en contrepartie des services, garanties et prestations fournis par l’assureur. Plusieurs sont prélevés sur un contrat multi-support : a) Frais d’entrée : frais prélevés sur tout versement : initial, libre ou programmé. 100 | P a g e ANNEXES b) Frais de gestion sur encours : frais prélevés sur encours support euros et unités de compte. Sur les unités de compte, ils sont prélevés par diminution du nombre d’unités de compte inscrites au contrat. c) Frais d’arbitrages : ils sont prélevés à l’occasion d’un arbitrage et s’appliquent également lors de changement d’options ou profil de gestion. d) Frais financiers : il s’agit des frais et charges, taxes et impôts supportés par l’assureur lors de l’acquisition ou de la cession des parts d'OPCVM. e) Frais des options de gestion : ces frais peuvent être prélevés en contrepartie d’un mode de gestion piloté. f) Frais des profils de gestion : Ces frais sont prélevés en contrepartie de profils et de grilles proposées. Il peut y avoir également des frais sur la surperformance. 6) Valeur de Rachat L’assureur communique au moment de l’adhésion, les valeurs de rachats. Ces valeurs incluent les frais connus à l’adhésion à l’exception des taxes et impôts. Pour le support euro25, l’assureur garantit un montant et pour les unités de compte, il garantit un nombre d’unités. La valeur des unités de compte, qui reflète la valeur d’actifs sousjacents, n’est pas garantie mais est sujette à des fluctuations à la hausse ou à la baisse dépendant en particulier des fluctuations des marchés financiers. Les fluctuations baissières ou haussières sont au profit ou au risque de l’assuré. La valorisation du capital investi sur le support en euros est constituée de deux éléments : un taux minimum garanti, s’il est prévu dans le contrat, et une participation aux bénéfices dégagés par la performance de l’actif général de l’assureur. Par exemple, pour le support en euros, lorsque l’assureur garantit un taux minimum nul, le tableau communiqué est comme suit. Pour un versement initial correspondant à une épargne investie de 100 euros sur l’actif en euros en gestion libre, les valeurs de rachat minimales sont les suivantes : 25 On parle d’un support en euros ou actif en euros parce que la garantie est donnée en € et non en nombre d’unités de compte. La garantie est sécurisée par un effet cliquet qui signifie que le taux de rémunération net crédité chaque année ne pourra être remis en cause par la suite, quelque soit l’évolution de la conjoncture financière de l’actif général. 101 | P a g e ANNEXES Cumul des primes nettes versées Actif en euros garanti Au terme 1 an 100 100 Au terme de 2 ans 100 100 Au terme de 3 ans 100 100 Au terme de 4 ans 100 100 Au terme de 5 ans 100 100 Au terme de 6 ans 100 100 Au terme de 7 ans 100 100 Au terme de 8 ans 100 100 Pour le support en unités de compte, l’assureur communique également un tableau explicite du nombre d’unités de compte garanti. Par exemple, pour un versement initial correspondant à une épargne investie de 100 unités de compte en gestion libre, les nombres d’unités de compte garantis sont les suivants : Evidemment, ces valeurs de rachats ne tiennent pas compte les opérations de rachat et d’arbitrage. Cumul des primes nettes versées Unités de compte Au terme 1 an 100 99,04 Au terme de 2 ans 100 98,09 Au terme de 3 ans 100 97,15 Au terme de 4 ans 100 96,21 Au terme de 5 ans 100 95,29 Au terme de 6 ans 100 94,36 Au terme de 7 ans 100 93,47 Au terme de 8 ans 100 92,57 Annexe 2 : Valeurs mobilières et actifs éligibles dans les contrats d’épargne 1. Obligations et autres valeurs émises ou garanties par l'un des États membres de l'Organisme de Coopération de Développement Économique (OCDE). 2. Obligations émises ou garanties par un organisme international à caractère public donc un ou plusieurs États membres de la Communauté Économique Européenne (CEE) font partie. 3. Obligations émises ou garanties pas les collectivités publiques territoriales d'un État membre de l'OCDE. 102 | P a g e ANNEXES 4. Obligations, parts de Fonds Communs de Créances (FCC) et titres participatifs inscrits à la cote d'une bourse de valeurs d'un État membre de l'OCDE. 5. Titres de Créances Négociables (TCN) émis par des personnes morales autres que les États membres de l'OCDE ayant leur siège social sur le territoire de ces États sous réserve que le titre soit coté sur des marchés réguliers d'un des États membres de l'OCDE. 6. Actions de Sicav et FCP avec objet limité aux placements mentionnés ci-dessous. 7. Actions et autres valeurs mobilières inscrites au sein de la bourse de l'un des États membres de l'OCDE. 8. Actions des entreprises d'assurance, de réassurance, de capitalisation. 9. Actions, parts et droits émis par des sociétés commerciales et obligations, titres participatifs et titres subordonnés émis par les sociétés d'assurance mutuelle ayant leur siège social dans l'un des États membres de l'OCDE. 10. Parts de FCP à risque selon la loi du 23 décembre 1988. 11. Droits réels immobiliers afférents à des immeubles situés sur le territoire de l'un des États membres de l'OCDE. 12. Parts ou actions de sociétés à objet strictement immobilier, parts des sociétés civiles à objet strictement foncier, ayant leur siège social sur le territoire de l'un des États membres de l'OCDE, inscrites ou non au sein d'une bourse de l'un des États membres de l'OCDE, sous réserve de certaines conditions. Annexe 3 : Différentes options Stop-Loss Les options Stop-Loss sont définies en fonction de l’épargne de référence. 1. Option « Floor » L’épargne de référence est égale à l’épargne de référence de début de période, majorée des investissements nets (versements, arbitrages) de la période au titre de l’unité de compte, réduite dans les mêmes proportions que l’épargne inscrite sur l’unité de compte à la date des désinvestissements (rachats, arbitrages). 2. Option « Floor Index » Le souscripteur définit le taux de référence annuel qui ne constitue en aucune sorte, une garantie en capital de la part de l’assureur. L’épargne de référence est égale à l’épargne de référence de début de période capitalisée au taux de référence annuel, majorée des investissements nets (versements, arbitrages) de la période au titre de l’unité de compte capitalisés au taux de référence, réduite dans les mêmes proportions que l’épargne inscrite sur l’unité de compte à la date des désinvestissements (rachats, arbitrages). 3. Option « Clic Floor » 103 | P a g e ANNEXES L’épargne de référence est égale à la plus haute valeur de l’épargne sur l’unité de compte (épargne « cliquet ») atteinte et constatée depuis la prise d’effet de l’option, majorée des investissements nets (versements, arbitrages) de la période au titre du support, réduite dans les mêmes proportions que l’épargne inscrite sur le support à la date des désinvestissements (rachats, arbitrages). L’épargne cliquet ne constitue en aucun cas une garantie en capital de la part de l’assureur. 4. Option « Top » L’épargne « de référence » est égale à l’épargne « de référence » de début de période, majorée des investissements nets (versement, arbitrage) de la période au titre de l’unité de compte, réduite dans les mêmes proportions que l’épargne inscrite sur l’unité de compte à la date des désinvestissements (rachat, arbitrage).Lorsque l’événement est réalisé alors la totalité de l’épargne investie sur l’unité de compte est arbitrée vers l’allocation cible. 5. Option « Top Index » L’épargne « de référence » est égale à l’épargne « de référence » de début de période capitalisée au taux de référence annuel, majorée des investissements nets (versement, arbitrage) de la période au titre de l’unité de compte capitalisés au taux de référence, réduite dans les mêmes proportions que l’épargne inscrite sur l’unité de compte à la date des désinvestissements (rachat, arbitrage).Le taux de référence annuel défini par le souscripteur ne constitue en aucun cas une garantie en capital de la part de l’assureur. 6. Option « Win Top» L’épargne «de référence» est égale à l’épargne «de référence» de début de période capitalisée au taux de référence annuel, majorée des investissements nets (versement, arbitrage) de la période au titre de l’unité de compte capitalisés au taux de référence, réduite dans les mêmes proportions que l’épargne inscrite sur l’unité de compte à la date des désinvestissements (rachat, arbitrage).Le taux de référence annuel défini par le souscripteur ne constitue en aucun cas une garantie en capital de la part de l’assureur. Lorsque l’événement est réalisé alors la totalité de la surperformance constatée est arbitrée vers l’allocation cible. 7. Option « Corridor » (mixte Floor & Top) L’épargne de référence est égale à l’épargne de référence de début de période, majorée des investissements nets (versements, arbitrages) de la période au titre de l’unité de compte, réduite dans les mêmes proportions que l’épargne inscrite sur l’unité de compte à la date des désinvestissements (rachats, arbitrages). L’épargne de référence initiale est égale au montant de l’épargne investie sur l’unité de compte à la prise d’effet de l’option. 104 | P a g e 8. Option « Corridor Index » (mixte Floor Index & Top Index) Le souscripteur définit le taux de référence annuel qui ne constitue en aucune sorte une garantie en capital de la part de l’assureur. L’épargne de référence est égale à l’épargne de référence de début de période capitalisée au taux de référence annuel, majorée des investissements nets (versements, arbitrages) de la période au titre de l’unité de compte capitalisés au taux de référence, réduite dans les mêmes proportions que l’épargne inscrite sur l’unité de compte à la date des désinvestissements (rachats, arbitrages). 105 | P a g e Programmes SAS Programmes SAS a) Programme SAS ACP Ce programme utilise deux macros développées par l’INSEE. Il s’agit de %ACP et %PLOTACP. La première exécute les fonctions ACP de SAS et la seconde édite les graphiques dans les plans choisis par l’utilisateur. ODS RTF FILE='C:\SORTIE_SAS\ACP.DOC'; Data A1; SET MYDATA.TOTAL_M; IDM=IDENTIFIANT ; VARIABLES CHOISIES RUN; PROC CORR DATA=A1; VARIABLES; WITH VPEURO; RUN; LIBNAME MYLIB "C:\"; OPTIONS SASMSTORE=MYLIB MSTORED NODATE PAGESIZE=95; PROC FORMAT; VALUE TRANCHE_EA 10000=']0,10K€]' 20000=']10-20K€]' 40000=']20-40K€]' 60000=']40-60K€]' 80000=']60-80K€]' 100000=']80-100K€]' 100001=']100K€ et+['; VALUE TRANCHE_AGE 20=']0,20ans]' 35=']20,35ans]' 45=']35-45ans]' 55=']45-55ans]' 65=']55-65ans]' 66=']+65ans['; VALUE TRANCHE_ANCIENNE 1='(-8ans)' 2='(+8ans)'; 106 | P a g e Programmes SAS RUN; PROC MEANS DATA=A1(WHERE= (LP_CAUSE_ARB="CTANT")); VAR VARIABLES; RUN; %ACP(DATAACT=A1( WHERE= (LP_CAUSE_ARB="CTANT")), VARACT=VARIABLES , ID=IDM, VECP = 5, IVA=5, CLASSES=TRANCHE_EA TRANCHE_AGE TRANCHE_ANCIENNET_, AXECLAS=5 , FMTCLAS= $TRANCHE_EA. $TRANCHE_AGE. $TRANCHE_ANCIENNE, OUT=SOR, NAXER=4, FILL=VAR BARY); OPTIONS PAGESIZE=80; TITLE2 "Les variables dans le plan 1-2"; %PLOTACP(AXEH=1,AXEV=2,POINTS=VARACT); OPTIONS PAGESIZE=80; TITLE2 "Les barycentres d'individus dans le plan 1-2"; %PLOTACP(AXEH=1,AXEV=2,POINTS=OBSSUP); OPTIONS PAGESIZE=80; TITLE2 "Les variables dans le plan 3-4"; %PLOTACP(AXEH=3,AXEV=4,POINTS=VARACT); OPTIONS PAGESIZE=80; TITLE2 "Les barycentres d'individus dans le plan 3-4"; %PLOTACP(AXEH=3,AXEV=4,POINTS=OBSSUP); ODS RTF CLOSE; b) Programme SAS pour estimation linéaire et choix des modèles ODS RTF FILE='C:\SORTIE_SAS\LINEAIRE.DOC'; LIBNAME MYDATA "C:\"; OPTIONS SASMSTORE=mydata MSTORED NODATE PAGESIZE=95; PROC SQL; CREATE TABLE A0 AS SELECT * FROM A00 WHERE LP_CAUSE_ARB="CTANT"; RUN; 107 | P a g e Programmes SAS PROC REG DATA=A1;MODEL VPEURO= variables / VIF ; RUN; /***SÉLECTION BACKWARD ***/ PROC REG DATA=A1;MODEL VPEURO= variables /SELECTION= BACKWARD SLSTAY=0.01; RUN; /***SELECTION FORWARD ***/ PROC REG DATA=A1;MODEL VPEURO= variables /SELECTION= FORWARD SLENTRY=0.01; RUN; /***SELECTION STEPWISE ***/ PROC REG DATA=A1;MODEL VPEURO= VARIABLES / SELECTION= STEPWISE SLSTAY=0.01 SLENTRY=0.01; RUN; /*** MODELE MINIMISANT LE BIC/AIC***/ PROC REG DATA=A1; MODEL VPEURO= variables / AIC BIC SS2 SSE SELECTION= ADJRSQ; RUN; /*** MAPE ET RMSE ***/ PROC AUTOREG DATA=A1; MODEL VPEURO= variables OUTPUT OUT=BACKWARD r=resid; RUN; PROC SQL; CREATE TABLE TEST AS SELECT ABS(RESID)/VPEURO AS MAPE, ABS(RESID) AS mae FROM BACKWARD ; RUN; PROC MEANS MEAN DATA=TEST; VAR MAPE MAE; RUN; c) Programme pour PLS et prévision PROC PLS DATA=A METHOD=PLS NFAC=3 CV=SPLIT CVTEST PVAL=0.001; MODEL VPEURO = variables / SOLUTION ; 108 | P a g e Programmes SAS OUTPUT out=mydataout p=pred TSQUARE ; RUN; PROC SQL; CREATE TABLE prevision AS SELECT * FROM mydataout WHERE VPEURO is NULL; RUN; PROC MEANS DATA=prevision; VAR Variation_Euros1 pred; PROC SQL; CREATE TABLE prevision2 AS SELECT sum(PEUROINIT*Epargne_acquise_contrat+Epargne_acquise_contrat*pred) AS mt_euro_prevu, sum(Tx_Euros_apr_s*Epargne_acquise_contrat/100) AS mt_euro_reel FROM prevision WHERE VPEURO is NULL; RUN; PROC MEANS DATA=Prevision; VAR variables RUN; d) Programme des modèles parabolique et exponentiel et pour la prévision PROC SQL; UPDATE j1 SET Tx_Euros_apr_s=null, VPEURO=null WHERE ( year(D_EFFET)=2011 or year(D_EFFET)=2012);; RUN; PROC MODEL DATA=J1; VPEURO= constante+ formule ; FIT VPEURO/OUT=MYDATOUTPUT OUTALL; RUN; PROC SQL; CREATE TABLE PREVISION AS SELECT * FROM MYDATOUTPUT WHERE _TYPE_='PREDICT' AND _WEIGHT_=0; 109 | P a g e Programmes SAS RUN; PROC MEANS DATA=PREVISION; VAR VARIATION_EUROS VPEURO; PROC SQL; CREATE TABLE PREVISION2 AS SELECT SUM(VPEURO*Epargne_acquise_contrat+PEUROINIT*Epargne_acquise_contrat) AS mt_euro_prevu,SUM(Tx_Euros_apr_s1*Epargne_acquise_contrat/100) AS mt_euro_reel FROM PREVISION; RUN; 110 | P a g e