Listing 1 - 6 of 6 |
Sort by
|
Choose an application
Le marché du crédit représente un des marchés financiers les plus implorants au monde. Trois éléments permettent de déterminer le niveau du risque de crédit : la probabilité de défaut, la valeur de la créance et la proportion de la créance qui ne sera pas recouvrée en cas de défaut. La réglementation prudentielle impose aux acteurs du marché de sévères restrictions en termes de gestion des risques et d'allocation de capital. Par conséquent, la question de l'évaluation du risque de crédit revêt une importance cruciale pour les banques, qui sont tenues d'effectuer une analyse approfondie du risque de crédit.
crédit --- risque de credit --- institution financière --- Sciences économiques & de gestion > Finance
Choose an application
La baisse des taux d’intérêt impacte le deuxième pilier. C’est un point d’attention, d’une part pour les assureurs, principalement en branche 21, d’autant plus si on tient compte du système de garantie sur primes futures. De plus, les assureurs mettent en place une iniquité intergénérationnelle. D’autre part, pour les assureurs en branche 23 et pour les fonds de pension, suivant les circonstances et la volatilité des actifs. C’est également un sujet d’actualité pour les employeurs qui, pour les plans DB, sont obligés de dégager progressivement des réserves complémentaires afin de palier à la faiblesse des taux des assureurs ou des rendements des fonds de pension. De même pour les plans DC ou CB, suite à la garantie de rendement minimum, telle que décrite dans l’article 24 de la LPC. La baisse des taux d’intérêt a également un impact très important en termes de provisions dans le bilan des employeurs, suite à l’actuelle norme IAS 19.
taux d'intérêt --- deuxième pilier --- assurance de groupe --- fonds de pension --- garantie de rendement minimum --- IAS 19 --- Sciences économiques & de gestion > Finance
Choose an application
Financial institutions rely on forecasts of risk measures for the purposes of internal risk man- agement as well as regulatory capital calculations. In this context, an important part in esti- mating risk is to evaluate how accurate the forecasts have been. This procedure is generally called backtesting. The Basel III Accord, is an internationally agreed set of recommendations developed by the Basel Committee on Banking Supervision (BCBS) in response to the global financial crisis of 2008. In this regulatory framework, a financial institution that intends to use an internal models approach (IMA) must conduct, amongst other requirements, some backtesting. As a key element of the post-crisis evolving regulatory framework, new standards for the mini- mum capital requirements against market risk exposures, adopted in 2016 and revised in 2019, introduce a shift from a Value-at-Risk (VaR) risk measure to an Expected Shortfall (ES) risk measurement approach. While the move from the VaR to the ES allows to tackle some deficiencies of the VaR, such as the coherence property and the ability to look at the tail-risk of the loss distribution, the shift from a quantile-based risk measure to a tail risk measure raises a number of theoretical questions, such as the effectiveness of backtesting; in particular it brings some new challenges regarding the backtesting of the ES models. This in-hand work starts by providing the needed theoretical background as well as a state-of- the-art of the ES backtesting methodologies proposed in the scientific literature to set up the foundations. Then, it aims at identifying a suitable ES backtesting framework - both mathemat- ically consistent and practically implementable - that a financial institution could implement in the near-future in the use of the new models based approach, meanwhile considering the associated revised regulatory requirements. Finally, an empirical research study is proposed in order to state on the relevance of the identified ES backtesting framework, but also more fundamentally on the pertinence of the new risk measurement approach in itself.
Expected Shortfall --- Backtesting --- FRTB's IMA --- Basel III reforms --- Sciences économiques & de gestion > Finance
Choose an application
Ce mémoire de recherche intitulé « Les déterminants de l’investissement privé en Belgique : une modélisation VAR » a pour intérêt principal de mesurer la réponse de l’investissement privé aux impacts des chocs économiques, financiers et conjoncturels sur l’environnement macroéconomique de la Belgique. En ce sens, les variables explicatives du comportement de l’investissement privé retenues dans cette étude sont celles qui caractérisent l’environnement macroéconomique. La problématique sous-jacente à ce présent travail s’inscrit dans un corpus théorico-empirique qui expose les variables explicatives de la décision d’investir sous fond de crises économiques, financières et d’incertitudes macroéconomiques. La méthodologie VAR (Vecteur Autorégressif), grâce à son analyse dynamique (fonction impulsion-réponse, décomposition de la variance de l’erreur de prévision), nous a permis de mesurer, d’une part, la réactivité de l’investissement privé sous l’impulsion des chocs sur ses déterminants (variables explicatives), et d’autre part, le poids de chacun des déterminants dans l’explication de l’investissement privé. Les résultats de la modélisation VAR, à travers la fonction impulsion-réponse, laisse entrevoir l’importance des chocs sur la croissance du PIB (indicateur de la demande), les investissements publics, la croissance de l’indice des prix à la consommation (inflation), le solde budgétaire, la dette publique et les taux d’intérêts privés et publics dans l’explication du comportement de l’investissement privé en Belgique. Ils permettent également de conclure que l’investissement privé en Belgique a six déterminants importants : l’investissement privé proprement dit, la croissance du PIB réel (la demande), les investissements publics, la dette publique, le solde budgétaire, la croissance de l’indice des prix à la consommation (inflation). Les mesures de politiques économiques s’articulent autour de l’incitation de la demande par le canal d’investissements publics productifs, d’assainissement du climat des affaires, de la structuration de la dette et d’équilibre budgétaire et enfin de la stabilité des prix via la politique monétaire.
Choose an application
L’objectif de ce mémoire est d’analyser l’impact des mécanismes de protection (Stop-Loss, Profit-Locking) sur les rendements de la Branche 23, tant au niveau de l’assuré que de l’assureur. L'analyse est en deux parties. Une partie réelle basée sur des fonds historiques et une partie théorique, basée sur des simulations Monte-Carlo à l'aide du Mouvement Brownien Géométrique.
Choose an application
This study attempts to capture the evolution of the performance and risk indicators in the European insurance industry throughout different crises and regulatory regimes. A portfolio management study and regression analysis were conducted with a selected listed insurance company, using market data from 2006 to 2021. This portfolio was designed to reflect the various variations of risk indicators between the insurance market represented by the portfolio and a market benchmark. The study suggests that despite riskier portfolio management indicators overall, no significant changes in market risk has been observed after the implementation of Solvency II from a portfolio management perceptive. The regression analysis also indicates that no significant impact from Solvency II on the portfolio returns was detected, nor any noticeable improvement in terms of systematic risk. This study may be useful to investors who wish to see how comparable regulations might affect a similar industry. Keep in mind, however, that past performance does not guarantee future performance.
Solvency II --- Performance --- Sciences économiques & de gestion > Finance
Listing 1 - 6 of 6 |
Sort by
|