Volume 87, numéro 1-2, juillet 2020

FR :

Après les nombreuses crues printanières qui ont affecté le sud du Québec depuis 2011, le gouvernement du Québec a annoncé en avril 2019 une refonte importante de son programme d’aide financière aux sinistrés. Le programme introduit désormais une couverture limitée à vie de 100 000 $ pour les inondations successives, une mesure unique au Canada. L’objectif de cet article est d’analyser le coût des inondations successives et les impacts financiers de cette limite de couverture pour les ménages.

FR :

On propose dans cet article une méthode de quantification de l’effet d’une variable explicative qualitative sur une réponse quantitative plus souple à utiliser que le simple coefficient d’un modèle GLM multiplicatif ; l’objectif est de disposer d’une mesure ne nécessitant pas l’hypothèse de proportionnalité du GLM et complètement décorrélée de l’effet des autres variables explicatives incluses dans le modèle. L’approche est illustrée à l’aide de données de coûts de sinistres matériels automobiles, pour lesquelles on cherche à quantifier l’impact de l’expert qui a évalué le sinistre sur le montant de l’évaluation.

FR :

L’article s’intéresse au cyber-risque en tant que menace émergente pour la stabilité de l’économie mondiale. Aujourd’hui, le paysage des risques tout entier semble subir de profonds changements sous l’effet de la digitalisation. Le défi consiste alors à trouver un compromis entre les avantages escomptés de la numérisation et les risques inhérents aux nouveaux modèles économiques qu’elle impose. Le remodelage de la cartographie des risques mondiaux sous l’effet du cyber-risque impose une réflexion sur la nature de ce risque et ses conséquences, mais nécessite surtout des réponses en matière de couverture. En effet, bien que le marché de la cyber-assurance réagisse à cette nouvelle catégorie de risques, l’offre de cyber-produits demeure en deçà des attentes des acteurs. L’article présente le concept de cyber-risque pour ensuite mettre l’accent sur la question de l’anticipation, de la mesure et de la quantification du cyber-risque. L’article décrit également les progrès accomplis en matière de mise en oeuvre d’un cadre de gestion du cyber-risque, notamment grâce aux travaux de l’Organisation de coopération et de développement économique (OCDE). L’article discute enfin de nouvelles pistes de réflexion pour la couverture du cyber-risque au sein des marchés financiers et l’utilisation des produits dérivés, principalement les titres assurantiels (Insurance-Linked Securities ou ILS).

EN :

This paper focuses on cyber risks as an emerging threat to global economic stability. Today, the whole risk landscape seems to be undergoing profound changes because of digitalization. The main challenge is finding a compromise between the expected benefits of digitalization and the risks inherent to the new business models it imposes. The rise of cyber risks in global risk mapping certainly requires a reflection on the nature of this risk as well as its extent and consequences, but above all else, hedging responses are required. The cyber-insurance market is responding to this new risk category; however, as an emerging industry, the supply of cyber insurance and reinsurance remains well below the actors’ expectations. Undoubtedly, the main difficulties faced by risk managers are those of anticipating, measuring, and quantifying cyber risks. First, the author focuses on the concept of cyber risk, its characteristics and scope, and the sphere of its stakes. Second, the author emphasizes the issues of cyber-risk anticipation, measurement, and quantification. Third, the author describes the progress made in establishing a framework for managing cyber risk, particularly through the work of the Organization for Economic Cooperation and Development. Finally, the author opens a debate on the new lines of thinking for improving cyber-risk hedging through the financial markets and the use of derivatives, mainly insurance-linked securities.

FR :

L’objectif de cet article est de déterminer la prime pure à payer par l’agriculteur sénégalais assuré à des risques classiques. L’utilisation du modèle linéaire général (GLM) a permis de déterminer la fréquence et la sévérité en fonction des différents types de risques auxquels sont exposés les agriculteurs. Nous avons montré que le nombre de sinistres suit une loi zéro-inflation binomial négative et le coût une distribution log-normal. Nous avons aussi montré que les risques sanitaires, les invasions acridiennes (criquets pèlerins), d’animaux et de canards et d’oiseaux sauvages, la présence de nématodes et de pourriture de collet sont les risques auxquels l’agriculture est exposée. Le modèle estime une prime plus élevée que la prime observée pour les animaux sauvages, les maladies, les oiseaux granivores et les oiseaux sauvages. En revanche, la prime calculée est inférieure à celle observée pour les canards sauvages et les criquets pèlerins. La différence entre la prime observée et celle calculée s’explique par le fait que le premier est évalué à partir de la valeur du capital assuré et non du risque auquel l’agriculteur est exposé. Pour une meilleure tarification, la compagnie d’assurance devra tenir compte du type de risque auquel chaque assuré est le plus exposé et déterminer la prime correspondante. Cette segmentation permettra de déterminer la prime adéquate.

EN :

The objective of this article is to determine the pure premium to be paid by the Senegalese farmer insured for conventional risks. The use of the general linear model (GLM) has made it possible to determine the frequency and severity according to the different types of risks to which farmers are exposed. We have shown that the number of claims follows a negative binomial zero-inflation law and the cost of a log-normal distribution. We have also shown that health risks, locust (locust), animal and duck invasions and wild birds, the presence of nematodes and crown rot are the risks to which agriculture is exposed. The model estimates a higher premium than the premium observed for wild animals, diseases, grain-eating birds and wild birds. On the other hand, the premium calculated is lower than that observed for wild ducks and locusts. The difference between the premium observed and that calculated is explained by the fact that the former is assessed on the basis of the value of the capital insured and not of the risk to which the farmer is exposed. For better pricing, the insurance company should take into account the type of risk to which each insured is most exposed and determine the corresponding premium. This segmentation will determine the appropriate premium.