La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Assurances Climatiques Paramétriques 1. Speedwell Weather Créée en 1999 – Bureaux UK & USA Données & Prévisions Météos Logiciel de gestion de portefeuille.

Présentations similaires


Présentation au sujet: "Assurances Climatiques Paramétriques 1. Speedwell Weather Créée en 1999 – Bureaux UK & USA Données & Prévisions Météos Logiciel de gestion de portefeuille."— Transcription de la présentation:

1 Assurances Climatiques Paramétriques 1

2 Speedwell Weather Créée en 1999 – Bureaux UK & USA Données & Prévisions Météos Logiciel de gestion de portefeuille des assurances climatiques paramétriques Conseil 2 5ème année consécutive Best Global Weather Risk Management Advisory/Data Service 1er pour la 1ère année Weather Data Management

3 Michael Moreno Maitrise Maths, DEA Sciences Actuarielles et Financières Doctorat en Finance de Marchés Co-écrit 2 livres et publiés une dizaine darticles Marché climatique depuis 1999 Directeur Speedwell – Responsable Equipe R&D Travaille actuellement sur les prévisions météo et le marché agricole Particularité: 452ème sur participants - marathon natation Angleterre Nhésitez pas à me contacter sur LinkedIn

4 Sommaire Définition Etat du Marché Données Climatiques Evaluation de contrat 4

5 DÉFINITION Assurance Climatique Paramétrique = Dérivé Climatique avec des règles comptables et légales différentes mais dont le nom fait moins peur au législateur et aux clients 5

6 Exemples dAssurances Climatiques Paramétriques Pluie - agricultureTempérature + Humidité relative – Indice de misère – demande électricité USA Vent – production délectricité - éolienne Pour chaque période de 4 jours ou plus durant laquelle il pleut moins de 2mm, le paiement final est égal au nombre de jours sans pluie au cours de ces périodes multiplié par X Euros. Pour chaque heure ou la température est supérieure à 95 F et lhumidité relative supérieure à 90%, le paiement final est de X USD. Si la production MW.H-1 moyenne à la fin du mois est inférieure à un certain seuil => paiement dune compensation. Le contrat est lié à la courbe de production délectricité du type déolienne installée. 6

7 Il sagit de contrats paramétriques Fonction de Paiement contractuelle: Il ny a pas dexpertise des dégâts Risque de proxy: Il nexiste pas de stations météorologiques pour chaque champs agricoles Risque de Modélisation: Lassuré peut très bien ne pas avoir subit de préjudice et recevoir un paiement et linverse peut aussi se produire Paiement prévisible: Par exemple, on voit la sècheresse se développer chaque jour un peu plus + prévision météo Paiement très rapide: 5 jours ouvrés 7

8 Quelques contrats notables Pluie / Pétrole – Amérique du Sud (~200M USD) Température / Gaz – Europe (~200M EUR) 200 stations – multi annuels – pluie / température – Afrique Sècheresse dun pays entier - Malawi – Banque Mondiale Pluie en Inde (grand réseau de coopératives de très petites fermes agricoles) 8

9 ÉTAT DU MARCHÉ Weather Risk Management Association 9

10 Etat du Marché CME – Contrats Listés Croissance annuelle substantielle jusquen 2008 Activité de Marché liée au marché énergétique Gré à Gré Croissance saine et continue Bonne diversification sectorielle: agriculture, énergie, construction, industrie et services 10

11 Quelques Acteurs du Marché Climatique Allianz Celsius Pro City Financial Climate Corp Coriolis EDF Trading Endurance Re EON JP Morgan Guaranteed Weather (MSI) Liberty Morgan Stanley Munich Re Nephila Renaissance Re RWE Swiss Re Willis 11

12 DONNÉES CLIMATIQUES Surprises, surprises… 12

13 Quest-ce quune donnée climatique? Une mesure climatique est définie par: -Une station (lieu et instrumentation) -Un élément climatique (température, pluie, vent, humidité, pression atmosphérique) -Une date et heure denregistrement -Une période (donnée instantanée ou plage horaire) -Type de donnée et qualité -La valeur mesurée -Information additionelle (observateur ou instrumentation) 13

14 14 Chaque pays et organisation a des conventions de lectures et de mesures différentes. Les conventions ne sont pas constantes dans le temps Elles changent: lecture humaine -> automatisées, de 6h à 6h -> de 9h à 9h, etc Les conventions en Allemagne sont particulières, celles en France aussi, celles aux USA aussi, celles en Australie aussi, celles au Japon aussi… Il est impossible dévaluer un contrat ou de signer un contrat dassurance climatique sans comprendre ces conventions Les conventions de mesure ne sont pas uniformes

15 Exemple Royaume-Uni 00 SYNOP TMINSYNOP TMAX CLIMATE TMINCLIMATE TMAX

16 Exemple France 00 CLIMATE TMAX & PLUIE CLIMATE TMIN

17 Exemple Allemagne 00 Climate Tmin, Tmax, Pluie 17 À partir de 2001 Seulement!

18 GSOD – Une base de données climatiques gratuite GSOD (Global Summary Of Day) est une base de données climatiques reconstruites gratuite. En bleu: données officielles En rouge: données GSOD Vent – Aéroport de Dublin Cette base contient de nombreuses limitations Pluie - Chine Erreurs très fréquentes 2012 Erreur cumulée = 22% 18

19 Données Nettoyées 19 Speedwell traite + de fichiers de données par jour Environ 2% des données sont erronnées Environ 3% de données manquantes Données officielles sont difficilement utilisables pour les contrats dassurance climatique Type derreur: pluie: -2992mm - donnée climatique officielle QC2!

20 Inventaire Données Speedwell stations nettoyées / jour 20

21 Discontinuités et données recalibrées Changements parfois enregistrés dans les Métadonnées Les stations sont déplacées (assez fréquent dans les aéroports!) Les instruments sont remplacés Changements jamais enregistrés dans les Métadonnées Herbe au sol remplacée par macadam Changement dutilisation humaine à proximité (example: aire de parking davions déplacée à 3m des instruments) Peinture blanche sur le toit remplacée par de la peinture noire Nouveau bâtiment construit assez proche 21

22 Aéroport = Mini Ville Example Kansas City >

23 Oh la belle discontinuité! 23

24 La liste est longue… 24

25 Données recalibrées = recalibrées aux conditions actuelles de la station 25

26 Plus belle discontinuité ? 26 Station COOP USA 10 F ! Cause: Arbre coupé !

27 EVALUATION Règle dor: Ne jamais évaluer un contrat sans comprendre les données au préalable 27

28 Fair Value 28

29 3 Méthodes 29 Burn Actuarielle est supposée connue (best fit – Maximum de Vraisemblance, etc) est résolue numériquement Simulation journalière / horaire de lélément

30 Tendance des données 30 Tendance Mensuelle Régression Locale à Poids Variables (LOWESS)

31 Quelle Distribution? 31

32 Simulation de la température 32

33 33 La saisonnalité nest pas une sinusoide Mémoire longue Forte saisonnalité de la distribution des résidus

34 Les résidus sont normalement distribués et non corrélés Tout est parfait Cela Marche à Merveille 34

35 En fait les résidus ne sont pas normalement distribués ! 35

36 Simulation dans SWS ? 36 Bootstrapping de série temporelle !

37 Simulation de la Pluie Les données journalières de pluie sont tronquées et censurées 37 t-1tt+1 Ces 4 cas (et bien dautres!) sont indiscernables La troncature et la censure des données créent une forte autocorrélation des données et de la probabilité quil pleuve

38 Probabilité quil pleuve 38 p t = Prob(X t = 1 | X t-1, X t-2, X t-3,…, X t-k ), k IN *. Problématique Simuler lévènement il pleut (X t =1) / il ne pleut pas (X t = 0) Ensuite il faut estimer la Magnitude en fonction de sil a plu la veille et sil va pleuvoir le lendemain

39 Quel Lag (k) ? 39 k=1

40 4 Probabilités (x365) et 4 Densités à estimer (x 12!) 40

41 Quelques problèmes 41 A certains endroits, il pleut plus souvent en fin de semaine Il existe une station où il ne pleut pas le samedi et le dimanche

42 Simuler cest bien mais Une station, 1 élément journalier: OK Multi stations – multi éléments = problème physique – pas mathématique – simulations ne marchent pas La méthode actuarielle est en revanche toujours valide et il est possible de: – tester la robustesse de lévaluation à laide de scénarios climatiques (El Nino, La Nina, AO, etc) – Dintégrer les données de Marché => Approche Financière courbes et distributions implicites Prévision Météo 42

43 Prévisions Météorologiques 43 Downscaling: (WikiPedia) downscaling methods are used to obtain local-scale surface weather from regional-scale atmospheric variables En language statistique simplificateur: Correction de biais

44 Prévisions Probabilistiques 44 Prévision densemble ECMWF: 00Z + 12Z ECMWF Ensemble: 51 Membres GFS: 00Z + 06Z + 12Z + 18Z GFS Ensemble : 21 Membres

45 Les prévisions Downscaled sont en fait excellentes 45 1 Jour Erreur Moyenne 0.06 Contre 1.45 Erreur ABS 0.74 Contre 3.27

46 Même à 5 jours… 46 5 Jours Erreur Moyenne Contre 1.83 Erreur ABS 1.31 Contre 3.22

47 Même à 1 mois! 47 Principal Avantage: Physiquement, géographiquement et météorologiquement cohérent pour tous les éléments Moyen terme (0 à 15 jours) -> Prévision météorologique Long terme (mois / saison) -> Prévision climatologique jours Météo Mensuelle -> Climatologie (plus chaud ou plus froid que la normale)

48 Incorporation des Prévisions dans lévaluation 48 Les payoffs des contrats étant souvent non linéaires la moyenne des prix pour chaque membre nest pas égale au prix estimé à partir de la prévision moyenne Scénario: froid / chaud Nombre de jours Poids StDev etc

49 Vérifications de Prévisions Les prévisions sont uniformes. Par exemple de minuit à minuit heure locale standardes ou bien prévisions synoptiques. Les conventions de mesures de données et les prévisions ne correspondent pas en général. Vérifier les prévisions densemble (i.e. probabilistiques) avec les données mesurées nest vraiment pas un problème simple. 49

50 Exemple dune prévision avec erreur de timing Paris Orly 1/1/2013 – 00Z 50 Erreur de Timing Erreur de Prévision? Bon niveau de confiance Prévision météorologique Prévision climatique plus froid que la moyenne

51 Conclusion Définition Etat du Marché Données Climatiques Evaluation de contrat 51

52 Questions ? 52


Télécharger ppt "Assurances Climatiques Paramétriques 1. Speedwell Weather Créée en 1999 – Bureaux UK & USA Données & Prévisions Météos Logiciel de gestion de portefeuille."

Présentations similaires


Annonces Google