Modélisation de valeurs extrêmes Université de Liège : octobre 2002 Daniel Justens HEFF/Cooremans Bruxelles.

Slides:



Advertisements
Présentations similaires
Puissance et NSN.
Advertisements

Les pronoms compléments
Présentation des données
STATISTIQUE INFERENTIELLE L ’ESTIMATION
Etude de marché.
Questions WHAT????. Quick review: we know how to make a sentence negative: Je vais ----> Je ne vais pas Personne ne va Rien ne va (theoretically)
ContractionsContractions How the French get around.
Rotation Pythagoricienne Les valeurs a 2 + b 2 = (b+1) 2 correspondent aux triplets Pythagoricien (2k+1, 2k(k+1), 2k(k+1)+1). Ces valeurs ne couvrent toutefois.
Unité #3 Analyse numérique matricielle Giansalvo EXIN Cirrincione.
variable aléatoire Discrète
À quelle heure il se lève?
Systems of Equations. A system of equations is a set of equations that have the same variables. A solution for the system is an assignment of variables.
OGC1 : Les outils danalyse de marché Les indices, les taux de variation et les représentations graphiques. Les prévisions des ventes par lajustement linéaire.
Etude longitudinale d’essais multilocaux: apports du modèle mixte
Prise en compte des données avec excès de zéros
Modeles non-lineaires
Analyse de la covariance
La régression logistique
Jeudi, le 22 Mars Pass LATE Grammar tutor packet (50) & p.131 Workbook (50) Pass Puzzle Packet (100)
La régression multiple
Français 9 th May 2007 Learning objectives  To make reference to what WAS happening  Remember how to say “It was”  To make reference to the imperfect.
Information Theory and Radar Waveform Design Mark R. bell September 1993 Sofia FENNI.
Vers un nouvel empirisme: l’ancien et le nouvel empirisme John Goldsmith Université de Chicago CNRS MoDyCo.
Perfect tense with ÊTRE. When do you use the perfect tense with être?  The perfect tense with être is also used to describe an action in the past which.
Unité 1: Faisons Connaissance Leçon 2 Famille et copains
Présentation du marché obligataire
Epistémologie du Web social Epistémologie du « web social » 1er Semestre 2010 / 2011 Session 03 : introduction théorique.
4 Le verbe Venir et Venir de + l’infinitif Les normes: –Communications 1.2: Understanding the written and spoken language –Comparisons 4.1: Understanding.
Etre et Aller Une revue. Les normes: Communication 1.2 – Understanding the language Communication 1.2 – Understanding the language Comparisons 4.1 – Understanding.
Let’s go back to the verb endings. What are our 3 infinitive endings? ER IR RE What is an infinitive? An unconjugated verb In other words, a verb in the.
Indirect Object Pronouns Presentation, Part 2 You should now know the direct object pronouns from the first presentation: Me-me Te-you Le-him, it La—her,
French II Chapter 5 Review. Relative Pronouns: qui means “who” for people means “which” “that” for places and things replaces a noun or phrase which is.
Nous allons .. préparer un texte (pour écrire ou décrire)
Le poisson d’avril.
Les Pronoms Direct & Indirect.
Concepts fondamentaux: statistiques et distributions
2 Le verbe « être » au pluriel Les normes: Communication 1.2 Comparisons 4.1 Les questions essentielles: - What are the plural subject pronouns in French?
- 5 - Optimisation linéaire et non-linéaire
Les verbes français Objective: Understand the tense of the verbs and how to conjugate your very first verb.
La Revue: Les verbes – ER. La norm: Comparisons 4.1 Understanding the nature of language What is a « regular verb »? How are regular –ER verbs conjugated?
Warm up Use reflexive and reciprocal verbs to write few facts about your life. Example: Ce matin, je me suis réveillé (reflexive) à 6 heures; puis je me.
Les pronoms objets Mme Zakus. Les pronoms objets When dealing with sentences, subjects are part of the action of the verb. In other words, they “ do ”
La mémoire(1): Comment bien travailler
FRANÇAIS ANGLAIS. EX:3x5x(4- -6)+-9=? P* En premier, (de gauche à droite) on calcule la somme qui est entre la parenthèse, 3x5x(4- -6)+-9, alors, maintenant.
Les verbes réfléchis.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :05 Asymétrie fluctuante.
FINANCE Distribution des rentabilités Professeurr André Farber Solvay Business School Université Libre de Bruxelles.
FINANCE Le risque systématique Professor André Farber Solvay Business School Université Libre de Bruxelles Fall 2006.
Let’s enjoy making Session 2. Let’s enjoy making: Session 2 Les déménageurs sont arrivés !
Analyse Technique : application "semi-linéaire"
Le pronom « en » Révision: p60-61 dans le cahier.
Mettre. First, let’s review the irregular verbs we know. Think of as many as you can, while I hand out whiteboards.
MBF3C L’exploration des transformations des fonctions du second degré Méthodes de mathématiques.
1. Est-ce que Est-ce que, literally translated "is it that," can be placed at the beginning of any affirmative sentence to turn it into a question: Je.
The BASICS Building sentences in French. Les Pronoms What is the subject of the sentences below? Paul is tall. What pronoun could you use to replace.
Français 1 1. Unlike the regular –ER verbs that you have learned so far, the verb être is an irregular verb.
WE’RE ALMOST DONE – CONGRATULATIONS! LE PRONOM « Y »
In France, until 1564 the first of April used to be New Year’s Day. Then, the King Charles IX decided to change the calendar and put the beginning of.
University of Ottawa - Bio 4118 – Applied Biostatistics © Antoine Morin and Scott Findlay 24/07/2015 2:29 PM Bootstrap et permutations.
STATISTIQUES.
Statistiques à 2 variables
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Exemple.
Révision: p60-61 dans le cahier
Le modèle de Black & Litterman Equilibre et croyances.
© and ® 2007 Vista Higher Learning, Inc Point de départ In Leçon 11, you learned to form the passé composé with avoir. Some verbs, however, form.
UNITÉ II: LEÇON 6 PARTIE B: LES MOIS ET LA DATE. LES MOIS DE L’ANNÉE janvier January.
ORACLE Kick-Off Meeting1 Régionalisation statistique de variables à grande échelle pour évaluer les risques et les incertitudes P. Yiou & M. Vrac LSCE.
Formules en 2 étapes 1MPES4
ÊTRE To be (ou: n’être pas!).
Transcription de la présentation:

Modélisation de valeurs extrêmes Université de Liège : octobre 2002 Daniel Justens HEFF/Cooremans Bruxelles

Positionnement Utilisation des modèles mathématiques en finance, en gestion et en actuariat. Ecarts entre les prévisions théoriques et le réel observé : non-adéquation du modèle ? Cas particulier des valeurs extrêmes

Exemple 1 : rendements boursiers Présentation du cas de lindice DAX entre 1996 et 2000 : 902 observations journalières. Moyenne observée : 0, Ecart-type observé : 0, Modélisation des rendements par une distribution normale ?

Rendements journaliers DAX entre 1996 et 2000

Aspect des queues de courbe

Valeurs centrales

Valeurs à droite

Distributions de Pareto-Lévy Vilfredo Pareto ( ) Sociologue, qui se consacre dès 1890 à une modélisation « pure » de léconomie qui selon lui doit sétudier comme la physique. Paul Lévy ( ) Mathématicien, qui étudie les distributions stables vers 1930.

Retour aux sources Distributions de Pareto de base : pour x 1 et avec a > 0 On en tire :

Moments de la distribution On vérifie que : lorsque n < a et que : lorsque n a On en tire (a>2) :

Adaptation de la distribution But : obtenir une fonction de répartition tendant vers 1 en + comme 1- x -a et vers 0 en - comme |x| - b (a et b > 0). Idée : travailler avec les fonctions réciproques. En effet, il est facile de représenter la fonction g de R 0 + dans R : g(x) = x -1/a - x 1/b

Représentation de y = x -1 -x 1/2

Inversion des axes

Construction de la répartition On a défini une fonction g(x) de manière implicite : x = g(x) -1/a - g(x) 1/b Cette fonction g(x) a en - le comportement de |x| b et en + le comportement de x -a. Etudions la fonction :

Suite... Cette dernière tend vers 0 en - comme |x| -b et vers 1 en + comme 1- x -a Conclusion : Forme implicite de la fonction de répartition

Cas particulier : a=b Dans ce cas, on arrive aisément à une forme explicite. En effet, léquation devient : x = g(x) -1/a - g(x) 1/a Posons g(x) 1/a = Y. L équation devient x =1/Y - Y ou encore : (x + Y)Y = 1 Y 2 + x Y -1 = 0

Suite... Y 2 + x Y -1 = 0 dont la solution est évidente : On en tire :

Ajustements Recherche ouverte : étude théorique de ces distributions avec une paramétrisation Méthodes dajustements autres que moindre carrés de façon à privilégier les queues de courbe

Ajustements du DAX : a = 270

Ajustements : à gauche avec a = 220

Ajustements : à droite avec a = 270 normale Pareto

Exemple 2 : tarification automobile A priori clustering and bonus-malus system The number of claims distributions The problem of the classical models

The mixed Poisson distributions Let X be the number of claims occurring in a unit period. Let be the risk parameter (expecting number of claims) with probability distribution U( ). We assume that for a given risk parameter, the random variables p k ( ) giving the number of claims follow a Poisson distribution.

Moments of mixed Poisson distributions Mean : E[X] = E[ Variance VAR[X] = E + VAR

The model of Lemaire (1977) The underlying distribution follows a Gamma distribution : In this case, we have :

Mixed Poisson family Underlying distribution transition Probabilities Negative exponential Geometrical Erlang P-Erlang Inverse Gaussian P-inverse gaussian

Fitting the data (1) The Belgian case :

Underlying distributions

Distributions tails

Fitting the data (2) The Italian case :

Rational underlying distributions Let us work with : We also have :

Quadratic case We put : so that we get : Which gives :

Cubic case We now put : And compute :

The Belgian case

Graphically. Quadratic Negative binomial cubic observations

Distributions tails

The Italian case

Comparison of the models Cubic Quadratic Negative binomial

Conclusions Difference between theoretical and practical point of view : problem of the infinite variance Many other distributions possible Mixed geometrical distributions Open research