Modélisation d’un Générateur de Scénarios Economiques
Page précédente
Faire suivre ce document

Domaine(s)Mémoire
formation(s)ENSAE () / resp.: / intervenant:
Show details for Informations sur les documentsInformations sur les documents
Hide details for Informations sur les documentsInformations sur les documents

Type de document Mémoires
sociétéPWC
Auteur(s) GIROUX M.P.
Numéro
Date de référence 06/29/2011


Résumé

L'objet de cet ESG est de générer divers scénarios économiques probables afin de constater les réactions d'un bilan à ces différentes situations. L'approche utilisée est une méthode de Bootstrapping. Un scénario se forme à l'aide de tirages aléatoires des innovations d'actifs déjà observées par le passé et appliquées à des dates futures. Le Bootstrapping présente l'avantage de capter directement les corrélations entre les variables de notre modèle, Nous choisissons de modéliser les grandeurs suivantes : taux d'inflation, taux d'intérêt nominaux : un court terme (1 an) et un long terme (10 ans), actions, immobilier, taux de change, spread de crédit. Supposons que ces variables subissent des variations à la hausse ou à la baisse en fonction de la survenance d'informations financières. L'idée sous-jacente de notre ESG est de considérer que ces dernières tombent aléatoirement et non de manière déterministe, par exemple tous les mois ou encore tous les trimestres. Nous combinons alors la technique de Bootstrapping à des processus aléatoires indexés par un temps stochastique. Nous mettons pour cela en place une montre indiquant une autre échelle de temps à l'aide d'un processus stochastique Gamma. Ce procédé nécessite la mise en place certaines améliorations, en particulier en ce qui concerne la dynamique des taux et la prise en compte des queues épaisses de distributions.

Abstract

The purpose is to produce various plausible states of the economy, in order to explore how the company's economic balance sheet would react to various situations. Our method is Bootstrapping, also called resampling. This non-parametric method constitutes the core of the generator. Our basis is a set of historical time series of key variables. The innovations of all economic variables as observed in a randomly selected historical time intervals are taken and used for the simulation of future time intervals. It directly relies on past market behaviors rather than debatable assumptions on models. The Bootstrapping approach captures simultaneous dependencies between variables, but the set of economic variables depends on the availability of raw data. We choose to model the following variables: inflation, interest rates, real estate indices, equity indices, FX, credit spread. We assume that these variables undergo changes upward or downward depending on the occurrence of financial information. The idea underlying our model is to consider that information falls randomly rather than in a deterministically way, for example monthly or quarterly. We then combine the Bootstrapping method to random processes indexed by a stochastic time. We set up a watch that shows a different time scale. We use a Gamma law. In addition, depending on the parameter chosen for the Gamma process, the Gamma watch makes more or less stops. The Bootstrapping method also requires additional improvements, particularly regarding heavy tails of distributions and mean reversion.

Mémoire complet

>Memoire GIROUX Marie Pierre.pdfMemoire GIROUX Marie Pierre.pdf

Lien permament : https://www.ressources-actuarielles.net/C12574E200674F5B/0/DF2EADD42754D77EC1257A3C00312EF6