If you can't read please download the document
Upload
chana
View
66
Download
3
Embed Size (px)
DESCRIPTION
Assurances Climatiques Paramétriques. Speedwell Weather. Créée en 1999 – Bureaux UK & USA Données & Prévisions Météos Logiciel de gestion de portefeuille des assurances climatiques paramétriques Conseil. 5ème année consécutive - PowerPoint PPT Presentation
Citation preview
Assurance Climatiques Paramtriques
Assurances Climatiques Paramtriques11Speedwell WeatherCre en 1999 Bureaux UK & USADonnes & Prvisions MtosLogiciel de gestion de portefeuille des assurances climatiques paramtriquesConseil
2
5me anne conscutiveBest Global Weather Risk Management Advisory/Data Service1er pour la 1re anneWeather Data Management
2Michael MorenoMaitrise Maths, DEA Sciences Actuarielles et FinanciresDoctorat en Finance de MarchsCo-crit 2 livres et publis une dizaine darticlesMarch climatique depuis 1999Directeur Speedwell Responsable Equipe R&D
Travaille actuellement sur les prvisions mto et le march agricole
Particularit: 452me sur 26500 participants - marathon natation Angleterre 2012
Nhsitez pas me contacter sur LinkedIn3SommaireDfinitionEtat du MarchDonnes ClimatiquesEvaluation de contrat44DfinitionAssurance Climatique Paramtrique = Driv Climatique avec des rgles comptables et lgales diffrentes mais dont le nom fait moins peur au lgislateur et aux clients55Exemples dAssurances Climatiques ParamtriquesPluie - agricultureTemprature + Humidit relative Indice de misre demande lectricit USAVent production dlectricit - oliennePour chaque priode de 4 jours ou plus durant laquelle il pleut moins de 2mm, le paiement final est gal au nombre de jours sans pluie au cours de ces priodes multipli par X Euros.Pour chaque heure ou la temprature est suprieure 95 F et lhumidit relative suprieure 90%, le paiement final est de X USD.Si la production MW.H-1 moyenne la fin du mois est infrieure un certain seuil => paiement dune compensation.
Le contrat est li la courbe de production dlectricit du type dolienne installe.66Il sagit de contrats paramtriquesFonction de Paiement contractuelle: Il ny a pas dexpertise des dgtsRisque de proxy: Il nexiste pas de stations mtorologiques pour chaque champs agricolesRisque de Modlisation: Lassur peut trs bien ne pas avoir subit de prjudice et recevoir un paiement et linverse peut aussi se produirePaiement prvisible: Par exemple, on voit la scheresse se dvelopper chaque jour un peu plus + prvision mtoPaiement trs rapide: 5 jours ouvrs77Quelques contrats notablesPluie / Ptrole Amrique du Sud (~200M USD)Temprature / Gaz Europe (~200M EUR)200 stations multi annuels pluie / temprature AfriqueScheresse dun pays entier - Malawi Banque MondialePluie en Inde (grand rseau de coopratives de trs petites fermes agricoles)88tat du MarchWeather Risk Management Association www.WRMA.org99Etat du MarchCME Contrats Lists
Croissance annuelle substantielle jusquen 2008Activit de March lie au march nergtiqueGr Gr
Croissance saine et continueBonne diversification sectorielle: agriculture, nergie, construction, industrie et services
1010Quelques Acteurs du March ClimatiqueAllianzCelsius ProCity FinancialClimate CorpCoriolisEDF TradingEndurance ReEONJP Morgan
Guaranteed Weather (MSI)LibertyMorgan StanleyMunich ReNephilaRenaissance ReRWESwiss ReWillis11www.WRMA.org
11Donnes ClimatiquesSurprises, surprises1212Quest-ce quune donne climatique?Une mesure climatique est dfinie par:
Une station (lieu et instrumentation)Un lment climatique (temprature, pluie, vent, humidit, pression atmosphrique)Une date et heure denregistrementUne priode (donne instantane ou plage horaire)Type de donne et qualit La valeur mesureInformation additionelle (observateur ou instrumentation)131314Chaque pays et organisation a des conventions de lectures et de mesures diffrentes.
Les conventions ne sont pas constantes dans le tempsElles changent: lecture humaine -> automatises, de 6h 6h -> de 9h 9h, etc
Les conventions en Allemagne sont particulires, celles en France aussi, celles aux USA aussi, celles en Australie aussi, celles au Japon aussi
Il est impossible dvaluer un contrat ou de signer un contrat dassurance climatique sans comprendre ces conventionsLes conventions de mesurene sont pas uniformes14Exemple Royaume-Uni0000SYNOP TMINSYNOP TMAXCLIMATE TMINCLIMATE TMAX15061806180615Exemple France0000CLIMATE TMAX & PLUIE1606180618CLIMATE TMIN16Exemple Allemagne0000Climate Tmin, Tmax, Pluie17 partir de 2001 Seulement!17GSOD Une base de donnes climatiques gratuiteGSOD (Global Summary Of Day) est une base de donnes climatiques reconstruites gratuite.
En bleu: donnes officiellesEn rouge: donnes GSODVent Aroport de DublinCette base contient de nombreuses limitations
Pluie - ChineErreurs trs frquentes 2012 Erreur cumule = 22%1818Donnes Nettoyes19Speedwell traite + de 100 000 fichiers de donnes par jourEnviron 2% des donnes sont erronnesEnviron 3% de donnes manquantes
Donnes officielles sont difficilement utilisables pour les contrats dassurance climatique
Type derreur: pluie: -2992mm - donne climatique officielle QC2!
19Inventaire Donnes Speedwell100 000 stations - 10 000 nettoyes / jour20
20Discontinuits et donnes recalibresChangements parfois enregistrs dans les Mtadonnes
Les stations sont dplaces (assez frquent dans les aroports!)Les instruments sont remplacsChangements jamais enregistrs dans les Mtadonnes
Herbe au sol remplace par macadamChangement dutilisation humaine proximit (example: aire de parking davions dplace 3m des instruments)Peinture blanche sur le toit remplace par de la peinture noireNouveau btiment construit assez proche2121Aroport = Mini VilleExample Kansas City 1990 -> 2012
22
22Oh la belle discontinuit!23
23La liste est longue24
24Donnes recalibres = recalibres aux conditions actuelles de la station25
25Plus belle discontinuit ?26Station COOP USA 10 F !
Cause: Arbre coup !26EvaluationRgle dor: Ne jamais valuer un contrat sans comprendre les donnes au pralable2727Fair Value28283 Mthodes29BurnActuarielleest suppose connue (best fit Maximum de Vraisemblance, etc)est rsolue numriquementSimulation journalire / horaire de llment29Tendance des donnes30
Tendance MensuelleRgression Locale Poids Variables (LOWESS)30Quelle Distribution?31
31Simulation de la temprature32
3233
La saisonnalit nest pas une sinusoide
Mmoire longue
Forte saisonnalit de la distribution des rsidus33Les rsidus sont normalement distribus et non corrlsTout est parfaitCela Marche Merveille34
34En fait les rsidusne sont pas normalement distribus !35
35Simulation dans SWS ?36Bootstrapping de srie temporelle !36Simulation de la PluieLes donnes journalires de pluie sont tronques et censures37t-1tt+1Ces 4 cas (et bien dautres!) sont indiscernables
La troncature et la censure des donnes crent une forte autocorrlation des donnes et de la probabilit quil pleuve37Probabilit quil pleuve38
pt = Prob(Xt = 1 | Xt-1, Xt-2, Xt-3,, Xt-k), k IN*.ProblmatiqueSimuler lvnement il pleut (Xt=1) / il ne pleut pas (Xt = 0)Ensuite il faut estimer la Magnitude en fonction de sil a plu la veille et sil va pleuvoir le lendemain
38Quel Lag (k) ?39
k=1394 Probabilits (x365) et 4 Densits estimer (x 12!)40
40Quelques problmes41A certains endroits, il pleut plus souvent en fin de semaine
Il existe une station o il ne pleut pas le samedi et le dimanche
41Simuler cest bien maisUne station, 1 lment journalier: OKMulti stations multi lments = problme physique pas mathmatique simulations ne marchent pasLa mthode actuarielle est en revanche toujours valide et il est possible de:tester la robustesse de lvaluation laide de scnarios climatiques (El Nino, La Nina, AO, etc)Dintgrer les donnes de March => Approche Financire courbes et distributions implicitesPrvision Mto42
42Prvisions Mtorologiques43
Downscaling: (WikiPedia) downscaling methods are used to obtain local-scale surface weather from regional-scale atmospheric variables
En language statistique simplificateur: Correction de biaisPrvisions Probabilistiques44
Prvision densemble
ECMWF: 00Z + 12ZECMWF Ensemble: 51 Membres
GFS: 00Z + 06Z + 12Z + 18ZGFS Ensemble : 21 Membres44Les prvisions Downscaled sont en fait excellentes45
1 Jour
Erreur Moyenne0.06Contre1.45
Erreur ABS
0.74Contre3.2745Mme 5 jours46
5 Jours
Erreur Moyenne-0.12Contre1.83
Erreur ABS1.31Contre3.2246Mme 1 mois!47Principal Avantage: Physiquement, gographiquement et mtorologiquementcohrent pour tous les lments
Moyen terme (0 15 jours) -> Prvision mtorologiqueLong terme (mois / saison) -> Prvision climatologique
10-15 joursMto
Mensuelle -> Climatologie(plus chaud ou plus froid que la normale)47Incorporation des Prvisions dans lvaluation48Les payoffs des contrats tant souvent non linaires la moyenne des prix pour chaque membre nest pas gale au prix estim partir de la prvision moyenne
Scnario: froid / chaudNombre de joursPoidsStDevetcVrifications de PrvisionsLes prvisions sont uniformes. Par exemple de minuit minuit heure locale standardes ou bien prvisions synoptiques.Les conventions de mesures de donnes et les prvisions ne correspondent pas en gnral.Vrifier les prvisions densemble (i.e. probabilistiques) avec les donnes mesures nest vraiment pas un problme simple.
49
Exemple dune prvision avec erreur de timingParis Orly 1/1/2013 00Z50Erreur de TimingErreur de Prvision?Bon niveau de confiance
PrvisionmtorologiquePrvision climatiqueplus froid que la moyenneConclusionDfinitionEtat du MarchDonnes ClimatiquesEvaluation de contrat51
51Questions ?www.SpeedwellWeather.com
5252
Ti
Ti+1
(i+1
(i
(i+1 distribution