(Risque de migration) J.Janssen,Solvay Business School, Brussels R.Manca,La Sapienza, Roma

Dimension: px
Commencer à balayer dès la page:

Download "(Risque de migration) J.Janssen,Solvay Business School, Brussels R.Manca,La Sapienza, Roma"

Transcription

1 (Risque de migration) J.Janssen,Solvay Business School, Brussels R.Manca,La Sapienza, Roma Giuseppe Di Biase, Università G. D Annunzio di Chieti, Chieti Guglielmo D Amico, Università G. D Annunzio di Chieti, Chieti 1

2 1. Mo&va&on Surveillance du risque de défaut (entreprises publiques ou privées, pays): via agences de notation par rating Utilisation Bâle II (modèle standard et IRB) Impact sur la valeur du spread pour obligations, dérivés de crédit (CDS, ) Impact sur les dettes souveraines Impact sur l avenir de l EURO 2

3 1. Mo&va&on Point essentiel: étude de la migration ou de l évolution dynamique du rating en particulier des Downgrading (dégradation d une note) Upgrading (amélioration d une note) Par modélisation stochastique: modèle à états et discret dans le temps BD utilisée(par secteurs économiques): Standard and Poors 3

4 2.Grades principaux SP AAA Risque très limité, quasi nul AA Idem mais volatilité plus forte A Plus sensible à la dégradation de l env. économique BBB Plus sensible que A à la dégradation de l env. économique BB Remboursement incertain B Paiements non assurés CCC Ris. de défaut important D Retard de paiement ou défaillance NR «not reported» 4

5 2.Grades intermédiaires AAA- AA+ AA- BBB+ BBB- BB+ BB- CCC+ CCC- +:upgrading (perspective positive) - :downgrading (perspective négative) 5

6 2. Exemple Matrice de transi&on d un ra&ng (Standard et Poors (1998)avec NR) effect if AAA AA A BBB BB B CC C D N.R. TOT AL 165 AAA AA A BBB BB B CC C 7 N.R

7 2. Exemple Matrice de transi&on d un ra&ng (Standard et Poors sans NR, plus récente) AAA AA A BBB BB B C D AAA 0, , , , , , , ,00116 AA 0, ,6284 0, , , , , ,0006 A 0, , , , , , , ,00112 BBB 0, , , , , , ,007 0,0021 BBB 0, ,0221 0, , , , , ,00383 B 0, , , , ,2196 0, , ,01827 C 0,0026 0, , , , , , ,30057 D

8 3.Approche de base dans Bâle II Approche standard notion de risque pondéré (ratio McDonough) AAA AA A+ A- BBB +BBB - BB +B- CCC +C N R Souverain Banques Banques BBB+ 100 à BB- 100 B+ à C Entreprises 8

9 3.Approche de base dans Bâle II(IRB) (i) La probabilité de défaut (PD) (ii) l exposition au défaut (EAD) (ii) la perte en cas de défaut (LGD) (iii) L expected loss (EL) se calcule comme suit : EL=PDxEADxLGD Avec système de notation interne et à chaque degré est associée un PD. Si pas de PD fiable, retour à une notation externe 9

10 4.Trajectoire en temps con&nu d une évolu&on de ra&ng

11 4.Trajectoire en temps discret d une évolu&on de ra&ng

12 4.Comparaison des deux Modèles

13 4.Temps d Observa&on de S&P

14 4.Les 3 trajectoires 14

15 5. Type de modélisa&on Utiliser un modèle à un nombre finis d états avec temps de séjour aléatoire dans chaque état Modélisation semi- markovienne Homogène dans le temps Non- homogène 15

16 6. Processus semi- markoviens (1) 16

17 6. PSM (2) Un espace de probabilité complet Un processus stochastique bidimensionnel : à valeurs dans L ensemble S appelé ensemble des états possibles, représente en fait les notes ou ratings que peut attribuer l agence de notation, la note attribuée en t=n ou à la nième transition et X n le temps de séjour dans l état soit le temps entre deux attributions successives de notes par l agence. Nous supposons que l échelle des temps est discrète, avec l année comme unité, et donc que les v.a. X n prennent leurs valeurs dans l ensemble des nombres naturels. 17

18 6.PSM (3) Nous définissons aussi les v.a. T n représentant les instants de transition et donc définies par : T = X X, n 1 T = X = 0, ps Nous décrirons l évolution stochastique du processus ( ) n ( n, n, 0) J T n par le noyau matriciel mxm Q fonction d une variable temporelle dans le cas homogène et de deux dans le cas non homogène : Q ij (t) = P[ J n+1 = j, T n+1 -T n t J n = i] (2.1) Q ij (s,t) = P[ J n+1 = j, T n+1 t J n = i, T n =s] (2.2) 18

19 PSM(3):propriété semi markovienne cas homogène Jn : Ω S T : n Ω P Jn+ 1 = j, Tn+ 1 Tn t Jn = i = P Jn+ 1 = j, Tn+ 1 Tn t ( Jk, Tk), k n, Jn = i ( = Q ( t)) ij

20 PSM(3):propriété semi markovienne cas non- homogène Jn : Ω S T : n Ω P Jn+ 1 = j, Tn+ 1 t Jn = i, Tn = s = P Jn+ 1 = j, Tn+ 1 t ( Jk, Tk), k n, Jn = i, Tn = s, s< t ( = Q (, s t)) ij

21 PSM(4): CM Incluse Sans tenir compte des instants de transitions, on observe seulement les changements de rating: chaîne de Markov incluse: ( Jn, n = 0,1,...) Les probabilités de transition en une étape sont alors données par: p ij (s)= p ij = lim t Q ij (t); i, j I, t (2.3) lim Q ij (s,t); i, j I, s, t, s t t (2.4) où P et P(s) = [p ij (s)] sont en fait les matrices des probabilités de transition = pij de la chaîne de Markov ( ) ( n, 0) J n respectivement homogène ou non homogène. 21

22 PSM(5):F.dist.des temps de séjour Il est aussi nécessaire d introduire les probabilités que le système quitte un état i avant une période t, dans le cas homogène et entre les instants s et t dans le cas non homogène, soit : H i (t) = P[ T n+1 - T n t J n = i], (2.5) H i (s,t) = P[ T n+1 t J n = i, T n =s]. (2.6) ou H () t = P[ X t J = i], i n+ 1 n H (,) s t = P[ X t s J = i, T = s]. i n+ 1 n n De la définition des noyaux semi markoviens homogènes et non homogène, il résulte que: m H i (t) = Q ij (t), (2.7) j = 1 m H i (s,t) = Q ij (s,t). (2.8) j = 1 22

23 PSM(6):D.cond. des temps de séjour On peut aussi définir les probabilités conditionnelles des temps de séjour X n sous la condition de connaître la future transition : G () t = P[ X t J = i, J = j], ij n+ 1 n n+ 1 G (,) s t = P[ X t s J = i, J = j, T = s], ij n+ 1 n n+ 1 n soit G ij (t)=p[[ T n+1 - T n t J n = i, J n+1 = j ], (2.9) G ij (s,t)=p[ T n+1 t J n = i, J n+1 = j, T n =s]. (2.10) 23

24 PSM(7):D. cond. Des temps de séjour De la définition des noyaux semi markoviens homogènes et non homogène, il résulte que: G ij Qij ( t ) / pij if pij 0, Gij () t = 1 if pij = 0, Qij ( s, t ) / pij ( s) if pij ( s) 0, (,) s t = 1 if pij ( s) = 0. (2.11) (2.12) 24

25 PSM(8): le processus semi- markovien Z Pour définir ce qu est un processus semi-markovien (PSM), il faut introduire le processus de comptage du nombre total de transitions dans (0,t], ( Nt ( ), t 0) défini comme suit { } Nt () = sup n Tn t (2.13) et représentant donc le nombre total de transitions effectuées dans l intervalle de temps [0,t]. Le processus semi-markovien Z = ( Z( t), t 0) associé au noyau homogène ou non homogène Q est alors défini comme suit : Zt () = J, t. N() t Il est clair que Z(t) représente l état occupé en t, soit pour les ratings, la note valable en t. 25

26 7. PSM(9)):trajectoire 26

27 7. PSM (10)Probabilités de transi&on Les probabilités de transition du PSM sont évidemment essentielles ; elles sont définies par : φ ij ( t) = P [ Z( t) = j Z(0) = i], (2.14) [ ] φ ij (,) st = P Zt () = j Z() s = i. (2.15) et vérifient les équations d évolution suivantes (cf. Janssen & Manca (2007)) φ () t = δ (1 H ()) t + b ( ϑ) φ ( t ϑ), (2.16) ij ij i iβ β j β= 1ϑ= 1 φ (,) st δ (1 H(,)) st b (, sϑ) φ ( ϑ,) t ij ij i iβ β j β= 1ϑ= s+ 1 m m t t = + (2.17) 27

28 PSM (11)Probabilités de transi&on en temps discret δ ij représentant le symbole de Kronecker et les fonctions b ij étant définies comme suit : Qij ( t ) Qij ( t 1) if t > 0, bij () t = P[ Jn+ 1 = j, Tn + 1 Tn = t Jn = i] = 0 if t = 0, Qij ( s, t ) Qij ( s, t 1) if t > s, bij (,) s t = P[ Jn+ 1 = j, Tn + 1 = t Jn = i, Tn = s] = 0 if t = s. (2.18) (2.19) 28

29 10 Calibra&on d un modèle PSM Estimer le noyau Q (Q(s)) ou séparément les matrices P et G (P(s) et G(s)) Difficultés nécessite une BD étoffée surtout pour le modèle non homogène, problème de l horizon historique, Application sur les données de S&P (cfr section 15 Exemples) 29

30 11.HSMP RELIABILITY MODEL 1 I = { 1, K, m} Z { Z(), t t 0} = State evolution I = U UD, = U I D, U, U I Rt () = P Zu ( ) U: u 0, t ( ] Reliability function [ ] At () = P Z() t U, Availability function Mt () = 1 PZu ( ) D, u 0, t. Maintainability function ( ]

31 11. HSMP RELIABILITY MODEL 2 Ai () t = φij () t j U r Rk() t = φkj() t j U imbedded MC with : p = δ if i D ij ij m Mk() t = φkj() t j U imbedded MC with : p = δ if i U ij ij

32 I = U 12. HSMP reliability credit risk model { AAA, AA, A, BBB, BB, B, CCC, D} { AAA, AA, A, BBB, BB, B, CCC }, D { D} = = S&P rating states M Has not sense; A=R in reliability credit risk model [ ] ϕ ij () n+ 1 n, n+ 1 n t = P J = j J = i T T > t ϕ () t ij = pij Qij () t 1 H ( t) i

33 12.HSMP reliability credit risk model results φ ij () t probability to stay in the rating class j after a time t starting in the class i at time 0 R() t A() t φ () t = = i i ij j U probability to never go to the default state during a time t 1 H ( t) i no new rating evaluation in a time t ϕ () t ij probability to get the rank j at the next rating evaluation if the previous state was i

34 12. Cas non homogène 1) (), t φ (,) φ représentent les probabilités d avoir le rating the j en t partant de ij ij st l état state i au temps 0 dans le cas homogène ou au temps s dans le cas non homogène et deviennent ici : R R 1') φ (), t φ (,) s t, se définissent comme en 1) mais sont calculées avec les états de ij ij D rendus absorbants et ainsi représentent les probabilités d être dans un bon état j cette fois M M 1") φ () t, φ (,) st,se définissent comme en 1) mais sont calculées avec les états de ij ij U rendus absorbants et ainsi représentent les probabilités d être dans un mauvais état j cette fois. 34

35 12.Cas non homogène (2) 2) Les fonctions1 Hi ( t), 1 H i ( s, t), représentant le probabilités qu il n y pas de nouveau rating dans (0,t) ou dans le cas non homogène dans (s,t); deviennent quant à elles : R i M i R i M i 2') 1 H ( t), 1 H ( s, t), avec les mauvais états absorbants ; 2") 1 H ( t), 1 H ( s, t), avec les bons états absorbants. 35

36 12 Cas non homogène (3) 3) On peut aussi donner la probabilité que le prochain rating soit j étant donné qu il n y ait pas eu de changement dans (0,t) ou dans (s,t) dans le cas non homogène en utilisant les formules générales suivantes : [ ] ϕ ij () n+ 1 n, n+ 1 n t = P X = j X = i T T > t = [ s ] ϕ ij ( st,) = P Jn+ 1 = j Jn i, Tn + 1 t, Tn pij Qij () t 1 H ( t) pij () s Qij (,) s t = > = =. 1 H ( st, ) i i (4.1) 36

37 13.Interpréta&on en termes de ra&ng 4) Les fonctions Ai() t = φi j (), t Ai(, s t) = φij (, s t), i S représentent les j U probabilités qu au temps t, le rating ne soit ni D ni NR, partant de l état i au temps 0 dans le cas homogène ou au temps s dans le cas non homogène 5) Les fonctions R() t = φ () t, R(,) s t = φ (, s t), i U, représentent les i j U ij i probabilités que dans l intervalle (0,t) ou, dans le cas non homogène (s,t) t, le rating ne soit ni D ni NR, partant d un bon état. j U j U ij 37

38 Remarque Remarque pour le modèle sans état NR: La maintainability function M n a évidemment plus d intérêt car D est le seul absorbant et quend la note D est attribuée, le processus se termine donc. De plus, dans le cas considéré ici, l availability function A correspond à la fonction de fiabilité 38

39 14.Probability No Movements Probability to go in the next transition to a state j conditioned to no movements up to time t pij () s Qij (,) s t ϕij ( st, ) = ; homogeneous case 1 H ( s, t) i pij () s Qij (,) s t ϕij ( st, ) = ; non-homogeneous case 1 H ( s, t) i 39

40 15. Three Examples I.Homogeneous SMP II.Non- Homogeneous SMP III. Spread Calculation by Means of DT Non- Homogeneous Semi- Markov Non- Discounted Reward Processes 40

41 Data Of The Examples The entire S&P historical database from 1923 up to 2007 was used for the construction of the matrices of the Markov renewal process. Given that before 1980 the database was really poor we skipped them For the construction of the spreads a small Bloomberg database was used. In this database the data of the spreads in function of the rating was given. The data refer to one month of

42 Example I: Homogeneous Case 42

43 Wai&ng Time D.F. 43

44 Surviving Probabili&es 44

45 Probabili&es Next Transi&on I 45

46 Probabili&es Next Transi&on II 46

47 Probabili&es Next Transi&on III 47

48 Evolu&on Equa&on 48

49 Availability Without NR 49

50 Example II: Non- Homogeneous case 50

51 NH Embedded M.C. II 51

52 NH Embedded MC III 52

53 Surviving Probabili&es 53

54 Next Transi&on Acer No Move I 54

55 Next Transi&on Acer No Move II 55

56 Next Transi&on Acer No Move III 56

57 Next Transi&on Acer No Move IV 57

58 Next Transi&on Acer No Move V 58

59 Next Transi&on Acer No Move VI 59

60 Evolu&on Equa&on I 60

61 Evolu&on Equa&on II 61

62 Evolu&on Equa&on III 62

63 Evolu&on Equa&on IV 63

64 Evolu&on Equa&on V 64

65 Evolu&on Equa&on VI 65

66 Reliability with D Absorbing 66

67 Example III: Spread Evolu&on Problem: Measure of the spread in function of the rating Mean total spread paid in a time T Yearly spread Mean yearly spread Non- Homogeneous Non- Discounted Semi- Markov Reward Processes Spread as permanence rewards 67

68 DTNHSMRewP Not- Discounted V (,) s t = (1 H (,)) s t ψ ( t s) + i i i t b (, s ϑψ ) ( ϑ s) + b (, s ϑ) V ( ϑ,). t iβ i iβ β β Eϑ= s β Eϑ= s Fixed permanence rewards t La partie de l'image avec l'id de relation rid6 n'a pas été trouvée dans le fichier. Non- homogeneous permanence rewards 68

69 Spread Ra&ng Model { AAA, AA, A, BBB, BB, B, C, D} { } { } E= U = AAA, AA, A, BBB, BB, B, C, D= D. [ ] P Zt ( ) DZs ( ) = i= φij ( st, ) = 1 φid( st, ) t j D φij ( ϑ, t) φij (,) st = 1 φ ( ϑ, t) id t 1 Hi ( s, t) Vi(,) s t = ψ i ( t s) + 1 φid ( st, ) t (, ) t biβ s ϑ biβ(, s ϑ) t ψi ( ϑ s) + Vβ ( ϑ, t). β Dϑ= s 1 φid ( st, ) β Dϑ= s 1 φid ( st, ) 69

70 Mean Total Spreads Mean total spreads that are paid for the given time & rating 70

71 Yearly Spread Time AAA AA A BBB BB B CCC Time AAA AA A BBB BB B CCC Spreads Paid Starting From a Rating 71

72 Yearly Mean Spread Time AAA AA A BBB BB B CCC Time AAA AA A BBB BB B CCC Mean of the Spreads Paid Yearly 72

73 References Altman, E. I.(1998). The importance and subtlety of credit rating migration. Journal of Banking and Finance, v. 22, Biffi E., D Amico G., Di Biase G., Janssen J., Manca R., Silvestrov D.(2008). Monte Carlo semi- Markov methods for credit risk migration models and Basel II rules I. Journal of Numerical and Applied Mathematics, 96, Biffi E., D Amico G., Di Biase G., Janssen J., Manca R., Silvestrov D.(2008). Monte Carlo semi- Markov methods for credit risk migration models and Basel II rules II.. Journal of Numerical and Applied Mathematics, 96, Bluhm, C., Overbeck, L., Wagner, C. (2002). An introduction to credit risk management, Chapmann & Hall. Carty, L., Fons, J. (1994).Measuring changes in corporate credit quality. The Journal of Fixed Income v. 4, Cinlar, E. (1975).. Introduction to stochastic processes. Prentice Hall, NY. Crouhy, M., Galai, D., Mark, R. (2000). A comparative analysis of current credit risk models. Journal of Banking and Finance, v. 24, D'Amico G, Janssen J, Manca R. (2005) Homogeneous semi- Markov reliability models for credit risk Management. Decision in Economic and Finance, vol 28, D'Amico G, Janssen J, Manca R. (2006) Credit risk migration semi- Markov models: a reliability approach. Computational Economics, vol 29, D'Amico G, Janssen J, Manca R. (2005) Initial and Final Backward and Forward Discrete Time Non- Homogeneous Semi- Markov Credit Risk models. Methodology and Computing in Applied Probability, 12; p (2010)- D'Amico G., Janssen J. and Manca R (2009) Semi- Markov reliability models with recurrence times and credit rating applications, Journal Of Applied Mathematics & Decision Sciences Volume 2009, Article ID , 17 pages- D'Amico G, Janssen J, Manca R. (2011). Discrete Time Non- Homogeneous Semi- Markov Reliability Transition Credit Risk Models and the Default Distribution Functions. Computational Economics, vol 38, ISSN: D'Amico G, Janssen J, Manca R. (2011)A non- homogeneous semi- Markov reward model for the credit spread computation (with D Amico G., Janssen J.) International Journal of Theoretical and Applied Finance,(2011) vol 14, Hu, Y., Kiesel, R., Perraudin, W. (2001). The estimation of transition matrices for sovereign credit ratings. Journal of Banking and Finance, v. 26, Janssen J., Manca R., (2001). Numerical solution of non homogeneous semi- Markov processes in transient case. Methodology and Computing in Applied Probability. V. 3, ,. Janssen, J., Manca, R., (2006). Applied semi- Markov Processes, Springer, New York. Jarrow, A. J., Lando, D., Turnbull, S. M. (1997). A Markov model for the term structure of credit risk spreads. The Review of Financial Studies, v. 10, Kavvathas, D. (2001). Estimating credit rating transition probabilities for corporate bonds. Working Papers University of Chicago. Koopman, S. J., Lucas, A., Monteiro, A. (2005). The multi- state latent factor intensity models for credit rating transitions, Tinbergen Institute Discussion Paper. Lando, D., Skodeberg, T. M. (2002). Analyzing Rating transitions and rating drift with continuous observations. Journal of Banking and Finance, v. 26, Nickell, P., Perraudin, W., Varotto, S. (2000). Stability of rating transitions. Journal of Banking and Finance, v. 24, Planchet, F., P. Thérond et Jacquemain, J., (2005), Modèles financiers en assurance, Economica, Paris. Roncalli, Thierry (2009). La gestion des risques financiers, Economica, Paris. Standard & Poors Credit Review (1993). Corporate default, rating transition study updated. Mc Graw Hill, New York. Standard & Poors (2001). Rating Performance 2000 Default, Transition, Recovery, and Spreads. Mc Graw Hill, New York. 73

COMPLÉMENT AU RAPPORT PILIER 3 PUBLIÉ DANS LE DOCUMENT DE RÉFÉRENCE LE 4 MARS 2014 : RISQUES DE CRÉDIT

COMPLÉMENT AU RAPPORT PILIER 3 PUBLIÉ DANS LE DOCUMENT DE RÉFÉRENCE LE 4 MARS 2014 : RISQUES DE CRÉDIT COMPLÉMENT AU RAPPORT PILIER 3 PUBLIÉ DANS LE DOCUMENT DE RÉFÉRENCE LE 4 MARS 2014 : RISQUES DE CRÉDIT INFORMATIONS AU 31 DÉCEMBRE 2013 RISQUE DE CRÉDIT : INFORMATIONS QUANTITATIVES COMPLÉMENTAIRES Les

Plus en détail

25 / 06 / 2008 APPLICATION DE LA RÉFORME BÂLE II

25 / 06 / 2008 APPLICATION DE LA RÉFORME BÂLE II 25 / 06 / 2008 APPLICATION DE LA RÉFORME BÂLE II Avertissement Cette présentation peut comporter des éléments de projection et des commentaires relatifs aux objectifs et à la stratégie de la Société Générale.

Plus en détail

Examen Final. Indications

Examen Final. Indications DANS LE SECTEUR BANQUE-ASSURANCE NOM : MATRICULE : PRENOM : Examen Final Problèmes Indications Veuillez respecter les indications suivantes: 1. Vous avez 3 heures à disposition 2. Veuillez vérifier que

Plus en détail

Comment piloter une entreprise d assurance IARD sous Solvabilité II?

Comment piloter une entreprise d assurance IARD sous Solvabilité II? Comment piloter une entreprise d assurance IARD sous Solvabilité II? Journées IARD de l Institut des Actuaires Les nouveaux défis de l assurance IARD liés à Solvabilité II 11 avri l 2012 Gildas Robert,

Plus en détail

MAT 2377 Solutions to the Mi-term

MAT 2377 Solutions to the Mi-term MAT 2377 Solutions to the Mi-term Tuesday June 16 15 Time: 70 minutes Student Number: Name: Professor M. Alvo This is an open book exam. Standard calculators are permitted. Answer all questions. Place

Plus en détail

La mesure et la gestion des risques bancaires : Bâle II et les nouvelles normes comptables

La mesure et la gestion des risques bancaires : Bâle II et les nouvelles normes comptables La mesure et la gestion des risques bancaires : Bâle II et les nouvelles normes comptables Cycle de Conférence à la Cour de Cassation 21 février 2005 Alain Duchâteau Directeur de la Surveillance Générale

Plus en détail

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Plan de la séance 3 : Le risque de crédit (1) Les opérations de crédit Définition d un crédit La décision de crédit Les crédits aux petites

Plus en détail

La revue fondamentale du portefeuille de négociation, une réponse aux limites observées pendant la crise

La revue fondamentale du portefeuille de négociation, une réponse aux limites observées pendant la crise La revue fondamentale du portefeuille de négociation, une réponse aux limites observées pendant la crise Conférence PRMIA Revue Fondamentale du Trading Book Quel trading pour les années à venir Paris,

Plus en détail

1 La formule de Black et Scholes en t discret

1 La formule de Black et Scholes en t discret Université de Provence Préparation Agrégation Epreuve de Modélisation, Option Proba. Texte : La formule de Black Scholes en Finance Étienne Pardoux 1 La formule de Black et Scholes en t discret On suppose

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

Cloud Computing: de la technologie à l usage final. Patrick CRASSON Oracle Thomas RULMONT WDC/CloudSphere Thibault van der Auwermeulen Expopolis

Cloud Computing: de la technologie à l usage final. Patrick CRASSON Oracle Thomas RULMONT WDC/CloudSphere Thibault van der Auwermeulen Expopolis Cloud Computing: de la technologie à l usage final Patrick CRASSON Oracle Thomas RULMONT WDC/CloudSphere Thibault van der Auwermeulen Expopolis ADOPTION DU CLOUD COMPUTING Craintes, moteurs, attentes et

Plus en détail

Équation de Langevin avec petites perturbations browniennes ou

Équation de Langevin avec petites perturbations browniennes ou Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,

Plus en détail

Scénarios économiques en assurance

Scénarios économiques en assurance Motivation et plan du cours Galea & Associés ISFA - Université Lyon 1 ptherond@galea-associes.eu pierre@therond.fr 18 octobre 2013 Motivation Les nouveaux référentiels prudentiel et d'information nancière

Plus en détail

ANALYSE DU RISQUE DE CRÉDIT

ANALYSE DU RISQUE DE CRÉDIT ANALYSE DU RISQUE DE CRÉDIT Banque & Marchés Cécile Kharoubi Professeur de Finance ESCP Europe Philippe Thomas Professeur de Finance ESCP Europe TABLE DES MATIÈRES Introduction... 15 Chapitre 1 Le risque

Plus en détail

DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS. Semestre d hiver 2001-2002

DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS. Semestre d hiver 2001-2002 Département d économie politique DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS Semestre d hiver 2001-2002 Professeurs Marc Chesney et François Quittard-Pinon Séance

Plus en détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

Module 7: Chaînes de Markov à temps continu

Module 7: Chaînes de Markov à temps continu Module 7: Chaînes de Markov à temps continu Patrick Thiran 1 Introduction aux chaînes de Markov à temps continu 1.1 (Première) définition Ce module est consacré aux processus à temps continu {X(t), t R

Plus en détail

De ces 6 blocs, le Groupe OFI est concerné par les blocs marché et défaut relatifs aux investissements financiers.

De ces 6 blocs, le Groupe OFI est concerné par les blocs marché et défaut relatifs aux investissements financiers. Calcul du SCR marché Rappel : Dans le cadre de la nouvelle réglementation de l assurance Solvabilité 2, le premier pilier quantitatif définit les normes de calcul des fonds propres réglementaires. Le SCR

Plus en détail

AMESD-Puma2010-EFTS- Configuration-update-TEN (en-fr)

AMESD-Puma2010-EFTS- Configuration-update-TEN (en-fr) AMESD-Puma2010-EFTS- Configuration-update-TEN (en-fr) Doc.No. : EUM/OPS/TEN/13/706466 Issue : v3 Date : 7 May 2014 WBS : EUMETSAT Eumetsat-Allee 1, D-64295 Darmstadt, Germany Tel: +49 6151 807-7 Fax: +49

Plus en détail

Typologie des risques Mesure de risques Aspects statistiques; risques multivariés. Bauer & Isidor Shteto, CACIB, séances 6 8)

Typologie des risques Mesure de risques Aspects statistiques; risques multivariés. Bauer & Isidor Shteto, CACIB, séances 6 8) Plan du cours 1 Introduction, mesure de risques (P. Tankov, UPD, séances 1 3) Typologie des risques Mesure de risques Aspects statistiques; risques multivariés 2 Réglementation (M. Benlaribi, Deloitte,

Plus en détail

Exercice 3 du cours Management Bancaire : «Risque de crédit et scoring»

Exercice 3 du cours Management Bancaire : «Risque de crédit et scoring» Exercice 3 du cours Management Bancaire : «Risque de crédit et scoring» Ce cas a pour objectif d étudier le risque de crédit d une entreprise à l aide de la méthode du scoring. Cette méthode statistique

Plus en détail

Quelques modèles financiers utilisant les EDSR et EDSPR avec grossissement de filtration

Quelques modèles financiers utilisant les EDSR et EDSPR avec grossissement de filtration Quelques modèles financiers utilisant les EDSR et EDSPR avec grossissement de filtration Anne EYRAUD-LOISEL ISFA, Université Lyon 1 Séminaire Lyon - Le Mans 3 Mai 2012, Le Mans 1 / 40 Outline 1 Problèmes

Plus en détail

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option

Plus en détail

ORSA dans le cas de contrats d épargne en euro

ORSA dans le cas de contrats d épargne en euro ORSA dans le cas de contrats d épargne en euro Version 1.1 Université d été IA - juillet 2012 Frédéric PLANCHET fplanchet@winter-associes.fr Marc JUILLARD mjuillard@winter-associes.fr Préambule L article

Plus en détail

Modèle classique Extensions Modèle multi-branches. Théorie de la ruine. Esterina Masiello (ISFA)

Modèle classique Extensions Modèle multi-branches. Théorie de la ruine. Esterina Masiello (ISFA) Esterina Masiello Institut de Science Financière et d Assurances Université Lyon 1 Premières Journées Actuarielles de Strasbourg 6-7 octobre 2010 En résumé... Modèle classique de la théorie de la ruine

Plus en détail

Le Fol Gaëlle. Current Position - Status. Former positions. Education and qualification. Full professor. gaelle.le_fol@dauphine.fr

Le Fol Gaëlle. Current Position - Status. Former positions. Education and qualification. Full professor. gaelle.le_fol@dauphine.fr Le Fol Gaëlle Full professor gaelle.le_fol@dauphine.fr Current Position - Status Head of an education program : Master 203 - Financial Markets Department of attachment : MSO Centre of Research : Dauphine

Plus en détail

Les dérivés de crédit : instruments de couverture et facteurs d instabilité. L exemple des «Credit Default Swap».

Les dérivés de crédit : instruments de couverture et facteurs d instabilité. L exemple des «Credit Default Swap». Les dérivés de crédit : instruments de couverture et facteurs d instabilité. L exemple des «Credit Default Swap». Nathalie REY CEPN, -CNRS, UMR 7115, Université Paris 13 Résumé : Cet article montre, à

Plus en détail

Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation

Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC,

Plus en détail

Accréditation d une activité CPD organisée par un organisateur de formations agréé

Accréditation d une activité CPD organisée par un organisateur de formations agréé Accréditation d une activité CPD organisée par un organisateur de formations agréé Rappels : annexe 1. Objectif : un organisateur de formations accrédité CPD souhaite obtenir de l IA BE, l accréditation

Plus en détail

3 e Atelier des Étudiants Gradués en Actuariat et Mathématiques Financières. 3 rd Graduate Students Workshop on Actuarial and Financial Mathematics

3 e Atelier des Étudiants Gradués en Actuariat et Mathématiques Financières. 3 rd Graduate Students Workshop on Actuarial and Financial Mathematics 3 e Atelier des Étudiants Gradués en Actuariat et Mathématiques Financières 3 rd Graduate Students Workshop on Actuarial and Financial Mathematics Résumé-Abstracts Organization: Ghislain Léveillé Co-organization:

Plus en détail

Expertise Crédit Euro. La sélection de titres au coeur de la performance de notre gestion. Décembre 2014

Expertise Crédit Euro. La sélection de titres au coeur de la performance de notre gestion. Décembre 2014 Expertise Crédit Euro La sélection de titres au coeur de la performance de notre gestion Décembre 2014 destiné à des investisseurs professionnels au sens de la Directive Européenne MIF Performance cumulée

Plus en détail

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base M.A. Knefati 1 & A. Oulidi 2 & P.Chauvet 1 & M. Delecroix 3 1 LUNAM Université, Université Catholique de l Ouest,

Plus en détail

IDENTITÉ DE L ÉTUDIANT / APPLICANT INFORMATION

IDENTITÉ DE L ÉTUDIANT / APPLICANT INFORMATION vice Direction des Partenariats Internationaux Pôle Mobilités Prrogrramme de bourrses Intterrnattiionalles en Mastterr (MIEM) Intterrnattiionall Mastterr Schollarrshiip Prrogrramme Sorrbonne Parriis Ciitté

Plus en détail

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire

Plus en détail

Probabilités III Introduction à l évaluation d options

Probabilités III Introduction à l évaluation d options Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un

Plus en détail

BNP Paribas Investment Partners

BNP Paribas Investment Partners FOR PROFESSIONAL INVESTORS BNP Paribas Investment Partners Conférence téléphonique - Gestion obligataire Jeudi 4 juillet 2013 2 Eurozone Fixed Income Performances à fin juin 2013 Eurozone main bond indices

Plus en détail

09/2011. Thierry Lemerle Directeur Général adjoint Pole Emploi, France

09/2011. Thierry Lemerle Directeur Général adjoint Pole Emploi, France Thierry Lemerle Directeur Général adjoint Pole Emploi, France Missions Registration Information Payment of allowances Support for job seekers Assistance to companies for their recruitment Establishment

Plus en détail

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES. CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires

Plus en détail

Valorisation de la dette

Valorisation de la dette Valorisation de la dette Caroline Duron /Jean-Michel Moinade Oddo Corporate Finance Sommaire Le plus souvent la valorisation des fonds propres se fait en partant de la valeur d entreprise puis en soustrayant

Plus en détail

Mémoire d Actuariat Tarification de la branche d assurance des accidents du travail Aymeric Souleau aymeric.souleau@axa.com 3 Septembre 2010 Plan 1 Introduction Les accidents du travail L assurance des

Plus en détail

A la recherche de rendement. Les obligations Haut Rendement. Animé par : Pierre WROBEL, Spécialiste Produit. Juin 2014

A la recherche de rendement. Les obligations Haut Rendement. Animé par : Pierre WROBEL, Spécialiste Produit. Juin 2014 A la recherche de rendement Les obligations Haut Rendement Animé par : Pierre WROBEL, Spécialiste Produit Juin 2014 Des taux historiquement bas Un taux allemand à 10 ans aujourd hui inférieur à 2 % < 2

Plus en détail

Les mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des

Plus en détail

Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com

Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com Points abordés Méthodes numériques employées en finance Approximations de prix

Plus en détail

FIMA, 7 juillet 2005

FIMA, 7 juillet 2005 F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation

Plus en détail

MODELES DE LA COURBE DES TAUX D INTERET. UNIVERSITE d EVRY Séance 1. Philippe PRIAULET

MODELES DE LA COURBE DES TAUX D INTERET. UNIVERSITE d EVRY Séance 1. Philippe PRIAULET MODELES DE LA COURBE DES TAUX D INTERET UNIVERSITE d EVRY Séance 1 Philippe PRIAULET Plan du Cours Introduction Définition de la courbe des taux La multitude de courbes des taux Pourquoi utiliser un modèle

Plus en détail

Quel crédit accorder aux spreads de crédit? CATHERINE LUBOCHINSKY Professeur à l Université de Paris II Directrice du DESS Finance

Quel crédit accorder aux spreads de crédit? CATHERINE LUBOCHINSKY Professeur à l Université de Paris II Directrice du DESS Finance Quel crédit accorder aux spreads de crédit? CATHERINE LUBOCHINSKY Professeur à l Université de Paris II Directrice du DESS Finance L objet de cet article est de s interroger sur le contenu informationnel

Plus en détail

Les nouveaux ratios prudentiels applicables aux établissements de crédit au titre du droit communautaire

Les nouveaux ratios prudentiels applicables aux établissements de crédit au titre du droit communautaire Les nouveaux ratios prudentiels applicables aux établissements de crédit au titre du droit communautaire Frédéric Leplat Les recommandations du Comité de Bâle II ont été reprises par deux directives communautaires

Plus en détail

Confirmation du titulaire de la carte en cas de contestation de transaction(s) Cardholder s Certification of Disputed Transactions

Confirmation du titulaire de la carte en cas de contestation de transaction(s) Cardholder s Certification of Disputed Transactions Confirmation du titulaire de la carte en cas de contestation de transaction(s) Cardholder s Certification of Disputed Transactions Informations personnelles Nom/Prénom Name / Firstname Numéro de la carte

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

0 h(s)ds et h [t = 1 [t, [ h, t IR +. Φ L 2 (IR + ) Φ sur U par

0 h(s)ds et h [t = 1 [t, [ h, t IR +. Φ L 2 (IR + ) Φ sur U par Probabilités) Calculus on Fock space and a non-adapted quantum Itô formula Nicolas Privault Abstract - The aim of this note is to introduce a calculus on Fock space with its probabilistic interpretations,

Plus en détail

Baccalauréat ES Amérique du Nord 4 juin 2008

Baccalauréat ES Amérique du Nord 4 juin 2008 Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation

Plus en détail

Activités d encadrement et de recherche - Membre du projet PREMIA (1999-2003), logiciel d évaluation d options

Activités d encadrement et de recherche - Membre du projet PREMIA (1999-2003), logiciel d évaluation d options Stéphane VILLENEUVE Né le 25 Février 1971 Marié, 2 enfants GREMAQ Université des Sciences Sociales Manufacture des Tabacs 21 allée de Brienne 31000 TOULOUSE Tél: 05-61-12-85-67 e-mail: stephane.villeneuve@univ-tlse1.fr

Plus en détail

Natixis Asset Management Response to the European Commission Green Paper on shadow banking

Natixis Asset Management Response to the European Commission Green Paper on shadow banking European Commission DG MARKT Unit 02 Rue de Spa, 2 1049 Brussels Belgium markt-consultation-shadow-banking@ec.europa.eu 14 th June 2012 Natixis Asset Management Response to the European Commission Green

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

Simulations et Méthodes de Monte Carlo

Simulations et Méthodes de Monte Carlo Simulations et Méthodes de Monte Carlo Kam Yuen CHU Ezzoubir KODAD Responsable : Thierry RONCALLI 1 EXO 1 : Risque de marché library pgraph; @Exo1: Risque de marché@ let So=100 150 ; let theta = 1 1; let

Plus en détail

thématique d'investissement

thématique d'investissement 6// thématique d'investissement PRéSERVER LE CAPITAL AVEC DU CRéDIT DE QUALITé Alors qu elles avaient bien résisté à la crise de la dette souveraine sur le premier semestre, les obligations d entreprise

Plus en détail

Modèle GARCH Application à la prévision de la volatilité

Modèle GARCH Application à la prévision de la volatilité Modèle GARCH Application à la prévision de la volatilité Olivier Roustant Ecole des Mines de St-Etienne 3A - Finance Quantitative Décembre 2007 1 Objectifs Améliorer la modélisation de Black et Scholes

Plus en détail

REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION

REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION THÈSE N O 2388 (2001) PRÉSENTÉE AU DÉPARTEMENT D'INFORMATIQUE ÉCOLE POLYTECHNIQUE FÉDÉRALE

Plus en détail

Implications and Opportunities Presented by the Securitization of Catastrophe (Re)insurance

Implications and Opportunities Presented by the Securitization of Catastrophe (Re)insurance Implications and Opportunities Presented by the Securitization of Catastrophe (Re)insurance M. Morton N. Lane, Ph. D. Président, Lane Financial LLC Directeur, M. Sc. en ingénierie financière Université

Plus en détail

Gestion des risques et risque de crédit

Gestion des risques et risque de crédit 1 Gestion des risques et risque de crédit Vivien BRUNEL This version: January 28, 2009 2 Chapter 1 Les risques dans la banque 1.1 Activités d une banque On distingue essentiellement deux types de banques

Plus en détail

Exemple PLS avec SAS

Exemple PLS avec SAS Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that

Plus en détail

Ecole Nationale des Ponts et Chaussées Option Adjusted Spread

Ecole Nationale des Ponts et Chaussées Option Adjusted Spread Ecole Nationale des Ponts et Chaussées Option Adjusted Spread Dimitri Kassatkine, Sofiane Maayoufi IMI Finance Mars 2006 1 INTRODUCTION 1.1 Présentation des produits obligataires Une obligation est un

Plus en détail

Risque de contrepartie sur opérations de marché. Marwan Moubachir

Risque de contrepartie sur opérations de marché. Marwan Moubachir JJ Mois Année Risque de contrepartie sur opérations de marché Marwan Moubachir RISQ/CMC/MOD Le contenu de cette présentation ne représente que le point de vue de son auteur et n'engage en rien la Société

Plus en détail

PortfolioPraxis: Akadémie. «Je m appelle «Bond» «Corporate Bond» Les Obligations Privées

PortfolioPraxis: Akadémie. «Je m appelle «Bond» «Corporate Bond» Les Obligations Privées «Je m appelle «Bond» «Corporate Bond» Les Obligations Privées Janvier 2011 Contenu Les Obligations Privées 3 I Le crédit corporate 4 II Les ressorts de sa valeur 4 III L évolution du marché corporate depuis

Plus en détail

Modélisation des lois multidimensionnelles par la théorie des copules

Modélisation des lois multidimensionnelles par la théorie des copules Modélisation des lois multidimensionnelles par la théorie des copules Grégoire Mercier jeudi 9 novembre 26 Contenu 2 Mesure de dépendance Lien avec les copules 3 Estimation de l information mutuelle Estimation

Plus en détail

AIDE FINANCIÈRE POUR ATHLÈTES FINANCIAL ASSISTANCE FOR ATHLETES

AIDE FINANCIÈRE POUR ATHLÈTES FINANCIAL ASSISTANCE FOR ATHLETES AIDE FINANCIÈRE POUR ATHLÈTES FINANCIAL ASSISTANCE FOR ATHLETES FORMULAIRE DE DEMANDE D AIDE / APPLICATION FORM Espace réservé pour l utilisation de la fondation This space reserved for foundation use

Plus en détail

Prédiction et Big data

Prédiction et Big data Prédiction et Big data Mitra Fouladirad Institut Charles Delaunay - UMR CNRS 6281 Université de Technologie de Troyes 29 avril 2015 1 1 Sujet Motivation Le pronostic ou la prédiction du comportement futur

Plus en détail

PIB : Définition : mesure de l activité économique réalisée à l échelle d une nation sur une période donnée.

PIB : Définition : mesure de l activité économique réalisée à l échelle d une nation sur une période donnée. PIB : Définition : mesure de l activité économique réalisée à l échelle d une nation sur une période donnée. Il y a trois approches possibles du produit intérieur brut : Optique de la production Optique

Plus en détail

Processus Stochastiques

Processus Stochastiques Processus Stochastiques Olivier Scaillet University of Geneva and Swiss Finance Institute Outline 1 Introduction 2 Chaînes de Markov 3 Application en assurance 4 Application en nance Processus Stochastique

Plus en détail

Les obligations «High Yield «

Les obligations «High Yield « Informations réservées exclusivement aux distributeurs de fonds et aux investisseurs institutionnels. Les obligations «High Yield «Un rendement obligataire élevé pour un risque de crédit acceptable. Analysis

Plus en détail

Réflexions sur les causes et conséquences de la crise financière Axel Miller Managing Director Partner PETERCAM

Réflexions sur les causes et conséquences de la crise financière Axel Miller Managing Director Partner PETERCAM Forum Financier, Namur 25 Novembre 2009 Réflexions sur les causes et conséquences de la crise financière Axel Miller Managing Director Partner PETERCAM 700 Subprimes USA : issuance of private-label RMBS

Plus en détail

Application Form/ Formulaire de demande

Application Form/ Formulaire de demande Application Form/ Formulaire de demande Ecosystem Approaches to Health: Summer Workshop and Field school Approches écosystémiques de la santé: Atelier intensif et stage d été Please submit your application

Plus en détail

THEM ASSET Générer de l Alpha dans un contexte de taux bas

THEM ASSET Générer de l Alpha dans un contexte de taux bas THEM ASSET Générer de l Alpha dans un contexte de taux bas 28 mai 2015 Gestionnaire Activement Responsable Groupama AM Un acteur majeur de la gestion d actifs 2 Filiale à 100% de Groupama 96.7 Md d actifs

Plus en détail

Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien)

Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien) Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien) Alain Bretto & Joël Priolon - 25 mars 2013 Question Dans un équilibre

Plus en détail

Discussion on the paper Measuring Systemic Risk in a Post-Crisis World by Olivier de Bandt, Jean-Cyprien Héam, Claire Labonne and Santiago Tavolaro

Discussion on the paper Measuring Systemic Risk in a Post-Crisis World by Olivier de Bandt, Jean-Cyprien Héam, Claire Labonne and Santiago Tavolaro Discussion on the paper Measuring Systemic Risk in a Post-Crisis World by Olivier de Bandt, Jean-Cyprien Héam, Claire Labonne and Santiago Tavolaro ISFA, Université Lyon 1 Aterlier risque systémique et

Plus en détail

Données individuelles : bien les protéger pour mieux les diffuser

Données individuelles : bien les protéger pour mieux les diffuser Données individuelles : bien les protéger pour mieux les diffuser Maxime Bergeat 1 1 Insee - Département des méthodes statistiques 18 boulevard Adolphe Pinard, timbre L120, 75675 Paris cedex 14 maxime.bergeat@insee.fr

Plus en détail

France with an OIB. Updated January 2014

France with an OIB. Updated January 2014 France with an OIB Updated January 2014 The French system May appear complicated Not too expensive Good opportunities if you look carefully 2 European harmonisation of higher education - LMD system Licence

Plus en détail

Gestion des prestations Volontaire

Gestion des prestations Volontaire Gestion des prestations Volontaire Qu estce que l Income Management (Gestion des prestations)? La gestion des prestations est un moyen de vous aider à gérer votre argent pour couvrir vos nécessités et

Plus en détail

Gestion obligataire passive

Gestion obligataire passive Finance 1 Université d Evry Séance 7 Gestion obligataire passive Philippe Priaulet L efficience des marchés Stratégies passives Qu est-ce qu un bon benchmark? Réplication simple Réplication par échantillonnage

Plus en détail

AFIM EONOS 5 RAPPORT ANNUEL. Exercice clos le 31 décembre 2014. Société de gestion : AVENIR FINANCE INVESTMENT MANAGERS

AFIM EONOS 5 RAPPORT ANNUEL. Exercice clos le 31 décembre 2014. Société de gestion : AVENIR FINANCE INVESTMENT MANAGERS AFIM EONOS 5 RAPPORT ANNUEL Exercice clos le 31 décembre 2014 Code ISIN : Part B : FR0010789784 Part C : FR0010800300 Dénomination : AFIM EONOS 5 Forme juridique : FCP de droit français Compartiments/nourricier

Plus en détail

COMMISSION EUROPÉENNE

COMMISSION EUROPÉENNE COMMISSION EUROPÉENNE Bruxelles, le 29.04.2009 C(2009)3053 final Objet: Aide d'etat N 677/b/2007 France Méthode de calcul de l équivalent-subvention brut (ESB) pour les aides sous forme de garantie publique

Plus en détail

Martingales dans l étude de quelques arbres aléatoires

Martingales dans l étude de quelques arbres aléatoires Martingales dans l étude de quelques arbres aléatoires Brigitte CHAUVIN Brigitte.Chauvin@math.uvsq.fr Monastir, 18-20 Octobre 2010 Contents 1 Introduction 1 2 Arbres binaires de recherche 2 2.1 Définitions.....................................

Plus en détail

Jeux à somme nulle : le cas fini

Jeux à somme nulle : le cas fini CHAPITRE 2 Jeux à somme nulle : le cas fini Les jeux à somme nulle sont les jeux à deux joueurs où la somme des fonctions de paiement est nulle. Dans ce type d interaction stratégique, les intérêts des

Plus en détail

Instructions Mozilla Thunderbird Page 1

Instructions Mozilla Thunderbird Page 1 Instructions Mozilla Thunderbird Page 1 Instructions Mozilla Thunderbird Ce manuel est écrit pour les utilisateurs qui font déjà configurer un compte de courrier électronique dans Mozilla Thunderbird et

Plus en détail

Evaluation de la prime de risques de la vente d une bande d énergie nucléaire

Evaluation de la prime de risques de la vente d une bande d énergie nucléaire 28/3/2011 ANNEXE 6 (Source: Electrabel) Evaluation de la prime de risques de la vente d une bande d énergie nucléaire Si nous vendons une bande d énergie nucléaire à certains clients, que nous garantissons

Plus en détail

I. Programmation I. 1 Ecrire un programme en Scilab traduisant l organigramme montré ci-après (on pourra utiliser les annexes):

I. Programmation I. 1 Ecrire un programme en Scilab traduisant l organigramme montré ci-après (on pourra utiliser les annexes): Master Chimie Fondamentale et Appliquée : spécialité «Ingénierie Chimique» Examen «Programmation, Simulation des procédés» avril 2008a Nom : Prénom : groupe TD : I. Programmation I. 1 Ecrire un programme

Plus en détail

Processus aléatoires avec application en finance

Processus aléatoires avec application en finance Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et

Plus en détail

Dérivés de crédit : Situation et évolution du marché

Dérivés de crédit : Situation et évolution du marché Dérivés de crédit : Situation et évolution du marché Parallèle entre dérivés de crédit et produits d assurance Déjeuner débat FFA Jean-Paul LAURENT Professeur à l'isfa, Université de Lyon, Conseiller scientifique

Plus en détail

I. COORDONNÉES PERSONNELLES / PERSONAL DATA

I. COORDONNÉES PERSONNELLES / PERSONAL DATA DOSSIER DE CANDIDATUREAPPLICATION FORM 2012 Please tick the admission session of your choice FévrierFebruary SeptembreSeptember MASTER OF ART (Mention the subject) MASTER OF SCIENCE (Mention the subject)

Plus en détail

ETABLISSEMENT D ENSEIGNEMENT OU ORGANISME DE FORMATION / UNIVERSITY OR COLLEGE:

ETABLISSEMENT D ENSEIGNEMENT OU ORGANISME DE FORMATION / UNIVERSITY OR COLLEGE: 8. Tripartite internship agreement La présente convention a pour objet de définir les conditions dans lesquelles le stagiaire ci-après nommé sera accueilli dans l entreprise. This contract defines the

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université

Plus en détail

L impact des délais de paiement et des solutions appropriées. Dominique Geenens Intrum Justitia

L impact des délais de paiement et des solutions appropriées. Dominique Geenens Intrum Justitia L impact des délais de paiement et des solutions appropriées Dominique Geenens Intrum Justitia Groupe Intrum Justitia Leader du marché en gestion de crédit Entreprise européenne dynamique avec siège principal

Plus en détail

Atelier : Formation. Rapport du Groupe 1. Brainstorming Formation actuarielle. 1. Système de formation

Atelier : Formation. Rapport du Groupe 1. Brainstorming Formation actuarielle. 1. Système de formation Atelier : Formation Rapport du Groupe 1 Brainstorming Formation actuarielle 1. Système de formation Formation universitaire ou Système examens (système anglo-saxon) Conciliation entre les deux: Formation

Plus en détail

La sophistication de la gestion des risques génère elle-même des risques

La sophistication de la gestion des risques génère elle-même des risques Préface 9 haute valeur ajoutée. En gestion des risques, cela signifie très concrètement de développer des outils statistiques d aide à la décision (score, système expert) ou des indicateurs de risque synthétiques,

Plus en détail

Plan. - La VaR. - Introduction à l FRTB. - Principales révisions Frontières Banking / Trading book l Expected Shortfall Les horizons de liquidité

Plan. - La VaR. - Introduction à l FRTB. - Principales révisions Frontières Banking / Trading book l Expected Shortfall Les horizons de liquidité PAGE 1 F R T B ( F u n d a m e n t a l R e v i e w o f t h e T r a d i n g B o o k ) u n e n o u v e l l e p e r s p e c t i v e d e m e s u r e d e l a V A R. Y o u s s e f M e l l o u k i Plan PAGE 2

Plus en détail

Evolution of inequalities in health care use in France

Evolution of inequalities in health care use in France Evolution of inequalities in health care use in France Florence Jusot University of Rouen Paris-Dauphine University (Leda-legos) & Irdes Paul Dourgnon Irdes & Paris-Dauphine University (Leda-legos) Context

Plus en détail

Modélisation du comportement habituel de la personne en smarthome

Modélisation du comportement habituel de la personne en smarthome Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai

Plus en détail

NOTATIONS PRÉLIMINAIRES

NOTATIONS PRÉLIMINAIRES Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel

Plus en détail

Rappels. Génie logiciel. Implemented tactics. Oldest architecture: Batch-Sequential

Rappels. Génie logiciel. Implemented tactics. Oldest architecture: Batch-Sequential Rappels Génie logiciel Philippe Dugerdil Composants, packages Couches & dépendances Principes de structuration Réutilisation / responsabilité Réutilisation & composants 09.12.2010 Oldest architecture:

Plus en détail

BNP Paribas Personal Finance

BNP Paribas Personal Finance BNP Paribas Personal Finance Financially fragile loan holder prevention program CUSTOMERS IN DIFFICULTY: QUICKER IDENTIFICATION MEANS BETTER SUPPORT Brussels, December 12th 2014 Why BNPP PF has developed

Plus en détail