Assurances Climatiques Paramtriques 1 Speedwell Weather Cre en
- Slides: 52
Assurances Climatiques Paramétriques 1
Speedwell Weather • Créée en 1999 – Bureaux UK & USA • Données & Prévisions Météos • Logiciel de gestion de portefeuille des assurances climatiques paramétriques • Conseil 5ème année consécutive Best Global Weather Risk Management Advisory/Data Service 1 er pour la 1ère année Weather Data Management 2
Michael Moreno • • • Maitrise Maths, DEA Sciences Actuarielles et Financières Doctorat en Finance de Marchés Co-écrit 2 livres et publiés une dizaine d’articles Marché climatique depuis 1999 Directeur Speedwell – Responsable Equipe R&D • Travaille actuellement sur les prévisions météo et le marché agricole • Particularité: 452ème sur 26500 participants - marathon natation Angleterre 2012 michael. moreno@Speedwell. Weather. com N’hésitez pas à me contacter sur Linked. In 3
Sommaire • • Définition Etat du Marché Données Climatiques Evaluation de contrat 4
Assurance Climatique Paramétrique = Dérivé Climatique avec des règles comptables et légales différentes mais dont le nom fait moins peur au législateur et aux clients DÉFINITION 5
Exemples d’Assurances Climatiques Paramétriques Pluie - agriculture Température + Humidité relative – Indice de misère – demande électricité USA Vent – production d’électricité - éolienne Pour chaque période de 4 jours ou plus durant laquelle il pleut moins de 2 mm, 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 l’humidité 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 d’une compensation. Le contrat est lié à la courbe de production d’électricité du type d’éolienne installée. 6
Il s’agit de contrats paramétriques • Fonction de Paiement contractuelle: Il n’y a pas d’expertise des dégâts • Risque de proxy: Il n’existe pas de stations météorologiques pour chaque champs agricoles • Risque de Modélisation: L’assuré peut très bien ne pas avoir subit de préjudice et recevoir un paiement et l’inverse 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
Quelques contrats notables • Pluie / Pétrole – Amérique du Sud (~200 M USD) • Température / Gaz – Europe (~200 M EUR) • 200 stations – multi annuels – pluie / température – Afrique • Sècheresse d’un pays entier - Malawi – Banque Mondiale • Pluie en Inde (grand réseau de coopératives de très petites fermes agricoles) 8
Weather Risk Management Association www. WRMA. org ÉTAT DU MARCHÉ 9
Etat du Marché CME – Contrats Listés Gré à Gré • Croissance annuelle substantielle jusqu’en 2008 • Activité de Marché liée au marché énergétique • Croissance saine et continue • Bonne diversification sectorielle: agriculture, énergie, construction, industrie et services 10
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 www. WRMA. org 11
Surprises, surprises… DONNÉES CLIMATIQUES 12
Qu’est-ce qu’une 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 d’enregistrement - Une période (donnée instantanée ou plage horaire) - Type de donnée et qualité - La valeur mesurée - Information additionelle (observateur ou instrumentation) 13
Les conventions de mesure ne sont pas uniformes 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 6 h à 6 h -> de 9 h à 9 h, 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 d’évaluer un contrat ou de signer un contrat d’assurance climatique sans comprendre ces conventions 14
Exemple Royaume-Uni CLIMATE TMIN CLIMATE TMAX SYNOP TMIN 06 18 00 06 SYNOP TMAX 18 00 06 15
Exemple France CLIMATE TMAX & PLUIE CLIMATE TMIN 18 00 06 16
Exemple Allemagne Climate Tmin, Tmax, Pluie 00 00 À partir de 2001 Seulement! 17
GSOD – Une base de données climatiques gratuite • GSOD (Global Summary Of Day) est une base de données climatiques reconstruites gratuite. Vent – Aéroport de Dublin Pluie - Chine Erreurs très fréquentes 2012 Erreur cumulée = 22% En bleu: données officielles En rouge: données GSOD Cette base contient de nombreuses ‘limitations’ 18
Données Nettoyées Speedwell traite + de 100 000 fichiers de données par jour Environ 2% des données sont erronnées Environ 3% de données manquantes Données officielles sont difficilement utilisables pour les contrats d’assurance climatique Type d’erreur: pluie: -2992 mm - donnée climatique officielle QC 2! 19
Inventaire Données Speedwell 100 000 stations - 10 000 nettoyées / jour 20
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 d’utilisation humaine à proximité (example: aire de parking d’avions déplacée à 3 m des instruments) • Peinture blanche sur le toit remplacée par de la peinture noire • Nouveau bâtiment construit assez proche 21
Aéroport = Mini Ville Example Kansas City 1990 -> 2012 22
Oh la belle discontinuité! 23
La liste est longue… 24
Données recalibrées = recalibrées aux conditions actuelles de la station 25
Plus belle discontinuité ? Station COOP USA 10 F ! Cause: Arbre coupé ! 26
Règle d’or: Ne jamais évaluer un contrat sans comprendre les données au préalable EVALUATION 27
Fair Value • 28
3 Méthodes Burn Actuarielle est supposée connue (best fit – Maximum de Vraisemblance, etc) est résolue numériquement Simulation journalière / horaire de l’élément 29
Tendance des données • Tendance Mensuelle • Régression Locale à Poids Variables (LOWESS) 30
Quelle Distribution? 31
Simulation de la température • 32
• La saisonnalité n’est pas une sinusoide • Mémoire longue • Forte saisonnalité de la distribution des résidus 33
Les résidus sont normalement distribués et non corrélés • Tout est parfait • Cela Marche à Merveille 34
En fait les résidus ne sont pas normalement distribués ! 35
Simulation dans SWS ? Bootstrapping de série temporelle ! 36
Simulation de la Pluie Les données journalières de pluie sont tronquées et censurées t-1 t t+1 Ces 4 cas (et bien d’autres!) sont indiscernables La troncature et la censure des données créent une forte autocorrélation des données et de la probabilité qu’il pleuve 37
Probabilité qu’il pleuve Problématique Simuler l’évènement il pleut (Xt=1) / il ne pleut pas (Xt = 0) Ensuite il faut estimer la Magnitude en fonction de s’il a plu la veille et s’il va pleuvoir le lendemain pt = Prob(Xt = 1 | Xt-1, Xt-2, Xt-3, …, Xt-k), k IN*. 38
Quel Lag (k) ? k=1 39
4 Probabilités (x 365) et 4 Densités à estimer (x 12!) 40
Quelques problèmes 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 41
Simuler c’est 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 l’évaluation à l’aide de scénarios climatiques (El Nino, La Nina, AO, etc) – D’intégrer les données de Marché => Approche Financière courbes et distributions implicites • Prévision Météo 42
Prévisions Météorologiques Downscaling: (Wiki. Pedia) downscaling methods are used to obtain local-scale surface weather from regional-scale atmospheric variables En language statistique simplificateur: Correction de biais 43
Prévisions Probabilistiques Prévision d’ensemble ECMWF: 00 Z + 12 Z ECMWF Ensemble: 51 Membres GFS: 00 Z + 06 Z + 12 Z + 18 Z GFS Ensemble : 21 Membres 44
Les prévisions Downscaled sont en fait excellentes 1 Jour Erreur Moyenne 0. 06 Contre 1. 45 Erreur ABS 0. 74 Contre 3. 27 45
Même à 5 jours… 5 Jours Erreur Moyenne -0. 12 Contre 1. 83 Erreur ABS 1. 31 Contre 3. 22 46
Même à 1 mois! 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 10 -15 jours Météo Mensuelle -> Climatologie (plus chaud ou plus froid que la normale) 47
Incorporation des Prévisions dans l’évaluation Scénario: froid / chaud Nombre de jours Poids St. Dev etc Les payoffs des contrats étant souvent non linéaires la moyenne des prix pour chaque membre n’est pas égale au prix estimé à partir de la prévision moyenne 48
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 d’ensemble (i. e. probabilistiques) avec les données mesurées n’est vraiment pas un problème simple. 49
Exemple d’une prévision avec erreur de timing Paris Orly 1/1/2013 – 00 Z Erreur de Timing Bon niveau de confiance Prévision météorologique Erreur de Prévision? Prévision climatique “plus froid que la moyenne” 50
Conclusion Définition Etat du Marché Données Climatiques Evaluation de contrat 51
Questions ? www. Speedwell. Weather. com michael. moreno@Speedwell. Weather. com 52
- Speedwell weather
- Zones climatiques du canada
- Refugies climatiques
- Midyum berry
- Assurance zephyr
- Sueldos banco credicoop
- Todo aquele que crê em mim um dia ressurgirá
- Cre algorithm
- Es cego cre que tu veras
- Dios cre
- Provrbs
- Cre grest 2017
- Cre algorithm
- Cre en dios
- Cre en dios
- Mpe cre
- Kahoot.com
- Mpe cre review
- Dios abrazando a una mujer triste
- Cre en dios
- Dispersion model cre
- Sudo cre
- Todo aquele que crê em mim um dia ressurgirá
- Poem fashion
- Capital weather gang weather wall
- It's sunny and windy
- Weather symbols on a station model
- Weather and whether
- Tongue twister weather
- Heavy weather by weather report
- Cnaf m3710.7
- Weather tomorrow
- Examples of enjambment in poems
- Weather instruments
- How are computers used in weather forecasting
- How do prevailing winds affect climate
- Types of weather maps
- Madison current weather
- Weather and climate similarities
- Facts about taiga
- Tr weather
- Uses of wind vane
- Ythe weather
- Weather map geography
- Mars weather
- Weather.arff
- Nws gsp
- Nws pensacola
- Summer season paragraph
- Mos text bulletins
- Wmo severe weather
- Tornado story
- Front definition weather