Home

French User Manual 2012 - Real Options Valuation, Inc.

1. 2 28 R sultat avant imp ts EBT 5858 74 iana 001 Incr ment 20 29 Imp ts 30 B n fice net Annuler 31 Hors caisse amortissement de la d pr ciation el 32 El 3 500 00 1 105 97 546 99 565 73 584 47 603 21 621 36 639 50 675 78 693 93 Manuel d utilisation Figure 5 38 Outil d analyse de sc nario TABLEAU D ANALYSE DE SC NARIO Variable de sortie 5G56 Variable de color 5C512 Variable de ligne C 9 Valeur de r f rence in Min 10 Max 0 3 Max 3 127 87 30 tapes 0 5 tapes Valeur de r f rence in 510 00 0 01 Valeur de r f rence in 40 00 20 Incr me Incr me 10 00 30 00 53 905 31 00 53 827 32 00 53 749 33 00 53 672 34 00 53 594 35 00 53 516 36 00 53 439 37 00 53 361 38 00 53 283 39 00 53 206 40 00 53 128 41 00 53 050 42 00 52 972 43 00 52 895 44 00 52 817 45 00 52 739 46 00 52 662 47 00 52 584 48 00 52 506 49 00 52 429 50 00 52 351 11 00 4 134 4 053 3 972 3 892 3 811 3 730 3 649 3 568 3 487 3 406 3 325 3 244 3 163 3 082 3 001 2 920 2 839 2 758 2 677 2 847 2 596 2 515 13 00 4 594 4 506 4 419 4 331 4 243 4 156 4 068 3 981 3 893 3 806 3 718 3 631 3 543 3 456 3 368 3 281 3 193 3 106 3 018 2 930 2 843 14 00 4 823 4 732 4 642 4 551 4 460 4 369 4 278 4
2. 167 2012 Real Options Valuation Inc Simulateur de risques Remarques Th orie Proc dure Manuel d utilisation Le terme bootstrap vient de l expression anglaise to pull oneself up by one s own bootstraps qui signifie se faire tout seul et est applicable car la m thode utilise la distribution des statistiques m mes pour analyser la pr cision des statistiques La simulation non param trique peut simplement tre d crite comme piocher des balles de golf dans un grand panier ces balles tant remplac es et chaque balle de golf tant bas e sur un point de donn es historiques Supposons qu il y a 365 balles de golf dans le panier repr sentant 365 points de donn es historiques Imaginez que la valeur de chaque balle de golf pioch e au hasard est port e sur un grand tableau blanc Les r sultats des 365 balles pioch es en tant remplac es sont port s dans la premi re colonne du tableau avec 365 lignes de nombres Les statistiques pertinentes par ex moyenne m diane cart type etc sont calcul es d apr s ces 365 lignes Puis le processus est r p t disons 5 000 fois Le tableau blanc porte maintenant 365 lignes et 5 000 colonnes Ainsi 5 000 jeux de statistiques c est dire 5 000 moyennes 5 000 m dianes 5 000 carts types etc sont tabul s et leurs distributions sont affich es Les statistiques des statistiques pertinentes sont ensuite tabul es et partir de ces r
3. TAPE 4 Enregistrement Vous pouvez enregistrer plusieurs analyses et notes Sommes des carr s 69 666667 26851 416667 27254 750000 473 000000 uitatif OST ER SENTE DF 3 6 2 n Moyenne quadratique 23 222222 4475 236111 13627 375000 43 000000 Statistique F calcul e 0 005189 3 045063 den Valeur pr dictive 0 999426 0 122225 Notes pas significative aux niveaux de signification suivants 1 5 et 10 pas rejet e AJOUTER pas significativement diff rentes pas significative aux niveaux de signification suivants 1 5 et 10 pas rejet e MODIFIER pas significativement affect e par la variable Control ou Block ck SUPPR ANOVA Single Factor Multiple Treatments a ANOVA Two Way ARIMA 1 0 1 ARIMA 1 0 2 i Auto ARIMA Enregistrer Auto Econometrics Detailed Auto Econometrics Quick Quitter Autocorrelation and Partial Autocorrelation Figure 5 54 ROV BizStats console de commande 213 2012 Real Options Valuation Inc Simulateur de risques Proc dure Manuel d utilisation z EXAMPLE ROV Biz Stats Fichier Donn es Langue Language Aide TAPE 1 Configuration de la grille de donn es j d une Exemple TAPE 2 Analyse Choisissez une analyse et entrez les param tres requis voir les de dann et d entr es de param tres ci dessous VAR6O VAR61 VAR62 VAR63 a Param tres des d cimales gt V Am
4. l estimation de la valeur la plus probable et que nous croyons que m me si elle n est pas exacte les estimations le sont rarement nous pouvons nous attendre ce que la valeur r sultante soit proche de cette estimation En supposant que de nombreux ph nom nes du monde r el sont distribu s normalement l int r t de la distribution PERT est qu elle produit une courbe similaire la courbe normale en termes de forme sans conna tre les param tres pr cis de la courbe normale associ e Le minimum la valeur la plus probable et le maximum sont les param tres de la distribution Les structures math matiques pour la distribution PERT sont les suivantes 78 2012 Real Options Valuation Inc Simulateur de risques x min max x min 4 likely max A ee f B AI A2 max Hum 42 min 4 likely max T B et A2 6 max min et B est la fonction beta Min 4Mode Max moyenne 6 cart type u Min Max u 7 talement 7 Mins Masz 2i u Min Max u Entr es requises 6 max min Minimum lt valeur la plus probable lt maximum et peuvent tre des nombres positifs n gatifs ou gaux z ro Distribution de puissance La distribution de puissance est apparent e la distribution exponentielle car la probabilit de petits r sultats est lev e mais d cro t exponentiellement au fur et mesure que la valeur du r sultat augmente
5. ou les probabilit s de fiabilit 224 2012 Real Options Valuation Inc Simulateur de risques Procedures Manuel d utilisation peuvent tre calcul es quand vous avez les propri t s conditionnelles mises jour post rieures S lectionnez l analyse pertinente d sir e ci dessous et cliquez sur Charger l exemple pour voir les exemples d entr es correspondant l analyse s lectionn e et les r sultats affich s dans la grille sur la droite ainsi que quels r sultats sont utilis s comme entr es dans l arborescence d cisionnelle de la figure e TAPE 1 Saisissez les noms pour les premier et deuxi me v nements d incertitude et choisissez le nombre d v nements de probabilit tats de la nature ou r sultats qu a chaque v nement e TAPE 2 Saisissez le nom de chaque r sultat ou v nement de probabilit e TAPE 3 Saisissez les probabilit s pr c dentes du deuxi me v nement et les probabilit s conditionnelles pour chaque v nement ou r sultat La somme des probabilit s doit tre gale 100 5 27 4 Valeur attendue de l information parfaite evpi analyse et maximin profils de risque et valeur de l information imparfaite Cet outil calcule la valeur attendue de l information parfaite EVPT l analyse minimax et maximin ainsi que le profil de risque et la valeur de l information imparfaite figure 5 64 Pour commencer saisissez le nombre de strat gies ou de branches d cisionnelle
6. 124 20 126 20 128 19 130 19 13219 134 18 136 18 138 18 140 18 142 18 124 28 126 37 128 45 130 54 132 63 134 71 136 80 138 88 140 97 143 05 12437 126 55 128 72 130 89 133 06 135 23 137 41 139 58 141 75 143 93 pis ktp teF FEN c 20 0 Eker Figure 5 66 Arbre de d cision d valuation sur la base d Options R elles Tableaux de sc narios 233 Manuel d utilisation 2012 Real Options Valuation Inc Simulateur de risques 4 ROV Visual Modeler 2012 Arborescences d cisionnelles C Users usenDesktop Screen Shots DT ModeLrovdt Fichier Modifier Ins rer Propri t s Style Formes et couleurs Langue Language Aide g 9 Cu o 41 1OrxbsEBa TAAsze Arborescence d cisionnelle R sum des valeurs Mod lisation de simulation Analyse bayesienne valeur attendue de l information parfaite EVPI minimax profil de risque Analyse de sensibilit Tableaux de sc nario Fonction 4 G N RATION DE FONCTIONS UTILITAIRES Les fonctions utilitaires ou U x sont parfois utilis es la place des valeurs attendues des r sultats de terminal dans une arborescence d disionnelle Les fonctions U x peuvent tre d velopp es de deux fa ons en utilisant une exp rimenta tion laborieuse et d taill e de chaque r sultat possible ou en utilisant une m thode d extrapolation exponentielle utilis e ici Elles peuvent tre mod lis es pour les prudents qui n aiment pas p
7. 168 2012 Real Options Valuation Inc Simulateur de risques MOD LE A MOD LE B Recettes 200 00 Recettes 200 00 R Test d hypoth se S 100 00 Co ts 100 00 es tons de Das o e Sja si deux B n fices 100 00 B n fices 100 00 a Ies sont sigtstiguement lauen qe au Pour reproduire ce mod le commencez par cr er un prof MOD LE Pr vision du Simulateur de risques CE vVa eur Veuillez s lectionner deux pr visions pour ex cuter le test ametis ME A Modele de simulation D10 MOD LE B Modele de simulation G10 Suppositions chantillons ind pendants avec variances in gales chantillons ind pendants avec variances gales 5 Paires d chantillons d pendants Type Biat rale Erin Infiniy Certitude 100 0 Figure 5 18 Test d hypoth se Interpr tation du Un test d hypoth se bilat ral est effectu sur l hypoth se nulle Ho que les moyennes de rapport population des deux variables sont statistiquement identiques L hypoth se alternative Ha est que les moyennes de population sont statistiquement diff rentes l une de l autre Si les valeurs pr dictives calcul es sont inf rieures ou gales 0 01 0 05 ou 0 10 cela signifie que l hypoth se nulle est rejet e ce qui implique que les moyennes de la pr vision sont statistiquement consid rablement diff rentes aux niveaux de signification de 1 5 et 10 Si l hyp
8. L optimisation est utilis e pour allouer les Optimization ressources l o les r sultats fournissent les retours maximaux ou le co t risque minimal Les applications incluent la gestion des inventaires l allocation des portefeuilles financiers la distribution ess Ne Comans Statistiques Variables de d cision Optimisation statique Ex cutez sur un mod le statique sans simulations ex cuter g n ralement pour d terminer le portefeuille optimal initial avant l aoolication d autres ontimisations olus avanc es Optimisation dynamique Pour commencer une simulation est effectu e les r sultats de la simulation sont appliqu s au mod le puis une optimisation est appliqu e aux valeurs simul es Nombre d essais de simulation 1 mH Optimisation stochastique Similaire l optimisation dynamique mais le processus est r p t plusieurs fois Les variables de d cision finales auront chacune leur propre tableau de pr visions indiquant sa plage optimale Nombre d essais de simulation 504 Nombre de passes d optimisation 204 Avanc es Annuler Figure 4 10 Configuration du probl me d optimisation stochastique Cliquez sur OK une fois la simulation termin e et un rapport d optimisation stochastique d taill sera g n r ainsi que des graphiques de pr visions des variables de d cision Une optimisation stochastique est effectu e quand on ex cute une simulation suivie d
9. 2 3 et 5 C Coe e Graphique Tableau Comparer les graphiques 9 dans les deux champs de saisie personnalis s afin de g n rer des graphiques Gamma 2 5 et Gamma 3 9 Minimum 10 PDF Maximum 20 CDF B X al atoire 12 ICDF mE amp amp 8 9 LRU 07 2 DO Ekk kE re h2 4 A ras Fna Toedo SnD least Figure 5 49 Distribution des probabilit s ROV graphiques PDF et CDF DISTRIBUTIONS DE PROBABILIT S ROV Distributions Graphiques et tableaux Cet outil g n re un tableau de probabilit s et des graphiques comparatifs pour une distribution choisie ainsi que diff rentes fomes bas es sur diff rents param tres d entr e Pour voir plusieurs distributions utilisez l outil de graphiques superpos s du Simulateur de risques Distribution B ta x Graphiques et tableaux H Graphique Changer le premier param tre ji Distribution th orique Param tre Distribution simul e Apa 2 PDF B ta 5 CDF Xal atore 0 6 ICDF S rie De 0 R sultat Persomais e n 0 460800 25 5 Par ex choisissez la distribution Gamma ae E ETE 2 3et5 Graphique Tableau Comparerles graphiques 9 dans les deux champs de saisie personnalis s afin de g n rer des graphiques Gamma 2 5 et Gamma 3 9 BE t peep OC 20 7 0 RE KB Te HE A
10. Manuel d utilisation Tax dor o es N lt Taux d effri coss E ous Taux de croi cote 0 022 D pr ciation 9 11 Amortissemen 27 Za Paiements de 22 1 8 150 100 50 100 150 200 250 300 350 Figure 5 6 Graphique Tornado Bien que le graphique Tornado soit plus facile lire le graphique en araign e est important pour d terminer s il y a des non lin arit s dans le mod le Par exemple la figure 5 7 illustre un autre graphique en araign e o les non lin arit s sont relativement videntes les lignes sur le graphique ne sont pas droites mais incurv es Le mod le utilis est Tornado and Sensitivity Charts Nonlinear graphiques Tornado et en araign e non lin aires qui utilise le mod le de cours de l action de Black Scholes comme exemple De telles non lin arit s ne peuvent pas tre tablies partir d un graphique Tornado et peuvent tres des informations importantes dans le mod le ou fournir une vision cl de la dynamique du mod le aux preneurs de d cisions 155 2012 Real Options Valuation Inc Simulateur de risques Remarques suppl mentaires au sujet de l analyse Tornado Manuel d utilisation Volatiit nnuais e E Taux ans risque HE Prix d exercice I Maturit en ann es _ Cours de l action 0 0 a 80 00 60 00 40 00 20 00 0 00 20 00 40 00 60 00 80 00 Figure 5 7 Graphique en araign e non lin aire La figure 5 2 illu
11. Simulateur de risques Manuel d utilisation Voici les valeurs brutes extraites de la simulation Elles sont ensuite corr l es pour v rifier que les corr lations entr es dans les suppositions seraient bien les corr lations qui ont t mod lis es Le coefficient de corr lation de Spearman est une corr lation non param trique non lin aire et les r sultats indiquent que les corr lations entr es 0 80 et 0 80 sont bien les corr lations entre les variables Consultez Modeling Risk du Dr Johnathan Mun Wiley 2006 pour plus de d tails Prix Quantit Prix Quantit Rang de Rang de Rang de Rang de corr lation corr lation corr lation corr lation positive positive n gative n gative 732 941 887 223 820 736 609 242 421 309 Corr lation de Spearman 889 48 Corr lation de Spearman 308 364 911 352 907 969 0 80 665 859 0 79 597 281 380 830 265 361 506 426 947 919 940 341 977 947 672 442 236 335 860 408 Figure 2 16 Corr lations r cup r es 2 3 4 Contr le de la pr cision et des erreurs Un outil tr s puissant dans la simulation de Monte Carlo est le contr le de la pr cision Par exemple combien d essais sont consid r s suffisants dans un mod le complexe Gr ce au contr le de la pr cision il n est plus n cessaire de deviner le nombre d essais pertinent car la simulation s arr te si le niveau de pr cision pr sp cifi est atteint La fonctionnalit de contr le de la
12. Th orie Une cha ne de Markov existe quand la probabilit d un tat futur d pend d un tat pr c dent et quand ces tats reli s entre eux forment une cha ne qui revient un niveau d tat stable sur le long terme Cette approche est g n ralement utilis e pour pr voir la part de march de deux concurrents Les entr es requises sont la probabilit de d part qu un client dans le premier magasin le premier tat reviendra dans le m me magasin au cours de la prochaine p riode par rapport la probabilit qu il se rende dans le magasin d un concurrent dans l tat suivant Proc dure e D marrez Excel et s lectionnez Simulateur de risques Pr visions Cha ne de Markov e Saisissez les suppositions d entr e requises voir la figure 3 19 pour un exemple et cliquez sur OK pour ex cuter le mod le et le rapport Remarque D finissez les deux probabilit s sur 10 et r ex cutez la cha ne de Markov vous verrez tr s clairement les effets d un changement de comportement dans le graphique r sultant Pr visions par cha nes de Markov ou processus de Markov Le processus de Markov est utile pour tudier l volution des syst mes pendant des essais multiples et r p t s au cours de p riodes successives L tat du syst me un moment particulier est inconnu et nous cherchons conna tre la probabilit qu un tat particulier existe Par exemple les cha nes de Markov sont utilis es pour c
13. autre Les structures math matiques pour la distribution g om trique sont les suivantes P x p i p pour0 lt p lt letx 1 2 n 1 moyenne 1 l p 2 cart type 2 p Te p 6p 6 lp talement exc s de kurtosis La probabilit de succ s p est le seul param tre de la distribution Le nombre d essais r ussis simul s est not par x qui ne peut tre qu un entier positif 55 2012 Real Options Valuation Inc Simulateur de risques Entr es requises Probabilit de succ s gt 0 et lt 1 c est dire 0 0001 lt p lt 0 9999 II est important de noter que les probabilit s de succ s p de O ou 1 sont des conditions triviales et ne n cessitent aucune simulation Elles ne sont donc pas autoris es dans le logiciel Distribution La distribution hyperg om trique est similaire la distribution binomiale du fait que hyperg om trique toutes deux d crivent le nombre de fois qu un v nement particulier se produit dans un nombre d essais fixe La diff rence est que les essais de la distribution binomiale sont ind pendants alors que les essais de la distribution hyperg om trique changent la probabilit pour chaque essai subs quent et s appellent essais sans remplacement Par exemple supposons que l on sait qu une bo te de pi ces contient des pi ces d fectueuses Vous choisissez une pi ce dans la bo te vous rendez compte qu elle est d fec
14. erreur universelle sur multiples mod les de pr visions pour des comparaisons directes de la pr cision de chaque mod le CONSEILS Pr visions ARIMA e P riodes de pr visions Le nombre de lignes de donn e exog ne doit d passer le nombre de lignes de donn es de s ries chronologiques au moins du nombre de p riodes de pr visions d sir par ex si vous souhaitez pr voir 5 p riodes dans le futur et avoir 100 points de donn es de s ries chronologiques il vous faudra au moins 105 points de donn es pour la variable exog ne Sinon ex cutez simplement ARIMA sans la variable exog ne pour pr voir autant de p riodes que vous le souhaitez sans limitations CONSEILS Pr visions conom trie de base e S paration des variables par des points virgules S parez les variables ind pendantes par des points virgules CONSEILS Pr visions Logit Probit et Tobit e Sp cifications des donn es Les variables d pendantes pour l ex cution de mod les logit et probit doivent tre binaires uniquement 0 et 1 mais le mod le tobit accepte les valeurs binaires et autres valeurs d cimales num riques Les variables ind pendantes pour ces trois mod les peuvent avoir n importe quelle valeur num rique Manuel d utilisation 239 2012 Real Options Valuation Inc Simulateur de risques CONSEILS Pr visions Processus stochastiques e chantillons d entr es par d faut En cas de doute utilisez les entr
15. l tape 4 ou si la grille contient des donn es Sinon le rapport g n r est vide En outre votre ordinateur doit disposer de Microsoft Excel pour ex cuter l extraction de donn es et les rapports de r sultats et de Microsoft PowerPoint pour ex cuter les rapports de graphiques Si vous ne savez pas comment ex cuter un mod le ou une m thode statistique sp cifique lancez le profil Exemple et regardez comment les donn es sont configur es l tape 1 ou comment les param tres d entr e se pr sentent l tape 2 Vous pouvez vous en servir comme guides et exemples pour vos propres donn es et mod les Vous pouvez changer de langue dans le menu Langue Remarque Actuellement le logiciel propose 10 langues et d autres seront ajout es ult rieurement Cependant certains r sultats limit s s afficheront en anglais uniquement 211 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation e Vous pouvez modifier l affichage de la liste de mod les l tape 2 dans la liste d roulante Affichage Vous pouvez classer les mod les par ordre alphab tique par cat gorie et par entr es de donn es requises Remarque Dans certaines langues Unicode par ex chinois japonais et cor en il n y a pas de classement alphab tique et la premi re option n est donc pas disponible e Le logiciel peut traiter diff rents param tres de format num rique et d cimal r gionaux par ex mi
16. t trouv es Souhaitez vous remplacer les varisbles de d cision ecsserses per les vansbles cpbrras es ou r tabir les saisies c rginales 7 Cr er le rapport _ Annuler Figure 4 6 S lection optimale de projets maximisant le ratio de Sharpe Pour d autres exemples d optimisation pratiques en action consultez l tude de cas du chapitre 11 intitul Integrated Risk Analysis de l ouvrage Real Options Analysis Tools and Techniques 2 dition Wiley Finance 2005 Cette tude de cas illustre comment g n rer une fronti re efficiente et comment associer pr visions simulation optimisation et options r elles dans un processus analytique fluide Manuel d utilisation 140 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 4 4 Param tres de fronti re efficiente et d optimisation avanc s Le deuxi me graphique de la figure 4 5 montre les contraintes pour l optimisation Ici si vous cliquez sur le bouton Fronti re efficiente apr s avoir d fini des contraintes vous pouvez rendre ces contraintes changeantes C est dire que chaque contrainte peut tre cr e de fa on ce qu elle varie entre une valeur maximum et une valeur minimum Par exemple la contrainte dans la cellule J17 lt 6 peut tre d finie pour voluer entre 4 et 8 figure 4 7 C est dire que cinq optimisations seront ex cut es chacune avec les contraintes suivantes J17 lt 4 J17
17. tre captur par une auto r gression d un ordre inf rieur k alors l autocorr lation partielle au d calage k sera proche de z ro Les statistiques Q de Ljung Box et leurs 177 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation valeurs pr dictives au d calage k ont l hypoth se nulle qu il n y a pas d autocorr lation jusqu l ordre k Les lignes en pointill s dans les trac s des autocorr lations sont les deux bornes d erreur type approximatives Si l autocorr lation se trouve entre ces bornes elle n est pas significativement diff rente de z ro un niveau de signification de 5 L autocorr lation mesure la relation du pass de la variable Y d pendante elle m me Les d calages distributifs par contre sont des relations de d calages temporels entre la variable Y d pendante et diff rentes variables X ind pendantes Par exemple le mouvement et la direction des taux de pr ts hypoth caires ont tendance suivre les taux des fonds f d raux mais avec un d calage temporel en g n ral 1 3 mois Parfois les d calages temporels suivent des cycles et une saisonnalit par ex les ventes de glaces ont tendance atteindre un pic en t et sont donc li es aux ventes de l t pr c dent 12 mois avant L analyse de d calage distributif figure 5 24 montre comment la variable d pendante est li e chacune des variables ind pendantes divers d
18. un projet peut d boucher sur la s lection du mauvais projet par ex deux projets peuvent avoir des premiers et deuxi mes moments identiques c est dire des rendements et profils de risques identiques mais leurs talements distributionnels peuvent tre tr s diff rents O1 O2 Etalement lt 0 Exc s de kurtosis 0 y u2 lui W2 Figure 2 22 Troisi me moment talement vers la gauche Etalement gt 0 pe Exc s de kurtosis 0 Figure 2 23 Troisi me moment talement vers la droite 46 2012 Real Options Valuation Inc Simulateur de risques Mesurer les v nements de queues catastrophiques dans une distribution Le quatri me moment Les fonctions des moments Manuel d utilisation Le quatri me moment ou curtosis mesure l aplatissement d une distribution La figure 2 24 illustre cet effet L arri re plan indiqu par la ligne en pointill s est une distribution normale avec un curtosis de 3 0 ou un exc s de curtosis de 0 0 Les r sultats du Simulateur de risques affichent la valeur d exc s de curtosis en utilisant 0 comme niveau normal de curtosis ce qui signifie qu un exc s de curtosis n gatif indique des queues plus plates distributions platicurtiques comme la distribution uniforme alors que des valeurs positives indiquent des queues plus paisses distributions leptocurtiques comme les distributions T de Student ou lognormales La distri
19. 2004 Veuillez consulter notre site Web www realoptionsvaluation com pour en savoir plus Le Simulateur de risques se compose des modules suivants e Simulation de Monte Carlo ex cute des simulations param triques et non param triques de 42 distributions de probabilit s avec divers profils de simulations des simulations tronqu es et corr l es des distributions personnalisables des simulations de pr cision et d erreur contr l es et de nombreux autres algorithmes e Pr visions ex cute des analyses de Box Jenkins ARIMA de r gression multiple d extrapolation non lin aire de processus stochastiques et de s ries chronologiques e Optimisation en cas d incertitude ex cute des optimisations en utilisant des nombres entiers discrets et des variables continues pour l optimisation des portefeuilles et des projets avec et sans simulation 7 2012 Real Options Valuation Inc Simulateur de risques e Outils de mod lisation et d analyse ex cute des analyses Tornado en araign e et de sensibilit ainsi que des simulations par bootstrap des tests d hypoth se des ajustements distributionnels etc Le logiciel Real Options SLS est utilis pour calculer des options simples et complexes et inclut la capacit de cr ation de mod les d options personnalisables Le logiciel Real Options SLS se compose des modules suivants e R solveur de super treillis actif simple pour la r solution des option
20. 3 1000 111 17 3 2000 112 12 3 3000 110 70 3 4000 118 67 3 5000 119 08 3 6000 120 94 3 7000 121 70 3 8000 122 92 3 9000 124 19 4 0000 126 85 4 1000 125 36 4 2000 124 77 4 3000 124 53 4 4000 132 16 4 5000 136 24 4 6000 138 69 4 7000 142 38 4 8000 146 65 4 9000 151 33 5 0000 154 81 5 1000 152 23 5 2000 157 79 Figure 3 10 R sultats des pr visions stochastiques 3 6 Extrapolation non lin aire L extrapolation implique la r alisation de projections statistiques en utilisant des tendances historiques qui sont projet es pour une p riode future sp cifi e Elle est utilis e pour les pr visions de s ries chronologiques uniquement Pour les donn es transversales ou mixtes donn es de s ries chronologiques et transversales la 103 2012 Real Options Valuation Inc 0 00 7 57 9 78 12 04 16 14 15 64 13 31 15 42 20 25 21 79 19 69 18 40 20 79 21 42 23 80 29 40 32 83 32 54 35 16 33 80 36 23 40 64 42 32 38 43 39 97 46 33 49 29 50 95 56 68 59 37 60 15 63 59 66 33 66 85 73 95 72 19 72 90 69 38 67 92 71 22 78 15 83 41 81 96 81 08 91 34 94 99 102 64 106 84 115 48 123 91 128 46 124 68 137 31 Simulateur de risques Proc dure Interpr tation des r sultats Manuel d utilisation r gression multivariable est plus appropri e Cette m thodologie est utile quand on n attend pas de changements importants c est dire qu on s attend ce que les facteurs d termi
21. 4 670 4 553 4 436 4 319 23 00 6 890 6 769 6 649 6 529 6 408 6 288 6 168 6 047 5 927 5 807 5 686 5 566 55 446 5 325 5 205 5 085 4 964 54 844 54 724 4 603 4 483 24 00 7 119 6 996 6 872 6 748 6 625 6 501 6 378 6 254 6 130 6 007 5 883 5 759 5 636 5 512 5 389 5 265 5 141 5 018 54 894 4 771 4 647 25 00 7 349 7 222 7 095 6 968 6 841 6 714 6 587 6 461 6 334 6 207 6 080 5 953 5 826 5 699 5 572 5 445 5 319 5 192 5 065 4 938 4 811 26 00 7 578 7 448 7 318 7 188 7 058 6 928 6 797 6 667 6 537 6 407 6 277 6 147 6 016 5 886 5 756 5 626 5 496 5 365 5 235 5 105 4 975 27 00 7 808 7 675 7 541 7 408 7 274 7 141 7 007 6 874 6 740 6 607 6 473 28 00 8 038 7 901 7 764 7 627 7 491 7 354 7 217 7 081 56 944 6 807 6 670 6 534 6 397 6 260 6 123 5 987 5 850 5 713 5 576 5 440 5 303 29 00 8 267 8 127 7 987 7 847 7 707 7 567 7 427 7 287 7 147 7 007 6 867 6 727 6 587 6 447 6 307 6 167 6 027 5 887 5 747 5 607 5 467 30 00 8 497 8 354 8 210 8 067 7 924 7 780 7 637 7 494 7 350 7 207 7 064 6 921 6 777 6 634 6 491 6 347 6 204 6 061 5 918 5 774 5 631 6 207 6 073 5 940 5 806 5 673 5 539 5 406 5 272 5 139 Figure 5 39 Tableau d analyse de sc nari
22. 8 139 70 9 140 70 10 141 20 11 141 70 12 141 90 13 141 00 14 140 50 15 140 40 16 140 00 17 140 00 18 139 90 19 139 80 20 139 60 21 139 60 22 139 60 23 140 20 141 30 25 141 20 26 140 90 27 140 90 28 140 70 29 141 10 30 141 60 31 141 90 32 142 10 33 142 70 34 142 90 35 142 90 36 143 50 37 143 80 38 144 10 39 144 80 40 145 20 41 145 20 Th orie Proc dure Manuel d utilisation M2 286 70 287 80 289 10 290 10 292 30 293 90 295 30 296 40 296 50 296 60 297 20 297 80 298 30 298 50 299 20 300 10 301 00 302 20 304 20 306 80 308 20 309 60 311 00 312 30 314 20 316 60 318 10 319 90 322 30 324 10 325 70 327 60 329 30 331 20 333 50 335 50 337 60 M3 289 00 290 10 291 30 292 30 294 50 296 10 297 40 298 50 298 50 298 60 299 20 299 80 300 30 300 50 301 30 302 20 303 00 304 30 306 40 309 20 310 70 312 20 313 80 315 30 317 30 320 00 321 70 323 80 326 50 328 70 330 60 332 60 334 50 336 60 339 00 341 00 343 20 Pr visions ARIMA de Box Jenkins Les pr visions de moyenne mobile int gr e auto r gressive ARIMA appliquent des techniques de mod lisation conom triques avanc es pour pr voir les donn es de s ries chronologiques en effectuant un ajustement avec les donn es historiques puis en pr voyant le futur Des connaissances conom triques approfondies sont n cessaires pour la mod lisation ARIMA Voir l exemple de mod le Excel pour des d tails
23. Alpha aussi appel la forme est le seul param tre de la distribution Les structures math matiques pour la distribution puissance sont les suivantes fear F x x a moyenne 1 a scart type Fe E iay Cia talement ee 22 a a 3 Entr es requises Alpha forme gt 0 Manuel d utilisation 79 2012 Real Options Valuation Inc Simulateur de risques Distribution multiplicative de puissance d cal e Distribution T de Student Manuel d utilisation La distribution de puissance 3 est galement appel e distribution multiplicative de puissance d cal e la distribution de puissance traditionnelle est limit e entre 0 et 1 mais multipli e par un facteur la plage sera plus large ou plus troite puis d cal e d un param tre d emplacement de fa on ce que le point de d part soit le nouvel emplacement La distribution de puissance est apparent e la distribution exponentielle car la probabilit de petits r sultats est lev e mais d cro t exponentiellement au fur et mesure que la valeur du r sultat augmente Alpha aussi appel la forme est le seul param tre de la distribution Entr es requises Alpha forme gt 0 L emplacement peut tre n importe quelle valeur positive ou n gative z ro y compris Facteur gt 0 La distribution T de Student est la distribution la plus couramment utilis e pour les tests d hypoth se Cette distribution est utilis
24. D D cision Supposition Pr vision Copier Coller Supprimer Ex cuter Hyper Par R initialiser Pr visions Ex cuter d entr e de sortie rapide tapes Le l optimisation Contraint bpositions pr visions Edition Ex cution de la simulation Pr visions Optimisation Mod le d actualis s rende es investissements Mod le de flux mon taires actualis s rendement des investissements 2009 VA des b n fices nets 3 411 64 Type de r duction 2009 VA des investissements 1 634 22 s du march 15 00 Valeur actualis e nette Type de mod le 5 00 Taux de rendement inteme 51 10 rminale 2 00 Rendement des investissements 108 76 40 00 Index de profitabilit 2 09 a 2010 2011 2012 2013 2014 ee 512 50 12 75 13 00 31325 e 50 EE EEE sooo sooo so 5000 E TE T E T T E T E T 20 00 20 a 378 75 o 415 50 Pr visions Cr er le tableau de statistiques de pr visions s2o6 81 212 33 OGTR Sop m 1 171 94 1 203 18 Optimisation Cr er le rappo 5157 50 5157 50 D saisonnalisation des donn es et correction des tendances 15 75 15 75 Z ROV BizStats i Extraction exportation de donn es EEE E 029 93 Options 3 Ouverture importation de donn es soo 00 tangus Outil de diagnostic en 1 016 93 3 rici Analyse distributionnelle r 013 93 a f propos du Simulateur de risques SR Tabieaude dimibutan 303
25. Le mod le utilis tait un mod le multiplicatif de Holt Winter Notez que sur la figure 3 5 le graphique d ajustement du mod le et de pr vision indique que la tendance et la saisonnalit sont bien int gr es par le mod le multiplicatif de Holt Winters Le rapport d analyse de s ries chronologiques fournit les param tres alpha b ta et gamma optimis s pertinents les mesures d erreur les donn es ajust es les valeurs de pr visions et le graphique de pr visions ajust es Les param tres sont fournis titre de r f rence uniquement Alpha capture l effet de m moire des changements du niveau de r f rence dans le temps b ta est le param tre de tendance qui mesure la force de la tendance et gamma mesure la force de la saisonnalit des donn es historiques L analyse d compose les donn es historiques en ces trois l ments puis les recompose pour pr voir le futur Les donn es ajust es illustrent les donn es historiques et les donn es ajust es l aide du mod le recompos et montre quel point les pr visions sont proches dans le pass une technique appel e extrapolation r trospective Les valeurs de pr visions sont soit des estimations un seul point soit des suppositions si l option de g n ration automatique des suppositions est s lectionn e et si un profil de simulation existe Le graphique illustre les donn es historiques ajust es et de pr visions Le graphique est un outil visuel e
26. Observations 50 0000 cart type chantillon 172 9140 Moyenne arithm tique 331 9200 cart type population 171 1761 Moyenne g om trique 281 3247 Intervalle de confiance inf rieur pour l cart type 148 6090 Moyenne tronqu e 325 1739 Intervalle de confiance sup rieur pour l cart type 207 7947 Erreur type de la moyenne arithm tique 24 4537 Variance chantillon 29899 2588 Intervalle de confiance inf rieur pour la moyenne 283 0125 Variance population 29301 2736 Intervalle de confiance sup rieur pour la moyenne 380 8275 Coefficient de variabilit 0 5210 M diane 307 0000 Premier quartile Q1 204 0000 Minimum 47 0000 Troisi me quartile Q3 441 0000 Maximum 764 0000 Plage inter quartiles 237 0000 Plage 717 0000 talement 0 4838 Kurtosis 0 0952 Figure 5 30 Exemple de rapport de l outil d analyse statistique Manuel d utilisation 186 2012 Real Options Valuation Inc Simulateur de risques Test d hypoth se test T sur la moyenne de population d une variable R sum statistique Statistiques provenant du jeu de donn es Statistiques calcul es Observations 50 Statistique T 13 5734 Moyenne de l chantillon 331 92 Valeur pr dictive queue droite 0 0000 cart type de l chantillon 172 91 Valeur pr dictive queue gauche 1 0000 Valeur pr dictive bilat rale 0 0000 Statistiques fournies par l utilisateur Hypoth se nulle Ho u moyenne hypoth tique Moyenne hypoth tique 0 00 Hypoth se
27. R gression multiple in aire Da a e PS R gresson multiple ron inore S R gression par tapes ascendante PE e Ve Et R gression par tapes ascendante descen It rations R gression par tapes corr lation 2 RPE R gression par tapes descendante gt 0 25 a Saisonnalit gt 10 Secteurs 2D standard p aran TAPE 3 Ex cution Ex cutez l analyse actuelle de l tape 2 ou ET gt 10 l analyse enregistr e s lectionn e de l tape 4 Semi cart type inf rieur consultez les r sultats graphiques ues et statistiques Semi cart type sup rieur T copiez les r sultats et les graphiques dans le Same presse papiers ou g n rez des rapports Rapport R sultats Graphiques Statistiques TAPE 4 Enregistrement MAS Pat cree ART a facultatif profil pour M bEHRPELMMOE 2 DO K E ehga E Notes ES MODIFIER Stepwise Regression Correlation Stepuise Regression Forward SUPPR Stepwise Regression Forward Backward m i Stochastic Process Brownian Motion t Stochastic Process Jump Diffusion pa m Stochastic Process Mean Reversion E M Enregistrer Stochastic Process Mean Reverting Jump Diffusion Structural Break nism S Figure 5 53 ROV BizStats visualisation des donn es et graphiques de r sultats Ds o O a Fichier Donn es Langue Language Aide TAPE 1 Donn es Entrez
28. c demment mentionn es 4 2 Optimisation avec variables de d cision continues La figure 4 1 illustre l exemple de mod le d optimisation continue Cet exemple utilise le fichier Continuous Optimization optimisation continue qui se trouve dans D marrer Real Options Valuation Simulateur de risques Exemples ou auquel vous pouvez acc der directement en s lectionnant Simulateur de risques Exemples de mod les Dans cet exemple nous avons 10 classes d actifs diff rentes par ex diff rents types de fonds de placement d actions ou d actifs o l id e est d allouer le plus efficacement possible les actifs du portefeuille de fa on obtenir le meilleur rendement C est dire g n rer les meilleurs rendements du portefeuille possibles d apr s les risques inh rents chaque classe d actifs Pour vraiment comprendre le concept d optimisation nous allons devoir nous pencher de fa on plus approfondie sur cet exemple de mod le afin de voir comment le processus d optimisation peut tre appliqu Le mod le montre les 10 classes d actifs et chaque classe d actifs a son propre jeu de rendements et de volatilit s annualis s Ces mesures des rendements et des risques sont des valeurs annualis es de fa on ce qu elles puissent tre compar es de fa on coh rente pour les diff rentes classes d actifs Les rendements sont calcul s en utilisant la moyenne g om trique des rendements relatifs et les ri
29. calages temporels o tous les d calages sont pris en compte simultan ment afin de d terminer quels d calages temporels sont statistiquement significatifs et doivent tre pris en compte Auto corr lation D calage temporel AC PAC Borne inf rieure Borne sup rieure StatistiqueQ Prob 1 0 0580 0 0580 0 2828 0 2828 0 1786 0 6726 2 0 1213 0 1251 0 2828 0 2828 0 9754 0 6140 3 0 0590 0 0756 0 2828 0 2828 1 1679 0 7607 4 0 2423 0 2232 0 2828 0 2828 4 4865 0 3442 5 0 0067 0 0078 0 2828 0 2828 4 4890 0 4814 6 0 2654 0 2345 0 2828 0 2828 8 6516 0 1941 7 0 0814 0 0939 0 2828 0 2828 9 0524 0 2489 8 0 0634 0 0442 0 2828 0 2828 9 3012 0 3175 9 0 0204 0 0673 0 2828 0 2828 9 3276 0 4076 10 0 0190 0 0865 0 2828 0 2828 9 3512 0 4991 11 0 1035 0 0790 0 2828 0 2828 10 0648 0 5246 12 0 1658 0 0978 0 2828 0 2828 11 9466 0 4500 13 0 0524 0 0430 0 2828 0 2828 12 1394 0 5162 14 0 2050 0 2523 0 2828 0 2828 15 1738 0 3664 15 0 1782 0 2089 0 2828 0 2828 17 5315 0 2881 16 0 1022 0 2591 0 2828 0 2828 18 3296 0 3050 17 0 0861 0 0808 0 2828 0 2828 18 9141 0 3335 18 0 0418 0 1987 0 2828 0 2828 19 0559 0 3884 19 0 0869 0 0821 0 2828 0 2828 19 6894 0 4135 20 0 0091 0 0269 0 2828 0 2828 19 6966 0 4770 D calages Distributifs Valeurs pr dictives des p riodes de d calages distributifs de chaque variable ind pendante Variable 1 2 3 4 5 6 T 8 9 10 11 12 X1 0 8467 0 2045 0 3336 0 9105 0 9757 0 1020 0 9205 0 1267 0 5431 0
30. ceux de l analyse Tornado que nous avons vue pr c demment bien s r sans la valeur d investissement engag car nous avons d cid qu il s agissait d une valeur connue et elle n a donc pas t simul e avec une exception sp ciale Le taux d imposition a t rel gu une position bien inf rieure dans le graphique d analyse de sensibilit figure 5 11 par rapport au graphique Tornado figure 5 6 En effet seul le taux d imposition aura un impact important mais une fois que les autres variables interagissent dans le mod le il semble que le taux d imposition a un effet moins dominant cela est d au fait que le taux d imposition a une plus petite distribution car les taux d imposition historiques n ont pas tendance fluctuer beaucoup et aussi parce que le taux d imposition est une valeur de pourcentage simple des b n fices avant imp ts alors que les autres variables de pr c dents ont un effet plus important Cet exemple prouve que l ex cution d une analyse de sensibilit apr s l ex cution d une simulation est importante pour tablir s il existe des interactions dans le mod le et si les effets de certaines variables persistent Le deuxi me graphique figure 5 12 illustre le pourcentage de variation expliqu e C est dire sur les 160 2012 Real Options Valuation Inc Simulateur de risques Remarque Manuel d utilisation fluctuations de la pr vision quelle quantit de la
31. des valeurs Mod lisation de simulation Analyse bayesienne Valeur attendue de l information parfaite EVPI minimax profilde risque Analyse de sensibiit Tableaux de sc nario Fonction utilitaire s Type Incertitude Options d ex cution Nom Critique Temps 12 Jours T d ach vement A 248 00 9 00 W Ex cuter la simulation Valeur 120 82 14 Jours D i Oui 286 00 15 00 289 80 V Valeur de d part facultative Notes 18 Jours Ex cuter les graphiques live dans l onglet Arborescer au dessus v 362 00 6 00 7 Este Z tiquette Ins rer une tiquett v Temps 12 Jours Rapide Moyenne d ach vement B 44 00 21 00 70 Mettre jour les gains de n ud de terminal C taire 14 Jours Won Bor 48 00 35 00 Mettre en valeur le chemin avec la valeur maximum a f Mettre en valeur le chemin la valeur minimum o E aai aih 18 Jours Le SE Nom de l v nement Grand B timent 56 00 14 00 V Afficher les r sultats calcul s dans une police couleur diff er 18 Jours eue oo 7 Afficher le n WI Afficher la vi E Afficher les r 30 00 E 18 Jours 4 Propri t s du n ud d incertitude 7 a 343 00 15 00 aj Utiliser les couleurs gk 350 40 Nin Critique Nom de l v Probabiit Simuler E o EAA Nomdel v nement Probabilit Temps d ach 0 300000 LA ER Aor Temps d ach vement A 28 0 300000 L Temps d ach 0 700000 7 suais Temps d ach vement B 48 0 700
32. e nette EMEA Type de mod le Exolure la valeur finale gt M Taux de r duction de risque priv 5 00 Taux de rendement inteme 51 10 8 Taux de croissance de la p riode terminale 2 00 Rendement des investissements 108 76 9 Taux d imposition effectif 40 00 Index de profitabilit 2 09 10 11 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 12 Prix moyen du produit unit A asal si20n nn A 13 Prix moyen du produit Blunit Analyse de sc nario E 14 Prx moyen du produit C unit A a 3 5 Quantit du produit A vendue miliers Re a Es 16 Quantit du produit B vendue miliers i es Ej 17 Quantit du produit C vendue miliers 20 00 l Emplacement de la variable de sortie G6 i 18 Recettes totales 1 231 75 1 268 50 FR RS EE iX iX variable d entr e C9 LEA Deuxi me C12 LE 19 Co t direct des biens vendus 184 76 519028 pre Senise ata res 20 Marge b n ficiaire brute 1 046 99 1 078 23 Puis saisissez la valeur de d but la valeur de fin et le nombre d tapes ou lincr ment tester 21 Frais d exploitation 157 50 157 50 X 22 Co ts des ventes g n raux et d administration s1575 s1575 Te 1 pi 23 B n fice d exploitation EBITDA 873 74 904 98 Valeur de d but 0 3 Valeur de d but 10 24 D pr ciation 10 00 25 Amortissement 3 00 adaa TE iee 50 26 R sultat avant int r ts et imp ts EBIT 860 74 C tapes tapes 20 27 Paiements des int r ts 2 00 x
33. e pour estimer la moyenne d une population normalement distribu e quand la taille de l chantillon est petite et est utilis e pour tester la signification statistique de la diff rence entre deux moyennes ou intervalles de confiance pour les chantillons de petite taille Les structures math matiques pour la distribution T sont les suivantes L r 1 2 VrrT r 2 t ry f moyenne 0 cela s applique tous les degr s de libert r sauf si la distribution est d cal e vers un autre emplacement central diff rent de z ro F cart type r 2 talement 0 cela s applique tous les degr s de libert r exc s de kurtosis pour tous les r gt 4 r EX o t et Jest la fonction gamma Les degr s de libert r sont le seul param tre de la distribution 80 2012 Real Options Valuation Inc Simulateur de risques Distribution triangulaire Manuel d utilisation La distribution T est apparent e la distribution F comme suit le carr d une valeur de t avec r degr s de libert est distribu comme F avec 1 et r degr s de libert La forme globale de la fonction de densit de probabilit de la distribution T ressemble galement la forme en cloche d une variable normalement distribu e avec une moyenne de 0 et une variance de 1 sauf qu elle est un peu plus basse et plus large ou leptocurtique queues paisses aux extr mit s et centre en pic
34. es ce qui est souvent le cas dans la simulation de Monte Carlo les homologues non param triques deviennent plus importants La corr lation des rangs de Spearman et de Tau de Kendall sont les deux autres options La corr lation de Spearman est la plus fr quemment utilis e et est la plus appropri e dans le contexte d une simulation de Monte Carlo il n y a pas de d pendance par rapport aux distributions normales ou la lin arit ce qui signifie que les corr lations entre diff rentes variables avec une distribution diff rente peuvent tre appliqu es Pour calculer la corr lation de Spearman 37 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation commencez par classer toutes les valeurs des variables x et y puis appliquez le calcul de la corr lation de Pearson Dans le cas du Simulateur de risques la corr lation utilis e est la corr lation non param trique des rangs de Spearman plus solide Cependant pour simplifier le processus de simulation et pour une plus grande coh rence avec la fonction de corr lation d Excel les entr es de corr lations requises sont le coefficient de corr lation de Pearson Le Simulateur de risques applique ensuite ses propres algorithmes pour les convertir en corr lation des rangs de Spearman ce qui simplifie le processus Mais pour simplifier l interface utilisateur nous autorisons les utilisateurs entrer la corr lation du moment des produit
35. gration d Chaque ordre d int gration correspond 107 2012 Real Options Valuation Inc Simulateur de risques Proc dure ARIMA et ARIMA automatique Remarque Interpr tation des r sultats Manuel d utilisation la diff rentiation des s ries chronologiques I 1 signifie diff rentier les donn es une fois I d signifie diff rentier les donn es d fois Le troisi me composant est le terme de moyenne mobile MA Le mod le MA q utilise les d calages q des erreurs de pr vision pour am liorer la pr vision Un mod le MA q a la forme y e bje be Enfin un mod le ARMA p q a la forme combin e y a s3 A pYrp bierni t biere e D marrez Excel et saisissez vos donn es ou ouvrez une feuille de calcul existante avec les donn es historiques pour lesquelles effectuer la pr vision l illustration ci dessous utilise l exemple de fichier Time Series ARIMA ARIMA de s ries chronologiques e S lectionnez les donn es de s ries chronologiques et s lectionnez Simulateur de risques Pr visions ARIMA e Saisissez les param tres P D et Q pertinents entiers positifs uniquement et le nombre de p riodes de pr visions souhait es puis cliquez sur OK Pour ARIMA et ARIMA automatique vous pouvez mod liser et pr voir des p riodes futures soit en utilisant uniquement la variable d pendante Y c est dire la variable de s ries chronologiques seule soit en
36. les Coeff d t mult ajust MOD LE 39034 VAR 1 VAR2 LN VAR3 LN VAR2 LN VAR3 VAR2 LN VAR3 LN VAR 1 LN VAR3 LN VAR2 LN VAR2 LN VAR3 LN VAR 1 LN VAR 1 HN VAR3 VAR2 LN VAR 1 LN VAR3 LN VAR 1 LN VAR2 LN VAR 1 VAR2 LN VAR 1 LN VAR2 LN VAR2 HN VAR3 LN VAR 1 HN VAR2 HN VAR3 LN VAR3 z elhet l wE p P 5 I Ex cutez l analyse actuelle de l tape 2 ou l analyse enregistr e s lectionn e de l tape 4 copiez les r sultats et les graphiques dans le presse papiers ou g n rez des rapports LN VAR2 VAR3 LN VAR 1 HN VAR3 VAR2 VAR3 VAR L LN VAR2 0 245075 796 72 1 85 323 57 451 73 1908 75 318 5 6784 67 3408 6 2 2396 73 1119 consultez les r sultats graphiques et statistiques K incertis TAPE 2 Analyse Choisissez une analyse et entrez les param tres requis voir les A E exemples d entr es de param tres ci dessous Jeu de donn es visualiser Commande D Vuaiser Affichage ti ARS VARI VAR2 VAR3 VAR4 VARS VAR6 VAR7 VARS VAR9 VARIO Variance population z 1 x x U Par ordre alphab tique V VAR6 VAR7 VARS Variance chantillon Volatilit Volatilit Approche des retours logarithmiques Volatilit EGARCH Volatilit EGARCH T Volatilit GARCH Volatilit GARCH M Volatilit GJR GARCH Volatiit GJR TGARCH AM gt Var2 Var3 Var4 Volatilit TGARCH gt 0 1 Volatilit TGA
37. mesure que les degr s de libert augmentent disons au dessus de 30 la distribution T s approche de la distribution normale avec une moyenne de 0 et une variance de 1 Entr es requises Degr s de libert gt 1 et doit tre un entier La distribution triangulaire d crit une situation dans laquelle vous connaissez la valeur minimum la valeur maximum et la valeur dont l occurrence est la plus probable Par exemple vous pourriez d crire le nombre de voitures vendues par semaine quand les ventes pass es montrent le nombre minimum le nombre maximum et le nombre habituel de voitures vendues Conditions Les trois conditions sous jacentes de la distribution triangulaire sont les suivantes e Le nombre minimum d l ments est fixe e Le nombre maximum d l ments est fixe e Le nombre d l ments le plus probable se trouve entre les valeurs minimum et maximum formant une distribution de forme triangulaire qui indique que les valeurs pr s du minimum et du maximum ont une occurrence moins probable que les valeurs pr s de la valeur la plus probable Les structures math matiques pour la distribution triangulaire sont les suivantes Z Min pour Min lt x lt Likely Max Min Likely min FO 2 Max x pour Likely lt x lt Max Max Min Max Likely moyenne Min Likely Max cart type i Min Likely Max Min Max Min Likely Max Likely 61 2012 Rea
38. n r s sontinconnus Le processus de mouvement brownien ou trajet al atoire peut tre utilis pour pr voir les cours des actions les prix des produits de base et autres donn es de s ries chronologiques stochastiques avec un taux de d rive ou de croissance et une volatilit autour du chemin de d rive Le processus de retour la moyenne peut tre utilis pour r duire les fluctuations du processus de trajet al atoire en permettant au chemin de cibler la valeur long terme le rendant utile pour pr voir les variables de s ries chronologiques dot es d un taux long terme comme les taux d int r t ou d inflation des taux cibles long terme par les autorit s r glementaires ou le march Le processus de diffusion par saut est utile pour pr voir les donn es de s ries chronologiques quand la variable pr sente parfois des sauts ou bonds al atoires comme le cours du p trole ou le prix de l lectricit des chocs v nementiels exog nes discrets peuvent faire flamber ou brutalement chuter les prix Enfin ces trois processus peuvent tre combin s selon vos besoins R sum statistique Vous trouverez ci dessous les param tres estim s pour un processus stochastique d apr s les donn es fournies C est vous de d terminer si la probabilit d ajustement similaire au calcul de validit de l ajustement est suffisante pour justifier l utiliser d une pr vision par processus stochastique et dans l affirmativ
39. narios O O O O Analyse bay sienne mise jour de probabilit conjointe et de probabilit a posteriori Valeur attendue d information MINIMAX MAXIMIN o Profils de risque O O Livres La th orie analytique l application et les tudes de cas sont compl t es par 10 livres Cellules comment es Activez ou d sactivez les commentaires des cellules et choisissez d afficher les commentaires des cellules pour toutes les suppositions d entr e pr visions de sortie et variables de d cision Exemples de mod les d taill s 24 exemples de mod les dans le Simulateur de risques et plus de 300 mod les dans le Rapports d taill s Toutes les analyses s accompagnent de rapports d taill s Manuel d utilisation d taill Manuel d utilisation pas pas Licences souples Capable d activer et de d sactiver certaines fonctionnalit s pour que vous puissiez personnaliser votre exp rience d analyse des risques Par exemple si seuls les outils de pr visions du Simulateur de risques vous int ressent vous pourrez peut tre obtenir une licence sp ciale qui active uniquement les outils de pr visions les autres modules sont d sactiv s et ainsi faire des conomies Souplesse de configuration Fonctionne sous Windows 7 Vista et XP s int gre Excel 2010 2007 2003 et fonctionne avec les syst mes d exploitation MAC ex cutant des machines virtuelles 12 2012 Real Options Valuation
40. rieurement Simulateur de risques Modifier le profil C est ici que vous devez saisir le nombre d essais de simulation requis Par exemple si vous ex cutez 1 000 essais 1 000 it rations des r sultats bas s sur les suppositions d entr e seront g n r es Vous pouvez changer ce nombre comme vous le souhaitez mais l entr e doit tre un nombre positif Le nombre d essais par d faut est 1 000 Vous pouvez utiliser les contr les de la pr cision et des erreurs pour vous aider d terminer automatiquement le nombre d essais de simulation ex cuter consultez la section sur les contr les de la pr cision et des erreurs pour de plus amples d tails Si cette option est s lectionn e la simulation s arr te chaque fois qu une erreur survient dans le mod le Excel C est dire que si votre mod le rencontre une erreur de calcul par ex des valeurs d entr e g n r es dans un essai de simulation peuvent produire une erreur de division par z ro dans l une des cellules de votre feuille de calcul la simulation s arr te C est important pour contr ler votre mod le Excel et v rifier qu il ne contient pas d erreurs de calcul Cependant si vous tes s r que le mod le fonctionne vous n avez pas besoin de cocher cette option Si cette option est s lectionn e les corr lations entre les paires de suppositions d entr e sont calcul es Sinon les corr lations sont toutes d finies sur z ro e
41. tat 2 Maximum Nom d cisionnelles prises en compte par ex construire un site grand moyen petit et le ESS ele r IDE TE ED nae a TE MOUSE ce bon march 1200 0 00 12 00 mauvais march et saisissez les gains attendus pour chaque sc nario 6 00 2 00 6 00 Valeur attendue de l information parfaite des tats de la nature 0 00 16 00 16 00 tats ou v nements d incertitude Valeur attendue sans information parfaite des tats de la nature Chemin Zoruma Valeur attendue de l information parfaite Chemin 1 optimal Figure 5 64 Arbre de d cision d valuation sur la base d Options R elles Valeur attendue d information parfaite MINIMAX Profil de risque Manuel d utilisation 231 2012 Real Options Valuation Inc Simulateur de risques ROV Visual Modeler 2012 Arborescences d cisionnelles C 9 Ca e y a p za valeurs des chemins de d cision L analyse de sensibilit sur les probabilit s d entr e est effectu e pour d terminer son impact sur les Commencez par s lectionner un n ud de d cision analyser CE probabilit s Les valeurs num riques sont affich es dans le tableau des r sultats Les endroits o les d dessous puis s lectionnez un v nement de probabilit tester dans la liste S il y a plusieurs v nements d incertitude avec des probabilit s identiques ils peuvent
42. tats de la nature ou v nements incertains sous chaque chemin par 225 2012 Real Options Valuation Inc Simulateur de risques Procedures Manuel d utilisation ex bonne ou mauvaise conomie Puis terminez le tableau des gains pour les divers sc narios et calculez les r sultats minimax et maximin Vous pouvez galement cliquer sur Charger l exemple pour voir un exemple de calcul 5 27 5 Sensibilit L analyse de sensibilit figure 5 65 sur les probabilit s d entr e est effectu e pour d terminer son impact sur les valeurs des chemins de d cision Commencez par s lectionner un n ud de d cision analyser ci dessous puis s lectionnez un v nement de probabilit tester dans la liste S il y a plusieurs v nements d incertitude avec des probabilit s identiques ils peuvent tre analys s de fa on ind pendante ou concurrente Les graphiques de sensibilit affichent les valeurs des chemins de d cision pour divers niveaux de probabilit s Les valeurs num riques sont affich es dans le tableau des r sultats Les endroits o les lignes se croisent le cas ch ant repr sentent les v nements probabilistiques auxquels un chemin de d cision donn devient dominant par rapport un autre 5 27 6 Tableaux de sc nario Les tableaux de sc nario figure 5 66 peuvent tre g n r s pour d terminer les valeurs de sortie d apr s des changements des entr es Vous pouvez choisir un ou plusieurs c
43. visions et de r gression est l h t rosc dasticit c est dire que la variance des erreurs augmente dans le temps voir la figure 5 23 pour les r sultats du test r alis avec l outil de diagnostic Visuellement la largeur des fluctuations des donn es verticales augmente ou s largit dans le temps et g n ralement le coefficient de d termination multiple baisse consid rablement en pr sence d h t rosc dasticit Si la variance de la variable d pendante n est pas constante alors la variance de l erreur ne le sera pas non plus moins que l h t rosc dasticit de la variable d pendante soit prononc e son effet ne sera pas grave les estimations des moindres carr s seront toujours non biais es et les estimations de la pente et de l interception seront normalement distribu es si les erreurs sont normalement distribu es ou au moins normalement distribu es asymptotiquement quand le nombre de points de donn es devient important si les erreurs ne sont pas normalement distribu es L estimation pour la variance de la pente et la variance globale sera inexacte mais cette inexactitude a peu de chances d tre substantielle si les valeurs de variable ind pendante sont sym triques autour de leur moyenne Si le nombre de points de donn es est petit micronum rosit il peut tre difficile de d tecter les violations de suppositions Avec des chantillons de petite taille les violations de supposit
44. 1016 14 7996 Statistique T 0 5327 1 0066 1 8316 1 7877 0 0843 1 1188 Valeur pr dictive 0 5969 0 3197 0 0738 0 0807 0 9332 0 2693 5 inf rieurs 161 2966 0 0106 0 0466 3 2137 0 2132 13 2687 95 sup rieurs 277 2076 0 0036 0 9753 53 6891 0 1961 46 3845 Degr s de libert Test d hypoth se Degr s de libert pour la r gression 5 Statistique T critique 99 de confiance avec dl de X 2 6923 Degr s de libert pour le r sidu 44 Statistique T critique 95 de confiance avec di de X 2 0154 Degr s de libert totaux 49 Statistique T critique 90 de confiance avec dl de X 1 6802 Les coefficients fournissent l interception et les pentes estim es de la r gression Par exemple les coefficients sont des estimations des valeurs r elles de la population b dans l quation de r gression suivante Y b0 b1X1 b2X2 bnXn L erreur type mesure la pr cision des coefficients pr dits etles statistiques T repr sentent le ratio de chaque coefficient pr dit par rapport son erreur type La statistique T est utilis e pour les tests d hypoth se o nous d finissons l hypoth se nulle Ho comme la moyenne r elle du coefficient 0 et l hypoth se alternative Ha comme la moyenne r elle du coefficient non gale 0 Un test T est effectu et la statistique T calcul e est compar e aux valeurs critiques aux degr s de libert pour le r sidu pertinents Le test T est extr mement important car il effectue les calculs permettant de d
45. 43 7126 T Plage 136 7381 g talement 0 1650 Kurtosis 0 0102 7 Percentile 25 85 9718 Percentile 75 115 5876 Pr cision d erreur 95 0 0136 Nom MOD LE B Nombre de points de donr 1000 Activ e Oui Moyenne 99 8767 Cellule G 10 M diane 100 2395 cart type 22 8106 J Pr cision de la pr vision Variance 520 3235 Sl Niveau de pr cision Coefficient de variation 0 2284 Niveau d erreur Maximum 167 7178 E Minimum 33 1071 I Plage 134 6107 S talement 0 0578 Z Kurtosis 0 1322 i Percentile 25 85 0125 Percentile 75 115 2597 138 49 Pr cision d erreur 95 0 0142 Matrice de corr lation D8 Recettes G8 Recettes D8 Recettes 1 00 G8 Recettes 0 00 1 00 D9 Co ts 0 00 0 00 G9 Co ts 0 00 0 00 D9 Co ts 1 00 0 00 G9 Co ts 1 00 Figure 5 21 Exemple de rapport de simulation 173 2012 Real Options Valuation Inc Simulateur de risques 5 8 Outil de diagnostic de r gression et des pr visions Cet outil analytique avanc du Simulateur de risques est utilis pour d terminer les propri t s conom triques de vos donn es Les diagnostics incluent l analyse des donn es pour d tecter l h t rosc dasticit la non lin arit les valeurs aberrantes les erreurs de sp cification la micronum rosit la stationnarit et les caract ristiques stochastiques la normalit et la sph ricit des erreurs ainsi que la multicolin arit Chaque test est
46. 775 403678 Trend Line Linear RMSE 912 616213 684 2000 584 1000 765 4000 892 3000 885 4000 82 9516 677 0000 186 9179 1006 6000 34 8980 1177 1n0n 3R 4077 m F EERE Figure 5 57 Pr vision par logique floue 217 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 5 24 Recherche d objectif L outil de recherche d objectif est un algorithme de recherche appliqu pour trouver la solution d une seule variable au sein d un mod le Si vous connaissez le r sultat que vous souhaitez obtenir d une formule ou d un mod le mais n tes pas s r de la valeur d entr e n cessaire pour que la formule produise ce r sultat utilisez la fonctionnalit Simulateur de risques Outils Recherche d objectif Remarque L outil de recherche d objectif fonctionne uniquement avec une valeur d entr e d une variable Si vous voulez accepter plus d une valeur d entr e utilisez les routines d optimisation avanc e du Simulateur de risques La figure 5 58 illustre un mod le simple et la fa on dont la recherche d objectif est appliqu e Recherche de cible une variable D finir la cellule A3 E Result Sur la valeur 300 100 0000 En changeant la cellule at E Min 50 Max 500 Figure 5 58 Recherche d objectif 5 25 Optimisateur de variable unique L outil d optimisateur de variable unique est un algorithme de recherche
47. 9110 0 7495 0 4016 X2 0 6077 0 9900 0 8422 0 2851 0 0638 0 0032 0 8007 0 1551 0 4823 0 1126 0 0519 0 4383 X3 0 7394 0 2396 0 2741 0 8372 0 9808 0 0464 0 8355 0 0545 0 6828 0 7354 0 5093 0 3500 X4 0 0061 0 6739 0 7932 0 7719 0 6748 0 8627 0 5586 0 9046 0 5726 0 6304 0 4812 0 5707 x5 0 1591 0 2032 0 4123 0 5599 0 6416 0 3447 0 9190 0 9740 0 5185 0 2856 0 1489 0 7794 Figure 5 24 R sultats de l autocorr lation et des d calages distributifs Une autre exigence pour l ex cution d un mod le de r gression est la supposition de normalit et de sph ricit du terme d erreur Si la supposition de normalit n est pas respect e ou si des valeurs aberrantes sont pr sentes le test de validit de l ajustement de la r gression lin aire risque de ne pas tre le test le plus puissant ou informatif 178 2012 Real Options Valuation Inc Simulateur de risques disponible et cela peut tre la diff rence permettant de d tecter un ajustement lin aire ou non Si les erreurs ne sont pas ind pendantes et ne sont pas normalement distribu es cela peut indiquer que les donn es sont peut tre auto corr l es ou pr sentent des non lin arit s ou autres erreurs plus graves L ind pendance des erreurs peut aussi tre d tect e avec les tests d h t rosc dasticit figure 5 25 Le test de normalit sur les erreurs effectu est un test non param trique qui ne fait pas de suppositions quant la forme sp cifique de la po
48. A 3 M ge mg nomme um 7 immo Figure 5 50 Distribution des probabilit s ROV graphiques superpos s multiples Manuel d utilisation 208 2012 Real Options Valuation Inc Simulateur de risques Proc dure Manuel d utilisation DISTRIBUTIONS DE PROBABILIT S ROV Distributions f Graphiques et tableaux Cet outil g n re un tableau de probabilit s et des graphiques comparatifs pour une distribution choisie ainsi que diff rentes fomes bas es sur diff rents param tres d entr e Pour voir plusieurs distributions utilisez l outil de graphiques superpos s du Simulateur de risques Distribution Binomiale Graphiques et tableaux Graphique Changer le premier param tre Changer le deuxi me param Distribution th orique Param tre Probabiit v Xal stoie z Distribution simul e De 0 2 De Essais Essais 20 PDF Probabilt 05 CDF X al atoire 10 S rie De o A 05 Valeur de d part 0 R sultat 5 Personnalis e es 0 0 176197 P Graphique Tableau Comparer les graphiques Variable de ligne Probabilit Variable de colonne X al atoire 0 0000 2 0000 3 0000 4 0000 0 1369 0 0669 0 1897 0 1304 0 0738 Figure 5 51 Distribution des probabilit s ROV tableaux de distribution 5 22 ROV BizStats Ce nouvel outil ROV BizStats est un module tr s puissant et tr s rapid
49. Analysis Forecasting and Optimization Wiley 2010 du Dr Johnathan Mun pour une analyse et une discussion plus d taill e de la r gression multivariable ainsi que l interpr tation des rapports de r gression 98 2012 Real Options Valuation Inc Simulateur de risques R gression multi variables Real Options il SV Valuatien wwwresloptionsvaluation com 1 S lectionnez la zone des donn es en t tes compris B5 G55 2 Cliquez sur Simulateur de risques Pr visions R gression multiple 3 S lectionnez la variable d pendante dans cet exemple la variable Y et toutes modifications requises pr dicteurs de d calage r gression non lin aire r gression par tapes puis cliquez sur OK Consultez le rapport de r gression g n r pour les r sultats de l analyse L analyse de r gression multiple peut tre utilis e pour effectuer des r gressions lin aires avec plusieurs vari i Ces variables i peuvent tre appliqu es par une s rie de d calages ou transformations non lin aires ou r gress es par tapes en commen ant par la variable la plus Variable d pendante Y z Pr dicteurs de d calage 1 P riode s a M thode de corr lation par tapes z B Figure 3 7 Ex cution d une r gression multivariable Rapport d analyse de r gression Statistiques de la r gression Coefficient de d termination multiple 0 3272 Coefficient d
50. Ce sont les rendements Valeurs X connues C15 C25 ii connus et utilis s comme entr es dans le mod le Valeurs Y connues D15 D25 El d interpolation et G n rer une courbe spline partir des valeurs X suivantes d extrapolation par spline cubique 2e N Fin 50 Incr ment 1 Pour ex cuter la pr vision par spline cubique cliquez sur Simulateur de risques Pr visions Spline cubique puis sur l ic ne du lien et s lectionnez C15 C25 comme valeurs X connues valeurs sur l axe X d un graphique de s rie chronologique et D15 D25 comme valeurs Y connues la longueur des valeurs X et Y connues doit tre identique Entrez les p riodes de pr visions souhait es par ex D but 1 Fin 50 Incr ment 1 Cliquez sur OK et consultez le graphique et les pr visions g n r es Remarque La variable Y est la variable que vous voulez extrapoler et interpoler et la variable X est g n ralement une variable connue par ex temps espace etc Figure 3 21 Module Spline cubique Manuel d utilisation 125 2012 Real Options Valuation Inc Simulateur de risques Proc dure e D marrez Excel ouvrez l exemple de fichier Advanced Forecasting Models mod les de pr visions avanc s allez la feuille de calcul Spline cubique s lectionnez le jeu de donn es sans les en t tes et cliquez sur Simulateur de risques Pr visions Spline cubique e L emplacement des donn es est ins r automatiquement dans
51. Cette valeur doit tre un entier positif Le temps d ex cution maximum est d fini sur 300 secondes En r gle g n rale il est inutile de le modifier Cependant lors de pr visions avec une quantit de donn es historiques importante il est possible que l analyse prenne plus longtemps et si le temps de traitement d passe le temps d ex cution d fini le processus sera interrompu Vous pouvez aussi choisir que les pr visions g n rent automatiquement des suppositions C est dire qu au lieu d estimations un seul point les pr visions seront des suppositions Enfin l option de param tres polaires vous permet d optimiser les param tres alpha b ta et gamma afin d inclure z ro et un Certains logiciels de pr visions autorisent ces param tres polaires d autres non Le Simulateur de risques vous permet de choisir ceux que vous souhaitez utiliser En r gle g n rale il est inutile d utiliser les param tres polaires 94 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Multiplicative de Holt Winter R sum statistique Alpha B ta Gamma RMSE Alpha B ta Gamma RMSE 0 00 0 00 0 00 0 00 0 00 0 00 0 10 0 10 0 10 0 10 0 10 0 10 0 20 0 20 0 20 0 20 0 20 0 20 0 30 0 30 0 30 0 30 0 30 0 30 0 40 0 40 0 40 0 40 0 40 0 40 0 50 0 50 0 50 L analyse a t ex cut e avec alpha X b ta X gamma X et saisonnalit X R sum d an
52. E E E 236 CONSEILS Corr lafions s eer E EEEE NENEA A E AE NE EEEE 236 CONSEILS Diagnostics de donn es et analyse statistique 237 CONSEILS Analyse graphiques et tableaux de distributions des probabilit s 0 001000000 238 CONSEILS Fronti re efficiente sise 238 CONSEILS Cellules de pr vision sisi 238 CONSEILS Graphiques de pr visions ss 238 CONSEILS PT VISIONS see nee ne et se ste er ER RE EE 239 CONSEILS Pr visions ARIMA nes nets ie den Men arte tnt 239 CONSEILS Pr visions conom trie de base 239 CONSEILS Pr visions Logit Probit et Tobit i aar En EAEE ET A 239 CONSEILS Pr visions Processus stochastiques ss 240 CONSEILS Pr visions Tendances ses 240 CONSEILS Appels de fonctions usines 240 CONSEILS Exercices et vid os de prise en main 240 CONSETES AID mat riel rs re E ee tete rte Re tete n e 241 CONSEILS chantillonnage par hypercube latin LHS et simulation de Monte Carlo MES smart care nina an ennemie ner ocean nette ces 241 CONSEILS Ressources en ligne anr e E E E e AAEE E A 241 CONSELESE OPUMISON OM aisistsensrrestteritietireeanltesdeetre teurs liertes le EANNA EE AAEN EENAA 242 2012 Real Options Valuation Inc Simulateur de risques CONSEILS Profils sun annee mime NA E aea ata tnt nn 242 CONSEILS Raccourci par clic droit et autres touches de raccourci 243 CONSEILSE Enregistrer E a A a MN a E 243 CONSEILS Techniques d chantillonnage et de simulation nss
53. Essais Probabilit Type Formatage Une seule valeur i 0 000019 0 000181 Valeur X 0 001087 0 004621 0 014786 Borne inf rieure i 0 036964 0 073929 f 0 120134 Incr ment i 0 160179 0 176197 0 160179 0 120134 0 073929 0 036964 0 014786 0 004621 0 001087 0 000181 0 000019 0 000001 Plage de valeurs Borne sup rieure Figure 5 36 Outil d analyse distributionnelle FDC d une distribution binomiale avec 20 essais En utilisant l outil d analyse distributionnelle des distributions encore plus avanc es peuvent tre analys es notamment les distributions gamma b ta binomiale n gative et de nombreuses autres distributions dans le Simulateur de risques Autre exemple de l utilisation de cet outil dans une distribution continue et de la fonctionnalit FDCI la figure 5 37 montre la distribution normale standard distribution normale avec une moyenne de 0 et un cart type de 1 o nous appliquons la FDCI pour trouver la valeur de x qui correspond la probabilit cumulative de 97 50 FDC C est dire qu une FDC une queue de 97 50 est quivalente un intervalle de confiance de 95 deux queues il y a une probabilit de 2 50 dans la queue droite et une probabilit de 2 50 dans la queue gauche ce qui laisse 95 au centre de la zone d intervalle de confiance ce qui quivaut une zone de 97 50 pour une queue Le r sultat est l cart r duit ou score Z famil
54. Hypoth se nulle Les erreurs sont distribu es normalement 108 00 0 02 0 12 0 0977 0 0223 114 00 0 02 0 14 0 1038 0 0362 127 00 0 02 0 16 0 1180 0 0420 153 00 0 02 0 18 0 1504 0 0296 177 00 0 02 0 20 0 1851 0 0149 186 00 0 02 0 22 0 1994 0 0206 188 00 0 02 0 24 0 2026 0 0374 198 00 0 02 0 26 0 2193 0 0407 222 00 0 02 0 28 0 2625 0 0175 231 00 0 02 0 30 0 2797 0 0203 240 00 0 02 0 32 0 2975 0 0225 246 00 0 02 0 34 0 3096 0 0304 251 00 0 02 0 36 0 3199 0 0401 265 00 0 02 0 38 0 3494 0 0306 280 00 0 02 0 40 0 3820 0 0180 Figure 5 32 Exemple de rapport de l outil d analyse statistique test de normalit Manuel d utilisation 188 2012 Real Options Valuation Inc Simulateur de risques Processus stochastique Estimations des param tres R sum statistique Un processus stochastique est une s quence d v nements ou chemins g n r s par les lois probabilistes C est dire que des v nements al atoires peuvent survenir dans le temps mais qu ils sont r gis par des lois statistiques et probabilistes sp cifiques Les principaux processus stochastiques incluent le trajet al atoire ou mouvement brownien le retour la moyenne et la diffusion par saut Ces processus peuvent tre utilis s pour pr voir une multitude de variables qui semblent suivre des tendances al atoires mais sont malgr tout restreintes par les lois probabilistes L quation qui g n re le processus est connue l avance mais les r sultats g
55. J f x DFA TE 0 sinon pour x20 a l i re zew CE pour x20 a i 0 0 sinon moyenne p cart type Jap y 2 talement Va 6 exc s de kurtosis 3 a Entr es requises Alpha forme gt 0 et est un nombre entier B ta chelle gt 0 La distribution exponentielle est couramment utilis e pour d crire les v nements r currents se reproduisant des points al atoires dans le temps par exemple le temps entre les pannes d quipements lectroniques ou le temps entre les clients se pr sentant un kiosque de service Elle est apparent e la distribution de Poisson qui d crit le nombre d occurrences d un v nement un intervalle de temps donn Une 66 2012 Real Options Valuation Inc Simulateur de risques Distribution exponentielle d cal e Manuel d utilisation caract ristique importante de la distribution exponentielle est sa propri t sans m moire ce qui signifie que la future vie d un objet donn a la m me distribution quelle que soit la dur e de son existence En d autres termes le temps n a aucun effet sur les r sultats futurs Les structures math matiques pour la distribution exponentielle sont les suivantes f x 2e pour x gt 0 2 gt 0 1 moyenne cart t l cart type talement 2 cette valeur s applique toutes les entr es 1 de taux de succ s exc s de kurtosis 6 cette valeur s appliq
56. La moyenne 4 et l cart type o sont les param tres de la distribution 74 2012 Real Options Valuation Inc Simulateur de risques Distribution parabolique Distribution de Pareto Manuel d utilisation Entr es requises cart type gt 0 et peut tre n importe quelle valeur positive La moyenne peut tre n importe quelle valeur La distribution parabolique est un cas sp cial de la distribution b ta quand la Forme l Echelle 2 Les valeurs pr s du minimum et pr s du maximum ont des probabilit s basses d v nement tandis que les valeurs entre ces deux extr mit s ont de plus hautes probabilit s d v nement Le minimum et le maximum sont les param tres de la distribution Les structures math matiques pour la distribution parabolique sont les suivantes Gi 1 P MES f x Tero pour gt 0 8 gt 0 x gt 0 I amp a f O la forme fonctionnelle ci dessus est pour la distribution b ta et pour une fonction parabolique nous d finissons Alpha B ta 2 et un d calage d emplacement dans le Minimum avec un facteur de multiplication de Maximum Minimum Min Max moyenne 2 7 Max Min cart type 20 talement 0 exc s de kurtosis 0 8571 Entr es requises Minimum lt Maximum La distribution de Pareto est couramment utilis e pour l tude des distributions associ es des ph nom nes empiriques comme la taille de la population d une vil
57. Non lin arit Valeur pr dictive R sultat du R sultat de Borne inf rieure Borne sup rieure Nombre de valeurs Valeur pr dictive R sultat du du test W test hypoth se l approximation naturelle naturelle aberrantes potentielle du test non lin aire test d hypoth se aucuns probl mes 7 86 671 70 2 0 2543 Homosc dastic aucuns probl mes 21377 95 64713 03 3 0 2458 lin aire 0 3371 Homosc dastic aucuns probl mes 77 47 445 93 2 0 0335 non lin aire 0 3649 Homosc dastic aucuns probl mes 5 77 15 69 3 0 0305 non lin aire 0 3066 Homosc dastic aucuns probl mes 295 96 628 21 4 0 9298 lin aire 0 2495 Homosc dastic aucuns probl mes 3 35 9 38 3 0 2727 lin aire Figure 5 23 R sultats des tests des valeurs aberrantes d h t rosc dasticit de micronum rosit et de non lin arit Un autre probl me typique lors des pr visions de donn es de s ries chronologiques est de savoir si les valeurs de variables ind pendantes sont v ritablement ind pendantes les unes des autres ou non Les valeurs de variables d pendantes rassembl es dans une s rie chronologique peuvent tre auto corr l es Pour des valeurs de variables d pendantes corr l es en s rie les estimations de la pente et de l interception ne seront pas biais es mais les estimations de leurs pr visions et de leurs variances ne seront pas fiables et la validit de certains tests de validit de l ajustement statistiques sera imparfaite Par exemple les taux
58. R sultat du test E Erreurs F QUENCe Observ e Anendue O A Moyenne d erreur de r gression 0 00 relative cart type des erreurs 141 83 219 04 0 02 0 02 0 0612 0 0412 Statistique D 0 1036 202 53 0 02 004 0 0766 0 0366 Valeur D critique 1 0 1138 186 04 0 02 0 06 0 0948 0 0348 valeur D critique 5 0 1225 174 17 0 02 008 0 1097 0 0297 Valeur D critique 10 0 1458 162 13 0 02 0 10 0 1265 0 0265 Hypoth se nulle Les erreurs sont distribu es normalement 161 62 0 02 0 12 0 1272 0 0072 160 39 0 02 0 14 0 1291 0 0109 145 40 0 02 016 0 1526 0 0074 138 92 0 02 018 01637 00163 133 81 0 02 020 0 1727 0 0273 120 76 0 02 0 22 0 1973 0 0227 120 12 0 02 024 0 1985 0 0415 113 25 0 02 026 0 2123 0 0477 113 12 0 02 0 28 0 2125 0 0675 Manuel d utilisation Figure 5 25 Test de la normalit des erreurs 179 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Parfois certains types de donn es de s ries chronologiques de s ries chronologiques ne peuvent tre mod lis s qu en utilisant un processus stochastique car les v nements sous jacents sont stochastiques par nature Par exemple vous ne pouvez pas correctement mod liser et pr voir le prix des actions les taux d int r t le cours du p trole ou autres ressources en utilisant un mod le de r gression simple parce que ces variables sont tr s incertaines et volatiles et ne suivent pas une r gle de comportement sta
59. S lectionnez les distributions ajuster 93 73 85 51 LUN 85 51 UN d 103 21 B ta Cauchy x2 87 45 96 40 82 75 Sa Sons st 103 65 112 42 103 22 91 56 Tout s lectionner Tout effacer 86 04 115 40 02 480 x 107 70 113 71 52 04 3 00 Figure 5 13 Ajustement distributionnel une seule variable L hypoth se nulle test e est que la distribution ajust e est la m me distribution que la population de laquelle proviennent les donn es chantillons ajuster Ainsi si une valeur pr dictive calcul e est inf rieure un niveau alpha critique g n ralement 0 10 ou 0 05 alors la distribution est la mauvaise distribution Inversement plus la valeur pr dictive est lev e plus la distribution est ajust e aux donn es En gros on peut consid rer la valeur pr dictive comme un pourcentage expliqu c est dire si la valeur pr dictive est 0 9727 figure 5 14 alors la configuration d une distribution normale avec une moyenne de 99 28 et un cart type de 10 17 explique 97 27 de la variation des donn es indiquant un ajustement particuli rement bon Les r sultats figure 5 14 et le rapport figure 5 15 montrent la statistique de test la valeur pr dictive les statistiques th oriques bas es sur la distribution s lectionn e les statistiques empiriques bas es sur les donn es brutes les donn es d origine pour conserver une trace des donn es utilis es et la supposition avec les param tres distrib
60. Series Analysis Seasonal Additive Time Series Analysis Seasonal Multiplicative Time Series Analysis Single Exponential Smoothing Time Series Analysis Single Moving Average Trend Line Difference Detrended Trend Line Exponential Detrended Trend Line Exponential Trend Line Linear Detrended Trend Line Linear Trend Line Logarithmic Detrended Trend Line Logarithmic Trend Line Moving Average Detrended Trend Line Moving Average Trend Line Polynomial Detrended Trend Line Polynomial Trend Line Power Detrended Trend Line Power Trend Line Rate Detrended Trend Line Static Mean Detrended Trend Line Static Median Detrended Variance Population Variance Sample Volatility EGARCH Volatility EGARCH T Volatility GARCH Volatility GARCH M Volatility GJR GARCH Volatility GJR TGARCH Volatility Log Returns Approach Volatility TGARCH Volatility TGARCH M Yield Curve Bliss and Yield Curve Nelson Siegel 18 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 2 SIMULATION DE MONTE CARLO La simulation de Monte Carlo qui doit son nom la c l bre capitale du jeu qu est Monaco est une m thodologie tr s puissante Elle permet de r soudre facilement des probl mes pratiques complexes et difficiles La simulation de Monte Carlo cr e des avenirs artificiels en g n rant des milliers voire des millions d chantillons de chemins de sortie et analyse
61. V est galement utilis e pour mod liser les d lais temporels o il y a une quasi certitude d un d lai minimum et le d lai maximum n a pas de limites par ex le d lai d arriv e des services d urgence et le temps pour r parer une machine Alpha aussi appel la forme et b ta aussi appel l chelle sont les param tres de la distribution Les structures math matiques pour la distribution Pearson V sont les suivantes 76 2012 Real Options Valuation Inc Simulateur de risques Distribution de Pearson VI Manuel d utilisation PACE NE peG F Ta B x r e a 1 moyenne e cart type a 1 a 2 4ya 2 a 3 talement 30a 66 a 3 a 4 exc s de kurtosis Entr es requises Alpha forme gt 0 B ta chelle gt 0 La distribution de Pearson VI est apparent e la distribution gamma o c est la fonction rationnelle de deux variables distribu es selon deux distributions gamma Alpha 1 aussi appel la forme 1 alpha 2 aussi appel la forme 2 et b ta aussi appel l chelle sont les param tres de la distribution Les structures math matiques pour la distribution Pearson VI sont les suivantes z G 8 P Blaa l a p X ronz f moyenne pie a 1 2 cart type J Pa Cai GE a 1 a 2 77 2012 Real Options Valuation Inc Simulateur de risques Distribution PERT Manuel d utilisatio
62. VAN plus toutes valeurs d options r elles strat giques co ts d impl mentation risques etc Si n cessaire ce mod le peut tre modifi pour inclure des quivalents temps plein ETP requis et autres ressources de diverses fonctions et des contraintes suppl mentaires peuvent tre d finies sur ces ressources suppl mentaires Les entr es dans ce mod le sont g n ralement reli es partir d autres mod les de feuilles de calcul Par exemple chaque projet aura son propre mod le de flux mon taire actualis ou de rendements sur investissement L application ici consiste maximiser le ratio de Sharpe du portefeuille selon certaines allocations de budget De nombreuses autres versions de ce mod le peuvent tre cr es par exemple pour la maximisation des rendements du portefeuille ou la minimisation des risques ou l ajout de contraintes suppl mentaires o le nombre total de projets choisis ne peut pas d passer 6 etc Tous ces l ments peuvent tre ex cut s l aide de ce mod le existant 136 2012 Real Options Valuation Inc Simulateur de risques Proc dure Manuel d utilisation e Ouvrez le fichier d exemple cr ez un nouveau profil en cliquant sur Simulateur de risques Nouveau profil et donnez lui un nom e La premi re tape de l optimisation est de d finir les variables de d cision D finissez la premi re variable de d cision en s lectionnant la cellule J4 s lectionnez Simu
63. alternative Ha u lt gt moyenne hypoth tique Remarques lt gt indique sup rieur pour les tests d hypoth se de queue droite inf rieur pour les tests de queue gauche ou R capitulatif du test d hypoth se Le test T une variable est appropri quand l cart type de la population n est pas connu mais que la distribution de l chantillonnage est suppos e tre peu pr s normale le test T est utilis quand la taille de l chantillon estinf rieure 30 mais est aussi appropri et en fait fournit des r sultats plus conservateurs avec les jeux de donn es volumineux Ce test T peut tre appliqu trois types de tests d hypoth se test bilat ral test de queue droite et test de queue gauche Les trois tests et leurs r sultats respectifs sont affich s ci dessous pour r f rence Test d hypoth se bilat ral Une hypoth se bilat rale teste l hypoth se nulle Ho selon laquelle la moyenne de la population est statistiquement identique la moyenne hypoth tique L hypoth se alternative est que la v ritable moyenne de la population est statistiquement diff rente de la moyenne hypoth tique si elle est test e en utilisant le jeu de donn es chantillon En utilisant un test T si la valeur pr dictive calcul e est inf rieure un montant de signification sp cifi g n ralement 0 10 0 05 ou 0 01 cela signifie que la moyenne de la population est statistiquement significativement diff rente
64. atoire mais pas une distribution jointe En fait l chantillonnage par hypercube latin a un impact tr s limit sur la pr cision de la sortie du mod le plus il y a de distributions dans le mod le car cette m thode ne s applique qu des distributions individuelles Les avantages de l chantillonnage par hypercube latin sont galement r duits si le nombre d chantillons sp cifi au d but n est pas effectu c est dire si la simulation est interrompue en cours L chantillonnage par hypercube latin repr sente 196 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation aussi une charge lourde sur un mod le de simulation avec un grand nombre d entr es car il doit g n rer et organiser les chantillons de chaque distribution avant d ex cuter le premier chantillon d une distribution Cela peut provoquer un long retard dans l ex cution d un mod le volumineux tout en ne fournissant que tr s peu de pr cision suppl mentaire Enfin l chantillonnage par hypercube latin est mieux adapt aux distributions qui se comportent bien sont sym triques et sans aucune corr lation N anmoins l chantillonnage par hypercube latin est une approche puissante qui produit une distribution uniform ment chantillonn e alors que la simulation de Monte Carlo peut parfois g n rer des distributions irr guli res les donn es chantillonn es peuvent parfois tre plus co
65. auto r gressive et mobile des erreurs des donn es de s ries chronologiques pour calibrer les entr es PDQ correctes N anmoins vous pouvez utiliser les pr visions ARIMA automatique pour tester automatiquement toutes les combinaisons possibles des valeurs PDQ les plus fr quentes afin de trouver le mod le ARIMA le mieux adapt Pour ce faire proc dez comme suit Variable exog ne h rations maximales 1 Cliquez sur Simulateur de risques Pr visions ARIMA automatique P riodes de pr visions 2 Cliquez sur l ic ne de lien de la variable de s ries chronologiques DAN A et s lectionnez la zone B5 B440 Extrapolation r trospective 3 Cliquez sur OK pour ex cuter ARIMA automatique et consultez le rapport ARIMA pour prendre connaissance des r sultats d taill s Real Options Q Valuation www resloptiansvaluation com Figure 3 14 Module ARIMA automatique 3 9 conom trie de base L conom trie fait r f rence une branche de l analytique professionnelle des techniques de mod lisation et de pr visions pour mod liser le comportement des pr visions de certaines variables commerciales et conomiques L ex cution des mod les d conom trie de base est similaire une analyse de r gression sauf que les variables d pendante et ind pendantes peuvent tre modifi es avant l ex cution d une r gression Le rapport g n r est le m me que celui illustr pr c demment dans la secti
66. corr lation s rielle ne respecte pas la supposition standard de la th orie de la r gression comme quoi les perturbations ne sont pas corr l es d autres perturbations Les principaux probl mes li s la corr lation s rielle sont les suivants e L analyse de r gression et l analyse de s ries chronologiques de base ne sont plus efficaces parmi les diff rents estimateurs lin aires Cependant comme les r sidus d erreur peuvent aider pr dire les r sidus d erreur actuels nous pouvons utiliser ces informations pour former une meilleure pr diction de la variable d pendante en utilisant ARIMA e Les erreurs types calcul es en utilisant les formules de r gression et de s ries chronologiques ne sont pas correctes et sont g n ralement sous estim es De plus si des variables d pendantes d cal es sont d finies comme pr dicteurs les estimations de r gression sont biais es et incoh rentes mais peuvent tre corrig es en utilisant ARIMA Les mod les de moyenne mobile int gr e autor gressive ou ARIMA p d q sont une extension du mod le AR utilisant trois composants pour mod liser la corr lation s rielle dans les donn es de s ries chronologiques Le premier composant est le terme d auto r gression AR Le mod le AR p utilise les d calages p de s ries chronologiques dans l quation Un mod le AR p a la forme y ay Ay p e Le deuxi me composant est le terme d ordre d int
67. de ce facteur de X plus Y pourcents Un processus stochastique est par d finition non d terministe et il est donc possible d entrer des chiffres dans une quation de processus stochastique et d obtenir des r sultats diff rents chaque fois Par exemple le chemin du prix d une action est stochastique par nature et personne ne peut pr dire le chemin de ce prix de fa on fiable ni avec la moindre certitude Cependant l volution du prix dans le temps est envelopp e dans un processus qui g n re ces prix Le processus est fixe et d termin mais les r sultats ne le sont pas A nsi avec la simulation stochastique nous cr ons plusieurs chemins de prix obtenons un chantillon statistique de ces simulations et tirons des inf rences quant aux chemins potentiels que 100 2012 Real Options Valuation Inc Simulateur de risques Proc dure Interpr tation des r sultats Manuel d utilisation le prix r el pourrait suivre d apr s la nature et les param tres du processus stochastique utilis pour g n rer les s ries chronologiques Trois processus stochastiques de base sont inclus dans l outil de pr visions du Simulateur de risques notamment le mouvement brownien g om trique ou trajet al atoire qui est le processus le plus courant et le plus utilis du fait de sa simplicit et de ses applications tr s larges Les deux autres processus stochastiques inclus sont le processus de retour la moyenne et le
68. de la moyenne hypoth tique une valeur de signification de 10 5 et 1 ou confiance statistique de 90 95 et 99 Inversement si la valeur pr dictive est sup rieure 0 10 0 05 ou 0 01 la moyenne de la population est statistiquement identique la moyenne hypoth tique et toutes diff rences potentielles sont dues au hasard Test d hypoth se de queue droite Un test d hypoth se de queue droite teste l hypoth se nulle Ho selon laquelle la moyenne de la population est statistiquement inf rieure ou gale la moyenne hypoth tique L hypoth se alternative est que la v ritable moyenne de la population est statistiquement sup rieure la moyenne hypoth tique si elle est test e en utilisant le jeu de donn es chantillon En utilisant un test T si la valeur pr dictive calcul e est inf rieure un montant de signification sp cifi g n ralement 0 10 0 05 ou 0 01 cela signifie que la moyenne de la population est statistiquement significativement sup rieure la moyenne hypoth tique une valeur de signification de 10 5 et 1 ou confiance statistique de 90 95 et 99 Inversement si la valeur pr dictive est sup rieure 0 10 0 05 ou 0 01 la moyenne de la population est statistiquement similaire ou inf rieure la moyenne hypoth tique Test d hypoth se de queue gauche Un test d hypoth se de queue gauche teste l hypoth se nulle Ho selon laquelle la moyenne de la population est statistiquement
69. de la souris sur cette cellule vous verrez alors un commentaire affichant la totalit de la valeur Vous pouvez aussi tout simplement redimensionner la colonne de la variable faites glisser la colonne pour l largir double cliquez sur le bord de la colonne pour l ajuster automatiquement ou cliquez sur l en t te de la colonne avec le bouton droit de la souris et s lectionnez Ajustement automatique Utilisez les touches Haut Bas Gauche et Droite pour vous d placer dans la grille ou les touches Origine ou Fin pour acc der l extr mit gauche ou droite d une ligne Vous pouvez aussi utiliser des combinaisons de touches notamment Ctrl Origine pour aller la cellule sup rieure gauche Ctrl Fin pour aller la cellule inf rieure droite Maj Haut Bas pour s lectionner une zone sp cifique etc Vous pouvez saisir de courtes notes pour chaque variable dans la ligne Notes N oubliez pas que vos notes doivent tre courtes et simples Essayez les diff rentes ic nes de graphique de l onglet Visualiser pour modifier l apparence des graphiques par ex rotation d calage zoom modification des couleurs ajout de l gendes etc Le bouton Copier sert copier les onglets R sultats Graphiques et Statistiques de l tape 3 apr s l ex cution d un mod le Si aucun mod le n a t ex cut la fonction de copie copie une page blanche Le bouton Rapport ne fonctionne que s il y a des mod les enregistr s
70. de probabilit s Apr s avoir s lectionn le param tre de mode vous pouvez estimer le param tre d chelle Le param tre d chelle est un nombre sup rieur 0 Plus le param tre d chelle est lev plus la variance est lev e Entr es requises Le mode alpha peut tre n importe quelle valeur chelle b ta gt 0 68 2012 Real Options Valuation Inc Simulateur de risques Distribution de F ou de Fisher Snedecor Distribution gamma distribution d Erlang Manuel d utilisation La distribution de F galement appel e distribution de Fisher Snedecor est une autre distribution continue le plus fr quemment utilis e pour le test d hypoth se Sp cifiquement elle est utilis e pour tester la diff rence statistique entre deux variances dans des tests d analyse de la variance et des tests du rapport de vraisemblance La distribution en F avec num rateur de degr de libert n et d nominateur de degr de libert m est apparent e la distribution du X2 car ylin F n m Xa m m moyenne m 2 La distribution gamma s applique une vaste gamme ou plage de quantit s physiques et est apparent e d autres distributions lognormale exponentielle Pascal Erlang Poisson et X2 Elle est utilis e dans les processus m t orologiques pour repr senter les concentrations de polluants et les quantit s de pr cipitations La distribution gamma est galement utilis
71. de risques Th orie Manuel d utilisation Pr visions par processus stochastique R sum statistique Un processus stochastique est une s quence d v nements ou chemins g n r s par des lois probabilistes Cela Temps Moyenne cart type signifie que des v nements al atoires peuvent survenir dans le temps mais qu ils sont r gis par des lois statistiques et 0 0000 100 00 probabilistiques sp cifiques Les principaux processus stochastiques incluent le trajet al atoire ou mouvement brownien 0 1000 97 74 le retour la moyenne et la diffusion par saut Ces processus peuvent tre utilis s pour pr voir une multitude de variables qui semblent suivre des tendances al atoires mais sont malgr tout restreintes par les lois probabilistiques 0 2000 93 54 0 3000 96 49 0 4000 100 02 0 5000 97 19 0 6000 96 62 0 7000 94 72 0 8000 97 16 0 9000 95 63 Le processus de mouvement brownien ou trajet al atoire peut tre utilis pour pr voir les cours des actions les prixdes produits de base et autres donn es de s ries chronologiques stochastiques avec un taux de d rive ou de croissance et une volatilit autour du chemin de d rive Le processus de retour la moyenne peut tre utilis pour r duire les fluctuations du processus de trajet al atoire en permettant au chemin de cibler la valeur long terme la rendant utile pour pr voir les variables de s ries chronologiques dot es d un taux long terme comme les tau
72. de risques Th orie Proc dure Manuel d utilisation risques Exemples ou vous pouvez y acc der directement par le biais de Simulateur de risques Exemples de mod les 3 3 Analyse de s ries chronologiques La figure 3 3 r pertorie les huit mod les de s ries chronologiques les plus courants organis s en fonction de la saisonnalit et de la tendance Par exemple si la variable de donn es n a ni tendance ni saisonnalit alors un mod le de moyenne mobile simple ou un mod le de lissage exponentiel simple suffit Cependant s il y a une saisonnalit mais pas de tendance notable un mod le additif saisonnier ou multiplicatif saisonnier est mieux appropri et ainsi de suite No Seasonality With Seasonality Seasonal 2 f S Single Moving Average Additive 2 Single Exponential Seasonal Smoothing Multiplicative Double Moving Holt Winter s E Average Additive 2 Fr S Double Exponential Holt Winter s Smoothing Multiplicative Figure 3 3 Les huit m thodes de s ries chronologiques les plus courantes e D marrez Excel et ouvrez vos donn es historiques si n cessaire exemple ci dessous utilise le fichier Time Series Forecasting pr visions de s ries chronologiques qui se trouve dans le dossier des exemples e S lectionnez les donn es historiques les donn es doivent tre dans une seule colonne e S lectionnez Simulateur de risques Pr visions Analyse de s ries chronologiques e Choisi
73. des risques le potentiel des avantages est plus attrayant Saisissez les valeurs attendues minimum et maximum de vos gains de terminal et le nombre de points de donn es entre ces deux valeurs pour calculer la courbe et le tableau utilitaires Dans un pari 50 50 dans lequel vous gagnez X ou perdez X 2 par rapport l absence de pari donnant un gain de 0 que serait ce X Par exemple si vous n avez pas de pr f rence entre un pari dans lequel vous pouvez gagner 100 ou perdre 50 avec des probabilit s gales par rapport l absence de pari votre X est 100 Saisissez le X dans le champ Gains positifs ci dessous Remarque Plus le X est grand moins vous avez peur des risques alors qu un petit X indique que vous n aimez pas prendre de risques Saisissez les entr es requises s lectionnez le type d U x et cliquez sur Calculer l utilitaire pour obtenir les r sultats Vous pouvez aussi appliquer les valeurs U x calcul es l arborescence d cisionnelle pour l ex cuter nouveau ou r tablir l arborescence de fa on ce qu elle utilise les valeurs attendues des gains 227 2012 Real Options Valuation Inc Simulateur de risques CID PIE TAAA FE st T m alok Fichier Modifier Ins rer Propri t s Style Formesetcouleurs Langue Language Aide t r z G 9 Co o0o a wmHUzEZEN oa Z P A Arborescence d cisionnelle R sum
74. des mod les l aide d une console de commande V W X Pour voir comment cela fonctionne double cliquez sur un mod le S et allez la console de commande V Vous pouvez reproduire le mod le ou cr er le v tre puis cliquer sur Ex cuter la commande X quand vous tes pr t Chaque ligne de la console repr sente un mod le et ses param tres pertinents Tout le profil bizstats o les donn es et plusieurs mod les sont cr s et enregistr s peut tre modifi directement dans XML Z en ouvrant l diteur XML partir du menu Fichier Les modifications du profil peuvent tre programm es ici elles ne rentreront en vigueur qu une fois le profil enregistr Cliquez sur les en t tes de colonnes de la grille de donn es pour s lectionner la totalit des colonne s ou des variable s Une fois qu elles sont s lectionn es vous pouvez cliquer sur l en t te avec le bouton droit de la souris pour ajuster 210 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation automatiquement la colonne ou couper copier supprimer ou coller les donn es Vous pouvez aussi cliquer sur et s lectionner plusieurs en t tes de colonnes pour s lectionner plusieurs variables puis cliquer avec le bouton droit de la souris pour visualiser un graphique des donn es Si une cellule contient une valeur volumineuse qui ne s affiche pas enti rement cliquez sur cette cellule et faites glisser le pointeur
75. distribution commen ant par cette lettre par ex cliquez sur Normale et tapez W et vous acc derez la distribution de Weibull e Affichages par clic droit S lectionnez n importe quelle distribution cliquez avec le bouton droit et s lectionnez les diff rents affichages des distributions grandes ic nes petites ic nes liste e Mise jour des graphiques par tabulation Apr s avoir saisi de nouveaux param tres d entr e par ex vous saisissez une nouvelle valeur de moyenne ou d cart type appuyez sur la touche de tabulation du clavier ou cliquez n importe o dans l interface utilisateur hors du champ de saisie pour mettre le graphique de distribution jour automatiquement e Saisie de corr lations Vous pouvez saisir des corr lations par paires directement ici les colonnes peuvent tre redimensionn es selon les besoins utilisez l outil d ajustement distributionnel multiple pour automatiquement calculer et saisir toutes les corr lations par paires ou apr s avoir d fini des suppositions utiliser l outil de modification des corr lations pour saisir votre matrice de corr lations Manuel d utilisation 235 2012 Real Options Valuation Inc Simulateur de risques e quations dans une cellule de supposition Seules les cellules vides ou les cellules contenant des valeurs statiques peuvent tre d finies comme suppositions Cependant il peut arriver qu une fonction ou quation soit re
76. doivent tre des entiers les entiers n gatifs et z ro sont autoris s 2 5 Distributions continues La distribution arcsinus en forme de U est un cas sp cial de la distribution b ta o la forme et l chelle sont toutes deux gales 0 5 Les valeurs proches du minimum et du maximum ont de fortes probabilit s d occurrence alors que les valeurs entre ces deux extr mes ont de tr s faibles probabilit s d occurrence Le minimum et le maximum sont les param tres de la distribution Les structures math matiques pour la distribution arcsinus sont les suivantes 1 pour 0 lt x lt 1 f x m4 x l x 0 sinon 0 x lt 0 F x A pour0 lt x lt 1 m 1 x gt l Min Max 2 p Max Min cart type gg talement 0 moyenne exc s de kurtosis 1 5 pour toutes les entr es Entr es requises Minimum lt Maximum La distribution b ta est extr mement souple et couramment utilis e pour repr senter la variabilit sur une plage fixe L une des applications les plus importantes de la distribution b ta est son utilisation comme distribution conjugu e pour le param tre d une distribution de Bernoulli Dans cette application la distribution b ta est utilis e 60 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation pour repr senter l incertitude de la probabilit d occurrence d un v nement Elle est utilis e pour d crire les donn es empiriques
77. e nette de 96 63 ou quelle variable d entr e a l impact le plus important sur cette valeur L outil de graphique Tornado est accessible par le biais de Simulateur de risques Outils Analyse Tornado Pour suivre le premier exemple ouvrez le fichier Tornado and Sensitivity Charts Linear graphiques Tornado et de sensibilit lin aires dans le dossier d exemples La figure 5 2 montre cet exemple de mod le o la cellule G6 contenant la valeur actualis e nette est choisie comme r sultat cible analyser Les pr c dents de la cellule cible dans le mod le sont utilis s pour cr er le graphique Tornado Les pr c dents sont toutes les variables d entr e et interm diaires qui affectent la sortie du mod le Par exemple si le mod le est A B C o C D E puis B D et 149 2012 Real Options Valuation Inc Simulateur de risques Proc dure Manuel d utilisation E sont les pr c dents pour A C n est pas un pr c dent car c est seulement une valeur calcul e interm diaire La figure 5 2 montre galement la plage de test de chaque variable de pr c dent utilis e pour estimer le r sultat cible Si les variables de pr c dent sont de simples entr es alors la plage de test sera une simple perturbation bas e sur la plage choisie par ex la valeur par d faut est 10 Chaque variable de pr c dent peut tre perturb e de diff rents pourcentages si n cessaire Une plage plus large est importante
78. er diff rents sc narios de test en utilisant diff rentes entr es et suppositions distributionnelles ou plusieurs personnes peuvent toutes tester leurs entr es et suppositions avec le m me mod le e Lancez Excel et cr ez un nouveau mod le ou ouvrez un mod le existant vous pouvez utiliser l exemple de mod le de simulation de base pour suivre ces explications e Cliquez sur Simulateur de risques Nouveau profil de simulation e Sp cifiez un titre pour votre simulation ainsi que les autres informations pertinentes figure 2 1 22 2012 Real Options Valuation Inc Simulateur de risques Titre Nom du profil Nombre d essais Pauser la simulation en cas d erreur Activer les corr lations Manuel d utilisation Propri t s de la simulation Nom du profil Nouvelle simulation Configurations Nombre d essais 1 004 Pauser la simulation en cas d erreur Activer les corr lations F Sp cifier une valeur de d part Figure 2 1 Nouveau profil de simulation Si vous sp cifiez un titre de simulation vous pouvez cr er plusieurs profils de simulation dans un seul mod le Excel Cela signifie que vous pouvez d sormais enregistrer diff rents profils de sc nario de simulation au sein du m me mod le sans avoir supprimer les suppositions existantes et les changer chaque fois que vous avez besoin d un nouveau sc nario de simulation Vous pouvez toujours modifier le nom du profil ult
79. es par d faut comme point de d part pour le d veloppement de votre propre mod le e Outil d analyse statistique pour l estimation des param tres Utilisez cet outil pour calibrer les param tres d entr e dans les mod les de processus stochastiques en les estimant partir de vos donn es brutes e Mod le de processus stochastique Parfois si l interface utilisateur du processus stochastique se bloque pendant un long moment il est probable que vos entr es soient incorrectes et que le mod le ne soit pas correctement sp cifi par ex si le taux de retour la moyenne est de 110 il est probable que le retour la moyenne n est pas le processus correct Essayez avec des entr es diff rentes ou utilisez un autre mod le CONSEILS Pr visions Tendances e R sultats des pr visions Faites d filer jusqu en bas du rapport pour voir les valeurs pr vues CONSEILS Appels de fonctions e Fonctions RS II existe des fonctions de d finition des suppositions d entr e et d obtention des statistiques de pr visions que vous pouvez utiliser au sein de votre feuille de calcul Excel Pour utiliser ces fonctions vous devez commencer par installer les fonctions RS D marrer Programmes Real Options Valuation Simulateur de risques Outils et Installer les fonctions puis ex cuter une simulation avant de d finir les fonctions RS dans Excel Consultez l exemple de mod le 24 pour voir des exemples d utilisat
80. etc sont automatiquement enregistr s lorsque vous enregistrez le fichier Excel Enfin le dernier profil actif quand vous quittez et enregistrez le fichier Excel est celui qui sera ouvert la prochaine fois que vous acc derez au fichier Excel 24 2012 Real Options Valuation Inc Simulateur de risques D finir les suppositions d entr e Manuel d utilisation Changer de simulation active 2009 11 02 2009 11 02 2009 11 02 2009 11 02 V Afficher les profils de simulation dans tous les classeurs Supprimer Dupliquer Figure 2 2 Changer de simulation active L tape suivante est la d finition des suppositions d entr e dans votre mod le Remarque Les suppositions ne peuvent tre affect es qu des cellules sans quations ni fonctions c est dire des valeurs num riques tap es qui sont des entr es dans le mod le alors que les pr visions de sortie ne peuvent tre affect es qu des cellules avec des quations ou des fonctions c est dire les r sultats d un mod le N oubliez pas que vous ne pouvez d finir les suppositions et pr visions que si un profil de simulation existe d j Pour d finir de nouvelles suppositions d entr e dans votre mod le proc dez comme suit e V rifiez qu un profil de simulation existe ouvrez un profil existant ou cr ez un nouveau profil Simulateur de risques Nouveau profil de simulation e S lectionnez la cellule sur
81. ex s lectionnez et copiez des donn es dans Excel lancez cet outil et collez les donn es en cliquant sur le bouton Coller 214 2012 Real Options Valuation Inc Simulateur de risques Remarque Manuel d utilisation e S lectionnez un mod le de r seau neuronal lin aire ou non lin aire saisissez le nombre de p riodes de pr vision de votre choix par ex 5 le nombre de couches masqu es dans le r seau neuronal par ex 3 et le nombre de p riodes de test par ex 5 e Cliquez sur Ex cuter pour ex cuter l analyse puis consultez les graphiques et les r sultats calcul s Vous pouvez galement copier les r sultats et graphiques dans le presse papiers et les coller dans une autre application logicielle Le nombre de couches masqu es dans le r seau est un param tre d entr e et devra tre calibr avec vos donn es Typiquement plus le motif de donn es est compliqu plus vous avez besoin d un nombre de couches masqu es important et plus le calcul prend de temps Il est conseill de commencer avec 3 couches Les p riodes de test sont simplement le nombre de points de donn es utilis s dans le calibrage final du mod le de r seau neuronal et nous vous conseillons d utiliser au moins le m me nombre de p riodes que celui que vous souhaitez pr voir Par contraste le terme de logique floue vient de la th orie des ensembles flous et sert traiter les raisonnements approximatifs plut t que pr cis p
82. exemple au lieu d obtenir des estimations un seul point dans la proc dure d optimisation dynamique vous pouvez d sormais obtenir une distribution des variables de d cision et donc une plage des valeurs optimales pour chaque variable de d cision on parle aussi d optimisation stochastique Enfin une proc dure d optimisation de fronti re efficiente applique les concepts d incr ments marginaux et de calcul du prix fictif dans l optimisation C est dire qu arriverait il aux r sultats de l optimisation si l une des contraintes tait un peu moins stricte Par exemple si la contrainte de budget est d finie sur 1 million Qu arriverait il 128 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation au r sultat et aux d cisions optimales du portefeuille si la contrainte passait 1 5 million ou 2 millions et ainsi de suite Il s agit du concept des fronti res efficientes de Markowitz dans la finance d investissement o si l cart type du portefeuille est autoris augmenter l g rement quels rendements suppl mentaires le portefeuille g n rera t 1l Ce processus est similaire au processus d optimisation dynamique sauf que l une des contraintes est autoris e changer et chaque changement le processus de simulation et d optimisation est ex cut Il vaut mieux appliquer ce processus manuellement avec le Simulateur de risques C est dire ex cuter
83. ici Si les corr lations sont requises n oubliez pas de cocher l option Activer les corr lations en cliquant sur Simulateur de risques Modifier le profil de simulation Consultez la discussion sur les corr lations plus loin dans ce chapitre pour de plus amples d tails sur l affectation de corr lations et les effets des corr lations sur un mod le Attention vous pouvez tronquer une supposition distributionnelle ou la corr ler une autre supposition mais pas les deux Elles existent pour chacune des distributions de la galerie Les descriptions courtes expliquent quand une distribution donn e est utilis e ainsi que les param tres d entr e requis Consultez la section Comprendre les distributions de probabilit s pour la simulation de Monte Carlo pour de plus amples d tails sur chaque type de distribution disponible dans le logiciel Cette option permet l utilisateur d effectuer un test de contr le rapide de la supposition d entr e Par exemple si vous d finissez une distribution normale avec des entr es de moyenne et d cart type vous pouvez cliquer sur l entr e de percentile pour voir ce que sont les 10 et 90 percentiles correspondants Par d faut cette option n est pas s lectionn e mais si vous voulez ex cuter une simulation multidimensionnelle c est dire si vous reliez les param tres d entr e de la supposition une autre cellule qui est elle m me une supposition vous simu
84. l interface utilisateur si vous s lectionnez d abord les donn es Vous pouvez aussi cliquer manuellement sur l ic ne de lien et relier les valeurs X connues et les valeurs Y connues voir la figure 3 21 pour un exemple puis saisir les valeurs de d but et de fin requises pour extrapoler et interpoler ainsi que l incr ment requis entre ces valeurs de d but et de fin Cliquez sur OK pour ex cuter le mod le et le rapport voir la figure 3 22 Pr visions par spline cubique Le mod le d interpolation et d extrapolation polynomiales par spline cubique est utilis pour remplir les trous des valeurs manquantes et pour pr voir les donn es de s ries chronologiques permettant d utiliser le mod le pour interpoler les points de donn es manquants dans une s rie chronologique de donn es par ex courbe de rendement taux d int r t variables macro conomiques comme les taux d inflation et les cours des produits de base ou les recettes des ventes ET extrapoler hors de la plage donn e ou connue ce qui est utile pour les pr visions R sultats de l interpolation et l extrapolation par spline X Y ajust Notes 1 0 4 39 nterpolate 1 5 4 21 nterpolate 2 0 4 13 nterpolate 2 5 4 13 nterpolate Voici les entr es de valeurs 3 0 4 16 nterpolate connues dans le mod le 3 5 4 19 nterpolate d interpolation et d extrapolation 4 0 4 22 nterpolate par spline cubique 4 5 4 24 nterpolate 5 0 4 26 nterpolate O
85. laquelle vous souhaitez d finir la supposition par ex la cellule G8 dans l exemple de mod le de simulation de base e Cliquez sur Simulateur de risques D finir la supposition d entr e ou cliquez sur l ic ne de d finition de supposition d entr e dans la barre d outils du Simulateur de risques e S lectionnez la distribution de votre choix et saisissez les param tres distributionnels pertinents par ex distribution triangulaire avec 1 5 2 2 25 comme valeurs minimum la plus probable et maximum puis cliquez sur OK pour ins rer la supposition d entr e dans votre mod le figure 2 3 25 2012 Real Options Valuation Inc Simulateur de risques Propri t s de la supposition A A Triangulaire r L Minimum 15 E Y 200 p Plus probable 2 Cl FE Uniforme Maximum 225 Entr e normale LE l Entr e de percentile 0 00 Bernoulli F Activer la corr lation Distribution triangulaire Supposition Emplacement j La distribution triangulaire d crit une Minimum Infinity i situation dans laquelle vous connaissezla re g valeur minimum la valeur maximum et la ie El valeur dont l occurrence est la plus probable Par exemple vous pourriez d crire le nombre de voitures vendues par Activer les bornes de donn es E Activerles simulations dynamiques Figure 2 3 D finir une supposition d entr e Remarque Vous pouvez aussi d finir
86. le final soit termin pour tester la simulation hyper rapide car vous risqueriez de devoir revenir en arri re pour trouver tout lien corrompu ou toute fonction incompatible e Vitesse normale En cas de doute la simulation vitesse normale fonctionne toujours Manuel d utilisation 244 2012 Real Options Valuation Inc Simulateur de risques CONSEILS Analyse Tornado e Analyse Tornado L analyse Tornado ne doit jamais tre ex cut e qu une seule fois Elle est con ue pour servir d outil de diagnostic de mod le ce que signifie qu id alement elle doit tre ex cut e plusieurs fois sur le m me mod le Par exemple dans un mod le volumineux vous pouvez ex cuter l analyse Tornado une premi re fois en utilisant tous les param tres par d faut et tous les pr c dents doivent tre affich s s lectionnez Afficher toutes les variables Cette analyse unique peut g n rer un rapport volumineux et des graphiques Tornado longs et potentiellement inesth tiques N anmoins cela fournit un excellent point de d part pour d terminer combien des pr c dents sont consid r s comme des facteurs de succ s critiques par ex le graphique Tornado peut montrer que les 5 premi res variables ont un impact important sur la sortie alors que les 200 variables restantes n ont que peu ou pas d impact auquel cas une deuxi me analyse Tornado est ex cut e en affichant moins de variables par ex s lectionnez Affiche
87. le rendant utile pour pr voir les variables de s ries chronologiques dot es d un taux long terme comme les taux d int r t ou d inflation des taux cibles long terme par les autorit s r glementaires ou le march Le processus de diffusion par saut est utile pour pr voir les donn es de s ries chronologiques quand la variable pr sente parfois des sauts ou bonds al atoires comme le cours du p trole ou le prix de l lectricit des chocs v nementiels exog nes discrets peuvent faire flamber ou brutalement chuter les prix Enfin ces trois processus stochastiques peuvent tre combin s selon vos besoins 180 2012 Real Options Valuation Inc Simulateur de risques Analyse de non stationnarit de la variable d pendante R sum statistique Parfois certains types de donn es de s ries chronologiques ne peuvent tre mod lis s qu en utilisant un processus stochastique car les v nements sous jacents sont stochastiques par nature Par exemple vous ne pouvez pas correctement mod liser et pr voir le prix des actions les taux d int r t le cours du p trole ou autres ressources en utilisant un mod le de r gression simple parce que ces variables sont tr s incertaines et volatiles et ne suivent pas une r gle de comportement statique pr d finie c est dire que le processus n est pas stationnaire lci la stationnarit est v rifi e avec le test Runs et un autre indice visuel se trouve dans le rapport d aut
88. ler trois variables notes des tudiants d une ann e donn e nombre de bi res qu ils consomment par semaine et nombre d heures pendant lesquelles ils tudient par semaine On aurait tendance supposer que les relations de corr lations suivantes existent 38 2012 Real Options Valuation Inc Simulateur de risques Notes et bi res Plus ils boivent plus les notes sont basses ils ne se pr sentent pas aux examens Notes et tudes Plus ils tudient plus les notes sont lev es Bi res et tudes Plus ils boivent moins ils tudient ivres et occup s faire la f te Cependant si vous entrez une corr lation n gative entre les notes et les tudes et en supposant que les coefficients de corr lation ont des magnitudes lev es la matrice de corr lation sera d finie non positive Cela serait contraire la logique aux sp cifiques requises pour les corr lations et aux math matiques matricielles Cependant des coefficients plus petits peuvent parfois fonctionner malgr la logique d faillante Quand une matrice de corr lation non positive ou erron e est entr e le Simulateur de risques vous en informe automatiquement et propose de modifier ces corr lations pour que la matrice soit d finie semi positive tout en maintenant la structure globale de la relation de corr lation les m mes signes et les m mes forces relatives 2 3 3 Les effets des corr lations dans la simulation de Monte Carlo
89. les colonnes F et G Cela signifie que chaque classe d actifs peut avoir ses propres bornes d allocation Ensuite la colonne H montre le rapport rendement risque qui est simplement le pourcentage de rendement divis par le pourcentage de risque et o plus cette valeur est lev e plus le rendement est lev Le reste du mod le montre les rangs des classes d actifs par rendements risques rapport rendement risque et allocations En d autres termes ces rangs vous permettent de voir d un simple coup d il quelle classe d actifs a les risques les plus faibles les rendements les plus lev s etc Le rendement total du portefeuille dans la cellule C17 est SUMPRODUCT C6 C15 EG E15 c est dire la somme des poids d allocation multipli e par les rendements annualis s pour chaque classe d actifs En d autres termes nous Manuel d utilisation 131 2012 Real Options Valuation Inc Simulateur de risques Proc dure Manuel d utilisation avons Rp R R CRc R o Rp est le rendement du portefeuille R4 gcp Sont les rendements individuels des projets et amp 4 8 c p sont les poids respectifs ou l allocation de capital pour chaque projet En outre le risque diversifi du portefeuille dans la cellule D17 est calcul comme i n m suit Op Zoo y gt 26 0 p 0 0 Ici pj sont les corr lations crois es i l i l j l respectives entre les classes d actifs ainsi si les corr lati
90. les combinaisons ARIMA les plus courantes pour trouver le mod le le mieux adapt conom trie automatique Ex cute des milliers de combinaisons de mod les et permutations pour obtenir le mod le le mieux adapt pour les donn es existantes lin aires non lin aires interd pendantes d calage carts taux diff rence conom trie de base Mod les de r gressions conom triques lin aires non lin aires et interd pendantes Spline cubique Interpolation et extrapolation non lin aires GARCH Projections de volatilit utilisant des mod les d h t rosc dasticit conditionnelle autor gressive g n ralis e GARCH GARCH M TGARCH TGARCH M EGARCH EGARCH T GJR GARCH et GJR TGARCH Courbe en J Courbes exponentielles en J Variables d pendantes limit es Logit Probit et Tobit Cha nes de Markov Deux l ments concurrents dans le temps et les pr dictions de part de march R gression multiple R gression lin aire et non lin aire normale avec des m thodologies par tapes ascendante descendante corr lation ascendante descendante 14 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 42 43 44 45 46 47 Extrapolation non lin aire Pr visions de s ries chronologiques non lin aires Courbe en S Courbes logistiques en S Analyse des donn es de s ries chronologiques 8 mod les de d composition des s ries chronologiques pour p
91. leurs caract ristiques principales Pour les analystes d une entreprise suivre des cours de math matiques de haut niveau n est ni logique ni pratique Un analyste de talent utiliserait tous les outils sa disposition pour obtenir la m me r ponse de la fa on la plus pratique et la plus simple possible Et dans tous les cas si la mod lisation est effectu e correctement la simulation de Monte Carlo fournit des r ponses similaires celles des m thodes math matiques plus l gantes Donc qu est ce que la simulation de Monte Carlo et comment fonctionne t elle 2 1 Qu est ce que la simulation de Monte Carlo La simulation de Monte Carlo dans sa forme la plus simple est un g n rateur de nombres al atoires qui est utile pour les pr visions les estimations et l analyse des risques Une simulation calcule de nombreux sc narios d un mod le en choisissant de fa on r p t e des valeurs d une distribution de probabilit s d finie par l utilisateur pour les variables incertaines puis en utilisant ces valeurs pour le mod le Tous ces sc narios produisent des r sultats connexes dans le mod le o chaque sc nario peut avoir une pr vision Les pr visions sont des v nements g n ralement avec des formules ou des fonctions que vous d finissez comme des sorties importantes du mod le Il s agit en g n ral d v nements comme des totaux des b n fices nets ou des d penses brutes De fa on simpliste
92. lt 5 J17 lt 6 J17 lt 7 et J17 lt 8 Les r sultats optimaux seront ensuite trac s sous la forme d une fronti re efficiente et le rapport sera g n r figure 4 8 Sp cifiquement les points suivants illustrent les tapes n cessaires pour cr er une contrainte changeante Dans un mod le d optimisation c d un mod le avec objectif variables de d cision et contraintes d j d finis cliquez sur Simulateur de risques Optimisation Contraintes puis sur Fronti re efficiente S lectionnez la contrainte que vous souhaitez rendre changeante par ex J17 entrez les param tres pour Min Max et Incr ment figure 4 7 puis cliquez sur AJOUTER puis sur OK et nouveau sur OK Vous devez d s lectionner la contrainte D17 lt 5000 avant l ex cution Ex cutez l optimisation comme l accoutum e Simulateur de risques Optimisation Ex cuter l optimisation Vous pouvez choisir une optimisation statique dynamique ou stochastique Les r sultats seront affich s sous la forme d une interface utilisateur figure 4 8 Cliquez sur Cr er le rapport pour g n rer une feuille de calcul de rapport avec tous les d tails des ex cutions d optimisation 141 2012 Real Options Valuation Inc Simulateur de risques Contraintes Ms0s17 lt 5000 Ossi7 lt 6 M D 17 lt MIN 4000 MAX 8000 STEP 1000 Figure 4 7 G n ration de contraintes changeantes dans une f
93. mod le stochastique 46 48 Un ajustement lev signifie qu un mod le stochastique est meilleur que les mod les conventionnels Runs 20 Normale standard 1 7321 Positive 25 Valeur pr dictive 1 queue 0 0416 N gative 25 Valeur pr dictive 2 queues 0 0833 Ex cution attendue 26 Figure 5 26 Estimation des param tres du processus stochastique Attention le calibrage des param tres stochastiques montre tous les param tres pour tous les processus et ne distingue pas le meilleur processus le pire processus ou le processus le plus appropri utiliser C est l utilisateur de le d terminer Par exemple si nous voyons un taux de retour de 283 il est probable qu un processus de retour la Manuel d utilisation 181 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation moyenne ne soit pas appropri ou un taux de saut lev par exemple 100 signifie probablement qu un processus de diffusion par saut n est pas appropri etc En outre l analyse ne peut pas d terminer la variable ni la source de donn es Par exemple les donn es brutes proviennent elles de cours des actions historiques des prix de l lectricit historiques des taux d inflation du mouvement mol culaire de particules subatomiques etc Seul l utilisateur le sait et donc en utilisant une th orie et des connaissances existantes peut choisir le processus correct utiliser par ex les cours des act
94. montrer uniquement les changements de valeurs absolus d une p riode l autre pour permettre l identification des fluctuations cycliques potentielles dans les donn es de s ries chronologiques La d saisonnalisation et la 197 2012 Real Options Valuation Inc Simulateur de risques Proc dure de correction des tendances suppriment les d rives g n rales la tendance les pointes les courbes et autres cycles saisonniers pouvant affecter vos donn es de s ries chronologiques ne laissant que le v ritable comportement structurel des donn es dans le temps Les p riodes de saisonnalit repr sentent le nombre de p riodes devant passer avant que le cycle ne se r p te par ex 24 heures dans un jour 12 mois dans une ann e 4 trimestres dans une ann e 60 minutes dans une heure etc mais il arrive qu il y ait d autres p riodes de saisonnalit qui ne sont pas videntes en regardant simplement les donn es ou la variable Ce test de saisonnalit analyse vos donn es de s ries chronologiques pour d terminer la p riodicit de saisonnalit la mieux adapt e En utilisant cette saisonnalit vous pouvez alors ajuster les effets saisonniers avec l outil D saisonnaliser les donn es ci dessus ou utiliser l outil d analyse des donn es chronologiques pour fournir une meilleure pr vision d saisonnalisation et de correction des tendances Proc dure pour le test de saisonnalit Manuel d utilisation e S lectionn
95. pertinents S il n existe pas de donn es historiques l analyste doit utiliser des suppositions sur les variables en question Une approche est l utilisation de la m thode Delphi o il est demand un groupe d experts d estimer le comportement de chaque variable Par exemple on peut demander un groupe d ing nieurs m caniques d valuer les possibilit s extr mes du diam tre d un ressort par le biais d exp riences rigoureuses ou d estimations au jug Ces valeurs peuvent tre utilis es comme param tres d entr e de la variable par ex une distribution uniforme avec des valeurs extr mes entre 0 5 et 1 2 Quand il est impossible d effectuer des tests par ex part de march et taux de croissance des b n fices les cadres de direction peuvent malgr tout estimer les sorties potentielles et fournir le meilleur sc nario le sc nario le plus probable et le pire sc nario Cependant si des donn es historiques fiables sont disponibles l ajustement distributionnel peut tre effectu En s appuyant sur la supposition que les motifs et comportements historiques se maintiennent et que l histoire tend se r p ter les donn es historiques peuvent tre utilis es pour trouver la distribution la mieux adapt e avec les param tres pertinents afin de mieux d finir les variables simuler Les figures 5 13 5 15 illustrent un exemple d ajustement distributionnel Cette illustration utilise le fichie
96. pile Bernoulli ou Oui Non ou face succ s ou chec 0 or 1 Il s agit d une distribution binomiale avec un essai qui peut tre utilis e pour simuler les conditions Oui Non ou Succ s chec Cette distribution est la base fondamentale d autres distributions plus complexes Par exemple e Distribution binomiale distribution de Bernoulli avec un nombre plus important de n essais total calcule la probabilit de x succ s dans ce nombre d essais total e Distribution g om trique distribution de Bernoulli avec un nombre plus important d essais calcule le nombre d checs requis avant le premier succ s e Distribution binomiale n gative distribution de Bernoulli avec un nombre plus important d essais calcule le nombre d checs avant le X succ s Les structures math mathiques pour la distribution de Bernoulli sont les suivantes roi pour x 0 p pour x 1 ou P n p 1 p moyenne p cart type 4 p l p 1 2p yp p 6p 6p l1 p l p talement exc s de curtosis La probabilit de succ s p est le seul param tre de la distribution Il est galement important de noter qu il n y a qu un seul essai dans la distribution de Bernoulli et que la valeur simul e r sultante est soit 0 soit 1 Manuel d utilisation 52 2012 Real Options Valuation Inc Simulateur de risques Distribution binomiale Manuel d utilisation Entr es requises Probabilit de s
97. processus de diffusion par saut L int r t de la simulation par processus stochastique r side dans le fait que les donn es historiques ne sont pas n cessairement requises C est dire que le mod le n a ajuster aucun jeu de donn es historiques Il suffit de calculer les rendements attendus et la volatilit des donn es historiques de les estimer en utilisant des donn es externes comparables ou de faire des suppositions au sujet de ces valeurs Consultez Modeling Risk Applying Monte Carlo Simulation Real Options Analysis Forecasting and Optimization 2 me dition Wiley 2010 du Dr Johnathan Mun pour de plus amples d tails sur le calcul de chacune de ces entr es par ex taux de retour la moyenne probabilit s de saut volatilit etc e D marrez le module en s lectionnant Simulateur de risques Pr visions Processus stochastiques e S lectionnez le processus souhait saisissez les entr es requises cliquez plusieurs fois sur Mettre le graphique jour pour v rifier que le processus se comporte de la fa on attendue puis cliquez sur OK figure 3 9 La figure 3 10 montre les r sultats d un exemple de processus stochastique Le graphique montre un jeu chantillon d it rations et le rapport explique les bases des processus stochastiques En outre les valeurs de pr visions moyenne et cart type pour chaque p riode sont fournies En utilisant ces valeurs vous pouvez d cider quelle p riode
98. processus correct Manuel d utilisation 237 2012 Real Options Valuation Inc Simulateur de risques CONSEILS Analyse graphiques et tableaux de distributions des probabilit s e Analyse distributionnelle Calcule rapidement les PDF CDF et ICDF des 42 distributions de probabilit s disponibles dans le Simulateur de risques et renvoie un tableau de ces valeurs e Tableaux et graphiques de distribution Utilis pour comparer diff rents param tres d une m me distribution par ex les formes et les valeurs PDF CDF ICDF d une distribution de Weibull avec alpha et b ta de 2 2 3 5 et 3 5 8 puis il les superpose e Graphiques superpos s Sert comparer diff rentes distributions suppositions d entr e th oriques et pr visions de sortie simul es empiriquement puis les superpose les unes sur les autres pour permettre une comparaison visuelle CONSEILS Fronti re efficiente e Variables de fronti re efficiente Pour acc der aux variables de fronti re d finissez les contraintes du mod les avant de d finir les variables de fronti re efficiente CONSEILS Cellules de pr vision e Cellule de pr vision sans quations Vous pouvez d finir des pr visions de sortie sur des cellules sans quations ni valeurs il vous suffit d ignorer le message d avertissement mais attention le graphique de pr visions r sultant sera vide Les pr visions de sortie sont g n ralement d finies sur des c
99. s appuyaient sur des formules math matiques pour d crire la pr cision des statistiques chantillons Ces m thodes supposent que la distribution d une statistique chantillon approche une distribution normale rendant le calcul de l erreur type ou de l intervalle de confiance de la statistique relativement simple Cependant quand la distribution d chantillonnage d une statistique n est pas distribu e normalement ou n est pas facile trouver ces m thodes classiques sont difficiles utiliser ou ne sont pas valides Par comparaison le bootstrapping analyse les statistiques chantillons de fa on empirique en chantillonnant les donn es plusieurs reprises et en cr ant des distributions des diff rentes statistiques de chaque chantillon e Ex cutez une simulation e S lectionnez Simulateur de risques Outils Bootstrap non param trique e S lectionnez une seule pr vision sur laquelle effectuer le bootstrap s lectionnez la ou les statistiques sur lesquelles effectuer le bootstrap entrez le nombre d essais de bootstrap puis cliquez sur OK figure 5 16 Bootstrap non param trique MOD LE A MOD LE B La simulation de bootstrap non param trique est une technique sans distribution utilis e pour estimer la fiabilit ou la pr cision des statistiques de Recettes 200 00 Recettes 200 00 pr vision c d pour calculer les intervalles de pr vision de chaque statistique Co ts 100 00 C
100. s ex cute beaucoup plus rapidement Vous pouvez alors rapidement r ex cuter l optimisation avec un nombre d essais de simulation plus lev Statistiques de la simulation pour l optimisation stochastique et l optimisation dynamique Notez que s il y a des suppositions de simulation d entr e dans le mod le d optimisation c d ces suppositions d entr e sont requises pour ex cuter les routines d optimisation dynamique ou stochastique l onglet Statistiques contient d sormais des donn es dans l interface utilisateur Ex cuter l optimisation Vous pouvez s lectionner les statistiques de votre choix dans la liste d roulante notamment moyenne cart type coefficient de variation moyenne conditionnelle variance conditionnelle percentile sp cifique etc Cela signifie que si vous ex cutez une optimisation stochastique une simulation de mille essais sera d abord ex cut e puis la statistique s lectionn e sera calcul e et cette valeur sera plac e temporairement dans la cellule de supposition de simulation puis une optimisation sera ex cut e d apr s cette statistique et enfin l ensemble du processus sera r p t plusieurs fois Cette m thode est importante et utile pour les applications bancaires afin de calculer la valeur au risque VaR conditionnelle 147 2012 Real Options Valuation Inc Simulateur de risques Figure 4 11 R sultats simul s de l approche d optimisat
101. seule variable d pendante Y mais plusieurs variables ind pendantes X s par es par un demi point et que des fonctions math matiques de base peuvent tre utilis es par ex LN LOG LAG TIME RESIDUAL DIFF Cliquez sur Afficher les r sultats 114 2012 Real Options Valuation Inc Simulateur de risques Th orie Proc dure Manuel d utilisation pour consulter un aper u du mod le calcul puis cliquez sur OK pour g n rer le rapport du mod le conom trique e Vous pouvez aussi g n rer automatiquement plusieurs mod les en entrant un exemple de mod le et en utilisant la variable INTEGER N pr d finie ainsi qu en d calant les donn es vers le haut ou le bas d un nombre de lignes sp cifique plusieurs fois d affil e Par exemple si vous utilisez la variable LAG VARI INTEGERI et d finissez INTEGERI entre MIN 1 et MAX 3 alors les trois mod les suivants s ex cutent LAG VARI 1 puis LAG VARI1 2 et enfin LAG VARI1 3 De plus vous devriez peut tre parfois tester si les donn es de s ries chronologiques ont des d calages structurels ou si le comportement du mod le est coh rent dans le temps en d calant les donn es et ex cutant le m me mod le Par exemple si vous avez 100 mois de donn es dans l ordre chronologique vous pouvez les d caler de 3 mois vers le bas fois 10 fois c d le mod le s ex cute sur les mois 1 100 4 100 7 100 etc Gr ce cette
102. succ s peut changer de 0 0 25 0 50 et est affich e comme la variable brute et le Nombre d essais r ussis peut galement changer de 0 1 2 8 et est affich comme la variable de colonne Le PDF est choisi et les r sultats dans le tableau montrent donc la probabilit que les v nements donn s se produisent Par exemple la probabilit d obtenir exactement 2 succ s en ex cutant 20 essais alors que chaque essai a une chance de succ s de 25 est de 0 0669 soit une probabilit de 6 69 207 2012 Real Options Valuation Inc Simulateur de risques DISTRIBUTIONS DE PROBABILIT S ROV Distributions Graphiques et tableaux Cet outil g n re un tableau de probabilit s et des graphiques comparatifs pour une distribution choisie ainsi que diff rentes formes bas es sur diff rents param tres d entr e Pour voir plusieurs distributions utilisez l outil de graphiques superpos s du Simulateur de risques Distribution Arcsinus A Graphiques et tableaux Graphique Changer le premier param tre Changer le deuxi me param Distribution th orique Param tre x Distribution simul e De 0 De 0 Essais 10000 S rie De A i Ka Valeur de d part 123 0 R sutat Personna s e tpe 07 e 07 o 0 795775 C Ex cuterle graphique 25 5 5 3 5 Par ex choisissez la distribution Gamma d finissez Alpha et B ta comme les param tres changer et saisissez
103. suppositions sont Frais c Co ts B ne D pr Amorti R s Paiem R s Imp ts B n D pr Histogramme perturb es simultan ment pour identifier l impact sur les Statistique Pr f rences Options Contr les r sultats Elle est utilis e pour identifier les facteurs de succ s critiques de la pr vision S lectionnez la ou les pr visions pour l analyse de sensibilit Nom de la pr vision Feuille de calcul Valeur actualis e nette VAN Aux monetaires actuali Chang D penses en capital Flux mon taires disponibles Investissements Interpr tation des r sultats Manuel d utilisation 0 00 tiquette du graphique Tout s lectionner Tout effacer Adresse de la cellule X Figure 5 10 Ex cution d une analyse de sensibilit Les r sultats de l analyse de sensibilit comprennent un rapport et deux graphiques cl s Le premier est un graphique de corr lation de rangs non lin aire figure 5 11 qui classe les paires de corr lations supposition pr vision de la plus lev e la plus faible Ces corr lations sont non lin aires et non param triques et ne sont donc pas soumises des exigences distributionnelles c est dire une supposition avec une distribution de Weibull peut tre compar e une supposition avec une distribution b ta Les r sultats de ce graphique sont relativement similaires
104. tre analys s de fa on ind pendante ou concurrente tape 1 S lectionnez un ou plusieurs chemins de d cision analyser dans la liste tape 2 S lectionnez UN v nement d incertitude tat de la nature ou UN r sultat de n ud de terminal tape 3 D cidez si vous voulez changer la probabilit ou le r sultat seul e ou S lignes se croisent le cas ch ant repr sentent les v nements probabilistiques auxquels un chemin de d cision donn devient dominant par rapport un autre N uds d incertitude et de terminal N ud et ID Probabilit Critique 11 F Temps d ach veme F Temps d ach veme Critique 1 2 Temps d ach veme 7 Temps d ach veme Temps d ach vement A 7 12Jours F 14 Jours M 18 Jours Temps d ach vement B 12 Jours F 14 Jours M 18 Jours Temps d ach vement C nl tape 4 Saisir la plage de sensibilit des entr es Probablit s d incertitude DE 0 00 R sultats de terminal 100 00 TAILLEDE 5 00 rame ua sare Liu sum a 12418 12616 128 14 13012 l 30 00 70 00 30 00 70 00 Analyser les probabilit s r sultats en groupes Analyser la probabilit le r sultat individuel le Si vous effectuez une analyse group e passez les membres du groupe en revue s lectionnez tout membre suppl mentaire ou d s lectionnez tout v nement 30 00 50 00 F S lection automatique des
105. un r sultat x De plus la fonction de distribution cumulative FDC peut tre calcul e il s agit de la somme des valeurs de la FDP Manuel d utilisation 189 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation jusqu cette valeur x Enfin la fonction de distribution cumulative inverse FDCD est utilis e pour calculer la valeur x tant donn la probabilit cumulative d occurrence L outil est accessible par le biais de Simulateur de risques Outils Analyse distributionnelle La figure 5 34 est un exemple de son utilisation et montre le calcul d une distribution binomiale c d une distribution avec deux r sultats comme un tirage au sort dont le r sultat est pile ou face avec une probabilit prescrite de pile ou face Supposez que nous effectuons un tirage pile ou face deux fois et d finissions le r sultat face comme succ s nous utilisons la distribution binomiale avec essais 2 lancer la pi ce deux fois et probabilit 0 50 la probabilit de succ s d obtenir face En s lectionnant la FDP et d finissant la plage de valeurs x de 0 2 avec un incr ment de 1 cela signifie que nous demandons les valeurs 0 1 2 pour x les probabilit s r sultantes sont fournies dans un tableau et sous forme graphique ainsi que les quatre moments th oriques de la distribution Les r sultats du tirage pile ou face tant face face pile pile face pile et pile face la probabi
106. une optimisation Puis la totalit de l analyse est r p t e plusieurs fois Le r sultat est une distribution de chaque variable de d cision au lieu d une estimation point unique figure 4 11 Cela signifie qu au lieu de dire que vous devriez investir 30 57 dans l actif 1 la d cision optimale est d investir entre 30 10 et 30 99 tant que le portefeuille total est gal 100 De cette fa on les r sultats fournissent aux cadres de direction ou aux preneurs de d cision une plage de souplesse dans les d cisions optimales tout en tenant compte des risques et des incertitudes dans les entr es e Simulation hyper rapide avec optimisation Vous pouvez aussi ex cuter une optimisation stochastique avec la simulation hyper rapide Pour ce faire r initialisez l optimisation en r initialisant les quatre variables de d cision sur 146 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 25 Puis s lectionnez Ex cuter l optimisation cliquez sur le bouton Avanc figure 4 10 et cochez la case Ex cuter la simulation hyper rapide Ensuite dans l interface utilisateur de l ex cution de l optimisation s lectionnez Optimisation stochastique dans l onglet M thode et configurez la pour 500 essais et 20 ex cutions d optimisation puis cliquez sur OK Cette approche int grera la simulation hyper rapide et l optimisation et vous remarquerez que l optimisation stochastique
107. utilis pour trouver la solution d une seule variable au sein d un mod le comme la recherche d objectif pr sent e ci dessus Si vous souhaitez obtenir le r sultat maximum ou minimum possible d un mod le mais n tes pas s r de la valeur d entr e n cessaire pour que la formule produise ce r sultat utilisez la fonctionnalit Simulateur de risques Outils Optimisateur de variable unique figure 5 59 Remarque Cet optimisateur de variable unique s ex cute tr s rapidement mais ne s applique qu la recherche d une seule variable d entr e Si vous voulez accepter plus d une valeur d entr e utilisez les routines d optimisation avanc e du Simulateur de risques Remarque Cet outil est inclus dans le Simulateur de risques car vous pouvez parfois 218 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation avoir besoin d un calcul d optimisation rapide pour une seule variable de d cision et cet outil vous permet de le faire sans configurer de mod le d optimisation avec profils suppositions de simulation variables de d cision objectifs et contraintes Optimisateur rapide une variable Cellule d objectif A3 E Agrandir R duire Cellule de variable A1 Min 50 Max 250 Tol rance 0 000000001 lt rations max 100000 Variable optimis e 250 0000 Objectif optimis 450 0000 Figure 5 59 Optimisateur de variable unique 5 26 O
108. vous souhaitez s lectionner uniquement ce n ud vous devrez cliquer sur l arri re plan vide et recliquer sur le n ud pour le s lectionner individuellement Vous pouvez galement d placer les n uds s par ment ou la totalit de l arbre depuis le n ud s lectionn en fonction des param tres actuels faites un clic droit ou dans le menu dition et s lectionnez D placer les n uds s par ment ou D placer tous les n uds Ci dessous sont d crits bri vement les l ments pouvant tre personnalis s et configur s dans l interface utilisateur des propri t s des n uds Le plus simple 221 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation est d essayer diff rents param tres pour chacun des l ments suivants afin d en observer les effets sur l arbre de strat gie o Nom Nom apparaissant au dessus du n ud o Valeur Valeur apparaissant en dessous du n ud o Lien vers Excel Cr e un lien vers la valeur partir d une cellule de feuille de calcul Excel o Notes Des notes peuvent tre ins r es au dessus ou en dessous d un n ud o Afficher dans le mod le Affiche toute combinaison possible entre un Nom une Valeur et des Notes o Couleur locale par opposition Couleur globale La couleur des n uds peut tre modifi e localement l chelle d un seul n ud ou globalement sur la totalit des n uds o Ins rer une tiquette dans la forme Il est possi
109. y ajoutant des variables exog nes suppl mentaires X X2 X comme dans une analyse de r gression avec plusieurs variables ind pendantes Si vous utilisez seulement la variable de s ries chronologiques Y vous pouvez ex cuter autant de p riodes de pr visions que vous le souhaitez Cependant si vous ajoutez des variables exog nes X notez que le nombre de p riodes de pr visions est limit au nombre de p riodes de donn es des variables exog nes moins le nombre de p riodes de donn es de la variable de s ries chronologiques Par exemple vous ne pouvez pr voir que 5 p riodes maximum si vous avez des donn es historiques de s ries chronologiques de 100 p riodes et seulement si vous avez des variables exog nes de 105 p riodes 100 p riodes historiques pour la variable de s ries chronologiques et 5 p riodes futures suppl mentaires de variables exog nes ind pendantes pour pr voir la variable d pendante de s ries chronologiques Dans l interpr tation des r sultats d un mod le ARIMA la plupart des sp cifications sont identiques celles de l analyse de r gression multivariable consultez Modeling Risk 2 dition du Dr Johnathan Mun pour de plus amples d tails techniques sur l interpr tation des mod les d analyse de r gression multivariable et ARIMA Il y a cependant plusieurs jeux de r sultats suppl mentaires sp cifiques l analyse ARIMA comme l illustre la figure 3 14 Le premier est
110. 0 moindres carr s 176 Monte Carlo 19 41 51 52 mouvement brownien 180 moyenne 72 73 74 175 179 moyenne g om trique 143 multicolin arit 174 182 multiple 182 184 multiples variables 184 multiplicative b ta d cal e 62 multiplicative de puissance d cal e 80 multivariable 96 97 98 104 107 108 Mum 0 7 94 98 101 108 Manuel d utilisation nombre al atoire 24 51 non lin aire 175 176 non lin aires 183 normal 42 64 normale 13 14 19 27 30 37 47 51 54 64 70 72 73 74 78 81 101 122 163 166 176 192 193 196 237 244 objectif 145 optimale 146 176 optimisation 7 20 127 128 129 130 131 132 133 134 136 137 140 143 144 145 146 165 optimisation stochastique 144 145 146 148 option 8 32 93 94 163 171 oui non 52 parabolique 14 75 param tre 181 param tres 73 Pareto 14 75 76 Pascal 14 57 58 69 Pearson 14 37 38 76 77 183 PERT 14 78 plage 27 45 60 69 128 131 144 146 150 176 Poisson 58 66 69 population 176 179 portefeuille 143 146 pr cision 7 23 29 32 41 pr diction 175 176 premier moment 44 45 249 2012 Real Options Valuation Inc Simulateur de risques pr vision 19 20 24 28 29 30 31 33 36 40 41 51 86 93 106 108 112 113 126 149 159 160 166 167 168 169 170 pr visions 32 44 85 94 101 104 108 112 175 177 prix 100 prix des
111. 0 026964 0 073929 e l 0 120134 Incr ment 0 160179 0 176197 0 160179 0 120134 0 073929 0 036964 0 014786 0 004621 0 001087 0 000181 0 000019 0 000001 Plage de valeurs Borne sup rieure Figure 5 35 Outil d analyse distributionnelle distribution binomiale avec 20 essais La figure 5 36 montre la m me distribution binomiale mais maintenant la FDC est calcul e La FDC est simplement la somme des valeurs de la FDP jusqu au point x Par exemple la figure 5 35 nous voyons que les probabilit s de 0 1 et 2 sont 0 000001 0 000019 et 0 000181 dont la somme est gale 0 000201 la valeur de la FDC x 2 la figure 5 36 Alors que la FDP calcule les probabilit s d obtenir exactement deux faces la FDC calcule la probabilit d obtenir deux faces maximum ou jusqu deux faces ou les probabilit s de 0 1 et 2 faces En prenant le compl ment c d 1 0 00021 on obtient 0 999799 ou 99 9799 ce qui est la probabilit d obtenir au moins 3 faces Manuel d utilisation 191 2012 Real Options Valuation Inc Simulateur de risques Analyse distributionnelle Cet outil g n re la fonction de densit de probabilit FDP la fonction de distribution cumulative FDC et la fonction de distribution cumulative inverse FDCI de toutes les distributions dans le Simulateur de risques notamment les moments th oriques et le graphique de probabilit Distribution
112. 0 9622 19 0 8326 0 0003 0 0958 0 0958 7 117 7709 20 0 8235 0 0002 0 0958 0 0958 7 428 3952 Si l auto corr lation AC 1 n est pas gale z ro cela signifie que la s rie est li e au premier ordre Si AC k diminue plus ou moins g om triquement avec l augmentation du d calage cela implique que la s rie suit un processus auto r gressif d ordre inf rieur Si AC k tombe z ro apr s un petit nombre de d calages cela implique que la s rie suit un processus de moyenne mobile d ordre inf rieur La corr lation partielle PAC k mesure la corr lation des valeurs espac es de k p riodes apr s avoir supprim la corr lation des d calages interm diaires S il est possible de capturer le motif d auto corr lation par le biais d une auto r gression d ordre inf rieur k alors l auto corr lation partielle PAC au d calage k sera proche de z ro Les statistiques Q de Ljung Box et leurs valeurs pr dictives au d calage k ont pour hypoth se nulle qu il n y a aucune auto corr lation jusqu l ordre k Les lignes pointill es dans les trac s des auto corr lations sontles deuxbornes d erreurs standards approximatives Si l auto corr lation est entre ces bornes elle n est pas significativement diff rente de z ro un niveau de signification de 5 approximativement Pr visions P riode R elle Y Pr vision P Erreur E 2 139 4000 139 6056 0 2056 3 139 7000 140 0069 0 3069 4 139 7000 140 2586 0 5586
113. 000 E d ach vement D 34 00 21 00 PEE 70 00 E Non 18 Jours Mettre jour Fermer Be 37 00 35 00 tiquette l int rieur de la forme ass Ins rer l tiquette dans l objet 44 50 14 00 Remplacer le nom par l tiquette Remplacer la valeur par l tiquette les notes par l tiquette Ins rer les notes au dessus du n ud aini Se Ins rer les notes sous le n ud Nom de l v i tde Grand B timent Remarque Si vous simulez des probabilit s d v nements les probabilit s seront automatiquement normalis es pour que leur somme soit gale 100 Lx _ H Figure 5 61 Arbre de d cision d valuation sur la base d Options R elles Arbre de d cision Manuel d utilisation 228 2012 Real Options Valuation Inc Simulateur de risques ROV Visual Modeler 2012 Arborescences d cisionnells C Users useDesktop Screen Shots DT Model Frenchrovdt ooo Fichier Modifier EA Propri t s Style Formes et couleurs Langue Language Aide G9Cau c 41 nuOxLaBa 9 0v 8 AE e R SULTATS D ANALYSE R SULTATS DE LA SIMULATION Probabilit s d entr e LE FL FL al Bar Bte S lectionnez le n ud de d cision analyser 7 Nomdel v nement Probab LL a
114. 095 4 45 25 99 82 MAPE 31 56 5 83 59 55 92 U de Theil 1 1210 6 138 01 136 71 7 210 87 211 96 Type de fonction automatique 8 304 44 304 43 9 420 89 420 89 10 562 34 562 34 11 730 85 730 85 12 928 43 928 43 Pr vision 13 1157 03 Pr vision 14 1418 57 Pr vision 15 1714 95 Pr vision 16 2048 00 Pr vision 17 2419 55 Pr vision 18 2831 39 Figure 3 12 R sultats d une extrapolation non lin aire 3 7 Analyse de s ries chronologiques avanc e ARIMA de Box Jenkins Un outil de pr visions de s ries chronologiques avanc tr s puissant est l approche ARIMA ou moyenne mobile int gr e autor gressive Les pr visions ARIMA regroupent trois outils ind pendants au sein d un mod le complet Le premier segment de l outil est le terme d auto r gression ou AR qui correspond au nombre de valeurs d cal es du r sidu dans le mod le de pr visions inconditionnel Le mod le capture la variation historique des donn es r elles dans un mod le de pr visions et utilise cette variation ou ce r sidu pour cr er un meilleur mod le de pr visions Le deuxi me segment de l outil est le terme d ordre d int gration ou I Ce terme d int gration correspond au nombre de diff rentiations que subit la s rie chronologique pour laquelle est effectu e la 106 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation pr vision Cet l ment prend en compte les taux de croissance non l
115. 1 4 6 Module Statistiques et BizStats ss 17 2 SIMULATION DE MONTE CARLO ssssssesssessmmnenmensseesenneenenseennsseeeeseeneeee 19 2 1 Qu est ce que la simulation de Monte Carlo sssnsssssnssssessessessseseeseseessesesstssesstesssseesseseessesresseens 19 2 2 Commencer utiliser le Simulateur de risques ss ossoseosessoeseeseeseseesseeesstssesstesesseessesressesseseeses 20 2 2 1 Aper u g n ral du logiciel ses 20 2 2 2 Ex cuter une simulation de Monte Carlo sise 22 2 3 Corr lations et contr le de pr cision 37 2 31 Les bas s des corr lations aneron rs e E a EE EEE E TV E 37 2 3 2 Appliquer les corr lations dans le Simulateur de risques sonsons 38 2 3 3 Les effets des corr lations dans la simulation de Monte Carlo 39 2 3 4 Contr le de la pr cision et des erreurs ss 41 2 3 5 Comprendre les statistiques de pr visions ss 44 2 3 6 Comprendre la distribution de probabilit s pour la simulation de Monte COTLO Huron lien O EAE AEEA O AE AE E E AE EE 48 2 4 Distributions discr tes suisse tses ts srst tetett ss stette seess ce rre eseese erene ese see erreneren eene 52 2 5 Distributions continues issues tetee s st EEEE ESES secs sesssssnene ee ee es esenee reenen 60 Manuel d utilisation 2 2012 Real Options Valuation Inc Simulateur de risques SPR VISIONS H Sn Sn 2 85 3 1 Diff rents types de techniques de pr vision ss 86 3 2 Ex cuter l outil de pr vision du Simulateur de risques 91 3 3 Anal
116. 1348 38 12 1545 30 1546 53 13 1596 20 1572 44 14 1260 40 1299 20 15 1735 20 1704 77 16 2029 70 1976 23 17 2107 80 2026 01 18 1650 30 1637 28 19 2304 40 2245 93 20 2639 40 2643 09 Pr vision 21 2713 69 Pr vision 22 2114 79 Pr vision 23 2900 42 Pr vision 24 3293 81 Figure 3 5 Exemple de rapports de pr visions de Holt Winter 95 2012 Real Options Valuation Inc Simulateur de risques Th orie Manuel d utilisation 3 4 R gression multivariable On suppose que l utilisateur est suffisamment familier avec les bases fondamentales de l analyse de r gression L quation de r gression lin aire bidimensionnelle g n rale a la forme Y P PX o A est l interception la pente et l erreur Il s agit d une quation bidimensionnelle car il n y a que deux variables Y ou variable d pendante et X ou variable ind pendante o X est aussi appel le pr dicteur parfois une r gression bidimensionnelle est aussi appel e une r gression unidimensionnelle car il y a seulement une seule variable ind pendante X La variable d pendante s appelle ainsi car elle d pend de la variable ind pendante par exemple les b n fices des ventes d pendent du montant des co ts de marketing consacr s la publicit et la promotion d un produit faisant des ventes la variable d pendante et des co ts de marketing la variable ind pendante Un exemple de r gression bidimensionnelle est simpleme
117. 1450 au lieu de 0 1886 pour la corr lation positive et 0 0717 pour la corr lation n gative C est dire que pour les mod les simples les corr lations n gatives ont tendance r duire la dispersion moyenne de la distribution et cr er une distribution de pr visions serr e et plus concentr e que les corr lations positives avec des dispersions moyennes plus importantes Cependant la moyenne reste relativement stable Cela implique que les corr lations ne modifient que peu la valeur attendue des projets mais peuvent r duire ou accro tre le risque d un projet o Sans corr lation Pr vision du Simulateur de risques b Statistique Pr f rences Options Contr les J Statistique Pr f rences Options Contr les i Statistique Pr f rences Options Contr les Manuel d utilisation Figure 2 15 R sultats de la corr lation La figure 2 16 illustre les r sultats apr s l ex cution d une simulation en extrayant les donn es brutes des suppositions et calculant les corr lations entre les variables La figure montre que les suppositions d entr e sont r cup r es dans la simulation C est dire que vous entrez des corr lations de 0 8 et 0 8 et que les valeurs simul es r sultantes ont les m mes corr lations 40 2012 Real Options Valuation Inc
118. 17 1 202 10 9 5 5 Erreur type pour la valeur y estim e SEy 0 4666 68 7128 233 1 109 1237 72 Statistique F ANOVA 92137 311 23624 349 7 73 1042 66 Valeur pr dictive ANOVA 0 0000 606 5242 284 1 515 125 6 9 512 92629 499 17 99 381 7 2 S Interception LN VAR2 VAR3VAR4 LAG VAR5 1 DIFFVAR6 TIME 426 28795 231 6 629 136 1 5 8 Coeficients 3109 ozre omn poni oen aus r j j T 4 1 Ga 15 0633 23 11 SEN 3 4703 2 8001 0 7885 3 8576 0 6796 2 5234 265 48799 249 10 847 2649 64 Valeur pr dictive 0 0012 0 0077 0 4348 0 0004 0 5005 0 0155 370 14067 195 3 146 45 8 67 312 12693 288 2 842 29 6 6 222 62184 229 11 882 265 1 6 9 Variable d pendante 280 9153 287 1 003 960 3 8 5 LN VAR1 759 14250 224 3 487 115 8 62 114 3680 161 0 696 92 34 Remarques Manuel d utilisation Figure 3 15 Module conom trie de base Consultez le chapitre 9 pour des d tails au sujet de l interpr tation des sorties de la r gression et par extension des sorties d une analyse d conom trie de base Pour ex cuter un mod le conom trique s lectionnez les donn es B5 G55 en t tes compris et cliquez sur Simulateur de risques Pr visions conom trie de base Vous pouvez alors saisir les variables et leurs modifications pour les variables d pendante et ind pendantes figure 8 15 Notez que vous ne pouvez avoir qu une
119. 188 4 097 4 006 3 915 3 824 3 733 3 643 3 552 3 461 3 370 3 279 3 189 3 098 3 007 15 00 5 053 4 959 4 865 4 771 4 676 4 582 4 488 4 394 4 300 4 206 4 112 4 018 3 924 3 830 3 735 3 641 3 547 3 453 3 359 3 265 3 171 16 00 5 282 5 185 5 088 4 990 4 893 4 796 4 698 4 601 4 503 4 406 4 309 4 211 54 114 4 017 3 919 3 822 3 724 3 627 3 530 3 432 3 335 17 00 5 512 5 411 5 311 5 210 5 109 5 009 4 908 4 807 4 707 4 606 4 505 4 405 4 304 4 204 4 103 4 002 3 902 3 801 3 700 3 600 3 499 18 00 5 742 5 638 5 534 5 430 5 326 5 222 5 118 5 014 4 910 4 806 4 702 4 598 4 494 4 390 4 287 4 183 4 079 3 975 3 871 3 767 3 663 19 00 5 971 5 864 5 757 5 650 5 542 5 435 5 328 5 221 5 114 5 006 4 899 4 792 4 685 4 577 4 470 4 363 4 256 4 149 4 041 3 934 3 827 20 00 6 201 6 090 5 980 5 869 5 759 5 648 5 538 5 427 5 317 5 206 5 096 54 985 4 875 4 764 4 654 54 543 4 433 4 322 4 212 4 101 3 991 21 00 6 430 6 317 6 203 6 089 5 975 5 862 5 748 5 634 5 520 5 406 5 293 5 179 5 065 4 951 4 838 4 724 4 610 4 496 4 382 4 269 4 155 22 00 6 660 6 543 6 426 6 309 6 192 6 075 5 958 5 841 5 724 5 607 5 489 5 372 5 255 5 138 5 021 4 904 4 787
120. 4 00000 0 00000 NonBasic LowerBnd 12 5993 8 Projets uL 1 00000 o 1 8 Projet8 100000 0 00000 NonBasic LowerBnd 0 1013 9 Projet9 uL 1 00000 o 1 9 Projet9 100000 0 00000 NonBasic LowerBnd 1 4016 10 Projet 10 uL 1 00000 0 1 410 Projet10 100000 0 00000 NonBasic LowerBnd 1 0050 11 Projet11 uL 1 00000 o 1 41 Projet11 100000 1 00000 NonBasic UpperBnd 0 0474 12 Projet 12 uL 1 00000 0 1 12 Projet12 100000 100000 NonBasic UpperBnd 0 0299 Objective Binding Super Infeas Normof Hessian Step Degen No Function Constrs Basics Constr Red Grad CondNo_ Size 1 8 00000 0 12 1 012500 1 0 2 1 09892 0 12 O 078957 1 08 Figure 4 8 R sultats de la fronti re efficiente Manuel d utilisation 142 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 4 5 Optimisation stochastique L exemple suivant illustre l application de l optimisation stochastique en utilisant un exemple de mod le avec quatre classes d actifs chacune avec des caract ristiques de risque et de rendement diff rentes Le but est de trouver la meilleure allocation de portefeuille afin de maximiser le rendement sur investissement ou le rapport rendement risque du portefeuille C est dire que le but est d allouer 100 de l investissement d un individu parmi plusieurs classes d actifs diff rentes par ex diff rents types de fonds mutuels ou de styles d investissements croissance valeur croissance agressive revenu global index contre couran
121. 45 87 53 87 66 88 05 88 45 88 51 89 95 90 19 90 54 90 68 90 96 91 25 91 49 91 56 91 94 92 06 92 36 92 41 92 45 92 70 92 80 92 84 93 21 93 26 93 48 93 73 93 75 93 77 93 82 94 00 94 15 94 51 94 57 94 64 94 69 94 95 95 57 95 62 95 71 95 78 95 83 95 97 96 20 96 24 96 40 96 43 96 47 96 81 96 88 97 00 97 07 97 21 97 23 97 48 97 70 97 77 97 85 98 15 98 17 98 24 98 28 98 32 98 33 98 35 98 65 99 03 99 27 99 46 99 47 99 55 99 73 99 96 100 08 100 24 100 36 100 42 100 44 100 48 100 49 100 83 101 17 101 28 101 34 101 45 101 46 101 55 101 73 101 74 101 81 102 29 102 55 102 58 102 60 102 70 103 17 103 21 103 22 103 32 103 34 103 45 103 65 103 66 103 72 103 81 103 90 103 99 104 46 104 57 104 76 105 20 105 44 105 50 105 52 105 58 105 66 105 87 105 90 105 90 106 29 106 35 106 59 107 01 107 68 107 70 107 93 108 17 108 20 108 34 108 42 108 43 108 49 108 70 109 15 109 22 109 35 109 52 109 75 110 04 110 16 110 25 110 54 111 05 111 06 111 44 111 76 111 90 111 95 112 07 112 19 112 29 112 32 112 42 112 48 11285 112 92 113 50 113 59 113 63 113 70 114 13 114 14 114 21 114 91 114 95 115 40 115 58 115 66 116 58 116 98 117 60 118 67 119 24 119 52 124 14 124 16 124 39 132 30 Figure 5 15 Rapport de l ajustement distributionnel Le processus d ajustement de plusieurs variables est relativement similaire au processus d ajustement d une seule variable Cependant les donn es doivent tre organis es en colonnes c d chaque variable est organis e en une colonne et toutes
122. 49 5405 57 Rechercher les mises jour a ne lt Red Ajustement distributionnel une seule variable soo sooo a Manuel d utilisation ss Ajustement distributionnel multiples variables 0 00 0 00 zr T 3 gt Ajustement distributionnel percentiles 603 21 621 36 2 Investisementengag Modifier les corr lations EE M AE Test d hypoth se 38 Flux mon taires disponibles n s 584 47 603 21 621 36 39 7 i i 40 Analyse financi re 5 gt Graphiques superpos s a pa ASEN nerap Mon 5 Analyse des composants principaux sa ga Z4 aleur actualis e de investisse ba y z A A A 43 P riode de remboursement ave ee VESE E saa 44 b Regroupement par segmentation 45 Analyse des risques asi 46 Valeur actualis e de r f rence t 384 30 344 89 308 92 47 Valeur actualis e des flux mon Analyse de sc nario 441 94 5396 62 355 26 48 Variable X interm diaire Analyse statistique Fu il T Modele Z3 Test de rupture structurelle Ready Anae Us Figure 5 46 Outil de v rification de mod le 5 20 Outil d ajustement distributionnel des percentiles L outil d ajustement distributionnel des percentiles figure 5 47 est un autre moyen permettant d ajuster les distributions de probabilit s Il existe plusieurs outils connexes et chacun d entre eux a ses propres utilisations et avantages e Ajustement distributionnel percentiles gt En utilisant une m thode d entr e diff rente p
123. 5 140 7000 140 1343 0 5657 6 141 2000 141 6948 0 4948 7 141 7000 141 6741 0 0259 8 141 9000 142 4339 0 5339 9 141 0000 142 3587 1 3587 10 140 5000 141 0466 0 5466 11 140 4000 140 9447 0 5447 12 140 0000 140 8451 0 8451 13 140 0000 140 2946 0 2946 14 139 9000 140 5663 0 6663 15 139 8000 140 2823 0 4823 16 139 6000 140 2726 0 6726 17 139 6000 139 9775 0 3775 18 139 6000 140 1232 0 5231 i 150 200 250 300 350 400 450 19 140 2000 140 0513 0 1487 20 141 3000 140 9862 0 3138 21 141 2000 142 1738 0 9738 22 140 9000 141 4377 0 5377 23 140 9000 141 3513 0 4513 24 140 7000 141 3939 0 6939 25 141 1000 141 0731 0 0270 26 141 6000 141 8311 0 2311 27 141 9000 142 2065 0 3065 28 142 1000 142 4709 0 3709 29 142 7000 142 6402 0 0598 30 142 9000 143 4561 0 5561 31 142 9000 143 3532 0 4532 32 143 5000 143 4040 0 0960 33 143 8000 144 2784 0 4784 34 144 1000 144 2966 0 1966 35 144 8000 144 7374 0 0626 36 145 2000 145 5692 0 3692 37 145 2000 145 7582 0 5582 38 145 7000 145 6649 0 0351 39 146 0000 146 4605 0 4605 40 146 4000 146 5176 0 1176 41 146 8000 147 0891 0 2891 42 146 6000 147 4066 0 8066 43 146 5000 146 9501 0 4501 44 146 6000 147 0255 0 4255 45 146 3000 147 1382 0 8382 46 146 7000 146 6328 0 0672 Figure 3 13B Rapport de pr visions ARIMA de Box Jenkins Manuel d utilisation 111 2012 Real Options Valuation Inc Simulateur de risques Th orie Proc dure ARIMA et ARIM
124. 6 163566 97 088761 A 2 70 3 30 C27 Interest Payments 97 088761 96 163566 1 80 2 20 2 00 T T 1 150 200 250 300 350 Figure 5 3 Rapport d analyse Tornado Remarques N oubliez pas que l analyse Tornado est une analyse de sensibilit statique appliqu e chaque variable d entr e du mod le c est dire que chaque variable est perturb e individuellement et que les effets r sultants sont tabul s Cela fait de l analyse Tornado un composant cl ex cuter avant une simulation C est dans l une des toutes premi res tapes de l analyse des risques que les facteurs d impact cl s les plus importants du mod le sont captur s et identifi s L tape suivante consiste identifier lesquels de ces Manuel d utilisation 153 2012 Real Options Valuation Inc Simulateur de risques facteurs d impact cl s sont incertains Ces facteurs d impact incertains sont les facteurs de succ s critiques d un projet o les r sultats du mod le d pendent de ces facteurs de succ s critiques Ces variables sont celles qui doivent tre simul es Ne perdez pas de temps simuler des variables qui ne sont pas incertaines ou qui n ont qu un faible impact sur les r sultats Les graphiques Tornado vous aident identifier ces facteurs de succ s critiques rapidement et facilement En suivant cet exemple il se peut que le prix et la quantit doivent tre simul s en supposant que l investisseme
125. 8 e D marrez Excel ouvrez l exemple de fichier Advanced Forecasting Models mod les de pr visions avanc s allez la feuille de calcul GARCH puis s lectionnez Simulateur de risques Pr visions GARCH e Cliquez sur l ic ne de lien s lectionnez Emplacement des donn es saisissez les suppositions d entr e requises voir la figure 3 18 puis cliquez sur OK pour ex cuter le mod le et le rapport Remarque La situation de pr vision de la volatilit typique n cessite P 1 Q 1 p riodicit nombre de p riodes par an 12 pour les donn es mensuelles 52 pour les donn es hebdomadaires 252 ou 365 pour les donn es quotidiennes base minimum de 1 et jusqu la valeur de p riodicit et p riodes de pr visions nombre de pr visions de volatilit annualis e que vous souhaitez obtenir Plusieurs mod les GARCH sont disponibles dans le Simulateur de risques notamment EGARCH EGARCH T GARCH M GJIR GARCH GJR GARCH T IGARCH et T GARCH Consultez les sections de Modeling Risk 2 me dition Wiley 2010 consacr es la mod lisation GARCH pour de plus amples d tails sur l utilisation de chaque sp cification 117 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Real Options Ris Wwww realoptionsvaluation com Donn es historiques Entr es Jours H t rosc dasticit conditionnelle auto r gressive g n ralis e GARCH Pour ex cuter un mod le
126. A automatique Remarque Manuel d utilisation 3 8 ARIMA automatique analyse de s ries chronologiques avanc e ARIMA de Box Jenkins Cet outil fournit des analyses identiques celles du module ARIMA la diff rence que le module ARIMA automatique automatise une partie de la mod lisation ARIMA traditionnelle en testant automatiquement plusieurs permutations des sp cifications du mod le et renvoie le mod le le mieux adapt L ex cution de PARIMA automatique est similaire aux pr visions ARIMA normales La diff rence est que les entr es P D Q ne sont plus n cessaires et que diff rentes combinaisons de ces entr es sont ex cut es et compar es automatiquement e D marrez Excel et saisissez vos donn es ou ouvrez une feuille de calcul existante avec les donn es historiques pour lesquelles effectuer la pr vision l illustration la figure3 14 utilise l exemple de fichier Advanced Forecasting Models mod les de pr visions avanc s du menu Exemples du Simulateur de risques e Dans la feuille de calcul ARIMA automatique s lectionnez Simulateur de risques Pr visions ARIMA automatique Vous pouvez aussi acc der cette m thode par le biais du ruban d ic nes Pr visions ou en cliquant n importe o dans le mod le avec le bouton droit de la souris et en s lectionnant le menu de raccourci des pr visions e Cliquez sur l ic ne de lien et cr ez le lien avec les donn es de s ries chronologiques ex
127. Bien que les calculs n cessaires pour corr ler les variables dans une simulation soient complexes les effets r sultants sont relativement clairs La figure 2 14 illustre un mod le de corr lation simple Correlation Effects Model mod le des effets de corr lation dans le dossier des exemples Le calcul des recettes est simplement le prix multipli par la quantit Le m me mod le est reproduit pour aucune corr lation une corr lation positive 0 8 et une corr lation n gative 0 8 entre le prix et la quantit l B C D E F 1 2 3 Mod le de corr lation Sans Corr lation Corr lation 4 corr lation positive n gative 5 Prix 2 00 2 00 2 00 6 Quantit 1 00 1 00 1 00 7 Recettes 200 2 00 2 00 8 9 Pour reproduire ce mod le utilisez les suppositions suivantes 10 Les prix sont d finis comme distributions triangulaires 1 8 2 0 2 2 et les 11 quantit s comme distributions uniformes 0 9 1 1 avec des corr lations 12 d finies sur 0 0 0 8 0 8 1 000 essais avec une valeur de d part de 123456 Figure 2 14 Mod le de corr lation simple Manuel d utilisation 39 2012 Real Options Valuation Inc Simulateur de risques Corr lation positive Pr vision du Simulateur de ris E Corr lation n gative Pr vision du Simulateur de r Les statistiques r sultantes sont montr es la figure 2 15 Remarquez que l cart type du mod le sans corr lations est 0
128. C Cri 306 0000 18 Jours Temps d ach vement C Cri 343 0000 23 Jours Temps d ach vement C Cri 435 5000 16 Jours Temps d ach vement D Cri 34 0000 4 5 18 Jours Temps d ach vement D Cri 370000 menl Graphiques superpos s Figure 5 62 Arbre de d cision d valuation sur la base d Options R elles R sultats de simulation Manuel d utilisation 229 2012 Real Options Valuation Inc Simulateur de risques 4 ROV Visual Modeler 2012 Arborescences d cisionnelles C Users Shots DT ModeLrovdt E N E N LL EI Fichier Modifier Ins rer Propri t s Style Formes et couleurs Langue Language Aide b97cCs oc 41 nWOzxLeEBa 7 Das e Arborescence d cisionnel R sum des valeurs Mod isation de simulation Analyse bayesienne Valeur attendue de l information parfaite EVPI minimax prof de risque Analyse de sensibiit Tableaux de sc nario Fonction gt Cet outil d analyse bayesienne peut tre ex cut sur deux v nements d incertitude qui sont li s le long d un chemin Par exemple dans l exemple sur la droite les incertitudes A et B sont li es l v nement A se produisant avant l v nement B Le premier v nement A est Stong pretn ERA l tude de march avec deux r sultats favorable ou d favorable Le deuxi me v nement B repr sente les conditions du march l 45 AND 55 aussi avec deux r sultats fortes ou faible
129. Couches Lin aire Jeu de test P riodes de pr vision V Appliquer l optimisation multi phases Sum of Squared Errors Training 1 822044 RMSE Training 0 093820 Sum of Squared Errors Modified 59375 218349 RMSE Modified 16 814849 Forecasting indicates negative values Period Actual Y Forecast F Error E 581 5000 613 3528 31 8528 584 2200 613 5197 29 2997 589 7200 613 6203 23 9003 590 5700 613 7188 23 1488 588 4600 613 8520 25 3920 586 3200 614 0608 27 7408 591 7100 614 204 22 4946 593 2600 614 3029 21 0429 592 7200 614 4223 21 7023 592 3000 614 5671 22 2671 589 2900 614 7154 25 4254 593 9600 614 8963 20 9363 597 3400 614 9954 17 6554 615 0992 15 0292 615 2115 18 3615 Figure 5 56 Pr vision par r seau neuronal Cliquez sur Simulateur de risques Pr visions Logique floue combinatoire Commencez pas saisir manuellement des donn es ou coller des donn es partir du presse papiers par ex s lectionnez et copiez des donn es dans Excel lancez cet outil et collez les donn es en cliquant sur le bouton Coller S lectionnez la variable sur laquelle vous souhaitez ex cuter l analyse dans la liste d roulante saisissez la p riode de saisonnalit par ex 4 pour des donn es trimestrielles 12 pour des donn es mensuelles etc et le nombre de p riodes de pr vision de votre choix par ex 5 Cliquez sur Ex cuter pour ex cuter l analyse puis consultez les gr
130. F T d aa f A d ti K 00 p eg K 5 i mn o 7 Sak Eee Et O M ro fi ol 2 in 1 f x 0k pl A 4 m merene aa A Johnathan Mun PhD MB MSI BS CRM FRM CFC MIEC ACTION EM Malwation Inc la A EJ Simulateur de risques REAL OPTIONS VALUATION INC 2 Risk Simulator Ce manuel et le logiciel qu il d crit sont fournis sous licence et ne peuvent tre utilis s ou copi s que selon les conditions du contrat de licence de lutilisateur final Les informations dans ce document sont fournies des fins informatives uniquement peuvent changer sans pr avis et ne repr sentent aucun engagement quant la commerciabilit ou l adaptation un usage particulier de la part de Real Options Valuation Inc Aucune partie de ce manuel ne peut tre reproduite ou transmise sous quelque forme que ce soit ni par quelque moyen que ce soit lectronique ou m canique notamment la photocopie ou lenregistrement dans quelque but que ce soit sans l autorisation crite expresse de Real Options Valuation Inc Mat riels bas s sur des publications sous copyright du Dr Johnathan Mun fondateur et PDG de Real Options Valuation Inc crit pat le Dr Johnathan Mun crit con u et publi aux tats Unis d Am rique Pour acheter d autres exemplaires de ce document contactez Real Options Valuation Inc ladresse e mail ci dessous Admin RealOptionsValuation com ou consultez www realoptionsvaluatio
131. GARCH entrez les donn es de s ries chronologiques pertinentes puis cliquez sur Simulateur de risques 1 Pr visions GARCH puis sur l ic ne de lien d emplacement des donn es et s lectionnez la zone des donn es historiques par ex C8 C2428 Saisissez les entr es requises par ex P 1 Q 1 p riodicit d change quotidienne 252 base pr dictive 1 p riodes de pr visions 10 et cliquez sur OK Consultez le rapport de pr vision g n r R Les mod les GARCH h t rosc dasticit conditionnelle auto r gressive g n ralis e sont utilis s pour pr voir la volatilit des instruments financiers en utilisant les prix eux m mes Le mod le GARCH P Q permet diff rents param tres de d calage des entiers positifs P et Q pour les quations de moyenne infos et de variance Seules les valeurs de donn es positives peuvent tre utilis es dans une pr vision de volatilit GARCH La p riodicit est le nombre de p riodes par an par ex 12 pour les donn es mensuelles 252 pour les donn es engag es quotidiennes 365 pour les donn es quotidiennes afin d annualiser Ia volatilit ou CORBU 1 COMMA VOIS PAASO LA base repr sente les p riodes de la base c est dire le nombre de p riodes pass es que vous souha tez uiliser comme base pr visionnelle pour pr dire la volatilit future par exemple saisissez 12 si vous utilisez les 12 derni res p riodes Le ciblage de la variance signifie si vous souhaitez que la pr v
132. I une cellule a une valeur de 0 un autre v nement se produit ou des entiers comme 1 2 3 etc que vous ne souhaitez pas tester Par exemple 10 d une valeur de commutation de 1 renvoie des valeurs de test de 0 9 et 1 1 deux valeurs qui ne sont pas pertinentes et qui ne sont pas des valeurs d entr e correctes dans le mod le Excel risque d interpr ter la fonction comme une erreur Cette option quand elle s lectionn e mettra rapidement en surbrillance les zones pouvant poser un 157 2012 Real Options Valuation Inc Simulateur de risques Th orie Manuel d utilisation probl me pour l analyse Tornado et vous pouvez d terminer quels pr c dents activer ou d sactiver manuellement ou utiliser l option Ignorer toutes les valeurs enti res possibles pour toutes les d sactiver simultan ment 5 2 Analyse de sensibilit Une fonctionnalit connexe est l analyse de sensibilit Alors que l analyse Tornado graphiques Tornado et graphiques en araign e applique des perturbations statiques avant l ex cution d une simulation l analyse de sensibilit applique des perturbations dynamiques cr es apr s l ex cution d une simulation Les graphiques Tornado et en araign e sont les r sultats de perturbations statiques ce qui signifie que chaque variable de pr c dent ou supposition est perturb e d une quantit pr d finie l une apr s l autre et que les fluctuations dans les r sulta
133. ICDF 10 5289 Moyenne Moyenne Moyenne Moyenne 10 2857 Moyenne 10 5714 cart type cart type cart type cart type 01597 cart type 0 3194 talement i talement talement talement 0 5963 talement 0 5963 Kurtosis 1 Kurtosis 24 Kurtosis Kurtosis a Kurtosis Binomiale Khi carr X2 i Uniforme discr Essais DL Minimum Minimum Probabilit Maximum Maximum X al atoire X al atoire 12 X al atoire X al atoire X al atoire Percentile Percentile Percentile Percentile Percentile PDF 0 1762 PDF PDF PDF PDF CDF 0 5881 CDF CDF CDF CDF ICDF 10 0000 ICDF J ICDF ICDF ICDF Moyenne 10 0000 Moyenne Moyenne Moyenne cart type 2 2361 cart type cart type cart type talement 0 0000 talement talement talement Kurtosis 0 1000 Kurtosis Kurtosis Kurtosis D cmaes 4 2 Ce im Figure 5 48 Outil de distribution de probabilit s 45 distributions de probabilit s e Cliquez sur l onglet Graphiques et tableaux figure 5 49 s lectionnez une distribution A par ex Arcsinus choisissez d ex cuter le CDF ICDF ou PDF B saisissez les entr es pertinentes et cliquez sur Ex cuter le graphique ou Ex cuter le tableau C Vous pouvez alterner entre les onglets Graphique et Tableau pour voir les r sultats et essayer les ic nes de graphique E pour voir les effets sur le graphique Manuel d utilisation 206 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Vou
134. Inc Simulateur de risques Manuel d utilisation 10 11 12 13 14 15 16 17 18 19 20 Couleurs et graphiques enti rement personnalisables Inclinaison 3D couleur type de graphique et bien davantage Exercices pratiques Guide tape par tape d taill de l ex cution du Simulateur de risques notamment des guides pour l interpr tation des r sultats Copie et collage de plusieurs cellules Permet de copier et coller les suppositions les variables de d cision et les pr cisions Cr ation de profils Permet de cr er plusieurs profils dans un seul mod le diff rents sc narios de mod les de simulation peuvent tre cr s dupliqu s modifi s et ex cut s dans un seul mod le Ic nes r vis es dans Excel 2007 2010 Une barre d ic nes enti rement retravaill e qui est plus intuitive et conviviale Elle se compose de quatre jeux d ic nes s adaptant la plupart des r solutions d cran 1 280 x 760 et plus Raccourcis par clic droit Acc s tous les outils et menus du Simulateur de risques en cliquant avec le bouton droit de la souris Int gration avec les logiciels ROV Fonctionne bien avec les autres logiciels ROV notamment Real Options SLS Modeling Toolkit Basel Toolkit ROV Compiler ROV Extractor and Evaluator ROV Modeler ROV Valuator ROV Optimizer ROV Dashboard ESO Valuation Toolkit et autres Fonctions RS dans Excel Insertion de fonctions RS
135. Mais pour vous lancer rapidement proc dez comme suit Moyenne mobile int gr e auto r gressive ARIMA est une technique de mod lisation avanc e utilis e pour mod liser et pr voir les donn es de s ries chronologiques les donn es int grant un composant temporel comme les taux d int r t l inflation les recettes le PIB Variable chronologique Variable exog ne Ordre auto r gressif AR p Ordre de diff renciation I d Ordre des moyennes mobiles MA q It rations maximales 1 Cliquez sur Simulateur de risques Pr visions ARIMA 2 Cliquez sur l ic ne de lien de la variable de s ries chronologiques et s lectionnez la zone B5 B440 3 Essayez diff rentes valeurs P D Q et saisissez la p riode de pr vision de votre choix par ex 1 0 0 pour PDQ et 5 pour Pr vision 4 Cliquez sur OK pour ex cuter ARIMA et consultez le rapport ARIMA pour prendre connaissance des r sultats d taill s P riodes de pr visions Extrapolation r trospective ARIMA automatique ARIMA automatique ex cute les combinaisons T PDQ d ordre inf rieur les plus courantes AMA LE ge trouve l ajustement optimal en utilisant le coefficient de d termination multiple ajust et les crit res d Akaike et Schwarz et les classe de la meilleure la pire Variable de s rie chronologique B5 B440 Ei Mod les ARIMA automatique Pour une mod lisation ARIMA correcte il est n cessaire de tester la moyenne
136. Monte Carlo dans le menu Options du Simulateur de risques L chantillonnage par hypercube latin LHS n est pas compatible avec la m thode de copule corr l e pour la simulation e Groupes LHS Un nombre plus lev de groupes ralentira la simulation mais fournira un jeu de r sultats de simulation plus uniforme e Caract re al atoire Toutes les techniques de simulation al atoires du menu Options ont t test es ce sont toutes de bons simulateurs et elles approchent les m mes niveaux de caract re al atoire lors de l ex cution d un nombre d essais important CONSEILS Ressources en ligne e Livres vid os de prise en main mod les livres blancs Disponibles gratuitement sur notre site Web www realoptionsvaluation com download html ou www rovdownloads com download html Manuel d utilisation 241 2012 Real Options Valuation Inc Simulateur de risques CONSEILS Optimisation e R sultats impossibles Si l optimisation renvoie des r sultats impossibles vous pouvez essayer de changer les contraintes d un signe d galit un signe d in galit gt ou lt et r essayer Cela s applique galement lorsque vous ex cutez une analyse de fronti re efficiente CONSEILS Profils e Profils multiples Cr ez plusieurs profils et passez de l un l autre au sein d un seul mod le Cela vous permet d ex cuter des sc narios sur la simulation car vous pouvez changer les p
137. Moyenne des Statistique Valeur carr s carr s F pr dictive Test d hypoth se R gression 479388 49 95877 70 4 28 0 0029 Statistique T critique 99 de confiance avec dl de X et Y 3 4651 R sidu 985675 19 22401 71 Statistique T critique 95 de confiance avec dl de X et Y 2 4270 Total 1465063 68 Statistique T critique 90 de confiance avec dl de X et Y 1 9828 Le tableau d analyse de la variance ANOVA fournit un test F de la signification statistique globale du mod le de r gression Au lieu d analyser les pr dicteurs individuels comme le test T le test F analyse les propri t s statistiques de tous les coefficients estim s La statistique F est calcul e comme ratio de la moyenne des carr s de la r gression et de la moyenne des carr s du r sidu Le num rateur mesure la proportion de la r gression qui est expliqu e et le d nominateur la proportion qui est inexpliqu e Ainsi plus la statistique F est grande plus le mod le est significatif La valeur pr dictive correspondante est calcul e pour tester l hypoth se nulle Ho o tous les coefficients sont simultan ment gaux z ro par opposition l hypoth se alternative Ha o tous les coefficients sont simultan ment diff rents de z ro indiquant un mod le de r gression global significatif Si la valeur pr dictive est inf rieure la signification alpha de 0 01 0 05 ou 0 10 la r gression est significative On peut appliquer la m me approche la statistique F en c
138. Pr visions par processus stochastiques Analyse et d composition des s ries chronologiques Manuel d utilisation points de donn es proviennent d une fonction au carr La courbe en S ou courbe de croissance logistique commence comme la courbe en J avec des taux de croissance exponentiels Dans le temps l environnement devient satur par ex saturation du march concurrence surpopulation la croissance ralentit et la valeur de pr vision finit un niveau de saturation ou maximum Ce mod le est g n ralement utilis pour pr voir la part de march ou la croissance des ventes d un nouveau produit du lancement la maturit et au d clin les dynamiques d une population et autres ph nom nes se produisant naturellement Parfois il manque des valeurs dans un jeu de donn es chronologiques Par exemple les taux d int r t pour les ann es 1 3 peuvent exister suivis des taux pour les ann es 5 8 puis pour l ann e 10 Les courbes splines peuvent tre utilis es pour interpoler les valeurs des taux d int r t des ann es manquantes d apr s les donn es existantes Les courbes splines peuvent aussi tre utilis es pour pr voir ou extrapoler les valeurs des p riodes futures au del de la p riode des donn es disponibles Les donn es peuvent tre lin aires ou non lin aires Parfois les variables ne peuvent pas tre facilement pr dites l aide des m thodes traditionnelles On dit
139. RCH M gt 0 cart cart type population cart type chantillon 2 conom trie automatique d taill e 3 conom trie automatique rapide Vous pouvez enregistrer plusieurs analyses et notes dans le profil pour les r cup rer ult rieurement H Variable d pendante Variables ind pendantes Seuil de valeur pr dictive facultatif 0 1 D calages de s ries chronologiques facultatif 0 G TAPE 4 Enregistrement if L Absolute Values ANOVA Randomized Block ANOVA Single Factor Multiple Treatments ANOVA Two Way ARIMA 1 0 1 ARIMA 1 0 2 Auto ARIMA Auto Econometrics Detailed Auto Econometrics Quick Autocorrelation and Partial Autocorrelation Figure 5 52 ROV BizStats analyse statistique 212 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Fichier Donn es Langue Language Aide TAPE 1 Donn es Entrez vos donn es manuellement collez es partir d une Exemple TAPE 2 Analyse Choisissez une analyse et entrez les param tres requis voir les P autre application ou chargez un chantillon de jeu de donn Eee esea E Veusker z R Lignes D v Affichage Je a _ Rang d croissant 0 25 Retours LN relatifs 123456 Retours relatifs 7 5 Rupture structurelle
140. ROV Visual Modeler 2012 Arborescences d cisionnelles C Users user Desktop Screen Shots DT Model rovdt LE EL N Fichier Modifier Ins rer Propri t s Style Formes et couleurs Langue Language Aide G 97C0 0 1 0Oxeru 7PAaQre Arborescence d cisionnell R sum des valeurs Mod lisation de simulation Analyse bayesienne Valeur attendue de l information parfaite EVPI minimax profil de risque Analyse de sensibilit Tableaux de sc nario Fonction Valeur attendue de l information parfaite evpi analyse et maximin profils de risque et valeur de l information imparfaite Cet outil calcule la valeur attendue de l information parfaite EVPI l analyse minimax et maximin ainsi que le profil de risque et la valeur de l information imparfaite Pour commencer saisissez le nombre de strat gies ou de branches d cisionnelles prises en compte par ex construire un site grand moyen petit et le nombre de r sultats d tats de la nature ou d v nements incertains par ex bon march mauvais march et saisissez les gains attendus pour chaque sc nario Suppositions d entr e Analyse minimax et maximin Profil de risque des des 3 Minimax minimisation du regret maximum et maximin Strat gie 1 Profil de risque maximisation du r sultat minimum sont deux Probabilit 2 approches alternatives pour trouver le chemin de z it G d cision optimal Elles ne sont pas souvent uti
141. S D panneur e D panneur ROV Ex cutez ce d panneur pour obtenir lID mat riel HWID de votre ordinateur des fins de licence pour voir les param tres et les pr requis de votre ordinateur et pour r activer le Simulateur de risques s il a t d sactiv par accident Manuel d utilisation 246 2012 Real Options Valuation Inc Simulateur de risques INDEX acquisition 176 actif 143 144 145 action 155 al atoire 180 allocation 143 144 145 alpha 175 analyse 143 146 176 178 185 analyse de r gression 175 176 annualis 143 approche 143 144 148 176 182 araign e 8 151 152 155 158 arcsinus 60 ARIMA 7 87 91 106 107 106 109 111 112 113 115 117 120 123 126 177 arr t 29 auto corr lation 177 182 barre d outils 10 25 28 29 b ta 60 bilogarithmique 13 62 binomiale 52 53 54 56 binomiale n gative 54 bootstrap 8 166 167 168 Box Jenkins 7 106 107 112 causalit 184 centre 176 classes d actifs 143 coefficient de corr lation 183 Manuel d utilisation coefficient de d termination 175 comportement 180 continue 50 contraintes 145 corr lation 20 24 37 38 39 40 51 107 109 160 161 177 183 184 corr lation de rangs 183 corr lations 182 183 cosinus 13 65 cours des actions 180 croissance 143 180 Crystal Ball 51 149 164 165 de Laplace 70 d calages 177 178 d cision optimale 146 d ci
142. STATS Plus de 130 mod les de statistiques commerciales et analytiques Absolute Values ANOVA Randomized Blocks Multiple Treatments ANOVA Single Factor Multiple Treatments ANOVA Two Way Analysis ARIMA Auto ARIMA Autocorrelation and Partial Autocorrelation Autoeconometrics Detailed Autoeconometrics Quick Average Combinatorial Fuzzy Logic Forecasting Control Chart C Control Chart NP Control Chart P Control Chart R Control Chart U Control Chart X Control Chart XMR Correlation Correlation Linear Nonlinear Count Covariance Cubic Spline Custom Econometric Model Data Descriptive Statistics Deseasonalize Difference Distributional Fitting Exponential J Curve GARCH Heteroskedasticity Lag Lead Limited Dependent Variables Logit Limited Dependent Variables Probit Limited Dependent Variables Tobit Linear Interpolation Linear Regression LN Log Logistic S Curve Markov Chain Max Median Min Mode Neural Network Nonlinear Regression Nonparametric Chi Square Goodness of Fit Nonparametric Chi Square Independence Nonparametric Chi Square Population Variance Nonparametric Friedman s Test Nonparametric Kruskal Wallis Test Nonparametric Lilliefors Test Nonparametric Runs Test Nonparametric Wilcoxon Signed Rank One Var Nonparametric Wilcoxon Signed Rank Two Var Parametric One Variable T Mean Parametric One Variable Z Mean Parametric One Variable Z Proportion Parametric T
143. Valuation Inc Simulateur de risques Manuel d utilisation 5 27 Module ROV Decision Tree 5 27 1 Arbre de d cision Le module ROV Decision Tree figure 5 61 sert cr er et valuer des mod les d arbre de d cision D autres m thodologies et analyses avanc es sont galement incluses Mod les d arbre de d cision Simulation de risques de Monte Carlo Analyse de sensibilit Analyse de sc narios Analyse bay sienne mise jour de probabilit conjointe et de probabilit a posteriori Valeur attendue d information MINIMAX MAXIMIN Profils de risque Ci dessous sont r pertori s certains conseils pratiques et proc dures essentiels de d marrage rapide en vue de l utilisation de cet outil intuitif 11 langues localis es sont disponibles dans ce module et le langage actuel peut tre modifi via le menu Langue Vous pouvez Ins rer des n uds d option ou Ins rer des n uds terminaux en s lectionnant d abord tout n ud existant puis en cliquant sur l ic ne de n ud d option carr ou l ic ne de n ud terminal triangle ou bien utiliser les fonctions du menu nsertion Modifiez les propri t s individuelles des N uds d option ou des N uds terminaux en double cliquant sur un n ud Parfois lorsque vous cliquez sur un n ud tous les n uds enfants suivants sont galement s lectionn s cela vous permet de d placer l ensemble de l arbre partir du n ud s lectionn Si
144. a on les r sultats de la simulation seulement sa vitesse d ex cution Pour accro tre encore la vitesse de la simulation vous pouvez minimiser Excel pendant l ex cution de la simulation ce qui r duit la m moire n cessaire pour visiblement mettre jour la feuille de calcul Excel et lib re de la m moire pour l ex cution de la simulation Les options Tout effacer et Tout minimiser contr lent tous les graphiques de pr visions ouverts Afficha Contr l Toujours afficher la fen tre au emier plan eS Semi transparent si inactif i R solution de l histogramme Simulation y R solution plus rapide sup rieure Intervalle de mise jour des donn es Mise jour y plus rapide Figure 2 8 Pr f rences du graphique de pr visions Cette option du graphique de pr visions vous permet d afficher toutes les donn es de pr visions ou de filtrer les valeurs qui se trouvent dans un intervalle sp cifi de votre choix ou un cart type de votre choix Vous pouvez galement d finir le niveau de pr cision pour cette pr vision sp cifique afin d afficher les niveaux d erreur dans l affichage des statistiques Consultez la section portant sur les contr les des erreurs et de la pr cision pour de plus amples d tails Afficher la statistique suivante est une pr f rence utilisateur permettant de d terminer si les lignes de moyenne m diane premier q
145. a section Comprendre les statistiques de pr visions pour de plus amples d tails sur ce que signifient certaines de ces statistiques Vous pouvez passer de l onglet Histogramme l onglet Statistiques et vice versa en appuyant sur la barre d espace 30 2012 Real Options Valuation Inc Simulateur de risques Pr f rences Manuel d utilisation Figure 2 7 Statistiques de pr visions L onglet Pr f rences du graphique de pr visions vous permet de modifier l aspect des graphiques Par exemple si vous s lectionnez Toujours afficher au premier plan les graphiques de pr visions seront toujours visibles quels que soient les autres logiciels en cours d ex cution sur votre ordinateur R solution de l histogramme vous permet de changer le nombre de casiers de l histogramme de 5 100 Intervalle de mise jour 31 2012 Real Options Valuation Inc Simulateur de risques Options Contr les Manuel d utilisation des donn es vous permet de contr ler la vitesse d ex cution de la simulation par rapport la fr quence de mise jour du graphique de pr visions C est dire que si vous voulez que le graphique de pr visions soit mis jour chaque essai ou presque cela ralentira la simulation car plus de m moire est allou e la mise jour du graphique au lieu de l ex cution de la simulation Il s agit simplement d une pr f rence utilisateur et ne change d aucune f
146. actions 180 probabilit 7 19 30 33 34 35 46 48 49 50 51 52 53 54 55 56 59 61 64 68 81 probabilit s 74 profil 22 23 24 25 38 93 132 137 144 163 puissance 79 80 quatri me moment 44 47 rapport 24 93 98 101 104 109 143 144 151 160 163 172 177 180 r gression 7 96 97 98 104 107 108 r gression des moindres carr s 176 r gression multiple 182 rendement 143 144 rendements 143 144 145 176 rendements relatifs 143 r solveur de super treillis 8 r solveur de super treillis actif simple 8 r solveur de super treillis multinomiaux 8 retour la moyenne 101 risque 143 144 145 saisonnalit 178 sensibilit 8 149 153 158 159 160 161 s rie chronologique 106 s ries chronologiques 7 86 92 93 101 103 104 105 107 108 177 180 Manuel d utilisation seule 176 184 signification 175 178 179 183 Simulateur de risques 145 simulation 7 8 19 20 22 23 24 25 29 30 32 36 37 38 39 40 41 48 51 52 86 93 100 101 127 128 129 132 133 137 140 143 145 146 149 153 158 159 160 161 162 163 166 167 168 170 171 172 174 184 189 193 195 196 197 199 205 214 218 219 SLS 7 8 souplesse 146 Spearman 37 38 statique 180 statistique T 182 statistiques 30 32 40 41 44 45 109 128 163 166 167 168 statistiques de pr visions 128 166 statistiques Q de Ljung Box 177 s
147. afin d obtenir les param tres distributionnels pertinents Les distributions continues s ajustent g n ralement mieux que les distributions discr tes il existe g n ralement plusieurs configurations de distributions discr tes pouvant s ajuster au m me jeu d entr es tape 1 S lectionnez la distribution et le type d estimation de param tre tape 2 Saisissez les entr es pertinentes Triangulaire Minimum Percentile Maximum Param tre Valeur Triangulaire Minimum La plus probable Percentile Triangulaire Percentile Percentile Maximum Triangulaire Percentile La plus probable Percentile Triangulaire Minimum Percentile Percentile Percentile Triangulaire Percentile Percentile Percentile Triangulaire Moyenne cart type Percentile Uniforme tape 3 Ex cutez l ajustement de la courbe et passez en revue les distributions Uniforme Minimum Percentile empirique et th orique Uniforme Percentile Maximum 7 z CAE ur Coefficient de d termination muttp M Uniforme Moyenne cart type Alpha 0 7113 Weibull B ta 0 2935 Weibull Alpha Percentile Emplacement 2 5176 ame mane re EE TAS Percentile Percentile Weibull Moyenne cart type zae Weibull 3 2 6600 2 6600 Weibull 3 Percentile B ta Emplacement 3 8900 3 8900 Weibull 3 Alpha Percentile Emplacement 2 8836 Weibull 3 Alpha B ta Percentile 0 5255 Weibull 3 Percentile Percentile Em
148. aire g n rale du reste des donn es surtout si le point est relativement loin du centre des donn es horizontalement Cependant il ne faut pas prendre la d cision de supprimer les valeurs aberrantes la l g re Bien que dans la plupart des cas quand les valeurs aberrantes sont supprim es les r sultats de la r gression sont meilleures une justification priori doit d abord exister Par exemple dans le cas de la r gression des performances des rendements des actions d une entreprise donn e les valeurs aberrantes dues un repli boursier doivent tre incluses il ne s agit pas vraiment de valeurs aberrantes car elles sont in vitables dans un cycle conomique Si vous supprimez ces valeurs aberrantes et utilisez l quation de r gression pour pr voir un fonds de retraite d apr s les actions de l entreprise les r sultats seront au mieux incorrects Inversement supposez que les valeurs aberrantes sont dues une seule condition conomique non r currente par ex une fusion et acquisition et que la reproduction de telles modifications structurelles n est pas pr vue alors ces valeurs aberrantes doivent tre supprim es et les donn es doivent tre nettoy es avant l ex cution d une analyse de r gression L analyse identifie seulement les valeurs aberrantes et c est l utilisateur de d terminer s il doit les conserver ou les exclure Parfois une relation non lin aire entre la variabl
149. aires actual C9 04 10 10 10 23 B n fice d exploitation EBITDA 24 D pr ciation 25 Amortissement 26 R sultat avant int r ts et imp ts EBIT 27 Paiements des int r ts 28 R sultat avant imp ts EBT 873 74 KREEK K i i a KK z m net aa Paiemen Flux monetaires actual C27 2 10 10 10 31 D pr ciation 12 00 Quantit Flux monetaires actual C15 50 10 10 10 32 Changement dans les fonds de roulement 0 00 71 Ce es CR LS Le i 33 D penses en capital 50 00 34 Flux mon taires disponibles 528 24 Options 35 Afficher toutes les variables E Utiliser l adresse de la cellule x TAE 1200 00 Afficher les 12 premi res variables F Ignorer toutes les valeurs enti res possibles 38 V Ignorer les z ros ou valeurs vides _ Mettre en surbrillance les valeurs enti res possibles 39 A financi 40 Predsa des flux mon taires disponible 528 24 E Utiliser Ia configuration globale tiquette de graphique Nom dela celule 12etres x 44 Valeur actualis e de l investi 1 800 00 5 Dl pu SR ren Re 127176 Arelyser cet feuille de calcul uniquement Analyser toutes les feuilles de calcul 43 44 Figure 5 2 Ex cuter l analyse Tornado Interpr tation La figure 5 3 montre le rapport de l analyse Tornado r sultant qui indique que des r sultats l investissement engag a l impact le plus important en valeur actualis e ne
150. alculer la probabilit qu une machine ou un appareil particulier continuera de fonctionner pendant la p riode suivante ou si un consommateur achetant le produit A continuera d acheter le produit A pendant la p riode suivante ou passera une marque concurrente B Pour g n rer un processus de Markov proc dez comme suit P F Cha ne de Markov 1 Cliquez sur Simulateur de risques Pr visions Cha ne de Markov 2 Entrez les probabilit s d tats pertinentes par ex 90 et 80 Les cha nes de Markov sont des outils analytiques extr mement et cliquez sur OK puissants utilis s pour mod liser le comportement de changement d un 5 g n PIE tat de la nature un autre et de stabilisation ventuelle sur un quilibre 3 Consultez le rapport de pr vision g n r d tat stable long terme par ex part de march Par exemple les cha nes de Markov sont utilis es pour calculer la probabilit qu une machine ou un appareil particulier coniinuera de fonctionner pendant la Conseil Pour un mod le d tat int ressant essayez 10 eee ee H le produit A pour les deux entr es de probabilit s et consultez le graphique g n r continuera d acheter le pm A pandai la p riode suivante ou passera une marque concurrente B gt Real Options Probabilit de rester l tat 1 si d but l tat 1 2 90 Y V Valuation Probabilit de rester l tat 2 si d but l tat 2 4 80 www realoptionsvaluation
151. aluation Inc Simulateur de risques Manuel d utilisation 3 PR VISIONS Une pr vision consiste pr voir le futur que ce soit bas sur des donn es historiques ou sur la sp culation au sujet du futur quand aucune histoire n existe S il existe des donn es historiques une approche quantitative ou statistique est la mieux adapt e mais s il n existe aucunes donn es historiques une approche qualitative ou appr ciative est g n ralement le seul recours La figure 3 1 r pertorie les m thodologies les plus courantes pour les pr visions Management Assumptions Market Research NTITATIVE Use Risk Simulator to run Monte Carlo Simulations use distributional fitting or nonparametric custom distributions Figure 3 1 M thodes de pr vision 85 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 3 1 Diff rents types de techniques de pr vision G n ralement on peut diviser les pr visions en pr visions quantitatives et qualitatives Les pr visions qualitatives sont utilis es quand il n existe peu ou pas de donn es historiques contemporaines ou comparables fiables Il existe plusieurs m thodes qualitatives comme la m thode Delphi ou l approche des opinions d experts une pr vision visant cr er un consensus par des experts du secteur des sp cialistes du marketing ou des membres du personnel internes des suppositions de la direct
152. alyse de s ries chronologiques S il existe une saisonnalit ET une tendance des mod les plus avanc s sont n cessaires pour d composer les donn es et obtenir leurs l ments de base un niveau de r f rence L pond r par le param tre alpha une composante tendancielle b pond r e par le param tre b ta et une composante saisonni re S pond r e par le param tre gamma Plusieurs m thodes sont disponibles mais les deux plus courantes sontles m thodes saisonni res additive et multiplicative de Holt Winters Dans le mod le multiplicatif de Holt Winters le niveau de r f rence la saisonnalit et la tendance sont combin s afin d obtenir une pr vision Le test d ajustement optimal pour la pr vision de la moyenne mobile utilise la racine carr e de l erreur quadratique moyenne RMSE La RMSE calcule la racine carr e des carts quadratiques moyens des valeurs ajust es et des points de donn es r els L erreur quadratique moyenne MSE est une mesure des erreurs absolue qui l ve les erreurs au carr la diff rence entre les donn es historiques r elles et les donn es pr visionnelles pr vues par le mod le afin d emp cher les erreurs positives et n gatives de se neutraliser Cette mesure a galement tendance exag rer les grosses erreurs en leur donnant plus d importance qu aux petites erreurs en les levant au carr ce qui peut tre utile pour la comparaison de diff rents mod les de s ries chronologique
153. ant de souligner qu une corr lation significative n implique pas de causalit Les associations entre variables n impliquent aucunement que le changement d une variable cause le changement de l autre variable Quand deux variables se d placent ind pendamment l une de l autre mais dans un chemin li il se peut qu elles soient corr l es mais leur relation peut tre parasite par ex une corr lation entre les taches solaires et le march boursier peut tre forte mais on peut assumer qu il n y a pas de causalit et que cette relation est purement parasite 5 9 Outil d analyse statistique Un autre outil tr s puissant du Simulateur de risques est l outil d analyse statistique qui d termine les propri t s statistiques des donn es Les diagnostics s ex cutent notamment la v rification de la pr sence de diverses propri t s statiques dans les donn es des statistiques descriptives de base au test et au calibrage des propri t s stochastiques des donn es e Ouvrez l exemple de mod le Simulateur de risques Exemples Analyse statistique allez la feuille de calcul Donn es et s lectionnez les donn es noms de variables compris cellules C5 E55 e Cliquez sur Simulateur de risques Outils Analyse statistique figure 5 28 e V rifiez le type de donn es si les donn es s lectionn es proviennent d une seule variable ou de multiples variables organis es en ligne Dans notre exemple n
154. aphiques et les r sultats calcul s Vous pouvez galement copier les r sultats et graphiques dans le presse papiers et les coller dans une autre application logicielle 216 2012 Real Options Valuation Inc Simulateur de risques Remarque Manuel d utilisation Les techniques de r seau neuronal et de logique floue n ont pas encore t tablies comme des m thodes fiables et valides dans le domaine des pr visions commerciales que ce soit au niveau strat gique tactique ou op rationnel De nombreuses recherches sont encore n cessaires dans ces domaines de pr visions avanc s mais le Simulateur de risques fournit les bases de ces deux techniques pour ex cuter des pr visions de s ries chronologiques Nous vous conseillons de ne pas utiliser l une ou l autre de ces m thodes seule mais en association avec les autres m thodes de pr visions du Simulateur de risques afin de construire des mod les plus solides d Pr vision par logique floue combinatoire TAPE 1 Donn es Entrez vos donn es manuellement collez es partir d une autre application ou chargez un chantillon de jeu de donn es avec analyse VAR9 VARIO La w N on un w N gt TAPE 2 Saisissez les entr es requises et s lectionnez les variables pr voir Fran ais NA M a 4 10 Results RMSE 707 039492 Auto ARIMA RMSE 249 495091 Time Series Auto RMSE 287 252763 Trend Line Exponential RMSE
155. ar opposition la logique conventionnelle o les ensemble binaires ont une logique binaire les variables de logique floue peuvent avoir une valeur de v rit qui est comprise entre 0 et 1 et qui n est pas limit e aux deux valeurs de v rit de la logique propositionnelle classique Ce sch ma de pond ration floue est utilis avec une m thode combinatoire pour produire des r sultats de pr visions de s ries chronologiques dans le Simulateur de risques comme l illustre la figure 5 57 et s applique essentiellement aux donn es de s ries chronologiques qui ont une saisonnalit et une tendance Vous trouverez cette m thodologie dans le module ROV BizStats du Simulateur de risques sous Simulateur de risques ROV BizStats Logique floue combinatoire et Simulateur de risques Pr visions Logique floue combinatoire La figure 5 57 illustre la m thodologie de pr vision par logique floue 215 2012 Real Options Valuation Inc Simulateur de risques Proc dure Manuel d utilisation T Pr vision par r seau neuronal TAPE 1 Donn es Entrez vos donn es manuellement collez es partir d une autre application ou chargez un chantillon de jeu de donn es avec analyse on ln S w N 10 J O Un amp WNE gt TAPE 2 Choisissez le type d analyse la variable et la p riode de pr vision ex Fran ais cuter Cosinus avec tangente hyperbolique Tangente hyperbolique
156. aram tre d emplacement est d fini sur z ro la variable al atoire de la distribution de Laplace est distribu e exponentiellement avec l inverse du param tre 70 2012 Real Options Valuation Inc Simulateur de risques d chelle Alpha aussi appel l emplacement et b ta aussi appel l chelle sont les param tres de la distribution Les structures math matiques pour la distribution Laplace sont les suivantes sn al ro 1 Ea exp oux lt a 2 p 1 1 exp 2 o F x oux a moyenne cart type 1 41428 talement 0 exc s de kurtosis 3 Entr es requises Alpha emplacement peut tre n importe quelle valeur positive ou n gative z ro y compris B ta chelle gt 0 Distribution La distribution logistique est couramment utilis e pour d crire la croissance c est dire logistique la taille d une population exprim e sous la forme d une fonction d une variable temporelle Elle peut galement tre utilis e pour d crire des r actions chimiques et le rythme de croissance d une population ou d un individu Les structures math matiques pour la distribution logistique sont les suivantes F e f x pour toute valeur de amp et u ax plte moyenne 1 cart type 376 Manuel d utilisation 71 2012 Real Options Valuation Inc Simulateur de risques Distribution lognormale Manuel d utilisation ta
157. aram tres d entr e ou les types de distribution dans votre mod le afin de voir les effets que cela a sur les r sultats e Profil requis Il est impossible de cr er des suppositions des pr visions ou des variables de d cision en l absence d un profil actif Cependant une fois que vous avez un profil vous n avez plus cr er de nouveau profil chaque fois En fait si vous souhaitez ex cuter un mod le de simulation en ajoutant des suppositions ou des pr visions suppl mentaires vous devriez garder le m me profil e Profil actif Le dernier profil utilis quand vous enregistrez le fichier Excel s ouvrira automatiquement lors de la prochaine ouverture de ce fichier Excel e Fichiers Excel multiples Quand vous passez d un mod le Excel ouvert un autre le profil actif est celui du mod le Excel actuel et actif e Profils entre plusieurs classeurs Faites attention si plusieurs fichiers Excel sont ouverts et si seulement un de ces fichiers Excel a un profil actif si vous passez accidentellement un autre fichier Excel et d finissez des suppositions et des pr visions sur ce fichier les suppositions et les pr visions ne s ex cuteront pas et ne seront pas valides e Suppression des profils Vous pouvez cloner et supprimer des profils existants mais au moins un profil doit exister dans le fichier Excel si vous supprimez des profils e Emplacement des profils Les profils que vous cr ez contenant le
158. ateur de risques partir duquel les r sultats suppositions et pr visions peuvent tre r cup r s ult rieurement en s lectionnant Simulateur de risques Outils Ouverture Importation de donn es La troisi me option est la plus courante il s agit d enregistrer les r sultats simul s sous la forme d un fichier risksim partir duquel les r sultats peuvent tre r cup r s ult rieurement et ainsi il est inutile de r ex cuter une simulation chaque fois La figure 5 21 illustre la bo te de dialogue permettant d exporter et d enregistrer les r sultats de la simulation 171 2012 Real Options Valuation Inc Simulateur de risques Extraction de donn es L extraction de donn es est utilis e pour obtenir les donn es brutes g n r es par une simulation Les donn es peuvent tre extraites des suppositions et des pr visions Les donn es brutes peuvent alors tre f manipul es et des analyses suppl mentaires peuvent tre effectu es S lectionnez le s param tre s extraire Extraire Nom ____ Fcuececscu Celi MOD LE A Modele de simulati D10 MOD LE B Modele de simulati G10 Modele de simulati D8 Modele de simulati G8 Modele de simulati D9 Modele de simulati G9 Format d extraction Nouvelle feuile de calcul Excel Nouvelle feuille de calcul Excel Donn es du Simulateur de risques risksim Fichier texte bd Figure 5 21 Exemple de rapport de simulatio
159. ble d ins rer du texte dans le n ud vous devrez peut tre largir le n ud pour l adapter la longueur du texte o Nom d v nement sur la branche Vous pouvez ins rer du texte sur la branche menant au n ud afin d indiquer l v nement qui est l origine de ce n ud o S lectionner des options r elles Un type sp cifique d option r elle peut tre attribu au n ud courant L attribution d options r elles aux n uds permet l outil de cr er une liste des variables d entr e requises Les l ments globaux sont tous personnalisables y compris les l ments de l Arri re plan des Lignes de liaison des N uds d option des N uds terminaux et des Zones de texte de l arbre de strat gie Par exemple les param tres suivants peuvent tre modifi s pour chacun des l ments o Les param tres de Police pour le Nom la Valeur les Notes l tiquette et les Noms d v nement La Taille du n ud hauteur et largeur minimales et maximales Les Bordures styles de ligne largeur et couleur Les Ombres couleurs et application ou non d une ombre O O O O oO La Couleur globale o La Forme globale La commande de la fen tre Afficher les informations requises du menu dition ouvre une fen tre ancr e sur la droite de l arbre de strat gie de mani re ce que lorsqu un n ud d option ou un n ud terminal est s lectionn les propri t s de ce n ud soient affich es et puiss
160. bservation Xconnu Y connu s y AR i i 5 5 4 29 nterpolate 1 0 0833 4 55 j d 6 0 4 32 nterpolate 2 0 2500 4 47 EE known vaim 6 5 4 35 nterpolate 3 0 5000 4 52 7 0 4 38 nterpolate 4 1 0000 4 39 h 7 5 441 nterpolate 5 2 0000 4 13 8 0 4 44 nterpolate 6 3 0000 4 16 8 5 4 47 nterpolate vi 5 0000 4 26 9 0 4 50 nterpolate 8 7 0000 4 38 9 5 4 53 nterpolate 9 10 0000 4 56 10 0 4 56 nterpolate 10 20 0000 4 88 10 5 4 59 nterpolate 11 30 0000 4 84 11 0 4 61 nterpolate 11 5 4 64 nterpolate 12 0 4 66 nterpolate 12 5 4 68 nterpolate 13 0 4 70 nterpolate 13 5 4 72 nterpolate 14 0 4 74 nterpolate 14 5 4 76 nterpolate Figure 3 22 R sultats des pr visions par spline Manuel d utilisation 126 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 4 OPTIMISATION Cette section se penche de fa on plus d taill e sur le processus et les m thodologies d optimisation en vue de leur utilisation dans le Simulateur de risques Ces m thodologies incluent l utilisation des optimisations continues par rapport aux optimisations discr tes en nombres entiers ainsi que les optimisations statiques par rapport aux optimisations dynamiques et stochastiques 4 1 M thodologies d optimisation Il existe de nombreux algorithmes pour ex cuter une optimisation et de nombreuses proc dures diff rentes quand l optimisation est associ e la simulation de Monte Carlo Dans
161. bution repr sent e par la ligne grasse a un exc s de curtosis sup rieur la zone sous la courbe est donc plus paisse au niveau des queues et moins paisse au centre Cette condition a un impact important sur l analyse des risques car pour les deux distributions de la figure 2 24 les trois premiers moments moyenne cart type et talement peuvent tre identiques mais le quatri me moment curtosis est diff rent Cette condition signifie que bien que les rendements et les risques soient identiques les probabilit s d v nements catastrophiques et extr mes pertes ou gains importants potentiels sont plus importantes pour une distribution avec curtosis lev par ex les rendements boursiers sont leptocurtiques ou ont un curtosis lev s Ne pas tenir compte du curtosis d un projet peut tre pr judiciable Typiquement une valeur d exc s de curtosis sup rieure indique que les risques du c t inf rieur sont plus lev s par ex la valeur au risque ou VaR d un projet peut tre consid rable G1 O2 talement 0 Kurtosis gt 0 y w Figure 2 24 Quatri me moment Vous tes vous jamais demand pourquoi ces statistiques de risque s appellent moments En termes math matiques moment signifie lev la puissance d une certaine valeur En d autres termes le troisi me moment implique que dans une quation trois est probablement la puissance la plus lev e En fait les quati
162. car elle est mieux m me de tester des valeurs extr mes plut t que des perturbations plus petites autour des valeurs attendues Dans certaines circonstances les valeurs extr mes peuvent avoir un impact plus grand plus petit ou d s quilibr par ex des non lin arit s peuvent survenir quand des d rives des objectifs ou des conomies d chelles croissantes ou d croissantes surviennent pour des valeurs plus grandes ou plus petites d une variable et seule une plage plus large capturera cet impact non lin aire FIA B C D E F G 1 2 Mod le de flux mon taires actualis s 3 4 Ann e de base 2005 VA des b n fices nets 1 896 63 5 Taux de r duction ajust aux risques du march 15 00 VA des investissements 1 800 00 6 Taux de r duction de risque priv 5 00 Valeur actualis e nette VAN 96 63 7 Taux de croissance des ventes annualis 2 00 Taux de rendement inteme 18 80 8 Taux d effritement des prix 5 00 Rendement des investissements 5 37 9 Taux d imposition effectif 40 00 10 11 2005 2006 2007 2008 2009 121 Prix moyen du produit A 14 Prix moyen du produit C 15 514 513 A 512 E 512 15 Quantit du produit A 17 Quantit du produit C 20 00 20 40 2081 2122 2165 18 Recettes totales 1 231 75 1 193 57 19 Co t des biens vendus 179 03 20 Marge b n ficiaire brute 046 1 014 53 983 08 952 60 923 07 21 Frais d exploitation 22 Co ts des ventes g n raux et d ad
163. ce de 90 sera entre 18 et 22 unit s o cet intervalle est pr cis 90 du temps en ouvrant toutes les bo tes 1 million 900 000 d entre elles contiendront entre 18 et 22 tacos cass s Le nombre d essais requis pour obtenir cette pr cision est bas sur F Soo S l quation d erreur d chantillonnage x Z o Z est l erreur de 2 tacos x Arr est la moyenne d chantillon Z est le score Z standard normal obtenu partir du niveau de pr cision de 90 s est l cart type de l chantillon et n est le nombre d essais requis pour obtenir ce niveau d erreur avec la pr cision sp cifi e Les figures 2 17 et 2 18 illustrent comment le contr le de la pr cision peut tre effectu sur plusieurs pr visions simul es dans le Simulateur de risques Cette fonctionnalit vite l utilisateur d avoir d cider du nombre d essais ex cuter dans une simulation et ainsi d avoir deviner La figure 2 17 illustre le graphique de pr visions avec un niveau de pr cision de 95 d fini Cette valeur peut tre modifi e et sera refl t e dans l onglet Statistiques comme illustr la figure 2 18 42 2012 Real Options Valuation Inc Simulateur de risques B n fices Pr vision du Simulateur de risques cu Ee Filtre de donn es Afficher toutes les donn es Afficher uniquement les donn es entre les limites RER ee TEA domine Statistique Niveau de pr cision utilis
164. ce de Pi 1 Pi Cela signifie qu avec une augmentation dans une unit de fi le rapport de chances logarithmique augmente de ce montant Enfin le taux de changement dans la probabilit dP dX BiPi 1 Pi L erreur type mesure la pr cision des coefficients pr dits et les statistiques T sont les rapports de chaque coefficient pr dit et de son erreur type et sont utilis es dans le test d hypoth se de r gression typique de la signification de chaque param tre estim Pour estimer la 121 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation probabilit de succ s d appartenance un groupe donn par ex pr voir si un fumeur d veloppera des probl mes pulmonaires d apr s le nombre de cigarettes fum es par an il suffit de calculer la valeur Y estim e l aide des coefficients MLE Par exemple si le mod le est Y 1 1 0 005 cigarettes alors un individu fumant 100 paquets par an a une valeur Y estim e de 1 1 0 005 100 1 6 Calculez alors l antilogarithme inverse du rapport de chances comme suit EXP Y estim 1 EXP Y estim EXP 1 6 1 EXP 1 6 0 8320 Ainsi cet individu a un risque de 83 20 de d velopper des probl mes pulmonaires au cours de sa vie Un mod le Probit parfois aussi appel mod le Normit est une autre sp cification populaire comme mod le de r ponse binaire employant une fonction Probit estim e avec l estimation du maximum de vraisemblance ce
165. cel 7 8 9 10 22 23 32 37 36 91 92 98 104 108 112 113 115 117 120 123 126 128 150 Manuel d utilisation exc s de kurtosis 47 52 53 54 55 57 59 61 64 67 68 70 71 72 73 74 75 76 80 82 83 ex cution 176 178 exponentielle 14 15 66 67 69 70 79 80 83 84 88 115 201 exponentielle d cal e 67 extrapolation 7 104 105 F ou de Fisher Snedecor 69 fiabilit 149 Fisher Snedecor 69 fluctuations 175 180 fonctions 177 fr quence 49 50 galerie 26 27 gamma 61 64 69 70 80 83 93 94 g om trique 54 55 73 130 h t rosc dasticit 174 175 177 179 histogramme 49 50 Holt Winter 93 95 Hypergeometric 22 hyperg om trique 56 hypoth se 8 64 69 80 98 109 163 165 166 168 169 hypoth se nulle 175 178 179 ic ne 10 25 27 28 29 132 137 ic nes 145 inf rieure 144 inflation 177 180 installation 8 10 int r t 177 180 248 2012 Real Options Valuation Inc Simulateur de risques intervalle de confiance 33 34 41 80 166 168 investissement 143 khi carr 14 16 64 165 kurtosis 47 63 Laplace 70 lin aire 175 176 178 179 182 183 logistique 14 65 71 72 90 115 121 122 lognormale 14 69 72 73 78 lognormale d cal e 73 74 lognormaux 73 march 180 matrice 182 m thode Delphi 162 mix 182 mod le 143 144 150 174 176 177 178 mod les 176 mod liser 18
166. clin les dynamiques d une population la croissance des cultures bact riologiques et autres variables se produisant naturellement La figure 3 17 illustre un exemple de courbe en S 115 2012 Real Options Valuation Inc Simulateur de risques Courbes en J S Les courbes en J S repr sentent la courbe en J croissance exponentielle et la courbe en S croissance logistique Ces courbes sont utilis es pour pr voir les taux de croissance lev s courbe en J ou pour les situations o des v nements ont une croissance initiale lev e mais la croissance ralentit et arrive maturit avec le temps car l environnement est satur et atteint sa capacit maximum courbe en S Courbe exponentielle en J Courbe logistique en S Valeur de d but 100 o Taux de croissance 5 Niveau de saturation i G n rer la courbe de pr vision d apr s les p riodes suivantes P riode de fin 100 Figure 3 16 Pr vision de courbe en J Courbe logistique en S Une fonction ou courbe logistique mod lise la courbe de croissance en S d une variable X L tape de croissance initiale est plus ou moins exponentielle puis la concurrence se d veloppant la croissance ralentit et maturit la croissance s arr te Ces fonctions ont des applications dans i nombreux domaines Il s agit d une croissance exponentielle Mais le f tus ne peut pas gandi plus que la taille de l ut rus et ainsi d autres fa
167. com Annuler _ Figure 3 19 Cha nes de Markov changement de r gime Manuel d utilisation 120 2012 Real Options Valuation Inc Simulateur de risques Th orie Manuel d utilisation 3 13 Mod les du maximum de vraisemblance MLE sur Logit Probit et Tobit Les variables d pendantes limit es d crivent la situation dans laquelle la variable d pendante contient des donn es avec une port e et une plage limit es comme les r ponses binaires 0 ou 1 les donn es tronqu es ordonn es ou censur es Par exemple d apr s un jeu de variables ind pendantes par ex ge revenu niveau d ducation des d tenteurs de pr ts hypoth caires ou de cartes de cr dit nous pouvons mod liser la probabilit de d faillance en utilisant les MLE La r ponse ou variable d pendante Y est binaire c est dire qu elle ne peut avoir que deux r sultats possibles indiqu s par 1 et 0 par ex Y peut repr senter la pr sence l absence d une certaine condition d faillance non d faillance pour les pr ts pr c dents fonctionnement panne d un appareil r ponse positive n gative une enqu te etc et nous avons galement un vecteur de pr dicteurs de variables ind pendantes X qui sont suppos s influencer le r sultat Y Une approche de r gression des moindres carr s ordinaire typique n est pas valide car les erreurs de r gression sont h t rosc dastiques et anormales et les estimations de la probabil
168. cteurs commencent ralentir la croissance du nombre de cellules et le taux de croissance ralentit mais le b b continue de grandir bien s r Apr s une p riode appropri e l enfant na t et poursuit sa croissance Finalement le nombre de cellules est stable la taille de l individu est constante maturit la croissance s est arr t e Les m mes principes peuvent tre appliqu s la croissance d une population animale ou humaine et la p n tration du march et aux recettes d un produit avec un pic initial de la p n tration du march mais avec le temps la croissance ralentit du fait de la concurrence et le taux de croissance du march baisse et arrive maturit 1 Cliquez sur Simulateur de risques Pr visions Courbes en J S Real Options 2 Saisissez les entr es requises voir exemple ci dessous Valuatzion 3 Cliquez sur OK et consultez le rapport de pr vision www resloptionsvaluation om 7 000 Courbes en J S 6 000 mmnnnnnnmnnenonnnnencnencnnnnsnnsnscnnsoncse ne Les courbes en J S repr sentent la courbe en J croissance Maturity and exponentielle et la courbe en S croissance logistique Ces Saturation Phase a le Rd s taux pr lev s Parea So pm mn ai e 5 000 4 000 croissance initiale lev e mais la croissance ralentit et arrive 3 maturit avec le temps car l environnement est satur et atteint sa gt 3 000 capacit maximum courbe en S 2 000 Growth Phase Cou
169. cturelle est souvent utilis pour d terminer si les variables ind pendantes ont des impacts diff rents sur des sous ensembles diff rents de la population Par exemple pour tester si une nouvelle campagne publicitaire une activit un v nement important une acquisition une cession et ainsi de suite ont un impact sur les donn es de s ries chronologiques Supposons que l ensemble de donn es contienne 100 points de donn es de s ries chronologiques vous pouvez d finir plusieurs points de rupture tester par exemple les points de donn es 10 30 et 51 Cela signifie que trois tests de rupture structurelle seront ex cut s sur l ensemble de donn es suivant les points de donn es 1 9 par rapport aux points de donn es 10 100 les points de donn es 1 29 par rapport aux points de donn es 30 100 les points de donn es 1 50 par rapport aux points de donn es 51 100 pour voir s il y a vraiment une rupture dans la structure sous jacente au commencement des points de donn es 10 30 et 51 Manuel d utilisation 200 2012 Real Options Valuation Inc Simulateur de risques Proc dure Proc dure Manuel d utilisation x S lectionnez les donn es analyser par ex B15 D34 et cliquez sur Simulateur de risques Outils Test de rupture structurelle puis entrez les points de test pertinents que vous voulez appliquer aux donn es par ex 6 10 12 et cliquez sur OK Consultez le rapport pour d terminer quels p
170. d Excel ou l outil d analyse distributionnelle du Simulateur de risques en s lectionnant Distribution normale et en d finissant la moyenne sur 0 et l cart type sur 1 Enfin pour obtenir une mesure d unit Probit ou de probabilit d finissez Ii 5 car si la probabilit Pi lt 0 5 Ii est n gatif du fait que la distribution normale est sym trique autour d une moyenne de Z ro Le mod le Tobit Tobit censur est une m thode de mod lisation conom trique et biom trique utilis e pour d crire la relation entre une variable d pendante non n gative Yi et une ou plusieurs variables ind pendantes Xi Un mod le Tobit est un mod le conom trique dans lequel la variable d pendante est censur e c est dire que la variable d pendante est censur e car les valeurs inf rieures z ro ne sont pas observ es Le mod le Tobit suppose qu il y a une variable Y non observable latente Cette variable est lin airement d pendante des variables Xi par le biais d un vecteur de 122 2012 Real Options Valuation Inc Simulateur de risques Proc dure Manuel d utilisation coefficients Bi qui d terminent leurs interrelations En outre il y a un terme d erreur normalement distribu Ui pour capturer les influences al atoires sur cette relation La variable observable Yi est d finie comme tant gale aux variables latentes quand les variables latentes sont sup rieures z ro et sinon Vi est suppo
171. d int r t les taux d inflation les ventes les b n fices et de nombreuses autres donn es de s ries chronologiques sont g n ralement auto corr l es avec la valeur dans la p riode actuelle li e la valeur d une p riode pr c dente et ainsi de suite clairement le taux d inflation de mars est li au taux d inflation de f vrier lui m me li au taux de janvier et ainsi de suite Si vous ignorez des relations si videntes les pr visions seront biais es et inexactes Dans de tels cas un mod le de r gression auto corr l e ou un mod le ARIMA pourrait tre mieux adapt Simulateur de risques Pr visions ARIMA Enfin les fonctions d autocorr lation d une s rie non stationnaire ont tendance se d grader lentement voir le rapport non stationnaire dans le mod le Par exemple si l autocorr lation AC 1 est diff rente de z ro cela signifie que la s rie est corr l e en s rie du premier ordre Si AC k diminue plus ou moins g om triquement avec des d calages croissants cela implique que la s rie suit un processus autor gressif d ordre faible Si AC k tombe z ro apr s un petit nombre de d calages cela implique que la s rie suit un processus de moyenne mobile d ordre faible L autocorr lation partielle PAC k elle mesure la corr lation de valeurs distantes de k p riodes apr s avoir supprim la corr lation des d calages interpos s Si le motif d autocorr lation peut
172. d crit de fa on plus d taill e dans les rapports respectifs du mod le Proc dure e Ouvrez l exemple de mod le Simulateur de risques Exemples Diagnostics de r gression allez la feuille de calcul Donn es de s rie chronologique et s lectionnez les donn es noms de variables compris cellules CS H55 e Cliquez sur Simulateur de risques Outils Outil de diagnostic e V rifiez les donn es et s lectionnez la variable d pendante Y dans le menu d roulant Cliquez sur OK une fois que vous avez termin figure 5 22 Jeu de donn es de l analyse de r gression multiple 285 Manuel d utilisation pome Variable X1 VariableX2 Variable X3 Variable X4 Variable X5 d pendante Y 521 18308 185 4 041 79 6 367 1148 600 0 55 1 443 18068 372 3 665 32 3 365 7729 142 2 351 45 1 614 100484 432 29 76 190 8 385 16728 290 n a 286 14630 346 Outil de diagnostic se 397 4008 328 764 38927 354 427 22322 266 Variable d pendante Variable d pendante Y hd 153 3711 320 RE 231 3136 197 Te 524 50508 266 328 28886 173 240 16996 190 286 13035 239 Cet outil est utilis pour diagnostiquer les probl mes de pr visions dans un jeu de variables multiples Figure 5 22 Ex cution de l outil de diagnostic des donn es 174 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Une violation courante dans l analyse des pr
173. d pendante suivie d une ou ue variables ind pendantes s par es par des points virgules Dans l exemple suivant LN 443 18068 372 3 665 32 3 5 7 on i et VAR3 sont des ones nr Fest mod les et les l ments restants sont des les ind pendantes les c iques sia a 2076 1908 75 RAR i S s VAR3 LAG VAR2 3 DIFF VAR1 MERHAT VAR4 385 16728 290 3 294 31 8 5 286 14630 346 3 287 678 4 6 7 397 4008 328 0 666 340 8 6 2 764 38927 354 12 938 239 6 7 3 427 22322 266 6 478 111 9 5 153 3711 320 1 108 172 5 2 8 231 3136 197 1 007 12 2 6 1 524 50508 266 11 431 205 6 Ti 328 28886 173 5 544 154 6 5 9 240 16996 190 2 777 49 7 4 6 Mod le simple 286 13035 239 2 478 30 3 44 285 12973 190 3 685 92 8 74 Variable d pendante Variables ind pendantes Afficher les r sultats 569 16309 241 422 969 71 LN VAR1 LNVAR2 VARS VARA LAG VARS 1 DIFF VARS 96 5227 189 1 228 39 8 7 5 parex LNVARI TIM 498 19235 358 4 781 4892 5 9 de base ex LOGI VAR2 VARS VARVARA LAG VARS 2 VARA RESIDUAL 481 44487 315 6 016 767 6 9 J LN LOG LAG FARTNARS TME FORECAST VARA VARA DFA VARS RATEVARS 468 44213 303 9 295 163 6 9 2 177 23619 228 4 375 55 54 q R sultats conom triques 198 9106 134 2 573 54 9 8 6 458 24917 189 5 117 74 3 6 6 Coefficient de d termination multiple 0 5231 108 3872 196 0 799 565 6 9 Coefficient de d termination multiple ajust 0 4663 246 8945 183 1 578 20 5 27 Coefficient de corr lation multiple 0 7233 291 2373 4
174. de donn es Analyse de sc nario Des centaines et des milliers de sc narios bidimensionnels statiques Test de saisonnalit Teste divers carts de saisonnalit 16 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 77 Regroupement par segmentation Regroupe les donn es dans des groupes statistiques afin de les segmenter 78 Analyse de sensibilit Sensibilit dynamique analyse simultan e 79 Test de rupture structurelle Teste vos donn es de s ries chronologiques pour d terminer si elles contiennent des ruptures structurelles statistiques 80 Analyse Tornado Perturbation statique des sensibilit s analyses en araign e et Tornado et tableaux de sc nario 1 4 6 Module Statistiques et BizStats 81 Ajustement distributionnel des percentiles Utilise les percentiles et l optimisation pour trouver la distribution la mieux adapt e 82 Graphiques et tableaux des distributions de probabilit s Ex cute 45 distributions de probabilit s leurs quatre moments CDF ICDF PDF graphiques graphiques distributionnels superpos s et g n re des tableaux de distributions des probabilit s 83 Analyse statistique Statistiques descriptives ajustement distributionnel histogrammes graphiques extrapolation non lin aire test de normalit estimation des param tres stochastiques pr visions de s ries chronologiques projections des courbes de tendances etc 84 ROV BIZ
175. de mod le enregistrer dans le profil l tape 4 L Vous pouvez enregistrer plusieurs mod les dans le m me profil Les mod les existants peuvent tre modifi s ou supprim s M r organis s par ordre d apparition N et toutes les modifications peuvent tre enregistr es O dans un seul profil portant l extension de fichier bizstats La taille de la grille de donn es peut tre d finie dans le menu Elle peut contenir jusqu 1 000 colonnes de variables et 1 million de lignes de donn es par variable Le menu vous permet galement de modifier les param tres de langue et de d cimales pour vos donn es Pour commencer il est toujours recommand de charger l exemple de fichier A qui contient des donn es et des mod les pr cr s S Vous pouvez cliquer sur n importe quel de ces mod les pour l ex cuter et les r sultats s affichent dans la section de rapport J qui peut parfois tre un graphique ou des statistiques de mod le T U En utilisant cet exemple de fichier vous pouvez maintenant voir que les param tres d entr e H sont saisis d apr s la description du mod le G et vous pouvez cr er vos propres mod les personnalis s Cliquez sur les en t tes des variables D pour s lectionner une ou plusieurs variables la fois puis cliquez avec le bouton droit pour ajouter supprimer copier coller ou visualiser P les variables s lectionn es Il est galement possible d entrer
176. de supposition En utilisant des techniques de r chantillonnage non param trique pour g n rer une distribution personnalis e partir des donn es brutes existantes et pour simuler la distribution d apr s cette distribution empirique Moins de points de donn es sont n cessaires et le type de distribution n est pas connu l avance Cliquez sur Simulateur de risques Outils Ajustement distributionnel percentiles choisissez la distribution de probabilit s et les types d entr es que vous souhaitez utiliser saisissez les param tres et cliquez sur Ex cuter pour obtenir les r sultats Consultez les r sultats du coefficient de d termination multiple ajust s et comparez les r sultats de l ajustement empirique et ceux de l ajustement th orique afin de d terminer si votre distribution est bien adapt e 204 2012 Real Options Valuation Inc Simulateur Manuel d utilisation de risques Ajustement des donn es Ajustement de la courbe expert Cette m thode d ajustement des donn es vous permet d entrer des percentiles personnalis s la place d un ou plusieurs param tres d entr e habituels afin de d terminer la distribution th orique Elle est utile lorsque vous sollicitez l opinion d experts Par exemple au lieu d entrer la moyenne et l cart type pour une distribution normale vous pouvez remplacer un ou ces deux param tres avec vos propres percentiles et cet outil effectuera un ajustement
177. dictives r sultantes sont r pertori es ci dessus Les valeurs pr dictives inf rieures 0 10 0 05 et 0 01 sont mises en surbrillance bleue pour indiquer une signification statistique En d autres termes une valeur pr dictive pour une paire de corr lations inf rieure une valeur de signification donn e est statistiquement significativement diff rente de z ro mdiquant qu il y a une relation lin aire significative entre les deux variables Le coefficient de corr lation de moment des produits de Pearson R entre deux COV variables x et y est li la mesure de covariance cov o R L avantage SxS y de diviser la covariance par le produit de l cart type s des deux variables est que le coefficient de corr lation r sultant se trouve entre 1 0 et 1 0 inclus Cela fait de la corr lation une bonne mesure relative pour comparer diff rentes variables en particulier avec diff rentes unit s et magnitudes La corr lation non param trique de Spearman bas e sur les rangs est galement incluse ci dessous Le R de Spearman est apparent au R de Pearson car les donn es sont d abord class es par rangs puis corr l es Les corr lations de rangs fournissent une meilleure estimation de la relation entre deux variables quand l une d elles ou les deux sont non lin aires 183 2012 Real Options Valuation Inc Simulateur de risques Proc dure Manuel d utilisation Il est import
178. diviser 3 3 00 1 math matiquement un jeu de donn es en diff rents groupes ou clusters 4 4 00 1 Donn es s lectionn es 5 2 00 1 y y 6 3 00 1 pig T 4 00 1 2 8 15 00 2 3 9 16 00 2 4 10 18 00 2 2 11 14 00 2 3 12 16 00 2 4 Fa pa ph pa o in n Options Toutaficher 2 S clusters de segmentation D Afficher le num ro du cluster 2 4 Afficher l appartenance du cluster pour la valeur Figure 5 40 Outil de regroupement par segmentation et r sultats Manuel d utilisation 195 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 5 13 Nouveaux outils du Simulateur de risques 2011 2012 5 14 G n ration de nombres al atoires Monte Carlo et hypercube latin m thodes de copules de corr lation partir de la version 2011 2012 le Simulateur de risques inclut 6 g n rateurs de nombres al atoires 3 copules de corr lation et 2 m thodes d chantillonnage de simulation au choix figure 5 41 Pour d finir ces pr f rences allez Simulateur de risques Options Le g n rateur de nombres al atoires Random Number Generator RNG est au c ur de tout logiciel de simulation Selon le nombre al atoire g n r diff rentes m thodes math matiques peuvent tre construites La m thode par d faut est la m thodologie exclusive du Simulateur de risques ROV qui fournit les nombres les meilleurs et les plus solides Il y a 6 g n rateurs de nombres al atoires pr
179. e s il doit s agir d un mod le de trajet al atoire de retour la moyenne ou de diffusion par saut ou encore d une combinaison de ces processus Pour choisir le mod le de processus stochastique appropri vous devrez vous appuyer sur vos exp riences pass es et des attentes financi res et conomiques priori de ce qui repr sente le mieux le jeu de donn es sous jacent Ces param tres peuvent tre entr s dans une pr vision par processus stochastique Simulateur de risques Pr visions Processus stochastiques annualis es Taux de d rive 1 48 Taux de retour 283 89 Taux de saut 20 41 Volatilit 88 84 Valeur long terme 327 72 Taille de saut 237 89 Probabilit d ajustement du mod le stochastique 46 48 Les valeurs sont annualis es Les valeurs sont p riodiques Figure 5 33 Exemple de rapport de l outil d analyse statistique estimation des param tres stochastiques 5 10 Outil d analyse distributionnelle L outil d analyse distributionnelle est un outil de probabilit statistique du Simulateur de risques qui peut tre tr s utile dans diverses situations Il peut tre utilis pour calculer la fonction de densit de probabilit FDP qui est aussi appel e fonction de masse de probabilit FMP pour les distributions discr tes ces termes sont utilis s indiff remment quand si on a une distribution et ses param tres on peut d terminer la probabilit d occurrence tant donn
180. e vous organisez les donn es dans un format probant et cr ez un graphique repr sentant les donn es comme distribution statistique ou de fr quence Pour cr er une telle distribution vous divisez les salaires en intervalles de groupes et placer ces intervalles sur l axe horizontal du graphique Puis vous placez le nombre ou la fr quence des 48 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation employ s dans chaque intervalle sur l axe vertical du graphique Maintenant vous pouvez facilement voir la distribution des salaires non exempt s au sein du service Un coup d il au graphique illustr la figure 2 25 r v le que la plupart des employ s environ 60 sur un total de 180 gagnent de 7 00 9 00 de l heure Number of Employees 7 00 7 50 8 00 8 50 9 00 Hourly Wage Ranges in Dollars Figure 2 25 Histogramme de fr quence I Vous pouvez placer ces donn es sur un graphique sous la forme d une distribution de probabilit s Une distribution de probabilit s montre le nombre d employ s dans chaque intervalle comme une fraction du nombre total d employ s Pour cr er une distribution de probabilit s vous divisez le nombre d employ s dans chaque intervalle par le nombre total d employ s et placez les r sultats sur l axe vertical du graphique Le graphique de la figure 2 26 vous montre le nombre d employ s dans chaque groupe de salaires comme une fract
181. e Box Jenkins 109 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation ARIMA moyenne mobile int gr e auto r gressive Statistiques de la r gression Coefficient de d termination multiple 0 9999 Crit re d information d Akaike AIC 4 6213 Coefficient de d termination multiple ajust 0 9999 Crit re de Schwarz SC 4 6632 Coefficient de corr lation multiple 1 0000 Logarithme du rapport de vraisemblance 1005 13 Erreur type pour la valeur y estim e SEy 297 52 Statistique de Durbin Watson DW 1 8588 Nombre d observations 435 Nombre d it rations 5 Les mod les ARIMA ou de moyenne mobile int gr e auto r gressive p d q sont une extension du mod le d auto r gression AR utilisant trois composantes pour mod liser la corr lation s riale ou propre des donn es de s ries chronologiques La premi re composante est le terme d auto r gression AR Le mod le AR p utilise les d calages p de la s rie chronologique dans l quation Un mod le AR p a la forme suivante t a 1 y t 1 a p y t p e t La deuxi me composante est le terme d ordre d int gration d Chaque ordre d int gration correspond la diff renciation de la s rie chronologique I 1 signifie que les donn es sont diff renci es une fois I d signifie que les donn es sont diff renci es d fois La troisi me composante estle terme de moyenne mobile MA Le mod le MA q utilise les d calages q des erreurs de p
182. e approche de simulation optimisation produira g n ralement de mauvais r sultats et n est pas une approche d optimisation stochastique M fiez vous de ce genre de m thodologies quand vous appliquez une optimisation vos mod les Vous trouverez ci dessous deux exemples de probl mes d optimisation L un utilise des variables de d cision continues l autre des variables de d cision enti res discr tes Dans les deux mod les vous pouvez appliquer une optimisation discr te une optimisation dynamique une optimisation stochastique ou m me les fronti res efficaces avec calcul du prix fictif N importe laquelle de ces approches peut tre utilis e pour ces deux exemples Donc des fins de simplicit seule la configuration du mod le est illustr e ici et c est l utilisateur de d cider du processus d optimisation ex cuter De plus le mod le continu utilise l approche d optimisation non lin aire car le risque de portefeuille calcul est une fonction non lin aire et l objectif est une fonction non lin aire des rendements du portefeuille divis s par les risques du portefeuille alors que le deuxi me exemple d une optimisation avec entiers est un exemple de mod le 129 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation d optimisation lin aire son objectif et toutes ses contraintes sont lin aires Ainsi ces deux exemples couvrent toutes les proc dures pr
183. e d pendante et les variables ind pendantes est plus appropri e qu une relation lin aire Dans ce cas l ex cution d une r gression lin aire ne sera pas optimale Si le mod le lin aire n est pas la forme correcte alors les estimations de pente et d interception et les valeurs ajust es de la r gression lin aire seront biais es et les estimations de pente et d interception ajust es ne seront pas significatives Sur une plage restreinte de variables ind pendantes ou d pendantes les mod les non lin aires peuvent tre relativement bien imit s par des mod les lin aires c est d ailleurs la base de l interpolation lin aire mais pour une pr diction pr cise il faut s lectionner un mod le adapt aux donn es Une transformation non lin aire doit d abord tre appliqu e aux donn es avant d ex cuter une r gression Une approche simple est de prendre le logarithme naturel de la variable ind pendante d autres approches incluent prendre la racine carr e ou lever la variable 176 2012 Real Options Valuation Inc Simulateur de risques ind pendante la puissance deux ou trois et d ex cuter une r gression ou une pr vision en utilisant les donn es ayant subi une transformation non lin aire R sultats du diagnostic Variable Y Variable X1 Variable X2 Variable X3 Variable X4 Variable X5 Manuel d utilisation H t rosc dasticit Micronum rosit Valeurs aberrantes
184. e d termination multiple ajust 0 2508 Coefficient de corr lation multiple 0 5720 Erreur type pour la valeur y estim e SEy 149 6720 Nombre d observations 50 Le coefficient de d termination multiple indique que 0 33 de la variation dans la variable d pendante peut tre expliqu e et justifi e par les variables ind pendantes dans cette analyse de r gression Cependant dans une r gression multiple le coefficient de d termination multiple ajust prend en compte l existence de variables ind pendantes ou pr dicteurs suppl mentaires et ajuste la valeur de ce coefficient pour une vue plus pr cise de la capacit explicative de la r gression Ainsi seuls 0 25 de la variation dans la variable d pendante peuvent tre expliqu s par les pr dicteurs Le coefficient de corr lation multiple mesure la corr lation entre la variable d pendante r elle Y et la valeur estim e ou ajust e Y d apr s l quation de r gression Cette corr lation est galement la racine carr e du coefficient de d termination multiple L erreur type pour la valeur y estim e SEy d crit la dispersion des points de donn es au dessus et en dessous de la ligne ou courbe de r gression Cette valeur est utilis e ult rieurement pour calculer l intervalle de confiance des estimations R sultats de la r gression Interception X1 X2 X3 X4 X5 Coefficients 57 9555 0 0035 0 4644 25 2377 0 0086 16 5579 Erreur type 108 7901 0 0035 0 2535 14 1172 0
185. e du Simulateur de risques qui est utilis pour ex cuter des mod les de statistiques commerciales et analytiques sur vos donn es Il couvre plus de 130 mod les de statistiques commerciales et analytiques figures 5 52 5 55 Vous trouverez ci dessous quelques tapes de d marrage rapide pour l ex cution de ce module et des d tails sur chacun des l ments du logiciel e Fx cutez ROV BizStats partir de Simulateur de risques ROV BizStats cliquez sur Exemple pour charger un profil chantillon de donn es et de mod le A ou tapez vos donn es ou encore copiez collez les dans la grille de donn es D figure 5 52 Vous pouvez ajouter vos propres notes ou noms de variables dans la premi re ligne Notes C e S lectionnez le mod le pertinent F ex cuter l tape 2 et en utilisant l exemple de param tres d entr e de donn es G entrez les variables pertinentes H S parez les variables pour un m me param tre par des points 209 2012 Real Options Valuation Inc Simulateur de risques Notes Conseils et astuces Manuel d utilisation virgules et utilisez une nouvelle ligne appuyez sur Entr e pour cr er une nouvelle ligne pour les diff rents param tres Cliquez sur Ex cuter I pour calculer les r sultats J Vous pouvez consulter tous les graphiques statistiques ou r sultats analytiques pertinents partir des divers onglets de l tape 3 Si n cessaire vous pouvez fournir un nom
186. e et r pertorie les perturbations r sultantes de la plus significative la moins significative Les pr c dents sont toutes les variables d entr e et interm diaires qui affectent la sortie du mod le Par exemple si le mod le est A B C o C D E alors B D et E sont les pr c dents pour A C n est pas un pr c dent car c est seulement une valeur calcul e interm diaire La plage et le nombre de valeurs perturb es sont sp cifi s par l utilisateur et peuvent tre d finis pour tester des valeurs extr mes plut t que des perturbations plus petites autour des valeurs attendues Dans certaines circonstances les valeurs extr mes peuvent avoir un impact plus grand plus petit ou d s quilibr par ex des non lin arit s peuvent survenir quand des d rives des objectifs ou des conomies d chelles croissantes ou d croissantes surviennent pour des valeurs plus grandes ou plus petites d une variable et seule une plage plus large capturera cet impact non lin aire Un graphique Tornado r pertorie toutes les entr es qui r gissent le mod le en commen ant par la variable d entr e ayant le plus d effet sur les r sultats Le graphique est obtenu en perturbant chaque entr e de pr c dent sur une plage coh rente par ex 10 de la r f rence l une apr s l autre et en comparant leurs r sultats la r f rence Un graphique en araign e ressemble une araign e avec le corps au centre d o partent les nombreuses pattes Une
187. e fa on ce que la valeur r sultante puisse avoir une valeur n gative La moyenne l cart type et le d calage sont les param tres de la distribution Entr es requises Moyenne gt 0 cart type gt 0 Le d calage peut tre n importe quelle valeur positive ou n gative z ro y compris La distribution normale est la distribution la plus importante de la th orie des probabilit s car elle d crit de nombreux ph nom nes naturels tels que le QI ou la taille des individus Les preneurs de d cisions peuvent utiliser la distribution normale pour d crire certaines variables incertaines telles que le taux d inflation ou le prix futur de P essence Conditions Les trois conditions sous jacentes de la distribution normale sont les suivantes e Une valeur de la variable incertaine est la valeur la plus probable la moyenne de la distribution e La variable incertaine peut aussi bien tre au dessus qu en dessous de la moyenne sym trique autour de la moyenne e Il est plus probable que la variable incertaine soit pr s de la moyenne que loin de la moyenne Les structures math matiques pour la distribution normale sont les suivantes w e 27 pour toutes les valeurs de x et 4 et o gt 0 ROE moyenne 4 cart type talement 0 cela s applique toutes les entr es de moyenne et d cart type exc s de curtosis 0 cela s applique toutes les entr es de moyenne et d cart type
188. e maximum sont les param tres de la distribution Les structures math matiques pour la distribution cosinus sont les suivantes fG b 0 sinon a pour min lt x lt max min max max min ou a et b mT t l sin Zan sinon min lt x lt max F x 42 b 1 sinon x gt max Min Max moyenne 7 M Mi 2 24 cart type eme 9 m C m talement 0 exc s de kurtosis 6 90 7 4 S r 67 Entr es requises Minimum lt Maximum 65 2012 Real Options Valuation Inc Simulateur de risques Distribution d Erlang Distribution exponentielle Manuel d utilisation La distribution d Erlang est identique la distribution gamma sauf que le param tre alpha ou de forme doit tre un entier positif Un exemple d application de la distribution d Erlang est le calibrage du taux de transition des l ments par un syst me de compartiments Ces syst mes sont couramment utilis s dans les domaines de la biologie et de l cologie par ex en pid miologie un individu peut progresser un taux exponentiel d un tat de sant sain un tat de porteur de maladie et continuer progresser exponentiellement d un tat de porteur un tat d agent infectieux Alpha aussi appel la forme et b ta aussi appel l chelle sont les param tres de la distribution Les structures math matiques pour la distribution d Erlang sont les suivantes
189. e pour mesurer le temps entre les occurrences d v nements quand le processus d v nement n est pas enti rement al atoire Les autres applications de la distribution gamma incluent le contr le des stocks la th orie conomique et la th orie des risques d assurance Condit ions La distribution gamma est le plus souvent utilis e comme distribution de la quantit de temps jusqu la occurrence d un v nement dans un processus de Poisson Quand elle est utilis e de cette fa on les trois conditions sous jacentes de la distribution gamma sont les suivantes e Le nombre d occurrences possibles dans toute unit de mesure n est pas limit e un nombre fixe e Les occurrences sont ind pendantes Le nombre d occurrences dans une unit de mesure n affecte pas le nombre d occurrences dans les autres unit s e Le nombre moyen d occurrences doit rester le m me d une unit l autre Les structures math matiques pour la distribution gamma sont les suivantes pre By Or avec toute valeur de gt Oet B gt 0 69 2012 Real Options Valuation Inc Simulateur de risques Distribution de Laplace Manuel d utilisation moyenne af cart type af talement 2a Va exc s de curtosis o Le param tre de forme alpha a et le param tre d chelle b ta sont les param tres de la distribution et Zest la fonction gamma Quand le param tre alpha est u
190. e quel prix sans limite aucune Semblablement les prix du secteur immobilier illustrent un talement vers la droite car la valeur des propri t s ne peut pas devenir n gative Conditions Les trois conditions sous jacentes de la distribution lognormale sont les suivantes e La variable incertaine peut augmenter sans limites mais ne peut pas passer en dessous de z ro e La variable incertaine est tal e vers la droite avec la plupart des valeurs pr s de la limite inf rieure e Le logarithme naturel de la variable incertaine produit une distribution normale 72 2012 Real Options Valuation Inc Simulateur de risques Distribution lognormale d cal e Manuel d utilisation G n ralement si le coefficient de variabilit est sup rieur 30 utilisez une distribution lognormale Sinon utilisez la distribution normale Les structures math matiques pour la distribution lognormale sont les suivantes _ n x n 0P 1 2 2 ln 0 PERLE pourx gt 0 4 gt 0eto gt 0 o moyenne ex u z cart type Jelo 2u explo 1 talement explo ile exp o exc s de curtosis expl4o 2 explo 3 expl20 6 La moyenne x et l cart type o sont les param tres de la distribution Entr es requises Moyenne et cart type gt 0 et peuvent tre n importe quelles valeurs positives Jeux de param tres lognormaux Par d faut la distribution lognormale utilise la moyenne
191. ellules vides quand des macros sont calcul es et la cellule est continuellement mise jour CONSEILS Graphiques de pr visions e Tabulation et barre d espace Appuyez sur la touche de tabulation du clavier pour mettre le graphique de pr visions jour et obtenir les valeurs de percentile et de confiance apr s avoir saisi des entr es Appuyez sur la barre d espace pour passer d un onglet un autre du graphique de pr visions e Affichage normal et affichage global Cliquez sur ces affichages pour passer d une interface onglets une interface globale dans laquelle tous les l ments des graphiques de pr visions sont visibles simultan ment Manuel d utilisation 238 2012 Real Options Valuation Inc Simulateur de risques e Copier Cela copie le graphique de pr visions si vous tes en affichage normal ou la totalit de l affichage global si vous tes en affichage global CONSEILS Pr visions e Adresse de lien de cellule Si vous commencez par s lectionner les donn es dans la feuille de calcul puis ex cutez un outil de pr visions les adresses de cellules des donn es s lectionn es seront automatiquement entr es dans l interface utilisateur Sinon vous devrez entrer manuellement l adresse de cellule ou utiliser l ic ne de lien pour la relier l emplacement de donn es pertinent e Racine carr e de l erreur quadratique moyenne RMSE de pr vision Utilisez ceci comme mesure d
192. endement risque 12 69 4 52 2 8091 Maximiser les rendements 13 97 6 77 2 0636 Minimiser le risque 12 38 4 46 2 7754 Table 4 1 R sultats de l optimisation D apr s le tableau la meilleure approche consiste maximiser le rapport rendement risque c est dire que pour le m me niveau de risque cette allocation fournit le meilleur niveau de rendement R ciproquement pour le m me niveau de rendement cette allocation fournit le niveau de risque le plus faible possible Cette approche du rendement de l investissement ou du rapport rendement risque est la base fondamentale de la fronti re efficiente de Markowitz dans la th orie des portefeuilles moderne C est dire que si nous contraignions les niveaux de risque du portefeuille totaux et les augmentions successivement dans le temps nous obtiendrions plusieurs allocations de portefeuille efficaces pour diff rentes caract ristiques de risque Ainsi diff rentes allocations de portefeuille efficaces peuvent tre obtenues pour diff rents individus avec des pr f rences diff rentes en mati re de risque Manuel d utilisation 135 2012 Real Options Valuation Inc Simulateur de risques A B c D D F G H 1 J K bs M N o P Q R 3 F Optimisation termin e 3 MOD LE D OPTIMISATION DE L ALLOCATION DES ACTIFS 4 Description de la classe Rendements Risquede Poids des bases Ancala Rapport Road nn gs png ps minimum maxi
193. ent tre mises jour directement Cette fonctionnalit est une solution qui permet d viter de double cliquer chaque fois sur un n ud Des Fichiers d exemple sont disponibles dans le menu Fichier pour vous aider vous lancer dans la construction d arbres de strat gie 222 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation La commande Prot ger le fichier du menu Fichier permet de crypter l arbre de strat gie au moyen d un cryptage par mot de passe pouvant aller jusqu 256 bits Soyez vigilant lorsqu un fichier est crypt car si le mot de passe est perdu le fichier ne peut plus tre ouvert La Capture d cran ou l impression du mod le existant est possible depuis le menu Fichier L cran captur peut ensuite tre coll dans d autres applications logicielles Il est possible d Ajouter Dupliquer Renommer et Supprimer un arbre de strat gie via un clic droit sur l onglet de l arbre de strat gie ou via le menu dition Vous pouvez galement Ins rer un lien fichier et Ins rer un commentaire sur n importe quel n ud d option ou terminal ou bien Ins rer du texte ou Ins rer une image n importe o dans l arri re plan ou dans la zone du canevas Vous pouvez Changer les styles existants ou G rer et cr er des styles personnalis s de votre arbre de strat gie ce qui inclut la taille la forme les mod les de couleurs et les sp cifications de taille et de co
194. ent a une pente n gative ce qui signifie que plus le niveau d investissement est lev plus la VAN est faible La valeur absolue de la pente indique la magnitude de l effet une pente forte inclinaison indique un impact plus important sur l axe y de la VAN d apr s un changement de l axe x du pr c dent Le graphique Tornado illustre cela d une autre fa on avec le pr c dent ayant l impact le plus important en premier L axe x est la valeur de la VAN et le centre du graphique la condition de r f rence Les barres vertes indiquent un effet positif et les barres rouges un effet n gatif Ainsi pour les investissements la barre rouge sur le c t droit indique un effet n gatif de l investissement sur une VAN sup rieure en d autres termes l investissement engag et la VAN ont une corr lation n gative Le contraire est vrai pour le prix et la quantit de produits A C leurs barres vertes sont sur le c t droit du graphique 152 2012 Real Options Valuation Inc Simulateur de risques Graphiques Tornado et en araign e R sum statistique Un outil de simulation puissant est le graphique Tornado il capture les impacts statiques de chaque variable sur la sortie du mod le Cela signifie que l outil perturbe automatiquement chaque variable de pr c dent dans le mod le par un montant pr d fini par l utilisateur capture la fluctuation sur la pr vision ou le r sultat final du mod l
195. ependant la simulation hyper rapide ne s ex cutera pas si le mod le contient des erreurs du code VBA ou des liens vers des applications ou des sources de donn es externes Dans de telles situations vous serez averti et la simulation vitesse normale s ex cutera la place Les simulations vitesse normale peuvent toujours s ex cuter m me en pr sence d erreurs de VBA ou de liens externes La derni re tape de la simulation de Monte Carlo est l interpr tation des graphiques de pr vision en r sultant Les figures 2 6 13 illustrent le graphique de pr visions et les statistiques correspondantes g n r s apr s l ex cution de la simulation G n ralement les points suivants sont importants pour l interpr tation des r sultats d une simulation e Graphique de pr vision Le graphique de pr vision illustr la figure 2 6 est un histogramme de probabilit qui montre la fr quence des valeurs dans le nombre total d essais simul s Les barres verticales montrent la fr quence d une valeur x particuli re survenant dans le nombre total d essais et la fr quence cumulative ligne continue montre les probabilit s totales de toutes les valeurs gales ou inf rieures x survenant dans la pr vision e Statistiques de pr visions Les statistiques de pr visions illustr es la figure 2 7 r sument la distribution des valeurs de pr visions en termes des quatre moments de la distribution Consultez l
196. ercentiles et combinaisons premier deuxi me moment vous Manuel d utilisation 203 2012 Real Options Valuation Inc Simulateur de risques Proc dure Manuel d utilisation pouvez trouver les param tres les mieux adapt s pour une distribution sp cifi e sans avoir besoin de donn es brutes Cette m thode est adapt e quand les donn es sont insuffisantes uniquement quand les percentiles et les moments sont disponibles ou comme moyen de r cup rer l int gralit de la distribution avec seulement deux ou trois points de donn es mais le type de distribution doit tre suppos ou connu Ajustement distributionnel une seule variable En utilisant des m thodes statistiques pour ajuster vos donn es brutes aux 42 distributions afin de trouver la distribution la mieux adapt e et ses param tres d entr e Plusieurs points de donn es sont n cessaires pour un bon ajustement et le type de distribution peut tre connu ou non l avance Ajustement distributionnel plusieurs variables En utilisant des m thodes statistiques pour ajuster vos donn es brutes plusieurs variables simultan ment utilisant les m mes algorithmes que l ajustement pour une seule variable mais incorporant une matrice de corr lation par paires entre les variables Plusieurs points de donn es sont n cessaires pour un bon ajustement et le type de distribution peut tre connu ou non l avance Distribution personnalis e d finition
197. ermettre l largissement de la plage de r sultats au del de ses bornes naturelles 0 et 1 avec un point de d part autre que 0 Alpha b ta l emplacement et le facteur sont les param tres d entr e Entr es requises Alpha gt 0 B ta gt 0 L emplacement peut tre n importe quelle valeur positive ou n gative z ro y compris Facteur gt 0 La distribution bilogarithmique ressemble la distribution de Cauchy o la tendance centrale est un pic et a la densit de probabilit maximum mais d cline plus rapidement plus elle s loigne du centre cr ant une distribution sym trique avec un pic extr me entre les valeurs minimum et maximum Le minimum et le maximum sont les param tres de la distribution Les structures math matiques pour la distribution bilogarithmique sont les suivantes 62 2012 Real Options Valuation Inc Simulateur de risques Distribution de Cauchy ou distribution lorentzienne ou distribution de Breit Wigner Manuel d utilisation 1 x a In pour min lt x lt max f x lt 2b 0 sinon min max max min ou a et b 1 E 1 In pour min lt x lt a E b x 1 x al x al 1 In pour a lt x lt max 2 2b b Min Max MOYENNE 2 CD cart type Ma Mw talement 0 Entr es requises Minimum lt Maximum La distribution de Cauchy aussi appel e distribution lorentzienne ou distrib
198. ertaine probabilit en d autres termes le nombre d checs total alors que la distribution de Pascal calcule le nombre d v nements total requis en d autres termes la somme des checs et des succ s pour obtenir les succ s requis tant donn une certaine probabilit Les succ s requis et la probabilit sont les param tres de la distribution 57 2012 Real Options Valuation Inc Simulateur de risques Les structures math matiques pour la distribution Pascal sont les suivantes x 1 f x 5 x s s 1 0 otherwise S1 p forall x2 s B ED su rs F x DETA p forallx gt s 0 otherwise s moyenne cart type s 1 p p ZP 2 Vr i p p 6p 6 r l p talement exc s de kurtosis Entr es requises Succ s requis gt 0 et est un nombre entier 0 lt probabilit lt 1 Distribution de La distribution de Poisson d crit le nombre d occurrences d un v nement au cours d un Poisson intervalle donn par exemple le nombre d appels t l phoniques par minute ou le nombre d erreurs par page dans un document Conditions Les trois conditions sous jacentes de la distribution de Poisson sont les suivantes e Le nombre d occurrences possibles au cours de tout intervalle est illimit e Les occurrences sont ind pendantes Le nombre d occurrences au cours d un intervalle n affecte pas le nombre d occurrences au cours des autres intervall
199. ervir un fabricant pour d crire les pannes des pi ces pendant une p riode de rodage Les structures math matiques pour la distribution de Weibull sont les suivantes f El 6 PLE moyenne FT 1 a cart type P TA 2a T 1 a 1 p7 3r0 8 NT 1 287 T 387 ra 28 gt r2 8 talement exc s de curtosis a 8 41 287 317 1 28 47 1 8 38 1 1 487 ra 28 gt r24 8 La forme a et l chelle d emplacement central sont les param tres de la distribution et Zest la fonction gamma Entr es requises Forme alpha gt 0 05 chelle b ta gt 0 et peut tre n importe quelle valeur positive Manuel d utilisation 83 2012 Real Options Valuation Inc Simulateur de risques Distribution multiplicative Weibull et Rayleigh d cal e Manuel d utilisation La distribution Weibull 3 est galement appel e distribution de Weibull d cal e la distribution Weibull traditionnelle commence 0 et ne peut pas prendre de valeurs n gatives mais la distribution Weibull 3 est d cal e d un param tre d emplacement de fa on ce que le point de d part soit le nouvel emplacement qui peut avoir des valeurs positives ou n gatives La distribution de Weibull d crit les donn es r sultant de tests de dur e de vie et d endurance Elle est couramment utilis e pour d crire les temps de panne dans les tudes de fiabilit ainsi que la r sista
200. es e Le nombre moyen d occurrences doit rester le m me d un intervalle l autre Les structures math matiques pour la distribution de Poisson sont les suivantes Manuel d utilisation 58 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 4x PC pour xet 1 gt 0 x moyenne cart type V2 talement V2 1 exc s de curtosis Le taux ou lambda 1 est le seul param tre de la distribution Entr es requises Taux gt 0 et lt 1000 c est dire 0 0001 lt taux lt 1 000 Distribution uniforme discr te La distribution uniforme discr te est aussi appel e la distribution d quiprobabilit o si la distribution contient un jeu de N l ments alors chaque l ment a la m me probabilit Cette distribution est apparent e la distribution uniforme mais ses l ments sont discrets pas continus Les structures math matiques pour la distribution uniforme discr te sont les suivantes 1 P x x N moyenne valeur class e 1N 1 cart type Gi s valeur class e talement 0 c est dire que la distribution est parfaitement sym trique 6 N 1 S N 1 N 1 valeur class e exc s de kurtosis 59 2012 Real Options Valuation Inc Simulateur de risques Distribution arcsinus Distribution b ta Manuel d utilisation Entr es requises Minimum lt Maximum et les deux
201. es distributions n cessitent un moment d autres deux moments etc Les statistiques descriptives capturent ces moments de fa on quantitative Le premier moment d crit l emplacement d une distribution c d moyenne m diane et mode et est interpr t comme la valeur attendue les retours attendus ou la valeur moyenne des occurrences La moyenne arithm tique calcule la moyenne de toutes les occurrences en additionnant tous les points de donn es eten les divisant par le nombre de points La moyenne g om trique est calcul e en prenant la racine de la puissance des produits de tous les points de donn es et n cessitent qu ils soient tous positifs La moyenne g om trique est plus pr cise pour les pourcentages ou les taux avec des fluctuations significatives Par exemple vous pouvez utiliser la moyenne g om trique pour calculer le taux de croissance moyen d apr s des taux d int r ts compos s avec variables La moyenne tronqu e calcule la moyenne arithm tique du jeu de donn es une fois que les valeurs aberrantes extr mes ont t tronqu es Comme les moyennes ont tendance tre consid rablement biais es en pr sence de valeurs aberrantes la moyenne tronqu e r duit ce probl me dans les distributions tal es L erreur type de la moyenne calcule l erreur autour de la moyenne de l chantillon Plus la taille de l chantillon est importante plus l erreur est petite de telle fa on que pour une taille d chantillon infiniment
202. espect es comme l ind pendance et la normalit des erreurs et les erreurs seront relativement importantes La r gression multivariable est utilis e pour mod liser la structure et les caract ristiques de la relation d une certaine variable d pendante d pendant d autres variables exog nes ind pendantes En utilisant la relation mod lis e nous pouvons pr voir les valeurs futures de la variable d pendante La pr cision et la validit de l ajustement pour ce mod le peuvent galement tre d termin es Les mod les lin aires et non lin aires peuvent tre ajust s dans l analyse de r gression multiple Le terme de r seau neuronal est souvent utilis pour faire r f rence un r seau ou circuit de neurones biologiques ou naturels mais dans son sens moderne il fait souvent r f rence un r seau neuronal artificiel compos de n uds ou neurones artificiels recr dans un environnement logiciel Cette m thodologie tente d imiter le cerveau ou les neurones humains quant la fa on de penser et d identifier des motifs et dans notre cas d identifier des motifs afin de pr voir des donn es de s ries chronologiques La structure sous jacente des donn es pr voir est suppos e non lin aire dans le temps Par exemple un jeu de donn es comme 1 4 9 16 25 est consid r non lin aire ces 89 2012 Real Options Valuation Inc Simulateur de risques Courbes enS Courbes splines
203. est pertinente pour votre analyse et d finir les suppositions d apr s ces valeurs de moyenne et d cart type en utilisant la distribution normale Ces suppositions peuvent alors tre simul es dans votre mod le personnalis 101 2012 Real Options Valuation Inc Simulateur de risques ee Un processus stochastique est une s quence d v nements ou chemins g n r s par des lois probabilistes o des v nements al atoires peuvent survenir dans le temps mais sont r gis par des lois statistiques et probabilistes sp cifiques Ils sont utiles pour pr voir des v nements al atoires par ex cours des actions taux d int r t prix de l lectricit M thodes 2 3 7 Valeur de d but Mouvement brownien trajet al atoire avec d rive Taux de croissance ou avec d rive a cs mac tre de d rive Processus de retour la moyenne avec d rive Volatilit annualis e 7 Horizon de la pr vision ann es Processus de diffusion par saut avec d rive Processus de diffusion par saut avec d rive et retour la moyenne Taux de retour 7 Valeur long terme Taux de saut Taille du saut Nombre d tapes It rations Valeur de d part Afficher toutes les it rations Cases CO Cm Figure 3 9 Pr visions par processus stochastiques Manuel d utilisation 102 2012 Real Options Valuation Inc Simulateur
204. est toujours possible de maximiser les rendements totaux du portefeuille ou de minimiser le risq a 2O 7 sos k ET N 31 2 Incorporez une simulation de Monte Carlo au mod le en simulant les rendements et la volatit def Lean Pape e maen eus vous remplacer les variables de d cision existantes par les valeurs 32 et appliquez des techniques de simulation optimisation 3 Le port ille t tel l lation tilisant les te atio a e portefeuille peut tre optimis tel quel sans simulation en utilisant les techniques d optimisatio EErEE 35 Manuel d utilisation Figure 4 3 R sultats de l optimisation continue 4 3 Optimisation discr te en nombres entiers Parfois les variables de d cision ne sont pas des variables continues mais des valeurs enti res discr tes par ex 0 et 1 Nous pouvons donc utiliser une telle optimisation pour des interrupteurs activ d sactiv ou des d cisions tout ou rien oui non La figure 4 4 illustre un mod le de s lection de projet r pertoriant 12 projets L exemple pr sent ici utilise le fichier Discrete Optimization optimisation discr te qui se trouve dans D marrer Real Options Valuation Simulateur de risques Exemples ou auquel vous pouvez acc der directement en s lectionnant Simulateur de risques Exemples de mod les Comme auparavant chaque projet a ses propres rendements VANE et VAN pour valeur actualis e nette largie et valeur actualis e nette la VANE est simplement la
205. et l cart type arithm tiques Pour les applications pour lesquelles des donn es historiques sont disponibles il est plus appropri d utiliser la moyenne et l cart type logarithmiques ou la moyenne et l cart type g om triques La distribution lognormale 3 est galement appel e distribution lognormale d cal e la distribution lognormale traditionnelle commence 0 et ne peut pas prendre de valeurs n gatives mais la distribution lognormale 3 est d cal e d un param tre d emplacement de fa on ce que le point de d part soit le nouvel emplacement qui peut avoir des valeurs positives ou n gatives La distribution lognormale est souvent utilis e dans les situations o les valeurs sont tal es vers la droite par exemple dans les analyses financi res d valuation des titres ou pour l valuation des biens immobiliers et o les valeurs ne peuvent pas tre inf rieures z ro Les cours des actions sont g n ralement tal s vers la droite au lieu d tre distribu s normalement sym triquement Les cours des actions ont cette tendance car ils ne peuvent pas descendre en dessous de la limite inf rieure de Z ro mais peuvent augmenter sans aucune limite sup rieure Par 73 2012 Real Options Valuation Inc Simulateur de risques Distribution normale Manuel d utilisation comparaison la distribution lognormale d cal e est identique la distribution lognormale mais elle est d cal e d
206. et pr dire le comportement al atoire des pourcentages et des fractions comme la plage des r sultats se trouve g n ralement entre O et 1 La valeur de la distribution b ta vient de la vaste gamme de formes qu elle peut prendre quand on change deux param tres alpha et b ta Si les param tres sont gaux la distribution est sym trique Si l un des param tres est gal 1 alors que l autre est sup rieur 1 la distribution est en forme de J Si alpha est inf rieur b ta on dit que la distribution est tal e vers la droite la plupart des valeurs sont pr s de la valeur minimum Si alpha est sup rieur b ta on dit que la distribution est tal e vers la gauche la plupart des valeurs sont pr s de la valeur maximum Les structures math matiques pour la distribution b ta sont les suivantes F x 1 E xA pour gt 0 p gt 0 x gt 0 Ezi r a p moyenne 7 cart type am a Ji a p 2 a pab 3a P Dlapla B 6 a p apla B 2 a 3 exc s de curtosis Alpha a et b ta sont les deux param tres de forme de la distribution et est la fonction gamma Conditions Les deux conditions sous jacentes de la distribution b ta sont les suivantes e La variable incertaine est une valeur al atoire comprise entre 0 et une valeur positive e La forme de la distribution peut tre sp cifi e en utilisant deux valeurs positives 61 2012 Real Option
207. euille 12 Rapport rendement risque 1 4926 13 14 15 Sp cifications du mod le d optimisation 16 17 Objectif Maximiser le rapport rendement risque C12 18 Variables de d cision Poids des allocations E6 E9 19 Restrictions pour les variables de d cision Minimum et maximum requis F6 G9 20 Contraintes Poids des allocations du portefeuille total 100 E11 est d finie sur 100 21 22 Sp cifications suppl mentaires 23 24 1 Il est toujours possible de maximiser les rendements totaux du portefeuille ou de minimiser le risque total du portefeuille 2 Incorporez une simulation de Monte Carlo au mod le en simulant les rendements et la volatilit de chaque classe d actifs 26 et appliquez des techniques de simulation optimisation 27 3 Le portefeuille peut tre optimis tel quel sans simulation en utilisant les techniques d optimisation statique Ex cuter une optimisation Manuel d utilisation Figure 4 9 Mod le d allocation des actifs pr t pour l optimisation stochastique Ensuite la colonne H montre le rapport rendement risque qui est simplement le pourcentage de rendement divis par le pourcentage de risque pour chaque actif o plus cette valeur est lev e plus le rendement est lev Le reste du mod le montre les rangs des classes d actifs par rendements risques rapport rendement risque et allocations En d autres termes ces rangs vous permettent de voir d un simple coup d il quelle clas
208. eur de risques Distribution des valeurs extr mes ou distribution de Gumbel Manuel d utilisation Entr es requises Taux lambda gt 0 L emplacement peut tre n importe quelle valeur positive ou n gative z ro y compris La distribution des valeurs extr mes type 1 est couramment utilis e pour d crire la valeur la plus grande d une r ponse au cours d une p riode de temps par exemple dans le cas d inondations de pr cipitations ou de tremblements de terre Les autres applications incluent la r sistance la rupture des mat riaux la conception de construction ainsi que les tol rances et les charges des a ronefs La distribution des valeurs extr mes est aussi appel e distribution de Gumbel Les structures math matiques pour la distribution des valeurs extr mes sont les suivantes X a B 1 z f x D fo z e pour gt 0 et toute valeur de x et moyenne 0 577215f cart type rp 126 1 2020569 3 T talement 1 13955 cela s applique toutes les valeurs de mode et d chelle exc s de curtosis 5 4 cela s applique toutes les valeurs de mode et d chelle Le mode a et chelle sont les param tres de la distribution Calcul des param tres Il y a deux param tres standard pour la distribution des valeurs extr mes le mode et P chelle Le param tre de mode est la valeur la plus probable pour la variable le point le plus lev de la distribution
209. euse Cependant l extrapolation qui suppose que les tendances r centes et historiques se poursuivront produit d importantes erreurs de pr visions en cas de discontinuit s pendant la p riode de projection Cela signifie qu une extrapolation de s rie chronologique pure suppose que tout ce que nous devons savoir se trouve dans les valeurs historiques de la s rie pour laquelle on effectue la pr vision Si l on suppose que le comportement pass est un bon pr dicteur du comportement futur l extrapolation est une m thode attrayante Cela en fait une approche utile quand on a seulement besoin de nombreuses pr visions court terme Cette m thodologie estime la fonction f x pour toute valeur x arbitraire en interpolant une courbe non lin aire r guli re pour toutes les valeurs x et partir de cette courbe extrapole les valeurs x futures au del du jeu de donn es historiques Cette m thodologie utilise soit la forme fonctionnelle polynomiale o la forme fonctionnelle rationnelle un ratio de deux valeurs polynomiales G n ralement une forme fonctionnelle polynomiale suffit pour les donn es se comportant normalement mais les formes fonctionnelles rationnelles sont parfois plus pr cises en particulier avec les fonctions polaires c est dire les fonctions avec des d nominateurs proches de z ro Ajustement de P riode R elle la pr vision Mesures des erreurs 1 1 00 RMSE 19 6799 2 6 73 1 00 MSE 387 2974 3 20 52 1 42 MAD 10 2
210. euvent tre saisis manuellement ou li s une cellule Excel par exemple si vous disposez d un grand mod le Excel qui traite le gain vous pouvez 223 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation lier le mod le la cellule de sortie de ce mod le Excel ou vous pouvez d finir des hypoth ses de distribution de probabilit pour la r alisation de simulations e La fen tre d Affichage des propri t s des n uds est disponible depuis le menu dition et les propri t s des n uds s lectionn es sont mises jour quand un n ud est s lectionn e Le module d arbre de d cision s accompagne galement des analyses avanc es suivantes o Mod lisation de simulation de Monte Carlo sur les arbres de d cision o Analyse bay sienne pour l obtention de probabilit s a posteriori o Valeur attendue d information parfaite Analyse MINIMAX et MAXIMIN Profils de risque et Valeur d information imparfaite Analyse de sensibilit Analyse de sc narios Analyse de la fonction d utilit 5 27 2 Mod lisation de simulation Cet outil permet d effectuer une simulation de risques de Monte Carlo sur l arbre de d cision figure 5 62 Cet outil vous permet de d finir des distributions de probabilit s comme suppositions d entr e pour l ex cution des simulations Vous pouvez d finir une supposition pour le n ud s lectionn ou d finir une nouvelle supposition et l utiliser ou ut
211. ez les donn es analyser par ex B9 B28 et cliquez sur Simulateur de risques Outils D saisonnalisation des donn es et correction des tendances e S lectionnez D saisonnaliser les donn es et ou Corriger les tendances des donn es choisissez les mod les de correction des donn es ex cuter puis entrez les ordres pertinents par ex polynomial moyenne mobile diff rence et taux et cliquez sur OK e Consultez les deux rapports g n r s pour plus de d tails sur la m thodologie l application les graphiques en r sultant et les donn es d saisonnalis es avec tendances corrig es e S lectionnez les donn es analyser par ex B9 B28 et cliquez sur Simulateur de risques Outils Test de saisonnalit e Entrez la p riode de saisonnalit maximale tester C est dire si vous entrez 6 le Simulateur de risques testera les p riodes de saisonnalit suivantes 1 2 3 4 5 6 La p riode 1 n implique bien s r aucune saisonnalit dans les donn es e Consultez le rapport g n r pour plus de d tails sur la m thodologie l application les graphiques en r sultant et les r sultats du test de saisonnalit La meilleure p riodicit de saisonnalit celle avec la mesure d erreur RMSE la plus faible est affich e en premier et toutes les mesures d erreur pertinentes sont incluses des fins de comparaison racine carr e de l erreur quadratique 198 2012 Real Options Valuation Inc Simulateur de ris
212. feuilles de calcul du classeur Cette option est pratique quand vous essayez seulement d analyser une sortie bas e sur les valeurs dans la feuille de calcul actuelle et non d effectuer une recherche globale de tous les pr c dents reli s dans plusieurs feuilles de calcul du m me classeur Utiliser la configuration globale Cette option est utile quand vous avez un grand mod le et souhaitez tester tous les pr c dents disons 50 au lieu de la valeur par d faut de 10 Au lieu de devoir changer les valeurs de test de chaque pr c dent l une apr s l autre vous pouvez s lectionner cette option changer un param tre et cliquer un autre endroit de l interface utilisateur pour changer la totalit de la liste des pr c dents Si vous d s lectionnez cette option vous pouvez contr ler la modification des points de test un pr c dent apr s l autre Ignorer les z ros ou valeurs vides Cette option est activ e par d faut les cellules de pr c dents contenant Z ro ou des valeurs vides ne sont pas ex cut es dans l analyse Tornado C est le param tre par d faut Mettre en surbrillance les valeurs enti res possibles Cette option identifie rapidement toutes les cellules de pr c dents possibles contenant actuellement des entr es enti res Cette fonction peut s av rer importante si votre mod le utilise des commutateurs par ex des fonctions comme SI une cellule est 1 alors un v nement se produit et S
213. fficacement utiliser une distribution continue pour vous raprocher d une distribution discr te bien que le mod le continu ne d crive pas exactement la situation Le tra age des donn es est un guide pour la s lection d une distribution de probabilit s Les tapes suivantes fournissent un autre processus de s lection des distributions de probabilit s d crivant le mieux les variables incertaines dans vos feuilles de calcul Pour s lectionner la distribution de probabilit s correcte proc dez comme suit e Regardez la variable en question Dressez la liste de tout ce que vous savez au sujet des conditions entourant cette variable Vous pourrez peut tre rassembler des informations pr cieuses au sujet de la variable incertaine partir des donn es historiques Si aucunes donn es historiques ne sont disponibles utilisez votre jugement bas sur votre exp rience et notez tout ce que vous savez au sujet de la variable incertaine e Relisez les descriptions des distributions de probabilit s e S lectionnez la distribution qui caract rise cette variable Une distribution caract rise une variable quand les conditions de la distribution correspondent celles de la variable 50 2012 Real Options Valuation Inc Simulation de Monte Carlo Simulateur de risques Manuel d utilisation Sous sa forme la plus simple la simulation de Monte Carlo est un g n rateur de nombres al atoires utile pour les pr visions le
214. fication de mod le figure 5 46 pour v rifier que le mod le a t configur correctement En outre si le mod le ne s ex cute pas et que vous suspectez que certains param tres sont peut tre incorrects vous pouvez ex cuter cet outil partir de Simulateur de risques Outils V rifier le mod le afin d identifier les probl mes potentiels Remarque Cet outil recherche les probl mes de mod le les plus courants ainsi que les probl mes au niveau des suppositions et des pr visions du Simulateur de risques mais n est absolument pas suffisant pour tester tous les types de probl mes C est au d veloppeur du mod le de s assurer que son mod le fonctionne correctement 202 2012 Real Options Valuation Inc Simulateur de risques Home Insert Page Layout BE amp x D Nouveau Changer Modifier profil de profil le profil Nouveau profil de simulation l X Modifier le profil de simulation Changer de profil de simulation B D finir la supposition d entr e D finir la pr vision de sortie IO Copierle param tre 7 gt Supprimer le param tre Fermer tous les graphiques R duire tous les graphiques Ex cuter la simulation Simulation par tapes Ex cuter la simulation hyper rapide ib gt R initialiser la simulation Exemples de mod les Tas o m E ig Model A Formulas Data Review View r AA abhE e Developer Simulateur de risques Objectif
215. get Cette pratique produit des projets th oriquement ind sirables car les projets avec les rendements les plus lev s ont g n ralement les risques les plus lev s Maintenant si vous le souhaitez vous pouvez r p ter l optimisation en utilisant une optimisation stochastique ou dynamique en ajoutant des suppositions aux valeurs de VANA de risque et ou de co t Projets VANA Co t Risqueons 200e en Projet 1 5458 00 1 732 44 55496 Projet 2 51 954 00 5859 00 1 914 92 Projet 3 51 599 00 51 845 00 51 551 03 Projet 4 2 251 00 1 645 00 1 012 95 Projet 5 849 00 5458 00 892541 Projet 6 756 00 52 00 560 92 Projet 7 2 845 00 S758 00 5 633 10 Projet 8 1 235 00 511500 5926 25 Projet 9 1 945 00 125 00 2 100 60 Projet 10 2 250 00 S458 00 1 912 50 Projet 11 5549 00 545 00 5263 52 Projet 12 525 00 105 00 309 75 Total 17 218 00 8 197 44 S7 007 40 70 Object MAX lt 5000 Ratio de Shape 24573 er ameters La VANA est la valeur actuatrs e nette attendue de chaque investissement ou projet le co t peut tre le co t total de Number o vertantes is 32 l investissement ef le risque est le coefficient de variation de la valeur actualis nette attendue objective function wi TI be maximized Starting values Funettons Function Initial Lower Upper Nate Status Type value Bouna Bound 3 3394 08 ur RAGE 1707 0000 1 000000 010 0 000000 000 _ Les valeurs cotimsles ont
216. grande l erreur est proche de z ro indiquant que le param tre de population a t estim cause des erreurs d chantillonnage l intervalle de confiance de 95 pour la moyenne est fourni D apr s une analyse des points de donn es de l chantillon la v ritable moyenne de la population devrait se trouver entre ces intervalles inf rieur et sup rieur pour la moyenne La m diane est le point de donn es o 50 de tous les points de donn es se trouvent au dessus de cette valeur et les 50 restants au dessous de cette valeur Parmi les trois premi res statistiques de moments la m diane est la moins sensible aux valeurs aberrantes Dans une distribution sym trique la m diane est gale la moyenne arithm tique On a une distribution tal e quand la m diane est loign e de la moyenne Le mode mesure le point de donn es l occurrence la plus fr quente Le minimum est la plus petite valeur du jeu de donn es etle maximum la plus grande La plage est la diff rence entre les valeurs maximum et minimum Le deux me moment mesure la largeur ou la dispersion d une distribution et est fr quemment d crit l aide de mesures comme les carts types les variances les quartiles et les plages inter quartiles L cart type indique l cart moyen de tous les points de donn es de leur moyenne C estune mesure populaire quand associ e au risque des carts types lev s signifient une distribution plus large un risque plus lev o
217. h Le processus de diffusion par saut est utile pour pr voir les donn es de s ries chronologiques quand la variable pr sente parfois des sauts ou bonds al atoires comme le cours du p trole ou le prix de l lectricit des chocs v nementiels exog nes discrets peuvent faire flamber ou brutalement chuter les prix Ces processus peuvent tre combin s selon vos besoins chastic Process R sum statistique Vous trouverez ci dessous les param tres estim s pour un processus stochastique d apr s les donn es fournies C est vous de d terminer si la probabilit d ajustement similaire au calcul de validit de l ajustement est suffisante pour justifier l utiliser d une pr vision par processus stochastique et dans l affirmative s il doit s agir d un mod le de trajet al atoire de retour la moyenne ou de diffusion par saut ou encore d une combinaison de ces processus Pour choisir le mod le de processus stochastique appropri vous devez vous appuyer sur vos exp riences pass es et des attentes financi res et conomiques priori de ce qui repr sente le mieux le jeu de donn es sous jacent Ces param tres peuvent tre entr s dans une pr vision par processus stochastique Simulateur de risques Pr visions Processus stochastiques P riodiques Taux de d rive 1 48 Taux de retour 283 89 Taux de saut 20 41 Volatilit 88 84 Valeur long terme 327 72 Taille de saut 237 89 Probabilit d ajustement du
218. hemins de d cision analyser les r sultats de chaque chemin choisi seront repr sent s dans un tableau et un graphique ind pendant et un ou deux n uds d incertitude ou de terminal comme variables d entr e pour le tableau de sc nario e S lectionnez un ou plusieurs chemins de d cision analyser dans la liste ci dessous e S lectionnez un ou deux v nements d incertitude ou gains de terminal mod liser e D cidez si vous voulez changer la probabilit de l v nement individuellement ou tous les v nements de probabilit s identiques en m me temps e Saisissez la plage de sc narios d entr es 5 27 7 G n ration de fonctions utilitaires Les fonctions utilitaires figure 5 67 ou U x sont parfois utilis es la place des valeurs attendues des r sultats de terminal dans une arborescence d cisionnelle Les fonctions U x peuvent tre d velopp es de deux fa ons en utilisant une exp rimentation laborieuse et d taill e de chaque r sultat possible ou en utilisant une 226 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation m thode d extrapolation exponentielle utilis e ici Elles peuvent tre mod lis es pour les d cisionnaires prudents qui n aiment pas prendre de risques les d savantages sont plus d sastreux ou nocifs qu un potentiel positif gal qui sont neutres au risque les avantages et les d savantages sont quivalents ou t m raires qui aiment prendre
219. historiques sont non 2004 5 5 83 59 lin aires et affichent un comportement normal 2004 6 6 138 01 L extrapolation est plus appropri e pour les pr visions 2004 7 7 5210 87 sine 2004 8 8 304 44 1 Type de fonction ae y E G S lection automatique C Foncti iale C Fonction rationnel 2004 10 10 5562 34 ii niki i P 2004 11 11 730 85 E z 2004 12 12 s92843 CE RE Een 32 Real Options PC Vatuatien wwarealoptionsualuation com Figure 3 11 Ex cution d une extrapolation non lin aire 105 2012 Real Options Valuation Inc Simulateur de risques Th orie Manuel d utilisation Extrapolation non lin aire R sum statistique L extrapolation consiste faire des projections statistiques en utilisant des tendances historiques qui sont projet es pour une p riode future sp cifique Elle n est utilis e que pour les pr visions de s ries chronologiques Pour les donn es transversales ou les donn es mixtes donn es de s ries chronologiques et transversales la r gression multi variables est plus appropri e Cette m thodologie est utile quand on n attend pas de changements majeurs c est dire qu on s attend ce que les facteurs d terminants restent constants ou quand les facteurs d terminants d une situation ne sont pas clairement compris Elle aide aussi d courager l introduction de points de vue personnels dans le processus L extrapolation est relativement fiable relativement simple et peu co t
220. ic Distribution Manuel d utilisation 222 Ex cuter une simulation de Monte Carlo Typiquement pour ex cuter une simulation dans votre mod le Excel existant vous devez suivre les tapes suivantes Cr er un nouveau profil de simulation ou ouvrir un profil existant D finir les suppositions d entr e dans les cellules appropri es D finir les pr visions de sortie dans les cellules appropri es Ex cuter la simulation PARA re Interpr ter les r sultats Si vous le souhaitez et pour vous entra ner ouvrez l exemple de fichier intitul Basic Simulation Model mod le de simulation de base et suivez les exemples ci dessous pour cr er une simulation Vous trouverez cet exemple de fichier dans le menu D marrer Real Options Valuation Simulateur de risques Exemples ou vous pouvez aussi y acc der directement par le biais de Simulateur de risques Exemples de mod les Pour lancer une nouvelle simulation vous devez d abord cr er un profil de simulation Un profil de simulation comprend un jeu complet d instructions sur la fa on dont vous voulez ex cuter une simulation c est dire toutes les suppositions pr visions pr f rences d ex cution etc Les profils facilitent la cr ation de plusieurs sc narios de simulation En effet en utilisant exactement le m me mod le vous pouvez cr er plusieurs profils chacun avec ses propri t s et sp cifications de simulation propres Une m me personne peut cr
221. icolin arit est l utilisation du facteur d inflation de la variance FIV obtenu en r gressant chaque variable ind pendante par rapport toutes les autres variables ind pendantes obtenant le coefficient de d termination multiple et calculant le FIV Un FIV sup rieur 2 0 peut tre consid r comme une multicolin arit grave Un FIV sup rieur 10 0 indique une multicolin arit destructive figure 5 27 182 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Matrice de corr lations CORR LATION X2 X3 X4 xX X1 0 333 0 959 0 242 0 237 x2 1 000 0 349 0 319 0 120 x3 1 000 0 196 0 227 X4 1 000 0 290 1 000 Facteur d inflation de la variance FIV X2 X3 X4 x5 x1 112 12 46 106 1 06 x2 N A 114 1 11 101 x3 N A 1 04 105 X4 N A 1 09 N A Figure 5 27 Erreurs de multicolin arit La matrice de corr lations r pertorie les corr lations de moment des produits de Pearson souvent appel es R de Pearson entre les paires de variables Le coefficient de corr lation se trouve entre 1 0 et 1 0 inclus Le signe indique la direction de l association entre les variables et le coefficient indique la magnitude ou la force de l association Le R de Pearson mesure uniquement une relation lin aire et est moins efficace pour mesurer les relations non lin aires Pour tester si les corr lations sont significatives un test d hypoth se bilat rale est effectu et les valeurs pr
222. ier de 1 96 Ainsi en utilisant l outil d analyse distributionnelle Manuel d utilisation 192 2012 Real Options Valuation Inc Simulateur de risques les scores normalis s pour d autres distributions ainsi que les probabilit s exactes et cumulatives d autres distributions peuvent tous tre obtenus rapidement et facilement Analyse distributionnelle Cet outil g n re la fonction de densit de probabilit FDP la fonction de distribution cumulative FDC et la fonction de distribution cumulative inverse FDCI de toutes les distributions dans le Simulateur de risques notamment les moments th oriques et le graphique de probabilit Distribution Moyenne cart type Type Formatage Une seule valeur Probabilit Plage de valeurs Borne inf rieure Borne sup rieure Figure 5 37 Outil d analyse distributionnelle FDCI et cart r duit d une distribution normale 5 11 Outil d analyse de sc nario L outil d analyse de sc nario du Simulateur de risques vous permet d ex cuter plusieurs sc narios rapidement et facilement en changeant un ou deux param tres d entr e afin de d terminer la sortie d une variable La figure 5 38 illustre la fa on dont fonctionne cet outil sur l exemple de mod le de flux mon taires actualis s mod le 7 dans le dossier des exemples de mod les du Simulateur de risques Dans cet exemple la cellule G6 valeur actualis e nette e
223. ieurs fa ons La premi re approche est de calculer manuellement la corr lation r de deux variables x et y en utilisant nd xD y Ex x ny y La deuxi me approche est d utiliser la fonction CORREL d Excel Par exemple si les X y 10 points de donn es pour x et y se trouvent dans les cellules A1 B10 alors la fonction Excel utiliser est CORREL A1 A10 B1 B10 La troisi me approche consiste ex cuter l outil d ajustement multiple du Simulateur de risques et la matrice de corr lations r sultante sera calcul e et affich e Il est important de noter que la corr lation n implique pas de causalit Deux variables al atoires sans lien aucun peuvent afficher une corr lation mais cela n implique aucune causalit entre ces deux variables par ex les activit s de taches solaires et les v nements boursiers sont corr l s mais il n existe pas de causalit Il existe deux types g n raux de corr lations les corr lations param triques et les corr lations non param triques Le coefficient de corr lation de Pearson est la mesure de corr lation la plus courante et est souvent simplement appel coefficient de corr lation Cependant la corr lation de Pearson est une mesure param trique ce qui signifie qu elle n cessite que les deux variables corr l es aient une distribution normale sous jacente et que la relation entre les variables soit lin aire Si ces conditions ne sont pas respect
224. ieurs permutations des sp cifications du mod le et renvoie le mod le le mieux adapt L ex cution de l ARIMA automatique est similaire aux pr visions ARIMA normales La diff rence est que les entr es P D Q ne sont plus n cessaires et que diff rentes combinaisons de ces entr es sont ex cut es et compar es automatiquement 87 2012 Real Options Valuation Inc Simulateur de risques conom trie de base conom trie automatique de base Logique floue combinatoire Distributions personnalis es GARCH Courbe en J Manuel d utilisation L conom trie fait r f rence une branche de l analytique professionnelle des techniques de mod lisation et de pr vision pour mod liser le comportement des pr visions de certaines variables commerciales conomiques financi res physiques de fabrication op rationnelles et autres L ex cution des mod les d conom trie de base est similaire une analyse de r gression sauf que les variables d pendante et ind pendantes peuvent tre modifi es avant l ex cution d une r gression Semblable l conom trie de base mais des milliers de variables lin aires non lin aires interd pendantes d cal es et mixtes sont automatiquement ex cut es sur vos donn es pour d terminer le mod le conom trique le mieux adapt qui d crit le comportement de la variable d pendante ce qui est utile pour mod liser les effets des variables et
225. il de pr vision du Simulateur de risques En g n ral pour cr er des pr visions plusieurs tapes rapides sont n cessaires e D marrez Excel et entrez ou ouvrez vos donn es historiques existantes e S lectionnez les donn es et cliquez sur Simulation puis s lectionnez Pr visions e S lectionnez les sections appropri es ARIMA r gression multivariable extrapolation non lin aire processus stochastiques analyse de s ries chronologiques et saisissez les entr es pertinentes La figure 3 2 illustre l outil de pr vision et les diverses m thodologies LA Le e a LA he TG E 2 A gt T e n LA Le E Le Cai ke 22 em LA LR Figure 3 2 M thodes de pr vision du Simulateur de risques Analyse de r gression multiple Analyse de s ries chronologiques ARIMA ARIMA automatique Cha ne de Markov Courbe de tendance Courbes en J S conom trie automatique conom trie de base Extrapolation non lin aire GARCH Logique floue combinatoire Mod les du maximum de vraisemblance Processus stochastiques R seau neuronal Spline cubique Vous trouverez ci dessous un court r sum de chaque m thodologie et plusieurs exemples destin s vous aider commencer utiliser le logiciel rapidement Vous trouverez l exemple de fichier dans D marrer Real Options Valuation Simulateur de Manuel d utilisation 91 2012 Real Options Valuation Inc Simulateur
226. ile ordre F Moyenne statique F Diff rence ordre F M diane statique F Taux ordre K L M N e P a R sS pouvant affecter vos donn es de s ries chronologiques ne laissant que le v ritable comportement structurel des donn es dans le temps Proc dure de d saisonnalisation et de correction des tendances 1 S lectionnez les donn es analyser par ex B9 B28 et cliquez sur Simulateur de risques Outils D saisonnalisation des donn es et correction des tendances 2 S lectionnez D saisonnaliser les donn es et ou Corriger les tendances des donn es choisissez les mod les de correction des donn es ex cuter puis entrez les ordres pertinents par ex polynomial moyenne mobile diff rence et taux et cliquez sur OK 3 Consultez les deux rapports g n r s pour plus de d tails sur la m thodologie l application les graphiques en r sultant et les donn es d saisonnalis es avec tendances corrig es R Test de saisonnalit Donn es de s ries chronologiques B9 B28 le P riode de saisonnalit maximale tester 6 a Cox aue Figure 5 42 D saisonnalisation des donn es et correction des tendances inf rieur de variables 5 16 Analyse des composants principaux ACP L analyse des composants principaux est une m thode permettant d identifier les motifs dans les donn es et de refondre les donn es de fa on souligner leurs similarit s et leurs diff rences Le
227. iliser des suppositions cr es pr c demment dans une formule ou une quation num rique Par exemple vous pouvez d finir une nouvelle supposition appel e Normale c d une distribution normale avec une moyenne de 100 et un cart type de 10 et ex cuter une simulation dans l arborescence d cisionnelle ou utiliser cette supposition dans une quation comme 100 Normale 15 25 Cr ez votre propre mod le dans le champ d expression num rique Vous pouvez utiliser des calculs de base ou ajouter des variables existantes votre quation en double cliquant sur la liste des variables existantes Vous pouvez ajouter de nouvelles variables la liste quand n cessaire sous la forme de suppositions ou d expressions num riques 5 27 3 Analyse bayesienne Cet outil d analyse bayesienne figure 5 63 peut tre ex cut sur deux v nements d incertitude qui sont li s le long d un chemin Par exemple dans l exemple sur la droite les incertitudes A et B sont li es l v nement A se produisant avant l v nement B Le premier v nement A est l tude de march avec deux r sultats favorable ou d favorable Le deuxi me v nement B repr sente les conditions du march l aussi avec deux r sultats fortes ou faibles Cet outil est utilis pour calculer les probabilit s mises jour post rieures jointes marginales et bayesiennes en entrant les probabilit s pr c dentes et les probabilit s conditionnelles de fiabilit
228. importe quelle valeur positive La distribution du X2 ou du khi carr est une distribution de probabilit s utilis e essentiellement pour le test d hypoth se Elle est apparent e la distribution gamma et la distribution normale standard Par exemple les sommes de distributions normales ind pendantes sont distribu es sous la forme d un khi carr x avec k degr s de libert d Z Z 7 7 Les structures math matiques pour la distribution du X2 sont les suivantes k 2 0 5 k 2 1 x 2 Serre JO pour tout x gt 0 moyenne k cart type V2Kk talement 2 2 k 1 exc s de kurtosis z Test la fonction gamma Les degr s de libert k sont les seuls param tres de la distribution La distribution du X2 peut galement tre mod lis e en utilisant une distribution gamma en d finissant le 64 2012 Real Options Valuation Inc Simulateur de risques Distribution cosinus Manuel d utilisation k param tre de forme 2 et chelle 25 o S est l chelle Entr es requises Degr s de libert gt 1 et doit tre un entier lt 300 La distribution cosinus ressemble une distribution logistique dans laquelle la valeur m diane entre le minimum et le maximum a le pic ou le mode le plus lev avec la probabilit d occurrence la plus forte alors que les queues extr mes proches des valeurs minimum et maximum ont des probabilit s plus faibles Le minimum et l
229. imum Min sont les param tres de la distribution Entr es requises Min lt Max et peuvent tre n importe quelles valeurs 82 2012 Real Options Valuation Inc Simulateur de risques Distribution de La distribution de Weibull d crit les donn es r sultant de tests de dur e de vie et Weibull distribution d endurance Elle est couramment utilis e pour d crire les temps de panne dans les de Rayleigh tudes de fiabilit ainsi que la r sistance la rupture des mat riaux dans les tests de fiabilit et de contr le de la qualit Les distributions de Weibull sont galement utilis es pour repr senter diverses quantit s physiques telles que la vitesse du vent La distribution de Weibull est une famille de distributions pouvant adopter les propri t s de plusieurs autres distributions Par exemple selon le param tre de forme que vous d finissez la distribution de Weibull peut tre utilis e pour mod liser les distributions exponentielle et de Rayleigh entre autres La distribution de Weibull est tr s souple Quand le param tre de forme de Weibull est gal 1 0 la distribution de Weibull est identique la distribution exponentielle Le param tre d emplacement de Weibull vous permet de configurer une distribution exponentielle avec un emplacement de d but autre que 0 0 Quand le param tre de forme est inf rieur 1 0 la distribution de Weibull devient une courbe fortement descendante Cet effet peut s
230. in aires qui existent dans les donn es Le troisi me segment de l outil est le terme de moyenne mobile ou MA qui est essentiellement la moyenne mobile des erreurs de pr visions d cal es En incorporant ces erreurs de pr visions d cal es le mod le apprend partir de ces erreurs de pr visions et les corrige par le biais d un calcul de moyenne mobile Le mod le ARIMA suit la m thodologie de Box Jenkins avec chaque terme repr sentant des tapes effectu es dans la construction du mod le jusqu ce qu il ne reste plus que du bruit al atoire En outre la mod lisation ARIMA utilise des techniques de corr lation pour g n rer les pr visions ARIMA peut servir mod liser des motifs qui peuvent ne pas tre visibles dans les donn es repr sentant des observations brutes De plus les mod les ARIMA peuvent tre m lang s des variables exog nes mais il faut s assurer que les variables exog nes ont suffisamment de points de donn es pour couvrir le nombre de p riodes suppl mentaires pr voir Enfin notez que du fait de la complexit des mod les l ex cution de ce module peut prendre plus longtemps Un mod le ARIMA est sup rieur une analyse de s ries chronologiques courante et aux r gressions multivariable pour de nombreuses raisons Dans une analyse de s ries chronologiques et une r gression multivariable les r sidus d erreur sont souvent corr l s leurs propres valeurs d cal es Cette
231. ion taux de croissance cibles d finis par la direction ainsi que les tudes de march les donn es externes ou les enqu tes et sondages donn es obtenues par le biais de sources tierces des indices de l industrie et du secteur ou d tudes de march actives Ces estimations peuvent tre des estimations ponctuelles un consensus moyen ou un jeu de valeurs de pr visions une distribution de pr visions Ce dernier peut tre entr dans le Simulateur de risques sous la forme d une distribution personnalis e et les pr visions r sultantes peuvent tre simul es C est dire une simulation non param trique utilisant les points de donn es estim s comme distribution Pour les pr visions quantitatives les donn es disponibles ou les donn es devant tre pr vues peuvent tre divis es en donn es de s ries chronologiques des valeurs contenant un l ment temporel telles que les b n fices de diff rentes ann es les taux d inflation les taux d int r t la part de march les taux d chec etc donn es transversales valeurs ind pendantes du temps telles que la moyenne des tudiants au niveau national une ann e donn e d apr s les niveaux aux tests d habilit scolaire le QI et le nombre de boissons alcoolis es consomm es par semaine pour chaque tudiant ou donn es mixtes m lange de donn es de s ries chronologiques et de donn es recueillies au moyen d un panel par ex la pr vision de
232. ion de ces fonctions CONSEILS Exercices et vid os de prise en main e Exercices de prise en main Plusieurs exemples pratiques tape par tape et exercices d interpr tation des r sultats sont accessibles en cliquant sur D marrer Programmes Real Options Valuation Simulateur de risques Ces exercices sont con us pour vous aider rapidement tre capable d utiliser le logiciel Manuel d utilisation 240 2012 Real Options Valuation Inc Simulateur de risques e Vid os de prise en main Elles sont toutes disponibles gratuitement sur notre site Web www realoptionsvaluation com download html ou www rovdownloads com download html CONSEILS ID mat riel e Copie de l ID mat riel par clic droit Dans l interface utilisateur de l installation de licence s lectionnez l ID mat riel HWID ou double cliquez dessus pour s lectionner sa valeur cliquez avec le bouton droit pour copier ou cliquez sur le lien d envoi par e mail pour g n rer un e mail contenant l ID mat riel e D panneur Lancez le d panneur en cliquant sur D marrer Programmes Real Options Valuation Simulateur de risques et ex cutez l outil d obtention de l ID mat riel HWID pour obtenir PID mat riel de votre ordinateur CONSEILS chantillonnage par hypercube latin LHS et simulation de Monte Carlo MCS e Corr lations Pour de la d finition de corr lations par paires nous vous conseillons d utiliser le param tre
233. ion de tous les employ s Vous pouvez estimer la probabilit qu un employ choisi au hasard dans le groupe entier gagne un salaire dans un intervalle donn Par exemple en supposant que les m mes conditions qu au moment o l chantillonnage a t r alis existent la probabilit est de 0 33 une chance sur trois qu un employ choisi au hasard dans le groupe entier gagne entre 8 00 et 8 50 de l heure 49 2012 Real Options Valuation Inc Simulateur de risques Choisir la distribution de probabilit s pertinente Manuel d utilisation 0 33 Probability 7 00 7 50 8 00 8 50 9 00 Hourly Wage Ranges in Dollars Figure 2 26 Histogramme de fr quence II Les distributions de probabilit s sont soit discr tes soit continues Les distributions de probabilit s discr tes d crivent des valeurs distinctes en g n ral des entiers sans valeurs interm diaires et sont affich es comme une s rie de barres verticales Une distribution discr te par exemple peut d crire le nombre de faces dans quatre tirages pile ou face comme 0 1 2 3 ou 4 Les distributions continues sont en fait des abstractions math matiques car elles supposent l existence de chaque valeur interm diaire possible entre deux nombres C est dire qu une distribution continue suppose qu il y a un nombre infini de valeurs entre deux points quelconques de la distribution Cependant dans de nombreuses situations vous pouvez e
234. ion stochastique Manuel d utilisation 148 2012 Real Options Valuation Inc Simulateur de risques Th orie Manuel d utilisation 5 OUTILS ANALYTIQUES DU SIMULATEUR DE RISQUES Ce chapitre traite des outils analytiques du Simulateur de risques Ces outils analytiques sont abord s par le biais d exemples d applications du Simulateur de risques avec des illustrations tape par tape Ce sont des outils pr cieux pour les analystes qui travaillent dans le domaine de l analyse des risques L utilisation de chaque outil est abord e en d tails de ce chapitre 5 1 Outils Tornado et de sensibilit dans la simulation Un outil de simulation puissant est l analyse Tornado elle capture les impacts statiques de chaque variable sur la sortie du mod le Cela signifie que l outil perturbe automatiquement chaque variable dans le mod le par un montant pr d fini capture la fluctuation sur la pr vision ou le r sultat final du mod le et r pertorie les perturbations r sultantes de la plus significative la moins significative Les figures 5 1 5 6 illustrent l application d une analyse Tornado Par exemple la figure 5 1 est un exemple de mod le de flux mon taire actualis o les suppositions d entr e du mod le sont affich es La question est quels sont les facteurs de succ s critiques qui affectent le plus la sortie du mod le C est dire qu est ce qui est vraiment le facteur cl de la valeur actualis
235. ions ont tendance suivre un mouvement brownien ou trajet al atoire alors que les taux d inflation suivent un processus de retour la moyenne et qu un processus de diffusion par saut est plus appropri pour pr voir le prix de l lectricit Il y a multicolin arit s il y a une relation lin aire entre les variables ind pendantes Quand cela se produit l quation de r gression ne peut pas tre estim e du tout Dans les cas de quasi colin arit l quation de r gression estim e sera biais e et fournira des r sultats inexacts Cette situation est particuli rement vraie si une approche de r gression par tapes est utilis e o les variables ind pendantes statistiquement significatives seront rejet es du mix de la r gression plus t t qu attendu g n rant une quation de r gression qui n est ni efficace ni exacte Un test rapide pour d tecter la pr sence de multicolin arit dans une quation de r gression multiple est que la valeur du coefficient de d termination multiple est relativement lev e alors que les statistiques T sont relativement faibles Un autre test rapide consiste cr er une matrice de corr lations entre les variables ind pendantes Une corr lation crois e lev e indique un potentiel d autocorr lation La r gle empirique est qu une corr lation avec une valeur absolue sup rieure 0 75 indique une multicolin arit grave Un autre test permettant de d tecter la mult
236. ions telles que la non normalit ou l h t rosc dasticit des variances sont difficiles d tecter m me si elles existent Avec un petit nombre de points de donn es la r gression lin aire offre moins de protection contre les violations des suppositions Avec peu de points de donn es il peut s av rer difficile de d terminer dans quelles limites la ligne ajust e correspond aux donn es ou si une fonction non lin aire serait plus appropri e M me si aucune des suppositions de test n est viol e une r gression lin aire sur un petit nombre de points de donn es ne sera peut tre pas assez puissante pour d tecter une diff rence significative entre la pente et Z ro m me si la pente est diff rente de z ro La puissance d pend de l erreur r siduelle de la variation observ e de la variable ind pendante du niveau alpha de signification s lectionn pour le test et du nombre de points de donn es La puissance diminue au fur et mesure que la variance r siduelle augmente diminue au fur et mesure que le niveau de signification diminue c d plus le test devient rigoureux augmente au fur et mesure que la variation de la variable ind pendante observ e augmente et augmente au fur et mesure que le nombre de points de donn es augmente Les valeurs peuvent ne pas tre identiquement distribu es cause de la pr sence de valeurs aberrantes Les valeurs aberrantes sont des valeurs anormales dans les donn e
237. is en charge et en g n ral la m thode par d faut du Simulateur de risques ROV et la m thode Advanced Subtractive Random Shuffle sont les deux approches recommand es N appliquez pas les autres m thodes moins que cela soit sp cifiquement n cessaire pour votre m thode ou votre analyse et m me dans ce cas nous vous recommandons de tester les r sultats par rapport aux deux approches recommand es Plus vous descendez dans la liste des g n rateurs de nombres al atoires plus l algorithme est simple et plus l ex cution est rapide et plus vous remontez dans cette liste plus les r sultats sont solides Dans la section Corr lations trois m thodes sont prises en charge la copule normale la copule T et la copule quasi normale Ces m thodes s appuient sur des techniques d int gration math matiques et en cas de doute la copule normale fournit les r sultats les plus s rs et les plus conservateurs La copule T fournit des valeurs extr mes dans les queues des distributions simul es et la copule quasi normale renvoie des r sultats se situant entre ces valeurs Dans la section des m thodes de simulation les m thodes de simulation de Monte Carlo MCS et d chantillonnage par hypercube latin LHS sont prises en charge Remarque Les copules et autres fonctions multi variables ne sont pas compatibles avec la m thode LHS En effet l chantillonnage par hypercube latin peut tre appliqu une seule variable al
238. iser des noms de pr vision courts mais pr cis Au lieu de vous fier une estimation hasardeuse du nombre d essais que vous devriez ex cuter dans votre simulation vous pouvez d finir des contr les de la pr cision et d erreurs Quand une combinaison erreur pr cision a t atteinte dans la simulation la simulation s arr te et vous informe de la pr cision atteinte faisant ainsi du nombre d essais de simulation un processus automatis et vous vitant de devoir deviner le nombre d essais requis Consultez la section sur les contr les de la pr cision et des erreurs pour de plus amples d tails Permet l utilisateur d afficher ou non une fen tre de pr vision particuli re Le param tre par d faut est de toujours afficher un graphique de pr vision Ill Propri t s de la pr vision Nom de la pr vision B n fices E Pr cision de la pr vision Niveau de pr cision de confiance Niveau d erreur 7 de la moyenne Valeur de la ou lt moyenne Options Afficher la fen tre de pr vision Figure 2 5 D finir la pr vision de sortie Si tout semble correct cliquez sur Simulateur de risques Ex cuter la simulation ou sur l ic ne Ex cuter dans la barre d outils du Simulateur de risques et la simulation s ex cutera Vous pouvez aussi r initialiser une simulation apr s son ex cution afin de l ex cuter nouveau Simulateur de risques R initialiser la simulation ou ic ne de
239. ision de volatilit revienne une moyenne imput e sur le long terme dans le temps N oubliez pas d organiser vos donn es de prix brutes en ordre chronologique du pass au pr sent dans une seule colonne avec plusieurs lignes Emplacement des donn es C8 C2428 El FRE Red p ft Q f1 P riodicit madi lo Appliquer le ciblage de variance GARCH M TGARCH EGARCH EGARCH T GJR GARCH GJR TGARCH CEJ Came Figure 3 18 Pr vision de volatilit GARCH 118 2012 Real Options Valuation Inc Simulateur de risques z Normal z T GARCH M y C 10 y C 0 E z OZ E z Oz o w ae Bo 0 0 0E Po GARCH M yY c 10 E y C 0 E E OZ E Oz o O GE Bo o 0 GE Bo GARCH M y c Aln o e y c Aln o e E OZ E T OZ o ae po o ae Bot GARCH Y X Y y E o w a Bo 5 02 o ae poi EGARCH y E y E E OZ E 5 Oz m o e 8 n o m o w B n o E E E A Ele r a E e r t l O t l O 2 2Vv 2T v 1 2 E ke TP m Dr v 2 Vx GJR GARCH y E Y E E F OZ E Oz 2 2 2 2 O O GE 0 O GE 2 2 2 2 re d Bo re d 86 1 E lt 0 1 E lt 0 d 0 gt d E 20 0 E z0 Manuel d utilisation 119 2012 Real Options Valuation Inc Simulateur de risques 3 12 Cha nes de Markov
240. istantes entrez le nombre de p riodes de pr visions souhait es puis cliquez sur OK Pour ARIMA et ARIMA automatique vous pouvez mod liser et pr voir des p riodes futures soit en utilisant uniquement la variable d pendante Y c est dire la variable de s ries chronologiques seule soit en y ajoutant des variables exog nes suppl mentaires X X2 X comme dans une analyse de r gression avec plusieurs variables ind pendantes Si vous utilisez seulement la variable de s ries chronologiques Y vous pouvez ex cuter autant de p riodes de pr visions que vous le souhaitez Cependant si vous ajoutez des variables exog nes X notez que le nombre de p riodes de pr visions est limit au nombre de p riodes de donn es des variables exog nes moins le nombre de p riodes de donn es de la variable de s ries chronologiques Par exemple vous ne pouvez pr voir que 5 p riodes maximum si vous avez des donn es historiques de s ries chronologiques de 100 p riodes et seulement si vous avez des variables exog nes de 105 p riodes 100 p riodes historiques pour la variable de s ries chronologiques et 5 p riodes futures suppl mentaires de variables exog nes ind pendantes pour pr voir la variable d pendante de s ries chronologiques 112 2012 Real Options Valuation Inc Simulateur de risques Exemple de donn es de s ries c D chronologiques historiques A B 2 3 4 M1 5 138 90 6 139 40 7 139 70
241. it estim e en r sultant renverront des valeurs d nu es de sens sup rieures 1 ou inf rieures 0 L analyse MLE g re ces probl mes en utilisant une routine d optimisation it rative afin de maximiser une fonction du logarithme du rapport de vraisemblance quand les variables d pendantes sont limit es Une r gression Logit ou logistique est utilis e pour pr voir la probabilit d occurrence d un v nement en ajustant les donn es une courbe logistique C est un mod le lin aire g n ralis utilis pour la r gression binomiale et comme de nombreuses formes d analyse de r gression elle utilise plusieurs pr dicteurs de variables qui peuvent tre num riques ou nominaux Les MLE appliqu es dans une analyse logistique multi variables binaire sont utilis es pour mod liser les variables d pendantes afin de d terminer la probabilit de succ s attendue d appartenance un certain groupe Les coefficients estim s pour le mod le Logit sont les rapports de chances logarithmiques et ne peuvent pas tre interpr t s directement comme des probabilit s Un calcul rapide est d abord n cessaire et l approche est tr s simple Sp cifiquement le mod le Logit est sp cifi comme Y estim LN Pi 1 P1 ou r ciproquement Pi EXP Y estim 1 EXP Y estim et les coefficients Bi sont les rapports de chances logarithmiques donc en prenant l antilogarithme ou EXP i nous obtenons le rapport de chan
242. ites ic nes ou liste Plus de deux douzaines de distributions sont disponibles Manuel d utilisation 26 2012 Real Options Valuation Inc Simulateur de risques Param tres d entr e Activer les bornes de donn es Corr lations Descriptions courtes Entr e normale et entr e de percentile Activer les simulations dynamiques Manuel d utilisation Selon la distribution s lectionn e les param tres pertinents requis sont affich s Vous pouvez entrer les param tres directement ou les relier des cellules sp cifiques de votre feuille de calcul Pr ciser ou taper les param tres est utile quand il est suppos que les param tres de supposition ne changent pas Les relier aux cellules de la feuille de calcul est utile quand les param tres d entr e doivent tre visibles ou peuvent changer cliquez sur l ic ne Relier kzi pour relier un param tre d entr e une cellule Elles ne sont g n ralement pas utilis es par l analyste moyen mais existent pour tronquer les suppositions distributionnelles Par exemple si une distribution normale est s lectionn e les bornes th oriques se trouvent entre l infini n gatif et l infini positif Cependant en pratique la variable simul e n existe que dans une plage plus petite et cette plage peut alors tre saisie pour tronquer la distribution de fa on appropri e Les corr lations par paires peuvent tre affect es des suppositions d entr e
243. itions d entr e th oriques et pr visions de sortie simul es empiriquement puis les superpose les unes sur les autres pour permettre une comparaison visuelle Proc dure e Fx cutez ROV BizStats partir de Simulateur de risques Tableaux et graphiques de distribution cliquez sur le bouton Appliquer les entr es globales pour charger un jeu chantillon de param tres d entr e ou saisissez vos propres entr es et cliquez sur Ex cuter pour calculer les r sultats Les quatre moments et CDF ICDF PDF r sultants sont calcul s pour chacune des 45 distributions de probabilit s figure 5 48 DISTRIBUTIONS DE PROBABILIT S ROV Distributions Graphiques et tableaux Cet outil r pertorie toutes les distributions de probabilit s disponibles dans les produits de Real Options Valuation Inc Appli E Minimum 10 Apha 2 Emplacement 10 Percentile 0 Moyenne 10 Aphal 5 Num rateur DL 10 EIRE Maximum 20 a 5 Probabiit 0 5 DL cattype 2 Apha2 5 D nominateur DL 20 Lapus 15 Lambda Facteur 2 Essais Succ s 5 Population 100 Succ s pop 50 Arcsinus Bernoulli B ta B ta 3 B ta 4 Minimum Probabilit 1 Alpha Alpha 2 Alpha Maximum B ta B ta 5 B ta Emplacement 10 Emplacement Facteur X al atoire X al atoire X al atoire X al atoire 10 25 X al atoire 108 Percentile Percentile Percentile Percentile 05 Percentile 05 PDF PDF PDF 4 PDF 2 3730 PDF 1 5552 CDF CDF CDF CDF 0 4661 CDF 0 7667 ICDF ICDF J ICDF ICDF 10 2644
244. jet 1 IE Type de d cision Continue par ex 1 15 2 35 10 55 Borne inf rieure Hi Borne sup rieure Ii Entier par ex 1 2 3 Borne inf rieure E Borne sup rieure E Binaire 0 ou 1 ok _ annuler Manuel d utilisation 138 2012 Real Options Valuation Inc Simulateur de risques D 17 lt 5000 J 17 lt 6 l optimisation est utilis e pour allouer les ressources l o les r sultats fournissent les retours maximaux ou le co t risque minimal Les applications incluent la gestion des inventaires l allocation des portefeuilles financiers la distribution des gammes de produits la s lection de projet etc Cellule d objectif sCS19 E Objectif d optimisation Maximiser la valeur dans la cellule d objectif Minimiser la valeur dans la cellule d objectif Figure 4 5 Ex cution de l optimisation discr te en nombres entiers dans le Simulateur de risques Manuel d utilisation 139 2012 Real Options Valuation Inc Simulateur de risques Interpr tation des La figure 4 6 montre un exemple de s lection optimale de projets maximisant le ratio de r sultats Sharpe Inversement on peut toujours maximiser les b n fices totaux mais comme auparavant il s agit d un processus insignifiant impliquant simplement de choisir le projet avec le rendement le plus lev et de descendre dans la liste jusqu ce que vous soyez court d argent ou d passiez la contrainte de bud
245. l ajout du crit re d information d Akaike AIC et du crit re de Schwarz SC qui sont souvent utilis s dans la s lection et l identification de mod les ARIMA C est dire que les crit res AIC et SC sont utilis s 108 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation pour d terminer si un mod le particulier avec un jeu de param tres p d et q sp cifiques repr sente un bon ajustement statistique Le crit re SC impose une p nalit plus importante pour les coefficients suppl mentaires que le crit re AIC mais en g n ral c est le mod le avec les valeurs AIC et SC les plus faibles qui devrait tre retenu Enfin un jeu de r sultats suppl mentaires appel s statistiques d autocorr lation AC et d autocorr lation partielle PAC est fourni dans le rapport ARIMA Par exemple si l autocorr lation AC 1 est diff rente de z ro cela signifie que la s rie est corr l e en s rie du premier ordre Si l autocorr lation AC diminue plus ou moins g om triquement avec des d calages croissants cela implique que la s rie suit un processus autor gressif d ordre faible Si l autocorr lation AC tombe z ro apr s un petit nombre de d calages cela implique que la s rie suit un processus de moyenne mobile d ordre faible L autocorr lation partielle PAC elle mesure la corr lation de valeurs distantes de k p riodes apr s avoir supprim la corr lation des d calage
246. l Options Valuation Inc Simulateur de risques Distribution uniforme Manuel d utilisation V2 Min Max 2Likely 2Min Max Likely Min 2Max Likely S Min Max Likely MinMax MinLikely MaxLikely talement exc s de curtosis 0 6 cela s applique toutes les entr es de Min Max et Likely La valeur minimum Min la valeur la plus probable Likely et la valeur maximum Max sont les param tres de la distribution Entr es requises Min lt Plus probable lt Max et peuvent avoir n importe quelles valeurs Cependant Min lt Max et peut avoir n importe quelle valeur Avec la distribution uniforme toutes les valeurs qui se trouvent entre le minimum et le maximum ont la m me probabilit d occurrence Conditions Les trois conditions sous jacentes de la distribution uniforme sont les suivantes e La valeur minimum est fixe e La valeur maximum est fixe e Toutes les valeurs qui se trouvent entre le minimum et le maximum ont la m me probabilit d occurrence Les structures math matiques pour la distribution uniforme sont les suivantes f x pour toutes les valeurs de fa on que Min lt Max Max Min Min Max 2 Max Min 12 moyenne cart type talement 0 cela s applique toutes les entr es de Min et Max exc s de curtosis 1 2 cela s applique toutes les entr es de Min et Max La valeur maximum Max et la valeur min
247. lage Attention n utilisez pas les fonctions de copie et de collage Excel normales 5 Ensuite d finissez les contraintes de l optimisation en s lectionnant Simulateur de risques Optimisation Contraintes puis AJOUTER et en s lectionnant la cellule E11 et en la d finissant sur 100 allocation totale n oubliez pas le signe 6 S lectionnez la cellule C12 l objectif maximiser et faites en l objectif Simulateur de risques Optimisation D finir l objectif ou cliquez sur l ic ne O 7 Ex cutez l optimisation en allant Simulateur de risques Optimisation Ex cuter l optimisation Passez les diff rents onglets en revue pour v rifier que toutes les entr es des tapes 2 et 3 sont correctes S lectionnez l optimisation stochastique et laissez la s ex cuter pendant 500 essais r p t s 20 fois la figure 4 10 illustre ces tapes de configuration Propri t s de la variable de d cision eee Nom de la d cision Actif 1 i Contraintes actuelles Type de d cision E 11 1 Continue par ex 1 15 2 35 10 55 Borne inf rieure 0 1 in Borne sup rieure 04 ii gt Entier par ex 1 2 3 Borne inf rieure E Borne sup rieure E 5 Binaire 0 ou 1 Manuel d utilisation 145 2012 Real Options Valuation Inc Simulateur de risques Consulter et interpr ter les r sultats des pr visions Remarques Manuel d utilisation R sum d optimisation
248. lateur de risques Licence copiez lID mat riel alphanum rique de 11 20 caract res vous pouvez aussi s lectionner PID mat riel et cliquer avec le bouton droit de la souris ou cliquer sur le lien Envoyer ID mat riel par e mail et envoyez le par e mail admin realoptionsvaluation com Une fois que nous recevrons cet ID nous vous enverrons une licence permanente par e mail Une fois ce fichier de licence en votre possession enregistrez le sur votre disque dur d marrez Excel cliquez sur Simulateur de risques Licence puis sur Installer la licence et naviguez jusqu ce nouveau fichier de licence Il ne vous reste alors plus qu red marrer Excel L ensemble du processus vous prendra moins d une minute et vous b n ficierez alors d une licence compl te pour ce logiciel Pour Windows Vista ou Windows 7 avec Excel XP Excel 2003 Excel 2007 ou Excel 2010 e D abord lancez Excel 2007 2010 sous Windows Vista ou Windows 7 allez l onglet Simulateur de risques cliquez sur l ic ne Licence ou cliquez sur Simulateur de risques Licence copiez l ID mat riel alphanum rique de 11 20 caract res vous pouvez aussi s lectionner l ID mat riel et cliquer avec le bouton droit de la souris ou cliquer sur le lien Envoyer ID mat riel par e mail et envoyez le par e mail admin realoptionsvaluation com Une fois que 9 2012 Real Options Valuation Inc Simulateur de risques nous recevrons cet ID nous vou
249. lateur de risques Optimisation D finir la d cision cliquez sur l ic ne pour s lectionnez la cellule de nom B4 puis s lectionnez la variable binaire Puis en utilisant la fonction de copie du Simulateur de risques copiez la variable de d cision de cette cellule J4 et collez la dans les cellules J5 J15 restantes C est la meilleure m thode si vous avez plusieurs variables de d cision et si vous pouvez attribuer un nom unique chacune d entre elles des fins d identification futures e La deuxi me tape de l optimisation est de d finir les contraintes Ici nous avons deux contraintes l allocation du budget totale dans le portefeuille doit tre inf rieure 5 000 et le nombre total de projets ne doit pas d passer 6 Cliquez sur Simulateur de risques Optimisation Contraintes et s lectionnez AJOUTER pour ajouter une nouvelle contrainte Puis s lectionnez la cellule D17 et d finissez la sur inf rieure ou gale lt 5 000 Puis d finissez la cellule J17 lt 6 e La derni re tape de l optimisation est de d finir la fonction d objectif et d ex cuter l optimisation en s lectionnant la cellule C19 et Simulateur de risques Optimisation D finir l objectif puis d ex cuter l optimisation en s lectionnant Simulateur de risques Optimisation Ex cuter l optimisation et l optimisation de votre choix statique dynamique ou stochastique Pour commencer s lectionnez Optimi
250. le l occurrence des ressources naturelles la taille des entreprises les revenus personnels les fluctuations des cours boursiers et le regroupement des erreurs dans les circuits de communication Les structures math matiques pour la distribution de Pareto sont les suivantes 75 2012 Real Options Valuation Inc Simulateur de risques Distribution de Pearson V Manuel d utilisation BL fo T5 pour x gt L BL moyenne y m BL cart type BD 2 D TE talement 222E 2 8 3 6 B 8 628 2 PE 3 4 exc s de curtosis La forme a et emplacement 8 sont les param tres de la distribution Calcul des param tres Il y a deux param tres standard pour la distribution de Pareto l emplacement et la forme Le param tre d emplacement est la limite inf rieure pour la variable Apr s avoir s lectionn le param tre d emplacement vous pouvez estimer le param tre de forme Le param tre de forme est un nombre sup rieur 0 g n ralement sup rieur 1 Plus le param tre de forme est lev plus la variance est faible et plus la queue droite de la distribution est paisse Entr es requises Emplacement gt 0 et peut tre n importe quelle valeur positive Forme gt 0 05 La distribution de Pearson V est apparent e la distribution gamma inverse o c est la r ciproque de la variable distribu e selon la distribution gamma La distribution de Pearson
251. le Simulateur de risques il y a trois proc dures et types d optimisation distincts ainsi que des types de variable de d cision diff rents Par exemple le Simulateur de risques peut traiter des variables de d cision continues 1 2535 0 2215 etc ainsi que des variables de d cision enti res par ex 1 2 3 4 etc des variables de d cision binaires 1 et 0 pour des d cisions tout ou rien et des variables de d cision mixtes variables enti res et continues De plus le Simulateur de risques peut traiter l optimisation lin aire c d quand l objectif et les contraintes sont des fonctions et des quations lin aires ainsi que l optimisation non lin aire c d quand l objectif et les contraintes sont un m lange de fonctions et d quations lin aires et non lin aires En ce qui concerne le processus d optimisation le Simulateur de risques peut tre utilis pour ex cuter une optimisation discr te c est dire une optimisation ex cut e sur un mod le discret ou statique o aucune simulation n est ex cut e En d autres termes toutes les entr es dans le mod le sont statiques et ne changent pas Ce type d optimisation est applicable quand on suppose conna tre le mod le et qu il n existe pas d incertitudes En outre une optimisation discr te peut tre initialement ex cut e pour d terminer le portefeuille optimal et son allocation optimale correspondante des variables de d cision a
252. le co t risque minimal Les applications incluent la gestion des inventaires l allocation des portefeuilles financiers la distribution Optimisation statique Ex cutez sur un mod le statique sans simulations ex cuter g n ralement pour d terminer le portefeuille optimal initial avant l aoolication d autres optimisations olus avanc es Optimisation dynamique Pour commencer une simulation est effectu e les r sultats de la simulation sont appliqu s au mod le puis une optimisation est appliqu e aux valeurs simul es Nombre d essais de simulation 1000 Optimisation stochastique Similaire l optimisation dynamique mais le processus est r p t plusieurs fois Les variables de d cision finales auront chacune leur propre tableau de pr visions indiquant sa plage optimale Nombre d essais de simulation 1000 Nombre de passes d optimisation 24 ok Amuer _ Figure 4 2 Ex cution de l optimisation continue dans le Simulateur de risques Les r sultats finaux de l optimisation sont illustr s la figure 4 3 o l allocation optimale d actifs pour le portefeuille se trouve dans les cellules E6 E15 C est dire qu tant donn les restrictions de chaque actif fluctuant entre 5 et 35 et o la somme de l allocation doit tre gale 100 l allocation qui maximise le rapport rendement risque est illustr e la figure 4 3 Il faut retenir quelques
253. le ss 202 5 20 Outil d ajustement distributionnel des percentiles 4 203 5 21 Tableaux et graphiques de distribution Outil de distribution des probabilit s 000 0010000100 205 5 22 ROV Bizs tatin mie er rte Nine dans 209 5 23 M thodologies de pr vision par logique floue combinatoire et r seau neuronal 000000000 214 5 24Recherche d objectifs ssstre et eme a e e entr e daniel teens 218 5 25 Optimisateur de variable unique 218 5 26 Optimisation d algorithme g n tique ss 219 Manuel d utilisation 4 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 5 27 Mod le ROV Decision Tetra ent ennemi inerte 221 927 1 Arbre de d cision sans a aeee teen tn net hide entre etes de 221 3 27 2 Mod lisa ion de simulation RAR HR Ni en Rs RS 224 5 27 3 Analyse bayesienne in AAA aa 224 5 27 4 Valeur attendue de l information parfaite evpi analyse et maximin profils de risque et valeur de l information imparfaite Vs 225 I2 X NENSIDI E sn E en enR AU etant tnt Mis tone nn de es te 226 227 0 Tabl aux dessc nano ss ist Matth tetes NE A frire lit finis 226 5 27 7 G n ration de fonctions utilitaires usines 226 6 Conseils et techniques Hesse nine nets e ne nes ais ressens neo entendons 235 CONSEILS Suppositions interface utilisateur d finition des suppositions d entr e anni E T E UAE ea nt enen dia te Dr d die a Den den a et To A 235 CONSEILS Copier ticollersss sise E NE EE EATE EE
254. le test F appari Si les valeurs pr dictives sont faibles les variances et carts types sont statistiquement diff rentes l une de l autre Sinon en cas de valeurs pr dictives lev es les variances sont statistiquement identiques R sultat Supposition du test d hypoth se Le test T deux variables avec variances gales Statistique T calcul e 1 015722 Valeur pr dictive pour la statistique T 0 309885 Statistique F calcul e 1 063476 Valeur pr dictive pour la statistique F 0 330914 Figure 5 19 R sultats du test d hypoth se Remarques Le test T deux variables avec variances in gales on s attend ce que la variance de la population de la pr vision 1 soit diff rente de la variance de la population de la pr vision 2 est appropri quand les distributions de la pr vision proviennent de populations diff rentes par ex donn es obtenues partir de deux emplacements g ographiques diff rents deux unit s d exploitation diff rentes etc Le test T deux variables avec variances gales on s attend ce que la variance de la population de la pr vision 1 soit gale la variance de la population de la pr vision 2 est appropri quand les distributions de la pr vision proviennent de populations similaires par ex donn es obtenues partir de deux designs de moteurs diff rents avec des sp cifications similaires etc Le test T deux variables d pendantes appari es est appropri q
255. lectionnez les donn es analyser et cliquez sur Simulateur de risques Pr visions Courbes de tendances S lectionnez les courbes de tendances que vous souhaitez appliquer aux donn es par ex s lectionnez toutes les m thodes par d faut saisissez le nombre de p riodes pr voir par ex 6 p riodes et cliquez sur OK Consultez le rapport pour d terminer laquelle de ces courbes de tendances tests fournit le meilleur ajustement et la meilleure pr vision pour vos donn es 201 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Ann e Trimestre P riode Ventes 2006 1 2006 2 Courbe de tendance 2006 3 m Courbes de tendances s lectionn es 2006 4 i 2007 1 MV Exponentielle 2007 2 M Logarithmique JV Polynomiale ordre 2 Ea pd M Puissance M Moyenne mobile ordre 2 2008 1 2008 2 G n rer des pr visions pourf E p riodes 2008 3 Annuler w _ mme 2009 1 2009 2 2009 3 Proc dure 2009 4 Pour ex cuter ce mod le proc dez comme suit 2010 1 1 S lectionnez les donn es historiques cellules E25 E44 2010 2 2 S lectionnez Simulateur de risques Pr visions Courbes de tendances 2010 3 2010 4 Figure 5 45 Pr visions de courbes de tendances 5 19 Outil de v rification de mod le Apr s la cr ation d un mod le et la d finition des suppositions et des pr visions vous pouvez ex cuter la simulation comme l accoutum e ou ex cuter l outil de v ri
256. lement 0 cela s applique toutes les entr es de moyenne et d chelle exc s de curtosis 1 2 cela s applique toutes les entr es de moyenne et d chelle La moyenne et l chelle sont les param tres de la distribution Calcul des param tres Il y a deux param tres standard pour la distribution logistique la moyenne et l chelle le param tre de moyenne est la valeur moyenne qui pour cette distribution est identique au mode car il s agit d une distribution sym trique Apr s avoir s lectionn le param tre de moyenne vous pouvez estimer le param tre d chelle Le param tre d chelle est un nombre sup rieur 0 Plus le param tre d chelle est lev plus la variance est lev e Entr es requises chelle b ta gt 0 et peut tre n importe quelle valeur positive La moyenne alpha peut tre n importe quelle valeur La distribution lognormale est couramment utilis e dans des situations o les valeurs sont tal es vers la droite par exemple dans l analyse financi re du cours des valeurs ou dans l valuation des biens immobiliers et o les valeurs ne peuvent pas passer en dessous de z ro Les prix des actions sont g n ralement tal s vers la droite et ne sont pas normalement distribu s sym triquement Les prix des actions affichent cette tendance car ils ne peuvent pas passer sous la limite inf rieure de z ro mais peuvent augmenter jusqu n import
257. les facteurs cl s et les facteurs moins importants Il ne faut jamais afficher un graphique Tornado avec uniquement les variables cl s sans afficher des variables moins importantes afin d illustrer le contraste de leur effet sur la sortie Enfin les points de test par d faut peuvent tre augment s de la valeur 10 du 156 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation param tre une valeur plus grande pour tester la pr sence de non lin arit s le graphique en araign e montrera les lignes non lin aires et les graphiques Tornado seront tal s vers un c t si les effets des pr c dents sont non lin aires Utiliser l adresse de la cellule Cette option est tr s utile si votre mod le est grand car elle vous permet d identifier l emplacement nom de la feuille de calcul et adresse de la cellule d une cellule de pr c dent Si cette option n est pas s lectionn e le logiciel appliquera sa propre logique floue pour essayer de d terminer le nom de chaque variable de pr c dent parfois les noms peuvent devenir difficiles dans un grand mod le avec des variables r p t es ou les noms peuvent tre trop longs rendant le graphique Tornado peu esth tique Analyser cette feuille de calcul uniquement et Analyser toutes les feuilles de calcul Cette option vous permet de contr ler si les pr c dents doivent faire uniquement partie de la feuille de calcul actuelle ou inclure toutes les
258. les tests de sp cification les non lin arit s etc avant de pouvoir construire un mod le appropri Consultez Modeling Risk 2 me dition Applying Monte Carlo Simulation Real Options Analysis Forecasting and Optimization Wiley 2010 du Dr Johnathan Mun pour une analyse et une discussion plus d taill es de la r gression multivariable ainsi que l identification des pi ges li s la r gression e D marrez Excel et ouvrez vos donn es historiques si n cessaire l illustration ci dessous utilise le fichier Multiple Regression r gression multiple du dossier des exemples e V rifiez que les donn es sont organis es en colonnes s lectionnez la totalit de la zone des donn es y compris le nom de variable puis s lectionnez Simulateur de risques Pr visions R gression multiple e S lectionnez la variable d pendante cochez les options pertinentes d calages r gression par tapes r gression non lin aire etc puis cliquez sur OK Interpr tation des r sultats La figure 3 8 illustre un exemple de rapport de r sultats d une r gression multivariable Le rapport est fourni avec tous les r sultats de la r gression l analyse des r sultats de variance le graphique ajust et les r sultats des tests d hypoth se Les d tails techniques de l interpr tation des r sultats ne sont pas couverts par ce manuel Consultez Modeling Risk 2 me dition Applying Monte Carlo Simulation Real Options
259. les variables sont ajust es l une apr s l autre e Ouvrez une feuille de calcul avec des donn es existantes ajuster e S lectionnez les donn es que vous souhaitez ajuster les donn es doivent se trouver dans plusieurs colonnes avec plusieurs lignes e S lectionnez Simulateur de risques Outils Ajustement distributionnel multiples variables e Consultez les donn es choisissez les types de distribution appropri s de votre choix et cliquez sur OK Notez que les m thodes de classements statistiques utilis es dans les routines d ajustement distributionnel sont le test du khi carr et le test de Kolmogorov Smirnov Le premier est utilis pour tester les distributions discr tes et le deuxi me pour tester les distributions continues En bref un test d hypoth se associ une routine d optimisation interne est utilis afin de trouver les param tres les mieux ajust s pour chaque distribution test e et les r sultats sont class s du meilleur ajustement au pire ajustement 165 2012 Real Options Valuation Inc Simulateur de risques Th orie Proc dure Manuel d utilisation 5 4 Simulation par bootstrap La simulation par bootstrap est une technique simple qui estime la fiabilit ou pr cision des statistiques de pr visions ou autres donn es brutes chantillons Essentiellement la simulation par bootstrap est utilis e dans les tests d hypoth se Les m thodes classiques utilis es dans le pass
260. lez les entr es ou la simulation n oubliez pas de cocher cette option La simulation dynamique ne fonctionnera que si les entr es sont reli es d autres suppositions d entr es changeantes 27 2012 Real Options Valuation Inc Simulateur de risques Propri t s de la supposition FN Triangulaire yenne L Minimum T 4 Er Plus probable Il 25 Uniforme Personnalis e Maximum 2 25 Entr e normale E A Entr e de percentile 0 Bernoulli B ta 7 Activer la corr lation Distribution triangulaire Supposition Emplacement La distribution triangulaire d crit unej Minimum Infinity El situation dans laquelle vous connaissez la Maim hm E valeur minimum la valeur maximum et la valeur dont l occurrence est la plus probable Par exemple vous pourriez d crire le nombre de voitures vendues par 7 Activer les bornes de donn es E Activerles simulations dynamiques Figure 2 4 Propri t s de supposition Remarque Si vous suivez l exemple continuez en d finissant une autre supposition sur la cellule G9 Cette fois utilisez la distribution uniforme avec une valeur minimum de 0 85 et une valeur maximum de 7 25 Puis passez l tape suivante et d finissez les pr visions de sortie D finir les L tape suivante est la d finition des pr visions de sortie dans le mod le Les pr visions pr visions de sortie ne peuvent tre d finies
261. ligne inclinaison positive indique une relation positive et une ligne inclinaison n gative indique une relation n gative En outre les graphiques en araign e peuvent tre utilis s pour visualiser les relations lin aires et non lin aires Les graphiques Tornado et en araign e aident identifier les facteurs de succ s critiques d une cellule de sortie afin d identifier les entr es simuler Les variables critiques identifi es qui sont incertaines sont celles qui doivent tre simul es Ne perdez pas de temps simuler des variables qui ne sont pas incertaines et qui n ont qu un faible impact sur les r sultats R sultat EME TD mucmms Output Output Effective Input Input Base Case Precedent Cell Downside Upside Range Downside Upside Value C36 Investments 276 62616 83 373836 360 00 1 620 00 1 980 00 1 800 00 C9 Effective Tax Rate 219 72693 26 474599 246 20 36 00 44 00 34255424 189 82679 k 9 00 11 00 16 706631 176 5457 11 03 13 48 23 177498 170 07483 45 00 55 00 30 533 162 71933 31 50 38 50 40 146587 153 10574 1 13 64 16 67 48 047369 145 20496 18 00 22 00 C5 Market Risk Adjusted Discount Rate 138 23913 57 029841 13 50 16 50 ice C8 Price Erosion Rate 116 80381 76 640952 i 4 50 5 50 M Prod BAvg Pri e C7 Annualized Sales Growth Rate 90 588354 102 68541 5 1 80 2 20 4 Prod AAvg Price Re C24 Depreciation 95 084173 98 168155 9 00 11 00 la Annualized Sales Growth Rate C25 Amortization 9
262. ligne unique minimise cette somme des erreurs quadratiques Les erreurs distance verticale entre les donn es r elles et la ligne pr dite sont port es au carr pour viter que les erreurs n gatives ne neutralisent les erreurs positives La r solution de ce probl me de minimisation par rapport la pente et l interception n cessite le calcul d une premi re d riv e et leur d finition sur z ro d lt d x L YY 0 t YY 0 ap ap qui produit les quations des moindres carr s de la r gression bidimensionnelle n x n Y Sx XY Y xY Sr B sis Er Ya i x l Le B Y 8X Pour la r gression multivariable l analogie est largie pour prendre en compte plusieurs variables ind pendantes o Y J B X B X E et les pentes estim es peuvent tre calcul es avec VA z DEX X YX D XX DXL Xi XX A D EXD Xu D XD Aix Dirt xx Lors de l ex cution d une r gression multivariable il faut configurer et interpr ter les r sultats avec le plus grand soin Par exemple une bonne compr hension de la mod lisation conom trique est n cessaire par ex l identification des pi ges et probl mes li s la r gression comme les ruptures structurelles la multicolin arit Manuel d utilisation 97 2012 Real Options Valuation Inc Simulateur de risques Proc dure Manuel d utilisation l h t rosc dasticit l autocorr lation
263. lis e pour pr voir la part de march de deux concurrents Les entr es requises sont la probabilit de d part qu un client dans le premier magasin le premier tat reviendra dans le m me magasin au cours de la prochaine p riode par rapport la probabilit qu il se rende dans le magasin d un concurrent dans l tat suivant L estimation de vraisemblance maximale MLE est utilis e pour pr voir la probabilit que quelque chose se produise d apr s certaines variables ind pendantes Par exemple la MLE est utilis e pour pr voir si une ligne de cr dit ou de dette sera d faillante d apr s les caract ristiques du d biteur 30 ans c libataire salaire de 100 000 par an et dette de carte de cr dit totale de 10 000 ou la probabilit qu un patient d veloppe un cancer du poumon s il s agit d un homme entre 50 et 60 ans fumant 5 paquets de cigarettes par mois etc Dans ces circonstances la variable d pendante est limit e c d limit e tre binaire 1 et O pour d faillance d c s et pas de d faillance survie ou limit e des valeurs enti res comme 1 2 3 etc et le r sultat d sir du mod le est de pr dire la probabilit qu un v nement se produise L analyse de r gression traditionnelle ne fonctionne pas dans ces situations la probabilit pr dite est g n ralement inf rieure O0 ou sup rieure 1 et bon nombre des suppositions de r gression requises ne sont pas r
264. lis es 9 00 mais offrent malgr tout des informations 15 00 L suppl mentaires pour le processus de prise de Probabilit s tati I SEE d cision Saisissez le nombre de chemins ou de 6 00 branches d cisionnelles qui existent par ex 21 00 80 20 100 construire un site grand moyen petit ainsi que les tats de la nature ou v nements incertains sous 35 00 z 5 chaque chemin par ex bonne ou mauvaise Gains Etat 1 Moyenne conomie Puis terminez le tableau des gains pour les aT PAi HER 8 7 780 divers sc narios et calculez les r sultats minimax et Somme des probabilit s 100 00 EER TT f ns Valeur attendue 120 82 Chemin de 14 5 12 20 amp Strat gie 2 Profil de risque Chemin de 20 9 14 20 Gain Probabilit Maximum 20 00 7 00 E 306 00 9 00 Valeur attendue de l information parfaite i Minimum 343 00 15 00 asc en cano La valeur attendue de l information parfaite EVPI c d supposer que vous aviez tout RE see Valeur attendue de l information imparfaite pr vu et que vous sachiez exactement que faire par le biais d tudes de march ou in 5 00 d autres moyens vous permettant de mieux discerner les r sultats probabilistiques calcule EE 10 62 si une telle information par ex si une tude de march E ques 20 3 apporte une valeur ajout e par rapport des estimations na ves des tats de la nature probabilstiques Pour commencer saisissez le nombre de strat gies ou de branches Etat 1
265. lit d obtenir exactement z ro face est de 25 une face de 50 et deux faces de 25 Analyse distributionnelle Cet outil g n re la fonction de densit de probabilit FDP la fonction de distribution cumulative FDC et la fonction de distribution cumulative inverse FDCI de toutes les distributions dans le Simulateur de risques notamment les moments th oriques et le graphique de probabilit Distribution Essais Probabilit Type Formatage Une seule valeur Valeur X Plage de valeurs Borne inf rieure Borne sup rieure Incr ment Figure 5 34 Outil d analyse distributionnelle distribution binomiale avec 2 essais 190 2012 Real Options Valuation Inc Simulateur de risques De fa on similaire nous pouvons obtenir les probabilit s exactes de par exemples 20 tirages pile ou face comme illustr la figure 5 35 Les r sultats sont pr sent s dans un tableau et sous forme graphique Analyse distributionnelle Cet outil g n re la fonction de densit de probabilit FDP la fonction de distribution cumulative FDC et la fonction de distribution cumulative inverse AEDE de toutes les distributions dans le Simulateur de risques notamment les moments th oriques et le graphique de probabilit Distribution Essais Probabilit Type Formatage O Una saila vaar f 0 000019 1 0 000181 Valeur X y 0 001087 0 004621 0 014786 Borne inf rieure 7
266. lit dans la simulation 149 Manuel d utilisation 3 2012 Real Options Valuation Inc Simulateur de risques 5 2 Analyse de Sensib1lit ss de natal entrent dedans 158 5 3 Ajustement distributionnel une seule variable et multiples variables 00 0snsnennsnsnsnssse0s0s0s0 162 54 Simulation par bootstraps ese amener state entre enr E nr d E anses 166 5S Tests d hypothesen renni ennie ena EEE EA E EE Railroad 168 5 6 Extraction des donn es et enregistrement des r sultats de la simulation nssesnsososnsss1ss00e10s000 170 5 Cr ation d un rappt eenei ee e e EE E eae EE E E e a nt ete 172 5 8 Outil de diagnostic de r gression et des pr visions 174 5 9 Outil d analyse statistique 22 rer nent tre le item a liienren nets 184 5 10 Outil d analyse distributionnelle uses 189 5 11 Outil d analyse d sc nario annees anna E E E ENE 193 5 12 Outil de regroupement par segmentation 195 5 13 Nouveaux outils du Simulateur de risques 2011 2012 196 5 14 G n ration de nombres al atoires Monte Carlo et hypercube latin m thodes de Cop les de corr lation sr th e E E tenta E E ut net ne eee 196 5 15 D saisonnalisation des donn es correction des tendances et test de saisonnalit 0 002 197 5 16 Analyse des composants principaux ACP ss 199 5 17 R pture structurelle 2222 ee88 un teinte nt maths Eea EEEE E 200 5 18 Pr visions de courbes de tendances 201 5 19 Outil de v rification de mod
267. lle dollars et 50 cents peut s crire 1 000 50 1 000 50 1 000 50 etc Vous pouvez d finir les param tres de format d cimal dans le menu Donn es Param tres des d cimales de ROV BizStats Cependant en cas de doute d finissez les param tres r gionaux de l ordinateur sur l anglais am ricain et conservez le format 1 000 50 nord am ricain par d faut dans ROV BizStats ce param tre fonctionne syst matiquement avec ROV BizStats et les exemples par d faut T EXAMPLE ROV Biz Stats Fichier Donn es Langue Language Aide TAPE 1 Donn es Entrez vos donn es manuellement collezes partir d une autre application ou chargez un chantillon de jeu de donn M M2 M3 Sales Y C x x x 138 89 286 70 289 684 2 521 18308 185 4 041 139 39 287 79 290 10 5841 367 1148 600 0 55 139 69 289 10 291 29 7654 443 18068 3 665 139 69 290 10 292 29 8923 365 7729 2351 140 69 292 29 294 5 8854 614 100484 29 76 141 19 293 89 296 10 677 385 16728 290 3 294 141 69 295 29 297 39 10066 286 14630 346 3 287 141 89 296 39 298 5 11221 397 4008 328 0 666 141 296 5 298 5 11634 764 38927 354 12938 1405 296 60 298 60 993 7 477 22322 266 6A7R TAPE 3 Ex cution R suitats Statistiques Nombre de variables d pendantes test es 3 Nombre de mod les conom triques test s 61 Nombre de meilleurs mod les affich s 20 R sum des meilleurs mod
268. logarithmiques 143 2012 Real Options Valuation Inc Simulateur de risques Les poids d allocation dans la colonne E contiennent les variables de d cision qui sont les variables devant tre manipul es et test es de fa on ce que le poids total soit contraint 100 cellule E11 G n ralement pour commencer l optimisation nous d finissons ces cellules sur une valeur uniforme Dans ce cas les cellules E6 E9 sont d finies sur 25 chacune De plus chaque variable de d cision peut avoir des restrictions sp cifiques dans sa plage autoris e Dans cet exemple les allocations inf rieure et sup rieure autoris es sont 10 et 40 comme vous pouvez le voir dans les colonnes F et G Ce param tre signifie que chaque classe d actifs peut avoir ses propres bornes d allocation A B C D E F G H J K L 1 2 3 MODELE D OPTIMISATION D ALLOCATION DES ACTIFS 4 R Fangs Rangs Description de la classe Rendements Risquede Poids des RER HEAGA Rapport a Rangs a rendement Rangs des es ae ce 5 minimum maximum rendement rendeme risques allocations d actifs annualis s volatilit allocations F risque Haut requise requise risque nts Haut Bas Haut Bas Haut Bas 5 Bas 6 Actif 1 10 60 12 44 10 00 40 00 0 8518 3 2 1 1 7 Actif 2 11 15 16 15 10 00 40 00 0 6903 1 4 3 1 8 Actif 3 10 61 15 89 10 00 40 00 0 6678 2 3 4 1 9 Actif 4 10 46 12 44 10 00 40 00 0 8408 4 1 2 1 10 11 Total du portef
269. lule E6 d finissez la premi re variable de d cision Simulateur de risques Optimisation D finir la d cision et cliquez sur l ic ne de lien pour s lectionner la cellule de nom B6 ainsi que les valeurs de bornes inf rieure et sup rieure dans les cellules F6 et G6 Puis en utilisant la 132 2012 Real Options Valuation Inc Simulateur de risques fonction de copie du Simulateur de risques copiez la variable de d cision de la cellule E6 et collez la dans les cellules E7 E15 restantes La deuxi me tape de l optimisation est de d finir les contraintes Ici nous n avons qu une seule contrainte l allocation totale du portefeuille doit tre gale 100 Cliquez sur Simulateur de risques Optimisation Contraintes et s lectionnez AJOUTER pour ajouter une nouvelle contrainte Puis s lectionnez la cellule E17 et d finissez la comme gale 100 Cliquez sur OK quand vous avez termin La derni re tape de l optimisation est de d finir la fonction d objectif et de lancer l optimisation en s lectionnant la cellule d objectif C18 et Simulateur de risques Optimisation Ex cuter l optimisation puis en s lectionnant l optimisation de votre choix statique dynamique ou stochastique Pour commencer s lectionnez Optimisation statique V rifiez que la cellule d objectif est d finie pour C18 et s lectionnez Maximiser Vous pouvez maintenant passer en revue les variables de d cision e
270. membres du groupe 20 00 N uds de d cision N ud et ID Valeur PF Critique M Critique ETEA E LR Taob Ehk Ee 30 00 50 00 120 82 131 44 Mod l istr Nom Model 1 Model 1 Figure 5 65 Arbre de d cision d valuation sur la base d Options R elles Analyse de sensibilit Manuel d utilisation 232 2012 Real Options Valuation Inc Simulateur de risques ROV Visual Modeler 2012 Arborescence d cisionnelles C Users usenDesktap Screen Shots DT Model French rovdt EE Fichier Modifier rreo Propri t s Style Formes et couleurs Langue Language Aide WW Ca e a azza Z P A Mod lisation de simulation Analyse bayesienne valeur attendue de l information parfaite EVPI minimax profil de risque Analyse de sensibilit Tableaux de sc nario Fonction utilitaire aje Les tableaux de sc nario peuvent tre g n r s pour d terminer les valeurs de sortie d apr s des changements des entr es Vous pouvez choisir un ou plusieurs chemins de d cision analyser les r sultats de chaque chemin choisi seront repr sent s dans un tableau et un graphique ind pendant et Probability 20 00 DE un ou deux n uds d incertitude ou de terminal comme variables d entr e pour le tableau de sc nario tape 1 Ep hei de d cision analyser dans la liste tape 2 S lectionnez un ou deux v nements d incertitude ou gains de terminal tape 3 D cidez si
271. ministration l 23 B n fice d exploitation EBITDA f f 802 83 768 75 735 54 25 Amortissement y f 3 00 3 00 3 00 26 R sultat avant int r ts et imp ts EBIT i 27 Paiements des int r ts 28 R sultat avant imp ts EBT 787 83 753 75 720 54 29 Imp ts 7 oder TIE 31 D pr ciation y 13 00 13 00 13 00 32 Changement dans les fonds de roulement i f 33 D penses en capital 0 00 34 Flux mon taires disponibles 528 24 485 70 465 25 445 33 35 36 Investissements 1 800 00 37 Figure 5 1 Exemple de mod le e S lectionnez la cellule de sortie unique c d une cellule avec une fonction ou une quation dans un mod le Excel dans notre exemple la cellule G6 est s lectionn e e S lectionnez Simulateur de risques Outils Analyse Tornado 150 2012 Real Options Valuation Inc Simulateur de risques e Passez les pr c dents en revue et renommez les selon vos besoins l utilisation de noms plus courts pour les pr c dents permet des graphiques Tornado et en araign e plus agr ables visualiser puis cliquez sur OK A B c D E F PE H 1 J K 1 2 Mod le de flux mon taires actualis s 3 4 Ann e de base 2005 VA des b n fices nets 1 896 63 5 Taux de r duction ajust aux risques du march 15 00 VA des investissements 1 800 00 6 Taux de r duction de risque priv 5 00 Valeur actualis e nette VAN Lissa T Taux de croissa
272. mm 21 Price Erosion A 0 18 Tax Rate 0 03 Sales Growth 0 0 0 1 02 0 3 0 4 0 5 0 6 Figure 5 9 Graphique de sensibilit avec corr lations Proc dure e Ouvrez ou cr ez un mod le d finissez les suppositions et les pr visions puis ex cutez la simulation lexemple pr sent ici utilise le fichier Tornado and Sensitivity Charts Linear ou Graphiques Tornado et de sensibilit lin aires e S lectionnez Simulateur de risques Outils Analyse de sensibilit e S lectionnez la pr vision que vous souhaitez analyser et cliquez sur OK figure 5 10 Manuel d utilisation 159 2012 Real Options Valuation Inc Simulateur de risques Mod le de flux mon taires actualis s Ann e de base 2005 VA des b n fices nets 1 896 63 Taux de r duction ajust aux risques du march 15 00 VA des investissements 1 800 00 Taux de r duction de risque priv 5 00 Valeur actualis e nette VAN C sosa Taux de croissance des ventes annualis 2 00 Taux de rendement inteme 18 80 Taux d effritement des prix 5 00 Rendement des investissements 5 37 Taux d imposition effectif 40 00 Prix moyen du produit A Prix moyen du produit B Prix m Quanti Valeur actualis e nette VAN Pr vision du Simulat EL 2005 510 00 12 25 2006 9 50 11 64 2007 2008 2009 oo R Analyse de sensibilit L analyse de sensibilit cr e des perturbations Quanti dynamiques c d que plusieurs
273. mum rendement rendements d actifs annualis s volatilit allocations P Pi 5 requise requise I risque Haut Bas E Classe d actifs 1 10 54 12 36 5 00 35 00 0 8524 9 i Classe d actifs 2 11 25 16 23 5 00 35 00 0 6929 ri 8 Classe d actifs 3 11 84 15 64 5 00 35 00 0 7570 6 9 Classe d actifs 4 10 64 12 35 5 00 35 00 0 8615 8 10 Classe d actifs 5 13 25 13 28 5 00 35 00 0 9977 5 11 Classe d actifs 6 14 21 14 39 5 00 35 00 0 9875 3 12 Classe d actifs 7 15 53 14 25 5 00 35 00 1 0898 1 13 Classe d actifs 8 14 95 16 44 5 00 35 00 0 9094 2 14 Classe d actifs 9 14 16 16 50 500 35 00 0 8584 4 TENEN 2 Teee 15 Classe d actifs 10 10 06 12 50 5 00 35 00 0 8045 10 5 6 7 6 9 10 11 12 13 14 15 16 17 18 19 16 Nombre d it rations 17 Total du portefeuille 12 6919 4 52 100 00 js b1 18 Rapport rendement risque 2 8091 a 121010 19 Number of functions is 20 Objective function will be maximized 21 Sp cifications du mod le d optimisation 22 Re Starting Values 23 Objectif Maximiser le rapport rendement risque C18 Function initial Lower Upper 24 Variables de d cision Poids des allocations E6 E15 E SES iss Er ETS 25 Restrictions pour les variables de d cision Minimum et maximum requis F6 G15 a o 2 7596 z Contraintes Poids des allocations du portefeuille total 100 E 17 a R R Ep a Sin G RNGE 1 000000E 010 2 Sp cifications suppl mentaires RNGE o 2500 10000008 010 0 000000 000 30 1 Il
274. n talement 2 me Le ie a a a 1 a 3 exc s de kurtosis 3 amp E 2 2 E 1 a 3 T 4 ef a ta 1 a 5 3 Entr es requises Alpha 1 forme 1 gt 0 Alpha 2 forme 2 gt 0 B ta chelle gt 0 La distribution PERT est souvent utilis e dans la gestion de projets et de programmes pour d finir les sc narios du pire cas du cas nominal et du meilleur cas de l ach vement du projet Elle est apparent e aux distributions b ta et triangulaire La distribution PERT peut tre utilis e pour identifier les risques d un projet et les mod les de co ts en s appuyant sur la probabilit d atteindre les cibles et les objectifs pour un certain nombre de composants du projet en utilisant les valeurs minimum la plus probable et maximum mais elle est con ue pour g n rer une distribution qui ressemble plus aux distributions de probabilit s r alistes La distribution PERT peut offrir un ajustement proche des distributions normale ou lognormale Comme la distribution triangulaire la distribution PERT met l accent sur la valeur la plus probable plut t que sur les estimations minimum et maximum Cependant contrairement la distribution triangulaire la distribution cr e une courbe lisse qui met progressivement de plus en plus l accent sur les valeurs proches de la valeur la plus probable en faveur des valeurs pr s des bords En pratique cela signifie que nous faisons confiance
275. n 5 7 Cr ation dun rapport Apr s l ex cution d une simulation vous pouvez g n rer un rapport des suppositions des pr visions ainsi que des r sultats obtenus pendant l ex cution de la simulation Proc dure e Ouvrez ou cr ez un mod le d finissez les suppositions et les pr visions puis ex cutez la simulation e S lectionnez Simulateur de risques Cr er le rapport Manuel d utilisation 172 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Simulation Hypothesis Testing G n ral Nombre d essais 1000 Arr ter la simulation en ca Non Valeur de d part 123456 Activer les corr lations Oui Supposition Nom D8 Recettes Nom G8 Recettes Nom D9 Co ts Activ e Oui Activ e Oui Activ e Oui Cellule D 8 Cellule G 8 Cellule D 9 Simulation dynamique Non Simulation dynamique Non Simulation dynamique Non Plage Plage Plage Minimum Infinity Minimum Infinity Minimum Infinity Maximum Infinity Maximum Infinity Maximum Infinity Distribution Normale Distribution Normale Distribution Normale Moyenne 200 Moyenne 200 Moyenne 100 cart type 20 cart type 20 cart type 10 Pr visions Nom MOD LE A Nombre de points de donr 1000 Activ e Oui Moyenne 100 8973 Cellule D 10 M diane 100 4988 cart type 22 1194 Pr cision de la pr vision Variance 489 2667 Sj Niveau de pr cision Coefficient de variation 0 2192 Niveau d erreur Maximum 180 4507 zi Minimum
276. n N les essais chantillonn s ou la taille de l chantillon n et le nombre d l ments dans la population dot s de la caract ristique de succ s ou les succ s de la population Nx sont les param tres de la distribution Le nombre d essais se soldant par un succ s est not x Entr es requises Taille de la population gt 2 et entier Taille de l chantillon gt 0 et entier Succ s de la population gt 0 et entier Taille de la population gt Succ s de la population Taille de l chantillon lt Succ s de la population Taille de la population lt 1 750 La distribution de Pascal est utile pour mod liser la distribution du nombre d essais total requis pour obtenir le nombre d occurrences r ussies requises Par exemple pour cl turer un total de 10 opportunit s de vente combien d appels t l phoniques de d marchage au total devrez vous passer pour obtenir une certaine probabilit de succ s pour chaque appel L axe X montre le nombre d appels total requis qui inclut les appels s tant sold par un chec ou un succ s Le nombre d essais n est pas fixe les essais continuent jusqu au R me succ s et la probabilit de succ s est la m me d un essai l autre La distribution de Pascal est apparent e la distribution binomiale n gative La distribution binomiale n gative calcule le nombre d v nements suppl mentaires requis en plus du nombre de succ s requis tant donn une c
277. n com 2005 2012 par le Dr Johnathan Mun Tous droits r serv s Microsoft est une marque d pos e de Microsoft Corporation aux tats Unis et dans d autres pays Les autres noms de produits mentionn s dans le pr sent document peuvent tre des marques commerciales et ou des marques d pos es appartenant leurs d tenteurs respectifs Traduction Marianne Reynolds Copyright 2005 2012 Dr Johnathan Mun All rights reserved Real Options Valuation Inc 4101F Dublin Blvd Ste 425 Dublin California 94568 U S A Phone 925 271 4438 Fax 925 369 0450 admin realoptionsvaluation com www trisksimulator com www realoptionsvaluation com Real Options 124 Valuation Simulateur de risques TABLE DES MATI RES LAINTRODUETION nasale dite dosnnenessisen ne teen ieieseleren etes 7 1 1 Bienvenue dans le SIMULATEUR DE RISQUES sss sssnssenssenssenssssssssssssssssssssssssssssnsssnsssssesssessses 7 1 2 Configuration requise et proc dure d installation sssssnsseseessesseseesseeeessesensseesesseessesstssessesseesesene 8 I Licences sn tan RS nee EE EE E E A Eeer A Re EE E EEE 9 1 4 NOUVEAUT S DE LA VERSION 2011 2012 sens 12 14 1 Fonctionnalit s g n rales sien E i E A E e AE aR E ar 12 1 42 M d le de Simulation sn eneen iiien a E ENE ES EEEN EEN TNN 13 L43 Module de PFEVISTONS orri a ENE RENE EENE N NEENA AE AERE 14 1 4 4 Module d optimisation ae s E E AE EEES EREE SAS 15 1 4 5 Module d outils analytiques sise 16
278. n d Akaike AIC et le crit re de Schwarz SC sont souvent utilis s dans la s lection de mod les Le crit re de Schwarz SC impose une p nalit plus importante pour les coefficients suppl mentaires En r gle g n rale l utilisateur devrait s lectionner un mod le avec les valeurs AIC et SC les plus faibles La statistique de Durbin Watson mesure la corr lation s riale dans les r sidus En g n ral une statistique DW inf rieure 2 implique une corr lation s riale positive R sultats de la r gression Interception AR 1 MA 1 Coefficients 0 0626 1 0055 0 4936 Erreur type 0 3108 0 0006 0 0420 Statistique T 0 2013 1691 1373 11 7633 Valeur pr dictive VP 0 8406 0 0000 0 0000 5 inf rieurs 0 4498 1 0065 0 5628 95 sup rieurs 0 5749 1 0046 0 4244 Degr s de libert Test d hypoth se Degr s de libert pour la r gression 2 Statistique T critique 99 de confiance avec di de X 2 5873 Degr s de libert pour le r sidu 432 Statistique T critique 95 de confiance avec di de X 1 9655 Degr s de libert totaux 434 Statistique T critique 90 de confiance avec di de X 1 6484 Les coefficients fournissent l interception et les pentes estim es de la r gression Par exemple les coefficients sont des estimations des valeurs r elles de la population b dans l quation de r gression suivante Y bO b1X1 b2X2 bnXn L erreur type mesure la pr cision des coefficients pr dits etles statistiques T repr sente
279. n entier positif la distribution gamma est appel e distribution d Erlang utilis e pour pr dire les temps d attente dans les syst mes de files d attente o la distribution d Erlang est la somme de variables al atoires ind pendantes et distribu es identiquement chacune ayant une distribution exponentielle sans m moire En d finissant n comme le nombre de ces variables al atoires la structure math matique de la distribution d Erlang est la suivante n l x x f x TT Pour tous les x gt 0 et tous des nombres entiers de n n 1 Entr es requises chelle b ta gt 0 et peut tre toute valeur positive Forme alpha gt 0 05 et peut tre toute valeur positive L emplacement peut tre n importe quelle valeur La distribution de Laplace est parfois aussi appel e distribution exponentielle double car elle peut tre construite partir de deux distributions exponentielles avec un param tre d emplacement suppl mentaire jointes dos dos ce qui cr e un pic inhabituel au centre La fonction de densit de probabilit de la distribution de Laplace rappelle la distribution normale Cependant alors que la distribution normale est exprim e en termes de la diff rence au carr partir de la moyenne la densit de Laplace est exprim e en termes de la diff rence absolue partir de la moyenne ce qui rend les queues de la distribution de Laplace plus paisses que celles de la distribution normale Quand le p
280. nants restent constants ou quand les facteurs d terminants d une situation ne sont pas clairement compris Elle aide aussi d courager l introduction de points de vue personnels dans le processus L extrapolation est relativement fiable relativement simple et peu co teuse Cependant l extrapolation qui suppose que les tendances r centes et historiques se poursuivront produit d importantes erreurs de pr visions en cas de discontinuit s pendant la p riode de projection Cela signifie qu une extrapolation de s ries chronologiques pure suppose que tout ce que nous devons savoir se trouve dans les valeurs historiques de la s rie pour laquelle on effectue la pr vision Si l on suppose que le comportement pass est un bon pr dicteur du comportement futur l extrapolation est une m thode attrayante Cela en fait une approche utile quand on a seulement besoin de nombreuses pr visions court terme Cette m thodologie estime la fonction f x pour toute valeur x arbitraire en interpolant une courbe non lin aire r guli re pour toutes les valeurs x et partir de cette courbe extrapole les valeurs x futures au del du jeu de donn es historiques Cette m thodologie utilise soit la forme fonctionnelle polynomiale ou la forme fonctionnelle rationnelle un ratio de deux valeurs polynomiales G n ralement une forme fonctionnelle polynomiale suffit pour les donn es se comportant normalement mais les formes fonctionnelles rationnelles s
281. narios du projet et les r sultats possibles en moyenne Les statistiques courantes pour le premier moment incluent la moyenne la m diane centre de la distribution et le mode valeur la plus courante La figure 2 19 illustre le premier moment o dans ce cas le premier moment de cette distribution est mesur par la valeur moyenne 4 talement 0 Exc s de kurtosis 0 p p m p2 Figure 2 19 Premier moment Le deuxi me moment mesure la dispersion d une distribution qui est une mesure du risque La dispersion ou largeur d une distribution mesure la variabilit d une variable c est dire le potentiel qu une variable puisse tomber dans diff rentes r gions de la distribution en d autres termes les sc narios de r sultats potentiels La figure 2 20 illustre deux distributions avec des premiers moments identiques moyennes identiques mais des deuxi mes moments ou risques tr s diff rents La visualisation devient plus claire la figure 2 21 Par exemple supposez qu il existe deux actions et que les mouvements de la premi re action illustr e par la ligne la plus sombre avec la plus petite fluctuation sont compar s aux mouvements de la deuxi me action illustr e par la ligne en pointill s avec une fluctuation de prix nettement sup rieure videmment un investisseur consid rerait l action avec la fluctuation sup rieure comme plus risqu e car les r sultats de l action la plus ris
282. nce la rupture des mat riaux dans les tests de fiabilit et de contr le de la qualit Les distributions de Weibull sont galement utilis es pour repr senter diverses quantit s physiques telles que la vitesse du vent La distribution de Weibull est une famille de distributions pouvant adopter les propri t s de plusieurs autres distributions Par exemple selon le param tre de forme que vous d finissez la distribution de Weibull peut tre utilis e pour mod liser les distributions exponentielle et de Rayleigh entre autres La distribution de Weibull est tr s souple Quand le param tre de forme de Weibull est gal 1 0 la distribution de Weibull est identique la distribution exponentielle Le param tre d chelle d emplacement central ou b ta de Weibull vous permet de configurer une distribution exponentielle avec un emplacement de d but autre que 0 0 Quand le param tre de forme est inf rieur 1 0 la distribution de Weibull devient une courbe fortement descendante Cet effet peut servir un fabricant pour d crire les pannes des pi ces pendant une p riode de rodage La forme a et l chelle B sont les param tres de la distribution Entr es requises Forme alpha gt 0 05 chelle d emplacement central ou b ta gt 0 et peut tre n importe quelle valeur positive L emplacement peut tre n importe quelle valeur positive ou n gative z ro y compris Facteur gt 0 64 2012 Real Options V
283. nce des ventes annualis 2 00 Taux de rendement inteme 18 80 8 Taux d effritement des prix 5 00 Rendement des investissements 5 37 9 Taux d imposition effectif 40 00 10 11 2005 2006 2007 2008 2009 12 Prix moyen du produit A 10 00 9 50 9 03 8 57 8 15 13 Prix moyen du produit B 12 25 511 64 511 06 10 50 59 98 14 Prix moyen du produit C R Analyse Tornado _ 13e 15 Quantit du produit A I men s F E i 16 Quantit du produit B 35 00 L analyse Tornado cr e des perturbations statiques c d que chaque 17 Quantit du produit C 20 00 pr c dent est perturb tour de r le pour identifier l impact sur les r sultats EN Recettes totales 57 231 75 E S est vilis e pour identifier les facteurs de succ s critiques dun mod le 19 Co tdes biens vendus 184 76 20 Marge b n ficiaire brute 1 046 99 V rifiez les pr c dents ci dessous et apportez toutes les modifications n cessaires 21 Frais d exploitation 157 50 lection 2 n gati t 22 Co ts des ventes g n raux et d administration 15 75 Sa aui LOUER ETS RSR ni FLE Taux de Flux monetaires actual C5 015 10 10 10 Investiss Flux monetaires actual C36 1800 10 10 10 D pens Flux monetaires actual C33 0 10 10 10 Change Flux monetaires actual C32 0 10 10 10 D pr ci Flux monetaires actual C24 10 10 10 10 Amortiss Flux monetaires actual C25 3 10 10 10 Taux di Flux monet
284. ncentr es dans une partie de la distribution au lieu d une distribution plus uniform ment chantillonn e chaque partie de la distribution est chantillonn e quand l chantillonnage par hypercube latin est appliqu Options G n rateur de nombres al atoires Minimiser Excel et tous les tableaux pendant l ex cution Simulateur de risques ROV par d faut D marrer le Simulateur de risques avec Excel Toujours afficher la fen tre de pr vision au premier plan 71 Afficher les commentaires de cellules pour les O Long Period Shuffle suppositions les pr visions et les variables de d cision Portable Ra Corr lation Copule normale par d faut CopuleT DL Copule quasi normale DL s Simulation Couleur des param ires Simulation de Monte Carlo d faut chantillonnage par hypercube latin LHS E 5 Langue Fran ais Moyen L chantillonnage par hypercube latin LHS n est pas recommand en pr sence de suppositions corr l es Advanced Subtractive Random Shuffle IEEE HEX Basic Minimal Portable Figure 5 41 Options du Simulateur de risques 5 15 D saisonnalisation des donn es correction des tendances et test de saisonnalit L outil de d saisonnalisation des donn es et correction des tendances du Simulateur de risques vous permet de supprimer tout composant de saisonnalit ou de tendance de vos donn es Ce processus vous permet de
285. niers et une tendance une analyse de s ries chronologiques fournira de meilleurs r sultats gt si 2 3 4 5 6 7 8 9 10 11 12 Manuel d utilisation La D me ane ee ae Lt on Lama mme Lune mm Lo mn Les Extrapolation non lin aire Remarque L extrapolation non lin aire consiste faire des projections statistiques en utilisant des tendances historiques qui sont projet es pour une p riode future sp cifique Elle n est utilis e que pour les pr visions de s ries chronologiques L extrapolation est relativement fiable relativement simple et peu co teuse Cependant l extrapolation qui suppose que les tendances r centes et historiques se poursuivront produit d importantes erreurs de pr visions en cas de discontinuit s pendant la p riode de projection 1 Entrez les donn es historiques et s lectionnez la zone de donn es E13 E24 Taux de croissance polynomiale 2 Cliquez sur Simulateur de risques Pr visions Extrapolation non lin aire des recettes des ventes historiques 3 S lectionnez le type de fonction et les p riodes d extrapolation requis puis cliquez sur OK Ann e Mois P riode Ventes mp z R Extrapolati 2004 1 T 5100 PEER 2004 2 2 56 73 L extrapolation non lin aire est utilis e pour r aliser des 2004 3 3 20 52 projections de pr visions de s ries chronologiques statistiques en appliquant des tendances historiques 2004 4 4 45 25 Elle est utile quand les tendances
286. nregistrement des donn es et graphiques simul s dans le Simulateur de risques En utilisant l extraction de donn es du Simulateur de risques et en enregistrant dans un fichier RiskSim vous pourrez rouvrir le graphique de pr visions dynamique ult rieurement avec les m mes donn es sans avoir r ex cuter la simulation e Enregistrement et g n ration de rapports Les rapports de simulation et autres rapports analytiques sont extraits sous la forme de feuilles de calcul ind pendantes dans votre classeur et la totalit du fichier Excel doit tre enregistr e pour pouvoir enregistrer les donn es afin de les r cup rer ult rieurement CONSEILS Techniques d chantillonnage et de simulation e G n rateur de nombres al atoires Il y a 6 g n rateurs de nombres al atoires pris en charge consultez le manuel d utilisation pour de plus amples d tails et en g n ral la m thode par d faut du Manuel d utilisation 243 2012 Real Options Valuation Inc Simulateur de risques Simulateur de risques ROV et la m thode Advanced Subtractive Random Shuffle sont les deux approches recommand es N appliquez pas les autres m thodes moins que cela soit sp cifiquement n cessaire pour votre m thode ou votre analyse et m me dans ce cas nous vous recommandons de tester les r sultats par rapport aux deux approches recommand es CONSEILS Kit de d veloppement logiciel Software Development Kit SDK et bibli
287. nt le ratio de chaque coefficient pr dit par rapport son erreur type La statistique T est utilis e pour les tests d hypoth se o nous d finissons l hypoth se nulle Ho comme la moyenne r elle du coefficient 0 et l hypoth se alternative Ha comme la moyenne r elle du coefficient non gale 0 Un test T est effectu et la statistique T calcul e est compar e aux valeurs critiques aux degr s de libert pour le r sidu pertinents Le test T est extr mement important car il effectue les calculs permettant de d terminer si chacun des coefficients est statistiquement significatif en pr sence des autres pr dicteurs Cela signifie que le test T v rifie statistiquement si un pr dicteur ou une variable ind pendante doit rester dans la r gression ou tre abandonn Le coefficient est statistiquement significatif si sa statistique T calcul e est sup rieure la statistique T critique aux degr s de libert dl pertinents Les trois principaux niveaux de confiance utilis s pour tester la signification sont 90 95 et 99 Si la statistique T d un coefficient est sup rieure au niveau critique on consid re que ce coefficient est statistiquement significatif En outre la valeur pr dictive VP calcule la probabilit d occurrence de chaque statistique T ce qui signifie que plus la valeur pr dictive est petite plus le coefficient est significatif Les niveaux de signification habituels pour la valeur pr dictive sont 0 01 0 05 e
288. nt requis et le taux d imposition sont connus l avance et ne changent pas D Valeur de base 96 6261638553219 Changements d entr e EE C t inf rieur C t sup rieur Plage C t inf rieur C t sup rieur Valeur de Cellule du pr c dent dela sortie dela sortie effective de l entr e de l entr e r f rence C36 Investissements 276 626164 83 37383614 1 620 00 1 980 00 1 800 00 C9 Taux d imposition effectif 219 726927 26 47459915 36 00 44 00 C12 Prix moyen du produit A 3 4255424 189 8267853 i 9 00 11 00 C13 Prix moyen du produit B 16 706631 176 5456968 11 03 13 48 C15 Quantit du produit A 23 1774976 170 0748301 y 45 00 55 00 C16 Quantit du produit B 30 5329996 162 7193281 L 31 50 38 50 C14 Prix moyen du produit C 40 1465873 153 1057405 513 64 516 67 C17 Quantit du produit C 48 0473693 145 2049584 3 18 00 22 00 C5 Taux de r duction ajust aux risques du 138 239127 57 029841 13 50 16 50 C8 Taux d effritement des prix 116 803809 7664095245 4 50 5 50 C7 Taux de croissance des ventes annualid 90 5883543 102 6854117 4 1 80 2 20 C24 D pr ciation 95 0841725 98 1681552 f 9 00 11 00 C25 Amortissement 96 1635665 97 08876126 2 70 3 30 C27 Paiements des int r ts 97 0837613 96 16356645 51 80 2 20 Prix moyen du produit B Prix moyen du produit A Figure 5 5 Graphique en araign e Manuel d utilisation 154 2012 Real Options Valuation Inc Simulateur de risques
289. nt vu comme l insertion de la ligne la mieux ajust e travers un jeu de points de donn es dans un plan bidimensionnel comme illustr dans le panneau gauche de la figure 3 6 Dans d autres cas une r gression multivariable peut tre effectu e quand il y a plusieurs ou un nombre n de variables ind pendantes X et l quation de r gression g n rale prend alors la forme Y J BX fB X X 5 X Dans ce cas la ligne la mieux ajust e se trouve au sein d un plan dimensionnel n 1 Figure 3 6 R gression bidimensionnelle deux variables Cependant l ajustement d une ligne travers un jeu de points de donn es dans un diagramme de dispersion comme sur la figure 3 6 peut g n rer de nombreuses lignes possibles La ligne la mieux ajust e est d finie comme la ligne unique qui minimise les erreurs verticales totales c est dire la somme des distances absolues entre les points de donn es r els Y et la ligne estim e comme illustr par le panneau droit de la figure 3 6 Afin de trouver la ligne la mieux ajust e qui minimise les erreurs une 96 2012 Real Options Valuation Inc Simulateur de risques approche plus sophistiqu e est n cessaire c est dire une analyse de r gression L analyse de r gression trouve donc la ligne la mieux ajust e unique en exigeant que les erreurs totales soient minimis es ou en calculant z A 2 Min Y i l o seulement une
290. ntes et quand certaines statistiques de pr visions sont requises dans l optimisation Par exemple si l cart type d une supposition ou pr vision est requis dans le mod le d optimisation par ex calculer le ratio de Sharpe dans les probl mes d allocation et d optimisation des actifs quand nous avons la moyenne divis e par l cart type dans le portefeuille vous devriez utiliser cette approche x Le processus d optimisation stochastique lui est similaire la proc dure d optimisation dynamique sauf que l ensemble du processus d optimisation dynamique est r p t T fois C est dire qu une simulation avec N essais est ex cut e puis une optimisation est ex cut e avec M it rations afin d obtenir les r sultats optimaux Puis le processus est reproduit T fois Les r sultats seront un graphique de pr visions de chaque variable de d cision avec T valeurs En d autres termes une simulation est ex cut e et les statistiques de pr visions ou de suppositions sont utilis es dans le mod le d optimisation afin de trouver l allocation optimale des variables de d cision Puis une autre simulation est ex cut e g n rant des statistiques de pr visions diff rentes puis ces nouvelles valeurs mises jour sont alors optimis es et ainsi de suite Ainsi les variables de d cision finales auront chacune leur propre graphique de pr visions indiquant la plage des variables de d cision optimales Par
291. o 194 2012 Real Options Valuation Inc Simulateur de risques 5 12 Outil de regroupement par segmentation Une derni re technique analytique int ressante est le regroupement par segmentation La figure 6 25 illustre un exemple de jeu de donn es Vous pouvez s lectionner les donn es et ex cuter l outil par le biais de Simulateur de risques Outils Regroupement par segmentation La figure 5 40 montre un exemple de segmentation de deux groupes C est dire qu en prenant le jeu de donn es d origine nous ex cutons des algorithmes internes un regroupement combin ou K moyennes hi rarchique et autre m thode de moments afin de trouver les groupes les mieux ajust s ou les regroupements statistiques naturels afin de statistiquement diviser ou segmenter le jeu de donn es d origine en deux groupes Vous pouvez voir les appartenances aux deux groupes la figure 5 40 Bien s r vous pouvez segmenter ce jeu de donn es en autant de groupes que vous le souhaitez Cette technique est tr s utile dans diverses situations notamment dans les domaines du marketing segmentation du march en plusieurs groupes de gestion des relations avec la client le etc des sciences physiques de l ing nierie et autres R SULTAT DE L ANALYSE PAR REGROUPEMENT ET SEGMENTATION Groupes enr dE ji A Analyse par regroupement et segmentation 2 2 00 1 L analyse par regroupement et par segmentation est utilis e pour
292. o ts 100 00 S lectionnez une pr vision pour l ex cution du bootstrap non param trique B n fices B n fices 100 00 Pour reproduire ce mod le commencez par cr er un MOD LE A Pr vision du Simulateur de risques OI Histogramme Statistique Pr f rences Options Contr les 4 F MOD LE B Pr vision du Simulateur de risques Statistiques pour lesquelles effectuer le test bootstrap 7 Moyenne E Coef de variation V talement M diane E Maximum F Kurtosis cart type E Minimum E Percentile 25 E Plage E Percentile 75 E Histogramme Statistique Pr f rences Options Contr les MODELE B 1000 essais Type Bist ce Brel Minna certitude 100 002 Figure 5 16 Simulation par bootstrap non param trique 166 2012 Real Options Valuation Inc Simulateur de risques Interpr tation des r sultats Manuel d utilisation Kurtosis Histogramme Type Bist eie Mooss 02799 certitude 90 00 Type Biat rale ma 02261 Certitude 30 0 Figure 5 17 R sultats de la simulation par bootstrap Essentiellement la simulation par bootstrap non param trique est une simulation bas e sur une simulation Ainsi apr s l ex cution d une sim
293. o 0 E E Temps d ach vement A Critique ID 30 0000 Temps d ach vement B Critique ID 70 0000 N ud de d cision et num ro 1 Temps d ach vement C Critique ID 30 0000 Nombre d essais 10000 Temps d ach vement D Critique ID 70 0000 j j Moyenne 118 4469 12 Jours Temps d ach vement A ID 30 0000 i r M diane 118 4592 14 Jours Temps d ach vement A ID 50 0000 TA f eo eart type 1 6538 18 Jours Temps d ach vement A ID 20 0000 Taaak 27349 12 Jours Temps d ach vement B ID 30 0000 14 Jours Temps d ach vement B ID 50 0000 18 Jours Temps d ach vement B ID 20 0000 J s 16 Jours Temps d ach vement C ID 30 0000 _ 113 1473118 0410 116 9347 118 8284 120 7221 122 6158124 Minimum 1131473 Plage 11 3622 Tableau des gains talement 0 0175 Nom de l v nement Valeur p p P Eule B Mre Kurtosis 0 2203 12 Jours Temps d ach vement A Cri 248 0000 LELHLO2r Ak JEA Percentile 25 115 9878 14 Jours Temps d ach vement A Cri 286 0000 Percentile 75 121 6690 18 Jours Temps d ach vement A Cri 362 0000 F chemin dominant 100 0000 12 Jours Temps d ach vement B Cri 44 0000 FE x arao 14 Jours Temps d ach vement B Cri 48 0000 8 5 Coefficient de variation 0 0140 Maximum 124 5095 18 Jours Temps d ach vement B Cri 56 0000 16 Jours Temps d ach vement
294. o corr lation la fonction d auto corr lation a tendance se d grader lentement Un processus stochastique est une s quence d v nements ou chemins g n r s par les lois probabilistes C est dire que des v nements al atoires peuvent survenir dans le temps mais qu ils sont r gis par des lois statistiques et probabilistes sp cifiques Les principaux processus stochastiques incluent le trajet al atoire ou mouvement brownien le retour la moyenne et la diffusion par saut Ces processus peuvent tre utilis s pour pr voir une multitude de variables qui semblent suivre des tendances al atoires mais sont malgr tout restreintes par les lois probabilistes L quation qui g n re le processus est connue l avance mais les r sultats g n r s sont inconnus Le processus de mouvement brownien ou trajet al atoire peut tre utilis pour pr voir les cours des actions les prix des produits de base et autres donn es de s ries chronologiques stochastiques avec un taux de d rive ou de croissance et une volatilit autour du chemin de d rive Le processus de retour la moyenne peut tre utilis pour r duire les fluctuations du processus de trajet al atoire en permettant au chemin de cibler la valeur long terme le rendant utile pour pr voir les variables de s ries chronologiques dot es d un taux long terme comme les taux d int r t ou d inflation des taux cibles long terme par les autorit s r glementaires ou le marc
295. oints de test indiquent et quels points n indiquent pas un point de rupture statistiquement significatif dans vos donn es Proc dure 1 S lectionnez les donn es analyser par ex B15 D34 et cliquez sur Simulateur de risques Outils Test de rupture structurelle puis entrez les points de test pertinents que vous voulez appliquer aux donn es par ex 6 10 12 et cliquez sur OK 2 Consultez le rapport pour d terminer quels points de test indiquent et quels points n indiquent pas un point de rupture statistiquement significatif dans vos donn es ur N gt g Test de rupture structurelle Donn es de s ries chronologiques B15 D34 Tester les points de rupture 6 10 12 par exemple 15 20 23 z parer les ports de rupture per des virgules _521 18208 367 1148 43 18068 365 772 614 100484 385 16728 764 38927 a27 22322 153 3m 231 3136 524 sosos 323 28885 240 16995 286 13035 285 12973 569 16309 EAA 498 19235 Figure 5 44 Analyse de la rupture structurelle 5 18 Pr visions de courbes de tendances Les courbes de tendances peuvent servir d terminer si un jeu de donn es de s ries chronologiques suit une tendance appr ciable figure 5 45 Les tendances peuvent tre lin aires ou non lin aires par ex exponentielle logarithmique moyenne mobile puissance ou polynomiale S
296. ois dans ce cas s lectionnez cette option et saisissez une valeur de d part initiale La valeur de d part peut tre n importe quel entier positif En utilisant la m me valeur de d part initiale le m me nombre d essais et les m mes suppositions d entr e la simulation produira toujours la m me s quence de nombres al atoires ce qui garantit le m me jeu de r sultats finaux Remarque Une fois que vous avez cr un profil de simulation vous pouvez y revenir ult rieurement et modifier ces pr f rences Pour ce faire v rifiez que le profil actif est le profil que vous souhaitez modifier Si ce n est pas le cas cliquez sur Simulateur de risques Changer de profil de simulation s lectionnez le profil que vous souhaitez modifier et cliquez sur OK La figure 2 2 montre comment activer un profil s lectionn en pr sence de plusieurs profils Puis cliquez sur Simulateur de risques Modifier le profil de simulation et effectuez les modifications n cessaires Vous pouvez aussi dupliquer ou changer le nom d un profil existant Lorsque vous cr ez plusieurs profils dans le m me mod le Excel faites bien attention de donner un nom unique chacun d entre eux afin de pouvoir les distinguer ult rieurement En outre ces profils sont stock s dans des secteurs caches du fichier Excel xls et il n est donc pas n cessaire d enregistrer de fichiers suppl mentaires Les profils et leur contenu suppositions pr visions
297. omparant la statistique F calcul e aux valeurs F critiques divers niveaux de signification Pr visions P riode R elle Y Pr vision P Erreur E 1 521 0000 299 5124 221 4876 2 367 0000 487 1243 120 1243 3 443 0000 353 2789 89 7211 4 365 0000 276 3296 88 6704 5 614 0000 776 1336 162 1336 6 385 0000 298 9993 86 0007 7 286 0000 354 8718 68 8718 8 397 0000 312 6155 84 3845 9 764 0000 529 7550 234 2450 10 427 0000 347 7034 79 2966 11 153 0000 266 2526 113 2526 12 231 0000 264 6375 33 6375 13 524 0000 406 8009 117 1991 14 328 0000 272 2226 55 7774 15 240 0000 231 7882 8 2118 16 286 0000 257 8862 28 1138 17 285 0000 314 9521 29 9521 18 569 0000 335 3140 233 6860 19 96 0000 282 0356 186 0356 20 498 0000 370 2062 127 7938 21 481 0000 340 8742 140 1258 22 468 0000 427 5118 40 4882 23 177 0000 274 5298 97 5298 24 198 0000 294 7795 96 7795 25 458 0000 295 2180 162 7820 26 108 0000 269 6195 161 6195 27 246 0000 195 5955 50 4045 Figure 3 8 R sultats d une r gression multivariable 3 5 Pr visions stochastiques Un processus stochastique n est rien d autre qu une quation d finie math matiquement qui peut cr er une s rie de r sultats dans le temps des r sultats qui ne sont pas d terministes par nature C est dire une quation ou un processus qui ne suit aucune r gle vidente simple telle que le prix augmentera de X pourcents chaque ann e ou les b n fices augmenteront
298. on R gression multiple et l interpr tation est identique celle d crite pr c demment e D marrez Excel et saisissez vos donn es ou ouvrez une feuille de calcul existante avec les donn es historiques pour lesquelles effectuer la pr vision de fichier Advanced Forecasting Models mod les de pr visions avanc s du menu Exemples du x l illustration la figure 3 15 utilise l exemple Simulateur de risques S lectionnez les donn es dans la feuille de calcul conom trie de base puis Simulateur de risques Pr visions conom trie de base 113 2012 Real Options Valuation Inc Simulateur de risques Saisissez les variables d pendante et ind pendantes souhait es consultez la figure 3 15 pour des exemples et cliquez sur OK pour ex cuter le mod le et le rapport ou cliquez sur Afficher les r sultats pour consulter les r sultats avant de g n rer le rapport au cas o vous deviez modifier le mod le Jeu de donn es d conom trie de base Fonctions conom triques Cet outil est utilis pour ex cuter des mod les conom triques l mentaires en transformant les X1 X2 X4 X5 variables d entr e avant d ex cuter l analyse de r gression multi variables Vous pouvez saisir 521 18308 185 4 041 79 6 72 plusieurs sp cifications de mod les conom triques tester Chaque mod le se trouve sur une 367 1148 600 055 1 85 nouvelle ligne et sur chaque ligne la premi re variable est la variable
299. onditionnelles Statistiques suppl mentaires pour l optimisation stochastique notamment les percentiles et les moyennes conditionnelles qui sont essentiels au calcul des mesures de valeur au risque conditionnelles Algorithme de recherche Algorithmes de recherche simples rapides et efficaces pour une variable de d cision l mentaire unique et des applications de recherche d objectif Simulation hyper rapide dans l optimisation dynamique et stochastique Ex cute une simulation vitesse hyper rapide int gr e l optimisation 15 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 1 4 5 Module d outils analytiques 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 V rification du mod le Teste votre mod le pour y d tecter les erreurs les plus courantes diteur de corr lations Permet de saisir et de modifier directement des matrices de corr lations volumineuses Cr ation de rapports Automatise la g n ration de rapports sur les suppositions et les pr visions d un mod le Cr ation de rapports statistiques G n re un rapport comparatif de toutes les statistiques de pr visions Diagnostics de donn es Ex cute des tests d h t rosc dasticit de micronum rosit de valeurs aberrantes de non lin arit d autocorr lation de normalit de sph ricit de non stationnarit de mul
300. ons ci dessous illustrent les applications et les fonctions math matiques de certains moments pour une statistique chantillon Par exemple remarquez que la puissance la plus lev e pour la moyenne du premier moment est un l cart type du deuxi me moment deux l talement du troisi me moment trois et le quatri me moment quatre 47 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Premier moment moyenne arithm tique ou moyenne simple chantillon l chantillon La fonction Excel quivalente est STDEVP pour l cart type de la population Troisi me moment talement n s skew f ya ZX La fonction Excel quivalente est SKEW n 1 n 2 5 S Quatri me moment curtosis n n 1 ae en H n 1 n 1 n 2 n 3 m 8 n 2 n 3 kurtosis La fonction Excel quivalente est KURT 2 3 6 Comprendre la distribution de probabilit s pour la simulation de Monte Carlo Cette section d montre la puissance de la simulation de Monte Carlo mais pour commencer utiliser les simulations il faut d abord comprendre le concept de distribution de probabilit s Pour commencer comprendre les probabilit s consid rez l exemple suivant vous voulez regarder la distribution des salaires non exempt s au sein d un service d une grande entreprise D abord vous rassemblez les donn es brutes dans ce cas le salaire de chaque employ non exempt de ce service Ensuit
301. ons crois es sont n gatives il y a des effets de diversification du risque et le risque du portefeuille diminue Cependant pour simplifier les calculs ici nous supposons qu il y a z ro corr lation entre les classes d actifs dans le calcul du risque de ce portefeuille mais supposons la pr sence de corr lations lors de l application de la simulation sur les rendements comme nous le verrons plus tard Donc au lieu d appliquer des corr lations statiques entre ces diff rents rendements d actifs nous appliquons les corr lations dans les suppositions de la simulation m mes ce qui cr e une relation plus dynamique entre les valeurs de rendement simul es Enfin le rapport rendement risque ou ratio de Sharpe est calcul pour le portefeuille Cette valeur se trouve dans la cellule C18 et repr sente l objectif maximiser dans cet exercice d optimisation Pour r capituler nous avons les sp cifications suivantes dans cet exemple de mod le Objectif Maximiser le rapport rendement risque C18 Variables de d cision Poids des allocations E6 E15 Restrictions pour les variables de d cision Minimum et maximum requis F6 G15 Contraintes Poids des allocations total 100 E17 e Ouvrez l exemple de fichier cr ez un nouveau profil en cliquant sur Simulateur de risques Nouveau profil et donnez lui un nom e La premi re tape de l optimisation est de d finir les variables de d cision S lectionnez la cel
302. ont la distribution penche d un c t ou de l autre La figure 2 22 illustre un talement n gatif ou vers la gauche la queue de la distribution pointe vers la gauche et la figure 2 23 illustre un talement positif ou vers la droite la queue de la distribution pointe vers la droite La moyenne est toujours tal e vers la queue de la distribution alors que la m diane reste constante Une autre fa on de voir cela est que la moyenne est mobile mais que l cart type la variance ou la largeur peut rester constant e Si le troisi me moment n est pas pris en compte en regardant uniquement les rendements attendus positifs par ex m diane ou moyenne et le risque cart type un projet talement positif risque d tre choisi par erreur Par exemple si l axe horizontal repr sente les b n fices nets d un projet il est alors clair qu une distribution talement n gatif ou gauche pourrait tre pr f rable puisqu il y a une probabilit plus lev e de rendements sup rieurs figure 2 22 par rapport une probabilit plus lev e de rendements inf rieurs figure 2 23 Ainsi dans une distribution tal e la m diane est une meilleure mesure des rendements car les m dianes pour les figures 2 22 et 2 23 sont identiques les risques sont identiques et donc un projet avec une distribution talement n gatif des b n fices nets est un meilleur choix Ne pas prendre en compte l talement distributionnel d
303. ont parfois plus pr cises en particulier avec les fonctions polaires c est dire les fonctions avec des d nominateurs proches de z ro e D marrez Excel et ouvrez vos donn es historiques si n cessaire l illustration ci dessous utilise le fichier Nonlinear Extrapolation extrapolation non lin aire du dossier d exemples e S lectionnez les donn es de s ries chronologiques puis Simulateur de risques Pr visions Extrapolation non lin aire e S lectionnez le type d extrapolation s lection automatique fonction polynomiale ou fonction rationnelle entrez le nombre de p riodes de pr visions souhait es figure 3 11 puis cliquez sur OK Le rapport de r sultats illustr la figure 3 12 montre les valeurs de pr visions extrapol es les mesures d erreur et la repr sentation graphique des r sultats de l extrapolation Les mesures d erreur devraient tre utilis es pour mesurer la validit de la pr vision et sont particuli rement importantes pour la comparaison de la qualit de la pr vision et de la pr cision de l extrapolation par rapport l analyse de s ries chronologiques 104 2012 Real Options Valuation Inc Simulateur de risques Remarques Quand les donn es historiques sont r guli res et suivent des courbes et motifs non lin aires l extrapolation est mieux adapt e que l analyse de s ries chronologiques Cependant quand les motifs des donn es suivent des cycles saison
304. oth ques DLL e SDK DLL et OEM Toutes les donn es analytiques du Simulateur de risques peuvent tre invoqu es l ext rieur de ce logiciel et int gr es tout logiciel propri taire Veuillez contacter admin realoptionsvaluation com pour de plus amples d tails sur l utilisation de notre kit de d veloppement logiciel pour acc der aux fichiers analytiques DLL CONSEILS D marrage du Simulateur de risques avec Excel e D panneur ROV Ex cutez ce d panneur pour obtenir lID mat riel HWID de votre ordinateur des fins de licence pour voir les param tres et les pr requis de votre ordinateur et pour r activer le Simulateur de risques s il a t d sactiv par accident e D marrage du Simulateur de risques au d marrage d Excel Vous pouvez laisser le Simulateur de risques d marrer automatiquement chaque d marrage d Excel ou le d marrer manuellement en cliquant sur D marrer Programmes Real Options Valuation Simulateur de risques Vous pouvez d finir cette pr f rence dans le menu Options du Simulateur de risques CONSEILS Simulation hyper rapide e D veloppement de mod les Si vous souhaitez ex cuter la simulation hyper rapide dans votre mod le vous avez peut tre int r t pendant la construction du mod le ex cuter quelques tests de simulation hyper rapide afin de vous assurer que le produit fini sera capable d ex cuter la simulation hyper rapide N attendez pas que le mod
305. oth se nulle n est pas rejet e quand les valeurs pr dictives sont lev es les moyennes des deux distributions de pr vision sont statistiquement similaires La m me analyse est effectu e sur les variances des deux pr visions la fois en utilisant le test F appari Si les valeurs pr dictives sont faibles les variances et carts types sont statistiquement diff rentes l une de l autre Sinon en cas de valeurs pr dictives lev es les variances sont statistiquement identiques Manuel d utilisation 169 2012 Real Options Valuation Inc Simulateur de risques Test d hypoth se sur les moyennes et variances de deux pr visions R sum statistique Un test d hypoth se est effectu pour tester les moyennes et les variances de deux distributions afin de d terminer si elles sont statistiquement identiques ou diff rentes l une de l autre C est dire pour voir si les diff rences entre deux moyennes et deux variances qui ont lieu sont bas es sur le hasard ou si elles sont v ritablement diff rentes l une de l autre Le test T deux variables avec variances in gales on s attend ce que la variance de la population de la pr vision 1 soit diff rente de la variance de la population de la pr vision 2 est appropri quand les distributions de la pr vision proviennent de populations diff rentes par ex donn es obtenues partir de deux emplacements g ographiques diff rents deux unit s d exploitation diff ren
306. ou les ann es et les valeurs Y connues repr sentent les valeurs sur l axe y dans notre exemple les taux d int r t connus La variable de l axe y est g n ralement la variable partir de laquelle vous souhaitez interpoler les valeurs manquantes ou extrapoler les valeurs dans l avenir lt Real Options Interpolation et extrapolation par spline cubique V Valuation www resloptionsvaluation com Le mod le d interpolation et d extrapolation polynomiales par spline cubique sert remplir les trous des rendements ponctuels manquants et la structure des taux d int r t I permet d interpoler les points de donn es manquants dans une s rie chronologique de taux d int r t et autres variables macro conomiques telles SIRET les taux d inflation les cours des produits de base ou les recettes des ventes ET Le mod le d interpolation et ane polynomiales par spline pue RCE r3 i e vici Ir a r ir les trous des valeurs mai tes et pr voir les donn es extrapoler hors de la plage donn e ou connue ce qui est utile pour les pr visions pras Ta ea T he l epai er les poirie de donn es manquants dans une s rie chronologique de donn es par ex courbe de rendement taux d int r t variables macro conomiques comme les taux d inflation et les cours des produits de base ou les recettes des ventes ET extrapoler hors de la plage donn e ou connue ce qui est utile pour les pr visions Ann es __Rendements ponctuels
307. ous acc dez diverses options du Simulateur de risques vous pouvez notamment autoriser le Simulateur de risques d marrer chaque d marrage d Excel ou d marrer seulement quand vous le souhaitez D marrer Programmes Real Options Valuation Simulateur de risques Simulateur de risques changer les couleurs des cellules des suppositions et pr visions et activer d sactiver les commentaires de cellules les commentaires de cellules vous permettent de voir quelles cellules sont des suppositions d entr e et quelles cellules sont des pr visions de sortie ainsi que leurs param tres d entr e et leurs noms respectifs Passez plus de temps vous entra ner utiliser les r sultats du graphique de pr visions en particulier l onglet Contr les 36 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 2 3 Corr lations et contr le de pr cision 23 1 Les bases des corr lations Le coefficient de corr lation est une mesure de la force et de la direction de la relation entre deux variables et ne peut avoir qu une valeur comprise entre 1 0 et 1 0 C est dire que le coefficient de corr lation peut tre d compos en son signe relation positive ou n gative entre deux variables et la magnitude ou force de la relation plus la valeur absolue du coefficient de corr lation est lev e plus la relation est forte Le coefficient de corr lation peut tre calcul de plus
308. ous supposons que les zones de donn es s lectionn es proviennent de multiples variables Cliquez sur OK une fois que vous avez termin e Choisissez les tests statistiques que vous souhaitez effectuer Notre suggestion et le param tre par d faut est de choisir tous les tests Cliquez sur OK une fois que vous avez termin figure 5 29 Prenez le temps de bien consulter les rapports g n r s pour mieux comprendre les tests statistiques effectu s des exemples de rapports sont illustr s aux figures 5 30 5 33 184 2012 Real Options Valuation Inc Simulateur de risques Jeu de donn es Variable X1 Variable X2 Analyses statistiques 1148 18068 7729 100484 432 16728 290 14630 346 4008 328 38927 354 22322 266 3711 320 3136 197 Les donn es proviennent d une seule variable Cox _ Les donn es comprennent plusieurs variables dans des colonnes Analyses statistiques S lectionnez les analyses ex cuter Ex cuter Tous les tests va St ti ti j P ti M Ajustement distibutionnel Continu Discret M Histogramme et graphiques M Test dhypoth se Moyenne hypoth tis e 0 V Edrapolation non lin aire M Test de nomalit Figure 5 29 Tests statistiques Manuel d utilisation 185 2012 Real Options Valuation Inc Simulateur de risques Statistiques descriptives Analyse des statistiques La plupart des distributions peuvent tre d finies par quatre moments certain
309. pensez l approche de la simulation de Monte Carlo comme suit piocher des balles de golf dans un grand panier de fa on r p t e ces balles tant remplac es La taille et la forme du panier d pendent de la supposition d entr e distributionnelle par ex une distribution normale avec une moyenne de 100 et un cart 19 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation type de 10 par rapport une distribution uniforme ou triangulaire certains paniers tant plus profonds ou plus sym triques que d autres permettant que certaines balles soient pioch es plus fr quemment que d autres Le nombre de balles pioch es de fa on r p t e d pend du nombre d essais simul s Pour un grand mod le avec plusieurs suppositions connexes imaginez ce grand mod le comme un tr s grand panier contenant de nombreux paniers plus petits avec chacun son jeu de balles s y d pla ant Chaque petit panier contient son propre jeu de balles de golf Parfois ces petits paniers se tiennent la main s il y a une corr lation entre les variables et les balles de golf se d placent en tandem alors que d autres se d placent ind pendamment les unes des autres Les balles qui sont pioch es chaque fois partir de ces interactions au sein de mod le le grand panier central sont tabul es et enregistr es fournissant un r sultat de pr vision de la simulation 2 2 Commencer utiliser le Simulate
310. placement Weibull 3 Percentile B ta Percentile Weibull 3 Alpha Percentile Percentile Weibull 3 Percentile Percentile Percentile Weibull 3 Moyenne cart type Percentile tangue Frangais a cmales 4 Percentile Percentile 2 66 3 4054 19 3606 Figure 5 47 Outil d ajustement distributionnel des percentiles 5 21 Tableaux et graphiques de disttibution Outil de distribution des probabilit s Ce nouvel outil de distribution des probabilit s est un module tr s puissant et tr s rapide utilis pour g n rer des tableaux et des graphiques de distribution figures 5 48 5 51 Remarque Il existe trois outils similaires dans le Simulateur de risques mais chacun d entre eux a des fonctions tr s diff rentes e Analyse distributionnelle Calcule rapidement les PDF CDF et ICDF des 42 distributions de probabilit s disponibles dans le Simulateur de risques et renvoie un tableau de probabilit s de ces valeurs e Tableaux et graphiques de distribution C est l outil de distribution des probabilit s d crit ici Il sert comparer diff rents param tres d une m me distribution par ex les formes et les valeurs PDF CDF ICDF d une distribution de Weibull avec alpha et b ta de 2 2 3 5 et 3 5 8 puis il les superpose 205 2012 Real Options Valuation Inc Simulateur de risques e Graphiques superpos s Sert comparer diff rentes distributions suppos
311. points importants lors de la consultation des r sultats et des proc dures d optimisation effectu es jusqu maintenant e La fa on correcte d ex cuter l optimisation est de maximiser le rendement de l investissement ou le ratio de Sharpe rendement risque comme nous l avons fait e Si au lieu de cela nous maximisions les rendements totaux du portefeuille le r sultat d allocation optimale est insignifiant et il n est pas n cessaire d ex cuter une optimisation pour l obtenir C est dire qu il suffit d allouer 5 le minimum autoris aux 8 actifs les plus bas 35 le maximum autoris l actif avec le rendement le plus lev et le reste 25 l actif avec le deuxi me rendement le plus lev L optimisation n est pas n cessaire Cependant si vous effectuez l allocation du portefeuille de cette fa on le 134 2012 Real Options Valuation Inc Simulateur de risques risque est beaucoup plus lev que si vous maximisez le rapport rendement risque bien que les rendements du portefeuille seuls soient plus lev s e l inverse il est galement possible de minimiser le risque total du portefeuille mais dans ce cas les rendements seront inf rieurs Le tableau 4 1 illustre les r sultats des trois objectifs diff rents optimis s Rendements Rapport Risque du du f rendement risque R portefeuille i Objectif portefeuille du portefeuille Maximiser le rapport r
312. pour calculer l erreur 95 Afficher la statistique suivante sur l histogramme Moyenne M diane er quartile 3 me quartile Afficher les d cimales Axe X du graphique 4 H Confiance 4 Statistiques 4 0 4480 0 7269 1 0068 Pr cision de l erreur en pourcentage une confiance de 95 1 3888 Figure 2 18 Calcul de l erreur Manuel d utilisation 43 2012 Real Options Valuation Inc Simulateur de risques Mesurer le centre de la distribution Le premier moment Mesurer la dispersion de la distribution Le deuxi me moment Manuel d utilisation 2 3 5 Comprendre les statistiques de pr visions La plupart des distributions peuvent tre d finies par quatre moments Le premier moment d crit son emplacement ou tendance centrale rendements attendus le deuxi me moment sa largeur ou dispersion risques le troisi me moment l talement v nements les plus probables et le quatri me moment son aplatissement ou paisseur au niveau des queues pertes ou gains catastrophiques Ces quatre moments doivent tre calcul s et interpr t s afin d obtenir un aper u plus complet du projet analys Le Simulateur de risques fournit les r sultats des quatre moments dans l affichage Statistiques des graphiques de pr visions Le premier moment d une distribution mesure le taux de rendement attendu d un projet particulier Il mesure la position des sc
313. pour exclure les valeurs aberrantes La plage inter quartiles est la diff rence entre le troisi me et le premier quartiles et est souvent utilis e pour mesurer la largeur du centre de la distribution L talement est le troisi me moment d une distribution L talement caract rise le degr d asym trie d une distribution autour de sa moyenne L talement vers la droite indique une distribution avec une queue asym trique tendant vers les valeurs plus positives L talement vers la gauche indique une distribution avec une queue asym trique tendant vers les valeurs plus n gatives Le kurtosis caract rise l irr gularit ou l aplatissement relatif d une distribution par rapport une distribution normale C est le quatri me moment d une distribution Un kurtosis positif indique une distribution relativement irr guli re Un kurtosis n gatif indique une distribution relativement plate Le kurtosis mesur ici a t centr sur z ro d autres mesures de kurtosis sont centr es sur 3 0 Les deux m thodes sont valides mais un centrage sur z ro simplifie l interpr tation Un kurtosis positif lev indique une distribution irr guli re avec pics autour de son centre et des queues leptocurtiques ou paisses Cela indique une probabilit plus lev e d v nements extr mes par ex catastrophes attaques terroristes krachs boursiers que pr dite dans une distribution normale R sum statistique Statistiques Variable X1
314. pour la d finition de suppositions et de pr visions et prise en charge du clic droit dans Excel D panneur Cet outil vous permet de r activer le logiciel de v rifier votre configuration syst me d obtenir l ID mat riel etc Analyse en mode Turbo Cette nouvelle fonctionnalit vous permet d ex cuter des pr visions et autres outils d analyse des vitesses exceptionnelles am lior e dans la version 5 2 Les analyses et les r sultats restent les m mes mais sont d sormais calcul s et les rapports g n r s tr s rapidement Ressources Web tudes de cas et vid os T l chargez gratuitement des mod les des vid os de d marrage des tudes de cas des livres blancs et autres documents depuis notre site Web 1 4 2 Module de simulation 21 22 23 24 6 g n rateurs de nombres al atoires ROV Advanced Subtractive Generator Subtractive Random Shuffle Generator Long Period Shuffle Generator Portable Random Shuffle Generator Quick IEEE Hex Generator Basic Minimal Portable Generator 2 m thodes d chantillonnage Monte Carlo et hypercube latin 3 copules de corr lation Application de la copule normale la copule T et la copule quasi normale pour les simulations corr l es 42 distributions de probabilit s Arcsinus Bernoulli b ta b ta 3 b ta 4 bilogarithmique binomiale binomiale n gative Cauchy cosinus distribution 13 2012 Real Options Valuation Inc Simulateur de ri
315. pour pr voir les r sultats futurs sans que l analyste n ait besoin d tre un conom tricien expert Le terme de logique floue vient de la th orie des ensembles flous et sert traiter les raisonnements approximatifs plut t que pr cis par opposition la logique conventionnelle o les ensemble binaires ont une logique binaire les variables de logique floue peuvent avoir une valeur de v rit qui est comprise entre 0 et 1 et qui n est pas limit e aux deux valeurs de v rit de la logique propositionnelle classique Ce sch ma de pond ration floue est utilis avec une m thode combinatoire pour produire des r sultats de pr visions de s ries chronologiques dans le Simulateur de risques En utilisant le Simulateur de risques les opinions des experts peuvent tre rassembl es et une distribution personnalis e peut tre g n r e Cette technique de pr visions est pratique quand le jeu de donn es est petit ou quand la validit de l ajustement est mauvaise en cas d application une routine d ajustement distributionnel Le mod le d h t rosc dasticit conditionnelle autor gressive g n ralis e GARCH est utilis pour mod liser les niveaux de volatilit historiques et pr voir les niveaux de volatilit futurs d une s curit n gociable par ex les cours des actions les prix des ressources le cours du p trole etc Le jeu de donn es doit tre une s rie chronologique de niveaux de pri
316. ppositions de pr visions techniques par ex h t rosc dasticit multicolin arit etc des analyses de sensibilit et de sc nario des analyses de graphiques superpos s des graphiques en araign e des graphiques Tornado ainsi que de nombreux autres outils puissants e Real Options Super Lattice Solver R solveur de super treillis d options r elles est un autre logiciel autonome qui compl te le Simulateur de risques utilis pour r soudre les probl mes d options r elles simples ou complexes Les sections suivantes expliquent les bases du module de simulation du Simulateur de risques et les chapitres suivants traiteront des applications des autres modules de fa on plus d taill e Avant de continuer votre lecture installez le Simulateur de risques sur votre ordinateur afin de pouvoir suivre les explications En fait nous vous conseillons ortement de commencer par regarder les vid os de d marrage sur le Web www realoptionsvaluation com risksimulator html ou d essayer les exercices tape par tape qui se trouvent la fin de ce chapitre puis de revenir lire le texte de ce chapitre En effet les vid os et les exercices vous permettront de vous lancer imm diatement alors que le texte de ce chapitre est plus ax sur la th orie et les explications d taill es des propri t s de la simulation 21 2012 Real Options Valuation Inc Simulateur de risques Cr er un nouveau profil de simulation Hypergeometr
317. pr cision vous permet de d finir le niveau de pr cision de votre pr vision comme vous le souhaitez En r gle g n rale plus le nombre d essais calcul s est lev plus l intervalle de confiance r tr cit et plus les statistiques sont pr cises La fonctionnalit de contr le de la pr cision du Simulateur de risques utilise la caract ristique des intervalles de confiance pour d terminer quand la pr cision sp cifi e d une statistique a t atteinte Pour chaque pr cision vous pouvez sp cifier l intervalle de confiance sp cifique pour le niveau de pr cision Faites attention de ne pas confondre trois termes tr s diff rents erreur pr cision et confiance Bien qu ils puissant sembler similaires ces concepts sont consid rablement diff rents Voici une illustration simple Supposez que vous tes fabricant de tacos et que vous voulez savoir combien de tacos cass s se trouvent en moyenne dans une bo te de 100 tacos Une m thode consiste rassembler un chantillon de bo tes de 100 tacos les ouvrir et compter les tacos cass s qui s y trouvent Vous fabriquez 1 million de bo tes par jour votre population mais vous ouvrez seulement 10 bo tes au hasard la taille de votre chantillon aussi appel e nombre d essais dans une simulation Le nombre de tacos cass s dans chaque bo te est le suivant 24 22 4 15 33 32 4 1 45 et 2 Le nombre de tacos cass s moyen calcul est donc gal 18 2 En s appuyan
318. pr install Cependant si un message d erreur portant sur la n cessit d avoir NET Framework s affiche pendant l installation du Simulateur de risques Manuel d utilisation 8 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation quittez l installation puis installez le logiciel NET Framework pertinent inclus sur le CD choisissez votre langue Terminez l installation de NET red marrez l ordinateur puis r installez le Simulateur de risques Le logiciel est fourni avec un fichier de licence d essai de 10 jours par d faut Pour obtenir une licence d entreprise compl te contactez Real Options Valuation Inc admin realoptionsvaluation com appelez le 1 925 271 4438 ou consultez notre site Web www realoptionsvaluation com Rendez vous sur ce site Web et cliquez sur DOWNLOAD T L CHARGER pour obtenir la derni re version du logiciel ou cliquez sur le lien FAQ pour obtenir des informations mises jour portant sur les licences ou les probl mes d installation et les solutions correspondantes 1 3 Licences Si vous avez install le logiciel et avez achet une licence compl te pour l utiliser vous devrez nous envoyer votre ID mat riel par e mail afin que nous puissions g n rer un fichier de licence Il vous suffit de suivre les instructions ci dessous Pour Windows XP avec Excel XP Excel 2003 Excel 2007 ou Excel 2010 e D abord dans Excel cliquez sur Simu
319. ptimisation d algorithme g n tique Un algorithme g n tique est une heuristique de recherche qui imite le processus de l volution naturelle Cette approche heuristique est fr quemment utilis e pour g n rer des solutions utiles des probl mes d optimisation et de recherche Les algorithmes g n tiques appartiennent la classe plus large des algorithmes volutionnistes qui g n rent des solutions aux probl mes d optimisation en utilisant des techniques inspir es de l volution naturelle comme l h ritage la mutation la s lection et le croisement L algorithme g n tique est disponible dans Simulateur de risques Outils Algorithme g n tique figure 5 60 Il faut calibrer les entr es du mod le avec soin car les r sultats seront relativement sensibles aux entr es les entr es par d faut sont fournies comme guide g n ral des niveaux d entr e les plus courants et il est conseill de choisir l outil de recherche du gradient pour un jeu de r sultats plus solide vous pouvez d s lectionner cette option pour commencer puis s lectionner ce choix r ex cuter l analyse et comparer les r sultats Remarque Dans de nombreux probl mes les algorithmes g n tiques peuvent avoir tendance converger vers des valeurs optimales locales ou m me des points arbitraires plut t que vers la valeur optimale globale du probl me Cela signifie qu ils ne savent pas sacrifier l ajustement cou
320. pulation d o provient l chantillon permettant d analyser des jeux de donn es chantillons plus petits Ce test value l hypoth se nulle selon laquelle les erreurs de l chantillon proviennent d une population normalement distribu e par opposition une hypoth se alternative selon laquelle l chantillon de donn es n est pas normalement distribu Si la statistique D calcul e est sup rieure ou gale aux valeurs D critiques diverses valeurs de signification rejetez l hypoth se nulle et acceptez l hypoth se alternative les erreurs ne sont pas normalement distribu es Sinon si la statistique D calcul e est inf rieure la valeur D critique ne rejetez pas l hypoth se nulle les erreurs sont normalement distribu es Ce test s appuie sur deux fr quences cumulatives une d riv e du jeu de donn es chantillon la deuxi me d une distribution th orique bas e sur la moyenne et l cart type de l chantillon de donn es Test de normalit et de sph ricit des erreurs Une autre exigence pour l ex cution d un mod le de r gression est la supposition de normalit et de sph ricit du terme d erreur Si la supposition de normalit n est pas respect e ou si des valeurs aberrantes sont pr sentes le test de validit de l ajustement de la r gression lin aire risque de ne pas tre le test le plus puissant ou informatif disponible et cela peut tre la diff rence permettant de d tecter un aju
321. qu e sont relativement moins connus que ceux de l action moins risqu e L axe vertical la figure 2 21 mesure le cours des actions ainsi 44 2012 Real Options Valuation Inc Simulateur de risques l action la plus risqu e a une plage plus large de r sultats potentiels Cette plage se traduit par la largeur de la distribution laxe horizontal la figure 2 20 o la distribution la plus large repr sente l action la plus risqu e A nsi la largeur ou dispersion d une distribution mesure les risques d une variable Remarquez qu la figure 2 20 les deux distributions ont des premiers moments ou tendances centrales identiques tout en tant clairement tr s diff rentes Cette diff rence dans la largeur distributionnelle est mesurable Math matiquement et statistiquement la largeur ou le risque d une variable peut tre mesur par le biais de plusieurs statistiques diff rentes notamment la plage l cart type o la variance le coefficient de variation et les percentiles talement 0 Exc s de kurtosis 0 Figure 2 20 Deuxi me moment Cours des actions Temps Figure 2 21 Fluctuations des cours des actions Manuel d utilisation 45 2012 Real Options Valuation Inc Simulateur de risques Mesurer l talement de la distribution Le troisi me moment Manuel d utilisation Le troisi me moment mesure l talement d une distribution c est dire la fa on d
322. que 19 20 21 Sp cifications du mod le d optimisation 22 23 Objectif Maximiser le rapport rendement nsque C18 24 Variables de d cision Poids des allocations E6 E15 25 Restrictions pour les variables de d cision Minimum et maximum requis F6 G15 26 Contraintes Poids des allocations du portefeuille total 100 E17 est d finie sur 100 27 Sp cifications suppl mentaires 29 30 1 Il est toujours possible de maximiser les rendements totaux du portefeuille ou de minimiser le risque total du portefeuille 31 2 Incorporez une simulation de Monte Carlo au mod le en simulant les rendements et la volatilit de chaque classe d actifs 32 et appliquez des techniques de simulation optimisation 33 3 Le portefeuille peut tre optimis tel quel sans simulation en utilisant les techniques d optimisation statique Figure 4 1 Mod le d optimisation continue Le poids des allocations dans la colonne E contient les variables de d cision qui sont les variables devant tre manipul es et test es pour que le poids total soit contraint 100 cellule E17 G n ralement pour commencer l optimisation nous d finirons ces cellules sur une valeur uniforme o dans ce cas les cellules E6 E15 sont d finies sur 10 chacune De plus chaque variable de d cision peut avoir des restrictions sp cifiques dans sa plage autoris e Dans cet exemple les allocations inf rieure et sup rieure autoris es sont 5 et 35 comme le montrent
323. que ces variables sont stochastiques N anmoins la plupart des ph nom nes financiers conomiques et naturels par ex le mouvement des mol cules dans l air suivent une relation ou une loi math matique connue Bien que les valeurs r sultantes soient incertaines la structure math matique sous jacente est connue est peut tre simul e l aide de la simulation de risques de Monte Carlo Les processus pris en charge par le Simulateur de risques incluent le trajet al atoire ou mouvement brownien le retour la moyenne la diffusion par saut et les processus mixtes utiles pour pr voir les variables de s ries chronologiques non stationnaires Avec des donn es de s ries chronologiques normales des exemples typiques sont les b n fices des ventes et les structures de co ts des grandes entreprises les valeurs ont tendance avoir jusqu trois l ments une valeur de r f rence une tendance et une saisonnalit L analyse de s ries chronologiques utilise les donn es historiques et les d compose en ces trois l ments puis les recompose en pr visions futures En d autres termes cette m thode de pr vision comme certaines autres que nous avons d crites commence par effectuer un ajustement r trospectif extrapolation r trospective des donn es historiques avant de fournir des estimations des valeurs futures pr visions 90 2012 Real Options Valuation Inc Simulateur de risques 3 2 Ex cuter l out
324. que sur des cellules de sortie avec des quations ou des fonctions Pour d finir une pr vision proc dez comme suit e S lectionnez la cellule sur laquelle vous souhaitez d finir la pr vision par ex la cellule G10 dans l exemple de mod le de simulation de base e Cliquez sur Simulateur de risques et s lectionnez D finir la pr vision de sortie ou cliquez sur l ic ne de d finition de la pr vision de sortie dans la barre d outils du Simulateur de risques figure 1 3 e Saisissez les informations pertinentes et cliquez sur OK Remarque Vous pouvez aussi d finir une pr vision de sortie en s lectionnant la cellule sur laquelle vous souhaitez d finir la pr vision et en cliquant avec le bouton droit de la souris pour acc der au menu de raccourcis du Simulateur de risques La figure 2 5 illustre les propri t s de la pr vision d finir Nom de la pr vision Sp cifiez le nom de la cellule de pr vision C est important car quand vous avez un mod le volumineux avec de nombreuses cellules de pr visions l attribution de noms Manuel d utilisation 28 2012 Real Options Valuation Inc Simulateur de risques Pr cision de la pr vision Afficher la fen tre de pr vision Ex cuter la simulation Manuel d utilisation individuels ces cellules vous permet d acc der aux r sultats pertinents rapidement Ne sous estimez pas l importance de cette tape simple Il est fortement conseill d util
325. ques Proc dure Manuel d utilisation moyenne RMSE erreur quadratique moyenne MSE cart absolu moyen MAD et erreur absolue moyenne en pourcentage MAPE woso ue wjn c D E F G H D saisonnalisation des donn es correction des tendances et test de saisonnalit L outil de d saisonnalisation des donn es et correction des tendances du Simulateur de risques vous permet de supprimer tout composant de saisonnalit ou de tendance de vos donn es Ce processus vous permet de montrer uniquement les changements de valeurs absolus d une p riode l autre pour permettre l identification des fluctuations cycliques potentielles dans les donn es de s ries chronologiques La d saisonnalisation et la correction des tendances suppriment les d rives g n rales la tendance les pointes les courbes et autres cycles saisonniers Cet outil d saisonnalise et corrige les tendances de vos donn es originales afin d liminer tout composant de saisonnalit et de tendance Dans les mod les de pr vision c est le processus de suppression des effets de ion d donn es de la saisonnalit et de la tendance devi l accumulation d ensembles des cycles saisonniers d un ensemble de donn es Emplacement des donn es B9828 El F D saisonnaliser les donn es Nombre de p riodes par cycle saisonnier 4 a FF Corriger les tendances des donn es F Lin aire M Exponentielle F Logarithmique F Polynomiale ordre F Puissance F Moyenne mob
326. queues ont la m me probabilit Type Bist aie 0530722 A739 Certitude 90 004 Figure 2 10 Intervalle de confiance bilat ral du graphique de pr visions Une probabilit unilat rale peut galement tre calcul e La figure 2 11 illustre une s lection de queue gauche un niveau de confiance de 95 choisissez Queue gauche lt comme type entrez 95 comme niveau de certitude et appuyez sur TAB Cela signifie qu il y a une probabilit de 95 que les revenus soient inf rieurs 1 1739 ou une probabilit de 5 qu ils soient sup rieurs 1 1739 ce qui correspond parfaitement aux r sultats illustr s la figure 2 10 En plus de l valuation de l intervalle de confiance c d tant donn un niveau de probabilit trouver les valeurs de revenus pertinentes vous pouvez d terminer la probabilit d une valeur de revenus donn e Par exemple quelle est la probabilit que les revenus soient inf rieurs ou gaux 1 Pour ce faire s lectionnez Queue gauche lt comme type entrez 1 dans le champ de valeur et appuyez sur TAB La certitude correspondante est alors calcul e dans ce cas il y a une probabilit de 74 30 que les revenus soient inf rieurs ou gaux 1 34 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Figure 2 12 valuation de la probabilit du graphique de pr visions Si vous voule
327. quise dans une cellule de supposition vous pouvez alors commencer par entrer la supposition d entr e dans la cellule puis tapez l quation ou la fonction lors de l ex cution de la simulation les valeurs simul es remplacent la fonction et une fois la simulation termin e la fonction ou l quation appara t nouveau CONSEILS Copier et coller e Copier et coller l aide de la touche d chappement Quand vous s lectionnez une cellule et utilisez la fonction de copie du Simulateur de risques elle copie tout dans le Presse papiers Windows notamment la valeur l quation la fonction la couleur la police et la taille de la cellule ainsi que les suppositions les pr visions ou les variables de d cision du Simulateur de risques Ensuite quand vous utilisez la fonction Coller du Simulateur de risques vous avez deux options La premi re est d appliquer la fonction Coller du Simulateur de risques directement et les valeurs la couleur la police l quation les fonctions et les param tres de la cellule seront coll es dans la nouvelle cellule La deuxi me est de commencer par appuyer sur la touche d chappement du clavier puis d appliquer la fonction Coller du Simulateur de risques La touche d chappement indique au Simulateur de risques que vous souhaitez coller uniquement la supposition la pr vision ou la variable de d cision du Simulateur de risques et non les valeurs la couleur l qua
328. r dire les niveaux les tendances et les saisonnalit s Courbes de tendances Pr visions et ajustement en utilisant lin aire polynomiale non lin aire puissance logarithmique exponentielle et moyenne mobile avec validit de l ajustement Pr vision par r seau neuronal Lin aire logistique tangente hyperbolique cosinus avec tangente hyperbolique Pr vision par logique floue combinatoire 1 4 4 Module d optimisation 48 49 50 Si 52 53 54 55 56 57 58 Optimisation lin aire Optimisation multi phases et optimisation lin aire g n rale Optimisation non lin aire R sultats d taill s dont des matrices hessiennes des fonctions de LaGrange et autres Optimisation statique Ex cutions rapides pour les optimisations des nombres continus entiers et binaires Optimisation dynamique Simulation avec optimisation Optimisation stochastique Crit res quadratiques tangentiels centraux ascendants et de convergence Fronti re efficiente Combinaisons d optimisations stochastiques et dynamiques sur des fronti res efficaces multi variables Algorithmes g n tiques Utilis s pour divers probl mes d optimisation Optimisation multi phases Tests pour d terminer les valeurs optimales locales et globales ce qui permet un meilleur contr le de la m thode d ex cution de l optimisation et accro t la pr cision et la fiabilit des r sultats Percentiles et moyennes c
329. r initialisation de la simulation de la barre d outils ou de l arr ter en cours d ex cution De plus la fonction par tapes Simulateur de risques Simulation par tapes ou ic ne de simulation par tapes de la barre d outils vous permet de simuler un seul essai la fois ce qui est utile pour pr senter la simulation d autres personnes c est dire que vous pouvez montrer qu chaque essai toutes les valeurs dans les cellules de 29 2012 Real Options Valuation Inc Simulateur de risques Interpr ter les r sultats de pr visions Manuel d utilisation supposition sont remplac es et que tout le mod le est recalcul chaque fois Vous pouvez aussi acc der au menu d ex cution de la simulation en cliquant n importe o dans le mod le avec le bouton droit de la souris puis en s lectionnant Ex cuter la simulation Le Simulateur de risques vous permet galement d ex cuter la simulation tr s rapidement c est ce qu on appelle l hyper vitesse Pour ce faire cliquez sur Simulateur de risques Ex cuter la simulation hyper rapide ou sur l ic ne correspondante Vous remarquerez quel point cette simulation est plus rapide D ailleurs pour vous entra ner cliquez sur R initialiser la simulation Modifier le profil de simulation d finissez le Nombre d essais sur 100 000 et cliquez sur Ex cuter la simulation hyper rapide Son ex cution ne devrait prendre que quelques secondes C
330. r visions pour am liorer la pr vision Un mod le MA q a la forme suivante y t e t b 1 e t 1 b q e t q Enfin un mod le ARMA p q a la forme combin e suivante y t a 1 y t 1 a p y t p e t b 1 e t 1 b q e t q Le coefficient de d termination multiple indique la variation en pourcentage dans la variable d pendante pouvant tre expliqu e et justifi e par les variables ind pendantes dans cette analyse de r gression Cependant dans une r gression multiple le coefficient de d termination multiple ajust prend en compte l existence de variables ind pendantes ou pr dicteurs suppl mentaires et ajuste la valeur de ce coefficient pour une vue plus pr cise de la capacit explicative de la r gression Mais dans certaines circonstances de mod lisation ARIMA par ex dans le cas de mod les non convergents le coefficient de d termination multiple n est pas toujours fiable Le coefficient de corr lation multiple mesure la corr lation entre la variable d pendante r elle Y et la valeur estim e ou ajust e Y d apr s l quation de r gression Cette corr lation est galement la racine carr e du coefficient de d termination multiple L erreur type pour la valeur y estim e SEy d crit la dispersion des points de donn es au dessus et en dessous de la ligne ou courbe de r gression Cette valeur est utilis e ult rieurement pour calculer l intervalle de confiance des estimations Le crit re d informatio
331. r Data Fitting ajustement des donn es du dossier d exemples e Ouvrez une feuille de calcul avec des donn es existantes ajuster e S lectionnez les donn es que vous souhaitez ajuster les donn es doivent se trouver dans une seule colonne avec plusieurs lignes e S lectionnez Simulateur de risques Outils Ajustement distributionnel une seule variable e S lectionnez les distributions sp cifiques que vous souhaitez ajuster ou conservez le param tre par d faut o toutes les distributions sont s lectionn es puis cliquez sur OK figure 5 13 e Consultez les r sultats de l ajustement choisissez la distribution appropri e de votre choix et cliquez sur OK figure 5 14 162 2012 Real Options Valuation Inc Simulateur de risques Interpr tation des r sultats Manuel d utilisation Variable X Variable Y Variable Z 87 53 45 29 6 00 i 99 66 46 94 6 00 101 17 108 75 45 96 6 00 102 29 87 41 52 09 8 00 105 58 103 38 51 79 5 00 99 55 88 99 51 74 8 00 86 79 Ajustement simple 105 20 113 63 L ajustement distributionnel analyse des donn es 105 90 brutes existantes et trouve la distribution la mieux 7 ajust e statistiquement c d en optimisant les 90 68 param tres de chaque distribution et en effectuant 96 20 des tests d hypoth ses statistiques 79 74 Type de distribution a 3 Ajuster aux distributions continues Ajuster aux distributions discr tes 97 70 97 85
332. r les 10 premi res variables si les 5 premi res sont critiques ce qui cr e un rapport clair et net et un graphique Tornado qui montre les contrastes entre les facteurs cl s et les facteurs moins importants vous ne devriez jamais afficher un graphique Tornado avec seulement les variables cl s sans montrer les variables moins importantes afin de souligner le contraste de leurs effets sur la sortie e Valeurs par d faut Les points de test par d faut peuvent tre augment s partir des 10 pour obtenir des valeurs plus grandes et tester les non lin arit s le graphique en araign e affichera les lignes non lin aires et les graphiques Tornado seront tal s d un c t si les effets des pr c dents ne sont pas lin aires e Valeur z ro et valeurs enti res Les entr es avec des valeurs z ro ou enti res uniquement doivent tre d s lectionn es dans l analyse Tornado avant son ex cution Sinon la perturbation de pourcentage risque d invalider votre mod le par ex si votre mod le utilise un tableau de correspondances o Jan 1 F v 2 Mar 3 etc la perturbation de la valeur 1 de 10 produit 0 9 et 1 1 ce qui n a aucun sens pour le mod le e Options de graphiques Essayez diverses options de graphiques afin de d terminer les meilleures options activer et d sactiver pour votre mod le Manuel d utilisation 245 2012 Real Options Valuation Inc Simulateur de risques CONSEIL
333. rbe exponentielle en J Courbe logistique en S 1 000 Valeur de d but 200 400 Taux de croissance 10 0 i ie 0 20 30 40 60 80 100 Niveau de saturation 6000 Period G n rer la courbe de pr vision d apr s les p riodes suivantes P riode de fin 100 Figure 3 17 Pr vision de courbe en S Manuel d utilisation 116 2012 Real Options Valuation Inc Simulateur de risques Th orie Proc dure Manuel d utilisation 3 11 Pr visions de volatilit GARCH Le mod le d h t rosc dasticit conditionnelle autor gressive g n ralis e GARCH est utilis pour mod liser les niveaux de volatilit historiques et pr voir les niveaux de volatilit futures d une s curit n gociable par ex les cours des actions les prix des ressources le cours du p trole etc Le jeu de donn es doit tre une s rie chronologique de niveaux de prix bruts GARCH commence par convertir les prix en rendements relatifs puis ex cute une optimisation interne pour ajuster les donn es historiques une structure de termes de volatilit de retour la moyenne tout en supposant que la volatilit est h t rosc dastique par nature change dans le temps d apr s certaines caract ristiques conom triques Les sp cifications th oriques du mod le GARCH ne sont pas couvertes par ce manuel Pour de plus amples d tails sur les mod les GARCH consultez Advanced Analytical Models du Dr Johnathan Mun Wiley 200
334. re d essais n est pas fixe e Les essais continuent jusqu au r succ s e La probabilit de succ s est la m me d un essai l autre Les structures math matiques pour la distribution binomiale n gative sont les suivantes Po h ep pourx r r 1 et0 lt p lt l r 1 x 1 moyenne Sp P cart type alaa P talement PP yrl p 2 exc s de curtosis PA RpNa r l p 54 2012 Real Options Valuation Inc Simulateur de risques Distribution g om trique Manuel d utilisation La probabilit de succ s p et les succ s requis R sont les param tres de la distribution Entr es requises Les succ s requis doivent tre des entiers positifs gt 0 et lt 8 000 Probabilit de succ s gt 0 et lt 1 c est dire 0 0001 lt p lt 0 9999 II est important de noter que les probabilit s de succ s p de 0 ou 1 sont des conditions triviales et ne n cessitent aucune simulation Elles ne sont donc pas autoris es dans le logiciel La distribution g om trique d crit le nombre d essais n cessaires pour arriver la premi re occurrence de succ s par exemple le nombre de fois que vous devez jouer la roulette avant de gagner Conditions Les trois conditions sous jacentes de la distribution g om trique sont les suivantes e Le nombre d essais n est pas fixe e Les essais continuent jusqu au premier succ s e La probabilit de succ s est la m me d un essai l
335. rendre de risques les d savantages sont plus d sastreux ou nocifs qu un potentiel positif gal qui sont neutres au risque les avantages et les d savantages sont quivalents ou t m raires qui aiment prendre des risques le potentiel des avantages est plus attrayant Saisissez les valeurs attendues minimum et maximum de vos gains de terminal et le nombre de points Valeur attendue minimum 34 00 Gain de la valeur attendue min pour g n rer le d but de la courbe U x Valeurs att Valeur attendue maximum 435 50 Gain de la valeur attendue max pour g n rer la fin de la courbe U x 34 0000 res 42 1939 U x points calculer 50 Nombre d tapes r aliser entre min et max U x 50 3878 Dans un pari 50 50 dans lequel vous gagnez X ou perdez X 2 par rapport l absence de pari donnant un gain de 0 que 53 5815 serait ce X Par exemple si vous n avez pas de pr f rence entre un pari dans lequel vous pouvez gagner 100 ou perdre 66 7755 50 avec des probabilit s gales par rapport l absence de pari votre X est 100 Saisissez le X dans le champ Gains 74 9694 positifs ci dessous Remarque Plus le X est grand moins vous avez peur des risques alors qu un petit X indique que vous 83 1633 n aimez pas prendre de risques GES Gains positifs 217 75 Saisissez les entr es requises s lectionnez le type d U x et diquez sur 99 5510 i r sultats Vous pouvez aussi appliquer les pa d cisionnelle pour l e
336. rique du Nord 1 000 50 Here cree des colonnes ERREUR En Traitements multiples des blocs al onparai AR ARIMA pere VAR5 ARIMA automatique ANOVA Traitementsmultiplesdesblocsal atoires VAR60 VAR61 VAR62 VAR63 Auto corr lation et auto corr lation partiele G diteur XML Donn es gt Varl Var2 Var3 EM lt model name ANOVA Randomized Block notes id 60 parameter VAR6O VAR61 VAR62 VAR63 gt 88 lt model name ANOVA Single Factor Multiple Treatments notes id 61 parameter jon lin aire VARS57 VAR58 VAR59 gt Bliss 89 lt model name ANOVA Two Way notes id 62 parameter Nelson Siegel VAR40 VAR41 VAR42 VAR43 VAR44 VAR45 VAR46 VAR47 VAR48 VAR49 VAR50 VAR51 diff rence avec correc N exponentielle avec cor 91 lt model name ARIMA 1 0 1 notes id 17 parameter VARl 921 93 0 9 1 gt 95 lt model name ARIMA 1 0 2 notes id 17 parameter VAR1 261 er Vous pouvez enregistrer plusieurs analyses et notes 97 0 dans le profil pour les r cup rer ult rieurement 98 2 gt 99 lt model name Auto ARIMA notes id 18 parameter VAR1 gt 100 lt model name Auto Econometrics Detailed notes id 1 parameter VAR5 101 VAR6 VAR7 VAR8 1020 1 103 0 gt 104 lt model name Auto Econometrics Quick notes id 2 parameter VAR5 105 VAR6 VAR7 VAR8 1060 1 1070 208 0 gt 109 lt model name Autocorrelation and Partial A
337. ronti re efficiente Fronti re efficiente Problem Parameters Number of variables 12 Number of functions 2 Objective function willbe Maximized STEP1 D17 lt 5000 J17 lt 4 Functions Starting Values Final Results Distance from Function Lower Upper Function Initial Final Nearest Lagrange No Name Status Type Initial Value Bound Bound No Name Value Value Status Bound _ Multiplier 1 G OBJ 245726 1 G 245725 346137 Objective 2 G mm O RNGE 800000 1E 10 o 2 G 800000 0 00000 UpperBnd 0 0000 U 0 23768 Variables Number of funct S 2 Objective function wii be maximized Starting Values Final Results PERS Starting values us NI Riner ton Imta A upper from F7 EE Variable Initial Lower Upper Variable Initial Final Nearest Reduced S s R No Name Status Value Bound Bound No Name Value Value Status Bound _ Gradient Optimal found Do existing ranables optimized 1 Projet1 UL 100000 o 1 1 Projeti 100000 100000 NonBasic UpperBnd 0 0511 Rey den a 9 NE CSN TRE ET LE TE 2 Projet2 uL 1 00000 0 1 2 Projet2 100000 0 00000 NonBasic LowerBnd 1 0871 3 Projet3 UL 100000 o 1 3 Projet3 4 00000 0 00000 NonBasic LowerBnd 0 6530 cena 4 Projet4 uL 1 00000 o 1 4 Projet4 100000 1 00000 NonBasic UpperBnd 0 0969 5 Projet5 uL 1 00000 o 1 5 Projet5 100000 0 00000 NonBasic LowerBnd 0 2027 6 Projet6 uL 1 00000 o 1 6 Projet6 100000 0 00000 Basic LowerBnd 7 Projet7 uL 1 00000 o 1 7 Projet7
338. rt terme au profit de l ajustement long terme Pour des 219 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation probl mes d optimisation sp cifiques et des exemples de probl mes il est possible que d autres algorithmes d optimisation trouvent de meilleures solutions que les algorithmes g n tiques avec le m me temps de calcul Il est donc conseill de commencer par ex cuter l algorithme g n tique puis de l ex cuter une deuxi me fois en cochant l option Appliquer le test de recherche du gradient figure 5 60 pour v rifier la solidit du mod le Ce test de recherche du gradient essaie d ex cuter des combinaisons de techniques d optimisation traditionnelles et de m thodes d algorithme g n tique afin de renvoyer la meilleure solution possible Enfin moins qu il n y ait un besoin th orique sp cifique d utiliser l algorithme g n tique nous conseillons l utilisation du module d optimisation du Simulateur de risques pour des r sultats plus solides ce qui vous permet d ex cuter des routines d optimisation dynamiques et stochastiques bas es sur les risques plus sophistiqu es lt rations max fioo Tauxdemutation 015 Taille de la population 50 Diversit Fr Taux de convergence 0 60 litisme Fe Convergence CRE Inchang e Po J Appliquer le test de recherche du gradient Figure 5 60 Algorithme g n tique 220 2012 Real Options
339. rtaines caract ristiques appartenant un groupe par ex mod lisation des probabilit s de d faillance de cr dit ou des probabilit s qu un v nement survienne Variable d pendante D failance SRS ERESNE M mm NON 4 a a 0 0 0 0 1 0 0 0 z 0 4 Co Logt Probit Tobit Figure 3 20 Module Maximum de vraisemblance Manuel d utilisation 124 2012 Real Options Valuation Inc Simulateur de risques 3 14 Spline interpolation et extrapolation par spline cubique Th orie Parfois il manque des valeurs dans un jeu de donn es chronologiques Par exemple les taux d int r t pour les ann es 1 3 peuvent exister suivis des taux pour les ann es 5 8 puis pour l ann e 10 Les courbes splines peuvent tre utilis es pour interpoler les valeurs des taux d int r t des ann es manquantes d apr s les donn es existantes Les courbes splines peuvent aussi tre utilis es pour pr voir ou extrapoler les valeurs des p riodes futures au del de la p riode des donn es disponibles Les donn es peuvent tre lin aires ou non lin aires La figure 3 21 illustre comment ex cuter une spline cubique et la figure 3 22 montre le rapport de pr visions r sultant de ce module Les valeurs X connues repr sentent les valeurs sur laxe x d un graphique dans notre exemple les ann es des taux d int r t connus et g n ralement l axe x porte les valeurs connues l avance comme l heure
340. s tre z ro C est dire Yi Y si Y gt 0 et Yi 0 si Y 0 Si le param tre de relation fi est estim en utilisant une r gression des moindres carr s ordinaire de Yi observ sur Xi les estimateurs de r gression en r sultant sont imcoh rents et produisent des coefficients de pente biais s vers le bas et une interception biais e vers le haut Seules les MLE sont coh rentes pour un mod le Tobit Dans le mod le Tobit il y a une statistique auxiliaire appel e sigma qui est quivalente l erreur type d estimation dans une r gression des moindres carr s ordinaire standard et les coefficients estim s sont utilis s de la m me fa on que dans une analyse de r gression e D marrez Excel ouvrez l exemple de fichier Advanced Forecasting Models mod les de pr visions avanc s allez la feuille de calcul MLE s lectionnez les donn es en t tes compris et cliquez sur Simulateur de risques Pr visions Maximum de vraisemblance e S lectionnez la variable d pendante dans la liste d roulante voir la figure 3 20 et cliquez sur OK pour ex cuter le mod le et le rapport 123 2012 Real Options Valuation Inc Simulateur de risques Pr visions d estimations de vraisemblance maximale logistiques binaires LOGIT PROBIT TOBIT LOGIT amp PROBIT D rule rc led am mr co variable d pendante est binaire 0 1 ou group e en succ s et checs lls servent mod liser la probabilit attendue de ce
341. s Cet outil est utilis pour calculer les probabilit s mises jour post rieures jointes marginales et bayesiennes en entrant les probabilit s pr c dentes et les probabilit s conditionnelles de fiabilit ou les probabilit s de fiabilit peuvent a Weak Market tre calcul es quand vous avez les propri t s conditionnelles mises jour post rieures S lectionnez l analyse pertinente d sir e ci dessous et diquez sur Charger l exemple pour voir les exemples d entr es qi ee degr a go grille sur la droite ainsi que quels r sultats sont utilis s comme entr es dans l arborescence d cisionnelle de la figure Strong Market Markat Resserch Aufiabiiiiy PRIOR PROBABILITIES 45 AND 55 70 Unfavorable given Weak Weak Market Calculer les probabilit s post rieures mises jour bayesiennes d apr s les probabilit s pr c dentes et jointes de fiabilit plus courant R sultats de l analyse bayesienne Calculer les probabiit s jointes de fiabiit d apr s les probabiit s pr c d St DS moi 9 Probabilit s pr c dentes et probabilit s conditionnelles de fiabilit TAPE 1 Saisissez les noms pour les premier et deuxi me v nements d incertitude et choisissez le nombre d v nements de probabilit tats de la nature ou r sultats eies smh Nom du premier v nement Market Research tats ou v nements de probabilit 2 Nom du deuxi me v nement Market Conditions ta
342. s Les valeurs aberrantes peuvent avoir une influence importante sur la pente et l interception ajust es donnant un mauvais ajustement au gros des points de donn es Les valeurs aberrantes ont tendance augmenter l estimation de la variance r siduelle et diminuer la chance de rejet de l hypoth se nulle c est dire cr er plus d erreurs de pr diction Elles peuvent tre dues des erreurs d enregistrement qui peuvent tre 175 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation corrigibles ou au fait que les valeurs de la variable d pendante n ont pas toutes t chantillonn es partir de la m me population Les valeurs aberrantes apparentes peuvent aussi tre dues au fait que les valeurs de la variable d pendante proviennent d une population qui m me si elle est la m me n est pas normale Cependant un point peut tre une valeur inhabituelle dans une variable d pendante ou ind pendante sans n cessairement tre une valeur aberrante dans le diagramme de dispersion Dans l analyse de r gression la ligne ajust e peut tre extr mement sensible aux valeurs aberrantes En d autres termes la r gression des moindres carr s n est pas r sistante aux valeurs aberrantes et l estimation de pente ajust e ne l est donc pas non plus Si un point est verticalement loin des autres points la ligne ajust e peut passer pr s de lui au lieu de suivre la tendance lin
343. s La racine carr e de l erreur quadratique moyenne RMSE est la racine carr e de la MSE et est galement la mesure des erreurs la plus populaire elle est parfois aussi appel e fonction quadratique de perte La RMSE peut tre d finie comme la moyenne des valeurs absolues des erreurs de pr vision et est extr mement appropri e quand le co t des erreurs de pr vision est proportionnel la taille absolue de l erreur de pr vision La RMSE est utilis e comme crit re de s lection pour le mod le de s ries chronologiques le mieux adapt L erreur absolue moyenne en pourcentage MAPE est une statistique d erreur relative mesur e comme un pourcentage d erreur moyen des points de donn es historiques Elle est plus appropri e quand le co t de l erreur de pr vision est plus troitement li au pourcentage d erreur qu la taille num rique de l erreur Enfin une mesure connexe est la statistique U de Theil qui mesure la na vet de la pr vision d un mod le C est dire si la statistique U de Theil estinf rieure 1 0 alors la m thode de pr vision utilis e fournit une estimation qui est statiquement meilleure que de deviner Ajustement de la P riode R elle pr vision Mesures des erreurs 1 684 20 RMSE 71 8132 2 584 10 MSE 5157 1348 3 765 40 MAD 53 4071 4 892 30 MAPE 4 50 5 885 40 684 20 U de Theil 0 3054 6 677 00 667 55 7 1006 60 935 45 8 1122 10 1198 09 o 1163 40 1112 48 10 993 20 887 95 11 1312 50
344. s d abandon de choix de contraction de prorogation et de croissance ainsi que des options personnalis es e R solveur de super treillis actifs et phases multiples pour la r solution des options s quentielles phases multiples des options avec multiples phases et actifs sous jacents des options combin es s quentielles phases multiples avec abandon choix contraction prorogation croissance et commutation ainsi que des options personnalis es e R solveur de super treillis multinomiaux pour la r solution des options trinomiales de retour la moyenne quadrinomiales de diffusion par saut et pentanomiales en arc en ciel e Fonctions Excel compl mentaires pour la r solution de toutes les options ci dessus plus les mod les ferm s et les options personnalis es dans un environnement bas sur Excel 1 2 Configuration requise et proc dure d installation Pour installer le logiciel suivez les instructions l cran La configuration minimum requise pour ce logiciel est la suivante e Processeur Pentium IV ou sup rieur double c ur recommand e Windows XP Vista ou Windows 7 e Microsoft Excel XP 2003 2007 2010 ou sup rieur e Microsoft NET Framework 2 0 3 0 ou sup rieur e 500 Mo d espace libre e 2 Go de RAM minimum 2 4 Go recommand s e Droits administratifs pour l installation du logiciel La plupart des nouveaux ordinateurs sont fournis avec Microsoft NET Framework 2 0 3 0 d j
345. s interpos s Si le motif d autocorr lation peut tre captur par une auto r gression d un ordre inf rieur k alors l autocorr lation partielle au d calage k sera proche de z ro Les statistiques Q de Ljung Box et leurs valeurs pr dictives au d calage k sont galement fournies o l hypoth se nulle test e est telle qu il n y a pas d autocorr lation jusqu l ordre k Les lignes en pointill s dans les trac s des autocorr lations sont les deux bornes d erreur type approximatives Si l autocorr lation se trouve entre ces bornes elle n est pas significativement diff rente de z ro un niveau de signification de 5 environ Trouver le mod le ARIMA appropri demande de l entra nement et de l exp rience Ces crit res AC PAC SC et AIC sont des outils de diagnostic extr mement utiles pour aider identifier le mod le correct Moyenne mobile int gr e auto r gressive ARIMA est une technique de mod lisation avanc e utilis e pour mod liser et pr voir les donn es de s ries chronologiques les donn es int grant un composant temporel comme les taux d int r t l inflation les recettes le PIB Variable chronologique 85840 Variable exog ne F El Ordre auto r gressif AR p Ordre de diff renciation d Ordre des moyennes mobiles MA q lt rations maximales P riodes de pr visions Extrapolation r trospective Figure 3 13 A Outil de pr vision ARIMA d
346. s prises en compte par ex construire un site grand moyen petit et le nombre de r sultats d tats de la nature ou d v nements incertains par ex bon march mauvais march et saisissez les gains attendus pour chaque sc nario La valeur attendue de l information parfaite EVPD c d supposer que vous aviez tout pr vu et que vous sachiez exactement que faire par le biais d tudes de march ou d autres moyens vous permettant de mieux discerner les r sultats probabilistiques calcule si une telle information par ex si une tude de march apportera une valeur ajout e apporte une valeur ajout e par rapport des estimations na ves des tats de la nature probabilistiques Pour commencer saisissez le nombre de strat gies ou de branches d cisionnelles prises en compte par ex construire un site grand moyen petit et le nombre de r sultats d tats de la nature ou d v nements incertains par ex bon march mauvais march et saisissez les gains attendus pour chaque sc nario Minimax minimisation du regret maximum et maximin maximisation du r sultat minimum sont deux approches alternatives pour trouver le chemin de d cision optimal Elles ne sont pas souvent utilis es mais offrent malgr tout des informations suppl mentaires pour le processus de prise de d cision Saisissez le nombre de chemins ou de branches d cisionnelles qui existent par ex construire un site grand moyen petit ainsi que les
347. s 243 CONSEILS Kit de d veloppement logiciel Software Development Kit SDK et biblioth ques DEL nets ee EE EERE E NEEE detre sert S 244 CONSEILS D marrage du Simulateur de risques avec Excel ss 244 CONSEILS Simulation hyper rapide sise 244 CONSEILS Analyse Tornado sisi 245 CONSEILS D DANNEUT rites desde tiens matin en E e R rent te 246 Manuel d utilisation 6 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 1 INTRODUCTION 1 1 Bienvenue dans le SIMULATEUR DE RISQUES Le Simulateur de risques est un logiciel de simulation de Monte Carlo de pr vision et d optimisation Le logiciel a t crit avec Microsoft NET C et fonctionne dans Excel comme module compl mentaire Ce logiciel est aussi compatible et fr quemment utilis avec le logiciel Real Options Super Lattice Solver SLS et le logiciel Employee Stock Options Valuation Toolkit ESOV galement d velopp s par Real Options Valuation Inc Remarque Bien que nous ayons fait de notre mieux pour tre d taill s ce manuel ne remplace aucunement le DVD de formation les cours de formation live et les livres crits par le cr ateur du logiciel le Dr Johnathan Mun par ex Real Options Analysis 2 me dition Wiley Finance 2005 Modeling Risk Applying Monte Carlo Simulation Real Options Analysis Forecasting and Optimization 2 me dition Wiley 2010 et Valuing Employee Stock Options 2004 FAS 123R Wiley Finance
348. s Valuation Inc Simulateur de risques Distribution multiplicative b ta d cal e Distribution bilogarithmique Manuel d utilisation Entr es requises Alpha et b ta gt 0 et peuvent tre n importe quelles valeurs positives La distribution b ta 4 est galement appel e distribution multiplicative b ta d cal e la distribution b ta traditionnelle est limit e entre 0 et 1 mais multipli e par un facteur la plage sera plus large ou plus troite puis d cal e par un param tre d emplacement de fa on ce que le point de d part soit le nouvel emplacement La distribution b ta est tr s souple et est souvent utilis e pour repr senter la variabilit sur une plage fixe Elle est utilis e pour d crire des donn es empiriques et pr voir le comportement al atoire des pourcentages et des fractions alors que la plage de r sultats est g n ralement comprise entre 0 et 1 L int r t de la distribution b ta tient dans la vaste gamme de formes qu elle peut prendre lorsque l on modifie les deux param tres alpha et b ta La distribution b ta 3 est galement appel e distribution b ta d cal e la distribution b ta traditionnelle est limit e entre 0 et 1 mais d cal e par un param tre d emplacement de fa on ce que le point de d part soit le nouvel emplacement Elle s obtient en multipliant la distribution b ta par un facteur et en d calant les r sultats par un param tre d emplacement afin de p
349. s de Pearson la plus courante par ex calcul e en utilisant la fonction CORREL d Excel alors que dans les codes math matiques nous convertissons ces corr lations simples en corr lations de Spearman bas es sur les rangs pour des simulations distributionnelles 2 3 2 Appliquer les corr lations dans le Simulateur de risques Les corr lations peuvent tre appliqu es de plusieurs fa ons dans le Simulateur de risques e Lorsque vous d finissez des suppositions Simulateur de risques D finir la supposition d entr e entrez les corr lations dans la grille de la matrice de corr lations de la galerie des distributions e Avec des donn es existantes ex cutez l outil d ajustement multiple Simulateur de risques Outils Ajustement distributionnel Multiples variables pour r aliser l ajustement distributionnel et obtenir la matrice de corr lations entre les paires de variables Si un profil de simulation existe les suppositions ajust es contiendront automatiquement les valeurs de corr lations pertinentes e Avec des suppositions existantes vous pouvez cliquer sur Simulateur de risques Outils Modifier les corr lations pour entrer les corr lations par paires de toutes les suppositions directement dans une interface utilisateur Remarque La matrice de corr lations doit tre d finie positive C est dire que la corr lation doit tre math matiquement valide Par exemple supposez que vous essayez de corr
350. s enverrons une licence permanente par e mail Une fois ce fichier de licence en votre possession enregistrez le sur votre disque dur d marrez Excel cliquez sur Simulateur de risques Licence ou sur l ic ne Licence puis sur Installer la licence et naviguez jusqu ce nouveau fichier de licence Il ne vous reste alors plus qu red marrer Excel L ensemble du processus vous prendra moins d une minute et vous b n ficierez alors d une licence compl te pour ce logiciel Une fois l installation termin e lancez Microsoft Excel si l installation a r ussi vous devriez voir un nouvel l ment intitul Simulateur de risques dans la barre de menus dans Excel XP 2003 ou sous le nouveau groupe d ic nes dans Excel 2007 2010 et une nouvelle barre d ic nes dans Excel comme illustr la figure 1 1 En outre un cran d accueil s affichera indiquant que le logiciel fonctionne et qu il est charg dans Excel comme illustr la figure 1 2 La figure 1 3 illustre galement la barre d outils du Simulateur de risques Si ces l ments sont bien pr sents dans Excel vous tes pr t commencer utiliser le logiciel Les sections suivantes fournissent des instructions tape par tape pour l utilisation du logiciel ompatbdit T Micreucft Excel non lt ormmetial wie Tip z Cr HObB oir E 30S rt i opumustiso G Contante snaytique Dixitat PPPE Figure 1 1 Menu du Simulateur de ri
351. s estimations et l analyse des risques Une simulation calcule de nombreux sc narios d un mod le en choisissant de fa on r p t e des valeurs dans une distribution de probabilit s pr d finie par l utilisateur pour les variables incertaines et en utilisant ces valeurs pour le mod le Comme tous ces sc narios produisent des r sultats connexes dans un mod le chaque sc nario peut avoir une pr vision Les pr visions sont des v nements g n ralement avec des formules ou des fonctions que vous d finissez comme sorties importantes du mod le Ce sont g n ralement des v nements comme des totaux des b n fices nets ou des d penses brutes De fa on simpliste pensez l approche de la simulation de Monte Carlo comme suit piocher des balles de golf dans un grand panier de fa on r p t e ces balles tant remplac es La taille et la forme du panier d pendent des suppositions distributionnelles par ex une distribution normale avec une moyenne de 100 et un cart type de 10 par rapport une distribution uniforme ou triangulaire certains paniers tant plus profonds ou plus sym triques que d autres permettant que certaines balles soient pioch es plus fr quemment que d autres Le nombre de balles pioch es de fa on r p t e d pend du nombre d essais simul s Pour un grand mod le avec plusieurs suppositions connexes imaginez ce grand mod le comme un tr s grand panier contenant de nombreux paniers plu
352. s et Sea ES 5 leurs diff rences Les motifs des donn es sont tr s difficiles 102 135 89 731 He dans sa E gea S pese plusieurs variables et les graphiques dimensionnels 105 132 93 917 prie sont Fer RE repr senter et interpr ter 04 564 ne fois les motifs trouv s ils peuvent tre compress s et le rad nombre de dimensions est ainsi r duit Cette r duction des 111 410 98 517 i dimensions des donn es ne signifie qu une faible perte d informations Au contraire des niveaux d informations 119 930 94 335 S similaires peuvent d sormais tre obtenus partir d un 97 504 87 789 ki nombre inf rieur de variables 107 231 105 253 Emplacement des donn es B11 K30 En 102 387 101 451 98 788 90 383 100 853 88 833 J EE 98 365 95 603 Figure 5 43 Analyse des composants principaux 5 17 Rupture structurelle Une rupture structurelle teste si les coefficients dans des ensembles de donn es diff rents sont identiques Ce test est le plus fr quemment utilis pour l analyse de s ries chronologiques afin de v rifier la pr sence d une rupture structurelle Un ensemble de donn es de s ries chronologiques peut tre divis en deux sous ensembles et les sous ensembles sont test s l un par rapport l autre ainsi que par rapport l ensemble de donn es entier afin de d terminer statistiquement s il y a vraiment une rupture qui commence une p riode particuli re Le test de rupture stru
353. s les coefficients sont simultan ment gaux z ro par opposition l hypoth se alternative Ha o tous les coefficients sont simultan ment diff rents de z ro indiquant un mod le de r gression global significatif Si la valeur pr dictive est inf rieure la signification alpha de 0 01 0 05 ou 0 10 la r gression est significative On peut appliquer la m me approche la statistique F en comparant la statistique F calcul e aux valeurs F critiques divers niveaux de signification 110 2012 Real Options Valuation Inc Simulateur de risques Auto corr lation D calage AC PAC Borneinf rieure orne sup rieure Statistique Q 1 0 9921 0 9921 0 0958 0 0958 431 1216 2 0 9841 0 0105 0 0958 0 0958 856 3037 3 0 9760 0 0109 0 0958 0 0958 1 275 4818 4 0 9678 0 0142 0 0958 0 0958 1 688 5499 5 0 9594 0 0098 0 0958 0 0958 2 095 4625 6 0 9509 0 0113 0 0958 0 0958 2 496 1572 7 0 9423 0 0124 0 0958 0 0958 2 890 5594 8 0 9336 0 0147 0 0958 0 0958 3 278 5669 9 0 9247 0 0121 0 0958 0 0958 3 660 1152 10 0 9156 0 0139 0 0958 0 0958 4 035 1192 11 0 9066 0 0049 0 0958 0 0958 4 403 6117 12 0 8975 0 0068 0 0958 0 0958 4 765 6032 13 0 8883 0 0097 0 0958 0 0958 5 121 0697 14 0 8791 0 0087 0 0958 0 0958 5 470 0032 15 0 8698 0 0064 0 0958 0 0958 5 812 4256 16 0 8605 0 0056 0 0958 0 0958 6 148 3694 17 0 8512 0 0062 0 0958 0 0958 6 477 8620 18 0 8419 0 0038 0 0958 0 0958 6 80
354. s motifs des donn es sont tr s difficiles trouver dans les dimensions lev es en pr sence de plusieurs variables et les graphiques dimensionnels sup rieurs sont tr s difficiles repr senter et interpr ter Une fois les motifs trouv s ils peuvent tre compress s et le nombre de dimensions est ainsi r duit Cette r duction des dimensions des donn es ne signifie qu une faible perte d informations Au contraire des niveaux d informations similaires peuvent d sormais tre obtenus partir d un nombre e S lectionnez les donn es analyser par ex B11 K30 cliquez sur Simulateur de risques Outils Analyse des composants principaux et cliquez sur OK e Consultez le rapport g n r pour voir les rapports calcul s 199 2012 Real Options Valuation Inc Simulateur de risques VAR3 VAR4 VAR5 VARG VAR10 Proc dure 102 443 112 765 111 984 117 331 5 89 133 1 S lectionnez les donn es analyser par ex B11 K30 cliquez sur 81 531 90 224 92 265 78 821 Simulateur de risques Outils Analyse des composants principaux 113 426 99 147 94 868 5 et cliquez sur OK 105 389 109 022 99 155 2 Consultez le rapport g n r pour voir les rapports calcul s 84 784 96 371 87 202 93 464 x Analyse des composants principaux 20 007 LEE L analyse des composants principaux est une m thode 108 620 93 635 ire LEE motifs a les DE ee n re les donn es de fa on souligner leurs similarit
355. s petits avec chacun son jeu de balles s y d pla ant Chaque petit panier contient son propre jeu de balles de golf Parfois ces petits paniers se tiennent la main s il y a une corr lation entre les variables et les balles de golf se d placent en tandem alors que d autres se d placent ind pendamment les unes des autres Les balles qui sont pioch es chaque fois partir de ces interactions au sein de mod le le grand panier central sont tabul es et enregistr es fournissant un r sultat de pr vision de la simulation Avec la simulation de Monte Carlo le Simulateur de risques g n re des valeurs al atoires pour la distribution de probabilit s de chaque supposition qui sont compl tement ind pendantes En d autres termes la valeur al atoire s lectionn e pour un essai n a aucun effet sur la valeur al atoire g n r e suivante Utilisez l chantillonnage de Monte Carlo quand vous souhaitez simuler des sc narios de simulation et si du monde r el pour votre mod le de feuille de calcul 51 2012 Real Options Valuation Inc Simulateur de risques 2 4 Distributions discr tes Vous trouverez ci dessous une liste d taill e de diff rents types de distributions de probabilit s pouvant tre utilis s dans la simulation de Monte Carlo Cette liste est incluse dans cet annexe pour r f rence Distribution de La distribution de Bernoulli est une distribution discr te avec deux r sultats par ex
356. s pouvez aussi changer deux param tres H pour g n rer plusieurs graphiques et tableaux de distribution en saisissant les entr es De 4 tape ou utiliser les entr es personnalis es et cliquer sur Ex cuter Par exemple comme l illustre la figure 5 50 ex cutez la distribution B ta et s lectionnez PDF G s lectionnez Alpha et B ta modifier H en utilisant les entr es personnalis es I et saisissez les param tres d entr e pertinents 2 5 5 pour Alpha et 5 3 5 pour B ta J puis cliquez sur Ex cuter le tableau Cela g n rera trois distributions B ta K B ta 2 5 B ta 5 3 et B ta 5 5 L Exp rimentez avec divers types de graphiques lignes de grille param tres de langue et de d cimales M et essayez de r ex cuter la distribution en utilisant des valeurs simul s th oriques au lieu d empiriques N La figure 5 51 illustre les tableaux de probabilit s g n r s pour une distribution binomiale dans laquelle la probabilit de succ s et le nombre d essais r ussis variable X al atoire sont s lectionn s pour varier O en utilisant l option De tape Essayez de reproduire le calcul comme indiqu et cliquez sur l onglet Tableau P pour voir les r sultats de la fonction de densit de probabilit cr e Dans cet exemple la distribution binomiale avec un jeu d entr es de d part de Essais 20 Probabilit de succ s 0 5 et Nombre d essais r ussis X 10 o la Probabilit de
357. s suppositions les pr cisions les variables de d cision les objectifs les contraintes etc sont enregistr s sous la forme d un classeur cach et chiffr C est pour cela que quand vous Manuel d utilisation 242 2012 Real Options Valuation Inc Simulateur de risques enregistrez un fichier de classeur Excel le profil est galement automatiquement enregistr CONSEILS Raccourci par clic droit et autres touches de taccourci e Clic droit Vous pouvez ouvrir le menu de raccourcis du Simulateur de risques en cliquant sur une cellule avec le bouton droit n importe o dans Excel CONSEILS Enregistrer e Enregistrement du fichier Excel Cela enregistre les param tres du profil les suppositions les pr visions les variables de d cision et votre mod le Excel y compris tous les rapports graphiques et donn es extraites du Simulateur de risques e Enregistrement des param tres de graphique Cela enregistre les param tres du graphique de pr visions afin que ces param tres puissent tre r cup r s et appliqu s aux futurs graphiques de pr visions utilisez les ic nes d enregistrement et d ouverture des graphiques de pr visions e Enregistrement et extraction de donn es simul es dans Excel Cela extrait les suppositions et les pr visions d une ex cution simul e mais le fichier Excel doit encore tre enregistr afin d enregistrer les donn es pour les r cup rer ult rieurement e E
358. s ventes pour les 10 ann es venir d apr s les d penses de marketing budg tis es et les projections de part de march cela signifie que les donn es de ventes sont des donn es de s ries chronologiques mais que des variables exog nes telles que les d penses de marketing et la part de march sont pr sentes pour aider mod liser les pr dictions de la pr vision Le Simulateur de risques fournit plusieurs m thodologies de pr vision l utilisateur ARIMA moyenne mobile int gr e autor gressive ARIMA automatique conom trie de base conom trie automatique Logique floue combinatoire Distributions personnalis es GARCH h t rosc dasticit conditionnelle autor gressive g n ralis e De GR D Courbes en J 86 2012 Real Options Valuation Inc Simulateur de risques ARIMA ARIMA automatique Manuel d utilisation 9 Cha nes de Markov 10 Maximum de vraisemblance Logit Probit Tobit 11 R gression multivariable 12 R seau neuronal 13 Extrapolation non lin aire 14 Courbes en S 15 Courbes splines 16 Processus stochastiques 17 Analyse de s ries chronologiques 18 Courbes de tendances Les d tails analytiques de chaque m thode de pr vision ne sont pas couverts par ce manuel Pour de plus amples d tails consultez Modeling Risk 2 me dition Applying Monte Carlo Simulation Real Options Analysis Stochastic Forecasting and Portfolio Optimization du Dr Johna
359. sation statique V rifiez que la cellule d objectif est le ratio de Sharpe ou le rapport rendement risque du portefeuille et s lectionnez Maximiser Vous pouvez maintenant passer en revue les variables de d cision et les contraintes si n cessaire ou cliquer sur OK pour ex cuter l optimisation statique La figure 4 5 montre les captures d cran des tapes de la proc dure ci dessus Vous pouvez ajouter des suppositions de simulation sur les colonnes VANA et risque du mod le colonnes C et E et appliquer une optimisation dynamique et une optimisation stochastique pour vous entra ner encore plus 137 2012 Real Options Valuation Inc Simulateur de risques Es 2 3 Projets VANA Co t Risque en 4 Projet 1 554 96 Es Projet 2 1 914 92 6 Projet 3 1 551 03 E Projet 4 1 012 95 8 Projet 5 925 41 ES Projet 6 560 92 10 Projet 7 5 633 10 1 Projet 8 926 25 Projet 9 2 100 60 Projet 10 1 912 50 Projet 11 263 52 Projet 12 309 75 Total 17 218 00 8 197 44 7 007 40 70 Objectif MAX lt 5000 Ratio de Sharpe 2 4573 _ _ La VANA est la valeur actualis e nette attendue de chaque investissement ou projet le co t peut tre le co t total de l investissement et le risque est le coefficient de variation de la valeur actualis nette attendue Resssssszss Figure 4 4 Mod le d optimisation discr te en nombres entiers Propri t s de la variable de d cision Nom de la d cision Pro
360. se d actifs a les risques les plus faibles les rendements les plus lev s etc Pour ex cuter ce mod le cliquez sur Simulateur de risques Optimisation Ex cuter l optimisation Pour vous entra ner vous pouvez aussi configurer le mod le en suivant les tapes suivantes 1 Cr ez un nouveau profil Simulateur de risques Nouveau profil 144 2012 Real Options Valuation Inc Simulateur de risques 2 Pour une optimisation stochastique d finissez les suppositions de la distribution sur le risque et les rendements pour chaque classe d actif C est dire s lectionnez la cellule C6 d finissez une supposition Simulateur de risques D finir la supposition d entr e et cr ez votre propre supposition selon vos besoins R p tez la proc dure pour les cellules C7 D9 3 S lectionnez la cellule E6 d finissez la variable de d cision Simulateur de risques Optimisation D finir la d cision ou cliquez sur l ic ne D finir la d cision D et faites en une variable continue puis reliez le nom de la variable de d cision et les valeurs minimum maximum requises aux cellules pertinentes B6 F6 G6 4 Puis utilisez la fonction de copie du Simulateur de risques sur la cellule E6 s lectionnez les cellules E7 E9 utilisez la fonction de collage du Simulateur de risques Simulateur de risques Copier le param tre et Simulateur de risques Coller le param tre ou utilisez les ic nes de copie et de col
361. section Mod les multiples de l conom trie de base vous pouvez ex cuter des centaines de mod les en entrant une seule quation de mod le si vous utilisez ces m thodes de d calages et ces variables enti res pr d finies 3 10 Pr visions de courbes en J S Une courbe en J ou courbe de croissance exponentielle est une courbe o la croissance de la p riode suivante d pend du niveau de la p riode actuelle et o la croissance est exponentielle Cela signifie que dans le temps les valeurs augmenteront consid rablement d une p riode l autre Ce mod le est g n ralement utilis pour les pr visions de croissance biologique et de r actions chimiques dans le temps e D marrez Excel et s lectionnez Simulateur de risques Pr visions Courbes en JS e S lectionnez le type de courbe J ou S saisissez les suppositions d entr e requises voir les figures 3 16 et 3 17 pour des exemples et cliquez sur OK pour ex cuter le mod le et le rapport La courbe en S ou courbe de croissance logistique commence comme la courbe en J avec des taux de croissance exponentiels Dans le temps l environnement devient satur par ex saturation du march concurrence surpopulation la croissance ralentit et la valeur de pr vision finit un niveau de saturation ou maximum Ce mod le est g n ralement utilis pour pr voir la part de march ou la croissance des ventes d un nouveau produit du lancement la maturit et au d
362. sions 146 Delphi 86 162 deuxi me moment 44 46 diffusion par saut 101 direction 146 discret 7 127 180 discr te 50 52 59 127 129 136 165 dispersion 40 44 distribution 19 25 27 28 30 37 40 44 46 47 48 49 50 51 52 53 54 55 56 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 66 101 128 145 146 160 162 163 164 165 166 167 168 179 247 2012 Real Options Valuation Inc Simulateur de risques Distribution 22 distribution T 80 distributions 143 donn es 32 37 38 40 48 49 50 61 73 83 85 86 91 92 93 94 96 97 98 101 103 104 105 106 107 108 112 113 162 163 165 166 168 170 171 donn es de s ries chronologiques 177 180 cart type 20 32 40 42 45 46 47 51 54 57 59 63 64 67 68 70 73 74 80 81 101 128 129 163 168 169 179 183 chantillon 175 179 e mail 9 enregistrer 9 10 23 171 entier 7 24 53 57 65 70 81 94 127 129 entr es 145 quation 176 180 182 Erlang 66 69 70 erreur 7 8 23 29 32 41 93 96 104 107 109 166 erreurs 75 174 175 179 183 erreurs de sp cification 174 essais 20 23 24 29 30 41 51 52 53 54 55 56 57 67 128 145 166 estimation point 146 estimations 175 176 177 talement 44 46 47 52 53 54 55 57 59 61 63 64 67 68 70 72 73 74 76 80 82 83 167 Ex
363. sques Manuel d utilisation 25 26 27 28 29 30 31 F Erlang exponentielle exponentielle 2 gamma g om trique hyperg om trique khi carr Laplace logistique lognormale arithm tique et lognormale logarithmique lognormale 3 arithm tique et lognormale 3 logarithmique maxima de Gumbel minima de Gumbel normale parabolique Pareto Pascal Pearson V Pearson VI PERT personnalis e Poisson puissance puissance 3 Rayleigh T et T2 triangulaire uniforme uniforme discr te Weibull Weibull 3 Param tres alternatifs Utilisation des percentiles comme m thode alternative d entr e des param tres Distribution non param trique personnalis e Cr ez vos propres distributions en ex cutant des simulations historiques et en appliquant la m thode Delphi Troncation des distributions Permettant l activation des bornes de donn es Fonctions Excel D finissez des suppositions et des pr visions l aide de fonctions au sein d Excel Simulation multidimensionnelle Simulation de param tres d entr e incertains Contr le de la pr cision D termine si le nombre d essais de simulation ex cut s est suffisant Simulation hyper rapide Ex cute 100 000 essais en quelques secondes 1 4 3 Module de pr visions 32 33 34 35 36 37 38 39 40 41 ARIMA Mod les ARIMA ou moyenne mobile int gr e autor gressive P D Q ARIMA automatique Ex cute
364. sques et barre d ic nes dans Excel 2007 2010 Manuel d utilisation 10 2012 Real Options Valuation Inc Simulateur de risques Real Options Valuation LLC Copyright c Real Options Valuation Inc 2005 Tous droitsreserves Figure 1 2 cran d accueil du Simulateur de risques 4 Bexa h GF RObB or M E gt Simulateur Nouveau Changer Modifier Supposition Pr vision Copier Coller Supprimer Ex cuter Hyper Par R initialiser Pr visions Ex cuter Outils ROV ROV Options Aide Licence Ic ne derisques profil de profil leprofil d entr e de sortie rapide tapes l optimisation Contrainte analytiques BizStats Decision Tree a suivante Menu Profil Suppositions pr visions dition Ex cution de la simulation Pr visions Optimisation Outils ROV BizStats ROV Decision Tree Options Aide Licence Ic ne BAA ets Eee EE b LS amp E BB B fal Simulateur Supposition Pr vision Ex cuter Analyse de ARIMA Auto Auto Cha ne de Courbe de Courbes conom trie Extrapolation GARCH Logique floue Maximum de Processus R seau S ries Spline Ic ne de risques d entr e de sortie r gression ARIMA econom trie Markov tendance enj S debase non lin aire combinatoire vraisemblance stochastiques neuronal chronologiques cubique suivante Menu Suppositions Pr visions Simulation Pr visions Ic ne SFD x DB Graphiques PCA tomado Saisonnalisate Ed ettendances don v si
365. sques sont calcul s en utilisant l approche des rendements relatifs logarithmiques Consultez l annexe de ce chapitre pour de plus amples d tails au sujet du calcul la volatilit et des rendements annualis s pour une action ou une classe d actifs 130 2012 Real Options Valuation Inc Simulateur de risques _ A B C D E F G H J K L 1 2 3 MODELE D OPTIMISATION DE L ALLOCATION DES ACTIFS 4 Allocation Allocation Rapport Rangsdes Rangs des Rangs Rangs des Description de la classe Rendements Risque de Poids des Fe F i rendement 8 SRE e a 5 minimum maximum rendement rendements risques Bas 3 allocations d actifs annualis s volatilit allocations K t risque 5 requise requise risque Haut Bas Haut Haut Bas Haut Bas 6 Classe d actifs 1 10 54 12 36 5 00 35 00 0 8524 9 2 7 1 T Classe d actifs 2 11 25 16 23 5 00 35 00 0 6929 8 10 1 8 Classe d actifs 3 11 84 15 64 5 00 35 00 0 7570 6 7 9 1 9 Classe d actifs 4 10 64 12 35 5 00 35 00 0 8615 8 1 5 1 10 Classe d actifs 5 13 25 13 28 5 00 35 00 0 9977 5 4 2 1 11 Classe d actifs 6 14 21 14 39 5 00 35 00 0 9875 3 6 3 1 12 Classe d actifs 7 15 53 14 25 5 00 35 00 1 0898 1 5 1 1 13 Classe d actifs 8 14 95 16 44 5 00 35 00 0 9094 2 9 4 1 14 Classe d actifs 9 14 16 16 50 5 00 35 00 0 8584 4 10 6 1 15 Classe d actifs 10 10 06 12 50 5 00 35 00 0 8045 10 3 8 1 16 17 Total du portefeuille 12 6419 4 58 18 Rapport rendement ris
366. ssez le mod le appliquer saisissez les suppositions pertinentes puis cliquez sur OK 92 2012 Real Options Valuation Inc Simulateur de risques Interpr tation des r sultats Remarque Manuel d utilisation Recettes des ventes historiques N Pr vision de s ries chronologiques L analyse de s ries chronologiques est utilis e pour pr voir les variables de s ries chronologiques en d composant les Ann e Trimestre P riode Ventes donn es historiques en l ments de r f rence de tendance et de saisonnalit et en reproduisant ces l ments dans les 2006 1 1 684 20 pr visions futures Cette analyse suppose que la tendance et 2006 2 2 584 10 la saisonnalit persisteront 2006 3 3 765 40 2006 4 4 2007 1 5 n n 2007 2 6 2007 3 7 2007 4 8 S lection de mod le automatique Moyenne mobile simple Lissage expone 2008 1 9 lt m 2000 Z S Param tres du mod le 2008 3 11 2008 4 12 Optimiser 2009 1 13 Alpha V Saisonnalit p riodes cycle Trimestres 4 2009 2 14 B ta V Nombre de p riodes de pr visions 2009 3 15 2009 4 16 Gamma 05 F i Temps d ex cution 2010 1 17 P riodicit 4F nl 300 2010 2 18 2010 3 19 FN Automatiquement g n rer les supposition 2010 4 20 g d J Autoriser les param tres polaires ins Figure 3 4 Analyse de s ries chronologiques La figure 3 5 illustre les r sultats chantillons g n r s par l outil de pr visions
367. st s lectionn e comme sortie qui nous int resse et les cellules C9 taux d imposition effectif et C12 prix du produit sont s lectionn es comme des entr es perturber Vous pouvez aussi d finir les valeurs de d but et de fin tester ainsi Manuel d utilisation 193 2012 Real Options Valuation Inc Simulateur de risques que l incr ment ou le nombre d tapes ex cuter entre ces valeurs de d but et de fin Le r sultat est un tableau d analyse de sc nario figure 5 39 o les en t tes de lignes ou de colonnes sont les deux variables d entr e et le corps du tableau montre les valeurs actualis es nettes Hors caisse changement dans les fonds de roulement Hors caisse d penses en capital Flux mon taires disponibles gl Cri Investissement engag w g w Gd Flux mon taires disponibles nets 4 50 00 50 00 50 00 528 24 565 73 584 47 603 21 621 36 639 50 657 64 mal B Lam Dommen F pr Hs TP a Ca qu 1 2 Mod le de flux mon taires actualis s rendement des investissements 3 4 Ann e de base 2009 VA des b n fices nets 3 411 64 Type de r duction R duction de fin d ann e discr te x 5 Ann e de d but 2009 VA des investissements 1 634 22 E Taux de r duction ajust aux risques du march 15 00 Valeur actualis
368. stement lin aire ou non Si les erreurs ne sont pas ind pendantes et ne sont pas normalement distribu es cela peut indiquer que les donn es sont peut tre auto corr l es ou pr sentent des non lin arit s ou autres erreurs plus graves L ind pendance des erreurs peut aussi tre d tect e avecles tests d h t rosc dasticit voir le rapport de diagnostics Le test de normalit sur les erreurs effectu est un test non param trique qui ne fait pas de suppositions quant la forme sp cifique de la population d o provient l chantillon permettant d analyser des jeux de donn es chantillons plus petits Ce test value l hypoth se nulle selon laquelle les erreurs de l chantillon proviennent d une population normalement distribu e par opposition une hypoth se alternative selon laquelle l chantillon de donn es n est pas normalement distribu Si la statistique D calcul e est sup rieure ou gale aux valeurs D critiques diverses valeurs de signification rejetez l hypoth se nulle et acceptez l hypoth se alternative les erreurs ne sont pas normalement distribu es Sinon si la statistique D est inf rieure la valeur D critique ne rejetez pas l hypoth se nulle les erreurs sont normalement distribu es Ce test s appuie sur deux fr quences cumulatives une d riv e du jeu de donn es chantillon la deuxi me d une distribution th orique bas e sur la moyenne et l cart type de l chantillon de donn es
369. stre l interface utilisateur de l outil d analyse Tornado Notez que plusieurs am liorations ont t apport es partir de la version 4 du Simulateur de risques Voici quelques conseils pour l ex cution de l analyse Tornado et des informations plus d taill es sur ces am liorations e L analyse Tornado ne doit jamais tre ex cut e qu une seule fois C est un outil de diagnostic de mod le ce qui signifie qu id alement elle devrait tre ex cut e plusieurs fois sur le m me mod le Par exemple dans un grand mod le l analyse Tornado peut tre ex cut e une premi re fois en utilisant tous les param tres par d faut et en affichant tous les pr c dents s lectionnez Afficher toutes les variables Le r sultat peut tre un rapport volumineux et de longs graphiques Tornado parfois peu esth tiques N anmoins cette analyse fournit un excellent point de d part pour d terminer combien des pr c dents sont consid r s comme des facteurs de succ s critiques Par exemple le graphique Tornado peut montrer que les 5 premi res variables ont un impact important sur la sortie alors que les 200 variables restantes n en ont que peu ou pas du tout dans ce cas une deuxi me analyse Tornado affichant moins de variables est ex cut e par ex s lectionnez Afficher les 10 premi res variables si les 5 premi res sont critiques ce qui cr e un rapport et un graphique Tornado de qualit montrant un contraste entre
370. sultats on peut tablir le niveau de confiance des statistiques simul es En d autres termes dans une simple simulation 10 000 essais supposons que la moyenne de la pr vision r sultante trouv e est 5 00 L analyste est il certain des r sultats Le bootstrapping permet l utilisateur d tablir l intervalle de confiance de la statistique de moyenne calcul e indiquant la distribution des statistiques Enfin les r sultats de bootstrap sont importants car selon la loi des grands nombres et le th or me central limite en statistiques la moyenne de la moyenne de l chantillon est un estimateur non biais et approche la moyenne de la population v ritable quand la taille de l chantillon augmente 5 5 Tests d hypoth se Un test d hypoth se est effectu lors du test des moyennes et variances de deux distributions pour d terminer si elles sont statistiquement identiques ou diff rentes l une de l autre C est dire pour voir si les diff rences entre les moyennes et les variances de deux pr visions diff rentes se produisant sont bas es sur le hasard ou si elles sont statistiquement significativement diff rentes l une de l autre e Ex cutez une simulation e S lectionnez Simulateur de risques Outils Test d hypoth se e S lectionnez seulement deux pr visions tester la fois s lectionnez le type de test d hypoth se que vous souhaitez ex cuter puis cliquez sur OK figure 5 18
371. sup rieure ou gale la moyenne hypoth tique L hypoth se alternative est que la v ritable moyenne de la population est statistiquement inf rieure la moyenne hypoth tique si elle esttest e en utilisant le jeu de donn es chantillon En utilisant un test T si la valeur pr dictive calcul e est inf rieure un montant de signification sp cifi g n ralement 0 10 0 05 ou 0 01 cela signifie que la moyenne de la population est statistiquement significativement inf rieure la moyenne hypoth tique une valeur de signification de 10 5 et 1 ou confiance statistique de 90 95 et 99 Inversement si la valeur pr dictive est sup rieure 0 10 0 05 ou 0 01 la moyenne de la population est statistiquement similaire ou sup rieure la moyenne hypoth tique et toutes diff rences potentielles sont dues au hasard Le test T tant plus conservateur et ne n cessitant pas un cart type de la population connu comme le test Z nous utilisons uniquement ce test T Figure 5 31 Exemple de rapport de l outil d analyse statistique test d hypoth se d une variable Manuel d utilisation 187 2012 Real Options Valuation Inc Simulateur de risques Test de normalit Le test de normalit est une forme de test non param trique qui ne fait pas de suppositions quant la forme sp cifique de la population d o provient l chantillon permettant d analyser des jeux de donn es chantillons plus petits Ce tes
372. t value l hypoth se nulle selon laquelle l chantillon de donn es provient d une population normalement distribu e par opposition une hypoth se alternative selon laquelle l chantillon de donn es n est pas normalement distribu Si la valeur pr dictive calcul e est inf rieure ou gale la valeur de signification alpha ou quand la statistique D est sup rieure aux niveaux D critiques appropri s rejetez l hypoth se nulle et acceptez l hypoth se alternative Sinon si la valeur pr dictive calcul e est sup rieure la valeur de signification alpha ou quand la statistique D est inf rieure aux niveaux D critiques appropri s ne rejetez pas l hypoth se nulle Ce test s appuie sur deux fr quences cumulatives une d riv e du jeu de donn es chantillon la deuxi me d une distribution th orique bas e sur la moyenne et l cart type de l chantillon de donn es On peut aussi effectuer un test khi carr de normalit L ex cution du test du khi carr n cessite plus de points de donn es que le test de normalit pr sent ICI R sultats du test Donn es Frequence Observ e Attendue O A Moyenne des donn es 331 92 relative cart type 172 91 47 00 0 02 0 02 0 0497 0 0297 Statistique D 0 0859 68 00 0 02 0 04 0 0635 0 0235 Valeur D critique 1 0 1150 87 00 0 02 0 06 0 0783 0 0183 Valeur D critique 5 0 1237 96 00 0 02 0 08 0 0862 0 0062 Valeur D critique 10 0 1473 102 00 0 02 0 10 0 0918 0 0082
373. t dynamique etc Ce mod le est diff rent des autres car il existe plusieurs suppositions de simulation valeurs de risque et de rendement pour chaque actif dans les colonnes C et D comme illustr la figure 4 9 Une simulation est ex cut e puis une optimisation et ensuite l ensemble du processus est r p t plusieurs fois pour obtenir les distributions de chaque variable de d cision La totalit de l analyse peut tre automatis e l aide de l optimisation stochastique Pour ex cuter une optimisation plusieurs sp cifications cl s dans le mod le doivent d abord tre identifi es Objectif Maximiser le rapport rendement risque C12 Variables de d cision Poids des allocations E6 E9 Restrictions pour les variables de d cision Minimum et maximum requis F6 G9 Contraintes Poids des allocations du portefeuille total 100 E11 d finie sur 100 Suppositions de simulation Valeurs de rendement et de risque C6 D9 Le mod le montre les diff rentes classes d actifs Chaque classe d actifs a ses propres rendements annualis s et volatilit s annualis es Ces mesures du rendement et du risque sont des valeurs annualis es pour qu elles puissent tre compar es de fa on coh rente entre les diff rentes classes d actifs Les rendements sont calcul s en utilisant la moyenne g om trique des rendements relatifs et les risques sont calcul s en utilisant l approche des rendements relatifs
374. t de communication puissant pour voir la qualit du mod le de pr visions Ce module d analyse de s ries chronologiques contient les huit mod les de s ries chronologiques pr sent s la figure 3 3 Vous pouvez choisir le mod le sp cifique ex cuter d apr s les crit res de tendance et de saisonnalit ou choisir la s lection automatique du mod le qui it re automatiquement les huit m thodes optimise les 93 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation param tres et trouve le mod le le mieux adapt vos donn es Si vous choisissez l un des huit mod les vous pouvez aussi d s lectionner les cases cocher optimiser et entrer vos propres param tres alpha b ta et gamma Consultez Modeling Risk 2 me dition Applying Monte Carlo Simulation Real Options Analysis Forecasting and Optimization Wiley 2010 du Dr Johnathan Mun pour de plus amples d tails sur les sp cifications techniques de ces param tres De plus vous devriez entrer les p riodes de saisonnalit pertinentes si vous choisissez la s lection automatique du mod le ou n importe lequel des mod les saisonniers L entr e de saisonnalit doit tre un entier positif par ex s il s agit de donn es trimestrielles entrez 4 comme nombre de saisons ou de cycles par ann e et s il s agit de donn es mensuelles entrez 12 Ensuite entrez le nombre de p riode pour lesquelles g n rer les pr visions
375. t les contraintes si n cessaire ou cliquer sur OK pour ex cuter l optimisation statique Une fois l optimisation termin e vous pouvez s lectionner R tablir pour revenir aux valeurs d origine des variables de d cision et de l objectif ou s lectionner Remplacer pour appliquer les variables de d cision optimis es En g n ral on choisit Remplacer une fois l optimisation termin e La figure 4 2 montre les captures d cran des tapes de la proc dure ci dessus Vous pouvez ajouter des suppositions de simulation sur les rendements et le risque du mod le colonnes C et D et appliquer l optimisation dynamique et l optimisation stochastique pour vous entra ner encore plus Propri t s de la variable de d cision Nom de la d cision Classe d actifs 1 E Type de d cision Continue par ex 1 15 2 35 10 55 Borne inf rieure 0 05 E Borne sup rieure 0 35 in gt Entier par ex 1 2 3 Borne inf rieure E Borne sup rieure ii 5 Binaire 0 ou 1 Contraintes Contraintes actuelles SES17 Fronti re efficiente Contrainte Cellule Contrainte Manuel d utilisation 133 2012 Real Options Valuation Inc Simulateur de risques Interpr tation des r sultats Manuel d utilisation R sum d optimisation L optimisation est utilis e pour allouer les Optimization ressources l o les r sultats fournissent les retours maximaux ou
376. t sur ces 10 chantillons ou essais la moyenne est 18 2 unit s et l intervalle de confiance de 80 se trouve entre 2 et 33 unit s c est dire que 80 du temps le nombre de tacos 41 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation cass s se trouve entre 2 et 33 d apr s cette taille d chantillon ou nombre d essais ex cut s Cependant tes vous vraiment s r que 18 2 est la moyenne correcte 10 essais sont ils suffisants pour l tablir L intervalle de confiance compris entre 2 et 33 est trop large et trop variable Supposez que vous ayez besoin d une valeur moyenne plus pr cise o l erreur est 2 tacos 90 du temps cela signifie que si vous ouvrez toutes les bo tes 1 million fabriqu es en un jour 900 000 de ces bo tes contiendront des tacos cass s avec une unit moyenne de 2 tacos Combien de bo tes de tacos suppl mentaires auriez vous alors besoin d chantillonner ou d essayer pour obtenir ce niveau de pr cision Ici les 2 tacos sont le niveau d erreur et 90 est le niveau de pr cision Si un nombre d essais suffisant est ex cut l intervalle de confiance de 90 sera identique au niveau de pr cision de 90 o une mesure de la moyenne plus pr cise est obtenue de fa on ce que 90 du temps l erreur et donc la confiance sera de 2 tacos Par exemple supposons que la moyenne est 20 unit s l intervalle de confian
377. t une simulation est ex cut e en supposant qu il n existe pas de corr lations entre les suppositions d entr e 23 2012 Real Options Valuation Inc Simulateur de risques Sp cifier la s quence de nombres al atoires ou valeur de d part Manuel d utilisation Par exemple l application des corr lations produit des r sultats plus pr cis s il existe des corr lations et a tendance produire un niveau de confiance de pr vision inf rieur s il existe des corr lations n gatives Apr s avoir activ les corr lations ici vous pouvez ult rieurement d finir les coefficients de corr lation pertinents pour chaque supposition g n r e consultez la section sur les corr lations pour de plus amples d tails Par d finition la simulation produit des r sultats l g rement diff rents chaque fois qu une simulation est ex cut e Cela est d la routine de g n ration de nombres al atoires de la simulation de Monte Carlo et c est une r alit th orique dans tous les g n rateurs de nombres al atoires Cependant lorsque vous faites des pr sentations vous avez parfois besoin des m mes r sultats surtout quand le rapport pr sent montre un jeu de r sultats et que vous souhaitez qu au cours d une pr sentation live les m mes r sultats soient g n r s ou quand vous partagez des mod les avec d autres personnes et que vous souhaitez que les m mes r sultats soient obtenus chaque f
378. t0 10 etles niveauxde confiance de 99 95 et 90 correspondants Les coefficients dont la valeur pr dictive est mise en surbrillance bleue sont statistiquement significatifs au niveau de confiance de 90 ou niveau alpha de 0 10 alpha ceux dont la valeur est mise en surbrillance rouge ne sont statistiquement significatifs aucun autre niveau alpha Analyse de la variance Somme des Moyenne des Statistique F Valeur carr s carr s pr dictive Test d hypoth se R gression 3841544753 1920772376 3171851 1 0 0000 Statistique T critique 99 de confiance avec di de X et Y 4 6546 R sidu 2616 05 6 06 Statistique T critique 95 de confiance avec di de X et Y 3 0166 Total 38418063 58 Statistique T critique 90 de confiance avec di de X et Y 2 3149 Le tableau d analyse de la variance ANOVA fournit un test F de la signification statistique globale du mod le de r gression Au lieu d analyser les pr dicteurs individuels comme le test T le test F analyse les propri t s statistiques de tous les coefficients estim s La statistique F est calcul e comme ratio de la moyenne des carr s de la r gression et de la moyenne des carr s du r sidu Le num rateur mesure la proportion de la r gression qui est expliqu e et le d nominateur la proportion qui est inexpliqu e Ainsi plus la statistique F est grande plus le mod le est significatif La valeur pr dictive correspondante est calcul e pour tester l hypoth se nulle Ho o tou
379. terminer si chacun des coefficients est statistiquement significatif en pr sence des autres pr dicteurs Cela signifie que le test T v rifie statistiquement si un pr dicteur ou une variable ind pendante doit rester dans la r gression ou tre abandonn Le coefficient est statistiquement significatif si sa statistique T calcul e est sup rieure la statistique T critique aux degr s de libert dl pertinents Les trois principaux niveaux de confiance utilis s pour tester la signification sont 90 95 et 99 Si la statistique T d un coefficient est sup rieure au niveau critique on consid re que ce coefficient est statistiquement significatif En outre la valeur pr dictive VP calcule la probabilit d occurrence de chaque statistique T ce qui signifie que plus la valeur pr dictive est petite plus le coefficient est significatif Les niveaux de signification habituels pour la valeur pr dictive sont 0 01 0 05 et 0 10 etles niveaux de confiance de 99 95 et 90 correspondants Les coefficients dont la valeur pr dictive est mise en surbrillance bleue sont statistiquement significatifs au niveau de confiance de 90 ou niveau alpha de 0 10 alpha ceux dont la valeur est mise en surbrillance rouge ne sont statistiquement significatifs aucun autre niveau alpha Manuel d utilisation 99 2012 Real Options Valuation Inc Simulateur de risques Th orie Manuel d utilisation Analyse de la variance Somme des
380. tes etc Le test T deux variables avec variances gales on s attend ce que la variance de la population de la pr vision 1 soit gale la variance de la population de la pr vision 2 est appropri quand les distributions de la pr vision proviennent de populations similaires par ex donn es obtenues partir de deux designs de moteurs diff rents avec des sp cifications similaires etc Le test T deux variables d pendantes appari es est appropri quand les distributions de la pr vision proviennent de populations similaires par ex donn es obtenues partir du m me groupe de clients mais des occasions diff rentes etc Un test d hypoth se bilat ral est effectu sur l hypoth se nulle Ho que les moyennes de population des deux variables sont statistiquement identiques L hypoth se alternative est que les moyennes de population sont statistiquement diff rentes l une de l autre Si les valeurs pr dictives calcul es sont nf rieures ou gales 0 01 0 05 ou 0 10 cela signifie que l hypoth se est rejet e ce qui implique que les moyennes de la pr vision sont statistiquement consid rablement diff rentes aux niveaux de signification de 1 5 et 10 Si l hypoth se nulle n est pas rejet e quand les valeurs pr dictives sont lev es les moyennes des deux distributions de pr vision sont statistiquement similaires La m me analyse est effectu e sur les variances des deux pr visions la fois en utilisant
381. than Mun Wiley Finance 2010 qui est galement le cr ateur du Simulateur de risques N anmoins les paragraphes suivants illustrent certaines des approches les plus courantes Toutes les autres approches de pr visions sont relativement faciles appliquer dans le Simulateur de risques Vous trouverez ci dessous un court r sum de chaque m thodologie et plusieurs exemples destin s vous aider commencer utiliser le logiciel rapidement Ce chapitre et le chapitre suivant pr sentent des descriptions plus d taill es et des exemples de mod les de chacune de ces techniques La moyenne mobile int gr e autor gressive ARIMA galement appel e ARIMA de Box Jenkins est une technique de mod lisation conom trique avanc e ARIMA analyse des donn es de s ries chronologiques historiques et effectue des routines d optimisation d ajustement r trospectif pour prendre en compte l autocorr lation historique la relation d une valeur par rapport une autre valeur dans le temps la stabilit des donn es pour corriger les caract ristiques non stationnaires des donn es et ce mod le pr dictif apprend dans le temps en corrigeant ses erreurs de pr visions Des connaissances conom triques avanc es sont g n ralement requises pour construire de bons mod les pr dictifs l aide de cette approche Le module ARIMA automatique automatise une partie de la mod lisation ARIMA traditionnelle en testant automatiquement plus
382. ticolin arit et de corr lations Extraction et exportation de donn es Extrait des donn es dans Excel ou des fichiers texte plats et du Simulateur de risques et ex cute des rapports statistiques et de r sultats de pr visions Ouverture et importation des donn es R cup re les r sultats des ex cutions de simulations pr c dentes D saisonnalisation et correction des tendances D saisonnalise et corrige les tendances de vos donn es Analyse distributionnelle Calcule des PDF CDF et ICDF exacts des 42 distributions et g n re des tableaux de probabilit s Cr ateur de distributions Cr ez vos propres distributions personnalis es Ajustement distributionnel multiple Ex cute plusieurs variables simultan ment prend en compte les corr lations et leur importance Ajustement distributionnel simple Tests de Kolmogorov Smirnov et du khi carr sur des distributions continues avec rapports et suppositions distributionnelles Test d hypoth se Effectue des tests pour d terminer si deux pr visions sont statiquement similaires ou diff rentes Bootstrap non param trique Simulation des statistiques pour obtenir la pr cision et l exactitude des r sultats Graphiques superpos s Graphiques superpos s enti rement personnalisables des suppositions et pr visions CDF PDF 2D 3D Analyse des composants principaux Teste les meilleures variables ind pendantes et les fa ons de r duire le groupe
383. tierte mod le sap ution Outils analytique Fe azs Cr B BE 6 690 DAS Simulateur Nouveau Changer Supposition Pr vision Copier Coller Supprimer Ex cuter Hyper R initialiser Ex cuter D finir D finirla D finirla Exemples de Manuel Icone de risques 7 profil de profil d entr e de sortie rapide l optimisation l objectif d cision contrainte mod les d utilisation suivante Menu Profil Suppositions Pr visions Edition Ex cution de la simulation Optimisation Aide Ic ne Figure 1 3 Barre d outils du Simulateur de risques dans Excel 2007 2010 Manuel d utilisation 11 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation 14 NOUVEAUT S DE LA VERSION 2011 2012 Liste des principales fonctionnalit s du Simulateur de risques Vous trouverez ci dessous une liste des principales fonctionnalit s du Simulateur de risques les l ments en surbrillance indiquant les nouveaut s de la version 2011 2012 1 4 1 Fonctionnalit s g n rales 1 Disponible en 11 langues Anglais fran ais allemand italien japonais cor en portugais russe espagnol chinois simplifi et chinois traditionnel Le module ROV Decision Tree sert cr er et valuer des mod les d arbre de d cision D autres m thodologies et analyses avanc es sont galement incluses o Mod les d arbre de d cision Simulation de risques de Monte Carlo Analyse de sensibilit Analyse de sc
384. tion la fonction la police etc de la cellule En appuyant sur la touche d chappement avant de coller vous maintenez les valeurs et les calculs de la cellule cible et ne collez que les param tres du Simulateur de risques e Copier et coller dans plusieurs cellules Vous pouvez s lectionner plusieurs cellules pour les fonctions Copier et Coller avec des suppositions contigu s ou non CONSEILS Corr lations e D finition des suppositions D finissez des corr lations par paires en utilisant la bo te de dialogue D finir la supposition d entr e id al pour entrer seulement plusieurs corr lations Manuel d utilisation 236 2012 Real Options Valuation Inc Simulateur de risques e Modification des corr lations Configurez une matrice de corr lations en saisissant manuellement les donn es ou en les collant partir du Presse papiers Windows id al pour les matrices de corr lations volumineuses et les corr lations multiples e Ajustement distributionnel multiple Calcule et entre automatiquement les corr lations par paires id al lorsque vous effectuez un ajustement multiples variables calculez automatiquement les corr lations et d cidez ce qui constitue une corr lation statistiquement significative CONSEILS Diagnostics de donn es et analyse statistique e Estimation des param tres stochastiques Dans les rapports d analyse statistique et de diagnostic des donn es il y a un onglet po
385. tions Valuation Inc Simulateur de risques Distribution binomiale n gative Manuel d utilisation Nombre d essais gt 1 ou entiers positifs et lt 1 000 pour les essais plus importants utilisez la distribution normale avec la moyenne binomiale et l cart type calcul s pertinents comme param tres de la distribution normale La distribution binomiale n gative est utile pour mod liser la distribution du nombre d essais suppl mentaires requis en plus du nombre d occurrences avec succ s requises R Par exemple pour cl turer un total de 10 opportunit s de vente combien d appels t l phoniques de d marchage suppl mentaires devrez vous passer en plus des 10 appels avec une certaine probabilit de succ s pour chaque appel L axe X montre le nombre d appels suppl mentaires requis ou le nombre d appels ayant chou Le nombre d essais n est pas fixe les essais continuent jusqu au R succ s et la probabilit de succ s est la m me d un essai l autre La probabilit de succ s p et le nombre de succ s requis R sont les param tres de la distribution Il s agit essentiellement d une superdistribution des distributions g om trique et binomiale Cette distribution montre les probabilit s de chaque nombre d essais au del de R pour produire le succ s requis R Conditions Les trois conditions sous jacentes de la distribution binomiale n gative sont les suivantes e Le nomb
386. tique pr d finie c est dire que le processus n est pas stationnaire Ici la stationnarit est v rifi e avec le test Runs et un autre indice visuel se trouve dans le rapport d autocorr lation la fonction d autocorr lation a tendance se d grader lentement Un processus stochastique est une s quence d v nements ou chemins g n r s par les lois probabilistes C est dire que des v nements al atoires peuvent survenir dans le temps mais qu ils sont r gis par des lois statistiques et probabilistes sp cifiques Les principaux processus stochastiques incluent le trajet al atoire ou mouvement brownien le retour la moyenne et la diffusion par saut Ces processus peuvent tre utilis s pour pr voir une multitude de variables qui semblent suivre des tendances al atoires mais sont malgr tout restreintes par les lois probabilistes L quation qui g n re le processus est connue l avance mais les r sultats g n r s sont inconnus figure 5 26 Le processus de mouvement brownien ou trajet al atoire peut tre utilis pour pr voir les cours des actions les prix des produits de base et autres donn es de s ries chronologiques stochastiques avec un taux de d rive ou de croissance et une volatilit autour du chemin de d rive Le processus de retour la moyenne peut tre utilis pour r duire les fluctuations du processus de trajet al atoire en permettant au chemin de cibler la valeur long terme
387. tochastique 7 100 101 127 128 129 133 137 140 144 145 146 148 174 180 stochastiques 180 sup rieure 144 supposition 19 24 25 26 27 28 30 51 107 128 158 160 163 suppositions 143 145 175 179 sym trique 175 T de Student 47 64 80 taux 177 180 taux d int r t 177 180 taux de croissance 180 taux d int r t 180 250 2012 Real Options Valuation Inc Simulateur de risques tendances 180 test d Anderson Darling 165 test de Kolmogorov Smirnoy 165 test du khi carr 165 tests de validit de l ajustement 177 titre 22 23 Tornado 8 149 151 152 153 155 156 159 160 161 transversales 86 103 triangulaire 14 20 25 51 78 81 troisi me moment 44 46 types 143 180 uniforme 14 20 28 47 51 59 82 131 144 162 241 unique 146 valeur 143 144 176 177 179 180 182 183 Manuel d utilisation 251 valeur pr dictive 178 183 valeurs 143 175 176 177 179 183 valeurs aberrantes 174 175 176 177 178 validit 177 validit de l ajustement 177 178 variable de d cision 127 128 129 131 132 133 137 variable d pendante 175 176 178 variable ind pendante 175 176 178 variables de d cision 136 144 variables ind pendantes 182 variance 175 ventes 177 178 volatilit 180 Weibull 83 2012 Real Options Valuation Inc
388. ts ou v nements de probabilit 2 TAPE 2 Saisissez le nom de chaque r sultat ou v nement de probabilit Market Research Market Conditions Favorable Strong Unfavorable Weak TAPE 3 Saisissez les probabilit s pr c dentes du deuxi me v nement et les probabilit s conditionnelles pour chaque v nement ou r sultat La somme des probabilit s doit tre gale 100 Probabilit s conditionnelles fiabiit s Mod le enregistr Prob Strong 45 00 Prob Weak 55 00 Prob Favorable Strong 60 00 Prob Favorable Weak 30 00 Prob Unfavorable Strong 40 00 Prob Unfavorable Weak 70 00 Probabilit s jointes et marginales Prob Favorable 43 50 Prob Unfavorable 56 50 Prob Strong Favorable 27 00 Prob Weak Favorable 16 50 Prob Strong Unfavorable 18 00 Prob Weak n Unfavorable 38 50 Probabilit s post rieures ou mises jour v nements P pr c dent Favorable Unfavorable Somme Ke Prob Strong Favorable 62 07 Strong 45 00 60 00 40 00 100 00 55 00 30 00 70 00 100 00 Prob Weak Favorable 37 93 Prob Strong Unfavorable 31 86 Prob Weak Unfavorable 68 14 Figure 5 63 Arbre de d cision d valuation sur la base d Options R elles Analyse bay sienne Manuel d utilisation 230 2012 Real Options Valuation Inc Simulateur de risques
389. ts sont tabul es Par contraste les graphiques de sensibilit sont le r sultat de perturbations dynamiques dans le sens que plusieurs suppositions sont perturb es simultan ment et que leurs interactions dans le mod le et les corr lations entre variables sont captur es dans les fluctuations des r sultats Les graphiques Tornado identifient donc les variables influen ant le plus les r sultats et sont donc adapt s la simulation alors que les graphiques de sensibilit identifient l impact sur les r sultats de la simulation simultan e de plusieurs variables interd pendantes dans le mod le La figure 5 8 illustre clairement cet effet Notez que le classement des facteurs de succ s critiques est similaire aux graphiques Tornado dans les exemples pr c dents Cependant si des corr lations sont ajout es entre les suppositions la figure 5 9 montre quelque chose de tr s diff rent Notez par exemple que l effritement des prix a eu tr s peu d impact sur la VAN mais que si certaines des suppositions d entr e sont corr l es l interaction qui existe entre ces variables corr l es accro t l impact de l effritement des prix 0 33 A Price 0 31 B Price 0 22 C Price y Tax Rate 0 05 Price Erosion 0 03 Sales Growth 0 0 01 0 2 03 0 4 05 06 Figure 5 8 Graphique de sensibilit sans corr lations 158 2012 Real Options Valuation Inc Simulateur de risques 0 26 B Price 0 22 C Price ma
390. tte suivi du taux d imposition du prix de vente moyen et de la quantit demand e et ainsi de suite Le rapport contient quatre l ments distincts e R sum statistique r pertoriant la proc dure effectu e e Le tableau de sensibilit figure 5 4 montre la valeur de r f rence de la valeur actualis e nette de d but de 96 63 et comment chaque entr e est modifi e par ex l investissement change de 1 800 1 980 du c t sup rieur avec une fluctuation de 10 et de 1 800 1 620 du c t inf rieur avec une fluctuation de 10 Les valeurs du c t sup rieur et du c t inf rieur de la VAN r sultantes sont 83 37 et 276 63 avec un changement total de 360 en faisant la variable avec l impact le plus important sur la VAN Les variables de pr c dents sont class es de l impact le plus important l impact le moins important Manuel d utilisation 151 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Le graphique en araign e figure 5 5 illustre ces effets graphiquement L axe y est la valeur cible de la VAN et l axe x repr sente le changement de pourcentage sur chacune des valeurs de pr c dents le point central est la valeur de r f rence 96 63 0 de changement de la valeur de r f rence de chaque pr c dent Une pente positive indique une relation ou effet positif et des pentes n gatives indiquent une relation n gative par ex l investissem
391. tte approche s appelle r gression Probit Les mod les de r gression Probit et logistique produisent g n ralement des pr dictions tr s similaires o les estimations de param tres de la r gression logistique ont tendance tre 1 6 1 8 fois plus lev s que dans le mod le Probit correspondant Le choix d un mod le Probit ou Logit est donc une question de commodit et la principale distinction est que la distribution logistique a un curtosis plus lev queues plus grosses pour prendre en compte les valeurs extr mes Par exemple supposons que l achat d une maison est la d cision mod liser que cette variable de r ponse est binaire achat d une maison ou non et qu elle d pend d une s rie de variables ind pendantes Xi comme les revenus l ge etc de fa on ce que Ii B0 B1X1 BnXn o plus la valeur de Ii est lev e plus la probabilit d achat est lev e Pour chaque famille un seuil I critique existe o si ce seuil est d pass la maison est achet e et sinon aucune maison n est achet e et la probabilit de r sultat P est suppos e tre distribu e normalement de fa on ce que Pi CDF I en utilisant une fonction de distribution cumulative Ainsi vous pouvez utiliser les coefficients estim s exactement comme ceux d un mod le de r gression et en utilisant la valeur Y estim e appliquer une distribution normale standard vous pouvez utiliser la fonction NORMSDIST
392. tueuse et la retirez de la bo te Si vous choisissez une autre pi ce dans la bo te la probabilit qu elle soit d fectueuse est l g rement plus faible que pour la premi re pi ce car vous avez retir une pi ce d fectueuse Si vous aviez remis la pi ce d fectueuse dans la bo te les probabilit s seraient rest es les m mes et le processus aurait rempli les conditions pour une distribution binomiale Conditions Les conditions sous jacentes de la distribution hyperg om trique sont les suivantes e Le nombre total d articles ou d l ments la taille de la population est un nombre fixe une population finie la taille de la population doit tre inf rieure ou gale 1 750 e La taille de l chantillon le nombre d essais repr sente une partie de la population e La probabilit de succ s initiale connue dans la population change apr s chaque essai Les structures math matiques pour la distribution hyperg om trique sont les suivantes N N N N x Lyx P x MAD Mn 4 pour x Max n N N 0 Min n N n N n Nn moyenne N Manuel d utilisation 56 2012 Real Options Valuation Inc Simulateur de risques Distribution de Pascal Manuel d utilisation N N IN n N n cart type 3 N N 1 talement VN NN n N n exc s de kurtosis fonction complexe Le nombre d l ments dans la population ou la taille de la populatio
393. u une dispersion plus large des points de donn es autour de la moyenne et ses unit s sont identiques celles du jeu de donn es d origine L cart type de l chantillon est diff rent de l cart type de la population car le premier utilise une correction des degr s de libert pour prendre les petites tailles d chantillons en compte De plus les intervalles de confiance inf rieur et sup rieur sont fournis pour l cart type et le v ritable cart type de la population se trouve dans cet intervalle Si votre jeu de donn es couvre tous les l ments de la population utilisez l cart type de la population la place Les deux mesures de variance sont simplement les valeurs des carts types au carr Le coefficient de variabilit est l cart type de l chantillon divis par la moyenne de l chantillon donnant une mesure de la dispersion sans unit qui peut tre compar e dans diff rentes distributions vous pouvez d sormais comparer des distributions de valeurs exprim es en millions avec des distributions de valeurs exprim es en milliards ou m tres etkilogrammes etc Le premier quartile mesure le 25 me percentile des points de donn es quand ils sont organis s de la valeur la plus faible la valeur la plus lev e Le troisi me quartile est la valeur du 75 me percentile des points de donn es Les quartiles sont parfois utilis s comme plages sup rieure et inf rieure d une distribution car ils tronquent le jeu de donn es
394. uand les distributions de la pr vision proviennent de populations similaires par ex donn es obtenues partir du m me groupe de clients mais des occasions diff rentes etc 5 6 Extraction des donn es et enregistrement des r sultats de la simulation Les donn es brutes d une simulation peuvent facilement tre extraites l aide de la routine d extraction de donn es du Simulateur de risques Les suppositions et les pr visions peuvent tre extraites mais il faut commencer par ex cuter une simulation Les donn es extraites peuvent ensuite tre utilis es pour de nombreuses autres analyses Manuel d utilisation 170 2012 Real Options Valuation Inc Simulateur de risques Proc dure Manuel d utilisation Ouvrez ou cr ez un mod le d finissez les suppositions et les pr visions puis ex cutez la simulation S lectionnez Simulateur de risques Outils Extraction de donn es S lectionnez les suppositions et ou les pr visions partir desquelles vous souhaitez extraire les donn es et cliquez sur OK Les donn es peuvent tre extraites dans divers formats Des donn es brutes dans une nouvelle feuille de calcul dans laquelle les valeurs simul es suppositions et pr visions peuvent alors tre enregistr es ou analys es plus avant si n cessaire Un fichier texte plat partir duquel les donn es peuvent tre export es dans d autres logiciels d analyse des donn es Un fichier du Simul
395. uartile et troisi me quartile 25 et 75 percentiles doivent tre affich es sur le graphique de pr visions Les fonctionnalit s de cet onglet vous permettent de changer le type la couleur la taille 32 2012 Real Options Valuation Inc Simulateur de risques Utiliser les graphiques de pr visions et les intervalles de confiance Manuel d utilisation le zoom l inclinaison l aspect 3D et autres propri t s du graphique de pr visions ainsi que de fournir des graphiques superpos s FDP FDC et d ex cuter un ajustement de la distribution sur vos donn es de pr visions consultez la section Ajustement des donn es pour de plus amples d tails sur cette m thodologie B n fices Pr vision du Simulateur de risques Histogramme Statistique P ences tons Cons Filtre de donn es Afficher toutes les donn es Afficher uniquement les donn es entre les limites Infinity et Infinity Afticher umquement les donn es 21 D avec un cart inf rieur 52 cart tvpe Statistique Niveau de pr cision utilis pour calculer l erreur 952 Afficher la statistique suivante sur l histogramme Moyenne M diane F 1er quartile F 3 me quartile Afficher les d cimales Axe X du graphique 4 Confiance a Hi Statistiques a Hi SR 20 0 Koh N D 0 EF srphaue Bares me Continus Min Max Auto 1000 ni mn F itre B n fices essais A
396. ucc s gt 0 et lt 1 c est dire 0 0001 lt p lt 0 9999 La distribution binomiale d crit le nombre d occurences d un v nement particulier dans un nombre d essais fixes par exemple le nombre de faces dans 10 tirages pile ou face ou le nombre d articles d fectueux sur 50 articles choisis Conditions Les trois conditions sous jacentes de la distribution binomiale sont les suivantes e Pour chaque essai seuls deux r sultats sont possibles et ils s excluent mutuellement e Les essais sont ind pendants ce qui se produit lors du premier essai n affecte pas l essai suivant e La probabilit qu un v nement se produise reste la m me d un essai l autre Les structures math matiques pour la distribution binomiale sont les suivantes or W p p pourn gt 0 x 0 1 2 n et0 lt p lt 1 n x moyenne np cart type np 1 p 1 2p np p 6p 6p 1 np l p talement exc s de curtosis La probabilit de succ s p et le nombre entier d essais total n sont les param tres de la distribution Le nombre d essais r ussis est not par x Il est important de noter que les probabilit s de succ s p de 0 ou 1 sont des conditions triviales et ne n cessitent aucune simulation Elles ne sont donc pas autoris es dans le logiciel Entr es requises Probabilit de succ s gt 0 et lt 1 c est dire 0 0001 lt p lt 0 9999 53 2012 Real Op
397. ue toutes les entr es 2 de taux de succ s Le taux de succ s 2 est le seul param tre de la distribution Le nombre d essais r ussis est not x Conditions La condition sous jacente de la distribution exponentielle est la suivante e La distribution exponentielle d crit le temps qui s coule entre les occurrences Entr es requises Taux gt 0 La distribution exponentielle 2 est galement appel e distribution exponentielle d cal e la distribution exponentielle traditionnelle est d cal e d un param tre d emplacement de fa on ce que le point de d part soit le nouvel emplacement La distribution exponentielle est couramment utilis e pour d crire les v nements r currents se reproduisant des points al atoires dans le temps par exemple le temps entre les pannes d quipements lectroniques ou le temps entre les clients se pr sentant un kiosque de service Elle est apparent e la distribution de Poisson qui d crit le nombre d occurrences d un v nement un intervalle de temps donn Une caract ristique importante de la distribution exponentielle est sa propri t sans m moire ce qui signifie que la future vie d un objet donn a la m me distribution quelle que soit la dur e de son existence En d autres termes le temps n a aucun effet sur les r sultats futurs Le taux de succ s est le seul param tre de la distribution 67 2012 Real Options Valuation Inc Simulat
398. ulation les statistiques r sultantes sont affich es mais la pr cision de telles statistiques et leur signification statistique sont parfois douteuses Par exemple si la statistique d talement d une ex cution de simulation est 0 10 cette distribution est elle v ritablement tal e vers la gauche ou la valeur l g rement n gative est elle due au hasard Qu en est il de 0 15 0 20 etc C est dire quel niveau cette distribution est elle consid r e comme tal e vers la gauche La m me question peut tre appliqu e toutes les autres statistiques Une distribution est elle statistiquement identique une autre distribution en ce qui concerne certaines statistiques calcul es ou sont elles significativement diff rentes La figure 5 17 illustre des exemples de r sultats de bootstrap Par exemple la confiance de 90 pour la statistique d talement se trouve entre 0 0189 et 0 0952 de sorte que la valeur 0 se trouve dans cet intervalle de confiance ce qui indique que sur une confiance de 90 l talement de cette pr vision n est pas statistiquement significativement diff rent de z ro ou que cette distribution peut tre consid r e sym trique sans talement Inversement si la valeur 0 ne se trouve pas dans l intervalle de confiance alors l inverse est vrai la distribution est tal e tal e vers la droite si la statistique est positive et tal e vers la gauche si la statistique est n gative
399. uleur de police pour la totalit de l arbre de strat gie Ins rer des n uds de d cision Ins rer des n uds d incertitude ou Ins rer des n uds terminaux en s lectionnant n importe quel n ud existant et en cliquant ensuite sur l ic ne de n ud de d cision carr l ic ne de n ud d incertitude cercle ou l ic ne de n ud terminal triangle ou en utilisant les fonctionnalit s du menu nsertion Modifier les propri t s individuelles des n uds de d cision d incertitude ou terminaux en double cliquant sur un n ud Les l ments ci dessous sont des l ments suppl mentaires uniques du module d arbre de d cision pouvant tre personnalis s et configur s dans l interface utilisateur des propri t s des n uds o N uds de d cision Annulation personnalis e ou Traitement Auto de la valeur sur un n ud L option de traitement automatique est d finie par d faut et lorsque vous cliquez sur EX CUTER sur un mod le d arbre de d cision achev les n uds de d cision seront mis jour avec les r sultats o N uds d incertitude Noms d v nements Probabilit s et D finir des hypoth ses de simulation Vous ne pouvez ajouter des noms d v nements de probabilit des probabilit s et des hypoth ses de simulation qu apr s la cr ation de branches d incertitude o N uds terminaux Saisie manuelle Lien vers Excel et D finir des hypoth ses de simulation Les gains d v nements terminaux p
400. une optimisation dynamique ou stochastique puis r ex cuter une autre optimisation avec une contrainte et r p ter cette proc dure plusieurs fois Ce processus manuel est important car en changeant la contrainte l analyste peut d terminer si les r sultats sont similaires ou diff rents et ainsi si une analyse suppl mentaire est justifi e ou pour d terminer de quelle envergure une augmentation marginale de la contrainte doit tre pour obtenir un changement significatif de l objectif et des variables de d cision Un autre point est digne d int r t Il existe plusieurs produits logiciels cens s ex cuter une optimisation stochastique mais qui en fait ne le font pas Par exemple apr s l ex cution d une simulation une it ration du processus d optimisation est g n r e puis une autre simulation est ex cut e puis la seconde it ration d optimisation est g n r e et ainsi de suite c est une perte de temps et un gaspillage de ressources En effet dans une optimisation le mod le passe travers un jeu d algorithmes rigoureux o multiples it rations quelques it rations des milliers sont requises pour obtenir les r sultats optimaux Donc g n rer une it ration la fois est une perte de temps et un gaspillage de ressources Le m me portefeuille peut tre r solu avec le Simulateur de risques en moins d une minute au lieu de plusieurs heures avec une approche si peu sophistiqu e De plus une tell
401. une supposition d entr e en s lectionnant la cellule sur laquelle vous souhaitez d finir la supposition et en cliquant avec le bouton droit de la souris pour acc der au menu de raccourcis du Simulateur de risques En outre si vous tes un utilisateur exp riment vous pouvez d finir une supposition d entr e en utilisant les fonctions RS du Simulateur de risques s lectionnez la cellule de votre choix cliquez sur Ins rer Fonction dans Excel s lectionnez Toutes les cat gories puis faites d filer jusqu la liste des fonctions RS nous vous d conseillons d utiliser les fonctions RS si vous n tes pas un utilisateur exp riment Pour les exemples qui suivent nous vous sugg rons de suivre les instructions de base pour acc der aux menus et aux ic nes Vous remarquerez que dans les propri t s de supposition se trouvent un certain nombre de sections cl s La figure 2 4 illustre ces diff rentes sections Nom de la Cette section facultative vous permet de saisir des noms uniques pour les suppositions supposition pour vous aider vous rappeler de ce que supposition repr sente Il est fortement conseill d utiliser des noms de supposition courts mais pr cis Galerie des Cette section sur la gauche affiche toutes les distributions disponibles dans le logiciel distributions Pour modifier l affichage cliquez n importe o dans la galerie avec le bouton droit de la souris et s lectionnez grandes ic nes pet
402. ur de risques 2 2 1 Aper u g n ral du logiciel Le Simulateur de risques a plusieurs applications diff rentes notamment la simulation de Monte Carlo les pr visions l optimisation et l analyse des risques e Le module de simulation vous permet d ex cuter des simulations dans vos mod les Excel existants de g n rer et d extraire des pr visions de simulation distributions des r sultats d effectuer un ajustement distributionnel trouver automatiquement la distribution statistique la mieux adapt e de calculer les corr lations maintenir les relations entre les variables al atoires simul es d identifier les sensibilit s cr er des graphiques Tornado et de sensibilit de tester les hypoth ses statistiques trouver les diff rences statistiques entre des paires de pr visions d ex cuter une simulation par bootstrap tester la solidit des statistiques de r sultat et d ex cuter des simulations personnalis es et non param triques des simulations utilisant des donn es historiques sans sp cifier de distributions ou leurs param tres pour les pr visions sans donn es ou appliquer des pr visions bas es sur les opinions des experts e Le module de pr visions peut tre utilis pour g n rer pr visions de s ries chronologiques automatiques avec et sans saisonnalit et tendance r gressions plusieurs variables mod lisation des relations entre les variables extrapolations non lin aires aj
403. ur les estimations des param tres stochastiques qui permet d estimer la volatilit la d rive le taux de retour la moyenne et le taux de diffusion par saut d apr s les donn es historiques Attention ces r sultats de param tres sont fond s uniquement sur les donn es historiques utilis es et les param tres peuvent changer dans le temps selon la quantit de donn es historiques ajust es En outre les r sultats de l analyse affichent tous les param tres et ne fournissent aucune implication quant au mod le de processus stochastique par ex mouvement brownien retour la moyenne diffusion par saut ou processus mixte le mieux adapt C est l utilisateur de le d terminer selon la variable de s rie chronologique pr voir L analyse ne peut pas d terminer quel processus est le mieux adapt seul l utilisateur est m me de le faire par ex le processus de mouvement brownien est mieux adapt pour mod liser les cours des actions mais l analyse ne peut pas d terminer que les donn es historiques analys es proviennent d une action ou de toute autre variable et seul l utilisateur le sait Enfin une astuce utile est de savoir que si un param tre donn ne se trouve pas dans la plage normale le processus n cessitant ce param tre d entr e n est probablement pas le processus correct par ex si le taux de retour la moyenne est de 110 il est probable que le retour la moyenne n est pas le
404. ustement de courbe processus stochastiques trajets al atoires retours la moyennes diffusions par saut et processus mixtes ARIMA de Box Jenkins pr visions conom triques ARIMA automatique conom trie de base et conom trie automatique mod lisation des relations et g n ration des pr visions courbes en J exponentielles courbes en S logistiques mod les GARCH et ses multiples 20 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation variantes mod lisation et pr vision de la volatilit mod les de maximum de vraisemblance pour des variables d pendantes limit es mod les logit tobit et probit cha nes de Markov courbes de tendances splines et autres e Le module d optimisation est utilis pour optimiser plusieurs variables de d cision sujettes des contraintes pour maximiser ou minimiser un objectif et peut tre ex cut comme optimisation statique dynamique ou stochastique avec incertitude en corr lation avec la simulation de Monte Carlo ou optimisation stochastique avec les simulations hyper rapides Le logiciel peut traiter les optimisations lin aires et non lin aires avec des variables binaires enti res et continues et g n rer des fronti res efficientes de Markowitz e Le module Outils analytiques vous permet d ex cuter des regroupements par segmentation des tests d hypoth se des tests statistiques des donn es brutes des diagnostics de donn es des su
405. ution de Breit Wigner est une distribution continue d crivant le comportement des r sonances Elle d crit galement la distribution des distances horizontales auxquelles un segment de ligne inclin un angle al atoire coupe l axe X Les structures math matiques pour la distribution de Cauchy ou lorentzienne sont les suivantes 1 yi2 PS C T A La distribution de Cauchy est un cas sp cial sans moments th oriques moyenne cart type talement et kurtosis car ils sont tous ind finis L emplacement du mode et l chelle 5 sont les deux seuls param tres de cette distribution Le param tre d emplacement sp cifie le pic ou le mode de la distribution et le param tre d chelle sp cifie la demi largeur au demi maximum de la distribution En 63 2012 Real Options Valuation Inc Simulateur de risques Distribution du ou khi carr Manuel d utilisation outre la moyenne et la variance d une distribution de Cauchy ou lorentzienne ne sont pas d finies La distribution de Cauchy est la distribution en T de Student avec un seul degr de libert Cette distribution est galement construite en prenant le rapport de deux distributions normales standard distributions normales avec une moyenne de 0 et une variance de 1 qui sont ind pendantes l une de l autre Entr es requises L emplacement alpha peut tre n importe quelle valeur L chelle b ta doit tre gt 0 et peut tre n
406. utionnels pertinents c d si vous avez s lectionn l option de g n ration automatique des suppositions et si un profil de simulation existe d j Les r sultats classent galement toutes les distributions s lectionn es et leur niveau d ajustement des donn es 163 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation R sultat de l ajustement distributionnel 003 0 03 0 05 0 07 0 08 0 10 0 15 0 36 0 42 0 92 1 00 1 00 1 00 1 00 Normale Moyenne 100 67 Sigma 10 40 Statistique du test de Kolmogorov Smirnov Statistique du test 0 02 Valeur pr dictive 99 96 R elle Moyenne 100 61 cart type 10 31 talement 0 01 Kurtosis 0 13 Figure 5 14 R sultat de l ajustement distributionnel 164 2012 Real Options Valuation Inc Simulateur de risques Proc dure Remarques Manuel d utilisation Ajustement distributionnel une seule variable R sum statistique Supposition ajust e 100 61 Distribution ajust e Normale Moyenne 100 67 Sigma 10 40 Statistique de Kolmogorov Smirnov 0 02 Valeur pr dictive pour la statistique du test 0 9996 R elle Th orique Moyenne 100 61 100 67 cart type 10 31 10 40 talement 0 01 0 00 Kurtosis en exc s 0 13 0 00 Donn es ajust es originales 73 53 78 21 78 52 79 50 79 72 79 74 81 56 82 08 82 68 82 75 83 34 83 64 84 09 84 66 85 00 85 35 85 51 86 04 86 79 86 82 86 91 87 02 87 03 87
407. utocorrelation notes id 12 parameter VAR5 gt 110 lt model name Average notes id 115 parameter VAR1 gt 111 lt model name Control Chart C notes id 97 parameter VAR69 gt 22 lt model name Control Chart NP notez jd 98 paramerer VAR69 Cia es tatoes da Case Ca Figure 5 55 ROV BizStats diteur XML 5 23 M thodologies de pr vision par logique floue combinatoire et r seau neuronal Le terme de r seau neuronal est souvent utilis pour faire r f rence un r seau ou circuit de neurones biologiques ou naturels mais dans son sens moderne il fait souvent r f rence un r seau neuronal artificiel compos de n uds ou neurones artificiels recr dans un environnement logiciel Cette m thodologie tente d imiter le cerveau ou les neurones humains quant la fa on de penser et d identifier des motifs et dans notre cas d identifier des motifs afin de pr voir des donn es de s ries chronologiques Vous trouverez cette m thodologie dans le module ROV BizStats du Simulateur de risques sous Simulateur de risques ROV BizStats R seau neuronal et Simulateur de risques Pr visions R seau neuronal La figure 5 56 illustre la m thodologie de pr vision par r seau neuronal e Cliquez sur Simulateur de risques Pr visions R seau neuronal e Commencez pas saisir manuellement des donn es ou coller des donn es partir du presse papiers par
408. vant l application de proc dures d optimisation plus avanc es Par exemple avant d ex cuter un probl me d optimisation stochastique une 127 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation optimisation discr te est d abord ex cut e pour d terminer s il existe des solutions au probl me d optimisation avant d effectuer une analyse plus approfondie Ensuite l optimisation dynamique est appliqu e quand la simulation de Monte Carlo est utilis e avec l optimisation Un autre nom pour cette proc dure est simulation optimisation C est dire qu une simulation est ex cut e puis les r sultats de la simulation sont appliqu s dans le mod le Excel puis une optimisation est appliqu e aux valeurs simul es En d autres termes une simulation est ex cut e pour N essais puis un processus d optimisation est ex cut pour M it rations jusqu ce que les r sultats optimaux soient obtenus ou qu un jeu infaisable soit trouv Cela signifie qu en utilisant le module d optimisation du Simulateur de risques vous pouvez choisir les statistiques de pr visions et de suppositions utiliser et remplacer dans le mod le apr s l ex cution de la simulation Ces statistiques de pr visions peuvent ensuite tre appliqu es dans le processus d optimisation Cette approche est utile quand vous avez un grand mod le avec de nombreuses suppositions et pr visions interd penda
409. variation peut tre expliqu e par chacune des suppositions apr s avoir pris en compte toutes les interactions entre les variables Notez que la somme de toutes les variations expliqu es est souvent proche de 100 il y a parfois d autres l ments qui ont un impact sur le mod le mais qui ne peuvent pas tre captur s ici directement et s il existe des corr lations cette somme peut parfois d passer 100 du fait des effets des interactions qui peuvent tre cumulatifs Figure 5 11 Graphique de corr lations de rangs Figure 5 12 Graphique de contribution la variance L analyse Tornado s effectue avant l ex cution d une simulation alors que l analyse de sensibilit s effectue apr s l ex cution d une simulation Les graphiques en araign e d une analyse Tornado peuvent prendre en compte les non lin arit s alors que les graphiques de corr lations de rangs de l analyse de sensibilit peuvent prendre en compte les conditions non lin aires et sans distribution 161 2012 Real Options Valuation Inc Simulateur de risques Th orie Proc dure Manuel d utilisation 5 3 Ajustement distributionnel une seule variable et multiples variables Un autre outil de simulation puissant est l ajustement distributionnel C est dire d terminer quelle distribution un analyste devrait utiliser pour une variable d entr e particuli re dans un mod le Quels sont les param tres distributionnels
410. vos donn es manuellement collez es partir d une Exemple TAPE 2 Analyse Choisissez une analyse et entrez les param tres requis voir les autre application ou chargez un chantillon de jeu de donn a exemples d entr es de param tres ci dessous Jeu de donn es Visualiser Commande V Ex cuter la commande Affichage Par ordre alphab tique v VARGD VARG1 VARG2 VAR63 1 conom trieautomatiqued taill e VAR5 VARG VAR7 VAR8 0 1 0 ANOVA Traitements multiples des blocs al 2 Nonparam trique TestdeLilliefors VAR31 ARIMA 3 Autocorr lationetautocorr lationpartielle VAR5 ARIMA automatique 1 4 ANOVA Traitementsmultiplesdesblocsal atoires VAR60 VAR61 VAR62 VAR63 Auto corr lation et auto corr lation partielle 2 lt i 5 Barres 2D standard Barres 3D standard Cha ne de Markov gt Varl Var2 Var3 Corr lation Corr lation lin aire non lin aire w Courbe de rendement liss Courbe de rendement Nelson Siegel Courbe de tendance diff rence avec correc Courbe de tendance exponentielle avec cor TAPE 3 Ex cution Ex cutez l analyse actuelle de l tape 2 ou Cusbe de tendance expanentiele l analyse s lectionn e de l tape 4 Courbe de tendance lin aire avec correctio rates ka rentats as et dalies Copie Courbe de tendance lin aire copiez les re graphiques r courbe de tendar arithmique presse papiers ou g n rez des rapports Rapport nce og avec oru
411. vous voulez changer la probabilit de l v nement individuellement ou tous les v nements de probabilit s identiques en m me Analyser les entr es en groupes Analyser les entr es individuelles Si vous effectuez une analyse group e passez les membres du groupe en revue s lectionnez tout membre suppl mentaire ou d s lectionnez tout V S lection automatique des membres du groupe N uds de d cision N ud et ID Valeur Construire 1 F Critique M critique 120 82 131 44 N uds d incertitude et de terminal N ud et ID Probabilit Critique 1 1 Temps d ach veme J Temps d ach veme Critique 1 2 E Temps d ach veme m Temps d ach veme Temps d ach vement A F 12Jours F 14 Jours M 18 Jours Temps d ach vement B F7 12 Jours F 14 Jours M 18 Jours 30 00 70 00 Temps d ach vement C mi n Mod le enregistr Nom Model 1 Model 1 tape 4 Saisissez la plage de sc narios d entr es 5 00 50 00 TAILLEDE Payoff 44 50 DE 35 00 CEE o cnaenrige O craphiaue pr ceme rae DLA 7 50 00 5 00 TAILLE DE 2 50 123 85 125 50 127 14 128 79 130 44 132 08 123 93 125 67 127 40 129 14 130 88 132 61 124 02 125 85 127 67 129 49 131 31 13313 134 96 136 78 138 60 136 08 12411 126 02 127 93 129 84 13175 133 66 135 57 137 48 139 39 141 30 35 00 37 50 40 00 42 50 45 00 47 50 50 00
412. wo Variable F Variances Parametric Two Variable T Dependent Means Parametric Two Variable T Independent Equal 17 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation Variance Parametric Two Variable T Independent Unequal Variance Parametric Two Variable Z Independent Means Parametric Two Variable Z Independent Proportions Power Principal Component Analysis Rank Ascending Rank Descending Relative LN Returns Relative Returns Seasonality Segmentation Clustering Semi Standard Deviation Lower Semi Standard Deviation Upper Standard 2D Area Standard 2D Bar Standard 2D Line Standard 2D Point Standard 2D Scatter Standard 3D Area Standard 3D Bar Standard 3D Line Standard 3D Point Standard 3D Scatter Standard Deviation Population Standard Deviation Sample Stepwise Regression Backward Stepwise Regression Correlation Stepwise Regression Forward Stepwise Regression Forward Backward Stochastic Processes Exponential Brownian Motion Stochastic Processes Geometric Brownian Motion Stochastic Processes Jump Diffusion Stochastic Processes Mean Reversion with Jump Diffusion Stochastic Processes Mean Reversion Structural Break Sum Time Series Analysis Auto Time Series Analysis Double Exponential Smoothing Time Series Analysis Double Moving Average Time Series Analysis Holt Winter s Additive Time Series Analysis Holt Winter s Multiplicative Time
413. x cuter 107 7449 nouveau ou r tabhr l arborescence de Fa on ce quel utse les valeurs 115 9388 attendues des ana sana C MERSRECEERLS ES Bi 6 EE te aie He NE PENES IRERE O 2 A Ee 1 O 20 A Ee E o U3 Fonction utilitaire prudente calibr e entre 0 et 1 U4 Fonction utilitaire prudente calibr e entre 0 et 100 U5 Fonction utilitaire neutre face au risque calibr e entre 0 et 1 U6 Fonction utilitaire neutre face au risque calibr e entre 0 et 100 U7 Fonction utilitaire t m raire valeurs utilitaires positives uniquement U8 Fonction utilitaire t m raire calibr e entre 0 et 1 U9 Fonction utilitaire t m raire calibr e entre 0 et 100 EV Figure 5 67 Arbre de d cision d valuation sur la base d Options R elles Fonctions d utilit Manuel d utilisation 234 2012 Real Options Valuation Inc Simulateur de risques 6 Conseils et techniques utiles Vous trouverez ci dessous des conseils utiles et des techniques rapides destin s aux utilisateurs du Simulateur de risques Pour plus de d tails au sujet de l utilisation des outils sp cifiques consultez les sections correspondantes dans le manuel d utilisation CONSEILS Suppositions interface utilisateur d finition des suppositions d entr e e Acc s rapide S lectionnez n importe quelle distribution et tapez n importe quelle lettre et vous acc derez directement la premi re
414. x bruts GARCH commence par convertir les prix en rendements relatifs puis ex cute une optimisation interne pour ajuster les donn es historiques une structure de termes de volatilit de retour la moyenne tout en supposant que la volatilit est h t rosc dastique par nature change dans le temps d apr s certaines caract ristiques conom triques Plusieurs variantes de cette m thodologie sont disponibles dans le Simulateur de risques notamment EGARCH EGARCH T GARCH M GJR GARCH GJR GARCH T IGARCH et T GARCH Une courbe en J ou courbe de croissance exponentielle est une courbe o la croissance de la p riode suivante d pend du niveau de la p riode actuelle et o la croissance est exponentielle Cela signifie que dans le temps les valeurs augmenteront 88 2012 Real Options Valuation Inc Simulateur de risques Cha nes de Markov Maximum de vraisemblance sur Logit Tobit et Probit R gression multivariable R seau neuronal Extrapolation non lin aire Manuel d utilisation consid rablement d une p riode l autre Ce mod le est g n ralement utilis pour les pr visions de croissance biologique et de r actions chimiques dans le temps Une cha ne de Markov existe quand la probabilit d un tat futur d pend d un tat pr c dent et quand ces tats reli s entre eux forment une cha ne qui revient un niveau d tat stable sur le long terme Cette approche est g n ralement uti
415. x d int r t ou d inflation des taux cibles long terme parles autorit s r glementaires ou le march Le processus de diffusion par saut est utile pour pr voir les donn es de s ries chronologiques quand la variable pr sente parfois des sauts ou bonds al atoires comme le cours du p trole ou le prix de l lectricit des chocs v nementiels exog nes discrets peuvent faire flamber ou brutalement chuter les prix Enfin ces trois processus stochastiques peuvent tre combin s selon vos besoins 1 0000 93 88 Les r sultats sur la droite indiquent la moyenne et l cart type de toutes les it rations g n r es chaque tape 1 1000 93 11 temporelle Si l option Afficher toutes les it rations est s lectionn e le chemin de chaque it ration sera affich dans une 1 2000 97 40 feuille de calcul diff rente Le graphique g n r ci dessous illustre un jeu chantillon de chemins d it rations 1 3000 95 02 1 4000 99 15 Processus stochastique mouvement brownien trajet al atoire avec d rive 1 5000 100 62 Valeur de d but 100 tapes 100 00 Tauxde saut N A 1 6000 102 59 Taux de d rive 5 00 It rations 10 00 Taille de saut N A 1 7000 103 39 Volatilit 25 00 Taux de retour N A Valeur de d part 659215223 1 8000 104 10 Horizon 10 Valeur long terme N A 1 9000 103 29 2 0000 102 40 2 1000 106 54 2 2000 106 60 2 3000 106 34 2 4000 105 36 2 5000 110 90 2 6000 115 29 2 7000 110 85 2 8000 113 22 2 9000 111 44 3 0000 113 77
416. xe X du PE dE AxeY o W graphique la l D cimales Ajustement de la distribution Termin p Lu R ellk Th orique Continue Aere Moyenne 086 0 85 Discr te ta aiust es 0 03 car type 0 19 0 23 2 IS D ciraies ue talement 4 12 0 00 Vakurpr dictre 5 z 0 2782 Kurtosis 0 45 1 20 Figure 2 9 Options et contr les du graphique de pr visions Dans les graphiques de pr visions vous pouvez d terminer la probabilit d occurrence appel e intervalle de confiance C est dire qu en prenant deux valeurs quelles sont les chances que le r sultat se trouve entre ces deux valeurs La figure 2 10 illustre qu il y a une probabilit de 90 que le r sultat final dans ce cas le niveau de revenus se trouve 33 2012 Real Options Valuation Inc Simulateur de risques Manuel d utilisation entre 0 5307 et 1 1739 L intervalle de confiance bilat ral peut tre obtenu en s lectionnant Bilat rale comme type en entrant la valeur de certitude souhait e par ex 90 et en appuyant sur TAB Les deux valeurs calcul es correspondant la valeur de certitude s affichent alors Dans cet exemple il y a une probabilit de 5 que les revenus soient inf rieurs 0 5307 et une autre probabilit de 5 que les revenus soient sup rieurs 1 1739 C est dire que l intervalle de confiance bilat ral est un intervalle sym trique centr e sur la valeur m diane ou 50 percentile Ainsi les deux
417. yse de s ries chronologiques 4 92 3 4 R gression multivariable as inattendue ti 96 3 5Pr visionsstochastiques 2siss sis Enr nes mdrr den unitaire 100 3 6 Extrapol tion non lin airess site diner REE teens 103 3 7 Analyse de s ries chronologiques avanc e ARIMA de Box Jenkins 106 3 8 ARIMA automatique analyse de s ries chronologiques avanc e ARIMA de Box Jenkins e ne me set ne a te einen dent cn RE das dans ed nt ed Sens Meuse es 112 3 9 conom trie de DAS ane Ca nt nn a dan nt 113 3 10 Pr visions de courbes en JS era en era tar a eS 115 3 11 Pr visions de volatilit GARCH uses 117 3 12 Cha nes de Markov ee ant menti etes tete ten titine rar te ere nn teens 120 3 13 Mod les du maximum de vraisemblance MLE sur Logit Probit et Tobit 00n0000010s000000000 121 3 14 Spline interpolation et extrapolation par spline cubique 125 4 OPTIMISATION nee na sn ne Re et ts merite ttes ee 127 4 1 M thodologies d optimisation ss 127 4 2 Optimisation avec variables de d cision continues sssssssesseseesseseessesresstesssstesseseesseseessessesses 130 4 3 Optimisation discr te en nombres entiers 136 4 4 Param tres de fronti re efficiente et d optimisation avanc s 141 4 5 Optimisation stochastique ei ssiiissseeseeneeneeeeeeeense 143 5 OUTILS ANALYTIQUES DU SIMULATEUR DE RISQUES sssseeeseeseense 149 5 1 Outils Tornado et de sensibi
418. z des r sultats complets s lectionnez Queue droite gt comme type de probabilit entrez 1 dans le champ de valeur et appuyez sur TAB La probabilit r sultante indique la probabilit de queue droite au del de la valeur 1 c est dire la probabilit que les revenus soient sup rieurs 1 dans ce cas nous voyons qu il y a une probabilit de 25 70 que les revenus soient sup rieurs 1 La somme de 74 30 et 25 70 est bien s r gale 100 la probabilit totale sous la courbe 35 2012 Real Options Valuation Inc Simulateur de risques CONSEILS Manuel d utilisation dl o0 013 Figure 2 13 valuation de la probabilit du graphique de pr visions Vous pouvez redimensionner la fen tre de pr visions en cliquant sur le coin inf rieur droit et en le faisant glisser Avant d ex cuter nouveau une simulation il est toujours conseill de r initialiser la simulation actuelle Simulateur de risques R initialiser la simulation N oubliez pas que vous devez appuyer sur TAB touche de tabulation du clavier pour mettre jour le graphique et les r sultats lorsque vous entrez des valeurs de certitude ou de queue droite et de queue gauche Vous pouvez aussi appuyer plusieurs fois sur la barre d espace pour passer d un onglet l autre Histogramme Statistiques Pr f rences Options et Contr les En outre si vous cliquez sur Simulateur de risques Options v

French User Manual 2012 - Real Options Valuation, Inc.

Contents

Download Pdf Manuals

Related Search

Related Contents