Your SlideShare is downloading. ×
Prévisions en loi EDF
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Saving this for later?

Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime - even offline.

Text the download link to your phone

Standard text messaging rates apply

Prévisions en loi EDF

932
views

Published on

Comment valider une prévision en loi ?

Comment valider une prévision en loi ?

Published in: Business, Technology

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
932
On Slideshare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
7
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Méthodes de validationet dévaluation deprévision en loi21 janvier 2011
  • 2. Plan de l’exposé Introduction Les méthodes connues Discussion sur les objectifs de l’évaluation Quelques difficultés techniques2 - Validation dune prévision en loi - 21 janvier 2011
  • 3. Introduction3 - Validation dune prévision en loi - 21 janvier 2011
  • 4. Exemple : courbe de croissance4 - Validation dune prévision en loi - 21 janvier 2011
  • 5. Exemple : prévision présentée par M. Cornec5 - Validation dune prévision en loi - 21 janvier 2011
  • 6. Aspects institutionnels Prévision en loi : EaR, eEaR, VaR Validation par autorités de marché6 - Validation dune prévision en loi - 21 janvier 2011
  • 7. Les méthodes connues7 - Validation dune prévision en loi - 21 janvier 2011
  • 8. Validité d’une prévision en loi Chaque jour j, on prévoit Fj, on observe Xj. Une propriété simple et importante (Probability Integral Transform, ou transformation de Rosenblatt) : si les Fj sont continues et strictement croissantes, Fj(Xj)=Uj est de loi uniforme sur [0,1] Peut être adapté à la prévision par intervalle : on doit avoir α% des observations dans un intervalle de probabilité α%. Permet de tester la validité des prévisions. Néanmoins, problème si on prévoit plusieurs pas de temps à la fois : pas d’indépendance des Uj, difficultés pour définir une région de test.8 - Validation dune prévision en loi - 21 janvier 2011
  • 9. Cas de prévisions remises à jour à chaque pasde temps Dans ce cas, on a en plus l’indépendance des Uj.9 - Validation dune prévision en loi - 21 janvier 2011
  • 10. Objectifs de l’évaluation10 - Validation dune prévision en loi - 21 janvier 2011
  • 11. Choisir une méthode de prévision en loi ? D e p . p r e v . C o n d i t i o n n e lle 1 p a s D e p . p r e v . In c o n d i t i o n n e lle 2 1 0 s -1 -2 0 5 10 15 20 25 30 T im e Largeur de l’intervalle, si réserves : évident. Mais sinon ?11 - Validation dune prévision en loi - 21 janvier 2011
  • 12. Scores météo pour une prévision F et une réalisation x, le Continuous Ranked Probability Score CRPS ( F , x) = − ∫ [F (u ) − H (u − x)] du 2 Dans le cas d’un échantillon homogène : Fe (u ) = ∑ H (u − xi ) i∈e Alors : CRPS = R + U F H R = ∫ [ F (u ) − Fe (u ) ] du 2 U = ∫ Fe (u ) [1 − Fe (u ) ] du12 - Validation dune prévision en loi - 21 janvier 2011
  • 13. Fonction de perte Si, pour toute prévision F et réalisation x, on sait calculer la perte L(F,x), on peut évaluer la perte liée à une méthode de prévision.13 - Validation dune prévision en loi - 21 janvier 2011
  • 14. Exemple récent : Transfert de risque climatique entre entités du groupe EDF Pas d’objectif unique au niveau du groupe Choix du niveau de transfert après construction de la représentation du risque climatique Obligation d’absence de transfert de marge en moyenne Obligation de validité sur la représentation du risque climatique. Pas de compromis possible entre fiabilité et autre notion de qualité, pas de L évident.14 - Validation dune prévision en loi - 21 janvier 2011
  • 15. Quelques problèmes techniques15 - Validation dune prévision en loi - 21 janvier 2011
  • 16. Prise en compte de l’erreur d’estimation En fait, les Fj sont connus à une erreur d’estimation près. Donc, la question de la validité devient : dans l’ensemble des Fj appartenant à l’intervalle de confiance d’estimation, y en a-t-il qui sont valides?16 - Validation dune prévision en loi - 21 janvier 2011
  • 17. Cas d’une prévision par intervalle, et parrégression quantile : Particularités du problème Monotonie du critère de validité, Estimation de l’erreur d’estimation sur les paramètres Solution possible Construire les intervalles les plus grands possible, les plus petits, Si les plus grands surestiment α, et les plus petits le sous-estiment, prévision valide.17 - Validation dune prévision en loi - 21 janvier 2011
  • 18. Largeur moyenne de l’intervalle de prévision Si FX|Y=U[0,Y] Prévision conditionnelle par intervalles : [0.05×Y,0.95×Y] Largeur : 0.9 × Y Largeur moyenne : 0.9 × E(Y) Estimation de l’erreur d’estimation sur les paramètres Prévision inconditionnelle par intervalles : [F-1Y(0.05), F-1Y(0.95)] Largeur moyenne : F-1Y(0.95) - F-1Y(0.05) Comparaison ? Sur quelques cas, prévision inconditionnelle plus large. Pourquoi ?18 - Validation dune prévision en loi - 21 janvier 2011