• Like
Scm prix blé_2012_11_06
Upcoming SlideShare
Loading in...5
×

Scm prix blé_2012_11_06

  • 729 views
Uploaded on

 

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
729
On Slideshare
0
From Embeds
0
Number of Embeds
16

Actions

Shares
Downloads
4
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. 1 Prévision du prix du blé (définition d’une politique d’achat de farine) Formation - 6 novembre 2012 Stéphan MiquelSociété de Calcul Mathématique, S. A. Algorithmes et Optimisation
  • 2. 2 Plan de la présentation• I. Prévision du prix à court terme (approche statistique)• II. Prévision du prix en fin de campagne (approche probabiliste)• III. Validation de la méthode
  • 3. 3I. Prévision du prix du blé à court terme
  • 4. 41.Volatilité du prix du blé en 2007
  • 5. 51.Volatilité du prix du blé en 2007  L’augmentation du prix du blé en 2007 est liée à une très forte diminution de l’offre : les campagnes 2005-2006 et 2006-2007 ont donné une très faible production  La demande, représentée par la consommation mondiale est restée stable pendant la même période. Remarque : même si ce n’est pas mentionné, la demande est bien prise en compte dans l’ensemble de cet outil de prévision
  • 6. 62. Relation « Estimation stocks – Prix »• Principaux exportateurs : USA, Canada, Europe, Ex-URSS et AustralieLeurs stocks de blé représentent l’offre mondiale disponible à l’exportation• Seuil critique des stocks : 64 millions de tonnes - Lorsque les stocks sont supérieurs au seuil : le prix reste stable - Lorsque les stocks sont inférieurs au seuil : le prix devient volatil
  • 7. 72. Relation « Estimation stocks – Prix » Seuil critique des stocks : 64 millions de tonnes Cas 3 : augmentation des stocks Cas 2 : diminution des stocks Cas 1 : stocks supérieurs au seuil
  • 8. 8 3. Validation de la relation 300 80000 70000 250 60000 200prix en €/t 50000 150 40000 30000 100 20000 Prix réel 50 Résultats Prédiction novembre 2008 : Prédiction novembre 2008 10000 Stocks 125 €/tonne 0 0 janv.-05 août-05 mars-06 oct.-06 mai-07 déc.-07 juil.-08
  • 9. 9II. Prévision du prix du blé en fin de campagne
  • 10. 10 1. Définition d’une campagne de production Stocks de début de Estimation de la Estimation des stocks campagne production de la de fin de campagne (données USDA) campagne (données USDA) (données USDA) Année n Année n+1Début de campagne : Fin de campagne : Mai de l’année n Mai de l’année n+1
  • 11. 112. Processus liant la production au prix Même relation que pour la prédiction à court terme
  • 12. 123. Prévision probabiliste de la production Production observée en fin de campagne Ratio Production estimée (USDA)Exemple mois de mai en Australie depuis 1993 (premier mois de la campagne): Scénario 1 : Sous-estimation de l’USDA Scénario 2 : Bonne estimation de l’USDA Scénario 3 : Surestimation de l’USDA
  • 13. 13 3. Prévision probabiliste de la production Loi de probabilité de la production (exemple du mois de mai) Surestimation de 6 % de la production avec une proba de 40 % Surestimationde 42 % de la productionavec une proba de 33 %
  • 14. 144. Prévision probabiliste des stocks
  • 15. 15 5. Prévision probabiliste du prix en fin de campagne Australie U.E. Ex-URSS USA Canada Sous- Estimation Sur- Sous- Estimation Sur- Sous- Estimation Sur- Sur- Sous- Estimation Sur- Sous- Estimation estimation correcte estimation estimation correcte estimation estimation correcte estimation estimationestimation correcte estimation estimation correcte Combinaisons de tous les scénarios : 35 cas Production totale cas n°1 Production totale cas n°2 Production totale cas n°243 Probabilité P1: Probabilité P2 : ………………………… Probabilité P3: ………………………… Application relation ………………………… production - stocks ………. Stocks de fin de Stocks de fin de ………………………………………………… Stocks de fin de campagne cas n°1 avec campagne cas n°2 avec ……………………………………. campagne cas n°243 probabilité P1 probabilité P2 avec probabilité P243 Application de la relation stocks-prix …………………………………………………………… Prix cas n°1 Prix cas n°2 …………………………. Prix cas n°1 avec P1 avec P2 avec P243
  • 16. 16
  • 17. 175. Prévision probabiliste du prix en fin de campagne Mois de novembre 2008 : précision du prix au mois de mai 2009 la probabilité que le prix en fin de campagne soit inférieur à 125 €/tonne est de 93 %
  • 18. 18III. Application de l’outil de prévision
  • 19. 191. Définition d’une politique d’achats
  • 20. 202. Résultats obtenus  Campagne 2010-2011 : Le prix moyen d’achat est de 177 €/t au lieu de 209 €/t  L’économie réalisée est de 32€/t, soit -15%  Campagne 2011-2012 : Le prix moyen d’achat est identique au prix moyen de la campagne  Economie impossible à réaliser à cause d’une baisse constante du prix pendant toute la campagne  Campagne 2012-2013 : La préconisation est d’acheter l’ensemble des besoins annuels en début de campagne à 196 €/t  Economie potentiellement très importante, le prix est bloqué à environ 250 €/t depuis le 2ème mois de la campagne