5.2.3 Dynamique de l'encours client moyen par
cellule
Nous nous référons ici au résultat de la
partie précédente dans lequel l'inflation s'était
révélée être l'indicateur essentiel du niveau de
l'agrégat des encours à l'échelle de la banque. D'une
manière analogue, il est légitime de supposer que l'encours
client moyen par cellule (i, j) suit la même évolution.
Il s'agit à nouveau, conformément à l'intuition,
d'affirmer que la richesse réelle moyenne détenue sur le compte
courant par les clients d'un certain âge j et d'une strate
précise (reflétant leur surface financière ou le nombre de
produits qu'ils détiennent...) est a priori une grandeur
très stable dans le temps. Finalement, on s'attend à ce que la
variable (i,j),t capte la dynamique inflationniste
et s'exprime en première approximation comme une fonction de celle-ci.
Nous supposerons donc que l'encours moyen par
celluleÄ(i,j),t, à chaque
date t~1, est une fonction déterministe du niveau de
l'inflation ilt
27
sur la période [0, t] : ceci est
réalisé en reliant l'évolution de
0(i,j),t sur la période [t -
1, t] à l'inflation mensuelle correspondante 7rt par
l'opération simple suivante :
Ot = (1 +
it)Ot-1
pour 1 < t < h, où h E
N* (en mois) est l'horizon d'étude. En revanche,
7rt (et IL) pourront être aléatoires.
5.2.4 Le modèle probabiliste et ses
hypothèses
Nous détaillons dans cette section toutes les
hypothèses mathématiques du modèle introduit ci-dessus.
Rappelons que les strates, en nombre s, sont désignées
par l'indice i E E= {1, 2, ..., s} et que les
âges sont, quant à eux, indicés par j E E= {a,
..., w} où a et w désignent les âges
limites retenus.
Cette segmentation définit |E| |E| cellules de
clientèle, chacune d'entre elles étant indicée par un
couple (i, j)EExE. Le temps est décompté mensuellement
et indicé par tEN, l'instant 0 correspondant à
aujourd'hui.
On considère sur l'espace probabilisé (52,
W, P) trois familles dénombrables de variables
aléatoires :
- {0(i,j),t} indicée par
((i, j), t) E E x E x N. La variable
0(i,j),t, à valeurs dans R,
représente l'encours client moyen de la cellule (i,
j) à la date t;
- {7r(i,j),t,l} indicée par
((i, j),t,l)EE x E x N* x
N*. L'idée est de numéroter à chaque
date les clients présents dans chaque cellule; on note alors
7r(i,j),t,l la variable aléatoire,
à valeurs dans EU{o}, qui associe au client numéro l
de la cellule (i, j) à la date t - 1 l'endroit
où il sera à la date suivante t (un indice k de
E s'il reste dans la banque et intègre la cellule (k, j + 1) et
o s'il quitte l'établissement) ;
- {t(i,j),t} indicée par
((i, j),t) E E x E x N*. La variable
t(i,j),t, à valeurs dans N,
représente le nombre d'arrivées depuis l'extérieur dans la
cellule (i, j) entre t - 1 et t. Il s'agit donc du
nombre de nouveaux clients arrivés en t dans cette cellule.
On note (Ht)tEN la filtration
canonique associée à ces trois familles de variables
aléatoires et (Mt)tEN celle associée aux deux
dernières8, qui concernent les mouvements de clients. Par
définition, H0 =M0 = {0,52} et pour tout
t E N*,
1 n o ~
Ht = ó Ä(i,j),u
(i,j)EÓxÎ ,
{é(i,j),u }
(i,j)EÓxÎ ,
{ð(i,j),u,l }
((i,j),l)EÓxÎxN*,
0 < u < t
~Mt =
ó({é(i,j),u}(i,j)EÓxÎ
,
{ð(i,j),u,l}((i,j),l)EÓxÎxN*,
0 < u < t
n o
Remarquons ici que les variables
Ä(i,j),0 sont H0-mesurables (elles
sont connues aujour-
d'hui et assimilées à des constantes).
Ces familles constituent les «briques»
élémentaires à partir desquelles est construit tout le
modèle. Le but est de définir (par récurrence) deux
nouvelle familles de variables aléatoires
{v(i,j),t} et
{0(i,j),t} indicées par ((i, j),
t)EE x E x N modélisant respectivement le nombre de clients dans la
cellule (i, j) à la date t et l'encours des
dépôts à vue des clients de cette cellule à la
même date. Remarquons qu'elles seront liées par
Vt EN, 0(i,j),t
= v(i,j),t Ä(i,j),t
8Nous verrons l'utilité de ce découpage
dans les hypothèses sous-jacentes au modèle
Vt E N, Dt =
|
(
|
D1,t D2,t
. . .
Ds,t
|
) E R|Ó||Î| avec Di,t
=
|
Ä(i,á),t 0(i,á+1),t
. . .
0(i,ù),t
|
I
|
E R|Î|, i E E
|
Vt E N*, tt =
|
(
|
t1,t t2,t
. . .
ts,t
|
?
? ?E N|Ó||Î| avec ti,t
= ?
|
t(i,á),t t(i,á+1),t
. . . t(i,ù),t
|
?
? ? ?
|
E N|Î|, i E E
|
Vt E N*, vt =
|
?v1,t
? ?gv2,t
? . . .
vs,t
|
?
? ?E N|Ó|(|Î|-1) avec vi,t
= ?
|
v(i,á+1),t
v(i,á+2),t ^
. . .
v(i,ù),t ^
|
I
|
E N|Î|-1, i E E
|
Vt E N, vt =
|
?
? ? ?
|
v1,t v2,t
. . .
vs,t
|
?
? ?E N|Ó||Î| avec vi,t
= ?
|
v(i,á),t v(i,á+1),t
. . .
v(i,ù),t
|
?
? ? ?
|
E N|Î|, i E E
|
28
~et que les variables
~í(i,j),0~
(i,j)?Ó×Î et ~Ä(i,j),0
(i,j)?Ó×Î sont considérées comme des
constantes. Elles sont donc H0-mesurables (il s'agit respectivement
des nombres de clients par cellule et des encours par cellule dans le
portefeuille actuel). On construit alors pour tout ((i,
j),t)EE x x N*
B(i,j),t =
|
í(i,j),t-1
X
l=1
|
1{ð(i,j),t,l =
o4
|
également à valeurs dans N qui s'identifie au
nombre de sorties (c'est-à-dire de clients perdus) de la cellule (i,
j) entre t - 1 et t.
De même, soit pour (k, (i, j),
t)EE x (E x (7.71 - {c4)) x N*
^
í(k,j-1),(i,j),t=
|
í(k,j-1),t-1
X
l=1
|
1{ð(k,j-1),t,l =
i4
|
le nombre de clients de la banque présents en t -
1 dans la cellule (k, j - 1) et ayant migré dans la cellule
(i, j) entre t - 1 et t. Dans ces conditions
v(i,j),t ^ = Xs ^
í(k,j-1),(i,j),t
k=1
n'est autre que le nombre de clients de la banque
déjà présents en t - 1 et ayant bougé dans
la cellule (i, j) entre t - 1 et t.
Finalement, la nouvelle distribution de clients dans le
portefeuille s'actualise selon
Vt E N, v(i,j),t+1 =
í(i,j),t+1 +
é(i,j),t+1
En particulier, il n'y a pas de problème de
référence circulaire dans ces définitions, bien que
chacune d'entre elles appelle une ou plusieurs des autres. Les
définitions ci-dessus sont donc valides.
Pour finir, on définit, à partir de cet ensemble
de variables, les variables aléatoires vectorielles suivantes sur
(S2, W, P)
Avec ces notations, on a
Vt E N, vt+1
= vt+1 ] + 1t+1
L'encours de la strate i à la date t
vaut 0(i,:),t
=(vi,t|Äi,t) et
l'encours global des dépôts à vue de la banque à
cette même date s'exprime selon
Xs i=1
At =
0(i,:),t =
(vt|At)
On suppose que :
(1) les variables aléatoires {0(i
·
,3),t}((i,j),t)EÓxÎxN,
{é(i,j),t}((i,j),t)EÓxÎxN*
et
{ð(i,j),t,l}((i,j),t,l)EÓxÎxN*xN*
sont toutes mutuellement indépendantes;
(2) V((i, j), t, l) E E x E x N* x
N*, P (ð(i,j),t,l
=k)=ë(i,j) ksi
k EE et P (ð(i,j),t,l
=o)=o(i,j). On a donc
Xs k=1
|
ë(i,j)
k + o(i,j) = 1 .
|
La présentation est ici axiomatique mais correspond
à des hypothèses «naturelles».
L'hypothèse (1) garantit que les clients de la banque
évoluent dans les cellules de manière indépendante les uns
des autres et que le processus associé est markovien. L'hypothèse
(2) assure que ce processus interne de transition des clients est même
homogène dans le temps. Ainsi, on écrit simplement ici
qu'à une date quelconque, un client dans la cellule (i, j) a
une probabilité ë(i,j)
k d'être dans la cellule (k, j + 1) et
une probabilité o(i,j) d'avoir
quitté l'établissement à la date suivante.
En particulier, compte-tenu des hypothèses
précédentes, il est facile de voir que l'on peut explicitement
décrire les lois conditionnelles suivies par certaines des variables que
nous venons de définir. Ainsi, conditionnellement à l'information
disponible à la date t E N, c'est-à-dire
conditionnellement à la sous-tribu Ht, les hypothèses
(1) et (2) assurent que :
- pour tout ((i, j), t)EE x E x N,
è(i,j),t+1 suit une loi binomiale
Bin(í(i,j),t ,
o(i,j)) ;
- pour tout (k, (i, j),t)EE x (E x (E
- {á})) x N,
í(k,j-1),(i,j),t+1 ^ suit
une loi binomiale
~ ~
Bin
í(k,j-1),t ,
ë(k,j-1) ;
i
Par conséquent, connaissant la décomposition
s k=1
^
í(i,j),t+1 ^ =
í(k,j-1),(i,j),t+1
29
on a, conditionnellement à Ht,
s
í(i,j),t+1 ^ ~
Bin(í(k,j-1),t , ëi
(k,j-1)) k=1
où toutes les binomiales sont mutuellement
indépendantes.
En outre, sous l'ensemble de ces hypothèses, il est
aisé de voir que la famille de variables aléatoires
(vt)tEN constitue une
chaîne de Markov (inhomogène) à espace d'états
discret
E =N|Ó||Î| et de valeur
initiale v0. Ainsi, sous le modèle construit,
si l'état de la banque vt est connu à
la date t, la trajectoire strictement antérieure à cette
date n'a pas d'importance pour le calcul probabiliste relatif à la
dynamique future de cet état.
Nous allons à présent démontrer cette
propriété. Il nous faut montrer l'identité suivante,
notée (X)
Vt E N*,
V(Su)0<u<t E
Et+1,P(vt =
St | V0 < u < t - 1,
vu = Su)
= P(vt = St |
vt-1 =
St-1) Soit tEN*
et (Su)0<u<t
EEt+1.
Notons Bä,t_1 l'événement
{V 0 < u < t - 1,
vu =Su}
et Aä,t la quantité P(vt
=St | Bä,t_1).
Aä,t = P(V(i,j)EE x ,
í(i,j),t=ä(i,j),t
| Bä,t_1)
= P(ViEE, í(i,á),t
=ä(i,á),t et Vj >
á + 1, í(i,j),t
=ä(i,j),t | Bä,t_1)
= P (ViEE,
é(i,á),t
=ä(i,á),t et Vj >
á + 1,
é(i,j),t +
|
Es k=1
|
í(k,j_1),(i,j),t^
=ä(i,j),t | Bä,t_1
|
s
? = P n
{é(i,á),t=ä(i,á),t}
n n n té(i,j),t
+Eí(k,j_1),(i,j),t^=ä(i,j),t
| Bä,t_1
iEÓ
iEÓj>á+1 k=1
s í(k,j-1),t-1
? n {é(i
á),t=ä(i,á),t} n
n n
té(i,j),t=ä(i,j),t
- E E 1{ð(k,j-1),t,l =
i} | Bä,t_1
iEÓ
iEÓj>á+1 k=1
l=1
?
?n n n
= P
{é(i,á),t=ä(i,á),t}
n
iEÓ
iEÓj>á+1
|
{
|
é(i,j),t
=ä(i,j),t -
|
Es k=1
|
ä(k,j-1),t-1
E
l=1
|
1{ð(k,j-1),t,l =
i}
|
} | Bä,t_1
|
Or l'hypothèse (1) formulée dans la partie de
construction du modèle théorique assure }que toutes les variables
{é(a,b),t}(a,b)EÓxÎ
et {ð(a,b),t,l
((a,b),l)EÓxÎxN* sont indépendantes
de la tribu Ht_1 et donc en particulier de
Bä,t_1 EHt_1.
Par conséquent
s ä(k,j-1),t-1
?
?n n E
Aä,t = P
{é(i,á),t
=ä(i,á),t } n n E
1t(i,j),t=ä(i,j),t
- 1
iEÓ
iEÓj>á+1 k=1
l=1
L'hypothèse (i) garantit également que les
variables aléatoires
{é(a,b),t}(a,b)EÓxÎ
et
{ð(a,b),t,l}((a,b),l)EÓxÎxN*
sont toutes mutuellement indépendantes et donc finalement
Aä,t = (H
iEÓ
ls ä(k,j-1),t-1
P({é(i,á),t=ä(i,á),t})
I P n n
{é(i,j),t=ä(i,j),t
- E E 1
iEÓj>á+1
![](Modelisation-et-couverture-des-comptes-courants-postaux8.png)
l=1
k=1
{ð(k,j-1),t,l = i}}
30
Dans cette dernière expression, la dépendance en
l'événement Bä,t_1 n'intervient que par
le biais des valeurs des
ä(k,j_1),t_1 dans les sommes. En
conséquence, si
(Su)0<u<t
EEt+1 et
~ ~
àSu
0<u<t
EEt+1 sont tels que
ät_1=St_1 et ät =St
alors Aä,t=Aàä,t
(*).
( )
Pour conclure, on écrit que si C est l'ensemble
des à6u
EEt+1 tels que
6t_1=St_1 et
0<u<t
bt =
St
P({vt=6t} n
{vt-1=6t-1})
P(vt=6t |
vt-1=6t-1)
=
P(vt-1
=6t-1)
( )
P
P(vt=6t |
vt-1=6t-1)
=
|
E
($4)0<<tEC
|
|
v 0 < u < t,
vu=à6u
P(vt-1=6t-1)
( ) ( )
P E=
($4)0<<tEC
E=
($4)0<<tEC
vt=à6t
| v 0 < u < t - 1, vu
=à6u
P v 0 < u < t - 1,
vu
=à6u
P(vt-1=6t-1)
( )
Aàä,tP v 0 < u <
t - 1, vu=
à6u
P(vt-1=6t-1)
EC 0<<t
D'après (*), on a donc
EP(vt=6t |
vt-1=6t-1)
= Aä,t
($4)
( )
P v 0 < u < t - 1,
vu=à6u
P(vt-1=6t-1)
31
E= Aä,t
(84)0<<tEC
|
( { } )
P nu<t_2
vu=à6u
n
{vt-1=6t-1}
P(vt-1
=6t-1)
|
P(vt-1=6t-1)
P(vt=6t |
vt-1=6t-1)
= Aä,t
P(vt-1=6t-1)
= Aä,t
Il s'agit exactement de l'identité (X).
32
|
|