56
9 Vers une calibration du modèle sur les
données historiques?
Le modèle construit étant en mesure de
générer de nombreux faits stylisés
«réalistes», il est tentant de chercher à le calibrer
sur les données historiques de La Banque Postale. Il serait
intéressant d'analyser les scénarios d'évolution de
l'encours bancaire qu'il génère dans un cadre concret, et
éventuellement de confronter ses prédictions à la
réalité.
Malheureusement, cette calibration se heurte à une
difficulté (d'ordre «pratique») majeure : en effet, notre
modèle présuppose que la banque ait ventilé sa
clientèle en strates par surface financière et surtout qu'elle
dispose d'un historique individuel suffisamment ancien de chacun de ses clients
actuels. C'est une condition sine qua non à l'estimation des
différents taux de transition et de sorties volontaires. En outre,
même si ces informations individuelles étaient
enregistrées, il faudrait encore retravailler l'ensemble de la base de
données afin de calculer les effectifs des différentes cellules
et le nombre de clients bougeant vers une cellule donnée à chaque
date, pour pouvoir effectivement commencer le travail d'estimation.
C'est la raison pour laquelle nous n'avons pas
été en mesure de calibrer notre modèle sur la
clientèle de La Banque Postale.
Remarquons toutefois ici que, même si nous parvenions
à estimer l'ensemble des paramètres du modèle (les
)(i,j)
k et o(i,j) des
matrices de transition) ainsi que les lois des processus
é(i,j),t dans une première
étape , il nous faudrait encore effectuer, dans une seconde
étape, des simulations de type Monte-Carlo à partir de ces
paramètres estimés. Ce procédé est
dénommé «doublement stochastique» dans la
littérature statistique car l'incertitude porte déjà sur
les paramètres des lois simulées.
| 
