Impact économique potentiel et prévisions météo

[_sb]

J'ai découvert très récemment cette « prévision » quelque peu hybride d'ECMWF : l'impact économique potentiel d'une prévision.

 

En gros, par rapport à un paramètre impactant l'activité économique tels que les précipitations ou la température, ECMWF propose une prévision du ratio coûts / pertes selon qu'on anticipe le risque (coûts) ou qu'on le subisse (pertes).

Il s'agit de coûts globaux, pas pour des situations individuelles.

Lissé sur une semaine à échelle continentale (ex : Europe) ou plus, ces prévisions sont basées sur les modélisations d'IFS ENS EXT.

 

C'est la première fois que je rencontre un tel outil accessible publiquement.

Une brève explication est fournie sous le graphique.

 

https://www.ecmwf.int/en/forecasts/charts/catalogue/mofc_multi_verification_probability_family_value

 

Qu'en pensez-vous ? Connaissez-vous d'autres outils similaires ? Quels peuvent être les intérêts pour le public (hors États / grosses structures) ?

[yayathe]

Bonjour,

 

Ceci est plus ou moins utilisé par les services météos nationaux, MF y compris.

Le score de "valeur économique" est en fait équivalent (cela se montre avec quelques calculs...) à une courbe ROC ( taux de détection vs. taux de fausse alarme pour un événement donné).

 

Je vais expliquer l'intérêt d'un tel score pour les entreprises (et ou des utilisateurs "rationnels" :D) :

 

Imaginez 2 magasins : un qui vend des Ferrari et un autre qui vend des épingles à linge. Les 2 magasins sont en bordure de rivière.

S'il pleut plus de 50mm en 3h (je vais appeler cet événement E), les 2 magasins sont inondés par la rivière et leur biens sont détruits.

 

Les biens dans le magasin sont pour le concessionnaire Ferrari de par exemple : L=1.500.000€

Pour le vendeur d'épingles : L=2000€

 

Dans les 2 cas, pour se prémunir d'une inondation, mettons qu'il suffirait d'acheter des sacs de sable d'une valeur C=1500€

 

Résumons :

Si on a prévu E, et que E ne se produit pas : les 2 magasins ont perdu C (ils se sont protégés pour rien).

Si on a prévu E, et que se produit : les 2 magasins ont perdu C mais on considère qu'ils ont gagné C (investissement gagnant). Donc gain/perte nuls

Si on ne prévoit pas E, et que E se produit : les 2 magasins perdent L !

Si on ne prévoit pas E, et que E ne se produit pas : rien ne se passe, gain/perte nuls.

 

On voit que le concessionnaire a un rapport C/L beaucoup plus petit que le vendeur d'épingles. Autrement dit, son aversion au risque est beaucoup plus forte.

 

Imaginons maintenant que la prévision dit : il y a p % de chances que E se produise.

Mettons p = 40 soit donc 40%.

 

Pour le vendeur d'épingles, il vaut mieux ne pas acheter de sable, car son rapport C/L=0.75 > 40% fait que, en moyenne, il sera économiquement gagnant en ne se protégeant pas.

Au contraire, le vendeur de Ferrari achète du sable car C/L << 40%. Il faudrait que l'événement E soit hautement improbable pour que, en moyenne, la stratégie de ne rien faire soit gagnante.

 

Le score de valeur économique est donc en fait le gain moyen que fait le client en suivant la prévision météorologique vs. la prévision climatologique (qui serait de se prémunir du risque si et seulement si son C/L est inférieur à la fréquence climatologique de l'événement).

 

 

C'est très utile pour les entreprises météo-sensibles (ex: salage des routes vs. proba de gel).

Pour la sécurité civile, le rapport C/L est très petit puisque la mission est de protéger les populations quel qu’en soit le "prix". Aussi, la probabilité très faible d'un événement d'ampleur catastrophique est à prendre avec beaucoup de sérieux, car elle est en fait très "probable"...

Pour le citoyen lambda, le rapport C/L est au jour le jour et dépend de ses activités, il n'est peut-être pas quantifiable...

 

Moralité : Avec une prévision météo probabiliste, on peut donner une multitude de prévision déterministes (selon le C/L de la personne touchée par la prévision). C'est en cela que les prévision probabilistes / d'ensemble sont plus "puissantes" que les déterministes, elles permettent de "parier" sur la survenue d'un événement...

 

 

 

 

 

 

 

[_sb]

Merci, j'avais du mal à décorréler l'aspect macro des graphes d'ECMWF de l'intérêt micro (une entreprise en particulier).

Ce graphe-ci, à échelle continentale pour la plus fine, reste malgré tout limité, non ? (pour une entreprise de niveau national)

Je suppose que l'outil est disponible sous des formes plus affinées.

[yayathe]

De nada.

 

L'outil tel quel apporte un complément par rapport à une ROC, quel que soit l'échelle :

Au lieu de dire, "cet événement on le prévoit bien Y fois sur 100 et on le prévoit à tort X fois 100", ce score permet de dire "si vous prenez une décision en suivant ma prévision/mon conseil, je vous fait économiser en moyenne V à chaque fois que vous serez concerné par l'événement par rapport à une prévision climatologique".

C'est une autre forme de communication d'un score "administratif", on se focalise sur la perte engendrée plutôt que sur l'erreur commise.

 

C'est, dans certains domaines, plus parlant. Exemple :

Vous jouez à la roulette dans un casino, et avez 3 solutions : vous misez (tout le temps la même somme) sur le rouge, ou le noir, ou vous ne jouez pas.

Si vous jouez et que vous tombez sur la bonne couleur, vous doublez, si vous tombez sur la mauvaise vous perdez, si vous tombez sur le zéro vous reprenez la moitié de votre mise. Il s'agit donc de prévoir ce qui va sortir (on part du principe que vous voulez gagner de l'argent à ce jeu).

 

Moi, en tant que prévisionniste, je vous dis : "si vous voulez être gagnant, ne jouez jamais".

La prévision "climatologique" du jeu (celle de tout le monde) est : "joue en moyenne autant de fois le rouge que le noir".

 

La perte/le gain engendrés en suivant ma stratégie est 0. Normal, on ne joue jamais.

Si vous jouez, même excellemment "bien" (50% rouge 50% noir sur une longue période), en moyenne votre perte est de -1/74 :

Vous avez 18 chances sur 37 (36 numéros + le zéro) de doubler et donc de gagner +1 par rapport à votre mise initiale.

Vous avez 18 chances sur 37 de perdre et donc de gagner -1.

Vous avez une chance sur 37 de perdre 1/2 puisque vous ne récupérez que la moitié de la mise.

Votre espérance de gain est donc 18/37*1+18/37*(-1)+1/37*(-0.5)=-1/74

 

Dans ce contexte et pour cet événement E (la couleur) il est plus naturel de dire que la stratégie de ne pas jouer vous fait gagner 1/74 à chaque tirage plutôt que de dire cet événement E je le prévois tant de fois et je me trompe tant de fois...

Au passage, c'est le zéro qui permet au casino d'être à la longue gagnant à la roulette... Il empêche toute stratégie de "martingale".

 

Bien entendu, la s'agit ici d'un gain "moyen", rien n'empêche à certains joueurs "localement" de gagner.

 

On peut utiliser cette carte grande échelle si notre météo-sensibilité se joue à grande échelle (un exemple plus ou moins réel : Coca-Cola fabrique ses boissons en poudre aux USA et ensuite exporte la poudre dans les pays qui est mélangée à de l'eau et donne les boissons "finales").

Si l'on couple cette problématique avec celle, logistique, de la gestion des stocks et du trafic aérien, il s'agit d’affréter les avions dans le monde entier avec les bonnes boissons dès le départ. Et en faisant l'hypothèse qu'un avion dessert une zone géographique assez large... La consommation de sodas/bières est directement corrélée à la température...

 

Enfin, on peut utiliser ce score grande échelle si l'on fait l'hypothèse (forte) que les erreurs du modèle sont homogènes en temps/espace.

 

La difficulté d'obtenir de telles cartes pour des domaines réduits, surtout pour les phénomènes extrêmes, s'explique par une archive de prévisions/cas pas assez fournie. Dans un monde idéal, à chaque nouvelle version de modèle il faudrait pouvoir rejouer ce dernier sur les 10-15 années passées pour connaître ses biais "conditionnels" et calculer de tels types de score de façon précise.

[_sb]

https://www.ecmwf.int/en/newsletter/165/news/understanding-how-forecast-users-make-decisions

 

Un article connexe (en anglais) sur la subjectivité de la prévision  : l'adaptation de la prévision au contexte. Basiquement, pourquoi et à partir de quand / quel niveau de risques le prévisionniste alerte-t-il d'un danger ? Comment le ratio coût / prévention intervient-il ?

[Hugo_HK]

On 9/15/2020 at 1:57 AM, yayathe said:

Bonjour,

 

Ceci est plus ou moins utilisé par les services météos nationaux, MF y compris.

Le score de "valeur économique" est en fait équivalent (cela se montre avec quelques calculs...) à une courbe ROC ( taux de détection vs. taux de fausse alarme pour un événement donné).

 

Je vais expliquer l'intérêt d'un tel score pour les entreprises (et ou des utilisateurs "rationnels" :D) :

 

Imaginez 2 magasins : un qui vend des Ferrari et un autre qui vend des épingles à linge. Les 2 magasins sont en bordure de rivière.

S'il pleut plus de 50mm en 3h (je vais appeler cet événement E), les 2 magasins sont inondés par la rivière et leur biens sont détruits.

 

Les biens dans le magasin sont pour le concessionnaire Ferrari de par exemple : L=1.500.000€

Pour le vendeur d'épingles : L=2000€

 

Dans les 2 cas, pour se prémunir d'une inondation, mettons qu'il suffirait d'acheter des sacs de sable d'une valeur C=1500€

 

Résumons :

Si on a prévu E, et que E ne se produit pas : les 2 magasins ont perdu C (ils se sont protégés pour rien).

Si on a prévu E, et que se produit : les 2 magasins ont perdu C mais on considère qu'ils ont gagné C (investissement gagnant). Donc gain/perte nuls

Si on ne prévoit pas E, et que E se produit : les 2 magasins perdent L !

Si on ne prévoit pas E, et que E ne se produit pas : rien ne se passe, gain/perte nuls.

 

On voit que le concessionnaire a un rapport C/L beaucoup plus petit que le vendeur d'épingles. Autrement dit, son aversion au risque est beaucoup plus forte.

 

Imaginons maintenant que la prévision dit : il y a p % de chances que E se produise.

Mettons p = 40 soit donc 40%.

 

Pour le vendeur d'épingles, il vaut mieux ne pas acheter de sable, car son rapport C/L=0.75 > 40% fait que, en moyenne, il sera économiquement gagnant en ne se protégeant pas.

Au contraire, le vendeur de Ferrari achète du sable car C/L << 40%. Il faudrait que l'événement E soit hautement improbable pour que, en moyenne, la stratégie de ne rien faire soit gagnante.

 

Le score de valeur économique est donc en fait le gain moyen que fait le client en suivant la prévision météorologique vs. la prévision climatologique (qui serait de se prémunir du risque si et seulement si son C/L est inférieur à la fréquence climatologique de l'événement).

 

 

C'est très utile pour les entreprises météo-sensibles (ex: salage des routes vs. proba de gel).

Pour la sécurité civile, le rapport C/L est très petit puisque la mission est de protéger les populations quel qu’en soit le "prix". Aussi, la probabilité très faible d'un événement d'ampleur catastrophique est à prendre avec beaucoup de sérieux, car elle est en fait très "probable"...

Pour le citoyen lambda, le rapport C/L est au jour le jour et dépend de ses activités, il n'est peut-être pas quantifiable...

 

Moralité : Avec une prévision météo probabiliste, on peut donner une multitude de prévision déterministes (selon le C/L de la personne touchée par la prévision). C'est en cela que les prévision probabilistes / d'ensemble sont plus "puissantes" que les déterministes, elles permettent de "parier" sur la survenue d'un événement...

 

 

 

 

 

 

 

 

Mais finalement avec les questions d'assurances et leur manière de calculer leurs taux: c'est toujours le consommateur qui finit par payer. 

 

Si de grosses inondations concernent une region Francaise et inonde des regions qui n'avaient jamais ete touchées directement par un tel phénomène auparavant,  et causent par exemple 10 milliards de dégâts. Les assurances vont rembourser une grande partie de cette somme. Cependant les assureurs vont ensuite élever les taux, notamment pour les gens habitants dans cette region, pour prendre en compte le risque désormais considéré plus élevé qu'un tel événement se reproduise, et pour se refaire apres la grosse paume lié a cet événement. Ce qui n'est pas remboursé par les assurance, c'est en general payé par l'état et notamment la region / villes concernées (et donc par les impôts, notamment ceux des gens du coin). Et ce qui n'est payé ni par l'état, ni par les assureurs, c'est vient directement de la poche du type qui subit les dommages.

 

Donc au final, tout le monde paye pour les désastres climatiques, pas seulement ceux qui sont touchés, et donc, si la fréquence de ces événements augmentent dans le cadre du RC par exemple, et bien ca coute de plus en plus cher a la société. 

 

En vrai c'est un peu plus compliqué (par exemple, l'état dépense l'argent du contribuable mais il s'endette aussi a de longues durées, et cette dette sera dévaluée par l'inflation (par exemple 1 million d'euros emprunté maintenant, sera plus facile a remboursé dans 10-20 ans qu'aujourd'hui)... mais bon en gros ce qu'il faut retenir c'est qu'on paye bel et bien pour ces désastres naturels et que, meme si le mec qui roule en Porsche cayenne a Paris a l'impression que le changement climatique ne le concerne pas, en réalité a long terme il verra ses impôts augmenté (si tant est qu'il en paye...).