Scm risques from cornec
lundi 3 décembre 2012
jeudi 8 novembre 2012
samedi 13 octobre 2012
Semaine Formation Prévision et ses applications
Dans le cadre du groupe prévision, nous avons le plaisir de vous annoncer deux cours très complémentaires sur la prévision.
Inscription gratuite et programme détaillé sur : http://www.amiando.com/UKCOTPQ.html
Places limitées.
Lieu : Salle 314, IHP, 11 Rue Pierre et Marie Curie, Paris 75005 Dates (5,6,8,9 novembre 2012)
Le premier cours est donné par le Professeur Koopman de l'université d'Amsterdam (http://personal.vu.nl/s.j.koopman/) spécialiste des séries temporelles, notamment de l'analyse factorielle. Son cours est intitulé "Forecasting, theory and practice".
La deuxième série de cours est donné par la Société de Calcul Mathématique de Bernard Beauzamy, ancien professeur des Universités. Seront traités les sujets suivants : 1) Les taux de risque, application à la prévision d’un nb d’accidents, 2) les phénomènes extrêmes,3) l’hypersurface probabiliste et son exploitation pour l’anticipation, 4) La construction d’indicateurs prospectifs par des méthodes probabilistes robustes
Matthieu Cornec
Insee, CREST
Inscription gratuite et programme détaillé sur : http://www.amiando.com/UKCOTPQ.html
Places limitées.
Lieu : Salle 314, IHP, 11 Rue Pierre et Marie Curie, Paris 75005 Dates (5,6,8,9 novembre 2012)
Le premier cours est donné par le Professeur Koopman de l'université d'Amsterdam (http://personal.vu.nl/s.j.koopman/) spécialiste des séries temporelles, notamment de l'analyse factorielle. Son cours est intitulé "Forecasting, theory and practice".
La deuxième série de cours est donné par la Société de Calcul Mathématique de Bernard Beauzamy, ancien professeur des Universités. Seront traités les sujets suivants : 1) Les taux de risque, application à la prévision d’un nb d’accidents, 2) les phénomènes extrêmes,3) l’hypersurface probabiliste et son exploitation pour l’anticipation, 4) La construction d’indicateurs prospectifs par des méthodes probabilistes robustes
Matthieu Cornec
Insee, CREST
jeudi 17 mai 2012
Vendredi 8 juin 2012 Prévisions ponctuelles et probabilistes de trafic aérien à partir de l'outil ADN
Vendredi 8 juin 2012 Prévisions ponctuelles et probabilistes de trafic aérien à partir de l'outil ADN , par Alexandre Servigne (ADP) et Raphaël Boudra (ADP)
Lieu ENGREF
Salle 7
12h30-13h30 : présentation
###### Alexandre Servigne (ADP) et Raphaël Boudra (ADP)
Prévisions ponctuelles et probabilistes de trafic aérien à partir de l'outil ADN
Lieu ENGREF
Salle 7
12h30-13h30 : présentation
###### Alexandre Servigne (ADP) et Raphaël Boudra (ADP)
Prévisions ponctuelles et probabilistes de trafic aérien à partir de l'outil ADN
L'outil
ADN (Alexander's drifts net : les filets dérivants d'Alexandre) permet de combiner
différentes méthodes de prévisions pour effectuer les prévisions ponctuelles et
probabilistes de trafic passagers et de mouvements avions à Aéroports de Paris..
La modélisation
des séries, en fonction des différentes configurations, est organisée en
arborescence et approchée par différentes méthodologies en fonction de son niveau
dans l'arborescence.
Approche
physique (méthode Kenza estimant la population susceptible de voyager) , différentes
méthodes statistiques et prise en compte des points cibles décidés par le
comité exècutif se partagent la modélisation.
Des
techniques d'agrégation de modèles permettront de combiner les résultats issus
des différentes méthodes statistiques.
Dans
un cadre comptable, le respect des contraintes de cohérence (la somme des
prévisions doit être égale à la prévision de la somme) pourra être assuré par
la mise en place de techniques d'approches verticales/horizontales et d'optimisation
quadratique.
Prévisions trafic aérien
View more PowerPoint from cornec
mercredi 18 avril 2012
Cours "Prévision séquentielle robuste par agrégation de prédicteurs"
Le GT prévision soutenu par le mécénat d'Artelys et de GDF Suez propose un cours de 4h -ouvert à tous- sur le sujet de la prévision séquentielle robuste par agrégation de prédicteurs (description fin de post).
Cette introduction sera donnée par Gilles Stoltz (HEC, CNRS) le mercredi 6 juin de 13h00 à 17h00 à l'ENGREF. Merci de vous inscrire sur le lien suivant : http://www.amiando.com/TKBVBLT.html
##############################
Titre :
Prévision séquentielle robuste par agrégation de prédicteurs
Résumé :
On considère un cadre méta-statistique de prévision séquentielle d'un phénomène quantitatif. On ne cherchera pas à modéliser ce dernier mais on supposera avoir accès à N méthodes de prévision fondamentales (issues p.ex. de la littérature des séries chronologiques, de l'apprentissage, etc.) : on appellera 'experts' ces N méthodes fondamentales et on les traitera comme des boîtes noires prédictives, c'est-à-dire que l'on ne discutera pas leur construction.
En revanche, on expliquera comment, dans un sens très robuste, on pourra combiner leurs prévisions pour obtenir une méta-prévision (dite agrégée) presqu'aussi bonne, voire meilleure, que n'importe quelle suite de prévisions produite par l'une des boîtes noires. A cet effet, on introduira une quantité-clé, appelée le regret, et il s'agira de minimiser le regret.
On considérera également une extension au cadre d'un environnement changeant : lorsque l'on veut se comparer non plus au meilleur expert mais à la meilleure suite d'experts avec quelques (mais pas trop) de changements au cours du temps.
On illustrera enfin les méthodes théoriques sur deux jeux de données : prévision de pics d'ozone, prévision de consommation électrique; et on fera allusion à des travaux en cours sur d'autres jeux de données... s'ils ont bien avancé d'ici là (notamment, sur la prévision de taux de change).
Plan du mini-cours
- Présentation du cadre et des enjeux; définition du regret; 'gradient trick' et réduction à un cadre générique
- Algorithme par poids exponentiels: borne de performance, réglage séquentiel des vitesses d'apprentissage
- Prévision contre un environnement changeant
- Prévision randomisée
- Aperçu d'applications sur données réelles
Cette introduction sera donnée par Gilles Stoltz (HEC, CNRS) le mercredi 6 juin de 13h00 à 17h00 à l'ENGREF. Merci de vous inscrire sur le lien suivant : http://www.amiando.com/TKBVBLT.html
##############################
Titre :
Prévision séquentielle robuste par agrégation de prédicteurs
Résumé :
On considère un cadre méta-statistique de prévision séquentielle d'un phénomène quantitatif. On ne cherchera pas à modéliser ce dernier mais on supposera avoir accès à N méthodes de prévision fondamentales (issues p.ex. de la littérature des séries chronologiques, de l'apprentissage, etc.) : on appellera 'experts' ces N méthodes fondamentales et on les traitera comme des boîtes noires prédictives, c'est-à-dire que l'on ne discutera pas leur construction.
En revanche, on expliquera comment, dans un sens très robuste, on pourra combiner leurs prévisions pour obtenir une méta-prévision (dite agrégée) presqu'aussi bonne, voire meilleure, que n'importe quelle suite de prévisions produite par l'une des boîtes noires. A cet effet, on introduira une quantité-clé, appelée le regret, et il s'agira de minimiser le regret.
On considérera également une extension au cadre d'un environnement changeant : lorsque l'on veut se comparer non plus au meilleur expert mais à la meilleure suite d'experts avec quelques (mais pas trop) de changements au cours du temps.
On illustrera enfin les méthodes théoriques sur deux jeux de données : prévision de pics d'ozone, prévision de consommation électrique; et on fera allusion à des travaux en cours sur d'autres jeux de données... s'ils ont bien avancé d'ici là (notamment, sur la prévision de taux de change).
Plan du mini-cours
- Présentation du cadre et des enjeux; définition du regret; 'gradient trick' et réduction à un cadre générique
- Algorithme par poids exponentiels: borne de performance, réglage séquentiel des vitesses d'apprentissage
- Prévision contre un environnement changeant
- Prévision randomisée
- Aperçu d'applications sur données réelles
Agrégation séquentielle robuste de prédicteurs
View more presentations from cornec
lundi 19 mars 2012
Vendredi 13 avril : Prediction of Quantiles by Statistical Learning and Application to GDP Forecasting,
Lieu ENGREF
Salle 7
12h30-13h30
Vendredi 13 avril 2012
Pierre Alquier (Paris 7) et X.Li (Université de Cergy)
Prediction of Quantiles by Statistical
Learning and Application to GDP Forecasting
In this paper, we tackle the problem of prediction and confidence intervals for time series using a statistical learning approach and quantile loss functions.
In a first time, we show that the Gibbs estimator (also known as Exponentially Weighted aggregate) is able to predict as well as the best predictor in a given family for a wide set of loss functions.
In particular, using the quantile loss function of Koenker and Bassett (1978), this allows to build confidence intervals. We apply these results to the problem of prediction and confidence regions for the French Gross Domestic Product (GDP) growth, with promising results.
Salle 7
12h30-13h30
Vendredi 13 avril 2012
Pierre Alquier (Paris 7) et X.Li (Université de Cergy)
Prediction of Quantiles by Statistical
Learning and Application to GDP Forecasting
In this paper, we tackle the problem of prediction and confidence intervals for time series using a statistical learning approach and quantile loss functions.
In a first time, we show that the Gibbs estimator (also known as Exponentially Weighted aggregate) is able to predict as well as the best predictor in a given family for a wide set of loss functions.
In particular, using the quantile loss function of Koenker and Bassett (1978), this allows to build confidence intervals. We apply these results to the problem of prediction and confidence regions for the French Gross Domestic Product (GDP) growth, with promising results.
lundi 13 février 2012
Calendrier 2011 2012
Yannig Goude, EDF
Vendredi 16 mars 2012
ENGREF,
Adaptive GAM models for Day-Ahead and Intra-Day Electricity Consumption Forecasts
Matthieu Cornec, Fanny Mikol
Insee, CREST
DREES
ENSAE, Amphi 1
Jeudi 9 Février 2012
"Nowcasting GDP directional change with an application to French business survey data".
Emile RICHARD
1000mercis (en CIFRE) et au CMLA-ENS Cachan
Vendredi 20 janvier 2012
Prediction in dynamic graph sequences
Jairo Cugliari
Postdoc at SELECT team, INRIA
Travail realise en these à EDF
Lieu ENGREF
12h30-13-30
Amphi 7rdc
16 déc
Titre
Prévision non paramétrique de processus à valeurs fonctionnelles.
amphi b 208 2eme etage
Sylvain Robbiano
Télécom Paristech
4 novembre
Titre
" ranking binaire et agrégation pour le cas multi-classes"
Lieu ENGREF
12h30-13-30
Amphi 7rdc
16 déc
Vendredi 16 mars 2012
ENGREF,
Adaptive GAM models for Day-Ahead and Intra-Day Electricity Consumption Forecasts
Matthieu Cornec, Fanny Mikol
Insee, CREST
DREES
ENSAE, Amphi 1
Jeudi 9 Février 2012
"Nowcasting GDP directional change with an application to French business survey data".
Emile RICHARD
1000mercis (en CIFRE) et au CMLA-ENS Cachan
Vendredi 20 janvier 2012
Prediction in dynamic graph sequences
Jairo Cugliari
Postdoc at SELECT team, INRIA
Travail realise en these à EDF
Lieu ENGREF
12h30-13-30
Amphi 7rdc
16 déc
Titre
Prévision non paramétrique de processus à valeurs fonctionnelles.
amphi b 208 2eme etage
Sylvain Robbiano
Télécom Paristech
4 novembre
Titre
" ranking binaire et agrégation pour le cas multi-classes"
Lieu ENGREF
12h30-13-30
Amphi 7rdc
16 déc
Inscription à :
Articles (Atom)