LELONG Jerome

< Retour à ILB Patrimoine
Affiliations
  • 2012 - 2020
    Laboratoire Jean Kuntzmann
  • 2013 - 2016
    Modèles et méthodes de l'evaluation thérapeutique des maladies chroniques
  • 2013 - 2016
    Institut camille jordan
  • 2012 - 2013
    Université Grenoble Alpes
  • 2006 - 2007
    Ecole nationale des ponts et chaussées
  • 2006 - 2007
    Centre d'Enseignement et de Recherche en Mathématiques et Calcul Scientifique
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2007
  • Prévision des transitions de notation : une approche par filtrage.

    Areski COUSIN, Jerome LELONG, Ragnar NORBERG, Tom PICARD
    2021
    L'analyse de l'effet du cycle économique sur les transitions de notation a fait l'objet d'un grand intérêt ces quinze dernières années, notamment en raison de la pression croissante exercée par les régulateurs en faveur des tests de résistance. Dans cet article, nous considérons que la dynamique des migrations de notation est régie par un facteur latent non observé. Dans un cadre de filtrage par processus ponctuel, nous expliquons comment l'état actuel du facteur caché peut être déduit efficacement des observations de l'historique des notations. Nous adaptons ensuite l'algorithme classique de Baum-Welsh à notre contexte et montrons comment estimer les paramètres du facteur latent. Une fois calibrés, nous pouvons révéler et détecter les changements économiques qui affectent la dynamique de la migration des classements, en temps réel. À cette fin, nous adaptons une formule de filtrage qui peut ensuite être utilisée pour prédire les probabilités de transition futures en fonction des régimes économiques sans utiliser de covariables externes. Nous proposons deux cadres de filtrage : une version discrète et une version continue. Nous démontrons et comparons l'efficacité des deux approches sur des données fictives et sur une base de données de notation de crédit d'entreprise. Les méthodes pourraient également être appliquées aux prêts de crédit aux particuliers.
Les affiliations sont détectées à partir des signatures des publications identifiées dans scanR. Un auteur peut donc apparaître affilié à plusieurs structures ou tutelles en fonction de ces signatures. Les dates affichées correspondent seulement aux dates des publications retrouvées. Pour plus d’informations, voir https://scanr.enseignementsup-recherche.gouv.fr