Apprendre à conduire des analyses du risque et à prendre des décisions dans un cadre incertain en utilisant le logiciel @Risk pour Microsoft Excel. Les participants seront initiés aux concepts et méthodes nécessaires pour développer une évaluation des risques et prendre des décisions à l’aide du logiciel @Risk. Ils découvriront comment convertir une analyse Excel déterministe en un modèle @Risk pouvant être utilisé pour quantifier l’exposition et tester des stratégies alternatives. L’importance de la corrélation sera discutée, ainsi que la manière de la mettre en œuvre dans les modèles. Les décisions prises seront comparées à l’aide des fonctions et des graphiques spéciaux de @Risk. Plusieurs concepts de modélisation seront introduits ainsi que la création de modèles de rapports.

• Référence : FOR-RISK
• Durée : 2 jours, soit 14 heures en présentiel
• Tarif : 1300 € ht par inscrit
• Lieu : sur notre site (inter-entreprises) ou sur votre site (intra-entreprise)
• Prochaines dates : nous contacter
• Public concerné : toute personne souhaitant comprendre les techniques de l’analyse du risque en utilisant la simulation Monte-Carlo avec le logiciel @Risk pour Excel
• Population visée : responsable projets, finance, métrologie, R&D
• Pré-requis : pratique de Microsoft Excel, des notions de statistique de base (moyenne, écart-type, lois de probabilités, …)
• Méthodes et moyens : explications théoriques suivies d’applications pratiques
• Méthodes d’évaluation des acquis : exercices réguliers en cours de formation
• Profil formateur : spécialiste des statistiques décisionnelles en charge du support technique des logiciels @Risk
• Support stagiaire : support de cours papier et fichiers des exercices

JOUR 1

Principes fondamentaux du logiciel @Risk

Matinée

Introduction à l’analyse du risque

• Les avantages et le but
• Rapide révision des principaux termes statistiques
• Exercice pratique : le coût budgétaire
• Introduction à la modélisation probabiliste du risque
• Exercice utilisant les distributions triangulaires
• Affichage d’un modèle @Risk
• Fonctions RiskStatic et Swap de @Risk
• Exécution d’une simulation, visualisation et interprétation des résultats
• Répétition d’une simulation, méthodes de génération de nombres pseudo-aléatoires et nombre d’itérations nécessaires
• Exercice pratique : l’atténuation des risques
• Utilisation de plusieurs simulations
• Utilisation des fonctions statistiques de @Risk pour les entrées et sorties du modèle

Après-midi

• Exercice pratique : modélisation de scénarios
• Utilisation d’une distribution discrète
• Comparaison avec des simulations multiples
• Exercice pratique : risques exceptionnels / enregistrement des risques / modèles fréquence-sévérité
• Utilisation de la distribution binomiale
• Utilisation de la distribution de Poisson et des distributions composées (aperçu)
• Applications connexes (pétrole et gaz, prévision de ventes)
• Exemple de modélisation de la dépendance (incluant les simulations multiples)
• Fonctions avancées
• Rapports Excel
• Données de la simulation
• Travailler avec des graphiques @Risk

JOUR 2

Construire des modèles robustes avec @Risk

Matinée

• Sélection et utilisation de distributions continues pour modéliser l’incertitude
• Les distributions triangulaires et PERT
• Les distributions normale et log-normale
• Autres méthodes paramétriques
• Exercice pratique : les flux de trésorerie, les séries chronologiques et les modélisations avancées
• Flux de trésorerie et modélisation de séries temporelles (incluant des extensions pertinentes telles que les processus de retour à la moyenne, les processus de crash, les chaînes de Markov)
• Evaluer la flexibilité et les options réelles
• Extensions aux modèles d’enregistrement des coûts et des risques
• Travailler avec des données
• Ajustement de distribution avec BestFit
• Méthodes de ré-échantillonnage
• Exercice pratique : modélisation du temps d’apparition d’un événement
• Introduction à d’autres distributions (géométrique, exponentielle, Weibull, …)

Après-midi

• Modélisation de la dépendance et de la corrélation
• Comparaison de la dépendance paramétrique avec l’échantillonnage corrélé (signification, avantages et inconvénients)
• Mesure des coefficients de corrélation
• Cohérence des matrices de corrélation
• Exercices pratiques : Implémenter la corrélation dans la modélisation des coûts et dans les modèles de séries chronologiques
• Les notions avancées du rapport des résultats
• Graphique Tornado et nuages de points : création et interprétation (incluant les erreurs courantes)
• Outils d’audit du modèle
• Thèmes avancés et exemples (en fonction des demandes)
• Examen de modèles pré-construits (par exemple pétrole et gaz, environnement, tarification, assurance, optimisation, …)
• Utilisation d’autres outils d’analyse de sensibilité, des macros, des autres fonctions et caractéristiques, …