Maxime Colomb (Inria-IGN), Nicolas Gilet (Inria) et Denis Talay (Inria et Ecole Polytechnique) Titre: ICI : un simulateur INRIA-IGN à l’échelle individuelle de propagation d’épidémie au sein d’une ville Résumé:  Les modèles mathématiques ont été de plus en plus utilisés pour modéliser la propagation de l'épidémie de COVID-19. Ils permettent d'adapter la prise de décision dans l'instauration de nouvelles mesures sanitaires. Toutefois, la plupart des modèles épidémiologiques (entre autres, les modèles macroscopiques SIR/SEIR) reposent sur une représentation très simplifiée des environnements urbains et de la population. Ainsi, les épidémiologistes se sont basés sur des modèles comportementaux (Leung et al, 2020) permettant de dégager les tendances globales de l'épidémie de COVID-19 sur de larges portions d'une population homogène. Bien que ces modèles aient des résultats convenables pour prévoir les tendances globales d'évolution d'une épidémie sur de larges portions de population, ils ne peuvent anticiper les évolutions locales de la contamination sur des populations hétérogènes du point de vue sanitaire, ni prédire les effets de mesures sanitaires ciblées. Comme la contamination par la COVID-19 a les aérosols comme vecteurs, la modélisation des contacts entre individus, et particulièrement en espace clos, est primordiale. Par conséquent, il est nécessaire de prendre en compte la complexité et l’hétérogénéité de l'espace géographique (surface disponible, taux de fréquentation, etc.) et des caractéristiques des individus (situation familiale, profession, âge, etc.). Les modèles correspondants sont appelés modèles individus-centrés et commencent à donner des résultats satisfaisants concernant la modélisation de l'épidémie de COVID-19 (Drogoul et al, 2021). Le projet ICI (INRIA - Collaboration - IGN) est un simulateur de propagation d’épidémie reposant sur une modélisation très détaillée d’un espace urbain et de la circulation des personnes à l’intérieur de cet espace. Il est le fruit d'une équipe pluridisciplinaire entre des chercheurs de l'INRIA, de l'École Polytechnique, du CNRS et de l'IGN. Il a pour but d'évaluer l'évolution de la propagation de l'épidémie au moyen de statistiques de contamination entre individus et d'indicateurs importants (R0, taux d'incidence) calculés à partir des états successifs des populations réalistes simulées. La réplication d'un grand nombre de ces simulations permet de dégager des tendances robustes.Le modèle ICI repose sur le couplage de deux modélisations distinctes. D'une part, l'espace géographique est modélisé d'une manière très précise à l'échelle de l'individu considéré comme appartenant à un ménage et un habitat et fréquentant des points d'intérêts et un lieu de travail. De plus, le modèle ICI intègre les caractéristiques démographiques des individus (type de ménage, sexe, âge) et leurs habitudes de déplacement (trajets domicile/travail, loisirs, etc.). D'autre part, la simulation de la propagation de l'épidémie doit s'adapter à cette échelle fine et détaillée de la population et de l'espace. En raison de la très forte hétérogénéité des caractéristiques de la COVID-19 (temps d’incubation, présence de super-contaminateurs,…), il est nécessaire de prendre en compte de multiples aléas. Une méthode de Monte Carlo consiste à simuler les déplacements quotidiens de la population synthétique en y ajoutant des probabilités liées à l'espace (probabilité de sortie, d’aller au travail,…) et des probabilités de contamination entre individus lors de leurs croisements. Pour la réalisation d'un grand nombre de simulations de transmissions de la maladie au sein de populations de très grande taille, le projet emploie des technologies de calcul haute performance (parallélisation sur des super-calculateurs).Download slides

Luciano Campi (Università degli Studi di Milano). Title : Mean field coarse correlated equilibria for linear-quadratic games with an application to emissions’ abatement   Abstract :  Coarse correlated equilibria are generalizations of Nash equilibria which have first been introduced in Moulin et Vial (1978). They include a correlation device which can be interpreted as a mediator recommending strategies to the players, which makes it particularly relevant in a context of market failure.  We develop a methodology to compute mean-field coarse correlated equilibria (CCEs) in a linear-quadratic framework. We discuss the specifications of the objective functional under which CCEs outperform Nash equilibria (NEs) in terms of both social utility and control levels. We show that the mean field limit CCEs we found allow to build approximate CCEs in N-player setting. Finally, we apply such a methodology to some relevant models, in particular to a CO2 abatement game between countries (a slightly modified version of Barrett (1994)). We show that in that model CCEs allow to reach higher abatement levels than the NE, with higher global utility.  The talk is based on a joint project with F. Cannerozzi (Milan University) and F. Cartellier (ENSAE).   Download slides

Thierry Roncalli (Amundi & Université d'Evry) Title : Net Zero Investment Portfolios Abstract :  Building a net-zero investment portfolio differs from building a low-carbon portfolio for several reasons. First, the decarbonization pathway must be endogenous. Second, one of the goals of a net-zero policy is to finance the transition to a low-carbon economy. Therefore, net-zero investments are not only a carbon footprint issue, but also a green footprint issue. In order to implement a net-zero policy, asset owners and managers must then incorporate new metrics such as self-decarbonization measures and green metrics, which complicates portfolio management. In this presentation, Thierry Roncalli will discuss the different portfolio construction methodologies, in particular the integrated approach and the core-satellite strategy, and their implications from an asset allocation perspective. Dowload slides

Marc Hoffmann (Ceremade, Université Paris Dauphine - PSL) Title : Disentangling endogenous and exogenous correlations of low frequency data using high frequency information Abstract : Given empirical data of two times series, we address the problem of extracting the part of endogenous and exogenous dynamics that altogether form the empirical correlation of the time series. In this formulation, our question is ill-posed and our purpose hopeless without an additional structure. We assume 1) the simplest model, namely discretely observed correlated Brownian motions, that may serve as a representative model for low frequency prices of correlated financial assets, up to an absolutely continuous change of measure. 2) Moreover, we have access to some additional microscopic information, namely the fluctuation of the prices at high frequencies, via marked point processes models that diffuse to the original time series at a macroscopic scale. We introduce the effect of endogneous and exogenous agents via multidimensional delayed Hawkes processes (we will explain what we mean by delayed) with latent components, simple exponential kernels and shot noises. We show that this approach can incorporate endogenous and exogeneous effects despite the relatively constrained structure of point processes models. The difficulty comes from the fact that we observe the fluctuations of prices but not the nature of the agents that cause them. Moreover, we face microstructure noise at these scales. First and second order characteristics are not sufficient to recover the parameters of the model, but adding third order characteristics does the job, at least mathematically. This enables us to overcome the latent structure of our model and quantify the part of endogenous versus exogenous effects that have an explicit trace on the macroscopic correlation (our initial low frequency observable). We numerically test our approach and show some early results on empirical financial data. A joint ongoing work with E. Bacry, T. Deschatre, J.F. Muzy and R. Ruan Download Slides

Speaker : Anis Matoussi (Le Mans Université) Title : Stochastic Algorithms for Systemic Shortfall Risk Measure Abstract : In this talk, I present  stochastic algorithms schemes for estimating Multivariate Shortfall Risk Measure (MSRM) and prove that the resulting estimators are consistent and asymptotically normal. We also test numerically the performance of these algorithms on several examples.  If time permits, I will present also a work in progress on a class of dynamic MSRM via BSDEs. The first part of the talk is based on a joint  works with Sarah Kaakaï (Le Mans Université) and Achraf Tamtalini (Bank of America, London-UK),  and the second one is based in a work in progress with  Zakaria Bensaid (Le Mans Université), Roxana Dumitrescu (King’s College of London) and Wissal Sabbagh (Le Mans Université). Download slides

Alexandre Pannier (LPSM, Université Paris Cité) Title : Rough volatility, path-dependent PDEs and weak rates of convergence Abstract : In the setting of stochastic Volterra equations, and in particular rough volatility models, we show that conditional expectations are the unique classical solutions to path-dependent PDEs. The latter arise from the functional Itô formula developed by . We then leverage these tools to study weak rates of convergence for discretised stochastic integrals of smooth functions of a Riemann-Liouville fractional Brownian motion with Hurst parameter H ∈ (0,1/2). These integrals approximate log-stock prices in rough volatility models. We obtain weak error rates of order 1 if the test function is quadratic and of order H + 1/2 for smooth test functions. A joint work with Ofelia Bonesini and Antoine Jacquier. Download slides