Three Essays on Risk Management and Correlation, and Meteorological Hazard

La thèse étudie le risque météorologique et économique sous différents angles principalement dans les pays en développement. Elle se décompose en trois chapitres indépendants analysant dans diverses situations la corrélation des risques liés aux aléas météorologique et climatique ou économique, et étudie le potentiel de la région géographique étudiée pour mettre en place un système d’assurance contre le risque étudié. En effet, cette thèse étudie des risques très susceptibles d’être fortement corrélés : que cela concerne le risque météorologique ou climatique, ou le risque lié à la volatilité des prix, les villes voire pays voisins sont exposés aux mêmes risques et de façon simultanée. Cet aspect essentiel compromet la mutualisation du risque, paramètre primordial du modèle économique de l’assurance. A travers les trois chapitres de la thèse, nous étudierons le bénéfice lié à la mutualisation de ces risques a priori relativement corrélés. Le premier chapitre étudie la corrélation des prix du maïs en Tanzanie. A l’aide d’un modèle Copula-GARCH, la dépendance entre les cours du maïs des 20 marchés principaux du pays est modélisée et nous pouvons voir si le prix moyen du maïs est lissé en agrégeant les marchés. Cela permet de voir si l’intégration des marchés permet une efficace mutualisation du risque lié à la volatilité des prix. Le second chapitre s’attache au risque cyclonique dans les îles Pacifique sud et son impact sur les infrastructures. Ce papier propose une modélisation des cyclones tropicaux dans la région étudiée et la distribution de probabilité des cyclones associés à leur force, permettant ainsi de tenir compte du climat actuel pour modéliser les coûts. Avec les données liées aux infrastructures, nous calculons le coût des cyclones, y compris pour les événements extrêmes de très faible probabilité. Le troisième chapitre propose une extension d’un émulateur statistique des rendements agricoles selon des variables climatiques. Nous modélisons l’impact de l’accroissement marginal de la température, des précipitations ou de la concentration en CO2 en faisant une estimation statistique sur des modèles de culture et non sur des données historiques. Cela permet de prendre en compte des effets extrêmes sur des valeurs météorologiques pas ou peu observées jusqu’à présent. La robustesse du modèle est évaluée, entre autres, à l’aide de copules pour comparer la dépendance spatiale entre le modèle et notre émulateur statistique et vérifier que notre estimation capture bien la dépendance géographique.The PhD dissertation studies meteorological and economic hazard under different angles and mostly in developing countries. It is composed of three independent chapters analyzing different situations dealing with meteorological and climatic or economic hazard correlation. It estimates the potential of the studied regions for implementing an insurance scheme for the risk. Indeed, this thesis studies risks very likely to be highly correlated: whether this is for the meteorological or climatic hazard, or the price volatility risk, neighbored cities or even countries are exposed to the same risk simultaneously. This essential aspect jeopardizes risk mutualization, a key parameter of the economic insurance model. Through the three chapters of this thesis, we study the benefits linked to the mutualization of a priori correlated risks. The first chapter deals with maize price correlation in Tanzania. Using a Copula-GARCH model, we model the dependence among the 20 main markets of the country and assess if the mean maize price is smoothed by aggregating the markets. Hence, we see whether markets integration allows an efficient risk mutualization against the risk of price volatility. The second chapter deals with tropical storms risk in the South Pacific islands and their impact on infrastructures. This paper proposes an artificial tropical cyclones modeling in the region studied as well as the probability distribution of the cyclone’s occurrence and strength. This enables us accounting for the current climate for modeling costs. With data on infrastructures, we calculate the cost due to tropical storms, including for very low probability extreme events. The third chapter proposes an extension for a statistical emulator of crop yields depending climatic variables. We model the marginal impact of an increase of temperature, precipitations and CO2 concentration by running a statistical estimation on crop models rather than historical data. It allows accounting for extreme effects caused by meteorological data values not observed so far. The model robustness is assessed, among others, with copulas to compare the spatial dependence between the model and our statistical emulator and check that our estimation captures the geographic dependence