Mélanges de GLMs et nombre de composantes : application ... - Scor
Mélanges de GLMs et nombre de composantes : application ... - Scor
Mélanges de GLMs et nombre de composantes : application ... - Scor
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Conclusion <strong>et</strong> perspectives<br />
l’attention du lecteur sur le fait que nous ne prétendons pas avoir trouvé la métho<strong>de</strong> idéale pour<br />
la modélisation <strong>de</strong>s comportements <strong>de</strong> rachat ; simplement dans les différents cas testés, c<strong>et</strong>te<br />
modélisation s’est avérée relativement fine <strong>et</strong> robuste. Un phénomène extrême qui ne serait<br />
pas dû à <strong>de</strong>s mouvements sur les marchés financiers (exemple : politique <strong>de</strong> vente, image)<br />
pourrait avoir <strong>de</strong>s conséquences dramatiques sur le taux <strong>de</strong> rachat mais ne serait évi<strong>de</strong>mment<br />
pas prévu par notre modèle.<br />
Perspectives<br />
Sur le plan théorique, la modélisation <strong>de</strong> ce phénomène nous a poussé à étudier dans le<br />
détail un large panel d’outils mathématiques, que nous n’avons bien sûr pas pu totalement exploiter<br />
du fait <strong>de</strong> leur diversité. Ainsi les métho<strong>de</strong>s <strong>de</strong> classification par arbre ont été abordées,<br />
la compréhension <strong>de</strong>s modèles linéaires généralisés <strong>et</strong> <strong>de</strong> leurs caractéristiques a dû être approfondie.<br />
Nous avons également largement développé nos connaissances en analyse <strong>de</strong> survie<br />
non-paramétrique <strong>et</strong> semi-paramétrique (en vain pour les <strong>application</strong>s !) <strong>et</strong> en modèles markoviens<br />
cachés. Lorsque nous avons réussi à résoudre le problème opérationnel <strong>de</strong> la prévision<br />
précise <strong>de</strong>s rachats, nous avons ensuite pu nous pencher sur une étu<strong>de</strong> plus poussée concernant<br />
le choix du <strong>nombre</strong> <strong>de</strong> <strong>composantes</strong> dans les modélisations mélange. En particulier, nous nous<br />
sommes intéressés à c<strong>et</strong>te question pour <strong>de</strong>s mélanges <strong>de</strong> <strong>GLMs</strong> après avoir constaté une potentielle<br />
sur-paramétrisation dans nos <strong>application</strong>s. Suite à <strong>de</strong>s discussions sur le suj<strong>et</strong> avec <strong>de</strong>s<br />
chercheurs expérimentés (Laurent Bor<strong>de</strong>s, Bernard Garel, Gilles Celeux, Jean-Patrick Baudry)<br />
que je remercie par la même occasion, nous avons pu prouver la consistance d’un nouvel estimateur,<br />
ainsi que celle d’un critère <strong>de</strong> sélection adapté aux problématiques <strong>de</strong> classification<br />
non-supervisée dans le contexte <strong>de</strong> la modélisation mélange <strong>de</strong> <strong>GLMs</strong>. Malheureusement nous<br />
avons manqué <strong>de</strong> temps pour développer tout un ensemble <strong>de</strong> résultats que nous aurions aimé<br />
traiter, <strong>et</strong> qui constitueront les prochaines recherches que nous effectuerons dans les mois à<br />
venir. Il serait par exemple intéressant <strong>de</strong> s’approprier les notions d’inégalités <strong>de</strong> concentration<br />
<strong>et</strong> d’heuristique <strong>de</strong> pente afin <strong>de</strong> déterminer <strong>de</strong>s formes <strong>de</strong> pénalité optimale dans un cadre<br />
non-asymptotique. Une autre piste très générale concerne l’établissement d’un lien entre modélisation<br />
mélange <strong>et</strong> forme paramétrique spécifique, avec les difficultés <strong>et</strong> avantages qui en<br />
découlent. Enfin nous aimerions reconsidérer l’analyse <strong>de</strong> survie pour laquelle nous avons “dépensé”<br />
beaucoup <strong>de</strong> temps, mais sur laquelle nous n’avons pas réussi à aboutir. Néanmoins,<br />
nous n’étions pas loin d’un résultat <strong>et</strong> les problématiques traitées dans le cadre <strong>de</strong>s <strong>GLMs</strong><br />
sont clairement transposables avec <strong>de</strong>s modèles <strong>de</strong> survie. L’approche par modélisation markovienne<br />
cachée (“regime switching”) est également attractive d’un point <strong>de</strong> vue intellectuel ;<br />
<strong>et</strong> il va sans dire que nous aimerions également investiguer ses propriétés théoriques <strong>et</strong> les<br />
résultats qu’elle procurerait dans un contexte d’analyse <strong>de</strong> survie.<br />
Finalement, c<strong>et</strong>te expérience m’a ouvert les yeux sur mon désir <strong>de</strong> m’investir davantage<br />
dans le mon<strong>de</strong> académique. La diversité <strong>de</strong>s suj<strong>et</strong>s <strong>et</strong> la curiosité intellectuelle qu’offre ce<br />
milieu sont tout à fait uniques <strong>et</strong> constituent son attrait le plus fort. Je me suis découvert<br />
une forte envie <strong>de</strong> “fouiller” dans les suj<strong>et</strong>s, que seule la Recherche perm<strong>et</strong> d’assouvir. Pour<br />
finir, l’écriture d’articles, l’intéraction avec les autres chercheurs ainsi que l’enseignement sont<br />
autant <strong>de</strong> fac<strong>et</strong>tes qui m’ont aidé à m’épanouir <strong>et</strong> faire <strong>de</strong> c<strong>et</strong>te thèse un vrai succès personnel.<br />
178