Le prix Pierre Robillard est décerné chaque année par la SSC pour récompenser la meilleure thèse de doctorat dans le domaine de la probabilité ou de la statistique, défendue dans une université canadienne au cours de l’année.
Qiuqi Wang est le lauréat 2024 du prix Pierre-Robillard de la Société statistique du Canada. Sa thèse, intitulée « Characterizing, optimizing and backtesting metrics of risk », a été rédigée alors qu’il était doctorant à l’Université de Waterloo, sous la direction de Ruodu Wang.
La recherche de Qiuqi est en actuariat et gestion du risque. Diverses mesures de risque sont très largement étudiées dans la littérature dans le contexte de la règlementation financière, de l’assurance, de la recherche opérationnelle et de la statistique. Cette thèse comporte six articles. Elle aborde d’abord la théorie axiomatique des mesures de risque dans trois articles portant sur des classes très différentes de mesures de risque : les métriques de risque de distorsion, les mesures de risque de Bayes et les mesures de risque sous-additives en espèces (cash-subadditive risk measures). Plusieurs caractérisations de mesures de risque sont obtenues à partir de principes économiques pertinents illustrant entre autres une propriété d’unicité pour la valeur à risque conditionnel, qui est une mesure de risque standard utilisée dans la règlementation financière mondiale actuelle y compris au Canada et qui est très populaire dans la recherche académique. Un autre article porte sur l’optimisation des métriques de risque de distorsion sous une incertitude distributionnelle. L’optimisation d’une métrique de risque de distorsion non convexe est convertie en une version convexe la rendant plus maniable via une nouvelle notion de fermeture sous concentration. L’article suivant étudie la caractérisation des mesures de risque induites par des contrats d’assurance efficaces. Il considère des contrats d’assurance populaires dans l’industrie dont on fait l’hypothèse qu’ils sont optimaux au sens de Pareto tant pour l’assuré que l’assureur et il détermine les mesures de risque que l’assureur et l’assuré doivent utiliser afin de mener à ces contrats. Finalement, une des tâches les plus difficiles dans la pratique de la modélisation du risque est le contrôle prudentiel ex post des prévisions de la valeur à risque conditionnel (backtest Expected Shortfall forecasts) faites par les institutions financières. Un dernier article pour s’attaquer à ce problème propose une nouvelle procédure qui ne fait pas appel à un modèle, basée sur des e-statistiques et des e-processus ne reposant pas sur des modèles. La thèse de Qiuqi démontre l’ampleur de ses connaissances avec des articles dans quatre domaines distincts – l’actuariat, la finance mathématique, l’optimisation et la gestion – contenant tous d’importantes composantes en probabilité et en statistique. Des questions pratiques de finance mathématique, y compris l’assurance, motivent la plupart des développements mathématiques de la thèse qui, à leur tour éclairent les mesures de risque utilisées dans la pratique.
Qiuqi est professeur adjoint à la Maurice R. Greenberg School of Risk Science de la Georgia State University. Il a obtenu un BS en mathématiques et en économie (2017) et un MPhil en mathématiques (2019) de la Hong Kong University of Science and Technology avant de compléter son PhD en sciences actuarielles à l’Université de Waterloo. Il est un Associé de la Society of Actuaries.
La dédicace du prix est la suivante :
À Qiuqi Wang, pour la thèse intitulée « Characterizing, optimizing and backtesting metrics of risk ».