Formation à l’analyse quantitative des risques avec @Risk

PRJ-R032 Modélisation et simulation des risques dans Excel avec @Risk pour Excel. Durée: 2 jours

Vue d’ensemble du cours :

Le cours donne la démarche d’ensemble de modélisation et de simulation des risques d’un projet dans Excel en utilisant la simulation de Monte-Carlo.

Public

Responsable d’offre en amont des projets. Cost controller (Contrôleur de gestion). Chef de projet. Responsable d’investissement d’infrastructures (Partenariat public-privé).

Objectifs du cours:

Acquérir les compétences suivantes:

  • Modifier un modèle existant pour y appliquer une analyse de risque.
  • Créer un modèle simple dans Excel adapté à l’analyse des risques.
  • Distinguer les risques et les incertitudes dans les projets.
  • Choisir les meilleures distributions pour la simulation des incertitudes dans la durée et les coûts de leurs tâches.
  • Choisir les bons modèles pour simuler les événements risques.
  • Paramétrer et exécuter une simulation de Monte Carlo.
  • Interpréter les résultats et les différents indicateurs.
  • Générer un rapport d’analyse de risque.

Le jour 1 se compose d’une alternance d’exposés théoriques et d’exercices pratiques avec le logiciel @Risk. Le jour 2 met en pratique les principes acquis sur des cas proposés par l’animateur et les participants.

Articulation du cours

  • Jour 1 Matin (9h00-12h30)

Introduction à l’analyse des risques

Exemple de modèle: Budgétisation des coûts et planification des imprévus

Discussion sur les possibilités de modélisation des risques

Introduction aux distributions

Analyse des risques utilisant les distributions triangulaires

Lancer et répéter des simulations

Interpréter les résultats de la simulation

Utiliser la distribution PERT

Utiliser les fonctions statistiques

Outils d’évaluation des modèles

  • Jour 1 Après-midi (13h30-17h00)

Utilisation de la distribution binomiale

Extensions du modèle

Méthode d’échantillonnage et nombre d’itérations

Méthodes paramétriques alternatives

Les distributions Normal et LogNormal

Ajustement de distribution

La distribution « Discrète »

Utilisation de simulations multiples

  • Jour 2 Matin (9h00-12h30)

Cas 1: Analyse de risque sur un modèle existant.

1.1) Définition des variables aléatoires

1.2) Simulation

1.3) Interprétation des résultats : Statistiques détaillées, sensibilité.

Cas 2: Construction d’un modèle en vue d’une analyse de risque

2.1) Modélisation de la variabilité d’une entrée :

– Ajustement à partir de données historiques : (PIB, Cours d’une monnaie, d’un indice)

– Passage d’un indice journalier à un indice mensuel et annuel.

– Modélisation par définition de tranches avec les fonctions Uniform et Alea()

  • Jour 2 Après-midi (13h30-17h00)

2.2) Modélisation d’un événement rare et à fort impact (Crash boursier, accident de croissance,…)

2.3) Calcul du coefficient de corrélation entre 2 variables d’entrée et modélisation dans @Risk.

2.4) Simulation avec et sans corrélation.

2.5) Interprétation des graphiques de sensibilité.

2.6) Paramétrage du modèle : Fonction SimTable.

2.7) Affichage superposé de courbes multiples.

2.8) Génération d’un rapport.

2.9) Analyse de scénario

Nos cours sont dispensés par des formateurs certifiés PMP (Project Management Professional) du PMI (Project Management Institute)


Laisser un commentaire