Optimization in a Simulation Setting: Use of Function Approximation in Debt Strategy Analysis

Le modèle de simulation stochastique proposé par Bolder (2003) aux fins de l'analyse de la stratégie de gestion de la dette du gouvernement fédéral apporte un large éventail d'informations précieuses. Toutefois, il n'est d'aucune aide, dans sa forme actuelle, pour déterminer la stratégie optimale de gestion de la dette. L'inclusion d'un processus d'optimisation dans le modèle serait utile puisqu'elle permettrait d'élargir grandement la gamme des enjeux pouvant être analysés. La recherche d'une stratégie optimale se heurte néanmoins à deux obstacles majeurs. Premièrement, les techniques traditionnelles d'optimisation dans un cadre de simulation nécessitent des calculs excessivement lourds. Deuxièmement, il faut définir précisément ce que l'on entend par stratégie « optimale ». Les auteurs présentent une approche afin de surmonter ces deux difficultés. Ils s'attaquent à la première difficulté en faisant appel à une technique d'approximation de fonction pour obtenir une estimation approchée de la véritable fonction objectif. À cet effet, ils évaluent plusieurs algorithmes d'approximation : moindres carrés ordinaires, régression par la méthode du noyau, régression multivariée par spline adaptative et régression par directions révélatrices (projection-pursuit regression). Pour résoudre la deuxième difficulté, les auteurs examinent toute une série de fonctions objectifs qu'ils illustrent par des exemples. D'après eux, l'approche proposée rend possible l'analyse d'enjeux que les gestionnaires de la dette et les responsables de la politique budgétaire ne peuvent étudier avec le modèle de simulation stochastique actuel.