La recherche de Jonathan Li vise à élaborer les méthodes plus efficaces pour mesurer les risques

Le professeur Jonathan Li explore comment les riches ensembles de données disponibles aujourd’hui peuvent servir à la prise de décision. Il cherche à développer des nouveaux outils de décision faisant appel à une démarche holistique du risque grâce à la révolution en matière de données. Ses études s'appuient sur des connaissances interdisciplinaires dans les domaines de l'analyse opérationnelle (recherche opérationnelle) et de l'ingénierie financière, et repose largement sur l'emploi d'outils algorithmiques tels que l'optimisation et la simulation. Les résultats de la recherche seront possiblement avantageux pour de nombreuses applications à grand volume de données souvent caractérisées par l’incertitude, notamment celles se spécialisant dans les investissements financiers et la tarification des produits dérivés, la gestion de la chaîne d'approvisionnement et la gestion des revenus.

Les modèles de prise de décisions traditionnels ont tendance à percevoir le risque dans une optique très étroite et sous-estiment souvent l'incidence de l'incertitude sur nos décisions. La crise financière de 2008 est l'exemple récent le mieux connu de la manière dont les décisions fondées sur des modèles de risque naïfs peuvent mal tourner, déclare M. Li. La mise en œuvre réussie de la gestion des risques dans les modèles de prise de décisions requiert deux éléments : premièrement, l'accès à des données fondées sur la réalité, et deuxièmement, des modèles pouvant convertir les données en renseignements pertinents sur les risques et pouvant mener à la prise de décisions éclairées en tenant compte des risques. Les progrès réalisés dans le domaine de la technologie de l'information ont donné lieu à des ensembles de données améliorés sur le plan de la quantité et la qualité, offrant de nouvelles occasions de mieux étalonner les modèles de risque, explique M. Li. Le principal défi à relever consiste maintenant à concevoir des modèles de risque et des modèles de prise de décisions qui peuvent pleinement exploiter les données pertinentes sur les risques.

Il n'est pas difficile de trouver des exemples de modèles traditionnels de risque qui ne cernent pas bien la complexité réelle. De nombreux modèles mesurent les risques en calculant de simples statistiques, comme l'écart-type des données. Cependant, un écart-type moins élevé n'indique pas nécessairement qu'il y a moins de risques. L’incertitude du monde réel est mal estimée dans ces modèles, en raison d'une distribution dite “normale”, ou “en cloche”, explique M. Li. Le problème fondamental, c'est l'hypothèse erronée selon laquelle l'incertitude devrait être « bien structurée » est encore bien commune. La recherche de M. Li est axée sur l'élaboration de méthodes qui adoptent une perspective plus vaste en ce qui concerne la modélisation des incertitudes, ce qui permet de prédire les risques avec plus d'exactitude. « Au lieu d'employer un seul modèle, l'une de nos stratégies consiste à envisager l'étalonnage de plusieurs modèles en même temps, en exploitant d'importants ensembles de données en vue d'établir les incertitudes, affirme M. Li. Cette méthode sera nettement plus efficace pour mesurer les risques. »

M. Li est devenu professeur adjoint à l'École de gestion Telfer après avoir obtenu son doctorat en recherche opérationnelle de la faculté d'ingénierie mécanique et industrielle de l'Université de Toronto (2012) et après avoir terminé ses travaux postdoctoraux à HEC Montréal (2013). De concert avec ses collègues et des étudiants de l'École de gestion Telfer, il explorera les domaines de l'analyse opérationnelle et des systèmes d'information. Il enseignera également à des étudiants de programmes interdisciplinaires à la maîtrise, notamment le programme de M.Sc. en science des systèmes.

À l'École de gestion Telfer, M. Li poursuit les travaux de recherche qu'il avait entrepris pendant son doctorat, lesquels se penchaient sur la façon dont les données recueillies directement auprès des utilisateurs peuvent servir à évaluer l'incertitude quant aux mesures des risques. Cette recherche reconnaît que les décideurs de différents secteurs ou industries peuvent avoir des points de vue différents quant aux risques en fonction de la nature du travail qui est entrepris. Il s'agit d'une avancée intéressante puisque, à long terme, la méthode employée par M. Li pour mesurer le risque pourrait être adaptée à ces différents points de vue à l'égard des risques. Nul doute que ces travaux combleront l'écart entre la théorie et la pratique en ce qui concerne la mesure du risque, affirme M. Li.

« En se fiant à des modèles qui ne fournissent qu'un aperçu très sommaire de l'incertitude, les gestionnaires ont un faux sentiment de sécurité à propos de leurs projections, surtout lorsqu'ils ne réalisent pas les limites de leurs modèles. » Dans les environnements complexes et en constante évolution d'aujourd'hui, il s'agit d'un problème pressant sur le plan de la prise de décisions. « La gestion des risques consiste à trouver les meilleurs moyens de gérer et de prévoir vos pires scénarios, explique-t-il. « Les mesures du risque qui sont assez solides et qui peuvent composer avec des incertitudes à multiples facettes peuvent vous mettre sur le bon chemin dès le départ. »