SCAILLET Olivier

< Retour à ILB Patrimoine
Affiliations
  • 1995 - 1996
    Université Paris-Dauphine
  • 2020
  • 2019
  • 2018
  • 2016
  • 2015
  • 2014
  • 2013
  • 2012
  • 2011
  • 2008
  • 1996
  • Backtesting Marginal Expected Shortfall and Related Systemic Risk Measures.

    Denisa BANULESCU RADU, Christophe HURLIN, Jeremy LEYMARIE, Olivier SCAILLET
    Management Science | 2020
    Cet article propose une approche originale de backtesting des mesures de risque systémique. Cette approche de backtesting permet d'évaluer les prévisions de mesures de risque systémique utilisées pour identifier les institutions financières qui contribuent le plus au risque global du système financier. Notre procédure est basée sur des tests simples similaires à ceux généralement utilisés pour backtester les mesures de risque de marché standard telles que la value-at-risk ou l'expected shortfall. Nous introduisons un concept de violation associé à l'expected shortfall marginal (MES), et nous définissons des tests de couverture et d'indépendance inconditionnels pour ces violations. Nous pouvons généraliser ces tests à toutes les mesures de risque systémique basées sur la MES, telles que le déficit systémique attendu (SES), la mesure du risque systémique (SRISK) ou la valeur en risque conditionnelle delta ([Formule : voir texte]CoVaR). Nous étudions leurs propriétés asymptotiques en présence d'un risque d'estimation et examinons leur performance en échantillon fini via des simulations de Monte Carlo. Une application empirique à un panel d'institutions financières américaines est menée pour évaluer la validité des prévisions MES, SRISK, et [Formule : voir texte]CoVaR issues d'un modèle GARCH bivarié avec une structure de corrélation conditionnelle dynamique. Nos résultats montrent que ce modèle fournit des prévisions valides pour le MES et le SRISK en considérant un horizon à moyen terme. Enfin, nous proposons un indicateur de système d'alerte précoce pour les futures crises systémiques déduit de ces backtests. Notre indicateur quantifie l'importance de l'erreur de mesure émise par une prévision du risque systémique à un moment donné, ce qui peut servir à la détection précoce des retournements du marché mondial. Cet article a été accepté par Kay Giesecke, finance.
Les affiliations sont détectées à partir des signatures des publications identifiées dans scanR. Un auteur peut donc apparaître affilié à plusieurs structures ou tutelles en fonction de ces signatures. Les dates affichées correspondent seulement aux dates des publications retrouvées. Pour plus d’informations, voir https://scanr.enseignementsup-recherche.gouv.fr