MAILLET Bertrand

< Retour à ILB Patrimoine
Affiliations
  • 2012 - 2017
    Centre d'économie et management de l'Océan Indien
  • 2012 - 2017
    Laboratoire d'économie d'Orleans
  • 2014 - 2016
    Théorie économique, modélisation et applications
  • 2014 - 2016
    Laboratoire d'économie de dauphine
  • 1996 - 1997
    Université Paris 1 Panthéon-Sorbonne
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2011
  • 1997
  • Dynamic Large Financial Networks via Conditional Expected Shortfalls.

    Giovanni BONACCOLTO, Massimiliano CAPORIN, Bertrand MAILLET
    European Journal of Operational Research | 2021
    Dans cet article, nous généralisons d'abord le modèle CARES (Conditional Auto-Regressive Expected Shortfall) en introduisant les dépassements de pertes de toutes les (autres) sociétés cotées dans l'Expected Shortfall relatif à chaque entreprise, proposant ainsi le modèle CARES-X (où le 'X', comme d'habitude, signifie eXtended dans le cas de problèmes de grande dimension). Deuxièmement, nous construisons un réseau régularisé de sociétés financières américaines en introduisant l'opérateur de sélection et de rétrécissement des moindres absolus dans l'étape d'estimation. Troisièmement, nous proposons également une approche de calibrage pour découvrir les bords pertinents entre les nœuds du réseau, en constatant que la structure estimée du réseau évolue dynamiquement à travers différents régimes de risque de marché. Nous montrons finalement que la connaissance des liens du réseau de risque extrême fournit des informations utiles, puisque l'intensité de ces liens a de fortes implications sur le risque de portefeuille. En effet, elle nous permet de concevoir des stratégies d'allocation efficaces pour atténuer le risque.
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