DUDEK Jeremy

Les mesures du risque systémique visent généralement à identifier les institutions financières d'importance systémique (SIFI), ce qui permettrait aux régulateurs d'allouer des exigences de capital macroprudentielles afin de réduire le risque provenant de ces institutions. Parmi les mesures largement citées figurent les mesures de la dépendance de queue dans les rendements des actions des institutions financières, telles que ΔCoVaR d'Adrian et Brunnermeier (2011) et Marginal Expected Shortfall (MES) d'Acharya et al. (2010). Cet article compare les approches non linéaires et linéaires de modélisation de la dépendance des rendements dans l'estimation du ΔCoVaR et du MES. Nos résultats montrent que si les techniques d'estimation raffinées et compliquées sont capables de produire une valeur plus précise de la contribution au risque systémique de l'institution, elles n'améliorent pas beaucoup l'identification des SIFI par rapport à la méthode d'estimation linéaire plus simple. La modélisation linéaire de la dépendance est suffisante pour identifier et classer les SIFI.

Les ETF et les fonds indiciels se sont développés à un rythme très rapide ces dernières années. Lancés à l'origine pour suivre certains grands indices liquides sur les marchés développés, ils concernent désormais aussi des classes d'actifs moins liquides comme les obligations des marchés émergents. L'illiquidité affecte certainement la qualité de la réplication, et en particulier, la liquidité peut augmenter la tracking error de tout fonds indiciel, c'est-à-dire la différence entre le fonds et les rendements de l'indice de référence. La tracking error est donc la première caractéristique que les investisseurs prennent en compte lorsqu'ils sélectionnent des fonds indiciels. Dans ce document, nous partons de la base CDS-obligations pour simuler la tracking error (TE) d'un fonds hypothétique bien diversifié investissant dans l'univers des obligations des marchés émergents. Nous calculons la base CDS-obligations et la tracking error pour 9 entités souveraines des marchés émergents : Afrique du Sud, Brésil, Chili, Hongrie, Mexique, Pologne, Russie, Thaïlande et Turquie. Tous ces pays sont inclus dans l'indice MSCI Emerging Market Debt in Local Currency. Notre période d'échantillonnage s'étend du 1er janvier 2007 au 26 mars 2012. En utilisant un modèle de changement de régime pour les corrélations dynamiques (RSDC), nous montrons que l'erreur de suivi pays par pays est réduite par la diversification au niveau du fonds. De plus, nous montrons que cet effet de diversification est moins efficace en période de crise. Cette perte des avantages de la diversification est le principal risque des fonds indiciels lorsqu'ils sont conçus pour créer une exposition liquide à des classes d'actifs illiquides.

Les gestionnaires de fonds sont confrontés à des problèmes de liquidité, mais ils doivent distinguer le risque de liquidité du marché impliqué par leurs actifs et le risque de liquidité de financement. Ce dernier est dû à la fois à l'inadéquation de la liquidité entre les actifs et les passifs et au risque de rachat dû aux éventuelles sorties de fonds des clients. La principale contribution de ce document est l'analyse de la contagion en examinant les problèmes de liquidité du marché commun pour détecter les problèmes de liquidité de financement. En utilisant la base du CDS Bond Spread comme indicateur de liquidité et un modèle d'espace d'état avec une spécification de volatilité variable dans le temps, nous montrons que pendant la crise financière de 2007-2008, il existe des effets de contagion purs à la fois en termes de prix et de liquidité sur le marché de la dette souveraine émergente. Ce résultat a une forte implication puisque le principal risque pour un gestionnaire d'actifs est de rester coincé avec une position non désirée en raison d'un assèchement de la liquidité du marché.

Pas de résumé disponible.

Cette thèse est articulée autour de trois risques financiers que sont : la liquidité, la contagion et le risque systémique. Ces derniers sont au centre de toutes les attentions depuis la crise de 2007-08 et resteront d’actualité à la vue des évènements que rencontrent les marchés financiers. Le premier chapitre de cette thèse présente un facteur de liquidité de financement obtenu par l’interprétation d’un phénomène de contagion en termes de risque de liquidité de marché. Nous proposons dans le second chapitre, une méta-mesure de cette liquidité de marché. Cette dernière tient compte de l’ensemble des dimensions présentes dans la définition de la liquidité en s’intéressant à la dynamique de plusieurs mesures de liquidité simultanément. L’objectif du troisième chapitre est de présenter une modélisation des rendements du marché permettant la prise en compte de la liquidité de financement dans l’estimation de la DCoVaR. Ainsi, ce travail propose une nouvelle mesure du risque systémique ayant un comportement contracyclique. Pour finir, nous nous intéressons à l’hypothèse de non-linéarité de la structure de dépendance entre les rendements de marché et ceux des institutions financières. Au cœur de la mesure du risque systémique, cette hypothèse apparait contraignante puisqu’elle n’a que peu d’impact sur l’identification des firmes les plus risquées mais peut compliquer considérablement l’estimation de ces mesures.

La dernière crise a mis en lumière l'importance de prendre en compte le risque de liquidité dans l'industrie financière. En effet, la liquidité a joué un rôle prédominant dans la propagation de la tourmente. En revanche, le contrôle de la liquidité est une tâche difficile. La définition de la liquidité associe différentes dimensions qu'il est impossible de saisir pleinement ensemble. Par conséquent, il existe un grand nombre de mesures de la liquidité et nous trouvons dans la littérature certaines solutions pour prendre en compte plus d'une dimension de la liquidité, mais aussi des mesures de la liquidité prenant en compte un problème de liquidité à long terme. Dans ce papier, nous nous concentrons sur les événements d'illiquidité drastiques, c'est-à-dire les problèmes de liquidité signalés par plusieurs mesures de liquidité simultanément. Nous proposons une méta-mesure de la liquidité appelée MLiq et définie comme la probabilité d'être dans un état de risque de liquidité élevé. Nous utilisons un modèle multivarié permettant de mesurer les corrélations entre les mesures de liquidité conjointement avec un modèle d'espace d'état qui définit de manière endogène les périodes d'illiquidité.

Les marchés financiers sont aujourd'hui tellement interconnectés qu'ils sont fragiles à la contagion. Des fonds d'investissement massifs avec des horizons très courts pour les flux d'entrée et de sortie peuvent générer des effets de contagion entre les marchés. Depuis 2010, les investisseurs sont désireux d'obtenir une exposition liquide à la dette souveraine des pays émergents. En conséquence, certaines sociétés de gestion d'actifs ont commencé à proposer des produits pour suivre la performance de cette classe d'actifs. Cependant, dans ce cas, le gestionnaire de fonds est confronté à une inadéquation de la liquidité entre les actifs et les passifs et a besoin d'outils pour gérer la liquidité de ses investissements. La principale contribution de ce document est l'analyse de la contagion en examinant les problèmes de liquidité du marché commun pour détecter les problèmes de liquidité de financement. En utilisant la base du CDS Bond Spread comme indicateur de liquidité et un modèle d'espace d'état avec une spécification de volatilité variable dans le temps, nous montrons que pendant la crise financière de 2007-2008, il existe des effets de contagion purs à la fois en termes de prix et de liquidité sur le marché de la dette souveraine des pays émergents.

Les économies émergentes ont passé un test de résistance important au cours de la période 2008-09 et sont désormais les principaux moteurs de la croissance de l'économie mondiale. Les marchés financiers sont aujourd'hui tellement interconnectés qu'ils sont fragiles à la contagion. La question de la contagion financière concerne historiquement les marchés émergents (ME). Ces derniers attirent les investisseurs étrangers et les flux massifs de fonds d'investissements entrants et sortants sur des horizons très courts peuvent être une source d'effets de contagion entre les marchés. L'analyse des marchés de la dette souveraine et en particulier des marchés de CDS est intéressante car elle est au cœur d'un nouveau phénomène : les banques ne sont plus la principale source de risque systémique mais les économies souveraines. Comme les investisseurs étrangers représentent la majeure partie du volume échangé, les flux de capitaux sur ces marchés devraient également avoir un impact sur le marché des changes. Leur analyse est donc également centrale dans cette étude. En effet, le principal risque pour un gestionnaire d'actifs est de se retrouver coincé avec une dette souveraine indésirable en raison d'un assèchement de la liquidité du marché. La principale contribution de ce papier est l'analyse de la contagion en examinant les problèmes de liquidité des marchés communs pour détecter les problèmes de liquidité de financement. Nous utilisons la base des spreads obligataires des Credit Default Swap et les écarts par rapport à la Parité des Intérêts Couverts comme mesures de la liquidité respectivement pour la dette souveraine et les marchés des changes. De plus, nous distinguons l'interdépendance et la contagion pure en utilisant un modèle d'espace d'état avec une spécification de volatilité variant dans le temps et nous l'appliquons à la fois aux rendements et aux indicateurs de liquidité.

L'objectif de cette thèse est d'améliorer la gestion des risques financiers par l'emploi de méthodes économétriques. Nous nous concentrons sur la liquidité (marché et financement), la contagion et le risque systémique, qui ont suscité un intérêt particulièrement important au cours des dernières années de turbulences financières. Tout d'abord, nous construisons un facteur de liquidité de financement basé sur les effets de contagion que rencontrent les risques de liquidité de marché. Cette procédure peut être utile pour mieux gérer l'asymétrie de liquidité entre les actifs et les passifs d'un fonds. Deuxièmement, nous proposons une méta-mesure de la liquidité qui incorpore plusieurs mesures de la liquidité par l'utilisation d'un modèle de corrélation conditionnelle. Par conséquent, nous sommes en mesure de détecter des problèmes de liquidité drastiques en utilisant une seule mesure. Troisièmement, nous proposons un nouveau cadre de modélisation des rendements financiers en ajoutant une composante supplémentaire liée à la liquidité de financement au modèle DCoVaR standard. De cette façon, nous obtenons une mesure contracyclique du risque systémique. Enfin, nous étudions dans quelle mesure un changement de méthode d'estimation affecte l'identification des institutions financières d'importance systémique. En particulier, les mesures les plus populaires visent à capturer la non-linéarité de la structure de dépendance entre les entreprises financières et les rendements du marché. Nous montrons, cependant, que des résultats similaires peuvent être obtenus en supposant simplement une dépendance linéaire, ce qui peut aussi largement simplifier l'estimation.

Les mesures du risque systémique visent généralement à identifier les institutions financières d'importance systémique (SIFI), ce qui permettrait aux régulateurs d'allouer des exigences de capital macroprudentielles afin de réduire le risque provenant de ces institutions. Parmi les mesures largement citées figurent les mesures de la dépendance de queue dans les rendements des actions des institutions financières, telles que ΔCoVaR d'Adrian et Brunnermeier (2011) et Marginal Expected Shortfall (MES) d'Acharya et al. (2010). Cet article compare les approches non linéaires et linéaires de modélisation de la dépendance des rendements dans l'estimation du ΔCoVaR et du MES. Nos résultats montrent que si les techniques d'estimation raffinées et compliquées sont capables de produire une valeur plus précise de la contribution au risque systémique de l'institution, elles n'améliorent pas beaucoup l'identification des SIFI par rapport à la méthode d'estimation linéaire plus simple. La modélisation linéaire de la dépendance est suffisante pour identifier et classer les SIFI.