BENOIT Sylvain

Dans cet article, nous identifions plusieurs lacunes dans la méthodologie de notation du risque systémique actuellement utilisée pour identifier et réglementer les institutions financières d'importance systémique (SIFI). À l'aide de données réglementaires récemment publiées pour 119 banques américaines et internationales, nous montrons que la méthode de notation actuelle fausse gravement l'allocation de capital réglementaire entre les banques. Nous proposons ensuite et mettons en œuvre une méthodologie qui corrige ces lacunes et incite davantage les banques à réduire leur contribution aux risques.

Nous identifions plusieurs lacunes dans la méthodologie de notation du risque systémique actuellement utilisée pour identifier et réglementer les institutions financières d'importance systémique (SIFI). À l'aide de données réglementaires récemment publiées pour 119 banques américaines et internationales, nous montrons que la méthode de notation actuelle fausse gravement l'allocation de capital réglementaire entre les banques. Nous proposons et mettons ensuite en œuvre une méthodologie qui corrige ces lacunes et incite davantage les banques à réduire leur contribution au risque. Contrairement aux scores actuels, nos scores ajustés sont principalement déterminés par des indicateurs de risque directement sous le contrôle de la banque réglementée et non par des facteurs exogènes à la banque, tels que les taux de change ou les actions des autres banques.

Nous passons en revue la vaste littérature sur le risque systémique et la relions au débat réglementaire actuel. Tout en faisant le point sur les réalisations de ce domaine en pleine expansion, nous identifions un écart entre deux approches principales. La première étudie les différentes sources de risque systémique de manière isolée, utilise des données confidentielles et inspire des outils réglementaires ciblés mais complexes. La seconde approche utilise les données du marché pour produire des mesures globales qui ne sont pas directement liées à une théorie particulière, mais qui pourraient soutenir une réglementation plus efficace. Pour combler ce fossé, il faudra englober les modèles théoriques et améliorer la divulgation des données.

Nous montrons comment inverser l'ingénierie des informations sur les risques des banques, telles que la valeur en risque, pour obtenir une mesure implicite de leurs expositions aux risques liés aux actions, aux taux d'intérêt, aux taux de change et aux matières premières. Les expositions aux risques implicites des facteurs sont obtenues en décomposant un changement dans la divulgation des risques en une composante de volatilité du marché et une composante d'exposition aux risques spécifiques à la banque. Dans une étude de grandes banques américaines et internationales, nous montrons que (i) les changements d'exposition au risque sont négativement corrélés avec la volatilité du marché et (ii) les changements d'exposition au risque sont positivement corrélés entre les banques, ce qui est cohérent avec le fait que les banques présentent une communauté de négociation.

Nous passons en revue la vaste littérature sur le risque systémique et la relions au débat réglementaire actuel. Tout en faisant le point sur les réalisations de ce domaine en pleine expansion, nous identifions un écart entre deux approches principales. La première étudie les différentes sources de risque systémique de manière isolée, utilise des données confidentielles et inspire des outils réglementaires ciblés mais complexes. La seconde approche utilise les données du marché pour produire des mesures globales qui ne sont pas directement liées à une théorie particulière, mais qui pourraient soutenir une réglementation plus efficace. Pour combler ce fossé, il faudra englober les modèles théoriques et améliorer la divulgation des données.

Nous passons en revue la vaste littérature sur le risque systémique et la relions au débat réglementaire actuel. Tout en faisant le point sur les réalisations de ce domaine en pleine expansion, nous identifions un écart entre deux approches principales. La première étudie les différentes sources de risque systémique de manière isolée, utilise des données confidentielles et inspire des outils réglementaires ciblés mais complexes. La seconde approche utilise les données du marché pour produire des mesures globales qui ne sont pas directement liées à une théorie particulière, mais qui pourraient soutenir une réglementation plus efficace. Pour combler ce fossé, il faudra englober les modèles théoriques et améliorer la divulgation des données.

Nous montrons comment rétroconcevoir les informations sur les risques des banques, telles que la Value-at-Risk, pour obtenir une mesure implicite de leurs expositions aux risques liés aux actions, aux taux d'intérêt, aux devises et aux matières premières. Les expositions au risque implicites (FIRE) sont obtenues en décomposant un changement dans la divulgation du risque en une composante de volatilité du marché et une composante d'exposition au risque spécifique à la banque. Dans une étude de grandes banques américaines et internationales, nous montrons que (1) les changements dans l'exposition aux risques sont négativement corrélés avec la volatilité du marché et (2) les changements dans l'exposition aux risques sont positivement corrélés entre les banques, ce qui est cohérent avec le fait que les banques présentent une communauté de négociation.

Le risque systémique a joué un rôle clé dans la propagation de la dernière crise financière mondiale.Un grand nombre de mesures de ce risque ont été développées pour évaluer la contribution d’une institutionfinancière au risque de l’ensemble du système. Toutefois, de nombreuses questions concernantles capacités de ces mesures à identifier les institutions financières d’importance systémique (SIFIs) ontété soulevées puisque le risque systémique possède de multiples facettes et certaines d’entre elles sontdifficiles identifier, telles que les similitudes entre institutions financières.L’objectif général de cette thèse en finance est donc (i) de proposer une solution empirique pour identifierles SIFIs au niveau nationale, (ii) de comparer théoriquement et empiriquement différentes mesures durisque systémique et (iii) de mesurer les changements d’expositions au risque des banques.Tout d’abord, le chapitre 1 propose un ajustement de trois mesures de risque systémique basées sur desdonnées de marchés et conçues dans un cadre international, afin d’identifier les SIFIs au niveau national.Ensuite, le chapitre 2 introduit un modèle commun dans lequel plusieurs mesures du risque systémiquesont exprimées et comparées. Il y est théoriquement établi que ces mesures de risque systémique peuventêtre exprimées en fonction de mesures traditionnelles de risque. L’application empirique confirme cesrésultats et montre que ces mesures ne sont pas capables de saisir la nature multidimensionnelle durisque systémique. Enfin, le chapitre 3 présente la méthodologie appelée Factor Implied Risk Exposures(FIRE) permettant de décomposer une variation de la mesure de risque d’une banque en deux éléments,le premier représentant la volatilité de marché et le second correspondant à l’exposition au risque de labanque. Ce chapitre illustre empiriquement que les changements d’expositions au risque sont corréléspositivement entre les banques, ce qui est cohérent avec le fait que les banques présentent des similitudesdans leurs prises de positions sur le marché.

Nous montrons comment rétroconcevoir les informations sur les risques des banques, telles que la Value-at-Risk, pour obtenir une mesure implicite de leurs expositions aux risques liés aux actions, aux taux d'intérêt, aux devises et aux matières premières. Les expositions au risque implicites (FIRE) sont obtenues en décomposant un changement dans la divulgation du risque en une composante de volatilité du marché et une composante d'exposition au risque spécifique à la banque. Dans une étude de grandes banques américaines et internationales, nous montrons que (1) les changements dans l'exposition aux risques sont négativement corrélés avec la volatilité du marché et (2) les changements dans l'exposition aux risques sont positivement corrélés entre les banques, ce qui est cohérent avec le fait que les banques présentent une communauté de négociation.

Nous dérivons plusieurs mesures populaires du risque systémique dans un cadre commun et montrons qu'elles peuvent être exprimées comme des transformations des mesures du risque de marché (par exemple, le bêta). Nous déduisons également les conditions dans lesquelles les différentes mesures conduisent à des classements similaires des institutions financières d'importance systémique (SIFI). Dans une analyse empirique des institutions financières américaines, nous montrons que (1) différentes mesures du risque systémique identifient différentes SIFIs et que (2) les classements des entreprises basés sur les estimations du risque systémique reflètent les classements obtenus en triant les entreprises sur le risque de marché ou le passif. Les modèles linéaires à un facteur expliquent la plupart de la variabilité des estimations du risque systémique, ce qui indique que les mesures du risque systémique ne parviennent pas à saisir les multiples facettes du risque systémique.