DANIELSSON Jon

< Retour à ILB Patrimoine
Thématiques des productions
Affiliations
  • 2013 - 2014
    London School of Economics and Political Science
  • 2014
  • Modèles à risque.

    Christophe BOUCHER, Jon DANIELSSON, Patrick KOUONTCHOU, Bertrand MAILLET
    Journal of Banking & Finance | 2014
    L'expérience de la crise financière mondiale a soulevé de sérieuses inquiétudes quant à la précision des mesures de risque standard en tant qu'outils de quantification des risques extrêmes à la baisse. L'une des principales raisons en est que les mesures de risque sont soumises à un risque de modèle dû, par exemple, à l'incertitude de la spécification et de l'estimation. Alors que les régulateurs ont proposé que les institutions financières évaluent le risque de modèle, il n'existe aucune approche acceptée pour calculer ce risque. Nous proposons un remède à cela par un cadre général pour le calcul de mesures de risque robustes au risque de modèle en ajustant empiriquement les prévisions de risque imparfaites par les résultats des cadres de backtesting, en considérant la qualité souhaitable des modèles de VaR tels que la fréquence, l'indépendance et l'ampleur des violations. Nous fournissons également une comparaison équitable entre les principaux modèles de risque en utilisant la même métrique qui correspond aux corrections requises pour le risque de modèle.
  • Modèle à risque.

    Christophe BOUCHER, Jon DANIELSSON, Patrick KOUONTCHOU, Bertrand MAILLET
    Journal of Banking and Finance | 2014
    Pas de résumé disponible.
  • Modèles à risque.

    Christophe m. BOUCHER, Jon DANIELSSON, Patrick s. KOUONTCHOU, Bertrand b. MAILLET
    Journal of Banking & Finance | 2014
    L'expérience de la crise financière mondiale a soulevé de sérieuses inquiétudes quant à la précision des mesures de risque standard en tant qu'outils de quantification des risques extrêmes à la baisse. L'une des principales raisons en est que les mesures de risque sont soumises à un risque de modèle dû, par exemple, à l'incertitude de la spécification et de l'estimation. Alors que les régulateurs ont proposé que les institutions financières évaluent le risque de modèle, il n'existe aucune approche acceptée pour calculer ce risque. Nous proposons un remède à cela par un cadre général pour le calcul de mesures de risque robustes au risque de modèle en ajustant empiriquement les prévisions de risque imparfaites par les résultats des cadres de backtesting, en considérant la qualité souhaitable des modèles de VaR tels que la fréquence, l'indépendance et l'ampleur des violations. Nous fournissons également une comparaison équitable entre les principaux modèles de risque en utilisant la même métrique qui correspond aux corrections requises pour le risque de modèle.
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