CAPORIN Massimiliano

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.

Pas de résumé disponible.

Pas de résumé disponible.

Plusieurs articles financiers récents utilisent la mesure Omega (Keating et Shadwick, 2002), définie comme un rapport entre les gains potentiels et les pertes possibles, pour évaluer la performance des fonds ou des stratégies actives, en remplacement du traditionnel ratio de Sharpe, avec l'argument que les distributions de rendement ne sont pas gaussiennes et que la volatilité n'est pas toujours la mesure de risque pertinente. D'autres auteurs utilisent également Omega pour optimiser des portefeuilles (non linéaires) avec un risque de baisse important. Cependant, nous remettons en question dans cet article la pertinence de telles approches. Tout d'abord, nous montrons à travers une illustration basique que le ratio Omega est incompatible avec le critère de dominance stochastique de second ordre. De plus, nous observons que le compromis entre rendement et risque correspondant à la mesure Omega, peut être essentiellement influencé par le rendement moyen. Ensuite, nous illustrons dans des cadres statiques et dynamiques que les portefeuilles optimaux basés sur Omega peuvent être étroitement associés aux paradigmes d'optimisation classiques en fonction du seuil choisi utilisé dans Omega. Enfin, nous présentons des vérifications de robustesse sur des bases de données d'actifs longs et de hedge funds, qui confirment nos résultats.

Plusieurs articles financiers récents utilisent la mesure Omega, proposée par Keating et Shadwick (2002) - définie comme un rapport entre les gains potentiels et les pertes possibles - pour évaluer la performance des fonds ou des stratégies actives (par exemple, Eling et Schuhmacher, 2007. Farinelli et Tibiletti, 2008. Annaert et al. 2009. Bertrand et Prigent, 2011. Zieling et al. 2014. Kapsos et al., 2014. Hamidi et al., 2014), en substitution du traditionnel ratio de Sharpe (1966), avec les arguments que les distributions de rendement ne sont pas gaussiennes et que la volatilité n'est pas, toujours, la métrique de risque pertinente. D'autres auteurs utilisent également le même critère pour optimiser des portefeuilles (non linéaires) avec un risque de baisse important. Cependant, nous nous interrogeons dans cet article sur la pertinence de telles approches. Tout d'abord, nous montrons à travers une illustration basique que le ratio Omega est incompatible avec le critère de Dominance Stochastique Stricte Inférieure de second ordre. De plus, nous observons que le compromis entre rendement et risque, correspondant à la mesure Omega, peut être essentiellement influencé par le rendement moyen. Ensuite, nous illustrons dans des cadres statiques et dynamiques que les portefeuilles optimaux basés sur Omega peuvent être associés aux paradigmes d'optimisation traditionnels en fonction du seuil choisi utilisé dans le calcul d'Omega. Enfin, nous présentons quelques contrôles de robustesse sur des bases de données d'actifs longs et de hedge funds qui confirment tous nos résultats généraux.

La mesure de la performance est l'un des sujets les plus étudiés dans la littérature financière. Depuis l'introduction du ratio de Sharpe en 1966, une grande variété de nouvelles mesures est apparue constamment dans les journaux scientifiques ainsi que dans les publications des praticiens. Les études les plus complètes et les plus significatives des mesures de performance ont été écrites jusqu'à présent par Aftalion et Poncet, Le Sourd, Bacon, et Cogneau et H übner. Une revue de la littérature la plus récente nous a conduit à rassembler plusieurs dizaines de mesures que nous classons en quatre familles. Nous présentons d'abord la classe des mesures relatives, en commençant par le ratio de Sharpe. Deuxièmement, nous analysons les mesures absolues, en commençant par la plus célèbre d'entre elles - l'alpha de Jensen. Troisièmement, nous étudions les mesures générales basées sur des caractéristiques spécifiques de la distribution des rendements, où les contributions pionnières sont celles de Bernardo et Ledoit, et de Keating et Shadwick. Enfin, la quatrième série concerne quelques mesures qui prennent explicitement en compte les fonctions d'utilité de l'investisseur.

L’axe principal de la thèse est centré sur des approches non-linéaires modernes d’analyse des données économiques et financières, avec une attention particulière sur les cycles économiques et les crises financières. Un consensus dans la littérature statistique et financière s’est établie autour du fait que les variables économiques ont un comportement non-linéaire au cours des différentes phases du cycle économique. En tant que tel, les approches/modèles non-linéaires sont requis pour saisir les caractéristiques du mécanisme de génération des données intrinsèquement asymétriques, que les modèles linéaires sont incapables de reproduire.À cet égard, la thèse propose une nouvelle approche interdisciplinaire et ouverte à l’analyse des systèmes économiques et financiers. La thèse présente des approches robustes aux valeurs extrêmes et à la non-stationnarité, applicables à la fois pour des petits et de grands échantillons, aussi bien pour des séries temporelles économiques que financières. La thèse fournit des procédures dites étape par étape dans l’analyse des indicateurs économiques et financiers en intégrant des concepts basés sur la méthode de substitution de données, des ondelettes, espace incorporation de phase, la m´méthode retard vecteur variance (DVV) et des récurrences parcelles. La thèse met aussi en avant des méthodes transparentes d’identification, de datation des points de retournement et de l´évaluation des impacts des crises économiques et financières. En particulier, la thèse fournit également une procédure pour anticiper les crises futures et ses conséquences.L’étude montre que l’intégration de ces techniques dans l’apprentissage de la structure et des interactions au sein et entre les variables économiques et financières sera très utile dans l’élaboration de politiques de crises, car elle facilite le choix des méthodes de traitement appropriées, suggérées par les données.En outre, une nouvelle procédure pour tester la linéarité et la racine unitaire dans un cadre non-linéaire est proposé par l’introduction d’un nouveau modèle – le modèle MT-STAR – qui a des propriétés similaires au modèle ESTAR mais réduit les effets des problèmes d’identification et peut aussi représenter l’asymétrie dans le mécanisme d’ajustement vers l’équilibre. Les distributions asymptotiques du test de racine unitaire proposées sont non-standards et sont calculées. La puissance du test est évaluée par simulation et quelques illustrations empiriques sur les taux de change réel montrent son efficacité. Enfin, la thèse développe des modèles multi-variés Self-Exciting Threshold Autoregressive avec des variables exogènes (MSETARX) et présente une méthode d’estimation paramétrique. La modélisation des modèles MSETARX et des problèmes engendrés par son estimation sont brièvement examinés.

La mesure de la performance est l'un des sujets les plus étudiés dans la littérature financière. Depuis l'introduction du ratio de Sharpe en 1966, une grande variété de nouvelles mesures est apparue constamment dans les journaux scientifiques ainsi que dans les publications des praticiens. Les études les plus complètes et les plus significatives des mesures de performance ont été écrites jusqu'à présent par Aftalion et Poncet, Le Sourd, Bacon, et Cogneau et H übner. Une revue de la littérature la plus récente nous a conduit à rassembler plusieurs dizaines de mesures que nous classons en quatre familles. Nous présentons d'abord la classe des mesures relatives, en commençant par le ratio de Sharpe. Deuxièmement, nous analysons les mesures absolues, en commençant par la plus célèbre d'entre elles - l'alpha de Jensen. Troisièmement, nous étudions les mesures générales basées sur des caractéristiques spécifiques de la distribution des rendements, où les contributions pionnières sont celles de Bernardo et Ledoit, et de Keating et Shadwick. Enfin, la quatrième série concerne quelques mesures qui prennent explicitement en compte les fonctions d'utilité de l'investisseur.