Comportements moutonniers, exposition aux risques extrêmes et prix des actifs financiers

Herd Behavior, Tail Risk Exposure and Asset Prices

• Auteur / Autrice : Maxime Nicolas
• Direction : Catherine Bruneau
• Type : Thèse de doctorat
• Discipline(s) : Sciences économiques
• Date : Soutenance le 20/01/2023
• Etablissement(s) : Paris 1
• Ecole(s) doctorale(s) : École doctorale d'Économie (Paris)
• Partenaire(s) de recherche : Laboratoire : Centre d'économie de la Sorbonne (Paris ; 2006-....)
• Jury : Président / Présidente : Gunther Capelle-Blancard
• Jury : Examinateurs / Examinatrices : Catherine Bruneau, Gunther Capelle-Blancard, Matthieu Garcin, François Longin
• Jury : Rapporteurs / Rapporteuses : Christophe Hurlin, Christophe Boucher

Mots clés

Mots clés contrôlés

Risque financier

Crises financières

Gestion du risque

Valeurs extrêmes, Théorie des

Risque de marché

Mots clés libres

Modèle d'agent

Sentiment des investisseurs

Comportements moutonniers

Réseaux sociaux

Coefficient de dépendance de valeurs extrêmes

Estimation non paramétrique

Copule

Analyse des valeurs extrêmes

Pricing d'actifs

Agent-Based Model

Investor Sentiment

Herding Behavior

Social Network

Tail dependence coefficient

Nonparametric estimation

Copula

Extreme values

Asset Pricing

Résumé

Cette thèse de doctorat s'articule en trois chapitres qui traitent des comportements moutonniers, de la mesure de la sensibilité aux krachs financiers et de son impact sur les rendements financiers. Chacun de ces articles apportent une contribution méthodologique autour du risque de marché. Plus précisément, ils constituent des éléments de réponse à ces trois questions : Comment se forme le risque sur les marchés ? comment et avec quelle mesure peut-on mesurer le risque ? Est-ce que le risque est incorporé dans les rendements financiers ? Le premier chapitre consiste en l’estimation d’un modèle d’agent décrivant la contagion du sentiment des investisseurs qui interagissent entre eux. A l’aide d’une analyse textuelle des messages publiés sur le réseau social StockTwits, la dynamique du sentiment des investisseurs est estimée pour des actifs financiers et des cryptos monnaies parmi les plus discutés sur la plateforme. Ce premier chapitre apporte des éléments d’observation empiriques sur le lien entre l’intensité de la contagion et le niveau de risque sur les marchés. Le deuxième chapitre développe une méthode théorique pour l’estimation de la dépendance de valeurs extrêmes, en finance, cette mesure traduit la probabilité d’observer un krach simultané entre deux actifs. La crédibilité de la méthode est testée sur différentes données de simulations pour comparer sa performance par rapport à d’autres estimateurs. Une application sur la dépendance des valeurs extrêmes entre les rendements de l’indice des marchés US et les rendements des indices de marchés internationaux est également donnée. Le troisième chapitre propose de réexaminer des études récentes qui mesurent l’effet de la sensibilité aux krachs sur les rendements des actifs financiers. La sensibilité aux krachs est donnée par la dépendance de valeurs extrêmes étudiée au chapitre précédent. Après avoir étudié un potentiel biais dans les estimations paramétriques et non paramétriques qui apparaissent lorsque qu’on a de fort niveau de corrélation, les précédentes études sur les rendements financiers sont reproduites. En incorporant le biais dans les analyses des précédents papiers, les effets significatifs sur les rendements précédemment documentés disparaissent.

This thesis is constituted of three chapters on herding behaviors, the measure of crash risk sensitivity and its impact on financial asset returns. Each of this article provides a methodological and empirical contribution about risk in financial markets. More precisely, they provide answers to the following questions: Where does the risk in financial markets come from? How to measure the risk in financial markets? Is the risk incorporated in financial returns? The first chapter is dedicated to the estimation of an Agent Based Model that describes herding behavior in the formation of investors sentiment. With the use of textual analysis of investors messages published on the social media StockTwits, the dynamic of investors sentiment is estimated for some of the most discussed financial asset and cryptocurrencies on the platform. This first chapter provides empirical observation that high levels of contagion are associated with higher levels of risk observed in financial returns. The second chapter develops a theoretical method to estimate the extreme value dependency, in finance, this measures the probability of a joint crash between two financial assets. The usefulness and performance of the proposed estimator is tested in a simulation framework against multiple distributions. An empirical application is provided to measure the extremal dependence between the returns of the US market and other international markets returns. In the third chapter we proposed to reexamine recent studies that provide evidence that the crash sensitivity impacts financial returns. The crash sensitivity in those corresponding studies is measured with the extremal dependence, presented in the previous chapter, between the asset returns and the market returns. After having presented potential biases in the parametric and non-parametric estimators when there is a high level of correlation, we replicate the studies dedicated to demonstrate the relationship between crash risk exposure and future excess returns. We proceed by showing that these results do not hold when we control for the correlation coefficient and other past returns behavior.