Inférence pour des mesures du risque systémique d'un système de grande taille à dimension temporelle modérée

Inference for measures of systemic risk of a large system with moderate temporal dimension

• Auteur / Autrice : Louis Briens
• Direction : Jean-Michel Zakoian, Christian Francq
• Type : Projet de thèse
• Discipline(s) : Mathématiques appliquées
• Date : Inscription en doctorat le 02/09/2024
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de mathématiques Hadamard (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : CREST - Centre de recherche en économie et statistique
• Partenaire(s) de recherche : Equipe de recherche : Pôle de Finance Assurance

Mots clés

Mots clés libres

Mesures de risque systémique

Modélisation financière

Analyse en panel

Garch

Systemic Risk Measures

Financial Modeling

Panel Analysis

Garch

Résumé

Le projet de recherche propose une contribution à l'analyse statistique et économétrique des mesures du risque systémique, axée sur un système financier composé de N actifs. L'objectif est d'inférer ces mesures de risque, telles que la CoVaR, dans un contexte dynamique avec une dimension temporelle modérée. Les principales approches actuelles, comme la méthode semi-paramétrique de Cantin, Francq et Zakoian (2023), présentent des limitations, notamment pour des niveaux de risques extrêmes et un historique limité. Le projet explore trois axes de recherche. Tout d'abord, l'utilisation de modèles paramétriques flexibles, tels que les mélanges de normales ou les Student t asymétriques, pour les innovations afin de permettre une meilleure modélisation des queues épaisses. Ensuite, la mise en œuvre de la procédure GARCH regroupée pour une estimation groupée des volatilités, adaptée aux contextes avec un grand nombre d'actifs et un historique temporel limité. Enfin, une comparaison avec des méthodes statistiques standard, notamment les modèles à facteurs et les méthodes d'estimation pénalisées de type Lasso. La recherche envisagée s'appuie sur des techniques statistiques avancées, telles que la variance targeting, et vise à étendre les résultats théoriques existants pour les adapter au contexte dynamique et à la dimension temporelle restreinte. En fin de compte, le projet vise à améliorer la compréhension et l'inférence des mesures de risque systémique dans des systèmes financiers de grande taille mais avec une disponibilité limitée de données temporelles.

The research project proposes a contribution to the statistical and econometric analysis of systemic risk measures, focusing on a financial system composed of N assets. The goal is to infer these risk measures, such as CoVaR, in a dynamic context with a moderate time dimension. Current approaches, like Cantin, Francq, and Zakoian's (2023) semi-parametric method, have limitations, especially for extreme risk levels and limited historical data. The project explores three research axes. Firstly, the use of flexible parametric models, such as normal mixtures or asymmetric Student t distributions, for innovations to allow better modeling of fat tails. Secondly, the implementation of the pooled GARCH procedure for grouped estimation of volatilities, suitable for contexts with a large number of assets and limited time history. Finally, a comparison with standard statistical methods, including factor models and Lasso-type penalized estimation methods. The envisaged research relies on advanced statistical techniques, such as variance targeting, and aims to extend existing theoretical results to adapt them to the dynamic context and limited time dimension. Ultimately, the project aims to improve the understanding and inference of systemic risk measures in large-scale financial systems with limited temporal data availability.