Essays on Collateral and Central Counterparties
Notice bibliographique
Résumé
The collateral systems commonly employed by many derivatives central counterparties (CCPs), such as the Standard Portfolio Analysis of Risk (SPAN) or the Value-at-Risk (VaR) approach, fail to consider the loss dependence of their clearing members. As a consequence, CCPs are often left exposed to simultaneous extreme losses that could undermine their stability and that of the entire financial system. In this context, this thesis proposes two new collateral methodologies that address this problem. Chapter 2 uses copulas to develop a methodology that accounts for the tail dependence of market participants. This method allows individual margins to increase when clearing firms are more likely to suffer simultaneous extreme losses; thus, reducing the probability and shortfall associated with joint margin exceedances. Chapter 3 proposes a collateral methodology, called CoMargin, which generalizes the VaR approach to a multivariate setting. This method targets and stabilizes the conditional probability of financial distress across clearing members, can be generalized to any number of market participants and can be backtested using formal statistical tests. The empirical sections of Chapter 3 use proprietary data from the Canadian Derivatives Clearing Corporation (CDCC), which include daily observations of the actual trading positions of all of its members from 2003 to 2011. This dataset is the first one of its kind in the economics and finance literature and opens the door to the development of new models that do not have to rely on the strong assumptions made in the past about the trading behaviour of market participants.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».