Impact des cygnes noirs sur le calcul de la valeur à risque
Notice bibliographique
Résumé
Les crises constituent des situations qui entraînent des surprises qui échappent souvent au contrôle des décideurs. Ainsi, des outils sont créés afin de gérer les risques autour des activités financières. Au cours de ces dernières décennies, la Valeur à Risque est un des outils utilisés pour calculer le risque encouru par une entreprise ou dans un portefeuille. Cependant, ce dernier ne tient pas compte des événements des queues de la distribution. Les krachs, les bulles font partie des événements qui affectent la richesse des investisseurs. Parmi ces événements, il y en a qui ne sont pas prévisibles, certains pensent même qu’ils sont improbables. Ces derniers qui sont si rares entraînent des conséquences désastreuses quand ils sont des événements à portée négative. Lorsqu’ils sont rares, imprévisibles et avec des conséquences énormes ils sont appelés des cygnes noirs. De ce fait, cette étude se propose d’analyser l’impact des cygnes noirs sur le calcul de la Valeur à Risque sur le marché boursier de Toronto. Dans ce travail, la crise de 2007 qui a conduit à la récession de 2008-2009 est considérée comme événement cygne noir. Ainsi, le calcul de la Valeur à Risque se fait sous des hypothèses classiques et en présence des cygnes noirs. Pour étudier l’impact des cygnes noirs sur la richesse des actionnaires la méthode de l’étude d’événements est utilisée. Cette étude porte sur la période du 13 mars 2001 au 31 décembre 2018. Cette étude pourrait contribuer à faire avancer la connaissance par la façon d’appliquer les tests non paramétriques sur la période d’estimation en utilisant les rendements anormaux journaliers. Les résultats montrent que les quantiles sont sous-estimés sous les hypothèses normales. Lorsqu’il y a les cygnes noirs, la VaR est un outil déficient puisqu’elle ne tient pas compte des événements des queues de la distribution. En outre, la crise de 2007 a un impact sur la richesse des investisseurs puisqu’elle a finalement gagné toute l’économie et conduit à une baisse des investissements. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Valeur à Risque, cygne noir, queue épaisse, volatilité, leptokurtosis, étude d’événements
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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 tête enseignante, 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 ».