25 articles
Cet article étudie le partage de risques entre agents aux préférences hétérogènes modélisées par des mesures de risque de distorsion, en dérivant des solutions explicites pour les inf-convolutions non contraintes et contre-monotones dans des contextes où les agents peuvent être avides de risque.
Cet article propose un modèle stochastique continu étendant le cadre Gordon-Loeb pour déterminer les investissements optimaux en cybersécurité face à des attaques groupées modélisées par un processus de Hawkes, démontrant que la prise en compte de cette dynamique de regroupement permet des politiques d'investissement plus réactives et efficaces que les approches statiques ou basées sur un processus de Poisson.
Cet article démontre que, contrairement à l'intuition classique, la diversification peut accroître le risque de pertes extrêmes par rapport à une concentration aléatoire des actifs, notamment dans le cas de distributions à queue lourde avec une moyenne infinie.
Ce papier présente le cadre Slippage-at-Risk (SaR), une méthode prospective d'évaluation du risque de liquidité sur les marchés de contrats perpétuels qui, en quantifiant les coûts de glissement futurs et en intégrant des ajustements de concentration, permet de définir des exigences de capital optimales et d'anticiper les stress systémiques.
Cet article propose un cadre unifié permettant de reconstruire la structure multilayer de l'économie et d'évaluer la propagation des chocs de crédit à partir des bilans bancaires et des entreprises, en démontrant son efficacité sur le cas de l'Italie pour identifier les risques systémiques sans accès aux données de réseau privées.
Cette étude propose une méthode d'apprentissage par ensemble basée sur la régression par processus gaussiens pour prédire les rendements boursiers, démontrant une supériorité statistique et économique par rapport aux modèles existants tout en permettant la construction de portefeuilles optimaux tenant compte de l'incertitude des prédictions.
Cet article développe un cadre d'analyse non standard pour les mesures de risque cohérentes et leurs estimateurs, établissant des représentations hyperfinies et des formules de Kusuoka discrètes qui permettent d'établir la consistance uniforme, la validité du bootstrap et la normalité asymptotique des estimateurs plug-in spectraux.
Ce papier présente le cadre Calibrated Credit Intelligence (CCI), une approche de notation du risque de crédit qui combine des réseaux de neurones bayésiens, un gradient boosting contraint par l'équité et une fusion adaptative aux changements de distribution pour garantir des prédictions précises, bien calibrées et équitables dans des environnements de déploiement réels.
Le papier propose le cadre de régression générative antagoniste (GAR), qui apprend des scénarios de risque conditionnels en alignant les générateurs sur des objectifs de risque élicitables via une formulation minimax, démontrant ainsi une meilleure préservation du risque en aval sur les données du S&P 500 par rapport aux méthodes existantes.
Cet article propose un modèle de Markov caché hybride combinant des états discrets définis par des quantiles de Laplace et un mécanisme de sauts de Poisson pour générer des séries temporelles financières synthétiques qui reproduisent simultanément avec une grande fidélité les distributions à queues lourdes, la structure temporelle et les effets de grappes de volatilité, surpassant ainsi les modèles GARCH et HMM standards sur l'ensemble des métriques de qualité.
Cet article établit les caractérisations analytiques et les propriétés d'optimisation de la Mesure de Risque Généralisée Pondérée (WGRM) et du Quadrangle de Risque Pondéré (WRQ), démontrant leur capacité à synthétiser des évaluations de risques hétérogènes pour améliorer la prise de décision financière et la résilience des portefeuilles face aux scénarios de marché.
Cet article propose un modèle de contrôle stochastique à deux niveaux pour le market making dans les marchés RFQ routés par agrégateur, démontrant comment les dynamiques lentes des scores de performance des dealers, couplées à des portes de promotion non linéaires, peuvent générer des bifurcations et des comportements de hystérésis influençant les stratégies de citation optimales.
Cet article propose de nouvelles méthodes numériques à un et plusieurs niveaux, combinant l'inversion de Fourier et l'échantillonnage quasi-Monte Carlo randomisé (RQMC), pour estimer efficacement les risques de pénurie multivariés et leurs allocations optimales en exploitant la régularité accrue des intégrandes dans le domaine fréquentiel afin de surpasser les approches Monte Carlo classiques.
Cet article propose un cadre robuste pour la gestion du risque de mortalité en dérivant des bornes supérieures et inférieures pour les fonctionnels de la durée de vie, compatibles avec les tables de mortalité observées aux âges entiers, afin de quantifier l'impact des écarts par rapport aux hypothèses de mortalité sur la valorisation des contrats d'assurance.
Cet article propose une méthode d'évaluation sans arbitrage pour les réassurances de type « stop-loss » contre les catastrophes, en modélisant les sinistres par un processus de contagion dynamique composé et en utilisant la transformée d'Esscher pour déterminer des primes adaptées aux risques émergents tels que le changement climatique et les cyberattaques.
Cet article démontre que la sous-additivité de la Value-at-Risk (VaR) est impossible pour des variables aléatoires unilatérales sauf en cas d'additivité exacte, et établit des conditions structurelles de dépendance négative et de dominance du simplexe pour caractériser sa super-additivité.
Cet article caractérise la règle optimale de partage des risques dans un réseau décentralisé où seuls les agents connectés peuvent s'assurer mutuellement, établissant notamment un lien entre le partage égalitaire des risques et le laplacien du graphe.
Cet article vise à approfondir le débat sur la provisionnement des sinistres individuels en proposant une nouvelle méthodologie fondée sur la méthode chain-ladder classique, afin de surmonter les limites des approches existantes et d'établir une nouvelle norme pour la réserve au niveau micro.
Cette étude de référence propose une méthode d'analyse de survie pour modéliser la structure par terme du risque de dépréciation des prêts sous IFRS 9, démontrant que si un modèle de hazard discret en deux étapes surpasse les autres approches à deux étapes, un modèle unique reste optimal en raison de la distribution spécifique des pertes dans les données.
Cette étude présente deux cadres d'apprentissage par renforcement, RLOP et QLBS, conçus pour optimiser la couverture des options en minimisant les risques de déficit et en améliorant la stabilité financière, démontrant ainsi leur supériorité empirique par rapport aux modèles paramétriques traditionnels dans la gestion des risques de queue.