WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Mesure du risque de marché et théorie des valeurs extrêmes

( Télécharger le fichier original )
par Jean MEILHOC
INSEEC - Master II 2012
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

II. SECTION EMPIRIQUE

Ce mémoire de recherche appliquée fut réalisé à partir de données diffusées sur Bloomberg®. L'estimation des taux de rentabilités anormales et le calcul des lois de valeurs extremes appliquées à la Value-at-Risk font l'objet de deux sous-parties. Nous distinguerons donc d'une part l'estimation des fréquences anormales, représentant sta tistiquement l'état de crise, et d'autre part la performance ajustée du risque liée aux valeurs extremes.

II.I MESURE DES FRÉQUENCES ANORMALES

II.I.1 PROCESSUS

Nous nous sommes intéressés aux cours journaliers spot des 30 valeurs composant le Dow Jones Industrial Average. La première chronique dans laquelle nous calculons les taux de rentabilités normales avant crise couvre la période du 13/06/2006 au 15/06/2007, soit 7 620 observations alors que la deuxième, d'oü sont évaluées les rentabilités anormales, se déploie sur une période allant du 02/07/2007 au 01/02/2010, soit 19 560 observations. Nous aurons donc à étudier 27 180 données totales.

Ce choix est justifié pour trois raisons:


· La période d'échantillonnage avant crise représente une année boursière. Plus le nombre d'observations augmente, plus la représentation graphique de la variance s'aplatira, ce qui aura pour effet de donner une

39

volatilité moyenne biaisée , que l'on utilise l'un ou l'autre des modèles .

3 9 Nous avons étudié le modèle de moyenne et le modèle de marché. Pour plus d'information, voir section I.I.2.1 Modèles théoriques

Il est justifié d'user de pragmatisme quant à la précision et la représentation des données utilisées. De plus, il serait hâtif de se précipiter sur un nombre de données plus important dans le sens oü il n'est pas très adéquate d'y incorporer l'instabilité de variance dü à une autre crise antérieure.

· Les tests de cohérence statistiques ont tous pour particularités d'être asymptotiquement normales avec N ~ (0, 1). Cette convergence est qualifiée à partir du moment oü le nombre de jours post-crise est grand et que le nombre N de valeur étudiée est supérieur ou égal à 3040. Ainsi, les 30 valeurs du DJIA et le nombre important de données sont en accord avec les statisticiens.

· Pour des raisons de programmation en Visual Basic, nous avons préféré laisser un espace-temps de 10 séances boursières entre la période de temps dite normale et celle de la crise des Subprimes. Ce laps de temps fut fixé de facon arbitraire.

· La crise des Subprimes a véritablement commencé entre juillet et aoüt 2007. Pour des raisons de cohérence et parce que les experts semblent divergents quant à la date précise de commencement

de la crise, et parce que cela ne peut être absolument incontestable, notre étude commence le 02/07/2007 et fini début 2010. Il s'agit d'une période particulièrement volatile sur l'ensemble des marchés financiers, ce qui nous conforte dans le choix de cet échantillonnage.

40 Ces indications ont été mises en place par Brown, Warner, Pattel et Boehmer afin d'assurer la fiabilité et la robustesse de l'étude.

6/13/2006 6/13/2007 6/13/2008 6/13/2009 6/13/2010

100

10

 
 

N A (T)

Statistiques préliminaires

Nous avons réalisé une étude statistique préalable sur 4 titres de natures différentes, afin de mieux appréhender nos rentabilités anormales. Nous allons étudier 651 observations par titre, du 02/07/2007 au 01/01/2010, soit 2 604 données. Impacté par la crise des Subprimes et par une forte volatilité des cours, nous avons sélectionné:

· Le DJIA

· Bank Of America

· IBM

· Exxon

Le DJIA est calculé en fonction de la moyenne des fluctuations des 30 titres le composant. Il peut être un bon indicateur de moyenne pour l'ensemble du marché. Cependant, ces variations sont par définition lissées en fonction des différentes sensibilités des titres concernés. Bank Of America, IBM et Exxon ont été choisis d'une part, par leur importance en terme de capitalisation et d'autre part, par leurs différences sectorielles les unes des

autres. Nous avons donc un échantillon restreint, mais représentatif du marché américain. Les tableau x ci-dessous permettent de résumer les principaux états statistiques des différents titres :

TAB 1: Statistiques DJIA

Rentabilités Rentabilités Rentabilités de

anormales normales l'étude

Stat.

Distr.

Ecart (A)

Stat.

Distr.

Nobs Moyenne

Médiane Ecart-Type Maximum Minimum

Skewness
Kurtosis
Jarque-Bera

AMoyenne - Médiane

AN(x) Moyenne

AN(x) Ecart-Type

AN(x) Skewness

AN(x) Kurtosis

TAB 2: Statistiques BOfA

Nobs Moyenne

Médiane Ecart-Type Maximum Minimum

Skewness
Kurtosis
Jarque-Bera

AMoyenne - Médiane

AN(x) Moyenne

AN(x) Ecart-Type

AN(x) Skewness

AN(x) Kurtosis

651 -0,04% 0,03% 1,84% 10,51% -8,20%

253 0,09% 0,08% 0,62% 1,96% -3,35%

905 -0,01% 0,06% 1,59% 10,51% -8,20%

0,11355

-0,62499

0,05665

5,39216

4,05181

7,67157

1,57E+02

2,81E+01

8,23E+02

-0,08%

0,01%

-0,06%

0,044%

-0,090%

0,008%

-0,837%

0,378%

-0,593%

-0,11355

0,62499

-0,05665

-2,39216

-1,05181

-4,67157

 
 
 

Rentabilités

Rentabilités

Rentabilités de

anormales

normales

l'étude

651

253

905

-0,17%

0,03%

-0,12%

-0,13%

0,06%

-0,04%

6,26%

0,83%

5,33%

30,21%

3,07%

30,21%

-34,21%

-3,84%

-34,21%

-0,11217

-0,21515

-0,15918

6,87582

3,31565

10,53018

4,09E+02

3,00E+00

2,14E+03

-0,04%

-0,03%

-0,09%

0,174%

-0,033%

0,123%

-5,261%

0,172%

-4,327%

0,11217

0,21515

0,15918

-3,87582

-0,31565

-7,53018

 

Ecart (A)

49

TAB 3: Statistiques IBM

Nobs Moyenne

Médiane Ecart-Type Maximum Minimum

Skewness
Kurtosis
Jarque-Bera

AMoyenne - Médiane

AN(x) Moyenne

AN(x) Ecart -Type

AN(x) Skewness

AN(x)Kurtosis

Stat.

Distr.

Ecart (A)

TAB 4: Statistiques Exxon

Nobs Moyenne

Médiane Ecart-Type Maximum Minimum

Skewness
Kurtosis
Jarque-Bera

Ecart (A)

AMoyenne - Médiane

AN(x) Moyenne

AN(x) Ecart-Type

AN(x) Skewness

AN(x) Kurtosis

 

Stat.

Distr.

Rentabilités anormales

Rentabilités normales

Rentabilités de

l'étude

651 0,04% 0,05% 1,93% 10,90% -6,10%

253 0,16% 0,08% 1,13% 8,96% -3,35%

905 0,06% 0,06% 1,73% 10,90% -6,10%

0,22614

1,80300

0,28681

3,11525

14,92480

4,51118

5,91E+00

1,64E+03

9,85E+01

-0,02%

0,08%

0,00%

-0,037%

-0,156%

-0,062%

-0,934%

-0,127%

-0,732%

-0,22614

-1,80300

-0,28681

-0,11525

-11,92480

-1,51118

 
 
 

Rentabilités

Rentabilités

Rentabilités de

anormales

normales

l'étude

651

253

905

-0,04%

0,17%

0,02%

-0,01%

0,20%

0,06%

2,39%

1,21%

2,13%

15,86%

3,64%

15,86%

-15,03%

-4,85%

-15,03%

0,17919

-0,39195

0,11030

9,46848

0,84258

11,30631

1,14E+03

5,55E+01

2,60E+03

-0,02%

-0,03%

-0,04%

0,036%

-0,172%

-0,019%

-1,387%

-0,211%

-1,126%

-0,17919

0,39195

-0,11030

-6,46848

2,15742

-8,30631

 

Nous pouvons établir plusieurs commentaires:


· La loi normale standard défend l'idée que la moyenne et la médiane sont confondues. Il existe une différence de 0.08 pour DJIA montrant que les

50

critères ne sont pas respectés. Il en va de méme pour les autres titres présentés.

§? L'écart-type moyen ne para»t pas très élevé. Pourtant, nous assistons à des extremes importants:

· DJIA: De +10.51% pour le maximum et de -8.20% pour le minimum

· Bank Of America : De +30.21% pour le maximum et de -34.21% pour le minimum

· IBM: De +10.90% pour le maximum et de -6.10% pour le minimum

· Exxon: De +15.86% pour le maximum et de -15.03% pour le minimum

§? Il est intéressant de noter que les mesures d'asymétrie (Skewness) et d'aplatissement (Kurtosis), sous l'hypothèse de normalité, prennent respectivement les valeurs 0 et 3. Ici, ces deux paramètres sont respectivement ?0 et >3, laissant apparaitre un caractère leptokurtique des cours et la formation empirique de queue de distribution épaisse par rapport à la loi normale. Le skewness est positif pour l'ensemble des titres à l'ex ception de Bank of America, montrant qu'il y a une quantité importante de petits mouvements à la hausse et de grands déplacements à la baisse.

· Le test de normalité de Jarque-Bera41 est différent de 0 pour l'intégralité des valeurs. Il rejette donc l'hypothèse nulle de normalité pour n'importe quel niveau de pertinence.

En résumé, cette première étape nous permet de rejeter l'hypothèse de normalité et de comprendre qu'il existe effectivement des extremes conséquents.

4 1 Le test de Jarque Bera cherche à déterminer si une suite de variables aléatoires suit une

2

loi de distribution normale. Cette statistique suit asymptotiquement une loi du ֈ deux

!!!

6(s +!!!!!),

degrés de liberté. Nous avons JB= ou n est le nombre d'observations, k

le nombre de variables explicatives, s le skewness (moment d'ordre 3 d'une variable centrée-réduite) et K le kurtosis (moment d'ordre 4 d'une variable centrée-réduite). La statistique de JB indique qu'une suite de variable suit une loi normale lorsqu'elle s'approche de 0.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Nous voulons explorer la bonté contrée énorme où tout se tait"   Appolinaire