Nouveaux défis et nouveaux horizons
|
|
- Carole Couture
- il y a 2 ans
- Total affichages :
Transcription
1 : Nouveaux défis et nouveaux horizons Horizon Maths 2013 Fondation des Sciences Mathématiques de Paris
2 En collaboration avec Marco AVELLANEDA (New York University) Lakshithe WAGALATH (Doctorant LPMA- Univ Paris VI) Adrien DE LARRARD (Doctorant LPMA- Univ Paris VI) Andreea MINCA (Cornell University) Hamed AMINI (EPFL, Lausanne) Equipe de Stabilité Financière, Banque Centrale de Norvège Division Stabilité Financière, Banque d Angleterre
3 La modélisation statistique des risques financiers La pratique de la mesure, gestion et la régulation des risques financiers est dominée par le paradigme de la modélisation statistique des prix de marché des instruments financiers. Cette approche représente les rendements des actifs financiers (prix, taux de change, taux d intérêt,indices,...) comme des variables aléatoires dont le modèle spécifie la distribution Cette loi est ensuite estimée sur des données de rendements (journaliers, haute fréquence,...) et utilisée pour calculer ou simuler la distribution des pertes de portefeuilles, mesurer leur risque, les optimiser, valoriser les contrats financiers (produits dérivés), simuler des scéarios de stress,.. Des dizaines de milliers de variables, des freéquences d observations allant de 10 3 s à 10 4 (jour) Une grande variété de modèles statistiques: modèles à facteurs statiques Gaussiens, modèles GARCH, modèles de di usion, processus de Lévy, processus à sauts,...
4 La modélisation statistique des risques financiers Néanmoins tous ces modèles statistiques de risque ont certains traits en commun: Représentation des risques de marché comme aléa exogène. La modélisation statistique des rendements: facteurs de risque = rendements d indices, d instruments de référence. Hypothèse de stationnarité: le comportement statistique du marché dans le passé prédit son comportement statistique dans le futur. Linéarité des prix: valeur de 100 contrats = 100 x valeur d un contrat... Modélisation des variations de prix/valeur de marché, par opposition à la valeur liquidative. Représentation et calcul des risques au niveau de portefeuilles statiques: Value at Risk, capital réglementaire,...
5 Ces modèles statistiques ont, à plusieurs reprises, failli lorsque confrontés à des crises de marché: Krach de 1987 La faillite du fonds LTCM (1998) La crise des subprimes et la perte de diversification des investisseurs institutionnels Quant crash d Aout 2007: grosses pertes de - 20% / jour pendant 3 jours consecutifs dans les hedge funds neutres au marché investis dans les actions américaines. La turbulence de marché suite au défaut de Lehman Brothers en Sept 2008 La Baleine de Londres : perte de > 5 Millards $ lors du débouclage des Credit Default Swaps de JP Morgan E ets de contagion de la crise de l Euro: Grèce, Chypre,... Ces situations sont caracterisées par des variations soudaines / décrochages de prix et de paramètres de volatilités et corrélations des facteurs de risque: changement de régime?
6 /01/ /01/ /01/ /01/2010 Figure: EWMA average correlation in Eurostoxx 50 returns,
7 Correlations among US stock returns, 2008
8 The Quant crash of August 2007 (Lo & Khandani, 2009). Flash Crash: Intraday evolution of prices and transaction volume on IBM Shares, May 6, : Measuring and modeling systemic risk
9 Correlation between subprime ABX index returns and SP500 returns: negative before 2006, positive after 2007! Longstaff (2009): The subprime credit crisis and contagion in financial markets.
10 S&P 500 Eurostoxx Collapse of Lehman Brothers Feb Mar Apr May Jun Jul Aug Sep Oct Nov Figure: EWMA average correlation among SPDRs and Eurostoxx 50
11 La modélisation quantitative face aux crises Dans tous ces exemples un événement de marchéfait passer abruptement d un régime de comportement de marché calme à un régime turbulent. Les modèles statistiques usuels n ont pas d explication convaincante ni pour les fluctuations anormales observées ni pour leur concentration dans le temps et les règles de couverture et de gestion optimale qui en découlent ont échoué dans ces cas.
12 La modélisation quantitative face aux crises Dans tous ces exemples un événement de marchéfait passer abruptement d un régime de comportement de marché calme à un régime turbulent. Les modèles statistiques usuels n ont pas d explication convaincante pour ces fluctuations anormales et leur concentration dans le temps et les règles de couverture et de gestion optimale qui en découlent ont échoué dans ces cas. Face à ces exemples, l argument qui consiste à dire que les modèles ont été utilisés hors de leur contexte n est pas tenable: qui veut un parapluie qui ne fonctionne pas quand il pleut? Au contraire: nous pensons que, loin d être des aberrations ( outliers ), ces exemples fournissent la clé pour explorer de meilleures approches de modélisation.
13 Cygne Noir : une contre vérité qui arrange (certains)? (avec nos excuses à Nassim Taleb et Al Gore) Il est convenable (ex-post) d appeler de tels événements des risques totalement imprévisibles ou cygnes noirs : cela a le mérite d enlever toute responsabilité aux gestionnaires de risques, régulateurs et modélisateurs... Cette position est renforcée par certains pourfendeurs des mathématiques qui, sans comprendre l enjeu de la modélisation quantitative des risques, en profitent pour dire que tout système humain échappe à la modélisation mathémtique. Nous essaeirons d argumenter, au contraire, que l échec des modèles statistiques de risques n est pas tant dû à des occurrences parfaitement imprévisibles mais à des mécanismes économiques prévisibles que l on peut modéliser de façon déterministe et qui permettent de comprendre de démystifier ces cygnes noirs...
14 Le défi de la Haute Fréquence Une idée simple: l impact des transactions sur le prix Les transactions de grande taille, notamment d investissuers institutionnels, influencent le prix de marché. Ce phenomène bien documenté est connu sous le nom d impact d un ordre sur le marché: il peut être modélisé de façon linéaire ou non linéaire (Obizhaeva 2008; Cont Kukanov Stoikov 2010): après une transaction de taille X le prix varie selon S(t + t) S(t) S(t) = (t)+i ( X ) r(t): variable aléatoire (bruit) représentant l aggrégation des autres facteurs influencant le prix I (.): price impact function/ price elasticity of demand measures the market depth.
15 Liquidity and market impact Amodelforfiresales Conclusions A stylized model of fire sales Endogenous risk Spillover e ects Consider a large institutional investor with positions i in asset (classes), with prices S i (t) S i (t) = X j A ij j (t) A ij reflect historical /normal volatilities/correlations. Fund value V (t) = P i S i (t)) We want to model how fire sales in such a portfolio impact price dynamics, realized volatility and realized correlations of assets liquidated by the fund. Endogenous correlation: institutional investors and the dependenc
16 Liquidity and market impact Amodelforfiresales Conclusions A stylized model of fire sales Endogenous risk Spillover e ects Market stress : Fund value drops to V (t) < V (t) If loss V (t) V (t) exceeds a threshold (linked to capital requirements, liquidity ratios or performance with respect to a benchmark) fund liquidates positions over horizon T. Liquidation strategy: X (t) =(X 1 (t),...,x n (t)) with X i (0) = i, X i (T )=0 Market impact of liquidation: S i (t) S i (t) = X j Market impact z } { Xi (t) A ij j (t)+ I i i (t): risk factors, A ij = factor loadings, i market depth. Endogenous correlation: institutional investors and the dependenc
17 Liquidity and market impact Amodelforfiresales Conclusions Deleveraging schedule Endogenous risk Spillover e ects Portion of the fund liquidated Drop in fund value 1 Fund value Figure: As fund value drops, manager/investors exit their positions: this is modeled by a liquidation schedule f (.): X i (t) = i f (V (t)/v (0)) Endogenous correlation: institutional investors and the dependenc
18 Death spiral: endogenous collapse
19 Statistical risk models Liquidity and market impact Fixed mix strategies Distressed selling Conclusions Endogenous risk Spillover e ects Fundamentally uncorrelated assets can correlate during liquidation! with feedback without feedback Figure: Distribution of realized correlation between the two securities (with = 0) with and without feedback Channels e ects of Contagion due to distressed selling
20 Figure: Distribution oframa correlation CONT inchannels scenarios of Contagion where fund defaults. Statistical risk models Liquidity and market impact Fixed mix strategies Distressed selling Conclusions Endogenous risk Spillover e ects Simulation example: 3 uncorrelated asset classes 0.09 Realized correlations during liquidity spiral
21 Introduction Amulti-assetmodelofpriceimpactfromdistressedselling Numerical experiments Di usion limit and realized correlation Endogenous risk and spillover e ects Di usion limit Theorem Under the assumption that f 2 C 3 b such that sup jxf 0 (x)j < min and that E(j j 4 ) < 1, S ( ) bt= c P t =(Pt 1 ;:::Pt n ) t when goes to 0 where i i converges weakly towards a di usion dp i t P i t = i (P t )dt +( (P t )dw t ) i 1 apple i apple n i(p t )= i f 00 ( V t ) < t; t > 2 i V 0 V 2 0 ; i;j(p t )=A i;j + i i f 0 ( V t V 0 ) (At t ) j V 0 t =( 1 Pt 1 ;:::; n Pt n ) t is the (dollar) allocation of the fund V t = X i Pt i is the value of the fund Rama1appleiapplen CONT and Lakshithe WAGALATH Running for the Exit: Distressed Selling and Endogenous Correlat
22 Introduction Amulti-assetmodelofpriceimpactfromdistressedselling Numerical experiments Di usion limit and realized correlation Endogenous risk and spillover e ects Realized covariance Proposition The realized covariance between securities i and j between 0 and t is equal to 1 R t t 0 C s i;j ds, wherecs i;j, the instantaneous covariance between i and j, is given by: C i;j s = i;j + j j f 0 ( V s V 0 ) ( s) i V 0 + i i f 0 ( V s V 0 ) ( s) j V 0 + i j with s =( 1 P 1 s ;:::; n P n s ) t. i j (f 0 ) 2 ( V s V 0 ) < s; s > V 2 0 Realized covariance is path-dependent. It is the sum of a fundamental covariance and a liquidity-dependent excess covariance Ramaterm. CONT andthe Lakshithe impact WAGALATH of therunning liquidation for the Exit: of Distressed a fund Selling isand Endogenous Correlat
23 Black Swans Asimplemodelforendogenousrisk Simulation examples Di usion limit and realized correlation Endogenous risk and spillover e ects Spillover e ects Consider now a small fund with (dollar) positions µ t =(µ 1 t P 1 t,...,µ n t P n t ) t. Proposition When a large fund with positions liquidates its positions, the small fund experiences a volatility given by < µ t, µ t > + 2 V 0 f 0 ( V t V 0 ) < µ t, t ><, µ t > + 1 V0 2 (f 0 ( V t )) 2 < t, t > (<, t µ >) 2 V 0 where =( 1 1,..., n n )t represents the positions of the fund in each market as a fraction of the respective market depth. Modeling Black Swans
24 Statistical risk models Liquidity and market impact Fixed mix strategies Distressed selling Conclusions Endogenous risk Spillover e ects Portfolio overlaps as a factor for contagion Excess volatility generated by price-mediated contagion is driven by the overlap between portfolios, weighted by market depth: <, µ t >= X i µ i i P i i In particular, under the orthogonality condition: <, µ t >= X 1appleiapplen i i µ i tp i t =0 distressed selling in fund does not a ect fund µ s variance! If all assets equally liquid! a dollar neutrality condition. On the contrary, contagion is maximized when allocations have large overlap. Channels of Contagion
25 Le défi de la Haute Fréquence Risque endogène: implications pour la régulation Existence de règles autodestructrices: certaines contraintes imposées sur le capital ou fonds propres des banques peuvent, dans un scénario de crise, les pousser à déboucler simultanément et rapidement leurs portefeuilles, amplifiant ainsi les instabilités de prix et générant une instabilité systémique. La contagion d un portefeuille à l autre étant fonction de leur overlap, plus les portefeuilles sont diversifiés (ce qui est en principe bénéfique pour leur risque), plus on crée des couplages entre di érents marchés... Diversification vs diversité: en e et, la contagion est maximale dans un marché où tous les portefeuilles sont diversifiés de façon similaire, donc alignés. A l opposé, le risque systémique est diminue avec la diversité des portefeuilles.
26 Applications Le défi de la Haute Fréquence Incorporation du risque endogène dans les modèles de risque de portefeuille. Etude/simulation de l impact sur le marché de la liquidation d un grands fonds Simualtion de scénarios de stress systémiques tenant compte de la contagion et le risque endogène résultant Modélisation du lien entre liquidité et risque de marché. Chantiers en cours avec: Equipe de Stabilité Financière, Banque Centrale de Norvège Division Stabilité Financière, Banque d Angleterre
27 Le défi de la Haute Fréquence Le défi de la Haute Fréquence Ces problèmes sont rendus plus complexes dans les marchés électroniques où divers types d intervenants envoient des ordres sur une large gamme de fréquences, allant da la milli-seconde (trading haute fréquence) au mois (fonds de pension, assurances). Ordres de vente et achat centralisés dans un carnet d ordre électronique qui éxecute les ordres selon des règles de priorité en temps et en prix et génère une suite de prix de transaction. BigData : plusieurs TeraOctets de messages envoyés par les intervenants de marché chaque jour Dynamique discrète à haute fréquence ( sec): prix déterminés par le flux d ordre dans le carnet (modèles de file d attente: C & Larrard, 2011, 2012) Dynamique de type di usion à basse fréquence (heure, jour) Dynamique intermédiaire plus complexe: coexistence de variables di usives ( homogénéisées) et discrètes (composante basse fréquence): liquidité finie + volatilité.
28 Motivation Limit order book Estimation Conditional probabilities Conclusion Alimitorder Rama Cont and Adrien LARRARD Stochastic modeling of limit order books: high-frequency dynamics and di usio
29 Limit Order book: average profile
30 Tracking traders in the LOB
31 Le défi de la Haute Fréquence Classification des types de flux d ordre Etude des données de la CFTC (Cont, Kukanov, Vinkovskaya 2012) Données brutes de message en format FIX avec identifiant du participants de marché Classification des flux d ordres des participants avec des critères statistiques: algorithme CART (Breiman et al). Cette classification montre une division claire en catégories, Traders Haute Fréquence: fréquence 10 3 s,n accumulent pas d inventaire, ordres allant en haut du carnet, bcp d annulations (> 80%) en vrac Teneurs de marché (market makers) Acheteurs et vendeurs directionnels à basse fréquence : longues séquence d ordres dans le meme sens Existence de plusieurs échelles de temps
32 Le défi de la Haute Fréquence La gamme des échelles de temps en finance Régime Echelle de temps Sujets Ultra-haute fréquence s Microstructure, Latence Haute Fréquence (HF) s Execution d ordres Journalier s Stratégies de trading, Couverture des risques L existence de cette hierarchie suggère l emploi de méthodes asymptotiques pour relier les dynamiques à di érentes fréquences. Idée: partir d une description statistique du flux d ordre à échelle fine et en déduire l asymptotique de la dynamique de marché à des échelles plus grandes Analogie avec les limites hydrodynamiques des modèles de particules en physique.
33 Le défi de la Haute Fréquence Représentation du carnet d ordre comme une paire de mesures (aléatoires) N =( N, N +) representant le nombre et l emplacement des ordres de vente et achat dans le carnet d ordre. Theorem (Dynamique d un marché multi-fréquence) Sous des hypothèses d échelle (correspondant aux observations empiriques) lorsque le nombre d intervenants N!1, lecarnet N =( N, +) N converge faiblement vers une paire de mesures avec densités ( +, (t, x),, (t, x), t 0, x > 0) solution d un problème aux frontières libres b x < S t ; + (x) =0 x > S t x > S t ; + (x) =0 x < S t ds t = + {z } Demande agrégée
34 Le défi de la Haute Fréquence Comportement du carnet dans un marché multi-fréquence Problème de Stefan avec terme de bruit blanc à la frontière libre. Version stochastique du modèle de formation de prix étudié par Lasry & Lions (2007), Ca arelli et al (2012) Fournit une fondation micro-structurel du modèle de Lasry & Lions (2007) Permet d étudier l impact du trading haute fréquence sur la stabilité, volatilité et liquidité de marché. Lien avec jeux à champs moyen (Lasry Lions 2006).
35 Synthèse Le défi de la Haute Fréquence De multiples situations, caractérisées par l impact non-négligeable de l o re/demande de participants de marché sur le prix, où il n est pas su sant, pour modéliser les risques financiers, d avoir une représentation statistique exogène et stationnaire des mouvements de prix. Traits communs: risque endogène, prise en compte de la liquidité et du mécanisme de formation de prix Bonne nouvelle: des approches de modélisation mathématique existent et sont tractables/ accessibles: Modèles dynamique de rétroaction (feedback) non-linéaire prix/ demande Méthodes asymptotiques et lien entre dynamique à di érentes é c h e l l e s Ces modèles jettent un nouveau regard sur le risque de portefeuille, la valeur liquidative vs prix nominal de marché, le lien entre haute et basse fréquence et l anatomie des Cygnes Noirs
36 Conclusion Le défi de la Haute Fréquence On ne peut pas tout représenter tous les risques financiers avec une approche de modélisation (purement) statistique: il faut distinguer risques récurrents -extrêmes ou pas- des risques endogènes déclenchés par l action des intervenant de marché. Les situations de crise comportent une composante non-négligeable de risque endogène qu on ne peut décrire comme un aléa statistique indépendante. La modélisation du couplage entre l action des intervenants de marché et les fluctuations de prix qui en résulte passe par le mécanisme (déterministe) de formation de prix, tenant compte de la liquidité du marché. Lorsqu on tient compte du risque endogène, des règles de gestion/minimisation de risque peuvent en fait générer des instabilités et augmenter le risque... Cela appelle à mieux intégrer les règles de gestion et mécanismes de régulation dans les modèles de risque.
37 Références: risque endogène Le défi de la Haute Fréquence R Cont, L Wagalath (2013) Running for the Exit: Distressed Selling and Endogenous Correlation in Financial Markets, Mathematical Finance. R Cont, L Wagalath (2012) Fire sale forensics: measuring endogenous risk, R Cont, A Moussa, E B Santos (2013)Network Structure and Systemic Risk in Banking Systems, Handbook of Systemic Risk, Cambridge Univ Press,
38 Références: données haute fréquence Le défi de la Haute Fréquence (2011) Statistical modeling of high frequency data: facts, models and challenges, IEEE Signal Processing, Vol 28, No 5, Rama Cont and Adrien de Larrard (2010) Price dynamics in a Markovian limit order market, SIAM Journal on Financial Mathematics, Rama Cont and Adrien de Larrard (2011) Order book dynamics in liquid markets: limit theorems and di usion approximations, Rama Cont and Adrien de Larrard (2012) Price dynamics in limit order markets: linking volatility with order flow, Working Paper.
IdR Trading et Microstructure CA Cheuvreux. Charles-Albert Lehalle
IdR Trading et Microstructure CA Cheuvreux Charles-Albert Lehalle 2010-2014 Crédit Agricole Cheuvreux Kepler Cheuvreux L objectif de cette IdR «trading et microstructure des marchés» est de stimuler la
Prise en compte de la liquidité dans les algorithmes de trading
Prise en compte de la liquidité dans les algorithmes de trading clehalle@cheuvreux.com Resp. de la Recherche Quant., Atelier Trading & Micro Structure 10 décembre 2008 Contenu La liquidité en Europe Les
Les risques liés aux aléas de la vie humaine dans les modèles internes de Solvabilité II
Les risques liés aux aléas de la vie humaine dans les modèles internes de Solvabilité II Emmanuel Bécache, Esther Schütz 20 ème rendez-vous Réavie 15 octobre 2009 15 octobre 2009 2 Agenda Environnement
Les méthodes de contrôle des risques de portefeuilles
Les méthodes de contrôle des risques de portefeuilles LE CERCLE INVESCO 006 Eric Tazé-Bernard Directeur de la Gestion INVESCO Asset Management Section 01 Section 0 Section 03 Les principaux indicateurs
Problématiques dans trading à haute fréquence
Extrait de la présentation de Charles-Albert Lehalle, Atelier Trading & Micro-structure, Collège de France, 10 Décembre 2008. mdang@cheuvreux.com Recherche Quantitative, Séminaire de la finance, VNFinance
La revue fondamentale du portefeuille de négociation, une réponse aux limites observées pendant la crise
La revue fondamentale du portefeuille de négociation, une réponse aux limites observées pendant la crise Conférence PRMIA Revue Fondamentale du Trading Book Quel trading pour les années à venir Paris,
Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien)
Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien) Alain Bretto & Joël Priolon - 25 mars 2013 Question Dans un équilibre
Exercice 2 du cours Management Bancaire : «Calcul de la VaR d une position de marché»
Exercice du cours Management Bancaire : «Calcul de la VaR d une position de marché» La réglementation bancaire impose aux banques de maintenir un niveau de capital minimum pour absorber les pertes dues
Plan. - La VaR. - Introduction à l FRTB. - Principales révisions Frontières Banking / Trading book l Expected Shortfall Les horizons de liquidité
PAGE 1 F R T B ( F u n d a m e n t a l R e v i e w o f t h e T r a d i n g B o o k ) u n e n o u v e l l e p e r s p e c t i v e d e m e s u r e d e l a V A R. Y o u s s e f M e l l o u k i Plan PAGE 2
Examen Gestion de portefeuille
ESC Toulouse 2005 D. Herlemont Mastère BIF Examen Gestion de portefeuille Durée : 2 heures Les documents ne sont pas autorisés. Pour les questions à choix multiples, une ou plusieurs réponses peuvent être
Estimation ultra haute fréquence de la volatilité et de la co-volatilité
Estimation ultra haute fréquence de la volatilité et de la co-volatilité Christian Y. Robert 1 et Mathieu Rosenbaum 2 1 CREST-ENSAE Paris Tech, 2 CMAP-École Polytechnique Paris Christian Y. Robert et Mathieu
DERIVES SUR ACTIONS ET INDICES. Christophe Mianné, Luc François
DERIVES SUR ACTIONS ET INDICES Christophe Mianné, Luc François Sommaire Notre activité Nos atouts La gestion du risque Conclusion 2 Notre activité 3 Les métiers Distribution de produits dérivés actions
Les nouveaux instruments financiers
Les nouveaux instruments financiers 8 février 2005 Jean-Paul Laurent Professeur à l ISFA, Université Lyon 1 «Imaginons que nous puissions introduire dans le système économique toutes les institutions possibles
Choc financier et prix des matières premières
Choc financier et prix des matières premières Olivier BIZIMANA Direction des Études Économiques http://kiosque-eco.credit-agricole.fr 15 décembre 2008 1 Olivier Bizimana 33 (0)1.43.23.67.55 olivier.bizimana@credit-agricole-sa.fr
Chapitre 4 : construction de portefeuille (I)
Chapitre 4 : construction de portefeuille (I) 25.10.2013 Plan du cours Risque et rentabilité : un premier aperçu Mesures traditionnelles du risque et rentabilité Rentabilité historique des actifs financiers
1. Les risques individuels (corporates et institutions financières)
Gestion des Risques Nos métiers par activité La Gestion des Risques consiste principalement à maîtriser et à contrôler l ensemble des risques de Crédit Agricole CIB afin de minimiser le coût du risque
L essentiel des marchés financiers
Éric Chardoillet Marc Salvat Henri Tournyol du Clos L essentiel des marchés financiers Front office, post-marché et gestion des risques, 2010 ISBN : 978-2-212-54674-3 Table des matières Introduction...
Les métiers du trading Présentation et illustration. par François Longin Professeur de finance à l ESSEC et ENPC (1990)
Les métiers du trading Présentation et illustration par François Longin Professeur de finance à l ESSEC et ENPC (1990) Présentation PEP 35 ans - 12 décembre 2013 Plan de l intervention Les métiers du trading
L état connu de la recherche en gestion des risques. Georges Dionne professeur de finance à HEC Montréal
L état connu de la recherche en gestion des risques Georges Dionne professeur de finance à HEC Montréal Table des matières Histoire et définition de la gestion des risques Recherche 1. Gouvernance de la
GESTION SOUS MANDAT NOS SOLUTIONS DE GESTION EN FONDS D INVESTISSEMENT
GESTION SOUS MANDAT NOS SOLUTIONS DE GESTION EN FONDS D INVESTISSEMENT NOS SOLUTIONS DE GESTION EN FONDS D INVESTISSEMENT La Banque de Luxembourg met à votre service son expertise en matière de gestion
Julien Limacher, CAPCO Yves Hennard, Union Bancaire Privée Philippe Grégoire, Orfival
La conception de rapports d attribution de performance Julien Limacher, CAPCO Yves Hennard, Union Bancaire Privée Philippe Grégoire, Orfival Agenda Drivers, Attentes des clients et Pratiques de marché
TP 14 DE FINANCE & RISK MANAGEMENT
Roger HUEBER TP 14 DE FINANCE & RISK MANAGEMENT - 1 - VALUE-AT-RISK 1. ANALYSE DU RISK MANAGEMENT DE ABN AMRO BANK BASÉE SUR LE RAPPORT ANNUEL 2004 http://www.abnamro.com/com/about/ar2004en.pdf Le risque
Les Obligations Convertibles (introduction)
TROISIEME PARTIE Les Obligations Convertibles (introduction) Avril 2011 Licence Paris Dauphine 2011 Sommaire LES OBLIGATIONS CONVERTIBLES Sect 1 Présentation, définitions Sect 2 Eléments d analyse et typologie
Quantitative Trading Fund - 1 -
Quantitative Trading Fund - 1 - Quantitative Trading Fund Compartiment du AISM Global Opportunities Fund FCP aux normes UCITS IV Horizon d investissement de 3 ans et plus Objectifs du fonds : Performance
GSF-6032 Automne 2009
THÉORIE DE LA NÉGOCIATION ET TRANSACTIONS APPLIQUÉES (FRONT OFFICE) GSF-6032 Automne 2009 Enseignant: Philippe Bélanger Courriel: philippe.belanger@fsa.ulaval.ca Bureau: PAP-3224 Horaire: Lundi 12h30 à
ANALYSE DU RISQUE DE CRÉDIT
ANALYSE DU RISQUE DE CRÉDIT Banque & Marchés Cécile Kharoubi Professeur de Finance ESCP Europe Philippe Thomas Professeur de Finance ESCP Europe TABLE DES MATIÈRES Introduction... 15 Chapitre 1 Le risque
quel mode d emploi? Devant des valeurs à risque,
Devant des valeurs à risque, quel mode d emploi? Dans les sciences exactes, la précision est reine. Pas en économie où il est difficile de quantifier certaines variables. Notamment le risque qui n est
Allocation Robuste et Restrictions sur les Contributions au Risque
Allocation Robuste et Restrictions sur les Contributions au Risque QuantValley/QMI Workshop, Geneve, 26 Septembre, 2013 http://ssrn.com/abstract=2192399 1/33 Les contributions du papier: Nous définissons
Le Modèle de Black-Scholes. DeriveXperts. 27 octobre 2010
27 octobre 2010 Outline 1 Définitions Le modèle de diffusion de Black-Scholes Portefeuille auto-finançant Objectif de BS 2 Portefeuille auto-finançant et formule de Black-Scholes Formulation mathématique
Le Fol Gaëlle. Current Position - Status. Former positions. Education and qualification. Full professor. gaelle.le_fol@dauphine.fr
Le Fol Gaëlle Full professor gaelle.le_fol@dauphine.fr Current Position - Status Head of an education program : Master 203 - Financial Markets Department of attachment : MSO Centre of Research : Dauphine
Journe e des chaires ILB 2014
la chaire de finance quantitative Centrale-BNP Paribas Les marche s sont-ils efficients? Quelques exemples d imperfections de marche Re fe rences Journe e des chaires ILB 2014 Chaire de finance quantitative
Introduction aux Produits Structurés
QUATRIEME PARTIE Introduction aux Produits Structurés Mai 2012 Sommaire Sect 1 Le concept de Produit Structuré Définition Historique Les clients et leur problématique d investissement Sect 2 Introduction
GESTION SOUS MANDAT NOS SOLUTIONS DE GESTION EN TITRES
GESTION SOUS MANDAT NOS SOLUTIONS DE GESTION EN TITRES NOS SOLUTIONS DE GESTION EN TITRES La Banque de Luxembourg met à votre service son expertise en matière de gestion de patrimoine. En choisissant
Risk Adjusted Return On Capital
Master gestion des risques Abdelkader Bousabaa 19 Novembre 2008 Historique Définition Historique Charles S. Sanford (Bankers Trust) Développement tardif en France État des lieux Historique Définition Définition
SAF GBMN 300 USD Classe G
Reporting mensuel juin 2010 Valeur liquidative Performances Global Bond Market Neutral Millions USD Encours du fonds 487 Capit. : 16245.41 USD Sur 1 mois : 0.26% Fonds luxembourgeois 364 Depuis le 28/06/01
Master en Droit et Economie / Automne 2013 / Prof. F. Alessandrini. Allocation d actifs. Sébastien Maucci, Stratégiste (BCV) 06.12.
Allocation d actifs Sébastien Maucci, Stratégiste (BCV) 06.12.2013 Contenu Et si on était riche, on ferait quoi? Gestion de fortune 1. Définition des besoins 2. Définition d une stratégie d investissement
De la mesure à l analyse des risques
De la mesure à l analyse des risques Séminaire ISFA - B&W Deloitte Jean-Paul LAURENT Professeur à l'isfa, Université Claude Bernard Lyon 1 laurent.jeanpaul@free.fr http://laurent.jeanpaul.free.fr/ 0 De
Provisionnement face au risque de défaut des emprunteurs
Provisionnement face au risque de défaut des emprunteurs Geoffrey Nichil et Pierre Vallois Institut Elie Cartan de Lorraine. 6-11 Avril 2014 1/12 Geoffrey Nichil et Pierre Vallois Provisionnement face
Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com
Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com Points abordés Méthodes numériques employées en finance Approximations de prix
La gestion quantitative la fin du mythe de la boîte noire
La gestion quantitative la fin du mythe de la boîte noire La gestion quantitative se définit comme un système «d intelligence embarquée» au service de l investisseur : la prise de décision d investissement,
DynAmiser vos investissements
DynAmiser vos investissements Aequam en quelques mots Jeune entreprise indépendante et innovante Agréée AMF n GP-10000038 Incubée par le Pôle Sponsorisée par Fondatrice de Savoir-faire / Innovation 5 associés
Chaire FBF - IDEI «Chaine de Valeur Marchés Financiers et Banque d Investissement» Mardi 29 avril 2014
Chaire FBF - IDEI «Chaine de Valeur Marchés Financiers et Banque d Investissement» Mardi 29 avril 2014 Objectifs Contacts praticiens - chercheurs Recherche d excellence sur la banque d investissement et
Examen de Gestion des Risques Financiers
Examen de Gestion des Risques Financiers Thierry Roncalli 4 janvier 2012 Merci de rédiger entièrement vos réponses. 1 Les réglementations Bâle II et Bâle III 1. Quelles sont les principales différences
Complexité sur les marchés financiers
Complexité sur les marchés financiers Par Professeur François Longin - ESSEC Business School Chaire ESSEC Edgar Morin de la complexité Mardi 9 décembre 2014 - ESSEC Complextité sur les marchés financiers
SWAPS. Lionel Artige HEC Université de Liège
SWAPS Lionel Artige HEC Université de Liège Swaps 5 types de swaps par ordre d importance sur les marchés financiers : Swaps de taux (interest rate swaps) Swaps de devises (currency swaps) Swaps de crédits
Stratégies Quantitatives de Gestion
Stratégies Quantitatives de Gestion Thierry Roncalli 6 février 2012 Merci de rédiger entièrement vos réponses et de fournir les fichiers Excel. 1 Construction d un backtest 1. Quelle est la différence
I. Étude comparative des Compartiments absorbé et absorbant
Amundi Funds Société d investissement à capital variable de droit luxembourgeois Siège social : 5, Allée Scheffer L-2520 Luxembourg R.C.S. de Luxembourg B-68.806 (la «Société») Cher Actionnaire, Luxembourg,
LA VALUE-AT-RISK HISTORIQUE
Université Paris Ouest Nanterre La Défense Master 2 Gestion des Actifs 2014-2015 Exposé d Evaluation des risques LA VALUE-AT-RISK HISTORIQUE Carine ENG Nguyen Hoai Phuong DINH Jérôme MENDOZA ALBA Denise
Analyse et Contrôle des Risques Financiers
Analyse et Contrôle des Risques Financiers MASTÈRE SCIENTIFIQUE École Supérieure d Ingénieurs Léonard de Vinci Analyste et contrôleur des risques financiers : une profession d avenir www.esilv.fr L Analyse
Couverture dynamique des produits dérivés de crédit dans les modèles à copules
Couverture dynamique des produits dérivés de crédit dans les modèles à copules David Kurtz, Groupe de Recherche Opérationnelle Workshop Copula in Finance, 14 mai 2004, ENS Cachan Sommaire 1 Le marché des
Finance, Navier-Stokes, et la calibration
Finance, Navier-Stokes, et la calibration non linéarités en finance 1 1 www.crimere.com/blog Avril 2013 Lignes directrices Non-linéarités en Finance 1 Non-linéarités en Finance Les équations de Fokker-Planck
Cornèr Banque (Luxembourg) S.A. Risques associés aux profils de gestion
Cornèr Banque (Luxembourg) S.A. Risques associés aux profils de gestion 1 Introduction Gestion patrimoniale mobilière Gestion patrimoniale fonds d investissement Gestion en placements alternatifs Gestion
La réforme de l organisation prudentielle
Réglementation 7 La réforme de l organisation prudentielle La mise en place de ces dispositifs prudentiels a incontestablement amélioré la sécurité du système financier. Il ne permet cependant plus aujourd
Table des matières. l a r c i e r
Chapitre 1 Introduction... 1 1.1. Objectifs et structure du livre.... 1 1.2. Qu est-ce que la gestion de portefeuille?.... 2 1.3. Qu est-ce que «investir»?.... 3 1.4. Canalisation des flux d épargne et
Le risque Idiosyncrasique
Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes
La gestion des risques en assurances de dommages: Un exemple concret
La gestion des risques en assurances de dommages: Un exemple concret 1 Contenu 1. Gouvernance de la gestion de risques dans le Groupe AXA 2. AXA Canada - Structure organisationnelle de la gestion de risques
L'expertise pour structurer L'innovation pour exceller
L'expertise pour structurer L'innovation pour exceller LA BANQUE POSTALE STRUCTURED ASSET MANAGEMENT : ACTEUR MAJEUR DE LA GESTION STRUCTURÉE 2007 a été l année d une nouvelle impulsion dans la vie de
Théorie Financière 7. Relation risque rentabilité attendue (2/2)
Théorie Financière 7. Relation risque rentabilité attendue (/) Objectifs pour cette session. Revoir l effet de la combinaison de deux actifs risqués. Etendre à la combinaison de plusieurs actifs risqués
INTRODUCTION : EDP ET FINANCE.
INTRODUCTION : EDP ET FINANCE. Alexandre Popier Université du Maine, Le Mans A. Popier (Le Mans) EDP et finance. 1 / 16 PLAN DU COURS 1 MODÈLE ET ÉQUATION DE BLACK SCHOLES 2 QUELQUES EXTENSIONS A. Popier
QUELLE «JUSTE VALEUR»? Philippe MARTINET
QUELLE «JUSTE VALEUR»? Philippe MARTINET Workshop Agenda Perceptions et concepts de JV Les Normes internationales Approche des IFRS 7 - IFRS 9 - IFRS 13 Guide de Juste Valeur Exemple d application Confrontation
La source de performance est double : l Le beta : généré par l exposition du fonds au niveau du marché (expo nette).
Long / Short Equity par Eric Debonnet Directeur de la Recherche et de la Gestion des Risques Styles et sous-stratégies Les principaux styles sont les suivants : Approche macro économique ou topdown : les
Dérivés de crédit : Situation et évolution du marché
Dérivés de crédit : Situation et évolution du marché Parallèle entre dérivés de crédit et produits d assurance Déjeuner débat FFA Jean-Paul LAURENT Professeur à l'isfa, Université de Lyon, Conseiller scientifique
POSITION PAPER NAVIGUER PAR TOUS LES TEMPS. Intégrer les cycles économique, financier et monétaire pour optimiser l allocation obligataire
POSITION PAPER NAVIGUER PAR TOUS LES TEMPS Intégrer les cycles économique, financier et monétaire pour optimiser l allocation obligataire SOMMAIRE NOTE DE SYNTHÈSE 2 UNE ALLOCATION OBLIGATAIRE AJUSTÉE
Enthousiasme? «Des indices innovants, un placement intelligent.» Helvetia Fondation de placement. Actions Suisse Smart Beta Dynamique.
Enthousiasme? «Des indices innovants, un placement intelligent.» Helvetia Fondation de placement. Actions Suisse Smart Beta Dynamique. Votre fondation de placement suisse. 1/6 Helvetia Fondation de placement
Laboratoire de mathématiques financières ACT 3282
Automne 2015 Département des mathématiques et statistiques Université de Montréal Laboratoire de mathématiques financières ACT 3282 1. Renseignements généraux: Horaire: Mardi 18h30-19h30 et Vendredi 11h30-13h30
La liquidité des marchés : quels enjeux pour les Asset Managers?
La liquidité des marchés : quels enjeux pour les Asset Managers? Fabrice Riva House of Finance Université d été de l Asset Management Université Paris-Dauphine 27 août 2015 Fabrice Riva Liquidité et Asset
Les effets des regroupements dans le secteur bancaire sur l allocation du capital de risque et la liquidité des marchés*
Les effets des regroupements dans le secteur bancaire sur l allocation du capital de risque et la liquidité des marchés* Chris D Souza et Alexandra Lai Jusqu à récemment, la réglementation en vigueur au
Table des matières. Les auteurs Préface 17 Avant-propos 19
Table des matières Les auteurs 15 Préface 17 Avant-propos 19 Chapitre 1 Circuit économique et indicateurs macroéconomiques 1. La finance et les marchés dans le circuit économique 1.1. La notion de circuit
Formation ESSEC Gestion de patrimoine
Formation ESSEC Gestion de patrimoine Séminaire «Savoir vendre les nouvelles classes d actifs financiers» Les options Plan Les options standards (options de 1 ère génération) Les produits de base: calls
Modèle trimodal de calcul de l'inflation au Canada et son incidence sur l'indexation des rentes de régimes de retraite
Modèle trimodal de calcul de l'inflation au Canada et son incidence sur l'indexation des rentes de régimes de retraite Louis Adam, f.s.a., f.i.c.a. Professeur agrégé, École d actuariat, d Université Laval
Modélisation coalescente pour la détection précoce d un cancer
Modélisation coalescente pour la détection précoce d un cancer Mathieu Emily 27 Novembre 2007 Bioinformatics Research Center - Université d Aarhus Danemark Mathieu Emily Coalescence et cancer 1 Introduction
Agrégation des portefeuilles de contrats d assurance vie
Agrégation des portefeuilles de contrats d assurance vie Est-il optimal de regrouper les contrats en fonction de l âge, du genre, et de l ancienneté des assurés? Pierre-O. Goffard Université d été de l
UNE HISTOIRE RECENTE DU RISQUE DE CREDIT
ESILV UNE HISTOIRE RECENTE DU RISQUE DE CREDIT Vivien BRUNEL 05/12/2014 1 AGENDA INTRODUCTION LE TRANSFERT DU RISQUE DE CREDIT A. DERIVES DE CREDIT B. TITRISATION LA CRISE DES SUBPRIMES ET SES PROLONGEMENTS
408,6 M 66,4 M. Chiffres clés 2010. de PNB. de résultat net. collaborateurs. Nicolas Chanut. L année 2010 a été marquée par deux faits importants :
Exane en bref Chiffres clés 2010 408,6 M de PNB 66,4 M de résultat net 880 collaborateurs L année 2010 a été marquée par deux faits importants : L Asset Management a atteint une taille critique en termes
Introduction aux modèles financiers
Notes pour le module spécifique Introduction aux modèles financiers Ecole Centrale de Lyon Option Mathématiques 1 2 Introduction Quelques références Pour comprendre les marchés financiers, avoir un apreçu
Un marché global du risque. Certains enjeux pour le système financier
Un marché global du risque Certains enjeux pour le système financier Un marché global du risque Le découplage du risque et des capitaux Une meilleure répartition du risque? Les enjeux pour les institutions
Analyse empirique et modélisation de la dynamique de la topologie de l Internet
Analyse empirique et modélisation de la dynamique de la topologie de l Internet Sergey Kirgizov Directrice de thèse: Clémence Magnien Complex Networks, LIP6, (UPMC, CNRS) Paris, 12 décembre 2014 Plan 1
Modélisation de systèmes complexes et éléments de finance computationnelle
Professeur Olivier BRANDOUY Modélisation de systèmes complexes et éléments de finance computationnelle Master Recherche (séance 6) 2009-2010 Olivier Brandouy - 2009/10-1 Plan de la séance 1. Faits stylisés,
Les stratégies de gestion de portefeuille d actions: Style de gestion et indexation de portefeuille
Les stratégies de gestion de portefeuille d actions: Style de gestion et indexation de portefeuille I. Concept d'efficience des marchés et stratégies de gestion - Efficience opérationnelle des marchés
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour
Tactical Currency Allocation Revisited: Four Simple Currency Trading Rules
Tactical Currency Allocation Revisited: Four Simple Currency Trading Rules Travail de gestion des investissements internationaux Présenté Kodjovi Assoé Par Patrick Drouot Etienne Desmarais Jean-François
Olympia Capital Management
Olympia Capital Management Olympia Capital Management A l origine de solutions innovantes depuis 1989 Une équipe indépendante et expérimentée Fondée en 1989, se spécialise dans la gestion de fonds de fonds
Activités d encadrement et de recherche - Membre du projet PREMIA (1999-2003), logiciel d évaluation d options
Stéphane VILLENEUVE Né le 25 Février 1971 Marié, 2 enfants GREMAQ Université des Sciences Sociales Manufacture des Tabacs 21 allée de Brienne 31000 TOULOUSE Tél: 05-61-12-85-67 e-mail: stephane.villeneuve@univ-tlse1.fr
LES STRATEGIES DE REEQUILIBRAGE OU DE LAISSER-FAIRE
LES STRATEGIES DE REEQUILIBRAGE OU DE LAISSER-FAIRE Dr. Jean Benetti, Dr. Andreas Reichlin 13 FEVRIER 2002 La gestion du risque au niveau stratégique dans les caisses de pension Introduction Plusieurs
Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes
Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université
Examen Gestion de portefeuille
ESC Toulouse 2011 D. Herlemont Mastère BIF+IMF Examen Gestion de portefeuille ˆ Durée: 2 heures ˆ Les calculatrices (simples) sont autorisés. ˆ Les documents ne sont pas autorisés. ˆ Sujet commun pour
Introduction à la simulation de Monte Carlo
Introduction à la simulation de 6-601-09 Simulation Geneviève Gauthier HEC Montréal e 1 d une I Soit X 1, X,..., X n des variables aléatoires indépendantes et identiquement distribuées. Elles sont obtenues
Modèles de la nance Contrôle écrit Octobre h tous documents et calculttes recommandés
1. Obligations, marché de taux Univers déterministe en temps continu Modèles de la nance Contrôle écrit Octobre 2009 2 h tous documents et calculttes recommandés On considère le modèle en temps continu.
Volatilité 2 Gestion dynamique du risque: Une approche par contrôle de volatilité.
Volatilité 2 Gestion dynamique du risque: Une approche par contrôle de volatilité. Présentation par Nicolas Papageorgiou, PHD Sommet Avantages et Retraite Mars 2012 L incertitude lié à la volatilité Le
Politique de placements
Politique de placements Le 7 octobre 2010 Politique de placements Table des matières 1. La mission de la Fondation pour le développement des coopératives en Outaouais 2. Les principes de la gouvernance
Options et Volatilité (introduction)
SECONDE PARTIE Options et Volatilité (introduction) Avril 2013 Licence Paris Dauphine 2013 SECONDE PARTIE Philippe GIORDAN Head of Investment Consulting +377 92 16 55 65 philippe.giordan@kblmonaco.com
Investir (ou non) en placements privés?
Investir (ou non) en placements privés? Richard Guay, Ph.D., CFA, FRM Professeur titulaire en finance, ESG UQAM Chaire CDPQ en gestion de portefeuille CIRANO Montréal, Québec Présentation à la conférence
Janvier 2008 vos stratégies de placement et d élaboration de portefeuille. L'Illustrateur Hypothétique Morningstar
Janvier 2008 Livret des rapports Communiquez efficacement vos stratégies de placement et d élaboration de portefeuille L'Illustrateur Hypothétique Morningstar Rapport Illustration hypothétique 4 Sommaire
Plateforme Lyxor. Un accès simple et sécurisé à la gestion alternative
Plateforme Lyxor Un accès simple et sécurisé à la gestion alternative Gestion alternative Une classe d actifs attractive Avec plus de 7,600 hedge funds à travers le monde (source HFR Industry Report Q4
BIL Harmony Une approche innovante en gestion discrétionnaire
_ FR PRIVATE BANKING BIL Harmony Une approche innovante en gestion discrétionnaire Nous avons les mêmes intérêts. Les vôtres. Private Banking BIL Harmony BIL Harmony est destiné aux investisseurs désirant
Méthodologies et Glossaire
Caractéristiques Précisions Calculs de performance 1.Performance 2.Performance relative 1.Volatilité 2.Tracking error 3.Ratio d'information 4.Bêta 5.Alpha 6.Ratio de Sharpe 7.Sensibilité Indicateurs de
Caisse de retraite Université de Sherbrooke. Rendements au 31 décembre 2008. Pierre Bouvier, CFA Président, Comité de retraite Le 24 mars 2009
Caisse de retraite Université de Sherbrooke Rendements au 31 décembre 2008 Pierre Bouvier, CFA Président, Comité de retraite Le 24 mars 2009 Plan de la présentation Rétrospective 2008 Contexte économique
Best Styles ou comment capturer au mieux les primes de risque sur les marchés d actions
Stratégie Best Styles ou comment capturer au mieux les primes de risque sur les marchés d actions La recherche des primes de risque constitue une stratégie relativement courante sur les marchés obligataires
Gestion du risque de change dans une caisse de pension: opportunités et risques
Gestion du risque de change dans une caisse de pension: opportunités et risques Séance d information de l ASIP Actualité de la prévoyance professionnelle Pascal Frei, CFA, Associé PPCmetrics SA Financial