Search engine for discovering works of Art, research articles, and books related to Art and Culture
ShareThis
Javascript must be enabled to continue!

Multilevel approximation schemes for value-at-risk and expected shortfall

View through CrossRef
Schémas d'approximation multiniveaux pour la value-at-risk et l'expected shortfall Évaluer le risque d'un portefeuille est d'une importance majeure pour les régulateurs, les bourses d'échange (ou centres de contreparties) et les investisseurs. C'est ainsi que d'importants efforts de recherche ont été consacrés à caractériser les mesures de risques financières selon divers aspects: cohérence, convexité, élicitabilité, identifiabilité et backtestabilité. La value-at-risk (VaR) et l'expected shortfall (ES) demeurent les deux mesures de risque les plus utilisées en finance. Étant donné un portefeuille de perte aléatoire future X et un niveau de confiance prédéterminé c dans (0, 1), la VaR représente le quantile d'ordre c de X (P(X > VaR) = 1-c) et l'ES sa perte moyenne sachant que celle-ci dépasse la VaR, ou encore, le superquantile d'ordre ' de X (ES = E[X|X > VaR]). Calculer efficacement la VaR et l'ES d'un portefeuille donné fait l'objet de recherches actives. Rockafeller et Uryasev (2000) prouvent que, sous certaines conditions, la VaR et l'ES sont conjointement des solutions à un programme stochastique convexe, permettant ainsi le recours à des méthodes d'approximation stochastique. Dans une situation réaliste, la perte d'un portefeuille s'exprime de manière conditionelle, i.e. X = E[f(Y, Z)|Y], où Y décrit les facteurs de risques influant sur le portefeuille jusqu'à un certain horizon T > 0, Z les facteurs de risques au-delà de T et f(Y, Z) les flux de cash résultants des facteurs Y et Z. Le conditionnement est effectué par rapport à l'information disponible à l'instant T. Lorsque X ne peut être simulé exactement, une solution naturelle consiste à substituer X par son estimation par Monte Carlo imbriqué à chaque étape de l'algorithme d'approximation stochastique. Cette thèse se lance dans l'objectif d'accélérer la méthode d'approximation stochastique pour le calcul de la VaR et de l'ES dans le cas d'une perte imbriquée X = E[f(Y, Z)|Y] qui ne peut être simulée que par Monte Carlo imbriqué. L'objectif en vue est d'atteindre une complexité quadratique, comparable à celle obtenue lorsque X peut être simulé de manière exacte. Nous commençons par passer en revue l'approximation stochatique imbriquée pour atteindre une complexité en O(n^3) afin d'atteindre une erreur en O(1/n). Nous exploitons ensuite le paradigme d'approximation stochastique multiniveau développé par Frikha (2016) afin de ramener ce coût-là à un O(n^2.5) pour la VaR et à un O(n^2 ln(n)^2) pour l'ES. Les complexités des approximations stochastiques imbriquée et multiniveau de la VaR et l'ES ne peuvent être atteintes que sous des conditions supplémentaires qui, à défaut d'être explicites, sont inaccessibles. Pour les contourner, nous développons par la suite des versions ergodiques de ces algorithmes qui exploitent le principe de moyennisation de Ruppert et Polyak. Afin de démontrer la stabilité numérique des schémas imbriqué et multiniveau résultant de cette moyennisation, nous établissons des théorèmes centraux limites qui affichent ce gain de stabilité au niveau de leur matrices de covariance asymptotiques. Enfin, dans le cas de la VaR, pour réduire l'écart de performance entre l'approximation stochastique multiniveau en O(n^2.5) et l'approximation stochastique sans biais (où X est supposé directement simulable) en O(n^2), nous explorons l'effet du raffinement adaptatif des innovations Monte Carlo intervenant dans l'approximation multiniveau qui tombent trop proches des discontinuités mais potentiellement du mauvais côté de celles-ci. Cela permet de réduire d'une part la complexité de l'approximation stochastique imbriquée de la VaR à un O(n^2.5 ln(n)^0.5), et d'autre part celle de son approximation stochastique multiniveau à un O(n^2 ln(n)^2.5). Tous les résultats ci-dessus sont illustrés à travers des études de cas adaptées incluant des situations financières réalistes.
Agence Bibliographique de l'Enseignement Supérieur
Title: Multilevel approximation schemes for value-at-risk and expected shortfall
Description:
Schémas d'approximation multiniveaux pour la value-at-risk et l'expected shortfall Évaluer le risque d'un portefeuille est d'une importance majeure pour les régulateurs, les bourses d'échange (ou centres de contreparties) et les investisseurs.
C'est ainsi que d'importants efforts de recherche ont été consacrés à caractériser les mesures de risques financières selon divers aspects: cohérence, convexité, élicitabilité, identifiabilité et backtestabilité.
La value-at-risk (VaR) et l'expected shortfall (ES) demeurent les deux mesures de risque les plus utilisées en finance.
Étant donné un portefeuille de perte aléatoire future X et un niveau de confiance prédéterminé c dans (0, 1), la VaR représente le quantile d'ordre c de X (P(X > VaR) = 1-c) et l'ES sa perte moyenne sachant que celle-ci dépasse la VaR, ou encore, le superquantile d'ordre ' de X (ES = E[X|X > VaR]).
Calculer efficacement la VaR et l'ES d'un portefeuille donné fait l'objet de recherches actives.
Rockafeller et Uryasev (2000) prouvent que, sous certaines conditions, la VaR et l'ES sont conjointement des solutions à un programme stochastique convexe, permettant ainsi le recours à des méthodes d'approximation stochastique.
Dans une situation réaliste, la perte d'un portefeuille s'exprime de manière conditionelle, i.
e.
X = E[f(Y, Z)|Y], où Y décrit les facteurs de risques influant sur le portefeuille jusqu'à un certain horizon T > 0, Z les facteurs de risques au-delà de T et f(Y, Z) les flux de cash résultants des facteurs Y et Z.
Le conditionnement est effectué par rapport à l'information disponible à l'instant T.
Lorsque X ne peut être simulé exactement, une solution naturelle consiste à substituer X par son estimation par Monte Carlo imbriqué à chaque étape de l'algorithme d'approximation stochastique.
Cette thèse se lance dans l'objectif d'accélérer la méthode d'approximation stochastique pour le calcul de la VaR et de l'ES dans le cas d'une perte imbriquée X = E[f(Y, Z)|Y] qui ne peut être simulée que par Monte Carlo imbriqué.
L'objectif en vue est d'atteindre une complexité quadratique, comparable à celle obtenue lorsque X peut être simulé de manière exacte.
Nous commençons par passer en revue l'approximation stochatique imbriquée pour atteindre une complexité en O(n^3) afin d'atteindre une erreur en O(1/n).
Nous exploitons ensuite le paradigme d'approximation stochastique multiniveau développé par Frikha (2016) afin de ramener ce coût-là à un O(n^2.
5) pour la VaR et à un O(n^2 ln(n)^2) pour l'ES.
Les complexités des approximations stochastiques imbriquée et multiniveau de la VaR et l'ES ne peuvent être atteintes que sous des conditions supplémentaires qui, à défaut d'être explicites, sont inaccessibles.
Pour les contourner, nous développons par la suite des versions ergodiques de ces algorithmes qui exploitent le principe de moyennisation de Ruppert et Polyak.
Afin de démontrer la stabilité numérique des schémas imbriqué et multiniveau résultant de cette moyennisation, nous établissons des théorèmes centraux limites qui affichent ce gain de stabilité au niveau de leur matrices de covariance asymptotiques.
Enfin, dans le cas de la VaR, pour réduire l'écart de performance entre l'approximation stochastique multiniveau en O(n^2.
5) et l'approximation stochastique sans biais (où X est supposé directement simulable) en O(n^2), nous explorons l'effet du raffinement adaptatif des innovations Monte Carlo intervenant dans l'approximation multiniveau qui tombent trop proches des discontinuités mais potentiellement du mauvais côté de celles-ci.
Cela permet de réduire d'une part la complexité de l'approximation stochastique imbriquée de la VaR à un O(n^2.
5 ln(n)^0.
5), et d'autre part celle de son approximation stochastique multiniveau à un O(n^2 ln(n)^2.
5).
Tous les résultats ci-dessus sont illustrés à travers des études de cas adaptées incluant des situations financières réalistes.

Related Results

Multilevel Analysis of Determinants of Cattle deaths in Ethiopia
Multilevel Analysis of Determinants of Cattle deaths in Ethiopia
Abstract Background The Ethiopian economy is highly dependent on agriculture. Despite being more subsistence, agricultural production plays an important role in the econom...
Learning Theory and Approximation
Learning Theory and Approximation
The workshop Learning Theory and Approximation , organised by Kurt Jetter (Stuttgart-Hohenheim), Steve Smale (Berkeley) and Ding-Xuan Zhou (...
On the Evaluation of Marginal Expected Shortfall
On the Evaluation of Marginal Expected Shortfall
In the analysis of systemic risk, Marginal Expected Shortfall may be considered to evaluate the marginal impact of a single stock on the market Expected Shortfall. These quantities...
COMMERCIAL ACTIVITY IN THE SYSTEM OF A MULTILEVEL SUSTAINABLE DEVELOPMENT ECONOMY
COMMERCIAL ACTIVITY IN THE SYSTEM OF A MULTILEVEL SUSTAINABLE DEVELOPMENT ECONOMY
It is substantiated that under contemporary challenges, including those caused by the war in Ukraine, commercial activity extends beyond a purely instrumental approach focused on a...
Efficiently Constructing Convex Approximation Sets in Multiobjective Optimization Problems
Efficiently Constructing Convex Approximation Sets in Multiobjective Optimization Problems
Convex approximation sets for multiobjective optimization problems are a well-studied relaxation of the common notion of approximation sets. Instead of approximating each image of ...
Analysis of fracture problems of airport pavement by improved element-free Galerkin method
Analysis of fracture problems of airport pavement by improved element-free Galerkin method
Using the improved element-free Galerkin (IEFG) method, in this paper we introduce the characteristic parameter r which can reflect the singular stress near the crack tip into the ...
Energy Economics and Firm Efficiency: Unpacking the Energy-Efficiency Nexus using DEA and Tobit Models
Energy Economics and Firm Efficiency: Unpacking the Energy-Efficiency Nexus using DEA and Tobit Models
Abstract Purpose - The study investigates the impact of energy crises on firm efficiency. Design/methodology/approach - For this purpose this study used DEA and T...
Optimal with Respect to Accuracy Recovery of Some Classes Functions by Fourier Series
Optimal with Respect to Accuracy Recovery of Some Classes Functions by Fourier Series
Introduction. Function approximation (approximation or restoration) is widely used in data analysis, model building, and forecasting. The goal of function approximation is to find ...

Back to Top