Risque de données et backtesting
Sylvain Benoit∗ sous la direction de Christophe Hurlin
Universit´ d’Orl´ans e e
Septembre 2010
R´sum´ e e
Les autorit´s de r´glementation bancaire imposent aux banques de d´tenir un niveau e e e minimum de fonds propres pour couvrir leur risque de march´. Ce montant est calcul´ e e par les banques elles-mˆmes ` partir de leur mod`le interne d’´valuation du risque. e a e e
Il est alors primordial pour les r´gulateurs et les banques de s’assurer de la valid´ e e de ces mod`les. L’ensemble de ces techniques de validation est appel´ le backtesting. e e
Elles permettent de v´rifier que les pertes observ´es ex-post sont en ad´quation avec e e e celles pr´vues. Or, ces mod`les reposent sur de nombreuses hypoth`ses et sont soumis e e e a
` diff´rents types de risques : de mod`le, d’estimation et surtout de donn´es. Si jusqu’` e e e a pr´sent, tr`s peu d’´tudes ´conom´triques ont ´t´ consacr´es ` ce dernier type, cet e e e e e ee e a article s’attache justement ` mesurer l’impact du risque de donn´es sur les proc´dures a e e de backtesting, en observant les d´formations de taille et de puissance de ces tests suite e a
` une contamination.
Keywords : Profit-and-Loss, Risk Management, Backtesting, Value-at-Risk.
JEL classification : C58, C52, G28.
∗
Etudiant en deuxi`me ann´e du Master ESA (Econom´trie et Statistique Appliqu´e) ` l’universit´ e e e e a e d’Orl´ans, sylvain.benoit@univ-orleans.fr. Je tiens ` exprimer de sinc`res remerciements ` mon directeur e a e a de m´moire, Christophe Hurlin (Universit´ d’Orl´ans), qui est ` l’initiative de ce th`me de recherche partie e e a e culi`rement int´ressant. Ses conseils, sa patience et son appui ont contribu´ ` la bonne marche de ce m´moire e e ea e de master. Une pens´e toute particuli`re est adress´e ` l’ensemble de l’´quipe du Master ESA pour la qualit´ e e e a e e de leurs