background image

Une Evaluation des Procédures de Backtesting Tout va pour le Mieux dans le Meilleur des Mondes

icon

35

pages

icon

Français

icon

Documents

2007

Écrit par

Publié par

Lire un extrait
Lire un extrait

Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus

Découvre YouScribe et accède à tout notre catalogue !

Je m'inscris

Découvre YouScribe et accède à tout notre catalogue !

Je m'inscris
icon

35

pages

icon

Français

icon

Documents

2007

Lire un extrait
Lire un extrait

Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus

Niveau: Supérieur, Doctorat, Bac+8
Une Evaluation des Procédures de Backtesting Tout va pour le Mieux dans le Meilleur des Mondes Christophe Hurlin and Sessi Tokpavi y Juin 2007 Abstract Dans cet article, nous proposons une démarche originale visant à évaluer la capacité des tests usuels de backtesting à discriminer di?érentes prévi- sions de Value at Risk (VaR) ne fournissant pas la même évaluation ex-ante du risque. Nos résultats montrent que, pour un même actif, ces tests con- duisent très souvent à ne pas rejeter la validité, au sens de la couverture conditionnelle, de la plupart des six prévisions de VaR étudiées, même si ces dernières sont sensiblement di?érentes. Autrement dit, toute prévision de VaR a de fortes chances d?être validée par ce type de procédure. Abstract This paper proposes an evaluation of backtests that examine the accu- racy of Value-at-Risk (VaR) forecasts. It is well known that VaR backtest- ing procedures outlined by the Basel Committee for Banking Supervision have limited power to control the probability of accepting an incorrect VaR forecast. In this study, we propose an original approach based on the replication of these tests on six di?erent VaR forecasts (parametric or non parametric) for a given asset. We show that backtests generally lead to not reject the accuracy of all (or most of) these di?erent forecasts. In other words, most of VaR forecasts are likely to be considered as valid.

  • associé

  • ex-post de la variable d?intérêt

  • sens de la couverture conditionnelle

  • prévision

  • ex ante

  • procédures usuelles de backtesting


Voir icon arrow

Publié par

Publié le

01 juin 2007

Langue

Français

UneEvaluationdesProcéduresdeBacktesting"ToutvapourleMieuxdansleMeilleurdesMondes"ChristopheHurlinandSessiTokpaviyJuin2007AbstractDanscetarticle,nousproposonsunedémarcheoriginalevisantàévaluerlacapacitédestestsusuelsdebacktestingàdiscriminerdi¤érentesprévi-sionsdeValueatRisk(VaR)nefournissantpaslamêmeévaluationex-antedurisque.Nosrésultatsmontrentque,pourunmêmeactif,cestestscon-duisenttrèssouventànepasrejeterlavalidité,ausensdelacouvertureconditionnelle,delaplupartdessixprévisionsdeVaRétudiées,mêmesicesdernièressontsensiblementdi¤érentes.Autrementdit,touteprévisiondeVaRadeforteschancesd’êtrevalidéeparcetypedeprocédure.AbstractThispaperproposesanevaluationofbackteststhatexaminetheaccu-racyofValue-at-Risk(VaR)forecasts.ItiswellknownthatVaRbacktest-ingproceduresoutlinedbytheBaselCommitteeforBankingSupervisionhavelimitedpowertocontroltheprobabilityofacceptinganincorrectVaRforecast.Inthisstudy,weproposeanoriginalapproachbasedonthereplicationofthesetestsonsixdi¤erentVaRforecasts(parametricornonparametric)foragivenasset.Weshowthatbacktestsgenerallyleadtonotrejecttheaccuracyofall(ormostof)thesedi¤erentforecasts.Inotherwords,mostofVaRforecastsarelikelytobeconsideredasvalid.Mots-Clés:Value-at-Risk;BacktestingJ.E.LClassi…cation:C22,C52,G28LEO,Universitéd’Orléans.RuedeBlois.BP6739.45067OrléansCedex2.France.e-mailaddress:christophe.hurlin@univ-orleans.fr.yLEO,Universitéd’Orléans.RuedeBlois.BP6739.45067OrléansCedex2.France.e-mailaddress:sessi.tokpavi@univ-orleans.fr.1
1Introduction"Toutvapourlemieuxdanslemeilleurdesmondes"estlaphrasequiclôtCandideaprèsqueleprotagonisteetsonmaîtreàpenserPanglossaientpourtantconnutouteslesvicissitudesdelanaturehumaine.TellepourraitêtreaussilaconclusiondenotreévaluationsystématiquedesprocéduresdebacktestingdelaValue-at-Risk(VaR).Notreétudemontreene¤etquepourunmêmeactif,plusieursprévisionsdi¤érentesdelaVaRetdoncdurisquedeportefeuille,ontdetrèsforteschancesd’êtreconsidéréesconjointementcommevalidesàl’issuedesprocéduresusuellesdebacktesting,dansunesorted’optimismequenerenieraitpasLeibniz.Plusprécisément,nousproposonsdanscetarticleunedémarcheoriginalevisantàévaluerlacapacitédestestsstandardsdebacktestingàdiscriminerdif-férentesprévisionsdeVaRnefournissantpaslamêmeévaluationex-antedurisquedeportefeuille.UneprévisiondeVaRestditevalidesilaséquencedesviolations1associéessatisfaitleshypothèsesdecouverturenonconditionnelleetd’indépendance(Christo¤ersen,1998).Plusieursapprochessontaujourd’huipro-poséesdanslalittérature(voirCampbell,2007,pourunsurvey)pourtestercesdeuxhypothèsesdefaçonséparéeoudefaçonjointe(hypothèsedecouverturecon-ditionnelle).Ladémarchehabituelled’évaluationdecesprocéduresdebacktest-ingconsisteàmesurerleurtailleetleurpuissanceempiriquessurdeséchantillonssimulés2dedi¤érentesdimensions(Berkowitz,2001;Christo¤ersenetPelletier,1Ondé…nitlaviolationcommeunevariabledichotomiqueprenantlavaleurunlorsquelerendementdel’actifobservéex-postinférieuràlaVaRpréditeex-anteetzérodanslecascontraire.2Danslecadreparexempled’uneétudedelapuissance,cetyped’exerciceconsisteàsedon-nerunprocessusgénérateurdedonnéespourladistributionconditionnelledesrentabilités(un2
2004;Berkowitz,Christo¤ersenetPelletier,2005;etc.).Laméthoded’évaluationdesprocéduresdebacktestingquenousavonsretenueiciestsensiblementdi¤érente.Nousproposonsdevéri…ersi,lorsquel’ondisposedeplusieursprévisionsdi¤érentesdelaVaRpourunmêmeportefeuille,cestestspermettentdedistinguerunsousensembledeprévisionsvalides(respectivementnonvalides).Ene¤et,ilexisteaujourd’huiunetrèsgrandevariétédeméthodesparamétriquesounonparamétriquesdecalculdelaVaR(voirDownd,2005pourunesynthèse).Or,ilestreconnuquecesméthodesfournissentgénéralementpourunmêmeportefeuilledesmesuressigni…cativementdi¤érentesdelaVaRetdoncdurisque(Beder,1995).Dèslors,laquestionseposedesavoirsilesprocéduresdebacktestingusuellespermettentdediscriminercesdi¤érentesprévisions.Ilnes’agitpasicid’évaluerlacapacitédecestestsàrejeterl’hypothèsedecou-vertureconditionnelle,puisquesurdonnéesréellesla«vraie»mesuredeVaRestaprioriinconnue.Ils’agituniquementdevéri…eràpartird’ungrandnombred’expériences,siparmiNprévisionsdi¤érentesdeVaRissuesdeNméthodesdecalculalternatives,lestestspermettente¤ectivementderejeterlavaliditéd’aumoinsquelquesunesdecesprévisions.Pourcetteétude,nousconsidéronstroistestsquisontparmilesplusutilisésetlesplussouventcitésdanslalittératureconsacréeaubacktesting:lestestsderatiodevraisemblancedeChristo¤ersen(1998),lestestsdequantilesdynamiques(DynamicQuantil,DQ)d’EngleetManganelli(2004)etlestestsdeduréedeprocessusGARCHparexemple)etàreteniruneméthodedecalculdelaVaR(méthodehybride,méthodehistorique,etc.)quinepermetpasdanscecasdemodélisercorrectementlesfractilesdeladistributionconditionnelle.ApartirdesimulationsdeMonteCarloduprocessusdesrentabilités,enrépliquantlaméthodedecalculdeVaR,oncherchealorsàévaluerlafréquencederejetsdel’hypothèsedecouvertureconditionnellepourdi¤érentestaillesd’échantillons.3
Voir icon more
Alternate Text