Les Limites de la Gestion du Risque Financier : Big-data et Risque de Modélisation et d'analyse
| Autor: | Wiam ZAIMI, Abdeslam El MOUDDEN |
|---|---|
| Rok vydání: | 2023 |
| DOI: | 10.5281/zenodo.7977472 |
| Popis: | L'explosion de l'information dans le paysage financier, couplée à une hausse en termes de capacités de stockage, de traitement et d'analyse, justifie la passion de l'industrie financière pour les données massives (Big Data). Cette technologie permet aux organismes financiers d’utiliser plus de données et de réaliser un travail d’analyse méthodique beaucoup plus vaste et rapide, pour minimiser les risques et d’accompagner les futures fluctuations engendrées par les différentes conjonctures économiques nationales et internationales. Or, cette évolution est susceptible non pas seulement de nuire à la sécurité opérationnelle, elle pose également un défi majeur en matière d'analyse et de modélisation des risques financiers lors de la prévision de la fluctuation d’un produit financier ou d’une prise de décision au niveau managérial. Nous soulignons, dans ce papier certains défis liés au traitement et à la modélisation de ces méga-données, en s’appuyant sur une revue de littérature critique, de façon à pouvoir critiquer les modèles traditionnels de présentation des fluctuations des cours boursiers (normalité des marchés financiers). Nous discutons également quelques résolutions quant à des méthodes et des approches statistiques qui peuvent mener à une gestion quantitative adéquate des risques financiers. Nous proposons ainsi le bootstrap, qui présente une méthodologie à mettre en œuvre précisément dans les cas où les méthodes classiques ne parviennent pas à couvrir le champ du problème traité, ou lorsque les modalités de leur application ne sont plus valides. Mots clés : Big Data ; modélisation financière ; gestion du risque financier ; méthodes asymptotiques ; le bootstrap. Classification JEL : G17 Type de l’article : Article théorique The explosion of information in the financial industry, combined with an increase in storage, calculation and analysis capacities, explains the financial industry's infatuation with Big Data. This technology allows financial organizations to use more data and to perform a much larger and faster methodical analysis, to minimize risks and to accompany future fluctuations generated by the different national and international economic conditions. Nevertheless, this development could not only reduce the security of operations, but it also represents a major challenge in the analysis and modeling of financial risks when predicting the fluctuation of a financial product or making decisions at the managerial level. In this paper, we highlight some of the challenges related to the processing and modeling of these mega-data, relying on a critical literature review, so as to be able to criticize traditional models of stock price fluctuations (financial market normality). We also discuss some resolutions to statistical methods and approaches that can lead to an adequate quantitative management of financial risks. We propose the use of the bootstrap methodology in the financial area, which presents a technique that intervenes precisely when the scope of the problem considered is not covered by classical methods or when the conditions of application of the previous methods are no longer valid. Keywords: Big Data; financial modeling; financial risk management; asymptotic methods; the bootstrap. JEL Classification: G17 Paper type: Theoretical Research |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|