L'approche DARE pour une mesure de risque diversifiée

International audienceThe objective of this paper is to provide a complete framework to aggregate different quantile and expectile models for obtaining more diversified Value-at-Risk and Expected Shortfall measures, by applying the diversification principle to model risk. Following Taylor [2008] and Gouriéroux and Jasiak [2008], we introduce a new class of models called Dynamic AutoRegressive Expectiles (dare). We first briefly present the main literature about VaR and es estimations, and we secondly explain the dare approach and how expectiles can be used to estimate quantile risk measures. We finally use the main validation tests to compare the dare approach to other traditional methods for computing extreme risk measures on the French stock market.Nous proposons dans cet article, à partir des approches de Taylor [2008] et de Gouriéroux et Jasiak [2008], d'agréger différents modèles de quantiles et d'expectiles afin d'obtenir une méthode plus robuste de calcul de la valeur-en-risque et de la perte conditionnelle maximale en diversifiant le risque de modèle. Cette nouvelle méthode exploite les techniques de régression sur quantiles afin d'obtenir une meilleure estimation des queues de distributions des rendements. Nous comparons notre mesure à la plupart des mesures de risques extrêmes disponibles, en utilisant les principaux tests de validation de la littérature. Cette comparaison menée sur données financières françaises, nous permet de confirmer les qualités de la méthode proposée