Impacts of missing data in risk management
Impacts des données manquantes sur la gestion des risques
Résumé
In view of the increasingly stringent regulatory context, banks have had to adapt by implementing many methods to meet data quality requirements. Regulators understand that risk assessment is impossible without good-quality data, which is why recent regulations increasingly deal, be it explicitly or implicitly, with data management and with the management of missing data in particular. For this reason, banks are interested in imputation methods, their efficiency and in particular, their impact on risk management. Accordingly, the PhD thesis presents general issues that are related to missing data before focusing on the financial framework and regulation. Then, a comparative analysis that is based on several criteria (statistical moments, proximity measures, covariance matrix, risk measures and computation time) is conducted. The analysis compares numerous imputation methods, such as linear interpolation and LOCF, which are used as benchmarks, and the Brownian bridge, K-NN, MSSA, random forests, Amelia, MICE, IPCA and MIPCA. These methods have been applied to simulated samples whereby data are removed in line with an MCAR, MAR or MNAR mechanism and to historical samples with MCAR data. The comparative analysis produces particularly satisfactory results for the Amelia algorithm and for random forests. It also reveals many critical issues for banks and regulators.
Face à un contexte réglementaire toujours plus contraignant, les banques ont dû s’adapter en mettant en œuvre de nombreux moyens afin de répondre aux exigences liées à la qualité de la donnée. En effet, le régulateur a pris conscience que l’évaluation des risques ne pouvait se faire sans des données de bonne qualité, c’est pourquoi les réglementations récentes traitent de plus en plus, directement ou indirectement, de la gestion des données et notamment de la gestion des données manquantes. C’est pourquoi les banques s’intéressent aux méthodes d’imputation, à leur efficacité et surtout à leur impact sur la gestion du risque. Ainsi, cette thèse présente les enjeux généraux liés aux données manquantes, avant de se focaliser sur le cas financier et, en particulier, sur les implications réglementaires, pour ensuite mener une analyse comparative basée sur plusieurs critères (moments statistiques, mesures de proximité, matrice de covariance, mesures de risque et temps de calcul). L’analyse comparative est effectuée à partir de nombreuses méthodes d’imputation, telles que l’interpolation linéaire ou le LOCF, qui seront utilisées comme modèles de référence, ainsi que du pont brownien, des K-NN, MSSA, des forêts aléatoires, Amelia, MICE, IPCA et MIPCA. Ainsi, ces méthodes ont été appliquées à des échantillons simulés où les données ont été supprimées de l’échantillon selon un mécanisme MCAR, MAR ou MNAR, mais également à des échantillons historiques avec des données MCAR. Si cette analyse comparative révèle des résultats particulièrement satisfaisants pour l’algorithme d’Amélia et les forêts aléatoires, elle révèle également de nombreux points critiques pour les banques mais aussi pour le régulateur.
| Origine | Version validée par le jury (STAR) |
|---|