Correlation Breakdown and Risk Measures
Les corrélations Breakdowns et les mesures de risque
Résumé
This thesis presents some contributions to time series modeling, especially in the development of portfolio management models. Our work highlights the phenomenon of Correlation Breakdowns. This phenomenon is materialized by a sudden convergence of the correlation between asset returns. In particular, this effect appears during periods of financial crisis, but sometimes also during periods of financial market euphoria. In order to measure and manage market risks, financial analysts take into account the variability and correlation of the returns of the assets held in their portfolios. One of the difficulties they face in doing so is that during periods of increased market volatility, the correlations between asset returns can differ significantly from those observed in calmer markets. The problem of "Correlation Breakdown" during periods of higher volatility is well known.As a first step, we focused on modeling time-varying volatility and conditional correlations of multivariate time series. We performed time-varying volatility modeling of univariate time series using multivariate GARCH (stochastic volatility), with the aim of proposing a way to measure the periods of heterogeneous drops in the dynamics of the covariance matrix of the GARCH model. The ARCH model can give us more stable correlations by neglecting the heteroscedasticity. All the results are based on the Maximum Likelihood estimation procedure implemented on real data from the CAC40, chemical and pharmaceutical sectors. In a second step, we asked ourselves about the strategies for anticipating a change in correlation. We have thus realized an optimization problem which consists in finding solutions by respecting constraints that maximize the return of a portfolio and minimize the risk. In addition, we are interested in the impact of expectations of a correlation break in an optimal portfolio by maximizing the Sharpe ratio
Cette thèse présente quelques contributions à la modélisation des séries temporelles, notamment dans le développement de modèles de gestion de portefeuille. Nos travaux mettent en évidence le phénomène de Corrélation Breakdowns. Ce phénomène se matérialise par une convergence soudaine de la corrélation entre les rendements des actifs. En particulier, cet effet apparaît pendant les périodes de crises financières, mais parfois aussi au cours de périodes d’euphorie des marchés financiers. Afin de mesurer et de gérer les risques de marché, les analystes financiers tiennent compte de la variabilité et de la corrélation des rendements des actifs détenus dans leurs portefeuilles. L'une des difficultés qu'ils rencontrent pour ce faire, est qu'en période de volatilité accrue des marchés, les corrélations entre les rendements des actifs peuvent différer sensiblement de celles observées sur les marchés plus calmes. Le problème de la "Corrélation Breakdown " pendant les périodes de plus grande volatilité est bien connu.Dans un premier temps, nous nous sommes penchées sur la modélisation de la volatilité variant dans le temps et des corrélations conditionnelles des séries temporelles multivariées. Nous avons réalisé la modélisation de la volatilité variable dans le temps des séries chronologiques univariées en utilisant des GARCH multivariés (volatilité stochastique), dans le but de proposer un moyen de mesurer les périodes des chutes hétérogènes de la dynamique de la matrice de covariance du modèle GARCH. Le modèle ARCH peut nous donner des corrélations plus stables en négligeant l'hétéroscédasticité. L’ensemble des résultats est basé sur la procédure d’estimation du Maximum de Vraisemblance mis en œuvre sur des données réelles du CAC40, des secteurs de la chimie et de la pharmacie. Dans un second temps, nous nous sommes interrogées sur les stratégies d'anticipation d'un changement de corrélation. Nous avons donc réalisé un problème d'optimisation qui consiste à trouver des solutions en respectant des contraintes qui maximisent le rendement d'un portefeuille et minimisent le risque. En outre, nous nous sommes intéressées à l'impact des anticipations d'une rupture de corrélation dans un portefeuille optimal en maximisant le ratio Sharpe
| Origine | Version validée par le jury (STAR) |
|---|