Analyse des Risques Financiers Systémiques : de la Perspective Sectorielle à la Perspective Agrégée

Systemic Financial Risk Analysis : from the Sectoral to the Aggregate Perspective

• Auteur / Autrice : Arthur Stalla-Bourdillon
• Direction : Gaëlle Le Fol
• Type : Thèse de doctorat
• Discipline(s) : Sciences de Gestion
• Date : Soutenance le 24/11/2022
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Ecole doctorale SDOSE (Paris)
• Partenaire(s) de recherche : Laboratoire : Dauphine Recherches en management (Paris) - Dauphine Recherches en Management / DRM
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université Paris Dauphine-PSL (1968-....)
• Jury : Président / Présidente : Serge Darolles
• Jury : Examinateurs / Examinatrices : Gaëlle Le Fol, Serge Darolles, Christian Brownlees, Éric Jondeau, Marie Brière, Frédérique Bec, Matthieu Bussière
• Jury : Rapporteurs / Rapporteuses : Christian Brownlees, Éric Jondeau

Mots clés

Mots clés contrôlés

Banques centrales

Économétrie

Marché financier

Mots clés libres

Marchés financiers

Inefficiences de marché

Econométrie financière

Financial Markets

Financial Econometrics

Market Inefficency

Résumé

Marchés financiers et banques centrales entretiennent des liens étroits. D’une part les banques centrales peuvent tirer profit des signaux émis par les marchés financiers, par exemple pour évaluer l’opinion des investisseurs sur le futur niveau de l’activité économique. D’autre part, du point de vue de la stabilité financière, les banques centrales doivent également suivre les marchés financiers afin de jauger des risques qu’ils pourraient faire peser sur l’économie réelle. Ces derniers peuvent notamment émerger de processus de bulles financières ou de la propagation de chocs négatifs de marché à marché. Toutefois, pour l’étude de ces questions, la littérature macro-financière s’est historiquement reposée sur l’utilisation de données financières agrégées. Par opposition, cette thèse de doctorat est centrée sur l’idée que, sur ces sujets, les données désagrégées/sectorielles peuvent ouvrir de nouvelles perspectives de compréhension par rapport aux données macros. Le premier chapitre de cette thèse évalue ainsi dans quelle mesure la prédictibilité des rendements action peut différer entre le niveau indiciel et le niveau individuel/sectoriel. Nous montrons de plus comment cet exercice permet de délimiter les phases durant lesquelles la prédictibilité des rendements est liée aux inefficiences de marché, et ainsi d’identifier les périodes « d’exubérance irrationnelle » (Shiller, 2014). Le deuxième chapitre souligne comment l’utilisation de données sectorielles, et non pas agrégées, tirées du marché action permet d’améliorer notre capacité à prévoir l’activité économique dans le cadre d’un modèle à facteurs. Dans le troisième chapitre, à l’aide d’un modèle économétrique innovant, nous montrons comment l’incorporation de séries temporelles à la fois au niveau des pays et au niveau des secteurs permet de mieux identifier les chocs affectant les secteurs souverains et bancaires et de mieux estimer la propagation de ces derniers.

The relationship between financial markets and central banks is deeply intertwined. On one hand central banks can for example rely on the signals stemming from the markets to assess investors’ opinions regarding future economic activity. On the other hand, from a financial stability perspective, central banks need also to monitor the activity on financial markets to assess the build-up of risks for the real economy that can emerge from bubble processes or from the propagation of negative shocks. However, historically, the macro-financial literature dedicated to these issues mostly rely on aggregate data. This PhD thesis is centered on the fact that focusing on a macro-perspective on these subjects can obscure a lot of information compared to using micro/sectoral data. The first chapter of the thesis thus investigates how stock return predictability can differ between the index-level and the micro-level. Through this exercise, we manage also to spot times where stock return predictability stem from market inefficiencies, enabling us to identify periods of “irrational exuberance” (Shiller, 2014). The second chapter highlights how relying on sectoral, rather than on aggregate, equity data within a factor model can improve our ability to forecast future economic activity. In the third chapter, with the use of an innovative econometric model, we show how incorporating both country-level and sector-level time series in our framework helps to better identify sovereign and bank credit shocks as well as the propagation of the latter.