Un DARE pour la VaR.

Résumé Cet article présente une nouvelle classe de modèles pour la Value-at-Risk (VaR) et l'Expected Shortfall (ES), appelés les modèles Dynamic AutoRegressive Expectiles (DARE). Notre approche est basée sur une moyenne pondérée de modèles de VaR et d'ES basés sur les expectiles, c'est-à-dire les modèles CARE (Conditional Autoregressive Expectile) introduits par Taylor (2008a) et Kuan et al. (2009). Dans un premier temps, nous présentons brièvement les principales méthodes d'estimation non paramétriques, paramétriques et semi-paramétriques de la VaR et de l'ES. Deuxièmement, nous détaillons l'approche DARE et montrons comment les expectiles peuvent être utilisés pour estimer les mesures de risque quantile. Troisièmement, nous utilisons différents tests de backtesting pour comparer l'approche DARE à d'autres méthodes traditionnelles de calcul de prévisions de la VaR sur le marché boursier français. Enfin, nous évaluons l'impact de plusieurs fonctions de pondération conditionnelles et déterminons les pondérations optimales afin de sélectionner dynamiquement le modèle quantile global le plus pertinent.