Les expectiles mesurent-ils mieux la sévérité d'une perte ?

Au-delà du quantile

La Value at Risk indique un seuil de perte, mais pas la gravité moyenne des observations au-delà de ce seuil. L'Expected Shortfall prend cette gravité en compte, mais son estimation et son backtest peuvent devenir difficiles dans une queue épaisse. Fernandes, Henriques et Fonseca Mendes étudient les expectiles, une famille fondée sur une perte quadratique asymétrique.

Un expectile ne regarde pas seulement combien d'observations se trouvent dans la queue. Il pondère aussi leur distance au niveau étudié. À la différence du quantile, l'objectif est continûment différentiable presque partout et peut être estimé par moindres carrés itérativement repondérés.

Le modèle conditionnel

Les auteurs considèrent un modèle de volatilité conditionnelle de type GARCH. Les rendements sont écrits comme une échelle dépendant de l'information passée multipliée par une innovation. L'expectile conditionnel se décompose alors en cette échelle estimée et en l'expectile de l'innovation.

La procédure comporte deux étapes : estimer les paramètres de variance par quasi-vraisemblance, puis calculer l'expectile des innovations à partir des résidus standardisés. Les innovations véritables étant inconnues, l'inférence doit intégrer l'erreur de la première étape. Le papier établit une représentation de type Bahadur, une variance asymptotique et des estimateurs de variance exploitables.

Résultats rapportés par les auteurs

Le cadre fournit la consistance et la normalité asymptotique des estimateurs conditionnels et non conditionnels sous les hypothèses du modèle de volatilité. L'analyse empirique indique que les expectiles conditionnels peuvent distinguer des profils de risque de queue en combinant fréquence et sévérité, là où une mesure purement quantile ne conserve qu'une partie de l'information.

Cette propriété ne signifie pas qu'un expectile est automatiquement plus prudent. Le niveau choisi, la dynamique de volatilité, les moments disponibles et la qualité des résidus déterminent le résultat.

Interprétation éditoriale : publier la mesure et son estimation

Un tableau de risque devrait préciser le niveau de l'expectile, la fenêtre, le modèle de volatilité, le traitement des résidus et l'incertitude de la première étape. Comparer seulement la valeur finale masque le fait que deux estimations peuvent avoir des erreurs de queue très différentes.

Limites et statut de la source

Les garanties théoriques reposent sur stationnarité, moments, identification et hypothèses de modèle. Une validation hors échantillon reste nécessaire pour un portefeuille donné. Les expectiles ne suppriment ni le risque de mauvaise spécification ni le risque de changement de régime et ne constituent pas un seuil réglementaire universel.

Sources

Source ArXiv : résumé de 2609.02673v1 · PDF.