Les limites de la gestion du risque financier : Big-data et risque de modélisation et d’analyse

Résumé

L'explosion de l'information dans le paysage financier, couplée à une hausse en termes de capacités de stockage, de traitement et d'analyse, justifie la passion de l'industrie financière pour les données massives (Big Data). Cette technologie permet aux organismes financiers d’utiliser plus de données et de réaliser un travail d’analyse méthodique beaucoup plus vaste et rapide, pour minimiser les risques et d’accompagner les futures fluctuations engendrées par les différentes conjonctures économiques nationales et internationales. Or, cette évolution est susceptible non pas seulement de nuire à la sécurité opérationnelle, elle pose également un défi majeur en matière d'analyse et de modélisation des risques financiers lors de la prévision de la fluctuation d’un produit financier ou d’une prise de décision au niveau managérial. Nous soulignons, dans ce papier certains défis liés au traitement et à la modélisation de ces méga-données, en s’appuyant sur une revue de littérature critique, de façon à pouvoir critiquer les modèles traditionnels de présentation des fluctuations des cours boursiers (normalité des marchés financiers). Nous discutons également quelques résolutions quant à des méthodes et des approches statistiques qui peuvent mener à une gestion quantitative adéquate des risques financiers. Nous proposons ainsi le bootstrap, qui présente une méthodologie à mettre en œuvre précisément dans les cas où les méthodes classiques ne parviennent pas à couvrir le champ du problème traité, ou lorsque les modalités de leur application ne sont plus valides.

Mots clés : Big Data ; modélisation financière ; gestion du risque financier ; méthodes asymptotiques ; le bootstrap.

Classification JEL :  G17

Type de l’article : Article théorique