Le risque généré par les produits dérivés en réseau - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

Risk generated by derivatives in networks

Le risque généré par les produits dérivés en réseau

Résumé

This thesis studies the mechanisms at work when agents exchange derivatives in networks. The general conclusion of this work is the following: when one models simple mechanisms between agents who have different risk tolerances, one obtains behaviors which are similar to those observed in reality, and which are sometimes the source of major trouble. To reach this conclusion, this work uses mathematical modeling based on financial risk measures, made more complex over the chapters and extended using computer simulation. At first, the model shows that agents tend to establish chains of dependence when they have the freedom to trade derivatives. Their behavior leads to the emergence of a point of systemic failure. When modeling incorporates counterparty risk, chains of dependence can worsen general bankruptcy. A computer method is then developed to extend the analysis to the most general case possible; it enables to design optimal derivative products within a very broad framework. Applied to the problem of network derivatives, this method leads to the emergence of more realistic derivatives than previously, such as options. Systemic risk persists, however, raising the threat of general bankruptcy if one of the financial positions is misjudged. Finally, this thesis work proposes a reflection on the scientific value of computer simulations in social sciences. Adopting a point of view stemming from the philosophy of Karl Popper, this thesis proposes to consider simulations as logical counterexamples to firmly established theoretical presuppositions.
Cette thèse étudie les mécanismes à l’oeuvre quand des agents s’échangent des produits dérivés en réseau. La conclusion de ce travail est la suivante : lorsque l’on modélise des mécanismes simples entre des agents qui ont des tolérances au risque différentes, on obtient des comportements qui sont similaires à ceux observés dans la réalité, et qui sont parfois la source de troubles majeurs. Pour arriver à cette conclusion, ce travail utilise une modélisation mathématique basé sur les mesures de risques financières, que l'on complexifie au fil des chapitres et que l'on étend à l'aide de la simulation informatique. Dans un premier temps, la modélisation montre que les agents ont tendance à établir des chaînes de dépendance lorsqu’ils ont la libertéde s'échanger des produits dérivés. Leur comportement fait émerger un point de faillite systémique. Lorsque la modélisation intègre le risque de contrepartie, les chaînes de dépendance peuvent aggraver la faillite générale. Une méthode informatique est ensuite développée pour étendre l'analyse au cas le plus général possible; celle-ci permet de concevoir des produits dérivés optimaux dans un cadre très large. Appliqué au problème des produits dérivés en réseau, cette méthode fait émerger des produits dérivés plus réalistes que précédemment, comme des options. Le risque systémique persiste cependant, faisant planer la menace d'une faillite générale en cas de mauvaise évaluation de l’une des positions financières. Enfin, ce travail de thèse propose une réflexion sur la valeur scientifique des simulations informatiques en sciences sociales. Adoptant un point de vue issu de la philosophie de Karl Popper, cette thèse propose ainsi de considérer les simulations comme des contre-exemples logiques à des présupposés théoriques fermement établis.
Fichier principal
Vignette du fichier
MAUHE_NICOLAS_2020.pdf (64.25 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-02967804 , version 1 (15-10-2020)

Identifiants

  • HAL Id : tel-02967804 , version 1

Citer

Nicolas Mauhé. Le risque généré par les produits dérivés en réseau. Gestion et management. Université de Bordeaux, 2020. Français. ⟨NNT : 2020BORD0058⟩. ⟨tel-02967804⟩
215 Consultations
13 Téléchargements

Partager

Gmail Facebook X LinkedIn More