Quiz: Modélisation et gestion des risques extrêmes — 10 questions

1. Qu'est-ce que l'équilibre de Nash dans la théorie des jeux ?

A. Un profil de stratégies où aucun joueur ne peut améliorer son gain en déviant unilatéralement

B. Un profil de stratégies où chaque joueur maximise son gain sans tenir compte des autres

C. Une stratégie unique qui garantit le meilleur résultat pour tous les joueurs

D. Un ensemble de stratégies où chaque joueur choisit aléatoirement ses actions

Answer: (A)

Explanation

L'équilibre de Nash, selon Nash (1950), est un profil de stratégies où aucun joueur ne peut améliorer son gain en déviant seul, ce qui en fait une situation stable où chaque stratégie est une meilleure réponse aux stratégies des autres.

2. En quelle année John Nash a-t-il publié sa théorie de l'équilibre de Nash ?

A. 1960

B. 1940

C. 1970

D. 1950

Answer: (D)

Explanation

La théorie de l'équilibre de Nash a été publiée par John Nash en 1950, ce qui constitue une date précise et factuelle essentielle dans l'histoire de la théorie des jeux.

3. Quel est le rôle principal de la Valeur-at-Risk (VaR) en gestion des risques financiers ?

A. Définir la perte maximale attendue à un niveau de confiance donné

B. Calculer la moyenne des pertes sur une période donnée

C. Mesurer la gravité moyenne des pertes extrêmes

D. Estimer la volatilité d'un portefeuille

Answer: (A)

Explanation

La VaR a pour rôle principal de déterminer le seuil de perte maximale que l'on ne devrait pas dépasser avec une certaine probabilité (niveau de confiance), ce qui en fait une mesure de limite de perte acceptable dans la gestion des risques.

4. En quelle année John Nash a-t-il publié sa théorie de l'équilibre de Nash ?

A. 1945

B. 1960

C. 1970

D. 1950

Answer: (D)

Explanation

La théorie de l'équilibre de Nash a été publiée en 1950 par John Nash. Cette date est un fait historique central dans la théorie des jeux, confirmée par la référence à Nash (1950). Les autres années sont des distracteurs plausibles mais incorrects.

5. En quoi les lois GEV diffèrent-elles ou se ressemblent-elles avec l'équilibre de Nash ?

A. Les lois GEV modélisent la stabilité stratégique dans un jeu comme l'équilibre de Nash.

B. Les deux concepts sont des méthodes de simulation pour analyser les risques extrêmes.

C. Les lois GEV sont des distributions de probabilité pour modéliser les extrêmes, tandis que l'équilibre de Nash concerne la stabilité stratégique dans un jeu.

D. L'équilibre de Nash est une loi statistique utilisée pour modéliser les extrêmes.

Answer: (C)

Explanation

Les lois GEV sont des distributions de probabilité utilisées pour modéliser les phénomènes extrêmes, tandis que l'équilibre de Nash concerne la stabilité stratégique dans un jeu. Ils appartiennent à des domaines différents : la statistique extrême pour GEV, la théorie des jeux pour Nash.

6. Qui a formulé le théorème justifiant la méthode POT pour la modélisation des extrêmes ?

A. Pickands

B. Nash

C. Artzner

D. Gnedenko

Answer: (A)

Explanation

Le théorème de Pickands-Balkema-de Haan, formulé par Pickands, Balkema et Haan, établit que pour un seuil élevé, la distribution des excès peut être approximée par une loi de Pareto Généralisée. Ce résultat est à la base de la méthode POT, qui utilise cette approximation pour modéliser les extrêmes.

7. Quelle est la conséquence de l'utilisation de la distribution Pareto dans la modélisation des queues lourdes ?

A. Elle résulte d'un phénomène intrinsèquement lourd en queue.

B. Elle élimine la présence d'événements rares.

C. Elle cause une augmentation de la probabilité d'événements extrêmes.

D. Elle réduit la gravité des pertes extrêmes.

Answer: (C)

Explanation

La distribution Pareto est une cause dans le sens où elle modélise une queue lourde, ce qui entraîne une augmentation de la probabilité d'événements extrêmes, caractéristique des queues lourdes.

8. Comment appliquer la simulation pour ajuster une loi GEV aux données extrêmes dans une analyse de risques ?

A. Simuler des données selon une distribution exponentielle, puis ajuster une loi de Pareto pour modéliser les queues lourdes.

B. Utiliser la méthode de Monte Carlo pour générer des pertes aléatoires, puis ajuster une loi normale et vérifier la normalité avec un test de Shapiro-Wilk.

C. Générer un grand nombre d’échantillons selon une distribution uniforme, puis calculer les maxima de blocs pour ajuster la loi GEV et vérifier la stabilité du paramètre ξ avec le diagramme de Hill.

D. Appliquer une transformation logarithmique aux données, puis ajuster une loi de Gumbel en utilisant la méthode des moments.

Answer: (C)

Explanation

La simulation pour ajuster une loi GEV consiste à générer des maxima de blocs d’échantillons simulés, puis à ajuster la loi GEV à ces maxima. La vérification de la stabilité du paramètre ξ via le diagramme de Hill permet de confirmer la famille de la loi adaptée, facilitant la modélisation des extrêmes.

9. Quelle caractéristique essentielle de l'Expected Shortfall (ES) en application des risques financiers est particulièrement mise en avant dans la gestion prudente des risques ?

A. Elle ne prend en compte que la moyenne des pertes au-delà d’un seuil

B. Elle est équivalente à la VaR pour tous les niveaux de confiance

C. Elle est cohérente et respecte la propriété de sous-additivité

D. Elle est non cohérente et ne respecte pas la sous-additivité

Answer: (C)

Explanation

L'Expected Shortfall (ES) est une mesure cohérente de risque, ce qui signifie qu'elle respecte la propriété de sous-additivité. Cette propriété garantit que la diversification ne peut pas augmenter le risque mesuré, ce qui est essentiel pour une gestion prudente et efficace des risques financiers.

10. Qu'est-ce qu'une simulation GEV dans le contexte de l'analyse des extrêmes ?

A. Une procédure pour ajuster une distribution normale aux données extrêmes

B. Une méthode pour générer des échantillons selon la loi GEV afin d'estimer ses paramètres

C. Une approche pour simuler des scénarios de marché en utilisant des modèles stochastiques

D. Une technique pour calculer la valeur de VaR directement à partir des données

Answer: (B)

Explanation

La simulation GEV consiste à générer des échantillons selon la loi GEV pour estimer ses paramètres ou valider le modèle des extrêmes. Elle permet d'ajuster la loi aux données simulées, notamment pour déterminer le paramètre de forme ξ, crucial dans la modélisation des queues lourdes ou légères.