Abstracts
Résumé
La modélisation des risques nous permet de mieux mesurer l’occurrence de certains événements mais elle ne nous permet pas de les prédire avec exactitude. Dans ce travail de modélisation des risques, le choix des méthodes et techniques permettant la construction du modèle, le choix de la méthode d’estimation et même le choix des données influencent directement et de façon importante les réponses obtenues et, de ce fait et malgré l’apparence de rigueur, ces choix ne sont pas neutres. Nous abordons ces différents aspects à travers quelques exemples.
La question de la modélisation de la dépendance est également abordée lorsqu’il s’agit de bien mesurer les risques. Enfin, une question fondamentale se pose : qui sont les responsables de nos crises financières : les acheteurs, les institutions financières, les organismes de réglementation ?
La réponse à la question posée en titre n’est pas simple. Non, il n’est pas possible de dompter complètement le hasard, car il est impossible de prévoir l’avenir et la modélisation n’est pas d’une précision absolue. Mais il est possible d’apprivoiser le hasard, de le cerner, d’en maîtriser les effets néfastes. La modélisation nous apprend à composer avec les incertitudes.
Abstract
Risk modeling allows us to better measure the occurrence of some events but does not allow us to accurately predict them. In this risk modeling work, the model framework, the estimation method, the type of data and the sampling period influence directly and significantly the responses and, thus, despite the appearance of rigor, these choices are not neutral. We discuss these aspects with a few examples.
The issue of modeling the dependence is also discussed when it comes to measure the risks. Finally, a fundamental question : who are responsible for our financial crisis: buyers, financial institutions, regulatory bodies?
The answer to the question title is not simple. No, it is impossible to tame completely randomness, because it is impossible to predict the future and modeling is not absolutely precise. But it is possible to tame the randomness, to identify and control its harmful effects. Modeling teaches us to deal with uncertainties.