| Titre | Transition numérique de la gestion des risques : enjeux, outils et perspectives | |
|---|---|---|
| Auteur | Driss Lamrani | |
 |
Revue | Revue d'économie financière |
| Numéro | no 135, 3eme trimestre 2019 Technologies et mutations de l'activité financière | |
| Rubrique / Thématique | Technologies et mutations de l'activité financière |
|
| Page | 233-244 | |
| Résumé |
Les transitions numérique, environnementale et sociale bouleversent dans un processus schumpétérien les risques financiers des établissements financiers. Ces bouleversements impliquent des risques financiers exogènes, consécutifs à la dégradation de la solvabilité des contreparties, des sources systémiques, révélés par les réponses des pouvoir publics nationaux et supranationaux aux effets de la transitions, et endogènes, liés à l'arrivée de nouveaux acteurs moins gênés par l'héritage des risques et l'importance systémique de leurs décisions.
Ces transformations remettent en cause les principes fondamentaux des processus actuels de gestion des risques, s'appuyant sur une stationnarité des cycles économiques. Ils militent pour la création de nouveaux outils, démarches et algorithmes, par l'introduction notamment de nouvelles approches pour collecter, structurer, analyser et prédire à partir des grandes quantités de données. Les résultats de l'application d'algorithmes d'analyse sémantiques, de la reconnaissance d'image et de l'analyse d'inférence, atteignent d'ores et déjà des niveaux suffisamment satisfaisants pour tester leur employabilité dans le secteur financier. Cependant, cette transition doit suivre une démarche progressive, compte tenu des enjeux économiques et de l'importante des acteurs et de l'impact économique de la gestion de l'héritage des risques.
Cette publication identifie les principaux enjeux pour les risques financiers soulevés par les transitions. Elle explicite trois domaines d'application des technologies d'apprentissage automatique et d'apprentissage profond pour répondre aux nouveaux enjeux des risques financiers. Enfin, elle conclut sur les pistes de recherche pour adapter ces nouveaux outils technologiques aux spécificités des établissements financiers pour réussir des transitions inclusives.
Classification JEL : G11, C80. Source : Éditeur (via Cairn.info) |
|
| Résumé anglais |
Digital, environmental and social transitions upset financial institutions financial risks in a Schumpeterian process. These upheavals involve exogenous factors, stemming from institutions' counterparts, from systemic sources, responses from national and supranational public authorities to the effects of transitions, and endogenous, linked to competitors less hampered by risk inheritance and the systemic importance of their decisions.
These transformations call into question current risk management methods fundamental principles, and their reliance on stationarity of economic cycles. They advocate for the creation of new tools, approaches, and algorithms, including the introduction of new methodologies to collect, structure, analyze and predict from large amounts of data. The results of generalist's tests applied to natural language understanding algorithms, computer vision and deep reasoning, are reaching sufficiently satisfactory levels to test their employability in the financial sector. However, this transition must follow a progressive approach factoring the economic stakes of the large financial institutions and their risk inheritance. This publication identifies the key issues for financial risks arising from transitions. It explores three application areas of machine learning and deep learning technologies, to meet the new challenges of financial risks. Finally, it concludes on the research axes to adapt these new technological tools to the specificities of financial institutions to make the transitions successful and inclusive. Classification JEL : G11, C80. Source : Éditeur (via Cairn.info) |
|
| Article en ligne | http://www.cairn.info/article.php?ID_ARTICLE=ECOFI_135_0233 |
