Pourquoi c’est important
Un échantillon calme et un faible écart-type ne déterminent pas la perte maximale possible. Si le modèle sous-estime les événements rares et importants, son intervalle habituel ne peut pas être considéré comme une garantie de sécurité.
Erreur fréquente
Il ne faut pas déclarer que chaque forte baisse confirme une loi de distribution particulière. Une telle conclusion exige des données suffisamment étendues, un seuil défini et une comparaison avec des alternatives. Une seule observation extrême ne suffit pas à estimer précisément la forme de la queue.
L’étape pratique suivante peut être un [stress test conditionnel](/guides/fat-tails-stress/) : définir des évolutions défavorables conjointes et tester les pertes ainsi que le besoin de liquidités. Un tel scénario n’indique pas sa probabilité et ne promet pas de couvrir tous les risques.
Documents primaires
[1] Gabaix, Power Laws in Economics and Finance ; revue des régularités et mécanismes empiriques. [Power Laws in Economics and Finance](https://www.nber.org/papers/w14299)