Recent studies indicate that systemic risk has predictive power over severe economic downturns. We propose a novel methodology that employs sparsity and targeting approaches to optimally select and combine systemic risk measures to forecast the tail of a given economic variable. Out-of-sample analysis shows that the optimal combination of systemic risk metrics may vary over time, forecasting horizons and economic proxies. Moreover, a few systemic risk measures contain all the important information for capturing the relation between systemic risk and real economy; therefore, a fixed and static combination approach may not be optimal, and the flexible parsimonious extension we introduce leads to improvement in forecasting performance.

Dans cet article, nous nous proposons de tester une extension du modèle d’évaluation des actifs financiers (MEDAF), dans lequel nous ajoutons un facteur de risque systémique, mesuré par une agrégation des principales mesures de risques systémiques, comme proposée récemment par différents auteurs, dans le cadre d’une analyse en composantes principales parcimonieuse (ACPP). Il ressort de nos analyses empiriques menées sur le marché américain que le risque systémique est effectivement une composante importante de la rémunération sur certains titres. Nous proposons finalement une application originale servant à l’identification et au classement des institutions financières d’importance systémique (IFIS).