Curriculum vitae

Benoît Sylvain

Maître de conférences

sylvain.benoitping@dauphinepong.fr
Tel : 0144054891
Bureau : P121

Biographie

Sylvain Benoit est maître de conférences en finance au sein du laboratoire d’économie de l’Université Paris-Dauphine. Il a obtenu un doctorant en sciences économiques à l’Université d’Orléans en 2014, et reçu le trophée SAB pour la meilleure dissertation en finance durable en 2015. Sylvain a effectué plusieurs séjours de recherche à l’étranger notamment à l’University of California Santa Cruz (2011) et à la Cass Business School (2014). Sa recherche se concentre essentiellement sur le risque systémique, à la fois d’un point de vue théorique et empirique, et a été présentée à des conférences très sélectives comme l’European Finance Association (EFA), la Northern Finance Association (NFA) ou l’European Meeting of the Econometric Society. Deux de ses articles de recherche ont été publié dans la Review of Finance. Plus généralement, ses centres d’intérêts sont la régulation financière, la stabilité financière ainsi que l’économétrie financière. Par ailleurs, Sylvain a participé en tant qu’assistant de recherche au projet RunMyCode, désormais Unité Mixte de Services, et partage systématiquement ses codes ainsi que les données utilisés dans ses articles de recherche afin de promouvoir la transparence et la reproductibilité de la recherche scientifique.

Publications

Documents de travail

Benoît S., Dudek J., Sharifova M. (2013), Identifying SIFIs: Toward the Simpler Approach, Document de travail du LEDA, Université Paris Dauphine, 33

Systemic risk measures generally aim to identify systemically important financial institutions (SIFIs) that would allow regulators to allocate macro-prudential capital requirements in order to reduce risk stemming from such institutions. Among widely-cited are the measures of tail dependence in financial institutions' equity returns, such as ?CoVaR of Adrian and Brunnermeier (2011) and Marginal Expected Shortfall (MES) of Acharya et al. (2010). This paper compares nonlinear and linear approaches to modeling return dependence in the estimation of the ?CoVaR and MES. Our results show that while the refined and complicated estimation techniques are able to produce more accurate value of institution's systemic risk contribution they do not greatly improve in terms of identifying SIFIs compared to simpler linear estimation method. Modeling dependence linearly sufficient to identify and rank SIFIs.

Retour à la liste