Beruflich Dokumente
Kultur Dokumente
Sommaire
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
Introduction gnrale
Rappel des principaux risques financiers
Risk-Management
Les sensibilits : un outil simple de mesures de risque
Les fondamentaux de la Value-at-Risk
Mthodes de calcul de la Value-at-Risk
Procdure de Backtesting des modles de risque
LExpected Shortfall
Les stress tests
La Stressed Value-at-Risk
Lincremental Risk Charge (IRC)
La rglementation bancaire
Lien entre les mesures de risque de march et le capital rglementaire
Conclusion
25 fvrier 2015
1. Introduction gnrale
25 fvrier 2015
25 fvrier 2015
25 fvrier 2015
1. Introduction
25 fvrier 2015
1. Introduction
25 fvrier 2015
1. Introduction
25 fvrier 2015
25 fvrier 2015
1. Introduction
Trading Book (portefeuille de ngociation) : portefeuille des oprations ( for trading purpose ) de la salle
des marchs comptabilises en valeur de march ( ou Mark-to-Market)
Banking Book (portefeuille bancaire) : portefeuille rassemblant les oprations de la banque traditionnelle
(prts, dpts, immobilisations, fonds propres) comptabilises au cot historique
Fixed Income : en charge de la commercialisation des produits et de la gestion des risques du Trading Book
ALM (Asset and Liability Management) ou Gestion Actif Passif (GAP) : dpartement en charge de la gestion
des risques de taux et de liquidit du portefeuille bancaire
Mark-to-Market : mode de comptabilisation du trading book o les oprations sont enregistres leur
valeur de march. Le rsultat est calcul comme la variation des valeurs de march
Cot historique (ou cot amorti): mode de comptabilisation o les oprations sont enregistres leur prix
dacquisition. Le rsultat est calcul comme la diffrence entre les intrts reus nets des intrts pays
Risque de taux du Trading Book (prsent dans les piliers 1 & 2 de Ble II)
Risque de taux dintrt global : Risque de taux du Banking Book (absent du pilier 1 de Ble II)
25 February 2015
10
1. Introduction
Au sein des banques, la Gestion Actif Passif est le mtier responsable de la gestion des risques de march
du Bilan, plus exactement ceux du Portefeuille Bancaire (Banking Book en anglais)
Risque de taux du Banking Book
Risque de liquidit du Banking Book
Risque de change du Banking Book
Les risques de march du portefeuille de ngociation (Trading Book) sont grs gnralement par des
quipes de Gestion des Risque (Risk Management).
Il existe des Gestionnaires Actifs - Passifs dans les mtiers de lassurance et parfois dans les directions
financires des trs grandes entreprises.
LALM gre les risques provenant dun dsquilibre du bilan de la banque (en liquidit, taux, change)
25 February 2015
11
1. Introduction
25 February 2015
12
1. Introduction
25 February 2015
13
14
25 fvrier 2015
Risque : La coexistence dun ala et dun enjeu. Lorsquune personne prend un risque,
elle entreprend une action avec un espoir de gain et/ou une possibilit de perte :
Ala : les consquences de laction entreprise ne sont pas totalement prvisibles;
Enjeu : il y a espoir de gain et/ou crainte de perte
15
25 fvrier 2015
Risque de march
Risque de contrepartie
Risque oprationnel
Risque de liquidit
Risque juridique
Risque de rputation
Risque de modle
...
Le risque est une perte potentielle, identifie et quantifiable, inhrente une situation ou une
activit, associe la probabilit doccurrence dun vnement ou dune srie dvnements. Il se
distingue de lincertitude non quantifiable- et du danger moins identifiable.
16
25 fvrier 2015
Les volatilits implicites de ces sous-jacents et leurs corrlations sont aussi des facteurs de
risque de march
25 17
fvrier 2015
Le risque de crdit
Le risque oprationnel
Le risque de march
Pour une banque universelle on estime que les risques les plus importants sont :
18
25 fvrier 2015
Le risque de dfaut
Le risque de dgradation de crdit
Le risque de recouvrement
19
25 fvrier 2015
Risque de contrepartie pour les transactions sur les marchs financiers et interbancaires,
Risque de faillite ou risque de crdit au sens propre pour les transactions sur le march du
crdit
Risque de spread pour les instruments de crdits qui font lobjet de cotations rgulires sur les
marchs financiers
20
25 fvrier 2015
21
25 fvrier 2015
22
25 fvrier 2015
Le premier est qualifi de risque gnral, car il est dtermin sur les marchs de dette sans risque par le
simple jeu de loffre et de la demande
A linverse, le risque de crdit relve pour sa part de la catgorie des risques spcifiques, car le spread de
crdit associ chaque metteur individuel, dpend en premier lieu de la capacit de remboursement
de lemprunteur
Dans les deux cas, les taux dintrt, comme les spreads de crdit dterminent le cot de
financement des emprunteurs, ou, linverse, la rmunration des prteurs
Les actions peuvent tre traites de deux manires sur les marchs financiers :
23
25 fvrier 2015
24
25 fvrier 2015
25
25 fvrier 2015
La banque britannique accepte de payer 1,9 milliard de dollars (1,5 milliards deuros) pour clore les
poursuites engages par les autorits amricaines dans une affaire de blanchiment d'argent sale appartenant
notamment des cartels de la drogue. HSBC a conclu un accord avec les autorits amricaines dans le
cadre d'enqutes concernant des infractions aux lois sur les sanctions (frappant certaines entits criminelles
ou assimiles) et la lutte contre le blanchiment d'argent , a prcis la banque dans un communiqu.
Source : Les Echos - 11/12/2012
26
25 fvrier 2015
La liquidit peut alors se mesurer par le volume et la rapidit des transactions ou encore par
Du point de vue dun acteur conomique, le risque de liquidit caractrise une situation
dans laquelle cet acteur ne peut pas faire face au paiement dune chance particulire
dans une devise donne
27
25 fvrier 2015
Le risque rputation : Risque rsultant dune perception ngative de la part des clients,
des contreparties, des actionnaires, des investisseurs ou des rgulateurs qui peut
affecter dfavorablement la capacit dune banque maintenir ou engager des
relations daffaires et la continuit de laccs aux sources de financement
28
25 fvrier 2015
Le risque oprationnel
Le risque de paramtres
Le risque de spcification
Le risque de gestion
30
25 fvrier 2015
Le risque systmique
Dstabilisation de lensemble du systme financier entranant une chute voire un
blocage des marchs financiers et donc le financement de lconomie
Impact significatif sur la croissance de lconomie et sur lemploi
31
25 fvrier 2015
La crise qui a suivi la faillite de Lehmann a eu un impact trs significatif sur les marchs
o Diffrents risques historiquement ngligs ont depuis pris une place importante dans le
march actuel
o Risque de contrepartie accru et risque de liquidit
32
Un nouveau consensus sest impos pour prendre en compte de ces risques dans
la valorisation
25 fvrier 2015
3 Basis de
change
1 Credit/Debit
valuation Adjustment
33
2 Bi-curve
25 fvrier 2015
25 fvrier 2015
CDO - Modle de Copule Gaussienne : les corrlations de dfaut et des taux de dfaut
historiquement bas ont contribu dune manire excessive survaluer les tranches
snior AAA. On supposait implicitement que le march de limmobilier US est haussier
25 fvrier 2015
Il sagit de lune des limites du modle de Black & Scholes mais depuis cette crise les oprateurs
intgre la dimension du smile pour la valorisation et la gestion des produits drivs
25 36
fvrier 2015
37
25 fvrier 2015
3. Le risk-Management
38
25 fvrier 2015
39
25 fvrier 2015
3. Le Risk-Management
Le Risk-Management est le processus par lequel les organisations traitent
mthodiquement les risques qui s'attachent leurs activits et recherche ainsi des
bnfices durables dans le cadre de ces activits, considres individuellement ou
bien dans leur ensemble
La gestion du risque est centre sur l'identification et le traitement des risques. Elle a pour objectif
d'ajouter le maximum de valeur durable chaque activit de l'organisation
Elle mobilise la comprhension des alas positifs ou ngatifs qui drivent de tous les facteurs qui
peuvent affecter lorganisation.
Elle augmente la probabilit de succs et rduit la probabilit dchec et lincertitude qui s'y
attache
40
25 fvrier 2015
3. Le Risk-Management
Le Risk Manager travaille avec les responsables de son entit afin de les aider mettre
en place une gestion efficace des risques pour leur primtre de responsabilit. Ses
attributions pourraient tre :
Laccompagnement des managers dans llaboration de leur rponse aux risques (aide
directe, formation)
41
25 fvrier 2015
3. Le Risk-Management
Le Risk-Management est le processus selon lequel on
identifie,
mesure,
contrle
42
25 fvrier 2015
3. Le Risk-Management
Identifier le risque : il sagit de quantifier quels sont les facteurs de risque qui
affectent ngativement la valeur du portefeuille dactifs dune banque ou dune
institution financire
Mesurer le risque : valuation du risque par lintermdiaire dindicateurs comme
les sensibilits et/ou dautres mthodologies du type Value-at-Risk
Contrler le risque : Il sagit de vrifier que les indicateurs de risque respectent
certaines contraintes (suivi des limites)
43
25 fvrier 2015
3. Le Risk-Management : modlisation
La principale cause des risques financiers est lincertitude lie lvolution des prix,
des taux dintrt, des taux de change,
A lheure actuelle, la thorie des probabilits est le meilleur outil dont on dispose
pour modliser lincertitude associe lvolution des prix futures
Le processus de modlisation se droule en deux tapes :
Description de lensemble de tous les vnements futurs possibles
Puis, assignation dune pondration chacun dentre eux pour reprsenter sa probabilit
de ralisation
Le modle ainsi obtenu est synthtis par son diagramme de frquence appel loi
de probabilit ou distribution du modle
44
25 fvrier 2015
3. Le Risk-Management : modlisation
Pour dterminer le risque dune position ou dun portefeuille, il faut dabord identifier
les diffrents variables du march susceptibles dinfluer sur lvolution de sa valeur
future
Chaque facteur de risque est ensuite modlis par une distribution de probabilit
La distribution de la valeur dune position ou dun portefeuille rsultera dune
combinaison adquate des choix effectus pour les facteurs de risque
Question fondamentale : comment choisir un modle de distribution pour une variable
de march ( ou un facteur de risque)?
Idalement, il faudrait un modle qui soit simple et qui reproduit bien les observations
empiriques
Le modle le plus simple est la distribution normale, une loi trs connue et qui est
dtermine par deux paramtres : la moyenne et lcart-type
45
25 fvrier 2015
46
25 fvrier 2015
47
Etapes pralables : analyse conomique des risques encourus, identification des facteurs de risque, Collecte
des donnes
Etapes de modlisation : modlisation des facteurs de risque, lien entre facteurs de risque et valeur de
portefeuille, valuation de la distribution de P&L, valuation de la robustesse des modles
Etapes danalyse, de synthse et de pilotage du risque : calcul des indicateurs de risque, analyse du risque
ex-ante, suivi et pilotage du risque
25 fvrier 2015
Modlisation probabiliste :
o VaR, Expected Shortfall, Scnarios de stress, Stressed VaR, IRC, CRM
Etape de modlisation
Calcul dindicateurs de risque
Analyse du risque ex-ante
Suivi et pilotage du risque
48
25 fvrier 2015
49
25 fvrier 2015
Utilisation
Les sensibilits sont utilises par les traders afin de grer leurs positions ainsi que les riskmanagers
Les sensibilits sont reportes au responsables du trading, au responsable des risques
Elles sont utilises afin de dcomposer et dexpliquer les variations du prix
50
25 fvrier 2015
51
25 fvrier 2015
25 fvrier 2015
53
25 fvrier 2015
Gamma : cette sensibilit reprsente la drive seconde par rapport au cours du sousjacent. Elle rend compte de la convexit et complte donc utilement le delta.
Gammas croiss : ces sensibilits sont plus particulirement utilises pour les produits
les plus complexes dont les drives premires sont elles-mmes particulirement
sensibles aux autres variables financires.
54
25 fvrier 2015
55
25 fvrier 2015
56
25 fvrier 2015
57
25 fvrier 2015
58
25 fvrier 2015
Parmi les clauses cites ci-dessus, se sont les clauses de call metteur qui offrent la
plus grande diversit
Presque toutes les obligations convertibles prsentent au moins une clause de ce
type, puisquelles permettent lmetteur de limiter son exposition au risque de
conversion
59
25 fvrier 2015
Call metteur
La clause dite call metteur donne le droit lmetteur de lobligation convertible, pendant une
priode donne, deffectuer le remboursement anticip de toutes les obligations, non encore
converties, selon des termes prdfinis
La clause Reset
Sous certaines conditions, en gnral le franchissement par le prix de laction dun certain seuil
pendant une priodes donne, les paramtres de lOC sont modifis selon des termes prdfinis
60
25 fvrier 2015
61
25 fvrier 2015
Echancier des flux pour un investissement dans une obligation taux fixe de
20% et maturit 5 ans
62
Type de coupon :
63
64
66
A noter que pour des obligations de type in fine, les coupons priodiques sont
constants et le remboursement nintervient qu maturit. Dans ce cas particulier, la
relation suivante peut tre utilise :
1 (1 + r ) m
V0 = c
+ M (1 + r ) m
(1)
Exercice :
1.
2.
Considrons une obligation versant des coupons de 10% par an, de valeur nominale 1000,
rembourse au pair dans 20 ans. Le taux de rendement des obligations de mme catgories
est 11%. Quelle est sa valeur aujourdhui ?
Utilisation de la fonction suivante dans Excel pour calculer le prix dune obligation
PRIX.TITRE(date de rglement, maturit, coupon, rendement, principal, frquence)
67
Une proprit fondamentale du prix dune obligation taux fixe est quil sagit dune
fonction strictement dcroissante du taux de rendement :
Le prix de lobligation est gal la valeur actuelle des flux futurs
Si le taux dactualisation augmente, la valeur actuelle des flux futurs diminue
Dun point de vue mathmatique, ceci peut tre vrifi en drivant (1) / r
Dune point de vue conomique, cela se justifie par le fait que si les obligations
nouvellement mises offrent un rendement suprieur celui de lobligation, les
investisseurs la dlaisseront
Par un simple jeu offre/demande, le prix de cette obligation sajustera pour offrir le mme
rendement que les autres obligations sur le march
68
Nous avons montr que de faon gnrale, le prix dune obligation a taux fixe tait
donn par la relation suivante :
m
V0 = Fi (1 + r )
(3.1)
i =1
1 dV
=
S=
V dr
i F (1 + r )
i =1
i 1
(3.2)
Exemple : Soit une obligation mise au pair au taux de 10% remboursable in fine dans
5 ans au pair. Si le taux du march est 10%, quelle est la sensibilit de lobligation ?
Quel est le cours thorique de cette obligation si le taux passe 11% ? 9% ?
69
Dfinition : la sensibilit dune obligation est gale la variation relative du prix pour
une faible variation de son taux de rendement
Exercice : Utilisation de la fonction suivante dans Excel pour calculer la sensibilit dune
obligation
DUREE.MODIFIEE(Date de rglement, maturit, coupon, rendement, frquence)
70
71
La duration permet de hirarchiser le risque de taux entre deux obligations mais elle ne
permet pas de mesurer limpact sur le prix de lobligation dune variation du rendement
Exercice : Utilisation de la fonction suivante dans Excel pour calculer la duration dune
obligation
DUREE(Date de rglement, maturit, coupon, rendement, frquence)
72
m
i Fi (1 + r )i
-i
-i
S = i =1
(1 + r ) = D (1 + r )
V
(3.3)
73
74
1 + r 1 + r + n (c - r )
r
c (1 + r )n 1 + r
(3.4)
La duration est une fonction dcroissante du taux facial. Par consquent la duration
est dautant plus forte que le coupon est faible
D=
1+ r
1 (1 + r )n
r
(3.5)
1+ r
(3.6)
r
La duration admet donc une limite finie mme si lobligation sassimile une rente
perptuelle. Ainsi, une obligation au pair (c=r) dure de vie infinie de taux facial 4%
admettra pour duration une valeur de 26.
D=
75
Comme le montre la figure suivante, une obligation cote au dessus du pair (c>r)
admet une duration qui est croissante en fonction de la maturit
76
Une obligation cote en dessous du pair (c<r) admet une duration qui passe par un
maximum unique
77
Dfinition : la convexit est la drive seconde du prix dune obligation par rapport au
taux dintrt. Elle mesure la variation relative de la sensibilit dune obligation.
Pour une variation importante du taux dintrt, la sensibilit de lobligation ne donne
pas une bonne approximation de prix. Lutilisation de la convexit permet une
meilleure approximation de la variation des prix
Interprtation : Plus la convexit dune obligation est forte, plus son prix baissera
lentement (augmentera rapidement) si son taux de rendement augmente (baisse). La
convexit est donc souhaitable
78
Les mesures de volatilit dcrites prcdemment ne sont utilisables que pour des
mouvements de taux de faible ampleur (de lordre de 20bps)
dV
1 d 2V
(r )2
r +
dr
2 dr 2
(3.7 )
Avec
C :=
(3.8)
i
i 2 Fi (1 + r )
d 2V 1
i =1
(1 + r ) 2
D
=
+
dr 2 V
V
79
Exemple : Soit une obligation mise au pair au taux de 12% remboursable in fine
dans 4 ans. Quelle est le prix de cette obligation aux taux de 9% ? De 10% ? En
dduire la variation du cette obligation suite une hausse de 100bps.
Quelles sont la duration et la sensibilit de cette obligation si le taux de march 9% ?
Que remarque-t-on ?
Quelle est la convexit de cette obligation ?
En dduire limpact dune hausse des taux de 100bps sur la valeur de lobligation
80
Proprit 2 : Pour un rendement et une maturit donns, plus faible est le taux
nominal, plus faible est la convexit
Proprit 3 :Pour un rendement et une maturit donns, plus faible est le coupon,
plus faible est la convexit
81
82
Ceci peut tre illustr par la figure suivante. La pente de la tangente (la sensibilit)
se rduit avec laugmentation des taux dintrt
La proprit 3 implique que les obligations zro-coupon ont la plus faible convexit
pour une sensibilit donne
83
Dfinition : une option est un contrat terme conditionnel, qui confre son
acheteur, moyennant le paiement dune prime, le droit et non lobligation
dacheter ou de vendre une quantit dun actif, un prix dtermin lors de la
ngociation du contrat, une date dchance convenue ou tout au long de la
dure de vie de loption
84
25 fvrier 2015
Le profil des profits et des pertes lchance de lachat et la vente dun call
P&L l'chance: achat et vente d'un call
100
Payoff
50
0
0
50
100
150
200
-50
-100
Spot price
85
25 fvrier 2015
Le profil des profits et des pertes lchance de lachat et la vente dun put
P&L l'chance de l'achat et la vente d'un put
100
Payoff
50
0
0
50
100
-50
-100
Spot price
86
25 fvrier 2015
150
200
Dissymtrie des risques : le dtenteur dune option est expos une perte maximale
quivalent au montant de la prime verse, alors que ses possibilits de gain sont illimites en
cas dvolution favorable du march.
Vente doptions : les vendeurs doptions peuvent encaisser des primes de faon immdiate.
Une telle position peut nanmoins engendrer des pertes illimites en cas de hausse du prix
de loption aprs la vente
87
25 fvrier 2015
88
25 fvrier 2015
89
25 fvrier 2015
90
25 fvrier 2015
En ce sens, le risque associ lmission de loption est nul et le prix de loption est
dtermin de manire unique par un argument darbitrage
Dans ce cadre, les options nauraient pas lieu dexister car elles seraient quivalentes
leur portefeuille de couverture
91
25 fvrier 2015
dS t = S t dt + S t dWt
Le prix de loption C (t , St ) est une fonction du temps t et du prix S(t)
Application du lemme dIt :
Ct
C 2 S 2 2C
C
dt +
+ S t
+
dC =
SdWt
2
t
S
S
S
92
25 fvrier 2015
dPt = dCt t dS t
Ct
S
Absence dopportunit darbitrage : dP = rPdt
t =
EDP :
Ct
C 2 S 2 2 C
+ rS t
+
rC = 0
t
S
2 S 2
93
C (T , ST ) = (ST K )+
25 fvrier 2015
C ( S , t ) = S (d1 ) K exp( r (T t ) )N d1 T t
Avec
94
25 fvrier 2015
2
S
(T t )
ln + r +
2
K
d1 =
T t
t = (d1 )
(x ) = (N (0;1) x ) = e
x
u2
2
du
2
95
25 fvrier 2015
0,8
0,6
0,4
Mat ur it y=5Y
Mat ur it y=1Y
0,2
Mat ur it y=6M
0
0
50
100
150
Spot price
96
25 fvrier 2015
200
250
Vga
Vga
80
70
60
Maturity=5Y
50
40
30
Maturity=6M
Maturity=1Y
20
10
0
0
50
100
150
200
250
Spot price
97
25 fvrier 2015
2,5
2
Maturity =5Y
1,5
Maturity=1Y
Maturity=6M
1
0,5
0
0
98
25 fvrier 2015
50
100
150
200
250
complexes dont le profil de P&L comporte de la convexit et/ou des discontinuits qui
ne peuvent tre correctement prises en compte par les seules sensibilits
Les sensibilits ne fournissent quune photographie trs locale du profil du risque
99
25 fvrier 2015
100
25 fvrier 2015
Un montant de perte qui na statistiquement que x chances sur 100 dtre dpass au
cours des n prochains jours (x=1 ou p=1%).
A titre dexemple, une VaR (1%, 1 j) gale 1ME signifie quun jour sur cent en moyenne, le
portefeuille est susceptible de connatre une perte suprieure ce montant
101
25 fvrier 2015
102
25 fvrier 2015
On dit alors que V est la Value-at-Risk n jours pour un seuil de confiance de 99%
103
25 fvrier 2015
104
25 fvrier 2015
105
Dans le premier cas, nous avons une chance sur 100 que la perte ralise pour les 10
prochains jours ouvrs soit suprieure celle estime par la VaR
Dans le second cas, nous avons une chance sur 10 que la perte ralise demain soit plus
grande que la VaR.
25 fvrier 2015
Exemple : pour les mesures de VaR des portefeuilles de ngociation des instituts
financiers, la rglementation impose un niveau de confiance de 99% et une priode de
dix jours ouvrables, soit deux semaines.
106
25 fvrier 2015
Vous avez investi une partie de vos conomies dans un portefeuille dactions. Votre
conseiller vient de vous informer que la valeur de votre portefeuille a baiss le mois
dernier et que celui-ci vaut maintenant 50,000 euros.
Aprs avoir cout ses explications sur les raisons de cette mauvaise performance,
vous dsirerez srement avoir une ide de la perte maximale que le portefeuille
pourrait enregistrer dici la fin du mois.
La rponse la plus correcte serait que vous pourriez perdre toutes vos conomies.
Or cette rponse nest pas satisfaisante parce quelle ne vous apporte rien de
nouveau et, surtout, parce que le scnario de perte totale a trop peu de chance de
se produire.
107
25 fvrier 2015
108
25 fvrier 2015
Cela signifie que si le portefeuille ne change pas jusqu la fin du mois et que les
conditions du march restent normales, il y a 99% de chances pour que la perte sur
tout le mois soit infrieure 4,000 euros
Les vnements dfavorables (worst case scenarios) ont une probabilit de 1%. Le
portefeuille perdrait alors plus que 4,000 euros si lun de ces derniers devait se
produire
109
25 fvrier 2015
110
Applique de manire homogne, tient compte des effets de compensation entre les
diffrents types de risques
Interprtation simple
Une prsentation synthtique : un chiffre unique
25 fvrier 2015
Comment se calcule-t-elle ?
111
25 fvrier 2015
112
et identification des
paramtres de march
Les facteurs de risque : choix des facteurs de risque, choix de lamodlisation des
facteurs de risque, collecte des donnes de march
La mthode destimation de la VaR : lapproche paramtrique, les simulations
historiques, les simulations Monte Carlo
25 fvrier 2015
113
25 fvrier 2015
114
25 fvrier 2015
115
25 fvrier 2015
Soit X la valeur nette future dune position sur un horizon donn, et le niveau de
confiance. La Value-at-Risk est la mesure de risque dfinie par :
116
25 fvrier 2015
Soit X la valeur nette future dune position sur un horizon donn, et le niveau de
confiance. La Value-at-Risk est la mesure de risque dfinie par :
P ( X > VaR ( X )) =
117
25 fvrier 2015
La Value-at-Risk paramtrique
F ( x) = P( X x ) = 1 VaR( X ) = F 1 (1 )
Exemple : La Value-at-Risk dune loi gaussienne
118
25 fvrier 2015
119
25 fvrier 2015
La Value-at-Risk paramtrique
Lunivers des risques rels est reprsent par N facteurs de risque et pour chacun
deux par les seules variances et covariances observes sur un historique donn :
12 12 1 2 ... 1n 1 n
2 ...
2n 2 n
12 1 2 1
...
...
... ...
2
1n 1 n 2 n 2 n ... 1
Calibration des chocs : la distribution des chocs est obtenue partir des sries
historiques, en supposant dans la plupart des modles que les chocs suivent des lois
normales.
Ces dernires sont alors entirement dtermines partir de leurs deux premiers
moments : la moyenne et lcart type.
120
25 fvrier 2015
Dans le cas le plus frquent, cette mthode se fonde sur un dveloppement de Taylor au
1er ordre pour simuler la distribution des impacts en PNL associs la Value-at-Risk :
X
i
i =1
N
V =
X i
Ds lors, la Value-at-Risk peut tre dduite partir de cette combinaison linaire des
chocs et de la matrice de variance-covariance. La Value-at-Risk est alors dtermine
selon la formule suivante :
121
25 fvrier 2015
122
25 fvrier 2015
Particulirement adapte des produits trs exotiques et/ou pour lesquels les
paramtres de march sont faiblement liquides
123
25 fvrier 2015
Les facteurs de risques non retenus dans la Value-at-Risk sont traits dans des
limites distinctes ou via des rfactions
Quotidiennement
124
25 fvrier 2015
125
25 fvrier 2015
126
25 fvrier 2015
127
25 fvrier 2015
128
25 fvrier 2015
129
25 fvrier 2015
130
25 fvrier 2015
131
25 fvrier 2015
132
25 fvrier 2015
133
25 fvrier 2015
134
25 fvrier 2015
135
25 fvrier 2015
136
25 fvrier 2015
137
1.
Aspects rglementaires (Ble II) : les Banques sont contraintes de mettre en uvre une
validation leurs modles internes de la Value-at-Risk. Les rglementations prudentielles
imposent une valuation des modles de VaR par des procdures de back-testing
2.
Intrt pour les Risk Managers : les utilisateurs de la VaR ont besoin dvaluer les prvisions
de la VaR. Do la ncessit de mettre en place une procdures de backtesting lors de la
construction des modles de prvision de la VaR
3.
Grande diversit des modles de caclul de la VaR : la pratique montre que les diffrents
modles conduisent gnralement des estimations trs diffrentes de la VaR pour un mme
portefeuille.
25 fvrier 2015
La comparaison des diffrents modles de prvision se fait alors via lutilisation dun
critre fond sur cet cart entre valeur prdite et valeur ralise
138
25 fvrier 2015
139
Exceptions de la Value-at-Risk
Couverture non conditionnelle
Indpendance des exceptions
Test statistique
25 fvrier 2015
140
25 fvrier 2015
si Lti > Vi i 1
si non
Pr Yti / I ti1 = p
Cela implique que les variables Yt , Yt ,..., ont une probabilit conditionnelle fixe; une
hypothse ncessaire et suffisante dIndependence de ces variables
250
X := Yti
i =1
Pr ( X = k ) = Cnk p k (1 p )
nk
141
25 fvrier 2015
H 0 : p = p0 = 1% virsus H1 : p > p0
Ce test est bas sur une trajectoire de 250 observations Yt , Yt ,..., Y250 et p0 = 1%
La procdure de backtesting est donc construite sur le principe dun test statistique
Pour rappel, la conception dun test passe par lidentification dune statistique de
lchantillon, appel test statistique, jouant le rle de la dcision :
142
25 fvrier 2015
143
25 fvrier 2015
R = X = Yti k
i =1
144
25 fvrier 2015
250
Yi 4 p = 1% = 89.22% Yi 5 p = 1% = 95.88%
=
=
1
1
i
i
250
250
Y 9 p = 1% = 99.97%, Y 10 p = 1% = 99.99%
i
i =1
i =1
145
25 fvrier 2015
146
25 fvrier 2015
147
25 fvrier 2015
Le coefficient Lambda =3+ x+y est fix par le rgulateur sur la base dune valuation de
la qualit du systme de gestion des risques de la banque et des rsultats du
backtesting de son modle interne.
148
25 fvrier 2015
8. LExpected Shortfall
149
25 fvrier 2015
8. LExpected Shortfall
150
25 fvrier 2015
8. LExpected Shortfall
151
25 fvrier 2015
152
25 fvrier 2015
153
25 fvrier 2015
154
25 fvrier 2015
155
25 fvrier 2015
156
25 fvrier 2015
157
25 fvrier 2015
158
25 fvrier 2015
159
25 fvrier 2015
160
25 fvrier 2015
161
25 fvrier 2015
162
25 fvrier 2015
163
25 fvrier 2015
164
25 fvrier 2015
165
25 fvrier 2015
166
25 fvrier 2015
167
25 fvrier 2015
168
25 fvrier 2015
169
25 fvrier 2015
Les 3 piliers
Pilier 1 (les ratios) : exigences minimales de fonds propres exigences de fonds propres
minimales afin de couvrir les risques encourus :
Pilier 2 (lapprciation du superviseur) : processus de surveillance prudentielle principes
prudentielle afin de garantir que le capital est suffisant afin de couvrir les risques encourus
Pilier 3 (linformation financire) : discipline de march des rgles de transparence sont
tablies quant la discipline de march et linformation mise la disposition au public
Les ratios
Le ratio de solvabilit
Les ratio de liquidit
170
25 fvrier 2015
Cest le fameux ratio Cooke qui correspond au rapport entre le montant des fonds
propres et celui des encours pondrs de crdit (EPC)
Le capital doit tre au moins gal 8% du total des actifs pondrs du risque. La charge
du risque de crdit (CRC) est alors
CRC = 8% wi asset i
i
171
25 fvrier 2015
Pondration
172
25 fvrier 2015
Actif
0%
20%
50%
100%
173
la mthode standard
le modle interne
Lide principale est dinciter les banques construire leur des modles robustes pour calculer
les risques de march et donc dobtenir des fonds propres beaucoup plus ralistes.
25 fvrier 2015
Le calcul de lexigence en fonds propres par lapproche standard est la somme arithmtique
des charges de risques de march pour les catgories suivantes :
174
25 fvrier 2015
175
25 fvrier 2015
176
25 fvrier 2015
177
25 fvrier 2015
178
25 fvrier 2015
1 60
MRC t = max Pt 1 ; (3 + k ) Pt i
60 i =1
179
25 fvrier 2015
Ble 2.5 Consultation janvier 2009 / Document final juillet 2009 / Implmentation fin 2011
Les modles internes : la VaR est complte par 3 nouvelles mesures de risque de march : la VaR
stresse, lIncremental Risk Charge (IRC) et la Comprehensive Risk Measure (CRM)
La mthode standard (taux, change, equity et matires premires) est complte par une charge en
capital en mthode pour les positions de Titrisations, similaire celle du banking book (ce qui adresse
les arbitrages entre trading et banking).
180
25 fvrier 2015
(en opposition au patchwork post Ble 2.5) qui puisse tre appliqu toutes les banques et
qui permette les comparaisons entre banques.
Le Comit de Ble propose notamment:
Lutilisation dune mesure dExpected Shortfall calcule sur une priode stresse, la place des VaR et VaR stresse.
La prise en compte dhorizons de liquidit diffrencis ainsi que la limitation des bnfices de diversification et de
hedge.
La possibilit de rintgrer dans ce cadre unifi les risques de crdit actuellement capts par les mesures IRC et CRM.
La mise en place dun calcul en mthode standard qui pourrait servir de floor pour le capital rglementaire.
181
25 fvrier 2015
182
25 fvrier 2015
183
25 fvrier 2015
184
25 fvrier 2015
185
25 fvrier 2015
186
25 fvrier 2015
187
25 fvrier 2015
188
25 fvrier 2015