Sie sind auf Seite 1von 94

Gestion des Risques de March

Gestion dActifs, Contrle des Risques et Conformit M2 G2C


Noureddine LEHDILI

Universit de Caen Basse-Normandie


Samedi 28 fvrier 2015

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

1. Introduction : lhistoire de la Banque Natixis

25 fvrier 2015

1. Introduction : lhistoire de la Banque Natixis

25 fvrier 2015

1. Introduction

25 fvrier 2015

1. Introduction

25 fvrier 2015

1. Introduction

25 fvrier 2015

1. Introduction : Le groupe BPCE en quelques chiffres

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

Trsorerie : en charge de la gestion des risques de taux et de liquidit court terme

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).

On emploie parfois le terme de Gestion de Bilan, de GAP ou dALM


ALM signifie Asset and Liability Management et est lquivalent de GAP en anglais

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

Quelle stratgie de refinancement lorsque ma banque commercialise :

des crdits immobiliers taux fixe


des crdits immobiliers taux rvisable
des dpts vue non rmunrs
des dpts terme
des crdits en devise trangre
des Livrets (A) ?

Comment dimensionner le programme dmission de dettes ?


Comment assurer la survie de ma banque face une crise de liquidit ?
Comment insensibiliser mes revenus dintrt face aux variations de taux ?

25 February 2015
12

1. Introduction

Au moment de dfinir le risque de taux,


plusieurs questions se posent
Bilancielles : quels produits vendus
la clientle intgrent du risque de
taux ?
Organisationnelles : qui est
responsable de la gestion du risque ?
Comptables : comment le risque se
traduit-il dans les rsultats ?
Rglementaires : quelles sont les
rgles de gestion imposes par le
rgulateur (Comit de Ble,
Commission Bancaire) ?

Trading Book / Banking Book


Fixed Income / ALM / Trsorerie
Mark-to-Market / Cot
historique
Ble II Pilier 1 / Pilier 2
Risque de taux du Trading Book
/Risque de taux d
intrt global

25 February 2015
13

2. Dfinitions des risques financiers

14

25 fvrier 2015

2. Dfinitions des risques financiers


Risque : possibilit, probabilit dun fait, dun vnement considr comme un mal ou
un dommage (Larousse)
Danger plus ou moins prvisible. Danger, hasard, pril. Petit Robert .
Le risque est une notion difficile cerner mais de faon gnrale, on peut dire que cest une
contingence indsirable, apprhende et peu probable
Le risque est peu probable : lorsque la probabilit de ralisation est proche de un (la
certitude), on parlera plutt de chance vis--vis de lvnement contraire
Par exemple, on ne dira jamais quun joueur de loterie prend un risque lorsquil joue. Par
contre sil gagne, on dira quil a eu de la chance

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

2. Dfinitions des risques financiers


Le risque financier est li la survenance dun vnement non prvisible qui peut
avoir des consquences importantes sur le bilan ou le compte dune banque.
Gnralement, les consquences correspondent des pertes avres
les diffrents risques financiers :

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

2. Dfinitions des risques financiers


Le risque de march est le risque de perte qui peut rsulter des fluctuations des prix
des instruments financiers qui composent un portefeuille
Le risque de march peut tre aussi dfini comme la perte potentielle (non anticipe)
rsultant dune volution dfavorable des paramtres de march
Ces paramtres de march sont appels facteurs de risque
On distingue gnralement trois catgories de risque de march :

Le risque de taux dintrt


Le risque de change
Le risque de variation dun indice ou du cours dune action
Cotations de spreads de crdit

Les volatilits implicites de ces sous-jacents et leurs corrlations sont aussi des facteurs de
risque de march

25 17
fvrier 2015

2. Dfinitions des risques financiers


On distingue gnralement trois grands types de risque :

Le risque de crdit
Le risque oprationnel
Le risque de march
Pour une banque universelle on estime que les risques les plus importants sont :

Le risque de crdit, suivi du risque oprationnel, puis


Le risque de march

18

25 fvrier 2015

2. Dfinitions des risques financiers


Le risque de crdit : la perte potentielle supporte par un agent conomique suite la
modification de la qualit de crdit de lune de ses contreparties sur un horizon donn
On distingue trois composantes principales du risque de crdit :

Le risque de dfaut
Le risque de dgradation de crdit
Le risque de recouvrement

Concrtement, le risque de crdit est la perte potentielle sur un actif ou un


portefeuille dactifs suite au dfaut de remboursement de lemprunteur

19

25 fvrier 2015

2. Dfinitions des risques financiers


Le risque de crdit prend aussi diverses formes ou appellations :

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

Sous sa 3ime forme, le risque de crdit traduit le risque de dfaut de remboursement


valu par des primes de risque

20

25 fvrier 2015

2. Dfinitions des risques financiers


Ces primes de risque traduisent en termes montaires la vraisemblance de la
ralisation du risque de non-remboursement
Lvolution alatoire de ces spreads constitue elle-mme une forme de risque de
crdit dans la mesure o elle agit directement sur la valeur de march des
instruments de crdit
Il nest donc pas ncessaire que le dfaut se ralise pour que le risque de crdit
affecte ngativement la valeur dun actif ou dun portefeuille dactifs

21

25 fvrier 2015

2. Dfinitions des risques financiers


Pour les crdits, le principal risque est quils ne soient pas rembourss
Les Banques savent quune certaine fraction de crdits ne sera pas rembourse : elles
connaissent, en moyenne, le montant quelles risquent de perdre sur le portefeuille de crdits
un horizon donn
Les pertes effectives peuvent trs bien dpasser ces pertes attendues

Le risque de crdit tient fondamentalement lincertitude des pertes attendues: la


Banque est autant proccupe par le montant des pertes non attendues (UL) que par le
montant des pertes attendues (EL)

22

25 fvrier 2015

2. Dfinitions des risques financiers


Risque de march et risque spcifique
Les risques de taux dintrt et de crdit prsentent des natures premires vue trs diffrentes

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 :

Sous sa forme individuelle, on parle alors de risque spcifique


Sous sa forme de portefeuille synthtique dactions : les indices boursiers. Le risque encouru est, dans ce
cas, qualifi de risque gnral

23

25 fvrier 2015

2. Dfinitions des risques financiers


Le risque de volatilit
La volatilit est une mesure de linstabilit des prix de march
La volatilit peut au choix se fonder sur les volutions de prix passs (volatilit
historique), ou de manire diffrente reflter lanticipation du march quant
linstabilit future des prix (volatilit implicite)
La volatilit est un paramtre dincertitude, de dispersion autour de la trajectoire
moyenne dun sous-jacent donn

24

25 fvrier 2015

2. Dfinitions des risques financiers


Le risque oprationnel
Le risque de pertes rsultant dune inadaptation ou dune dfaillance imputable des
procdures, personnels et systmes internes ou des vnements extrieurs
Cas pratiques :
Des traders ont pris des positions spculatives massives en dehors de leurs attributions et non couvertes. Ils
ont russi les dissimuler leurs hirarchies et aux systmes de contrle des banques. Cela a t notamment
le cas des banques suivantes : La Barings (1995 1.3 GUSD), la Socit Gnrale (2007 -4.9 GEUR) et UBS
(2011 2.3 GUSD)
Laffaire Madoff : il sagit dune escorquerie connue sous le nom de chaine de Ponzi . Madoff proposait des
rendements trs levs, mais en fait payait les intrts des premiers investisseurs avec le capital apport par
les derniers entrs

25

25 fvrier 2015

2. Dfinitions des risques financiers


Le risque de non-conformit
Risque de sanction ou de perte financire dcoulant du non-respect de la rglementation
bancaire et financire ou des rgles internes
Cas pratiques :
Des Etablissement de crdit A, avertissement et sanction pcuniaire de 800KEUR, nov./dc. 2011. Selon
larticle 1 du rglement 97-02, les dispositifs de contrle interne dune banque doivent tre adapts la
nature et au volume de ses activits, sa taille et aux risques auxquels elle est expose. Une mission
dinspection de la Commission bancaire a montr que ltablissement A navait pas fait voluer larchitecture
de son dispositif de surveillance des risques au mme rythme que la complexit de ses oprations de march

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

2. Dfinitions des risques financiers


Le risque de liquidit
Risque que la banque ne puisse pas faire face ses flux de trsorerie un cot
raisonnable
Le risque de liquidit recouvre deux types distincts de situations dfavorables selon quil
porte sur un march ou sur un acteur conomique quel quil soit
Lorsque cela concerne un march, la notion de liquidit reflte la plus ou moins facilit
avec laquelle une position peut tre retourne

La liquidit peut alors se mesurer par le volume et la rapidit des transactions ou encore par

lcart entre le prix dachat et de vente dun mme actif


Le risque de liquidit correspond donc une situation o la liquidit svaporant, la vente
devient extrmement coteuse, voire impossible

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

2. Dfinitions des risques financiers

Le risque structurel de taux dintrt et de change : risque de pertes ou de


dprciations sur les actifs en cas de variation sur les taux dintrt ou de change

Le risque stratgique : risque inhrent la stratgie choisie ou rsultant de lincapacit


mette en uvre cette stratgie

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

Le risque environnemental et social : Risque rsultant dune prise en compte


inadquate des enjeux relatifs la Responsabilit Sociale et Environnementale des
Entreprises. Il est considrer dans les relations du secteur de la Finance avec toutes ses
parties prenantes : les clients, mais aussi les collaborateurs, les actionnaires, les
fournisseurs et la socit civile.

28

25 fvrier 2015

2. Dfinitions des risques financiers


Risque de modle
Un modle est une reprsentation simplifie dune ralit complexe, qui permet de
quantifier une dcision
Un modle est donc troitement li de lactivit pour laquelle il a t mis en place, et
des conditions de marchs associes
Les modles en finance permettent, en particulier, dvaluer un produit financier et
danalyser directement ou indirectement leurs risques
Un modle de pricing et de risk-management est spcifi par
La dfinition exacte du produit auquel sapplique le modle
Les fondements financiers et mathmatiques du modle
Lalgorithme et sa mise en uvre dans les systmes
La dfinition et le calage des diffrents paramtres introduits dans le modle

2. Dfinitions des risques financiers


Le risque de modle est lensemble des risques auxquels sexpose une institution
financire dont le risk-management repose sur des modles mathmatiques
On distingue gnralement quatre types de risque de modle :

Le risque oprationnel
Le risque de paramtres
Le risque de spcification
Le risque de gestion

Le risque de modle peut, par exemple, se matrialiser si une diffrence significative


entre la valeur mark-to-model du produit driv et le prix auquel le mme
instrument est dvoil sur le march

30

25 fvrier 2015

2. Dfinitions des risques financiers


La crise de 2007-2009 : constat
1.
2.
3.
4.
5.
6.
7.

Crise de confiance et de liquidit


Augmentation du nombre doprations collatralises
Dpts au jour le jour massifs des banques la BCE
Ecartement entre les taux interbancaires et les taux au jour le jour
Divergence entre les taux des FRAs de march et les taux forwards
Explosion des taux de basis swap
Segmentation du march des taux dintrt

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

2. Dfinitions des risques financiers

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

Ces risques ont un impact sur la valorisation des instruments financiers et en


particulier sur les drivs
Consquences :

32

La non prise en compte de ces facteurs de risque pour la valorisation et la gestion


des instruments se matrialise par un risque de modle accru

Un nouveau consensus sest impos pour prendre en compte de ces risques dans
la valorisation

Les volutions de pratiques se traduisent par une complexification de la


valorisation des instruments financiers

25 fvrier 2015

2. Dfinitions des risques financiers


4 Funding Valuation
Adjustment

3 Basis de
change

1 Credit/Debit
valuation Adjustment

33

2 Bi-curve

25 fvrier 2015

2. Dfinitions des risques financiers

Le consensus selon lequel les banques sont considres comme exemptes de


risque de dfaut est remis en cause depuis la faillite de Lehmann

Consquence : changement de paradigme avec un nouveau cadre de pricing :


Approche multi-courbe + ajustements de valorisation (CVA, DVA, FVA)
34

25 fvrier 2015

2. Dfinitions des risques financiers

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

la nouvelle tendance a cr une forte corrlation de dfaut et a amplifi


rapidement les pertes (dpendances extrmes)

Le consensus selon lequel les taux dintrt sont relativement stables et le


march immobilier US est haussier est remis en cause.
35

25 fvrier 2015

1. Contexte de march post-crise


Il est intressant aussi de noter que la forme du smile observe est le rsultat dun changement
de paradigme et elle nexiste en fait que depuis le krach du march boursier doctobre 1987 !

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

1. Contexte de march post-crise


Si le consensus de march volue vers un nouveau paradigme, lcart entre le
prix de march et celui du modle de booking peut se traduire par des pertes
financires pour les banques
Cela exprime une premire forme du risque de modle !
Cette introduction suggre une premire dfinition du risque de modle
Le risque de modle peut tre dfini comme une perte potentielle due
loccurrence dune diffrence significative entre la valeur mark-to-model du
produit driv et le prix auquel le mme instrument est dvoil sur le march

37

25 fvrier 2015

3. Le risk-Management

38

25 fvrier 2015

3. Organisation type dun Dpartement des Risques de March


Rles et expertise des diffrentes fonctions par rapport aux mesures de risque de march

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 :

Llaboration de procdures de gestion des risques (incluant les rles, responsabilits)


Llaboration dun langage commun de gestion des risques (uniformisation des mesures
de probabilit et dimpact, des catgories de risques..)

Laccompagnement des managers dans llaboration de leur rponse aux risques (aide
directe, formation)

La supervision des managers pour llaboration des tolrances de risques


Laccompagnement des managers pour ltablissement des activits de contrles
La supervision du processus de reporting de gestion des risques, son intervention porte
donc sur lensemble des lments de gestion des risques

41

25 fvrier 2015

3. Le Risk-Management
Le Risk-Management est le processus selon lequel on
identifie,
mesure,
contrle

Les expositions dune institution financire aux risques financiers


La gestion des risques, cest dabord une organisation, un systme dinformation,
des reportings, des rgles de dcision et un ensemble de procdure et de normes
Il serait donc faux de croire que la gestion des risques cest avant tout des modles
mathmatiques

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

4. Les sensibilits : un outil simple de mesure des risques

46

25 fvrier 2015

4. Les sensibilits: outil simple de mesure des risques


La valorisation dun portefeuille de trading fait apparatre une dpendance aux :

Elments contractuels : nominal, qualit de la contrepartie, clauses particulires, etc.


Elments lis son nom : qualit de crdit propre, accs la liquidit (cot de refinancement)
Paramtres de march explicites : cours des actions, taux de swaps, etc.
Paramtres de march implicites : volatilit, etc.
Paramtres de march plus exotiques : corrlations, etc.
Paramtres de modles : paramtres numriques (lis au calibrage des modles), etc.

De la mesure lanalyse des risques de march

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

4. Les sensibilits: outil simple de mesure des risques


Etape de modlisation
Modlisation des facteurs de risque,
Lien entre facteurs de risque et valeur de portefeuille,
Evaluation de la distribution / la loi de probabilit des portefeuilles,
Evaluation de la robustesse des modles (backtesting)
Choix de mesure afin de grer les risques de march

Modlisation non probabiliste:


o Expositions en nominal, Sensibilits du portefeuille aux paramtres de march

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

4. Les sensibilits: outil simple de mesure des risques


Dfinition: Les sensibilits mesurent limpact sur la valeur dun produit financier dune
faible variation de lune des donnes financires auxquelles linstrument financier est li
En pratique, lorsquune formule analytique existe pour valoriser un produit financier, la
sensibilit sera alors obtenue par simple drivation par rapport la variable financire
considre
Pour les produits valoriss sur la base des tirages alatoires, les sensibilits seront plus
frquemment obtenues par diffrences finies entre les rsultats de deux simulations
ralises avec et sans dcalage de la variable financire concerne
Etant assimiles des drives, les sensibilits mesurent donc limpact en P&L des
variations infinitsimales (ou de faibles variations lorsquelles sont obtenues par
diffrences finies) de lune des donnes auxquelles linstrument financier est li

49

25 fvrier 2015

4. Les sensibilits: outil simple de mesure des risques


Quelques exemples de sensibilits

Delta : sensibilit du prix du produit driv par rapport au cours du sous-jacent


Vega : sensibilit du prix du produit driv par rapport la volatilit implicite
Rho : sensibilit du prix du produit driv par rapport une variation des taux dintrt
Thta : sensibilit du prix du produit driv par rapport lcoulement du temps
Gamma : sensibilit du delta par rapport au cours du sous-jacent

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

4. Les sensibilits: outil simple de mesure des risques


Portion du spectre des risques explore par les sensibilits
Les variations associes aux sensibilits sont infinitsimales ou au mieux faibles. Seules
les configurations de march relativement similaires aux conditions actuelles sont donc
explores par les sensibilits
Les sensibilits se contentent de mesurer et dexplorer les risques de proximit
Les scnarios catastrophes envisagent des configurations de march trs loignes des
conditions initiales
Au sein de lunivers des risques financiers les sensibilits limitent leurs investigations
une boucle centre sur les conditions de march prsentes

51

25 fvrier 2015

4. Les sensibilits: outil simple de mesure des risques


Choix de la variable de rfrence
En principe, des sensibilits non nulles peuvent tre calcules par rapport nimporte
lequel des dterminants de la valorisation de linstrument financier considr
La mthode de valorisation incorpore le prix de march dun certain nombre dactifs, le
plus souvent les taux dintrt ainsi que le cours de lactif sous-jacent
Choix de lordre de la drive
Les sensibilits les plus couramment utilises pour les produits linaires sont limites
lordre 1. Mais, lorsque les instruments financiers considrs comportent des
caractristiques optionnelles, le profil de risque convexe et/ou discontinu incite alors
recourir des drives dordre 2 pour mesurer plus finement ces risques
Les drives dordre 2 peuvent tre de deux types diffrents :
Lorsque la formule de valorisation est drive deux fois par rapport une mme variable, la
sensibilit est qualifie de Gamma
A linverse, lorsque la formule est drive par rapport 2 variables distinctes, la sensibilit est
qualifie de Gamma crois
52

25 fvrier 2015

4. Les sensibilits: outil simple de mesure des risques


Sensibilit lordre 1
Les sensibilits les plus couramment utilises par les oprateurs pour la gestion de
leurs positions sont appeles grecs :
Delta : sensibilit par rapport au cours du sous-jacent. Cette mesure est particulirement
utile aux oprateurs intervenant sur des produits optionnels en leur fournissant un
quivalent delta leur indiquant la pente de leur profil de P&L par rapport au cours du
sous-jacent.
Vga : sensibilit par rapport la volatilit. Cette mesure nest opportune que pour les
produits composante optionnelle
Thta : sensibilit par rapport lcoulement du temps. Cette mesure est, en gnral,
calibre non pas sur une variation infinitsimale mais sur une rduction de un jour de la
maturit rsiduelle.

53

25 fvrier 2015

4. Les sensibilits: outil simple de mesure des risques


Sensibilit lordre 2
La drivation au second ordre ne prsente vritablement dintrt que pour les
seules variables financires dterminantes et par rapport auxquelles le produit
prsente un profil convexe

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.

Volga : cette mesure permet de prendre en compte la convexit par rapport la


volatilit. Elle reste beaucoup moins utilise que le gamma.

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

4. Les sensibilits: outil simple de mesure des risques


Limites lutilisation des sensibilits
Pour les produits de premire gnration, les profils de P&L linaires ainsi que la
proprit dadditivit des sensibilits ont favoris le recours aux dveloppements
de Taylor pour valuer les impacts en P&L
Le recours au dveloppement de Taylor est contestable pour traiter des produits
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.

55

25 fvrier 2015

4. Les sensibilits: outil simple de mesure des risques


Une obligation est une valeur mobilire constituant un titre de crance reprsentatif
dun emprunt
Lobligation est ngociable et peut donc faire lobjet dune cotation sur une bourse ou sur un
march secondaire
Il sagit dun contrat entre lmetteur et les dtenteurs successifs du titre, dont les deux
lments principaux sont lchancier des flux financiers et leur mode de calcul. Tout est
fix lors de lmission obligataire la cration de lobligation
Une obligation peut tre mise par :

Un Etat dans sa propre devise - on parle alors demprunt dEtat


Un Etat dans une autre devise que la sienne on parle dune obligation souveraine
une entreprise du secteur public, un organisme public, une collectivit locale- on parle dune
obligation du secteur public
une entreprise prive, une association, ou tout autre personne morale, dont les Fonds communs de
crances on parle dune obligation corporate

56

25 fvrier 2015

4. Les sensibilits: outil simple de mesure des risques


Les obligations disponibles sur le march sont nombreuses et varies
Lobligation coupon zro ne gnre pas de coupon. La diffrence entre le faible cours
dmission et le cours de remboursement de 100% constitue le rendement de linvestisseur
Lobligation taux variable gnre un coupon variable. Pendant toute la dure de vie de
lobligation, le coupon est adapt au taux en vigueur sur le march
Lobligation perptuelle ont une chance indtermine. Toutefois, linvestisseur reoit un
coupon chaque anne.
Lobligation rendement lev sont mises par des entreprises trs mal notes, ou dans
loptique de permettre la reprise dentreprises difficiles financer

57

25 fvrier 2015

4. Les sensibilits: outil simple de mesure des risques


Une obligation convertible est un produit financier qui, dune part, comme une obligation
classique, verse des coupons et donne droit au remboursement dun nominal et, dautre part,
peut tre convertie en actions
Une obligation convertible ayant t convertie en actions ne donne plus droit ni aux coupons ni au
nominal
La priode, pendant laquelle la conversion de lobligation convertible est possible, peut tre limite dans
le temps, cest la priode de conversion
Une obligation convertible peut tre vue comme un portefeuille contenant lobligation pure sans droit
de conversion et une option amricaine dchange entre lobligation pure et laction sous-jacente
Sous lhypothse dAOA, le prix de lobligation convertible (OC) est suprieur au prix de lobligation (O)
sous-jacente sans droit de conversion

58

25 fvrier 2015

4. Les sensibilits: outil simple de mesure des risques


Bien que les OC soient des produits lists, nombre dentre elles prsentent des
clauses structurs qui peuvent tre regroupes en trois catgories :
Put au porteur;
Call metteur
Reset.

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

4. Les sensibilits: outil simple de mesure des risques


Put au porteur
La clause dite put au porteur donne le droit au dtenteur de lobligation convertible, pendant
une priode donne, en gnral quelques jours, dexiger le remboursement anticip de
lobligation selon des termes prdfinis

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

4. Les sensibilits: outil simple de mesure des risques

Valeur dune OC en fonction du sous-jacent

61

25 fvrier 2015

4. Les sensibilits: outil simple de mesure des risques


Dfinition : une obligation est un titre de crance sur un metteur qui a
contract un emprunt auprs de linvestisseur, en fixant lmission la dure
du prt (maturit) et ses modalits de rmunration (coupons) et du
remboursement du capital (principal)

Echancier des flux pour un investissement dans une obligation taux fixe de
20% et maturit 5 ans

62

4. Les sensibilits: outil simple de mesure des risques


Caractristiques principales

Devise : lobligation est mise dans une devise donne


Principal : Valeur nominal de lobligation
Taux Facial/Nominal/Coupon : taux dintrt en pourcentage du principal
Frquence : de paiement du coupon
Maturit/chance : Date de remboursement du principal
Emetteur : Entit qui emprunte le principal
Rating : Indication du niveau de risque de crdit
Sniorit : Niveau de subordination de lmission

Type de coupon :

Obligations taux fixe : majorit des missions obligataires (environ 50% du


march obligataire)
Obligations taux variable : grande diversit de produits

63

4. Les sensibilits: outil simple de mesure des risques


Caractristiques optionnelles
Clause call metteur : Option de rachat anticip par lmetteur
Clause put au porteur : Option de remboursement anticip au gr de linvestisseur
Amortissement du principal : Remboursement progressif du principal
.
Toutes ces caractristiques sont dcrites en dtail dans le prospectus dmission de
chaque obligation

64

4. Les sensibilits: outil simple de mesure des risques

Descriptif de lOAT 2.25 25/10/2022 (fonction DES sur Bloomberg)


65

4. Les sensibilits: outil simple de mesure des risques


Revenu rgulier et prvisible : lchancier de versement des coupons est connu
lavance ainsi que le montant de ces coupons pour les obligations taux fixe
Prservation du capital : lchance de lobligation le capital investi est
rembours, sauf en cas de dfaut
Apprciation du capital : la gestion active dun portefeuille obligataire peut
permettre de tirer profit de la volatilit des prix des obligations
Diversification de portefeuille : optimisation du couple rendement / risque dun
portefeuille mixte (obligations/actions)
Liquidit : investissement dans les obligations cours terme

66

4. Les sensibilits: outil simple de mesure des risques

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)

Avec c : le coupon priodique constant, M : la valeur de remboursement

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

4. Les sensibilits: outil simple de mesure des risques


Relation Prix - Rendement

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

4. Les sensibilits: outil simple de mesure des risques


Sensibilit (Modified Duration)

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

La sensibilit dune obligation reprsente la variation relative de son prix pour un


choc des taux dampleur donne. Elle peut donc tre approxime par le rapport entre
la drive premire de lquation (3.1) par rapport au taux dintrt et le prix initial :
m

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

4. Les sensibilits: outil simple de mesure des risques


Sensibilit (Modified Duration)

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

4. Les sensibilits: outil simple de mesure des risques


Duration (Macaulay Duration)
Dfinition : la duration est la dure de vie moyenne des flux (coupons et principal)

pondre par leur valeur actualise. La duration est exprime en anne. La


duration est fonction de la maturit, du taux de coupon et du rendement.
Cette mesure du risque de taux permet de prendre en compte les effets
concomitants des diffrents caractristiques des obligations

71

4. Les sensibilits: outil simple de mesure des risques


Duration (Macaulay Duration)

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

4. Les sensibilits: outil simple de mesure des risques


Duration (Macaulay Duration)

Lquation (3.2) peut galement se rcrire de la faon suivante :

m
i Fi (1 + r )i

-i
-i
S = i =1
(1 + r ) = D (1 + r )
V

(3.3)

Lexpression entre crochets D est habituellement appele duration. En appliquant les


relations (3.3) aux 6 obligations tudies ci-dessus, on obtient les relations suivantes :

73

4. Les sensibilits: outil simple de mesure des risques


Proprit de la sensibilit et de la duration

On peut montrer aussi que la duration dune obligation couponne scrit


D=

74

1 + r 1 + r + n (c - r )
r
c (1 + r )n 1 + r

(3.4)

La sensibilit et la duration dune obligation couponne sont toujours la maturit.


La duration dune obligation zro-coupon est gale sa maturit. Par contre sa
sensibilit est toujours infrieure la maturit

La duration est une fonction dcroissante du taux facial. Par consquent la duration
est dautant plus forte que le coupon est faible

4. Les sensibilits: outil simple de mesure des risques


Proprit de la sensibilit et de la duration (suite)

Pour une obligation au pair, la duration peut scrire :

D=

1+ r
1 (1 + r )n
r

(3.5)

Sil sagit dune obligation perptuelle, la duration se limite :

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=

Si les taux sont de 5% (c<r), la duration ne dpassera pas 21

75

4. Les sensibilits: outil simple de mesure des risques


Proprit de la sensibilit et de la duration (suite)

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

4. Les sensibilits: outil simple de mesure des risques


Sensibilit dun portefeuille obligataire

La sensibilit dun portefeuille est simplement la moyenne pondre des


sensibilits des titres qui le composent

Considrons le portefeuille suivant compos de quatre titres obligataires :

La sensibilit de ce portefeuille est donc 5,4. Par consquent, si le taux de


rendement des quatre titres varient de 100bps, la valeur du portefeuille changera
dapproximativement de 5,4%

Les gestionnaires de portefeuille obligataire regardent souvent leur exposition au


risque de taux en terme de contribution dun titre la sensibilit du portefeuille.

77

4. Les sensibilits: outil simple de mesure des risques


Convexit (Convexity)

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

4. Les sensibilits: outil simple de mesure des risques


La convexit (Convexity)

Les mesures de volatilit dcrites prcdemment ne sont utilisables que pour des
mouvements de taux de faible ampleur (de lordre de 20bps)

Pour des dplacements de taux de plus grande ampleur, lapproximation au


premier ordre donne par la sensibilit nest pas suffisante

Dans ce cas, il est ncessaire de corriger le biais de convexit par un


dveloppement de Taylor lordre deux :
dV =

dV
1 d 2V
(r )2
r +
dr
2 dr 2

(3.7 )

La variation relative du prix peut tre exprime de la manire suivante :


dV dV 1
1 d 2V 1
1
2
2
=
r +
(r ) = -S r + C(r )
2
V
dr V
2 dr V
2

Avec

C :=

(3.8)

i
i 2 Fi (1 + r )

d 2V 1
i =1

(1 + r ) 2
D

=
+
dr 2 V
V

79

4. Les sensibilits: outil simple de mesure des risques


La convexit (suite)

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

4. Les sensibilits: outil simple de mesure des risques


Proprit de la convexit

Proprit 1 : si le taux dintrt augmente (diminue), la convexit dune obligation


taux fixe diminue (augmente). Cette proprit est appel convexit positive

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

4. Les sensibilits: outil simple de mesure des risques


Proprit de la convexit (suite)

Une implication de la proprit 1 est que la sensibilit dune obligation va dans la


bonne direction lorsque les taux changes
Si les taux du march augmentent, le prix de lobligation diminue. La diminution du prix
est ralentie par une rduction de la sensibilit lorsque les taux augmentent (effet
parachute)
Au contraire, si les taux de march diminuent, la sensibilit augmente de sorte que la
variation relative du prix sacclre.

82

4. Les sensibilits: outil simple de mesure des risques


Proprit de la convexit (suite)

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

4. Les sensibilits: outil simple de mesure des risques

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

Principales caractristiques dune option : le payoff, la prime,

A partir du montant de la prime et de la valeur de loption lchance, il est


possible de dterminer le profil des profits et pertes lchance en fonction du
prix du sous-jacent.

84

25 fvrier 2015

4. Les sensibilits: outil simple de mesure des risques

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

4. Les sensibilits: outil simple de mesure des risques

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

4. Sensibilits et gestion des risques des options


Principales utilisations dune option

Couverture : une assurance contre les variations des cours boursiers


Spculation : anticiper lvolution future du march pour raliser des profils
Arbitrage : saisir des opportunits darbitrage sur le march pour raliser des profils.

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.

Rendement lev : un investissement limit au montant de la prime permet dobtenir un gain


quivalent du sous-jacent : le rendement de loption est donc trs important en cas
dvolution favorable du sous-jacent.

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

4. Sensibilits et gestion des risques des options


Le prix dune option est fonction de six paramtres, dont linfluence peut tre
mesure partir doutils de gestion. Quelque soit le modle utilis, le prix dune
option dpend des :

Caractristiques de loption : Strike, Maturit, Type,

Paramtres de march : la valeur du sous-jacent, taux dintrt, la volatilit,

Problmatique de pricing : Comment valuer aujourdhui une richesse disponible


max(ST-K,0) la date future T ?

Problmatique de couverture : Comment le vendeur parviendra-t-il produire la


richesse max(ST-K,0) la date future T ?

88

25 fvrier 2015

4. Sensibilits et gestion des risques des options


Hypothses cadre de modlisation

89

processus des prix de lactif financier est log-normal;

le placement et lemprunt de toute trsorerie se fait taux constant;

la cotation du sous-jacent se fait en temps continu;

il ny a aucun cot de transaction;

les ventes dcouvert sont autorises;

les actifs sont infiniment divisibles.

25 fvrier 2015

4. Sensibilits et gestion des risques des options


Hypothses Cadre de modlisation
Mthode de pricing : pour dterminer le montant de la prime, il semble naturel
de se couvrir en moyenne lchance choisie :

faire payer lacheteur la vente du contrat le montant de liquidits permettant


de disposer la date T de la perte moyenne due lexercice de loption.
Dans le cas dun call ou dune option dachat, on crit :

C0 := exp(rT )[max (ST K ,0 )]

:= exp(rT ) ST 1{ST > K } exp(rT ) K( ST > K )

90

Le calcul effectif de lesprance mathmatique est conditionn par la


connaissance de la loi de la variable alatoire S(T).

25 fvrier 2015

4. Sensibilits et gestion des risques des options


La thorie classique

Le modle de Black & Scholes repose sur la possibilit de construire un portefeuille de


couverture qui rplique le comportement de loption

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

4. Sensibilits et gestion des risques des options


Lhypothse mathmatique fondamentale :

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

4. Sensibilits et gestion des risques des options


Portefeuille de couverture

Vente dune option de valeur C (t , St ) par exemple un call

Achat de t actions, on a donc :

dPt = dCt t dS t

Le portefeuille est localement sans risque si et seulement si

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

4. Sensibilits et gestion des risques des options


La rsolution de lEDP

La rsolution de l EDP a pour rsultat la clbre formule de Black & Scholes :

C ( S , t ) = S (d1 ) K exp( r (T t ) )N d1 T t

Le delta, indicateur mesurant la variation du prix de loption en fonction du prix


du sous-jacent, est donn par :

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

4. Sensibilits et gestion des risques des options


Les sensibilits dune option

95

25 fvrier 2015

4. Sensibilits et gestion des risques des options


Le Delta : sensibilit par rapport au cours du sous-jacent

Delta d'un call


1,2
1
Delta

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

4. Sensibilits et gestion des risques des options


Le Vga : sensibilit par rapport la volatilit du sous-jacent

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

4. Sensibilits et gestion des risques des options


Le Gamma : drive seconde par rapport au sous-jacent

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

4. Sensibilits et gestion des risques des options


Pour les produits de premire gnration, les profils de P&L linaires ainsi que la

proprit dadditivit des sensibilits ont favoris le recours aux dveloppements de


Taylor pour valuer les impacts en P&L
Le recours au dveloppement de Taylor est contestable pour traiter des produits

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

5. Les fondamentaux de la Value-at-Risk

100

25 fvrier 2015

5. Les fondamentaux de la Value-at-Risk

La valeur en risque / Value-at-Risk : bref historique

Applique pour la premire fois en 1993 par JP Morgan (Riskmetrics). Gnralisation


progressive dans la deuxime moiti des annes 90. Aujourdhui, un standard de mesure
des risques de marchs

Quest ce que la Value-at-Risk?

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

5. Les fondamentaux de la Value-at-Risk


Bref historique
La technique de Value-at-Risk trouve pour partie son origine dans la mthodologie
RiskMetrics
Celle-ci a t dveloppe par la Banque J.P. Morgan partir de 1989 pour satisfaire le
besoin dexprimer par la direction de pouvoir disposer quotidiennement dune mesure
de la prise de risques globale de la Banque
La mthodologie RiskMetrics a t dvoile en 1994 pour devenir un standard de
march utilis par un nombre croissant de participant
Application de la VaR au calcul des exigences de fond propres pour le risque de
march (amendement de 1996 laccord de Ble).

102

25 fvrier 2015

5. Les fondamentaux de la Value-at-Risk


Lindicateur de mesure de risque Value-at-Risk (ou VaR) permet de faire un rapport de
la forme suivante :
Nous sommes srs 99% que lon ne perdra pas plus de V euros dans les n prochains jours

On dit alors que V est la Value-at-Risk n jours pour un seuil de confiance de 99%

103

25 fvrier 2015

5. Les fondamentaux de la Value-at-Risk


La Value-at-Risk dun portefeuille dpend de trois paramtres :
Distribution des pertes et profits (P&L) en fin de priode
Niveau de confiance qui est gal 1 moins la probabilit des vnements dfavorables
o Plus le niveau de confiance est lev, plus la VaR est lev
o Lorsque le niveau de confiance augmente, le nombre doccurrences au del de la VaR diminue, ce qui
rduit la qualit de la mesure
o La VaR est utile tant quelle peut tre vrifie : un seuil de 99.99% conduirait un dpassement tous
les 10,000 jours de trading, soit tous les 40 ans

Lhorizon temporel : priode de temps sur laquelle on dsire mesurer la VaR


o Plus lhorizon est long, plus la VaR est lev
o Lhorizon temporel est dfini en fonction de lhorizon de gestion
o Il est dcid par la profondeur des donnes de march et les rgulateurs

104

25 fvrier 2015

5. Les fondamentaux de la Value-at-Risk


La Value-at-Risk permet donc de rpondre la question suivante :
Combien ltablissement financier peut-il perdre avec une probabilit a pour un horizon de temps h fix ?

Deux lments sont aussi indispensables pour interprter une VaR :

La priode de dtention : la priode sur laquelle la variation de valeur du portefeuille est


mesure;

Le seuil de confiance : la probabilit dobserver une perte infrieure ou gale la Value-atRisk


Si ces deux paramtres ne sont pas spcifis, nous ne pouvons pas interprter la VaR
Un risque 10 jours avec une probabilit de 99% est beaucoup plus important quun risque
1 jour avec une probabilit de 90%

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

5. Les fondamentaux de la Value-at-Risk

Le niveau de confiance dpend de laversion au risque du propritaire du portefeuille.


Plus ce niveau est important et plus la VaR sera leve. Autrement dit, si le propritaire
est averse au risque, il sarrangera pour que la probabilit des vnements dfavorables
soit trs petite

Lhorizon du temps : il dpend surtout de la frquence de recomposition du portefeuille


et de la liquidit des actifs financiers qui y sont contenus.

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

5. Les fondamentaux de la Value-at-Risk

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

5. Les fondamentaux de la Value-at-Risk

Il serait plus raliste de dire : en labsence dvnements exceptionnels, il y a 99%


de chances que le portefeuille reparte la hausse ou quelle perde 4,000 euros au
plus dici la fin du mois

La Value-at-Risk dun portefeuille dactifs financiers correspond au montant de


pertes maximales sur un horizon de temps donn, si lon exclut un ensemble
dvnements dfavorables (worst-case scenarios) ayant une faible probabilit de se
produire

A laide du concept Value-at-Risk, on peut ainsi exprimer en un seul chiffre le


montant risque dun portefeuille, mme si celui-ci est compos de plusieurs classes
dactifs (actions, obligations, options, devises, etc.)

108

25 fvrier 2015

5. Les fondamentaux de la Value-at-Risk

Reprenons lexemple prcdent, La Value-at-Risk 99% et sur un horizon dun mois


du portefeuille est gale 4,000 euros

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

5. Les fondamentaux de la Value-at-Risk


Avantages

110

Vhicule une information pertinente en terme de risque : un montant de perte


potentielle

talon commun de mesure entre tablissements, et dans un mme tablissement,


entre activits

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

5. Les fondamentaux de la Value-at-Risk


Limites
Calcul complexe et consommateur de ressources
Important corpus dhypothses sous-jacentes
Ne dcrit pas les risques
Ne renseigne pas sur les pertes potentielles maximales :

De combien la VaR peut tre dpasse ?

Comment se calcule-t-elle ?

Rponse : 3 grandes mthodes :


1. Value-at-Risk paramtrique
2. Value-at-Risk Monte Carlo
3. Value-at-Risk historique

111

25 fvrier 2015

5. Les fondamentaux de la Value-at-Risk


La Value-at-Risk est utilise

En tant que mesure de risque de march


Mais aussi pour le calcul du capital rglementaire

Les lments dun systme de la Value-at-Risk


Les positions du portefeuille : collecte des positions

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

5. Les fondamentaux de la Value-at-Risk

Les lments dun systme de Value-at-Risk

113

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk

114

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk


Value-at-Risk paramtrique : lestimation de la VaR par la mthode paramtrique
repose sur lhypothse que la loi jointe des facteurs de risque suit une loi thorique. Les
proprits de cette loi thorique sont alors utilises pour estimer le quantile de la
distribution de probabilit des gains et pertes (P&L) du portefeuille et donc de la VaR

115

Vhicule une information pertinente en terme de risque : un montant de perte potentielle

Inadapte aux produits optionnels.

Historiquement la premire mthodologie utilise


Adapte aux activits produits linaires ou faiblement convexes : march montaire, change
comptant, obligataire et swaps

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk


Value-at-Risk paramtrique

Vhicule une information pertinente en terme de risque : un montant de perte


potentielle

Historiquement la premire mthodologie utilise

Inadapte aux produits optionnels

Adapte aux activits produits linaires ou faiblement convexes : march montaire,


change comptant, obligataire et swaps

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 :

VaR( X ) = inf {x / P( X x ) > 1 }

116

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk


Value-at-Risk paramtrique

Vhicule une information pertinente en terme de risque : un montant de perte


potentielle

Historiquement la premire mthodologie utilise

Inadapte aux produits optionnels

Adapte aux activits produits linaires ou faiblement convexes : march montaire,


change comptant, obligataire et swaps

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 :

VaR ( X ) = inf {x / P( X x ) > 1 }


La Var reprsente la perte potentielle que lon sautorise. La probabilit que la perte
ne dpasse pas la Value-at-Risk est

P ( X > VaR ( X )) =

117

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk

La Value-at-Risk paramtrique

Si la fonction de rpartition F(.) de la variable alatoire X est continue et strictement


croissante, la VaR est lunique solution de lquation suivante :

F ( x) = P( X x ) = 1 VaR( X ) = F 1 (1 )
Exemple : La Value-at-Risk dune loi gaussienne

118

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk

119

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk

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

6. Principales mthodes de calcul de la Value-at-Risk

Reprsentation des positions et valuations des impacts en PNL

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 :

VaR(1 j;1% ) = 2,33 S M S T

121

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk


Apports

Cette technique a le mrite de la simplicit, raison pour laquelle elle a t mise en


uvre en premier
Limites

122

Simplification de lunivers des risques


Simplification des positions en portefeuille
Manque de ractivit de la VaR

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk


La Value-at-Risk Monte Carlo

Cette technique a le mrite de la simplicit, raison pour laquelle elle a t mise en


uvre en premier

Particulirement adapte des produits trs exotiques et/ou pour lesquels les
paramtres de march sont faiblement liquides

Trs consommatrice en ressources informatiques


La Value-at-Risk historique

123

Elle sest trs largement impose aujourdhui


Robuste, cost-efficient
Adapte aux produits optionnels
Moins complte que la VaR de Monte Carlo
mais beaucoup plus conome en termes de ressources
La seule ne pas ncessiter dhypothses sur la distribution statistique des facteurs
de risque
Tout en facilitant le dialogue avec le FO

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk


Une Value-at-Risk historique se calcule travers les tapes suivantes :
Initialement

Choix initial de facteurs de risque dont le mouvement dcoule dune variation de


prix de march

Les facteurs de risques non retenus dans la Value-at-Risk sont traits dans des
limites distinctes ou via des rfactions

Quotidiennement

Construction dun historique pour chacun de ces facteurs de risque


partir de ces historiques, calcul des X chocs quotidiens
Application de ces chocs aux donnes de march du jour
=> on obtient ainsi un ensemble de X jeux de donnes de marchs choques

On trie le vecteur de P&L ainsi obtenu par ordre de perte dcroissante


La Value-at-Risk est la Xime pire perte.

124

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk

125

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk

126

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk

127

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk

128

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk


Calcul de la Value-at-Risk Monte Carlo :

On choisit une distribution pour le rendement futur de chaque facteur de risque


Validation de ce choix par des tests statistiques adquats
A partir des modles choisis, on simule un grand nombre de scnarios futurs
Les rsultats de ces simulations sont ensuite utiliss pour estimer la distribution
des pertes et profits du portefeuille et pour calculer la Value-at-Risk

129

25 fvrier 2015

6. Principales mthodes de calcul de la Value-at-Risk

130

25 fvrier 2015

7. Backtesting des modles de risque (VAR)

131

25 fvrier 2015

7. Backtesting des modles de risque

Problmatique : Backtesting de la Value-at-Risk

132

25 fvrier 2015

7. Backtesting des modles de risque

Il nexiste pas de dfinition prcise du backtesting, la plus gnrale tant celle


propose par Jorion (2007) dans le cadre de la Value-at-Risk

Dfinition. Le backtesting est un ensemble de procdures statistiques dont le but est


de vrifier que les pertes relles observes ex-post sont en adquation avec les pertes
prvues. Cela implique de comparer systmatiquement lhistorique des prvisions de
Value-at-Risk aux rendements observs du portefeuille (Jorion, 2007, page 139)

Le backtesting est un type spcifique de tests historique qui dtermine la performance


dun modle ou dune stratgie financire, si elle avait t effectivement utilis
pendant des priodes passes et dans les mmes conditions du march

133

25 fvrier 2015

7. Backtesting des modles de risque

134

25 fvrier 2015

7. Backtesting des modles de risque

135

25 fvrier 2015

7. Backtesting des modles de risque

136

25 fvrier 2015

7. Backtesting des modles de risque

Pourquoi et pour qui mettre en uvre une procdure de backtesting ?

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

7. Backtesting des modles de risque

Traditionnellement, la validit dune grandeur conomique est value en comparent sa


ralisation ex-post la valeur prdite ex-ante

La comparaison des diffrents modles de prvision se fait alors via lutilisation dun
critre fond sur cet cart entre valeur prdite et valeur ralise

Si la ralisation ex-post de la variable dintrt est inobservable, lexercice dvaluation


ncessite alors dutiliser un proxy

Or la ralisation ex-post de la VaR nest pas observable

La validation de la Value-at-Risk est gnralement fonde sur des tests statistiques

138

25 fvrier 2015

7. Backtesting des modles de risque


Nous allons prsent poser un certain nombre de dfinitions
1.
2.
3.
4.

139

Exceptions de la Value-at-Risk
Couverture non conditionnelle
Indpendance des exceptions
Test statistique

25 fvrier 2015

7. Backtesting des modles de risque

On note Lt i la perte associe un actif ou un portefeuille dactifs la date ti


La valeur ex-ante de la VaR pour un seuil de confiance p % , note Vi i1 = VaRt i / ti1 ( p )
anticipe conditionnellement un ensemble dinformations, not , disponible la
date
est dfinie par la relation suivante :

Pr Lt < VaRti / ti1 ( p ) = p %

Dfinition : On appelle exception une situation dans laquelle la date t la perte


observe excde la Value-at-Risk anticipe

On appelle la fonction exception la fonction indicatrice Yti associe lobservation


ex-post dune violation de la VaR p% la date ti
1
Yti =
0

140

25 fvrier 2015

si Lti > Vi i 1
si non

7. Backtesting des modles de risque

Hypothse : on suppose que la probabilit conditionnelle dune exception la date,ti


tant donne linformation date ti-1 est fixe, i.e.,

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

Nombre dexceptions : la variable X caractrisant le nombre dexceptions scrit :

250

X := Yti
i =1

la variable alatoire X suit une loi binomiale de paramtre p et n=250 :

Pr ( X = k ) = Cnk p k (1 p )

nk

141

25 fvrier 2015

7. Backtesting des modles de risque

La procdure de backtesting des modles de la Value-at-Risk consiste tester


implicitement lhypothse suivante :

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 :

Elle doit apporter le maximum dinformation sur le problme pos


Sa loi doit tre diffrente sous les hypothses H0 et H1
Il faut que la loi soit entirement connue au moins sous H0

142

25 fvrier 2015

7. Backtesting des modles de risque


Dmarche dun test statistique : le cas gnral
1. Choix de lhypothse nulle H0 et de lhypothse alternative H1
2. Choix du seuil de signification du test ou risque de premier espce
Action
Ne pas rejeter H0
Rejeter H0

Etat rel de l'hypothse H0


H0 vraie
H0 fausse
Correct
Erreur de type II
Erreur de type I
Correct

= P(Erreur de type I ) = P(Rejeter H 0 H 0 vraie)

= P(Erreur de type II) = P(Ne pas rejeter H 0 H 0 fausse )


3.
4.
5.
6.

143

Dtermination de la variable de dcision et de sa loi sous lhypothse H0


Dtermination dune rgion critique en fonction du seuil
Dcision prise en fonction si les observations sont ou pas dans la rgion critique
Calcul ventuel de la puissance du test

25 fvrier 2015

7. Backtesting des modles de risque


Dmarche dun test statistique : valider ou rejeter le modle de VaR
1. Lobjet du backtesting est de vrifier, partir des 250 observations du P&L, si les
situations dexception o la perte observe excde la VaR 1% anticipe avec une
probabilit p=p0=1% (Hypothse H0)
2. Choix du seuil de signification du test ou risque de premier espce = 0,03%
3. La variable X caractrisant le nombre dexceptions constitue la variable de dcision
associe une loi binomiale sous lhypothse H0
4. Dtermination dune rgion critique en fonction du seuil
250

R = X = Yti k
i =1

5. Le modle de la VaR est valid ou rejet selon si le nombre dexceptions est


infrieur ou suprieur k.
6. Test statistique UPP
P( X k p = p0 ) = P(R H 0 ) =

144

25 fvrier 2015

7. Backtesting des modles de risque

Lorsque le nombre dexceptions k=10,le backtesting blois induit un niveau = 0,03%


ce qui implique que la mthodologie de calcul de la VaR ne sera pas rejet lorsque le
modle est correct avec une probabilit de 99,97%

Le comit de Ble a dfinit trois zones en fonction du nombre dexceptions :


Zone verte : le nombre dexceptions est infrieur ou gal 4; dans ce cas le modle est
considr comme correcte
Zone jaune : le nombre dexceptions est compris entre 5 et 9; dans ce cas la validit du
modle est discutable
Zone rouge : le nombre dexceptions est suprieur ou gal 10; dans ce cas le modle est
rejet
250

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

7. Backtesting des modles de risque

Nombre dexception de la Value-at-Risk

146

25 fvrier 2015

7. Backtesting des modles de risque

Nombre dexception de la Value-at-Risk

147

25 fvrier 2015

7. Backtesting des modles de risque


Quelles sont les consquences pour les banques ?

Les fonds propres au titre du risque de march (Ble II) sont

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

9. Les stress tests

152

25 fvrier 2015

9. Les stress tests

153

25 fvrier 2015

9. Les stress tests

154

25 fvrier 2015

9. Les stress tests

155

25 fvrier 2015

9. Les stress tests

156

25 fvrier 2015

10. La Stressed VaR (SVaR)

157

25 fvrier 2015

10. La Stressed VaR

158

25 fvrier 2015

10. La Stressed VaR

159

25 fvrier 2015

11. LIncremental Risk Charge (IRC)

160

25 fvrier 2015

11. LIncremental Risk Charge (IRC)

161

25 fvrier 2015

11. LIncremental Risk Charge (IRC)

162

25 fvrier 2015

11. La Comprehensive Risk Measure (CRM)

163

25 fvrier 2015

11. Mesures de risque de march synthse

164

25 fvrier 2015

12. La rglementation bancaire

165

25 fvrier 2015

12. La rglementation bancaire


La gestion des risques, telle quelle est faite actuellement dans les banques, dpend
troitement de la rglementation sur ladquation des fonds propres et du ratio
international de solvabilit
La rglementation est au cur de la problmatique des risques financiers. Il est donc
important de la comprendre pour apprhender comment sont grs les risques dans les
banques
Les fonds propres sont lun des lments du passif dune banque :
Les fonds propres sont le moteur de lactivit de la banque. Ils dimensionnent le risque de la
banque, et donc lactivit de la banque
Ils servent garantir lactivit de la Banque. En particulier, ils doivent permettre dabsorber les
fortes pertes dues des vnements inattendus
Les fonds propres sont des ressources chres : puisque les fonds propres permettent de couvrir
les risques, ils sont rmunrs

166

25 fvrier 2015

12. La rglementation bancaire


Le secteur bancaire fait lobjet dune rglementation prudentielle fixe lchelle
internationale par le comit de Ble, dans le but dassurer sa solidit, sa stabilit et
dattnuer les ingalits concurrentielles
Son principe fondateur est bas sur un ratio minimal de solvabilit, introduit en 1988
sous la forme du ratio de Cooke, qui aboutit une harmonisation des rgles de contrle
bancaire rgissant le niveau des fonds propres
Les textes dfinitifs dtaillant la rglementation bancaire Ble III ont t publis par le
Comit de Ble le 6 dcembre 2010
Ces accords sont issus dune rflexion amorce en 2009 dans le but de :
Tirer les enseignements de la crise financire qui a dbut en 2007
Eviter quun tel phnomne ne se reproduise
Mettre en uvre des mesures qui facilitent la rsilience du systme bancaire en cas de difficult

167

25 fvrier 2015

12. La rglementation bancaire

La rglementation bancaire a notamment pour objectifs :


o Adapter ou amliorer les rgles de fonctionnement et ainsi participer la modernisation et la
stabilit du secteur bancaire,
o Limiter la prise de risque excessive
o Prvenir le risque systmique
o Assurer aux clients une information de qualit

168

25 fvrier 2015

12. La rglementation bancaire


Les principes fondamentaux pour un contrle bancaire efficace publis par le Comit de
Ble constituent le standard le plus important dans le domaine de la rglementation et
du contrle bancaire
Ces principes dfinissent le cadre densemble du contrle bancaire et couvrent :

Lagrment des tablissements,


La rglementation prudentielle,
Les techniques de contrle,
Les prrogatives des autorits

Les dates cls

169

25 fvrier 2015

12. Dfinitions des risques financiers


Les recommandations de Ble 2 sarticulent autour de 3 piliers et 2 ratios

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

12. La rglementation bancaire


Le ratio Cooke (1988)
le Comit de Ble propose un ratio international de solvabilit qui permet :
Une adquation des fonds propres par rapport aux risques
De renforcer la solidit et la stabilit du systme bancaire
Dattnuer les ingalits concurrentielles entre les banques

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

Le poids du risque (wi ) dpend de la nature des actifs.

171

25 fvrier 2015

12. La rglementation bancaire

Pondration

172

25 fvrier 2015

Actif

0%

Les crances sur des Etats


de lOCDE;

20%

Les crances sur les


banques et les collectivits
locales des Etats de lOCDE;

50%

Les crances garanties par


une hypothque ou crditbail immobilier;

100%

Les autres lments dactifs,


dont les crdits la clientle.

12. La rglementation bancaire


Les critiques adresses lapproche ratio Cooke

diffrenciation du risque de crdit inadapte


pas de prise en compte de la structure par terme
pas de prise en compte de la diversification
pas de prise en compte des risques de march
pas de prise en compte des techniques de diminution des risques

Lamendement de Ble (1996)

Prise en compte des risques de march


2 approches pour le calcul de la charge des risques de march :

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

12. La rglementation bancaire


Lapproche standard

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

12. La rglementation bancaire


Lapproche standard

Lutilisation de cette mthode est soumise lapprobation de la Commission Bancaire.


Les fonds propres garantissent lactivit de la banque et permettent dabsorber des pertes
exceptionnelles (crises)
Rserves et provisions couvrent les pertes espres dans le cours normal de lactivit.
Un modle interne est donc un lment de rponse dans le cadre dun modle dallocation
des fonds propres
=> Adquation des fonds propres aux risques de march

175

25 fvrier 2015

12. La rglementation bancaire


Les institutions financires ont la possibilit dutiliser leurs propres modles internes la
place des mthodes standardises pour mesurer les risques de march
Toutefois, pour tre valids par les autorits de tutelles, les modles internes doivent
respecter plusieurs contraintes :
des normes qualitatives,
des critres qualitatifs et
des critres quantitatifs

Les normes gnrales


le systme de gestion des risques repose sur des principes sains et mis en uvre de manire
intgre
nombre suffisant de personnel qualifi pour lutilisation de modles labors dans le domaine
du trading, du contrle des risques, de laudit interne et du backoffice
les modles ont fait la preuve sur une dure significative quils mesurent les risques avec une
prcision raisonnable
effectuer rgulirement des simulations de crises

176

25 fvrier 2015

12. La rglementation bancaire


Les critres qulitatatifs
Contrle des risques indpendant des units de trading
Effectuer rgulirement des contrles ex-post
Les rapports quotidiens doivent tre revus par des responsables ayant lautorit suffisante pour
exiger (si besoin) une rduction des positions
Modles internes troitement intgrs la gestion quotidienne des risques
Utilisation conjointe du systme de mesure des risques et de limites oprationnelles
Effectuer une analyse indpendante du systme de mesure des risques (audit interne)

177

25 fvrier 2015

12. La rglementation bancaire


Les critres quantitatifs

178

la perte potentielle est calcule quotidiennement


le seuil de confiance requis est de 99%
lhorizon de temps est de 10 jours ouvrs
la priode dobservation (chantillon historique) utilise est au minimum de 1 an
la mise jour des sries de donnes est au moins trimestrielle
possibilit dutiliser des corrlations empiriques
prise en compte de la non linarit
si le risque spcifique nest pas pris en compte par le modle alors une exigence en fonds
propres, calcule par la mthode standard, est ajoute.

25 fvrier 2015

12. La rglementation bancaire


Les critres quantitatifs

la perte potentielle est calcule quotidiennement


le seuil de confiance requis est de 99%
lhorizon de temps est de 10 jours ouvrs
la priode dobservation (chantillon historique) utilise est au minimum de 1 an
la mise jour des sries de donnes est au moins trimestrielle
possibilit dutiliser des corrlations empiriques
prise en compte de la non linarit
si le risque spcifique nest pas pris en compte par le modle alors une exigence en fonds
propres, calcule par la mthode standard, est ajoute
La Commission Bancaire attribue un coefficient multiplicateur en fonction de la qualit du
systme de gestion des risques, avec un minimum de 3. Le complment ventuel (entre 0 et
1) est directement li aux performances du modle.
Lexigence en fonds propres est calcule comme suit :

1 60

MRC t = max Pt 1 ; (3 + k ) Pt i
60 i =1

179

25 fvrier 2015

12. La rglementation bancaire


Focus sur les textes de Ble relatifs aux risques de march
Ble 2 Consultation juin 1999 / Document final 2004 / Implmentation fin 2006
Value-at-Risk et mthode standard avec limitation des bnfices lis au netting

Ble 2.5 Consultation janvier 2009 / Document final juillet 2009 / Implmentation fin 2011

Renforcement du cadre de Ble II et objectif affich daugmenter le capital du portefeuille de trading.


Rduction de la pro-cyclicit des exigences de fonds propres.
Prise en compte de facteurs de risque autres que march sur le trading book : le risque de crdit.
Le dispositif de Ble II (VaR et mthode standard) est complt par de nouveaux lments :

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

12. La rglementation bancaire


Ble 4 ? Fundamental Review of the Trading Book Consultation de mai
septembre 2012 / ?
Adresser les faiblesses mises en vidence par la crise, dfinir un cadre rglementaire unifi

(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

12. La rglementation bancaire

182

25 fvrier 2015

13. Le lien entre les mesures de risque de

march et le capital rglementaire

183

25 fvrier 2015

13. Le lien entre les mesures de risque et le capital rglementaire

184

25 fvrier 2015

13. Le lien entre les mesures de risque et le capital rglementaire

185

25 fvrier 2015

14. Synthse et conclusion

186

25 fvrier 2015

14. Synthse et conclusion

187

25 fvrier 2015

14. Synthse et conclusion

Merci de votre attention

188

25 fvrier 2015