Professional Documents
Culture Documents
Le niveau de la prime dpend de la probabilit de dfaut de lmetteur et du taux de recouvrement attendu de sa dette. Linvestisseur sexpose au risque de contrepartie de la banque tandis que la banque sexpose au risque de crdit de lmetteur obligataire.
Mcanisme gnral
Le driv sur vnement de crdit est fond sur un mcanisme de dfaillance qui lorsquil intervient, permet lacheteur de protection de toucher un paiement dont les modalits sont dfinies avec prcision lavance Afin de sassurer que la transaction ralise couvre bien lexposition souhaite, il faut que le contrat de CDS soit adapt aux besoins :
Reference Entity = Le nom exact de lentit sur laquelle on cherche se couvrir ou prendre un risque Obligations = Les dettes sur lesquelles on pourra observer un Evnement de Crdit Credit Events = Les vnements permettant de dclencher la protection : Bankruptcy Bankruptcy, Failure to Pay Pay, Restructuring Restructuring, Repudiation Repudiation/Moratorium Moratorium, Obligation Acceleration Deliverable Obligations = Le portefeuille de titre qui peut tre livrer en cas de dclenchement dun CDS avec rglement physique : Bond or Loan Loan, Bond, Loan
Les tranches diTraxx sont renouvelles tous les six mois, nous sommes actuellement la 10me tranches. Pour autant, les tranches restent ngociables jusqu lchance des dettes sous-jacentes. Ex: iTraxx Crossover compos des 125 noms les plus liquides de notation < BBB-
La somme des probabilits de dfaut du panier : 1,0317% Cette probabilit de dfaut du panier quivaut une notation entre A3 (0,7300%) et Baa1 (1,1000%) La somme arithmtique des probabilits de dfaut est une mthode simplifie pour le calcul car elle ne prend pas en compte la corrlation. En effet, on peut pr-suppos quun choc sur le secteur ptrolier entranant la faillite dExxon augmenterait la probabilit de dfaut de Total.
Ces titres permettent aux investisseurs obligataires de diversifier leur portefeuille en acqurant une signature diffrente de celle de lmetteur de la note. Pour lmetteur le CLN permet de se dsengager du risque et du financement sur un sous-jacent sans avoir le revendre.
Dans le cas le plus simple, un CLN correspond une promesse de paiement rgulier de coupons et de remboursement du principal la maturit comme pour une obligation normale. Toutefois, les paiements sont relis la performance dun titre de crdit de rfrence. Par exemple, la banque A met un CLN lie au risque de dfaut de lentreprise C pour un nominal de 100Mios EUR. Cette note paie une coupon de 100bp au dessus du taux de rfrence (E3M par exemple).
En labsence dvnement de crdit sur C, A rembourse lintgralit du nominal lchance, les investisseurs nauront alors subi aucune perte A linverse, si un vnement de dfaut sur C est enregistr avant lchance ; la note est rembourse par anticipation et le versement des coupons est interrompu.
Le remboursement anticip peut seffectuer en titres de rfrence aprs constatation du dfaut ou par le versement dun montant gal la valeur de march du sous-jacent de rfrence aprs son dfaut.
Ce swap transfre lintgralit des flux dun actif financier (intrts, coupons, variations de valeur) pendant une dure dtermine.
Le paiement correspond la variation de valeur de lactif qui a lieu des dates intermdiaires (les dates de tombe de coupon) et lchance. En change, le vendeur de protection verse intervalles rguliers un coupon correspondant un taux de rfrence major dun spread.
Il faut retenir que les flux sont changs alors quil ny a pas ncessairement dvnement de crdit.
Ces missions consistent en une duplication synthtique de la performance conomique dun actif sous-jacent.
Exemple : Une banque met un titre obligataire synthtique sur un gant de la distribution pour un montant de 600Mios USD. Paralllement, des clients de la banque cdent leur exposition sur lentreprise de distribution. Tous ces actifs sont regroups dans une entit cre spcialement pour la structuration du produit : un Special Purpose Vehicle (SPV) La banque contracte un Total Return Swap avec le SPV. Par consquent, le SPV verse la banque la performance des actifs et la banque le rmunre en change par un coupon de 65bp par an au-dessus de lOAT 10ans. Par ailleurs, le SPV met une note lie au risque de dfaut du gant de la distribution sur 10 ans, de principal 600Mios USD et versant un coupon gal la rmunration du SPV (soit un spread de 65bp De la sorte, les 600MiosUSD ont transit par le SPV et ont t verss aux clients de la banque qui ont ainsi vendu leur risque de crdit sur le gant de la distribution.
Cas du put sur spread dasset swap : loption est rendue possible (dans la monnaie) si le crdit sous-jacent se dprcie
Lachat dun put peut jouer le rle de stop-loss sur une position de crdit
Cas du call sur spread dasset swap : loption est rendue possible (dans la monnaie) si le crdit sous-jacent sapprcie.
La vente dun call peut tre analyse comme prise de profit un niveau de spread auquel linvestisseur ne souhaite plus dtenir lactif
Contrairement aux CDS, le dfaut de paiement nest pas une condition ncessaire lexercice des options. Il suffit que la valeur du crdit volue suffisamment pour quun profit ou une perte apparaisse.
Risque de march : rentabilit symtrique (loi normale) Risque de crdit : asymtrique avec phnomne de fat tail (loi log normal)
Les modles approche structurelle : le dfaut est un vnement endogne dfini partir de lvolution de la structure du capital, lentreprise est considre en cessation de paiement lorsque la valeur de ses actifs ne suffit plus faire face sa dette (la valeur de la dette est value laide de la thorie des options) :
Modle de Merton Modle KMV
Les modles sous forme rduite : le dfaut et les vnements de crdit sont des vnements exognes dont le modle spcifie la survenance :
Modle CreditMetrics Modle CreditRisk+
Modle de Merton
En 1974, Merton publie un modle de dfaut qui se base sur la recherche dune explication de lvnement de dfaut. Cette explication repose sur une modlisation de la valeur de la firme. Ce modle suppose que les actionnaires et les cranciers sont en fait des dtenteurs doptions :
Les actionnaires ont une perte limite leur investissement initial et bnficient de toute augmentation de la valeur des actifs de la firme au del de la valeur de la dette. Si lchance de la dette, la valeur des actifs de la firme est infrieure au montant de celle-ci, la firme qui liquide ses actifs ne peut honorer sa dette et est ainsi en dfaut. Dans ce cas, les actions ont une valeur nulle et lactionnaire a perdu sa mise de fonds initiale. Si par contre, lchance de la dette, la valeur des actifs de la firme est suprieure au montant de la dette, la liquidation des actifs sert rembourser celle-ci et le surplus est rparti entre les actionnaires.
Une firme ayant une dette dun montant 0 sur le march et ayant une valeur nominale de remboursement E et une date dchance T. Vt La valeur conomique des actifs de la firme S t La valeur des fonds propres linstant t Les actionnaires :
La firme qui liquide ses actions ne peut honorer sa dette et ainsi en dfaut Les actions ont une valeur nulle et lactionnaire a perdu sa mise de fonds initiale sauf sil rembourse le reste la dette.
VT < E :
ST
=0
VT > E :
La liquidation des actifs sert rembourser la dette et le surplus est reparti entre les actionnaires Lactionnaire reoit donc la valeur du march des fonds propres S:
S = Max(V ! E ,0)
Lactionnaire est par consquent dtenteur dun call sur la valeur des actifs, De prix dexercice : la valeur de la dette Dchance : lchance de la dette De prime : le service de la dette Si lchance de la dette, la valeur des actifs est < au montant de celle-ci, loption a une valeur nulle puisquelle termine en dehors de la monnaie. Si en cours de vie de loption, la valeur de la firme est < la valeur de la dette, loption est en dehors de la monnaie mais conserve une valeur temps.
Les cranciers :
Les cranciers ont intrt ce que la socit at une valeur des actifs suprieure la valeur de la dette afin dtre rembourss. Par contre, ils ont intrt ce que la valeur des actifs soit la moins volatile possible. Ils sont donc vendeurs de put sur la valeur des actifs
Dchance, lchance de la dette, De prix dexercice, la valeur de la dette, De prime, le service de la dette
Si la valeur de la firme diminue et devient ngative, les cranciers ont intrt liquider la socit sur laquelle ils supportent de plus en plus de risque (put vendu qui devient de plus en plus dans la monnaie). A lchance de la dette le crancier reoit:
B(VT , E) = min(VT , E)
Couverture contre le risque de crdit : Si le dtenteur dobligation possde une option de vente put de sousjacent, la valeur de lactif de la firme V, de prix dexercice la valeur de remboursement de la dette E et de maturit T ; il peut exercer son option en cas de dfaut et obtenir le remboursement
Hypothses du modle
Structure des taux en fonction de la maturit est plate Le taux instantan sans risque est stable au cours du temps Hypothse de Modigliani Miller (absence dimpt) selon laquelle, la valeur de la firme est indpendante de sa structure financire. La valeur des actifs de la firme est modlise par un processus brownien, solution de lquation de Black&Sholes
La valeur des fonds propres que doit avoir une entreprise pour couvrir sa position lchance de la dette est :
S = V0 [ N (d1 ) ! L N(d 2 )]
avec :
V0 1 2 d1 = [ln( ) + (r + " )T]/"T E 2 d 2 = d1 ! "T r : le taux sans risque T : est l' chance de la dette E : la valeur nominale de remboursement de la dette T V0 : la valeur actuelle des actifs de volatilit " E e -rT L= le levier d' endettement A0
P0 = V0 [L N(-d 2 ) ! N (!d1 )]
Le spread du risque:
pt = N (!d 2 )
Dfauts du modle
Le dfaut est dtermin seulement la date de maturit de lobligation. Le risque du taux est nglig (courbe des taux plate),en ralit le taux est volatile. Modle de Long staff et Schwartz(1995) : volution du taux selon un mvt brownien => Les spread de crdit sont ngativement corrles aux taux dintrt sans risque Supposition que la valeur des actifs est un processus continu exclue tout dfaut non anticip: cessation de paiement d des problmes de liquidit => La dynamique de valeur dentreprise possde ainsi deux composantes:une composante continue et une autre discontinue
Cest un modle bas sur celui de Merton qui permet de calculer le risque global dun portefeuille dobligations avec risque de dfaut. Il se concentre principalement sur lestimation des diffrentes probabilits de dfaut de plusieurs socits par actions travers le monde. Le dfaut ne survient pas ds que la valeur des actifs franchit la baisse le seuil de la valeur comptable de la dette, mais un niveau un peu plus bas : le seuil de dfaut (default point). La distribution pertinente estime par KMV est en consquence celle de lcart entre la valeur des actifs et le seuil de dfaut. La densit de probabilit attache aux valeurs ngatives de cet cart est la mesure relle de la probabilit de dfaut.
Si la valeur des actifs de la socit i est infrieure celle de la dette maturit, le modle KMV suppose que cette socit fait dfaut et quelle ne pourra plus honorer ses obligations financires. La valeur de march des actifs est calcule partir du cours boursier de lentreprise. La valeur dune socit i sur un horizon de h annes peut tre apprcie en comparant la valeur de ses actifs celle de ces dettes (suppose fixe sur un horizon de temps H) et de la valeur de son capital actions ainsi, est la variable alatoire doccurrence de dfaut.
La valeur des actifs est suppose gale la valeur actuelle, calcule sur une dure de vie infinie, des flux oprationnels futurs gnrs par lentreprise. Dans le cas dune entreprise non cote, lestimation est difficile car le processus dvolution dans le temps ne peut reposer sur lanalyse historique. Les auteurs du modle apportent une rponse construite sur la thorie des options. On suppose la valeur des actions de la socit i dans h annes comme un contrat doption dachat sur les actifs de celle-ci avec :
Une chance dans H annes, Un prix dexercice gal la valeur faciale des dettes au temps H.
Par la suite pour obtenir une expression analytique du prix de cette option, KMV applique le modle de Merton. En effectuant une srie dhypothse, le modle KMV obtient donc une valeur :
Une consquence directe de lapplication du modle de Merton est que est obtenue partir dune loi normale centre rduite. Ainsi la probabilit de dfaut pour la socit i et obtenue par :
La probabilit de dfaut (EDF) sexprime comme une fonction de cette valeur de distance au dfaut et se dtermine grce une base de donne regroupant des informations historiques sur prs de 100 000 socits-annes et plus de 2 000 cas de dfaillance. La mthode se fonde sur des valeurs de march et non sur des valeurs comptables. Elle procde ainsi dune modlisation prospective de la valeur de la firme tandis que les autres modles tablissent des corrlations statistiques entre les diffrentes variables.
Reprsentation graphique
xemple
Calcul de DD Avec : Vactifs (valeur de march anticipe un an) = A = 100 Vdette = B = 80 !actifs = !a = 10 DD = (100-80) / 10 = 2 carts-types ou 20 Si les actifs sont distribus normalement, il y a 95% de chances que la valeur des actifs varie entre +/-2! par rapport leur moyenne Il y a 2,5% de probabilit quils baissent plus de 2!. Il y a donc un EDF de 2,5% lhorizon dun an
Limite du modle
Il est important de mentionner que KMV ne propose aucune mthode pour dterminer le montant de la perte sachant que la socit i fait dfaut au terme de lintervalle H. De plus, il ne propose aucune mthodologie pour dterminer la distribution de la perte individuelle Xi associe au titre de la socit i ainsi que la distribution du montant total de la perte du portefeuille. Toutefois, il suggre une approche alternative qui dtermine la proportion de titre qui feront dfaut au cours de lhorizon de temps H. Les volutions des cours boursiers des socits sont elle le juste reflet du risque de crdit de celles-ci ou bien dpendent-elles dautres facteurs ?
Les modles approche structurelle bass sur la valeur de la firme ont plusieurs limites fondamentales :
Ils rduisent le risque de crdit au risque de march lui-mme li la volatilit des actifs de la firme, ceci implique un lien troit entre le risque actions et le risque obligataire dun mme metteur : Le facteur de risque principal, la valeur de la firme, nest pas une grandeur observable sur les marchs ; Ils impliquent que lvnement de dfaut est prvisible, par lobservation de la valeur de la firme, mais le plus souvent, il sagit danalyse posteriori ; Il est difficile dy intgrer des facteurs de risques supplmentares tels que le risque de taux
http://www.riskmetrics.com/
Mthodologie
Le modle sintresse la modlisation des changements dans la valeur dun portefeuille dobligations avec risque de dfaut sur un horizon H. Il modlise lvolution du spread de chaque metteur en supposant que celuici dpend du niveau de rating de cet tat. Etape 1 : On attribue lmetteur (ou lmission) une note externe ou interne. Etape 2 : On calcule une matrice de transition de la note dans un an Etape 3 : On attribue une courbe de taux chaque type de rating, dans les tats possibles autres que la faillite, partir des taux forward ri pour chaque maturit i Etape 4 : On attribue chaque metteur un taux de recouvrement en cas de faillite Etape 5 : On trace la distribution partir de laquelle on calcule la VaR
Application
Calcul de la VaR de crdit selon la mthodologie CreditMetrics du portefeuille concernant la ligne suivante : Une obligation Senior Unsecured note BBB Coupons annuels : 6% 4 ans restant courir
Matrice de transition
Rating initial AAA AA A BBB BB B CCC AAA
90.81% 0.70% 0.09% 0.02% 0.03% 0% 0.22%
AA
8.33% 90.65% 2.27% 0.33% 0.14% 0.11% 0%
A
0.68% 7.79% 91.05% 5.95% 0.67% 0.24% 0.22%
BBB
0.06% 0.64% 5.52% 86.93% 7.73% 0.43% 1.30%
BB
0.12% 0.06% 0.74% 5.30% 80.53% 6.48% 2.38%
B
0% 0.14% 0.26% 1.17% 8.84% 83.46% 11.24%
CCC
0% 0.02% 0.01% 0.02% 1.00% 4.07% 64.86%
Dfaut
0% 0% 0.06% 0.18% 1.06% 5.20% 19.79%
Cette table sanalyse comme suit, en lisant par exemple la ligne BBB du tableau ci-dessous :
Rating AAA AA A
BBB
BBB BB B CCC D
A chaque type de rating (autre que ltat du dfaut), on attribue une courbe des taux forwards (utiliss pour lactualisation) prenant en compte le risque spcifique de cette catgorie de rating par rapport une metteur sans risque de crdit. Cette courbe peut tre dtermine partir dun pannel dmission ayant ce rating. Ces taux sont alors composs dun taux sans risque et dun spread fonction de la notation envisage. On calcule alors le prix de vente (avec gain ou perte) du titre pour chaque note compte tenu des courbes suivantes.
2 ans
4.17% 4.22% 4.32% 4.67% 6.02% 7.02% 15.02%
3 ans
4.73% 4.78% 4.93% 5.25% 6.78% 8.03% 14.03%
4 ans
5.12% 5.17% 5.32% 5.63% 7.27% 8.52% 13.52%
Le prix de lobligation si elle reste note BBB: P= 6+6/(1+4.1%)+6/(1+4.67%)2+6/(1+5.25%)3 + 106/(1+5.63%)4 107,55 Avec la probabilit=86.93%.
La valeur du BBB dans un an : Rating AAA AA A BBB BB B CCC Valeur 109.37 109.19 108.66 107.55 102.02 98.10 83.64 Probabilit 0.02% 0.33% 5.95% 86.93% 5.30% 1.17% 0.12%
Taux de recouvrement
51,13%
A chaque metteur, on attribue un taux de recouvrement en cas de faillite. Ce taux est celui que donnera le liquidateur aux cranciers de la socit en cas de faillite. Dans le cas de notre titre, ce taux vaut 51,13% avec une probabilit (PD) de 0,18%.
Les covariances sont calcules laide dune formule analogue. Lestimation la plus rcente de la volatilit est utilise pour calculer la VaR du portefeuille, de la mme faon que pour la mthode variancecovariance.
Calcul de la VaR
Valeur (Xi) Probabilit (ni) 109,37 0,02% 109,19 0,33% 108,66 5,95% 107,55 86,93% 102,02 5,30% 98,1 1,17% 83,64 0,12% 51,13 0,18% Moyenne Xi*ni 0,022 0,360 6,465 93,493 5,407 1,148 0,100 0,092 107,088 Xi-M 2,282 2,102 1,572 0,462 -5,068 -8,988 -23,448 -55,958 (Xi-M)2 5,208 4,419 2,471 0,214 25,684 80,783 549,805 3131,289 Variance Ecart type ni*(Xi-M)2 0,001 0,015 0,147 0,186 1,361 0,945 0,660 5,636 8,951 2,992
On peut estimer la VaR par une distribution normale (bien que le risque de crdit ne suive pas cette loi de probabilit) :
VaR 5% = 1,65*2,992 = 4,93EUR VaR 1% = 2,33*2,992 = 6,97EUR
Limites du modle
Inconvnient majeur : rating, probabilits de transition et taux de recouvrement sont bass sur des donnes statistiques passes La matrice de transition est suppose stable et indpendante des variations du march. Cette difficult peut tre rsolue en utilisant une matrice de transition construite sur la moyenne des estimateurs observs annuellement. Les changements de notation sont supposs indpendants dans le temps.
Introduit par CSFB en dcembre 1996 dans le cadre de la gestion du risque de crdit. Sa notorit est en partie due la gratuit du logiciel depuis 1997, sa documentation dtaille et la rapidit de calculs du risque.
Principe du modle
Aucune hypothse sur la cause de dfaut Il fait correspondre chaque agent une probabilit de dfaut dpendant de facteurs macroconomiques Il sagit dune modlisation discrte Rsultat : il permet de dterminer de manire rapide, la perte totale dun portefeuille compos de titres de crdit. Il suit une loi gamma :
Ainsi :
Ces Aij reprsentent la sensibilit de chaque titre i par rapport aux facteurs de risques macroconomiques. Ils permettent dexpliquer la volatilit des taux de dfaut.
Le modle dfinit la variable alatoire Bi reprsentant le montant total emprunt moins la somme rcupre par la contrepartie aprs la saisie, la liquidation ou la restructuration de la partie dfaillante, ramene une base entire.
o b0 est une unit de base de perte et zi est le taux de recouvrement dterministe du titre I, Li est la valeur du titre obligataire au terme de lhorizon h. Bi reprsente donc le montant total emprunt moins la somme rcupre par la contrepartie aprs la saisie, la liquidation ou restructuration de la partie dfaillante, ramene une base entire. Enfn, le modle CSFB dtermine la distribution du montant total de la perte pour un portefeuille de m titres de crdit : Sm=X1++Xm La probabilit que n obligations fassent dfaut pendant la priode considre peut-tre reprsente par une loi de Poisson.
CreditMetrics quant lui, est un modle de crdit estimant les pertes dues la fois :
au risque de dfaut, mais galement au risque de variation du spread de signature.
La modlisation du risque de crdit repose sur lvolution au cours du temps du rating de chaque metteur ; cette volution tant dtermine partir des matrices de transition.
Dans le modle de CreditRisk+, les sources de risques suivent une loi gamma alors que dans le modle CreditMetrics, celles-ci suivent une loi normale. Le fait qe ces variables suivent des lois diffrentes a un impact significatif sur la forme de la distribution et du risque estim par ces modles lorsque les quantiles deviennent levs. En effet, si lon augmente la volatilit dune srie suivant une loi normale, sa kurtosis reste constante. En revanche, la kurtosis dune srie dcrivant une loi gamma augmente avec la volatilit. Les deux modles bien que trs diffrents dans leur apparence, ont des fondements scientifiques similaires puisque la mthodologie statique de CreditMetrics peut tre dcrite dans un cadre similaire CreditRisk+. Les diffrences entre les deux modles se situent donc au niveau du paramtrage des inputs de chaque modle.
Dans le cas o lon tient compte des corrlations entre metteurs : Portefeuille A Risque rglementaire CreditMetrics CreditRisk+ 5304 2264 1638 Portfeuille B Portefeuille C 5304 11436 10000 5304 2941 2574
On constate que ces deux modles diffrent sensiblement des mthodes forfaitaires standards et que si les rsultats des deux modles sont proches en labsence de la prise en compte des corrlations entre les metteurs, certains carts apparaissent lorsque celles-ci sont prises en compte.
Risque de march
Plan :
Les recommandations du rgulateur Prsentation de la VaR Quels paramtres retenir ?
Le seuil de confiance Lhorizon
Approche thorique
Proprits de la VaR Deux grandes approches : quatre grands modles
Le rgulateur indique sa prfrence pour la mthode de mesure base sur les modles internes du fait de la diminution des cots en fonds propres par une meilleure prise en compte des stratgie de diversification des risques
Des pressions rglementaires poussent lutilisation de la simulation : Recommandations CNC ( France) : calculs de var et de stress-test sur activits de march dans le rapport de gestion Rglement CRB 97-02 : obligation de calculer une var quotidienne sur activits de march (si significative) Capital Adequacy Directive (Europe) : utilisation de la var pour calcul des fonds propres allous la couverture des risques de march (modles internes)
Lapproche standard
Prsente dans les diffrenes annexes du document de la Commission bancaire, lapproche standard peut se rsumer :
Le tableau suivant indique les diffrentes catgories de risques concerns Catgorie de risque Risque de taux (risque gnral et spcifique) Risque sur titres de proprit Risque de change Risque sur matires premires Risques optionnels Primtre de calcul Portefeuille de ngociation Portefeuille de ngociation Ensemble des oprations quelles appartiennent au ptf de ngociation ou non Ensemble des oprations quelles appartiennent au ptf de ngociation ou non Options associes chacune des catgories de risques prcdents
Pour chacune de ces catgories, on calcule une exigence de fonds propres. Lexigence de fonds propres de ltablissement correspond la somme arithmtique des exigences par catgories.
Dvelopp dans les annexes, le calcul de lexigence de fonds propres pour chaque catgorie de risque correspond des pondrations de position. On distingue :
Le risque gnral (systmatique) : le risque imputable aux facteurs communs du march (volution gnrale du march) ; Le risque spcifique (idiosyncratique) : le risque imputable aux facteurs propres au titre.
Mthodologie :
Dterminer les positions nettes sur chaque titre de proprit Pour le risque globale : on effectue la somme des positions nettes globales pondre par la volatilit de ce march Pour le risque spcifique : lexigence de fonds propres est la somme des positions nettes multiplies par un coefficient de pondration (2%, 4%, 8% selon la liquidit et la diversification de la position : par exemple, pour un indice boursier suffisamment international, on applique 2%)
Prsentation de la VaR
Des questions cruciales pour une direction gnrale :
Quelle est notre exposition aux risques de march ? Jusquo ces risques peuvent-ils influencer nos rsultats ? De combien une opration particulire de couverture va-t-elle rduire nos risques financiers ? Devons-nous rduire notre exposition aux mouvements des marchs financiers ?
Ncessit de pouvoir suivre de manire homogne lensemble des risques lis lactivit financire
Risque de march : variation de la valeur dun portefeuille dactifs due aux mouvements de march (prix, taux, volatilit) Risque de crdit : non respect dun engagement par une contrepartie Risqe de liquidit :impossibilit dchanger un titre sur les marchs Risque oprationnel : dfaillance dans le traitement dune opration (erreur humaine, problme informatique, fraude)
Dfinition
Value at Risk : perte potentielle maximale, l intrieur d un intervalle de confiance donn, supporte par un tablissement sur son portefeuille de positions, dans l'hypothse d'un scnario dfavorable de march sur un horizon dtermin.
La mesure de risque
Historiquement, la mesure naturelle du risque est la volatilit, la mesure actuellement la plus rpandue est la valeur en risque. La VaR est une mesure de la perte relative de la valeur dun portefeuille :
Dun point de vue statistique, la VaR nest rien dautre que le quantile de la perte potentielle pour un horizon et un seuil de confiance donn Elle permet de rpondre la question : Combien ltablissement financier peut-il perdre avec une probabilit de x% sur un horizon de temps fix
Dans un monde gaussien, la mesure volatilit et la mesure quantile sont parfaitement cohrentes puisque lon peut expliquer lune en fonction de lautre. Dans un monde non gaussien, cette relation nest plus vrifie.
Loriginalit de la mthode de la VaR est de ne pas se limiter une mesure du risque en terme dcart-type (la volatilit a augment de 2%) ou en terme de variation relative (la sensibilit est de 4,2) mais de produire une mesure absolue dune perte potentielle. Ainsi, avec les valeurs dun risque de 5% sur un horizon de 1 mois, une VaR de 2,5Mios EUR signifie quil y a une probabilit de 95% que la perte potentielle sur le portefeuille soit infrieure 2,5Mios EUR. Inversement, il y a 5% de chance que cette perte soit suprieure cette valeur. La VaR apparat comme un seuil de risque.
Derrire cette dfinition d'apparence simple, se cachent en ralit quatre grandes questions mthodologiques : Quel intervalle de confiance retenir ? Quel est l'horizon du risque de march ? Comment modliser le scnario dfavorable de march ? Comment estimer et tenir compte des corrlations entre positions ?
Les paramtres de calcul seront dfinis selon lutilisation qui sera faite de la VaR
Pour le calcul du capital rglementaire, la priode de dtention est fixe 10jours de trading. Cest le temps que les autorits jugent ncessaire pour que la banque puisse retourner ses positions :
Pour les produits standards : dans la journe, si le march est liquide Pour les produits exotiques : plus difficile de trouver une contrepartie.
Le seuil de confiance
L'intervalle de confiance exprime la probabilit que la perte associe la V.A.R. ne soit pas dpasse. Il reprsente le degr de "confort" de la V.A.R. Rappel de quelques intervalles de confiance standards : 1 cart type : 83 % 2 carts types : 97,5 % 3 carts types : 999/1000 Rglementairement, la mesure VaR March donne une image du risque de march dans des conditions normales de march. Le seuil de confiance est fix 99% (pour les risques de crdit et oprationnels : 99,9%)
Selon les dfinitions rglementaires, la performance ne doit thoriquement pas dpasser la VaR une priode toutes les 100 priodes, on dit communment quil y a un retour tous les quatre ans (1000 jours de trading = +/-4 annes calendaires). Une valeur en risque de 10 jours au seuil de confiance de 99% est donc quivalente une couverture quatre ans. Ce seuil de confiance est souvent reli lobjectif de rating de ltablissement financier. Une banque note AAA se doit de couvrir ses risques avec un niveau de confiance suprieur celui dune banque note BBB.
Approche thorique
Le calcul de la VaR repose sur lvolution de la distribution des pertes et profits futurs dun portefeuille. Plan : Fondement et reprsentation graphique de la VaR Deux grandes approches / quatre grands modles
!t =
En inversant cette quation et en supposant une loi normale N(o;!) pour , on obtient :
VaR = #" #1 (p )! $ ! P
Ci dessous, nous donnons une illustration graphique de la densit de probabilit dune loi normale N(0 ;15) et 30000 observations : pour p=0.01 VaR=-2.33*15%*P pour p=0.05 VaR=-1,65*15%*P
Si lhorizon danalyse est suprieur 1 jour et en considrant un seuil de confiance d1%, par exemple pour : 1 mois (approch par 25 jours ouvrs) : VaR=-2.33*15%*!"5/255*P 1 semaine (approch par 5 jours ouvrs) : VaR=-2.33*15%*!#/255*P
Contrairement la distribution normale, lempirique possde une asymtrie entre les gains et les pertes et elle est plus efile autour de la moyenne. On peut galement observer des rendements extrmes que la distribution normale ne prvoit pas.
Le procd de simulation historique repose sur lobservation passe des variations des facteurs de march pertinents (des taux par exemple) On suppose alors que le futur est la reproduction du pass en appliquant la tendance observe pour calculer les valeurs futurs qui gnrent un risque (les valeurs futures dun contrat par exemple) On classe ensuite les valeurs trouves dans lordre croissant, de la plus grande perte au profit maximal, et on tudie celle qui correspond au pourcentage de chance de perte.
Dtermination du P&L
Dtermination de la VaR
Les pertes les plus importantes sont respectivement de -28,42, 22,59, -20,98, -20,94, -19,59, -17,35 La VaR est donc la 250*(1-99%) = 2,5me valeur de P&L. En procdant par interpolation linaire, on obtient : -22,59 + 1/2 (-20,98+22,59) = -21,78EUR
Illustration graphique
VaR 95% 1 jour de lEurostoxx50
Cette mthode repose sur lhypothse de normalit de la distribution des facteurs de march sous-jacents. Elle consiste reprsenter la distribution des profits ou pertes potentielles selon une fonction de densit dune loi normale de moyenne 0. Connaissant la fonction de rpartition de la loi normale centre rduite, on en dduit la VaR Si X suit une loi normale de paramtre (0,1), alors P(X>1,65)=5% On met lhypothse que les rendements du portefeuille et des facteurs de risque ont des distributions normales. Mme si cette hypothse nest pas empiriquement justifie, elle permet de simplifier normment les calculs.
Application 1
Si on considre un portefeuille qui contient 100Mios EUR dactions X et 5Mios EUR doptions Y et un cart-type de 200 000EUR et 50 000EUR. On suppose que les rendements des deux capitaux suivent une loi normale avec une corrlation gale 0,3 Dterminer lcart-type du portefeuille ? Calculer la VaR pour un horizon de 2 semaines et un seuil de confiance de 99% :
Des actions Des options Du portefeuille
Corrig : Application 1
Ecart type du portefeuille : !$200000^2 + 50000^2 + 2 x 0,3 x 200000 x 50000)=220277 VaR du portefeuille :
un horizon dun jour : 220227 x 2,33 = 513129EUR Un horizon de 10 jours ouvrs : 513129 x !%0 = 1 622 657
Application 2
Soit le portefeuille suivant : Long 100 USD/EUR spot (Position X1) Long 500 EUR zro coupon 10 ans (Position X2) Acheteur quivalent 100 EUR CAC 40 (Position X3) Hypothses : volatilit USD/EUR : volatilit taux EUR 10 ans : volatilit CAC 40 : corrlation USD/EUR et taux EUR 10 ans : corrlation USD/EUR et CAC 40 : corrlation taux EUR 10 ans et CAC 40 : Donnes de march : USD/EUR : taux zro coupon continu 10 ans : CAC 40 : Quelle est la Value at Risk de ce portefeuille ? 4000 14 % 26 % -0,071 + 0,39 - 0,11 5,50 5%
9%
= 9,86EUR
10 252
Volatilit de la position de taux : 500e -(10x5%) x 10 x 14 % x 5 % x Volatilit de la position de CAC 40 : 100 EUR x 26 % x Variance du portefeuille : 9,86 ! + 4,23 ! + 5,18 ! - 2 x 0,071 x 9,86 x 4,23 + 2 x 0,39 x 9,86 x 5,18 - 2 x 0,11 x 4,23 x 5,18 = 171,04 MiosEUR! d'o volatilit de portefeuille = !%71,04 = 13,08 Mios EUR d'ou V.A.R. (2,33 $) = 2,33 x 13,08 = 30,47 Mios EUR
10 252
= 4,23EUR
= 5,18EUR
Cest une mthode paramtrique Connatre la forme et les paramtres des distributions des facteurs de risque Simuler des scnarios de variation des facteurs de risque A partir de la composition actuelle du portefeuille, simuler la distribution de variation de valeur du portefeuille
La simulation de Monte Carlo est une mthode paramtrique, cest dire quelle requiert la connaissance de la forme et des paramtres de distributions des facteurs de risque. Connaissant ces lments, il est possible de simuler de nombreuses trajectoires pour chaque facteur de risque tout en tenant compte des corrlations entre chaque facteur de risque. Comme dans le modle prcdent, il est ncessaire davoir un modle dvaluation ou une fonction de prix qui relie la variation de la valeur du portefeuille aux variations des valeurs de risque. A partir de la composition actuelle du portefeuille et des nombreux scenario tirs, il est donc possible de simuler la distribution de variations de valeur du portefeuille puis den tirer la VaR. La simulation de MonteCarlo diffre de la simulation historique sur un aspect principal Tandis que les scenarios des facteurs de risque sont directement pris du pass dans lapproche historique, ils ont tre simuls travers une modlisation mathmatique dans lapproche stochastique. Pour modliser lvolution des facteurs de risque, il est ncessaire de spcifier un processus stochastique pour chaque facteur, et destimer les paramtres de ces processus ainsi que les corrlations entre les parties alatoires des processus.
Mise en oeuvre
Mthode adapte tous les types de position (linaire ou convexe) et qui permet une interprtation aise du scenario catastrophe. Cette mthode est cependant lourde implmenter : Simuler des trajectoires dvolution des sources de risque ( partir de 3000) jusqu lhorizon du risque, Calculer le mark-to-market du portefeuille lissue de chaque simulation du portefeuille, Etablir la distribution des mark-to-market, Calculer la VaR partir de lintervalle de confiance retenu.
Rupture de tendance :
La deuxime limite vient du fait que toutes les mthodes sont bases sur lexploitation de donnes historiques. Les ruptures de tendances constituent les dangers primordiaux de telles approches. En utilisant une priode historique de rfrence, un vnement quelconque (modification de la politique montaire, correction des taux) peut infirmer la tendance observe.
Backtesting
Le backtesting est un contrle ex-post qui visent sassurer que le degr de couverture observ correspond bien au niveau de confiance de 99%. Ce contrle permet notamment de calculer les exceptions. Une exception correspond une date o la perte dpasse le risque calcul par le modle (la VaR). La Commission Bancaire utilise le nombre dexceptions pour valider le modle et pour dterminer le facteur complmentaire : Afin de permettre la Commission Bancaire de vrifier en permanence ladquation du facteur complmentaire, ltablissement informe sans dlai et, en tout tat de cause, dans les cinq jours ouvrables, le Secrtariat gnral de la Commission Bancaire, des dpassements rvls par leur programme de contrle ex-post qui, en fonction du tableau impliquerait un relvement du facteur complmentaire.
Rouge
Principes
Test effectu sur un horizon de 4 ans pour une VaR (99%, 7jours)
Nb dobservations 799
Nb de dpassements 4
Exemples
Deutsche Bank
Les rsultats quotidiens sont toujours positifs La distribution des gains/pertes ex-post est trs diffrente de la distribution exante Incorpore le risque business (marges commerciales) et lexpertise (inormations non contenues dans les prix) des traders
Stresstesting
Pour rpondre aux exigences rglementaires, les tablissements financiers doivent effectuer rgulirement des simulations de crise (ou scnarios de stress) afin de connatre le montant des pertes exceptionnelles en cas de fluctuations dangereuses et importantes du march. Ces simulations de crises ne sont en aucun cas utilises pour calculer lexigence de fonds propres, mais doivent permettre didentifier les zones du portefeuille les plus sensibles aux crises. Le but de ces simulations est donc de complter le dispositif de gestion et de mesure du risque de march. Contrairement la VaR, elles doivent permettre de rpondre la question suivante : Quel est le montant de perte auquel la banque doit faire face lors de la prochaine crise si le portefeuille de ngociation ne change pas ?
Principes
La notion de probabilit disparat. Statistiquement, les stress testing font rfrence un maximum, et non un quantile. Cest une vision du risque extrme. Les stress testing sont donc des suites de questions :
Quel est limpact dune hausse des taux directeurs de 100bp ? Quelles son les consquences dune dvaluation ? Que se passe-t-il en labsence de liquidit dun march ?
Comme il nexiste pas de standard pour llaboration des scnarios de crise, on gardera lesprit quun programme de simulation de crises doit tre en mesure de rpondre trois questions :
Quels sont les pires scnarios pour linstitution ? Quelles seront les pertes si le scnario X se produit ? Quelles mesures devront tre prises pour limiter les pertes si tel scnario se produit ?
Mthodologies employes
On peut classer les stress testing selon trois approhces :
La plus simple consite utiliser les donnes des crises passes et employer la mthode de simulation historique sur ces priodes troubles pour calculer une perte potentielle maximale. Ltablissement financier a alors une estimation de la perte induite par la survenance aujourdhui de ces mmes crises avec le portefeuille de ngociation actuel. La deuxime approche est une analyse structure des scnarios. Les vnements historiques sont utiliss en les appliquant aux conditions actuelles de march. Contrairement la premire mthode qui utilise les donnes historiques, cette mthode va donc utiliser des donnes simules partir des donnes actuelles et des vnements passs. La troisime approche est une analyse de scnarios spcifiques. Pour cela, il convient didentifier une situation qui risque de menacer ltablissement financier . Cette mthode ne fait donc pas rfrence aux vnements passs, mais utilise des hypothses sur les crises potentielles futures
Outils de modlisation
Utilisation du stress testing Scnarios reposant sur la politique et lconomie Chocs marchs Chocs historiques Stress-testing global Micro stress testing Thorie des valeurs extrmes
On assimilera les mthodes 1, 2, 4 et 5 des mthodes subjectives, les mthodes 3 et 6 correspondent lapproche historique. Plusieurs approches sont utilises par les banques. Pour autant, les chocs historiques sont et resteront les plus utiliss pour rpondre aux diffrentes exigences de la Commission Bancaire
Conclusion
Ltude des limites de la Value at Risk nest autre que la rponse la question : laquelle des trois mthodes (historique, analytique ou Monte Carlo) est la meilleure ? Chacun de ces outils a des inconvnients qui dpendent des instruments grer. Ils diffrent par leur capacit capturer le risque des options ou plus gnralement, des instruments non linaires, par leur rapidit dimplmentation, par leur niveau dapprhension par un dirigeant non spcialis, par leur adaptabilit aux changements dhypothses et de tendances, par la pertinence de leurs rsultats. Capacit capturer le risque des options :
Les deux mthodes de simulation (Monte Carlo et historique) gardent leur pertinence malgr la prsence dinstruments non linaires dans un portefeuille Ce sentiment est beaucoup plus mitig concernant la mthode VarianceCovariance. Cette mthode utilise des outils standardiss pour extraire le risque dun instrument. Ainsi, une option sera modlise en terme dquivalent delta de sa position. Cette linarisation approxime la courbure du graphe dune option. Pourtant, la position en delta sous-estime sa valeur.
La simplicit conceptuelle de la mthode historique la place en haut du podium. Sa lisibilit, sa transparence envers un auditoire peu technique est sans reproche. La mthode de la Variance-covariance sadresse plus au modlisateur qu un auditoire peu familiaris avec loutil probabiliste, qui ne focaliserait alors que sur les rsultats. Pourtant, les hypothses de distribution gaussiennes, de variables alatoires indpendantes et identiquement distribues, confrent une fragilit importante au modle. La simulation de Monte Carlo prsente un degr daccessiblit encore plus faible. Les premires tapes consistent gnrer des distributions alatoires qui sont baties sur des disgressions mathmatiques complexes.
Portefeuille 1 :
! Portefeuille CAC 40
! Montant 50 000 euros ! Horizon : 1 mois ! Date : 30 octobre 2003 ! Nom dobservations : 500 ! Rendement moyen : 0.04374 % ! Volatilit : 1.253058 % ! Rendement minimal : -7.67800 % ! Rendement maximal : 6.80800 %
Rsultat portefeuille 1 :
(Montant en euros)
! Mesures de VaR diffrentes !Mthodes Variance Covariance et Monte Carlo proches ! La mthode Variance Covariance sous estime les extrmes ! Valeurs plus importantes avec RiskMetrics
Rsultat portefeuille 2 :
(Montant en euros) Analyse historique Variance-Covariance Monte Carlo RiskMetrics VaR 95 % 8 339 8 135 8 060 8 099 VaR 99 % 15 890 11 477 11 366 11 455
Portefeuille 3 :
! Portefeuille SBF 250 ! Montant 50 000 euros ! Horizon : 1 mois ! Date : 30 octobre 2003 ! Nom dobservations : 500 ! Rendement moyen : 0.03975 % ! Volatilit: 1.083939 % ! Rendement minimal : -7.44800 % ! Rendement maximal : 5.74700 %
Rsultat portefeuille 3 :
(Montant en euros) Analyse historique Variance-Covariance Monte Carlo RiskMetrics VaR 95 % 3 865 3 898 3 898 5 599 VaR 99 % 6 645 5 550 5 479 7 919
Risques oprationnels
Plan
Les recommandations du Comit de Bale II Prsentation dune organisation de gestion du risque oprationnel dans lapproche standard De la mthode standard la mthode avance
" Un consensus merge dsormais autour de la dfinition de Ble ; nanmoins, cette dfinition a ncessit une adaptation la problmatiques de chaque banque
Afin de prciser la dmarche, le comit de Ble II a tablit une liste dvnements de risques oprationnels. Ces vnements de risques sont notamment :
Les fraudes internes ou externes ; Les risques qui touchent aux relations clients, les pratiques autour des services et des produits, qui peuvent conduire des contestations et des pertes ; Les problmes lis la gestion du personnel ; Les dommages qui pourraient toucher les actifs physiques ; Linterruption totale ou partielle des systmes ou des processus ; La mauvaise excution de certains processus quils soient internes ou externes la banque, comme une transaction qui est excute aans le mauvais sens.
Lapproche indicateur de base Lapproche standardise Lapproche mesures internes (galement appele Advanced Measurement Approach)
Capital
Lourd
Les banques utilisant lapproche de lindicateur de base doivent dtenir des fonds propres correspondant un pourcentage fixe de leur produit net bancaire. FP = % x PNB
avec : % = facteur de pondration fix 15% Indicateur = moyenne de PNB calcule sur les trois dernires annes
Exemple : La banque devra constituer un montant de fonds propres quivalent 15% du produit net bancaire.
Lapproche standard
Prolongement plus fin de lapproche prcdente. Lapproche standard est base sur une rpartition des activits dun tablissement en catgories standardises configurant sa structure interne (ex : financement des entreprises Lexigence de fonds propres globale au regard du risque correspond la somme des exigences pour chaque catgorie dactivit. Pour chaque catgorie, les exigences de fonds propres sont calcules en multipliant un indicateur de risque oprationnel. Selon le type dactivit, lindicateur et le pourcentage fixe peuvent diffrer. FP = & Fpi = & %i x Indicateuri
avec : %i = facteur de pondration compris entre 12 et 20% selon lactivit Indicateuri = moyenne de lindicateur i calcule sur les trois dernires annes selon lactivit
Pour chaque ligne de mtier (i), un indicateur dexposition unique (indicateur i dfini comme prcdemment) multipli par un facteur de pondration (%i) refltant le risque li lactivit.
Unit
Ligne de mtier
Indicateurs
Banque Financement des entreprises PNB dinvestissement Ngociation et vente PNB Banque commerciale Banque de dtail Banque commerciale Paiements et rglements Autres Courtage de dtail Gestion dactif
Critre dligibilit la mthode standard : qualit du systme de gestion du risque et le suivi des donnes de pertes.
Principales caractristiques : Les pourcentages fixes appliqus aux indicateurs sont fournis par le Comit de Ble II sur la base des donnes de lensemble du secteur bancaire. A lavenir, une dfinition standard des catgories dactivits, indicateurs de risque et vnements gnrateurs de pertes devrait tre applique.
Lapproche AMA se distingue de la mthode standard en ce sens quelle intgre lobligation dune valuation et dun suivi des risques scientifiquement tablis et rigoureusement contrls
Au niveau de lvaluation des risques, cela se traduit par lobligation de collecter les incidents et les donnes de risques associes avec un historique suffisant (de 3 5 ans) permettant de dvelopper des modles dvaluation :
Analyse des courbes de distribution des vnements, Prise en compte des diffrents niveaux dexposition, Mesure des pertes en cas de dfaut.
Ces modles dvaluation doivent faire lobjet dun contrle de qualit et tre tests par rapport aux donnes collectes et par rapport des donnes externes. Les risques devront faire lobjet dun calcul de VaR avec un intervalle de confiance de 99,9%. En outre, la banque doit construire une analyse de scnario qui fait intervenir des vnements de grande gravit et qui mesure la solvabilit de la banque dans ces cas. Dautre part, tout le processus de gestion des risques doit tre dcoup en procdures, documentes et ensuite contrles par lintermdiaire dun audit.
Au niveau organisationnel, lAMA demande la mise en place dune entit risque oprationnel indpendante, en charge de mettre en place une politique de gestion de risque oprationnel, les procdures et le contrles associs. Cette approche consiste finalement raliser pour lensemble des processus :
Une cartographie complte des risques, Une allocation de fonds propres pour chaque risque selon chacune des lignes de mtier, Lintgration de donnes internes et externes (statistiques dincidents), Des niveaux de priorits dans la gestion et la mise en place de contrles des risques.
Elle permet donc doptimiser la part de fonds propres mobiliser pour le traitement des risques oprationnels.