You are on page 1of 40

Université Hassan II Casablanca

Faculté des Sciences Juridiques Economiques et Sociales.
Mohammedia

Mémoire de fin d’Etudes pour l’obtention du
Diplôme Master de Recherche en :
Techniques de modélisation économique et économétrie
Sous le thème :

« Value at Risk » mesure du risque d’un portefeuille actions
Présenté par : Mr ENNAKHLI Mourad
Jury:

OUIA Aziz
Aoufir Mbarek

Encadré par : Mr HAFNAOUI
Ahmed

Année universitaire 2014/2015

Plan de la présentation
Introduction
Les accords de Bale
Approche théorique de la VaR et le MEDAF
Pratique de le MEDAF sur un Portefeuille actions
Application de la VaR Paramétrique et Historique
Le modèle ARIMA:Une étude de Cas de l’action Boursier BP
2

Conclusion

Approche conceptuelle

Naissance de la VAR
Utilisé la Première fois par la banque « BANKERS
TRUST » sur les marchés financiers Américains.
Démocratisé par la banque « JP MORGAN » grâce a
son système de Risk Metrics .
Concrétisé dans les Accords de Bâle comme nouvel
indicateur et devenu très rapidement un standards
dans l’évaluation des risques financiers.

Les accords de Bale
BALE I
• L'accord de bâle de 1988 a placé au centre de son dispositif le ratio cooke, qui veut que le ratio
des fonds propres réglementaires (au sens large) d'un établissement de crédit par rapport à
l'ensemble des engagements de crédit de cet établissement ne pouvait pas être inférieur à 8 %.
autrement dit, la banque doit financer chaque 100 (euros) de crédit de la façon suivante :
minimum 8 (euros) en fonds propres et maximum 92 (euros) en utilisant ses autres sources de
financement tels que dépôt, emprunts, financement interbancaire, etc..
• L'accord définissait également ce qu'il fallait considérer comme fonds propres réglementaires et
ce qu'il fallait considérer comme l'ensemble des engagements de crédit.

· la procédure de surveillance prudentielle . · la discipline de marché (transparence dans la communication des établissements). et donc le risque de crédit qu'il représente. . Le ratio cooke présentait une approche quantitative (la principale variable prise en compte au Dénominateur du ratio était le montant du crédit distribué) : la qualité de l'emprunteur était négligée. ou « bâle II ». Trois piliers complémentaires : · l'exigence de fonds propres (ratio de solvabilité mcdonough) .BALE II Le nouvel accord prudentiel de bâle de 2004. visait à mieux évaluer les risques bancaires Et à imposer un dispositif de surveillance prudentielle et de transparence.

.

Concrètement. de liquidité. la question soulevée était celle du rapport entre le niveau de fonds propres des établissements financiers et les risques encourus par leur activités (subprimes par exemple). Ce Qu’on appelle « l’effet de levier » permettait alors d’obtenir une rentabilité très importante. etc. L'idée du comité est relativement simple : • plus de fonds propres • Des fonds propres de meilleure qualité • Plus de transparence .BALE III La crise financière a mis en exergue les carences et les insuffisances du dispositif de bâle II : problèmes -De mauvais fonctionnement des marchés financiers. des actifs plus ou moins risqués étaient financés par très peu ou pas de fonds propres. dépassant les 100% dans certains métiers. des agences de notations. De manière générale.

que nous n’allons pas perdre plus de V (VaR) sur les N prochains jours (Horizon temporel)» . à X% (seuil de confiance) . mois). sur un horizon de temps donné (jour. à une probabilité déterminée. La VaR répond à l’affirmation suivante : « Nous sommes certains.Approche Conceptuelle Définition de la VAR La Value at Risk est une méthode d'évaluation du risque de marché. semaine. Celle-ci mesure la perte potentielle maximale d’un investisseur. encourue sur la valeur d’un actif ou d’un portefeuille d’actifs financiers.

Les responsables de la gestion des risques et du contrôle de la gestion des risques Aux comptables ou aux clients institutionnels .Les opérateurs de marchés .Les gestionnaires de fonds Aux banques et Assurances privés .Les gestionnaires de fonds Cette mesure de risqueinstitutionnels est destinée principalement Aux Risk-managers .Approche Conceptuelle A qui cette mesure est-elle destinée ? Aux professionnels de marchés .

C’est la probabilité de pertes éventuelles du portefeuille ou de l’actif ne dépassant pas la VaR. Le niveau de confiance • Compris entre 0 et 1 (95% ou 99% en général). Pour une distribution normale de rendements. La période de détention de l’actif ou du portefeuille d’actifs • Ce paramètre est très important car plus l’horizon est long. cette distribution est supposée normale et valable pour une certaine période de détention. il suffit de multiplier la Value at Risk à un jour par √N pour avoir la Value at .Soubassement théorique Caractéristiques de la VAR La distribution des pertes et des profits du portefeuille • La plupart du temps. plus les pertes peuvent être importantes.

Soubassements théoriques Hypothèses Hypothèse 1: La normalité des distributions considérées Hypothèse II: Le lien entre la VaR à N jour et la VaR à 1 jour Hypothèse III: Le rendement moyen d’un actif est nul pour la période considérée .

MÉTHODES D’ESTIMATION - HISTORIQUE .ANALYTIQUE .

en classant ces gains et pertes historiques par ordre croissant et en relevant le quantile correspondant à l'intervalle de confiance cible.Cette méthode se base sur les gains et pertes historiques réellement constatés dans le passé.Ainsi. nous déduisons la VaR. .La Méthode Historique Définition . L'hypothèse forte sous-jacente est que les résultats futurs peuvent être déduits du passé. .

Les étapes de calcul de La VaR historique 1 2 Identifier les facteurs de risque et chercher leur historique Construction des scénarios à partir de 1 et évaluer la distribution du P&L simulé à partir de ces scénarios 3 Relever ou calculer directement Var à partir de la distribution ainsi simulée correspondant au quantile spécifié .

Méthode Analytique ou Paramétrique Définition La méthode paramétrique ou analytique est la méthode la plus rapide à mettre en place. . Elle repose sur des calculs statistiques et doit pour cela répondre à plusieurs hypothèses : H1 • Les variations des facteurs de risques suivent une loi normale et les corrélations entre ces facteurs sont stables au cours du temps H2 • La relation entre les variations des valeurs du portefeuille et les variations des valeurs du marché est linéaire.

la prime de risque sur un actif donné (i). on peut déduire L’équation du Medaf :   . est égale à son beta multiplié par la prime de risque sur le portefeuille de marché De cela.LE MODÈLE D’ÉVALUATION DES ACTIFS FINANCIERS EN BREF: ••  A l’équilibre.

Selon le Medaf. est calculé à partir du ratio qui mesure la contribution marginale du risque de l’actif i au risque total du portefeuille M. la mesure correcte du risque d’un titre (i) englobé dans un portefeuille de marché M. .LE MODÈLE D’ÉVALUATION DES ACTIFS FINANCIERS EN BREF: ESTIMATION DU PARAMÈTRE Β : Le Medaf mesure le risque d’un titre donnée par son Beta (β).

  Le β est aussi une mesure de sensibilité de la rentabilité d’un titre par rapport à la rentabilité du marché.LE MODÈLE D’ÉVALUATION DES ACTIFS FINANCIERS EN BREF: C'est un rapport historique de la volatilité du prix d'un actif sur celle des prix du marché. .

• H1.Etude Empirique MEDAF Le modèle : Les hypothèses : • H0-il existe une relation positive entre le risque d'une action mesuré par le bêta et son rendement anticipé (ou réalisé). .il n’existe pas une relation positive entre le risque d'une action mesuré par le bêta et son rendement anticipé.

01 1.36 0.62 4.04 -2.81 2.02 26.004 1.30 5.82 212381 CIMENTS de MAROC 0.24 0.74 2.48 1618 FARGE de MA 2.38 BP 0.014 2.65 23.229 179.42 TAQAMAROC 0.92 0.43 0.08 13.31 5.17 19.03 2.12 122.49 5.08 10069 .52 2175 WAFAASSURANC E 1.96 BMCE 0.13 -0.83 0.DW Kurtosis Skewness Jarque-bera IAM 1.63 ATTIJARI 1.54 COSUMAR 0.24 9.53 103.49 2.003 5609.46 794.08 2.17 11.24 8.1911 2.15 0.22 4.16 116.57 ADDOHA 1.008 2.

alors avant d’entamer les calculs . vérifions cette hypothèse : Nous allons tester l’hypothèse : H0: la distribution est normale Vs H1: la distribution n’est pas normale Le test de Jarque-Bera avec E-views pour les rendements de l’action IAM nous donne l’out put suivant : Le modèle de calcul Var = z*ecart_typeP .Etude Empirique VaR Paramétrique La VaR paramétrique pour les actions repose sur l’hypothèse de la normalité des rendements des cours de ces actions.

2392 e-03 0.5291E-05 0.7866E-05 0.00037119 0.2 ATW 0.00996589 0.2 BMCE 0.01926642 0.2   .2115 e-03 8.6473 e-03 9.1719e-03 9.1434 e-03 0.01098558 0.2 BP 0.2 WAFASS 0.9319E-05 0.00923532 0.00012068 0.00989273 0.LA MATRICE DE CORRÉLATION LES PARAMÈTRES POUR LE CALCUL DE LA VAR Les moyennes Les variances Les écarts types Les alphas IAM 0.

3300 La Value at risque 14.RÉSULTATS DE LA VAR PARAMÉTRIQUE POUR LE PORTEFEUILLE Variance de Portefeuille 3.0062 z pour un seuil de risque 1% 2.5% .8748e-05 Ecart type de Portefeuille 0.

N3 = 5. N4 = 4. V5:RT(WAFAASSURANC) .La VaR Historique  CONSTRUCTION DE SCÉNARIO : • • On note vi valeur d’une variable de marché au jour i. Scénario ni pour cette variable est défini par : v(n) * (v(i))/ v(i-1)) Considérons un portefeuille constitué de cinq actions en nombres respectifs N1 = 3. V3:RT(BMCE) . V2:RT(ATTIJARI) . V4:RT(BP) . N5 = 6 Pour lesquels on a observé les cours à 494 époques (T=493) V1:RT(IAM) . N2 = 2.

LES VALEURS POUR LA PROCHAINE PÉRIODE : EXEMPLE (IAM) V1 POUR T = 1 EST DE : 106* ( 106/107) = 104.23 .

• LES VALEURS FUTURES DU PF : • P (-492) (1) = 3×104.2 .08 + 6×3163 = 24708.23 + 2×304 + 5×157 + 4×192.6 SÉRIE DES SCÉNARIOS DES PERTES ET PROFITS PAR EXCEL LA VAR0.99 = -5431.

Titres VaR 99% IAM -2535 BP -2123 BMCE -2248 ATTIJARI -2279 WAFAASSU -4439 .0002045 0.019266 Z99% 2.009235 0.32 2.02123 -0.32 2.04439 Nous pouvons constater que l’action la moins risquée est celle de la BP tandis que l’action la plus risquée et celle du Wafa-Assurance.32 VaR à 99% -0.00069 0.0002068 0.APPLICATION DE LA VAR POUR CHAQUE ACTION DE CE PORTEFEUILLE Titres Moyennes des rendements Volatilités IAM BP BMCE ATTIJARI WAFAASSU 0.004242 0.02535 -0.02279 -0.02248 -0.009892 0.002045 0.32 2.009965 0.32 2.002541 0.

Etude De La Stationnarité Par La Racine Unitaire: •test de stationnarité de dickey – fuller augmenté • H0 : racine unitaire (non stationnaire) • H1: non racine unitaire (stationnaire) les résultats du test sur la variable en niveau sont récapitulés dans le tableau suivant : . Construisons un modèle ARIMA à partir de la série de l’action. notée (bp). Pour construire le modèle de prévision. nous allons emprunter la méthodologie de Box-jenkins. Les données considérées à cet effet sont hebdomadaires et la période retenue pour l’étude va de janvier 2013 à décembre 2014.LE MODÈLE AR/ MA/ ARMA : UNE ÉTUDE DU CAS DE L’ACTION BOURSIER BANQUE POPULAIRE.

. on a ADF Test Statistic > Critical value.Modèle avec tendance et constante: Pour les seuils 1%. 5% comme 10%. donc la série BP est non stationnaire et trend non significativement différent de 0. On accepte l’hypothèse H0.

il faut différencier ou intégrer BP « d » fois pour obtenir une chronique stationnaire. . On accepte l’hypothèse H0.Modèle sans tendance et avec constante: Pour les seuils 1%. 5% comme 10%. on a ADF Test Statistic > Critical value. donc la série BP est non stationnaire avec intercept significativement différent de 0. Le modèle est un DS avec dérive.

Stationarisation de la série BP : Il faut appliquer le filtre de différence pour stationnariser la série BP. D(BP) est stationnaire. 5% comme 10%. Il se dégage que la tendance n’est pas significativement différente de 0. on a ADF Test Statistic < Critical value. car la probabilité critique associée au trend est supérieur à 5%. . Les résultats du test sur la variable de différence première sont récapitulés dans le tableau suivant : Modèle avec tendance et constante : Pour les seuils 1%.

Modèle sans tendance et sans constante : On accepte l’hypothèse alternative selon laquelle la série DBP est stationnaire. donc: DBP I(1): la série DBP suit un processus ARIMA .

Modélisation ARMA par la méthode de BOX-JENKINS La série DBP est stationnaire. Il ressort de ces corrélogrammes que la deuxième autocorrélation (simple et partiel) de la série DBP est significativement différente de 0. alors que le corrélogramme partiel permet d’identifier un modèle AR(p).q). on va lui chercher un modèle ARMA (p. En effet le corrélogramme simple permet d’identifier un modèle MA(q).q) pour connaitre les ordres du modèle ARMA(p. . nous allons nous servir de corrélogrammes de la série stationnaire DBP.

1.2).ESTIMATION : Comme il s’agit de processus arima (2. les schémas ci-dessous ne servira de guide pour les estimations. Modèle AR(1) Modèle AR(2) Modèle AR(1) AR(2) Modèle AR(2) MA(1) Modèle AR(1) AR(2) MA(1) Modèle AR(2) MA(1) MA(2) Modèle AR(1) AR(2) MA(2) Modèle AR(2) MA(2) Modèle AR(1) MA(1) Modèle MA(1) Modèle AR(1) MA(1) MA(2) Modèle MA(1) MA(2) Modèle AR(1) MA(2) Modèle MA(2) Modèle AR(1) AR(2) MA(1) MA(2) MA(1 ) AR(2) MA(2) AR(1) MA(1) MA(2) MA(2 ) MA(2 ) .

Modèle AR(2) Modèle MA(2) Modèle AR(2) MA(2) Modèle AR(1) MA(1) Modèle AR(1) MA(1) MA(2) Modèle AR(1) AR(2) MA(1) Et d’après les critères de Akaike et Schwarz il ressort que le modèle AR(2) MA(2) dispose d’une qualité supérieure. Le fait de retenir ce modèle ne signifie pas que les autres modèles ne peuvent pas être utilisés pour la prévision.VALIDATION Après estimation des différents modèles. ces sept modèles seront soumis à un test de diagnostic. l’analyse de la significativité des coefficients nous conduit à conserver les sept modèles ci-après. . seuls les modèles dont les résidus sont de bruits blancs seront validés. Ces critères n’accordent au modèle retenu qu’une certaine prééminence sur les autres.

0.Les coefficients estimés sont tous statistiquement significatif comme l’atteste la statistique de student.496370 et-2 . • DONC: DBP = 0.553003DBPt-2 .

Dans ce cas.38157 21/12/2015 22/12/2015 -0.040052 -0. 0. ainsi.256 23/12/2015 -0.PRÉVISION D’après réduire sa valeur en transformant le modèle ARIMA (p. 1. 0. q).94 31/12/2015 0.719688εt-2+h Les prévisions des rendements des 10 jours de l’année 2015 : Les dates Les prévisions 18/12/2015 -0.0256 0. nous aurons après transformation : ARIMA (3.718499BPt-2+h -0. nous allons nous référer au résultat de l’équation estimée : DBP+h = 0. 2) Pour prévoir l’évolution de la valeur actuelle de l’action BP.65 . q) à un modèle ARIMA (p+1.136354t-3+h + 0. comme il s’agit d’un ARIMA (2.096850BPt-1+h -0.96 29/12/2015 0.359 28/12/2015 0.61 24/12/2015 0. d.42 30/12/2015 0. 2).

CONCLUSION .

vol. Juillet/Août 1996. www.R : Asset et Risk Management « La finance orientée ‘risques’ 1 ère Edition. G.bis. J. Gestion des risques et gestion actif passif dans les banques Dalloz.2003 George A.L et Kieffer.. O. 2007 Hooper. P 25-30 Esch..5 p. O : Le Ratio International de Solvabilité de Bâle I à Bâle II. in Business Review. in Journal of Derivatives. « Analyse des séries temporelles ».T & Régie Bourbonnais. E P : La notation financière François. “Value at Risk: A New Methodology for Measuring Portfolio Risk”. 2003 Demazy. 19 . Printemps 1998. p. 2007 Vasicek. “Value at Risk When Daily Changes in Market Variables are not Normally Distributed”. et White. M : « Value at Risk » et contrôle prudentiel des banques. J : gestion des risques et institutions financières Pearson Education 2007 Hull. 2007 Blanc. Novembre 2005.Bibliographie Jacquillat & Solnik : Gestion de Portefeuille et des risques Edition Dunod. Akerlof : The Market for Lemons : Quality Uncertainty and The Market Mechanism. D Pratique de l’activité bancaire Edition Dunod. 2010 .29 Hull..org Bessis. 9-19. J. A. 1987 Michel. Federal Reserve Bank of Philadelphia. « Probability of Loss on a Loan Portfolio » Document de travail. KMV. Sow.C. 1998 Bank for International Settlements. Dunod Paris. « Basel II: International Convergence of Capital Measurement and Capital Standards: A revised Framework ».2001. «3 ème édition.

MERCI POUR Merci pour votre attention VOTRE ATTENTION .