Vous êtes sur la page 1sur 89

Introduction Gnrale

Introduction gnrale

La banque daujourdhui nest plus celle quon connaissait il y a 30 ans. Le systme et


lactivit bancaire ont pris une nouvelle dimension dont les consquences dsagrables se
font sentir un peu partout.
En effet au dbut des annes 70, le systme bancaire tait administr et totalement
rglement, les autorits de tutelle contrlaient aisment toutes les activits avec la plus
grande prudence, puisque les domaines bancaires taient restreints et les facilits dune
politique montaire taient recherches.
Dans les annes 80, le systme financier a t boulevers. Plusieurs raisons sont avances
dans ce sens : une drglementation grandissante, la concurrence est devenue de plus en plus
agressive, les relations internationales se sont dveloppes, les banques ont commenc
exercer de nouvelles activits et crer de nouveaux produits (options, futures, etc.) en
donnant plus dimportance aux activits de march. Ainsi, la notion de risque bancaire
commence paratre, les banques se sont rendues compte quelles sont soumises un certain
nombre de risques (risque de march, risque de crdit, risque oprationnel), quil convient
de bien grer, si lon ne veut pas mettre en pril la prennit de lentreprise. Dautre part, les
mthodes traditionnelles de contrle prudentiel sont devenues inadquates.
Dans cette envole plusieurs crises ont t observes (Asie du Sud-est, Argentine), de grandes
banques de rfrence ont fait faillite (ruine des Savings and Loans (caisses dpargne)
amricaines au dbut des annes 90, la faillite en 1994 de Banesto en Espagne, les difficults
du Crdit Foncier franais en 1995, les problmes de rentabilit des banques franaises et la
quasi faillite de la Barings).
Limportance grandissante des oprations de march et des risques inhrents ces oprations
a suscit de nombreuses rflexions de la part des instances bancaires internationales dont la
plus connue est le comit de Ble. Nous nous intresserons dans ce mmoire uniquement au
risque de march.
En 1993, une approche dite standard a t tablie pour grer le risque de march ; lexigence
en fonds propres est alors calcule dune manire forfaitaire. Depuis lamendement de Ble en
janvier 1996, les banques sont autorises calculer le niveau de fonds propres rglementaire
par un modle interne que lon peut esprer plus prcis et plus conomique, mais qui doit
remplir certains critres pour tre homologu par la commission bancaire.
Les banques marocaines nchappent pas cette nouvelle rglementation puisquune
circulaire de Bank Al Maghrib stipule quelles doivent disposer et appliquer la mthode
standard dici 2007. Paralllement, ces banques commencent rflchir srieusement
llaboration de leur propre modle interne de gestion des risques.
La mthode valeur en risque ou encore la Value-at-Risk, est la plus utilise parmi les
mthodes internes pour la gestion du risque de march, elle permet de rsumer le risque
encouru en un seul chiffre donnant la perte potentielle ventuelle sur un horizon de temps
fix. Ils existent plusieurs approches VaR dont lutilisation de lune ou de lautre dpend des
caractristiques de linstrument financier tudi, de la prcision recherche et des contraintes
dimplmentation constates.
Nous tions chargs au sein du dpartement de la gestion globale des risques de Attijariwafa
bank de llaboration de modles VaR pour la gestion des risques de march. Nous avons
ainsi trait lors de notre stage dapplication, le risque sur les bons de trsor, les positions de
change (spot) et les contrats de change terme (forward) en adoptant la mthode RiskMetrics

--5--

Introduction gnrale

de JP.Morgan quitte consacr notre projet de fin dtude au risque sur les produits
optionnels et au calcul dune VaR de march agrge. Nous aurons ainsi fait le tour de tous
les actifs financiers constituant le risque de march de la banque.
Les options sont des instruments financiers assez complexes. Calculer la VaR sur ce genre
dactifs, prsente relativement plus de difficults tant donn dune part, son caractre non
linaire par rapport aux facteurs de risque et dautre part, le nombre considrable de facteurs
de risque entrant en jeu.
Lobjectif de ce mmoire est triple : Dabord, de calculer la VaR sur un portefeuille doptions
de change par les diffrentes approches et de dterminer ainsi le niveau rglementaire de
fonds propres, comparer les rsultats obtenus dans le cadre de chaque approche, calculer
lexigence en fonds propres par la mthode standard et faire ressortir lconomie en fonds
propres engendre par lutilisation dun modle interne. En suite, destimer la structure par
termes des taux dintrt marocaine vu dune part, son grand apport en terme de prcision
dans les approches VaR utilises et dautre part, son utilit pour la banque pour lvaluation
de ses contrats et loptimisation de sa stratgie de gestion de portefeuilles et de gestion actif/
passif. Et finalement, de mener une rflexion sur le calcul dune VaR agrge pour les
activits de march, tant donn que nous disposions dune VaR par actif financier
(obligation, spot, forward et options mais qui ne sont pas de mme nature) et que la VaR
globale nest probablement pas la somme des VaR.
Pour rpondre ces objectifs, trois parties sont envisages. La premire prsentera le march
de change marocain en donnant particulirement plus dintrt linstrument objet dtude
qui est loption de change ; cette partie exposera galement la typologie des risques encourus
par une banque et les recommandations de Ble II pour leur gestion (en insistant sur le risque
de march). La deuxime partie dtaillera la procdure suivie pour le calcul de la VaR sur les
options de change, depuis la prsentation des diffrentes approches appliquer jusqu
lobtention et le commentaire des rsultats et des comparaisons effectues, en passant par
ladaptation de la mthodologie au cas tudi et la description des donnes utilises. La
troisime partie concernera lestimation de la structure par termes des taux dintrt et
lillustration de son utilit pour le calcul de la VaR ; cette partie prsentera aussi les rsultats
de notre rflexion sur la mthode de calcul dune VaR agrge pour le risque de march.

--6--

Chapitre prliminaire

Prsentation de lorganisme daccueil : Attijariwafa Bank

Chapitre Prliminaire
Prsentation de lorganisme daccueil : Attijariwafa Bank

Attijariwafa Bank, dsormais surnomme le champion national , est la nouvelle banque


ne de la fusion entre la Banque Commerciale du Maroc (BCM) et Wafabank, suite loffre
publique dachat propose par la premire sur la deuxime, en novembre 2003. Elle
ambitionne de devenir un groupe bancaire et financier de rfrence, apte encourager
linvestissement tranger, contribuer la dynamisation des PME, laffirmation de grands
groupes marocains et stimuler la bancarisation du pays. Attijariwafa Bank situe sa vocation
dans une dimension rgionale avec une perspective de rayonnement dans lespace euromditerannen, voire africain.
A\ Organisation et actionnariat
Dans le but datteindre ses objectifs Attijariwafa Bank sest dote dune nouvelle
configuration en termes dorganisation et de rpartition gographique du capital. On assiste
alors la cration de grands ples dactivits et la convergence vers une banque universelle.

Organigramme simplifi et membres du comit excutif

A la bourse de Casablanca, 14,9% du capital dAttijariwafa Bank est cot. Lentreprise a une
structure dactionnariat assez diversifie, avec des actionnaires nationaux et trangers.
Cependant le groupe ONA est lactionnaire majoritaire (33,0%) suivi dun groupe italien
(avec 14,5%).

--7--

Chapitre prliminaire

Prsentation de lorganisme daccueil : Attijariwafa Bank

Univredito Italiano
2,10%

Crdit Agrico le
Inves to rs 1,40%

Co rpo ratio n
Financiera Caja de
Madrid 3,40%
Grupo Santander
14,50%
CDG 2,40%

Flo ttant 14,90%

CIMR 2,40%
Gro upe ONA
(ONA, F3I, SNI)
33,00%

Wafa Co rp 4,70%
RMA-Watanya
5,2%
MAMDA-MCMA
7,80%

Wafa As s urance
4,40%

Axa Assurance
3,80%

Rpartition du capital au 31/12/04

Nous avons t accueillis dans le ple Gestion Globale des Risques, et il savre ncessaire de
dcrire succinctement la politique de gestion des risques de la banque.
B\ Fonctions et organisation de la GGR
La gestion des risques est centralise au sein dAttijariwafa Bank au niveau du ple Gestion
Globale des Risques qui se charge de la supervision, du contrle et de la mesure des risques
encourus par le Groupe lexception des risques oprationnels.
Lindpendance de cette structure vis--vis des autres ples et mtiers permet dassurer une
objectivit optimale aux propositions de prise de risque quelle soumet au comit de crdit et
leur contrle.
Lorganigramme issu de la fusion de la BCM avec la Wafabank respecte le principe de
responsabilisation des risques aux ples et mtiers qui les proposent.
Ce ple est organis autour des entits suivantes :
Lentit Risque de crdit
La mission principale est danalyser et dinstruire les demandes de prise de risque manant
des diffrentes forces de vente de la banque. Elle a en outre pour prrogatives lvaluation de
la consistance et de la validit des garanties, lapprciation du volume dactivit de la relation,
le bien fond conomique des financements sollicits. Chaque Business Unit est dote dune
structure dengagement et dune structure de recouvrement clairement indpendantes et
hirarchiquement lies au ple Gestion Globale des Risques ;
Lentit Surveillance et contrle des risques de crdit
Sa fonction est de passer en revue rgulirement lensemble des engagements, dexaminer les
tats hebdomadaires des autorisations et utilisations, de relever les dpassements, et prendre
les mesures ncessaires pour leur apurement ; dapprhender les situations de lourdeur des
comptes, de reprer les incidents de paiement, et de suivre avec le rseau la rcupration de
ces crances ;

--8--

Chapitre prliminaire

Prsentation de lorganisme daccueil : Attijariwafa Bank

Lentit Surveillance et suivi des risques de march


Sa fonction est de dtecter, danalyser et de suivre les diffrentes positions de la banque en
matire de taux et de devises, de rationaliser ses positions par des autorisations formalises et
dtre alerte toute dviation de ses positions ;
Lentit Etudes conomiques et sectorielles
Elle a pour mission de veiller sur lactualit et lvolution de secteurs dactivit, contribuer
la dynamique commerciale sectorielle, aider la prise de dcision en rpondant des
besoins rcurrents identifis ou spcifiques ponctuels travers la mise disposition dune
production de documents ou de rponses sur mesure;
Lentit Normes et mthodes
Cette entit est responsable de lintroduction et de la mise en place des techniques
quantitatives de mesure des risques, des procdures et des techniques adquates
dtablissement des limites et des normes de fonctionnement des entits oprationnelles.
Cest dans cette entit que nous avons ralis notre stage dapplication et ce prsent projet.
Lentit Suivi Ble 2
Elle est en charge de la coordination transversale du chantier Ble 2, sachant que les
spcialistes risques crdit, marchs, et oprationnels sont responsables du dveloppement
des projets relatifs chaque mtier.
C\ Activits et rsultas de la banque en 2004
La fusion ayant t effective au 1er septembre 2004, les comptes dAttijariwafa bank au titre
de lexercice 2004 incluent 12 mois dexercice BCM et 4 mois Wafabank ( partir du 1er
septembre 2004). Les comptes 2003 des deux entits ont t retraits sur la mme base afin de
permettre la comparaison entre les deux exercices.
Les chiffres ont t tirs du document de prsentation des rsultats de la banque la presse.

La part de march :

En 2004 les dpts ont connu une augmentation de 4,97% 83,8 milliards de DH, situant
la part de march dAttijariwafa Bank 28,98%. Selon la direction, cette volution est due
principalement laction dploye par la banque dans la collecte de ressources non
rmunres qui progressent de 9,52% et gagnent 2,45 points dans la structure des dpts.
Les crdits par dcaissement ont enregistr une croissance de 8,86% 55,1 milliards de
DH lie toujours selon la direction, une hausse de 10,7% des crdits productifs, les
crances en souffrances brutes marquant un recul de 3,4%. Cela traduit la fois le rle
actif de la banque dans le financement de lconomie et une gestion des risques en nette
amlioration. Ainsi la part de march de la banque dans les crdits lconomie a atteint
28,86%.

Les rsultats:

Le produit net bancaire (PNB), qui est gal la somme de la marge dintrt, de la marge
sur commissions, des rsultats sur oprations de march et autres produits nets bancaires,
est lindicateur de la cration de richesse de la banque. Il a connu une croissance de 5,44%

--9--

Chapitre prliminaire

Prsentation de lorganisme daccueil : Attijariwafa Bank

3,1 milliards de DH, principalement grce la bonne performance de la marge sur


commissions (+21,1%).
Les rsultats sur oprations de march reprsentent environ 8,41% du PNB, avec une
bonne partie qui provient de lactivit sur le march des changes. Compare lexercice
prcdent lactivit de march de la banque prend de plus en plus dampleur, et il est
temps de sy investir srieusement.
Les charges dexploitation ont volu de 7%, en raison des cots dintgration. Ce qui
donne un coefficient dexploitation de 47,03%, qui tait de 42,45% en 2003 pour la BCM
uniquement. Rappelons que le coefficient dexploitation est le rapport des charges
gnrales dexploitation sur le produit net bancaire ; ce qui veut dire donc que 47,03% de
la richesse cre a t absorb par les charges dexploitation.
Ainsi le rsultat brut dexploitation a augment de 7,7%, conduisant un rsultat net 2004
de 685,5 milliards de DH contre 248 milliards pour lexercice prcdent.

Des fondamentaux solides :

Les fonds propres de la banque, avant rpartition des bnfices, slvent 10,94 milliards
de DH, confrant la banque une assise financire solide pour ses projets de
dveloppement. Le total bilan quant lui slve, au 31/12/04, 100,964 milliards de DH.

Le titre Attijariwafa Bank

Le cours de laction au 31/12/04 tait de 950DH. De la date de prise de contrle de


Wafabank par la BCM le 23 novembre 2003, le titre Attijariwafa Bank a enregistr une
performance de +19,1% alors que le Masi flottant sest amlior de +15,3%.
Le bnfice par action ressort 35,52 DH et le dividende par action pour lexercice 2004
tait de 30 dirhams.
Malgr ces chiffres certains observateurs restent pessimistes quant lavenir de cette
fusion, cause des nombreuses dmissions de cadres, et du faible taux de russite des
fusions selon des tudes internationales sur les rsultats des fusions-acquisitions.
Mais selon le management, lanne 2005 sera lanne du dploiement de lensemble des
forces vives de la nouvelle banque. Avec tout ce qui est entrepris, lexercice 2005 devrait
connatre une croissance significative des rsultats, travers la concrtisation des
premires synergies de la fusion.
Lactivit de la banque sur le march financier est de plus en plus importante, et puisque
nous serons particulirement concerns par les options de change, alors il serait
intressant de dcrire le march des changes au Maroc ainsi que ses produits.

- - 10 - -

Projet de Fin dEtudes

Partie I : Introduction

Introduction
Cette premire partie se veut tre un prlude ltude mene dans ce projet. Ses objectifs sont
donc dune part, de nous placer dans un contexte prcis travers le paysage actuel du march
financier marocain, les options de change, et dautre part de savoir ce quoi sont confrontes
les banques daujourdhui dans leurs activits, et comment elles se prmunissent.
Cest ainsi que le premier chapitre dcrira le march des changes au Maroc, ses produits, ses
acteurs et ses perspectives, tout en portant une attention particulire aux options de change.
Aprs une prise de contact avec lenvironnement financier, le deuxime chapitre fera lobjet
dune prsentation des divers risques bancaires, les volutions dans leur gestion et les
nouvelles rglementations lchelle nationale et internationale.
Enfin un troisime chapitre permettra de comprendre et de matriser loutil qui est la base
des mthodes modernes de gestion des risques, la valeur en risque.

- - 11 - -

Partie I

Chapitre 1 : Le march des changes au Maroc

Chapitre 1
Chapitre 1 Le march des changes au Maroc

Le march des changes est un march virtuel o schangent les diffrentes devises
internationales. Le cours dune devise reprsente le prix de cette devise par rapport une
autre et cette cotation rsulte en principe de loffre et de la demande.
Le march des changes est lun des marchs les plus anims dans le monde, vue limportance
des changes internationaux.
Au Maroc, louverture du march des changes a eu lieu en Juin 1996 permettant aux
diffrents oprateurs conomiques doprer avec une certaine marge de libert fixe par les
autorits montaires savoir, Bank Al Maghrib (BAM), et loffice des changes. Les cours de
change sont publis par la banque centrale tous les jours ouvrs de 8h 30 15h30.
Voici les grandes caractristiques du march.

1.1 Concepts et dfinitions


a\ Techniques de cotation
Les cotations fournissent un cours dachat et un cours de vente permettant la ralisation de
deux types doprations : la vente (Ask) de devises et lachat (Bid) de devises. Le spread
dune cotation est la diffrence entre le Ask et le Bid.
Deux types de cotation existent sur le march des changes, la cotation au certain et la cotation
lincertain.
La cotation au certain dune devise signifie que le prix de la devise locale est exprim en
nombre dunits des devises trangres pour une unit de la devise locale. Le dollar par
exemple est une devise cote au certain sous la forme EUR/USD=S (1USD=S EUR)
La cotation lincertain signifie donc que le prix de la devise locale est exprim en nombre
dunits pour une unit de devise trangre.
Le dirham est une devise cote lincertain sous la forme USD/MAD=S (1USD=S MAD).
b\ Notion de position courte et position longue
Un agent conomique est dit tre en position longue lorsque son actif est suprieur son
passif, c'est--dire quon lui doit plus quil ne doit.
Il est dit tre en position courte lorsque son actif est infrieur son passif, c'est--dire quil
doit plus quon ne lui doit.
Par exemple quand une banque vend un (1) million de dollars un client, elle se trouve en
position courte en dollars et en position longue en dirhams. Il reoit des dirhams et livre des
dollars. Ou encore lorsque nous devrons rembourser une somme de 1 million de dirhams et
recevoir 500 000 dirhams, alors nous sommes en position nette courte de 500 000 dirhams.
En rsum lachat induit une position longue et la vente induit une position courte.

- - 12 - -

Partie I

Chapitre 1 : Le march des changes au Maroc

1.2 Acteurs du march et salle des marchs


Les diffrents acteurs sur le march des changes sont :
-La clientle prive constitue des entreprises dimport-export, des investisseurs sur le
march des capitaux.
-Les banques commerciales : interviennent pour leur propre compte ou sont parfois des
intermdiaires entre la clientle prive et le march. Attijariwafa bank et la BMCE (Banque
Marocaine du Commerce Extrieur) sont les leaders au Maroc sur le march des devises.
-Banque Al Maghrib.
BAM intervient pour rguler le march dans le cadre de sa politique montaire et pour fixer
les cours de change aussi. En principe les cours ne devraient pas tre fixs par la Banque
Centrale mais dtermins par le libre jeu de loffre et de la demande. Il se trouve que le
dirham est une monnaie adosse un panier de devises pondres.
Les banques doivent verser mensuellement la Banque Centrale une commission de deux
pour mille (2%o) de tous les achats et les ventes de devises effectus avec la clientle et les
banques trangres. Cette commission est reverse par BAM en faveur de lOffice des
changes et au profit du Trsor.
Les banques commerciales disposent de dealing room ou salle des marchs pour agir
pour leur propre compte ou pour la clientle prive cite ci dessus.
Quant lorganisation de la salle des marchs, elle est dcentralise en Front office, middle
office et back office.
Le front office est le dpartement de la salle o sont effectues les oprations. On y distingue
les diffrents desks qui sont le desk change, le desk trsorerie devise, le desk taux et le desk
matires premires. Les diffrents desks sont anims par des traders qui sont chargs de coter
les clients ; le desk change soccupe des oprations de change savoir le comptant ou spot et
le terme ; Le desk taux soccupe des obligations et le desk matires premires soccupe de la
commercialisation des matires premires.
Le Middle office assure un premier niveau de contrle des oprations ngocies par les
traders et llaboration des reporting.
Le back office a pour rle essentiel, la gestion administrative et comptable des transactions.
Le tout est administr par un systme dinformations travers une logistique en
informatique et en tlcommunication.

1.3 Activits du march des changes


Seront dcrits ici les divers produits commercialiss sur le march.
a\ Le change au comptant
Le march au comptant consiste en lachat ou la vente dune devise contre une autre un prix
fix aujourdhui (j) et dont la livraison se fera dans deux jours (j+2).
La livraison ne se fait pas physiquement mais simplement en dbitant ou en crditant les
diffrents comptes de chaque contrepartie.
Sur le march marocain, les transactions portent sur 16 devises.
La banque qui dtient une position en devises court un risque. La valeur de march de sa
position pourrait sapprcier ou se dprcier selon le cours de change du jour, puisque la
banque en position courte devrait convertir par exemple des dirhams pour livrer des devises ;
et si le cours de change devise/dirham augmente, il lui faudra alors plus de dirhams le jour de
- - 13 - -

Partie I

Chapitre 1 : Le march des changes au Maroc

la livraison que ce quil lui faut aujourdhui. Le risque li aux oprations de change au
comptant est principalement le risque d des fluctuations dfavorables des cours de change.
On parle alors de la volatilit de la devise, caractrise par lcart-type des rendements de la
devise. Nous prenons lexemple de la variation du cours de change EUR/MAD et USD/MAD
pour illustrer la volatilit.

l'euro

le dollar

11,250

9,3000

11,200
11,150

8,9000

cours

cours

9,1000

8,7000
8,5000

11,050
11,000
10,950

8,3000

10,900
/0
02 1/2
/0 00
02 2/2 4
/0 00
3
02 / 2 4
/0 00
02 4/2 4
/0 00
02 5/2 4
/0 004
02 6/2
/0 00
02 7/2 4
/0 00
4
02 8/2
/0 004
9
02 / 2
/1 00
02 0/2 4
/1 00
02 1/2 4
/1 00
4
02 2/2
/0 004
1
02 / 2
/0 00
02 2/2 5
/0 00
02 3/2 5
/0 00
4/ 5
20
05

jours

02

02

/0
02 1/2
/0 00
02 2/2 4
/0 00
3
02 /2 4
/0 004
02 4/2
/0 00
4
02 5/2
/0 004
02 6/2
/0 00
4
02 7/2
/0 004
02 8/2
/0 004
02 9/2
/1 00
02 0/2 4
/1 00
02 1/2 4
/1 00
4
02 2/2
/0 004
02 1/2
/0 00
02 2/2 5
/0 00
02 3/2 5
/0 005
4/
20
05

8,1000

11,100

Graphique 1.3-1 : Evolution des cours EUR/MAD et USD/MAD du 02/01/04 au 29/04/05.

b\ Les oprations de dpts


Cest le march sur lequel se traitent des oprations de trsorerie en devises concrtises par
des emprunts en devises (avance en devises) et des prts. Ce march est aussi appel march
interbancaire. Il est organis selon des rgles trs prcises quant aux taux, dures et calculs
dintrts. En fvrier 2005 le volume moyen des changes quotidiens sur le march
interbancaire marocain tait de 3,3 milliards de DH.1
Le march de Londres est la plus grande place o sont cots les taux dintrts sur les
oprations de dpts. Le taux de rfrence est le LIBOR (London Interbank Offered Rate).
c\ Le change terme
Pour se couvrir contre le risque de change, les agents conomiques utilisant des devises
trangres (notamment importateurs et exportateurs) ont souvent recours au change terme
ou forward.
Un contrat de change terme ou forward est un accord dchange une date future, dun
montant dans une devise donne contre un autre libell dans une autre devise, un cours de
change fix davance.
Il peut sagir dune vente terme ou dun achat terme.
Au Maroc la maturit maximale pour un contrat forward est dune anne (365 jours).
Pour fixer le cours de change futur, la banque a recours une technique financire consistant
utiliser le taux de change spot courant et les deux taux dintrt dans chaque devise
correspondant la maturit du contrat.

1.4 Les produits drivs : swaps, futures, options.


Un produit driv peut tre dfini dune manire gnrale comme un contrat dont la valeur
dpend du prix dun actif sous-jacent. Le sous-jacent peut tre un taux dintrt, un indice
boursier, un cours de change ou des marchandises. Les swaps, les options, les futures, sont
des exemples de produits drivs.
1

Magazine Economie & Entreprises , Mai 2005/ N71.

- - 14 - -

Partie I

Chapitre 1 : Le march des changes au Maroc

Au Maroc, cest partir de Juin 2004 que le march des options de change est fonctionnel
sous lautorisation de BAM et de loffice des changes selon une circulaire stipulant que toutes
les oprations doivent tre adosses des oprations commerciales ou financires, donc pas
de spculation ou darbitrage mais simplement de la couverture.
La gestion des risques tant la motivation la plus courante de l'utilisation des produits drivs,
les objectifs poursuivis par les entreprises en la matire peuvent tre : la gestion de la
fluctuation des bnfices, la gestion de la volatilit des cash-flows, la gestion des lments ou
ratios du bilan ou la gestion de la capitalisation boursire de la socit.
Swap
Un swap est un accord entre deux entreprises pour changer des flux de trsorerie dans le
futur ; cet accord dfinit les dates auxquelles ces cash-flows seront changs et la faon dont
ils seront calculs. Gnralement, ils dpendent dune ou plusieurs variables conomiques
comme un taux dintrt ou un cours de change.2 Cest ainsi quon parle de swap de taux ou
de devise. Voici un exemple concret:
Considrons un swap de devises 4 ans entre une socit marocaine CNA, et Renault,
dbutant le 1er mai 2005. CNA paie un intrt de 4 % par an en euros Renault et reoit 3 %
en dirhams de Renault. Les principaux sont respectivement gaux 20 millions de dirhams et
10 millions deuros, avec des intrts pays annuellement.
Dirhams 3 %

CNA

Renault
Euros 4 %

Graphique 1.4-1 : Swap de devises.

A la date initiale, les principaux schangent dans le sens inverse des flches apparaissant sur
le graphique. Par contre, les intrts pendant la dure de vie du swap et lchange final de
principal vont dans le sens des flches. Par consquent, au dmarrage, CNA paie 20 millions
de DHS Renault et Renault paie 10 millions deuros CNA. Chaque anne, CNA reoit 0,6
millions de dirhams (3 % de 20 millions) et paie 0,4 millions deuros (4 % de 10 millions). A
la fin du swap (aprs 4 ans), CNA paie un principal de10 millions deuros et reoit 20
millions de dirhams.
Future
Un contrat futures comme un contrat forward est un accord entre deux parties pour acheter
ou vendre un actif donn une date future pour un prix convenu. A l'inverse des contrats
forward, les contrats futures sont ngocis sur des marchs organiss ; les autorits de
march dfinissent des contrats standardiss pour assurer la liquidit et il existe un mcanisme
qui permet dassurer lacheteur et au vendeur la bonne fin des oprations. Au Maroc il ny a
pas encore de contrats futures .
Option
Avec louverture progressive de lconomie marocaine sur le march extrieur, le dirham
devient de moins en moins prvisible ; lutilisation des contrats terme ne rpondant plus
entirement aux besoins de couverture, les options de change commencent prendre place.
Sagissant des options de change, cet instrument fera lobjet du point suivant.

Voir dtails dans John Hull, Options, futures et autres actifs drivs , 5me dition 2004.

- - 15 - -

Partie I

Chapitre 1 : Le march des changes au Maroc

1.5 Options de change


Une option est le droit mais non lobligation, dacheter ou de vendre un actif un cours et
pour une priode pralablement fixs. Ce droit justifie le paiement dune prime au vendeur de
loption.
Lactif sur lequel porte lachat ou la vente est appel sous-jacent, et il peut tre une valeur
mobilire, un indice boursier, lor, ou un taux dintrt. Loption de change est le terme utilis
pour dsigner une option dont lactif sous-jacent est une position en devises. Les options de
change se distinguent par la nature de la devise sous-jacente, le sens de lopration (achat ou
vente) et les conditions dexercice de ce droit ( une chance fixe ou tout moment).
a\ Calls/Puts et modalits dexercice
Call ou Put ?
Call : droit dacheter une devise, un call euro dirham est le droit dacheter des euros contre
vente de dirhams.
Put : droit de vendre une devise, un put euro dirham est le droit de vendre des euros contre
achat de dirhams.
Contrairement un contrat terme, une option reprsente un droit, et non une obligation.
Lacheteur dune option acquiert ainsi un droit quil nexercera que sil en retire un profit ; ce
qui nest pas le cas pour le change terme o le client est contraint de dnouer sa position.
Amricaine ou europenne ?
Une option est dite europenne lorsquelle ne peut tre exerce qu une date fixe, qui
correspond lchance du contrat.
Elle est dite amricaine lorsquelle peut tre exerce nimporte quel jour ouvr sur les
marchs concerns jusqu la date dexpiration.
Contreparties et vie dune option
Dans tout contrat doption devises, on trouve deux contreparties :
Lacheteur : il dtient le droit, mais non lobligation dacheter ou de vendre lactif
concern et il paie la prime.
Le vendeur : il a lobligation dacheter ou de vendre lactif concern, la demande de
lacheteur de loption et il reoit la prime.
Aprs la naissance dun contrat doption devises, trois vnements majeurs peuvent se
produire : lexercice de loption, la clture de la position ou lexpiration de loption.
Lacheteur de loption a le pouvoir de provoquer ces trois vnements, le vendeur ne peut que
les subir ; il peut cependant choisir de clturer sa position avant expiration.
b\ La prime dune option : lments de dtermination
La prime dune option devises dpend principalement de trois lments fondamentaux : la
valeur intrinsque, la volatilit, la valeur temps
La valeur intrinsque
Elle se dfinit comme tant le bnfice qui rsulterait dun exercice immdiat de loption.
Cest la diffrence entre le cours spot et le prix dexercice dans le cas dun call et loppos de
cette diffrence dans le cas dun put. On distingue ainsi des options
- - 16 - -

Partie I

Chapitre 1 : Le march des changes au Maroc

In the money (ou dans la monnaie): option dont la valeur intrinsque est positive
Out of the money (hors de la monnaie): option dont la valeur intrinsque est ngative
At the money ( la monnaie) : option dont le prix dexercice est gal au cours terme dans
le cas dune option europenne ou au cours comptant dans le cas dune option amricaine.
La volatilit
Elle reflte lamplitude de variation des devises. Plus les fluctuations des devises sont leves,
plus la volatilit croit.
Pour les puristes de la thorie des options, intervenir sur le march des options devises revient
souvent prendre une position sur la volatilit.
La volatilit historique : elle reflte lamplitude des variations dune devise sur une priode
spcifique dans le pass, observe intervalles dtermins. On utilisera par exemple la
volatilit sur un mois sur une base dobservations quotidiennes. Le calcul de cette volatilit
passe par la formule suivante :
Volatilit annualise = Ecart _ type Nombre _ d ' observations / an
Lcart-type est calcul ici sur une srie de rendements priodiques (quotidiens par exemple)
du cours concern.
Le nombre dobservations par an correspond au nombre de priodes lmentaires (jours
ouvrs par exemple) dans une anne.
La volatilit implicite : cest la volatilit traite sur le march. Pour la calculer, on utilise la
formule dvaluation de la prime de loption (voir chapitre 4) en fixant tous les paramtres de
calcul y compris la prime; puis rsoudre lquation dont linconnu est la volatilit.
Sur le march, les volatilits historique et implicite sont gnralement diffrentes, puisque la
seconde sappuie sur la premire en intgrant les anticipations du march.

La valeur temps

La valeur temps dune option se dfinit de la manire suivante :


Valeur temps = Prime de loption Valeur intrinsque
Il parait dj quune option 1 mois sera moins coteuse quune option 6 mois, lincertitude
sur la valeur intrinsque lchance tant moins grande.
Plus loption sapproche de la date dexpiration, plus la valeur temps dcrot pour sannuler
totalement.
c\ Les caractristiques dun contrat doption devises
Un contrat optionnel est parfaitement dtermin par :
Type : Call/Put
Catgorie : amricaine/europenne
Lactif sous-jacent
Prix dexercice (cours auquel seffectuera la transaction en cas dexercice de loption)
La date dexercice : date limite laquelle loption pourra tre exerce.
Le montant
La prime de loption : cot dacquisition dun contrat doption devises.

- - 17 - -

Partie I

Chapitre 1 : Le march des changes au Maroc

Dans un environnement o les cours de change fluctuent beaucoup; les oprateurs


conomiques peuvent ainsi se couvrir avec flexibilit et, avec louverture du Maroc sur
lconomie mondiale, ses oprateurs auront intrt recourir ce produit driv. Un exemple
mettant en exergue lutilisation des options est donne dans lannexe II.
Le dirham nest pas sous un rgime de change flottant, sa valeur est plutt fonction dun
panier de devises dont principalement le dollar et leuro. Des analyses statistiques conduisent
conclure que le dirham dpend globalement 80% de leuro et 20% du dollar3.
Le Maroc semble tre un peu en retard par rapport ses homologues amricain et europen
dans lutilisation des produits drivs, seuls les options de change et les swaps sont
actuellement commercialises sur la place marocaine et ne portent que sur les devises euro et
dollar. Les entreprises marocaines commencent porter plus dintrt ces produits
financiers.
Comme toute entreprise, lobjectif dune banque, malgr sa particularit, est de crer plus de
valeur, se rentabiliser plus et contribuer au dveloppement conomique du pays. Ceci ne peut
se faire sans courir des risques. Alors quels sont ces risques, comment ils sont grs et
comment doivent ils tre grs fidlement ? Les rponses ces questions feront lobjet du
chapitre suivant !

Kargougou Kimbila: Les options de change, pricing et hedging , Projet de fin dtudes INSEA 2002

- - 18 - -

Partie I

Chapitre 2 : Risques bancaires et Ble II

Chapitre 2
Chapitre 2 Risques bancaires et Ble II

Un risque correspond loccurrence dun fait imprvisible ou tout le moins certain


susceptible daffecter les membres, le patrimoine, lactivit de lentreprise et de modifier son
patrimoine et ses rsultats 4.
Dj il faut donc distinguer le caractre alatoire et imprvisible (qui est lorigine du risque)
de lenjeu (consquence finale).
Il est commun de dire que le mtier du banquier est le mtier du risque. Ce qui est tout a fait
exact. Le risque est une source de profit pour une banque et celle qui nen prendrait aucun
prendrait le plus grand des risques : faire faillite !Le risque nest donc pas le fait de prendre
des risques mais den prendre trop ou de mal les contrler. Ce qui provoque inluctablement
des difficults et des pertes qui affectent la rentabilit et les fonds propres. La persistance ou
la profondeur de ces pertes peut conduire la dfaillance.
Le comit de Ble a essay de rguler cet aspect et de trouver des solutions pour sen
protger. Il a ainsi mis un certain nombre de rgles et de dmarches suivre par les
tablissements financiers.

2.1 Principaux risques bancaires


Lidentification des risques constitue une tape trs importante dans le processus de gestion
des risques, car une fois identifis, il est possible de les mesurer et de prendre les remdes
destins les limiter. Voici divers risques auxquels un tablissement financier peut faire face.
a\ Risque de crdit
Le risque de crdit peut tre dfini comme le risque de pertes conscutives au dfaut dun
emprunteur sur un engagement de remboursement de dettes quil a contractes. En gnral, on
distingue trois composantes :

Le risque de dfaut correspond lincapacit du dbiteur faire face ses


obligations. Lagence Moodys Investors Service retient la dfinition suivante du
risque de dfaut : tout manquement ou tout retard sur le paiement du principal
ou des intrts .
La deuxime composante du risque de crdit provient de lincertitude pesant sur le
taux de recouvrement une fois le dfaut survenu.
La dgradation de la qualit du crdit constitue la troisime source de risque
portant sur une dette. Si la perception de la qualit de lemprunteur se dtriore, la
prime de risque accorde par les marchs financiers saccrot en consquence. De
plus, si lemprunteur bnficie dune note de la part dune agence de notation,
celle-ci est susceptible de se dgrader suite la perception ngative des marchs.

Elie Cohen.

- - 19 - -

Partie I

Chapitre 2 : Risques bancaires et Ble II

Le risque de crdit demeure la premire cause des difficults et des faillites des banques. Les
sommes prtes non rembourses, suite la dfaillance de lemprunteur, doivent tre dduites
des fonds propres qui peuvent alors devenir insuffisants pour assurer la continuit de
lactivit.
b\ Risque de march
Le risque de march est prsent de la manire suivante dans le texte de la Commission
Bancaire franaise: Le risque de march, dfini comme le risque de pertes sur les positions du
bilan et du hors bilan la suite de variations des prix de march, recouvre :

Les risques relatifs aux instruments lis aux taux dintrt et titres de proprit du
portefeuille de ngociation.
Le risque de change et le risque sur produits de base encourus pour lensemble de
lactivit de bilan et hors - bilan.

Lactivit de march concentre et amplifie tous les risques bancaires traditionnels. Le


dveloppement exponentiel des volumes traits sur les marchs traditionnels, et surtout sur les
nouveaux marchs de produits drivs, a considrablement amplifi les risques. Les pertes
peuvent se produire dans tous les compartiments du march financier et sont la consquence
des variations des cours de change, des taux dintrt, des actions ou des matires premires.
Notre travail portera uniquement sur la gestion du risque de march, la comprhension de sa
dfinition et des diffrents facteurs pouvant lengendrer est primordiale.
c\ Risque oprationnel
Le 28 septembre 2001, le Comit de Ble a propos la dfinition suivante :
Les risques oprationnels se dfinissent comme le risque de pertes dues une inadquation
ou une dfaillance des procdures, personnels, systmes internes ou des vnements
extrieurs (Thoraval [2001]).
Il est ncessaire de prciser les types de perte que comprend cette dfinition :
- Risque de dsastre - Risque de fraude - Risque technologique - Risque juridique
Risque de liquidit
Ce risque dcoule de la fonction de transformation dchance dune banque ; le terme des
emplois tant gnralement suprieur celui des ressources, la banque peut se trouver
confronte deux situations dlicates :

Ne pas pouvoir honorer ses engagements court terme,


Avoir des ressources dont le terme tendance se raccourcir alors que les
emplois demeurent terme inchang.

La premire situation appele aussi risque dilliquidit immdiate, est celle ou la banque est
dans limpossibilit de faire face une demande massive et imprvue de retrait de fonds de la
clientle ou dautres tablissements de crdit, les autorits montaires veillent au niveau de
ce risque grce au rapport de liquidit.
La seconde situation, appele risque de transformation, est surveille par le coefficient de
fonds propres et de ressources permanentes.

- - 20 - -

Partie I

Chapitre 2 : Risques bancaires et Ble II

d\ Risque systmique
Les tablissements de crdit sont interdpendants les uns par rapport aux autres. Les pertes
conscutives la dfaillance dun tablissement sont supportes, par un effet de contagion,
essentiellement par le systme bancaire, sous trois formes :

Les oprations interbancaires, conclues avec ltablissement dfaillant, se


traduiront par une perte pour ltablissement prteur.
La solidarit des places oblige frquemment tous les tablissements
participer lapurement du passif de ltablissement dfaillant.
Les actionnaires dun tablissement de crdit sont frquemment dautres
tablissements qui devront, conformment leur rle, participer au sauvetage
de ltablissement dfaillant.

La dfaillance dun tablissement de crdit va donc dclencher des difficults dans dautres
tablissements et risque de mettre en pril tout le systme bancaire.
Ltape suivant lidentification des risques sera la mesure et la gestion de ces risques.
Cependant, les spcificits et les dtails de cette gestion diffrent selon le type de risque,
linstrument financier considr, les caractristiques du march financier et plusieurs autres
critres.
La section suivante montre comment le comit de Ble a rgul la gestion des risques et
comment il suggre de les grer ?

2.2 Ble II et gestion des risques


Le comit de Ble a t institu en 1975 par les gouverneurs des banques centrales des pays
du G7. Actuellement, cest un forum de coopration rgulire en matire de contrle bancaire
rattach la Banque des Rglements Internationaux, qui tente dtablir des normes minimales
de contrle bancaire communes tous les pays. Mme sil na aucun pouvoir rglementaire,
ce groupe de travail a une influence norme sur les normes rglementaires.
Dans cette section, nous mettrons en vidence limportance des fonds propres dans la gestion
des risques bancaires, les principales rglementations tablies dans ce sens, ainsi que les deux
grandes approches de mesure de risque, savoir la mthode standard et la mthode modle
interne .
a\ Importance des fonds propres
Voici le bilan simplifi dune banque :
Tableau 2-1 : Bilan simplifi dune banque

Actif
Actifs immobiliss
Crdits et prts
Titres
Trsorerie

Passif
Fonds propres
Dettes
Dpts

- - 21 - -

Partie I

Chapitre 2 : Risques bancaires et Ble II

Les fonds propres (ou le capital) sont un lment du passif dune banque. Ils regroupent :
Les actions ordinaires et les certificats dinvestissement Les rserves Le rsultat non
distribu etc.
Les autres lments du passif dune banque sont les dpts, lpargne des mnages, ainsi que
les dettes.
A lactif, nous trouvons les crdits et les prts aux mnages et aux entreprises, les services, le
portefeuille de titres, etc.
Le rle des fonds propres est triple:
Les fonds propres sont ncessaires la croissance .
Les fonds propres sont le moteur de lactivit de la banque. A cause des contraintes externes
(par exemple, la rglementation) et internes (imposes par exemple par les actionnaires), ces
fonds propres dimensionnent le risque de la banque, et donc lactivit de la banque. La
croissance de ltablissement financier dpend donc de lvolution de son capital.
Les fonds propres sont une garantie vis--vis des cranciers .
Ils servent garantir lactivit de la banque. En particulier, ils doivent permettre dabsorber
les fortes pertes dues des lments exognes et/ou inattendus.
Les fonds propres sont les ressources les plus chres (exigence de rentabilit .
Puisque les fonds propres permettent de couvrir les risques, ils sont rmunrs. Le taux de
rmunration est appel Return on Equity ou ROE. Lobjectif de la banque est donc doffrir le
ROE le plus lev ses actionnaires (prendre le moins de risque et dgager le plus de rsultat
net).
Lobjectif de la mesure des risques est dvaluer avec une prcision satisfaisante le niveau des
fonds propres ncessaires la couverture de ces risques.
b\ Du ratio Cooke au ratio Mc Donough
En 1988, le Comit de Ble propose un ratio international de solvabilit, cest le fameux ratio
Cooke (du nom du prsident du Comit de Ble de lpoque) qui correspond au rapport entre
le montant des fonds propres FP et celui des encours pondrs de crdit EPC.
FP
8% Ratio Cooke
EPC
LAccord de Ble a t adopt par le Parlement Europen en 1993. La rglementation a
volu progressivement pour prendre en compte les risques de march.
Ainsi, le Comit de Ble a publi le 16 janvier 2001 le second document consultatif pour une
rforme de la rglementation prudentielle.
Les motivations du nouvel Accord sont multiples. La premire dentre elle est la modification
de lassiette des risques (contenant dsormais le risque de crdit, le risque de march et le
risque oprationnel) et on parle maintenant du ratio Mc Donough :

FP1 + FP 2
8%
Risque crdit + Risque oprationnel + Risque march
- - 22 - -

Partie I

Chapitre 2 : Risques bancaires et Ble II

La seconde motivation de lAccord est de rapprocher la rglementation des pratiques en


vigueur pour le pilotage des risques, afin que lexigence en fonds propres soit plus sensible au
risque rel de la banque. A terme, lide est dautoriser les banques, sous certaines conditions,
dutiliser les modles internes pour mesurer le risque de crdit et le risque oprationnel,
comme cela se fait dj pour le risque de march.

c\ Rglementation prudentielle et gestion du risque de march


Etant donn que le travail qui a t labor au sein de la banque na concern que le risque de
march, ce paragraphe sera consacr seulement la rglementation prudentielle pour le risque
de march.
Le dveloppement des marchs financiers dans les annes 80 et surtout dans les annes 90, a
conduit les autorits de contrle bancaire et les autorits de march prendre un certain
nombre de dcisions pour rguler ces marchs. En particulier, ces dcisions ont concern
fortement les risques de march.
Pour mesurer les exigences de fonds propres pour les risques de march, les tablissements
ont le choix entre deux types dapproches :

Lapproche standard, qui en gnral surestime les risques et demande des fonds
propres normes.5 Par cette approche les fonds propres sont calculs par type
dactifs financiers et lexigence totale est la somme des exigences par actif.
Lapproche modle interne. Lutilisation de cette mthode, subordonne la
ralisation de certaines conditions, est soumise lapprobation explicite du
Secrtariat Gnral de la Commission Bancaire . Par cette approche interne,
l'exigence de fonds propres pour le risque de march correspond la valeur la plus
leve entre : i) la perte potentielle du jour prcdent; et ii) la moyenne des pertes
potentielles sur les soixante derniers jours ouvrs, multiplie par un facteur de
multiplication. C'est--dire :

1 60

CRtmarch = Max (3 + ) VARt i ,VARt 1 , 0 1


60 i=1

(Eq

2.2-1)
O VaRt-i est la valeur en risque pour le portefeuille global de march au jour (t-i), calcule
sur 10 jours avec un niveau de confiance de 99%.
Le facteur est fix pour chaque banque selon la crdibilit et la matrise de ses mthodes de
gestion des risques, mais comment ?

est obtenu partir des contrles ex post (backtesting) qui visent s'assurer que le degr de
couverture observ correspond bien au niveau de confiance de 99%.
Le backtesting6 porte sur la VaR un jour, et non sur la VaR pour une priode de dtention de
10 jours.

Les mthodes standard ne faisant pas lobjet de notre projet, le lecteur pourra lire le document sur le site de la
commission de supervision bancaire de Ble II : www.bis.org/publ/bcbs24.pdf
6
Le Backtesting est une technique de test de la validit du modle de calcul de la VAR, qui consiste se baser sur des
observations historiques de calcul de la VAR (par le mme modle labor) et voir par la suite si cette VAR calcule
encadrait rellement la perte potentielle ralise (en valeur absolue) en la comparant au P&L thorique. Le P&L de la
journe t est la diffrence entre la valeur relle du portefeuille en t et sa valeur en t-1.

- - 23 - -

Partie I

Chapitre 2 : Risques bancaires et Ble II

Remarquons que contrairement lapproche standard, dans lapproche interne on raisonne en


termes de facteurs de risque et non en termes dactifs financiers, ce qui laisse prsager une
intuition de prise en compte de la diversification et des corrlations des risques.
Les banques ont vite adopt les modles VaR pour rduire lexigence de fonds propres,
dailleurs cest lun des objectifs de notre travail qui consiste mettre en vidence lconomie
de fonds propres dans lutilisation de la VaR pour le calcul des fonds propres rglementaires.
La Commission Bancaire tolre lutilisation combine des modles internes et de la mthode
standardise. Mais elle prte une attention particulire la permanence des mthodes, ainsi
qu leur volution afin de sorienter vers un modle global qui tient compte de lensemble
des risques de march.
Les modles internes dvelopps par les tablissements financiers doivent respecter des
critres qualitatifs et quantitatifs afin de gagner lapprobation de la Commission Bancaire
aprs la priode de suivi et de test mens par cette dernire.

Rappel :
Pour le moment le risque de change est rgul au Maroc par BAM qui exige deux conditions :
La position dtenue dans chaque devise ne doit pas dpasser 10% des fonds propres de la
banque, et la position nette globale ne doit pas dpasser 20% des fonds propres. Cette dernire
correspond au maximum de la somme des positions nettes longues et la somme des positions
nettes courtes.

Avant de passer lapplication des mthodes internes aux options de change, il est
indispensable davoir une base suffisante en la matire. Le chapitre suivant prsente ce
concept
de
Value-At-Risk,
son
origine
et
ses
fondamentaux.

Il sagit donc pour un historique de n jours de comparer pour chaque journe t de cet historique la VARt avec le P&Lt
. Une exception est une situation o le P&L dpasse la VAR.

- - 24 - -

Partie I

Chapitre 3 : La Value-At-Risk

Chapitre 3
Chapitre 3 Value-At-Risk

Comment dfinir la perte maximale sur un instrument financier ?


Est-ce la perte la plus importante depuis cinquante ans ? Dans ce cas, est-il rellement
possible qu'elle se reproduise ?
Les mathmatiques apportent une rponse ces questions en dfinissant la perte maximale
possible comme la perte dont la probabilit d'occurrence un horizon donn est infrieure
un certain niveau, par exemple 1 %.
Un investisseur ou un trader en fin de journe, est sur une position courte en devise Euro
correspondant un (1) million de dirhams. Il aimerait savoir jusqu combien peut- il perdre
dici demain. Quelle est alors sa perte potentielle dici demain, pour un niveau de confiance
donn ?
Nous pouvons rpondre cette question en calculant la VaR de sa position.

3.1 Principes et dfinitions


La Valeur en Risque, plus connue sous le nom anglais Value-at-Risk ou VaR, est une
mesure de la perte potentielle que peut subir un portefeuille dinstruments financiers
suite aux fluctuations des facteurs de march, avec un niveau de probabilit donn, un
horizon de temps fix et dans des conditions normales de march.
Elle permet de rpondre la question suivante : Combien ltablissement financier peutil perdre avec une probabilit (1- ) pour un horizon de temps h fix ?
Statistiquement, la VaR peut tre dfinie comme tant un quantile de la distribution des P&L
thoriques dun portefeuille, rsultants des mouvements possibles des facteurs de risque de
march, sur un horizon de temps fix.
Le P&L dun portefeuille de valeur P, sur un horizon de h jours est donn par :
P&L(t ;h)=

h Pt = Pt + h Pt.

Un point important est que nous ne connaissons pas avec certitude la variation des facteurs de
risque au del de h jours, et pour cette raison, des prvisions seront faites partir des
volatilits et corrlations historiques. Ces variations sont intgres dans le P&L ( h Pt )
auquel nous tudierons la distribution statistique, toujours en liaison avec lhorizon de temps
fix.
Par dfinition, la VaR sur h jours avec un niveau de confiance de (1-) est la valeur R telle
que la probabilit de perdre R au plus, au del de h jours, est gale (1-) .
VAR ; h = R telle que Pr ob( h Pt <R)= ou encore Pr ob( h Pt < R)=1 .

- - 25 - -

Partie I

Chapitre 3 : La Value-At-Risk

Ceci est illustr par le graphique 3.1

Prob (Pt+h Pt < -VAR,h) =

-VAR;h

Pt+h-Pt

Graphique 3.1-1 : La fonction de densit du P&L

est appel niveau de signification ; il est infrieur 1 et est en gnral gale 1%,
ou 5%.

Deux lments sont donc indispensables pour interprter le chiffre VaR (qui permet
de donner une vision globale du risque de march dun portefeuille) :
1- la priode de dtention h ou holding period qui correspond la priode sur laquelle
la variation de la valeur du portefeuille est mesure ;
2- le seuil de confiance (1-) du chiffre VaR qui correspond la probabilit de ne pas
dpasser cette mesure du risque.
Si ces deux paramtres ne sont pas spcifis, nous ne pouvons pas interprter le
chiffre VaR, car un risque 10 jours avec une probabilit de 99% est beaucoup plus
important quun risque 1 jour avec une probabilit de 90%. 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. Avec la
mesure VaR, on passe donc dune mesure de risque comme volatilit une mesure
de risque comme quantile.
Il faut bien avoir lesprit que la mesure VaR ne donne une image du risque que
dans le cadre de conditions normales de march et pour un niveau de confiance
infrieur ou gal 99% (dans le cas de la rglementation). Pour avoir une mesure du
risque extrme, dautres techniques sont plus adaptes : les mthodes de stress
testing7 et la thorie des valeurs extrmes permettent de mieux apprhender les risques
extrmes.
Pour calculer la VaR, nous devons identifier les facteurs de march qui affectent la
valeur du portefeuille. Le nombre de ces facteurs peut tre plus ou moins grand,
mais dpend gnralement du type de march considr.

Le Stress Testing est une partie de lanalyse de scnarios qui, au lieu de considrer des valeurs de facteurs de risques
habituellement enregistres dans les conditions normales du march, considre des valeurs totalement extrmes
caractrisant le plus souvent des crises historiquement ralises ou qui risquent de se raliser

- - 26 - -

Partie I

Chapitre 3 : La Value-At-Risk

Remarques
La VaR est croissante avec le niveau de confiance et lhorizon de dtention.
Il est dmontr que VAR;h = h.VAR;1 . Ainsi Nous calculerons dsormais la VaR sur un
jour et celle sur 10 jours est obtenue en multipliant la premire par 10 .

3.2 Mthodes de calcul de la VaR


Trois mthodes sont utilises pour mesurer le risque.

a\ Variance-covariance (analytique ou paramtrique)


Elle a t introduite en Octobre 1994 par J.P. Morgan8, cest la plus utilise et est adapte aux
portefeuilles linaires (comme les positions sur devises par exemple). Cette mthode ncessite
une matrice de covariance des actifs ainsi que leur composition dans le portefeuille. Cest dire
donc que nous avons besoin des variances et covariances des rendements des actifs du
portefeuille, qui peuvent tre estimes soit par les mthodes standard (cart-type ou variance),
soit par un modle GARCH ou de pondration exponentielle9.
Dans le modle de VaR paramtrique, nous supposons que la valeur algbrique dun
portefeuille est reprsente par une combinaison linaire de K facteurs gaussiens
(linarit).
Notons P(t) la valeur du portefeuille linstant t et F(t) le vecteur gaussien des
facteurs de loi N ( ;). La valeur du portefeuille en t vaut alors P(t) = aT F(t) avec a le
vecteur de sensibilits. A la priode t, la valeur de P(t + 1) nest pas connue puisque
nous ne disposons que de linformation jusquen t. En t, P(t + 1) est donc une variable
alatoire gaussienne de loi N (aT ; aTa). La valeur de la VaR pour un seuil de
confiance 1- correspond alors :
Pr (Pt+1 Pt > -VAR) = 1-

Dans cette quation, P(t + 1) - P(t) reprsente la variation du portefeuille entre


linstant t+1 et linstant t. Cest donc une perte si la valeur ralise du portefeuille
dans un jour est infrieure la valeur actuelle du portefeuille. Comme la VaR
reprsente la perte potentielle que lon sautorise et que celle-ci est exprime en
valeur absolue, Pr (Pt+1 Pt > -VaR) est la probabilit que la perte ne dpasse pas la
VaR (ou perte potentielle). Par dfinition, cette probabilit est notre seuil de
confiance. Lorsque la priode de dtention nest pas 1 jour mais h jours, la mesure
de la VaR se dfinit partir de la relation suivante :
Pr (Pt+h Pt > -VaR,h) =1-

Comme nous supposons que P(t + 1) est gaussien, alors nous en dduisons que

pt+1 aT 1
Pr(
()) = 1
T
a a
8

J.P Morgan/Reuters RiskMetrics Technical Document


http://www.jpmorgan.com/RiskManagement/RiskMetrics/RiskMetrics.html
9
Modle dans lequel 21,t +1 / t = 21,t / t -1 + (1-)r21,t ; est le facteur de pondration des observations passes. Pour
=1 on retrouve le modle de volatilit ordinaire. RiskMetrics utilise la pondration exponentielle pour la prvision
des volatilits.

- - 27 - -

Partie I

Chapitre 3 : La Value-At-Risk

avec 1 la fonction gaussienne inverse. Or nous avons 1 (1 ) = 1 ( ) avec


1 ( ) le quantile % de la loi gaussienne. Un rapide calcul montre que :

VAR = pt aT 1() aT a
Lorsque les facteurs F modlisent directement la variation du portefeuille, la mesure
VaR devient VAR = a ( ) a a ou VAR = (1) a
En gnral, nous supposons que = 0, et nous avons finalement
T

a aT

VAR = 1 (1 ) a T a

(Eq

3.2-1)

Cette mthode de calcul de la VaR est appele la mthode de variancecovariance,


puisquelle drive directement de la matrice de covariance des facteurs.
La dernire relation sinterprte trs facilement :
aTa est en fait lcart-type de la variation du portefeuille : nous pouvons lassimiler
un risque-volatilit ; 1 (1 ) est un coefficient que nous notons c ; nous avons donc
une relation linaire entre le risque-volatilit et la perte potentielle :
VaR = c * risque-volatilit

(Eq

3.2-2)

A titre dillustration, c prend la valeur 2,33 pour un seuil de confiance 1- = 99%.


Dans ce cas, la VaR correspond au risque-volatilit multipli par ce facteur 2,33.
Cette mthode repose sur trois hypothses :
1- lindpendance temporelle des variations de la valeur du portefeuille ;
2- la normalit des facteurs F(t) ;
3- et la relation linaire entre les facteurs et la valeur du portefeuille.
Ces trois hypothses simplifient le calcul de la VaR, puisque les quantiles de aT F(t)
sont lis de faon linaire au quantile de la loi normale une dimension. La
principale difficult de cette mthode est destimer la matrice de covariance et de
dterminer les sensibilits.
Nous pouvons montrer que lexpression de la VaR obtenue pour une priode de
dtention dun jour peut se gnraliser une priode de dtention de h jours. Dans
ce cas, reprsente la matrice de covariance des facteurs pour h jours. Nous
rappelons que la priode de dtention rglementaire est fixe 10 jours.
Enfin, nous rappelons que cette mthode nest utilisable que pour les actifs financiers
linaires car elle ne prend pas en compte le caractre non linaire des positions. Ainsi, le
calcul dune VaR paramtrique pour un portefeuille doptions nest pas adapt.
Rponses notre trader grce la mthode paramtrique
Si partant de lhypothse de la normalit des rendements sur leuro et en prenant lcart type
historique quotidien du rendement sur le change EUR/MAD gal 0,35%, il sen suit que
dans 99% des cas, le rendement nexcdera pas 2,33 fois sa volatilit (0,815%=2,33*0,35%,
(voir graphique ci-contre).
Dans ces circonstances, la perte potentielle sera de 1M*0,815%=8155 DHS.

- - 28 - -

Partie I

Chapitre 3 : La Value-At-Risk

Le nombre 2,33 correspond au quantile dordre 99% dune distribution normale standard.
Nous avons suppos que le rendement soit une variable alatoire de la loi normale standard.
Nous pouvons dire donc que dans 99% des cas, linvestisseur ne perdra pas plus de 8155
dirhams au-del des 24 heures suivantes, en gardant sa position intacte.
Deux questions importantes nous ont permis de rpondre la question de linvestisseur :
Quelle est son exposition au risque ? Cest la position actuelle dtenue par linvestisseur ; elle
a une valeur en dirhams de un (1) million ;
Quel est le risque li cette exposition ? Le risque est li la volatilit des cours de change
EUR/MAD dont le rendement est suppos tre distribu suivant une loi normale.
Lidentification et lanalyse de ces deux composantes sont indispensables pour tout type de
mesure de risque.

b\ Simulation historique
Contrairement la VaR paramtrique, la VaR historique est entirement base sur les
variations historiques des facteurs de risque F(t). Supposons que nous disposions dun
historique de longueur N.
En t0, nous pouvons valoriser le portefeuille avec les facteurs de risque de lhistorique. Cela
veut dire que nous calculons pour chaque date t = [t0 1,, t N] une valeur (potentielle) du
portefeuille.
Nous pouvons alors dterminer N variations potentielles, que nous assimilons N pertes
potentielles (certaines pertes sont en fait des gains). Ainsi, partir de lhistorique, nous
construisons implicitement une distribution empirique. De celle-ci, nous pouvons extraire le
quantile %. Il suffit pour cela de ranger les N pertes potentielles et de prendre la valeur
absolue de la N * (1 - ) ime plus petite valeur.
Voyons un exemple : Nous supposons que les pertes potentielles P sont ordonnes. Nous
obtenons alors un ensemble [P1,, Pn,, PN] avec Pn <= Pm quelque soit n < m.
Pour un seuil de confiance de 99%, la VaR correspond la premire perte potentielle valeur
absolue (P1) si N = 100, la dixime perte potentielle valeur absolue (P10) si N = 1000, etc.
Cette mthode est trs simple conceptuellement et facile implmenter. Elle est donc trs
utilise. Cependant, elle prsente quelques difficults. En effet, lestimation dun quantile a
une vitesse de convergence beaucoup plus faible que les estimateurs de la moyenne, de la
variance, de la mdiane, etc.
Cela tient au fait que lestimation dun quantile est une estimation locale qui demande donc
beaucoup dobservations afin den avoir suffisamment autour du quantile.

c\ Simulation Monte Carlo


La VaR Monte-Carlo est base sur la simulation des facteurs de march F(t) dont on se donne
une loi de distribution a priori, de prfrence admissible avec lhistorique. Nous pouvons
alors valoriser le portefeuille avec les facteurs simuls. Si nous utilisons N simulations, nous
pouvons alors dterminer N variations simules du portefeuille, que nous assimilons N
pertes ou gains potentiels. Il suffit ensuite de calculer le quantile correspondant tout comme
pour la mthode de la VaR historique. Les deux mthodes sont donc trs semblables. La seule
diffrence est que lune des mthodes utilise les facteurs passs, alors que lautre utilise des
facteurs simuls.
Cette mthode est trs intressante est particulirement adapte au calcul de la VaR sur des
instruments non linaires notamment les produits optionnels.
- - 29 - -

Partie I

Chapitre 3 : La Value-At-Risk

La mthode Monte Carlo demande un effort important de modlisation puisque celle-ci


dterminera entirement les trajectoires des facteurs de march que lon utilise pour le calcul
de la VaR. Une description dtaille des tapes de cette mthode sera donne dans la partie
consacre au calcul de la VaR sur le portefeuille optionnel de la banque.

La plupart des grandes institutions financires utilisent les modles internes VaR pour
mesurer leur risque. Mais un outil aussi rpandu et recommand pour la mesure du risque ne
peut tre employ sans connatre ses avantages et ses inconvnients.

3.3 Avantages et limites de la Value-at-risk


La Value-At-Risk a plusieurs avantages:

Elle est un outil de gestion dun portefeuille dinstruments financiers pour optimiser le
couple risque/rentabilit.
Elle permet de tenir compte des effets de diversification des portefeuilles.
Elle permet la fixation des limites internes et lallocation de fonds propres, c'est--dire
donc quon peut fixer des limites de pertes par trader ou par mtiers en appliquant le
principe du stop-loss.
Elle permet aussi le calcul de lexigence de fonds propres prudentiels pour les risques
de march ou de crdit.
Cependant il y a quelques inconvnients quil convient de relever :

La VaR ne fait pas de distinctions entre la liquidit des diffrentes positions de


march, et capte seulement les risques court terme dans des conditions normales de
march ;
Ensuite les hypothses ncessaires pour lutilisation de chaque modle de VaR, ne
sont pas toutes vrifies dans la ralit. Ceci aura un impact sur la valeur mesure du
risque.
Les modles VaR nintgrent pas les cots de dtention ou de liquidation des positions
de march.

3.4 Une application de la mthode paramtrique


Lors de notre stage dapplication au dpartement Normes et mthodes dAttijariwafa
bank, nous tions chargs de la mise en place dun modle dynamique de mesure du risque de
march par la mthode Value-At-Risk. Ainsi, nous nous sommes limits dans ce stage
ltude du risque de taux et du risque de change, communment appels risques de march,
quitte traiter le risque sur les produits drivs lors de notre projet de fin dtude.
Notre objectif tait de calculer la VaR sur les trois principaux instruments soumis au risque de
march, savoir, les positions devises spot, les contrats forward et le portefeuille des bons de
trsor de la banque.
Etant donn que ces instruments financiers (bons de trsor, spot et forward) sont considrs
comme tant linaires, nous avions opt pour lutilisation de la mthode VaR paramtrique
labore par J.P.Morgan ; cest la raison pour laquelle nous avons dcrit plus haut
formellement la mthode.

- - 30 - -

Partie I

Chapitre 3 : La Value-At-Risk

Ainsi, nous avons implment un modle dynamique sur Excel permettant de calculer ces
trois VaR, allant de ltape de la vrification des hypothses ltape du test des rsultats. Les
rsultats taient satisfaisants et le modle est actuellement utilis pour le suivi du risque.
Nous invitons alors le lecteur consulter notre rapport de stage dapplication10 pour une
meilleure comprhension de lapproche utilise et de la suite de lapplication.
Les premires semaines de notre stage de fin dtudes consistaient revoir le modle existant,
apporter quelques corrections, et le rendre plus oprationnel.

Aujourd'hui, le concept de VaR est utilis par toutes les grandes banques pour valuer le
risque des activits de trading, et il trouve peu peu sa place dans la gestion de fonds et la
trsorerie d'entreprise.
Lobjectif de notre travail est de grer le risque de march li aux options de change en
utilisant particulirement la simulation de Monte Carlo. Nous verrons donc par la suite
comment peut-on adapter cette mthode ce genre dactifs financiers.

10

Issa COULIBALY et Nabil AYOUB : Value-At-Risk et gestion du risque de march, application Attijariwafa
Bank , Stage dapplication 2004.

- - 31 - -

Projet de Fin dEtudes

Partie I : Conclusion

Conclusion
Par ordre dimportance et en terme de volume trait dans le monde, vient dabord le change
au comptant, ensuite le change terme, suivi des swaps et des options.
Le march des options au Maroc est toujours en phase de rglementation, lheure actuelle
deux banques seulement (Attijariwafa Bank et BMCE Bank) commercialisent effectivement
ce produit. Dans le contexte actuel, lenvironnement financier marocain est en attente dune
nouvelle loi bancaire et dun nouveau statut de BAM, qui viendront probablement renforcer et
moderniser les activits bancaires et financires.
Il a t vu que les risques bancaires sont divers, chacun a ses propres caractristiques, ses
propres sources, ses mthodes de gestion et ses impacts. Les fonds propres doivent tre
capables de supporter toute cette charge pour un fonctionnement sain de ltablissement
financier.
Les autorits de contrle imposent aux banques le respect dun certain nombre de ratios, pour
garantir le bon fonctionnement du systme financier. Nanmoins, ces ratios restent
insuffisants pour matriser totalement le risque. Quantifier le risque est donc une question trs
importante dans ce sens. Sur ordre de BAM, dici 2007, toutes les banques marocaines
doivent disposer de modles de mesure de risques par la mthode standard, les mthodes
internes seront utilises volontairement.
La Value-at-Risk reste la mthode la plus utilise pour la construction dun modle interne.

- - 32 - -

Partie II : Introduction

Introduction
Dans la partie prcdente, ont t exposs, lenvironnement de change au Maroc, les options
de change, les nouvelles rglementations en matires de gestion des risques bancaires, et les
diffrentes approches de calcul de la Value-at-Risk. La deuxime partie est consacre la
prsentation dtaille de notre travail sur la gestion du risque de march sur les options de
change.
Ainsi, le premier chapitre donnera un aperu assez dtaill sur les principes dvaluation des
options et leurs stratgies de couverture, lments indispensables pour le calcul de la VaR par
la simulation de Monte Carlo. Le deuxime chapitre a pour objectif dexposer les diffrentes
approches dapplication de la mthode Monte Carlo sur les options. Le troisime chapitre
viendra prsenter concrtement la mthodologie que nous avons adopte pour dvelopper les
modles sur Excel et la description des donnes utilises. Les rsultats, les comparaisons et
les diffrentes conclusions feront lobjet du quatrime et dernier chapitre.

- - 33 - -

Partie II

Chapitre 4 : Evaluation des options et stratgies de couverture

Chapitre 4
Chapitre 4 Evaluation des options et stratgies de couverture

Les diffrentes catgories doptions et les caractristiques de chaque catgorie ont t


prsentes dans le chapitre 2.
Afin de calculer la VaR Monte Carlo sur un portefeuille doptions de changes, il est trs
important de connatre le mcanisme dvaluation dune option, ses stratgies de couverture
et limpact de ses greeks sur le risque encouru.

4.1 Principes dvaluation des options


La formule courante11 de pricing des options vanilles europennes est celle de GarmanKohlagen, qui sest inspir du modle de Black & Scholes pour les options sur actions.
Dans tous les cas les hypothses12 de travail sont les mmes :
Les oprateurs sont rationnels : ils sont supposs utiliser les options pour couvrir une
position physique, sans exiger de leur couverture un rsultat diffrent de celui obtenu
par une opration terme ; ce qui nest pas le cas dans la ralit ;
La nature du processus de fluctuation des cours et taux dintrt : les taux dintrt
sont constants sur la vie de loption et les cours de change sont supposs tre
distribus suivant la loi lognormale (les rendements sont normaux);

S
log t +t obit la loi normale N ( , )
St
Le processus stochastique auquel obissent les variations de cours est un processus dIto,
caractris par une tendance () et un bruit , c'est--dire un choc alatoire non anticip
par les agents et expliquant lcart-type de la loi normale. Le processus est ainsi dcrit
par :
dS
= dt + t Z
(Eq 4.1-1)
S
avec Z : variable alatoire de Wiener, de moyenne 0 et dcart-type 1.
Le modle suppose galement labsence de cots de transactions.
Partant de ces hypothses et aprs calculs on obtient finalement les prix :

call : Se D (T t ) N ( d1) Ee r (T t ) N ( d 2)
put : Se D (T t ) N ( d1) + Ee r (T t ) N ( d 2)

11
12

(Eq 4.1-2)

Une autre mthode consiste lutilisation dun modle binomial dvelopp par Cox, Ross et Rubinstein
Odile Lombard et Didier Marteau, Les options de change . 1992.

- - 34 - -

Partie II

Chapitre 4 : Evaluation des options et stratgies de couverture

d1 = log( S / E ) + (r D + 0,5 2 )(T t ) / (T t ) 0,5


d 2 = d1 (T t )

0, 5

N ( x) = loi normale

= volatilit du sous jacent correspondante la maturit (T t )


S = cours de change spot
E = cours d ' exercice ou strike
D = taux d ' int rt devise correspondant la maturit (T t )
r = taux d ' int rt dirham correspondant la maturit (T t )
T t = maturit rsiduelle / 360 ou maturit rsiduelle / 365
A partir de ces expressions, le prix de loption dpend dun certain nombre de paramtres,
autrement dit ; des facteurs de risque implicites savoir :

Le cours de change spot courant de la devise au moment de llaboration du contrat


Le strike ou le prix dexercice de loption
La volatilit de la devise (on parle aussi de volatilit implicite) : son calcul pose de
nombreux problmes, certains se basent sur la volatilit historique tant dis que
dautres utilisent la volatilit implicite.
La maturit du contrat, qui est exprime en anne
Les taux dintrt domestiques et trangers correspondant la maturit du contrat

En pratique les taux dintrt annualiss sont affichs sur le march dune manire
standardise, c'est--dire pour les maturits 1 mois, 3 mois, 6 mois et 12 mois. Pour obtenir le
taux dintrt pour une maturit intermdiaire on procde des interpolations linaires.
Concernant les volatilits, il est difficile dobtenir une volatilit DEV/MAD trs significative,
et il nexiste pas actuellement de cotation dune volatilit implicite des parits de change
DEV/MAD, la salle des marchs a choisi alors de retenir celle de lEUR/USD pour estimer
celle affrente la parit DEV/MAD, moyennant la formule suivante :
Volatilit EUR / MAD = a * Volatilit EUR / USD + b
Volatilit USD / MAD = c * Volatilit EUR / USD + d

(Eq 4.1-3)

a, b, c et d sont des coefficients dtermins par des modles de rgression. Dans la suite nous
prendrons a=20%, b=0, c=80% et d=0.
La volatilit EUR/USD est aussi affiche sur les crans Reuters13 dune manire standardise
sur les maturits 1 semaine, 1 mois, 2 mois, 3mois, 6 mois, 9 mois et 12 mois. Autrement dit
une interpolation linaire est applique pour obtenir la volatilit sur des maturits non
affiches.

4.2 Risques sur loption


En termes de perte/profit, le risque lchance pour le vendeur doptions, est de ne pas
disposer de devises consquentes au cas o le client exercera son droit. Sil nen dispose pas
alors il sera oblig daller sur le march pour acheter ou vendre des devises des prix levs
13

Agence internationale spcialise dans linformation financire.

- - 35 - -

Partie II

Chapitre 4 : Evaluation des options et stratgies de couverture

(sil veut acheter) ou faibles (sil veut vendre). Alors quon sait que si le client exerce son
droit cest que les conditions du march ne sont pas du tout favorables. Le risque du vendeur
est gal la valeur intrinsque de loption, communment appele en anglais pay-off .
Voici des graphiques (graphique 4.1) synthtiques reproduisant le comportement des pertes et
profits potentiels en fonction du cours spot lchance et de la position dtenue (P et E
dsignent respectivement la prime de loption et le prix dexercice de la devise).
Gains et pertes
potentiels

Gains et pertes
potentiels

Cours spot
lchance

Cours spot
lchance
P

P
Profil de risque et rsultat de lachat dun put

Profil de risque et rsultat de lachat dun call

Gains et pertes
potentiels

Gains et pertes
potentiels
P

P
Cours spot
lchance

E
E

Profil de risque et rsultat de la vente dun call

Cours spot
lchance

Profil de risque et rsultat de la vente dun put

Graphique 4.2-1 : Profils de risque et de rsultat sur achat/vente doptions

On conclura aisment que la vente doptions peut engendrer des gains limits pour des pertes
illimites alors que lachat doptions engendre des pertes limites pour des gains illimites.
On comprend alors pourquoi les banques, gnralement vendeuses, sont trs exposes au
risque en labsence de couverture. Lutilisation du delta hedging consiste mettre en uvre
une stratgie qui permettra dtre en possession de devises en cas dexercice de loption
lchance.
Jusqu prsent le pricing dune option suppose une constance des inputs de calcul (volatilit,
taux dintrt, etc.) alors quen pratique cela nest pas le cas, tout varie. Il y a lieu donc de
trouver un moyen de se prmunir contre une mauvaise tarification de loption. Cest ainsi
quon a recours aux Greeks pour se couvrir.
Le prix dune option pouvant alors changer considrablement dun jour un autre, le
provisionnement pourrait se faire en utilisant la VaR dont lobjectif est justement de capter
cette variation dans un univers probabiliste.

- - 36 - -

Partie II

Chapitre 4 : Evaluation des options et stratgies de couverture

4.3 Les Greeks


Les Greeks sont des paramtres de gestion qui permettent au trader de mettre en place des
stratgies de couverture sur sa position doptions. Il sagit du delta, gamma, vga, thta et rh.

Le delta de loption mesure la variation du prix de loption pour une variation du


cours de change de la devise sous jacente ; cest la drive premire du prix de
loption par rapport S. Il est donn algbriquement par la formule suivante :

call

put

e D (T t ) N (d1)

e D (T t ) ( N (d1) 1)
(Eq

4.3-1)
La connaissance du delta savre indispensable au vendeur doptions (la banque par
exemple) qui souhaite couvrir sa position. A linstant t, un delta de 0,55 sur un call
dollar-dirham signifie quune hausse du dollar de 5% entranera une apprciation de
loption de 2,75%. La banque qui a vendu un call dollar-dirham sur 300.000$ se
couvre alors en achetant sur le march 0,55*300.000=165 000$ ; ainsi la variation de
sa position doptions est strictement compense par celle de sa position de change.
Thoriquement la banque nest plus en risque mais en ralit il est difficile de suivre
en continue le delta de loption et dajuster tout moment sa position de change ; en
plus (daprs la formule) le delta en lui-mme dpend dautres facteurs variables.
Nous verrons ultrieurement leffet dune position doptions couverte et non couverte
sur la Value-At-Risk calcule.
A noter que la couverture par le delta nest intressante que pour une variation
modeste du cours de change.

Le gamma traduit une variation du delta de loption pour une variation du cours de
change ; il est semblable la notion de convexit utilise pour les obligations. Voici sa
formule :

Gamma : call et put


e D (T t ) N ' ( d1) S T t

(Eq 4.3-2)

2
N ' ( x ) = e 0,5 x / 2
Le gamma mesure lajustement du delta conscutif une variation du cours de lactif
sous-jacent ; lachat doptions augmente le gamma dun portefeuille et la vente doptions
le diminue. Un oprateur dsirant renforcer le gamma de son portefeuille (ayant dj un
gamma positif) doit acheter de nouvelles options ; un oprateur qui dtient un portefeuille
avec un gamma ngatif peut acheter des options pour transformer le gamma de son
portefeuille.
Par exemple si le gamma dune option est gal 0,75, une hausse du cours de change de
0,05 implique une augmentation du delta de 0,0375, ce qui induit un gain de 0,0375; si le
gamma tait ngatif alors cela aurait t une perte de 0,0375.

- - 37 - -

Partie II

Chapitre 4 : Evaluation des options et stratgies de couverture

Par sa formule le gamma est une fonction de temps ; il est une fonction dcroissante de
lchance, plus cette dernire est lointaine, plus le gamma est faible ; lorsque loption
devient trs proche de lchance, son gamma a tendance devenir nul si elle est in-themoney ou out-the-money. Le gamma est par contre trs lev pour les options at-themoney ou proches. Les tableaux 4-1 et 4-2 reproduisent lvolution du gamma en fonction
du temps14 et de la nature de loption.
Lorsquun oprateur achte et vend des options in-the-money, sa position montre quil est
acheteur net ou vendeur net de primes ; dans le premier il est dit tre en gamma
positif , et dans le second gamma ngatif .

Tableau 4-1 : Evolution du gamma en fonction du temps

Valeur du
gamma
Effet du
gamma sur
le
portefeuille

chance
lointaine

chance proche

chance trs proche

Faible

Eleve

Trs leve pour les options la


parit, et trs faible pour les options
out-the-money et in-the-money

Elev, mais il est


relativement facile
d'ajuster la position

Le delta est trs sensible aux


variations du prix du support et le
gamma doit tre gr avec beaucoup
de prcaution, car il est trs sensible
au delta.

Faible

Tableau 4-2 : Effet du gamma sur un portefeuille doptions.

Option out-themoney

Options at-the-money

Gamma

Proche de zro,
car le delta est
voisin de zro

Elev et variable pour une


chance courte; relativement
stable pour une chance
lointaine.

Effet du
gamma sur
le
portefeuille

Faible

Le gamma est fondamental


pour la gestion de la position

Options in-themoney
Proche de zro pour
une chance courte,
car le delta est voisin
de un.
Faible

Le thta de loption mesure la variation du prix de loption pour une variation


unitaire de la maturit de loption. Cest la drive de la prime par rapport au temps. Il
est donn par :

Thta : call Se D (T t ) N ' ( d 1) 2 T t + D S N ( d 1) e D (T t ) rEe r (T t ) N ( d 2)


Thta : put Se D (T t ) N ' ( d 1) 2 T t D S N ( d 1) e D (T t ) + rEe r (T t ) N ( d 2)
(Eq 4.3-3)

14

Mondher BELLALAH: Options, contrats termes et gestion des risques Fvrier 2003.

- - 38 - -

Partie II

Chapitre 4 : Evaluation des options et stratgies de couverture

Le vga mesure limpact dune variation de la volatilit du cours du sous-jacent


sur le prix dune option. On lobtient comme suit :

Vga : call
S

et

put

T t e D ( T t ) N ' ( d 1)

(Eq 4.3-4)

Tout accroissement de la volatilit augmente le prix de loption ; par consquent


certains oprateurs, anticipant une hausse de la volatilit, se portent longs en
volatilit en achetant des options et se mettent linverse courts en volatilit par la
vente doptions, sils envisagent une stabilit des cours. Finalement le march des
options est devenu un march de volatilits qui sont cotes par maturit sur les crans
Reuters.

Le rh mesure limpact de la variation du taux dintrt sur le prix de loption.

RhMAD: call
E(T t )er (T t ) N (d 2)

RhMAD: put
E(T t )er (T t ) N (d 2)

RhDEV : call
(T t )SeD(T t ) N (d1)

(Eq 4.3-5)

RhDEV : put
(T t )SeD(T t ) N (d1)

(Eq 4.3-6)

Remarques :
La banque peut commercialiser des produits optionnels consistant en la
combinaison de deux ou plusieurs options ordinaires appeles aussi options
vanille .
Actuellement, la salle des marchs dAttijariwafa bank ne se couvre pas par le
principe du delta-hedging mais plutt par le back-to-back c'est--dire que par
exemple en vendant un call dollar/dirham, elle rplique lopration en achetant un
call dollar/dirham de mme prix dexercice et dchance que le contrat initial.
Cest la stratgie de couverture la plus simple, la banque tire son profit dans le
diffrentiel de prime entre les deux options. Si lchance le client exerce son
droit alors la banque exercera galement le sien et il ny a pratiquement pas de
risque. Le problme est quactuellement, vu le march troit des options (en fait il
ny a pas de vendeur doptions devise-dirham la banque) la banque achte des
options dollar/euro sur le march international selon des caractristiques pas tout
fait identiques au contrat de son client mais permettent de rpliquer plus ou moins
exactement le contrat avec le client.

- - 39 - -

Partie II

Chapitre 4 : Evaluation des options et stratgies de couverture

4.4 Effet des greeks selon les positions


En termes dimpact des Greeks selon la position dtenue, le risque apparat dun ct dans
une vision lchance, et de lautre ct ds lors que nous grons un portefeuille dynamique
doptions. Voyons le tableau 4-3 ci dessous.
Tableau 4-3 : Impact des greeks selon la position

Delta
Gamma
Thta
Vga
Rh devises
Rh MAD

Positions longues
Achat Call Achat Put
+
+
+
+
+
+
+
-

Positions courtes
Vente Call Vente Put
+
+
+
+
+

La colonne 4 indique que lorsque la banque vend un call, une volution la hausse du cours
spot engendrera une variation ngative du prix de loption (donc une perte potentielle) due
aux impacts du delta, du gamma ; aussi une hausse de la volatilit dprcie loption de mme
le taux dintrt dirham. Par contre, lcoulement du temps et le taux dintrt auront pour
effet lapprciation du prix de loption. La variation effective de loption rsulterait
finalement de la somme des effets de variation de chaque greek . Cest de l quest ne
lintuition de calculer la variation du prix de loption par un dveloppement de Taylor, chose
que nous voquerons plus tard.
Ce tableau nous sera dune grande utilit pour le calcul des positions delta et gammas nets,
qui nous permettront dobtenir la VaR et lexigence de fonds propres rglementaire.

Les produits optionnels ont pendant longtemps proccup les financiers, ils taient toujours
considrs comme des instruments trs complexes, difficiles valuer, et dont la couverture
pose normment de problmes, cause du grand nombre de facteurs de risque entrant en jeu
(taux de change, taux dintrt, volatilit).
Grce au progrs thorique dans les domaines de la finance et de la statistique, on a plus ou
moins rsolu une grande part de ces problmes.
Nous avons dans ce chapitre acquis les outils ncessaires pour aborder le calcul de la VaR sur
les options de change. Quelles sont les mthodes successibles dtre appliques pour cette
fin ?

- - 40 - -

Partie II

Chapitre 5 : La VaR sur les options, diverses approches

Chapitre 5
Chapitre 5 La VaR sur les options : diverses approches

Plusieurs mthodes peuvent tre appliques pour le calcul de la VaR sur un portefeuille
doptions de change, les unes se basent sur la formule dvaluation complte de loption, les
autres sur des formules approximatives. Mais le but est le mme ; mesurer la perte potentielle
que peut subir ce portefeuille sur un horizon de temps dtermin.
Ce chapitre expose les diffrentes approches de calcul de la VaR sur options (modles
internes). Mais avant de le faire, voyons dabord comment on peut calculer les exigences de
fonds propres par la mthode standard.

5.1 Approches standard pour lexigence de fonds propres


La commission bancaire a propos trois approches standard pour le traitement de lexigence
de fonds propres pour les instruments non linaires. Il sagit de lapproche simplifie,
lapproche par scnario et la mthode delta-plus. Nous dcrirons uniquement le calcul des
fonds propres exigibles par la mthode dite delta-plus15 pour le cas des options.
La mthode delta plus permet de calculer une exigence de fonds propres partir de certains
paramtres de loption ; dune part leffet linaire est capt par le delta, et dautre part en
prvoit des exigences de fonds propres supplmentaires afin de tenir compte des risques
induits par le comportement non linaire des options, ( risque gamma ) et par la sensibilit
des options la volatilit des sous-jacent ( risque vega ).
Les facteurs gamma et vega seront calculs pour chaque option individuellement et seront
agrgs par sous-jacent.
Risque linaire : le delta
Pour ce faire, les tablissements convertissent leurs positions optionnelles en positions
quivalentes sur le sous-jacent et les intgrent dans les positions nettes quand il y a dautres
positions en devises.
Risque delta (RD)= Max (position longue, position courte) x 8%
Quand il sagit uniquement doptions, lexigence de fonds propres pour risque gnral est
alors :
Risque delta (RD)= Max (delta net) x 8%
O max (delta net) correspond au maximum des quivalents delta net ngatif et delta net
positif, pris en valeurs absolues. Lquivalent en delta dune option est gal au produit du
notionnel (en insrant le signe quand il sagit dune vente et + pour un achat) et de son
delta.

15

Voir le document de prsentation de la commission de supervision bancaire sur les risques optionnels:
www.bis.org/publ/bcbs24.pdf

- - 41 - -

Partie II

Chapitre 5 : La VaR sur les options, diverses approches

Le gamma
Le risque gamma est calcul selon la formule :
Risque gamma (RG)= 1/2 x gamma x (variation du sous-jacent)2
La variation du sous-jacent est dtermine de la mme manire que pour le calcul du risque
gnral, savoir :
pour les options sur titres de proprits et indices boursiers, elle est gale 8 % de la valeur
de march du sous-jacent ;
pour les options sur devises et or, la variation du sous-jacent sera gale 8 % du cours du
couple de devises considr, ou du cours de l'or ;
pour les produits de base, la variation du sous-jacent sera gale 15 % de la valeur de
march du produit considr.
Chaque option sur le mme sous-jacent aura un impact gamma soit positif, soit ngatif. Ces
impacts individuels seront totaliss, donnant un impact net gamma pour chaque sous-jacent
soit positif, soit ngatif. Seuls les impacts gamma nets ngatifs seront inclus dans le calcul des
fonds propres.
Le vega
Le risque vega est :
Risque vega (RV)= vega x (variation relative de la volatilit)
Pour toutes les catgories de risques, la variation relative de la volatilit est gale 25 % de la
volatilit implicite des options.
L'exigence globale pour risques optionnels est la somme des valeurs absolues:
du risque delta,
des risques vega,
et des risques gamma nets ngatifs.
Exemple de calcul des fonds propres exigibles sur une option sur produit de base16.
Considrons une position courte sur un call Europen ayant pour sous jacent un produit de
base ; le prix dexercice K=490$, de maturit 12 mois, le taux dintrt r=8%, =20%, la
valeur de march du prix du produit dans 12 mois est F=500, la valeur courante de loption est
c=65,48. Les Greeks : =-0,721, =-0,0034, et vega=168. Quelle est la charge de fonds
propres pour cette option ?
Rponse :
Le delta quivalent est donn par F x =500 x 0,721=360,5. Ceci devient un des inputs dans le
calcul du risque gnral de march sur les positions nettes en devises. Sil ny a pas dautres
positions alors on lui applique les 15% correspondant la charge pour le risque de march
linaire gale MRC=360,5 x 15%=54,075.
Ensuite la charge de risque gamma (nous avons un gamma ngatif) est GR = 1/2 x 0,0034 x
(500 x 15%)2 = 9,5625.
16

Exemple tir dune publication de la commission de supervision bancaire de Ble II sur le calcul des risques de
march, voir texte original sur www.bis.org/publ/bcbs24.pdf

- - 42 - -

Partie II

Chapitre 5 : La VaR sur les options, diverses approches

Enfin pour le vega, la variation considrer est de 25% de 20% soit 5% ; ainsi la charge pour
le risque vega est VR=168 x 5%= 8,4.
La charge totale est ds lors gale 54,08 + 9,56 + 8,4 = 72,0.
Pour un portefeuille, il sagira de calculer le delta net par sous-jacent et appliquer le
coefficient adquat ; ensuite calculer le gamma net et ne le prendre que sil est ngatif ; pour
le vega, on ne calcule pas de vega net mais plutt la somme de la valeur absolue de chaque
risque vega.

Constat :
La charge de risque pour le gamma sera dautant plus leve que le gamma de loption est
grand, surtout pour une option at-the-money trs proche de lchance. Cette situation sera
constate dans la comparaison des fonds propres standard et ceux obtenus par la VaR.

5.2 Modles internes de calcul de la VaR sur les options de change


Il existe plusieurs mthodes de calcul de la VaR sur les options de change. En voici les
principales.

a\ Mthode delta-gamma normale


Cette mthode essaie de calculer la VaR dune manire paramtrique, en considrant loption
comme un instrument linaire.
En effet lide est de commencer partir dun dveloppement de Taylor pour le calcul de la
variation du prix de loption. En gnral si f dsigne le prix de loption, alors on peut crire sa
variation comme :
f
f
f
f
f
1 2 f
2
*
df
dS +
dS
+
dt
+
dr
+
dr
+
.d + ....
(Eq
S
2 S 2
t
r

r *
5.2-1)
r, r* et dsignent respectivement le taux MAD, le taux en devise et la volatilit.
La mthode delta-gamma normale se limite aux deux ou trois premiers termes de lquation
ci-dessus, puisque les autres termes sont trs faibles. Ainsi le prix de loption comme fonction
uniquement du sous jacent S sera donn par :
f
1 2 f
df
dS +
dS 2
(Eq 5.2-2)
2
S
2 S
Puisquon reconnat les expressions du delta et du gamma dune option, on peut rcrire la
variation du prix de loption comme suit :
1
2
f * S + * (S )
(Eq 5.2-3)
2
Dans le modle delta gamma normal, cette galit peut tre utilise pour calculer la VaR
dune manire analytique. Mais comment ?

- - 43 - -

Partie II

Chapitre 5 : La VaR sur les options, diverses approches

Dsignons par et S, respectivement la volatilit et le cours du sous-jacent ; et q le quantile


dordre . Lexpression gnrale de la VaR est comme suit17 :
1
2
VAR (f ) = N * [ * (q S ) + (q S ) ]
(Eq 5.2-4)
2
On voit bien que q S correspond la variation maximale du cours du sous jacent,
(1-)% de confiance. N dsigne le notionnel du contrat. La VaR sur h jours est obtenue en
multipliant la volatilit par h . Notons que cette formule diffre lgrement selon quil sagit
dune position longue ou courte.
En effet,
Pour une position longue call/put nous avons
1
2
VAR (f ) = N * [ * (q S ) (q S ) ]
(Eq 5.2-5)
2
Puisque le gamma a un impact positif sur les positions longues (voir le tableau des signes des
Greeks ), alors il amoindrit le risque sur la position et il convient alors de rduire la VaR
de leffet gamma. La premire expression correspond une perte tandis que la seconde
correspond un gain.
Pour une position courte call/put nous avons
VAR (f ) = N * [ * (q S ) +

1
2
(q S ) ]
2

(Eq 5.2-6)

Puisque le gamma a un impact ngatif sur les positions courtes, alors il exacerbe le risque et
ainsi il faudrait intgrer son effet dans le calcul de la VaR.
Pour obtenir la VaR dun portefeuille doptions euro uniquement ou dollar uniquement, il faut
passer dabord par le calcul du delta net qui est gal la somme du produit de chaque delta
par le notionnel correspondant ; le notionnel pouvant tre ngatif (quand il sagit dune
position courte) ou positif (quand il sagit dune position longue). Ensuite vient le calcul du
gamma net, qui est gal la somme du produit de chaque gamma par le notionnel
)
)
correspondant (positif ou ngatif). Soient et respectivement le delta net et le gamma net.
La VaR de ce portefeuille est alors obtenue par

)
1)
2
VAR(f ) euro = * (q euro Seuro ) (q euro S euro )
2
)
1)
2
VAR(f ) usd = * (q usd Susd ) (q usd Susd )
2

(Eq

5.2-7)
Nous proposons de calculer la VaR totale par :
2
2
VARtotale = VAR(f ) euro
+ VAR(f ) usd
+ 2VAR(f ) euro VAR(f ) usd

5.2-8)

17

Philippe Jorion, Financial risk manager handbook 2001-2002 .

- - 44 - -

(Eq

Partie II

Chapitre 5 : La VaR sur les options, diverses approches

le coefficient de corrlation des cours EUR/MAD et USD/MAD.


Des critiques sont faites sur cette mthode, du fait que le rendement de loption nest pas
linaire, et nest pas distribu suivant la loi normale avec une moyenne nulle. Des tudes
laissent conclure quil y a une sous estimation du risque dans ce cas. Ainsi certains proposent
dtudier la distribution de f et dterminer ensuite le quantile correspondant. RiskMetrics
propose de choisir cette distribution parmi les trois transformations de Johnson18.

b\ Simulation Monte Carlo complte


Pourquoi Monte Carlo

Dans le cadre du modle paramtrique, nous avons illustr comment combiner, dun point de
vue analytique, positions exposes au risque, volatilits et corrlations pour calculer la VaR
dun portefeuille. Ce modle prsente certaines limites19 telles que :

Il est applicable seulement pour des portefeuilles dinstruments linaires, c'est--dire


dont le rendement varie linairement avec les variations relatives du facteur de risque
(cest le cas des positions de change, approximativement pour les obligations, les
forwards, etc.). On conclut donc que ce modle nest pas trs satisfaisant pour un
portefeuille doptions.
Il suppose que le rendement du portefeuille est distribu suivant la loi normale,
pourtant la ralit en est autrement20 ; peu de facteurs de risque suivent la loi normale.
Le modle suppose que le comportement des donnes historiques, toutes les
dpendances possibles existantes entre les facteurs de risque, peuvent tre capter par
une matrice de covariance ; Pourtant cette matrice prsente elle-mme des limites tant
au niveau de son estimation quau niveau de sa prvision.

Par consquent, la mthode analytique ne peut sappliquer de faon satisfaisante aux


instruments financiers non linaires, parlant uniquement des options dans notre cas.
Calculer la VaR sur un portefeuille doptions devient plus complexe puisque dune part, le
rendement dune option nest pas une fonction linaire de lactif sous-jacent et dautre part, la
variation du prix de loption est sensible celle de la volatilit du sous-jacent, un lment
inobservable directement sur le march. La simulation Monte Carlo vient alors pallier cette
faiblesse et attnuer le problme li la matrice de covariance mme si cette dernire est aussi
utilise dans la simulation.
Monte Carlo : Dfinition, principe et mthode

La simulation Monte Carlo consiste gnrer une srie de valeurs de march futures possibles
de notre portefeuille par lemploi dun modle dvolution des facteurs de risque.
Lide ici est quau lieu de se baser uniquement sur le comportement pass des facteurs de
risque, il est plus judicieux de simuler le mouvement de ces facteurs, de la date prsente une
18

Ce sont des transformations qui permettent dexprimer le rendement de loption en fonction de celui du sous jacent ;
Johnson proposa ainsi trois types de distributions parmi lesquelles on doit choisir celle la plus adquate ayant les
mmes 4 premiers moments que le rendement de loption. Ceci est rendu possible en utilisant lalgorithme de Johnson
disponible sur le site http://lib.stat.cmu.edu
19
Carol Alexander, A guide to financial data analysis , 2001.
20
Les tests de normalit ont t effectus sur les variations relatives des diffrents taux dintrt, dans le cadre du stage
dapplication ; ils taient tous ngatifs. Ceux des cours de change taient tous positifs.

- - 45 - -

Partie II

Chapitre 5 : La VaR sur les options, diverses approches

date future ; la diffrence entre ces deux dates correspond lhorizon de la VaR not h. A
partir des valeurs courantes des facteurs de risque un instant donn (date de calcul de la
VaR), des milliers de valeurs possibles de ces facteurs au-del de lhorizon h jours sont
gnres en utilisant la mthode Monte Carlo. Ce nombre de scnarios nous permettra davoir
des milliers de valeurs possibles pour notre portefeuille dans h jours ; ensuite nous calculons
la diffrence entre chaque nouvelle valeur simule et la vraie valeur de linstant t. Ds lors
nous obtenons une nouvelle srie (srie de variations de la valeur du portefeuille) et la VaR
mesure correspond au centile dordre 1% ou 5% de cette srie selon notre niveau de
confiance. Par exemple le centile dordre 5% dune srie de 100 valeurs est gal la 5ime plus
petite valeur ou la 95ime plus grande valeur de cette srie.
Concrtement, voici les grandes tapes de ce modle (et rsumes dans le graphique 5-1):
Soit un portefeuille ayant k facteurs de risque corrls, de rendements R1, R2, ..Rk, et de
matrice de variance covariance note V :
La gnration des scnarios rside dans lutilisation des volatilits et des corrlations estimes
entre les facteurs de risque du portefeuille pour obtenir un grand nombre de valeurs futures
des actifs constituant le portefeuille, toujours sous lhypothse de la normalit.
1.Dabord il faut gnrer k variables alatoires indpendantes, distribues suivant la loi
normale standard, que nous reprsentons par le vecteur Z de dimension k x 1; sa matrice de
covariance est Ik. la matrice identit.
2.Utiliser la matrice de covariance des facteurs de risque pour transformer ce vecteur (Z) en
un nouveau vecteur (Y) de composantes corrles, en passant par la dcomposition de
Cholesky de la matrice V. La matrice de Cholesky de V est une matrice triangulaire
infrieure C telle que V = C T C , o CT est la transpose de C.
Ainsi en posant Y = C T Z , Y est aussi de dimension k x 1
Nous avons V Y = C T V Z C = C T I k C = C T C
Or C T C = V donc on retrouve bien notre matrice de covariance des facteurs de risque.
Nous obtenons finalement des rendements distribus suivant la loi normale, et ayant la
mme structure de la matrice de covariance des facteurs de risque.
3.Utiliser un modle financier pour valuer la valeur future de chaque facteur de risque en
utilisant les composantes du vecteur Y; cest ensuite quon pourra introduire chaque facteur
simul dans la formule de pricing de linstrument financier en question (formule de Black &
Scholes pour les options). Finalement la valeur du portefeuille nest que la somme des prix
de tous les actifs contenus dans le portefeuille. Nous calculons la diffrence entre la vraie
valeur du portefeuille aujourdhui et celle obtenue par une simulation.
Ces trois tapes sont rptes plusieurs milliers de fois pour obtenir une srie de variations du
prix du portefeuille. A la fin, il suffira de prendre le centile dordre de cette distribution ; le
niveau de confiance tant bien sr (1-).
Cette mthode a lavantage de pouvoir donner des rsultats plus exacts. Avec des milliers
dobservations, il y a moins de risque dchantillonnage daprs la thorie des grands
nombres.
Elle est aussi trs flexible du moment o les paramtres et les hypothses utiliss pour la
simulation sont modifiables.
- - 46 - -

Partie II

Chapitre 5 : La VaR sur les options, diverses approches

Remarque
Il est trs important de souligner que la puissance de ce modle dpend dune part des
corrlations utilises pour la ralisation des scnarios, leur capacit reflter la
dpendance entre les variables, et dautre part du nombre de scnarios raliss.
Il est conseill daller au moins jusqu 1500 scnarios, car plus le nombre est grand, plus
il y a une convergence vers les vraies valeurs des actifs, conformment la thorie des
grands nombres.
Donnes historiques

Modle
stochastique

Paramtres
du modle

Facteurs futurs

Modle de
linstrument

Valorisation
complte

Pondrations
du
portefeuille

Distribution des
valeurs

Graphique 5.2-1 : Schma synthtique de la simulation Monte Carlo

Le principe de la simulation est en lui-mme simple, mais des problmes apparaissent ds lors
que nous voulons passer limplmentation sur un cas concret. Plusieurs questions se posent
en ce moment, puisquelles ne sont pas abordes dans la mthodologie de la simulation Monte
Carlo :

Quel modle de calcul de la matrice de covariance entre les facteurs de risque ?


Quelle taille historique utilise pour ce calcul ?
Dans le cas des options, quels sont les facteurs dont il faudrait modliser
lvolution, puisque a priori, les taux dintrt et la volatilit sont supposs tre
constants dans le modle de Garman-Kohlagen.
Aprs avoir gnr les variables alatoires et appliquer la matrice de Cholesky,
quelle formule utiliser pour prvoir lvolution de chaque facteur retenu ?
Quels taux dintrt et quelle volatilit utiliser pour lvaluation de loption?
Cest ce que nous verrons au chapitre suivant.

c\ Approximation delta (ou Monte Carlo partielle en delta)


A la place de lutilisation de la formule exacte de calcul du prix de loption aprs la
simulation des facteurs de risque, nous transformons la formule en une autre qui donne le prix
de loption sous forme dune fonction linaire ou quadratique du cours de change. Celle-ci est
base sur lquation (5.1). En effet, tant donns initialement V0 le prix de loption et S0 le
cours de change, alors la valeur future V1 pour une valeur future S1 est donne par :

- - 47 - -

Partie II

Chapitre 5 : La VaR sur les options, diverses approches

V1 = V0 + ( S 1 S 0 ) V1 V0 = ( S1 S 0 )

(Eq 5.2-9)

O dsigne le delta de loption, obtenu par la formule (4.4).


Ce modle savre moins intressant lorsque le cours de change sloigne trop de sa valeur
actuelle. Encore faut il faire une approximation de deuxime ordre.

d\ Approximations du 2me ordre : Monte Carlo partielle en delta-gamma-thta


Dans lapproximation delta-gamma, en plus du delta, est ajout leffet du gamma de
loption. Pour lapproximation delta-gamma-thta, leffet du temps est pris en compte
travers le thta . Ainsi on voit apparatre clairement leffet de chaque facteur de risque sur
le prix de loption.
Dans chaque cas V1 devient
1
2
V1 = V0 + (S 1 S 0 ) + (S 1 S 0 )
2
(Eq 5.2-10)
1
2
V1 = V0 + (S 1 S 0 ) + (S 1 S 0 ) + t
2
t correspond lhorizon de prvision ou encore lhorizon de la VaR, exprim en annes.
et sont obtenus respectivement par les formules (4.6) et (4.5).

Remarques :
Dans ces approximations, on ne simule que le cours de change, contrairement Monte
Carlo complte o dune part la formule exacte de loption est utilise, et dautre part on
simule tous facteurs de risque (cours de change, taux dintrt, volatilit).
On peut aussi calculer le delta et le gamma sans utiliser leur formule explicite mais
plutt par une approximation par la mthode des diffrences finies, c'est--dire :
P( S S ) 2 P( S ) + P( S + S )

(S ) 2
(Eq 5.2-11)
P( S + S ) P( S S )

2S
P : la formule de calcul du prix de loption
S : une variation infinitsimale du cours de change (par exemple 0,001 ou 0,01).

La mthode standard parait beaucoup plus simple implmenter quune mthode interne,
mais cette dernire surestime le risque et engendre un gaspillage inutile de fonds propres.
Les thories des mthodes internes sont connues, les appliquer sur un cas concret nest pas
aussi simple que a parait. Le passage la pratique pose un certain nombre de problmes,
entre autres, la disponibilit et ladquation des donnes, la signification et le choix de
chaque paramtre, la compatibilit avec les mthodes de pricing et de couverture adoptes la
salle
des
marchs
de
la
banque,
etc.

- - 48 - -

Partie II

Chapitre 6 : Mthodologie et base de donnes

Chapitre 6
Chapitre 6 Mthodologie et base de donnes

Nous avons implment sur Excel un modle dynamique par programmation sur VBA, qui
calcule la VaR par les six (6) mthodes exposes plus haut. Lapplication permet de calculer
la VaR sur un portefeuille pouvant contenir 50 options plus des positions en devises euro et
dollar. Mais avant de prsenter les rsultats, dcrivons dabord les donnes utilises et
explicitons notre mthodologie sur la simulation Monte Carlo.

6.1 Portefeuille et facteurs de risque


Notre portefeuille contiendra des options Call/Put EUR/MAD, USD/MAD ayant des
maturits diverses. De l et en vertu de la formule de pricing des options nous identifions les
facteurs de risque suivants :
Les taux dintrt dans chacune des monnaies euro, dollar et dirham, et pour toutes les
maturits standardises cotes que sont le 1 mois, 3 mois, 6 mois et 12 mois ; en terme
de taux dintrt, nous nous retrouvons avec 12 facteurs de risque sans compter les
taux au jour le jour.
Comme cela a t dit plus haut, nous retenons comme facteurs de risque en volatilit,
celles de maturit une semaine, 1 mois, 2 mois, 3 mois, 6 mois, 9 mois et 12 mois. Soit
7 facteurs.
Les cours de change spot EUR/MAD et USD/MAD, mais en fait le vritable facteur
de risque est le cours EUR/USD et cest ce dernier que nous allons utiliser.
Nous obtenons au total 20 facteurs de risque.

6.2 Mthodologie adopte pour la simulation Monte Carlo


Conformment aux questions qui taient poses sur la conception de cette approche, voici nos
choix de travail.
1. Concernant le calcul de la matrice de covariance, eut gard des donnes disponibles, du
fait quon est en face dun march financier pas trs actif, et sous des recommandations,
nous avons choisi dutiliser le modle ordinaire de calcul des covariances, autrement
appel modle pondrations gales des observations. Dautant plus que cest un modle
simple et utilis par plusieurs institutions financires.
Pour ce faire, chaque srie de facteurs de risque sera transforme en variations relatives
moyennant la formule ( y t y t 1 ) / y t 1 . La matrice de covariance de dimension 20 x 20 est
alors obtenue partir de ces nouvelles sries. En la calculant nous supposons quil y a une
corrlation linaire entre les diffrents facteurs de risque ; un petit commentaire sera fait
cet effet dans la partie description et analyse des donnes.
2. Pour homogniser nos donnes, puisque celles affrentes aux taux dintrt MAD ont
une profondeur historique datant de janvier 2004 soit 270 observations. La base de
donnes finale contient 20 sries de 270 observations prises aux mmes dates.

- - 49 - -

Partie II

Chapitre 6 : Mthodologie et base de donnes

3. Aprs calcul de la matrice de covariance, nous lutilisons pour obtenir la matrice de


Cholesky, partir dun programme que nous avons crit sous Excel & VBA (Voir annexe
I) ; cest une matrice triangulaire infrieure note C telle que V = C T C o V dsigne la
matrice de covariance des facteurs de risque.
Une fois C obtenue nous faisons le produit C T Z = Y o Z est le vecteur 20 x 1 de
nombres alatoires simuls suivant la loi normale standard.
Notons Yi la ime composante de Y correspondante au ime facteur de risque ; i=1, 2,..20.
Se pose maintenant la question de savoir comment gnrer chaque facteur.
Plusieurs modles dvolution sont proposs dans la littrature mais le plus connu est
celui de la marche alatoire supposant que le facteur volue comme suit :
Quand x est le seul facteur, on le modlise par21 :

xt = x0 Exp( z t )

(Eq 6.2-1)

avec, est la volatilit de x, cart type des variations relatives de x


z une variable alatoire distribue suivant la loi normale standard.
Mais quand il y a plusieurs facteurs de risque, la dcomposition de Cholesky nous permettra
de gnrer les facteurs de risque par la formule

xit = xi 0 Exp(Yi t )

(Eq 6.2-2)

x i peut tre soit un taux dintrt, soit une volatilit soit un cours de change EUR/USD.
Et t sera lhorizon de calcul de la VaR.
Tenant compte du fait que le dirham est un panier de devise, il est jug quil ne serait pas
intressant de modliser directement les cours de change EUR/MAD et USD/MAD par le
modle ci-dessus mais plutt par un ajustement, en vertu de la formule (4.3).
Ainsi si Y20 est la composante de Y correspondant au cours de change EUR/USD alors

x EUR / MAD t = x EUR / MAD 0 Exp ( aY 20 t )


xUSD / MAD t = xUSD / MAD 0 Exp ( cY 20 t )

(Eq 6.2-3)

Ce modle dvolution est particulirement valable pour le cours de change. Par contre, il
reprsente quelques loignements par rapport au vrai processus dvolution des taux dintrt.
Nous verrons dans la troisime partie de ce mmoire comment on peut exploiter un travail
destimation de la structure par termes des taux dintrt pour remdier ce problme.
Une fois un scnario ralis en gnrant les divers facteurs de risque, la variation du prix de
loption est donne par

V = V(S,E,r,D, ,) - V(S,E,r,D,,-h/365)

(Eq 6.2-4)

O S,r,D, sont respectivement les valeurs du spot, taux MAD, taux devise, et volatilit
gnrs par un scnario ;
h lhorizon de calcul de la VaR
V est une fonction donnant le prix de loption

21

Voir Carol Alexander, market models: A guide to financial data analysis , 2001.

- - 50 - -

Partie II

Chapitre 6 : Mthodologie et base de donnes

Pour un portefeuille doptions, la mthode consiste dabord calculer la variation pour


chaque option dans le portefeuille selon le nombre de simulations fix, ensuite on passe la
somme des variations pour obtenir la variation totale du portefeuille, pour avoir finalement
une seule srie sur laquelle on prendra le centile.
Dans le cadre du calcul de la VaR la fonction V peut prendre plusieurs formes, priori la
formule exacte de calcul du prix de loption (voir formule 4.2) sera utilise. Mais le principal
inconvnient de lutilisation du modle dvaluation exacte est quil est difficile de le mettre
en place, il ncessite un systme informatique performant. Ainsi dautres modles sont
proposs ; il sagit de modles par approximation autrement appels simulation partielle.

Remarque
A ce niveau, au cas o la maturit de loption ne correspond pas lune des maturits
standards, deux interpolations sont faire sur les taux dintrt et les volatilits, lune pour le
calcul du prix courant de loption et lautre, juste aprs la simulation, tenant compte du
changement de la maturit de loption (la maturit passe de -h) vu lhorizon de la VaR
fix.

6.3 Description des donnes


Les donnes qui seront utilises dans ce travail sont : les taux dintrts montaires dirham,
euro, dollar sur les maturits 1 mois, 3 mois, 6 mois, 1an ; le cours de change USD/EUR et
les volatilits USD/EUR sur les maturits 1 semaine, 1 mois, 2 mois, 3 mois, 6 mois, 9 mois
et 1an.
Afin de pouvoir faire des comparaisons, toutes les donnes sont quotidiennes et correspondent
aux jours ouvrs dune mme priode dobservation allant du 02/01/2004 au 31/01/2005.
Nous navons pas pu prendre un historique plus profond vu que les taux dintrt marocains
nont commenc tre publis quotidiennement par BAM qu partir de janvier 2004.

a\ Les taux dintrt dirham


Les taux dintrt dirham retenus dans ce travail sont les taux publis quotidiennement par
BAM partir de janvier 2004. Nous avons retenu uniquement les taux sur les maturits du
court terme savoir : 1 mois, 3 mois, 6 mois et 12 mois vu que la maturit des options ne
dpasse pas 1 an.
Ces taux nous ont t fournis par la salle des marchs dAttijariwafa Bank.
Une premire vue sur ces courbes de taux peut tre donne par le tableau descriptif suivant :
Tableau 6-1 : Statistiques descriptives des taux dintrt dirham
N
M1
M3
M6
Y1

269
269
269
269

Minimum
2,2578
2,2720
2,3218
2,5730

Maximum
3,2064
3,3551
3,5204
3,7873

Moyenne
2,443181
2,567447
2,667200
2,902221

Les chiffres sont donns en %.

- - 51 - -

Ecart type
,215017
,329764
,299312
,299984

Asymtrie
2,008
1,090
,868
,937

Kurtosis
3,404
-,274
-,521
-,228

Partie II

Chapitre 6 : Mthodologie et base de donnes

Le taux dintrt dirham est en moyenne croissant par rapport la maturit, ce qui correspond
lvolution normale dune courbe de taux. Mais cela nempche quil existe des journes o
nous avons pu observer une courbe de taux dcroissante (15/06/2004 et 19/11/2004 par
exemple).
Durant notre priode dobservation allant du 02/01/2004 au 31/01/2005, le taux 3 mois sest
rvl le plus volatile avec un cart-type de 0.33%.
Le taux 1 an est celui qui a la plus grande marge de variation [2,57% ; 3,79%] soit une
tendue de 1,22%.
Pour plus dclaircissement, voyons le graphique suivant :

MAD Interest rate 1m

MAD Interest rate 3m

MAD Interest rate 6m

MAD Interest rate 1y

02/01/2005

02/12/2004

02/11/2004

02/10/2004

02/09/2004

02/08/2004

02/07/2004

02/06/2004

02/05/2004

02/04/2004

02/03/2004

02/02/2004

02/01/2004

Taux en %

Evolution des taux MAD


3,8
3,6
3,4
3,2
3,0
2,8
2,6
2,4
2,2

Date

Graphique 6.3-1 : Evolution des taux dintrt du 02/01/04 au 31/01/05

La tendance baissire des taux dintrt entre le 20/01/2004 et le 02/08/2004 est trs
claire sur ce graphique, les taux ont connu une baisse moyenne avoisinant les 30%
jusquau dbut du mois daot 2004 pour se stabiliser pratiquement entre cette date et
la date de la fin de notre priode dobservation. Cette tendance baissire est en ralit
observe depuis lanne 2001 et elle est due essentiellement la surliquidit que
connat notre conomie durant les dernires annes ; un phnomne qui est devenu
plus important avec les recettes de la privatisation et qui a conduit la baisse du cot
de largent c'est--dire des taux dintrt dautant plus que linvestissement na pas
enregistr de hausse remarquable susceptible dabsorber cette surliquidit sur le
march.
Le taux 1mois a t trs volatil entre le 02/01/2004 et le 02/03/2004 et fluctuait entre
3,4% et 2,4%.
Nous observons sur le graphique plusieurs semaines sans aucune variation des taux
dintrt, ce qui pourrait influencer sur les corrlations et les calculs ultrieurs.
Le taux 1an est pratiquement toujours suprieur aux autres taux durant cette priode,
suivi du taux 6 mois.
Le graphique laisse apparatre une certaine corrlation entre les taux dintrt sur les
quatre maturits (ils voluent en moyenne dans le mme sens).

Statistiquement, cette corrlation est :

- - 52 - -

Partie II

Chapitre 6 : Mthodologie et base de donnes

Tableau 6-2 : Corrlations entre les taux MAD court terme

Corrlation
1mois
3mois
6mois
1an

1mois
1
0,797
0,763
0,773

3mois

6mois

1an

1
0,97
0,959

1
0,983

Nous constatons que les corrlations entre ces taux sont trs significatives, ce qui est
conforme la ralit du march stipulant que les taux dintrt du court terme sont corrls
entre eux.

b\ Les taux dintrt Euro


Les taux dintrt Euro nous ont t fournis par la salle des marchs. Ils sont tlchargs des
crans Reuters et sont exactement les taux sur lesquels se base la salle pour valuer (pricer)
ses diffrents contrats. Nous avons retenu les taux de clture des journes ouvres sur les
quatre maturits cites prcdemment.
Le tableau suivant prsente quelques caractristiques statistiques de ces taux sur la priode
dobservation considre.
Tableau 6-3 : Statistiques descriptives des taux dintrt euro
N
M1
M3
M6
Y1

Minimum
269
269
269
269

Maximum

2,0145
1,9553
1,9200
1,9428

Moyenne

2,1744
2,1773
2,2388
2,4749

2,081714
2,107863
2,149241
2,275011

Ecart type

Asymtrie

3,207E-02
4,500E-02
6,580E-02
,107498

1,365
-,683
-1,199
-,912

Kurtosis
2,053
,763
1,089
,472

Les chiffres sont donns en %.


Les taux dintrt Euro sont en moyenne moins importants que les taux Dirham.
Comme pour les taux Dirham, ils sont en moyenne croissants avec la maturit.
Le taux 1an est celui qui a la plus grande marge de variation [1,94% ; 2,47%] soit une tendue
de 0,53% cest aussi le taux le plus volatil.
Evolution des taux EURO
2,5
Taux en %

2,4
2,3
2,2
2,1
2,0

EURO Interest rate 1m

EURO Interest rate 3m

EURO Interest rate 6m

EURO Interest rate 1y

02/01/2005

02/12/2004

02/11/2004

02/10/2004

02/09/2004

02/08/2004

02/07/2004

02/06/2004

02/05/2004

02/04/2004

02/03/2004

02/02/2004

02/01/2004

1,9

Date

Graphique 6.3-2 : Evolution des taux dintrt euro du 02/01/04 au 31/01/05

- - 53 - -

Partie II

Chapitre 6 : Mthodologie et base de donnes

Deux tendances essentielles : une tendance baissire entre le 02/01/2004 et le 02/04/2004 et


une tendance haussire entre le 02/04/2004 et le 15/06/2004.
Une baisse lgre vers la fin du mois davril 2004.
Le taux 1an est de loin celui qui change assez frquemment de tendance.
Tout comme pour les taux Dirham, il y a une corrlation assez forte entre les taux Euro sur les
diffrentes maturits.
La matrice de corrlation est donne par :

Tableau 6-4 : Corrlations entre les taux euro court terme


Corrlation 1mois
1mois
1
3mois
0,8374
6mois
0,678
1an
0,4342

3mois
1
0,9352
0,7476

6mois

1an

1
0,9249

La plus faible corrlation est celle entre le 1mois et le 1an, la plus forte est celle entre le 3
mois et le 6 mois.

c\ Les taux dintrt Dollar


Les taux dintrt Dollar nous ont t fournis par la salle des marchs de la banque. Ils sont
aussi tlchargs des crans Reuters. Nous avons retenu les taux de clture des journes
ouvres sur les quatre maturits cites prcdemment.
Le tableau suivant prsente quelques caractristiques statistiques de ces taux sur la priode
dobservation considre.

Tableau 6-5 : Statistiques des taux dintrt dollar

Les chiffres sont donns en %.


Les taux dintrt Dollar sont en moyenne moins importants que les taux Dirham et Euro.
Ils sont en moyenne croissants avec la maturit.
Le taux 1an est le plus volatil.

- - 54 - -

Partie II

Chapitre 6 : Mthodologie et base de donnes

Evolution des taux USD

Taux en %

3,0
2,5
2,0
1,5

USD Interest rate 1m

USD Interest rate 3m

USD Interest rate 6m

USD Interest rate 1y

02/01/2005

02/12/2004

02/11/2004

02/10/2004

02/09/2004

02/08/2004

02/07/2004

02/06/2004

02/05/2004

02/04/2004

02/03/2004

02/02/2004

02/01/2004

1,0

Date

Graphique 6.3-3 : Evolution des taux dintrt dollar du 02/01/04 au 31/01/05


Contrairement au march montaire marocain o les taux sont en constante baisse, ceux de la
zone USD sont toujours en hausse.
Les taux Dollar ont connu pendant notre priode dobservation une hausse remarquable allant
de 1% 3,4% en une anne. Le cot de largent devient de plus en plus lev, cela entre dans
le cadre de la lutte contre linflation, politique de la rserve fdrale.

Tableau 6-6 : Corrlations entre les taux dollar court terme


Corrlation 1mois
1mois
1
3mois
0,991
6mois
0,966
1an
0,904

3mois

6mois

1
0,991
0,948

1an

1
0,982

Les corrlations entre les taux dintrt sur le march amricain sont plus fortes que celles sur
les marchs marocain et europen.

d\ Les volatilits
Les volatilits considres dans cette partie sont les volatilits implicites du march, elles sont
publies par Reuters galement. Ainsi, elles nous ont t fournies par la salle des marchs et
elles correspondent sept maturits, savoir, 1 semaine, 1mois, 2mois, 3mois, 6mois, 9mois
et 1an. Nous avons pris les volatilits de clture.
Les caractristiques statistiques de cette variable le long de notre fentre dobservation sont :
Tableau 6-7 : Statistiques sur les volatilits EUR/USD
N
W1
M1
M2
M3
M6
M9
Y1

Minimum
269
269
269
269
269
269
269

6,50
8,10
8,40
8,65
9,25
9,50
9,65

Maximum
13,90
12,25
11,65
11,50
11,30
11,20
11,20

Moyenne
9,9918
10,1101
10,2320
10,2852
10,4102
10,4578
10,4924

- - 55 - -

Ecart type
1,4863
1,0076
,7908
,6842
,4951
,4163
,3839

Asymtrie
,089
,023
-,085
-,185
-,161
-,165
-,263

Kurtosis
-,778
-1,186
-1,176
-,898
-,943
-,784
-,616

Partie II

Chapitre 6 : Mthodologie et base de donnes

La volatilit est en moyenne croissante avec la maturit, ce qui parait logique.


Observons le graphique des volutions de ces volatilits durant la priode considre.

1w

1m

2m

3m

6m

9m

02/01/2005

02/12/2004

02/11/2004

02/10/2004

02/09/2004

02/08/2004

02/07/2004

02/06/2004

02/05/2004

02/04/2004

02/03/2004

02/02/2004

02/01/2004

Taux en %

Evolution de s volatilits
15,0
14,0
13,0
12,0
11,0
10,0
9,0
8,0
7,0
6,0

Date

1y

Graphique 6.3-4 : Evolution des volatilits EUR/USD du 02/01/04 au 31/01/05

La volatilit la plus volatile est celle correspondant la maturit une semaine, du fait quelle
est trs sensible certains indicateurs conomiques amricains22 publis frquemment et
donnant la tendance du march dans le trs court terme.
Les volatilits deviennent plus stables et moins volatiles en augmentant la maturit. Ainsi, la
volatilit 1w est celle qui fluctue le plus souvent.
Les volatilits enregistrent une baisse trs lgre partir du 02/06/2004.
Pouvons nous parler dune corrlation entre les volatilits ?
Dun point de vue statistique, une corrlation entre les diffrentes volatilits peut toujours
exister, il suffit dappliquer la formule thorique du calcul des coefficients de corrlation.
Financirement, une volatilit traduit dans une partie les anticipations des investisseurs. Quant
aux performances du march, ces dernires sont gnralement corrles sur les diffrentes
chances 1semaine, 1mois, 3mois, ce qui peut justifier lexistence dune certaine
corrlation entre les volatilits.
Tableau 6-8 : Corrlations entre les volatilits EUR/USD sur diffrentes maturits

Corrlation 1w
1mois
2mois 3mois
6mois
9mois
1an
1w
1
1mois
0,876
1
2mois
0,863
0,979
1
3mois
0,841
0,963
0,986
1
6mois
0,816
0,93
0,963
0,982
1
9mois
0,782
0,893
0,933
0,958
0,986
1
1an
0,774
0,873
0,919
0,947
0,982
0,988
1
Nous constatons que les corrlations sont assez fortes entre les diffrentes volatilits.

22

Dficit amricain, taux directeur de la rserve fdrale, les chiffres sur lemploi et lagriculture amricains.

- - 56 - -

Partie II

Chapitre 6 : Mthodologie et base de donnes

e\ Le cours de change EUR/ USD


Ce cours de change nous a t fourni par la salle des marchs. Nous travaillons toujours avec
des donnes de clture.
Tableau 6-9 : Statistiques sur le cours de change EUR/USD
N
USD_EURO

Minimum

269

Maximum

1,1818

Moyenne

Ecart type

Asymtrie

1,248172

4,399E-02

,763

1,3635

Kurtosis

-,401

Ev olution du cours EUR/USD

Taux en %

1,37
1,32
1,27
1,22

02/01/2005

02/12/2004

02/11/2004

02/10/2004

02/09/2004

02/08/2004

02/07/2004

02/06/2004

02/05/2004

02/04/2004

02/03/2004

02/02/2004

02/01/2004

1,17

Date

Graphique 6.3-5 : Evolution du cours de change EUR/USD du 02/01/04 au 31/01/05

Le cours enregistre une tendance haussire assez claire entre le 02/09/2004 et le 02/12/2004.
Les fluctuations sont le rsultat du bras de fer entre les deux plus fortes devises du monde.
Les taux de change EUR/MAD et USD/MAD dpendront fortement du taux de change
USD/EUR tant donn que le panier de devises du dirham est essentiellement adoss sur ces
deux devises.

La mthode de calcul de la VaR Monte Carlo sur les options de change est dj prsente et
adapte, les donnes sont rassembles et analyses. Ltape suivante et limplmentation du
modle sur Excel afin de pouvoir obtenir des rsultats concrets.

- - 57 - -

Partie II

Chapitre 7 : Applications et rsultats

Chapitre 7
Chapitre 7 Application et rsultats

Nous avons dvelopp tous nos modles sur Excel, et pour faciliter leur utilisation par toute
personne, tout a t programm en modules sous VBA, depuis lautomatisation et le calcul de
la matrice de covariance (une matrice dailleurs mobile), les interpolations, lautomatisation
de la dcomposition de Cholesky, la gnration des variables alatoires et des facteurs de
risque, le calcul des prix selon le nombre de simulations fix, le calcul des greeks nets du
portefeuille, et enfin la VaR par les cinq (5) approches internes et les fonds propres standards
pour tout le portefeuille options plus positions devises.
Une fois que la VaR est calcule, on peut dduire aisment les fonds propres correspondant
lutilisation du modle interne VaR.
Ce qui fait que la programmation a pris un temps non ngligeable dans notre projet.

7.1 Lapplication sur Excel


Pour lutilisation de lapplication, un petit manuel a t conu et livr lentit Normes et
Mthodes de la banque.
Le classeur Excel est compos de cinq (5) feuilles interdpendantes, chacune ayant un rle
spcifique.

Voici linterface utilisateur pour la saisie des paramtres de la simulation:

Graphique 7.1-1 : Interface utilisateur de lapplication sur Excel

- - 58 - -

Partie II

Chapitre 7 : Applications et rsultats

Les cellules libelles en rouge ou en vert sont donnes par le modle, et lutilisateur ne saisit
que celles en noir.
Pour faire les calculs, lutilisateur aurait pu cliquer sur un seul bouton mais cela engendrerait
des rptitions inutiles qui ralentiront le processus. Puisque la matrice de covariance ne sera
pas calcule quotidiennement, alors priodiquement lutilisateur cliquera sur le bouton
Input qui utilise un historique choisi par ce dernier pour calculer cette matrice ainsi que
sa dcomposition de Cholesky. Quotidiennement la VaR est obtenue en cliquant sur Une
nouvelle simulation .
La feuille Portefeuille_options est celle qui contient notre portefeuille doptions.
La feuille calcul est l o tous les calculs de modlisation sont effectus.
La feuille Donnes est celle qui contient notre base de donnes et les rendements
des facteurs de risque ; elle est alimente priodiquement.
La dernire feuille est celle qui permet le passage de la VaR individuelle la VaR
globale, sachant bien que la VaR de la somme nest pas la somme des VAR ! en fait
par la simulation Monte Carlo la VaR globale est le centile de la srie donnant la
somme des variations du prix de chaque option ou devise. Ceci est rendu possible en
construisant un programme itratif qui intgre tout le portefeuille.
Pour rpondre aux objectifs du projet, voici quelques rsultats intressants sur les
comparaisons des diffrentes mthodes, la VaR selon les paramtres et la nature de loption,
et surtout le gain en conomie de fonds propres engendr par lutilisation des modles VaR
par rapport au modle standard.
Nous navons pas pu rentrer en possession du portefeuille rel des options de la banque pour
des raisons de confidentialit, dautant plus que loption de change est un produit
nouvellement commercialis ce qui rend la concurrence acharne entre les banques de la
place, la banque donc refuse de saventurer en dvoilant sa stratgie sur ce produit. Nous
allons ainsi, procder des simulations de portefeuilles. Dans toute la suite le montant ou
notionnel de loption est de 1 million deuro ou de dollar selon la devise de loption.

7.2 Sur la gnration des facteurs de risque


Les cours de change
Nous donnons titre illustratif des cours de change gnrs par la formule de modlisation
que nous avons adopte dans Monte Carlo ainsi que lhistogramme des rendements de ces
cours afin de voir si la distribution normale est conserve.
Simulation de 500 cours de change USD / MAD
partant d'un cours de 8,5 dirham pour 1 dollar.

Simulation de 500 cours de change EUR / MAD


partant d'un cours de 11 dirham pour 1 euro.
8,7

11,06

8,65

11,04

8,6
8,55

11,02

8,5

11
8,45

10,98

8,4
8,35

10,96

Graphique 7.2-1 : Simulations de 500 cours de change EUR/MAD et USD/MAD

- - 59 - -

Partie II

Chapitre 7 : Applications et rsultats

Les graphiques des cours laissent conclure que les cours de change simuls ne sloignent
pas excessivement de leur valeur initiale ; le dollar est compris entre 8,35 et 8,7 pendant
que leuro se situe entre 10,96 et 11,06. Avec une simulation de 1000 valeurs, la
dispersion serait plus visible. En principe, dun jour lautre, dans des conditions
normales, les cours de change ne peuvent pas exploser . Ce qui rend le modle
raisonnable.

Graphique 7.2-2 : Histogramme des rendements EUR/MAD simuls

Graphique 7.2-3 : Histogramme des rendements USD/MAD simuls.

Il apparat que les rendements simuls sont bien distribus suivant la loi normale puisque
dune part la courbe gaussienne ajuste bien lhistogramme, et dautre part la statistique de
Jarque-Bera est infrieure au Chi-deux dordre 5% deux (2) degrs de libert (soit 5,99).

Les taux dintrt

Une analyse graphique des taux dintrt simuls pour toutes les maturits et les trois devises
laisse apparatre une variation de ces taux dans une fourchette maximale de 20 points de
base (correspondant 2). Cependant cette marge de variation dpend de la volatilit du
taux elle-mme dpendante de la maturit.

- - 60 - -

Partie II

Chapitre 7 : Applications et rsultats

7.3 Sur les tests du modle

Apprciation du prix dune option selon les formules de calcul

Pour voir la diffrence entre le calcul du prix de loption par la formule exacte et par les
modles approximatifs, nous avons simul plus de 100 valeurs de cours de change et calcul
le prix correspondant selon chaque formule. Les autres paramtres de loption sont constants.
Les deux (2) graphiques ci-dessous (formant le graphique 7-5) illustrent bien les situations.
Dun ct lallure des graphiques est conforme la thorie (le prix dun call est une fonction
convexe croissante du spot, tandis que celui dun put est une fonction dcroissante du spot).
Nous pouvons remarquer que les trois courbes sont presque confondues pour des valeurs de
cours de change proches de la valeur courante qui est de 11 dirhams pour 1 euro ; ces derniers
commencent se diffrencier quant le cours de change simul sloigne de sa valeur courante.
Ceci est un rsultat conforme nos attentes puisque la notion mme dapproximations est
base sur une variation infinitsimale du cours de change.

put EUR/M AD 3 mois

Complet

delta approx

Complet

delta gamma approx

Delta approx

11,027

11,021

11,016

11,01

11,014

11,007

11,005

11,002

11,001

10,999

10,997

10,994

spot

10,992

11,034

11,027

11,021

11,016

11,01

11,014

11,007

11,005

11,002

11,001

10,999

10,997

10,994

10,992

10,990

10,988

10,984

10,979

10,971

0,02

10,971

0,03

10,990

0,04

10,988

0,05

10,984

prix

prix

0,06

10,979

0,07

0,06
0,055
0,05
0,045
0,04
0,035
0,03
0,025
0,02
0,015
0,01

spot

11,034

call EUR/MAD 3 mois


0,08

delta gamma approx

Graphique 7.3-1 : Comparaison du prix dun call et put EUR 3 mois calcul selon 3 mthodes.

Cela indique enfin que si on ne simule que le cours de change uniquement, alors on
obtiendrait des VaR presque identiques pour toutes les mthodes (valuation complte et
approximations).
Le comportement des Greeks : Le delta et le gamma
Pour un prix dexercice dun call EUR/MAD gal 11, nous faisons varier le cours spot pour
visualiser le mouvement du delta.
1,2
1

delta

0,8
0,6
0,4
0,2
spot

0
10,78

10,89 10,945 10,984

6 mois

11

11,017 11,055 11,11

3 mois

11,22

1 mois

Graphique 7.3-2 : Evolution du delta dun call EUR/MAD selon le cours spot

- - 61 - -

Partie II

Chapitre 7 : Applications et rsultats

Interprtations :
(i) Le delta est croissant avec le spot et la maturit;
(ii) Le delta dune option at-the-money est gal 0,5;
(iii) Le delta tend vers 1 lorsque loption est de plus en plus in-the-money, ce qui traduit en
ce moment un risque lev sur loption ; le delta tend vers 0 lorsque loption est de
plus en plus out-the-money.
Voyons ce qui en est pour le gamma :
8
7

gamma

6
5
4
3
2
1
0
10,78

10,89 10,945 10,984

6 mois

11

3 mois

11,017 11,055 11,11

11,22

spot

1 mois

Graphique 7.3-3 : Evolution du gamma dun call EUR/MAD selon le cours de change spot

Interprtations :
(i) Le gamma atteint son maximum quand loption est la monnaie (at-the-money);
(ii) Le gamma est plus faible pour les options profondment in-the-money et
profondment out-the-money, tant donn que leur delta est stable;
(iii) Plus on sapproche de la maturit plus le gamma est trs lev ;
Ces rsultats sont bien conformes ce qui a t dit dans la description du gamma de
loption vu plus haut.

7.4 Sur la comparaison Monte Carlo complte et approximations


Trois mthodes dapproximations Monte Carlo sont mises en place pour le calcul de la
variation du prix de loption et par consquent la VaR.
Ces graphiques sont obtenus partir doptions euro (dollar) at-the-money, EUR/MAD = 11
(USD/MAD = 8,5) et sur un notionnel de 1 million deuro (dollar).

- - 62 - -

Partie II

Chapitre 7 : Applications et rsultats

call long EUR


45 000

60 000

40 000
35 000

50 000

Valeurs en DH

Valeurs en DH

Call court EUR

70 000

40 000
30 000
20 000

30 000
25 000
20 000
15 000
10 000

10 000

5 000

0
1 mois
Eval_complte

3 mois
D_approx

6 mois

DG_approx

DGT_approx

9 mois Maturits

1 mois

DGNormale

Eval_complte

3 mois
D_approx

6 mois

DG_approx

9 mois

DGT_approx

Maturit

DGNormale

put long USD

call court USD


100 000

90 000

90 000

80 000

80 000

70 000

70 000

60 000

60 000
50 000

50 000

40 000

40 000

30 000

30 000

20 000

20 000

10 000

10 000

1 mois
Eval_complte

3 mois
D_approx

6 mois
DG_approx

DGT_approx

9 mois

1 mois

DGNormale

Eval_complte

3 mois
D_approx

6 mois
DG_approx

9 mois

DGT_approx

DGNormale

Graphique 7.4-1 : Comparaison VaR complte et VaR par approximations

La VaR par valuation complte est gnralement plus importante que les VaR calcules par
les approximations partielles ou encore par la mthode delta-gamma-normale. Lcart est de
plus en plus grand pour les maturits longues.
Cet loignement peut tre expliqu par le fait que, pour la mthode dvaluation complte,
tous les facteurs de risque sont gnrs (cours de change, taux dintrt, volatilits)
contrairement la mthode approximative o seul le cours de change est simul. Le
graphique (7.4) montre bien quen simulant uniquement les cours de change dans la mthode
dvaluation complte, nous aboutissons des VaR trs proches pour toutes les mthodes.
Pour faire une comparaison entre ces mthodes, nous ne pouvons pas nous limiter ces quatre
graphiques. Un moyen davoir une vision plus claire consiste calculer une moyenne des
diffrences relatives entre chaque approximation et la Monte Carlo complte. Ceci pour
diffrentes maturits et cours de change courants. On dfinit le ratio suivant :

1 60 VaRapprox,i VaRMC,i
Rapprox =
60 i=1
VaRMC,i

(Eq 7.4-1)

Ce ratio devrait tre calcul pour chaque situation doption (types, devises, maturits et prix
dexercice). Nous avons prsent dans lannexe V un tableau donnant les valeurs de ce ratio
pour un call court europen de notionnel 1 million deuro. Ce tableau fait ressortir les mmes
conclusions que celles des graphiques ci-dessus.
Par ailleurs, toutes les approximations donnent des VaR presque identiques.
On pourrait alors se demander laquelle des VaR choisir, faut-il opter pour lvaluation
complte ou pour une mthode approximative ? Le backtesting sur une priode 250 jours
pour se conformer Bale II permettra de voir laquelle des mthodes encadre mieux les
pertes thoriques sur le portefeuille rel.

- - 63 - -

Partie II

Chapitre 7 : Applications et rsultats

7.5 Sur la VaR, lexposition et les fonds propres


Le notionnel de chaque option est toujours de 1 million deuro ou de dollar selon le cas.

Le risque compar lexposition

Pour avoir une ide sur la perte thorique, il serait judicieux dexprimer cette perte
quotidienne en pourcentage de la position ou la prime. Nous obtenons un ratio significatif.
Cest ce qui est donn ci dessous.
Ratio VAR 1jour /prime ; par valuation complte

158%
120%

111%
94%
66%60%

48%

82%
70%
46%

62%

57%

28%40%
3% 3%
1 mois

3 mois

call long

6 mois

call court

put long

9 mois

Maturit

put court

Graphique 7.5-1 : Comparaison VAR 1jour et prime de loption

Tableau 7-1 : Moyenne du ratio VaR /prime

Maturits 1 mois 3 mois


Ratio moyen
pour les 4
71,25% 39,29%
options

6 mois
62,5%

9 mois
89%

La proportion de la VaR par rapport la prime est trs variable selon quon est en position
longue ou courte, quil sagisse dun call ou un put ou encore selon la maturit de loption.
Cela illustre bien le fait que le prix des options est trs instable dans le temps, abstraction faite
mme de leffet temps. Le put court enregistre un rapport risque/prime lev.
Le fait de voir une VaR gale plus de 100% de la prime est due simplement lintroduction
du signe moins dans les positions courtes ; cela a pour effet de transformer les variations
positives des prix en variations ngatives considres comme des pertes. Il sen suit donc que
les pertes en positions longues sont des gains en positions courtes et inversement.
Cependant le constat du tableau ci-dessus est que la VaR par rapport la prime est trs faible
sur la maturit 3 mois, et trs grande sur les maturits loignes.

Comparaison entre exigence de fonds propres et la perte quotidienne

Le modle permet de calculer les exigences de fonds propres qui correspondent la VaR sur
10 jours, et par consquent nous pouvons avoir une ide sur le rapport entre ces exigences et
la perte thorique quotidienne. Ces rsultats manent de la simulation Monte Carlo complte.

- - 64 - -

Partie II

Chapitre 7 : Applications et rsultats

Tableau 7-2 : Comparaison entre exigence de fonds propres et perte quotidienne


Exigence de fonds propres / Perte du jour
1 mois

3 mois

6 mois

9 mois

call long

1,60

1,81

1,57

1,35

call court

4,50

6,46

15,97

0,87

put long
put court

1,77
3,66

3,69
2,82

8,46
2,20

0,61
1,78

Pour une perte possible de 1 DH dune journe, lexigence de fonds propres sur un call long 1
mois est de 1,6 DH et 4,5 DH pour un call court de mme maturit ; elle est de 6,46 DH pour
un call court 3 mois et seulement 1,8 DH pour le call long 3 mois.
La conclusion est que dune part lexigence de fonds propres est quand mme leve par
rapport au risque encouru, et dautre part elle est gnralement plus importante en position
courte quen position longue. La banque est habituellement en position courte puisquelle est
vendeuse doptions.

La VaR : quelle conomie de fonds propres !

1 mois

3 mois

Eval complte

6 mois
Standard

600 000
400 000
200 000
0
1 mois

Economie FP

2 000 000
1 000 000
0
3 mois

Eval complte

6 mois
Standard

Fonds propres

Pour un put euro court


3 000 000

3 mois

Eval complte

100,00%
95,00%
90,00%
85,00%
80,00%
75,00%
70,00%

90,00%
85,00%
80,00%
75,00%
70,00%
65,00%
60,00%

800 000

9 mois

4 000 000

1 mois

Pour un put USD court

1 000 000
Fonds propres

100,00%
95,00%
90,00%
85,00%
80,00%
75,00%
70,00%

1 000 000

6 mois
Standard

9 mois
Economie FP

Pour un call USD court

80,00%
75,00%
70,00%
65,00%
60,00%
55,00%
50,00%

800 000
600 000
400 000
200 000
0
1 mois

3 mois

6 mois

Economie

Pour un call euro long


600 000
500 000
400 000
300 000
200 000
100 000
0

Economie

Une des motivations de lutilisation des modles internes de mesure des risques est que ces
modles conduisent des fonds propres exigibles moins levs que ceux fournis par la
mthode standard de Ble II. Pour mettre ceci en exergue, nous avons fait le test sur quelques
options at-the-money, les rsultats tant similaires quelque soit loption.

9 mois

9 mois
Eval complte

Economie FP

Standard

Economie FP

Graphique 7.5-2 : Comparaison fonds propres standards et fonds propres VaR

Le ratio dconomie de fonds propres est la diffrence entre les fonds propres exigibles
obtenus par la mthode standard et les fonds propres VaR, diviss par les fonds propres
obtenus par la mthode standard.
Les graphiques ci-dessus montrent un gain en fonds propres dau minimum 55% selon les cas.
Les fonds propres standard varient selon que nous sommes en position longue ou courte et
sont moins importants lorsque nous sommes en position longue puisque l le risque gamma
nest pas pris en compte (effet positif) alors quil lest pour une position courte.

- - 65 - -

Partie II

Chapitre 7 : Applications et rsultats

A travers ces graphiques les banques ont intrt adopter des modles internes bien construits
qui, dun ct permettent de mesurer le risque sa juste valeur, et de lautre ct requirent
des fonds propres moindres. Ce qui leur permettrait dagrandir leur champ daction.

Sur la couverture de loption

Une autre simulation consiste analyser le comportement de la VaR en tenant compte des
stratgies de couverture par delta hedging, le principe du delta hedging ayant t dj expliqu
dans la partie description des greeks . Il en ressort que (exemple du tableau 7-3) :
toutes les six (6) mthodes prennent en compte cette couverture, en donnant des
VaR moindres par rapport labsence de couverture ;
dans lapproximation delta la perte est rduite zro. Ceci est d au fait que
lapproximation delta considre la variation du prix de loption comme
linairement dpendante du cours de change uniquement ; le delta hedging
consistant prendre une position oppose celle du portefeuille, alors la somme
des deux variations ne peut que sannuler pratiquement ;
La baisse de la perte potentielle est dau moins 70% par les approximations, et de
40% par la simulation Monte Carlo complte ; elle dpend toujours de lchance
de loption ;
Tableau 7-3 : Delta hedging et VaR
Put EUR court la monnaie

1 mois

6 mois

Eval complte D Approx D G approx D G T approx Standard

VAR 1jr
delta hedging
Variation en %
VAR 1jr
delta hedging
Variation en %

25 245
15 535
9 997
0
60,40% 100,00%
35 807
14 878
21 179
40,9%

0
100,0%

D G Normale

19 590
5 470
72,08%
17 083

19 290 3 402 929


5 170 2 982 026
73,20%
12,37%
16 925 2 030 600

17 982
3 516
80,45%
15 765

2 974
82,6%

2 816 1 627 489


83,4%
19,9%

1 911
87,9%

7.6 Sur le nombre de simulations et la matrice de covariance.


Lobjectif est de voir leffet des paramtres dans la simulation Monte Carlo. Seules les deux
approches valuation complte et approximation delta-gamma seront prsentes ici.
Les analyses sont faites sur des options at-the-money de notionnel 1 Million deuros.

 Analyse de la VaR selon le nombre de simulations


Il est question de voir lvolution de la VaR dune option en faisant varier le nombre de
simulations de 2000 3000.
Tableau 7-4 : VaR par valuation complte selon le nombre de simulations
call EUR longue
Nombre de
simulations
1 mois
3 mois
6 mois
9 mois

call EUR court

2000

2500

3000

2000

2500

3000

14 363
24 153
41 206
60 507

15 154
24 931
41 727
60 746

15 154
24 898
41 710
60 746

13 161
1 302
18 510
40 184

14 323
2 257
17 852
39 650

13 726
1 624
18 074
39 778

- - 66 - -

Partie II

Chapitre 7 : Applications et rsultats

Tableau 7-5 : VaR par approximation delta-gamma selon le nombre de simulations


call EUR longue
Nombre de
simulations
1 mois
3 mois
6 mois
9 mois

call EUR court

2000

2500

3000

2000

2500

3000

11 346
13 114
14 270
14 901

12 062
14 107
15 412
16 120

12 062
14 107
15 412
16 120

19 865
18 689
18 764
18 937

20 584
19 319
19 375
19 544

19 910
18 728
18 802
18 975

La VaR dpend du nombre de simulations et en plus, sa variation est de moins en moins


significative quand ce nombre est grand.

 Analyse de la VaR selon la volatilit des facteurs de risques


Agir sur la volatilit revient prendre une taille dobservations diffrente pour le calcul de la
matrice de covariance entre les facteurs de risque. Vu que nous ne disposons pas dune
profondeur historique trs importante, le choix est port sur les tailles de 250 jours et 320
jours.
Tableau 7-6 : VaR par valuation complte selon la taille des observations
call EUR longue
Taille des
observations
1 mois
3 mois
6 mois
9 mois

call EUR court

250

320

250

320

14 363
24 153
41 206
60 507

15 509
25 724
42 045
61 519

13 161
1 302
18 510
40 184

16 826
3 927
16 092
37 966

Tableau 7-7 : VaR par approximation delta-gamma selon la taille des observations
Taille des
observations
1 mois
3 mois
6 mois
9 mois

call EUR longue

call EUR court

250

320

250

320

11 346
13 114
14 270
14 901

12 749
15 101
16 566
17 355

19 865
18 689
18 764
18 937

23 399
21 766
21 741
21 890

Ces tableaux confirment que la VaR dpend des volatilits des facteurs de risque. Cependant,
nous ne pouvons pas prvoir son sens de variation, tant donn que celui de la matrice de
covariance nest mme pas connu.

- - 67 - -

Partie II

Chapitre 7 : Applications et rsultats

Les limites de notre modle

Pour calculer les volatilits EUR/MAD et USD/MAD nous avons suppos dune part
que les pondrations de leuro et du dollar dans la volatilit EUR/USD sont
respectivement de lordre de 20% et 80%, et dautre part ces pondrations restent
constantes pendant la priode de calcul de la VaR. Sur Excel la valeur des
pondrations peut tre modifie par lutilisateur.
Le modle ne tient pas compte du risque de dvaluation du dirham, un risque
assurment imprvisible. A la limite, pour le prendre en considration on pourrait
multiplier la VaR obtenue par un coefficient de correction, mais de quelle grandeur !
Lobservation de lvolution de certains facteurs de risque laisse conclure que le
modle utilis pour ces facteurs nest pas trs adapt, surtout pour les taux dintrt
dirham. Il est envisageable dutiliser des modles de structure par termes de taux pour
mieux adapter la simulation des taux dintrt au contexte rel (Nous allons aborder ce
point dans la troisime partie).
Dans lapplication Excel, le nombre maximal de simulations autoris lutilisateur est
limit 3000 et le nombre doptions dans le portefeuille 50.

- - 68 - -

Projet de Fin dEtudes

Partie II : Conclusion

Conclusion
Loption est lun des actifs financiers les plus difficiles grer, son valuation et sa
couverture est complexe. Aussi, son risque est difficile matriser cause du nombre de
facteurs entrant en jeu.
Selon le degr de prcision recherch, la banque peut opter pour le calcul de la VaR par
valuation complte ou par une mthode approximative. La premire est plus difficile
implmenter et demande beaucoup de savoir faire et de moyens informatiques, la seconde est
relativement moins difficile.
Les rsultats de notre application montrent que la VaR calcule par la mthode dvaluation
complte est gnralement suprieure celles calcules par les mthodes approximatives et
que ces dernires sont proches les unes des autres.
La comparaison entre lexigence en fonds propres par la mthode standard et celle par la
mthode interne VaR laisse apparatre une grande conomie de fonds propres dans
lutilisation des mthodes internes.
Les stratgies de couverture par delta-hedging permettent de rduire considrablement le
risque et par consquence lexigence en fonds propres.

- - 69 - -

Projet de Fin dEtudes

Partie III : Introduction

Introduction
Le taux dintrt est vu comme le facteur de risque le plus important sur le march financier,
car il touche une grande partie des oprations de march et se caractrise par la complexit de
sa modlisation.
Il a t vu dans la deuxime partie comment calculer par diffrentes mthodes le risque
encouru par un portefeuille doptions de change. Nous avons soulev le problme du
processus stochastique derrire la gnration des taux dintrt dans la mthode Monte Carlo,
en disant que de meilleurs rsultats peuvent tre obtenus si nous pouvons tudier la structure
par termes des taux dintrt afin de chercher ce processus.
Linstrument soumis par excellence au risque de taux est linstrument obligataire. Nous
pouvons traiter le risque de taux li un portefeuille de bons de trsor par lutilisation de la
mthode VaR Monte Carlo qui consiste gnrer les facteurs de risque qui sont les taux
dintrt sur les diffrentes maturits (courbe des taux). Il va donc falloir gnrer la courbe
des taux marocaine qui passe ncessairement par ltude de la structure par termes des taux
dintrt.
Dun autre cot, la modlisation des taux dintrt est lune des priorits de la banque. Elle
permettra lvaluation des titres revenus fixes, une bonne gestion de portefeuilles et aussi
llaboration de stratgies de gestion actif-passif pour le dpartement ALM23 de la banque.
Cest dans cette perspective que sinscrit notre travail de modlisation des taux.
Nous avons pratiquement calcul la VaR sur tous les instruments financiers soumis au risque
de march. Il est tout a fait naturel de sintresser au calcul dune VaR globale sur un
portefeuille contenant outre les options, des positions en devises, des bons du trsor et des
contrats forward. La question est comment calculer une VaR agrge sur lensemble des
activits de march de la banque ? Faut-il sommer tout simplement les VaR des diffrents
actifs ?
Dans cette partie, nous commencerons par lestimation de la structure par termes des taux
dintrt marocains en essayant de choisir un modle thorique et de ladapter la ralit du
march. Un premier chapitre sera consacr donc la prsentation des diffrents modles de
taux dintrt et particulirement au modle de Vasicek. Le deuxime chapitre montre
comment ajuster ce modle au cas marocain, prsente les rsultats obtenus et les diffrentes
comparaisons ncessaires lapprciation de ces rsultats ; ce chapitre illustre galement le
passage de lestimation de la structure par termes des taux dintrt au calcul de la VaR
Monte Carlo sur les options de change et les obligations. Le dernier chapitre pose la
problmatique de la VaR agrge et mne une rflexion pour rpondre la possibilit de
calcul dun seul chiffre VaR pour lensemble des actifs financiers.

23

ALM: Asset and Liability Management: consiste en la gestion du bilan de faon ce quil y ait adquation entre les
lments de lactif et ceux du passif.

- - 70 - -

Partie III

Chapitre 8 : Choix du modle et mthodes destimation

Chapitre 8
Chapitre 8 Choix du modle de taux et mthodes destimation

La structure par termes des taux dintrt se dfinit comme la relation entre les rendements
des obligations et leurs maturits un instant donn. Elle permet aux investisseurs dajuster
leurs portefeuilles en fonction de leur stratgie et des caractristiques des actifs dtenus.
Ce chapitre est destin lever toute ambigut concernant les diffrents types de taux,
prsenter un certain nombre de modles thoriques de taux et dcrire en dtails le modle de
Vasicek, modle que nous avons retenu pour la modlisation du cas marocain.

8.1 Les taux dintrt


Avant dentamer lestimation du modle de taux dintrt, il est important de connatre
quelques terminologies sur les taux utiliss sur le march.
Taux court et taux long
La valeur du taux dintrt est lie la dure, ou autrement dit, la maturit du placement
financier. Prter (emprunter) 10 ans nest videment pas la mme chose que prter
(emprunter) un (1) an, une diffrence de rmunration (prter) ou de cot (emprunter) parait
logique.
Il est dusage dappeler taux court terme ; les taux de maturit infrieure 2ans, taux
moyen terme ; les taux de maturit entre 2 et 5ans et taux long terme ; les taux de
maturit suprieur 5ans.
Taux actuariel et taux zro coupon
Un taux de rendement est dit actuariel quand il galise le prix dune obligation et la
valeur actuelle de ses paiements futurs.
n

CFi
i avec P le prix du titre, CFi le flux reu la
i=1 (1 + )

Il est donc la solution de lquation P =

date i, et n la maturit du titre.


La non unicit du taux actuariel en fonction de la dure et la courbe de taux horizontale due
lactualisation un taux unique, sont deux inconvnients majeurs du taux actuariel. Les taux
zro coupon remdient ces insuffisances en offrant une relation unique entre taux de
rendement et maturit. Un taux zro coupon de maturit t se dfinit comme le taux actuariel
dun bon zro coupon dchance t.
Les taux zro coupons sont obtenus par une transformation des taux actuariels.
Taux de base bancaire et taux interbancaire
Le taux de base bancaire est un taux spcifique chaque banque, lui servant de rfrence pour
les crdits quelle accorde. Ce taux est directement li aux cots des ressources et des taux
auxquels la banque se refinance sur le march.
Le taux interbancaire est le taux dintrt avec lequel les banques peuvent se prter ou
semprunter des fonds.

- - 71 - -

Partie III

Chapitre 8 : Choix du modle et mthodes destimation

8.2 Modles de la structure par termes des taux dintrt


La structure par termes des taux dintrt dcrit un instant donn comment varient les taux
dintrt en fonction de lchance. Son objectif ultime est de comprendre la relation entre la
valeur prsente dun paiement recevoir et la date laquelle ce paiement sera reu.
Par la suite, nous considrerons toujours des taux zro coupon quitte considrer tout bon
coupons comme la somme de plusieurs bons zro coupons dchances concidant avec les
dates de paiement des coupons.
Lobjectif serait donc lestimation un instant t de la fonction T  R(t,T) avec R(t,T) le taux
zro coupon de maturit T linstant t.
Plusieurs chercheurs ont travaill sur la problmatique de la modlisation de la structure par
termes des taux dintrt aboutissant ainsi divers rsultats :

Graphique 8.2-1 : Modles de taux dintrt

Les modles de structure par termes des taux dintrt se divisent en deux grandes familles :
les modles dquilibre gnral, c'est--dire lquilibre conomique traditionnel dfini par
lgalit de loffre et de la demande sur chacun des actifs changs, il permet donc de prendre
en compte les caractristiques de lconomie et, en particulier, les prfrences individuelles.
Et les modles darbitrage se basant sur lhypothse dabsence dopportunit darbitrage24 ;
sous cette hypothse, le seul critre pertinent pour dterminer la valeur dun titre est la nature
de lassurance quil procure indpendamment des prfrences des agents.
Les modles darbitrage se divisent en des modles probabilistes qui tablissent un lien entre
la notion dabsence dopportunit darbitrage et le concept probabiliste de martingale25
substituant ainsi, pour la dtermination de la courbe des taux, la rsolution dune quation
diffrentielle un calcul desprance mathmatique, et des modles darbitrage classique qui
se basent sur des quations diffrentielles.
Le problme essentiel dans ltude de la structure par termes des taux dintrt est la
dtermination des sources de risque ou dincertitude. Ils existent donc des modles
plusieurs variables dtat (taux court terme, volatilit des taux,) et des modles une
seule variable dtat (taux court terme).
24

On dit quil y a absence dopportunit darbitrage sur un march financier lorsquil est impossible de mettre en
uvre (sans apport initial) une stratgie dinvestissement conduisant de faon certaine un gain positif.
25
Une variable alatoire est une martingale pour une mesure de probabilit donne si sa valeur linstant t est gale
lesprance mathmatique de son flux terminal, conditionnellement linformation disponible en t.

- - 72 - -

Partie III

Chapitre 8 : Choix du modle et mthodes destimation

Nous nous limiterons dans ce travail lajustement dun modle une variable dtat qui est
le taux court terme (rt) linstant t.
Les modles une seule variable dtat scrivent gnralement sous la forme
drt = (rt )dt + (rt )dBt
(Eq 8.2-1)
(rt) et (rt) sont deux processus stochastiques, B est un mouvement brownien standard
Les plus connus sont :

(a) Merton (1973), Ho Lee (1986) Mouvement brownien gnralis.


drt = dt + dBt
(b) Vasicek (1977), Hull-White (1990) Processus dOrnstein-Uhlenbeck
drt = k ( rt )dt + dBt
(c) Cox-Ingersoll-Ross (1985), Hull-White (1990) Processus Racine carre
drt = k ( rt )dt + rt dBt
(d) Dothan (1978) Mouvement brownien gomtrique
drt = k ( rt ) dt + rt dB t
(e) Black-Derman-Toy (1990), Black-Karasinski (1991)
drt = ( t ln rt ) rt dt + rt dB t

8.3 Modle de Vasicek


Nous avons choisi dajuster le modle de Vasicek, dabord parce quil est relativement simple
estimer et semble priori tre adquat pour le cas marocain, et aussi parce que la forme
gnrale de la solution de lquation diffrentielle stochastique rgissant la diffusion des taux
est connue, comme nous verrons par la suite, ce qui nest pas le cas pour la plupart des autres
modles.
Dans le modle de Vasicek (1977), le taux court suit un processus dOrnstein Uhlenbeck. Sa
dynamique est alors reprsente par la diffrentielle stochastique suivante :
drt = k ( rt )dt + dBt
(Eq 8.3-1)
Avec k, et des scalaires strictement positifs. La solution explicite de cette diffrentielle
t

est :

rt = + (r0 )e tk + e(t u)k dBu

(Eq 8.3-2)

Ce processus dcrit une dynamique rgressive, autour dune valeur moyenne , on dit que le
processus dOrnstein Uhlenbeck26 capte lide dun retour la moyenne , c'est--dire quil
existe une force de rappel empchant le taux daller vers des valeurs infinies.
Dans le cas de ce processus, on a, pour t s

E[rs / rt ] = + (rt )e( st )k

V [rs / rt ] =

(1 e 2( s t ) k )

(Eq 8.3-3)
2k
Lorsque s devient infiniment grand, lesprance de rs, tant donn son niveau actuel, tend vers
la valeur moyenne . La variance conditionnelle quant elle tend vers la constante 2/2k.
Le taux court terme rt nous permet de trouver toute la structure des taux dintrt (la courbe
des taux) via la formule suivante :
26

Christophe Bisire : La structure par terme des taux dintrt

- - 73 - -

Partie III

Chapitre 8 : Choix du modle et mthodes destimation

1 (T t )k

2
(e
1)rt + 3 (1 e2(T t )k ) +

1 k
4k

R(t,T ) =
2
T t 1

(T t ) k
) ( 2 )(T t )
k ( k k 2 )(1 e
k 2k

(Eq 8.3-4)

O dsigne la prime unitaire de risque de taux dintrt suppose constante dans notre cas.
Cest la prime unitaire offerte pour le risque engendr par les fluctuations imprvues du taux
court, sous leffet de dBt.
2
(Eq 8.3-5)
lim R (t , T ) = rt
lim R (t , T ) = R = 2
T t
T +
k 2k
Utilisant cette notation, nous pouvons exprimer la structure des taux sous la forme :

2
1
(T t ) k
R(t , T ) = R +
(1 e
)(rt R ) +
(1 e (T t ) k ) 2
(Eq 8.3-6)
3
(T t )k
4(T t )k
La structure des taux part de rt et tend vers un niveau R pour les chances lointaines. Sa
forme prcise dpend du niveau de rt et des paramtres k, , et .
Le processus dOrnstein Uhlenbeck semble tre capable de reprsenter fidlement la
dynamique du taux court. Nanmoins, il comporte deux dfauts. Le premier tient la
constance de R , qui contraint la queue de la structure des taux un niveau indpendant de sa
forme. Le second est li la spcification de la variance instantane de lvolution du taux
court qui ne permet pas dexclure des valeurs ngatives pour rt.

Apres avoir prsent les diffrents modles thoriques de la structure par termes des taux
dintrt et spcialement le modle de Vasicek que nous avons choisi pour la modlisation de
la courbe marocaine. Il est temps de passer lajustement du modle.

- - 74 - -

Partie III

Chapitre 9 : Ajustement du modle de Vasicek et comparaisons

Chapitre 9
Chapitre 9 Ajustement du modle de Vasicek et comparaisons

La dtermination de la courbe des taux zro coupon passe par lquation (8-5). Il est donc
ncessaire destimer les paramtres k, , et .
Ce chapitre commence par prsenter la mthodologie destimation des paramtres, la
description des donnes et le test du modle avant de passer lestimation proprement dite et
la prsentation des rsultats.

9.1 Mthodologie de lestimation


Nous allons commencer par lestimation de k, et , pour passer ensuite lestimation de .
Pour cela, nous adopterons lapproche de type srie chronologique27 qui, dans le cas dune
dynamique induite par une quation diffrentielle stochastique, se trouve confronte au
problme de lestimation dun processus de diffusion partir de donnes en temps discret. Ce
problme est moins important pour le processus dOrnstein Uhlenbeck et pour le mouvement
brownien gomtrique puisque nous connaissons la version discrte exacte du processus. Le
problme est par contre beaucoup plus important pour les autres processus, pour lesquels on
essaie de forcer la discrtisation, ce qui conduit des biais destimation considrables.
Nous rappelons que la dynamique du processus dOrnstein Uhlenbeck est donne par :
drt = k ( rt )dt + dBt
Nous utiliserons la version discrte du processus, initialement donne par Gouriroux,
Monfort et Renault (1993)28 :
rt rt 1 = (1 e k ) + (e k 1)rt 1 + t
(Eq 9.1-1)

avec

t N(0,

2
2k

(1 e2k ))

Ce qui montre que nous pouvons estimer les paramtres du processus par la mthode des
moindres carres ordinaires, en utilisant des donnes discrtes du taux court terme dans
lquation du processus autorgressif dordre (1) suivante :
rt = a + brt 1 + t
(Eq 9.1-2)
avec a = (1 e k ) et b = e k
Nous estimerons dabord a et b avant de remonter aux paramtres du processus dOrnstein
Uhlenbeck par les transformations :
a
ln b 2
k = ln b
=
=
(Eq 9.1-3)
1 b
1 b 2

27

Par opposition lapproche de type coupe transversale qui consiste minimiser la distance entre les prix thoriques
et les prix observs des obligations zro coupon.

28

Voir Fayal HITMI : Estimation de la structure par terme des taux dintrt mmoire INSEA 2002.

- - 75 - -

Partie III

Chapitre 9 : Ajustement du modle de Vasicek et comparaisons

9.2 Prsentation des donnes et test du modle


Nous avons choisi comme taux court terme rt, le taux moyen pondr (TMP) qui est un taux
au jour le jour sur le march montaire, nous aurions pu choisir un autre taux court terme.
Ainsi, nous avons considr une profondeur historique de TMP allant du 01/01/2004 au
17/05/2005 soit 503 observations.
Voici ci-dessus une reprsentation de lvolution du TMP durant la priode considre :
Evolution du TMP entre 01/01/2004 et 17/05/2005
4,0

Taux en %

3,5

3,0

2,5

2,0
01/01/04 01/03/04 01/05/04 01/07/04

01/09/04 01/11/04 01/01/05 01/03/05 01/05/05

Date

TMP

Graphique 9.2-1 : Evolution du TMP

Tableau 9-1 : Statistiques descriptives sur le TMP


Statistiques descriptives
N
TMP

Minimum
503

2,0000

Maximum
3,8170

Moyenne
2,407014

Ecart type

Asymtrie

,276457

2,568

Kurtosis
6,937

Le TMP se caractrise durant la priode entre 01/01/2004 et 01/03/2004 par une grande
volatilit. Il devient ensuite plus stable entre le 01/03/2004 et le 01/01/2005 avant de
connatre un grand pique vers le milieu du mois de fvrier 2005. Il est trs sensible au niveau
de liquidit bancaire, et au taux directeur de BAM.
La reprsentation des autocorrlations et des autocorrlations partielles de la srie des TMP
montre quelques loignements par rapport au modle autorgressif dordre (1). Pour ce
dernier, les autocorrlations partielles sannulent partir de lordre 2 et les autocorrlations
dcroissent exponentiellement vers 0.

- - 76 - -

Partie III

Chapitre 9 : Ajustement du modle de Vasicek et comparaisons

Tableau 9-2 : Autocorrlations et autocorrlations partielles du TMP

Pour un ajustement parfait dun modle autorgressif dordre (1), les rsidus doivent suivre
une loi normale N (0, 2). Notre cas sloigne relativement de cette hypothse. Nanmoins,
nous avons dcid de poursuivre lajustement, tout en tant conscient de cette source derreur.

9.3 Estimations des paramtres


Estimation de k, et
Nous avons choisi destimer les paramtres a et b dans lquation rt = a + brt 1 + t par la
mthode des moindre carres ordinaires laide du logiciel Eviews.
Les rsultats de lestimation sont :
Tableau 9-3 : Estimation des paramtres du modle de Vasicek

a = 0.003006 et b = 0.873407, les statistiques de Student sont suprieures la valeur critique


95% de confiance, ce qui implique le rejet de lhypothse a = 0 ou de lhypothse b = 0. La
statistique de Fisher montre quon rejette lhypothse a = 0 et b = 0 simultanment.
Lcart type des rsidus est = 0.001113 .

- - 77 - -

Partie III

Chapitre 9 : Ajustement du modle de Vasicek et comparaisons

Nous obtenons donc :

k = ln b = 0.135353

a
1 b

= 0.023745

ln b 2
= 0.001189
1 b 2

Estimation de
Nous rappelons que le rendement dune obligation zro coupon, de maturit T, la date t est
donne pour le modle de Vasicek par la formule:

1
2
(T t ) k
R(t , T ) = R +
(1 e
)(rt R ) +
(1 e (T t ) k ) 2
3
(T t )k
4(T t )k
Avec R =

(Eq 9.3-1)

2
2k 2

Nous avons jusqu maintenant trouv k, et , nous passerons lestimation de .


Une prime de risque nulle nous semble justifiable dans le cas des bons de trsor, puisque ces
derniers sont supposs nencourir aucun risque de contrepartie. Nanmoins, nous avons jug
trs intressant de pouvoir estimer cette prime, dune part, pour obtenir un meilleur rsultat
dajustement, et dautre part, pour voir limpact de ce paramtre et son importance dans une
analyse de la structure par termes des taux dintrt.
Deux approches peuvent tre adoptes pour la dtermination du paramtre . La premire est
celle propose par Brown et Dybvig (1986) Sercu et Wu (1995) consistant estimer tous les
paramtres du modle simultanment y compris de telle sorte que le modle saccommode
la structure actuelle du march. La deuxime approche consiste dterminer tel quil
minimise la somme des carres des erreurs entre les prix rels des obligations et les prix
thoriques fonctions de . Nous avons choisi dadopter la deuxime approche.
Nous allons prendre le 14/04/2005 comme date destimation de (le taux court terme
correspondant est TMP = 2,3%), puis faire une comparaison entre les taux zro coupon rels
sur le march et les taux thoriques estims par le modle de Vasicek sur la priode du
15/04/2005 au 26/04/2005 (Cest la priode la plus rcente pour laquelle nous disposons de la
courbe des taux zro coupon du march).
Lquation (8-5) peut scrire comme suit :

1 (T t )k

2
1)rt + 3 (1 e 2(T t )k ) +
(e

1 k
1 e (T t )k 1
4
k

( +
R(t, T ) =
) (Eq 9.3-2)
3
2
T t 1
k
T

t
k
(
)

(T t ) k
) ( 2 )(T t)
k ( k 2 )(1 e
2k

En notant

1 e(T t )k 1
V (T t) = ( +
)
k (T t)k 3

Nous pouvons crire :

- - 78 - -

(Eq 9.3-3)

Partie III

Chapitre 9 : Ajustement du modle de Vasicek et comparaisons

1 (T t )k

2
(e
1)rt + 3 (1 e2(T t )k ) +

1 k
4k

V (T t )
R(t,T ) =
2
T t 1

(T t ) k

)(
1

e
)

)(
T

t
)
k

k2
2k 2

(Eq 9.3-4)

Pour estimer , nous prenons la srie des taux zro coupon au 14/04/2005, nous calculons les
taux thoriques par la formule (8-5) en prenant = 0, nous obtenons ainsi une srie de taux
thoriques, nous procdons lestimation de par la mthode des moindres carres ordinaires
dans lquation TV * V = TM o TV dsigne le taux estim par le modle de Vasicek avec
=0 et TM dsigne le taux rel sur le march.

1 (T t ) k

2
(e
1)rt + 3 (1 e 2(T t ) k ) +

1 k
4k

TV =
2
2
T t 1

(T t ) k
) ( 2 )(T t )
k ( k 2 )(1 e
2k

(T t ) k
1 e
1
)
et V = ( +
k (T t )k 3

(Eq 9.3-5)

Nous avons dans notre courbe de taux 13 maturits seulement. Dans le but de donner plus de
prcision notre rgression ci-dessus, nous avons dcid daugmenter le nombre de maturits
en procdant des interpolations linaires simples entre certaines maturits, nous sommes
ainsi arrivs 22, allant de 1 jour 15 ans.
La plus grande maturit considre dans ce cas est de 15 ans.
Le rsultat de lestimation de est donn par Eviews comme suit :
Tableau 9-4 : Estimation du paramtre de Vasicek

Nous obtenons donc = -0.00783 et nous rejetons lhypothse = 0 comme le montre la


statistique de Student.
Nous avons actuellement estim tous les paramtres ncessaires pour le calcul des taux zro
coupon par le modle de Vasicek, lapplication directe de la formule (8-5) permet de trouver
la courbe des taux thoriques.

- - 79 - -

Partie III

Chapitre 9 : Ajustement du modle de Vasicek et comparaisons

Rcapitulation :

0,13535362
0,02374539
0,00118912
-0,00783

Nous avons malgr le rsultat ngatif du test du modle poursuivi notre estimation et obtenu
les quatre paramtres recherchs. Notre modle permet-t-il de prvoir la courbe des taux
marocaine ?

9.4 Prsentation des rsultats


Voici une comparaison entre les taux rels observs sur le march et les taux estims par le
modle de Vasicek sur deux journes.
Comparaison entre les taux rels et les taux thoriques du
18/04/2005
6,0%
5,5%

Taux en %

5,0%
4,5%
4,0%
3,5%
3,0%
2,5%
2,0%
1 jour 1 Mois 3 Mois 6 Mois

1 an

2 ans

3 ans

4 ans

5 ans

7 ans

9 ans 10 ans 15 ans


Maturit

Taux du march
Vasicek avec prime de risque
Vasicek sans prime de risque
Comparaison entre les taux rels et les taux thoriques du
25/04/2005
6,0%
5,5%
Taux en %

5,0%
4,5%
4,0%
3,5%
3,0%
2,5%
2,0%
1 jour

1 Mois 3 Mois 6 Mois

1 an

2 ans

3 ans

4 ans

5 ans

7 ans

9 ans 10 ans 15 ans

Taux du march
Vasicek avec prime de risque
Vasicek sans prime de risque

Maturit

Graphique 9.4-1: Comparaison taux de march et taux estims.

Nous avons obtenu un ajustement assez satisfaisant de la courbe des taux en introduisant la
prime de risque. Sans prime de risque, la courbe estime est linaire avec une trs faible pente
positive.
Le modle peut rvler quelques loignements dans le cas dune volution anormale du
march.
- - 80 - -

Partie III

Chapitre 9 : Ajustement du modle de Vasicek et comparaisons

La qualit de lajustement dpend de la priode considre. Le modle peut donner de bons


rsultats pour des journes, mais pas pour dautres. Nous avons prsent dans lannexe IV les
rsultats de lajustement sur dautres journes supplmentaires.

Remarques gnrales
Notre modle reste tout de mme entach derreurs destimation, qui peuvent provenir
de diffrentes sources, telles que la discrtisation de la solution du processus
dOrnstein-Uhlenbeck, les hypothses du modle qui ne se vrifient pas parfaitement
ou encore les erreurs destimation des paramtres k, , et .
Lutilisation dautres techniques destimation pourrait donner de meilleurs rsultats.
Le modle de Vasicek semble bien approcher la courbe des taux rels. Nanmoins, ce
jugement reste relatif. La vision sera beaucoup plus claire si nous disposions dun
autre modle titre comparatif.
Lestimation des paramtres doit tre renouvele priodiquement pour suivre
lvolution relle du march.

9.5 De la structure par termes des taux dintrt la VaR Monte Carlo
Nous supposons dans ce paragraphe que la mthodologie de calcul de la VaR Monte Carlo est
acquise, nous allons tout de mme en rappeler le principe : Le principe fondamental de la
mthode Monte Carlo est de gnrer les facteurs de risque selon des mouvements refltant
fidlement leurs volutions relles.
Nous avons pu ajuster le modle de Vasicek la courbe des taux zro coupon marocaine.
Nous avons ainsi, plus ou moins touch au processus de diffusion de ces taux. Nous allons
voir dans ce qui suit comment nous pouvons exploiter ce rsultat dans le cadre dun calcul de
la VaR par la mthode Monte Carlo.

a\ Calcul de la VaR pour un portefeuille doptions de change


Nous avons vu dans la partie sur les options de change que le calcul de la VaR passe par la
gnration des 20 facteurs de risque retenus savoir, les taux dintrt dirham, euro et dollar
sur quatre maturits, les volatilits implicites euro/dollar sur sept maturits et le cours de
change euro/dollar.
Nous avons utilis le mme processus de diffusion pour tous ces facteurs, en loccurrence :

S t = S 0 e Z

(Eq 9.5-1)
Avec St dsignant le facteur de risque, dsignant la volatilit des rendements du facteur de
risque et Z une variable gnre alatoirement et tenant compte des corrlations existant entre
les diffrents facteurs.
La formule ci-dessus provient de lquation stochastique suivante : ds = sdt + sdB t
Cette dernire est particulirement valable pour le taux de change euro/dollar, son application
aux autres facteurs de risque engendre quelques imprcisions dans les rsultats.
Nous avons grce au travail destimation de la structure par termes des taux, un processus de
diffusion propre aux taux dintrt marocains, savoir le processus dOrnstein Uhlenbeck
dont la solution est :

- - 81 - -

Partie III

Chapitre 9 : Ajustement du modle de Vasicek et comparaisons

rt = + (r0 )e + e(tu)k dBu


tk

(Eq 9.5-2)

Dautre part, dune manire gnrale on a :


t

F (s)dB(s) N (0, F
0

Donc

( s)ds)

rt = + (r0 )e tk +

1
1 e2tk z
2k

(Eq 9.5-3)

Avec Z une variable alatoire normale standard N (0,1)


Pour des r0, k, et donns, il suffit de gnrer une variable alatoire Z pour avoir une
ralisation de rt.
Les tapes suivantes sont exactement similaires celles dans la partie sur les options de
change, c'est--dire gnrer un grand nombre de Z, qui implique le mme nombre de
ralisations possibles de rt, utiliser la formule (8-5) pour retrouver la totalit de la courbe des
taux, prendre les quatre maturits correspondant aux facteurs de risque, valuer loption selon
les facteurs gnrs et en extraire la VaR.
Il est important de noter ici, que nous navons modlis que la structure par termes des taux
dintrt dirham. Dans un contexte plus approfondi, nous aurons besoin de modliser les deux
structures de taux euro et dollar.

b\ Calcul de la VaR pour un portefeuille de bons de trsor


Le principe reste le mme pour le calcul de la VaR pour un portefeuille de bons de trsor.
Nous sommes la date t et nous voulons calculer la VaR de notre portefeuille sur un horizon
de temps h, c'est--dire, nous voulons avoir une ide sur la perte maximale que peut connatre
notre portefeuille suite aux fluctuations du march entre t et t + h (taux dintrt).

La mthode de Monte Carlo consiste envisager N scnarios possibles de la courbe


des taux la date t + h, chose que nous pouvons faire exactement de la mme manire
que pour les options de change.
Ltape suivante consiste valuer notre portefeuille pour chaque scnario envisag (
la date t + h). Ce portefeuille peut contenir diffrents bons avec diffrentes maturits,
nous aurons besoin donc de faire des interpolations pour pouvoir calculer la valeur
actuelle de chaque bon afin dobtenir la valeur prsente de tout le portefeuille.
N variations possibles de la valeur du portefeuille (de la date t la date t + h) seront
calcules juste aprs, en faisant la diffrence entre la valeur actuelle pour chaque
scnario (date t + h) et la valeur prsente du portefeuille la date t.
La VaR du portefeuille correspondra au centile dordre (1-)% (selon le degr de
confiance choisi) de la distribution des variations obtenues prcdemment.

- - 82 - -

Partie III

Chapitre 9 : Ajustement du modle de Vasicek et comparaisons

La VaR Monte Carlo quant elle serait probablement plus prcise que la VaR paramtrique
tant donn que dans cette dernire nous forons les hypothses de normalit et de linarit.

Notre modle reste quand mme dpendant de la priode destimation, du taux court terme
considr et des mthodes destimation. Nous pouvons toujours changer ces facteurs et voir
limpact sur la qualit de lajustement.

- - 83 - -

Projet de Fin dEtudes

Partie III Conclusion

Chapitre 10
Chapitre 10 VaR agrge pour le portefeuille global de march

Jusqu prsent, nous avons calcul la VaR pour chaque type dactif financier, ce qui nous a
permis lallocation de fonds propres par actif. Selon que cet actif est linaire ou non, la
mthode variance-covariance est applique ou le cas chant la simulation Monte Carlo. La
question maintenant est de savoir comment calculer la VaR globale pour lensemble des actifs
financiers pendant que certains sont linaires et dautres ne le sont pas, et sachant que la VaR
de la somme nest pas la somme des VaR. Comment faire pour traduire tous ces risques de
march en un seul chiffre, la VaR ?

10.1 Delta linaire et simulation Monte Carlo


La voie classique serait de considrer uniquement les quivalents delta des positions
optionnelles, les intgrer dans les positions devises et par la suite appliquer la mthode
paramtrique comme ce qui a t fait lors du stage dapplication. En ce moment nous aurons
un vecteur ayant pour composantes des positions en devises, des positions sur taux dintrt
rsultant des bons de trsor et des contrats forward. Il suffira dappliquer le produit matriciel
avec une grande matrice de corrlation prenant en compte lensemble des facteurs de risque
(toutes les devises et les taux dintrt par maturit et par devise).
Malheureusement cette faon de calculer la VaR globale nest pas adapte, puisquen
intgrant les options, non seulement le rendement global nest plus distribu suivant la loi
normale, mais en plus elle ne prend pas en compte tout le risque li laspect non linaire du
portefeuille pris dans son ensemble. En fait, on nglige la queue gauche de la distribution de
probabilit de la valeur du portefeuille trait, alors que la VaR en dpend fortement.
Une deuxime faon de procder serait de travailler par la simulation Monte Carlo
uniquement. Dans ce cas, tous les facteurs de risque seront simuls selon des modles
stochastiques adapts (l les taux dintrt seront gnrs laide de la structure par termes
estime) et on appliquera les mmes tapes dj nonces un peu plus haut.
Cette approche est plus prcise que la prcdente mais son inconvnient est quelle est
fastidieuse, difficile implmenter, consommatrice en temps et ncessite normment de
moyens informatiques comme cela a t constat dans notre cas.
Cela na pas empch quand mme certaines banques de ladopter pour calculer la VaR.
Pour surmonter les inconvnients des deux mthodes prcdentes, des chercheurs en ont
propos dautres. Il sagit par exemple de lapproche par la transformation de Johnson, et
celle par dveloppement de Cornish-Ficher. Ce sont des mthodes assez connues et trs
utilises, elles sont mmes suggres par RiskMetrics.
Il aurait t intressant de calculer la VaR globale par ces deux approches et faire des
comparaisons, mais malheureusement le modle de Johnson ncessite un certain moment
lapplication de deux algorithmes trs complexes, disponibles dans un langage que nous
navons pas pu dcortiquer. Nous aurons pu crire ces algorithmes dans un langage connu si
nous avions trouv la thorie statistique qui est derrire ces algorithmes ; chose que nous
navons pas trouve.
Nanmoins les deux mthodes seront dcrites sachant bien que cest le dveloppement de
Cornish-Ficher que nous implmenterons pour le moment.
- - 84 - -

Projet de Fin dEtudes

Partie III Conclusion

10.2 Dveloppement de Cornish-Ficher


Nous avons vu antrieurement que la variation du prix dune option peut scrire
approximativement comme :
1
2
P = * S + * (S )
(Eq 10.2-1)
2
En posant x = S / S comme tant le rendement sur lactif sous jacent S, on peut crire
1
2
P = Sx + S 2 * (x )
(Eq 10.2-2)
2
Cette dcomposition est aussi valable pour les obligations, et cest l quon parle de
sensibilit ou de convexit de lobligation.
Pour lobligation, on se limite au premier terme en crivant :

r
P = P D r
r
D est la duration modifie (sensibilit) de lobligation, gale duration (1 + r )
r
En faisant lquivalence avec lquation prcdente, S = r , x =
, = P D
r
La variable P ne suit pas une loi normale ; en supposant par contre que x est normale,
centre, dcart-type , les trois premiers moments de P scrivent :

1
E(P) = S 2 2
2

[
[

]
]

3
2
E (P) = S 2 2 2 + S 4 2 2
4
9
15
3
E (P) = S 2 2 4 + S 6 3 6
2
8

(Eq 10.2-3)

Pour un portefeuille dpendant de n variables de march, lexpression de P devient :


n

1 n 2
P = Si i xi + Si i (xi ) 2
2 i =1
i =1
n

1 n ~
= i xi + i (xi ) 2
2 i =1
i =1
~

(Eq 10.2-4)

o Si est la valeur de la i-me variable de march, i et i dsignant les coefficients delta et


gamma correspondant cette variable.
Sous forme matricielle, on obtient :

~
1
~
P = T x + (x) T (x)
2
~ ~
= ii

[ ]

10.2-5)

et x sont des vecteurs colonnes de dimension n.

- - 85 - -

(Eq

Projet de Fin dEtudes

Partie III Conclusion

En ce moment les trois premiers moments scrivent29 :

( )

1
~
trace
2
1
~ 2 ~ ~
2P = 2 ( P ) = trace + T
2
~ ~~
~ 3
3 ( P ) = trace + 3 T
~ ~
~
~
4 (P ) = 12 T () 2 + 3trace() 4 + 3 2P

P =

(( ) )

(Eq 10.2-6)

( )

. est la matrice de covariance des variables de march.


On calcule aisment le skewness (coefficient dasymtrie) par :

P = 3 (P) 3P

(Eq 10.2-7)

Puisquil ny a pas de normalit (P nest pas normale), lalternative serait dutiliser les trois
premiers moments pour estimer la distribution de P laide du dveloppement de CornishFicher, sous la forme :
P + q P
(Eq 10.2-8)
avec

q = zq +

1 2
z q 1 P
6

(Eq 10.2-9)

o zq est le q-ime centile de la loi normale standard.


Exemple : supposons un portefeuille ayant les paramtres (P ; P ; P) = (-0,3 ; 2,5 ; -0,32) et
que la distribution de P soit gaussienne. Le premier centile de la loi suivie par P est gal :
-0,3-2,33 x 2,5=-6,125.
La VaR 99% est donc gale 6,125.
Par le dveloppement de Cornish-Ficher, pour tenir compte de lasymtrie de la distribution et
avec q=0,01, on aura :
Wq= -2,33-(2,332-1) x 0,32 / 6 = -2,566
Et le premier centile est estim par :
-0,3-2,566 x 2,5 = 6,715.
La prise en compte du moment dordre 3 a fait passer la VaR de 6,125 6,715.

Pour un portefeuille contenant des devises, des options, des bons de trsor voici la
mthodologie que nous allons suivre :
Notons,
 m le nombre de devises avec Mi (i=1, .., m) le montant en devise de chacune des
positions ;
 Si le cours de change du dirham contre la devise i ;

29

Giuseppe CASTELLACCI & Michael J.SICLARI: The practice of delta-gamma VaR: Implementing the
quadratic portfolio model .

- - 86 - -

Projet de Fin dEtudes

Partie III Conclusion

 i est lquivalent delta net de lensemble des options sur la devise i ( noter que les
notionnels sont dj incorpors) ;

 i = i S i pour convertir la position en dirham ;


 i est lquivalent gamma net de lensemble des options sur la devise i (notionnels
galement incorpors);
~
 i = i S i2
 PVT la valeur de march (valeur actualise) dun zro-coupon de maturit T annes.
Chaque titre ayant des cash-flows est transform en une somme de titres zro-coupon sur les
maturits usuelles de RiskMetrics, savoir 1 mois, 3 mois, 6 mois, 12 mois, 2 ans, 3 ans, 4
ans, 5 ans, 7 ans, 9 ans, 10 ans et 15 ans moyennant un mapping (Voir annexe III).
T
~
rT pour chaque zro-coupon, rT le taux dintrt sur la maturit T
 PVT = PVT
1 + rT
 En considrant les bons comme des instruments linaires, le risque non linaire mane
alors uniquement des options, ce qui suppose des gammas nuls pour les positions sur taux
dintrt.
~
Notre vecteur sera de dimension (13 + m) x 1, et sa transpose est :

~ ~

T = M 1 S1 + 1 ,.....,.M i S i + i ,....,.M m S m + m , PV1m ,.........,.PV15ans

~
est une matrice carr diagonale de dimension (13 + m) x (13 + m) de la forme :
m lments
13 lments
644
47 4 4 4
8 6
47 4
8
~

~
i

.
~
=
~
m

La convexit des obligations ou des bons nest pas considre.


~ ~
Connaissant , et . nous pouvons alors calculer les trois premiers moments ncessaires,
appliquer le dveloppement de Cornish-Ficher et obtenir le centile correspondant, qui sera la
VaR globale.

10.3 Transformation de Johnson


Cest une mthode qui utilise galement lapproximation du prix du portefeuille, comme le
fait lapproche de Cornish-Fisher.
Puisquil est impossible davoir une fonction de densit explicite de la distribution de P,
sous lapproximation delta-gamma, il est souhaitable de trouver les k premiers moments de
cette distribution et trouver une approximation de la vraie distribution partir de ces derniers.
Gnralement, on nest pas intress par la distribution complte de P, donc si on peut
- - 87 - -

Projet de Fin dEtudes

Partie III Conclusion

trouver une fonction monotone f(X) dune variable alatoire X, telle que f(X) ait une
distribution similaire celle de P, alors la VaR est approximativement gale :

VAR = f (z q )

(Eq 10.3-1)

30

o zq est le q-ime centile de la loi de X .


Johnson a propos trois types de transformations monotones pour f, qui sont :
La forme lognormale
X a
f ( X ) = Exp
, f (X ) c
+c
b
La forme unbounded

(Eq 10.3-2)

X a
(Eq 10.3-3)
f ( X ) = sinh
d + c
b
La forme bounded
(c + d ) Exp X a + c
b
f (X ) =
, c f (X ) c + d
(Eq 10.3-4)
X a
1 + Exp

b
avec X ~ N(0; 1)
Ces trois fonctions dpendent des paramtres a, b, c et d qui seront dtermins par les quatre
(4) premiers moments de P
Pour trouver a, b, c et d, il faut dabord utiliser lalgorithme de Johnson pour dterminer
laquelle des formes de f sajuste le mieux, ensuite utiliser lalgorithme de Hill, Hill et Holder
(1976) pour estimer ces 4 paramtres. Ce sont justement ces deux algorithmes que nous
navions pas trouvs.
Ds que nous dterminons f et ses paramtres, le centile zq ;P de P est obtenu en utilisant
lquation (10-10).
A cause dune insuffisance de documents, nous navons pas pu implmenter lapproche de
Johnson. Nous nous sommes intresss alors une description assez simple de la
mthodologie de calcul de la VaR agrge par lapproche de Cornish-Fisher de faon ce que
toute personne soit capable de limplmenter son tour. Cependant, pour mettre en place une
application Excel tenant compte de toutes les caractristiques possibles dun portefeuille (les
donnes, les matrices, le mapping, les interpolations, etc..), cela exige un temps considrable.
La mthode de Cornish-Fisher est en phase de ralisation. Faute de temps, les rsultats ne
pourront malheureusement pas tre prsents ici. Nous poursuivrons le travail sur cet aspect
vu limportance de ltude de la VaR agrge.

30

Ceci parce quon a Pr [f (X) VAR] = Pr [X f -1 (VAR)]

- - 88 - -

Projet de Fin dEtudes

Partie III Conclusion

Conclusion
Le modle de Vasicek donne des rsultats assez satisfaisants en utilisant le TMP comme taux
court terme. Nanmoins, vu les conditions du march marocain et le comportement des
intervenants sur ce march, des financiers pensent que le taux court terme susceptible de
diriger les autres taux est bien celui de maturit un (1) an. Un travail complmentaire serait de
modliser les taux en tenant compte de ce constat et faire un backtesting sur une priode bien
dtermine pour juger la qualit de la modlisation et apporter si ncessaire une modification
ou un terme correctif au processus lorigine du modle de Vasicek.

La VaR globale nest pas la somme des VaR. Cela est du aux interactions et corrlations
existant entre les facteurs de risque des diffrents instruments financiers.
La distribution des rendements du portefeuille nest pas identique la distribution des
rendements des facteurs de risque, suppose souvent normale. Les mthodes de Johnson et de
Cornish-Fisher offrent la possibilit de dterminer le quantile de la premire partir du
quantile de la seconde et permettent ainsi, de calculer une VaR agrge du portefeuille.
Le calcul de la VaR agrge par la simulation de Monte Carlo est plus compliqu, car il passe
par la gnration dun grand nombre de facteurs de risque. Lestimation de la structure par
termes des taux dintrt est dun grand apport dans lapplication de cette mthode.

- - 89 - -

Conclusion gnrale

Projet de Fin dEtudes

Conclusion gnrale

Au dbut de ce projet, nous nous sommes fixs comme objectif de mettre en place un modle
de calcul de la VaR sur les options de change, voire sur le portefeuille global de march. Ce
modle devrait proposer diffrentes approches qui nous permettront de provisionner
convenablement les risques encourus par le portefeuille de march, via la mthode VaR.
Aussi, un modle qui permettra de faire des comparaisons entre les approches et mettant en
vidence lconomie de fonds propres rsultant, comparativement aux fonds propres de
lapproche standard. Enfin la construction dune courbe de taux dintrt. Le tout, moyennant
des hypothses que nous avons pris le soin de tester.
Il a t possible de donner un tat des lieux dune part, sur la VaR, son origine et ses
utilisations, et dautre part sur les options de change et les approches thoriques de VaR
affrentes qui constituent un socle pour lapplication pratique.
Ainsi cinq approches ont t proposes. Chacune en elle-mme a donn des rsultats la fois
conformes aux attentes et difficilement gnralisables vu la particularit, le pricing, et les
caractristiques de chaque option. Cependant il a t constat dun ct, que lapproche
simulation Monte Carlo utilisant la formule complte dvaluation des options donne dans
lensemble des fonds propres suprieurs ceux obtenus par les approches de simulation
partielle (utilisant une approximation de la formule relle dvaluation des options). Lcart
entre ces fonds propres se creuse au fur et mesure que la maturit de loption est grande.
Paralllement, les approches par approximation entre elles donnent des rsultats trs trs
proches, quelque soit loption considre.
Une fois encore, les rsultats obtenus quelque soit lapproche confirment effectivement
que la VaR donne lieu des fonds propres rglementaires moindres que ceux calculs par la
mthode standard de Ble II. Ce qui amliorera indubitablement la rentabilit financire de la
banque et la satisfaction de ses actionnaires. Cest l, lun des points forts des mthodes
internes type VaR.
Dans le cadre dune simulation Monte Carlo avance, pour le besoin des dpartements ALM
et march de capitaux, nous avons t amens mettre en place un modle destimation de la
structure par termes des taux dintrt marocains. Le modle choisi est celui de Vasicek et les
rsultats sont satisfaisants et montrent que les taux zro coupon de Vasicek avec prise en
compte dune prime de risque, sont dans lensemble analogues ceux observs sur le march
(ceux obtenus par une transformation des taux actuariels).
La rflexion sur la VaR agrge pour lensemble des actifs financiers rvle que la VaR de la
somme des diffrents types dactifs financiers nest pas la somme de la VaR par type dactifs
financiers. Lastuce serait soit dutiliser la simulation Monte Carlo soit de chercher le quantile
de la distribution des variations de la valeur du portefeuille global en calculant les trois ou
quatre premiers moments de cette distribution et en utilisant des transformations statistiques.
Malgr ces importantes ralisations, notre travail sachve sans avoir parcouru toutes les
pistes possibles, ni avoir propos toutes les solutions adquates lpreuve pertinente que
constitue la mesure des risques de march. En effet, nous avons utilis des
variances/covariances par la formule usuelle, alors quil y a les mthodes de pondrations
exponentielles des observations, ou encore les mthodes trs avances de type
ARCH/GARCH. Le taux court utilis pour la structure des taux est le TMP alors que vu le
march montaire marocain, rien nempche de penser utiliser le taux dintrt un (1) an, et
essayer de voir par un backtesting, sil y a lieu dajouter un terme correctif au modle de base
de Vasicek afin quil soit plus adapt. Enfin, malheureusement les rsultats du modle de la

- - 90 - -

Projet de Fin dEtudes

Conclusion gnrale

VaR agrge (Monte Carlo et Cornish-Fisher) nont pas pu tre prsents. Ces derniers points
constituent une continuit de notre travail dans le risk management.
Soulignons que le choix dune approche de VaR dpendra de son niveau dencadrement des
pertes thoriques, de laversion au risque de la banque, et des moyens humains et
informatiques disponibles. Sachant bien que le march marocain est troit.
Pour terminer, nous dirons quaprs tout, les modles mathmatiques et financiers ne sont que
des aides la dcision, et de ce fait nous reprenons ici quelques conseils du clbre professeur
chercheur en finance John Hull :
Ne faisons pas aveuglement confiance aux modles.
Ne croyons pas que nous pouvons prvoir lvolution du march.
La banque ne doit pas vendre aux clients des produits inadapts.

- - 91 - -