Vous êtes sur la page 1sur 24

INTRODUCTION

La gestion des risques se dveloppe aujourdhui trs rapidement dans lunivers bancaire. Elle couvre toutes les techniques et les outils pour mesurer et contrler les risques. Le risque de crdit se dfinit comme le risque de pertes conscutives au dfaut dun emprunteur face ses obligations, ou la dgradation de sa solidit financire. arado!alement la gestion du risque de crdit, le plus ancien de tous les risques, est celle qui est appele se dvelopper le plus aujourdhui. Les banques dveloppent effectivement des modles internes de mesure de le!position au risque sur leur portefeuille de crdit aprs avoir adopt des modles "#$ pour les risques de march. Lenjeu de ces modles est de quantifier les fonds propres quelles doivent possder face le!position globale de leur portefeuille et du niveau de risque quelles souhaitent conserver. Le sujet est dautant plus actuel que le comit de %ale vient dannoncer la mise en place dun nouveau ratio qui remplacerait le ratio &oo'e en ())* .&e ratio proposerait une approche rellement nouvelle, avec plusieurs options. une option standard, dans laquelle les +, du ratio se dcomposeraient en -, affects au! risques de crdit .,-,au! risques oprationnels, et ),*, au! risques de march. &ette approche reprendra les notations e!ternes des agences et des banques centrales une approche dite /foundation0, qui permettra au! banques davoir recours, en partie, leurs modles internes dvaluation du risque de crdit, des lors quils seront avaliss par les autorits de rgulation nationale une option /advanced0 prendra en compte e!clusivement les modles des banques, encore une fois aprs quils ont t certifis par la banque centrale. Les banques dotes des procdures internes dvaluation les plus sophistiques 1 gagneront une plus grande libert pour valuer leurs besoins de fonds propres. 2ans une premire partie nous tudierons les modles dvaluation du risque de crdit bass sur la "#$ puis nous anal1serons deu! autres modles, lun dvelopp par &rdit 3uisse 4inancial roduct, &redit$is'5, et lautre dvelopp par 6c 7inse1, &redit ortfolio"ie8. 9ous terminerons par une comparaison entre ces modles puis nous donnerons des e!emples dapplication

I : les modles bass sur la VAR


A : La VAR applique au risque de crdit Lintr:t de lvaluation du risque par la mthode de la "#$ repose sur le principe suivant. ;l sapplique tant au risque de march que de crdit. Les pertes futures sont divises en deu! catgories <les pertes statistiques =la mo1enne> et les dviations possibles au? del de cette mo1enne. 3i seule la premire catgorie de pertes est couverte, un tablissement fera dfaut au premier franc de perte au dessus de cette mo1enne, or les pertes potentielles nont aucune raison d:tre gales au! pertes mo1ennes, il sagirait dune co@ncidence. Le problme est donc de disposer dun capital suffisant qui permet de couvrir les dviations dfavorables des pertes observes au del de la mo1enne. Le principe de dtermination dune "#$ est simple. La relation entre une valeur possible et ses chances de survenir est une distribution de probabilit. "o1ons dans le!emple suivant le mode de calcul dune "#$ pour risque de crdit Ane perte potentielle est caractrise par deu! chiffres <sa valeur et la probabilit de dpasser cette valeur. 3upposons quune banque dtienne un portefeuille de .))) dont le rating mo1en est #.Les statistiques de dfaut associs ce rating sont < un tau! de dfaillance mo1en de ., et une volatilit annuelle de ce tau! dans le temps de .,B,. La volatilit traduit linstabilit temporelle des dfaillances. La casse statistique sera de ., de lencours , soit .). La volatilit des pertes pour dfaut sera de .,BC.))) soit .B Dn suppose que la perte en cas de dfaut est de .)),, cest dire quil n1 a aucune rcupration. Dn estime ensuite que la distribution de probabilit des pertes suit une loi normale, ce qui implique les rsultats suivants < ;l 1 a (,B chances sur .)) pour que les pertes dpassent .,E- fois la volatilit. 2ans notre e!emple, les pertes potentielles au seuil de tolrance de (,B, sont donc de .,E-C.BFG) Le capital ncessaire la couverture de ce portefeuille sera donc de G) selon le modle de la "#$. B : Le modle Credit etrics de !" or#a$ :

&r en .EEH, ce modle est le prcurseur et aussi la rfrence en matire de modle interne dvaluation du risque de crdit. ;l sinscrit dans lapproche de 6erton, et il apprcie le risque de crdit dun portefeuille global travers deu! facteurs qui sont le risque de dfaut de la contrepartie proprement parler, et le risque de dgradation de la qualit de la crance. &e deu!ime facteur est caractris par la mise en Iuvre dune matrice de transition, qui donne les probabilits de transition dun rating un autre pour un horiJon donn. &est donc un modle / 6ar' to 6ar'et 0. &e modle cherche calculer une "a$ de crdit, cest dire la perte potentielle ma!imale sur un portefeuille de crances pour un horiJon et un intervalle de confiance donns. Les changements de qualit des contreparties sont suivis au travers des notations internes et des notations e!ternes cest dire celles des agences de rating, et plus

particulirement des migrations dune notation une autre. Le modle ne se limite pas au cas oK la contrepartie fait dfaut. &ontrairement la "a$ de march, la "a$ de crdit ne suit pas une loi 9ormale, mais prsente une queue de distribution plus paisse ce quon appelle / fat tails 0, cest dire une probabilit non nulle de pertes importantes. ;l nest donc pas possible de caractriser entirement la distribution laide de lesprance et de la variance.

MMMM < "a$ =risque de march> ? ? ? ? < "a$ =risque de crdit>

ertes

Nains

. < Le risque associ a chaque instrument financier our estimer le!position dun portefeuille de crdits, &redit6etrics distingue cinq catgories dinstruments financiers intgrant le portefeuille et donne le!position relative ces instruments < Les effets de commerce Les obligations et les pr:ts Les lignes de crdit Les lettres de crdit Les instruments dont le cours est fi! par le march, tels que les s8aps, for8ards et 4$#. &redit6etrics est un logiciel qui donne pour rfrentiel cinq catgories dinstruments financiers. Lutilisateur devra convertir lensemble des actifs =ainsi que leur e!position au risque de crdit> de son portefeuille, de manire reclasser tous ces actifs dans le rfrentiel dfini par &redit6etrics. ;l faut calculer alors la valeur de march du portefeuille. ( <La volatilit de la valeur de chaque instrument en fonction des migrations 2une part, il faut collecter des donnes des agences de rating permettant de construire des matrices de transition, qui indiquent pour chaque notation, la probabilit de passer chacune des autres notations possibles au cours dune anne. &es matrices sont des mo1ennes construites partir de donnes historiques, et ne refltent donc pas linfluence des c1cles conomiques sur les probabilits de transition. &eci constitue une limite au modle &redit6etrics. ;l faut galement signaler, nous le verrons plus tard quil e!iste galement cot de ce rating e!terne un rating interne propre au! tablissements de crdits. Leur caractre statique est dautant plus prjudiciable quun changement de notation semble accroLtre la probabilit de migration ultrieure. ;l e!iste donc une d1namique des migrations qui nest pas prise en compte par le modle.

2autre part, il faut valuer le changement de valeur induit par une migration dune note une autre. &e changement dpend du tau! de recouvrement en cas de dfaut et de limpact dune migration sur la valeur du contrat. Le tau! de recouvrement dpend lui m:me du niveau de priorit =/ seniori1 0> attach la crance considre. Ane fois de plus, les agences de rating ou le rating interne des banques fournissent des statistiques historiques, mais qui sont affectes comme nous lavons vu dune forte volatilit. &est pourquoi lcart t1pe du tau! de recouvrement est intgr comme un input. Le problme est que ces donnes sont largement fondes sur les statistiques des faillites bancaires au! Etats?Anis et cela introduit un biais, car elles ne refltent pas forcment la composition de tous les portefeuilles et de toutes les lgislations nationales en matire de faillites. Enfin, il faut combiner la probabilit de transition et le changement de valeur en cas de transition, afin dobtenir la distribution de la valeur de chaque instrument et donc la distribution de la valeur du portefeuille, et plus prcisment son esprance et sa variance. G <Les corrlations entre les diffrents instruments permettent dvaluer la volatilit de la valeur du portefeuille Le rating des diffrentes contreparties lhoriJon dun an est en partie corrl en raison de la sensibilit des ratings au! m:mes facteurs macroconomiques. Ooutefois, les donnes concernant les corrlations entre deu! vnements =migration ou dfaut> sont rares et donc peu fiable statistiquement. our contourner cet obstacle, &redit6etrics adopte une approche fonde sur les corrlations entre les pri! des actions. Dn peut considrer par h1pothse que ces pri! intgrent les anticipations des acteurs du march. ;ls ont lavantage d:tre disponibles pour un grand nombre de contreparties et de longues sries chronologiques. Les corrlations entre les volutions de notation de crdit sont obtenues partir dun modle reliant les actifs nets de la contrepartie au! changements de notation de crdit. &e modle est directement inspir de celui propos par $. 6erton, qui considre la valeur dune crance comme une option. 3i lon considre que la valeur dune entreprise suit une distribution donne, et que la valeur des dettes de lentreprise est constante, on peut identifier le dfaut comme le moment oK les actifs de lentreprise deviennent infrieurs au! dettes. ;l est possible de dduire ds lors, la probabilit de dfaillance de lentreprise partir de la volatilit de la valeur de ses actifs. &ette volatilit va dterminer la probabilit conjointe de dfaut de deu! contreparties < une corrlation positive entre la valeur des actifs devrait se traduire par une corrlation positive des probabilits de dfaut respectives de ces deu! contreparties. 4inalement, ce modle permet de relier la valeur de la contrepartie son rating. 2onc, pour estimer les corrlations entre les notations de crdit des diffrentes contreparties et donc les probabilits de migration, il faut estimer les corrlations entre la valeur des actifs des contreparties, ce qui peut :tre effectu par lintermdiaire du cours des actions. #fin de limiter la taille des matrices de corrlation, &redit6etrics propose de caractriser chaque contrepartie en fonction du secteur et du pa1s qui sont les plus susceptibles de dterminer son niveau dactivit. La pondration de chaque secteur et de chaque pa1s est laisse linitiative de lutilisateur. La composante du risque spcifique chaque contrepartie est prise en compte galement. La taille de la matrice de corrlation est ainsi limite au nombre de pa1s et de secteurs de lconomie que lutilisateur a retenu.

valeur de march

la valeur future des actifs est suppose :tre normalement distribue valeur de march des actifs valeur des dettes . an temps la probabilit de dfaut est dtermine par la distribution de la valeur des actifs

$emarque < le modle doit inclure les corrlations entre les crdits, cest dire les corrlations entre les probabilits de dfaut et les corrlations entre les changements de notes. En effet, de nombreu! dbiteurs peuvent :tre affects sur une m:me priode par les m:mes facteurs favorables ou dfavorables =croissance ou rcession conomique par e!emple>, de telle sorte que les gains ou les pertes potentiels sur les crdits sont probablement corrls de faPon positive. 6ais tous les dbiteurs ne font pas dfaut en m:me temps, de sorte que la corrlation peut :tre ngative. ;l faut donc prendre en compte les effets de la diversification du portefeuille. * <Les rsultats du modle Lorsquon veut calculer la "#$ de crdit, un problme se pose. La distribution des gains et des pertes nest pas asseJ importante. our cela, on utilise une simulation de 6onte &arlo calibre sur les rsultats obtenus =la distribution quon a obtenu>, de manire gnrer une distribution plus grande et surtout plus significative. Dn obtient une distribution finale des gains et des pertes potentiels et donc une distribution des valeurs de march possibles du portefeuille pour un horiJon donn. 6algr le fait quen pratique cette distribution soit caractrise par un phnomne de / fat tails 0 cest dire quil 1 a une certaine as1mtrie entre les gains et les pertes, il faut considrer par h1pothse que la distribution est normale. &est donc une h1pothse forte qui est introduite, car la loi de probabilit suivi par la distribution nest pas rellement connue. #u final, la "a$ de crdit ainsi calcule peut :tre compare au capital de la banque dtentrice du portefeuille. Dn peut alors dfinir un intervalle de confiance ou plutt un seuil de confiance adquat = EB,, EE,, ou EE,EE,>, cest dire la probabilit avec laquelle les pertes lies au risque de crdit peuvent dpasser le capital disponible, mettant en danger la solvabilit de la banque. EQ < 3i la "a$ EE, est de G)) millions de R . an, cela signifie quil 1 a EE, de chances lhoriJon dun an que la perte ma!imale sur le portefeuille de crdit soit de G)) millions de R. 2ans la m:me famille que &redit6etrics il e!iste galement un autre modle, celui dvelopp par 76", nomm ortfolio 6anager, qui raisonne galement en terme de dfaut et de dgradation de la qualit dun crdit, due un changement de notation. En dernier lieu, &redit6etrics ncessite de nombreuses statistiques pour les matrices de transition. Elles sont tablies par le rating e!terne et interne que nous allons prsent tudier. C : Ncessit d%u$ rati$# e&ter$e et i$ter$e

. < Le rating e!terne La notation financire est aujourdhui le passage oblig de toute mission obligataire, tant sur les marchs de capitau! traditionnels que sur les marchs mergents. &ette notation consiste en une apprciation, par une agence indpendante, du risque de dfaillance de lemprunteur . Les agences attribuent, au moment du lancement dune mission, une note faisant lobjet dun suivi rgulier, jusquau remboursement. Leur dcision se fonde en partie sur des informations publies sur lmission, lentreprise, le conte!te conomique et sectoriel. Les agences ont galement accs, lors de visites, dentretiens avec les principau! dirigeants, des lments dinformation plus confidentiels sur les performances, les finances, les projets et perspectives de lmetteur. Les agences de notation les plus reconnues sur le march sont 6ood1s, 3tandard and oors et 4itch?;%&#?2uff and hels. Les banques se basent sur leurs notes pour apprcier les probabilits de dfaut des metteurs car ces notes sont publiques , cest lmetteur lui?m:me qui pa1e les agences notation. ;l nest donc pas ncessaire que les banques valuent par elle m:me le risque de ces entreprises car dune part, cela leur reviendrait cher alors que linformation est gratuite, et dautre part la fiabilit des notes de ces agences est reconnue par tous. Le problme se pose diffremment en ce qui concerne les entreprises de taille plus modeste qui ne sont pas notes par ces agences. En fait, seulement .B, des entreprises europennes sont notes par des agences de notation ,ce qui montre la ncessit pour les banques dtablir un s1stme de rating interne performant ( < Le rating interne &es notations internes valuant le degr de risque des contreparties proviennent dvaluations effectues par les banques selon diffrentes mthodes classiques, dont le scoring et lanal1se financire. a : Lanalyse discriminante ou scoring Lanal1se discriminante est une technique danal1se financire de prdiction des dfaillances dentreprises, base sur les ratios financiers et conomiques . &ette technique est apparue au! Etats?Anis dans les annes -) et est associe au nom du professeur #ltman. 3on modle sest vite rpandu en senrichissant de quelques amliorations et est beaucoup plus connu sous le nom de / &redit scoring 0 Le modle du scoring s1nthtise un ensemble de ratios pour parvenir un indicateur unique qui permet de distinguer les entreprises saines des entreprises dfaillantes . 3ur un ensemble de n entreprises divis en deu! sous ensembles =entreprises saines et entreprises dfaillantes> , on mesure ' ratios et on construit une variable S, combinaison linaire de ces ratios, telle que les valeurs prises par cette variable soient les plus diffrentes possible dun sous?ensemble lautre. Le score se!prime ainsi < SFa.$.5 b.$(5 c.$G5 d.$*5 e.$B

&haque coefficient a, bTreprsente une pondration. &es scores , lorsquils sont levs, reprsentent une situation satisfaisante, et un risque de dfaillance quand ils sont faibles. La combinaison S possde donc un pouvoir sparateur le robuste entre les entreprises dfaillantes et saines, mais il e!iste une Jone de recouvrement entre les deu! sous ensembles qui peut entraLner des erreurs. La variable S devra donc comporter des ratios dont on sassure de lindpendance statistique. An nombre e!tr:mement important dtudes a t men sur ce sujet, qui ont propos des formulations diffrentes des scores. 9ous avons retenu dans cette tude deu! dentre elles ,la formule originale d#ltman et celle de la %anque de 4rance. 4ormule d#ltman S F .,(.Q. 5 .,*.Q( 5 G,G.QG 5 ),-.Q* 5 ),E.QB #vec < Q.F fond de roulement U actif total Q(F rservesU actif total QGF E%EU actif total Q* F fonds propresU actif total QBF &#U actif total #ltman dtermine une valeur critique SF(,-HB V ce qui lamne la conclusion suivante < 3i S W (,-HB, lentreprise est considre comme dfaillante 3i S X (,-HB, lentreprise est considre comme saine 4ormule de la %24 .))S F ? .,(BB Q. 5 (,))G Q( Y ),+(* QG 5 B,((. Q* Y ),-+E QB Y .,.-* Q- 5 ),H)- QH 5 .,*)+ Q+ Y +B,B** #vec < Q.F frais financiersU E%E Q(F ressources stables < actif conomique QGF &# < endettement Q*F E%E < &# ZO QBF dettes commercialesU achats OO& Q-F tau! de variation de la valeur ajoute QHF = stoc's 5 &L;E9O3 Y avances clients>U production OO& Q+F investissements ph1siquesU valeur ajoute 3i SX),.(B < lentreprise est normale 3i SW ?),(B) < lentreprise a des caractristiques comparables celles des entreprises dfaillantes durant leurs dernires annes dactivit. 3i Y),(B)W S W),.(B < lentreprise est en Jone dincertitude La %24 fait un lien entre les scores et les probabilits de dfaillance de lentreprise <

;ntervalle de score S robabilit de dfaillance 3ur G ans

?.,+HB G),*,

?),+HB .-,H,

?),(B ?.,.(B H, G,(,

5),-(B 5.,(B .,+, ),B,

La mthode des scores permet dobtenir rapidement une premire indication sur le degr de vulnrabilit dune entreprise, 6ais cest une mthode dvaluation des risques toutefois trs limite, dont le principal dfaut est d:tre une anal1se statique , une photographie en quelque sorte de la situation dune entreprise un instant t, et qui napporte aucune information quand au! perspectives dvolution de cette entreprise. &est pourquoi cette technique doit :tre utilise avec dautres mthodes danal1se et notamment un diagnostic financier classique. b : Lanalyse financire classique ;l sagit dvaluer la sant financire de lentreprise partir de tous les documents dont dispose la banque. Elle est effectue dans les banques par les anal1stes crdit. 9ous ne rentrerons pas dans le dtail, dans le cadre de cette tude, des mthodes danal1se financire, mais il est important de bien noter que cette anal1se sera oriente vers une valuation du risque de dfaillance de lentreprise. Dn peut dans lensemble la dcomposer en plusieurs tapes < 2tection des points de risque dans le bilan #nal1se du 4$ et du %4$ Etude de ratios indicateurs du risque dinsolvabilit #nal1se du tableau de financement rvision de lvolution de la trsorerie ;l peut :tre intressant deffectuer un diagnostique stratgique de lentreprise afin dtudier son attitude face au risque. En effet plusieurs attitudes sont possibles< rendre en charge le risque 3ouscrire des assurances Oransfrer le risque sur dautres agents conomiques =e!< sous?traitance> &ette anal1se dtaille de lentreprise, complte par dautres mthode valuation du risque de dfaillance comme le scoring permettent au! banques de mettre en place un s1stme de rating interne &e rating leur sert valuer les montants des lignes de crdit quelles accorderont chaque client en fonction du degr de!position au risque quelles dsirent obtenir.

II :

odles complme$taires d%'aluatio$ du risque Crdit

armi les modles dvaluation du risque crdit, ce jour, les plus performant et les plus utiliss, figurent les modles &redit$is'5 =dvelopp par le &rdit 3uisse> et &redit ortfolio"ie8 =dvelopp par 6c 7inse1>. Le premier a pour but dapprhender le risque de dfaut seul, selon une approche commune celle de la "#$ utilise dans le modle de &redit6etrics. Le second propose en revanche une approche radicalement diffrente puisque base sur des facteurs macro?conomiques, bien que, comme le &redit6etrics, cherchant valuer la perte potentielle rsultant des risques de dfaut et de dgradation dune crance, toujours selon le principe de la "#$. &ontrairement &redit6etrics, ces deu! modles calculent une "#$ dans le sens dune perte potentielle, mais ce calcul sinscrit dans une autre mthodologie que celle de la "#$ classique. A : Credit "ort(olio Vie) * c +i$se,Loriginalit de cette approche rside dans la construction dun modle de prvision du risque s1stmique de dfaut. La probabilit de dfaut est alors directement corrle lvolution de variables macro?conomiques. Le modle se compose donc en deu! parties < le modle dvaluation du risque s1stmique, qui dcrit la probabilit de dfaut et de migration de lenvironnement conomique, et une mthode qui vise tabuler la distribution des pertes dun portefeuille en fonction de lvolution de ce risque s1stmique plutt quen fonction de donnes mo1ennes dagences de rating, calcules sur de nombreuses annes et ne refltant donc pas forcement la position de lconomie dans le c1cle de croissance. Le modle suppose que le!position lie chaque transaction a dj t calcule et fait donc partie des donnes disponibles. &omme la plupart des modles dvaluation du risque crdit, &redit ortofolio"ie8 repose sur le calcul de deu! statistiques servant caractriser la distribution des pertes < Lesprance des pertes =e!pected losses> ou mo1enne de distribution < elle permet dvaluer les provisions quil est ncessaire de constituer pour faire face au! pertes anticipes. Le capital ncessaire pour faire face au risque de crdit =credit ris' capital Y &$&> < il peut :tre dfini comme la perte ma!imale du portefeuille pour un intervalle de confiance et un horiJon donns. En outre le &$& doit permettre dapprhender les co[ts lis chaque transaction, et donc la contribution au risque global de chacune dentre elle =cette contribution pouvant alors :tre intgre dans le calcul de la tarification associe chaque transaction>.

. < Dbservations relatives la modlisation du risque s1stmique a : La diversification du portefeuille rduit lincertitude qui affecte les pertes : &ette observation est empiriquement bien reconnue, et est la base de la thorie de gestion des portefeuilles. 3tatistiquement, elle permet de rduire la variance =ou incertitude> des pertes. En thorie, la diversification optimale dun portefeuille doit permettre dannuler tout risque, e!cept le risque s1stmique, et donc de rendre nulle la variance des pertes. &ependant la diversification dun portefeuille de crance se fait souvent vers de nouveau! marchs oK la qualit intrinsque des contreparties est moindre.

b : Le risque systmique &e risque, non diversifiable est li la volatilit du niveau gnral du tau! de dfaut, plutt qu la volatilit de la dfaillance de chaque contrepartie =pour un portefeuille bien diversifie>. Tau& de d(ailla$ce des empru$teurs de $i'eau . speculati'e #rade /
12% 10% 8% 6% 4% 2% 0% 1970 1972 1974 1976 1978 1980 1982 1984 1986 1990 1994 1988 1992 1996

Le graphique ci?dessous, montre bien que le tau! de dfaillance des emprunteurs de niveau / speculative grade 0 varie considrablement dune anne sur lautre, et que donc, la variance des pertes nest pas nulle en pratique. c : Le risque systmique est dtermin par les variables macro-conomiques Ohomas \ilson =.EEH> a montr que les variables macro?conomiques e!pliquaient la plus grande part de la volatilit des tau! de dfaut mo1ens. ;l a modlis les tau! de dfaillance des contreparties de moindre qualit =/ speculative grade 0> laide dune fonction Logit. La variable dpendante pj.t est donc le tau! de dfaillance, tandis que la variable e!plicative 1 j.t est un indice composite spcifique chaque pa1s j, calcul partir de variables macro? conomiques. pj.t F .U =.5e!p=1j.t>> Le choi! dune fonction Logit plutt que dune fonction linaire ou e!ponentielle se!plique par le fait quelle permet dobtenir une probabilit p comprise entre ) et ., quelle que soit la valeur de lindice 1. En outre, le coefficient de rgression $], qui mesure la part de la volatilit totale e!plique par le modle atteint plus de E), pour la plupart des pa1s du NH, lors de lutilisation dune fonction Logit. Les rsultats obtenus sont donc bien meilleurs quavec une fonction linaire ou e!ponentielle. 3eul les Etats?Anis =$] F+(.-,> et le $o1aume?Ani =$] F -B.(,> obtiennent des coefficients de rgression plus faible, dus selon lauteur la taille de son conomie pour lune, et louverture de son conomie pour lautre. ;l reste dfinir lindice composite 1j.t qui mesure ltat de sant de lconomie. ;l est construit partir de variables telles que le tau! de croissance du ;%, le niveau de chmage, les tau! dintr:tsT Empiriquement, on constate quil suffit davoir recours trois variables e!plicatives diffrentes dans la plupart des cas, en raison de la colinarit des autres variables. 1j.t F bj.) 5 bj.. Q j...t 5 b.j.( Q j.(.t 5 b.j.G Q j.G.t 5 v j.t

.)

oK <

1j.t est lindice macro?conomique spcifique au segment j et linstant t. 9ous verrons plus bas que le segment dsigne la fois le pa1s et le secteur conomique. bj est lensemble des paramtres estimer pour chaque segment j. &eci est effectu par la mthode des moindres carrs ordinaires. Q j..t est lensemble des variables e!plicatives linstant t pour chaque segment j. v j.t est un bruit blanc < v j.t ^ 9=),j>. &est ce terme derreur qui introduit un risque spcifique chaque segment.

d : Les diffrents secteurs conomiques ne ragissent pas de la mme faon au cours du cycle conomique &ertains secteurs sont plus sensibles au! variations de la conjoncture que dautres. e : Les migrations des notations des agences de rating voluent au cours des cycles Oout comme les dfaillances dentreprises, les migrations la baisse des notations sont plus nombreuses dans une phase de rcession. Le point de dpart du modle est alors une matrice de transition 6 inconditionnelle, cest dire donnant la probabilit mo1enne de migration au cours dun an. &ette matrice est inconditionnelle car elle est calcule partir de nombreuses annes de donnes, quel que soit le secteur ou le pa1s < les probabilits varient donc, comme les ratings, en fonction du risque conomique seul. ;l sagit par la suite de transposer cette matrice inconditionnelle en matrice conditionnelle 6=pt U p>, cest dire fonction du tau! de dfaut courant des contreparties de t1pe / speculative grade 0. En effet, &redit ortofolio"ie8 repose sur la corrlation qui e!iste entre les migration et ce tau! de dfaut. 3i le rapport =p t U p> entre le tau! de dfaut courant et le tau! mo1en est suprieur . =cest dire sil 1 a plus de dfauts quen mo1enne>, les probabilits de la matrice de transition seront plus leves du cot des baisses de notations et des dfauts que pour la matrice mo1enne inconditionnelle. ( < &onstruction du modle de risque s1stmique a : Caractrisation de ltat de lconomie Les variables macro?conomiques servant caractriser ltat gnral de lconomie sont modlises sous la forme suivante < Qj.i.t 0 '.i..) 5 '.i... Qj.t?. 5 '.i..( Qj.t?( 5 .j.i.t DK < Qj.i.t est la valeur de la ime variable macro?conomique pour le segment j la date t. '.i..j =j F . G> < G constantes estimer pour chacune des i variables macro? conomiques .j.i.t le terme derreur, qui suit une loi 9ormale 9=),j>. Les paramtres constants ' sont estims partir de donnes historiques. Dn constate que les erreurs sont corrles, ce qui rend ncessaire lvaluation de la matrice de covariance des termes derreur < ^ 9=),> oK est la matrice variance covariance de b : Construction de lindice de dfaut de chaque segment La modlisation des variables pour but de dterminer leur volution et de permettre ainsi la construction dun indice 1j.t reprsentatif de la sant de lconomie de chaque segment de j. La

..

probabilit de dfaut des metteurs de niveau / speculative grade 0 est ensuite calcule laide de la fonction Logit. c : abulation des indices en fonction des probabilits de dfaut cumules # partir des matrices de transition conditionnelles . an, il est possible dobtenir la matrice de transition cumule pour t annes en faisant le produit des t matrices annuelles < 6t F iF.Tt 6=pt U p> DK < pt est la probabilit de dfaut observ =tW)> oK prvue =tX)> linstant t p est la probabilit de dfaut mo1enne pour un emprunteur de niveau / speculative grade 0 Dn peut ainsi obtenir la probabilit de dfaut cumule et, plus gnralement, les probabilits de migration, pour chaque secteurUpa1s et nimporte quel horiJon, conditionnellement ltat de lconomie. d : abulation des pertes dun portefeuille en fonction de ltat de lconomie Le modle de 6c7inse1 considre le temps comme une variable discrte =. pas F . anne>. Les matrices de transition cumulatives sont donc calcules pour chaque anne, puis interpole linairement afin de tenir compte du temps au cours de chaque anne. La distribution des pertes est obtenue par un processus comparable un tirage parmi lensemble des tats de lconomie. Les probabilits de dfaut et de migration cumules sont ensuite calcules pou chacun des tats de lconomie et pour chaque secteur de lconomie, ces probabilits tant alors indpendantes par rapport au! autres et ne dpendant que de ltat de lconomie et du secteur dactivit. Enfin, gr_ce lh1pothse dindpendance des tats de lconomie, le modle agrge ces probabilits conditionnelles = ltat de lconomie> en distribution des pertes non conditionnelles. 3i chaque segment est asseJ diversifi, le risque de ce segment tendra vers le seul risque s1stmique, et la distribution des pertes de ce segment convergera vers la distribution induite par lindice calcul pour ce segment. En raison de la loi des grands nombres, la distribution des pertes de lensemble du portefeuille convergera vers la pertes mo1enne anticipe pour ltat de lconomie effectivement atteint. Les limites du modle reposent notamment sur le!istence de transactions =s8ap par e!emple> dont le!position varie au cours du temps et qui ncessite de dterminer la date de dfaut pour valuer la perte . &e t1pe de transactions imposent de calculer des probabilits de dfaut marginales, cest dire pour chaque anne successivement =et non pour une seule anne>. En outre de nombreu! instruments financiers pouvant :tre liquides au jour le jour, les variations de leur valeur doivent :tre prises en compte au jour le jour =mar' to mar'et>. &ette valeur peut :tre affecte par un abaissement U une amlioration de la notation de la contrepartie, et cest pour cela que le modle 6c7inse1 sattache prendre en compte et modliser le risque de migration =et non le seul risque de dfaut>, tout en ne prcisant pas comment calculer la corrlation entre probabilit de dfaut et probabilit de migration.

.(

B : Le modle CreditRis12 de Credit 3uisse Les modles de risque de crdit sont de deu! t1pes < La premire approche sappuie sur le!istence de marchs secondaires et la possibilit de rvaluer en permanence chaque transaction =/ mar'?to?mar'et 0>. ;l est alors ncessaire de prendre en compt lvolution de la valeur de chaque instrument en fonction de lvolution de la qualit de crdit de la contrepartie. &ela est gnralement ralis gr_ce une matrice de transition, qui donne les probabilits de transition dun rating un autre pour un horiJon donn. &ette approche est retenue par les modles &redit ortfolio "ie8 de 6c 7inse1 et &redit6etrics de ` 6organ e!amins dans les sections prcdentes. La seconde se limite au! cas oK la contrepartie fait dfaut au cours de lhoriJon de modlisation. 3eules deu! alternatives sont envisages < dfaillance ou non?dfaillance. 3il n1 a pas dfaillance au cours de lhoriJon considr, cette approche considre quil n1 a pas de perte de / crdit 0. Elle sapplique bien au! portefeuilles de pr:ts bancaires, qui sont en gnral illiquides et dtenus jusqu maturit. 2ans ce conte!te, la valeur dun pr:t est gale sa valeur comptable. &est cette approche qui est retenue par le modle &redit$is'5 prsent ci?aprs. . < O1pe de modle et donnes ncessaires a : Le type de modle La corrlation que lon constate entre les probabilits de dfaut est souvent le rsultat dun lien commun avec une troisime variable, telle que ltat de lconomie. Les effets de cette corrlation sont intgrs indirectement dans le modle de &redit 3uisse, au travers de la volatilit des probabilits de dfaut. #insi, les corrlations apparaissent comme un / output 0 du modle plutt quun / input 0. &redit$is'5 ne cherche donc pas modliser les causes de dfaut. &omme pour lvolution des pri! dans un modle de risque de march, les tau! de dfaillance sont considrs comme des variables alatoires continues. Lincertitude concernant le niveau des probabilits de dfaut est prise en compte au travers de la volatilit des probabilits de dfaut. Les modles cherchant driver les probabilits de dfaut des variables macroconomiques prsentent linconvnient de ne pas pouvoir :tre tests, en raison du faible nombre de dfauts. 2e plus, il est peu probable que la relation entre variables macroconomiques et probabilit de dfaut reste stable au cours de plusieurs annes. &redit$is'5 est un modle qui se limite la modlisation de la probabilit de dfaut, sans tenir compte des consquences dune dtrioration de la qualit de la contrepartie, cest dire dune / migration 0 dune notation une autre. En effet, deu! t1pes de risque de crdit sont distingus < le risque de / spread 0 et le risque de dfaut. &est ce dernier risque que cherche modliser &redit$is'5. &est partir des pri! de march des obligations et des actions, qui refltent les anticipations des investisseurs quant la qualit de la contrepartie, que la probabilit de dfaut dune contrepartie est estime. 2e ce fait, cette probabilit peut :tre considre comme une variable alatoire continue. our caractriser la distribution de la probabilit de dfaut, il faut alors disposer de lesprance et de la variance de la probabilit de dfaut de chaque contrepartie.

.G

b : Les donnes requises par le modle sont les suivantes Le montant e!pos au risque de crdit Les probabilits de dfaut de chaque contrepartie Les volatilits =cart?t1pes> de ces probabilits de dfaut Les tau! de recouvrement en cas de dfaut.

( < Le modle La probabilit de dfaut est reprsente par une loi de oisson car il 1 a un risque de dfaut de la part dun grand nombre de contreparties mais la probabilit de dfaut de chaque contrepartie est faible. our obtenir la distribution des pertes, il faut intgrer la perte en cas de dfaut pour chacune des contreparties. &ontrairement la variation de la probabilit de dfaut entre les contreparties, qui ninfluence pas la distribution du nombre total de dfauts, la variation de le!position se traduit par une distribution des pertes qui nest pas de t1pe loi de oisson en gnral. #fin de limiter le nombre de donnes ncessaires, deu! tapes sont distingues < - le!position ajuste en fonction du tau! de recouvrement anticip, de faPon calculer la perte en cas de dfaut, - les e!positions, nettes du tau! de recouvrement, sont regroupes selon des classes de!position correspondant chacune un niveau de risque. Le niveau de!position lintrieur de chacune de ces classes est appro!im par la mo1enne de la classe. a : Le risque de concentration Lapplication la plus simple de &redit$is'5 consiste affecter toutes les contreparties un seul secteur. &ela revient supposer quun seul facteur s1stmique affecte la volatilit de la probabilit de dfaut de chaque contrepartie. 6ais il est galement possible de considrer que la probabilit de dfaut de chacune des contreparties est influence par plusieurs facteurs simultanment. &haque contrepartie sera alors / rpartie 0 sur plusieurs secteurs. lus le portefeuille sera diversifi, moins il 1 aura de contreparties dans chaque secteur. b : Le capital conomique # linstar du &$& du modle &redit ortfolio "ie8, la volatilit des pertes se traduit par des pertes non?anticipes. &elles?ci seront couvertes par le / capital conomique 0. La connaissance de la distribution des pertes permet de dterminer le niveau du capital e!pos au risque de dfaut en dtenant un portefeuille donn. Le capital conomique sera dtermin en fonction de lintervalle de confiance avec lequel lentreprise qui dtient ce portefeuille souhaite travailler. Le modle permet de dterminer le niveau des provisions ncessaires pour couvrir les pertes mo1ennes au cours de plusieurs annes. ;l permet galement damliorer la gestion du portefeuille, en dterminant la contribution de chaque transaction au risque total. Le plus souvent, quelques transactions sont responsables dune proportion importante du risque total. ;l est alors possible de minimiser le!position ces contreparties, soit en liquidant la position, soit en a1ant recours lun des procds suivants < - 4aire appel des garanties =collatrisation> rocder une titrisation =transformation dactifs en obligation>

.*

Atiliser des drivs de crdit, afin de se sparer du risque de contrepartie tout en conservant la relation avec son client.

4inalement, quelles que soient les h1pothses retenues =corrlation nulle ou calcule, tau! de recouvrement> les rsultats des trois modles de portefeuille sont convergents. 2e plus, le fait que le capital allouer calcul par les modles dpasse celui recommand par les rgles du comit de %_le montre quen dpit de leur caractre conservateur, ces rgles peuvent ne pas :tre suffisantes pour se protger correctement du risque de crdit.

.B

III : Approc4e pratique des modles d 5'aluatio$ du risque crdit


A : Comparaiso$ des rsultats obte$us par les modles L;nternational 38aps and 2erivatives #ssociation =;32#> sest livre une simulation des modles &redit6etrics, &redit$is'5 et 3%& #&$# pour la comparer au! rgles en vigueur avant la refonte du ratio &oo'e. Les modles ont t tests sur un horiJon dun an est un intervalle de confiance de EE,. Les pr:ts sont supposs accords des entreprises et sont donc affects dune pondration de .)), par les rgles prudentielles alors en vigueur. &e dernier point amplifie grandement les diffrences de rsultats obtenus par les rgles prudentielles et les modles dont la pondration diffre de .)),. 3oit trois portefeuilles dune valeur de --.G milliards de dollars chacun < ortefeuille # < diversifi =B)) contreparties> et de bonne qualit ortefeuille % < diversifi =B)) contreparties> et de mauvaise qualit ortefeuille & < peu diversifi =.)) contreparties> et de bonne qualit Corrlation calcule par le modle! tau" de recouvrement nul ortefeuille # BG)* ((-* .-G+ .GHG #llocation en capital ortefeuille % BG)* ..*G.)))) E-B* ortefeuille & BG)* (E*. (BH* (G--

$gles de %_le =.E++> &redit6etrics &redit$is'5 3%& #&$#

Corrlation calcule par le modle! tau" de recouvrement #$% &avec certitude' ortefeuille # BG)* ..G( +.E -+#llocation en capital ortefeuille % BG)* BH.+ B))) *+(H ortefeuille & BG)* .*H. .(+H ..+G

$gles de %_le =.E++> &redit6etrics &redit$is'5 3%& #&$#

Corrlation nulle! tau" de recouvrement nul ortefeuille # BG)* HHH H+E H-H #llocation en capital ortefeuille % ortefeuille & BG)* BG)* .E+E ()EG ()H* ()() .E)H .E-H (ource : )(*+! mars ,--.

$gles de %_le =.E++> &redit6etrics &redit$is'5 3%& #&$#

Dn observe tout dabord que les effets positifs lis la diversification sont trs visibles. #insi le portefeuille & est s1stmatiquement plus risqu que le portefeuille #. Limpact de la qualit des contreparties =# et %> est encore plus sensible.

.-

auelles que soient les h1pothses choisies, on observe que les rsultats des trois modles sont convergents. En toute logique, lorsque la corrlation entre les probabilits de dfaut nest pas suppos nulle mais calcule par le modle, leffet de la mauvaise qualit du portefeuille % est trs nettement aggrav. Enfin le fait que le capital allou par les modles dpasse celui recommand par les rgles de %_le montre quen dpit de leur caractre conservateur, ces rgles peuvent ne pas :tre suffisantes pour dterminer le capital allouer pour se protger correctement du risque de crdit. B : Cas pratique : approc4e du risque crdit de la B6RD Le portefeuille de la %anque Europenne pour la $econstruction et le 2veloppement est divis en deu! parties < / Oreasur1 0, qui comprend les oprations de trsorerie qui seffectuent principalement sur les marchs financiers ou de gr gr, et / %an'ing 0, qui correspond principalement au! financements de projets dans les pa1s de lEurope de lEst et de lancienne Anion 3ovitique. . < 2onnes utilises a : /"position Le portefeuille / Oreasur1 0 est largement diversifi, avec H+- transactions impliquant H* contreparties au G) septembre .EE+. Le calcul de le!position lie ces transactions de nature trs diverse =de simples achats dobligations au! oprations de gr gr, telles que driv de crdit> nentre pas dans le cadre de cette tude. Le portefeuille / %an'ing 0 comprend +-B transactions dans (- pa1s. &haque ligne de crdit fait lobjet dun engagement sign =/ commitment 0>. Le montant effectivement dbours, et donc le!position de la %anque, est cependant infrieur, dans la plupart des cas, cet engagement. &ette tude a fait lh1pothse dun tau! de!position de B), sur les montants signs mais non dbourss. Les tau! de *),, -), et .)), ont galement t utiliss afin dvaluer la sensibilit des rsultats au choi! du tau! de!position. Le!position sur les montants effectivement dbourss a t value .)), du nominal. Les chiffres de!position utiliss comme input pour ce modle sont nets des sommes recouvrables en cas de dfaut. #u total, le!position pour les transactions du portefeuille / %an'ing 0 est la suivante < b.)), de l / Dutstanding 0 5 B), =/ &ommitted 0 ? / Dutstanding 0>c ! =. Y tau! de recouvrement>c avec Dutstanding < sommes dbourss &ommited < engagements signs

.H

b : 0ating Lchelle des notations utilis par &redit 3uisse va de . =risque le plus faible> .) =perte prvisible>. Elle correspond largement au! chelles utiliss par les principales agences de rating. Le tableau suivant donne lquivalence qui a t utilise pour cette tude < $ating 6ood1s #aa #a # %aa %a % &aa &a & 2 $ating %erd . ( G * B H + E .)

c : /sprance et cart-type du tau" de dfaillance des contreparties &redit$is'5 calcule la distribution des pertes partir de lesprance et de lcart?t1pe de la probabilit de dfaut. Les donnes utiliss proviennent de 6ood1s. &e sont des donnes historiques calcules partir des observations enregistres par lagence entre .EH) et .EEH < 9otation . ( G * B H + E .) robabilit de dfaut Esprance ),)), ),)G, ),)., ),.(, .,G*, -,H+, .H,((, .H,((, .H,((, .)), Ecart?t1pe ),)), ),.(, ),)B, ),(E, .,*), B,)G, .(,-G, .(,-G, .(,-G, ),)),

d : 0partition de le"position par secteurs &redit$is'5 offre la possibilit daffecter chaque contrepartie diffrents secteurs, afin de distinguer les composantes s1stmiques des composantes spcifiques du risque. our le portefeuille / Oreasur1 0, cette option na pas t utilise car la grande majorit des contreparties relve du secteur bancaire. 2u ct / %an'ing 0, trois secteurs ont t distingus sur une base gographique en plus dune composante / spcifique 0 < Europe de lEst, $ussie et &E; en dehors de la $ussie. Les projets rgionau!, sadressant plusieurs pa1s, ont t affects intgralement au secteur / spcifique 0 =.)),>, tandis que les autres projets ont t arbitrairement / rpartis 0 entre / spcifique 0 =B),> et leur rgion dattribution =B),>. ( < $sultats
.+

a : 1ortefeuille 2 3an4ing 5 #vec lh1pothse dune e!position gale B), de la diffrence entre montant engag et montant dbours < la %E$2 tant une institution bnficiant dun rating #aa, il est souhaitable de retenir lintervalle de confiance le plus lev, correspondant au risque de dfaut dune institution #aa =infrieur ),., au cours dun an> < EE,E,. Les rsultats fournis par le modle sont donns dans le tableau ci?dessous < ;ntervalle de confiance erte mo1enne B), EB, EE, EE,E, erte =Ecus> .-H .+( -.B .-) B)) .)B (-B B(. HG( G(G )*E E.. GEE ()- G+-

3elon ce modle, la probabilit que la perte sur le portefeuille / %an'ing 0 ne dpasse pas GEE,( millions dEcus au cours de lanne est de EE,E,. #vec ldh1pothse ddune e!position gale *),, -), puis .)), de la diffrence entre montant engag et montant dbours< ldvaluation des pertes fait prcdemment faisait ldh1pothse ddune e!position gale .)), des sommes dbourses plus B), des sommes engages mais non dbourses. #fin dde!aminer les consquences de cette h1pothse sur les rsultats obtenus, les calculs ont t refaits avec les tau! de *),, -), et .)), soit ldintgralit des sommes engages. "ertes lies au risque de crdit e$ (o$ctio$ des 4,pot4ses co$cer$a$t l7e&positio$ et l7i$ter'alle de co$(ia$ce
E!position gale *), 6o1enne B), EB, EE, EE,E, .GG HH+ *+H .(+ *G. GGG (.( *-B --) (B+ *EH B.* G.E *G- )BG E!position gale B), E!position gale -), E!position gale .)), 6o1enne .-H .+( -.B 6o1enne ()) B+- H*G 6o1enne GG* (B* B), .-) B)) .)B B), .E( B-+ +HH B), G() )B* EB, (-B B(. HG( EB, G.+ BHH HE( EB, BG) ).* EE, G(G )*E *.. EE, G+H -). (E) EE, -*B (+B EE,E, GEE ()- G+- EE,E, *H+ EH- -E( EE,E, HE+ HGE ()G +** HE+ +)( )*H

3i ldon retient le niveau de confiance de EE,E,, on constate que lde!position augmente de prs de +) millions ddEcus lorsque ldon augmente de .) points de pourcentage la part des sommes =engages ? dbourses> qui contribuent lde!position totale. 3i ldon considre que lde!position porte sur la totalit des sommes engages, on peut affirmer que dans EE,E, des cas, selon ce modle, les pertes sur le portefeuille e%an'inge ne dpasseront pas HE+ millions ddEcus. 2e faPon optimale, il serait ncessaire de comptabiliser lde!position sur les montants engags mais non dbourss ldaide ddun calcul ddoption. La diffrence serait alors considre comme une option que chaque contrepartie de la %E$2 a la possibilit dde!ercer ou non.

.E

&ette modlisation ncessiterait de connaLtre chacune des transactions en dtail. 2e surcroLt, lde!position serait difficile calculer en raison de nombreuses clauses attaches au! contrats de la %E$2, qui conditionnent les dboursements la ralisation de certains objectifs, tels que ldachvement de travau!. b : 1ortefeuille 6 reasury6 Les contreparties acceptes par la %E$2 sur son portefeuille eOreasur1e sont limites au! institutions notes # ou au?dessus pour les banques, les institutions financires et les gouvernements, et ### pour toutes les autres institutions =entreprises>. &ette prudence du ct eOreasur1e sde!plique par le caractre risqu du portefeuille du ct e%an'inge. Elle se traduit par une probabilit de perte nulle sur le portefeuille eOreasur1e de +B, en raison du tau! de dfaut mo1en nul =),)),> des contreparties ###. ;ntervalle de confiance erte mo1enne B), EB, EE, EE, erte H (-+ ()+ ) BB GB) E(. .GH G*H ()) (-* .*) B)*

La quasi?totalit des contreparties de la %E$2 du ct eOreasur1e a1ant une note suprieure ou gale G, la variance du tau! de dfaut est nulle ou trs faible. c : 1ortefeuille global de la 3/0* 3i ldon intgre les deu! portefeuilles en un seul, les effets de la diversification se traduisent par une e!position qui est seulement marginalement suprieure celle du portefeuille e%an'inge seul. Les rsultats ci?dessous reposent sur deu! h1pothses successives du ct e%an'inge < une e!position sur les montants engags mais non dbourss gale B), puis .)), de ces montants. ;ntervalle de confiance erte mo1enne B), EB, EE, EE,E, ;ntervalle de confiance erte mo1enne B), EB, EE, EE,E, erte = ortefeuille global ? erte = ortefeuille e%an'inge B),> ? B),> .H* *B) (+* .-H .+(-.B .-B -E. .).-) B)) .)B (+G -*B E-G (-B B(. HG( G*+ HEE H+G G(G )*E E.. *GG (+H B+) GEE ()- G+erte = ortefeuille global ? erte = ortefeuille e%an'inge? .)),> .)),> G*. *H. *-( GG* ()G (B* G(H GBE +(( G() +** )B* B*G G*G .HG BG) HE+ ).* --) ((B *)( -*B +)( (+B +.G +H) .E* HE+ )*H HGE

()

Lde!position totale ndest gure diffrente de lde!position sur le portefeuille e%an'inge, ce qui est logique compte tenu de la qualit respective des contreparties sur chacun des deu! portefeuilles de la %E$2. C : Utilisatio$ et mise e$ place des modles d%'aluatio$ du risque crdit da$s les ba$ques 9ous avons ralis un entretien auprs dune personne a1ant travaill au sein du &&4?Z3%&. 9ous avons labor un questionnaire qui lui a t soumis. Les rsultats de celui ci sont donns ci dessous < 89 "armi les modles sui'a$ts *Credit etrics de !" or#a$: CreditRis12 de Crdit 3uisse: Credit "ort(olio Vie) de ac +i$se,-: quel est celui qui se rapproc4e le plus de 'otre modle i$ter$e d%'aluatio$ du risque de crdit ; A'e< 'ous u$e approc4e Value at Ris1 *!" or#a$-: u$e approc4e acroco$omtrique * ac +i$se,-: ou bie$ u$e approc4e e$ terme de tau& de d(ailla$ce c%est = dire u$ modle qui se limite = la modlisatio$ de la probabilit de d(aut: sa$s te$ir compte des co$sque$ces d%u$e dtrioratio$ de la qualit de la co$trepartie *le passa#e d%u$e $otatio$ = u$e autre- ; 0ponse / 9i le &&4, ni Z3%& nont de modle interne de risque de crdit. Le &&4 a un modle de / shareholder value 0 et un modle de "a$ global pour le risque de march mais rien encore pour les risque de contrepartie. Z3%& utilise des scnarios de stress pour mesurer le risque de contrepartie de son portefeuille de march pour ses salles de Londres et de Zong 7ong, mais na pas de modle global. `avais lanc en ())) un projet de mesure du risque de contrepartie via un modle de t1pe &redit$is'5 simplifi =pas de corrlation entre metteurs>, mais le primtre tait limit au portefeuille de march et le projet a t abandonn du fait de lD # dZ3%&. Les tudes qui ont t menes au &&4 se rapprochaient le plus de &redit$is'5 0. >9 ?uelles so$t bri'eme$t les di((re$tes tapes de la co$structio$ de 'otre modle i$ter$e ; 0ponse / cration dune base centrale des contreparties mondiale / mappe 0 avec toutes les bases locales V cration dune procdure de codification unifie de toutes les transactions, quil sagisse de march ou de crdit classique V historisation de tous les contentieu! et cas de dfaut constat dans le groupe 5 achat de base de donnes ou tablissement de coopration avec dautres tablissements pour mettre en commun les donnes. En attendant, les donnes 3f ou 6ood1s sont utilises =probabilits de dfaut V tau! de recouvrement V volatilits> m:me si leur pertinence pour des contreparties europennes est dmontrer V affectation de notations internes toutes les contreparties non notes, dans un premier temps sur la base dune anal1se arbitraire, en attendant davoir davantage de donnes V mesure de la consommation de fonds propres par une matrice dureUrating via un modle ultrasimple binomial en attendant mieu! 0.
(.

@9 6tes 'ous plei$eme$t satis(ait de ce modle ; ?uelles e$ seraie$t les limites #$rales ; 0ponse / La vraie difficult pour un groupe international ntant pas le choi! du modle mais bien la modlisation et la rcupration des transactions =1 compris garanties, compensations, contrats juridiques etc.> V La deu!ime difficult est la dtermination des paramtres du modle =corrlation, volatilits, tau! de recouvrement> sachant que tous les modles sont e!tr:mement sensibles ces paramtres V La troisime difficult est la confrontation entre les calculs thoriques et les pri! de march. #insi, un calcul peut conclure quil faut prendre une marge de () points de base sur un corporate #5, mais que fait?on si la pratique du march fi!e par la concurrence est de pr:ter .) points g 0

A9 ?uels outils utiliser 'ous e$ matire de rati$# i$ter$e ; ?uels so$t 'os critres de $otatio$ ; 0ponse / Lanal1se dossier par dossier, la connaissance du conte!te concurrentiel et la comparaison avec des / benchmar's 0 nots par les agences de rating ou par des logiciels de t1pe 76" 0.

B9 ?uels so$t bri'eme$t d%aprs 'ous les a'a$ta#es et les i$co$'$ie$ts des modles i$ter$es par rapport = la mt4ode sta$dard du ratio Coo1e ; 0ponse / Le ratio international de solvabilit, improprement appel ratio &oo'e, a la vertu d:tre simple comprendre et implmenter. ;l est conPu pour tous les tablissements, quils soient internationau! et sophistiqus ou petits et domestiques. ar construction, cette simplicit est contradictoire avec la multiplicit des produits issus de limagination des banquiers. Les modles internes ont la vertu d:tre plus conformes la vision / conomique 0 des risques pris. ;ls sont galement cohrents avec la faPon de prendre les dcisions en &omit de crdit et de mesurer les fonds propres internes pour la mesure de la performance et de lE"#. Le ratio de solvabilit est vcu par les grandes banques comme une contrainte rglementaire, pas comme une mesure conomique de la consommation de fonds propres 0.

C9 ?ue pe$se< 'ous de la r(orme du ratio Coo1e ; 0ponse / Elle va dans le bon sens, introduit le rating, prend en compte les drivs de crdit et pose les bases de lacceptation de modles internes. ;l sera simplement difficile pour les autorits de contrle de comparer les modles internes entre eu! et cela pourrait distordre
((

la concurrence si des normes ne sont pas fi!s par %_le, comme cela a t fait pour les modles internes de risque de march qui doivent :tre fonds sur une "a$=EE,, .)j> fois un multiplicateur 0. D9 A'e< 'ous l%impressio$ que ces modles $%e$ so$t e$core qu%= leurs dbuts ; ?uelles so$t selo$ 'ous: les perpecti'es de ceu& ci ; 0ponse / Encore une fois, les modle sont aujourdhui trop sophistiqus pour les donnes e!istantes. La limite ne vient pas des modles mais de la dtermination des paramtres alimentant ces modles et de la rcupration des transactions. Les prochains progrs attendre ne viennent pas des modles, mon avis. # titre de comparaison, le modle dE"# =Economic "alue #dded> trs la mode aujourdhui date de () ans 0.

E9 A'e< 'ous d%autres remarques ; 0ponse / Le modle 76" est la norme du futur, mon avis 0.

(G

CONCLU3ION
auel que soit la mthodologie, trois critiques sont adresses ces modles internes < Lestimation des coefficients de corrlation est dlicate. ;l est impossible de calculer lensemble des coefficients de corrlation entre les crdits dun portefeuille, doK la prise en compte de choi! arbitraires. Les modles mesurent le risque avec des valeurs estimes et non des donnes relles. &eci renforce le potentiel derreur. Les modles internes e!igent une abondante information. 6is part le cas des titres de crances cots et nots, il est difficile de disposer dhistoriques de crdits asseJ longs, ce qui limite la robustesse et le pouvoir prdictif de ces modles. &ependant, les banques sengagent de plus en plus dans un processus co[teu! de collecte dinformation et de construction de bases de donnes internes.

En revanche, ces modles permettent ou permettront < dconomiser des fonds propres dans le cadre de la rforme du ratio &oo'e, permettant au! banques aprs ())* davoir une alternative lapproche standard. de mieu! estimer la rentabilit ajust au risque de capital allou au! crdits. =$#$D&>

#insi, si leur fiabilit est dmontre, ils pourront ds lors :tre utiliss dans la dtermination des fonds propres rglementaires et comme un outil des gestion des banques bas sur le $#$D&, ce qui sinscrit dans loptique de la rforme sur le contrle bancaire mis en Iuvre par le &omit de %_le.

(*