Académique Documents
Professionnel Documents
Culture Documents
tre la svrit du risque et quelle frquence ou plus prcisment -quelle probabilit- ce risque
pourrait affecter lentreprise. Cette ralit cre le besoin dune mesure regroupant la fois la
probabilit et limpact potentiel dun certain risque.La VaRest un outil trs rpandu dans les
marchs financiers d sa quasi-ncessit rglementaire et sa promesse implicite damliorer la
gestion des risques en offrant une mesure complte des risques.
Doncla Valueat Risk est devenue un standard de gestion de risque dans le monde financier, qui
reprsente la perte potentielle maximale d'un investisseur sur la valeur d'un actif ou d'un
portefeuille d'actifs financiers compte tenu d'un horizon de dtention et d'un intervalle de
confiance. Elle se calcule partir d'un chantillon de donnes historiques ou se dduit des lois
statistiques habituelles
Autrement ditla VaRest un concept relativement simple ce qui permet son utilisation par lensemble
des gestionnaires. Par contre, afin de donner un bon estim dela VaR,la VaRpeut-tre
passablement complique faisant appel des notions avances de statistique, stochastique et de
probabilit.
Ainsi, Le but de cet expos est de spcifier les conditions sous lesquellesla VaRpourrait tre une
bonne mesure de risque dactifs soit en porte feuille ou bien en assurance. Aprs la description des
principales approches de calcul dela VaRemployes, nous indiquerons des spcificits de la gestion
financire en assurance et en porte feuille. Nous prsenterons ensuite les difficults et les limites
de mise en uvre dela VARtoute en concluant avec ladaptation dela Varen assurance
Historique :
La notion de Value-at-Risk (VaR) est apparue pour la premire fois dans le secteur de l'assurance.
A la fin des annes 1980, la banque Bankers Trust fut lune des premires institutions utiliser
cette notion sur les marchs financiers aux Etats-Unis, mais cest principalement la banque JP
Morgan qui dans les annes90 apopularise ce concept notamment grce son systme
RiskMetrics .La Value-at-Risk est ensuite devenue, en moins dune dizaine dannes, une mesure de
rfrence du risque sur les marchs financiers, consacre notamment par la rglementation
prudentielle dfinie dans le cadre des accords de Ble II.
En juillet 1993, lutilisation dela VaRfut recommande par le Groupe des Trente qui regroupe des
institutions financires internationales.
Le concept de Value at Risk (VaR) sest impos rapidement comme la mesure de rfrence en
matires de risque de march.
1996 : le comit de Bale adopte lamendement Risques de march aux accords de Bale
de 1988. Cet amendement permet aux banques de choisir entre la mthode standard et
leur propre mthode pour calculer la consommation en fonds propres de leurs activits et
la gestion de risque.
1996 : le Comit de Ble a annonc que les banques commerciales pouvaient utiliser cette
mesure du risque pour calculer la charge en fonds propres correspondant leurs risques de
march. Cette dcision est venue couronner le forcing des grandes banques auprs des
autorits de contrle pour obtenir le droit de dvelopper leurs modles propres.
Depuis1997 l'approche Value at Risk (VaR) s'est impose au devant de la scne comme une
approche rvolutionnaire et efficace.
1. Dfinition :
2. Fiche technique :
- Un horizon fix ;
- Un indice de confiance.
Approche thorique : Repose sur lvaluation de la distribution des pertes et profits futurs
dun portefeuille.
Derrire cette fiche technique d'apparence simple, se cache en ralit une grande question :
Dfinitions :
La Valueat Risk (VaR) est une mesure probabiliste de la perte possible sur un horizon donn. Elle
reprsente un niveau de perte, pour une position ou un portefeuille, qui ne sera dpass durant
une priode donne quavec un certain degr de confiance.
La Valueat Risk, VaR, est la perte potentielle maximale dun portefeuille dont le rendement suit une
loi donne, pour une probabilit fixe sur une priode de dtention donne.
exemple:
La valeur dun portefeuille est 100Meuro, son rendement suit la loi normale N(0,1) et son risque est
de 1% sur 10 jours
Qu : 1- Calculer la Var
Solution :
VaR=2.57*1%*100=2.57
La Valueat Risk, VaR, est une mesure agrge de la prise de risque globale. C'est un indicateur
synthtique, introduit en 1994 par la banque d'affaires JP MORGAN, qui rend compte de la perte
minimale pour un niveau de risque et un horizon de temps donn.
La VaRrpond l'affirmation suivante : Nous sommes certains, X%, que nous n'allons pas
perdre plus de V euros sur les N prochains jours .
exemple:
la VaRau seuil de confiance de 99% 1 jour, que l'on notera, VaR ( 99%, 1j ), gale 1 million
d'euros signifie qu'un jour sur cent en moyenne, le portefeuille est susceptible d'enregistrer une
perte suprieure cette somme de 1 million d'euros.
Qu : 1- Calculer la Var(99%,1j)
2-Calculer la VaR(95%, 1j)
Solution :
La Var(99%,1j) correspond approximativement une perte de 2.33 millions d'euros etla VaR(95%,
1j) correspond peu prs une perte de 1.65 million d'euros.
En considrant que les variations de valeur d'un portefeuille sont normales,la VaRpeut tre
exprime graphiquement, comme dans l'exemple ci-dessous :
Remarque : l'esprance des variations est suppose nulle sur une journe.
Pour observer les rendements (R) dun portefeuille (W), il est possible de calculer la VaR laide de
lquation suivante :
O E[R] est le rendement espr (le rendement moyen) et Q[R,c] est le centile c. Comment
calculer Q[R,c]? Deux mthodes sont couramment utilises.
1. VaR non-paramtrique
La mthode non-paramtrique ncessite que nous allions directement observer les donnes, les
classer et ainsi analyser la distribution des pertes possibles et leurs frquences. Il faut classer les
donnes de la pire perte au plus gros profit et en choisissant le centile 1% et 5%, il ainsi possible
de calculerla VaR(1%) etla VaR(5%).
1. VaR paramtrique
Afin dutiliser la mthode paramtrique, une hypothse sur la distribution statistique de nos profits
et pertes simpose. Couramment, la distribution normale est utilise pour modliser les rendements
dun actif. Si nous connaissons lcart type du rendement du portefeuille et connaissons la
distribution normale, il est possible de connatre quel estla VaRdu portefeuille :
1. Q[R,c] = cR,
O R est lcart type des rendements et est le nombre dcart type associ un certain centile c.
Par exemple, pour calculer un VaR(1%), on utilise = 2.33 et pour calculer un VaR(5%), on utilise =
1.65.
1. Exemple
Solution :
Aprs une analyse des donnes, on saperoit que si on appliquait au portefeuille W, les
rendements observs sur les 2 dernires annes, le portefeuille aurait fait en moyenne $900
[E(RW)= $900] et lcart type serait de $10,160 [ W*(R i-E(Ri))2= ($10,016)2]. Le profit maximal
observ aurait t $28,490 et la perte maximale, de $27,194. Voici la distribution des profits et des
pertes :
cette tape, nous avons 2 possibilits pour calculerla VaR : la mthode non-paramtrique et la
mthode paramtrique.
1. La mthode non-paramtrique :
En classant les donnes de la pire perte au plus gros profit et en choisissant le centile 1% et 5%, il
possible de calculerla VaR(1%) etla VaR(5%).La VaR(1%) est de $21,256 ce qui reprsente que 1
jour sur 100, je vais perdre plus de $21,256.La VaR(5%) tant de $-16,419, ceci signifie que 1
jours sur 20, je devrais perdre plus de $16,419.
1. La mthode paramtrique :
1. VaR =
2. Var Historique
La VaRhistorique est entirement base sur les variations historiques des facteurs de risque.
Supposons que nous disposions d'un historique de taille N . En t0 nous pouvons valoriser le
portefeuille avec les facteurs de risque de l'historique en calculant pour chaque date t = (t 1,..., t
N) 0 une valeur potentielle du portefeuille. On dtermine ainsi N variations potentielles. Ainsi,
partir de l'historique, nous construisons implicitement une distribution empirique de laquelle nous
pouvons extraire le quantile x%.
Cette mthode ne fait aucune hypothse sur la distribution, elle est non paramtrique, elle permet
de tenir compte des queues paisses, des asymtries des corrlations, etc ...
En revanche, elle suppose la disponibilit des donnes. En outre, cette mthode suppose quela
VaRfuture se comporte commela VaRpasse.
Elle peut donc ne pas tre reprsentative des pertes futures dans le cas o des vnements
extrmes ne sont pas reprsentes dans lhistorique (effet Peso).
Doncla Varhistorique consiste identifier les variables ou facteurs de risques significatifs dont
l'volution entrane une variation de valeur du portefeuille.
Ces facteurs sont les taux d'intrts, les taux de change, les prix des actions
Des donnes sont collectes pour les facteurs de risques sur N jours couls par exemple N= 250,
ce qui conduit 250 scnarios possibles pour la variation de ces variables entre aujourd'hui et
demain.
Exemple:
Solution :
Et ainsi de suite.
Pour tablir le scnario 250, on calculera la variation de valeur du portefeuille en supposant une
variation relative des facteurs de risque identique au jour 250. Valeur de la variable 1 : 27.9 *
( 27.9/28.3 ) = 27.5, de la variable 2 : 31.9 * (31.9/32)=31.8 , enfin de la variable N : 54*
(54/54)= 54.
Les scnarios sont ensuite classs. On obtient ainsi la distribution de probabilit des variations de
la valeur du portefeuille analys.
exemple:
Qu : 1-calculer les possibilits dvolution du portefeuille pour demain (jour 201) en supposant que
les facteurs vont voluer entre aujourdhui et demain de la mme manire quentre le jour i -1 et
le jour i (i entre 1 et 200).
Solution :
On peut donc calculer la valeur du portefeuille, car on a prdit la valeur de chacun des ses facteurs
pour demain.
1. VaR MonteCarlo :
La mthode utilisant la simulation de Monte Carlo est similaire la mthode historique en ce sens
qu'il s'agit d'une mthode de valorisation totale base sur diffrents scnarios. Comme la mthode
historique, la mthode Monte Carlo ne suppose pas que les variables de march suivent une
distribution normale.
Dans la mthode historique, les scnarios se sont dj drouls dans le pass. Avec la mthode
Monte Carlo en revanche, les scnarios sont gnrs au hasard. Ils suivent une forme similaire
ceux ayant eu lieu dans le pass mais ils ne sont pas limits par l'histoire.
Chaque facteur de risque a une dynamique qui peut tre modlise avec un terme d'incertitude. En
tenant compte des dynamiques de chaque facteur de risque ainsi que de leur corrlation, il est
possible de gnrer des scnarios probables d'volution collective de ces facteurs de risques.
L'inconvnient essentiel de la simulation de Monte Carlo est le temps de calcul ncessaire pour
gnrer un grand nombre de scnarios.
L'approche paramtrique essaie de dfinir une formule dcrivant la distribution des gains/pertes.
Cette mthode se base sur plusieurs hypothses :
La relation entre les variations de valeur du portefeuille et les variations des variables de
march est linaire
Les produits drivs Futurs, Swap sont linaires. Les obligations peuvent tre ramenes
des payoffs linaires. L'exception principale cette condition tant les options.
O : est gal 1.65 si le niveau de confiance est de 95% et gal 2.33 si ce dernier est de 99%.
Exemple :
Qu : Calculerla VaR.
Solution :
Pour un horizon de dix jours on multipliela VARpar ce qui donne 1 622 657
Remarque :
3. la VARdix jours pour un portefeuille qui contient les deux est gale 1 622 657
Les tirages avec remise dans lchantillon historique constituent une mthode de simulation
stochastique alternative qui permet dobtenir la distribution de la variable alatoire.
Dans la mthode de Bootstrap, les simulations sont effectues directement sur la base de
lchantillon form par les donnes historiques. Cette technique nest donc pas paramtrique.
1. Mthode analytique :
Il sagit dune mthode paramtrique. Si on suppose que appartient une famille connue de loi
paramtrique, alors le problme de lestimation dela VaRse rduit lestimation de ces paramtres.
Il est important de vrifier a posteriori si le calcul dela VaRest correct. La banque peut perdre de
temps en temps, sur une journe, une somme suprieure la Var( 99%, 1 j ). Cependant le
nombre d'occurrence doit correspondre peu prs 1% des cas mesurs.
Des pertes sur une journes suprieures la Var( 99%, 1 j ) ne devraient pas arriver plus souvent
qu'une fois tous les 20 jours et des pertes suprieures la Var( 99%, 1 j ). plus de 3 fois par an.
Si le nombre d'occurrences ne correspond pas au nombre attendu, il faut revoir le modle utilis
pour calculerla VaR : les variables de marchs ne sont probablement pas correctement choisies par
exemple.
facile expliquer
ncessite beaucoup de
implmentation donnes historiques
Historique relativement aise
le pass peut ne plus se
aucune hypothse sur les reproduire
lois de distribution
Variance/
Simulation
Mont Carlo
historique
Covariance
Elles se fondent toutes les deux sur des hypothses statistiques rductionnistes. Gnralement, ces
deux outils modlisent les variations de facteurs de march par des distributions gaussiennes, alors
qu'en fait les distributions des rentabilits sur les marchs financiers sont lgrement
leptokurtiques (elles contiennent davantage d'observations que les distributions normales pour les
trs fortes et les faibles variations).
On peut ajouter aussi que le modle RM "marche" tant que ce qui se passera demain est de
mme nature que ce qu'il s'est pass aujourd'hui.
Cette mthode suppose que les donnes historiques sont utilises comme provenant dune
distribution de probabilit fixe (alors quelle varie au cours du temps). De plus, elle considre que
les conditions du march sont non stationnaires, ce qui est trs contraignant car le pass peut ne
plus se reproduire.
Le Roll-off effect : si on utilise une fentre de donnes historiques fixe (par exemple 252
jours de trading), il existe des sauts importants entre les VAR estimes (dun jour
lautre). Ceci arrive lorsquun scnario historique (soit un jour de donnes) sort de la
fentre.
Le phantom drift : Si des scnarios historiques sont gnrs partir dune priode o un
facteur de risque connat une forte croissance ou dcroissance en valeur, nous retrouverons
cette mme tendance dans les scnarios.
Les donnes manquantes : Certains nouveaux instruments sont bass sur des facteurs de
risque qui ne possdent pas toujours de banque de donnes historiques. Alors que pourla
VARde Monte Carlo, quelques moyennes suffisent pour obtenir les variances et les
covariances, sans donnes historiques, dterminerla VARhistorique est impossible.
La VaR et le rglementaire :
Contrairement aux autres types dentreprises, les banques commerciales, les banques
dinvestissement et les firmes de courtage jouent un rle majeur dans le maintien de la stabilit
financire en facilitant le payement entre les consommateurs et en maintenant des marchs pour
les instruments financiers. La faillite dune telle institution aura donc des consquences importantes
sur une conomie. Cette menace est associe au risque systmique.
Le risque systmique (ou encore systmatique) est dfini comme tant le risque quun vnement
endommage soudain gravement une conomie.
Le risque systmique peut provenir soit dun comportement de panique des pargnants et
investisseurs qui retirent leurs argents lorsquils deviennent inquiets quant la stabilit dune
banque, soit dune interruption du systme des paiements.
Afin de grer ces risques, les banques actives linternational doivent rpondre des normes
dictes par le Comit de Ble sur la supervision des banques quant aux risques financiers auxquels
ils peuvent sexposer afin de prvenir la faillite dune banque importante.
Afin dliminer les incitations perverses, le comit de Ble a amend le premier accord en
permettant lutilisation de modles internes afin de calculer le risque associ la dtention dactifs
financiers en suggrant fortement lutilisation dela VaR.
Le problme pos et la rponse conceptuelle formule dans l'article prcdent, reste surmonter
les obstacles de mise en uvre. Les trois points critiques sont :
1-la qualit des donnes
2-la thorie applique
3-le traitement de l'information. Ce sont les progrs rapides dans ces domaines qui ont
permis le dveloppement rapide dela Value at Risk depuis 1995.
Les donnes : les sries de donnes permettant de calculer les volatilits et les matrices de
corrlation doivent avoir un certain nombre de caractristiques communes.
VaR n'est pas assujettie la distribution normale. Tel n'est pas le cas de l'cart type ou du beta qui
sont des mesures de risques relis la loi normale. Les rendements des titres n'obtemprent pas
une loi normale, d'ou l'avantage indniable dela VaRsur les mesures de risque classiques qui sont
enchsses dans la distribution normale;
La VaRprsente l'avantage d'tre plus facile comprendre par des investisseurs qui ne sont pas
forcment des spcialistes en techniques de gestion de portefeuille ou de risk management.
1. Limites de la VaR :
La Valueat Risk n'est qu'une mesure thorique d'une perte potentielle. Cette valuation peut
comporter une imprcision assez importante, qui serait par exemple intolrable dans le cadre d'un
calcul de rsultat.
Le concept de Value at Risk s'appuie sur des hypothses qui sont parfois contestes par les faits :
La liquidation des positions une date donne peut tre plus difficile que prvue en cas de
mouvements importants des marchs.
La vrification est ncessaire afin de s'assurer que le rsultat rel ne dpasse la perte VaR
que de temps en temps. En effet, si le dpassement survient souvent, on peut se poser la
question de la pertinence du modle utilis, s'il survient trop rarement, le risque de
l'activit est probablement surestim.
Remerciements .. 2
Introduction ..5
I. Historique : .. 6
1. Fiche technique : .7
2. Dfinitions : ..8
1. Var Historique : .. 13
X. TailVaR : ..26
1. Dfinition : .. 26
Conclusion .....30
Annexes........ 31
Glossaire ....... 32
Liste bibliographique : .. 33