AYOUB GARGOURI

valuation des swaps de taux dintrt (IRS) en prsence du risque de

contrepartie : escompte OIS, CVA et risque wrong-way

Essai prsent
la Facult des tudes suprieures de lUniversit Laval
Dans le cadre du programme de matrise en ingnierie financire

FACULT DES SCIENCES DE LADMINISTRATION

UNIVERSIT LAVAL
QUBEC

Mai 2014

Ayoub Gargouri, 2014

Remerciements

Je tiens remercier sincrement mon directeur dessai, Mr. Van Son Lai, pour son
soutien, ses prcieux conseils et sa disponibilit tout au long de la ralisation de ce travail.

Je tiens galement remercier Mr. Issouf Soumar, pour ses commentaires et pour avoir
accept den tre le lecteur.

Je remercie aussi mon frre, Issam Gargouri, pour son aide et les nombreuses
discussions que nous avons eues et qui mont permis choisir ce sujet intressant et bien
laborder.

ii
Ddicaces

mon cher pre Morched

Qui na jamais cess de me soutenir et mencourager,
Qui a impatiemment attendu ce jour,
Aucun mot ne serait assez loquace pour tmoigner les sentiments de reconnaissance que
jprouve son gard.
ma chre mre Imne
Pour ses sacrifices dmesurs et son amour infini.
Que Dieu puisse la garder afin que ses prires me protgent et que ses regards suivent ma
destine.
Jespre pouvoir raliser aujourdhui lun de ses rves et tre toujours la hauteur de ses
esprances.
mon chr frre Issam, sa femme Zeinab et leurs fils Adam,
mon chr frre Taher,
mes chers amis Yassine, Houcine, Wassim et Moemen,
tous ceux qui me sont chers,
Je ddie ce projet et quils trouvent dans ce modeste travail le tmoignage de ma profonde
gratitude et mon infini dvouement.
Sincrement,
Ayoub

iii
Table des matires

Remerciements ii

Ddicaces iii

Tables des matires iv

Liste des tableaux vi

Liste des figures vii

Nomenclature viii

1 Introduction 1

2 Prsentation des swaps de taux dintrt 5

2.1 Descriptions des swaps de taux dintrt.......5
2.2 volution du march des IRS....6

3 Cadre dvaluation avant la crise 10

3.1 Le cadre thorique............11
3.2 Mthodes de construction de la courbe........13
3.2.1 Bootstrapping14
3.2.2 Interpolation..17
3.3 Rsultats...18

4 Cadre dvaluation aprs la crise le modle 19

4.1 Escompte OIS......19

iv
 4.2 Modlisation du risque de contrepartie dans le cas des IRS.......23
4.2.1 Formule gnrale dvaluation du risque de contrepartie : CVA unilatral...24
4.2.2 Cadre dvaluation des IRS en prsence de risque de contrepartie....26
4.2.2.1 Sans risque wrong-way.27
4.2.2.2 Avec risque wrong-way31

5 Mthodologie 36
5.1 Simulation des taux dintrt...37
5.2 Simulation des vnements de dfaut..40
5.3 Esprances futures41
5.4 valuation du CVA..42
5.5 Donnes43

6 Rsultats 45
6.1 valuation sans risque wrong-way ....45
6.2 valuation avec risque wrong-way 47

7 Conclusion et extensions de ltude 55

7.1 Conclusion...55
7.2 Extensions de ltude...56

Bibliographie 58

Annexes 60

v
Liste des Tableaux

Tableau 2.1: Drivs OTC par classe d'actifs 30 Juin 2010

Tableau 2.2: Drivs de taux d'intrt par produit - 30 Juin 2010

Tableau 2.3: Swaps de taux d'intrt par contrepartie 30 Juin 2010

Tableau 3.1: Dollar US taux de dpt 30 juin 2010

Tableau 3.2: Dollar US FRAs 30 juin 2010

Tableau 3.3: Dollar US taux swap 30 juin 2010

Tableau 6.1: Une estimation des intensits de dfaut et des probabilits de survie Q [> T] des
dates diffrentes pour les trois scnarios de risque 30 Juin 2010

Tableau 6.2: Taux swap sans risque implicite et spreads du CVA positifs (en points de base)
associs pour le cadre descompte Libor 30 join 2010

Tableau 6.3: Taux swap sans risque implicite et spreads du CVA positifs (en points de base)
associs pour le cadre descompte OIS 30 join 2010

Tableau 6.4: Rsultat des rgressions (q. 4.13) qui refltent la dpendance entre le taux spot OIS
et lintensit de dfaut pour les trois exemples de contrepartie

Tableau 6.5 : Tests skewness/kurtosis pour la normalit des rsidus

Tableau 6.6: Spreads du CVA positifs (en points de base) en prsence de WWR pour le cadre
descompte OIS 30 juin 2010

Tableau C.1.1: Matrice de volatilit des swaptions dans la monnaie observe sur le march le 30
juin 2010 escompte OIS

Tableau C.1.2: Matrice de volatilit des swaptions dans la monnaie observe sur le march le 30
juin 2010 escompte Libor

Tableau C.2: Spreads du CVA positifs (en points de base) en prsence de WWR pour le cadre
descompte Libor 30 juin 2010
vi
Liste des Figures

Figure 2.1: Un IRS vanille

Figure 2.2: Montant notionnel total et sa rpartition sur les diffrentes catgories des produits
drivs OTC 1998 2010

Figure 3.1: Courbe spot complte 30 juin 2010

Figure 3.2: Courbe swap drive 30 juin 2010

Figure 4.1: US Dollar 3M Libor vs 3M OIS rate

Figure 4.2: US Dollar Libor - OIS spreads

Figure 4.3: La fonction d'intensit comme une fonction constante par morceaux o
reprsente le plus grand intervalle [ ] qui ne contient pas .

Figure 5.1: Diagramme des tapes dimplmentation du modle

Figure 6.1: Diagramme de dispersion JP Morgan

Figure 6.2: Diagramme de dispersion Bank of America

Figure 6.3: Diagramme de dispersion Ally Financial

Figure 6.4: Comparaison entre les valeurs du spread de CVA pour IRS avec et sans WWR pour
diffrentes maturits et diffrents niveaux de risque

Figure 6.5: volution de la corrlation instantane et absolue par rapport aux temps pour
diffrents scnarios de risque

Figure C.2: Courbes des facteurs descompte OIS et Libor partir des donnes du march 30
juin 2010

vii
Nomenclature

Ajustement d'valuation de Crdit (Credit Valuation Adjustment CVA)

C'est la diffrence entre le prix dun produit driv (ou un portefeuille) et le prix qu'il aurait si la
contrepartie ne risque pas de faire dfaut. En dautres termes, cest le prix marchand du risque de
contrepartie.

Overnight Index Swap (OIS)

Un OIS est un swap de taux d'intrt fixe contre variable avec la jambe flottante lie un indice
publi d'un taux de rfrence quotidien du jour ou lendemain (overnight), soit le taux des fonds
fdraux sur le march amricain et lEONIA (Euro OverNight Index Average) sur le march
Euro.

Risque de Crdit de Contrepartie

Le risque de crdit de contrepartie est le risque de perte en raison du non-respect d'une
contrepartie spcifique de ses obligations contractuelles relatives un accord financier, avant
l'expiration de cet accord.

Wrong-Way Risk (WWR)

Le wrong-way risk se pose lorsquil y a une corrlation significative dfavorable entre la valeur
d'un contrat dun produit driv et la probabilit de dfaut d'une contrepartie.

viii
 Chapitre 1

Introduction

Le march de gr--gr (OTC) des drivs de taux d'intrt a connu une

croissance phnomnale au cours des dernires dcennies (le montant notionnel total a
pass de moins de 40$ trillions en 1998 plus de 400$ trillions en 2008). Les entreprises
et institutions financires utilisent frquemment des drivs de taux d'intrt aux fins de
la gestion dexposition de risque des taux d'intrt et le march sest largi pour contenir
plusieurs instruments et chances. L'instrument le plus largement utilis qui reprsente
la majorit du march des drivs de taux d'intrt, et qui est l'objet de cet essai, est le
swap de taux d'intrt vanille.
Lvaluation des swaps de taux d'intrt a t longtemps considre comme simple et les
chercheurs taient d'accord sur l'approche utiliser. Cependant, en 2007, avec le dbut de
la crise financire, l'tat du march a radicalement chang et la procdure dvaluation
lmentaire utilise par les praticiens est devenue peu fiable et obsolte. En effet, la crise
financire a affect l'conomie mondiale srieusement et conduit des problmes de
liquidit et de crdit pour les institutions financires et les entreprises travers le monde.
Les taux du march qui ont t troitement lis avant la crise sont devenus incompatibles
et affichent diffrentes liquidits et primes de crdit (Mercurio, 2009). Ces problmes de
crdit et de liquidit semblent avoir des impacts considrables sur les prix des produits
financiers, et depuis la crise de 2007-2009, l'un des principaux intrts des praticiens est
d'essayer de surmonter ces problmes.

1
 Dune part, les spreads de base, c'est dire la diffrence entre les taux du march
avec des sous-jacents de diffrentes chances, observs sur les marchs de taux d'intrt
aprs le dbut de la crise financire en 2007 ont indiqu que le cadre dvaluation
traditionnel devait tre revu. Pour tre en mesure dvaluer correctement les swaps de
taux d'intrt, il est devenu ncessaire d'intgrer les risques de crdit et de liquidit des
diffrents tnors, savoir les chances, et par consquent, lvaluation des swaps est
devenue beaucoup plus complexe au cours des dernires annes. Il n'est plus suffisant
d'utiliser seulement une seule courbe terme pour dterminer les taux terme de
diffrentes chances, la place, on aura besoin de plusieurs courbes. En outre, on aura
galement besoin dune pratique descompte diffrente puisque la courbe d'actualisation
avant la crise n'est plus le meilleur proxy du taux sans risque.

Dautre part, La prsence du risque de crdit de la contrepartie dans le commerce

des instruments financiers a attir l'attention depuis le dbut de la crise du crdit. Avant la
crise, un grand nombre de prts, hypothques et obligations de socits ayant une
mauvaise cote de crdit ont t mises ce qui a cr une demande des assurances de crdit
qui ont t mises par ce qu'on appelle des accords de swap sur dfaillance de crdit
(aussi appels contrats CDS). la fin de 2008, AIG qui tait la plus grande compagnie
d'assurance aux tats-Unis tait au bord de la faillite et le blme a t mis sur son vaste
portefeuille de contrats de CDS. Cela a mis en vidence quun grand lment du risque de
crdit n'a pas t pris en compte, dans cette situation le risque de dfaut de contrepartie.
Le cadre de gestion du risque de crdit de la contrepartie dpasse lajout dune certaine
prime supplmentaire sur les taux dintrt et les prix des instruments financiers. Il
affecte galement la collatralisation et le processus de prise de dcision d'une banque. Il
est prsent la fois dans les accords de Ble II et Ble III qui sont les rglements sur la
faon dont une banque doit mener ses activits d'une manire sre et saine.
Ceci a amen les grandes banques rviser leur approche de valorisation et de gestion du
risque de crdit de la contrepartie. Au fil du temps, ils ont converg vers des mthodes et
des procds gnralement cohrents. Le concept du credit valuation adjustment (CVA)
est maintenant largement accept et rgulirement calcul sur les marchs. Les
transactions de gr gr qui contiennent un risque de contrepartie signe par toutes les
grandes institutions ont dsormais une composante de CVA dans le cadre de l'valuation.

2
 Aujourd'hui, un nouveau cadre de modlisation des taux d'intrt est en pleine
volution fond sur l'actualisation OIS (hull et white; 2013) et lintgration de
lajustement d'valuation de crdit (CVA) (Brigo et Pallavicini; 2007). Lvaluation d'un
simple swap de taux d'intrt prend dsormais en compte la diffrence entre les taux
projets tels que l'Euribor et le Libor, qui incluent le risque de crdit, et les taux
appropris pour l'actualisation des flux de trsorerie, qui sont sans risque ou bas sur le
cot de financement des risques. Cette approche est appele courbe dual ou actualisation
OIS et force une re-drivation de l'valuation des produits drivs partir des premiers
principes. En outre, le risque de crdit de contrepartie dans les transactions OTC est
mesur en tant que CVA, qui prend en compte la probabilit du dfaut de contrepartie,
ainsi que les expositions prvues, la volatilit de ces expositions prvus et le wrong-way
risk (WWR) (Ruiz et al.; 2013). Dans cet essai, nous reprenons donc les travaux de Brigo
et Pallavicini (2007) pour lvaluation du CVA dans les contrats IRS et Ruiz et al. (2013)
pour lintroduction du risque wrong-way dans lvaluation du CVA et nous proposons
un nouveau cadre dvaluation qui intgre lactualisation OIS dans la valorisation du
risque de crdit de contrepartie.

Ainsi, les principaux objectifs de cet essai sont de dcrire lvolution de la

modlisation des IRS en faisant ressortir comment la crise financire a affect la
procdure dvaluation et dintroduire une nouvelle approche dvaluation des IRS qui
intgre lactualisation OIS et le risque de dfaut de la contrepartie dans le mme cadre de
travail.

Plus spcifiquement, nous dcrivons dans un premier lieu la procdure

traditionnelle dvaluation des IRS utilise avant la crise et nous prsentons dans un
second lieu un nouveau modle pour valuer un seul contrat IRS o le taux OIS,
considr comme le taux sans risque, est utilis pour actualiser les cash-flows et o une
composante CVA est ajoute pour calculer le risque de crdit de la contrepartie.

Le reste de cet essai est organis de la manire suivante. Le chapitre 2 prsente

une description brve du concept de swaps de taux d'intrt et le dveloppement du
march des IRS et son importance pour l'industrie financire. Dans un march sans cesse

3
croissant de swap de taux d'intrt, les socits, les banques et autres institutions
financires sont fortement dpendantes d'un cadre dvaluation appropri. Le chapitre 3
dcrit le cadre dvaluation des IRS avant la crise. Ce chapitre se concentrera sur la faon
d'amorcer la courbe spot l'aide de diffrents instruments financiers ainsi que l'analyse de
diffrentes techniques d'interpolation utilises pour dterminer une courbe lisse et
continue. Le Chapitre 4 porte sur le dfi principal de lessai, savoir prsenter un cadre
de modlisation pratique pour lvaluation des swaps de taux d'intrt la suite de la
crise financire. Rexaminant les mthodes de construction des courbes dans le chapitre
3, le taux OIS est utilis la place du Libor pour la construction de la courbe descompte.
La fin de ce chapitre prsente un modle d'valuation d'un swap de taux d'intrt qui est
ajust pour tenir compte du risque de crdit de la contrepartie par lajout dune
composante CVA. Le chapitre 5 dcrit brivement les techniques de discrtisation et de
Monte Carlo ainsi que les donnes utilises pour limplmentation numrique des
modles et pour la construction des courbes. Le chapitre 6 couvre la partie numrique de
lessai dans lequel nous commentons et analysons les rsultats obtenus des diffrents tests. Le
chapitre 7 conclut lessai.

4
Chapitre 2

Prsentation des Swaps de taux

dintrt

Dans ce chapitre, nous dcrivons brivement les swaps de taux d'intrt et

l'volution du march des swaps de taux d'intrt (IRS). Tout d'abord, dans la section 2.1,
nous expliquons le concept des IRS et la faon dont ces contrats sont conus. Puis, dans
la section 2.2, nous dcrivons la hausse du march des IRS et comment il s'est dvelopp
au fil du temps.

2.1 Description des Swaps de taux dintrt :

Un swap de taux d'intrt vanille (IRS), aussi appel fixed-for-floating IRS, est un
contrat de swap basic entre deux contreparties, dans lequel les paiements d'intrts
priodiques, fixes et flottants, sur un certain montant nominal sont changs. L'acheteur
du swap est la partie qui paie le taux fixe et reoit le taux flottant (payeur taux fixe) et le
vendeur du swap est la partie qui paie le taux flottant et reoit le taux fixe (rcepteur taux
fixe). Dans un IRS, contrairement une obligation, il n'y a pas d'change du montant
nominal, et les contreparties changent seulement les diffrentiels d'intrt, c'est dire la
diffrence entre les taux fixes et flottants. Le taux fixe, pay par l'acheteur du swap, est
dtermin lors de linitiation du contrat de swap de sorte que les flux de trsorerie

5
actualiss attendus soient gaux pour le payeur et le rcepteur. Le taux fixe reste constant
jusqu' l'chance du swap, alors que le taux flottant, vers par le vendeur du swap, est
rajust priodiquement et bas sur un taux d'intrt de rfrence comme le Libor ou
Euribor.

Le flux de trsorerie dans un swap de taux d'intrt est constitu de deux jambes,
la jambe fixe, qui est le courant des flux gnr par le payeur, et la jambe flottante, qui est
le courant des flux gnr par le rcepteur. Lorsque deux parties concluent un accord de
swap, ils conviennent d'changer des paiements futurs de taux d'intrt sans prendre de
paiements initiaux. Par consquent, le contrat de swap est conu de telle sorte que,
initialement, la valeur actuelle de la jambe flottante est gale la valeur actuelle de la
jambe fixe. L'actualisation de la srie des flux de trsorerie futurs pour chaque jambe est
ltape principale lors de lvaluation des swaps de taux d'intrt (ou tout autre
instrument revenu fixe), car le prix d'un IRS est la somme de tous les flux de trsorerie
actualiss.
Taux fixe

Taux flottant (Libor)

Figure 2.1: Un IRS vanille

2.2 volution du march des IRS :

Le march OTC des produits drivs ngocis a augment de faon significative

au cours de la dernire dcennie en raison d'une demande plus forte pour des produits
personnaliss pour grer les risques financiers. La figure 2.2 illustre clairement la forte
hausse de la classe d'actifs de produits drivs du taux d'intrt (IR) depuis 1998 et
jusqu 2008, soulignant son importance pour les marchs financiers. Fait intressant, le
volume des transactions de swaps sur dfaillance de crdit (CDS) a connu une forte
augmentation jusqu' ce que la crise financire clate alors que les autres classes d'actifs
sont plus ou moins restes leurs niveaux respectifs.

6
 Figure 2.2: Montant notionnel total et sa rpartition sur les diffrentes catgories des produits
drivs OTC 1998 2010

Le tableau 2.1 prsente le montant notionnel en cours de diffrentes classes

d'actifs au 30 juin 2010. Ici, pour un montant de 451,8 trillions dollar US, ce qui est
quivalent 83% du march de gr gr de produits drivs ngocis, la classe d'actif
des drivs de taux dintrt (IR) domine clairement les marchs de devises (FX), de
CDS, d'quit et des drivs de matires premires.

Notionnel - Total
Classe dactifs Trillion USD Eqv. en %

Taux dintrt 451.8 83.0

FX 53.1 9.8
CDS 30.3 5.6
Actions 6.3 1.1
Commodits 2.9 0.5
Total 544.4 100.0
Source: Bank for International Settlements, semi-annual OTC derivatives statistics

Tableau 2.1: Drivs OTC par classe d'actifs 30 Juin 2010

7
 Une analyse intressante est d'examiner quels produits dans la classe d'actifs des
drivs IR contribuent principalement l'augmentation significative de 1998 2010.
D'aprs le tableau 2.2, il est frappant de constater que les IRS reprsentent une partie
importante des drivs IR ngocis, soit 74% ce qui souligne clairement l'importance de
revoir le cadre dvaluation de cet instrument. En outre, le tableau 2.2 montre que le
groupe des banques G14 (un groupe constitu par 14 des plus grandes banques au monde)
commerce une partie importante du montant global ngoci, soit 20,1%.
Notionnel - Total Notionnel - G14
Produits Trillion USD Eqv. en % Trillion USD Eqv. Part de G14 en %
Cross Currency (CC) Swap 8.9 2.0 3.5 38.7
CC - Swap Exotique 0.8 0.2 0.2 24.1
IR - Cap/Floor 12.1 2.7 3.6 29.4
IR - FRA 53.9 12.0 29.8 55.3
IR - Inflation Swap 1.4 0.3 0.6 43.7
IR - Option 1.3 0.3 0.4 31.7
IR - Option Exotique 0.8 0.2 0.3 34.8
IR - Swap 332.2 74.0 35.0 10.5
IR - Swap Basis 10.7 2.4 4.8 44.9
IR - Swap Exotique 3.9 0.9 1.1 27.8
IR - Swaption 22.9 5.1 11.0 48.2
IR - non spcifi 0.3 0.1 0.1 43.2
Total 449.2 100.0 90.3 20.1
Source: TriOptima, Interest Rate Trade Repository Report
Tableau 2.2: Drivs de taux d'intrt par produit - 30 Juin 2010

Le tableau 2.3 se concentre uniquement sur la composition des contreparties

ngociant des swaps de taux d'intrt simples. Naturellement, une grande partie de ces
swaps sont ngocis par les institutions financires, nanmoins les produits financiers
sont galement pertinents pour les institutions non financires car ils reprsentent 9,2%
des swaps de taux d'intrt ngocis. C'est pourquoi les institutions financires et non-
financires doivent payer plus d'attention au cadre dvaluation afin de grer
adquatement les risques de taux d'intrt.
Notionnel - Total
Contrepartie Trillion USD Eqv. en %

Courtiers dclarants 79.7 22.9

Institutions financires 235.7 67.8
Institutions non financires 32.1 9.2
Total 346.5 100.0
Source: Bank for International Settlements, semi-annual OTC derivatives statistics
Tableau 2.3: Swaps de taux d'intrt par contrepartie 30 Juin 2010

8
 En enqutant sur le march des drivs de gr gr ngocis, il est clair que les
drivs de taux d'intrt reprsentent une grande partie de ce march avec les swaps de
taux d'intrt tant le produit le plus important. En outre, les participants du march
primaire sont des institutions financires, nanmoins les institutions non financires sont
aussi engages dans une certaine mesure. Par consquent, un cadre dvaluation correcte
sur le march du swap est d'une grande importance en raison de sa taille et de la
possibilit pour les institutions financires et non financires de grer les risques de taux
d'intrt par le biais de cet instrument.

9
Chapitre 3

Cadre dvaluation avant la crise

La pratique standard du march davant crise a t la mme depuis prs de trois

dcennies, depuis l'ouverture du march du swap de taux d'intrt au dbut des annes
1980, et a t base sur la construction d'une courbe spot unique pour calculer les taux
terme et les facteurs d'actualisation.

Ametrano et Bianchetti (2009) rsument le cadre traditionnel dvaluation des

IRS dans les tapes suivantes:

1. Slectionnez un ensemble fini des instruments vanilles de taux d'intrt

chances croissantes.

2. Construire une courbe spot en utilisant les instruments slectionns et

la mthode de bootstrapping (une mthode pour la construction de la
courbe progressivement dans l'ordre croissant de maturit).

3. Calculer sur la mme courbe, les taux terme et les facteurs

d'actualisation et dterminer les prix en additionnant les flux de
trsorerie actualiss.

10
 Dans ce chapitre, nous aborderons l'approche davant crise pour lvaluation des
swaps de taux d'intrt. Tout d'abord, la section 3.1, nous examinons le cadre thorique
dvaluation des swaps de taux d'intrt en termes d'accords de taux futurs. Puis, la
section 3.2, nous dcrivons les mthodes pour la construction de la courbe spot.
Finalement, nous reportons les rsultats trouvs la section 3.3.

3.1 Le cadre thorique :

Dans cette section, le cadre thorique est examin pour le cadre de la courbe
unique avec contreparties sans risque de dfaut. Il existe plusieurs points de rfrences
officiels pour les dpts terme interbancaires comme le Libor, Euribor, Cibor ou Tibor.
Le taux spot Libor, , est dfini comme le taux de rendement de l'achat d'une unit
d'une obligation zro coupon sans dfaut l'instant et de la vendre l'chance .
Ainsi, le taux spot Libor est en fait le taux d'actualisation:

( ) (3.1)

O fait rfrence au taux d'escompte sans dfaut et est la fraction du nombre de

jours pour l'intervalle [ ].

Ensuite, le taux forward Libor de tenant au temps peut tre estim par
l'quation suivante:

( ) (3.2)

O est la fraction du nombre de jour pour l'intervalle [ ]. En raison de la

relation entre les taux forward Libor et les facteurs d'actualisation dans l'quation (3.2), le
cadre de la courbe unique vite les opportunits d'arbitrage.

Un instrument qui est bas sur le taux forward Libor est le Forward Rate

11
Agreement (FRA). Prendre une position longue sur un FRA, le payoff l'chance
peut tre dtermine par la diffrence entre le taux spot Libor et le taux fixe :
( ) (3.3)

Pour dterminer la valeur de la FRA l'instant , l'quation suivante peut tre

applique:
( [ ] ) (3.4)

Cela impose le dfi de dterminer le taux forward Libor. Ici, [ ] dsigne

l'oprateur d'esprance sous la mesure -froward . Au dbut, le taux fixe du FRA, ,
est dtermin de telle sorte que le contrat soit juste pour les deux parties:
[ ] (3.5)

Le choix d'une obligation zro coupon avec chance au moment comme

numraire est particulirement utile lorsqu'il s'agit de drivs de taux d'intrt. Il s'ensuit
que tout taux terme compos simplement et couvrant un intervalle de temps, se
terminant en est une martingale sous la mesure -forward, cest--dire

[ ] (3.6)

En appliquant cette relation, il s'ensuit que l'quation (3.2) peut tre crite comme
suit:

[ ] ( ) (3.7)

Ainsi, les drivs dpendants de taux d'intrt futurs peuvent tre valus en
appliquant les taux terme. Cette fonctionnalit simplifie essentiellement la procdure
dvaluation des drivs de taux d'intrt. Maintenant, lvaluation d'un FRA devient une
procdure simple. Simultanment, un swap de taux d'intrt peut tre valu comme un
portefeuille de plusieurs FRA o les deux jambes du swap doivent aussi tre gales
l'initiation:

12

[ ] (3.8)

O est le taux nominal swap (coupon fixe) de lIRS de longueur N l'instant , et

sont les fractions du nombre de jours de la jambe fixe et flottante, respectivement.
Pour plus de simplicit, on suppose que les paiements de la jambe fixe et flottante se
produisent simultanment ( ). En insrant l'quation (3.7) dans l'quation (3.8), on
obtient:

( ( ))

( )
( ) (3.9)

La partie droite de l'quation ci-dessus peut tre considre comme une position
longue sur une obligation zro-coupon de maturit et une position courte dans une
autre obligation zro-coupon de maturit . Enfin, le taux nominal swap (coupon fixe)
peut tre dtermin comme suit:

(3.10)

3.2 Mthodes de construction de la courbe:

Rappelons que dans le cadre de la courbe unique, une seule courbe est utilis la
fois pour l'actualisation et les calculs futurs. Par une seule courbe, on entend que les
mmes instruments sont utiliss pour calculer les trois courbes, la courbe d'actualisation,
la courbe spot et la courbe terme. Puisque nous savons que toute courbe peut tre
drive de l'autre, il nest en fait pas ncessaire de prciser exactement quelle courbe est
dsigne lorsque le terme courbe unique est utilis. Dans la littrature, cependant, une
courbe unique se rfre souvent la courbe spot, et donc nous adapterons ce point de vue.

13
3.2.1 Bootstrapping :

Construire la courbe spot, not de faon quivalente la courbe zro dans certaines
parties de la littrature, est effectue par le bootstrapping des instruments les plus liquides
et dominantes de leurs horizons de temps respectifs (Ron, 2000). Les instruments d'entre
devraient couvrir toutes les rgions de la structure terme. La courbe spot bootstrape
sera construite pour le dollar amricain, utilisant des donnes de march partir du 30
Juin 2010).

Le bootstrapping peut tre divis en trois segments; lextrmit courte, la zone

centrale et lextrmit longue de la courbe. Les instruments inclure dans la construction
de la courbe spot dpendent du cadre utilis, mais en gnral, les dpts, les accords de
taux futurs (FRA), les contrats futures et les swaps sont inclus.

La partie courte de la courbe est bas sur les taux des dpts court terme ayant
une chance jusqu' trois mois. Les dpts sont des contrats zro coupon ngocis de
gr gr qui commencent la date de rfrence et paient le taux fixe du contrat, savoir
le taux de dpt, jusqu' la maturit correspondante. Ici, le Libor est le benchmark
mondial principal pour les taux d'intrt court terme car il est largement utilis comme
taux de rfrence pour de nombreux contrats de taux d'intrt. Chaque jour, le British
Bankers Association (BBA) calcule les taux Libor bass sur des panneaux de grandes
banques qui soumettent leur cot d'emprunt non garantis des fonds pour diverses priodes
de temps et dans diffrentes devises. Par consquent, lutilisation des taux Libor comme
des instruments d'entre pour la partie courte de la courbe spot reflte bien la liquidit sur
le march montaire. Le tableau 3.1 prsente une cotation de Libor au 30 juin 2010 :
Instrument Date de dbut Date de fin Quote (%)
Libor ON 30 Jun 2010 1 Jul 2010 0.30563
Libor 1W 2 Jul 2010 9 Jul 2010 0.32875
Libor 2W 2 Jul 2010 16 Jul 2010 0.33875
Libor 1M 2 Jul 2010 2 Aou 2010 0.34844
Libor 2M 2 Jul 2010 2 Sep 2010 0.43188
Libor 3M 2 Jul 2010 4 Oct 2010 0.53394

Tableau 3.1: Dollar US taux de dpt 30 juin 2010

14
 En dnotant le taux spot au temps avec maturit comme le taux tre
bootstrap partir des instruments du march, il peut tre dduit directement du taux
de dpt Libor que:
(3.11)

La zone centrale de la courbe spot couvrant jusqu' trois ans est construite en
utilisant des contrats FRA ou futures sur taux d'intrt. Les contrats FRA sont des dpts
futures qui portent sur un horizon de temps fixe de rglement et se rglent l'chance.
Cette caractristique les rend prfrables aux contrats futures qui ont des chances fixes
et sont annots sur le march quotidiennement (Ron, 2000). En revanche, les contrats
futures sont gnralement plus liquide que les FRA.

Dans cet essai, nous n'utilisons que des FRA. Nanmoins, nous aurions tout aussi
bien pu utiliser des contrats futures. Toutefois, si les contrats futures sont utiliss, les prix
cots ne peuvent pas tre appliqus directement mais doivent tre ajusts pour la
convexit. Le tableau 3.2 prsente une cotation de FRA au 30 juin 2010 :
Instrument Date de dbut Date de fin Quote (%)

FRA 1x4 2 Aou 2010 2 Nov 2010 0.5610

FRA 2x5 2 Sep 2010 2 Dec 2010 0.6170
FRA 3x6 4 Oct 2010 3 Jan 2011 0.7075
FRA 4x7 2 Nov 2010 2 Fev 2011 0.7300
FRA 5x8 2 Dec 2010 2 Mar 2011 0.7450
FRA 6x9 3 Jan 2010 4 Avr 2011 0.7650
FRA 7x10 2 Fev 2011 3 Mai 2011 0.7870
FRA 8x11 2 Mar 2011 2 Jun 2011 0.8170
FRA 9x12 4 Avr 2011 4 Jul 2011 0.8500
FRA 12x15 4 Jul 2011 3 Oct 2011 0.9570
FRA 12x18 4 Jul 2011 3 Jan 2012 1.2100
FRA 12x24 4 Jul 2011 2 Jul 2012 1.4950

Tableau 3.2: Dollar US FRAs 30 juin 2010

Suite cela, l'quation 3.12 peut tre appliqu pour transformer les taux terme
en taux spot . dsigne le taux terme bass sur un FRA commenant
et venant chance . Connaissant et , nous dterminons
par bootstrapping.

15
 [( ) ( ) ] (3.12)

La partie longue de la courbe spot, soit partir de trois ans, est dtermine partir
des taux de swap observs. Le tableau 3.3 prsente une cotation des swaps au 30 juin
2010. Les swaps appliques dans la procdure de bootstrapping ont le taux 3M US Dollar
Libor comme sous-jacent. Pour de trs longues chances, seuls les swaps les plus
liquides sont utiliss, qui sont typiquement des swaps ayant des chances de 12, 15, 20,
25, et 30 ans. Ron (2000) drive la longue extrmit des taux spot continment composs
partir des taux swap observs en utilisant l'quation 3.13 qui dcoule directement de
lquation 3.10 et le fait que :

[ ] (3.13)

Instrument Date de dbut Date de fin Quote (%)

Swap 1Y 2 Jul 2010 4 Jul 2011 0.710

Swap 2Y 2 Jul 2010 2 Jul 2012 0.951
Swap 3Y 2 Jul 2010 2 Jul 2013 1.305
Swap 4Y 2 Jul 2010 2 Jul 2014 1.686
Swap 5Y 2 Jul 2010 2 Jul 2015 2.036
Swap 6Y 2 Jul 2010 4 Jul 2016 2.330
Swap 7Y 2 Jul 2010 3 Jul 2017 2.553
Swap 8Y 2 Jul 2010 2 Jul 2018 2.732
Swap 9Y 2 Jul 2010 2 Jul 2019 2.880
Swap 10Y 2 Jul 2010 2 Jul 2020 3.007
Swap 12Y 2 Jul 2010 4 Jul 2022 3.215
Swap 15Y 2 Jul 2010 2 Jul 2025 3.423
Swap 20Y 2 Jul 2010 2 Jul 2030 3.588
Swap 25Y 2 Jul 2010 2 Jul 2035 3.661
Swap 30Y 2 Jul 2010 2 Jul 2040 3.701

Tableau 3.3: Dollar US taux swap 30 juin 2010

Toutefois, les taux de swaps ne sont disponibles que pour certaines chances comme on
peut le constater dans le tableau 3.3. Ce manque de liquidit rduit l'ensemble des
informations ce qui peut conduire des facteurs d'actualisation incompatibles. Une
alternative pour attnuer ce problme est lutilisation des mthodes dinterpolation.

16
3.2.2 Interpolation :

Une fois que les taux spot sont bootstraps partir des donnes du march,
linterpolation, savoir les mthodes pour construire les observations entre deux points
connus dans le temps, est utilise pour obtenir une courbe continue avec des citations
pour toutes les chances . Il existe plusieurs techniques d'interpolation qui peuvent tre
utilises dans l'estimation de la courbe spot. Les mthodes les plus courantes sont bases
sur des splines polynomiales (Andersen, 2007). Certaines des mthodes disponibles sont
abordes ici.

Une mthode d'interpolation "rapide et sale" est l'interpolation linaire o une

courbe spot complte est construite en utilisant des lignes droites pour relier les points de
donnes observes sur le march. Il s'agit d'un procd d'interpolation qui est simple
mettre en uvre et qui peut tre dfinie sous forme clos. Malgr sa simplicit, il y a de
srieuses lacunes qui ne peuvent pas tre ngligs, comme sa tendance gnrer des
replis lorsque la pente de la courbe des taux change (Ron, 2000). Une approche
d'interpolation plus sophistique est linterpolation spline cubique par morceaux.
L'utilisation de cette mthode pour l'estimation des courbes spot est devenu trs populaire
parmi les institutions financires, principalement en raison du fait que la premire et
deuxime drives sont continues dans tous les segments polynomiaux et la courbe
respecte donc une contrainte de lissage (Wolberg, 1999).

La mthode d'interpolation utilise dans cet essai est linterpolation spline cubique
par morceaux (dcrite lannexe B). Une fois nous avons obtenu la courbe spot et la
courbe des facteurs descompte, les taux terme instantans sont dtermins en prenant
la drive des facteurs d'actualisation par rapport au temps. Les courbes drives peuvent
maintenant tre utilises pour lvaluation des swaps de taux d'intrt en suivant le cadre
thorique de la section 3.2.1.

17
3.3 Rsultats :

L'interpolation entre les taux de la courbe spot bootstrappe la section 3.2.1

en appliquant la spline cubique et les donnes des tableaux 3.1, 3.2 et 3.3 donne la courbe
spot complte reprsente par la figure 3.1.

4.0

3.5

3.0
Taux spot en %

2.5

2.0

1.5

1.0

0.5

0
0 5 10 15 20 25 30
Echance en annes

Figure 3.1: Courbe spot complte 30 juin 2010

partir de la courbe spot, nous drivons les facteurs descompte. Enfin, la courbe
swap peut maintenant tre drive partir de l'quation 3.10. La courbe swap en date du
30 Juin 2010 est illustre la figure 3.2.

4.0

3.5

3.0
Taux swap en %

2.5

2.0

1.5

1.0

0.5

0
0 5 10 15 20 25 30
Echance en annes

Figure 3.2: Courbe swap drive 30 juin 2010

18
Chapitre 4

Cadre dvaluation aprs la crise :

-Le Modle-

Pendant la crise, les spreads de base qui se sont largis soudainement entre les
taux du march ainsi que les pertes qui ont subi plusieurs institutions financires, telles
que AIG, cause de lignorance du risque de contrepartie ont mis en uvre les limites de
lapproche traditionnelle davant crise dcrite dans le chapitre 3; do la ncessit dune
nouvelle approche qui fait lobjet de ce chapitre dans lequel nous abordons l'approche
post-crise pour lvaluation des swaps de taux d'intrt. Plus prcisment, la section 4.1,
nous dcrivons l'importance de la courbe d'actualisation utilisant le taux OIS. Puis, la
section 4.2, nous introduisons le risque de crdit de contrepartie et nous estimons la
valeur des accords IRS en prsence du risque de contrepartie par l'ajout d'un ajustement
de valeur de crdit (CVA).

4.1 Escompte OIS:

Un OIS est un swap de taux d'intrt fixe contre variable avec la jambe flottante
lie un indice publi d'un taux de rfrence quotidien du jour ou lendemain (overnight),
soit le taux des fonds fdraux sur le march amricain et lEONIA sur le march Euro.

19
Comme le taux OIS peut tre considr comme un prt pour une trs courte priode de
temps, il est gnralement associ une liquidit ou risque de crdit presque ngligeable
(Morini, 2009, p.10). En outre, le taux OIS donne gnralement une indication des
attentes du march lgard des oprations de prts futures sur la dure du swap. Dune
manire oppose, la fixation du Libor est destin capturer les taux pays sur les dpts
interbancaires non garantis dans les grandes banques internationales (Michaud et Upper,
2008, p.48). Les cotations Libor devraient donner une indication de la valeur typique du
risque de dfaut ou de liquidit contenue par les acteurs dans le monde Libor. Par
consquent, l'cart entre l'OIS et le taux Libor US peut tre considr comme un
indicateur des risques de crdit et de liquidit qui peuvent avoir une incidence sur les
contreparties lorsqu'elles prtent pour des priodes plus longues qu'une journe. Avant
aot 2007, les taux d'intrt cots sur le march taient compatibles avec ce qui est connu
dans les manuels standard. Les taux Libor et OIS se poursuivaient troitement part un
trs petit spread de base. Cependant, une srie d'vnements avait dclench une dtresse
dans les marchs financiers. La crise de liquidit a largi les bases, de sorte que les taux
du march, qui taient auparavant en accord entre eux, ont rvl soudainement un degr
d'incompatibilit qui s'est aggrave au fil du temps (Mercurio, 2009, p.2). Lcart entre
les taux Libor et OIS a augment au point quil n'est plus ngligeable.
La relation entre le Libor 3M (3 mois) dollar US et le taux OIS 3M est illustre la figure
4.1.
6,0

5,0

4,0
Taux en %

3,0

2,0

1,0
Libor 3M OIS 3M
0,0
05/2007

04/2009
02/2008
03/2006

11/2008
01/2005

12/2006

08/2009
08/2006
06/2005

10/2005

06/2010
09/2007

01/2010
07/2008

Source: Bloomberg
Figure 4.1: US dollar 3M Libor vs 3M OIS rate

20
 De toute vidence, les taux se suivaient de trs prs avant que la crise financire
nmerge.

La figure 4.2 illustre le US Dollar Libor-OIS spread pas seulement pour les taux
de 3M, mais aussi pour les taux 1M et 6M.

400
1M 3M 6M

300
Spread en bps

200

100

06/2010
09/2007

01/2010
03/2006

02/2008
07/2008
01/2005

11/2008
08/2006
06/2005

12/2006

04/2009
08/2009
10/2005

05/2007

Source: Bloomberg
Figure 4.2: US Dollar Libor - OIS spreads

Ici, les carts pour les diffrents tnors ont t des niveaux constants environ
10 points de base jusqu'en aot 2007. partir de ce point, les pertes lies aux prts
hypothcaires sub-primes aux tats-Unis ont commenc merger. Visiblement, les
carts atteignent leur maximum dans les premiers stades de Septembre 2008, juste aprs
que le gouvernement des tats-Unis ait saisi Fannie Mae et Freddie Mac et quand
Lehman Brothers a annonc une perte de 4 milliards de dollars menant ventuellement
leur effondrement. De toute vidence, la signification des spreads est plus grande pour
des tnors plus longs. Ce n'est quau dbut de l'anne 2010 que les spreads reviennent
des niveaux plus normaux.

Compte tenu que le spread Libor-OIS tait presque ngligeable avant la crise
financire, il a t jug raisonnable d'appliquer lun des deux taux comme taux sans
risque. Les augmentations significatives du spread Libor-OIS partir d'aot 2007 ont

21
conduit choisir l'OIS tant une mesure plus approprie pour le taux sans risque. Il est
donc devenu populaire parmi les praticiens construire une structure terme sans risque
sur la base de l'OIS la place du taux Libor (Morini, 2009, p.10).
Les marchs OIS sont devenus de plus en plus liquides au cours des dernires
annes et leurs chances ont t tendues. Ils sont maintenant disponibles jusqu 30 ans
permettant de construire une courbe sans risque complte.

Dans cet essai, nous construisons la courbe d'actualisation OIS en amorant les
facteurs d'actualisation partir des swaps des taux des fonds fdraux avec des chances
allant d'une nuit 30 ans. La courbe complte est alors trouve par interpolation entre les
points utilisant le mme schma d'interpolation que dans le chapitre 3 (section 3.2.2).

partir de cette courbe d'escompte, nous pouvons calculer les facteurs

d'actualisation sans risque pour le cadre multi-courbes en appliquant lquation 3.10
o le swap utilis est lOIS :

(4.1)

O est le taux OIS au temps avec maturit et reprsente la fraction danne

entre et .

Le cadre multi-courbes ncessite galement un deuxime facteur d'actualisation, qui est

li la courbe forward. Contrairement au facteur descompte OIS, , ce second
facteur d'actualisation utilise toujours le taux Libor comme le taux sans risque et les
quations 3.1 et 3.7 pour le facteur descompte et le taux FRA du cadre thorique dans le
chapitre 3 restent inchanges.
tant donne deux vecteurs de temps croissants et , o
, le taux de swap fixe est donn par lquation 4.2 qui est
une gnralisation de lquation 3.10 (en changeant le facteur dactualisation par ).

(4.2)

22
4.2 Modlisation du risque de contrepartie dans le
cas des IRS :

Laccord Ble II dfinit le risque de crdit de contrepartie comme le risque o la

contrepartie une transaction fasse dfaut avant le rglement dfinitif de la transaction.
Si la partie qui fait dfaut est un dbiteur l'autre partie de la transaction au moment de
dfaut, alors il en rsulterait une perte conomique pour la partie qui ne fait pas dfaut.
Les situations o le dfaut dune seule des deux parties est pris en compte, sont rfres
au risque de contrepartie unilatral. Dans ce cas, seul le dfaut d'une partie a un impact
sur lvaluation. L'ajustement rsultant du prix de la transaction autrement sans dfaut,
calcule par la partie dont le dfaut n'est pas considr, est appel ajustement d'valuation
de crdit unilatral (unilateral credit valuation adjustment UCVA). Le CVA unilatral
a t considr par exemple dans Sorensen et Bollier (1994), Bielecki et Rutkowski
(2001), et Brigo et Masetti (2005), entre autres. Dans l'laboration du calcul gnral pour
le CVA unilatral, nous constatons que le prix d'un contrat financier avec risque de
contrepartie est le prix du contrat sans risque de dfaut, plus un portefeuille d'options.

Dans lvaluation du risque de crdit, l'hypothse que le driv sous-jacent et le

risque de crdit de la contrepartie sont indpendants est souvent faite pour simplifier les
calculs (Brigo et Masetti (2005), Sorensen et Bollier (1994),). Cela peut conduire
lerreur quand il existe une relation troite entre le comportement des deux et quils sont
fortement corrls, ou quand leurs comportements changent d'une manire trs volatile.
Ce phnomne est appel "Wrong-Way Risk" (not WWR pour la suite) lorsque le risque
de dfaut d'une contrepartie et la valeur du sous-jacent du contrat augmentent ensemble
(Pykhtin et Zhu 2007), cest--dire il existe une corrlation positive entre les deux. Ceci
est risqu dans la mauvaise direction parce que plus la valeur du sous-jacents augmente,
la contrepartie devient de plus en plus susceptible de faire dfaut, et prsente ainsi un
potentiel pour de trs grandes pertes.

Dans le cas des produits de taux d'intrt, la littrature antrieure traitant la

volatilit du sous-jacent et la corrlation entre le sous-jacent et le risque de dfaut de la

23
contrepartie est prsente dans Brigo et Pallavicini (2007), qui abordent le cas des swaps
de taux d'intrt vanilles et exotiques sous risque de contrepartie unilatral. Ils proposent,
dans leur travail, un modle d'intensit stochastique suivant Brigo et Alfonsi (2005) et qui
est en corrlation avec le processus multi-facteur taux court dterminant la dynamique
des taux d'intrt. Une autre partie de la littrature sest focalise sur la modlisation du
WWR dans le cadre de risque de crdit de la contrepartie en gnral, savoir Hull et
White (2012), et Ruiz et al. (2013), entre autres. Ce dernier effectue une revue de
mthodologie de la littrature existante, et prsente une critique des diffrents modles
afin de choisir la mthodologie optimale en terme defficacit et de simplicit
dimplmentation, dutilisation et de calibration. Le modle propos utilise une analyse
empirique de la structure de dpendance march-crdit.

Dans notre cadre de travail, nous nous penchons sur le problme du point de vue
d'une contrepartie sans risque de dfaut entrant dans un contrat dun simple IRS avec une
autre contrepartie ayant une probabilit positive de dfaut avant l'chance finale. Nous
prsentons dans un premier lieu le cas o il y a indpendance entre les taux dintrt et le
risque de dfaut de la contrepartie. Nous proposons ce propos un modle dintensit
simple pour le calcul des probabilits de dfaut et nous nous rfrons des rsultats de
Brigo et Masetti (2005) pour le calcul du CVA unilatral. Nous traitons ensuite le cas du
WWR en utilisant la mthodologie prsente dans Ruiz et al. (2013) pour la modlisation
de la corrlation afin de montrer limportance de limpact de cette corrlation sur le
niveau du CVA.

4.2.1 Formule gnrale dvaluation du risque de contrepartie : CVA

unilatral

La procdure gnrale pour valuer un cash-flow en prsence d'un risque de

dfaut de la contrepartie consiste ajouter un terme de prime qui reprsente ce type de
risque. Nous supposons que le risque de dfaut de la contrepartie est unilatral, c'est
dire quune seule contrepartie peut faire dfaut alors que l'autre est suppose tre sans
risque.

24
 Il peut tre dmontr que le payoff attendu d'une rclamation risque est donne
par la formule suivante (Brigo et Masetti; 2005) (preuve lannexe A.1):

[ ] [ ] [ ( ) ] (4.3)

o - : payoff escompt d'une rclamation gnrique risque.

- : payoff escompt de la mme rclamation mais sans risque de contrepartie.
- : Le taux de perte sachant lvnement du dfaut ( ).
- : Linstant du dfaut de la contrepartie.
- : Un facteur d'actualisation stochastique linstant t avec maturit .
- avec [ ] est la valeur
actuelle nette du payoff rsiduel jusqu lchance .

Il est clair que la valeur d'une rclamation risque est la valeur de la rclamation
sans risque de dfaut correspondante moins une option, en particulier une option d'achat
avec prix dexercice zro sur la NPV rsiduelle donnant contribution non nulle
uniquement dans des scnarios o . Le risque de contrepartie ajoute donc un niveau
d'optionalit au payoff original.

La formule prcdente peut tre approche en prenant et pour une

discrtisation de temps comme suit (Brigo et Pallavicini; 2007)

[ ] [ ] [ { } [ ] ]

Nous supposant que est constant et nous faisons lhypothse que le dfaut se produit
au premier temps suivant . Nous obtiendrons donc :

[ ] [ ] [ { } ( )( [ ( )]) ] (4.4)

25
 partir de lquation (4.4), si nous supposons que et sont indpendants, nous
pouvons simplifier les termes de lesprance lintrieur de la somme en produit de
probabilits de dfaut fois les prix des options. De cette faon, nous n'aurions pas besoin
d'un modle de dfaut mais que des probabilits de survie et un modle doption pour le
march sous-jacent de . Nous tudierons ce cas plus en dtails dans la section 4.2.2.1.
Cela dit, dans le monde rel, une telle indpendance nest pas toujours possible et nous
devons donc prendre en compte le cas o une corrlation non nulle entre et existe de
telle sorte que, en gnral, nous devons calculer le risque de contrepartie sans simplifier
les termes desprance. Pour se faire, nous avons besoin d'un modle de dfaut, qui doit
tre en corrlation avec le march des taux d'intrt (dans le cas des IRS). La section
4.2.2.2 est consacre cela.
Le modle dcrit plus haut est un modle gnral. Nous allons lappliquer en
particulier sur un simple swap de taux dintrt.

4.2.2 Cadre dvaluation des IRS en prsence de risque de contrepartie :

Supposons que nous sommes une contrepartie "A" sans risque de dfaut entrant
dans un swap rcepteur avec une contrepartie "B" qui peut faire dfaut, changeant des
paiements flottants par des paiements fixes au temps . Le contrat nous oblige
payer un taux flottant L et de recevoir un taux fixe K dtermin linstant , jusqu'au
temps de dfaut de la contrepartie "B", , ou jusqu' l'chance si . Le taux swap
juste, K, un instant t donn dans un march sans dfaut est celui qui rend la valeur du
swap nulle en t. Le taux swap forward qui rend le contrat juste est donn par lquation
(3.10) du chapitre 3. Nous verrons dans le chapitre des rsultats que nous avons choisi
dutiliser un swap rcepteur pour se trouver dans le cas du risque wrong-way et pas le
cas contraire qui est bnfique dans lvaluation du CVA unilatral et donc moins
important tudier.

Bien sr, si l'on considre la possibilit que la contrepartie B peut faire dfaut,
le spread correcte recevoir dans la jambe fixe est plus lev, puisque nous attendons
tre rcompens pour palier ce risque de dfaut (Brigo, Masetti 2005).

26
 Dans cette partie, nous proposons un modle qui nous permet danalyser l'impact
du risque de contrepartie sur le taux juste du swap. Nous supposons dans un premier
temps que lintensit de dfaut et les taux d'intrt sont indpendants, permettant
davoir un modle plutt simple comme nous allons le constater dans la section 4.2.2.1.
Puis, nous relchons cette condition pour tudier leffet du risque wrong-way et avoir
un modle plus raliste pour lvaluation dun IRS en prsence du risque de contrepartie
(section 4.2.2.2).

4.2.2.1 Sans wrong way risk :

Modlisation de lintensit de dfaut :

Dans cette partie, nous tudions l'valuation du risque de crdit au moyen des
modles d'intensit.
L'intensit est dfinie comme une probabilit de dfaut l'intrieur d'une priode
donne de temps (infinitsimale) t, c'est dire par rapport une filtration donne et
un temps de dfaut , compte tenu d'un processus stochastique , la probabilit de
dfaut dans un intervalle de temps infinitsimal est

[ [ ]

O [ est lintensit de dfaut.

Il convient de noter que cette intensit est un paramtre conditionnel, c'est dire
qu'il est une mesure de la probabilit de dfaut l'instant t conditionnelle en aucun dfaut
auparavant. Ainsi, est la probabilit de dfaut entre le temps et
conditionnelle quaucun dfaut est parvenu auparavant. Dans ce cadre, on peut montrer
que la probabilit de survie (le complment de la probabilit de dfaillance) jusqu'
l'instant est

[ ] [ ( )]

27
 Une mise en uvre trs commune de est de le laisser suivre une fonction
constante par morceaux car elle est plus facile calculer, informatiquement moins
intensive que les fonctions stochastiques et plus facile monter correctement avec les
donnes du monde rel que par exemple les modles CIR. L'utilisation d'intensits de
dfaut constantes par morceaux est trs commune dans le secteur financier lors de
calibration d'une distribution de probabilit de dfaut partir des cotations de march des
spreads des CDS.

La meilleure faon de dfinir mathmatiquement une fonction constante par

morceaux est de la formuler l'aide de la fonction indicatrice de faon quon ait :

{ }

( { } { }) (4.5)

Pour un ensemble de N intervalles de temps avec N valeurs d'intensit pour chaque

priode de temps.
Dans le mme contexte, soit le plus grand intervalle o [ ], cest--
dire { [ } pour . La situation est illustre la figure 4.3.

2 3

Figure 4.3: La fonction d'intensit comme une fonction constante par morceaux o
reprsente le plus grand intervalle [ ] qui ne contient pas .

28
 partir de cela, nous avons la fonction de probabilit de survie,

[ ] [ ( ) ( )] (4.6)

qui est le rsultat de l'intgration dans l'quation (4.5). L'utilisation d'un modle
dintensit constante par morceaux prsente l'inconvnient vident d'tre discontinu. En
utilisant la place une intensit linaire par morceaux sest rvl donner parfois des
rsultats tranges lorsque l'on extrapole jusqu' 20 ans (dans certains cas, donnant des
probabilits ngatives) (Brigo et Pallavicini; 2007). Ce que nous pouvons observer
partir des donnes du monde rel est les spreads de CDS sur les contrats CDS pour des
diffrentes maturits. Si nous supposons que le terme de la prime accumul est ignor et
qu un temps de dfaut dans lintervalle ] ], la perte est paye au temps ,
cest--dire, la fin de la priode au lieu quimmdiatement , nous avons la formule
suivante pour calculer le spread de CDS tant donn la probabilit ci-dessus utilisant une
intensit constante par morceaux (Hull et White 2003) :

( )
( )

O est la rcupration en cas de dfaut, qui est un pourcentage de la perte qui peut tre
rcupr si le dfaut devait arriver, est un facteur d'actualisation et est la
fonction de distribution cumule qui reprsente la probabilit de dfaut qui est
[ ], cest--dire [ ].

Nous pouvons estimer les paramtres d'intensit { } en trouvant de manire

rcursive les valeurs d'intensit qui donnent un spread de CDS, , qui correspond aux
donnes du monde rel, en commenant par le premier intervalle de temps, passant au
suivant et ainsi de suite. Cette faon d'estimer est appel aussi bootstrapping.

29
 Risque de contrepartie et valuation dIRS :

On note la valeur d'un swap de taux d'intrt (payeur ou receveur) sans

risque en . En utilisant lquation (4.1) du cadre gnral, on peut donc exprimer la valeur
dun swap de taux dintrt risqu comme suit :

(4.7)

O le terme dajustement est dfini comme suit (Brigo et Masetti; 2005)

[ ( ) ]

( ) (4.8)

O ( ) reprsente le prix en t d'un swaption (payeur ou

rcepteur selon le swap initial) avec maturit s, taux dexercice , sous-jacent taux swap
forward , volatilit pour un sous-jacent swap avec maturit . La
volatilit est obtenue partir de la matrice de volatilit des swaptions la monnaie
observe sur le march. Il faut noter quun swaption est une option ngoci de gr gr
sur un swap de taux dintrt. Donc, une explication simple de la drivation de lquation
4.6 est que ( ) nest en fait quune option sur le cashflow dun swap.

Si nous supposons que l'intensit et les flux de trsorerie sont indpendants, les
calculs deviennent simples. Nous pouvons simplifier davantage sans perte notable de
prcision en supposant que les dfauts ne se produisent quaux moments de paiement .
Dans ce cadre, nous pouvons soit supposer que le dfaut survient avant le dernier
paiement (le payoff est alors dit tre reporte) ou aprs le dernier paiement (Brigo et
Masetti (2005) lappelle dfaut prvu). Sous ces hypothses, nous pouvons exprimer DP
pour le payoff report (P) et le dfaut prvu (A) respectivement :

30
 ] ( )

( ) ( )

et

] ( )

( ) ( )

Ici, est la mesure de la probabilit conditionnelle risque-neutre des probabilits de

dfaut de la contrepartie. Ces probabilits sont calcules partir de la fonction d'intensit
constante par morceaux et les swaptions sont calculs en utilisant la formule de Black-
Scholes pour une option europenne avec le payoff du swap rcepteur. Les taux
descompte utiliss sont drivs partir du taux OIS et les taux swaps sans risque sont
dtermins par le biais de la mthode dcrite dans le chapitre 3.

4.2.2.2 Avec wrong way risk :

Il est possible que la qualit de crdit de la contrepartie soit co-dpendante avec le

niveau d'exposition. Cet effet est appel wrong way risk si l'exposition a tendance
augmenter lorsque la qualit de crdit de la contrepartie s'aggrave (ce qui est le cas pour
les IRS (Brigo et Pallavicini; 2007)). Dans cette partie, Nous proposerons un cadre de
modlisation qui permettra dexplorer cet effet et ses consquences dans le calcul du
CVA dans le cas dun simple IRS. Plusieurs modles ont t proposs pour ces fins. Nous
utiliserons en particulier lapproche danalyse empirique (Ruiz et al. 2013) pour son

31
optimalit en termes de validit du modle (simplicit et capacit de reprsenter le monde
rel), facilit de calibration des donnes et dutilisation dans les modles existants.

Nous proposons un modle qui est la fois stochastique pour les taux d'intrt et
l'intensit de dfaut de la contrepartie. La stochasticit conjointe est ncessaire pour
introduire la corrlation. Le secteur de taux d'intrt est modlis selon un processus
gaussien bi-vari taux court dcal (not G2++), et le secteur dintensit de dfaut est
modlis selon lapproche danalyse empirique comme dcrit dans Ruiz et al. (2013).

Modlisation de lintensit de dfaut :

Nous utilisons lapproche danalyse empirique introduite par Ruiz et al. (2013)
comme indiqu plus haut pour modliser lintensit de dfaut et sa dpendance avec le
taux dintrt. Dans ce modle, la dpendance entre les facteurs du march et
lvnement de dfaut est donne par une forme fonctionnelle dtermine partir des
donnes empiriques.

Nous suppose quil existe un facteur du march tel que la probabilit de dfaut
peut tre exprime sous la forme :

(4.11)
O est un nombre alatoire normalis qui peut suivre nimporte quelle distribution et on
suppose que est constant.

Il faut noter que dans lquation (4.11), nous utiliserons lintensit de dfaut la
place de et le facteur de march sera le taux dintrt dans le cas des IRS.

Il est difficile dexaminer des donnes historiques sur les vnements de dfaut
puisque ils se produisent rarement ce qui rend difficile dobtenir des donnes
statistiquement significatives. Pour obtenir des rsultats pertinents, Ruiz utilise plutt les

32
informations disponibles du march sur les probabilits de dfaut qui sont incorpores
dans les prix des CDS, qui sont ngocis au quotidien. Il utilise en particulier une
approximation souvent utilise pour lintensit de dfaut instantane donne par Hull et
White (2012) :

(4.12)

O est le spread de crdit et est le taux espr de recouvrement en cas de dfaut.

Lobjectif final est de trouver la meilleure fonction g dans lquation (4.11). Pour
cela, nous testons quatre formes de fonctions : linaire, exposant, exponentielle et
logarithme.

2 2

3 3

(4.13)

Les paramtres A et B sont estims laide de la mthode des moindres carrs de

la rgression linaire pour chaque fonction et la qualit de ces estimations est
2
compare laide de et de la taille de rsultants. Nous cherchons la fonction qui
2
donne le meilleur avec le plus bas.

Pour rsumer, nous utiliserons des donnes historiques du taux OIS (comme
meilleur proxy du taux dintrt sans risque ) pour trouver la meilleure fonction qui
rpond lquation (3), ensuite sera simul en utilisant
(4.14)

Modlisation du taux dintrt :

Dans Brigo et Pallavicini (2007), il est suggr d'utiliser le modle G2 ++ pour le

taux d'intrt. Le processus G2 est un processus gaussien bi-vari. Le ++ signifie qu'il

33
est calibr par une fonction dterministe contre des observations sur le march
qui sont dans ce cas la structure terme des taux d'intrt.

Le taux dintrt sous la mesure risque neutre est donn par ( ):

(4.15)

O les processus et , adapts la filtration , satisfont les quations diffrentielles

stochastiques :

2
(4.16)

2
Avec et est un mouvement brownien bidimensionnel avec
corrlation instantane 2 [ ].
sont des constantes positives qui, conjointement avec la corrlation 2

constituent lensemble des paramtres 2 .

La fonction est une fonction dterministe et bien dfinie sur lintervalle

[ ] , et qui peut tre rgle une valeur calibrant automatiquement la courbe zro
coupon initiale observe sur le march o (Brigo et Mercurio; 2006), ou
dans notre cas la courbe OIS.

Supposons maintenant que la structure terme des facteurs d'actualisation qui est
actuellement observe sur le march, est donne par la fonction suffisamment lisse
.
Si l'on dsigne par le taux terme instantan au temps 0 pour une maturit T
implicite par la structure terme , savoir,

34
Nous avons alors (livre Brigo et Mercurio (2006), p.146) que le modle 4.15 correspond la
structure terme observe des facteurs d'actualisation si et seulement si, pour chaque T,
2
2
2

2
2 2

Corrlation implicite:

En reprenant lquation (4.11), un changement dans lintensit de dfaut est

approximativement donne par

(4.17)

La corrlation entre une variation de lintensit de dfaut et une variation du

facteur dterminant est donne par

(4.18)

O est la covariance entre et , et et sont lcart type de et

respectivement.

En utilisant les quations (4.17) et (4.18), nous pouvons voir que

(4.19)

35
Chapitre 5

Mthodologie

Nous avons vu dans le chapitre prcdent que, contrairement au cas o il y a

indpendance entre la qualit de crdit de la contrepartie et le niveau dexposition, il
nexiste pas une faon simple (une formule close) pour valuer le CVA unilatral pour un
simple IRS lorsque le taux dintrt et la probabilit de dfaut de la contrepartie sont
corrls. Pour se faire, nous avons eu recourt un modle qui met en uvre cette
corrlation, dont nous avons fait la description dans la section 4.2.2.2. Dans ce chapitre,
nous abordons en dtail les tapes dimplmentation de notre modle ainsi que les
mthodes utiliss afin de calculer le CVA unilatral pour IRS avec prsence de wrong
way risk . Rappelons que l'valuation de CVA ncessite le calcul de la valeur attendue
du cot de remplacement de lIRS en cas de dfaut de la contrepartie, comme le montre le
terme CVA de l'quation (4.3).

La mthode employe pour y parvenir est de dterminer les temps de dfaut

pertinents de la contrepartie (dates dchange de payement dans le cas dIRS) et d'obtenir
les probabilits de survie de la contrepartie ces moments. laide dune simulation
Monte Carlo, lIRS peut tre rvalu ces points, en utilisant les probabilits de survie
calculs, et le cot de remplacement dtermin (quation 4.4).

Les tapes fondamentales de limplmentation du modle sont prsentes dans le

diagramme de la figure 5.1. La premire tape consiste dterminer les paramtres du

36
modle du taux dintrt qui permettent de calibrer le modle contre la structure terme
du taux dintrt observe sur le march. En utilisant les paramtres obtenus par le biais
de cette procdure de calibration, le processus du taux dintrt est ensuite simul dans le
temps jusqu' l'chance de lIRS sous-jacent. Pour chaque scnario, nous calculons les
facteurs descompte correspondants. Une fois le taux dintrt simul, ltape suivante
consiste gnrer les intensits de dfaut par le biais de la fonction g(r) qui calibre ces
intensits au march des CDS en suivant lapproche dcrit dans la section 4.2.2.2 du
chapitre prcdent. Nous aurons aussi besoin de simuler les vnements de dfaut pour
chaque scnario pour calculer le terme en esprance conditionnelle dans lquation 4.4
qui est la troisime tape dimplmentation. Lide gnrale de la mthode est de bien
exprimer la dpendance entre le dfaut de la contrepartie et le niveau dexposition du
portefeuille aux temps laide dune rgression moindres carrs de lexposition sur les
valeurs des processus simuls x et y, calculs pour les scnarios o un dfaut de la
contrepartie se produit linstant . Finalement, nous dduisons la valeur du CVA en
appliquant la formule 4.4. lesprance dans lquation est approche par la moyenne du
terme lintrieur de lesprance sur tous les scnarios pour chaque .

Dans la suite, nous dcrirons plus en dtails les quatre tapes de limplmentation
du modle.

5.1 Simulation des taux dintrt :

Calibration du modle G2++ :

La calibration du modle consiste trouver lensemble des paramtres

2
qui permettent dajuster le modle aux donnes du march la
date dvaluation. partir de la courbe zro et la matrice de volatilit des swaptions
observes cette date, nous calculons les prix des swaptions correspondants en utilisant
le modle de Black (1976, voir annexe A.2). Ces prix sont ensuite utiliss pour comparer

37
 -Calibration du modle partir des donnes
1. Simulation des taux du march : dterminer les paramtres du
dintrt modle G2++.
-Simulation des processus x et y pour M
trajectoires et N pas de temps : dterminer
la courbe zro et en dduire les facteurs
descompte pour chaque trajectoire.

-Calibration aux donnes historiques des

CDS : dterminer la fonction g(r).
2. Simulation des -Calculer les intensits de dfaut partir
vnements de dfaut des IR simuls.
-Intgrer les intensits de dfaut ( ).
-Simuler une variable alatoire
exponentielle partir dune variable
uniforme U.
-Dterminer les vnements de dfaut
en comparant et .

-Approcher lesprance conditionnelle un

3. Calcul des esprances dfaut au temps par une srie
polynomiale en x et y.
futures [( )]
+Les coefficients sont calculs par
lintermdiaire dune rgression des
moindres carrs laide de lalgorithme de
Longstaff et Schwarz (2001) pour valuer
des options bermudiennes.
+Les donnes rgresser sont
slectionnes partir des vnements de
dfaut simuls de telle sorte que soit le
premier temps de dfaut pour les scnarios
choisis.

Calculer le terme du CVA dans la

4. valuation du CVA formule 4.4 en moyennant sur tous les
scnarios simuls.

Figure 5.1: Diagramme des tapes dimplmentation du modle

38
les valeurs prdites par le modle G2++ qui sont obtenus partir du processus de
calibration. La fonction swaptionbylg2f de Matlab est utilise pour calculer les valeurs
analytiques du prix des swaptions pour les paramtres du modle et par consquent peut
tre utilise pour calibrer le modle. La calibration consiste minimiser la diffrence
entre les prix observs sur le march (calculs laide du modle de Black) et les prix
prvus par le modle. La fonction doptimisation par moindres carrs non linaires
lsqnonlin de Matlab est utilise pour ce propos, en proposant des valeurs et des
contraintes de dpart pour .

Simulation des scnarios :

Une fois les paramtres du modle obtenus, nous pouvons maintenant simuler les
scnarios pour la structure termes du taux dintrt partir du modle dfini par les
quations 4.15 et 4.16 dans le chapitre 4. En particulier, nous simulons les deux
processus x et y pour scnarios et en supposant que les payements se font
semi annuellement pour les deux parties ( pas de temps). Les
dynamiques des processus x et y peuvent aussi tre exprimes en termes de deux
mouvements browniens indpendants et 2 comme suit :

2 (5.1)
2 2 2

avec
2 2
et 2 2 2

Nous simulons donc deux processus browniens indpendants et 2 pour scnarios

et pas de temps pour calculer x et y partir des quations diffrentielles stochastiques
(5.1) (mouvements browniens gomtriques).

Finalement, la courbe zro est calcule pour tous les scnarios partir de la
formule suivante (pour plus de dtails, voir la section 4.2 du livre de Brigo et Mercurio)
pour le taux dintrt zro coupon, not ,

39
 ( ) (5.2)

Avec { [ ]},
2

,
2 2 3
et [ ]
2 2
2 2 3
[ ]
2 2

2 [ ]

Cette procdure ne garantit pas davoir toujours des taux dintrt positifs ce qui peut
tre problmatique pour la suite des calculs. Nous liminerons donc les scnarios obtenus
aprs la simulation du taux dintrt et qui prsentent une telle situation avant de passer
aux tapes suivantes.

5.2 Simulation des vnements de dfaut :

partir des scnarios simuls du taux dintrt et en suivant lapproche danalyse

empirique aprs avoir trouv la fonction g(r) convenable, nous calculons les intensits de
dfaut de la contrepartie pour chaque pas de temps sur tous les scnarios. La tache
suivante consiste simuler des vnements de dfaut pour chaque scnario. L'algorithme
de simulation permet la contrepartie de faire dfaut aux dates de paiement du contrat,
c.--d. aux temps . Si un vnement de dfaut survient dans lintervalle ] ], nous
supposerons que lvnement est survenu au temps .

Afin de dterminer les temps de dfaut, nous aurons besoin de lintgrale

dintensit de dfaut. Linterpolation fonction constante par morceaux est utilise.

40
 Analogiquement au cas dun processus de Poisson avec temps homogne, nous
savons que le temps du premier saut est distribu exponentiellement de sorte que
a une distribution exponentielle de paramtre 1,

(5.4)

Linversion de lquation (5.4) mne lexpression suivante pour le temps du premier

saut,

Enfin, la variable alatoire uniforme, , est dfinie comme suit: de telle

sorte que . Le fait que est uniformment rpartie rsulte des proprits
des variables alatoires exponentielles.

Nous gnrons donc une variable alatoire uniforme de dimension M pour la

transformer en une variable alatoire exponentielle, . Il reste maintenant comparer les
variables alatoires exponentielles gnres aux intensits intgres qui ont t obtenus
partir de lquation 4.5 pour chaque . Lvnement de dfaut se produit au temps
lorsque la variable gnre est suprieure ou gale l'intensit intgre et
est le premier temps validant cette condition.

5.3 Esprances futures :

Le calcul de l'esprance future, requis pour l'valuation du risque de contrepartie,

comme indiqu dans l'quation (4.4) ( [ ( )]) est prise en rapprochant l'esprance
au temps de dfaut avec une srie polynomiale sur les sous-jacents du modle de taux
d'intrt, x et y, valus au premier temps de dfaut autoris aprs , c.--d. . Les
coefficients de l'expansion de la srie sont calculs au moyen d'une rgression des

41
moindres carrs, comme on le fait habituellement pour valuer des options bermudiennes,
au moyen de l'algorithme de Longstaff et Schwarz (2001).

Pour chaque pas de temps , nous prenons les scnarios ou un vnement de

dfaut est survenu ce temps et nous calculons le payoff rsiduel. Ensuite, nous
2
rgressons le vecteur des payoffs rsiduels sur les valeurs correspondantes de
2
et
[ ( )] 2 2
2 3

Une fois les coefficients de la rgression calculs, nous appliquons le rsultat sur tous les
scnarios. Aprs avoir calcul les esprances futures pour tous les pas de temps, nous
pouvons maintenant calculer la valeur du CVA en appliquant lquation 4.4 et en utilisant
la moyenne sur tous les scnarios pour le calcul de lesprance extrieur dans le terme du
CVA (

5.4 valuation du CVA :

Le CVA est essentiellement la perte attendue confront dans un contrat survenant

en cas de dfaut de la contrepartie. Cela implique que le CVA est mieux dfini comme un
montant initial. Dans de nombreux cas, cependant, il peut tre plus appropri d'utiliser un
spread de CVA. La raison en est que les clients peuvent tre plus soucieux dajuster un
paramtre en cours d'excution (un taux swap dans notre cas, par exemple) plutt que de
faire un paiement initial. Un cadre cohrent de conversion du CVA est donc ncessaire
pour ajuster le taux par swap dans un simple contrat dIRS. Nous utilisons en particulier
un proxy analytique du spread du CVA donn par Vrins et Gregory (2011). Le spread de
CVA, , peut donc tre calcul comme suit,

(5.5)

42
pour un certain paramtre [ ],
o reprsente la valeur actuelle (sans risque) du paiement en cours d'excution
de valeur 1, ,
et ( )

avec la valeur actuelle (risque) du paiement en cours d'excution de valeur 1,

Le choix du paramtre peut tre dtermin laide dune mthode ditration.

Cependant, cela requiert beaucoup de calcul et nous utilisons plutt pour la
2

simplicit et puisque ceci donne des bonnes estimations par rapport la valeur optimale
de (Vrins et Gregory; 2011).

5.5 Donnes :

Dans cet essai, nous avons fix le 30 juin 2010 comme la date dtablissement de
tous les IRS que nous allons valuer. Toutes les donnes que nous avons utilis, sauf
prciss autrement, sont des donnes que nous avons pris cette date. Nous avons rcolt
toutes les donnes ncessaires pour cette tude partir de Bloomberg.

Pour la premire partie de notre tude, nous avons utilis les courbes des spreads
de CDS jusqu 30 ans pour trois contreparties prsentant trois scnarios de risque
diffrents : JP Morgan (risque faible, A+ selon S&P en juin 2010), Bank of America
(risque moyen, A- selon S&P en juin 2010) et Ally Financial anciennement General
Motors (risque lev, CCC selon S&P en juin 2010).

Dans la deuxime partie, nous avons besoin de calibrer notre modle aux donnes
du march pour pouvoir faire les simulations. Pour calibrer le modle de taux dintrt,
nous avons eu besoin de la structure terme du taux dintrt et de la matrice de volatilit
des swaptions. Nous avons utilis les donnes du march au 30 juin 2010, listes dans

43
lannexe C.1. La calibration de lintensit de dfaut passe par contre, par une tude
empirique et nous avons donc eu recours aux donnes historiques hebdomadaires du taux
spot OIS et des spreads de CDS 1 an pour les mmes trois contreparties de la premire
partie pour nous permettre de comparer les rsultats par la suite. Nous avons choisi la
priode de 30 juin 2007 au 30 juin 2010 puisque les spreads des CDS dont nous avons
besoin sont disponibles pendant toutes cette priode mais pas ncessairement avant. Nous
avons un total de 160 observations par contrepartie que nous utiliserons pour les
rgressions. Les rsultats sont prsents dans le chapitre suivant.

44
Chapitre 6

Rsultats

Nous considrons lvaluation dun simple IRS la monnaie qui reoit un taux
fixe et paye le taux Libor deux fois par an en prsence du risque de contrepartie pour
diffrentes maturits et trois scnarios diffrents de probabilit de dfaut. Le taux de
recouvrement est suppos fixe et gale (Brigo et Pallavicini (2007); Brigo et
Masetti (2005), etc.). Nous avons effectu quelques expriences numriques pour
analyser l'impact du risque de contrepartie sur la juste valeur du taux swap en labsence
puis en prsence de risque wrong-way par le biais du modle dcrit dans la section
4.2.2.2.

6.1 valuation sans risque wrong-way :

Nous construisons trois scnarios de risque (Brigo et Masetti; 2006), risque faible
(JP Morgan), risque moyen (Bank of America) et risque lev (Ally Financial) pour la
qualit du crdit dune partie donne. Chacun de ces scnarios comporte un ensemble
d'intensits et des probabilits de survie pour des dates donnes, obtenu partir de la
courbe des spreads de CDS pour les trois contreparties indiques plus haut. Nous
supposons que les intensits suivent une fonction constante par morceaux tel que dfinie
dans l'quation (4.3). Les valeurs de ces trois profils de risque sont prsentes dans le
tableau 6.1.

45
 Maturit Risque faible Risque moyen Risque lev
(ans) Intensit Pr. Survie % Intensit Pr. Survie % Intensit Pr. Survie %
1 0.0116 98.83 0.0176 98.23 0.0625 93.86
2 0.0163 97.20 0.0218 96.08 0.0902 85.64
3 0.0186 95.39 0.0243 93.75 0.1008 77.31
4 0.0229 93.21 0.0333 90.63 0.0988 69.94
5 0.0265 90.74 0.0357 87.41 0.1078 62.70
7 0.0196 87.20 0.0245 83.18 0.0938 51.82
10 0.0190 82.30 0.0244 77.21 0.0999 38.24
15 0.0190 74.74 0.0253 67.90 0.0921 23.97
20 0.0190 67.87 0.0253 59.71 0.0921 15.03
25 0.0190 61.63 0.0253 52.50 0.0921 9.42
30 0.0190 55.96 0.0253 46.16 0.0921 5.90

Tableau 6.1: Une estimation des intensits de dfaut et des probabilits de survie Q [> T]
des dates diffrentes pour les trois scnarios de risque 30 Juin 2010

Les facteurs descompte et les taux par swap (sans risque) utiliss pour
lvaluation du CVA sont obtenus partir du cadre descompte OIS. Nous rapportons
aussi les rsultats dvaluation obtenus en utilisant le Libor comme tant le taux sans
risque. Les spreads dajustement de crdit de contrepartie ajouter (en points de base) au
taux swap sans risque pour les approximations anticipe et reporte du CVA sont
prsentes dans les tableaux 6.2 et 6.3.

Maturit Taux swap Risque faible Risque moyen Risque lev

(ans) (sans risque) Antic. Postp. Antic. Postp. Antic. Postp.
5 2.021% 0.05 0.04 0.07 0.06 0.22 0.20
10 2.984% 0.59 0.58 0.76 0.75 1.96 1.97
15 3.396% 1.68 1.66 2.10 2.10 4.71 4.83
20 3.559% 3.08 3.08 3.80 3.82 7.52 7.76
25 3.631% 4.58 4.59 5.58 5.62 9.93 10.28
30 3.671% 6.03 6.05 7.26 7.32 11.87 12.30

Tableau 6.2: Taux swap sans risque implicite et spreads du CVA positifs (en points de base)
associs pour le cadre descompte Libor 30 join 2010

46
Maturit Taux swap Risque faible Risque moyen Risque lev
(ans) (sans risque) Antic. Postp. Antic. Postp. Antic. Postp.
5 2.053% 0.07 0.05 0.10 0.08 0.31 0.25
10 3.093% 0.81 0.75 1.05 0.98 2.79 2.61
15 3.568% 2.30 2.21 2.91 2.80 6.76 6.58
20 3.754% 4.09 4.00 5.09 4.98 10.47 10.39
25 3.830% 5.89 5.81 7.22 7.14 13.40 13.48
30 3.867% 7.57 7.51 9.17 9.11 15.64 15.81

Tableau 6.3: Taux swap sans risque implicite et spreads du CVA positifs (en points de base) associs
pour le cadre descompte OIS 30 join 2010

Nous constatons que le spread dajustement crot avec la maturit du swap sous-
jacent et aussi avec le niveau du risque de la contrepartie comme prvu puisque la
probabilit du dfaut de la contrepartie augmente avec le temps et avec le niveau du
risque (comme le montre le tableau 6.1). Nous remarquons aussi que la diffrence entre
les deux approximations (anticipe et reporte) est trs faible (infrieure 0.5 point de
base) et nous pouvons utiliser la moyenne des deux valeurs pour obtenir un meilleur
proxy de la correction exacte appliquer aux taux swap.
Nous notons aussi que les valeurs des spreads du CVA obtenues dans le cadre
descompte OIS (tableau 6.3) sont plus leves que celles obtenues dans le cadre
descompte Libor (tableau 6.2). Les taux swap sans risque sont, par ailleurs, plus levs.
Ceci peut tre expliqu essentiellement par les facteurs descompte qui sont un peu plus
grands pour le cas descompte OIS (Annexe C.2, figure C.2).

6.2 valuation avec risque wrong-way :

Rsultats de calibration:
Nous reprenons les mmes scnarios de la section prcdente mais cette fois-ci
nous valuons le risque de contrepartie en prsence de risque wrong-way . Lors de nos
tests numriques, nous utilisons les courbes spots pour les cadres descompte OIS et

47
Libor et leurs matrices de volatilit des swaptions, correspondants aux donnes du
march le 30 juin 2010 pour calibrer le modle du taux court, G2++. Les donnes sont
listes dans les tableaux C.1.1 et C.1.2 de lannexe C. La procdure de calibration donne
les valeurs de suivantes :
OIS: 2

Libor: 2

Nous cherchons ensuite la dpendance (mesure empiriquement) entre le taux

dintrt et la probabilit de dfaut de chacune des trois contreparties. Comme mentionn
dans le chapitre 4, nous obtiendrons cette information partir de lintensit de dfaut
2
incorpore dans leurs spread de CDS 1 an. Le tableau suivants liste les valeurs de
2
et , rsultats des rgressions prsentes par les quations 4.13 ( laide de Stata) pour
les trois contreparties JP Morgan, BofA et Ally Fin. respectivement.

Panel A : JP Morgan Bank

g(x) A B R2 2
Puissance -7.2464 -0.5974 57.5% 2.08 .10-5
Exponentielle -3.8491 -40.8468 70% 1.73 .10-5
Logarithmique -.01570 -0.0065 48.5% 4.30 .10-5
Linaire 0.0202 -0.3923 46.4% 4.47 .10-5
Panel B : Bank of America
Puissance -8.6538 -0.9741 77.9% 5.85 .10-5
Exponentielle -3.1819 -63.1250 85.2% 5.78 .10-5
logarithmique -0.0465 -0.0152 57.2% 1.68 .10-4
linaire 0.0364 -0.8513 46.5% 2.10 .10-4
Panel C : Ally Financial
Puissance -3.1546 -0.3536 47.1% 2.77 .10-3
Exponentielle -2.0271 -30.1800 52.5% 2.56 .10-3
Logarithmique -0.0553 -0.0782 27.1% 7.73 .10-2
Linaire 0.4158 -6.6951 33.5% 7.18 .10-2

Tableau 6.4: Rsultat des rgressions (q. 4.13) qui refltent la dpendance entre le taux spot OIS et
lintensit de dfaut pour les trois exemples de contrepartie

48
Nous pouvons utiliser deux mthodes pour dcider laquelle de ces fonctions sadaptent le
mieux aux donnes du march, soit en prenant celle qui donne le meilleur R 2, soit celle
qui donne le moindre bruit . Le tableau 6.4 affiche des meilleurs rsultats pour le cas
des fonctions puissance et exponentielle selon les deux critres avec une lgre
prfrence la fonction exponentielle qui donne le R2 le plus grand et 2
le plus petit et
ceci pour tous les exemples que nous avons traits. Les rgressions pour le cas de Ally
Financial (panel C) donnent des rsultats moins bons par rapport aux deux autres cas.
Ceci peut tre expliqu par la faillite de Gnral Motors (son ancien nom) pendant la
priode de la crise et les valeurs trs leves de son spread de CDS pendant cette priode.

Malheureusement, une valeur leve de R2 ne garantit pas que le modle s'ajuste

bien aux donnes parce quune telle valeur peut se produire cause d'une erreur de
spcification de la forme fonctionnelle ou de la prsence de valeurs aberrantes qui
faussent la vritable relation. Pour sassurer de la validit de la forme fonctionnelle
choisie partir de la comparaison des R2, nous avons fait des tests sur les rsidus de la
rgression. Si les rsidus semblent se comporter de faon alatoire, ceci suggre que le
modle s'ajuste bien aux donnes. D'autre part, si une structure non alatoire est vidente
dans les rsidus, il est un signe clair que le modle s'ajuste faiblement aux donnes. Nous
avons effectu, en particulier, un test de normalit des rsidus laide de la commande
sktest de Stata. sktest prsente un test bas sur le coefficient dasymtrie (skewness)

et un autre bas sur le coefficient daplatissement (kurtosis) et combine ensuite les deux
tests dans une statistique de test global. Les rsultats des tests pour la forme fonctionnelle
exponentielle applique aux trois contreparties sont prsents dans le tableau suivant.

Test joint
Contrepartie Prob(skewness) Prob(kurtosis) ajust Prob
JP Morgan 0.457 0.293 1.88 0.390
BofA 0.679 0.420 0.83 0.659
Ally Fin. 0.136 0.892 2.29 0.319

Tableau 6.5 : Tests skewness/kurtosis pour la normalit des rsidus

49
 Les rsultats du tableau 6.5 montrent que nous ne pouvons pas rejeter lhypothse
zro de la normalit des rsidus au niveau de significativit 5% grce des p-value (test
joint) levs (prob>0.3 pour les trois contreparties). En plus, partir des p-value obtenus
pour les tests de skewness et kurtosis, nous ne pouvons pas conclure que le skewness et le
kurtosis de la distribution des rsidus sont diffrents de celle dune distribution normale
au niveau de significativit 5%. Nous validons donc le choix fait partir du tableau 6.4.

Les diagrammes de dispersion de lintensit de dfaut par rapport au taux spot

OIS (figures 6.1, 6.2 et 6.3) montrent une structure de dpendance claire entre le taux
dintrt et la probabilit de dfaut de la contrepartie. Nous constatons que plus le taux
spot est faible, plus la probabilit de dfaut est leve. Il existe donc une dpendance
ngative entre les deux qui se manifeste par la valeur ngative du coefficient B dans
toutes les rgressions du tableau 6.4.

Pour rsumer, les donnes montrent clairement une structure de dpendance

inverse entre le taux OIS et la probabilit de dfaut de la contrepartie pour la priode
entre 30 juin 2007 et 30 juin 2010. Plus prcisment, il semble quune loi exponentielle
est le meilleur fonctionnel pour puisquelle offre toujours un bon R2 par rapport aux
autres fonctions et minimise toujours le terme de bruit dans notre ensemble des
donnes. En remarque finale, nous tenons souligner que l'analyse effectue illustre la
pertinence de l'approche danalyse empirique pour modliser le WWR en montrant une
dpendance claire entre la probabilit de dfaut et le taux dintrt.

Rsultats des simulations :

En se basant sur les rsultats de calibration que nous avons trouvs plus haut et en
suivant la mthodologie explique dans le chapitre 5, nous prsentons le spread du CVA
pour IRS en prsence de risque de contrepartie et de risque wrong way ainsi que
lerreur des simulations dans le tableau 6.6 (escompte OIS). Les rsultats avec escompte
Libor sont prsents dans le tableau C.2 lannexe C.2.

50
 0,03

0,025 A. exp(B.x)

Intensit de dfaut 1 an
A. x^(B)
0,02 A+B.Ln(x)

0,015

0,01

0,005

0
0 0,01 0,02 0,03 0,04 0,05
Taux spot OIS

Figure 6.1: Diagramme de dispersion JP Morgan

0,05

A. exp(B.x)
Intensit de dfaut 1 an

0,04
A. x^(B)
A+B.Ln(x)
0,03

0,02

0,01

0
0 0,01 0,02 0,03
Taux spot OIS 0,04 0,05

Figure 6.2: Diagramme de dispersion Bank of America

0,4
0,35 A. exp(B.x)
Intensit de dfaut 1 an

0,3 A. x^(B)
A+B.Ln(x)
0,25
0,2
0,15
0,1
0,05
0
0 0,01 0,02 0,03
Taux spot OIS 0,04 0,05

Figure 6.3: Diagramme de dispersion Ally Financial

51
Maturit Taux swap Risque faible Risque moyen Risque lev
(ans) (sans risque) CVA sp. erreur CVA sp. erreur CVA sp. erreur
-3 -3
5 2.053% 0.36 3.6 .10 0.64 3.2 .10 2.10 2.2 .10-2
10 3.093% 1.31 6.7 .10-4 2.53 5.5 .10-4 6.63 1.2 .10-2
15 3.568% 2.75 2.6 .10-4 4.72 2.0 .10-4 10.95 8.9 .10-3
20 3.754% 4.57 1.3 .10-4 7.59 1.3 .10-4 15.67 7.3 .10-3

Tableau 6.6: Spreads du CVA positifs (en points de base) en prsence de WWR pour le cadre
descompte OIS 30 juin 2010

premire vue, nous constatons que les valeurs trouves sont plus grandes que
les valeurs correspondantes dans le tableau 6.3 en labsence de WWR ce qui montre
limpact du WWR sur lvaluation du CVA. Ceci est prvoir. Si l'intensit de dfaut
augmente avec forte corrlation ngative, les taux d'intrt corrls diminuent plus
qu'avec une faible corrlation. Lorsque les taux d'intrt diminuent, la valeur dun
swaption rcepteur augmente; ainsi, nous voyons quune corrlation ngative plus leve
implique des valeurs plus leves pour les swaptions ce qui a un impact sur l'ajustement,
de sorte quavec une corrlation ngative plus leve, les valeurs dajustement
augmentent. Une comparaison plus dtaille pour les trois scnarios de risque est
prsente dans la figure 6.4.

Limpact du WWR sur lvaluation du CVA nest certainement pas ngligeable.

Sur la figure 6.4, nous voyons que cet impact est dautant plus important lorsque le
niveau du risque de dfaut de la contrepartie est plus lev et lorsque la maturit du
contrat est plus grande. Une simple explication est que la probabilit du dfaut augmente
avec le niveau du risque de la contrepartie et la maturit du contrat rsultant une plus
grande exposition de notre portefeuille au dfaut de la contrepartie dans le cas du WWR,
et donc un impact plus important.
Si nous prenons en particulier lexemple de Ally Fin. (risque lev de dfaut), nous
constatons que le valeur de spread du CVA pour une maturit de 20 ans passe de 10.43
bps 15.67 bps ce qui signifie une augmentation d peu prs 50% et donc lignorance du
WWR dans lvaluation du taux juste du contrat IRS nous mne des ajustements au
risque de contrepartie plus faibles et faire face une exposition au risque de contrepartie
plus leve.

52
 JP Morgan BOFA

5 8
sans WWR sans WWR
4
WWR 6 WWR
3
4
2
2
1

0 0
5 10 15 20 5 10 15 20

Ally Fin.

15
sans WWR
WWR
10

0
5 10 15 20

Figure 6.4: Comparaison entre les valeurs du spread de CVA pour IRS avec et sans WWR pour
diffrentes maturits et diffrents niveaux de risque

Les rsultats que nous avons trouvs montrent clairement limportance de la

considration du WWR dans lvaluation du risque de crdit de contrepartie et du CVA et
par la mme occasion soutiennent la mthode danalyse empirique pour la modlisation
du WWR et de la structure de dpendance donne par la corrlation .

Il convient de noter que cette corrlation (q. 4.17) est une fonction du facteur de
conduite du WWR, , ce qui est un rsultat tout fait naturel compte tenu des donnes
observes. Nous tudions en particulier lvolution de pour les trois scnarios pour
mieux comprendre les rsultats obtenus et limpact du WWR. La figure 6.5 prsente

53
lvolution de instantane et absolue sur une priode par rapport au temps pour les trois
exemples de contrepartie.

-0,9
JPM inst.
-0,91 BofA inst.
Ally inst.
-0,92 JPM abs.
BofA abs.
Ally abs.
-0,93
(z)

-0,94

-0,95

-0,96

-0,97

-0,98
0 5 Temps 10
(annes) 15 20

Figure 6.5: volution de la corrlation instantane et absolue par rapport aux temps pour diffrents
scnarios de risque

La corrlation absolue est la corrlation cumulative sur une priode. Cest elle qui
nous intresse puisquelle reprsente la dpendance absolue sur la priode de maturit du
contrat que nous voulons valuer. Nous constatons que plus le niveau de risque est lev,
plus la corrlation est leve en valeur absolue ( ). La probabilit de dfaut dune
contrepartie plus risque est donc plus corrle ngativement avec le taux dintrt ce qui
donne un niveau dexposition plus lev au risque de contrepartie et par consquent, des
valeurs de CVA plus grandes. La mme interprtation est valide en prenant des maturits
plus longues.

54
Chapitre 7

Conclusion et extensions de ltude

7.1 Conclusion:

Dans cet essai, nous avons revu le cadre gnral dvaluation dIRS avant la crise
financire des sub-primes . Nous avons ensuite introduit la procdure dvaluation
aprs la crise impose par laccord de Basel II et qui consiste en lvaluation du risque de
crdit de contrepartie en termes de CVA. Nous avons revu en premier lieu le cas simple
dvaluation du CVA en labsence dune dpendance entre la probabilit de dfaut de la
contrepartie et le niveau dexposition au dfaut (WWR) introduit par Brigo et Masetti
(2006). Nous avons ensuite trait le cas gnral en prsence de WWR. Pour se faire,
nous avons propos un modle qui est en effet, une combinaison des travaux de Brigo et
Pallavicini (2007) et Ruiz (2013) dans lequel nous modlisons le taux dintrt par un
processus gaussien bi-vari et le WWR par une mthode danalyse empirique. Nous
considrons toutefois le taux OIS comme le meilleur proxy du taux sans risque et nous
intgrons le cadre descompte OIS dans lvaluation du risque de contrepartie.

Les rsultats que nous avons trouvs sont consistants avec la littrature antrieure.
Nous avons trouv en particulier, que le risque de contrepartie a un impact significatif sur
lvaluation du payoff dun swap de taux dintrt et qui, son tour, la corrlation entre
le taux dintrt et lintensit de dfaut a un impact significatif sur lajustement au risque

55
de contrepartie. Lintgration descompte OIS dans lvaluation du CVA conduit des
ajustements lgrement plus levs que dans le cas descompte Libor.

La conclusion est que, premirement, nous devons prendre en compte le risque de

contrepartie ainsi que la corrlation entre le taux dintrt et lintensit de dfaut dans
lvaluation des IRS. Deuximement, la mthode danalyse empirique prsente une
mthode simple et pertinente pour modliser cette corrlation. Enfin, il est plus pertinent
dutiliser le taux OIS comme meilleur proxy du taux sans risque dans lvaluation du
risque de contrepartie.

7.2 Extensions de ltude:

Comme nous avons indiqu ds le dbut de cet essai, nous avons limit notre
tude au cas simple dun seul contrat dIRS en supposant que seulement la contrepartie
peut faire dfaut. Une tude plus largie prend en compte la possibilit de dfaut des deux
parties lis au contrat et traite un portefeuille dIRS au lieu dun seul IRS pour profiter
des accords de compensation et pour avoir une meilleure valuation du risque de
contrepartie.

Lvaluation du risque de contrepartie lorsque les deux parties lies au contrat

sont susceptibles faire dfaut est appele risque de contrepartie bilatral et il est
prsent en terme dajustement de crdit bilatral BVA. Lintrt derrire lutilisation du
BVA la place du CVA peut sexpliquer par le fait quaprs la crise, il est clair
quaucune entreprise financire ou non financire nest dispense dun ventuel dfaut et
afin que les deux partie se mettent daccord au prix juste du contrat, lun doit considrer
son propre dfaut dans lvaluation dajustement de crdit. Une tude gnrale consacre
ce propos est prsente dans Brigo, Pallavicini et Papatheodorou (2009) dans le cas des
IRS.

56
 Il serait toutefois intressant dtudier le cas dun portefeuille dIRS o des
opportunits de compensation se prsentent puisque dans la ralit nous nous trouvons
gnralement face un portefeuille de diffrents IRS et diffrentes contrepartie comme
par exemple, un portefeuille de couverture avec des IRS. Nous pouvons trouver une tude
dtaille ce propos dans Brigo et Masetti (2006).

57
Bibliographie

Ametrano, F.M. et Bianchetti, M. 2009, Bootstrapping the Illiquidity: Multiple Yield

Curves Construction for Market Coherent Forward Rates Estimation, Modeling Interest
Rates: Latest Advances for Derivatives Pricing.

Andersen, L. 2007, Discount Curve Construction with Tension Splines, Review of

Derivatives Research, 10, p. 227-267.

Bielecki, T. et Rutkowski, M. 2001, Credit Risk: Modeling, Valuation and Hedging,

Springer Verlag.

Black, F. 1976, The Pricing of Commodity Contracts, Journal of Financial Economics,

3, p. 167-179.

Brigo, D. et Alfonsi, A. 2005, Credit Default Swaps Calibration and Derivatives Pricing
with the SSRD Stochastic Intensity Model, Finance and Stochastic, 9 (1).

Brigo, D. et Masetti, M. 2006, Risk Neutral Pricing of Counterparty Risk, in

Counterparty Credit Risk Modeling: Risk Management, Pricing and Regulation, ed.
Pykhtin, M. Risk Books, London.

Brigo, D. et Mercurio, F. 2006, Interest Rate Models: Theory and Practice with
Smile, Inflation and Credit, 2nd ed. Springer-Verlag, Heidelberg.

Brigo, D. et Pallavicini, A. 2007, Counterparty Risk under Correlation between Default

and Interest Rates, in Numerical Methods for Finance, Chapman, H., Miller, J.,
Edelman, D. et Appleby, J. editors.

Brigo,D., Pallavicini, A. et Papatheodorou V. 2011, Arbitrage-Free Valuation of

Bilateral Counterparty Risk for Interest-Rate Products: Impact of Volatilities and
Correlations, International Journal of Theoretical and Applied Finance, 14, p. 773-802.

Hull, J. et White, A. 2013, OIS Discounting, Interest Rate Derivatives, and the Modeling
of Stochastic Interest Rate Spreads, Journal of Investment Management.

Hull, J. et White, A. 2012, Cva and Wrong Way Risk, Financial Analysts Journal, 68,
p. 58-69.

58
Hull, J. et White, A. 2003, The Valuation of Credit Default Swap Options, Journal of
Derivatives, 10(3), p. 40-50.

Longsta, F. et Schwartz, E. 2001, Valuing American Options by Simulation: a Simple

Least- Square Approach, The Review of Financial Studies.

Mercurio, F. 2009, Interest Rates and the Credit Crunch: New Equations and Market
Models, Bloomberg Portfolio Research Paper No. 2010-01-FRONTIERS.

Michaud, F-L. et Upper, C. 2008, What Drives Interbank Rates? Evidence from the
Libor Panel, BIS Quarterly Review, March 2008, p. 47-58.

Morini, M. 2009, Solving the Puzzle in the Interest Rate Market (Part 1 & 2), SSRN
Working Paper, http://ssrn.com/abstract=1506046.

Pykhtin, M. et Zhu, S. 2007, A Guide to Modelling Counterparty Credit Risk, Global

Association of Risk Professionals 37 (Juillet/Aot).

Ron, U. 2000, A Practical Guide to Spot Curve Construction, Bank of Canada.

Ruiz, I., Pachon, R. et Del Boca, P. 2013, Optimal Right and Wrong Way Risk,
Available at SSRN: http://ssrn.com/abstract=2248705.

Sorensen, E.H. et Bollier, T.F. 1994, Pricing Swap Default Risk, Financial Analysts
Journal, 50, p. 2333.

Vrins, F. et Gregory, J. 2011, Getting CVA Up and Running, Risk, November.

Wolberg, G. 1999, Monotonic Cubic Spline Interpolation, Proceedings of Computer

Graphics International, p. 188-195.

59
Annexes

Annexe A

A.1 Preuve de lquation 4.3 (Formule gnrale dvaluation du risque de

contrepartie unilatrale)

A l'instant avec le prix d'une rclamation risque est,

[ ] [ ] [ ( ) ] (4.3)

o est la perte sachant lvnement de dfaut avec dterministe.

Preuve

Soit les flux de trsorerie nets de la rclamation entre les temps u et s, actualis au
temps u.

On a donc,

[ ( ( ) ( ) )] (1)

En effet, s'il n'y a pas eu dfaut, cette expression se rduit lvaluation risque neutre du
payoff (premier terme du ct droit). En cas de dfaut, les sommes dues avant le dfaut,
sont reus (deuxime terme), et ensuite, si la valeur actuelle nette rsiduelle est positive,
seulement une partie couverte de celle-ci est reue (troisime terme), alors que si elle est
ngative, elle est paye au complet (quatrime terme).

60
On peut crire,

Par consquent,

( )

( ) ( ) (2)

Conditionnellement l'information jusqu' , l'esprance du deuxime, plus le quatrime

terme du ct droit de lgalit,

( )

est,

[ ( ) ]

[ [ ] ]

[ [ [ ] ]]

[ [ ] ]

[ [ ] ]

[ ( ) ] (3)

puisque trivialement, et .

Ensuite, nous pouvons voir que, aprs conditionnement sur l'information disponible au
moment de lexpression (2) et en remplaant le deuxime et le quatrime termes par (3),
la valeur espre de (1) au temps t concide exactement avec la formule gnrale donne
par lquation 4.1. (en utilisant la proprit [ [ ]] [ ])

61
A.2 Formule de Black pour lvaluation des swaptions

Considrons un swaption payeur (respectivement rcepteur) avec exercice K et

notionnel N donnant son titulaire le droit d'entrer au moment un IRS payeur
(rcepteur) avec dates de paiement et leurs fractions d'anne
associes . Le swaption (payeur ou rcepteur) est alors dit la monnaie
(ATM) si et seulement si,

En utilisant les mmes notations de la section 4.2.2.1, la formule de Black pour

lvaluation du swaption payeur dcrit plus haut est,

( )

Une formule similaire est utilise pour lvaluation dun swaption rcepteur,

( )

O ( ) est la formule de Black pour lvaluation dune option

europenne ( pour un call et pour un put),

( ) ( 2 )

( ) 2
Avec , 2 et dnote la fonction de distribution
cumulative dune loi normale standard.

62
Annexe B

Interpolation par splines cubiques

Comme mentionn dans Ron (2000), il est souhaitable quune mthode d'interpolation
donne une courbe lisse qui est capable de rpliquer des points de donnes observs sur le
march relativement bien.

Dans cet essai, nous avons constamment utilis linterpolation par splines cubiques. Ce
procd produit en effet, une courbe continue et lisse, et il est l'une des techniques les
plus rpandues sur le march. La mthode calcule polynmes de troisime ordre
entre les observations du march, sur l'intervalle de temps[ ], savoir,
2 3

Le nombre d'inconnues est donc , et nous avons besoin d'imposer quelques

contraintes pour calculer tous les coefficients. Tout d'abord, nous avons besoin que la
fonction concide avec les points de donnes observs sur le march , . Avec
, nous obtenons les quations suivantes

2 3

De plus, nous voulons que la fonction entire soit continue et drivable, ce qui donne lieu
un autre quations.
2 3

Nous avons maintenant un ensemble de quations avec inconnus et donc

nous avons besoin de conditions supplmentaires. Une des approches connues, consiste
utiliser les conditions aux limites naturelles. Dans cette configuration, nous supposons
que le driv est drivable partout et que la drive seconde chaque point d'extrmit
est gale zro.

63
Nous obtenons alors,

Et nous pouvons maintenant rsoudre pour tous les coefficients.

64
Annexe C

C.1 Donnes

Tnor
Maturit 1 2 5 7 10 15 20 25 30
1 60.57% 52.17% 37.21% 33% 30.2% 25.91% 24.26% 22.33% 21.93%
2 48.68% 41.47% 32.26% 29.9% 27.7% 23.89% 22.5% 20.96% 20.33%
3 36.23% 32.81% 28.68% 27.19% 25.38% 22.35% 20.88% 19.79% 19.04%
4 30.46% 28.84% 26.63% 25.37% 23.69% 21.08% 19.76% 18.52% 17.92%
5 27.77% 26.61% 25.08% 23.87% 22.25% 19.75% 18.75% 17.54% 16.96%
7 25.18% 24.63% 22.6% 21.45% 20.23% 17.98% 16.77% 15.84% 15.25%
10 21.71% 21.17% 19.08% 18.35% 17.46% 15.56% 14.54% 13.75% 13.22%
15 16.54% 16.41% 15.66% 14.9% 13.99% 12.54% 11.67% 11.17% 10.65%
20 14.82% 13.55% 13.2% 12.12% 11.45% 10.51% 9.8% 9.37% 8.98%
25 12.64% 11.85% 10.9% 10.54% 10.13% 9.33% 8.76% 8.44% 8.29%
30 10.08% 9.82% 9.07% 8.69% 8.33% 8.33% 7.53% 7.3% 7.07%

Tableau C.1.1: Matrice de volatilit des swaptions dans la monnaie observe sur le march le 30 juin
2010 escompte OIS

Tnor
Maturit 1 2 5 7 10 15 20 25 30
1 61.23% 52.9% 38.04% 33.9% 31.18% 27.48% 26.6% 25.32% 25.69%
2 49.48% 42.24% 33.11% 30.81% 28.75% 25.54% 24.88% 23.96% 24%
3 36.98% 33.55% 29.56% 28.09% 26.52% 24.11% 23.31% 22.84% 22.69%
4 31.19% 29.63% 27.54% 26.31% 24.95% 22.98% 22.3% 21.62% 21.6%
5 28.63% 27.51% 26% 24.92% 23.69% 21.79% 21.45% 20.75% 20.73%
7 26.19% 25.61% 23.71% 22.83% 22.08% 20.41% 19.77% 19.34% 19.24%
10 22.89% 22.55% 20.94% 20.53% 20.07% 18.62% 18.09% 17.75% 17.59%
15 19.43% 19.47% 19.15% 18.56% 17.89% 16.72% 16.19% 16.05% 15.76%
20 19.4% 17.87% 17.95% 16.77% 16.27% 15.59% 15.08% 14.9% 14.67%
25 18.43% 17.43% 16.25% 16.25% 16.05% 15.39% 14.97% 14.87% 14.46%
30 16.38% 16.1% 15.28% 14.89% 14.63% 15.29% 14.24% 13.63% 13.06%

Tableau C.1.2: Matrice de volatilit des swaptions dans la monnaie observe sur le march le 30 juin
2010 escompte Libor

65
C.2 Autres rsultats

1
Escompte OIS
Escompte Libor
0.9

0.8

0.7

0.6

0.5

0.4

2010 2015 2020 2025 2030 2035 2040 2045

Date (anne)

Figure C.2: Courbes des facteurs descompte OIS et Libor partir des donnes du march 30 juin
2010

Maturit Taux swap Risque faible Risque moyen Risque lev

(ans) (sans risque) CVA sr. erreur CVA sr. erreur CVA sr. erreur
-3 -3
5 2.053% 0.36 3.6 .10 0.64 3.2 .10 2.10 2.2 .10-2
10 3.093% 1.31 6.7 .10-4 2.53 5.5 .10-4 6.63 1.2 .10-2
15 3.568% 2.75 2.6 .10-4 4.72 2.0 .10-4 10.95 8.9 .10-3
20 3.754% 4.57 1.3 .10-4 7.59 1.3 .10-4 15.67 7.3 .10-3

Tableau C.2: Spreads du CVA positifs (en points de base) en prsence de WWR pour le cadre
descompte Libor 30 juin 2010

66
Annexe D

Programmes Matlab :

Les codes du traitement et la prparation des donnes ne sont pas prsents. Seuls
les codes des programmes servants implmenter les modles introduits dans le chapitre
4 dans le cadre descompte OIS sont donns ici.

D.1 valuation du CVA sans risque wrong-way

function [CVA, rCVA] = CVAcalcfun(DEFPAR, MKTSWP, DRates, DRatesS,...

sigmaBS, lgd)
%
% Cette fonction calcule le CVA ainsi que le spread du CVA pour des IRS
% de diffrentes maturits en labsence du risque wrong-way
%
% Entres :
% DEFPAR : structure qui contient les paramtres de la contrepartie
% MKTSWP : structure qui contient les taux swap et leur maturit
% correspondante
% DRates : courbe spot OIS avec des observations semi-annuelles
% DRatesS :courbe spot cadre simple
% sigmaBS :cart-type de la volatilit des swaptions implicite
% lgd : perte sachant le dfaut
%
% Sorties :
% CVA : vecteur des CVA anticips et reports
% rCVA : vecteur des spreads de CVA pour les valeurs de CVA
% correspondantes
%
% Auteur Ayoub Gargouri
% ======================================================================

%% intensit de dfaut
lambda = [DEFPAR.lambda(2)*ones(2,1);DEFPAR.lambda(3)*ones(2,1);...
DEFPAR.lambda(4)*ones(2,1);DEFPAR.lambda(5)*ones(2,1);...
DEFPAR.lambda(6)*ones(2,1);DEFPAR.lambda(7)*ones(4,1);...
DEFPAR.lambda(8)*ones(6,1);DEFPAR.lambda(9)*ones(10,1);...

67
DEFPAR.lambda(10)*ones(10,1);DEFPAR.lambda(11)*ones(10,1);...
DEFPAR.lambda(12)*ones(10,1)];

%% Formule de black-scholes
d_1= @(K, F, v)((log(F./K)+v.^2/2)./v);
d_2= @(K, F, v)((log(F./K)-v.^2/2)./v);
Bl = @(K, F, v, w)(F.*w.*normcdf(w.*d_1(K,F,v)) - ...
K.*w.*normcdf(w.*d_2(K,F,v)) );

%% dfinition des variables pour stocker les rsultats du CVA

ant = zeros(length(MKTSWP.Mt)-1, 1);
post = ant;
rCVA_ant = zeros(length(MKTSWP.Mt)-1, 1);
rCVA_post = rCVA_ant;

%% boucle principale pour calcul de CVA anticip (ant) et rport (post)

for k = 2:length(MKTSWP.Mt)
SP = zeros(2*MKTSWP.Mt(k),1); %probabilit de survie
for i = 2:2*MKTSWP.Mt(k)
% calcul du CVA report eq. 4.7
post(k-1) = post(k-1) + ...
(F_tau(i,lambda) - F_tau(i-1,lambda))* ...
Bl(MKTSWP.R(k), S_ab1(DRatesS,DRates, i,...
2*MKTSWP.Mt(k)+1, 0.5),sigmaBS*((i-1)/2)^.5, -1)* ...
0.5 * sum(DRates(i+1:2*MKTSWP.Mt(k)+1));
SP(i-1) = F_tau(i,lambda); %F_tau tant la fonction de densit
cumulative dfinie ailleurs qui donne SP jusqu' Ti
end
for i = 2:2*MKTSWP.Mt(k)+1
% calcul du CVA anticip eq. 4.8
ant(k-1) = ant(k-1) + ...
(F_tau(i,lambda) - ...
F_tau(i-1,lambda))* ...
Bl(MKTSWP.R(k), S_ab1(DRatesS,DRates, i-1, 2*MKTSWP.Mt(k)+1,
0.5), ...
sigmaBS*((i-2)/2)^.5, -1)* ...
0.5 * sum( DRates(i:2*MKTSWP.Mt(k)+1));
end
SP(2*MKTSWP.Mt(k)) = F_tau(2*MKTSWP.Mt(k)+1,lambda);

%% calcul du spread du CVA eq 5.5

DV01 = 0.5 .*sum(DRates(2:2*MKTSWP.Mt(k)+1,1));
DV_01 = 0.5*sum(DRates(2:2*MKTSWP.Mt(k)+1,1) .* SP);
rCVA_post(k-1) = lgd * post(k-1)/(DV01-0.5* lgd *(DV01-DV_01));
rCVA_ant(k-1) = lgd * ant(k-1)/(DV01-0.5 *lgd *(DV01-DV_01));
end
CVA = [10000 .* lgd .* ant,10000 .* lgd .* post];
rCVA = [10000 .* rCVA_ant,10000 .* rCVA_post];

68
D.2 valuation du CVA avec risque wrong-way

function alpha = calibration(irdc, RateSpec, InstMat,...

SwaptionBlackVol, ExerciseDates, Tenors)
%
% Cette fonction calibre le modle G2++ aux donnes du march et
% retourne lensemble des paramtre alpha
%
% Entres :
% irdc : objet de type IRDataCurve pour la courbe zro partir des
% des dates et donnes
% RateSpec : structure qui spcifie les proprits de la courbe zro
% InstMat : maturit max des instruments que nous voulons calculer
% le CVA
% SwaptionBlackVol :matrice de volatilit des swaptions
% ExerciseDates :vecteur des dates dexercice des swaptions dans
% SwaptionBlackVol
% Tenors : vecteur des tenors des swaptions dans SwaptionBlackVol
%
% Sorties :
% alpha : vecteur des paramtres de calibration du modle G2+
%
% Auteur Ayoub Gargouri
% ======================================================================

%% Construction dune matrice de dates dexercice et Tenors

EurExDatesFull = repmat(daysadd(Settle,ExerciseDates*360,1)',...
length(Tenors),1);
EurMatFull = reshape(daysadd(EurExDatesFull,...
repmat(360*Tenors,1,length(ExerciseDates)),1),size(EurExDatesFull));

%% Selection des instruments de calibration

% trouver les swaptions qui expirent ou avant InstMat
relidx = find(EurMatFull <= InstrumentMaturity);

%% Calcul des prix des Swaptions en utilisant le modle de Black

SwaptionBlackPrices = zeros(size(SwaptionBlackVol));
SwaptionStrike = zeros(size(SwaptionBlackVol));

for iSwaption=1:length(ExerciseDates)
for iTenor=1:length(Tenors)
[~,SwaptionStrike(iTenor,iSwaption)] = swapbyzero(RateSpec,...
[NaN 0], Settle, EurMatFull(iTenor,iSwaption),...
'StartDate',EurExDatesFull(iTenor,iSwaption),'LegReset',...
[1 1], 'principal',1);
SwaptionBlackPrices(iTenor,iSwaption) = ...
swaptionbyblk(RateSpec, 'call', ...

69
 SwaptionStrike(iTenor,iSwaption),Settle, ...
EurExDatesFull(iTenor,iSwaption), ...
EurMatFull(iTenor,iSwaption), ...
SwaptionBlackVol(iTenor,iSwaption),'principal',1);
end
end

%% Calibrer lensemble des parametres alpha

% fonction minimiser (matrice des prix des swaptions par Black moins
% les prix obtenus par G2++ en variant les paramtre de alpha
G2PPobjfun = @(x) SwaptionBlackPrices(relidx) - ...
swaptionbylg2f(irdc,x(1),x(2),x(3),x(4),x(5),SwaptionStrike(relidx),...
EurExDatesFull(relidx),EurMatFull(relidx),'Reset',1,'notional',1);

% conditions de dpart
x0 = [.2 .1 .02 .01 -.5]; % params initiaux
lb = [0 0 0 0 -1]; % bornes inf
ub = [1 1 1 1 0]; % bornes sup

% optimisation de alpha par moindres carrs non linaire

options = optimset('disp','iter','MaxFunEvals',1000,'TolFun',1e-5);
alpha = lsqnonlin(G2PPobjfun,x0,lb,ub,options);
% alpha(1)=a, alpha(2)=b, alpha(3)=, alpha(4)=, alpha(5)=12

classdef LinearGaussian2PPF
%LINEARGAUSSIAN2PPF est une classe qui cre un modle de taux dintrt
% 2 facteurs gaussiens additifs (G2++)
% Syntax:
%
% OBJ = LinearGaussian2PPF(ZeroCurve,a,b,sigma,eta,rho)
%
% Reference:
%
% Brigo, D and F. Mercurio. Interest Rate Models - Theory and
% Practice. Springer Finance, 2006.
%
% Auteur Ayoub Gargouri
%

properties
ZeroCurve
a
b
sigma
eta
rho
end

70
properties (Access = private)
SDE
PM
end

methods (Access = public)

function obj =
LinearGaussian2PPF(inCurve,ina,inb,insigma,ineta,inrho)
%Constructeur de lobjet
% la partie de vrification des paramtres a t enlve
%Facteurs descompte du march
CurveTimes = ...
yearfrac(obj.ZeroCurve.Settle,obj.ZeroCurve.Dates,...
obj.ZeroCurve.Basis);
DF = obj.ZeroCurve.getDiscountFactors(obj.ZeroCurve.Dates);
obj.PM = @(t) interp1(CurveTimes,DF,t,'pchip','extrap');
% SDE cre lquation diff stochastique du modle de Hull-
% White partir des paramtres dentre
obj.SDE = hwv(@(t,X) diag([obj.a(t);obj.b(t)]),...
zeros(2,1), @(t,X) diag([obj.sigma(t);obj.eta(t)]),...
'Correlation',[1 inrho;inrho 1],'StartState',[0;0]);

End

function [ZeroRates, X1, Y1, nSims] = ...

simTermStructs(obj,nPeriods,varargin)
%SIMTERMSTRUCT Simule la structure terme
%
% Syntax:
%
% [ZeroRates] = simTermStruct(nPeriods)
% [ZeroRates, X1, Y1] = simTermStruct(nPeriods,'name1','val1')
%
% Description:
%
% Simule les trajectoires de la courbe zero en utilisant le
% modle G2++
%
narginchk(2,12);
%paramtres optionnels dappel de la fonction
p = inputParser;

p.addParamValue('ntrials',1);
p.addParamValue('deltatime',1);
p.addParamValue('antithetic',false);
p.addParamValue('Z',[]);

71
try
p.parse(varargin{:});
catch ME
newMsg = ...
message('fininst:LinearGaussian2F:optionalInputError');
newME = MException(newMsg.Identifier,getString(newMsg));
newME = addCause(newME, ME);
throw(newME)
end

nTrials = p.Results.ntrials;
deltaTime = p.Results.deltatime;
Antithetic = p.Results.antithetic;
Z = p.Results.Z;

Tenor = deltaTime:deltaTime:deltaTime*nPeriods;

% Generation des trajectoires des processus x et y

[Paths,SimTimes] = ...
obj.SDE.simBySolution(nPeriods,'NTRIALS',nTrials,...
'DeltaTime',deltaTime,'antithetic',Antithetic,'Z',Z);

% Allocation des trajectoires de taux dintrt

ZeroRates = zeros(nPeriods+1,nTrials);
X1 = Paths(:,1,:);
Y1 = Paths(:,2,:);
ZeroRates(1,:) = obj.ZeroCurve.Data(1).*ones(1,nTrials);

% Formules pour le calcul de la courbe zero (eq 5.2)

V = @(t,T) obj.sigma(t)^2/(obj.a(t)^2)*(T - t + ...
2/obj.a(t)*exp(-obj.a(t)*(T-t)) - ...
1/(2*obj.a(t))*exp(-2*obj.a(t)*(T-t)) - 3/2/obj.a(t)) + ...
obj.eta(t)^2/(obj.b(t)^2)*(T - t + 2/obj.b(t)*exp(-...
obj.a(t)*(T-t)) - 1/(2*obj.b(t))*exp(-2*obj.a(t)*(T-t))-...
3/2/obj.b(t)) +2*obj.rho*obj.sigma(t)*...
obj.eta(t)/(obj.a(t)*obj.b(t))*(T - t + ...
(exp(-obj.a(t)*(T-t)) - 1)/obj.a(t) + ...
(exp(-obj.b(t)*(T-t)) - 1)/obj.b(t) - ...
(exp(-(obj.a(t) + obj.b(t))*(T-t)) - 1)/(obj.a(t) + ...
obj.b(t)));

A = @(t,T) obj.PM(T)./obj.PM(t) .*exp(1/2*(V(t,T) - ...

V(0,T) + V(0,t)));

B = @(z,t,T) bsxfun(@rdivide,(1 - ...

exp(-bsxfun(@times,z,(T-t)))),z);

72
 % Calcul des trajectoires de taux zero coupon
ZR = @(t,T,x,y) bsxfun(@rdivide,bsxfun(@plus,-log(A(t,T)),...
bsxfun(@times,B(obj.a(t),t,T),x) + ...
bsxfun(@times,B(obj.b(t),t,T),y)),T-t);

for iPeriod=2:nPeriods+1
ZeroRates(iPeriod,:) = ZR(0,Tenor(iPeriod-1),...
Paths(iPeriod,1,:),Paths(iPeriod,2,:));
end

%Suppression des trajectoires ngatives

NegIdx = squeeze(any(ZeroRates<0,1));
ZeroRates(:,NegIdx) = [];
X1(:,NegIdx) = [];
Y1(:,NegIdx) = [];
nSims = size(ZeroRates,2);

end
end
end

function [CVA, rCVA] = CVA_WWR_fun(RateSpec, InstrumentStrike, alpha,...

lgd)
%
% Cette fonction calcule le CVA ainsi que le spread du CVA pour des IRS
% de diffrentes maturits en prsence du risque wrong-way en
% suivant la mthodologie dcrite dant le chapitre 5
%
% Entres :
% RateSpec : structure qui spcifie les proprits de la courbe zro
% InstrumentStrike : vecteur qui contient les taux swap sans risque
% alpha : vecteur des paramtres de calibration du modle G2+%
% lgd : perte sachant le dfaut
%
% Sorties :
% CVA : vecteur des CVA avec WWR pour les IRS utiliss
% rCVA : vecteur des spreads de CVA pour les valeurs de CVA
% correspondantes
%
% Auteur Ayoub Gargouri
% ======================================================================

%% Definition des paramtres de Simulation

Settle = datenum('30-Jun-2010');
nPeriods = [10 20 30 40 50 60];
DeltaTime = 0.5;
nTrials = 100000;

73
SimDates = daysadd(Settle,360*DeltaTime*(0:nPeriods(end)),1);
SimTimes = diff(yearfrac(SimDates(1),SimDates));

%% simulation de taux court G2++

G2PP = LinearGaussian2PPF(...
RateSpec,LG2f_a,LG2f_b,LG2f_sigma,LG2f_eta,LG2f_rho);
[ZR, x, y, nSims] = ...
G2PP.simTermStructs(nPeriods(end),'NTRIALS',nTrials,...
'DeltaTime',DeltaTime,'antithetic',true);

DF = ones(nPeriods(end)+1,nSims); % facteurs descompte

for i=1:nSims
DF(2:end,i) =
zero2disc(ZR(2:end,i),SimDates(2:end),SimDates(1),1,2);
End

Tenor = repmat((DeltaTime:DeltaTime:nPeriods(end)/2)',1,nSims);

%% simulation intensit de dfaut et temps de dfaut

% simulation intensit de dfaut (lambda=g(ZR))
lambda = exp(-2.0271 -30.18 .* ((1+ZR(2:end,:)).^(1./Tenor)-1))+0.016...
.*randn(nPeriods(end),nSims); %intensit de dfaut
% simulation temps de dfaut
gamma = cumsum(DeltaTime .* lambda); %fonction dist cummulative
U = rand(1,nSims);
E = -log(ones(1,nSims)-U);
expRV = repmat(E,size(gamma,1),1);
time = gamma >= expRV;
cum_sum_default = cumsum(cumsum(time));
Def_Times = cum_sum_default == 1;

%% boucle principal de calcul des CVA sur toutes les maturits

CVA = zeros(length(nPeriods),1);
rCVA = CVA;
for k = 1:length(nPeriods)
% calcul des cashflows rsiduels
Res_CFs = zeros(nPeriods(k),nSims);
for j=1:nSims
for i=1:nPeriods(k)-1
Res_CFs(i,j) =(1/DF(i+1,j)).* ...
(DeltaTime.*InstrumentStrike(k).*...
sum(DF(i+2:nPeriods(k)+1,j))-(DF(i+1,j)-...
DF(nPeriods(k)+1,j)));
end
end

74
 % calcul des cashflows rsiduels esprs
Def = Def_Times(1:nPeriods(k),:);
E_Res = (max(Res_CFs,0) .*Def)';
% regressions
for i=1:nPeriods(k)-1
coeffs = zeros(6,1);
if(sum(Def(i,:))>0)
Def1 =Def(i,:);
X = x(i+1,:).*Def1;
Y = y(i+1,:).*Def1;
RR = ZR(i+1,:).*Def1;
E_Res1 = E_Res(:,i);
NegIdx = squeeze(any(Def1==0,1));
E_Res1(NegIdx)=[];
X(NegIdx) = [];
Y(NegIdx) = [];
RR(NegIdx) = [];
Def1(NegIdx) = [];
Z = [ones(size(Def1,2),1),X', Y', X'.*Y', X'.^2, ...
Y'.^2];
coeffs = (Z'*Z)\(Z'*E_Res1);
R = [ones(1,nSims)', x(i+1,:)', y(i+1,:)',...
x(i+1,:)'.*y(i+1,:)', x(i+1,:)'.^2, y(i+1,:)'.^2];
E_Res(:,i)=R*coeffs;
end
end
% calcul du CVA et spread de CVA
E_Res = E_Res';
NPVp = max(E_Res,0);
SP = cat(1,ones(1,nSims),exp(-gamma(1:nPeriods(k),:)));
dP = (SP(1:end-1,:)-SP(2:end,:)).*DF(2:nPeriods(k)+1,:).*NPVp;
sum(mean(dP,2));
CVA(k) = lgd *(sum(mean(dP,2)))*10000; % en points de base
p = mean(DF(1:nPeriods(k)+1,:),2);
s = mean(SP,2);
DV01 = 0.5 .*sum(p(2:nPeriods(k)+1,1));
DV_01 = 0.5 .*sum(p(2:nPeriods(k)+1,1) .* s(2:nPeriods(k)+1,1));
rCVA(k) = CVA/(DV01-0.5*lgd*(DV01-DV_01)) %spread de CVA
end

75