Vous êtes sur la page 1sur 78

S14 – Risque et Accords de Bâle

Un bref aperçu

Institut du FMI pour le développement des capacités Conférencier


Institut de formation pour l’Afrique Ian Nield
Cours sur la Surveillance du secteur financier (AT19.01)
Du 25 mars au 5 avril 2019

Ce document de formation est la propriété du Fonds monétaire international (FMI) et est prévu pour les cours de
l’Institut du FMI pour le développement des capacités. Toute réutilisation est soumise à la permission du FMI et de l’IDC
Objectifs

• Logique et évolution des Accords de Bâle sur les fonds


propres
• Brève description des principales caractéristiques des
Accords de Bâle I, II et III
• Aperçu des extensions des Banques d’importance
• systémique mondiale et intérieure (BISM et BISI)
apportées à Bâle III et des outils de contrôle et de
mesure des risques sous-jacents
• Examen des implications de ces Accords pour les
économies de marché émergentes et en développement.

SSF 2
Plan
• Contexte
• Actifs pondérés des risques
– Bâle I, Bâle II et Bâle III
• Améliorer la mesure du risque
– Bâle II et Bâle III
• Risque systémique
– amélioration de la mesure du risque
• Marchés émergents et économies en développement
– quelques réflexions

SSF 3
Contexte

SSF 4
45 ans de CBCB
CRISE REACTION Réglementation
Novembre 1973 fin 1974 – Etablissement du 1975 - Concordat de
Faillite de la Bankhaus Herstatt Comité de Bâle sur le contrôle Bâle et révisions
- marché interbancaire de New bancaire sous les auspices des ultérieures
York paralysé banques centrales du G-10.

Début des années 1980 – 1987 – Le CBCB, soutenu par le 1988 – Accord de
Crise de la dette en Amérique G10, réfléchit à un cadre Bâle sur les fonds
latine – inquiétude face à réglementaire pour les fonds propres («Bâle I»)
l'érosion des normes de fonds propres. 1996 – Extension aux
propres risques de marché

1997/98 – Crise de la dette 1999 – Le CBCB propose un 2004 – «Bâle II»


est-asiatique cadre révisé. publié

2008 – Crise financière 2009-11 – Le CBCB, soutenu par 2011 – «Bâle III»
mondiale le G20, propose un cadre révisé. améliorations en cours

SSF 5
Taxonomie des risques encourus par
les banques
• Crises bancaires : on craint que les banques deviennent illiquides ou insolvables.
• Les banques évaluent les risques financiers liés à l'illiquidité ou l'insolvabilité.
Quelques exemples fréquents :
– risque de crédit : les prêts octroyés par les banques ne sont pas remboursés.
– risque de marché: les actifs perdent de leur valeur (en raison des variations
des prix du marché)
– risque opérationnel : les processus internes ( gouvernance, systèmes de
contrôle) sont défaillants
– risque de liquidité : les banques ne sont plus en mesure d'honorer leurs
obligations à court terme et bradent leur actifs.
• Ces risques sont souvent interdépendants (par exemple, un choc sur le marché
pourrait entraîner des pertes de crédit).

SSF 6
Accords de Bâle sur les fonds propres
risques pris en compte
BÂLE I BÂLE II BÂLE III
Risque de crédit Risque de crédit Risque de crédit
Risque de marché Risque de marché Risque de marché
(à partir de 1996)
Risque opérationnel Risque opérationnel
Risque de liquidité1,3
Risque systémique2,3
Risque de contagion2,3

1 : Souvent une approche micro-prudentielle mais avec des conséquences macro-prudentielles supplémentaires
2 : Focalisation macroprudentielle souvent assortie d'aspects et de conséquences micro-prudentielles
3 : Le responsable de la réglementation peut être une autorité macro-prudentielle ou micro-prudentielle.

SSF 7
Les Accords de Bâle sur les fonds propres
Contexte
• Critères d'adéquation des fonds propres :
o approche cohérente d'un pays à l'autre
o volant contre les pertes bancaires inattendues
o Prise excessive de risques excessifs découragée
• Élargissement :
o Bâle III prend en compte davantage de risques que Bâle I
o Passage du contrôle micro-prudentiel au contrôle
macro-prudentiel
• Amélioration :
o qualité de la mesure du risque – Bâle II/III

SSF 8
Actifs pondérés des risques

SSF 9
Concepts de base des Accords de Bâle
• Le concept d’actifs pondérés des risques est au cœur des
Accords de Bâle.

• Certains actifs étant plus risqués que d’autres, il faut en tenir


compte pour fixer le montant de fonds propres devant être
détenus en contrepartie.
• Le premier accord de Bâle a introduit deux ratios minimums
de fonds propres:
o Fonds propres de catégorie 1 ≥ 4%
o Fonds propres totaux (le « ratio Cooke ») ≥ 8%
• Le premier accord1 ne considérait que le risque de crédit.
1. L’amendement de 1996 au premier Accord de Bâle porte sur le risque de marché et emploie pour la première fois les
termes « Approche standardisée des risques » et « Approche fondée sur les notations internes ».

SSF 10
Actifs pondérés des risques (APR1)

Valeur des Pondération


expositions des risques APR

• Exemple:
– Une banque détient une hypothèque sur un bien immobilier
résidentiel (100€)
– En vertu des règles de Bâle I, on applique une pondération du
de 50% au risque pesant sur ce prêt
– L’actif pondéré des risques (APR) pour ce prêt est de 50€

1 en anglais, « risk weighted assets – RWA »

SSF 11
Ratio de fonds propres pondéré des
risques
• L’objectif est d’évaluer la solidité d’une banque

• On compare les fonds propres détenus avec le niveau


de risque pris :

Fonds propres
Ratio de fonds propres
pondéré des risques =
Actifs pondérés des
risques (APR « RWA »)

SSF 12
Ratio minimum de fonds propres
(pondéré des risques)
8% exigences
APR Ratio minimales
(RWA) minimal de
fonds
de fonds
propres propres

Exemple:
– Une banque détient une hypothèque sur un bien immobilier résidentiel
(100€)
– En vertu des règles de Bâle I, on applique une pondération du de 50% au
risque pesant sur ce prêt
– L’ actif pondéré des risques (APR) pour ce prêt est :
APR=100€ * 50% = 50€
– Pour ce prêt, les exigences de fonds propres de la banque sont :
APR x ratio minimum de fonds propres = 50€ * 8% = 4€

SSF 13
Ratio d’adéquation de fonds propres

Ratio de fonds propres Fonds propres


pondéré des risques
=
Actifs pondérés des
risques (APR « RWA »)

Définition des fonds propres


fonds propre de catégorie 1 ou

fonds propres = fonds propres de base « Tier 1 »

fonds propres
de catégorie 2 ou
« Tier 2 » + fonds propres complémentaires
- éléments à déduire
SSF 14
Les catégories ( tiers ) de fonds propres
selon Bâle I, II et III
Les Accords de Bâle distinguent deux catégories de fonds propres1
• Catégorie 1 (Tier 1) – fonds propres visant à assurer la
continuité d’exploitation2
o Capital versé/actions ordinaires
o Réserves publiées (réserves obligatoires, excédent et/ou bénéfices non
distribués)
• Catégorie 2 (Tier 2) - visant à absorber les pertes en cas de
liquidation (diapositive suivante)
o Les éléments de fonds propres de catégorie 2 sont quasiment les mêmes
avec Bâle I et Bâle II.
o En vertu de Bâle III, les éléments pouvant être qualifiés de fonds propres
de catégorie 2 doivent satisfaire à plusieurs critères.
1. Catégorie 3 –» L’amendement au premier Accord de Bâle introduit les fonds propres «risque de marché. Les fonds propres de catégorie 3 ont été
conservés dans Bâle II mais éliminés avec Bâle III. Les fonds propres de catégorie 3 sont moins «certains» que les fonds propres de catégorie 1 ou 2.
2. Avec Bâle III, la préférence est accordée aux fonds propres et quasi-fonds propres plutôt qu'aux autres formes de capital.

SSF 15
Fonds propres de catégories 1 et 2, selon
Bâle III1
• Échéance minimum de 5 ans Niveau 2 supérieur
Fonds • Pas d’incitation au remboursement (saut de rémunération) Niveau 2 inférieur
propres de •Pas de caractère cumulatif « Trust » préférentiel
• Absorption des pertes par réduction permanente de la Cumulatif
catégorie 2 valeur de l’actif ou conversion en fonds propres (sur une préférentiel
(T2) base avant liquidation- « gone concern » ou au point de Niveau 1 hybride
non viabilité « PNV »)

Fonds • Perpétuels Titres préférentiels


propres • Pas d’incitation au remboursement perpétuels non
complément • Absorption des pertes soit par réduction cumulatifs
aires de temporaire ou permanente de la valeur de Actions
catégorie 1 l’actif, soit par conversion en fonds propres (sur préférentielles
(AT1) une base de poursuite de l’exploitation)

Fonds Caractère
propres • Actions ordinaires (ou
permanent
équivalent)
ordinaires de  Absorbent
• Bénéfices mis en réserve et
catégorie 1 réserves
intégralement les
(CET1) pertes = surtout
• Moins les déductions
actions ordinaires …
1. Bien que Bâle I et Bâle II aient des exigences moins strictes que Bâle III, on conseille au régulateur d'adopter les définitions de Bâle III.

SSF 16
Pondérations des risques : approche
standardisée Bâle I et Bâle II/III
BALE I : Les pondérations de risques dépendent de la nature de l’emprunteur plutôt que
de ses caractéristiques financières ou antécédant de crédit => sensibilité au risque réduite
BALE II : Les pondérations dépendent des risques liés a la notation de crédit

Fonds propres réglementaires = pondération des risques x exposition x 8 %= actifs pondérés x 8 %

Bâle I Bâle II standard


Débiteur Pondération Notation de l’entité Pondérations de risque
Administration centrale de pays de l’OCDE 0%
Organismes publics 0 %, 10 %, 20 % ou 50 %
États Banques Entreprises
(hors administrations centrales) Fixé par l’autorité de AAA à AA– 0% 20 % 20 %
contrôle nationale
A+ à A– 20 % 50 % 50 %
Banques et entreprises réglementées de l’OCDE 20 %
BBB+ à BBB– 50 % 50 % 100 %
Prêts au logement totalement garantis par un bien 50 %
BB+ à BB– 100 % 100 % 100 %
immobilier résidentiel
BB+ à B– 100 % 100 % 100 %
Contreparties dans des opérations sur dérivés 50 %
Moins de B– 150 % 150 % 150 %
Entreprises du secteur public : banques des pays non 100 %
Non noté 100 % 50 % 100 %
membres de l’OCDE ; dette du secteur privé ; tous les
autres actifs

SSF
Amendement de 1996 sur le risque de marché
Introduction d'une approche «standardisée» et de modèles de risque
• Inclusion spécifique du risque de marché
• Distinction entre portefeuille de négociation et portefeuille
bancaire
– S’agissant des titres détenus dans le portefeuille de négociation,
l’exigence de fonds propres résultant des exigences relatives au risque
de crédit est remplacée par le montant résultant de l’amendement sur
le risque de marché
• Calcul des actifs pondérés des risques (APR « RWA »)
– Approche standardisée (repose sur la notation de crédit), ou le
– Modèle de risque interne → Méthodologie de la valeur à risque (VaR)

Catégorie 3 - Fonds propres "risque de marché" (à la discrétion de l'autorité prudentielle)


Introduit avec l'amendement de Bâle I relatif au risque de marché, maintenu dans Bâle II,
éliminé dans Bâle III - fonds propres moins " certains " que les fonds propres de catégorie 1
ou de catégorie 2.
SSF 18
Améliorer la mesure du risque

SSF 19
BÂLE II – un bref aperçu
Amélioration du cadre de Bâle I
• Trois "piliers" :
o amélioration de la mesure des risques
o couverture complète des risques
 Inclusion d’exigences de capital pour le risque opérationnel ainsi que
pour les risques de crédit et les risques de marché
o meilleur alignement des exigences de fonds propres et du risque
sous-jacent
o rôles à jouer par les banques et le marché.

• A encouragé les banques à améliorer leurs capacités en


gestion des risques
• Applicable à un large éventail de banques/systèmes
SSF 20
BÂLE II – un bref aperçu
– Bâle I consolidé
– Trois piliers
– Rôle accru accordé à la direction des banques et au
marché
– Dépendance accrue de l’auto-évaluation du risque par
les banques
– Plus grande importance accordée aux techniques
d'atténuation du risque de crédit
– Inclusion de fonds propres pour les risques
opérationnels
– Menu d'options

SSF 21
BÂLE II – les trois piliers

Pilier 1 Pilier 2 Pilier 3


Exigences de fonds Contrôle Discipline de
propres minimales • Procédure de contrôle marché
• Définition des fonds de la gestion des fonds • Exigences de
propres propres : communication
• Adéquation des fonds financière
• Risque de crédit
propres • Composition des fonds
• Risque de marché
• Évaluation et suivi propres
• Risque opérationnel • Exposition aux risques
• Intervention/fixation
de ratio cibles • Adéquation des fonds
propres

Bâle III suit cette même approche à trois piliers avec toute en améliorant chaque pilier.
SSF 22
BÂLE II - Pilier 1
Pilier 1 – Exigences minimales de fonds propres
Pas de modification majeure
Approche plus sensible Traitement explicite du de l’approche pour les
pour le
Risque Risques de
Risque de crédit opérationnel marché
Approche par les
Approche standard indicateurs de base (BIA) Approche standard

Approche standard (TSA)

Approche fondée sur les Approches par les


notations internes ( (IRB – Approche de mesure modèles internes (IMM)
fondation et IRB-avancée) avancée (AMA)

SSF 23
Fonds propres pondérés des risques
avec Bâle II/III
• Les actifs pondérés en fonction des risques sont
déterminés en utilisant:
o l’approche standard, ou
o l‘approche fondée sur les notations internes (NI « IRB »)
• Approche standard:
o pondération des risques fondées sur la notation de crédit.
• Approche NI:
o se fonde sur la mesure des pertes inattendues (PI « UL ») et
attendues (PA « EL ») (voir cours 4 et 6).
o Les fonctions de pondération de risque fournissent les
exigences de fonds propres correspondant aux PI (« UL »).

SSF 24
Fonds propres selon l’approche NI
• Il est possible, au moyen d'un modèle de portefeuille de crédit
stochastique, d’estimer le montant de perte inattendue (PI « UL ») qui
sera dépassé par une faible probabilité prédéfinie
• VaR (perte maximale subie à un niveau de confiance donné – fixée
à 99,9 % par le Comité de Bâle) perte inattendue (PI « UL »)

SSF 25
Fonds propres pondérées sous Bâle II/III
• Les banques ayant reçu l’autorisation des autorités
prudentielles d’utiliser cette approche peuvent s’appuyer sur
leurs estimations internes des composantes du risque pour
déterminer l’exigence de fonds propres associée à une
exposition donnée. Ces composantes comprennent les mesures
de la probabilité de défaut (PD), de la perte en cas de défaut
(PCD), de l’exposition en cas de défaut (ECD) et de l’échéance
effective (EE).
• Dans certains cas, les banques peuvent être tenues d’utiliser
une valeur prudentielle au lieu d’une estimation interne pour
une ou plusieurs des composantes du risque.

SSF 26
Risque systémique :
mesure et évaluation

SSF 27
Risque de contagion

SSF 28
Bâle III – la zone tampon
Banques d’importance
systémique mondiale
(EBISM)/banques d’importance
systémique nationale (EBISI)

Contracyclique

Conservation des fonds propres

CET1

SSF 29
L'évaluation des banques de l’importance systémique (EBIS)1
Banques de l’importance systémique mondial et intérieure (EBISM et
EBISI)
Catégorie Indicateurs
Activité transfrontière Créances et engagements transfrontières
Taille Expositions totales
Interdépendance Actifs et passifs dans le système
financier, encours de titres.
Substituabilité / Actifs sous conservation, activités de
Infrastructure financière paiement, prises fermes (souscription)
sur les marchés
Complexité Négociation des instruments dérivés gré
à gré et des titres, complexité des actifs2.
1. Chaque catégorie a une pondération de 20% ; au sein de chaque catégories, tous les indicateurs ont la même pondération.
2. Montant notionnel des instruments dérivés négociés de gré à gré, Actifs de niveau 3†, titres détenus à des fins de négociation et disponibles à la vente.
† IFRS 13 établit une hiérarchie des justes valeurs qui classe les passifs et actifs selon trois niveaux. Niveau 3: les données sont non observables - souvent ces
actifs et passifs sont les plus compliqués
Source: CBCB, Tableaux 1 et 2, ‘Banques d’importance systémique mondiale : méthodologie révisée d’évaluation et exigence additionnelle de capacité d’absorption des pertes’, https://www.bis.org/publ/bcbs255_fr.pdf

SSF 30
Mesurer le risque d’interconnexion pour
estimer les exigences de fonds propres
« Il est important de noter qu'il n'existe pas d'approche
unique suffisamment fiable pour quantifier le degré le plus
élevé d'exigence d'absorption des pertes…Toutes les
approches pâtissent de lacunes de données et les résultats
sont tributaires des hypothèses formulées.
[Donc,] la démarche consiste donc à produire des
informations à partir de plusieurs méthodes de modélisation
et à examiner la sensibilité des résultats en fonction de
diverses hypothèses. »

Source: CBCB, ‘Banques d’importance systémique mondiale : méthodologie révisée d’évaluation et exigence
additionnelle de capacité d’absorption des pertes’, Annexe 2, page 19. https://www.bis.org/publ/bcbs255_fr.pdf

SSF 31
Risque d'interconnexion
méthodes d'estimation
• De nombreuses techniques ont été élaborées et sont en
cours d'élaboration pour estimer le capital nécessaire
pour réduire les risques d'interconnexion et de
contagion.
• Dans le cours 12 consacré au risque systémique, nous
avons insisté sur l’analyse de réseaux comme moyen
d’estimes le risque systémique.
• Nous présentons ici quatre méthodes :
• VaR de codépendance - CoVaR
• Risque de codépendance - CoRisque
• Probabilité conjointe de défaut et de dépendance de détresse
• Mesure Diebold-Yilmaz

SSF 32
CoVaR

S’agissant de la
La CoVar entre deux
surveillance systémique,
institutions est la VaR
la CoVaR de l’institution
d'une institution à un
i est la VaR du système
centile q, à condition
financier tout entier à
que l’autre institution
condition que i soit à
soit à son seuil q-VaR
son seuil q-VaR

SSF 33
Illustration de la CoVar
Étape 1 :
Concevoir le système financier comme un portefeuille de banques

Étape 3 :
Distribution de
0.2

Estimer la contribution de la
probabilité de la 0.15
banque i au risque systémique
valeur de marché de la 0.1

banque i et du reste Prendre la différence entre


du système CoVaRq-CoVaR50%
0.05

0
4
2 4
0 2
0
-2 -2

Étape 2 :
-4 -4

Calculer la CoVaR aux niveaux de q % et 50 %


Calculer la VaR du système, à condition que la
banque i soit au niveau de confiance de q %
Calculer la VaR du système, à condition que la
banque i soit au niveau de confiance de 50 %

SSF 34
Utilisation de la VaR et de la CoVaR
CoVaR : Quelle est la VaR du système financier si une institution connaît des difficultés financières ?

• Peut servir à déduire le niveau des pertes


CoVaR pour le système causées par les difficultés
financières d'une institution

• Mesure la contribution des institutions au


risque systémique
ΔCoVaR • Peut constituer la base de la politique
(exigences de fonds propres imposées aux
EFIS)

∆CoVaR : En quoi la VaR du système financier change-t-elle lorsque un établissement donné des difficultés financières ?

SSF 35
Risque de codépendance («CoRisk »)

• Proposé par le FMI dans le Rapport sur la stabilité


financière dans le monde de 2009
• Semblable à la CoVar mais utilise les données sur les
CDS (contrat d’échange sur défaut)
• Saisit le risque de codépendance des institutions
financières découlant de liens directs et indirects
– Liens indirects provenant de l’exposition à des facteurs de
risque communs comme la dépendance à l’égard des
marchés de financement de gros et portefeuilles similaires,
etc.

SSF 36
Probabilité conjointe de défaut

Étape 1 :
Concevoir le système financier comme un portefeuille de banques

Étape 4 :
Estimer les mesures de stabilité
0.2

PdD de la banque X 0.15


financière.
0.1
Basée sur les probabilités
0.05
conditionnelles de difficulté
0
4
2 4
0 2
0
-2 -2
-4

PdD de la banque Y
-4

Étape 3 :
Étape 2 : Recouvrer la Densité multivariée du système financier
Estimer les probabilités de Elle caractérise les valeurs des actifs implicites du portefeuille des
difficulté individuelles des institutions financières et l'interdépendance de ces institutions
institutions financières financières.

SSF 37
Matrice d’interdépendance
• La probabilité de détresse (défaut) (PdD) pour une institution financière
peut être estimée à partir des cours des actions, des primes CDS, etc.
• À partir de ces estimations, on peut estimer une Probabilité conjointe de
défaut (probabilité collective de défaut « PCdD »).
o Par exemple, la probabilité que les établissements financiers A et B
soient en difficulté mais pas C
• À partir de la probabilité collective de défaut, on obtient la probabilité
conditionnelle de détresse
– C'est-à-dire, la probabilité que A connaisse des difficultés lorsque B
est en difficulté
• Résultats : probabilités conditionnelles de détresse par paire, appelées
« matrice d'interdépendance ».

SSF 38
Mesure Diebold-Yilmaz
• Mesure Diebold-Yilmaz (2009) ou mesure « DY » :
indicateur variable dans le temps des effets de contagion
des rendements des institutions
– Utilise des données de marché sur les rendements des
fonds propres et la volatilité de ces rendements pour
estimer la contribution moyenne des institutions au
risque systémique au moyen d'un modèle VAR.
• Elle recèle en outre de bonnes propriétés de prévisions
internes à l’échantillon pour les tensions systémiques
mais elle ne permet pas de déterminer les canaux de
contagion sous-jacentes
SSF 39
Marchés émergents et
économies en développement
Que faire?

SSF 40
Que devraient faire les marchés émergents
et les économies en développement?
Eléments à prendre en compte :
• Bâle II - modèle standard et au moins le premier pilier
• Bâle III - examiner les divers attributs et décider de ce
qui pourrait être mis en œuvre:
o Définition des fonds propres (accent mis sur les fonds propres de
base)
o Les différents volants de fonds propres
o N’ont pas été abordés ici :
– Ratio de levier
– Ratio de couverture de la liquidité (LCR)
– Ratio structurel de liquidité à long terme (NSFR)

SSF 41
Quelques leçons à tirer de ce cours
• Accords sur les fonds propres: un facteur d’atténuation essentiel
des risques du secteur financier
o Les risques du secteur financier évoluant, la réglementation devrait aussi
évoluer…c’est indispensable dans une optique prospective
o Les méthodes de mesure du risque ont été améliorées et affinées pour
permettre une amélioration plus efficace du risque.
o Plusieurs outils de mesure du risque ont été proposés pour soutenir le
contrôle macro-prudentiel:
 Utilisation intensive d'informations sur le marché
 Certaines de ces méthodes peuvent être utilisées pour –
□ Identifier les EFIS (« SIFIs »)
□ Calculer les fonds propres additionnels pour le risque systémique

• Il faut comprendre les risques…on ne peut appliquer la


réglementation de façon mécanique
• Il y a un grand volume des modifications réglementaire
internationale… prioriser les réformes

SSF 42
Merci !

SSF 43
Annexe - Risque d'interconnexion
Les quatre méthodes décrites plus amplement
• VaR de codépendance – CoVaR
• Risque de codépendance – CoRisque
• Probabilité conjointe de défaut et de dépendance de détresse
• Mesure Diebold-Yilmaz

SSF 44
Plan

CoVaR

Risque de codépendance

Probabilité collective de défaut et interdépendance

Mesure Diebold-Yilmaz

SSF 45
Contexte : Régressions quantiles

Constituent
une • L’estimation pondère les observations
méthode en les éloignant de la moyenne, et ce
plus fortement que les régressions
axée sur les des moindres carrés ordinaires
observations • Permet d’élaborer des mesures de
risque systémique qu’une seule
dans la institution soit en difficulté ou
queue du plusieurs institutions simultanément
modèle

SSF 46
Régression quantile

Commencez par examiner la méthode des


moindres carrés ordinaires (OLS) et celle des
moindres déviations absolues (LAD) :
min  2

β  i ∑ ( yi − X i β ) 

min  

β  i ∑ yi − X i β 

SSF
Régression quantile (suite)
Examinez les résidus dans la méthode des moindres
carrés ordinaires

Image de Pindyck et Rubinfield (modèles économétriques et prévisions économiques)


Régression quantile (suite)
La régression quantile (q) est essentiellement
une variante de LAD à q≠.5
q est le quantile choisi, disons
0,95 pour les observations dans la
« queue » de distribution du

min  
modèle

 ∑ q yi − X i β + ∑ (1 − q ) yi − X i β 
β {i yi ≥ X i β } {i yi < X i β } 
Résidus positifs Résidus négatifs
Exemple : régression quantile

50
Régressions quantiles : avantages et
inconvénients
Avantages :
• Utiles pour évaluer les risques et les événements extrêmes
(queue)
• Les prévisions prennent en compte le moment et la fréquence
des événements de « tensions » ou de « crise ».
• Le choix de p (taille de la queue) peut être interprété comme
prenant en compte la tolérance au risque des responsables
publics

Inconvénients :
• Les applications des séries chronologiques
nécessitent des quantités considérables de
données (mais on peut avoir recours à des
groupes)

SSF 51
CoVaR

S’agissant de la
La CoVar entre deux
surveillance systémique,
institutions est la VaR
la CoVaR de l’institution
d'une institution à un
i est la VaR du système
centile q, à condition
financier tout entier à
que l’autre institution
condition que i soit à
soit à son seuil q-VaR
son seuil q-VaR

SSF 52
CoVaR (suite)
• Rappel : la q-VaR de l’institution i est :

Pr ( X i ≤ VaRqi ) =
q
• Puis définissez la CoVaR de j|i comme :

Pr( Xj ≤ CoVarqj|i | Xi = VaRqi) = q


• La contribution de l’institution i au risque systémique
est :
∆CoVaRqsystem|i = CoVaRqsystem|i − CoVaR50%
system|i

SSF 53
Illustration de la CoVar
Étape 1 :
Considérer le système financier comme un portefeuille de banques

Étape 3 :
Distribution de
0.2

Estimer la contribution de la
probabilité de la 0.15
banque i au risque systémique
valeur de marché de la 0.1

banque i et du reste Prendre la différence entre


du système CoVaRq-CoVaR50%
0.05

0
4
2 4
0 2
0
-2 -2

Étape 2 :
-4 -4

Calculer la CoVaR aux niveaux de q % et 50 %


Calculer la VaR du système, à condition que la
banque i soit au niveau de confiance de q %
Calculer la VaR du système, à condition que la
banque i soit au niveau de confiance de 50 %

SSF 54
CoVaR et ΔCoVaR - utilisation

• Peut servir à déduire le niveau des pertes


CoVaR pour le système causées par les difficultés
financières d'une institution

• Mesure la contribution des institutions au


risque systémique
ΔCoVaR • Peut constituer la base de la politique
(exigences de fonds propres imposées aux
EFIS)

SSF 55
Questions auxquelles la CoVaR et la
ΔCoVaR permettent de répondre
• Quelle est la VaR du système financier si une
institution connaît des difficultés financières ?
(CoVaR)

• En quoi la VaR du système change lorsqu’une


institution connaît des difficultés financières ?
(ΔCoVaR)

SSF 56
Mise en œuvre de la CoVar
Une autre solution :
• Estimer deux régressions quantiles
α i + γ i M t −1 + ε ti
X ti =
α system + β system X ti + γ system M t −1 + ε tsystem
X tsystem =
• Pour l'institution i et le système financier tout entier
• Où :
– X représente la valeur de marché
– M est une série de contrôles macroéconomiques (VIX, taux des pensions
3M-bons du Trésor 3M, variation de la prime de risque, rendement des
fonds propres, etc.) pour refléter l’évolution de la distribution collective
dans le temps
• Doit estimer ces deux régressions quantiles deux fois : une fois pour
q=1 % et une seconde fois pour q=50 %

SSF 57
Mise en œuvre de la CoVaR (suite)
L’estimation de ces deux équations donne des estimations pour la VaRi
et la CoVaRi
La contribution de l’institution i au risque systémique est la suivante :

∆CoVaRti (q ) = CoVaRti (q ) − CoVaRti (50%)


= β system (VaRti (q ) − VaRti (50%) )
Adrian et Brunnemeier (2011) estiment que la VaR d'une banque et sa
contribution à la CoVaR ne sont que très vaguement liées. Il ne suffit
pas de mettre l'accent sur la seule VaR !
Un effet de levier plus grand, une asymétrie d’échéances et un niveau
plus élevé prédisent une contribution future plus importante à la
CoVaR.
SSF 58
CoVaR et ΔCoVaR :
Mise en œuvre avec régressions quantiles

Système Changes in Market Value, in percent


1.00

0.80

0.60

0.40

0.20

0.00

-0.20
Quantile Regression q=0.10
-0.40
q%
-0.60 ΔCoVaR
-0.80
q%
-1.00
-4.00 -3.00 -2.00 -1.00 0.00 1.00 2.00 3.00 4.00
CoVaR
q% VaR de la banque i 50 centile pour
e la banque i Banque i

59
Méthodes retenues

CoVaR

Risque de codépendance

Probabilité collective de défaut et interdépendance

Mesure Diebold-Yilmaz

SSF 60
Risque de codépendance
• Proposé par le FMI dans le Rapport sur la stabilité
financière dans le monde de 2009
• Semblable à la CoVar mais utilise les données sur les CDS
• Correspond au risque de codépendance des institutions
financière découlant de liens directs et indirects
– Liens indirects de l’exposition à des facteurs de risque communs
comme la dépendance à l’égard des marchés de financement
de gros, la détention de portefeuilles similaires, etc.

SSF 61
Risque de codépendance (suite)
Utilise la régression quantile suivante des primes CDS
sur certains facteurs de risque agrégés Rm,t

K
α +∑β
CDSi ,t = i
q
i
q ,m Rm ,t +β CDS j ,t + ε i ,t
i
q, j
m =1
En quoi le CDS de i subit l’influence
Prise en compte des facteurs de risque du CDS de j
agrégés Rm,t, y compris :
VIX, prime LIBOR, pente de la courbe
des rendements américains, etc.

SSF 62
Risque de codépendance (suite)
• Au moyen des résultats de la régression quantile :
K
α + ∑ β qi ,m Rm,t +β qi , j CDS j ,t + ε i ,t .
CDSi ,t = i
q
m =1

• Définir le risque de codépendance de i selon j comme


CDS du 95e centile de i lorsque j est aussi à un centile de 95 %
(Implicite dans la régression quantile)

 i K

 α 95% + ∑ β95%,m Rm ,t +β95%, j CDS j (95%) 
i i

CoRisk it , j 100 × 
= m =1
− 1 .
 CDSi (95%) 
 
 CDS du 95e centile de i, inconditionnel 

• Si positif, alors les difficultés de j auront pour effet d’accroître le CDS de i


lorsque i est en difficulté
SSF
63
Risque de codépendance : exemple
j
(banques
source)

i
(banques Les difficultés de Bank of
bénéficiaires) America ont eu pour effet
d’accroître la prime de
CDS de Bear Stearn (en
difficulté) de 154 pb.

64
Risque de codépendance : exemple
(suite)

Source : Rapport du FMI sur la


stabilité financière dans le
monde, avril 2009

65
Méthodes retenues

CoVaR

Risque de codépendance

Probabilité collective de défaut et interdépendance

Mesure Diebold-Yilmaz

SSF 66
Probabilité collective de difficultés

Étape 1 :
Considérer le système financier comme un portefeuille de banques
Étape 4 :
Estimer les mesures de stabilité
0.2

PdD de la banque X 0.15


financière.
0.1
Basée sur les probabilités
0.05
conditionnelles de difficulté
0
4
2 4
0 2
0
-2 -2
-4

PdD de la banque Y
-4

Étape 3 :
Étape 2 : Recouvrer la densité multivariée du système financier
Estimer les probabilités de Elle caractérise les valeurs des actifs implicites du portefeuille des
difficulté individuelles des institutions financières et l'interdépendance de ces institutions
institutions financières financières.

SSF 67
Matrice d’interdépendance
• La probabilité de difficultés (défaut) (PdD) pour une institution financière
peut être estimée à partir des cours des actions, des primes CDS, etc.
• À partir de ces estimations, on peut estimer une probabilité collective de
difficultés (Probabilité collective de défaut).
– Autrement dit, f(FIA=1, FIB=1, FIC=0, …) est la probabilité que les
institutions financières A et B soient en difficulté mais pas C
• À partir de la probabilité collective de difficultés, on obtient la probabilité
conditionnelle de difficulté
– Autrement dit, f(FIA=1|FIB=1) est la probabilité que A connaisse des
difficultés lorsque B est en difficulté
• Résultats : probabilités conditionnelles de difficultés par paire, appelées
« matrice d'interdépendance ».

SSF
68
Exemple : matrice d’interdépendance

Banques
source

Banques Source : Rapport du FMI


bénéficiaires sur la stabilité financière
dans le monde, avril
2009

Avant
la faillite de
Lehman

Le défaut de
Lehman causa
d'importantes
perturbations du
système.
69
Probabilité collective de difficultés et
indice de stabilité bancaire : États-Unis
Probabilité collective de difficultés Indice de stabilité bancaire (ISB) :
(Probabilité collective de défaut ) : Nombre prévu d'institutions financières
Probabilité de difficultés de toutes les sachant qu’au moins l'une d’elles a connu
institutions financières du système. des difficultés
3.5 0.025
1 2 34
1. Bear Stearns episode (3/11/08)
2. Lehman Bankruptcy and AIG bailout (9/15-16/08)
3.0 3. TARP I bill failure (9/30/08)
4. Global central bank intervention (10/8/08) 0.020

2.5

Bank Stability Index 0.015


2.0 (Number of banks, left scale)

1.5
0.010

1.0
JPoD
(Probability of default %, right scale) 0.005
0.5

0.0 0.000
Jan-07 May-07 Sep-07 Jan-08 May-08 Sep-08

70
Méthodes retenues

CoVaR

Risque de codépendance

Probabilité collective de défaut et interdépendance

Mesure Diebold-Yilmaz

SSF 71
Mesure Diebold-Yilmaz
• Mesure Diebold-Yilmaz (2009) ou mesure « DY » : Un
indicateur variable dans le temps des effets de contagion
des rendements des institutions
– Utilise des données de marché sur les rendements des
fonds propres et la volatilité de ces rendements pour
estimer la contribution moyenne des institutions au
risque systémique au moyen d'un modèle VAR.
• Il a en outre de bonnes propriétés de prévision internes à
l’échantillon pour les tensions systémiques mais
n’identifie pas les formes de contagion sous-jacentes
SSF
72
Mesure Diebold-Yilmaz
• Prenez un vecteur de deux variables xt=[x1t, x2t]’.
• Le comportement chronologique de xt est donné par le
modèle VAR(p) (autorégression vectorielle)
• Exemple avec ARV (1)

Φ1 xt −1 + ε t .
xt = E[ε t ε t '] = Ω.

SSF 73
Mesure Diebold-Yilmaz
• Dans certaines conditions (« stationnarité de la
covariance »), notre VAR(1) peut s’écrire comme la
représentation de « moyenne mobile » suivante :
= xt +1 A0ut +1 + A1ut , E[ut +1ut +1 '] = I .
• Ensuite, le vecteur d’erreur avec une longueur d’avance
Impact de 2 sur 1
est

 a0,11 a0,12   u1,t +1 


et +1,t =xt +1 − xt +1,t =A0ut +1 =  ,
 a0,21 a0,22   u2,t +1 
• Impact de 1 sur 2
• où xt +1,t = Φ1 xt .
SSF 74
Mesure Diebold-Yilmaz
• En décomposant la matrice d’erreurs, on obtient une
mesure de la proportion des parts de variance
croisée (propagation)

• En l'occurrence, la variance de 1 expliquée par


l’innovation de 2
a0,122 / (a0,112+ a0,122)
• La technique est essentiellement un exercice de
décomposition de la variance

SSF 75
Mesure Diebold-Yilmaz : exemple de
rendements des fonds propres

Source : Diebold et Yilmaz (2009), p. 163.

76
Principaux points à retenir
• Plusieurs méthodes ont récemment été proposées
pour appuyer la surveillance macroprudentielle
– Forte utilisation des informations de marché
• Certaines de ces méthodes peuvent être utilisées pour
– identifier les institutions financières d'importance
systémique
– calculer les exigences supplémentaires de fonds propres en
regard du risque systémique
• Il s’agit là d'un domaine dans lequel les travaux de
recherche se poursuivent

SSF 77
Merci

SSF 78