Risk S Crepey

Robustesse et risque de modèle dans la gestion des
risques des produits dérivés de crédit
Stéphane Crépey
Université d’Évry Val-d’Essonne and CRIS Consortium
Evénementiel RISK ‘Résilience’

3 décembre 2009
1 / 11
L’inévitable écart entre les marchés financiers et leur
description mathématique..
Extrême complexité des mécanismes à l’œuvre sur les marchés financiers

complexité qui excède infiniment celle de tout modèle mathématique
utilisable en pratique
Insuffisance des données de marché disponibles pour déterminer
numériquement les valeurs des paramètres des modèles
qu’il s’agisse de données historiques pour l’estimation statistique de
ces paramètres
ou de prix d’instruments liquides utilisables pour leur calibration
2 / 11

ces paramètres
2 / 11

ces paramètres
2 / 11
..Exacerbé dans le cas des marchés de dérivés de crédit
Complexité de l’univers sous-jacent à une tranche de CDO
Graphe d’interconnectivité d’un CDO square (Alex Lipton)
-1', 2&!"#%.)&!, #*%3.(,&" )#%&-#/'%+1&# !%1"(#20 &',(#" (#021&" #'%.$#,&' .,#'( !)!'(#,% &!'.(#&'!1.%#2',%#!. (*'%#"0+2&.%1-")
'"(3%&.4#* ,#) !,%(2&")&'!)%"*..# (%,&0 %&#'%&(#$) ' #! "( #
#*%+ ', '2&)'"1 #'0,0(%.&#--"'2% "./'#& ),-)
'#. +(3,"'#%& )!(' ,"%&#2-5 &1,/!#'% ()# &4('%&#3(0 "'&, &!%2/ ')+,(#%2 )&!1,# &12)# '!."&4 #0'2,1&"# '.4!, '-.2&!#/ +
Rareté statistique des évènements de défaut
Petit nombre de tranches de CDOs liquides cotées sur un indice de
crédit à un instant donné
→ Enjeu de la robustesse des modèles ou des stratégies de couverture
utilisées
Mais sur ce plan également la situation à laquelle on doit faire face
s’agissant des produits dérivés de crédit est nettement moins
confortable que celle concernant les produits dérivés actions/taux
Unit notionals
3 / 11
67
98 S\W]GhNZ[TcX_OUD^CJVSPFKaETHEg[GW^FURLZQDbcJfN\EOaCGFgRP[VDHWQXZLTNcSRÛ[VGFJaEOCQXL_SZPGFRJhEc]Oa[ULGWCQ^XFNNFTZDZH[[XIEQbUJJNMXGFdRDZF[D\HTQIHQUZOJ`NMf[XEGJUVDRZfW]CXODNEPgReOTINQGJCUL[MQD\RaO]XFUNLJWECS]GXegf:[F;WQCHDX\<JF=NTZ>TRLO?PHIcQ@UYAEMXHBDNa[QG\TCcREFHDNaXGQ\JS]CPCTFUOSVDGRJE^TUGV\IQJNM]XaSOZCF[TUGV\QJNNFcODPHODH]PQRETXIFJ[ECU\RDJEVMFNGHOIJfKLcHMTZLFRUSJXEONPgDF\HGaZQXVEJNOcC]_RDG\HZXTWQe`FEPgN[cDUJLZHTfbOSGQWEC^FX\eaND]RcOT[bHGUJLgHZWcNGd\QFEXUSPTCabLQ^JDOR
87 iOPCaXDSGZ]ELQFN[UO\V^DT_WJHcXC]GRPZaESD[FOeU\XLNJcECQ`GS]hHaOTFW\DUXLZ[JC^GRVN]ODP\CSQaEWZF[XNJDTgbHjGFC[f\OadQNVX]SXT\IYZGÊORM]U^XJPC [QLGi\]N\FSSUNGJJTXZ[IRQQVXGUMDh]eHCW\NJFQUGLR[HPTNEaCJOFFNOQWG[]TCJNVXZIDgdPJCRM\^ÒGa]XEDTFRZPgJCHÛ[LGQVDCEXfa_OGJOZXHCFIJT`MGU[LEfOgQ^X C\NUNV\RFaSEDFTHJcWIQU[LMGOiPCJXeE\SFgaf[GWQXHC\cJSEiUVTPRaGCOE\bcHUDFgL[JVPQXdG\S`TgLOUNKF[ÊGRJ\WfCPeZDNFOLXSTbHW\QCJE[^
6 7 8 9 8 7 6
utilisées
Unit notionals
3 / 11
kl
nm |yx{z}z|{yzx|{y}|{zx|{z|x{{y}~z|{y{y}~}z|yxyz~|xy{zx|o{px}yq{rst}~uvz}wy|xz{}y|xx{y|z|~x{|{y}y}z~{zxyz{|}~}{zy{}|zxy|}{zy}|zx{y}|}|{zxy
ml xy|z{y}x|zy{zx|}{yx|yxz{y}|{x~|zx |{|~|y}x{|}zx{{|x~yx|zy{x}|yxz|}x{~|z x{zy{}~|xz{|}xz|xz}y{|{z|xy{}xz
k l m n m l k
utilisées
Unit notionals
3 / 11
¡
£¢ ½ÆÁÇ±Ò¸ÄÅ¾ÍÂÉ¹¿®È´À½º°µË¯¾²¯ÑÅ±ÁÈ°¿¼¶Ä»®ÌÍ´Ð¸Æ¯¹Ë±°Ñ¼ºÅÀ®²Á»ÂÄ¶¾¸Í½¼È¿ÅÀ±°´Ë¯¹»Â¶É½Äº±°¼´Ò¯ÍÇ¹ËÅ¿¶±Á»ÈÂ°¸¸°¾Ä®Ä²ÅÅÂ³¯»Ì¿´´¸·Â±°Î¼®Ä°Å®Æ²¾»³²»¿Ä¹´Ê¸·ÐÅÂ¯±´¿À®¼ÄÐÁÇÂ¹®¸¯ºÑ¼Ï¹¾³¸»±´¿¶Å·»®Æ¼Ë¹ÇÂ°¿¸¶´Á¯½Ç±ÂÏÑÐ¤Å°¥Á»²®ÂÆ¦´°§¸¾Ä¨¾¼¶¹©º²³Í»ª¿Ã«¯·Â²¬®¸ËÅ»±Æ¾Í¼¯°²®¸ËÂ±»Æ´½Çº¾°¿¹½À®±¼´¯È¾¿±ÀÆ³»´¸·ÇÂË½¹Ä°Å¾¿±ÀÆ»´¸¸°Í¹®º²¹®²Çº»¼¯¾Â³°´Å¯¿Æ¼®´¯À·°¸±²¹³´Ðµ¶Í²·¾Ä¶°¼¿½´Â¯¹¸ºÑ®°Æ²±ËÄ»ÂÀ¯´¸¹ÍÇÉ¼®±Æ²ÄÂ¾Á»ÏÊ°¯ºÑ¸ÅÍ®¿´¶Ä²¾ÐÌ¹½±»Á¯È°ÂÆÏË¸®Ç¼Í¹¾ÅÌ²±¿´¶Ñ²ÄÁÍ¸±ÎÆ»°¯Â¿½º¾ËÌ¶»È´®¹¼
¢¡ Ó¹ºËÂ®½±ÄÇ¯¶»°¸Å¿¹ÆÀÈ®¾ÉÁ´²ÍÂÇ±¼ºÄË¯½®Å°¹Ï¿ÆÂ¶¸´Í¯»Ê±½ÇÒ²Ë¹¾°ÁÆ®¿Â¶ÄÅ´È±¼À¸Ç¹®ºÆ½»Ë¯ÁÄ°ÅÂ¸´®¾ÑÌ²Ô±°ÅÐÆ¹ËÎ»¸ÀÂÇ½Â¾Æ³ÃÄ±È¯¹¼·Ç¿ÈÂ´º Å»¶±ÓÆÇ¸Æ°½½¿¸±´´¾ÂÄÅ³¼»»ÀÂ±¿·®ÒÇÏ²ÁÆ¸´°»¿±¶¼Å²º¾¸¯Ë´¹°°¸¹»Á±ÅÇ¾´¸ÀÂÄ³®ÑÎº´¼·ÆÈÊ¹±ËÇÂ¯®¾°¼ÄºÑ´²È¿Å¶±»À®¯ÂÐËÉ¹±´¹ÄÂ²°³´¾Ê·±¿Å¶¯Ð¹Ñ»ÈÂ Æ¸¿¸ÀÆ¼°Ë½¯®°¾²´ÍÁ³»¿Å¶·±¹Óº´ÂÏ¯Æ½°ÑËÐÅ±Á»Â²ÆÍ´½¯Ó¿À¾º¼Ë±¹¯ÆÌÍ²¿®°Ñ¶Å´Àº»ÂÎ±Æ½Ê¾Ñ¶¹¿¸µ°ÅÈ¯±¼´ÆÁÐºÏÄ®¸°¹¶Â½¾Ì²ÁÆ»´¯ÅÈ
¡ ¢ £ ¢ ¡
utilisées
Unit notionals
3 / 11
ÕÖ
Ø× òûöüæíùúó÷þîôãýâéõòïåêäóçäúæöýåôñëùðãéíûäîâæåñïúõãçöð÷ùëóíòñýôúõæåéäîâð÷ëþòùïæåñéäüîúôëæöâðý÷åííåóãùçúú÷ùèäðôééíì÷æåñö ãùåúãûçóðù èçðñôùîéÿíìðú÷äæéôõãñùöüâ÷îãíäïñîóèíðæéâôëúìðãûñîü÷åôíëéöäâòüæ÷ÙúåÚöðâçã÷ûÛéåÜíóùÝóñëîÞïçèðßôøàäì÷çáãíúðæûóâñäåçãí÷æðûéòüâïâóåôîòõãæñéäýóôæõûèðéíìü÷òîùâåúóôæõûðéííåîãïçîãçüïðñäó÷èåéúäâôûñãéäõìåíæçîèéêëçìóùëåñôòé÷äîíïãåûçæùð÷õäéíîâüþñãæûçù÷óöðÿåäïíúãôéëùçóîòæðöäâýå÷ûíãüñîóúçæôéëçùöíæûðåä÷ôòïóâëðýéãîñ

×Ö îïâ÷ãòæùüäëðåíúôîûõýãóþöéç÷âüæñïùäòãúåîôû÷ëíéäâðÿæòüçîóåöûãô÷ëùúéâýæñõíüîãïûâòðäöùåú÷íéãóçæåâúûîðíõ÷üò÷óûèøùæýäîñìüôý÷éïâ úðëæûüíûåòòôíæééó÷ùúèñððõ÷æôìãüçâöûíéåðôæëñúçïóíäâéîååíîðöæúüóâéíõ÷ùèãïéâñìûýÿîæü÷äãóåñùïéâçýôúëæðõãâä÷þîæéîù÷çâåèéóÿìæôúëäîðý÷ âûíôíõûñåòäãåóçéöèðôúëìæîïâé÷äûòå úæöð÷çâûéòäôõóïñæâîäûçôãåëúéõïð÷æûòÿóëîôíêåúýäæñéûöâïùãíåîë÷òóçöûðâéäúý

Õ Ö × Ø × Ö Õ


utilisées
Unit notionals
3 / 11
Deltas
Equity tranche deltas for CDX.NA.IG series 5, 9 and 10

Tranche [0%,3%] deltas − CDX5 Tranche [0%,3%] deltas − CDX9
30 20
Li Li
25 Lo: Parametric Lo: Parametric
Lo: Entropy Min 15 Lo: Entropy Min
20
15 10
10
5
5
0 0
Oct05 Dec05 Feb06 Oct07 Dec07 Feb08
Tranche [0%,3%] deltas − CDX10
10
Li
8 Lo: Parametric
Lo: Entropy Min
0
Apr08 Jun08 Aug08
4 / 11
Series 5 from 20 September 2005 to 20 March 2006
Series 10 from 21 March 2008 to 20 September 2008
Index spread Base correlation at 3% strike

250 0.8
CDX5 CDX5
CDX9 CDX9
200 CDX10 0.7 CDX10
150 0.6
bps
100 0.5
50 0.4
0 0.3
0 20 40 60 80 100 120 0 20 40 60 80 100 120
Observation day Observation day
5 / 11
Series 10 from 21 March 2008 to 20 September 2008

250 0.8
CDX5 CDX5
CDX9 CDX9
200 CDX10 0.7 CDX10
150 0.6
bps
100 0.5
50 0.4
0 0.3
0 20 40 60 80 100 120 0 20 40 60 80 100 120
Observation day Observation day
5 / 11
Correlations between returns of the index spread and the
base correlations
Correlations between returns of the Correlation between index spread

index spread and the base return and 3% base correlation
correlations return based on 20-day rolling
Strike CDX5 CDX9 CDX10 window
5−Day
3% -0.30 0.07 0.40 1
7% -0.22 0.41 0.48 0.5
10% -0.18 0.45 0.50

0
15% -0.15 0.52 0.51
30% -0.11 0.62 0.50 −0.5
−1 CDX5
CDX9
CDX10
−1.5
0 20 40 60 80 100
Observation day
6 / 11
Correlations between returns of the index spread and the
base correlations
Correlations between returns of the Correlation between index spread

index spread and the base return and 3% base correlation
correlations return based on 20-day rolling
Strike CDX5 CDX9 CDX10 window
5−Day
3% -0.30 0.07 0.40 1
7% -0.22 0.41 0.48 0.5
10% -0.18 0.45 0.50

0
15% -0.15 0.52 0.51
30% -0.11 0.62 0.50 −0.5
−1 CDX5
CDX9
CDX10
−1.5
0 20 40 60 80 100
Observation day
6 / 11
Steepness of the base correlation skew
Time series
Steepness of base correlation skew
CDX5
0.65 CDX9
CDX10
0.6
0.55
0.5
0.45
0.4
0.35
0.3
0 20 40 60 80 100 120
Observation day
5-day volatilities of index spread and skew steepness

Index Spread 20.87 68.25 74.93
Base Correl Skew Steepness 11.18 34.74 25.26
7 / 11
Steepness of the base correlation skew
Time series
Steepness of base correlation skew
CDX5
0.65 CDX9
CDX10
0.6
0.55
0.5
0.45
0.4
0.35
0.3
0 20 40 60 80 100 120
Observation day
5-day volatilities of index spread and skew steepness

Index Spread 20.87 68.25 74.93
Base Correl Skew Steepness 11.18 34.74 25.26
7 / 11
Gaussian Copula analysis of equity tranche value of Series 9
Spread-delta and corr-delta terms
∆S (Sj+k − Sj) ∆ρ (ρj+k − ρj)
10 10
1−day 1−day
5−day 5−day
5 5
0 0
%
%
−5 −5
−10 −10
Theta and spread-gamma terms

Θ (t − t) 2
j+k j 0.5 Γ (S − S)
S j+k j
1 1
1−day 1−day
5−day 5−day
0.5 0.5
0 0
%
−0.5 −0.5
−1 −1
Crossed-gamma and corr-gamma terms negligible 8 / 11

10 10
1−day 1−day
5−day 5−day
5 5
0 0
%
%
−5 −5
−10 −10

Θ (t − t) 2
j+k j 0.5 Γ (S − S)
S j+k j
1 1
1−day 1−day
5−day 5−day
0.5 0.5
0 0
%
−0.5 −0.5
−1 −1

10 10
1−day 1−day
5−day 5−day
5 5
0 0
%
%
−5 −5
−10 −10

Θ (t − t) 2
j+k j 0.5 Γ (S − S)
S j+k j
1 1
1−day 1−day
5−day 5−day
0.5 0.5
0 0
%
−0.5 −0.5
−1 −1

Local Intensity Model
Dynamic, intensity-based, top model of credit risk

𝜆(Nt )
Replication based valuation and hedging theory
Perfect calibration
Cont, R., Cousin, A., Crépey, S. and Kan, Y. H.: Delta-hedging
correlation risk ? In Preparation.
Gaussian Copula versus Local Intensity Delta

In a positively skewed local intensity model,
Δlo gc lo gc
eq ≤ Δeq , Δsen ≥ Δsen
9 / 11

𝜆(Nt )
Perfect calibration

Δlo gc lo gc
9 / 11

𝜆(Nt )
Perfect calibration

Δlo gc lo gc
9 / 11
Hedging Performances
Residual volatility (in percentage)
CDX5 CDX9 CDX10
Tranche GC Lo GC Lo GC Lo
0%-3% 42.46 46.38 50.17 56.55 71.20 72.34
3%-7% 75.79 75.29 73.57 65.74 43.46 40.07
7%-10% 99.73 118.47 57.81 56.60 40.77 38.87
10%-15% 82.04 110.09 94.93 98.34 42.29 44.69
15%-30% 77.32 108.59 46.90 69.47 31.75 33.49
𝛽’s of the regression yi = 𝛼 + 𝛽xi + 𝜀i where yi are the changes in

tranche values and xi the changes in hedging portfolio value
CDX5 CDX9 CDX10
0%-3% 1.10 1.29 0.93 1.41 0.82 1.34
3%-7% 0.69 0.69 0.69 0.87 0.86 1.13
7%-10% 0.50 0.39 0.79 0.81 0.84 0.87
10%-15% 0.63 0.46 0.55 0.51 0.83 0.79
15%-30% 0.76 0.46 0.79 0.62 1.10 0.86
10 / 11
Hedging Performances
Residual volatility (in percentage)
CDX5 CDX9 CDX10
0%-3% 42.46 46.38 50.17 56.55 71.20 72.34
3%-7% 75.79 75.29 73.57 65.74 43.46 40.07
7%-10% 99.73 118.47 57.81 56.60 40.77 38.87
10%-15% 82.04 110.09 94.93 98.34 42.29 44.69
15%-30% 77.32 108.59 46.90 69.47 31.75 33.49
𝛽’s of the regression yi = 𝛼 + 𝛽xi + 𝜀i where yi are the changes in

tranche values and xi the changes in hedging portfolio value
CDX5 CDX9 CDX10
0%-3% 1.10 1.29 0.93 1.41 0.82 1.34
3%-7% 0.69 0.69 0.69 0.87 0.86 1.13
7%-10% 0.50 0.39 0.79 0.81 0.84 0.87
10%-15% 0.63 0.46 0.55 0.51 0.83 0.79
15%-30% 0.76 0.46 0.79 0.62 1.10 0.86
10 / 11
‘Intensité’ versus ‘Densité’
En guise de conclusion, une note plus optimiste basée sur un point de vue
récent à l’appui d’une certaine robustesse de la couverture dans le modèle
de copule gaussien, modèle qui, même s’il a selon certains ’tué Wall
Street’, demeure largement le standard de fait (modèle de base ou des
variantes avec recouvrement aléatoire) pour la gestion des produits
dérivés de crédit
Vigneron, O., Fermanian, J.-D.: On Break-Even Correlation: The
Way to Price Structured Credit Derivatives by Replication. Working
Paper, 2009.
Déterminer par reverse-engineering une classe de modèles
dynamiques dans laquelle le delta de copule gaussien se trouverait
être le ‘bon’ delta
Modèle basé sur les ℚ(𝜏i < T ∣ ℱt ) plutôt que sur 𝜆t ou les 𝜆it
El Karoui, N., Jeanblanc, M., Jiao, Y.: What happens after a default:
the conditional density approach. Working Paper, 2009.
11 / 11
Paper, 2009.
11 / 11
Paper, 2009.
11 / 11
Paper, 2009.
11 / 11

Risk S Crepey

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Risk S Crepey

Transféré par

Droits d'auteur :

Formats disponibles

Robustesse et risque de modèle dans la gestion des

risques des produits dérivés de crédit

Université d’Évry Val-d’Essonne and CRIS Consortium

Evénementiel RISK ‘Résilience’

Extrême complexité des mécanismes à l’œuvre sur les marchés financiers

Extrême complexité des mécanismes à l’œuvre sur les marchés financiers

Extrême complexité des mécanismes à l’œuvre sur les marchés financiers

Rareté statistique des évènements de défaut

Equity tranche deltas for CDX.NA.IG series 5, 9 and 10

Index spread Base correlation at 3% strike

Index spread Base correlation at 3% strike

Correlations between returns of the Correlation between index spread

7% -0.22 0.41 0.48 0.5

10% -0.18 0.45 0.50

Correlations between returns of the Correlation between index spread

7% -0.22 0.41 0.48 0.5

10% -0.18 0.45 0.50

5-day volatilities of index spread and skew steepness

5-day volatilities of index spread and skew steepness

Theta and spread-gamma terms

Crossed-gamma and corr-gamma terms negligible 8 / 11

Theta and spread-gamma terms

Crossed-gamma and corr-gamma terms negligible 8 / 11

Theta and spread-gamma terms

Crossed-gamma and corr-gamma terms negligible 8 / 11

Dynamic, intensity-based, top model of credit risk

Gaussian Copula versus Local Intensity Delta

Dynamic, intensity-based, top model of credit risk

Gaussian Copula versus Local Intensity Delta

Dynamic, intensity-based, top model of credit risk

Gaussian Copula versus Local Intensity Delta

𝛽’s of the regression yi = 𝛼 + 𝛽xi + 𝜀i where yi are the changes in

𝛽’s of the regression yi = 𝛼 + 𝛽xi + 𝜀i where yi are the changes in

Vous aimerez peut-être aussi