11marché Financier

Éléments de gestion de portefeuille ■ Chapitre 14
C’est une gestion dynamique dans la mesure où les proportions investies dans les
classes d’actifs sont fréquemment modifiées, compte tenu de l’horizon du contrat de
garantie et du passage du temps d’une part, et de l’évolution du niveau des actions
et des obligations d’autre part. Il s’agit donc d’une technique de réplication dyna-
mique d’options.
Les proportions investies en actions augmentent avec la hausse des actions et
diminuent avec leur baisse. C’est l’inverse du dicton boursier « buy low, sell high ».
Aussi, la brutalité du krach boursier d’octobre 1987 a été attribuée à ce type de ges-
tion, à la fois directement et indirectement. Directement, parce que les actifs sous
www.scholarvox.com:ENCG Settat:531909928:88818988:196.92.3.8:1576852692
une telle gestion représentaient plusieurs centaines de milliards de dollars et les
assureurs de portefeuille étaient massivement vendeurs le 19 octobre, même s’ils ne
pouvaient le faire autant qu’ils l’auraient voulu à cause de l’absence de cotations de
valeurs pendant plusieurs heures (ce qui eu d’ailleurs pour conséquence qu’ils n’ont
pu tenir les engagements de garantie qu’ils proposaient). Indirectement, parce que
ce type de gestion était peu connu à l’époque. Aussi, les opérateurs interprètent la
chute des cours non pas comme étant due aux effets mécaniques d’une telle gestion
automatique, mais à des informations défavorables dont ils n’auraient pas eu
connaissance, mais qu’ils interprétaient comme telles au vu de la chute des cours, ce
qui les amena à vendre, précipitant ainsi encore davantage la chute des cours.
Nous illustrons le fonctionnement de l’assurance de portefeuille à l’aide de la
figure 14.4. Dans cet exemple, nous considérons un investisseur désirant investir en
actions (S) et en obligations sans risque (B). L’investisseur est désireux de protéger
la valeur de son portefeuille sur les 12 prochains mois tout en profitant d’une aug-
mentation de la valeur des actions. La valeur actuelle de l’indice de marché des
actions est de I = 100 et les obligations paient un intérêt semestriel de 2 %.
L’investisseur fait l’hypothèse que l’indice de marché des actions peut augmenter de
20 ou baisser de 20 tous les six mois (modèle binomial). En revanche, il ne fait
aucune hypothèse sur les probabilités associées aux deux états de la nature.
© Dunod – Toute reproduction non autorisée est un délit.
L’assurance de portefeuille garantit à l’investisseur une valeur terminale de

V = 100 pour le portefeuille, et ce même si le marché des actions chute fortement.
Afin de garantir une valeur de 100, il suffit de pouvoir investir dans six mois 98,04
en obligations après une baisse de l’indice (de 100 à 80) ou 120 en actions après une
hausse de l’indice (de 100 à 120). Aujourd’hui, l’allocation en actions et en obliga-
tions doit permettre d’avoir 98,04 après une baisse de l’indice et 120 après une
hausse de l’indice. De ce fait, l’allocation optimale est donnée par la solution d’un
système de deux équations à deux inconnues : 0,8 x S + 1,02 × B = 98.04 et
1,2 × S + 1,02 × B = 120. L’investisseur doit donc investir 54,9 en actions et 53,06
en obligations, ce qui nécessite aujourd’hui un investissement total de 107,96.
409
Chapitre 14 ■ Éléments de gestion de portefeuille
Objectif
I = 140 V = 140
I = 120
S = 120 ; B = 0
I = 100 V = 100
I = 100
S = 54,9 ; B = 53,06 I = 100 V = 100
I = 80
S = 0 ; B = 98,04
I = 60 V = 100
Figure 14.4 – Gestion garantie par gestion dynamique en actions

et obligations sans risque
Une deuxième technique consiste à utiliser directement des options. Il s’agit donc
d’investir directement dans des obligations zéro-coupons et des calls sur l’indice.
L’investisseur peut également recourir à des produits structurés à capital garanti qui
sont, comme nous l’avons vu au chapitre 12, équivalents à une position en obliga-
tions zéro-coupon et à un investissement en calls. Dans le même esprit, une combi-
naison d’achat de contrats à terme sur indice et d’achat de puts peut être aussi utili-
sée. Avec le développement des marchés des contrats à terme sur indices boursiers
et sur taux d’intérêt et des marchés d’options, l’utilisation de ces instruments a
supplanté les techniques de gestion dynamique.
Avec la chute sévère des marchés depuis juin 2007, bon nombre d’investisseurs
ont été échaudés. Ils veulent bien continuer à miser sur les actions, mais à condition
de ne plus perdre. Aussi, toutes les banques créent pour leurs clients des produits
garantis. Au premier abord, une telle gestion peut paraître idéale : « pile je ne perds
pas et face je gagne ». Mais il ne faut pas oublier que toute assurance à un prix
(matérialisé dans l’exemple ci-dessus par le fait que l’investisseur doit investir
107,96 e pour une garantie finale de 100 e). En l’occurrence, un produit garanti est
moins attractif qu’une obligation classique en cas de baisse boursière puisque l’in-
vestisseur ne touche pas d’intérêt. C’est aussi moins attractif que l’achat direct
d’actions en cas de hausse boursière puisque l’investisseur ne touche pas les divi-
dendes et bénéficie souvent d’un taux de participation dont la hausse est inférieure
à 100 %. Pourtant, ce type de gestion correspond à une demande de la part d’inves-
tisseurs individuels.
410
Éléments de gestion de portefeuille ■ Chapitre 14
L’essentiel
• Devant l’accroissement des risques boursiers depuis quelques années, les pré-
ceptes de l’analyse moderne des marchés financiers sont particulièrement utiles.
La validation empirique est trop puissante pour qu’ils soient rejetés par le prati-
cien objectif.
• À l’opposé de ce que pensaient certains universitaires, il ne faudrait pas croire
que ces préceptes entraînent l’élimination de l’analyse financière ou de la gestion
de portefeuille. Il s’agit plutôt d’une orientation vers une gestion à long terme
liant les profits espérés à une prise de risque contrôlée. Le petit investisseur
devrait détenir un portefeuille qui diversifie plutôt que de privilégier les spécula-
tions ou arbitrages qui ne feraient qu’augmenter ses coûts. Le fonds d’investisse-
ment devrait s’orienter vers un système intégré et cohérent de gestion de porte-
feuille cherchant à faire fructifier l’épargne et non à courir, selon l’inspiration ou
les rêves de chacun, vers des profits chimériques.
• Dans ce chapitre, et plus généralement dans l’ensemble de cet ouvrage, nous
avons passé en revue différentes méthodes de gestion de portefeuille et des
risques. Le concept de risque est central à toute gestion. Certains risques sont
meilleurs que d’autres et doivent être pris en toute connaissance de cause. De
plus en plus, le risque est mesuré par rapport au benchmark d’une gestion pas-
sive. Un investisseur qui recherche une rentabilité supérieure doit structurer sa
gestion active. Il faut alors budgéter les risques qu’il est prêt à assumer. Les
hedge funds représentent l’extrême de la gestion active. Offrant des opportunités
de forts profits, ils font également courir des risques qui sont souvent sous-esti-
més. La gestion garantie est un exemple de forme de gestion qui s’adapte au
profil de risque souhaité par certains investisseurs.
411
Chapitre
Gestion
15
1 des risques
de marché
SOMMAIRE
Section 1 Le cadre réglementaire
Section 2 Estimation de la Value at Risk
Section 3 Communication des banques sur leurs risques de marché
Section 4 Validation des modèles de risque
Section 5 Critiques et extensions de la Value at Risk
Chapitre 15 ■ Gestion des risques de marché
U n système efficace de gestion des risques est devenu aujourd’hui un pilier

indispensable à la gestion d’actifs financiers, et ce d’autant plus en période
de crise financière. Les principaux objectifs sont d’identifier les risques pou-
vant affecter la valeur d’un portefeuille, de mesurer son exposition à chaque source
de risque, de tenter de prévoir la variabilité et les corrélations entre les sources de
risque et, ultimement, de quantifier les pertes possibles. Cet exercice est rendu
d’autant plus difficile que les expositions peuvent changer de manière drastique d’un
jour à l’autre, et même au cours d’une seule journée.
Ce chapitre se focalise sur les banques et les institutions financières. Notre choix
est motivé par le fait que les banques sont particulièrement exposées aux risques de
marché, que la gestion des risques est au cœur de leurs activités, et que de ce fait
elles sont perçues comme étant à la pointe dans le domaine de la gestion des risques.
Cependant, de temps à autre, les modèles de gestion des risques ne fonctionnent pas.
Par exemple, lors de la crise des subprimes de 2007-2008, le risque lié à l’utilisation
massive des dérivés de crédit a été fortement sous-estimé par les modèles en place
dans les banques.
De nombreux gérants de portefeuilles, tels des hedge funds ou des compagnies
d’assurance, effectuent une gestion fine des risques de placement en utilisant les
méthodes décrites ci-dessous.
Ce dernier chapitre s’articule de la façon suivante. Dans un premier temps, le
cadre réglementaire en matière de gestion des risques est décrit ainsi que les princi-
paux outils de mesure et de gestion des risques utilisés en pratique. Ensuite, sont
analysées la quantité d’informations divulguées par les banques sur leurs risques de
marché, les procédures de validation des modèles de risque, et finalement sont dis-
cutées les limites et les extensions de la principale mesure de risques de marché
utilisée en pratique, la Value at Risk (VaR).
Section
1 Le cadre réglementaire

Du fait du rôle central des banques dans l’économie, une faillite bancaire est un
événement aux effets multiples sur l’ensemble du système économique. Les institu-
tions financières sont donc soumises à une réglementation particulière et à une
supervision stricte. Jusqu’au milieu des années quatre-vingt-dix, le risque de défaut
de paiement des créditeurs était perçu comme la principale source de risque des
banques. Cependant, les pertes de trading abyssales enregistrées par des banques de
renom suggèrent que le risque de marché joue un rôle de plus en plus prépondérant.
Ces pertes sont le plus souvent causées par des prises de positions excessives en
produits dérivés de toute nature.
414
Gestion des risques de marché ■ Chapitre 15
Le rôle des autorités régulatrices est de garantir la stabilité du système bancaire.

Au niveau international, le cadre réglementaire est défini par le Comité de Bâle, une
institution créée en 1974 au sein de la Banque des Règlements Internationaux par
les gouverneurs des principales banques centrales. Les Accords de Bâle de 1988
(souvent appelés Bâle I) ont marqué une étape importante dans l’harmonisation des
réglementations locales dans le domaine bancaire. Ces accords ont permis de définir
la notion de fonds propres réglementaires. Ce niveau minimum de fonds propres
correspond à une fraction (le « ratio Cooke », 8 %) de l’ensemble des encours de
crédits pondérés par leur niveau de risque de défaut. En pratique, les fonds propres
sont constitués du capital social libéré, des réserves et des dettes subordon-
nées. L’application des Accords de Bâle a eu un effet bénéfique sur le niveau de
capitalisation des banques et a coïncidé avec une réduction significative du nombre
de faillites bancaires aux États-Unis.
Depuis l’amendement des Accords de Bâle de 1996, les autorités financières
exigent en outre des banques qu’elles maintiennent un capital suffisant pour pallier
les risques de marché en plus des risques de défaut. Chaque banque doit donc être
en mesure d’évaluer sur une base quotidienne les risques qui pèsent sur ses positions
de trading. La mesure de risque de marché retenue par le régulateur est la Value at
Risk (VaR). Il s’agit, comme on l’a vu au chapitre 4, d’un niveau de perte qui sera
dépassé avec une probabilité de seulement p % sur une période T. En pratique, les
banques calculent le plus souvent leur VaR à un jour (T = 1) avec une probabilité de
1 % (p = 1 %). Depuis l’amendement des Accords de Bâle, les fonds propres régle-
mentaires d’une banque sont établis en fonction de sa VaR.
L’évolution réglementaire la plus récente est la mise en place des Accords de Bâle
II (conclus en 2004 et dont l’application à travers le monde a commencé en 2007).
Ce nouveau cadre réglementaire repose sur trois piliers principaux. Le premier pilier
concerne les exigences minimales en matière de fonds propres. Le nouveau calcul
des fonds propres réglementaires prend en compte à la fois le risque de défaut, le
risque de marché et le risque opérationnel. Ce dernier est défini comme le risque de
pertes résultant de carences ou de défauts attribuables à des problèmes de procé-

dures, de systèmes internes, ou de personnes. Par rapport à Bâle I, l’appréhension
du risque de défaut a été modifiée afin de refléter plus fidèlement les probabilités de
défaut en faisant une place plus importante aux agences de notation, ainsi qu’en
autorisant l’usage de modèles de notation internes.
Le deuxième pilier de Bâle II complète et renforce le premier pilier en mettant en
place un processus de surveillance prudentielle qui vise à inciter les banques à éla-
borer de meilleures techniques de surveillance et de gestion des risques. Finalement,
le troisième pilier a pour but de renforcer la discipline de marché en augmentant
l’exhaustivité et la qualité de l’information produite par les banques (voir section 3
ci-dessous).
415
Suite à la récente crise bancaire, la réglementation bancaire a été renforcée dans

le cadre de l’Accord de Bâle III. La définition du capital réglementaire de meilleure
qualité (Core Tier 1) a été rendue plus stricte et son niveau minimum a été augmenté.
Un des objectifs de Bâle III est d’augmenter les exigences de capital réglementaire
lors des années fastes et non plus lors des périodes de forte volatilité. Parmi les
nouveaux ratios prudentiels figure un ratio d’endettement basé sur les actifs conso-
lidés de l’institution financière et deux ratios de liquidité, un à court terme (liquidity
coverage ratio) et un à long terme (net stable funding ratio). Des charges de capital
supplémentaires sont également prévues pour les expositions à la titrisation, les
produits dérivés non compensés sur une chambre de compensation et pour les insti-
tutions financières qui contribuent le plus au risque du système financier (les
G-SIFIs, ou Globally Systemically Important Financial Institutions).
Section
2 Estimation de la Value at Risk
Du fait de la taille et de la complexité des portefeuilles des banques, l’évaluation

des risques pesant sur leurs prises de positions n’est pas une tâche aisée. Quatre
méthodes sont fréquemment utilisées pour estimer la VaR de l’ensemble d’un porte-
feuille comprenant de nombreuses positions (voir Jorion, 2006 ; et Pérignon et
Smith, 2010)1 : la méthode historique, la méthode delta-normale, la simulation de
Monte Carlo et la simulation historique.
1 La méthode historique
Dans le cas où la composition du portefeuille est très stable, on peut étudier la

distribution des rentabilités journalières sur le portefeuille et calculer directement la
VaR à partir de la distribution historique de ce portefeuille. C’est-à-dire qu’on établit
la distribution des variations de valeur du portefeuille dans le passé (par exemple les
variations de valeur quotidiennes sur les cinq dernières années) et on calcule le point
qui correspond aux p % plus mauvaises variations. On considère donc la distribution
historique effectivement réalisée, sans avoir à faire l’hypothèse que cette distribution
est normale – cette méthode est donc non-paramétrique.
Cette approche n’est intéressante que dans le cas où la composition du portefeuille
ne change pas au cours du temps. Ceci est extrêmement rare, et cette version de la
1. Plusieurs institutions commercialisent des modèles d’estimation de VaR basés sur une modélisa-
tion avancée et des bases de données considérables. On peut mentionner notamment RiskMetrics et db
RiskOffice (anciennement RAROC 2020) de Deutsche Bank.
416
méthode historique est donc très peu utilisée. Dans la pratique, une institution finan-
cière ou un gérant de portefeuille modifie fréquemment ses positions et le calcul de
la VaR doit refléter la composition actuelle d’un portefeuille.
2 La méthode delta-normale
Cette méthode commence par une estimation des paramètres de risque de chaque
instrument. Dans une deuxième étape, on tient compte des corrélations entre chaque
source de risque pour calculer le risque total du portefeuille. Cette méthode utilise
un horizon très court (généralement une journée) et se concentre donc souvent sur
l’aspect risque sans tenir compte explicitement de l’espérance de rentabilité.
Si on connaissait les variances et corrélations de chaque instrument, on pourrait
calculer la variance du portefeuille comme on l’a fait dans les sections précédentes.
On pourrait alors calculer la VaR de l’ensemble du portefeuille sous l’hypothèse de
normalité. Toutefois, une banque a généralement trop d’instruments pour estimer la
matrice de corrélation totale. Par ailleurs, un certain nombre d’instruments tels les
produits dérivés (options…) présentent une distribution de leurs rentabilités qui ne
correspond absolument pas à celle d’une loi normale. L’hypothèse de normalité peut
être une bonne approximation pour des actions ou des mouvements de taux d’intérêt
ou de change ; par contre c’est une très mauvaise approximation pour des options
écrites sur ces mêmes variables (voir chapitre 11).
On pratique alors plutôt une approche par « facteurs de marché » en procédant en
plusieurs étapes :
1) on isole quelques facteurs de risque, par exemple les mouvements de taux
d’intérêt ou de l’indice de marché actions. On postule que les distributions de ces
facteurs suivent une loi normale ;
2) puis on calcule la sensibilité (delta) de chaque instrument à ce facteur de mar-

ché. Ainsi, on calcule la duration d’une obligation ou le delta d’une option (voir
chapitres 8 et 11) ;
3) les facteurs de marché étant peu nombreux, on peut calculer leur sigma et leur
corrélation. On en déduit ensuite, par multiplication des deltas, le sigma puis la VaR
de l’ensemble du portefeuille.
Les deltas ne sont que des sensibilités instantanées ; on peut améliorer la procé-
dure en tenant compte du deuxième ordre (convexité ou gamma). Il n’empêche que
l’hypothèse de normalité est fortement violée pour des instruments optionnels dès
que leur sous-jacent connaît de fortes variations.
417
3 Simulation de Monte Carlo

Beaucoup d’instruments ont des structures de gain/perte optionnelles et donc non-
normales. On peut modéliser ces instruments, simuler la distribution des rentabilités
(par une méthode de Monte Carlo ou de bootstrap) et en déduire une VaR. Cette
méthode est lourde puisqu’il faut d’abord développer un modèle théorique de valo-
risation de chaque instrument, puis réaliser de longues simulations de Monte Carlo
qui prennent en compte les corrélations entre les différentes sources de risque. Là
aussi, on simplifie la réalité en isolant un certain nombre de facteurs de marché qui
sont les sources principales d’incertitude. C’est une approche plus riche puisque les
distributions simulées sont inspirées du passé mais peuvent également incorporer
une vision subjective du futur. C’est toutefois une approche qui requiert un investis-
sement important et qui est surtout utilisée dans la pratique pour l’estimation du
risque de positions particulières (par exemple gestion d’une position complexe en
produits dérivés). Dans leur étude des modèles de risque des banques à travers le
monde, Pérignon et Smith (2010) ont trouvé que la simulation de Monte-Carlo est
utilisée par 14 % des institutions incluses dans leur échantillon.
4 Simulation historique
La méthode de la simulation historique est une méthode plus désagrégée que la
méthode historique présentée ci-dessus. Elle est en outre non paramétrique, à la
différence de la méthode delta-normale ou de Monte Carlo : on ne fait ici aucune
hypothèse quant aux distributions des facteurs de risque. La simulation historique se
base sur les différentes sources de risque affectant la valeur du portefeuille, comme
par exemple le niveau d’un indice de marché, sa volatilité, le taux d’intérêt à court-
terme, ou un taux de change. Pour chaque facteur de risque, on constitue un échan-
tillon historique contenant les variations actuelles du facteur. L’idée de base de la
méthode de la simulation historique est de recalculer la valeur du portefeuille en
considérant, à tour de rôle, tous les chocs passés contenus dans l’échantillon histo-
rique. Concrètement, si l’on utilise un échantillon de quatre années de valeurs quo-
tidiennes, on obtiendra 1 000 valeurs hypothétiques (250 valeurs par an) pour le
portefeuille à un horizon d’un jour. De ces valeurs hypothétiques, on tire 1 000
variations de la valeur du portefeuille que l’on range de la plus négative à la plus
positive. Une VaR à 1 % correspondra à la 11e valeur la plus négative car celle-ci ne
sera dépassée que dans 1 % des cas (10 valeurs parmi 1 000). Cette étape finale est
identique à celle de la méthode historique.
La simulation historique est la méthode de VaR la plus populaire auprès des
banques : elle est utilisée par 73 % des banques divulguant leur méthode de calcul
de VaR (Pérignon et Smith, 2010).
418
Parmi les raisons expliquant la popularité de la simulation historique, on peut citer

la taille et la complexité des portefeuilles de trading des banques. En effet, il devient
vite illusoire de vouloir estimer la structure de variance-covariance entre plusieurs
milliers de facteurs de risque. Une deuxième raison concerne les fonds propres
réglementaires des banques. Comme ces derniers dépendent directement du niveau
de la VaR de la banque, une VaR trop erratique amènerait des ajustements fréquents
et massifs des fonds propres réglementaires, ce qui poserait des problèmes au niveau
opérationnel. Comme la simulation historique ne répond que peu aux chocs de vola-
tilité observés, elle produit une VaR et un niveau de fonds propres réglementaires qui
varient peu dans le temps.
Section
2 Communication des banques

sur leurs risques de marché
Comme il a été évoqué dans la première section, un des piliers fondamentaux de

la réglementation de Bâle est de favoriser la transparence en ce qui concerne les
risques des banques. Une distinction importante doit être faite entre la divulgation
d’informations à l’attention des autorités de régulation et les informations à l’atten-
tion du public. À la différence du premier type de communication, les informations
en direction du public se font le plus souvent sur une base volontaire.
Pérignon et Smith (2010) ont évalué la quantité d’informations liées à la VaR d’un
échantillon de 60 banques internationales sur la période 1996-2005. Pour ce faire,
ils ont construit, pour chaque banque et chaque année, un indice de VaR, appelé
VaRDI (Value at Risk Disclosure Index), qui agrège toutes les informations sur les
risques de marché publiées par une banque dans son rapport annuel. Cet indice
prend ses valeurs entre zéro (aucune information sur la VaR) et quinze (information
la plus exhaustive qui soit). La première conclusion de cette étude est qu’il y a eu
une augmentation continue de la quantité d’informations publiques sur la VaR sur la
période d’observation. Par exemple, le niveau moyen de l’indice VaRDI aux États-
Unis est passé graduellement de 0.4 en 1996 à 7.0 en 2005. La deuxième conclusion
est qu’il existe de grandes différences entre pays en matière d’information sur la
VaR. La figure 15.1 présente le niveau moyen de l’indice VaRDI par pays (Chine,
États-Unis, Japon, Allemagne, France, Angleterre, Suisse, Italie, Hollande, Canada,
et Espagne) pour l’année 2005. La moyenne mondiale se situe à 8.1 et les valeurs
moyennes par pays varient passablement : de 0 en Chine à 12 en Espagne.
419
Source : Pérignon et Smith (2010).
Figure 15.1 – Décomposition de la VaR de JP Morgan Chase – 2001-2007
Quels sont les types d’informations typiquement présentés par les banques ? Elles
présentent les caractéristiques de leur VaR, tels que la probabilité avec laquelle la
VaR sera dépassée (1 % ou 5 %) et l’horizon de la VaR (un jour ou une semaine),
des statistiques descriptives calculées sur l’année écoulée (VaR moyenne, minimale,
maximale, de fin de période) et la VaR par sources de risque (actions, taux d’intérêt,
spread de crédit, taux de change, matières premières).
44,6 45,9
40,5
34,4
29,9 29,9
25,5
23,4
Crédit
Taux d’intérêt
Actions
Change
Matières premières
(diversification)
VaR (99%, 1 jour)
Q1 11 Q2 11 Q3 11 Q4 11 Q1 12 Q2 12 Q3 12 Q4 12
Source : Rapport annuel, Société Générale, 2012.
Figure 15.2 – Décomposition de la VaR de Société Générale – 2011-2012
420
La figure 15.2 présente la décomposition par sources de risque de la VaR totale du

groupe Société Générale. Il s’agit de VaR calculées avec un horizon à un jour et une
probabilité de 1 %, et exprimées en millions d’euros.
La banque française décompose sa VaR en cinq parties représentant les principales
sources de risques. Pendant cette période, les sources de risque les plus importantes
sont les risques de taux d’intérêt et de crédit. La VaR totale de la banque est obtenue
en additionnant les VaR individuelles des cinq sources de risque et en retranchant
l’effet de diversification. Cet ajustement reflète le fait que tous les risques ne vont
pas se réaliser en même temps et ne sont donc pas parfaitement corrélés. Négliger
l’effet de diversification aurait comme impact de plus que doubler la VaR totale de
la Société Générale lors du 2e et 3e trimestre 2012. Une fois fais l’agrégation des
risques et l’ajustement pour les effets de diversification, la Société Générale annonce
au 31 décembre 2012 qu’elle n’a que 1 % de chance de subir une perte de trading
supérieure à 29,9 millions d’euros avec un horizon d’un jour.
Certaines banques présentent également la valeur quotidienne de la VaR et le gain
ou la perte de trading, aussi appelé revenu de trading. Dans la figure 15.3, la VaR et
le revenu de trading de Deutsche Bank sont comparés quotidiennement en 2012. Ce
graphique fournit de nombreuses informations sur la dynamique quotidienne de la
VaR et des revenus de trading. La VaR moyenne était autour de 50 millions d’euros
et fluctue entre 40 et 75 millions d’euros.
100
50
0
(50)
(100)
1/12 2/12 3/12 4/12 5/12 6/12 7/12 8/12 9/12 10/12 11/12 12/12
Source : Rapport annuel 2012, Deutsche Bank. Valeurs indiquées en milliers d’euros. Les barres verticales
indiquent le revenu de trading quotidien et la ligne continue représente la VaR quotidienne.
Figure 15.3 –VaR et revenus de trading de Deutsche Bank
En outre, l’amplitude des pertes et gains quotidiens est dévoilée. La perte maxi-
male sur un jour a été d’environ 70 millions d’euros et le gain maximal a été d’envi-
ron 85 millions d’euros. Dans cet exemple, il y a eu deux jours où la perte a excédé
421
la VaR, ce que les gestionnaires de risques appellent des « exceptions ». Ici, le

nombre d’exceptions est très proche du nombre théorique de 2.5 jours (1 % de 250
jours boursiers). La gestion du nombre d’exceptions est analysée plus en détail dans
la prochaine section.
Section
4
Validation des modèles de risque

Alors qu’aucun modèle de VaR n’est imposé par les autorités de régulation ban-
caire, les banques doivent néanmoins démontrer la fiabilité de leurs modèles de
risque, le but étant que le modèle ne connaisse pas trop de journées pendant les-
quelles la perte de trading est supérieure à la VaR. Des tests statistiques ont été
développés afin de tester formellement la validité des modèles de VaR. Cette procé-
dure de validation, appelée backtesting en anglais (voir Kupiec, 1995), est décrite
ci-dessous.
Soit une VaR avec un horizon d’un jour et une probabilité p d’être excédée. Soit X
la variable aléatoire représentant le nombre d’exceptions dans un échantillon de T
jours. Chaque jour, la probabilité d’avoir une exception est égale à p (et donc la
probabilité de ne pas avoir d’exception est égale à 1 – p). La variable X suit donc
une loi binomiale. Après T jours, le nombre espéré d’exceptions est E(X) = pT et la
variance de X est var(X) = p(1 – p)T. L’intuition derrière le test est que le modèle de
VaR devrait être rejeté si le nombre d’exceptions X « est trop éloigné » du nombre
attendu pT.
Quand T est grand, le théorème de la limite centrale peut être utilisé et la distribu-
tion binomiale approximée par la distribution normale :
X – pT
Z = ---------------------------- → N ( 0, 1 )
p ( 1 – p )T
Comme Z est distribué selon la loi normale de moyenne nulle et de variance uni-
taire, on peut rejeter le modèle de VaR au seuil de confiance de 95 % :
1) si Z > 1,96 car le nombre d’exceptions est trop grand ;
2) si Z < –1,96 car le nombre d’exceptions est trop petit.
Rappelons qu’une variable aléatoire distribuée selon une loi normale de moyenne
nulle et de variance unitaire a 95 % de chance de prendre une valeur comprise entre
– 1,96 et 1,96.
422
Nous illustrons ce test en utilisant les chiffres présentés plus haut pour Deutsche
Bank. Lors de l’année 2012, la banque a enregistré deux exceptions de sa VaR jour-
nalière (calculée avec p = 1 %). La valeur de la statistique est dans ce cas :
2 – 0,01 × 250
Z = --------------------------------------- = – 0,318
0,01 ( 0,99 )250
Dans la mesure où la valeur de la statistique Z est comprise entre -1.96 et 1.96, le
modèle ne peut être rejeté par le test au seuil de confiance de 95 %. Un calcul simi-
laire a été effectué pour la banque suisse UBS en utilisant les informations conte-
nues dans son rapport annuel 2008 (section Risk, Treasury and Capital Management,
page 130). La VaR employée par la banque est également une VaR journalière cal-
culée avec p = 1 % et le nombre d’exceptions en 2008 est de 50. La valeur de la
statistique Z est de 18,844 et le modèle de VaR est clairement rejeté au seuil de
confiance de 95 %1.
Afin de classifier les résultats des tests de validation des modèles de VaR, le
Comité de Bâle utilise trois zones : une zone « verte » qui correspond à une four-
chette entre 0 et 4 exceptions par an (comme par exemple BNP Paribas en 2007),
une zone « jaune » qui correspond à entre 5 et 9 exceptions par an et une zone
« rouge » qui correspond à 10 exceptions ou plus par an (comme par exemple UBS
en 2008). Lorsque les résultats se trouvent en zones jaune ou rouge, les autorités
régulatrices imposent une pénalité qui viendra augmenter le montant des fonds
propres réglementaires.
Les tests de validation du modèle de VaR peuvent également être mis en œuvre
conjointement pour un groupe de banques. Par exemple, Pérignon, Deng et Wang
(2008) étudient la qualité des modèles de VaR des six principales banques cana-
diennes entre 1999 et 2005, soit 7 354 jours boursiers. Dans cet échantillon, il n’y a
eu que deux exceptions alors que le nombre prévu d’exceptions était de 73,5 (VaR
journalière calculée avec p = 1 %). Dans ce cas, les modèles de VaR sont rejetés car
ils ont tendance à surestimer la VaR et donc les banques canadiennes étaient trop
conservatrices sur cette période. Notons que des résultats similaires ont été obtenus
aux États-Unis par Berkowitz et O’Brien (2002).
Les résultats ci-dessus indiquent que les banques tendent à surestimer leurs expo-
sitions aux risques de marché, et à être surcapitalisées en période de faible volatilité
et à le sous-estimer, et à être sous-capitalisées en période de forte volatilité. Ceci
indique que les modèles de quantification des risques ne sont pas suffisamment
réactifs, ce qui s’explique en partie par le fait qu’il est coûteux pour les banques
d’ajuster le niveau de leur capital réglementaire en temps réel.
1. Pour une présentation complète des méthodes statistiques de validation des modèles de risques,
voir Colletaz, Hurlin et Pérignon (2013).
423
Section
5 Critiques et extensions de la Value at Risk

La VaR connaît un grand succès, en partie du fait de l’importance accordée par les
autorités de tutelle des banques, et notamment le Comité de Bâle. Pourtant, la phi-
losophie de la méthode VaR est souvent mal comprise et l’interprétation de la VaR
dangereuse.
1 Effets pernicieux de la VaR
Une utilisation massive et généralisée de la VaR parmi les banques peut affecter
l’intégrité du système financier. En effet, une hausse subite de la volatilité sur les
marchés financiers peut déclencher un cercle vicieux dont le mécanisme peut se
décrire comme suit. Suite à la hausse de volatilité, la VaR de toutes les banques
augmente en même temps, ce qui les pousse à vendre certains actifs afin de réduire
leur VaR. Ce faisant, elles exercent une pression à la baisse sur le prix des actifs
vendus, ce qui augmente mécaniquement la volatilité des marchés financiers et la
VaR des banques, et ainsi de suite.
L’hypothèse sous-jacente à cette théorie du cercle vicieux est la présence de cer-
taines similitudes dans la composition des portefeuilles des banques. Cette thèse a
été remise en question par Berkowitz et O’Brien (2007) et Jorion (2007) qui
montrent qu’il existe une grande hétérogénéité au sein des portefeuilles de trading
des banques américaines et que les revenus de trading ne sont que peu corrélés entre
banques. Cependant, la crise financière de 2008 semble démontrer le contraire. Les
institutions financières ont dû liquider leurs actifs pour reconstituer leurs fonds
propres et cela a contribué à la baisse drastique de plusieurs grandes classes d’actifs.
Ce résultat a été confirmé par Benoit, Hurlin et Pérignon (2013) qui montrent que
les changements d’expositions aux risques de marché des banques étaient fortement
corrélés pendant la crise financière.
2 Une VaR n’est pas une perte maximum
Beaucoup interprètent la VaR comme la perte maximum possible. En fait, ils

oublient que c’est une mesure sommaire associée à une probabilité de perte qui
correspond à des conditions « normales » de marché. Une façon plus explicite de
présenter une VaR calculée au seuil de 1 % serait de dire qu’il y a 1 % de « chance »
de perdre plus (et parfois beaucoup plus) que la VaR. Lorsque l’on dit que la VaR à
1 % est de 20 millions, cela implique qu’on estime à 1 chance sur 100 le risque de
424
perdre plus de 20 millions, mais cette perte pourrait être de 50 millions voire de
200 millions1. Le vrai risque de « catastrophe » réside donc dans cette queue de la
distribution, c’est-à-dire dans ces 1 % de chance de perdre plus que la VaR. Une
citation de Dennis Weatherstone, l’ancien PDG de J.P. Morgan, illustre bien cette
idée : « La VaR m’apporte 99 % de confiance. Je paie d’excellents salaires à mes
gestionnaires de risque afin de surveiller de prês le 1 % restant. »
3 Au-delà de la VaR
De nombreuses approches peuvent être utilisées afin de compléter une analyse de
VaR.
Premièrement, une banque peut s’interroger sur la perte à laquelle elle doit s’at-
tendre dans le cas peu probable d’un choc extrêmement négatif. Une façon de
répondre à cette question est de calculer la VaR conditionnelle, ou expected short-
fall, du portefeuille. Cette dernière est égale à la perte espérée lorsque l’on ne consi-
dère que les pertes excédant la VaR, ce qui correspond à une espérance condition-
nelle : E(perte | perte > VaR).
Deuxièmement, le gestionnaire de risque peut générer des scénarios catastrophes
et simuler la perte induite sur le portefeuille. Par exemple, on pourra simuler une
crise mondiale en postulant que les marchés deviennent très volatils, que les corré-
lations entre tous les marchés augmentent (réduisant les bénéfices de la diversifica-
tion du risque) et que de nombreuses sociétés font faillite. Dans la pratique on peut
toujours simuler des scénarios de plus en plus catastrophes et en déduire des pertes
de plus en plus importantes. La discussion devient alors très vite qualitative et les
recommandations pratiques peu évidentes.
Troisièmement, la VaR peut être étendue afin de tenir compte du risque de liqui-
dité. En effet, dans sa version standard, la VaR fait l’hypothèse que toute transaction
peut être exécutée sans délai et sans effet sur les prix de marché. Dans les faits
cependant, déboucler une position peut prendre plusieurs jours, parfois semaines, ou
même mois. En outre, les fourchettes entre prix acheteurs et vendeurs (bid-ask
spreads) peuvent devenir énormes durant des périodes de fortes tensions sur les
marchés. Bervas (2006) présente une excellente synthèse des travaux récents sur le
sujet.
1. Ainsi le hedge fund LTCM calculait une VaR quotidienne qui était très raisonnable par rapport à
ses capitaux propres. La crise russe de 1998 a entraîné un comportement des marchés catastrophique
pour les arbitrages de LTCM, d’autant que le faible volume de transactions constaté sur les marchés à
cette époque n’a pas permis à LTCM de couvrir ses positions rapidement. Croire qu’une faible VaR
protège d’une éventuelle banqueroute est illusoire, car des événements situés à dix écarts-types de la
moyenne peuvent survenir, même si cela est très peu fréquent, comme cela fut le cas durant l’été 2007
lorsque la crise financière éclata.
425
4 Mesures de risque systémique basées sur la VaR
La question de l’identification des institutions financières qui contribuent le plus

au risque du système financier est devenue centrale depuis la crise financière.
Récemment, deux types d’approches ont été développés afin de quantifier ces contri-
butions.
La première approche est basée sur des variables comptables qui capturent diffé-
rentes facettes du risque systémique d’une institution financière : taille, internatio-
nalisation des opérations, interconnexion, substituabilité et complexité. Ces variables,
qui pour la plupart sont confidentielles, sont agrégées par le régulateur dans un
indice de risque systémique propre à chaque firme (Basel Committee on Banking
Supervision, 2013).
La deuxième approche est basée sur des modèles économétriques des prix des
titres des institutions financières (prix des actions, CDS). Une des mesures les plus
populaires est une extension de la VaR d’une banque appelée CoVaR (Adrian et
Brunnermeier, 2011). Si nous appelons Ri la rentabilité d’une banque i et Rm la ren-
tabilité du système1 financier dans son ensemble, la CoVaR du marché financier
lorsque la santé financière de la banque i est bonne est définie par la VaR condition-
nelle du système :
Pr (Rm ≤ CoVaRm/bon Ri = médiane (Ri) = a
Par symétrie, la CoVaR du système financier lorsque la banque i est en détresse
financière est2 :
Pr (Rm ≤ CoVaRm/détresse Ri ≤ (VaRi) = a
Finalement, la contribution de la banque i au risque du système est capturée par la
notion de DCoVaR :
DCoVaRi = CoVaRm/détresse – CoVaRm/bon
L’intuition est la suivante. Si la banque i joue un rôle important dans le système
(la banque i est systémique), CoVaRm/détresse et CoVaRm/bon seront très différentes. En
effet, le montant que le système peut perdre, tel qu’il est mesuré par sa VaR, est
beaucoup plus élevé lorsque la situation financière de la banque i est difficile que
lorsqu’elle est bonne.
1. Pour d’autres mesures de risque systémiques, voir Acharya, Engle et Richardon (2012), Acharya
et al. (2010) et Benoit et al. (2013).
2. Par définition la banque i est en détresse financière si elle perd plus que sa VaR : Ri ≤ VaRi.
426
L’essentiel
• La gestion des risques est une activité fondamentale sur les marchés financiers.
Elle consiste à vérifier que tous les risques supportés en pratique sont connus et
voulus par la société ou l’investisseur.
• La VaR est un outil synthétique de gestion des risques très utile pour évaluer le
risque d’une position globale complexe, telle que celle d’une institution finan-
cière. À bien des égards, elle ne fait que synthétiser, et traduire en termes intuitifs
pour un non-initié, les concepts et méthodes de gestion des risques présentés
dans cet ouvrage.
• Cependant, comme la VaR est estimée à partir de cours boursiers passés, elle
est surtout utile hors périodes de crise. Pour cette raison, certains observateurs
des marchés financiers affirment que la VaR est comme un air bag qui ne fonc-
tionne correctement que lorsqu’il n’y a pas d’accidents…
• La crise financière de 2007-2009 a rappelé avec fracas les limites des tech-
niques modernes de gestion des risques financiers. Les prochaines générations de
modèles de risque devront tirer les enseignements de cette crise. Entre autres, ils
devront tenir compte des chocs de liquidité en recourant par exemple à des sce-
narios possibles bien que peu probables.
427
Chapitre
1 Bibliographie
Chapitre 1
Blume M.E., Siegel J.J., Rottenberg D., Revolution on Wall Street, the Rise and Decline
of the New York Stock Exchange, Norton, 1993.
Blackrock, ETP Landscape, mars 2013.
Dimson E., Marsh P., Staunton M., « The Low Return World », Credit Suisse et London
Business School, 2013.
Dubois M., Fresard L., Dumontier P., « Regulating Conflicts of Interest: The effects of
Sanctions and Enforcement », Review of Finance, 2014.
Foucault T., Biais, B., « Le Trading à Haute Fréquence et la Qualité de Marché », Opinions
et Débat, Institut Louis Bachelier.
Hamon J., Jacquillat B., La Bourse, 7e éd., coll. « Que sais-je ? », PUF, 2013.
Hamon J., Jacquillat B., Saint-Etienne C., « Consolidation mondiale des Bourses »,
Rapport du Conseil d’Analyse Economique, La Documentation Française, 2007.
Ibbotson Associates « Stocks, Bonds, Bills and Inflation », Yearbook, 2013
John K., Litov L., Yeung B., « Corporate Governance and Risk Taking », Journal of
Finance, 63, 2008.
Kadan O., Madureira L., Wang R., Zach T., « Conflicts of interest and stock recommen-
dations: The effects of the global settlement and related regulations », Review of Financial
Studies, 2009.
La Porta R., Lopez-De-Silanes F., Shleifer A., Vishny R., « Investor Protection and
Corporate Governance », Journal of Financial Economics, 58, 2000.
Lin H., McNichols M., « Underwriting Relationships, Analysts’ Earnings Forecasts and
Recommendations », Journal of Financial Economics, 1998.
Bibliographie
Lautier D., Simon Y., Les 100 mots des marchés dérivés, 3e ed,.coll. « Que sais-je ? », PUF,
2014.
Schumpeter J., The Explanation of the Business Cycle, Economica, 1927.
Chapitre 2
Amihud Y., Mendelson H., « Asset Pricing and the Bid Ask Spread », Journal of Financial
Economics, décembre 1986.
Biais B., Davydoff D., Jacquillat B., Organisation et qualité des marchés financiers,
PUF, 1997.
Biais B., Foucault T., Hillion P., Microstructure des marchés financiers, PUF, 1997.
Foucault T., Pagano T., Roell A., Market Liquidity : Theory, Evidence, and Policy,
Oxford University Press, 2013.
Hamon J., Handa P., Jacquillat B., Schwartz R., « Offre de liquidité et modalités
d’organisation d’un marché », in Hamon J., Jacquillat B., Recherches en finance du
CEREG, Economica, 1994.
Hamon J., Jacquillat B., La Bourse, 7e éd., coll. « Que sais-je ? », PUF, 2013.
Hamon J., Jacquillat B., Saint-Etienne C., « Consolidation mondiale des Bourses »,
Rapport du Conseil d’Analyse Economique, La Documentation Française, 2007.
Hull J., Options, futures, et autres produits dérivés, 8e ed., dirigée par P. Roger, Pearson,
Education, 2011.
O’hara M., Market Microstructure Theory, Blackwell Publishers, 1997.
Chapitre 3
Agrawal A., Jaffe J., Mandelker G., « The Post-Merger Performance of Acquiring
Firms : a Reexamination of an Anomaly », Journal of Finance, 47, 1992.
Alexander J., « Price Movements in Speculative Markets ; Trends or Random Walk »,
Industrial Management Review, 2, mai 1961, et « Price Movements in Speculative
Markets, number 2 », Industrial Management Review, 5, printemps 1964.
Baker M., Wurgler J., « Behavioral Corporate Finance: An Updated Survey », Handbook
of the Economics of Finance, 2013.
Ball R., Brown P., « An Empirical Evaluation of Accounting Income Numbers », Journal
of Accounting Research, 6, automne 1968.
Banz R., « The Relationship Between Return and Market Value of Common Stock »,
Journal of Financial Economics, 9, 1981.
Barberis N., «Thirty Years of Prospect Theory in Economics: A Review and Assessment »,
Journal of Economic Perspectives 27, 173-196, 2013a.
Barberis N., «Psychology and the Financial Crisis of 2007-2008», in Financial Innovation:
Too Much or Too Little?, Michael Haliassos ed., MIT Press, 2013b.
Barberis N., Huang M., « The Loss Aversion/Narrow Framing Approach to the Stock
Market Pricing and Participation Puzzle », dans R. Mehra (ed.) Handbook of the Equity
Premium, Amsterdam : Elsevier, 2008.
430
Bibliographie
Barberis N., Schleifer A., Vishny R., « A Model of Investor Sentiment », Journal of
Financial Economics, 49, 1998.
Barberis N., Thaler N., « A Survey of Behavioral Finance », dans Constantinides, Harris
et Stulz, Handbook of the Economics of Finance, Elsevier, 2003.
Barro R.J. « Rare Disasters and Asset Markets in the Twentieth Century», Quarterly
Journal of Economics, 2006.
Bec F., Golllier C., « Term Structure and Cyclicity of Value-at-Risk : Consequences for
solvency capital requirement », Working paper, Thema et Toulouse School of Economics,
janv. 2009.
Bell D.E., « Regret in Decision Making Under Uncertainty », Operations Research, 30,
1982.
Benartzi S., Thaler R.H., « Myopic Loss Aversion and the Equity Premium Puzzle »,
Quarterly Journal of Economics, 110, 1995.
Bernard V., « Stock Price Reactions to Earnings Accounting », dans R. Thaler (ed.),
Advances in Behavioral Finance, New York, Russel Sage Foundation, 1992.
Bernard V., Thomas J., « Evidence that Stock Prices do not Reflect the Implications of
Current Earnings to Future Earnings », Journal of Accounting and Economics, 13, 1990.
Brav A., Geczy C., Gompers P., « Is the abnormal return following equity issuances ano-
malous? », Journal of Financial Economics, 1998.
Brogaard J., Hendershott T., Riordan R., « High Frequency Trading and Price
Discovery », Working Paper, 2013.
Broihanne M.H., Merli M., Boolel-Gunesh S., « Disposition effect, Investor sophistica-
tion and Taxes: Some French Specificities? », Finance, 2009.
Brown S., Warner J., « Using Daily Stock Returns : the Case of Event Studies », Journal
of Financial Economics, 14, 1985.
Carhart M., « On Persistence in Mutual Fund Performance », Journal of Finance, 1997.
Campbell J., Shiller R., « Valuation Ratios and the Long-Run Stock Market Outlook »,
Journal of Portfolio Management, 24, hiver 1998.
Campbell J., Viceira L., Strategic asset allocation, Oxford University Press, 2002.
Chaboud A., Chiquoine B., Hjalmarsson E., Vega C., « Rise of the Machines:
Algorithmic Trading in the Foreign Exchange Market », Journal of Finance, à paraître.

Conrad J., Kaul G., « Time Variation in Expected Returns », Journal of Business, 61, 1988.
Cootner P., « The random character of stock market prices », MIT Press, 1964.
Daniel K., Hirshleifer D., Subrahmanyam A., « Investor Psychology and Security
Market Under- and Overreactions » Journal of Finance, 53, 1998.
De Bondt W., Thaler R., « Does the Stock Market Overreact ? » Journal of Finance, 42,
1985.
De Bondt W., Thaler R., « Further Evidence on Investor Overreaction and Stock Market
Seasonality », Journal of Finance, 42, 1987.
Dimson E., Marsh P., Staunton M., « The Low Return World », Credit Suisse et London
Business School, 2013.
Eckbo E., Masulis R., Norli O., « Security Offerings », Handbook of Corporate Finance:
Empirical Corporate Finance, Elsevier/North Holland.
431
Bibliographie
Fama E., « Random Walk in Stock Market Prices », Financial Analysts Journal, sept.-oct.
1965.
Fama E., « The Behaviour of Stock Market Prices », Journal of Business, janv. 1965.
Fama E., « Efficient Capital Markets II », Journal of Finance, 46, déc. 1991.
Fama E., « Market Efficiency, Long Run Returns, and Behavioral Finance », Journal of
Financial Economics, 1998.
Fama E., Blume M., « Filter Rules and Stock Market Trading », Journal of Business, 39,
janv. 1966.
Fama E., Fisher L., Jensen M., Roll R., « The Adjustment of Stock Prices to New
Information », International Economic Review, 13, 1969.
Fama E., French K., « Dividend Yields and Expected Stock Returns », Journal of Financial
Economics, 1988.
Fama E., French K., « The Cross-Section of Expected Stock Returns », Journal of Finance,
1992.
Fama E., French K., « Common Risk Factors in the Returns on Stocks and Bonds »,
Journal of Financial Economics, 1993.
Fama E., French K., « Size and Book-to-Market Factors in Earnings and Returns », Journal
of Finance, 1995.
Fama E., French K., « Size, Value, and Momentum in International Stock Returns »,
Fernandez P., Aguireamalloa J., Corres L. « Market Risk Premium Used in 82
Countries in 2012: A Survey with 7,192 Answers », Working Paper, IESE Business School.
Getmansky A., Lo A., Makarov I., « An Econometric Model of Serial Correlation and
Illiquidity in Hedge Fund Returns », Journal of Financial Economics, 2004.
Gromb D., Vayanos D., « Limits of Arbitrage: The State of the Theory », Annual Review of
Grossman S., Stiglitz J., « On the Impossibility of Informationally Efficient Markets »,
American Economic Review, 70, 1980.
Grullon G., Michaely R., « The Information Content of Share Repurchase Programs »,
Journal of Finance, 2004.
Hamon J., Jacquillat B., Le Marché français des actions, études empiriques, PUF, 1992.
Ikenberry D., Lakonishok J., Vermaelen T., « Market Underreaction to Open Market
Repurchases », Journal of Financial Economics, 1995.
Ikenberry D., Lakonishok J., Vermaelen T., « Stock Repurchases in Canada: Performance
and Strategic Trading », Journal of Finance, 2000.
Ikenberry D., Rankine G., Stice E., « What do Stock Splits Really Signal », Journal of
Financial and Quantitative Analysis, 31, 1996.
Jacquillat B., Solnik B., Marchés financiers, gestion de portefeuille et des risques, 3e éd.,
Dunod, 1997.
Jaffe J., « Special Information and Insider Trading », Journal of Business, 47, 1974.
Jegadeesh N., Titman S. « Returns to Buying Winners and Selling Losers: Implications for
Stock Market Efficiency » Journal of Finance, 1993.
432
Bibliographie
Jensen M., « Some Anomalous Evidence Regarding Market Efficiency », Journal of

Jensen M., « Agency Costs of Free Cash Flow, Corporate Finance and Takeovers »,
American Economic Review, 76, mai 1986.
Jorion P., Goetzmann W., « Global Stock Markets in the Twentieth Century », Journal of
Finance, 3, 1999.
Kahneman D., « Maps of bounded rationality : psychology for behavioral economics »,
American Economic Review 93, 2003.
Kahneman D., Lovallo D., « Timid Choices and Bold Forecasts : A Cognitive Perspective
on Risk Taking », Management Science, 39, 1993.
Kahneman D., Tversky A., « Prospect theory : an Analysis of Decisions under Risk »,
Econometrica 47, 1979.
Kendall M., « The Analysis of Economic Time-Series », Part 1, Journal of the Royal
Statistical Society, 96, 1953.
Lakonishok J., Lee I., « Are Insiders Trades Informative ? », Review of Financial Studies,
2001.
Keynes J.M., The General Theory of Employment Interest and Money, Collected Writings,
vol. VII, MacMillan for the Royal Economic Society, 1973.
Lo A., Mc Kinley C., « Stock Market Prices do not Follow Random Walks : Evidence from
a Simple Specification Test », Review of Financial Studies, 11, 1988.
Loomes G., Sugden R., « Regret Theory : An alternative Theory of Rational Choice under
Uncertainty », Economic Journal, 92, 1982.
Loughran T., Ritter J., « The Operating Performance of Firms Conducting Seasoned
Equity Offerings », Journal of Finance, 52, 1997.
Malkiel B., A Random Walk Down Wall Street, Norton, New York, 9e éd., 2011.
McLean D., Pontiff J., « Does Academic Research Destroy Stock Return Predictability? »,
Working paper, Boston University, 2013.
Mehra A. R., Prescott E.C., « The Equity Premium : a Puzzle », Journal of Monetary
Economics, 152, 1985.
Michaely R., Thaler R., Womack K., « Price Reactions to Dividend Initiations and
Omissions Overraction or Drify ? », Journal of Finance, 50, 1995.

Michenaud S., Solnik B., « Applying Regret Theory to Investment Choices : Currency
Hedging Decisions », Journal of International Money and Finance, 27, 2008.
Modigliani F., Miller M.H., « The Cost of Capital, Corporation Finance and the Theory
of Investment », American Economic Review, 48, 1958.
Moore A., « Some Characteristics of Changes in Common Stock Prices », in Cootner, op.
cit., 1964.
Odean T., « Are Investors Reluctant to Realize Their Losses ? », Journal of Finance, 53,
1998.
Poterba J., Summers L., « Mean Reversion in Stock Prices : Evidence and Implications »,
Rashes M., « Massively Confused Investors Making Conspicuously Ignorant Choice : MCI-
MCIC », Journal of Finance, 61, 2001.
433
Bibliographie
Ravina E., Sapienza P., « What Do Independent Directors Know? Evidence from Their
Trading », The Review of Financial Studies, 23 (2010), 962–1003.
Rietz T.A., « The Equity Risk Premium: A Solution », Journal of Monetary Economics,
1988.
Seyhun H., « Insider’s Profits, Cost of Trading and Market Efficiency », Journal of
Shiller R., « Do Stock Prices Move too Much to be Justified by Subsequent Changes in
Dividends ? », American Economic Review, 7, 1981.
Shiller R., « Stock Prices and Social Dynamics », Brookings Papers on Economic
Activities, 2, 1986.Shiller R., « Human Behaviour and the Efficiency of the Financial
System » dans Taylor, Woodford, Handbook of Macroeconomics, North Holland Elsevier,
1999.
Shiller R., Irrational Exuberance, Princeton University Press, 2000.
Shleifer A., Inefficient markets. An Introduction to Behavorial Finance, Oxford University
Press, 2000.
Summers L., « Does the Stock Market Rationally Reflect Fundamental Values ? », Journal
of Finance, 41, 1986.
Tobin J., « The Efficiency of Financial Markets : Myths and Realities », Journal of Financial
and Quantitative Analysis, sept. 1985.
Wang W., Shin Y.-C., Francis, B., « Are CFOs Empirical Test », Journal of Financial and
Quantitative Analysis, 2012.
Zarowin P., « Does the Stock Market Overreact to Corporate Earnings Information ? »,
Journal of Finance, 44, 1989.
Chapitre 4
Black F., Litterman R., « Global Portfolio Optimization », Financial Analysts Journal,
septembre-octobre 1992.
Engle R.F., « Dynamic Conditional Correlation : A Simple Class of Multivariate Generalized
Autoregressive Conditional Heteroskedasticity Models », Journal of Business and
Economic Statistics, 2002.
Engle R.F., Kelly B., « Dynamic Equicorrelation », Journal of Business and Economic
Statistics, 2012.
Fama E., « The Behavior of Stock Market Prices », Journal of Business, janvier 1965.
Grinold R.C., « Mean-Variance Optimization and Scenario-Based Approaches to Portfolio
Selection », Journal of Portfolio Management, 25, hiver 1999.
Hamon J., Bourse et gestion de portefeuille, 4e éd., Economica, 2011.
Harlow W.V., « Asset Allocation in a Downside Risk Framework », Financial Analysts
Journal, septembre-octobre 1991.
Ledoit O., Wolf M., « Honey, I shrunk the Sample Covariance Matrix », Journal of
Portfolio Management, 30, 2004.
Linsmeier T.J., Pearson N.D., « Value at Risk », Financial Analysts Journal, mars-avril
2000.
434
Bibliographie
Longin F., « The Asymptotic Distribution of Extreme Stock Market Returns », Journal of

Business, 63, 1996.
Markowitz H.M., Mean-Variance Analysis in Portfolio Choice and Capital Markets, Basic
Blackwell, 1987.
Markowitz H.M., Portfolio Selection : Efficient Diversification of Investments, Yale
University Press, 1959.
Michaud R., Efficient Asset Management, Harvard Business School Press, Boston, 1998.
Michaud R., « The Markowitz Optimization Enigma : Is “Optimized” Optimal ? »,
Financial Analysts Journal, janvier-février 1989.
Pérignon C., Smith D., « The Level and Quality of Value-at-Risk Disclosure by Commercial
Banks », Journal of Banking and Finance, 2010.
Sortino F.A., Forsey J., « On the Use and Misuse of Downside Risk », Journal of Portfolio
Management, hiver 1996.
Chapitre 5
Agarwal V., Naik N.Y., « Risks and Portfolio Decisions Involving Hedge Funds », Review
of Financial Studies, 2004.
Bali T., Brown S., Caglayan M., « Do Hedge Funds’ Exposures to Risk Factors Predict
Their Future Returns? », Journal of Financial Economics, 2011.
Blume M., « Betas and Their Regression Tendencies », Journal of Finance, 3, 1975.
Burmeister E., Roll R., Ross S., « A Practitioner’s Guide to Arbitrage Pricing Theory »,
in A Practitioner’s Guide to Factor Models, Charlottesville, VA : The Research Foundation
of Chartered Financial Analysts, 1994.
Campbell J.Y., Lettau M., Malkiel B., Xu Y., « Have Individual Stocks Become More
Volatile? An Empirical Exploration of Idiosyncratic Risk », Journal of Finance, 2001.
Carhart M., « On Persistence in Mutual Fund Performance », Journal of Finance, 1997.
Chen N., Roll R., Ross S., « Economic Forces and the Stock Market », Journal of Business,
1986.
Darolles S., Mero G., « Hedge Funds Returns and Factor Models: A Cross Sectional
Approach Bankers », Bankers, Markets & Investors, 2011

Dumas B., Allaz B., Les titres financiers, équilibre du marché et méthodes d’évaluation,
Paris, PUF, coll. « Finance », 1995.
Evans J., Archer S., « Diversification and the Reduction of Dispersion an Empirical
Analysis », Journal of Finance, septembre 1968.
1992.
Fama E., French K., « Common Risk Factors in the Returns on Stocks and Bonds »,
Fung W., Hsieh D.A., « Empirical Characteristics of Dynamic Trading Strategies: The Case
of Hedge Funds », Review of Financial Studies, 1997.
435
Bibliographie
Goyal A., Perignon C., Villa C., « How Common are Common Return Factors across
Nyse and Nasdaq ? », Journal of Financial Economics, 2008.
Grinold R., Kahn R.K., « Multiple-Factor Models for Portfolio Risk », in A Practitioner’s
Guide to Factor Models, Charlottesville, VA : The Research Foundation of Chartered
Financial Analysts, 1994.
Grinold R., Kahn R.K., Active Portfolio Management : Quantitative Theory and
Applications, Probus, 1995.
Jegadeesh N., Titman S., « Returns to Buying Winners and Selling Losers: Implications
for Stock Market Efficiency », Journal of Finance, 1993.
Kosowski R., Timmermann A., Wermers R., White H., « Can Mutual Fund “Stars” Really
Pick Stocks? New Evidence from a Bootstrap Analysis », Journal of Finance, 2006.
Markowitz H., Portfolio Selection : Efficient Diversification of lnvestments, New York,
John Wiley and Sons, 1959.
Menchero J., Orr D., Wang J., « The Barra US Equity Model (USE4) », Methodology
Notes, MSCI (2011).
Pogue G., Solnik B., « The Market Model Applied to European Common Stocks », Journal
of Financial and Quantitative Analysis, déc. 1974.
Sharpe W., « Capital Asset Prices : A Theory of Market Equilibrium Under Conditions of
Risk », Journal of Finance, sept. 1964.
Sharpe W.F., Alexander G.J., Bailey J.V., Investments, Englewood Cliffs, NJ, Prentice
Hall, 6th ed., 1999.
Solnik B., « Why not Diversify Internationally rather than Domestically », Financial
Analyst Journal, juillet 1974.
Wagner W., Lau S., « The Effect of Diversification on Risk », Financial Analysis Journal,
nov.-déc. 1971.
Chapitre 6
Ang A., Chen J., « CAPM Over the Long Run: 1926–2001 », Journal of Financial
Economics, 2007.
Adler M., Dumas B., « International Portfolio Choice and Corporation Finance : A
Synthesis », Journal of Finance, juin 1983.
Bekaert G., Harvey C.R., « Time-Varying World Market Integration », Journal of Finance,
50, juin 1995.
Bekaert G., Harvey C., Lundblad C., Siegel S., « What Segments Equity Markets? »,
Review of Financial Studies, 2011.
Bekaert G., Hodrick R., Zhang X., « International Stock Return Comovements »,
Black F., « Universal Hedging : Optimizing Currency Risk and Reward in International
Equity Portfolios », Financial Analysts Journal, juin-août 1989.
Black F., « Equilibrium Exchange Rate Hedging », Journal of Finance, juil. 1990.
Black F., Jensen M., Scholes M., « The Capital Asset Pricing Model : Some empirical
Tests », Studies in the Theory of Capital Markets, Jensen M. (ed.), Praeger 1972.
436
Bibliographie
Blume M., Friend I., « A New Look at the Capital Asset Pricing Model », Journal of
Finance, mars 1973.
Breeden D., « An Intertemporal Asset Pricing Model with Stochastic Consumption and
Investment Opportunities », Journal of Financial Economics, 7, 1979.
Breeden D., Gibbons M., Litzenberger R., « Empirical Tests of the Consumption-
Oriented CAPM », Journal of Finance, 44, 1989.
Brennan M., Xia Y., « International Capital Markets and Foreign Exchange Risk », Review
of Financial Studies, 2006.
Campbell J., Cochrane J., « By Force of Habit : A Consumption-Based Explanation of
Aggregate Stock Market Behavior », Journal of Political Economy, 1999.
Carrieri F., Errunza V., Hogan K., « Characterizing World Market Integration through
Time », Journal of Financial and Quantitative Analysis, 2007.
Chen N., Roll R., Ross S., « Economic Forces and the Stock Market », Journal of Business,
sept. 1986.
Christoffersen P., Errunza V., Jacobs K., Langlois H., « Is the Potential for International
Diversification Disappearing? A Dynamic Copula Approach », Review of Financial
Studies, 2012.
Cochrane J., Asset Pricing, Princeton University, 2005.
Constantinides G., Duffie D., « Asset Pricing with Heterogeneous Consumers », Journal
of Political Economy, 1996.
De Santis G., Gérard B., « International Asset Pricing and Portfolio Diversification with
Time-Varying Risk », Journal of Finance, 52, déc. 1997.
De Santis G., Gérard B., « How Big is the Premium for Currency Risk », Journal of
Financial Economics, 49, sept. 1998.
Dumas B., Solnik B., « The World Price of Foreign Exchange Risk », Journal of Finance,
juin 1995.
Epstein L., Zin S., « Substitution Risk Aversion and the Temporal Behavior of Consumption
and Asset Returns: A Theoretical Framework », Econometrica, 1989.
juin 1992.
Fama E., French K., « Value versus Growth : The International Evidence », Journal of
Finance, 52, déc. 1998.
Fama E., Mc Beth J.-D., « Risk, Return and Equilibrium : Empirical Results », Journal of
Political Economy, mai-juin 1973.
Grossman S., Shiller R., « The Determinants of the Variability of Stock Market Prices »,
American Economic Review, 71, 1981.
Harvey C., « The World Price of Covariance Risk », Journal of Finance, mars 1991.
Harvey C., « Time-Varying Conditional Covariances in Tests of Asset Pricing Models »,
Journal of Financial Economics, 24, 1991.
Jagannathan R., Wang W., « The Conditional CAPM and the Cross-Section of Stock
Returns », Journal of Finance, 1996.
437
Bibliographie
Jorion P., « Asset Allocation with Hedged and Unhedged Foreign Stocks and Bonds »,
Journal of Portfolio Management, été 1989.
Kothari S.P., Shanken J., Sloan R.G., « Another Look at the Cross-section of Expected
Stock Returns », Journal of Finance, 50, 1995.
Lettau M., Ludvigson S., « Resurrecting the (C)CAPM: A Cross-sectional Test When
Risk Premia are Time-Varying », Journal of Political Economy, 2001.
Lewellen J., Nagel S., « The Conditional CAPM Does Not Explain Asset-Pricing
Anomalies », Journal of Financial Economics, 1991.
Lintner J., « The Valuation of Risk Assets and the Selection of Risky Investments in Stock
Portfolios and Capital Budgets », Review of Economics and Statistics, fév. 1965.
Lucas R.E., « Asset Pricing in an Exchange Economy », Econometrica, 46, 1978.
Ludvigson A., « Advances in Consumption-Based Asset Pricing: Empirical Test »,
Handbook of the Economics of Finance, Elsevier, 2013.
Mehra R., Prescott E.C., « The Equity Premium: A Puzzle », Journal of Monetary
Merton R., « An Intertemporal Capital Asset Pricing Model », Econometrica, sept. 1973.
Roll R., Ross S., « An Empirical Examination of the Arbitrage Pricing Theory », Journal
of Finance, déc. 1980.
Ross S., « The Arbitrage Pricing Theory of Capital Asset Pricing », Journal of Economic
Theory, déc. 1976.
Savov A., « Asset Pricing with Garbage », Journal of Finance, 2011.
Sercu P., « A Generalization of the International Asset Pricing Model », Revue de l’Asso-
ciation Française de Finance, juin 1980.
Sarno L., Schneider P., Wagner C. « Properties of Foreign Exchange Risk Premia »,
Sharpe W., « Capital Asset Prices : A Theory of Market Equilibrium under Conditions of
Risk », Journal of Finance, sept. 1964.
Solnik B., « An Equilibrium Model of the International Capital Market », Journal of
Economic Theory, juin-août 1974.
Solnik B., « International Arbitrage Pricing Theory » Journal of Finance, mai 1983.
Chapitre 7
Associés en Finance, Service Trival, 2001-2009.
Brealey R., Myers S., Allen F., Principles of Corporate Finance, 11e éd., Mc Graw Hill,
2013.
Charreaux G., Gestion Financière, 6e éd., Litec, 2000.
Damodaran A., Damodaran on Valuation, 2e éd., John Wiley and Sons, 2006.
Fisher I., The Theory of Interest, Augustus M. Kellen, 1965 (réédition de l’édition de 1930).
Graham B., Dodd D., Cottle S., Security Analysis, Mc Graw Hill, 1988.
Jacquillat B., Les 100 mots de la finance, 6e éd., coll. « Que sais-je ? », PUF, 2013.
Leibowitz M., « Spread Driven Dividend Discount Models », Financial Analysts Journal,
56, nov.-déc. 2000.
438
Bibliographie
Levasseur M., Quintart A., Finance, Economica, 1998.

Molodovsky N., « Common Stock Valuation », Financial Analysts Journal, 21, mars-avril
1965.
Portrait R., Noubel P., Charlety P. Dubois D., Les Décisions financiers dans l’entre-
prise, méthodes et applications, 6e éd., PUF, 2004.
Rappaport A., Maubassin M., Expectations Investing, Harvard University Press, 2001.
Stern J., Chen D. (eds), The Revolution in Corporate Finance, Blackwell Publishing, 2003.
Vernimmen P., Quiry P., Lefur Y., Finance d’entreprise, Dalloz, 2014.
Williams J.B., The Theory of Investment Value, North-Holland Publishing, 1956.
Chapitre 8
Chen R.-R., Liu B., Cheng X., « Pricing the Term Structure of Inﬂation Risk Premia :
Theory and Evidence from TIPS », Journal of Empirical Finance, 2010.
Chernov M., Mueller P., « The Term Structure of Inﬂation Expectations », Journal of
Collin-Dufresne P., Goldstein R., Martin J.S., « The Determinants of Credit Spread
Changes », Journal of Finance, 2001.
Crouhy M., Galai D., Mark R., The Essentials of Risk Management, 2e édition, Mc Graw
Hill, 2014.
Crouhy M., Galai D., Mark R., « A Comparative Analysis of Current Credit Risk
Models », Journal of Banking and Finance, 2000.
Fama E., « The Information in the Term Structure », Journal of Financial Economics, déc.
1984.
Fama E., « Term Premiums and Default Premiums », Journal of Financial Economics, sept.
1986.
Feiger G., Jacquillat B., « Currency Option Bonds, Puts and Calls on Foreign Exchange
and the Hedging of Contingent Earnings », Journal of Finance, 1979.
Fisher I., The Theory of Interest, Mac Millan, 1930.

Friewald N., Jankowitsch R., Subrahmanyam M., « Illiquidity or credit deterioration: A
study of liquidity in the US corporate bond market during financial crises », Journal of
Haubrich J., Pennacchi G., Ritchken P., « Inflation Expectations, Real Rates, and Risk
Premia: Evidence from Inflation Swaps », Review of Financial Studies, 2012.
Hicks J.R., Value and Capital, Oxford, 1939.
Jacquillat B., De Laguiche S., « A Quasi Process Free Valuation Model of Floating Rate
Instruments : Theory and Evidence from the French Market », Journal of International
Financial Markets, Institutions and Money, 5, 1995.
Jacquillat B., Levy-Garboua V., Les 100 mots de la crise financière, coll. « Que sais-
je ? », PUF, 2013.
Jacquillat B., Roll R., « French Index-Linked Bonds for US Investors », Journal of
Portfolio Management, printemps 1979.
439
Bibliographie
Longstaff F., Schwartz E., « A Simple Approach to Valuing Risky Fixed and Floating
Rate Debt», Journal of Finance, 1995.
Macaulay F.R., Some Theoretical Problems Suggested by the Movements of Interest Rates,
1938.
Merton R., « On the Pricing of Corporate Debt : The Risk Structure of Interest Rates »,
Ramaswamy K., Sundaresan S., « The valuation of Floating Rates instruments », Journal
Roll R., « US Treasury Inflation-Indexed Bonds : the Design of a New Security », Journal
of Fixed Income, déc. 1996.
Solnik B., Mc Leavey D., Global Investments, 6e éd., Addison Wesley, 2009.
Chapitre 9
Adam T., Guettler A., « The Use of Credit Default Swaps by U.S. Fixed-Income Mutual
Funds », Working paper, Humboldt University, 2011.
Allayannis G., Weston J.P., « The Use of Foreign Currency Derivatives and Firm Market
Value », Review of Financial Studies, 2001.
Barth M.E., Elliott J.A., Finn M.W., « Market Rewards Associated with Patterns of
Increasing Earnings », Journal of Accounting Research, 1999.
Bartram S.M., Brown G.W., Conrad J.S., « The Effects of Derivatives on Firm Risk and
Value », Journal of Financial and Quantitative Analysis, 2011.
Bartram S.M., Brown G.W., Fehle F., « International Evidence on Financial Derivatives
Usage », Financial Management, 2009.
Beber A., Pérignon C., « The Unintended Consequences of Banning Derivatives in Asset
Management », Working Paper, HEC Paris, 2013.
Bodnar G.M., Hayt G.S., Marston R.C., Smithson C.W., « How Corporations Use
Derivatives », Financial Management, 1995.
Breeden D., Litzenberger R., « Prices of State-Contingent Claims Implicit in Option
Prices », Journal of Business, 1978.
Carter D., Rogers D.A., Simkins B.J., « Does Hedging Affect Firm Value? Evidence from
the U.S. Airline Industry », Financial Management, 2006.
Chakravarty S., Gulen H., Mayhew S., « Informed Trading in Stock and Option
Markets », Journal of Finance, 2004.
Cornaggia J., « Does Risk Management Matter? Evidence from the U.S. Agricultural
Industry », Journal of Financial Economics, 2013.
Froot K.A., Scharfstein D.S., Stein J.C., « Risk Management: Coordinating Corporate
Investment and Financing Policies », Journal of Finance, 1993.
Garca-Appendini E., Rangel T.A., « Do Derivatives Enhance or Deter Mutual Fund Risk-
Return Profiles? Evidence from Italy », Working Paper, Bocconi University, 2009.
Hakansson N., « Welfare Aspects of Options and Supershares », Journal of Finance, 1978.
Hasbrouck J., « One Security, Many Markets: Determining the Contributions to Price
Discovery », Journal of Finance, 1995.
440
Bibliographie
Koski J.L., Pontiff J., « How Are Derivatives Used? Evidence from the Mutual Fund
Industry », Journal of Finance, 1999.
Marin J.M., Rangel T.A., « The Use of Derivatives in the Spanish Mutual Fund Industry »,
Working Paper, Pompeu Fabra University, 2006.
Pan J., Poteshman A., « The Information in Option Volume for Stock Prices », Review of
Financial Studies, 2006.
Perez-Gonzalez F., Yun H., « Risk Management and Firm Value: Evidence from Weather
Derivatives », Journal of Finance, 2013.
Pérignon C., Guez J., Hege U., Valta P., Spira M., « Etude HEC-MEDEF sur les effets
de la volatilité de l’Euro sur les entreprises françaises », Rapport HEC-MEDEF, 2012.
Ross S.A., « Options and Efficiency », Quarterly Journal of Economics, 1976.
Smith C.W., Stulz R., « The Determinants of Firms’ Hedging Policies », Journal of
Financial and Quantitative Analysis, 1985.
Smithson C., Simkins B.J., « Does Risk Management Add Value? A Survey of the
Evidence », Journal of Applied Corporate Finance, 2005.
Stoll H.R., Whaley R.E., « The Dynamics of Stock Index and Stock Index Futures
Returns », Journal of Financial and Quantitative Analysis, 1990.
Stulz R., « Should We Fear Derivatives », Journal of Economic Perspectives, 2004.
Tobin J., « A General Equilibrium Approach to Monetary Theory », Journal of Money Credit
and Banking, 1969.
Chapitre 10
Baroni M., Barthelemy F., Mokrane M., « Is it Possible to Construct Derivatives for the
Paris Residential Market ? », Journal of Real Estate Finance and Economics, 37, 2008.
Bertus M., Hollans H., Swidler S., « Hedging House Price Risk with CME Futures
Contracts : The Case of Las Vegas Residential Real Estate », Journal of Real Estate
Finance and Economics, 37, 2008.
Brunnermeier M., Pedersen L., « Market Liquidity and Funding Liquidity », Review of
Financial Studies, 2009.
Case K.E., Shiller R.J., « The Efficiency of the Market for Single Family Homes »,
American Economic Review, 1989.
Chen S.-S., Lee C.-F., Shrestha K., « Futures Hedge Ratios : A Review », The Quarterly
Review of Economics and Finance, 2003.
Chen S.-S., Lee C.-F., Shrestha K., « Futures Hedge Ratios : A Review », Encyclopedia
of Finance, Springer, 2013.
Cruz Lopez, J., Harris J., Pérignon C. « Clearing House, Margin Requirements, and
Systemic Risk », Review of Futures Markets, 2011.
Cruz Lopez, J., Harris J., Hurlin C., Pérignon C. « CoMargin », Working Paper, Banque
du Canada, 2013.
Fabozzi F., Shiller R., Tunaru R., « Property Derivatives for Managing European Real-
Estate Risk », European Financial Management, 2010.
441
Bibliographie
Hull J C., Options, Futures and other Derivatives Securities, Pearson Prentice Hall, 2011.
Jacquillat B., Simon Y., « Infrastructures de marché et chambre de compensation : le cas
des CDS », in Lubochinski C., Les marchés financiers dans la tourmente, Cahiers du
cercle des économistes, PUF et Descartes, 2009.
Jarrow R., Chatterjea A., An Introduction to Derivative Securities, Financial Markets,
and Risk Management, Norton, 2013.
Lautier D., Simon Y., Les 100 mots des marchés dérivés, 3e éd., « Que sais-je ? » PUF,
2012.
Shiller R.J., Macro Markets : Creating Institutions for Managing Society’s Largest
Economic Risks, Oxford University Press, 1993.
Solnik B., McLeavy D., Global Investments, Pearson Prentice Hall, 2008.
Chapitre 11
Associés en finance, Les Options sur actions et sur indices, 3e éd., PUF, 1990.
Amin K., Ng V., « Option Valuation with Systematic Stochastic Volatility », Journal of
Finance, 1993.
Bakshi G., Cao C., Chen Z., « Empirial Performance of Alternative Option Pricing
Models », Journal of Finance, 1997.
Barone-Adesi G., whaley R., « Efficient Analytic Approximation of American Option
Values », Journal of Finance, 1987.
Bates D., « The Crash of 87: Was it Exected? The Evidence from Option Markets », Journal
of Finance, 1991.
Black F., « The Pricing of Commodity Contracts », Journal of Financial Economics, 1976.
Black F., Scholes M., « The Valuation of Option Contracts and a Test of Market
Efficiency », Journal of Finance, 1972.
Black F., Scholes M. « The Pricing of Options and Corporate Liabilities », Journal of
Political Economy, 1973.
Bodurtha J., Courtadon G., « Efficiency Tests of the Foreign Currency Option Market »,
Brennan M., Schwartz E., « Finite Difference Methods and Jump Processes Arising in
the Pricing of Contingent Claims : A Synthesis », Journal of Financial and Quantitative
Analysis, 1978.
Broadie M., Detemple J., « American Capped Call Options on Dividend Paying Assets »,
Review of Financial Studies, 1995.
Corrado C., Su T., « An Empirical Test of the Hull-White Option Pricing Model », Journal
of Futures Markets, 1998.
Conze A., Viswanathan R., « Path Dependent Options : the Case of Lookback Options »,
Courtadon G., « The Pricing of Option on Default Free Bonds », Journal of Financial and
Quantitative Analysis, 1982.
Cox J., Rubinstein M., Options Markets, Prentice Hall, 1985.
442
Bibliographie
Cox J., Ross S., Rubinstein M., « Option Pricing : A Simplified Approach », Journal of

Detemple J., American-Style Derivatives: Valuation and Computation, Chapman & Hall/
CRC, 2006.
Dumas B., Fleming.G., Whaley R., « Implied Volatility Functions : Empirical Tests »,
Feiger O., Jacquillat B., « Currency Option Bonds, Puts and Calls on Foreign Exchange
and the Hedging of Contingent Earnings », Journal of Finance, 1979.
Galai D., « A Survey of Empirical Tests of Option Pricing Models », in Option Pricing,
M. Brenner (éd.), D.C. Heath, 1983.
Garman M., Kolhagen S., « Foreign Currency Option Values », Journal of International
Money and Finance, 1983.
Geske R., « The Valuation of Compound Options », Journal of Financial Economics, 1979.
Geske R., « A Note on an Analytical Formula for Unprotected American Call Options on
Stocks with Known Dividends », Journal of Financial Economics, 1979.
Geske R., Johnson H.E., « The American Put Valued Analytically », Journal of Finance,
1984.
Geske R., Shastri K., « Valuation by Approximation : A Comparison of Alternative
Valuation Techniques », Journal of Financial and Quantitative Analysis, 1985.
Grabbe O., « The Pricing of Put and Call Options on Foreign Exchange », Journal of
International Money and Finance, 1983.
Heston S., « Closed-form Solution for Options with Stochastic Volatility with Applications
to Bond and Currency Options », Review of Financial Studies, 1993.
Hull J., Options, Futures, and other Derivatives Securities, Pearson Prentice Hall, 2011.
Hull J., White A., « The Pricing of Options with Stochastic Volatility », Journal of
Finance, 1988.
Jacquillat B., « Les options négociables sur actions et sur indice », Banque, 397 et 398,
juillet-août et septembre 1980.
Jarrow R., Chatterjea A., An Introduction to Derivative Securities, Financial Markets,
and Risk Management, Norton, 2013.
Johnson H., « Options on the Maximum or the Minimum of Several Assets », Journal of

Financial and Quantitative Analysis, 1987.
Jorion P., « Predicting Volatility in the Foreign Exchange Market », Journal of Finance, 50,
1995.
Kat H.M., « Contingent Premium Options », Journal of Derivatives, 1994.
Kemma A.G.Z., Vorst A.C.F., « A Pricing Method for Options Based on Average Asset
Values », Journal of Banking and Finance, 1990.
Longstaff F., « Pricing Options with Extendible Maturities : Analysis and Applications »,
Longstaff F., Schwartz E., « Valuing American. Options by Simulation: A Simple Least-
Squares Approach. Review of Financial Studies, 2001.
443
Bibliographie
Margrabe W., « The Value of an Option to Exchange one Asset for Another », Journal of
Finance, 1978.
Merton R., « Theory of Rational Option Pricing », Bell Journal of Economics and
Management Science, 1973.
Merton R., « Option Pricing when Underlying Stock Returns are Discontinuous », Journal
of Financial Economics, 1976.
Reiner E., « Quanto Mechanics », Risk, 1992.
Roll R., « An Analytic Valuation Formula for Unprotected American Call Options on
Stocks with Known Dividends », Journal of Financial Economics, 1977.
Rubinstein M., Exotic Options, Research Program of the University of California at
Berkeley, n° 220, 1991.
Rubinstein M., « Implied Binomial Trees », Journal of Finance, 1999.
Rubinstein M., Reiner E., « Breaking Down the Barriers », Risk, 1991.
Schaeffer S., Schwartz E., « Time Dependent Variance and the Pricing of Bond
Options », Journal of Finance, 1987.
Stulz R.M., « Options on the Minimum or the Maximum of Two Risky Assets : Analysis
and Applications », Journal of Financial Economics, 1982.
Whaley R., « On the Valuation of American Call Options with Known Dividends », Journal
of Financial Economics, 1981.
Whaley R., « Valuation of American Futures Options : Theory and Empirical Tests »,
Chapitre 12
Arcimoles (d’) C.-H., Trébucq S., « Une approche du rôle de l’actionnariat salarié dans la
performance et le risque des entreprises françaises », Revue de gestion des ressources
humaines, 48, 2003.
Arora N., Gandhi P., Longstaff F.A., « Counterparty Credit Risk and the Credit Default
Swap Market », Journal of Financial Economics, 2012.
Bertrand M., Mullainathan S., « Are CEOs Rewarded for Luck ? The Ones without
Principals Are », Quarterly Journal of Economics, 116, 2001.
Blasi J., Kruse D., Bernstein A., In the Company of Owners, Basic Books, 2003.
Bodie Z., Kaplan R.S., Merton R.C., « For the Last Time : Stock Options Are an
Expense », Harvard Business Review, 81, 2003.
Burth S., Kraus T., Wohlwend H., « The Pricing of Structured Products in the Swiss
Market », Journal of Derivatives, 9, 2001.
Carlin B., « Strategic Price Complexity in Retail Financial Markets », Journal of Financial
Economics, 2009.
Carter M., Lynch L.J., « The Effect of Stock Option Repricing on Employee Turnover »,
Journal of Accounting and Economics, 37, 2004.
Celerier C., Vallee B., « What Drives Financial Complexity? A Look into the Retail
Market for Structured Products », Working Paper, HEC Paris, 2013.
444
Bibliographie
Coval J.D., Jurek J., Stafford E., « The Economics of Structured Finance », Journal of

Economic Perspectives, 2009.
Fagnan D.E., Fernandez J.-M., Lo A.W., Stein R.M., « Can Financial Engineering Cure
Cancer? », American Economic Review, 2013.
Fernandez J.-M., Stein R.M., Lo A.W., « Commercializing Biomedical Research through
Securitization Techniques », Nature Biotechnology, 2012.
Griffin J., Tan D., « Did Credit Rating Agencies Use Biased Assumptions? », American
Economic Review, 2011.
Griffin J., Tan D., « Did Subjectivity Play a Role in CDO Credit Ratings? », Journal of
Finance, 2012.
Hall B., Murphy K. J., « Optimal Exercise Prices for Executive Stock Options », American
Economic Review, 90, 2000.
Heath C., Huddart S., Lang M., « Psychological Factors and Stock Option Exercise »,
Quarterly Journal of Economics, 114, 1999.
Hull J., Options, Futures, and other Derivatives Securities, Pearson Prentice Hall, 2008.
Ittner C.D., Lambert R.A., Larcker D.F., « The Structure and Performance Consequences
of Equity Grants to Employees of New Economy Firms », Journal of Accounting and
Lie E., « On the Timing of CEO Stock Option Awards », Management Science, 51, 2005.
Morningstar, « Synthetic ETFs under the Microscope: A Global Study », 2012.
Pérignon C., Vallée B., « Political Incentives and Financial Innovation: The Strategic Use
of Toxic Loans by Local Authorities », Working Paper, HEC Paris, 2013.
Poteshman A.M., Serbin V., « Clearly Irrational Financial Market Behavior : Evidence
from the Early Exercise of Exchange Traded Stock Options », Journal of Finance, 2003.
Stoimenov P., Wilkens S., « Are Structured Products “Fairly” Priced ? An analysis of the
German Market for Equity-Linked Instruments », Journal of Banking and Finance, 29,
2005.
Wall Street Journal, « Backdating Probe Widens as 2 Quit Silicon Valley Firm », C.
Forelle & J. Bandler, 6 mai 2006.
Chapitre 13
Barber B., Odean T., « Trading is Hazardous to your Wealth : The Common Stock
Investment Performance of Individual Investors », Journal of Finance, avril 2000.
Barras L., Scaillet O., Wermers R., « False Discovery in Mutual Fund Performance :
Measuring Luck in Estimated Alphas », Journal of Finance, 2010.
Berk J.B., Green R.C., « Mutual Fund Flows and Performance in Rational Markets »,
Journal of Political Economy, 2004.
Carhart M.M., « On Persistence in Mutual Funds Performance », Journal of Finance,
mars 1997.
Elton A.J., Gruber M.J., Brown S.J., Goetzmann W.N., Modern Portfolio Theory and
Investment Analysis, 9e edition, Wiley, 2013.
445
Bibliographie
Fung W., Hsieh D., Naik N., Ramodorai T., « Performance, Risk and Capital Formation »,
Grinold R.C., Kahn R.N., Active Portfolio Management, Chicago, IL, Irwin, 1999.
Jensen M., « The Performance of Mutual Funds in the Period 1945-1964 », Journal of
Finance, mai 1968.
Jorion P., Kirsten G., « The Right Way to Measure International Performance », Journal
of Investing, 1991.
Kosowski R., Timmermann A., Wermers R., White H., « Can Mutual Fund “Stars” Really
Pick Stocks ? New Evidence from a Bootstrapp Analysis », Journal of Financial
Economics, décembre 2006.
Lakonishok J.A., Schleifer A., Vishny R.W., « The Structure and Performance of the
Money Management Industry » Brookings Papers in Economic Activity : Microeconomics,
1992.
Roll R., « Ambiguity When Performance Is Measured by the Securities Market Line »,
Journal of Finance, sept. 1978.
Sharpe W.F., « Asset Allocation : Management Style and Performance Measurement »,
Journal of Portfolio Management, hiver 1992.
Sharpe W.F., « The Sharpe Ratio », Journal of Portfolio Management, automne 1994.
Solnik B., McLeavey D., Global Investments, 6e éd., Addison Wesley, 2009.
Chapitre 14
Aftalion F., Trackers et ETF : De Nouveaux Instruments d’Investissement, Economica,
2007.
Allredge R.H., « Mood Ring », Indexes, The Journal of Index Issues, Dow Jones, 2001.
Asness C., Krail R., Liew J., « Do Hedge Funds Hedge? », Journal of Portfolio
Management, 2001.
Associés en finance, Services Droite de Marché, Trival, 1979-2009.
Avramov D., Barras L., Kosowski R., « Hedge Fund Predictability under the Magnifying
Glass », Journal of Financial and Quantitative Analysis, 2013.
Banz r., « The Relation between Return and Market Value of Common Stocks », Journal
Buraschi A., Kosowski R., Trojani F., « When There is no Place to Hide - Correlation Risk
and the Cross-Section of Hedge Fund Returns », Review of Financial Studies, 2013.
Cavaglia S., Brightman C., Aked M., « On the Increasing Importance of Industry
Factors », Financial Analysts Journal, sept./oct. 2000.
Cavaglia S., Cho H., Singer B., « Measuring the Risks of Sector Rotation Strategies for
Global Equity Portfolios », Journal of Portfolio Management, été 2001.
Delcoure N., Zhong M., « On the Premium of IShares », Journal of Empirical Finance,
14, 2007.
Diermeier J., Solnik, B., « Global Pricing of Equity », Financial Analysts Journal, juillet-
août 2001.
446
Bibliographie
Dimson E., Marsh P., Staunton M., Millenium Book II, 101 Years of Investment Returns,
ABN Amro, London Business School, 2001.
Dimson E., Marsh P., « Event Study Methodologies and the Size Effect », Journal of
Engle R., Sarkar D., « Premiums-Discounts and Exchange Traded Funds », Journal of
Derivatives, 13, 2006.
Fama g., French k., « Common Risk Factors in the Return on Stocks and Bonds », Journal
Ferri R.A., The ETF Book : All You Need to Know About Exchange-Traded Funds, Wiley,
2009.
frino a., Gallagher D., « Tracking S&P 500 Index Funds », Journal of Portfolio
Management, 28, 1, automne 2001.
Getmansky M., Lo A., Makarov I., « An Econometric Analysis of Serial Correlation and
Illiquidity in Hedge-Fund Returns », Journal of Financial Economics, 74, 2004.
Hamon j., jacquillat b., « Is there Value-Added Information in Liquidity and Risk
Premiums », European Financial Journal, nov. 1999.
Hedge Fund Research, « Global Hedge Fund Industry Report », Third Quarter, 2008.
jegadeesh n., titman s., « Returns to Buying Winners and Selling Losers : Implications
for Market Efficiency », Journal of Finance, 48, 1993.
Jiang W., Li K., Wang W., Hedge Funds and Chapter 11, Journal of Finance, 2012.
Khandani L., Lo A.W., « What Happened to the Quants in August 2007 ? », Journal of
Investment Management, 2007.
Kostovesky L., « Index Mutual Funds and Exchange-Traded Funds », Journal of Portfolio
Management, été 2003.
Levis m., liodakis m., « The Profitability of Style Rotation Strategies in the UK », Journal
of Portfolio Management, automne 1999.
Patton A., Ramadorai T., « On the High Frequency Dynamics of Hedge Fund Risk
Exposures », Journal of Finance, 2013.
Patton A., Ramadorai T., Streatfield M., « Change You Can Believe In? Hedge Fund
Data Revisions », Journal of Finance, 2013.
Lo A.W., Hedge Funds : An Analytic Perspective, Princeton University Press, 2008.

Poterba M.J., Shoven J.B., « Exchange Traded Funds : A New investment Option for
Taxable Investors », American Economic Review, 92, 2002.
Morningstar, « Synthetic ETFs under the Microscope: A Global Study », 2012.
Ramadorai T., « The Secondary Market for Hedge Funds and the Closed Hedge Fund
Premium », Journal of Finance, 2012.
sharpe w., « Asset Allocation : Management Style and Performance Measurement »,
Journal of Portfolio Management, hiver 1992.
Siegel j., Stocks for the Long Run, 2e éd., Mc Graw Hill, 1998.
447
Bibliographie
stulz R., « Hedge Funds : Past, Present, and Future », Journal of Economic Perspective,
printemps 2007.
Taleb N.N., The Black Swan, Penguin Books, 2008.
Chapitre 15
Acharya V. V., Engle R. F., Richardson M., « Capital Shortfall: A New Approach to
Ranking and Regulating Systemic Risks », American Economic Review, 2012.
Acharya V. V., Pedersen, L. H., Philippon T., Richardson M. P. « Measuring Systemic
Risk », Working Paper, New York University, 2010.
Adrian T., Brunnermeier M.K., « CoVaR », Working Paper, Federal Reserve Bank of
New York, 2011.
Basel Committee on Banking Supervision, « Global Systemically Important Banks:
Updated Assessment Methodology and the Higher Loss Absorbency Requirement », Bank
for International Settlements, 2013.
Benoit S., Hurlin C., Pérignon C., « Implied Risk Exposures », Working Paper, HEC
Paris, 2013.
Benoit S., Colletaz G., Hurlin C., Pérignon C., « A Theoretical and Empirical
Comparison of Systemic Risk Measures », Working Paper, HEC Paris, 2013.
Berkowitz J., O’Brien J., « How Accurate Are Value-At-Risk Models at Commercial
Banks ? », Journal of Finance, 57, 2002.
Berkowitz J., O’Brien J., « Estimating Bank Trading Risk : A Factor Model Approach »,
in The Risk of Financial Institutions, Carey M. et Stulz R.M. (ed.), University of
Chicago Press, 2007.
Bervas A., « Market Liquidity and its Incorporation into Risk Management », Financial
Stability Review, 8, 2006.
Colletaz G., Hurlin C., Pérignon C., « The Risk Map: A New Tool for Risk
Management », Journal of Banking and Finance, 2013.
Jorion P., Value at Risk : The New Benchmark for Managing Financial Risk, McGraw-Hill,
2006, 3e edition.
Jorion P., « Bank Trading Risk and Systematic Risk », The Risk of Financial Institutions,
Carey M. et Stulz R.M. (ed.), University of Chicago Press, 2007.
Kupiec P.H., « Techniques for Verifying the Accuracy of Risk Measurement Models »,
Journal of Derivatives, 3, 1995.
Pérignon C., Deng Z.Y., Wang Z.J., « Do Banks Overstate their Value-at-Risk ? », Journal
of Banking and Finance, 32, 2008.
Pérignon C., Smith D.R., « The Level and Quality of Value-at-Risk Disclosure by
Commercial Banks », Journal of Banking and Finance, 2010.
448
Chapitre
1 Index
A B
Acquisitions 87 Backdating 357, 422
Actif sous-jacent (actif support) 286 Basis point 192
Action 14 Behavioral Finance 61
Actionnaires minoritaires 27 Benchmark 135, 145, 360, 367, 377, 384, 385
Agence de notation 210 Bêta 126, 279, 368
Allocation\ Black et Scholes 303
d’actif 367 Bons de souscription 19
entre les marchés 365 Bottom-up 393
stratégique 384
tactique (TAA ou Tactical Asset Allocation)
385, 393 C
Alphas 155
AMF 28, 38 Call 287
Analyse Capital garanti 348
en composantes principales 139 Carnet d’ordres 41, 46
factorielle 139 Cash & Carry 268
fondamentale 64 Chambre de compensation 57, 251
Anomalie 62, 77 CHI-X 37
Anticipations rationnelles 68 Coefficient
Antidatage 357 de corrélation 105
Appel de marge 57, 251 de détermination 129
Approche naïve 277 Collateralized Debt Obligation (CDO) 344
APT 162 Composite 379
Arbitrage 148, 268 Compound option 307
arbitrage pricing theory (APT) 148 Comptabilité mentale 95
Asset Liability Management (ALM) 385 Contrarian 397
Assurance de portefeuille 409 Contrat
Attribution de performance 365 sur devise 255, 270
Autocorrélation 73, 78 sur indice boursier 260, 271
Autorité des Marchés Financiers (AMF) 19 sur l’or 269
Index
sur marchandise 254 Fonds indiciel 390

sur obligation 272 Forward 232
sur taux à court terme 257, 273 Fourchette de prix 48
sur taux à long terme 258 free cash flow
sur taux d’intérêt 257 Free Cash Flows 87, 179
Convexité 208 Frontière efficiente 111
Corrélation 105 Fusions 87
Coupon 191 Future Rate Agreement (FRA) 260
Coupon couru 192 Futures 248
Courbe de structure de taux 199
Coût du capital 155
Coût du portage (cost of carry) 269 G
Coûts de transaction 33
Couverture multi-contrats 279 Gestion
Covariance 105 active 384, 391, 400
garantie 384, 408
indicielle 388, 390
D internationale 386
passive 384, 386
Date de coupon 191
Démembrement (stripping) 195, 197
Dépôt de garantie 57, 58, 251 H
Diversification 104, 131
Downside risk 117 Hedge funds 65, 376, 384
Duration 197 Hors des cours (out of the money) 297
Duration modifiée (modified duration) 206 High Frequency Trading (HFT) 29, 65
Durée de vie moyenne 197
I
E
Indice 22
Écart-type (standard deviation) 102, 367 Inflation 17, 31
Échéance finale 197 Information privée 90
Efficacité économique 69 Institutions financières 10
Efficience des marchés financiers 62 Investissement alternatif 403
Efficience informationnelle 63 Investisseurs initiés 90
Electronic Computerized Network 8
Epsilon 129
Équilibre des marchés financiers 85 L
Espérance de rentabilité 105
Études d’événements 86 Large cap 397
EUREX 259 Levier financier 267
EURIBOR 257, 337 LIBOR 221, 337
Exchange Traded Funds (ETF) 20, 154, 390 Liffe 56
Expected shortfall 425 Liquidité 12
Exposition 139 Loi de distribution log-normale 303
Loi normale 103, 119
F
M
Facteur
de concordance (conversion factor) 259, 272 Marché
caractéristiques 141 continu 46
macroéconomiques 139 euro-obligataire 220
statistiques 139 Marché au hasard 72
Floating Rate Notes (FRN) 222 Marge de maintien 58, 251, 254
Fonction normale cumulée 304 Marge initiale 251, 254
450
Index
Marked-to-market 255, 262 Ordre à cours moyen pondéré 50

Market timing 393 Ordre à plage de déclenchement 50
Markowitz 111 Ordre à seuil de déclenchement 50
MEDAF international 153, 373 Over-the-counter (gré à gré) 248, 292
Mesure de Jensen 370
Mesure de Treynor 370
Micro cap 397 P
microstructure 36
MiFID 37 Performance 91
Modèle de Black et Scholes 317 PER (Price Earnings Ratio) 173
Modèle de marché 124 Pied de coupon 192
Moins chère à livrer (cheapest to deliver) 272 Plateforme d’exécution 37
Momentum 77, 397 Portefeuille de marché 387
Monte Carlo 418 Premium 287, 289
Moyenne mobile 75 Prime de liquidité 201
Multilateral Trading Facilities 37, 42, 45 Prime de risque 82, 154, 160
Mutual funds 360, 390 Prix du risque 151, 154, 159
Produit hybride 293
Produits structurés 335, 347
N Program trading 272
Prospect theory 92
Nasdaq 41 PSI 38
Notation (rating) 191, 210 Put 287
Nyse 41
Q
O
Queues épaisses 116
OAT (obligations assimilables au Trésor) 13
Objectifs de risque 135
Obligation R
à fort rendement (junk bond) 211
à taux variable 191, 217, 220 Ratio
classique 191 de couverture 160, 275
convertible en action 191, 308 de Sharpe 369
indexée 217 d’information 370
notionnelle (notional bond) 259, 272 optimale de couverture 277
souveraine (sovereign bond) 212 Rationalité 68
zéro coupon 193, 207 Règlement-livraison 51
Offres publiques d’achat (OPA) 14 Rentabilité pondérée par les capitaux investis
OPCVM (Organismes de placement collectif en 362
valeurs mobilières) 19 Rentabilité pondérée par le temps 362
Option 286 Rente perpétuelle 207
composée 294 Repricing 354
de change 292 Risk budgeting 392
de type américain 287, 289, 305 Risque
de type européen 287, 289, 305 de base 282
de vente down-in 293 de corrélation 282
exotique 292 de crédit 210, 213, 215
forward-start 294 de défaut (risque de signature) 204, 210
lookback 294 de marge 227
sur indice boursier 290, 291 de taux de référence 198, 225
sur marchandise 291 de trésorerie 283
sur taux d’intérêt 292 spécifique 129
Ordre à cours limité 50 systématique 129
Rotation de thème 398
451
Index
S Teneurs de marché 41
Tests 90, 91
Secteur 396 d’analyse technique 74
Securities and Exchange Commission (SEC) 29 de forme faible 70
Sélection des titres 365 de forme forte 70
Semi-variance 117 de forme semi-forte 70
Sensibilité 198, 206, 280 de prévisibilité 71
Shortfall risk 117 Thème 391, 396
SICAV 19, 360, 390 Théorème de séparation 153, 159
Simulation historique 418 Théorie des anticipations pures 199
Simulation Monte Carlo 418 Théorie du regret 94
Small cap 397 Top down 392
Smile de volatilité 320, 321 Tracker 14
Special Purpose Vehicle 345 Tracking error 135, 146, 368, 385, 389
Spread 213 Track record 360, 376
Standardisation des contrats 251 Tradegate 37
Stock options 335, 353 Transparence 43
Stratification 389
Structure des taux d’intérêt
(gamme des taux) 194 U
Style de gestion 384
Surréaction 79 Univers 377
Swap 336
de devises 336, 337
de taux d’intérêt 337 V
Système financier 10
Valeur
intrinsèque 296
T nominale 190
temps 296
Taux Valeurs de croissance 142
actuariel annuel 198 Valeurs de rendement 142
actuariel semi-annuel 198 Value 396
de change d’équilibre Value at Risk (VaR) 117
(breakeven exchange rate) 204 Variance 102
de référence 221 Volatilité 80
de rendement actuariel moyen 193, 196 Volatilité implicite 317
de rentabilité interne (TRI) 362
de rentabilité espérée d’équilibre (TRE) 185
d’intérêt réel 201, 218 W
flottant 191
forward/forward 200 Warrant 14
452
Management Sup
Gestion – Finance
Analyse financière – Information financière Ingénierie financière – Fusions,

et diagnostic, 5e éd., 2014 acquisitions et autres restructurations des
H. de La Bruslerie capitaux, 2012
G. Legros
Analyse financière – Concepts et
méthodes, 5e éd., 2011 La finance carbone, 2012
A. Marion I. Zelenko
Comptabilité et audit bancaire, 4e éd., Le risque de crédit – Face à la crise, 4e éd.,

2014 2010
D. Ogien A. de Servigny, I. Zelenko
Diagnostic de la performance de L’évaluation des entreprises, 2011

l’entreprise – Concepts et méthodes, 2012 G. Legros
A. Marion, A. Asquin, C. Everaere
Marchés financiers – Gestion de
Finance internationale, 2e éd., 2008 portefeuille et des risques, 6e éd., 2014
P. d’Arvisenet B. Jacquillat, B. Solnik, C. Pérignon
Gestion de la banque – Du diagnostic à la Pilotage de l’entreprise et contrôle de

stratégie, 7e éd., 2013 gestion, 5e éd., 2013
S. de Coussergues, G. Bourdeaux R. Demeestère, P. Lorino, N. Mottis
Gestion de patrimoine – Stratégies Pratique des marchés financiers, 3e éd.,

juridiques, fiscales et financières, 5e éd., 2010
2014 D. Ogien
A. Thauvron
Statistique – Méthodes pour décrire,
Gestion de portefeuille – Une approche expliquer et prévoir, 2e éd., 2007
quantitative, 2011 M. Tenenhaus
P. Clauss
Statistiques pour la gestion – Applications
Gestion de trésorerie, 2011 avec Excel, SPSS, Amos et SmartPLS, 3e éd.,
P. Rousselot, J.-F. Verdié 2012
P.-C. Pupion
Gestion des risques et produits dérivés
classiques et exotiques, 2003 Techniques de gestion – Cours et
M. Bellalah application, 3e éd., 2012
F. Hemici, M. Bounab
Gestion financière, 6e éd., 2005
B. Solnik Trésorerie d’entreprise – Gestion des
liquidités et des risques, 3e éd., 2012
H. de La Bruslerie, C. Eliez

11marché Financier

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

11marché Financier

Transféré par

Droits d'auteur :

Formats disponibles

Éléments de gestion de portefeuille ■ Chapitre 14

L’assurance de portefeuille garantit à l’investisseur une valeur terminale de

Figure 14.4 – Gestion garantie par gestion dynamique en actions

U n système efficace de gestion des risques est devenu aujourd’hui un pilier

Le rôle des autorités régulatrices est de garantir la stabilité du système bancaire.

pertes résultant de carences ou de défauts attribuables à des problèmes de procé-

Suite à la récente crise bancaire, la réglementation bancaire a été renforcée dans

Du fait de la taille et de la complexité des portefeuilles des banques, l’évaluation

Dans le cas où la composition du portefeuille est très stable, on peut étudier la

2) puis on calcule la sensibilité (delta) de chaque instrument à ce facteur de mar-

3 Simulation de Monte Carlo

Parmi les raisons expliquant la popularité de la simulation historique, on peut citer

Comme il a été évoqué dans la première section, un des piliers fondamentaux de

Source : Pérignon et Smith (2010).

Figure 15.1 – Décomposition de la VaR de JP Morgan Chase – 2001-2007

Source : Rapport annuel, Société Générale, 2012.

Figure 15.2 – Décomposition de la VaR de Société Générale – 2011-2012

La figure 15.2 présente la décomposition par sources de risque de la VaR totale du

Figure 15.3 –VaR et revenus de trading de Deutsche Bank

la VaR, ce que les gestionnaires de risques appellent des « exceptions ». Ici, le

2 Une VaR n’est pas une perte maximum

Beaucoup interprètent la VaR comme la perte maximum possible. En fait, ils

4 Mesures de risque systémique basées sur la VaR

La question de l’identification des institutions financières qui contribuent le plus

Algorithmic Trading in the Foreign Exchange Market », Journal of Finance, à paraître.

Jensen M., « Some Anomalous Evidence Regarding Market Efficiency », Journal of

Omissions Overraction or Drify ? », Journal of Finance, 50, 1995.

Longin F., « The Asymptotic Distribution of Extreme Stock Market Returns », Journal of

Approach Bankers », Bankers, Markets & Investors, 2011

Levasseur M., Quintart A., Finance, Economica, 1998.

Fisher I., The Theory of Interest, Mac Millan, 1930.

Cox J., Ross S., Rubinstein M., « Option Pricing : A Simplified Approach », Journal of

Johnson H., « Options on the Maximum or the Minimum of Several Assets », Journal of

Coval J.D., Jurek J., Stafford E., « The Economics of Structured Finance », Journal of

Lo A.W., Hedge Funds : An Analytic Perspective, Princeton University Press, 2008.

sur marchandise 254 Fonds indiciel 390

Marked-to-market 255, 262 Ordre à cours moyen pondéré 50

Analyse financière – Information financière Ingénierie financière – Fusions,

Comptabilité et audit bancaire, 4e éd., Le risque de crédit – Face à la crise, 4e éd.,

Diagnostic de la performance de L’évaluation des entreprises, 2011

Gestion de la banque – Du diagnostic à la Pilotage de l’entreprise et contrôle de

Gestion de patrimoine – Stratégies Pratique des marchés financiers, 3e éd.,

Vous aimerez peut-être aussi