Académique Documents
Professionnel Documents
Culture Documents
Noureddine LEHDILI
Sommaire
1. Introduction générale
2. Rappel des principaux risques financiers
3. Risk-Management
4. Les sensibilités : un outil simple de mesures de risque
5. Les fondamentaux de la Value-at-Risk
6. Méthodes de calcul de la Value-at-Risk
7. Procédure de Backtesting des modèles de risque
8. L’Expected Shortfall
9. Les stress tests
10. La Stressed Value-at-Risk
11. L’incremental Risk Charge (IRC)
12. La réglementation bancaire
13. Lien entre les mesures de risque de marché et le capital réglementaire
14. Conclusion
2 25 février 2015
1. Introduction générale
3 25 février 2015
4 25 février 2015
1. Introduction : l’histoire de la Banque Natixis
5 25 février 2015
1. Introduction
6 25 février 2015
1. Introduction
7 25 février 2015
1. Introduction
8 25 février 2015
1. Introduction : Le groupe BPCE en quelques chiffres
9 25 février 2015
1. Introduction
• Trading Book (portefeuille de négociation) : portefeuille des opérations (« for trading purpose ») de la salle
des marchés comptabilisées en valeur de marché ( ou Mark-to-Market)
• Banking Book (portefeuille bancaire) : portefeuille rassemblant les opérations de la banque traditionnelle
(prêts, dépôts, immobilisations, fonds propres…) comptabilisées au coût historique
• Fixed Income : en charge de la commercialisation des produits et de la gestion des risques du Trading Book
• ALM (Asset and Liability Management) ou Gestion Actif Passif (GAP) : département en charge de la gestion
des risques de taux et de liquidité du portefeuille bancaire
• Trésorerie : en charge de la gestion des risques de taux et de liquidité à court terme
• Mark-to-Market : mode de comptabilisation du trading book où les opérations sont enregistrées à leur
valeur de marché. Le résultat est calculé comme la variation des valeurs de marché
• Coût historique (ou coût amorti): mode de comptabilisation où les opérations sont enregistrées à leur prix
d’acquisition. Le résultat est calculé comme la différence entre les intérêts reçus nets des intérêts payés
• Risque de taux du Trading Book (présent dans les piliers 1 & 2 de Bâle II)
• Risque de taux d’intérêt global : Risque de taux du Banking Book (absent du pilier 1 de Bâle II)
25 February 2015
10
1. Introduction
• Au sein des banques, la Gestion Actif – Passif est le métier responsable de la gestion des risques de marché
du Bilan, plus exactement ceux du Portefeuille Bancaire (Banking Book en anglais)
– Risque de taux du Banking Book
– Risque de liquidité du Banking Book
– Risque de change du Banking Book
– Les risques de marché du portefeuille de négociation (Trading Book) sont gérés généralement par des
équipes de Gestion des Risque (Risk Management).
25 February 2015
11
1. Introduction
• Quelle stratégie de refinancement lorsque ma banque commercialise :
– des crédits immobiliers à taux fixe
– des crédits immobiliers à taux révisable
– des dépôts à vue non rémunérés
– des dépôts à terme
– des crédits en devise étrangère
– des Livrets (A)… ?
25 February 2015
12
1. Introduction
25 February 2015
13
14 25 février 2015
2. Définitions des risques financiers
Risque : possibilité, probabilité d’un fait, d’un événement considéré comme un mal ou
un dommage (Larousse)
• Danger plus ou moins prévisible. Danger, hasard, péril. « Petit Robert ».
• Le risque est une notion difficile à cerner mais de façon générale, on peut dire que c’est une
contingence indésirable, appréhendée et peu probable
• Le risque est peu probable : lorsque la probabilité de réalisation est proche de un (la
certitude), on parlera plutôt de chance vis-à-vis de l’événement contraire
• Par exemple, on ne dira jamais qu’un joueur de loterie prend un risque lorsqu’il joue. Par
contre s’il gagne, on dira qu’il a eu de la chance
Risque : La coexistence d’un aléa et d’un enjeu. Lorsqu’une personne prend un risque,
elle entreprend une action avec un espoir de gain et/ou une possibilité de perte :
• Aléa : les conséquences de l’action entreprise ne sont pas totalement prévisibles;
• Enjeu : il y a espoir de gain et/ou crainte de perte
15 25 février 2015
16 25 février 2015
2. Définitions des risques financiers
Le risque de marché est le risque de perte qui peut résulter des fluctuations des prix
des instruments financiers qui composent un portefeuille
• Le risque de marché peut être aussi défini comme la perte potentielle (non anticipée)
résultant d’une évolution défavorable des paramètres de marché
• Ces paramètres de marché sont appelés facteurs de risque
• Les volatilités implicites de ces sous-jacents et leurs corrélations sont aussi des facteurs de
risque de marché
25 17
février 2015
– Le risque de crédit
– Le risque opérationnel
– Le risque de marché
• Pour une banque universelle on estime que les risques les plus importants sont :
– Le risque de crédit, suivi du risque opérationnel, puis
– Le risque de marché
18 25 février 2015
2. Définitions des risques financiers
Le risque de crédit : la perte potentielle supportée par un agent économique suite à la
modification de la qualité de crédit de l’une de ses contreparties sur un horizon donné
• On distingue trois composantes principales du risque de crédit :
– Le risque de défaut
– Le risque de dégradation de crédit
– Le risque de recouvrement
Concrètement, le risque de crédit est la perte potentielle sur un actif ou un
portefeuille d’actifs suite au défaut de remboursement de l’emprunteur
19 25 février 2015
20 25 février 2015
2. Définitions des risques financiers
• Ces primes de risque traduisent en termes monétaires la vraisemblance de la
réalisation du risque de non-remboursement
• L’évolution aléatoire de ces spreads constitue elle-même une forme de risque de
crédit dans la mesure où elle agit directement sur la valeur de marché des
instruments de crédit
• Il n’est donc pas nécessaire que le défaut se réalise pour que le risque de crédit
affecte négativement la valeur d’un actif ou d’un portefeuille d’actifs
21 25 février 2015
22 25 février 2015
2. Définitions des risques financiers
Risque de marché et risque spécifique
• Les risques de taux d’intérêt et de crédit présentent des natures à premières vue très différentes
– Le premier est qualifié de risque général, car il est déterminé sur les marchés de dette sans risque par le
simple jeu de l’offre et de la demande
– A l’inverse, le risque de crédit relève pour sa part de la catégorie des risques spécifiques, car le spread de
crédit associé à chaque émetteur individuel, dépend en premier lieu de la capacité de remboursement
de l’emprunteur
• Dans les deux cas, les taux d’intérêt, comme les spreads de crédit déterminent le coût de
financement des emprunteurs, ou, à l’inverse, la rémunération des prêteurs
• Les actions peuvent être traitées de deux manières sur les marchés financiers :
– Sous sa forme individuelle, on parle alors de risque spécifique
– Sous sa forme de portefeuille synthétique d’actions : les indices boursiers. Le risque encouru est, dans ce
cas, qualifié de risque général
23 25 février 2015
24 25 février 2015
2. Définitions des risques financiers
Le risque opérationnel
• Le risque de pertes résultant d’une inadaptation ou d’une défaillance imputable à des
procédures, personnels et systèmes internes ou à des événements extérieurs
• Cas pratiques :
– Des traders ont pris des positions spéculatives massives en dehors de leurs attributions et non couvertes. Ils
ont réussi à les dissimuler à leurs hiérarchies et aux systèmes de contrôle des banques. Cela a été notamment
le cas des banques suivantes : La Barings (1995 – 1.3 GUSD), la Société Générale (2007 -4.9 GEUR) et UBS
(2011 – 2.3 GUSD)
– L’affaire Madoff : il s’agit d’une escorquerie connue sous le nom de « chaine de Ponzi ». Madoff proposait des
rendements très élevés, mais en fait payait les intérêts des premiers investisseurs avec le capital apporté par
les derniers entrés
25 25 février 2015
26 25 février 2015
2. Définitions des risques financiers
Le risque de liquidité
• Risque que la banque ne puisse pas faire face à ses flux de trésorerie à un coût
raisonnable
• Le risque de liquidité recouvre deux types distincts de situations défavorables selon qu’il
porte sur un marché ou sur un acteur économique quel qu’il soit
• Lorsque cela concerne un marché, la notion de liquidité reflète la plus ou moins facilité
avec laquelle une position peut être retournée
– La liquidité peut alors se mesurer par le volume et la rapidité des transactions ou encore par
l’écart entre le prix d’achat et de vente d’un même actif
– Le risque de liquidité correspond donc à une situation où la liquidité s’évaporant, la vente
devient extrêmement coûteuse, voire impossible
• Du point de vue d’un acteur économique, le risque de liquidité caractérise une situation
dans laquelle cet acteur ne peut pas faire face au paiement d’une échéance particulière
dans une devise donnée
27 25 février 2015
28 25 février 2015
2. Définitions des risques financiers
Risque de modèle
• Un modèle est une représentation simplifiée d’une réalité complexe, qui permet de
quantifier une décision
• Un modèle est donc étroitement lié de l’activité pour laquelle il a été mis en place, et
des conditions de marchés associées
• Les modèles en finance permettent, en particulier, d’évaluer un produit financier et
d’analyser directement ou indirectement leurs risques
• Un modèle de pricing et de risk-management est spécifié par
– La définition exacte du produit auquel s’applique le modèle
– Les fondements financiers et mathématiques du modèle
– L’algorithme et sa mise en œuvre dans les systèmes
– La définition et le calage des différents paramètres introduits dans le modèle
30 25 février 2015
2. Définitions des risques financiers
La crise de 2007-2009 : constat
1. Crise de confiance et de liquidité
2. Augmentation du nombre d’opérations collatéralisées
3. Dépôts au jour le jour massifs des banques à la BCE
4. Ecartement entre les taux interbancaires et les taux au jour le jour
5. Divergence entre les taux des FRAs de marché et les taux forwards
6. Explosion des taux de basis swap
7. Segmentation du marché des taux d’intérêt
Le risque systémique
• Déstabilisation de l’ensemble du système financier entraînant une chute voire un
blocage des marchés financiers et donc le financement de l’économie
• Impact significatif sur la croissance de l’économie et sur l’emploi
31 25 février 2015
• La crise qui a suivi la faillite de Lehmann a eu un impact très significatif sur les marchés
o Différents risques historiquement négligés ont depuis pris une place importante dans le
marché actuel
o Risque de contrepartie accru et risque de liquidité
32 25 février 2015
2. Définitions des risques financiers
4 – Funding Valuation
Adjustment
3 – Basis de
change
1 – Credit/Debit
valuation Adjustment 2 – Bi-curve
33 25 février 2015
34 25 février 2015
2. Définitions des risques financiers
• CDO - Modèle de Copule Gaussienne : les corrélations de défaut et des taux de défaut
historiquement bas ont contribué d’une manière excessive à surévaluer les tranches
sénior AAA. On supposait implicitement que le marché de l’immobilier US est haussier
Il est intéressant aussi de noter que la forme du smile observée est le résultat d’un changement
de paradigme et elle n’existe en fait que depuis le krach du marché boursier d’octobre 1987 !
Il s’agit de l’une des limites du modèle de Black & Scholes mais depuis cette crise les opérateurs
intègre la dimension du smile pour la valorisation et la gestion des produits dérivés
25 36
février 2015
1. Contexte de marché post-crise
• Si le consensus de marché évolue vers un nouveau paradigme, l’écart entre le
prix de marché et celui du modèle de booking peut se traduire par des pertes
financières pour les banques
• Cela exprime une première forme du risque de modèle !
• Cette introduction suggère une première définition du risque de modèle
Le risque de modèle peut être défini comme une perte potentielle due à
l’occurrence d’une différence significative entre la valeur « mark-to-model » du
produit dérivé et le prix auquel le même instrument est dévoilé sur le marché
37 25 février 2015
3. Le risk-Management
38 25 février 2015
3. Organisation type d’un Département des Risques de Marché
• Rôles et expertise des différentes fonctions par rapport aux mesures de risque de marché
39 25 février 2015
3. Le Risk-Management
• Le Risk-Management est le processus par lequel les organisations traitent
méthodiquement les risques qui s'attachent à leurs activités et recherche ainsi des
bénéfices durables dans le cadre de ces activités, considérées individuellement ou
bien dans leur ensemble
La gestion du risque est centrée sur l'identification et le traitement des risques. Elle a pour objectif
d'ajouter le maximum de valeur durable à chaque activité de l'organisation
Elle mobilise la compréhension des aléas positifs ou négatifs qui dérivent de tous les facteurs qui
peuvent affecter l’organisation.
Elle augmente la probabilité de succès et réduit la probabilité d’échec et l’incertitude qui s'y
attache
40 25 février 2015
3. Le Risk-Management
Le Risk Manager travaille avec les responsables de son entité afin de les aider à mettre
en place une gestion efficace des risques pour leur périmètre de responsabilité. Ses
attributions pourraient être :
• L’élaboration de procédures de gestion des risques (incluant les rôles, responsabilités)
• L’élaboration d’un langage commun de gestion des risques (uniformisation des mesures
de probabilité et d’impact, des catégories de risques..)
• L’accompagnement des managers dans l’élaboration de leur réponse aux risques (aide
directe, formation…)
• La supervision des managers pour l’élaboration des tolérances de risques
• L’accompagnement des managers pour l’établissement des activités de contrôles
• La supervision du processus de reporting de gestion des risques, son intervention porte
donc sur l’ensemble des éléments de gestion des risques
41 25 février 2015
3. Le Risk-Management
• Le Risk-Management est le processus selon lequel on
– identifie,
– mesure,
– contrôle
Les expositions d’une institution financière aux risques financiers
• La gestion des risques, c’est d’abord une organisation, un système d’information,
des reportings, des règles de décision et un ensemble de procédure et de normes
• Il serait donc faux de croire que la gestion des risques c’est avant tout des modèles
mathématiques
42 25 février 2015
3. Le Risk-Management
• Identifier le risque : il s’agit de quantifier quels sont les facteurs de risque qui
affectent négativement la valeur du portefeuille d’actifs d’une banque ou d’une
institution financière
• Mesurer le risque : évaluation du risque par l’intermédiaire d’indicateurs comme
les sensibilités et/ou d’autres méthodologies du type « Value-at-Risk »
• Contrôler le risque : Il s’agit de vérifier que les indicateurs de risque respectent
certaines contraintes (suivi des limites)
43 25 février 2015
3. Le Risk-Management : modélisation
• La principale cause des risques financiers est l’incertitude liée à l’évolution des prix,
des taux d’intérêt, des taux de change, …
• A l’heure actuelle, la théorie des probabilités est le meilleur outil dont on dispose
pour modéliser l’incertitude associée à l’évolution des prix futures
• Le processus de modélisation se déroule en deux étapes :
‒ Description de l’ensemble de tous les événements futurs possibles
‒ Puis, assignation d’une pondération à chacun d’entre eux pour représenter sa probabilité
de réalisation
• Le modèle ainsi obtenu est synthétisé par son diagramme de fréquence appelé loi
de probabilité ou distribution du modèle
44 25 février 2015
3. Le Risk-Management : modélisation
• Pour déterminer le risque d’une position ou d’un portefeuille, il faut d’abord identifier
les différents variables du marché susceptibles d’influer sur l’évolution de sa valeur
future
• Chaque facteur de risque est ensuite modélisé par une distribution de probabilité
• La distribution de la valeur d’une position ou d’un portefeuille résultera d’une
combinaison adéquate des choix effectués pour les facteurs de risque
• Question fondamentale : comment choisir un modèle de distribution pour une variable
de marché ( ou un facteur de risque)?
• Idéalement, il faudrait un modèle qui soit simple et qui reproduit bien les observations
empiriques
• Le modèle le plus simple est la distribution normale, une loi très connue et qui est
déterminée par deux paramètres : la moyenne et l’écart-type
45 25 février 2015
46 25 février 2015
4. Les sensibilités: outil simple de mesure des risques
47 25 février 2015
• Etape de modélisation
– Modélisation des facteurs de risque,
– Lien entre facteurs de risque et valeur de portefeuille,
– Evaluation de la distribution / la loi de probabilité des portefeuilles,
– Evaluation de la robustesse des modèles (backtesting)
Choix de mesure afin de gérer les risques de marché
– Modélisation non probabiliste:
o Expositions en nominal, Sensibilités du portefeuille aux paramètres de marché
– Modélisation probabiliste :
o VaR, Expected Shortfall, Scénarios de stress, Stressed VaR, IRC, CRM
• Etape de modélisation
– Calcul d’indicateurs de risque
– Analyse du risque ex-ante
– Suivi et pilotage du risque
48 25 février 2015
4. Les sensibilités: outil simple de mesure des risques
• Définition: Les sensibilités mesurent l’impact sur la valeur d’un produit financier d’une
faible variation de l’une des données financières auxquelles l’instrument financier est lié
• En pratique, lorsqu’une formule analytique existe pour valoriser un produit financier, la
sensibilité sera alors obtenue par simple dérivation par rapport à la variable financière
considérée
• Pour les produits valorisés sur la base des tirages aléatoires, les sensibilités seront plus
fréquemment obtenues par différences finies entre les résultats de deux simulations
réalisées avec et sans décalage de la variable financière concernée
• Etant assimilées à des dérivées, les sensibilités mesurent donc l’impact en « P&L » des
variations infinitésimales (ou de faibles variations lorsqu’elles sont obtenues par
différences finies) de l’une des données auxquelles l’instrument financier est lié
49 25 février 2015
50 25 février 2015
4. Les sensibilités: outil simple de mesure des risques
• Les variations associées aux sensibilités sont infinitésimales ou au mieux faibles. Seules
les configurations de marché relativement similaires aux conditions actuelles sont donc
explorées par les sensibilités
51 25 février 2015
• En principe, des sensibilités non nulles peuvent être calculées par rapport à n’importe
lequel des déterminants de la valorisation de l’instrument financier considéré
• La méthode de valorisation incorpore le prix de marché d’un certain nombre d’actifs, le
plus souvent les taux d’intérêt ainsi que le cours de l’actif sous-jacent
Choix de l’ordre de la dérivée
• Les sensibilités les plus couramment utilisées pour les produits linéaires sont limitées à
l’ordre 1. Mais, lorsque les instruments financiers considérés comportent des
caractéristiques optionnelles, le profil de risque convexe et/ou discontinu incite alors à
recourir à des dérivées d’ordre 2 pour mesurer plus finement ces risques
• Les dérivées d’ordre 2 peuvent être de deux types différents :
‒ Lorsque la formule de valorisation est dérivée deux fois par rapport à une même variable, la
sensibilité est qualifiée de Gamma
‒ A l’inverse, lorsque la formule est dérivée par rapport à 2 variables distinctes, la sensibilité est
qualifiée de « Gamma croisé »
52 25 février 2015
4. Les sensibilités: outil simple de mesure des risques
Sensibilité à l’ordre 1
• Les sensibilités les plus couramment utilisées par les opérateurs pour la gestion de
leurs positions sont appelées « grecs » :
‒ Delta : sensibilité par rapport au cours du sous-jacent. Cette mesure est particulièrement
utile aux opérateurs intervenant sur des produits optionnels en leur fournissant un
« équivalent delta » leur indiquant la pente de leur profil de P&L par rapport au cours du
sous-jacent.
‒ Véga : sensibilité par rapport à la volatilité. Cette mesure n’est opportune que pour les
produits à composante optionnelle
‒ Thêta : sensibilité par rapport à l’écoulement du temps. Cette mesure est, en général,
calibrée non pas sur une variation infinitésimale mais sur une réduction de un jour de la
maturité résiduelle.
53 25 février 2015
Sensibilité à l’ordre 2
• La dérivation au second ordre ne présente véritablement d’intérêt que pour les
seules variables financières déterminantes et par rapport auxquelles le produit
présente un profil convexe
‒ Gamma : cette sensibilité représente la dérivée seconde par rapport au cours du sous-
jacent. Elle rend compte de la convexité et complète donc utilement le delta.
‒ Volga : cette mesure permet de prendre en compte la convexité par rapport à la
volatilité. Elle reste beaucoup moins utilisée que le gamma.
‒ Gammas croisés : ces sensibilités sont plus particulièrement utilisées pour les produits
les plus complexes dont les dérivées premières sont elles-mêmes particulièrement
sensibles aux autres variables financières.
54 25 février 2015
4. Les sensibilités: outil simple de mesure des risques
55 25 février 2015
56 25 février 2015
4. Les sensibilités: outil simple de mesure des risques
• Les obligations disponibles sur le marché sont nombreuses et variées
L’obligation coupon zéro ne génère pas de coupon. La différence entre le faible cours
d’émission et le cours de remboursement de 100% constitue le rendement de l’investisseur
L’obligation à taux variable génère un coupon variable. Pendant toute la durée de vie de
l’obligation, le coupon est adapté au taux en vigueur sur le marché
L’obligation perpétuelle ont une échéance indéterminée. Toutefois, l’investisseur reçoit un
coupon chaque année.
L’obligation à rendement élevé sont émises par des entreprises très mal notées, ou dans
l’optique de permettre la reprise d’entreprises difficiles à financer
57 25 février 2015
Une obligation convertible ayant été convertie en actions ne donne plus droit ni aux coupons ni au
nominal
La période, pendant laquelle la conversion de l’obligation convertible est possible, peut être limitée dans
le temps, c’est la période de conversion
Une obligation convertible peut être vue comme un portefeuille contenant l’obligation pure sans droit
de conversion et une option américaine d’échange entre l’obligation pure et l’action sous-jacente
Sous l’hypothèse d’AOA, le prix de l’obligation convertible (OC) est supérieur au prix de l’obligation (O)
sous-jacente sans droit de conversion
58 25 février 2015
4. Les sensibilités: outil simple de mesure des risques
• Bien que les OC soient des produits listés, nombre d’entre elles présentent des
clauses structurés qui peuvent être regroupées en trois catégories :
– Put au porteur;
– Call émetteur
– Reset.
• Parmi les clauses citées ci-dessus, se sont les clauses de call émetteur qui offrent la
plus grande diversité
• Presque toutes les obligations convertibles présentent au moins une clause de ce
type, puisqu’elles permettent à l’émetteur de limiter son exposition au risque de
conversion
59 25 février 2015
Put au porteur
• La clause dite put au porteur donne le droit au détenteur de l’obligation convertible, pendant
une période donnée, en général quelques jours, d’exiger le remboursement anticipé de
l’obligation selon des termes prédéfinis
Call émetteur
• La clause dite call émetteur donne le droit à l’émetteur de l’obligation convertible, pendant une
période donnée, d’effectuer le remboursement anticipé de toutes les obligations, non encore
converties, selon des termes prédéfinis
La clause Reset
• Sous certaines conditions, en général le franchissement par le prix de l’action d’un certain seuil
pendant une périodes donnée, les paramètres de l’OC sont modifiés selon des termes prédéfinis
60 25 février 2015
4. Les sensibilités: outil simple de mesure des risques
61 25 février 2015
• Echéancier des flux pour un investissement dans une obligation à taux fixe de
20% et maturité 5 ans
62
4. Les sensibilités: outil simple de mesure des risques
Caractéristiques principales
• Devise : l’obligation est émise dans une devise donnée
• Principal : Valeur nominal de l’obligation
• Taux Facial/Nominal/Coupon : taux d’intérêt en pourcentage du principal
• Fréquence : de paiement du coupon
• Maturité/Échéance : Date de remboursement du principal
• Emetteur : Entité qui emprunte le principal
• Rating : Indication du niveau de risque de crédit
• Séniorité : Niveau de subordination de l’émission
Type de coupon :
• Obligations à taux fixe : majorité des émissions obligataires (environ 50% du
marché obligataire)
• Obligations à taux variable : grande diversité de produits
63
Caractéristiques optionnelles
• Clause call émetteur : Option de rachat anticipé par l’émetteur
• Clause put au porteur : Option de remboursement anticipé au gré de l’investisseur
• Amortissement du principal : Remboursement progressif du principal
• ….
• Toutes ces caractéristiques sont décrites en détail dans le prospectus d’émission de
chaque obligation
64
4. Les sensibilités: outil simple de mesure des risques
65
66
4. Les sensibilités: outil simple de mesure des risques
• A noter que pour des obligations de type in fine, les coupons périodiques sont
constants et le remboursement n’intervient qu’à maturité. Dans ce cas particulier, la
relation suivante peut être utilisée :
1 − (1 + r )− m
V0 = c × + M × (1 + r )− m (1)
r
• Avec c : le coupon périodique constant, M : la valeur de remboursement
• Exercice :
1. Considérons une obligation versant des coupons de 10% par an, de valeur nominale 1000,
remboursée au pair dans 20 ans. Le taux de rendement des obligations de même catégories
est 11%. Quelle est sa valeur aujourd’hui ?
2. Utilisation de la fonction suivante dans Excel pour calculer le prix d’une obligation
PRIX.TITRE(date de règlement, maturité, coupon, rendement, principal, fréquence)
67
68
4. Les sensibilités: outil simple de mesure des risques
Sensibilité (Modified Duration)
• Nous avons montré que de façon générale, le prix d’une obligation a taux fixe était
donné par la relation suivante :
m
V0 = ∑ Fi × (1 + r ) (3.1)
−i
i =1
∑ i × F × (1 + r )
−i −1
i
1 dV
S= × = i =1
(3.2)
V dr V
• Exemple : Soit une obligation émise au pair au taux de 10% remboursable in fine dans
5 ans au pair. Si le taux du marché est à 10%, quelle est la sensibilité de l’obligation ?
Quel est le cours théorique de cette obligation si le taux passe à 11% ? À 9% ?
69
• Exercice : Utilisation de la fonction suivante dans Excel pour calculer la sensibilité d’une
obligation
DUREE.MODIFIEE(Date de règlement, maturité, coupon, rendement, fréquence)
70
4. Les sensibilités: outil simple de mesure des risques
Duration (Macaulay Duration)
• Définition : la duration est la durée de vie moyenne des flux (coupons et principal)
pondérée par leur valeur actualisée. La duration est exprimée en année. La
duration est fonction de la maturité, du taux de coupon et du rendement.
• Cette mesure du risque de taux permet de prendre en compte les effets
concomitants des différents caractéristiques des obligations
71
72
4. Les sensibilités: outil simple de mesure des risques
Duration (Macaulay Duration)
• L’équation (3.2) peut également se réécrire de la façon suivante :
m
∑ i × Fi × (1 + r )−i
S = − i =1 × (1 + r ) = −D × (1 + r ) (3.3)
-i -i
V
• L’expression entre crochets D est habituellement appelée duration. En appliquant les
relations (3.3) aux 6 obligations étudiées ci-dessus, on obtient les relations suivantes :
73
1 + r 1 + r + n (c - r )
(3.4)
D=
r
-
[
c (1 + r )n − 1 + r ]
• La sensibilité et la duration d’une obligation couponnée sont toujours à la maturité.
• La duration d’une obligation zéro-coupon est égale à sa maturité. Par contre sa
sensibilité est toujours inférieure à la maturité
• La duration est une fonction décroissante du taux facial. Par conséquent la duration
est d’autant plus forte que le coupon est faible
74
4. Les sensibilités: outil simple de mesure des risques
Propriété de la sensibilité et de la duration (suite)
• Pour une obligation au pair, la duration peut s’écrire :
D=
1+ r
r
[
1 − (1 + r )n ] (3.5)
D=
1+ r
(3.6)
r
• La duration admet donc une limite finie même si l’obligation s’assimile à une rente
perpétuelle. Ainsi, une obligation au pair (c=r) à durée de vie infinie de taux facial 4%
admettra pour duration une valeur de 26.
• Si les taux sont de 5% (c<r), la duration ne dépassera pas 21
75
• Une obligation cotée en dessous du pair (c<r) admet une duration qui passe par un
maximum unique
76
4. Les sensibilités: outil simple de mesure des risques
Sensibilité d’un portefeuille obligataire
• La sensibilité d’un portefeuille est simplement la moyenne pondérée des
sensibilités des titres qui le composent
• Considérons le portefeuille suivant composé de quatre titres obligataires :
77
• Interprétation : Plus la convexité d’une obligation est forte, plus son prix baissera
lentement (augmentera rapidement) si son taux de rendement augmente (baisse). La
convexité est donc souhaitable
78
4. Les sensibilités: outil simple de mesure des risques
La convexité (Convexity)
• Les mesures de volatilité décrites précédemment ne sont utilisables que pour des
mouvements de taux de faible ampleur (de l’ordre de 20bps)
• Pour des déplacements de taux de plus grande ampleur, l’approximation au
premier ordre donnée par la sensibilité n’est pas suffisante
• Dans ce cas, il est nécessaire de corriger le biais de convexité par un
développement de Taylor à l’ordre deux :
1 d 2V
dV =
dV
× ∆r + (∆r )2 (3.7 )
dr 2 dr 2
m
−i
∑ i 2 Fi (1 + r )
d 2V 1
Avec C := × = D + i =1
× (1 + r )− 2
dr 2 V V
79
80
4. Les sensibilités: outil simple de mesure des risques
Propriété de la convexité
• Propriété 1 : si le taux d’intérêt augmente (diminue), la convexité d’une obligation
à taux fixe diminue (augmente). Cette propriété est appelé convexité positive
• Propriété 2 : Pour un rendement et une maturité donnés, plus faible est le taux
nominal, plus faible est la convexité
• Propriété 3 :Pour un rendement et une maturité donnés, plus faible est le coupon,
plus faible est la convexité
81
82
4. Les sensibilités: outil simple de mesure des risques
Propriété de la convexité (suite)
• Ceci peut être illustré par la figure suivante. La pente de la tangente (la sensibilité)
se réduit avec l’augmentation des taux d’intérêt
• La propriété 3 implique que les obligations zéro-coupon ont la plus faible convexité
pour une sensibilité donnée
83
• Définition : une option est un contrat à terme conditionnel, qui confère à son
acheteur, moyennant le paiement d’une prime, le droit et non l’obligation
d’acheter ou de vendre une quantité d’un actif, à un prix déterminé lors de la
négociation du contrat, à une date d’échéance convenue ou tout au long de la
durée de vie de l’option
• Principales caractéristiques d’une option : le payoff, la prime, …
• A partir du montant de la prime et de la valeur de l’option à l’échéance, il est
possible de déterminer le profil des profits et pertes à l’échéance en fonction du
prix du sous-jacent.
84 25 février 2015
4. Les sensibilités: outil simple de mesure des risques
• Le profil des profits et des pertes à l’échéance de l’achat et la vente d’un call
100
50
Payoff
0
0 50 100 150 200
-50
-100
Spot price
85 25 février 2015
• Le profil des profits et des pertes à l’échéance de l’achat et la vente d’un put
50
Payoff
0
0 50 100 150 200
-50
-100
Spot price
86 25 février 2015
4. Sensibilités et gestion des risques des options
87 25 février 2015
• Le prix d’une option est fonction de six paramètres, dont l’influence peut être
mesurée à partir d’outils de gestion. Quelque soit le modèle utilisé, le prix d’une
option dépend des :
– Caractéristiques de l’option : Strike, Maturité, Type,…
– Paramètres de marché : la valeur du sous-jacent, taux d’intérêt, la volatilité, …
• Problématique de pricing : Comment évaluer aujourd’hui une richesse disponible
max(ST-K,0) à la date future T ?
88 25 février 2015
4. Sensibilités et gestion des risques des options
89 25 février 2015
90 25 février 2015
4. Sensibilités et gestion des risques des options
La théorie classique
– Le modèle de Black & Scholes repose sur la possibilité de construire un portefeuille de
couverture qui « réplique » le comportement de l’option
– En ce sens, le risque associé à l’émission de l’option est nul et le prix de l’option est
déterminé de manière unique par un argument d’arbitrage
– Dans ce cadre, les options n’auraient pas lieu d’exister car elles seraient équivalentes à
leur portefeuille de couverture
91 25 février 2015
dS t = µS t dt + σS t dWt
∂Ct ∂C σ 2 S 2 ∂ 2C ∂C
dC = + µS t + dt +
2
σSdWt
∂t ∂S 2 ∂ S ∂S
92 25 février 2015
4. Sensibilités et gestion des risques des options
Portefeuille de couverture
• Vente d’une option de valeur C (t , St ) par exemple un call
• Achat de ∆ t actions, on a donc : dPt = dCt − ∆ t dS t
• Le portefeuille est localement sans risque si et seulement si
∂Ct
∆t =
∂S
• Absence d’opportunité d’arbitrage : dP = rPdt
• EDP :
∂Ct ∂C σ 2 S 2 ∂ 2 C
+ rS t + − rC = 0 C (T , ST ) = (ST − K )+
∂t ∂S 2 ∂S 2
93 25 février 2015
La résolution de l’EDP
– La résolution de l’ EDP a pour résultat la célèbre formule de Black & Scholes :
(
C ( S , t ) = SΝ (d1 ) − K exp(− r (T − t ) )N d1 − σ T − t )
– Le delta, indicateur mesurant la variation du prix de l’option en fonction du prix
du sous-jacent, est donné par : ∆ t = Ν (d1 )
S σ
2
(T − t )
u2
Avec ln + r + Ν (x ) = Ρ(N (0;1) ≤ x ) = ∫ e
x − du
2
2
K −∞
2π
d1 =
σ T −t
94 25 février 2015
4. Sensibilités et gestion des risques des options
95 25 février 2015
1,2
1
0,8
Delta
0,6
0,4 Mat ur it y=5Y
Mat ur it y=1Y
0,2 Mat ur it y=6M
0
0 50 100 150 200 250
Spot price
96 25 février 2015
4. Sensibilités et gestion des risques des options
Véga
80
70 Maturity=5Y
60 Maturity=1Y
50 Maturity=6M
Véga
40
30
20
10
0
0 50 100 150 200 250
Spot price
97 25 février 2015
2,5
Maturity =5Y
1,5
Maturity=1Y
Maturity=6M
1
0,5
0
0 50 100 150 200 250
98 25 février 2015
4. Sensibilités et gestion des risques des options
• Pour les produits de première génération, les profils de P&L linéaires ainsi que la
propriété d’additivité des sensibilités ont favorisé le recours aux développements de
Taylor pour évaluer les impacts en P&L
99 25 février 2015
• Celle-ci a été développée par la Banque J.P. Morgan à partir de 1989 pour satisfaire le
besoin d’exprimer par la direction de pouvoir disposer quotidiennement d’une mesure
de la prise de risques globale de la Banque
« Nous sommes sûrs à 99% que l’on ne perdra pas plus de V euros dans les n prochains jours »
• On dit alors que V est la Value-at-Risk à n jours pour un seuil de confiance de 99%
• Vous avez investi une partie de vos économies dans un portefeuille d’actions. Votre
conseiller vient de vous informer que la valeur de votre portefeuille a baissé le mois
dernier et que celui-ci vaut maintenant 50,000 euros.
• Après avoir écouté ses explications sur les raisons de cette mauvaise performance,
vous désirerez sûrement avoir une idée de la perte maximale que le portefeuille
pourrait enregistrer d’ici la fin du mois.
• La réponse la plus correcte serait que vous pourriez perdre toutes vos économies.
Or cette réponse n’est pas satisfaisante parce qu’elle ne vous apporte rien de
nouveau et, surtout, parce que le scénario de perte totale a trop peu de chance de
se produire.
• Avantages
– Véhicule une information pertinente en terme de « risque » : un montant de perte
potentielle
– Étalon commun de mesure entre établissements, et dans un même établissement,
entre activités
– Appliquée de manière homogène, tient compte des effets de compensation entre les
différents types de risques
– Interprétation simple
– Une présentation synthétique : un chiffre unique
• Limites
– Calcul complexe et consommateur de ressources
– Important corpus d’hypothèses sous-jacentes
– Ne décrit pas les risques
– Ne renseigne pas sur les pertes potentielles maximales :
« De combien la VaR peut être dépassée ? »
• Comment se calcule-t-elle ?
• Réponse : 3 grandes méthodes :
1. Value-at-Risk paramétrique
2. Value-at-Risk Monte Carlo
3. Value-at-Risk historique
• Value-at-Risk paramétrique
– Véhicule une information pertinente en terme de «risque» : un montant de perte
potentielle
– Historiquement la première méthodologie utilisée
– Adaptée aux activités à produits linéaires ou faiblement convexes : marché monétaire,
change comptant, obligataire et swaps
– Inadaptée aux produits optionnels
• Soit X la valeur nette future d’une position sur un horizon donné, et α le niveau de
confiance. La Value-at-Risk est la mesure de risque définie par :
• Soit X la valeur nette future d’une position sur un horizon donné, et α le niveau de
confiance. La Value-at-Risk est la mesure de risque définie par :
VaR ( X ) = − inf {x / P( X ≤ x ) > 1 − α }
• La Var représente la perte potentielle que l’on s’autorise. La probabilité que la perte
ne dépasse pas la Value-at-Risk est
P ( X > −VaR ( X )) = α
F ( x) = P( X ≤ x ) = 1 − α ⇔ VaR( X ) = − F −1 (1 − α )
• Calibration des chocs : la distribution des chocs est obtenue à partir des séries
historiques, en supposant dans la plupart des modèles que les chocs suivent des lois
normales.
• Ces dernières sont alors entièrement déterminées à partir de leurs deux premiers
moments : la moyenne et l’écart type.
N
∂F
∆V = ∑
∂X
i =1 i
∆X i
• Dès lors, la Value-at-Risk peut être déduite à partir de cette combinaison linéaire des
chocs et de la matrice de variance-covariance. La Value-at-Risk est alors déterminée
selon la formule suivante :
( )
Pr Lt < VaRti / ti−1 ( p ) = p %
• Définition : On appelle exception une situation dans laquelle à la date t la perte
observée excède la Value-at-Risk anticipée
• On appelle la fonction « exception » la fonction indicatrice Yti associée à l’observation
ex-post d’une violation de la VaR à p% à la date ti
( )
Pr Yti / I ti−1 = p
• Cela implique que les variables Yt , Yt ,..., ont une probabilité conditionnelle fixe; une
1 2
Pr ( X = k ) = Cnk × p k × (1 − p )
n−k
• Ce test est basé sur une trajectoire de 250 observations Yt , Yt ,..., Y250 et p0 = 1%
1 2
• La procédure de backtesting est donc construite sur le principe d’un test statistique
• Pour rappel, la conception d’un test passe par l’identification d’une statistique de
l’échantillon, appelé test statistique, jouant le rôle de la décision :
Elle doit apporter le maximum d’information sur le problème posé
Sa loi doit être différente sous les hypothèses H0 et H1
Il faut que la loi soit entièrement connue au moins sous H0
250 250
Ρ ∑ Yi ≤ 4 p = 1% = 89.22% Ρ ∑ Yi ≤ 5 p = 1% = 95.88%
i =1 i =1
250
Ρ Y ≤ 9 p = 1% = 99.97%, Ρ Y ≤ 10 p = 1% = 99.99%
250
∑ i ∑ i
i =1 i =1
• Le coefficient Lambda =3+ x+y est fixé par le régulateur sur la base d’une évaluation de
la qualité du système de gestion des risques de la banque et des résultats du
backtesting de son modèle interne.
8. L’Expected Shortfall
CRC = 8% × ∑ wi × asset i
i
• Le poids du risque (wi ) dépend de la nature des actifs.
Pondération Actif
0% Les créances sur des Etats
de l’OCDE;
20% Les créances sur les
banques et les collectivités
locales des Etats de l’OCDE;
50% Les créances garanties par
une hypothèque ou crédit-
bail immobilier;
100% Les autres éléments d’actifs,
dont les crédits à la clientèle.
• L’idée principale est d’inciter les banques à construire leur des modèles robustes pour calculer
les risques de marché et donc d’obtenir des fonds propres beaucoup plus réalistes.
• Les institutions financières ont la possibilité d’utiliser leurs propres modèles internes à la
place des méthodes standardisées pour mesurer les risques de marché
• Toutefois, pour être validés par les autorités de tutelles, les modèles internes doivent
respecter plusieurs contraintes :
– des normes qualitatives,
– des critères qualitatifs et
– des critères quantitatifs
• Les normes générales
– le système de gestion des risques repose sur des principes sains et mis en œuvre de manière
intègre
– nombre suffisant de personnel qualifié pour l’utilisation de modèles élaborés dans le domaine
du trading, du contrôle des risques, de l’audit interne et du backoffice
– les modèles ont fait la preuve sur une durée significative qu’ils mesurent les risques avec une
précision raisonnable
– effectuer régulièrement des simulations de crises
1 60
MRC t = max Pt −1 ; (3 + k ) × ∑ Pt −i
60 i =1