Note de synthèse 
 
 
Dans ce mémoire on s’est intéressé dans un premier temps aux constructions 
des courbes de taux. On a vu que plusieurs courbes sont construites par pays : il y a la 
courbe  gouvernementale  nominale,  la  courbe  réelle  (basée  sur  les  obligations 
indexées sur l'inflation), la courbe Swap et enfin un nombre de crédit (basées sur les 
corporate bonds). On s’est donc intéressé à l’étude de ces courbes. Ensuite, dans le 
cadre du projet PFI (Project Financing Investment), on s’est penché sur la résolution 
de  certaines  problématiques  liées  à  ce  projet.  Elles  ont  pour  intérêt  de  limiter  les 
calculs  internes  effectués  au  sein  de  l’entreprise  et  pour  cela  on  a  dû  comparer 
REFTEC  (le  référentiel  de  l’entreprise  de  tous  les  produits  de  taux  et  de  leurs 
produits  dérivés)  et  Bloomberg.  Pour  ce  faire,  nous  étudions  les  écarts  de  z­spread 
entre  Bloomberg  et  REFTEC,  nous  faisons  évoluer  la  méthodologie  de  calcul  du 
spread  govies  et  finalement  nous  faisons  une  première  approche  des  techniques  de 
lissage qui seront explicitées plus en détail dans la dernière partie du mémoire. 
Après  analyse  des  données,  nous  concluons  que  la  méthodologie  de  calcul  entre 
Bloomberg  et  REFTEC  est  globalement  identique.  Les  écarts  s’expliquent  par  un 
choix de courbe Swap différent : 
 
­ REFTEC utilise  une  courbe  discontinue  entre  les  maturités  courtes,  l’Euribor 
et pour les maturités supérieures à 1 an, la courbe Swap. 
­ Bloomberg, quant à lui interpole le taux Euribor 1 an et la courbe Swap prise 
pour les maturités supérieures à 1.5 an. 
 
Ces résultats ont été présentés aux équipes de gestions, à la MOA Front et à l’équipe 
d’attribution  taux.  Ils  impacteront  essentiellement  un  changement  de  source 
d’alimentation des z­spread.  
La  gestion  crédit  a  prononcé  sa  préférence  pour  la  méthode  Bloomberg  qui  a 
l’avantage  de  ne  pas  présenter  de  saut  de  z­spread  au  passage  en  dessous  de  la 
maturité 1 an. 
L’équipe  de  gestion  solution  court  terme  n’utilise  pas  les  z­spread  des  maturités 
courtes  et  ne  voit  donc  pas  d’obstacle  à  passer  à  la  méthode  Bloomberg.  Il  faut 
cependant confirmer que le décommissionnement du pricer de REFTEC n’a aucune 
incidence sur la valorisation actuelle des Swaps dans les outils Front. 
Aussi, les z­spread des obligations à taux variable sont pour les deux sources calculés 
comme  des  taux  fixes  à  la  worst  date.  On  constate  cependant  des  écarts  plus 
importants  entre  Bloomberg  et  REFTEC  sur  ces  titres  alors  que  notre  méthode  de 
recalcul  permet  de  retrouver  les  résultats  de  Bloomberg  tandis  que  les  écarts  de 
REFTEC ne sont pas souvent expliqués. 
Enfin, en ce qui concerne les obligations indexées à l’inflation, REFTEC calcule un 
z­spread  à  partir  des  coupons  réels  contre  la  courbe  Swap  nominale,  tandis  que 
Bloomberg  les  calcule  à  partir  des  coupons  qui  incluent  la  compensation  pour 
l’inflation.  En  conséquence,  les  z­spread  de  REFTEC  sont  à  peu  près  200  bp  plus 
bas.  La  méthode  de  Bloomberg  paraît  ainsi  plus  homogène  avec  le  calcul  des 
obligations nominales. 
  

Les  points  traités  ci­dessus,  première  partie  du  mémoire,  ont  servi  de  base  pour  la 
construction de la suite des problématiques.  
 
La  seconde  partie  est  dédiée  aux  choix  de  constructions  des  courbes  de  taux 
utilisées. Ces constructions sont faites à partir d’instruments du marché tels que les 
contrats  Swap  et  les  obligations  d’état.  Nous  nous  sommes  intéressés  à  la 
construction de trois courbes principales : la courbe Swap avec sa particularité taux 
court (Euribor) et taux long ; la courbe Govies en expliquant le choix des instruments 
utilisés  et  en  comparant  les  courbes  Reuters  de  production  et  ceux  de  la  recherche 
d’Amundi et  enfin  la  courbe  Inflation  et  taux  réels.  Nous  avons  veillé  à  connaître 
toutes  les  sources  de  données  d’Amundi  et  ensuite  à  les  traiter  suivant  les 
caractéristiques voulues pour les courbes. 
 
La troisième partie concerne le contrôle des courbes de taux. En effet, on a mis 
en place deux nouvelles méthodes de contrôle qui permettent aujourd’hui d’aider le 
référentiel  d’Amundi,  qui  auparavant  effectuait  ces  contrôles  visuellement.  Pour 
comprendre  l’ambition  de  ce  projet,  nous  expliquons  d’abord  dans  le  mémoire  les 
techniques  de  contrôle  mises  en  place  il  y  a  quelques  temps  et  ensuite  nous 
explicitons  les  deux  nouvelles  méthodes  proposées  et  validées  par  les  services 
concernés. Le premier contrôle est un contrôle de séries temporelles qui se fait grâce 
à l’ACP (Analyse en Composantes Principales), elle permet d’identifier deux à trois 
facteurs  expliquant  la  quasi­totalité  des  mouvements  de  la  courbe  des  taux  zéro­
coupon ou des zéro­coupon associés. Le deuxième contrôle est construit à partir du 
calcul des taux forward sur les taux zéro­coupon Swap : les contrôles distinguent les 
taux courts des taux longs, nous proposons donc des seuils adaptés pour chacun de 
ces taux.  
Pour  voir  en  pratique  les  résultats  de  la  mise  en  application  de  ces  contrôles,  nous 
prenons l’exemple de quelques courbes atypiques pour valider ces méthodes et enfin 
connaître les limites éventuelles de celles­ci. 
L’idée du contrôle de séries temporelles à l’aide de l’ACP est de détecter les courbes 
de  taux  qui  ont  des  mouvements  atypiques  et  qui  varieraient  dans  des  proportions 
différentes par rapport aux autres courbes de taux.  
Le  but  est  de  définir  des  facteurs  qui  permettent  d’expliquer  les  corrélations  et  les 
auto­corrélations  sur  ces  courbes.  On  cherche,  plus  précisément,  des  composantes 
principales qui expliquent les mouvements d’ensemble des courbes d’Etat.  
Pour  cela,  dans  un  premier  temps,  nous  choisissons  un  ensemble  de  courbes 
représentatives  du  « monde ».  Nous  prenons  comme  référence  les  courbes  d’Etat 
suivantes :  USA,  Europe,  Canada,  Australie,  Japon,  Suisse,  Grande­Bretagne, 
Norvège et la Nouvelle­Zélande. 
L’ACP a servi dans notre cas d’étudier les mouvements des courbes d’Etat, grâce à 
cette  analyse  nous  arrivons  à  détecter  les  courbes  atypiques,  celles  qui  ont  des 
mouvements  de  courbe  différents,  ce  qui  constitue  un  contrôle  supplémentaire  que 
peut effectuer le référentiel d’Amundi.  

  2 
  

La quatrième partie est entièrement dédiée à la reconstruction des courbes de 
taux, de la mise en application des méthodes de lissage, de la comparaison de celles­
ci,  des  limites  de  chacune  d’entre  elles  et  enfin  le  choix  de  la  méthode  de  lissage 
retenue par l’équipe taux. 
Nous  partons du principe que nous avons n  taux zéro­coupons  et nous cherchons à 
reconstruire  la  courbe  de  taux.  Pour  ce  faire,  nous  disposons  de  deux  méthodes  de 
reconstruction :  La  première  méthode  regroupe  toutes  les  méthodes  directes 
d’interpolation  et la deuxième  comprend les  méthodes  indirectes.  Le  principe  de  la 
première  méthode  est  de  relier  directement  les  taux  de  marché  obtenus  par  des 
courbes, nous prenons essentiellement des droites et des polynômes cubiques. Pour 
ce  qui  est  de  la  deuxième  méthode,  on  applique  un  modèle  et  l’estimation  de  ses 
paramètres pour résoudre un problème d’optimisation. 
 
Les  méthodes  directes  sont  simples  en  théorie  et  très  faciles  à  mettre  en  œuvre. 
Malheureusement,  d’importantes  difficultés  empêchent  leur  mise  en  place  dans  la 
réalité : 
- il existe rarement sur le marché des obligations distinctes avec les mêmes dates 
de  tombée  de  coupon  et  qui  de  plus  présentent  des  vecteurs  de  flux 
linéairement indépendants ; 
- la méthode n’est pas robuste si l’on vient à modifier l’échantillon d’obligations 
à coupons. 
 
Ces  difficultés  nous  amènent  à  envisager  des  méthodes  alternatives  que  nous 
qualifions  de  « méthodes  indirectes ».    Le  point  commun  entre  ces  méthodes  est 
qu’elles impliquent d’ajuster les données de marché à une forme pré­spécifiée de la 
courbe des taux. Si ces méthodes remédient aux difficultés pratiques mentionnées ci­
dessus, elles souffrent néanmoins d’un éventuel risque de spécification ou bien risque 
de modèle. En effet, si l’on choisit une forme inadaptée pour la courbe des taux alors 
l’ajustement  des  données  de  marché  à  ce  modèle  ne  pourra  pas  nous  fournir  un 
résultat totalement fiable. 
D’un  point  de  vue  théorique,  les  méthodes  indirectes  sont  clairement  supérieures. 
Elles  ont  pour  principal  avantage  d’être  en  accord  avec  les  résultats  de  l’ACP  et 
fournissent des résultats que l’on peut facilement interpréter financièrement. Comme 
on a pu le voir, on arrive à les réécrire avec un nombre de paramètres plus réduit et 
donc  on  passe  d’un  système  avec  contraintes  à  un  problème  d’optimisation  sans 
contraintes. Elles sont aussi faciles à implémenter et à mettre en place. Leur défaut 
principal  reste  cependant  leur  temps  de  calcul,  elles  sont  très  coûteuses.  Leur 
implémentation requiert la mise en place d’algorithmes de minimisation non linéaires 
souvent longs à converger. 
En pratique, les résultats obtenus restent substantiellement différents en fonction du 
choix des points de contrôle. Aussi, lorsque l’on reçoit des données du flux Reuters 
(points  de  contrôle),  il  est  très  usuel  de  ne  pas  avoir  certaines  maturités  dans  le 
panier,  actuellement  les  maturités  manquantes  sont  recalculées  à  partir  d’une 
interpolation  linéaire  des  points  de  marché  obtenus,  ce  qui  peut  sembler 

  3 
  

contradictoire  avec  le  fait  de  vouloir  choisir  une  méthode  d’interpolation  pour  les 
courbes. 
Autre  point  à  souligner,  actuellement  les  courbes  brutes  sont  reconstruites 
directement à partir des courbes de marché obtenues du flux Reuters, or ces courbes 
sont inhomogènes et beaucoup trop variables pour qu’une méthodologie linéaire leur 
soient  directement  appliquées,  il  serait  donc  judicieux  d’interpoler  non  pas  les 
courbes de marché mais les courbes zéro­coupon implicites. 
Ces  deux  problématiques  pratiques  ont  été  résolues  en  appliquant  une  méthode 
paramétrique  et  en  se  ramenant  à  un  problème  d’optimisation.  Il  s’agit  en  effet  de 
paramétrer les zéro­coupons à l’aide d’un modèle à facteurs et après avoir recalculé 
le  prix des obligations  avec  ce  modèle,  trouver les  facteurs  qui  minimisent  l’erreur 
sur les prix de marché des obligations du panier. 
Au  sein  de  l’équipe  recherche  quantitative,  la  méthode  que  l’on  a  retenue  pour  les 
lissages  est  la  méthode  des  splines  cubiques  exponentielles  car  dans  le  cadre  du 
périmètre REFTEC il est nécessaire, pour reconstruire les maturités manquantes, de 
disposer  des  coupons  versés  par  celles­ci  et  cette  contrainte  est  très  limitante  dans 
notre cas. 
 
 
 

  4 
  

Executive summary 
 
In  this paper  we are interested  in  construction of  yield curves. We have seen 
that  several  curves  are  constructed  by  country:  there  is  nominal  government  curve, 
the  actual  curve  (based  on  inflation­indexed  bonds),  the  Swap  curve  and  finally  a 
number  of  credits  (based  on  corporate  bonds).  It  was  therefore  interested  in  these 
curves.  Then,  in  the  project  PFI  (Project  Financing  Investment),  we  focused  on 
solving some of the problems related to this project. Their interest is to limit internal 
calculations performed within the business and why I had to compare REFTEC (the 
corporate  repository  of  all  interest  rate  products  and  their  derivatives)  and 
Bloomberg.  To  do  this,  we  study  the  differences  between  z­spread  and  Bloomberg 
REFTEC, we develop the methodology for calculating the spread Govies and finally 
we  make  a  first  approach  to  smoothing  techniques  that  will  be  explained  in  more 
detail in the last part of the thesis. 
After  analyzing  the  data,  we  conclude  that  the  calculation  methodology  between 
Bloomberg and REFTEC is essentially identical. The differences are explained by a 
variety  of  different  swap  curve:  
 
­ REFTEC uses a dotted line between the short­term maturities, and the Euribor for 
maturities  greater  than  one  year,  the  Swap  curve. 
­  Bloomberg,  meanwhile  interpolates  the  1  year  Euribor  swap  curve  taken  for 
maturities  greater  than  1,5  years. 
 
These  results  were  presented  to  the  team  managements,  the  MOA  Front  and  team 
allocation  rate.  They  will  impact  essentially  a  change  in  power  source  of  the  z­
spread. 
Credit management gave its preference for the Bloomberg method has the advantage 
not to make jump z­spread passing below the 1­year maturity. 
The management team short­term solution does not use z­spread short maturities and 
therefore  sees  no  obstacle  to  pass  to  the  method  Bloomberg.  It  should  however 
confirm  that  the  decommissioning  of  the  pricer  REFTEC  has  no  impact  on  the 
current  valuation  of  swaps  tools  in  Front. 
Also,  the  z­spread  of  floating  rate  for  both  sources  are  calculated  as  the  worst  rate 
fixed  date.  However,  there  were  greater  differences  between  Bloomberg  and 
REFTEC  on  these  securities  as  our  method  of  recalculation  can  find  the  results  of 
Bloomberg  while  REFTEC  differences  are  often  not  explained. 
Finally,  with  regard  to  the  inflation­indexed  bonds,  REFTEC  calculates  a  z­spread 
coupon  from  real  against  the  nominal  swap  curve,  while  the  Bloomberg  calculated 
from the coupons that include compensation for inflation. Consequently, the z­spread 
REFTEC  are  approximately  200  bp  lower.  Bloomberg  method  thus  seems  more 
consistent  with  the  calculation  of  nominal  bonds. 
 
The  points  discussed  above,  the  first  part  of  the  thesis,  provided  the  basis  for  the 
construction of the following issues. 

  5 
  

The  second part  is  dedicated to the  construction  choice  of  yield  curves  used. 
These  constructions  are  made  from  market  instruments  such  as  swap  contracts  and 
bonds. We are interested in the construction of three main curves: curve swap with its 
characteristic  short  rate  (Euribor)  and  long­term  rates,  the  curve  Govies  explaining 
the choice of instruments and comparing the curves Reuters production and those of 
research  Amundi  and  finally  the  curve  Inflation  and  real  interest  rates. 
 
          The third part concerns the control of the yield curve. Indeed, it has developed 
two new methods of control which now help Repository Amundi, which previously 
performed these controls visually. To understand the ambition of this project, we first 
explain  the  memory  control  techniques  implemented  some  time  ago  and  then  we 
explain the two new methods proposed and validated by the departments concerned. 
The  first  control  is  a  control  time  series which  is  done  through  the  PCA  (Principal 
Component  Analysis),  it  identifies  two  to  three  factors  explaining  almost  all  the 
movements  of  the  yield  curve  zero  coupon  or  zero­coupon  related.  The  second 
control  is  built  from  the  calculation  of  the  forward  rate  on  zero­coupon  swaps: 
controls distinguish short­term rates of long­term rates; we therefore propose adapted 
thresholds  for  each  of  these  rates. 
To  see  the  practical  results  of  the  implementation  of  these  controls,  we  take  the 
example of some atypical curves to validate these methods and also see the potential 
limitations of these controls. 
The  idea  of  controlling  time  series  using  the  CPA  is  detect  yield  curves  that  have 
unusual  movements  which  vary  in  different  proportions  compared  to  other  rate 
curves. 
The goal is to identify factors that explain the correlations and auto­correlations on 
these  curves.  We  seek  more  specifically,  principal  components  that  explain  the 
movements  of  all  the  curves  of  State. 
To  do  this,  first,  we  choose  a  set  of  curves  representing  the  "world."  We  take  as 
reference  curves  following  State:  USA,  Europe,  Canada,  Australia,  Japan, 
Switzerland,  Great  Britain,  Norway  and  New  Zealand. 
PCA was used in our case study the movements curves State, through this analysis 
we are able to detect atypical curves, those movements of different curve, which is an 
additional  control  that  can  perform  the  Amundi  repository. 
 
             The  fourth  part  is  dedicated  to  the  reconstruction  of  the  yield  curve,  the 
implementation  of  smoothing  methods,  comparing  them  to  the  limits  of  each  and 
finally  the  choice  of  smoothing  method  chosen  rate  by  the  team. 
We take as input n zero­coupons, we will rebuild the curve. To do this, we have two 
reconstruction methods: The first method includes all direct methods of interpolation 
and  the  second  includes  indirect  methods. 
 
The principle of the first method is to directly link the market rate curves obtained, 
we  essentially  straight  lines  and  cubic  polynomials.  Regarding  the  second  method, 
we  apply  a  model  and  estimating  its  parameters  to  solve  an  optimization  problem. 
 
Direct  methods  are  simple  in  theory  and  easy  to  implement.  Unfortunately, 
  6 
  

significant  difficulties  prevent  their  establishment  in  reality:  

­ There is rarely on the market with the same obligations distinct deadlines coupon 
and  more  show  flow  vectors  linearly  independent;  
­ The method is not robust if we just modify the sample coupon bonds. 
These  difficulties  led  us  to  consider  alternative  methods  that  we  call  "indirect 
methods". The common point between these methods is that they involve adjusting 
market  data  to  a  pre­specified  rate  curve.  If  these  methods  overcome  the  practical 
difficulties  mentioned  above,  they  nevertheless  suffer  from  a  potential  risk  of 
specification  or  model  risk.  Indeed,  if  one  chooses  a  form  unsuitable  for  the  yield 
curve with the adjustment of market data to this model we  cannot provide a totally 
reliable. 
 
From  a  theoretical  point  of  view,  indirect  methods  are  clearly  higher.  Their  main 
advantage is that they are consistent with the results of the PCA and provide results 
that can be easily interpreted financially. As we have seen, we get to rewrite with a 
smaller number of parameters and thus moving from a system with constraints in an 
optimization  problem  without  constraints.  They  are  also  easy  to  implement  and 
develop.  Their  main  drawback,  however,  is  their  computation  time,  they  are  very 
expensive.  Their  implementation  requires  the  establishment  of  non­linear 
minimization  algorithms  often  long  to  converge. 
In  practice,  the  results  are  substantially  different  depending  on  the  choice  of  the 
control  points.  Also,  when  receiving  data  flow  Reuters  (control  points),  it  is  very 
common  not  to  have  some  maturity  in  the  basket,  and  now  missing  maturities  are 
recalculated  from  a  linear  interpolation  of  points  obtained  market  this  may  seem 
contradictory with the fact of wanting to choose an interpolation method for curves. 
Another point to note, currently raw curves are reconstructed directly from the curves 
obtained  flow  Reuters  market,  however,  these  curves  are  inhomogeneous  and  too 
many variables for a linear methodology they are directly applied, it would be wise to 
interpolate  not  curves  but  market  zero­coupon  curves  implied. 
These two practical issues have been resolved by applying a parametric method and 
equating it to an optimization problem. It is indeed set the zero­coupon using a factor 
model and after recalculating the price of bonds with this model, find the factors that 
minimize  the  error  on  the  market  price  of  bonds  basket. 
Within  the  quantitative  research  team,  the  method  that  was  used  for  the  smoothing 
method  is  exponential  as  cubic  splines  within  the  scope  REFTEC  is  the  need  to 
rebuild the missing have maturities of coupon payments by them and this constraint 
is very limiting in our case. 
 
 
 
 

  7 
  

Mémoire présenté le :

pour l’obtention du diplôme 
de Statisticien Mention Actuariat
et l’admission à l’Institut des Actuaires

Par :  Mlle MRABTI Sabrine 
Titre :  Etude approfondie des courbes de taux
 

Confidentialité :   NON  OUI (Durée :  1 an  2 ans) 

Les signataires s’engagent à respecter la confidentialité indiquée ci-dessus  
Membres présents du jury de l’Institut  signature  Entreprise : Amundi Asset
des Actuaires  Management 
      Nom :  
      Signature :  
Membres présents du jury de la filière    Directeur de mémoire en entreprise :  
      Nom : M. Gouzilh Laurent 
      Signature :  
      Invité :  
      Nom :  
      Signature :  
      Autorisation de publication et de mise
      en ligne sur un site de diffusion de
documents actuariels (après expiration
      de l’éventuel délai de confidentialité) 
     
      Signature du responsable entreprise 
       
     
   
Secrétariat :     Signature du candidat 
       
Bibliothèque :    
     

  8 
  

Résumé 
 
Dans ce mémoire, nous nous intéressons à l’étude des courbes de taux. Ces courbes ont la 
particularité  d’être  construites  par  pays.  Il  y  a  la  courbe  gouvernementale  nominale,  la 
courbe  réelle  (basée  sur  les  obligations  indexées  sur  l'inflation),  la  courbe  Swap  et  un 
nombre de crédit (basées sur les corporate bonds).  
 
Durant  les  premiers  mois  de  stage,  mon  équipe  et  moi­même  avons  travaillé  sur  le  projet 
PFI (Project Financing Investment). L’un de ses objectifs est de limiter les calculs internes 
effectués et pour cela on comparait REFTEC (le référentiel d’Amundi de tous les produits 
de  taux  et  leurs  produits  dérivés)  et  Bloomberg.  Je  me  suis  intéressée  à  quelques 
problématiques de ce projet. Les points étudiés seront traités en première partie et serviront 
de base pour la suite du mémoire.  
 
En première partie, nous étudierons les écarts de z­spread entre Bloomberg et Reftec, nous 
ferons évoluer la méthodologie de calcul du spread govies et enfin nous mettrons en place 
une  première  approche  des  techniques  de  lissage :  le  lissage  Bloomberg  de  la  courbe  I53. 
Avant de commencer le traitement de ces sujets, nous partirons de définitions élémentaires 
sur  les  taux  (conventions,  taux  courants)  et  d’outils indispensables  à  la  compréhension  du 
mémoire.  
 
La  seconde  partie  sera  dédiée  aux  constructions  des  courbes  de  taux  utilisées.  Ces 
constructions sont faites à partir d’instruments du marché tels que les contrats Swap et les 
obligations d’état. Nous nous intéresserons à la construction de trois courbes principales : la 
courbe  Swap  avec  sa  particularité  taux  court  (Euribor)  et  taux  long ;  la  courbe  Govies  en 
expliquant  le  choix  des  instruments  utilisés  et  en  comparant  les  courbes  Reuters  de 
production et ceux de la recherche d’Amundi et enfin la courbe Inflation et taux réels. 
 
La troisième partie concernera le contrôle des courbes de taux. En effet, on mettra en place 
deux nouvelles  méthodes qui permettront  d’aider le  référentiel d’Amundi,  qui aujourd’hui 
effectue  ces  contrôles  visuellement.  Nous  expliquerons  dans  un  premier  temps  les 
techniques  de  contrôle  mises  en  place  aujourd’hui  et  nous  décrirons  les  deux  nouvelles 
méthodes  proposées  et  validées  par  les  services  concernés.  Le  premier  contrôle  est  un 
contrôle  de  séries  temporelles  qui  se  fait  grâce  à  l’ACP  (Analyse  en  Composantes 
Principales),  il  permet  d’identifier  deux  à  trois  facteurs  expliquant  la  quasi­totalité  des 
mouvements de la courbe des taux zéro­coupon ou des zéro­coupon associés. Le deuxième 
contrôle est construit à partir du calcul des taux forward sur les taux zéro­coupon Swap : On 
distinguera  les  taux  courts  des  taux  longs,  nous  proposerons  donc  des  seuils  adaptés  pour 
chacun  de  ces  taux. Finalement,  nous  mettrons  en  application  ces  contrôles  sur  quelques 
courbes atypiques pour valider ces méthodes et surtout connaître les limites de celles­ci. 
 
Enfin, la quatrième partie sera entièrement dédiée à la reconstruction de ces courbes, de la 
mise en application des méthodes de lissage, de la comparaison de celles­ci, des limites de 
chacune d’entre elles et enfin le choix de la méthode de lissage retenue par l’équipe taux.  
 
 
  9 
  

Abstract 
 
In  this  paper,  we  focus  on  the  study  of    yield  curves.  These  curves  have  the 
distinction of being built by country. We have got the nominal government curve, the 
actual curve (based on inflation­indexed bonds), the Swap curve and the number of 
credit (based on corporate bonds). 
 
During  the  first  month  of  training,  my  team  and  I  have  worked  on  the  project  PFI 
(Project Financing Investment). One of its objectives is to limit internal calculations. 
Afterwards, we had to compare REFTEC (Amundi repository of all fixed income and 
derivatives)  and  Bloomberg.  I  worked  in  some  issues  of  this  project.  The  points 
studied will be described and analyzed in the first part. 
 
At the beginning of this paper, we study the split of z­spread between Bloomberg and 
Reftec, then we improve the methodology for calculating spread Govies and finally 
we  will  introduce  a  first  approach  to  smoothing  techniques:  Bloomberg  smoothing 
curve  I53.  Before  dealing  with  these  topics,  we  start  by  giving  some  important 
definitions. 
 
The  second  part  will  be  devoted  to  the  construction  of  yield  curves  used.  These 
constructions are made from  market instruments such as swap contracts and bonds. 
We focus on the construction of three main curves: curve swap with its unique short 
rate  (Euribor)  and  long­term  rates,  the  curve  Govies  explaining  the  choice  of 
instruments and comparing the curves Reuters production and those seeking Amundi 
and finally the curve Inflation and real interest rates. 
 
The  third  part  will  deal  with  the  methods  of  control  of  yield  curves.  We  will 
introduce two new methods that will help Repository Amundi, which now performs 
these controls visually. First, we explain the control techniques implemented today in 
Amundi  then  we  will  describe  two  new  methods  proposed  and  validated  by  the 
departments  concerned.  The  first  control  is  a  control  of  time  series  which  is  done 
through  the  PCA  (Principal  Component  Analysis),  we  can  identify  two  to  three 
factors explaining almost all the movements of the yield curve zero coupon or zero­
coupon related. The second control is built from the calculation of the forward rate 
on zero­coupon swap: We distinguish short­term rates of long­term rates. Therefore, 
we propose appropriate thresholds for each of these rates. Finally, we will implement 
these controls on some atypical curves to validate these methods and especially know 
their limits. 
 
Finally,  the  fourth  part  will  be  dedicated  to  the  reconstruction  of  these  curves,  the 
implementation of smoothing methods, comparing them to the limits of each of them 
and finally choosing the smoothing method rate chosen by the team. 
   
  10 
  

Remerciements 
 
 
Je tiens à remercier tous les membres de l’équipe Recherche Quantitative pôle Taux 
d’Amundi qui m’ont aidée, soutenue et encouragée tout au long de mon stage de fin 
d’études  et  sans  qui  je  n’aurai  pas  pu  réaliser  ce  mémoire  dans  d’aussi  bonnes 
conditions. 
 
Je cite Laurent Gouzilh, analyste quantitatif de l’équipe recherche taux, mon maître 
de stage durant cette période qui a su me témoigner une grande confiance, une bonne 
écoute et qui a pu tout au long de ce stage orienter mes réflexions. 
  
Marielle  de  Jong,  Responsable  du  pôle  Taux  de  la  Recherche  Quantitative,  pour 
m’avoir guidée tout au long de la rédaction de ce mémoire, pour sa pédagogie, son 
soutien et sa gentillesse. 
 
Hongwen Wu, Prestataire en Recherche Quantitative Taux, pour sa disponibilité, ses 
conseils et sa gentillesse. 
 
Thomas Coullon, Prestataire en Recherche Quantitative Taux, pour son soutien, ses 
conseils et son humour. 
 
Au­delà  du  service,  je  tiens  à  exprimer  mes  remerciements  les  plus  vifs  à  Pierre 
Capra, responsable Pilotage et Contrôle du pôle Expertise Risques de Marché, pour 
ses conseils et le partage de son expérience des marchés financiers. 
 
Je remercie tout le corps professoral de l’Institut Supérieur de l’Université Pierre et 
Marie Curie pour la qualité de leur enseignement durant ces deux dernières années. 
Je  cite  en  particulier  Monsieur  Olivier  Lopez  qui  a  suivi  l’élaboration  de  mon 
mémoire et qui a contribué à sa relecture. 
 
J’offre  mes  remerciements  d’exception  à  mes  parents  qui  n’ont  pas  cessé  de  me 
soutenir  tout  au  long  de  ma  scolarité  et  qui  m’ont  guidé  en  me  transmettant  leurs 
valeurs morales et leurs qualités humaines. 
 
Enfin,  je  ne  remercierai  jamais  assez  Damien  Langjahr,  manager  de  l’équipe 
Inventaire Prévoyance à la Direction Technique Collective d’AXA France, qui, grâce 
à ses conseils avisés a marqué un tournant majeur dans le suivi de mes études et qui a 
ainsi participé indirectement à l’élaboration de ce mémoire. 
 
 

  11 
  

Généralités 
 
La gestion d'actifs consiste à gérer des fonds confiés par des investisseurs dans le but 
d'obtenir un revenu plus ou moins important et d'enregistrer des plus­values sur une 
durée  plus  ou  moins  longue  en  prenant  un  risque  minimal.  Cette  expression  est 
synonyme de gestion de portefeuilles et d’Asset Management, en anglais. 
 
Un Asset Manager est une société, filiale d'une banque ou d'un assureur, qui crée et 
gère  les  produits  de  placements  proposés  par  les  banques  et  les  compagnies 
d’assurance  :  les  SICAV  et  les  FCP  (Fonds  Communs  de  Placement).  
Les particuliers et les entreprises peuvent confier de l'argent à ce type de société pour 
qu'elle  le  gère,  dans  le  respect  des  contraintes  réglementaires  et  contractuelles. 
On parle de "gestion pour compte de tiers".  Amundi Asset Management est une de 
ces sociétés. 
 
On  distingue  deux  types  de  gestion  d’actifs  pour  compte  de  tiers:  
­ la gestion collective qui propose des OPCVM (c’est­à­dire des produits destinés à 
de  nombreux  porteurs  qui  en  achètent  des  parts  comme  les  SICAV  et  les  FCP) ;  
­  la  gestion  sous  mandat  qui  passe  par  un  contrat  entre  la  société  de  gestion  et  un 
client. 
Le  mandat  de  gestion  ne  s'adresse  qu'à  un  seul  client,  mais  le  gestionnaire  peut 
inclure des produits de gestion collective dans son mandat. 
 
Au  31  décembre  2009,  l’activité  de  la  gestion  d’actifs  représentait  environ  52,6 
billions  de  dollars  d’actifs  sous  gestion  dans  le  monde.  Elle  a  largement  bénéficié 
d’un  rebond  du  marché  depuis  la  crise.  En  France,  l’année  2008  a  vu  la  création 
d’Amundi Asset Management, issue de la fusion de CAAM (Crédit Agricole Asset 
Management) et la SGAM (Société Générale Asset Management). Au 30 juin 2011, 
Amundi Asset Management se classe numéro un en France dans l’industrie de l’asset 
management  avec  661,9  milliards  d’euros  d’actifs  sous  gestion  dont  la  moitié 
représente des obligations. 
 
L’équipe Recherche Quantitative dans laquelle j’ai effectué ce stage a pour mission 
d’améliorer avec les gérants les processus d’investissement, d’apporter de nouvelles 
méthodes, d’étudier et d’améliorer les outils existants pour tirer le meilleur parti des 
prévisions  du  marché  financier.  Dans  le  cadre  de  ce  mémoire,  j’ai  fait  partie  du 
service  qui  apporte  une  référence  méthodologique  pour  tous  les  sujets  quantitatifs 
traités  au  sein  d’Amundi ;  je  me  suis  donc  penchée  sur  l’étude  des  z­spread,  la 
construction  des  courbes  de  taux,  le  contrôle  de  celles­ci  et  enfin  une  étude 
approfondie sur les différentes méthodes de lissage de ces différentes courbes. Le but 
est  de  comparer  ces  méthodes  empiriquement  sur  les  données  dont  on  dispose  et 
d’analyser  si  ces  caractéristiques  résistent  bien  dans  les  conditions  de  marché 
turbulentes  que  l'on  rencontre  actuellement. 
 

  12 
  

Sommaire 

 
Préambule ............................................................................................................................................................... 15 
Introduction au mémoire ........................................................................................................................................ 18 
1.  Taux d’intérêts ............................................................................................................................................ 18 
1.1.  Définition ............................................................................................................................................ 18 
1.2.  Les conventions de calcul ................................................................................................................... 18 
1.3.  Les bases de calcul .............................................................................................................................. 19 
2.  Courbe des taux zéro‐coupon ..................................................................................................................... 20 
3.  Les types de courbes des taux zéro‐coupon ............................................................................................... 21 
4.  Les principaux taux utilisés sur le marché financier .................................................................................... 21 
5.  Les principaux types de contrats existants sur le marché financier ........................................................... 22 
Partie I : Etude des z‐spread et première approche des techniques de lissage ...................................................... 24 
1.  Définition du spread et du z‐spread ............................................................................................................ 24 
2.  Contexte de l’étude ..................................................................................................................................... 24 
2.1.  Calcul du z‐spread par Bloomberg ...................................................................................................... 25 
2.2.  Z‐spread contre la courbe Govies ....................................................................................................... 25 
2.3.  Estimation de l’écart entre la courbe Swap Bloomberg et la courbe Govies ..................................... 27 
3.  Comparaison des écarts de Z‐Spread entre Bloomberg et REFTEC ............................................................ 28 
3.1.  Périmètre des instruments ................................................................................................................. 28 
3.2.  Calcul des courbes Swap implicites Bloomberg et REFTEC ................................................................. 29 
3.3.  Comparaison avec la courbe Swap implicite REFTEC: ........................................................................ 31 
4.  Passage d’une courbe discrète à une courbe continue‐ Première approche des techniques de lissage ... 34 
5.  Conclusion ................................................................................................................................................... 40 
Partie II : Construction des courbes de taux ............................................................................................................ 41 
1.  Les courbes de taux ..................................................................................................................................... 41 
2.  Les différents types de taux ........................................................................................................................ 42 
2.1.  Le taux de rendement à maturité (ou yield to maturity « YTM » en anglais)..................................... 42 
2.2.  Le taux de swap .................................................................................................................................. 43 
2.3.  Le taux zéro‐coupon ........................................................................................................................... 43 
2.4.  Le taux forward ................................................................................................................................... 44 
2.5.  Le taux forward instantané ................................................................................................................. 44 
3.  Les formes des courbes de taux .................................................................................................................. 45 
4.  L’évolution empirique des courbes de taux ................................................................................................ 45 
5.  Construction des courbes de taux utilisées ................................................................................................ 46 
5.1.  Courbe swap ....................................................................................................................................... 46 
5.2.  Définition des contrats swap .............................................................................................................. 47 
  13 
  

6.  Explication de la méthode de récupération des courbes de taux ............................................................... 47 
6.1.  Nos sources de courbes de taux ......................................................................................................... 48 
6.2.  Calcul d’une courbe zéro‐coupon‐ Explications de l’algorithme REFTEC du découponnage d’une 
courbe de marché ........................................................................................................................................... 49 
7.  Conclusion ................................................................................................................................................... 55 
Partie III : Contrôle des courbes de taux ................................................................................................................. 56 
1.  Définition des contrôles de courbes de taux mis en place ......................................................................... 56 
1.1.  Contrôle de présence .......................................................................................................................... 56 
1.2.  Contrôle des courbes partielles .......................................................................................................... 57 
1.3.  Contrôle des points aberrants ............................................................................................................ 58 
1.4.  Contrôle des lissages aberrants .......................................................................................................... 59 
1.5.  Contrôle des courbes critiques ........................................................................................................... 59 
1.6.  Contrôle des courbes importantes ..................................................................................................... 60 
1.7.  Contrôle des autres courbes ............................................................................................................... 60 
1.8.  Contrôle des courbes pendant les périodes particulières .................................................................. 61 
2.  Nouveaux contrôles pour les courbes de taux ............................................................................................ 61 
2.1.  Contrôle de cohérence sur les courbes de taux ................................................................................. 61 
3.  Applications ................................................................................................................................................. 62 
3.1.  Calcul des taux zéro‐coupon forward ................................................................................................. 63 
3.2.  Validation des contraintes de non arbitrabilité de la courbe des taux ............................................... 64 
3.3.  Mise en place et validation des seuils d’alerte ................................................................................... 64 
3.4.  Résultats et proposition de nouveaux seuils mieux adaptés .............................................................. 65 
4.  Contrôle de séries temporelles à l’aide de l’ACP ........................................................................................ 67 
4.1.  Cadre général ...................................................................................................................................... 67 
4.2.  Applications ........................................................................................................................................ 71 
Partie IV : Lissage des courbes de taux .................................................................................................................... 77 
1.  Modèles de reconstruction des courbes de taux ........................................................................................ 77 
1.1.  Les méthodes directes d’interpolation ............................................................................................... 77 
2.  Les méthodes indirectes d’interpolation .................................................................................................... 83 
2.1.  Ecriture de la fonction d’actualisation sous forme de fonction spline ............................................... 84 
3.  Applications ................................................................................................................................................. 92 
4.  Conclusion ................................................................................................................................................. 101 
Conclusion Générale .............................................................................................................................................. 102 
Bibliographie .......................................................................................................................................................... 104 
Annexe ................................................................................................................................................................... 107 
 

  14 
  

Préambule 
 
 
Environnement de travail: 
 
Avant de traiter les problématiques de ce mémoire, il est important de mettre en place 
le  contexte  dans  lequel  j’ai  travaillé  durant  ces  derniers  mois.  Mon  stage  de  fin 
d’études  s’est  déroulé  au  sein  de  l’équipe  Recherche  Quantitative  Pôle  Taux.  Le 
service de recherche quantitative apporte un soutien et une référence méthodologique 
pour  tous  les  sujets  quantitatifs  traités  au  sein  d’Amundi.  L’équipe  a  pour  mission 
d’améliorer les processus d’investissement, apporter des méthodes nouvelles, étudier 
et améliorer les outils existants pour tirer le meilleur parti des prévisions du marché 
financier.  Elle  répond  aussi  aux  études  spécifiques  demandées  par  les  clients  et 
apporte  un  soutien  quantitatif  aux  appels  d’offre  et  marketing  produits. 
Ce  service  est  composé  de  personnes  spécialisées  en  analyse  financière,  économie, 
statistiques,  mathématiques  et  informatique.  L’ensemble  de  l’équipe  est  réparti  en 
fonction  des  classes  d’actifs  et  du  mode  de  gestion  en  quatre  sous­services  dont  le 
pôle taux dirigée par Marielle de Jong, responsable de mon stage. 
 
L’organigramme est le suivant : 

    
 
 
 
J’avais  à  ma  disposition  de  nombreuses  sources  de  données.  Je  cite  en  particulier 
Bloomberg et Reuters. J’ai été amenée à travailler sur l’environnement Windows XP. 
La majorité des outils sont élaborés sous Excel, j’ai donc été amenée à programmer 
sous VBA avec des appels de méthodes existantes programmées en C++. L’appel des 
données Reuters se fait facilement grâce au langage de programmation SQL que j’ai 
appris courant ce stage.  
 
 
  15 
  

L’industrie de la gestion d’actifs :  
 
La  gestion  d’actifs,  aussi  appelé  gestion  de  portefeuilles  ou  asset  management  (en 
anglais) est une activité qui consiste à gérer l’argent des investisseurs dans le but de 
le faire fructifier dans le respect de contraintes réglementaires sur une durée plus ou 
moins longue. Les investisseurs peuvent être des particuliers, des entreprises ou des 
institutionnels.  On  parle  alors  de  gestion  pour  compte  tiers.  Le  type  de  gestion 
(collective  ou  sous  mandat),  le  style  de  gestion  (traditionnelle  ou  alternative),  le 
mode  de  gestion  (active,  passive),  le  support  de  placement  (fonds  monétaires, 
obligataires, actions, diversifiés, alternatifs, investissement socialement responsable) 
et  l’horizon  de  placement  (court,  moyen  ou  long  terme)  dépend  de  la  volonté  des 
investisseurs. 
 
Certains  investisseurs  souhaitent  être  «  connectés  »  au  marché  c'est­à­dire  qu’ils 
souhaitent avoir une performance lié à un indice de référence qui peut être un indice 
action, obligataire ou un panier d’indice qu’on appelle benchmark. Soit leur objectif 
est de surperformer le benchmark, c’est le cas d’une gestion active, soit leur objectif 
est  de  répliquer  les  performances  du  benchmark,  c’est  le  cas  d’une  gestion  passive 
(ou gestion indicielle). 
 
L’hypothèse  qui  sous­tend  la  gestion  passive  est  l’efficience  du  marché  financier. 
Toute  information  disponible  sur  le  marché  est  reflétée  dans  les  prix  des  actifs  et 
aucune  stratégie  ne  peut  faire  mieux  que  le  marché  en  termes  de  performance.  Il 
existe  un  autre  mode  de  gestion  active  appelée  gestion  «absolute  return  »  visant  à 
procurer  une  performance  absolue  totalement  décorrélés  des  marchés  tout  en 
réduisant les risques. 
 
D’autre part,  les investisseurs,  lorsqu’ils  confient  leur  argent,  choisissent un niveau 
de  risque  (et  donc  leur  espérance  de  gains)  auquel  ils  souhaitent  être  exposés.  Ils 
choisissent  ainsi  selon  leur  profil  un  couple  rendement  risque.  Le  mode  de  gestion 
correspondant à ce besoin est une variante de la gestion passive qu’on appelle gestion 
indicielle  tiltée.  L’objectif  du  gérant  de  portefeuille  est  alors  de  sur  répliquer  les 
performances d’un benchmark tout en limitant le risque par rapport à celui­ci et en 
minimisant les coûts (coûts de transaction et frais de gestion).  
 
Historiquement,  la  gestion  quantitative  prend  ses  racines  dans  la  recherche 
académique  qui  a  émergé  à  la  fin  des  années  cinquante.  Plus  particulièrement,  elle 
prend  son  origine  dans  les  travaux  de  Harry  Markowitz  et  William  Sharpe  sur 
l’allocation de portefeuille. Depuis ces travaux fondateurs, la recherche académique 
n’a  pas  cessé  de  se  poser  des  questions  et  d’apporter  des  solutions  aux  problèmes 
posés. La fin des années soixante est marquée par la problématique de la mesure de 
performance.  Outre  les  travaux  de  Jack  Treynor,  deux  autres  contributions  sont 
fondamentales :  la  première  est  celle  encore  une  fois  de  Sharpe,  qui  a  introduit  le 
ratio  de  Sharpe  en  1966  permettant  de  mesurer  la  performance  des  fonds 
d’investissement  et  la  deuxième  vient  de  Michael  Jensen  qui  propose  de  mesure 
l’alpha d’un fonds. 
  16 
  

Les  années  soixante­dix  permettront  de  synthétiser  un  ensemble  de  travaux  portant 
sur  l’hypothèse  d’efficience  des  marchés.  Une  littérature  très  riche  s’est  intéressée 
aux comportements des titres. 
Les  années  quatre­vingt­dix  sont  la  décennie  de  l’avènement  de  l’économétrie.  Les 
principaux outils économétriques ont été développés dans les années soixante­dix et 
quatre­vingts  mais  le  manque  de  puissance  de  calcul  avait  freiné  jusque­là  leur 
utilisation. 
Courant  les  années  deux  mille,  la  recherche  académique  s’est  intéressée  aux 
phénomènes de micro­structure des marchés. Les chercheurs universitaires délaissent 
les  problèmes  théoriques  pour  s’intéresser  à  la  formation  et  à  la  dynamique  des 
carnets d’ordres, la compréhension de la liquidité et les anomalies de marché. 
 
Ainsi, afin d’améliorer les processus d’investissement et dans le souci d’apporter des 
méthodes  nouvelles  pour  tirer  le  meilleur  parti  des  prévisions  du  marché  financier, 
différents  travaux  sont  en  cours  notamment  dans  l’équipe  Recherche  Quantitative 
d’Amundi dont j’ai fait partie courant ce stage de fin d’études.    

  17 
  

Introduction au mémoire 
 
Dans un premier temps, nous définirons quelques notions de base servant à la bonne 
compréhension  du  mémoire.  Nous  ferons  donc  un  rappel  des  bases  fondamentales 
des mathématiques financières avant de commencer à traiter les problématiques de ce 
mémoire. 
 
1. Taux d’intérêts
 
1.1. Définition
 
D’après  la  définition  de  Chazot  C.  et  Claude  P.  dans  « Les  Swaps :  Concepts  et 
Applications » : « Un taux d’intérêt est le rendement, ramené dans une certaine base, 
d’un placement auprès d’une contrepartie, dans une certaine monnaie et pendant une 
durée déterminée. »  
Cette notion de taux d’intérêt prend compte de plusieurs caractéristiques naturelles : 
 La devise (Euro, Dollar,…) ; 
 La contrepartie (j’ai placé l’argent à la banque X) ; 
 La durée d’investissement ; 
 Le nominal ; 
 La fréquence de paiement des intérêts (mensuel, bimensuel, trimestriel…). 
 
Pour  calculer  le  taux  d’intérêt  nous  devons  faire  attention  à  deux  caractéristiques 
supplémentaires : la convention  de  calcul  (proportionnelle ou actuarielle) et la base 
de calcul des intérêts (base Exact/Exact, base Exact/360 ou base 30/360). 
 
1.2. Les conventions de calcul
 
Il y a 2 conventions de calcul.  
 La première est la plus naturelle. Soit  R P le taux d’intérêt dit « proportionnel » 
ou  encore  « simple »,  on  calcule  les  intérêts  I grâce  à  la  formule :        
I  N  R P  D  avec N le nominal et D  la durée du placement. 
 La deuxième concerne les intérêts qui sont replacés à chaque période. On parle 
en effet de « taux actuariel » ou encore de « taux d’intérêt composé ». 
Soit  R a le taux d’intérêt composé. A la fin de la première période, la valeur du 
placement est : N  1  Ra  . 
A la fin de la deuxième période, la valeur du placement devient :  N  1  Ra 2  
A la fin de la dernière période, la valeur du placement et donc :  N  1  Ra  D  

  18 
  

  Les intérêts valent :  I  N  1  Ra D 1  

 Le lien qui unit les deux conventions est la formule suivante : 
1  Ra  1  RP  D  D  
1

 
1.3. Les bases de calcul
 
D’après les deux paragraphes précédents, nous avons mis en évidence l’importance 
de préciser la convention utilisée pour calculer le nombre de jours entre 2 paiements 
ainsi que le nombre de jours exacts que comporte l’année. 
Une base permet alors de fixer ces conventions. Elle permet en effet de préciser la 
durée entre 2 paiements et le nombre de jours dans une année. 
Le marché utilise essentiellement 3 bases : 
 La base Exact/360 ; 
 La base Exact/Exact ; 
 La base 30/360. 
 
Dans la convention de la base Exact/360, une année comporte 360 jours et le nombre 
de  jours  entre  2  dates  est  le  nombre  de  jours  exacts.  On  utilise  cette  base  dans  le 
calcul d’intérêts des instruments monétaires de durée inférieure à 1 an et notamment 
pour les contrats EONIA et EURIBOR. 
 
Dans  la  convention  de  la  base  Exact/Exact,  on  considère  le  nombre  de  jours  d’une 
année  comme  le  nombre  de  jours  exacts  d’une  année,  soit  366  pour  les  années 
bissextiles  et  365  sinon.  Aussi,  le  nombre  de  jours  entre  2  dates  est  le  nombre  de 
jours exacts. On l’utilise par exemple pour calculer les coupons courus. 
 
Dans la convention de la base 30/360, le nombre de jours entre 2 dates est calculé en 
prenant pout chaque mois 30 jours. Si on prend le cas particulier du mois de février, 
on admet que le dernier jour du mois correspond au 30ème jour et pour les mois qui 
comportent 31 jours, on les ramène à 30.  
L’année comporte 360 jours. 
Exemple :  Prenons  2  dates  d1  J 1 / M 1 / A1   et  d 2  J 2 / M 2 / A2   avec  d1  d 2 alors  le 
nombre de jours entre ces deux dates dans cette base est calculé grâce à la formule : 
n  J 2  J1   30  M 2  M 1   360   A2  A1   
 
 
 
 
 
 
  19 
  

2. Courbe des taux zéro-coupon

 
Les taux utilisés pour calculer les prix des obligations doivent être des taux « purs » 
c’est­à­dire des titres zéro­coupon afin d’éviter des distorsions dus à des niveaux de 
coupons annuels différents. Or, il n’existe pas d’obligations zéro­coupon cotées pour 
chaque échéance ou alors elles sont trop peu liquides pour que leur taux de rentabilité 
actuariel soit significatif donc il vaut mieux reconstruire une courbe zéro­coupon. 
 
Connaître la courbe des taux zéro­coupon au comptant est très important en pratique 
car cela permet aux acteurs du marché: 
 
­ d’évaluer et de couvrir à la date de reconstitution les produits de taux délivrant des 
flux futurs connus (obligation à taux fixe, par exemple) ; 
 
­ de dériver les autres courbes implicites: la courbe des taux forward, la courbe des 
taux de rendement au pair et la courbe des taux de rendement instantanés ; 
 
­  enfin,  la  courbe  spot  est  le  point  de  départ  pour  la  mise  en  place  de  modèles 
stochastiques de déformation de cette courbe dans le temps. 
La reconstitution de cette courbe est rendue nécessaire par le fait qu’il n’existe pas 
suffisamment  d’obligation  zéro­coupon  («strips»)  cotées  sur  le  marché.  Par 
conséquent, il n’est pas possible d’obtenir les taux zéro­coupon pour un continuum 
de maturité. 
 
En  outre,  les  obligations  zéro­coupon  ont  souvent  une  moindre  liquidité  que  les 
obligations à coupons.  
Nous partons de la gamme des taux in fine a n n1,..., N , il s’agit de la courbe des taux 
couponnés que l’on récupère. Aucun remboursement de capital avant son échéance, 
paiement périodique d’intérêts. Nous en déduirons par un calcul de proche en proche 
la gamme rn n 1,..., N . 
 
Sur les marchés, la plupart des titres de durée inférieure à 1 an sont des zéro­coupons. 
Pour les maturités inférieures à 1 an, on recalcule un taux actuariel, soit : 

  1  Tauxswapspot  365 
  TauxZCspot       1  
 360  

 365

  1  Tauxswap3M  90  90 
TauxZC 3M   
360
  1 
  
 

Pour  les  titres  dont  la  maturité  est  supérieure  à  1  an,  il  convient  d’extraire  de  la 
gamme des taux in fine la gamme des taux zéro­coupons de la manière suivante : 
r1  a1  

  20 
  

1  an
1  rn n  n 1
 
1
1  an 
i 1 1  ri 
i

3. Les types de courbes des taux zéro-coupon

 
Nous allons distinguer trois grands types de courbe de taux zéro­coupon: 
 
­ la courbe Trésor (ou courbe d’Etat) ; 
 
­ la courbe interbancaire ; 
 
­ et les courbes «corporate» 

La  courbe  Trésor  est  construite  à  partir  des  obligations  émises  par  l’Etat  (OAT, 
BTAN et BTF en France). Il s’agit de la courbe dite sans risque dans les pays du G7 
dans la mesure où les Etats de ces pays sont censés ne jamais faire défaut. Les Etats 
de ces pays sont notés AAA par les agences de rating (meilleure notation possible). 
 
La courbe interbancaire comme son nom l’indique résulte d’opérations financières 
entre  banques.  
Elle  est  construite  à  partir  des  taux  de  dépôt,  des  futures  et  des  swaps. 
Il  ne  s’agit  pas  d’une  courbe  sans  risque  puisque  les  banques  ne  jouissent  pas  du 
meilleur rating des agences de notations.  
Les courbes «corporate» sont les courbes qui caractérisent les entreprises du secteur 
privé. Il y en a de multiples qui dépendent du rating des entreprises et de leur secteur 
économique.  
Chacune  de  ces  courbes  est  construite  en  utilisant  les  obligations  des  entreprises 
concernées. 
 
4. Les principaux taux utilisés sur le marché financier
 
Les  deux  taux  suivants  sont  des  taux  de  références  utilisés  sur  le  marché  des  taux 
monétaire de la zone Euro. Ils sont calculés quotidiennement par la Banque Centrale 
Européenne (BCE) à partir d’une moyenne pondérée de taux de prêts échangés entre 
les banques d’un panel préalablement choisi. Cet échantillon comprend aujourd’hui 
44 grandes banques (principalement européennes) et sont déterminées sur des critères 
de notation et de volumes traités sur le marché monétaire européen.  
 
EONIA 

L’EONIA  (European  OverNight  Index  Average)  est  le  taux  de  référence  quotidien 
des  dépôts/prêts  interbancaires  effectués  au  jour  le  jour  dans  la  zone  euro.  Il  est 
calculé à 3 décimales et publié chaque soir à 18h30 (CEST).  

  21 
  

E URI B OR

L’EURIBOR  (European  Interbank  Offered  Rate)  est  le  taux  de  référence  quotidien 
pour les dépôts/prêts interbancaires de maturités plus longues.  
Les  maturités  publiées  sont  1  semaine,  2  semaines,  3  semaines,  1  mois,  2  mois, 
jusqu’à 12 mois. Ils sont publiés tous les jours ouvrés à 11h (CEST).  
Les taux Euribor 3 mois et Euribor 6 mois servent de base dans le marché des swaps 
et dans la valorisation des produits dérivées de taux.  
 
5. Les principaux types de contrats existants sur le marché financier
 
On  distingue  généralement  deux  types  de  marché :  le  marché  au  comptant  où  la 
livraison des biens échangés a lieu immédiatement et les marchés dérivés où celle­ci 
n’est  pas  immédiate.  Dans  un  marché  au  comptant,  livraison  et  paiement  sont 
pratiquement  simultanés,  ce  qui  n’est  pas  le  cas  dans  un  marché  dérivé.  C’est 
pourquoi un marché au comptant est aussi appelé un marché spot. 
Il  existe  des  marchés  au  comptant  pour  de  nombreux  instruments  financiers :  les 
actions,  les  taux,  les  devises  et  même  certaines  matières  premières.  Le  cours  au 
comptant  (ou  cours  spot)  est  déterminé  par  l’offre  et  la  demande.  Dans  un  marché 
organisé  la  cotation  de  l’instrument  est  déterminée  de  façon  électronique  dans  le 
carnet d’ordres et une chambre de compensation (Portait et Poncet, 2009). On parle 
alors de cotation en continu. Dans un marché de gré à gré, les échanges se font de 
façon bilatérale sans centralisation des ordres. Mis à part quelques matières premières 
et  les  instruments  où  la  liquidité  est  faible  (le  marché  secondaire  de  certaines 
obligations),  la  plupart  des  marchés  au  comptant  sont  des  marchés  organisés. 
 
Les  contrats  forward  ou  futures  (ou  contrats  à  terme)  sont  des  contrats  dérivés 
similaires dont le but est de fixer à la date t le prix d’un actif qui est livré à une date 
ultérieure  T.  Notons  qu’il  n’y  a  pas  d’échange  d’argent  entre  les  deux  parties  au 
début  du  contrat.  Par  convention,  on  dira  qu’on  est  acheteur  d’un  tel  contrat 
lorsqu’on  achète  l’actif  à  terme,  c’est­à­dire  que  l’on  prend  livraison  de  l’actif  en 
échange du prix de livraison. Ceci correspond à une position longue (long position). 
Inversement,  on  est  vendeur  d’un  tel  contrat  lorsqu’on  accepte  de  vendre  l’actif  à 
terme, c’est­à­dire de livrer l’actif contre paiement du prix de livraison. On dit alors 
qu’on prend une position courte (short position). 
Le  tableau  suivant  fournit  un  résumé  des  différences  entre  les  contrats  forward  et 
futures. 
 

 
  22 
  

Un  contrat  Swap  est  un  produit  dérivé  dans  lequel  une  partie  possédant  un  certain 
instrument  financier  s’accorde  avec  une  autre  partie  possédant  un  deuxième 
instrument  financier  pour  échanger  certaines  des  caractéristiques  de  leurs 
instruments. Par exemple, dans le cas d’un Swap entre deux obligations, les parties 
peuvent se mettre d’accord pour échanger les coupons périodiques. Plus précisément, 
les  deux  parties  s’accordent  pour  échanger  une  série  de  revenus  générés  par  le 
premier  instrument  contre  la  série  de  revenus  générés  par  le  deuxième  instrument. 
Chacune  de  ces  séries  est  appelée  une  jambe  du  contrat  swap.  Généralement,  au 
moins une des deux séries dépend d’une variable aléatoire (comme un taux d’intérêt, 
un  taux  de  change  ou  le  prix  d’une  action),  dont  la  valeur  est  inconnue  quand  le 
contrat  est  signé.  Le  contrat  spécifie  les  termes  de  l’échange,  en  particulier  le 
montant notionnel qui sert au calcul des séries de revenus, les dates de paiement et la 
manière  dont  les  paiements  sont  calculés.  Les  contrats  swap  sont  en  général  des 
contrats de gré à gré, mais il existe certains contrats swaps standardisés en particulier 
sur le marché des futures du CME (Chicago Mercantile Exchange). Ils sont utilisés à 
des fins de couverture ou pour spéculer sur la hausse ou la baisse de la valeur d’un 
des instruments.  
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

  23 
  

Partie I : Etude des z­spread et première approche des techniques de lissage 

Dans cette première partie, nous expliciterons l’étude menée sur les z­spread et nous 
commencerons à traiter une question fondamentale en finance : « Comment relier les 
points  d’une  série  de  données  finie  pour  remplacer  les  données  manquantes ? ».  Il 
s’agit là d’une problématique servant à évaluer les prix des produits financiers. 
 
1. Définition du spread et du z-spread
 
En langage financier, le terme anglais « spread » est utilisé pour désigner le spread de 
crédit,  c’est­à­dire  l’écart  de  taux  existant  entre  une  obligation  émise  par  une 
entreprise, ou tout autre organisme, et un emprunt d’Etat ou interbancaire théorique 
qui serait basé sur des flux financiers identiques.  
Historiquement, le spread augmente lors d'un ralentissement économique et se réduit 
en  période  de  croissance.  Le  spread  est  assez  difficile  à  estimer,  c’est  pourquoi  la 
pratique voulait que l’on utilise l’écart entre le taux de l’obligation concernée et celui 
d’un  emprunt  d’Etat  dont  la  durée  reste  la  plus  proche  possible.  Il  convient  de 
souligner toutefois que le spread de crédit connaît, bien souvent, de fortes variations 
liées à plusieurs facteurs, tels que l’offre et la demande de capitaux, le volume des 
emprunts  d’Etat  et  interbancaires,  ou  encore  la  conjoncture  économique  à  laquelle 
reste fortement corrélée le risque de faillite de bon nombre d’entreprises. 
 
Le spread zéro­coupon quant à lui, ou « z­spread », est le nombre de points de base 
qui doit être appliqué à une série de taux zéro­coupon pour que le prix de marché de 
l'obligation  soit  égal  à  la  somme  des  cash­flows  futures  actualisés  au  taux  zéro­
coupon ajusté. 
La  valeur  actualisée  de  tous  les  cash­flows  futurs  d’une  certaine  obligation  avec  le 
taux  au  comptant  est  en  général  supérieure  au  prix  observé  sur  le  marché.  Cette 
différence est due au fait que le prix de marché incorpore des facteurs additionnels 
tels  que  liquidité  et  risque  de  crédit.  Le  z­spread  quantifie  l’impact  de  ces  facteurs 
additionnels.  Il  est  le  spread  qu’on  rajoute  à  la  courbe  utilisée  pour  l’actualisation 
afin de générer un prix le plus proche possible du prix de marché. 
 

2. Contexte de l’étude 
 
L’un  des  objectifs  du  projet  PFI  est  de  limiter  les  calculs  internes  effectués.  La 
plupart  des  analytiques  sont  récupérés  directement  de  Bloomberg.  En  cible,  le  z­
spread contre la courbe Swap sera directement récupéré de Bloomberg, par contre le 
z­spread  contre  la  courbe  Govies  sera  recalculé.  En  effet,  Bloomberg  associe 
directement les taux d’obligations à chaque ténor de la courbe. Ces taux ne sont pas 
interpolés  à  la  maturité  exacte  du  ténor.  Ce  choc  se  traduit  ensuite  sur  les  spread 
Govies calculés. 

  24 
  

 On  cherche  à  calculer  les  z­spread  car  ils  interviennent  dans  le  calcul  du 
SPS   « Social  Performance  Standards »  ou  encore  la  performance  sociale,  une  des 
mesures importantes dans l’analyse des portefeuilles. On peut la définir comme étant 
les  résultats d’une  entreprise  dans  les  domaines  qui ne  relèvent pas  directement  de 
l’activité économique. 
La performance sociale vise à faire le rapport entre le résultat obtenu et les moyens 
mis en œuvre pour y parvenir. Dans son excellent livre intitulé « Tableaux de bord 
sociaux: pilotage, animation, décision », Bernard Martory détaille 4 questions que les 
organisations doivent se poser avant de passer de mesurer leur performance sociale. 
Pour plus de détails, nous pouvons nous référer à cet ouvrage. 
 
2.1. Calcul du z-spread par Bloomberg
 
Z­spread contre la courbe Swap : Les z­spread contre la courbe Swap sont calculés 
dans l’écran YAS de Bloomberg. 
 

Figure 1 : Ecran YAS 
 
Le  z­spread  (champ  YAS_ZSPREAD)  est  calculé  contre  la  courbe  Swap  de 
Bloomberg.  La  courbe  Swap  est  associée  à  l’obligation  automatiquement  par 
Bloomberg en fonction de sa devise. 
Pour les obligations contenant une optionalité, le pricing par défaut est fait au worst 
id est au scénario le plus défavorable, en fixant le champ YAS_YLD_FLAG à 15. On 
voit  que  la  valeur  de  ce  paramètre  impacte  le  calcul  du  z­spread. 
Pour  les  obligations  inflation,  le  mécanisme  est  le  même :  Bloomberg  calcule  le  z­
spread contre la courbe Swap en incluant l’inflation. 
 
2.2. Z-spread contre la courbe Govies
 
2.2.1. Cas des obligations dont la devise n’est pas en Euro (EUR)
 

  25 
  

Pour  les  obligations  dont  la  devise  n’est  pas  EUR,  on  utilise  directement  la  valeur 
affichée dans la zone G­Spread (champ YAS_ISPREAD_TO_GOVT) de Bloomberg, 
comme  estimation  du  z­spread  contre  la  courbe  Govies,  même  s’il  s’agit  en  réalité 
d’un écart entre le yield de l’obligation et le yield d’une obligation d’état ayant les 
mêmes caractéristiques. 
 

Figure 2 : Z­Spread contre courbe Govies, pour les obligations dont la devise n’est pas EUR 
 
2.2.2. Cas des obligations en devise Euro (EUR)
 
Pour  les  obligations  en  devise  EUR,  le  z­spread  contre  la  courbe  Govies  est  la 
différence entre : 
­ le z­spread contre la courbe Swap (celui de Bloomberg) ; 
­ l’écart entre la courbe Swap EUR de Bloomberg et la courbe Govies EUR de 
REFTEC  (il  s’agit  de  la  courbe  21  actuelle  de  REFTEC  qui  correspond  à  la 
courbe  GOV  Allemagne),  calculé  à  l’horizon  du  risque  de  crédit  de 
l’obligation (CreditRiskMaturity). 
 
Exemple : 
 
Pour  l’obligation  FR0010916924,  détenue  dans  le  portefeuille  [X20605]  Amundi 
Funds Euro Aggregate, le 02/01/2012. 
 
Nous avons comme données sur Bloomberg : 
 

  26 
  

Figure 3 : Z­Spread contre la courbe Swap pour l’obligation FR0010916924 au 04/01/2012 

­ Le z­spread contre la courbe Swap EUR est de 117.1 bp.  
­ La maturité du titre est le 25/04/2026. Sa durée de vie résiduelle, à la date du 
calcul,  est  donc  de  14.32  années.  L’écart  entre  les  courbes  REFTEC  (Swap 
EUR et GOV Allemagne), mesuré à cet horizon, est d’environ 0.284% (écart 
entre 2.647% de la courbe Swap et 2.363% de la courbe GOV Allemagne). 
­ Le z­spread contre la courbe Govies est donc égal à : 117.1+28.4=145.5 bp. 
 
Remarques : 
­ Les  obligations  d’Etat  européennes  non  allemandes  sont  traitées  de  la  même 
manière que les obligations Corp, id est somme du z­spread contre la courbe 
Swap et l’écart entre la courbe Swap et la courbe Gov Allemagne. 
­ Les  obligations  émises  en  EUR  par  un  émetteur  non  européen  sont  traitées 
comme des obligations en devise EUR. 
­ Les positions court terme et les placements en devise ne sont pas concernés par 
ce calcul car leur contribution au SPS du portefeuille est négligeable. 
 
2.3. Estimation de l’écart entre la courbe Swap Bloomberg et la courbe Govies
 
Comme  indiqué  précédemment  dans  l’exemple,  pour  calculer  le  z­spread  contre  la 
courbe Govies, il faut évaluer l’écart entre les courbes Swap EUR Bloomberg et Gov 
Allemagne de REFTEC (courbe de référence pour la zone EUR). Pour ce faire, les 
courbes  Swap  EUR  disponibles  chez  Bloomberg  sont  I53  et  S45  (la  courbe  S45  a 
plus de points que la courbe I53). La courbe I53 est la courbe de référence utilisée 
pour le  calcul  du  z­spread  contre  la courbe  Swap  pour les titres  EUR.  Ces  courbes 
sont  couponnées. 
 
La courbe Swap EUR Bloomberg est composée des Tickers suivants : 
 

  27 
  

 
   Figure 4 : Liste des Tickers des points de la courbe Swap EUR 
 
En cible, la courbe REFTEC Govies EUR utilisée dans le calcul est la suivante : 
               

                    
 
Les deux courbes utilisées pour le calcul sont stockées pour permettre une traçabilité 
des calculs. On calcule l’écart entre les deux courbes à l’horizon du risque de crédit 
de l’obligation (CreditRiskDate). 
 
3. Comparaison des écarts de Z-Spread entre Bloomberg et RE F TE C
 
3.1. Périmètre des instruments
 
Les calculs ont été effectués sur les obligations du benchmark Euro Aggregate pour 
la  composition  donnée  par  Barclays  le  31/01/2012.  Toutes  les  caractéristiques 
instruments (prix, coupon, dates, z­spread etc.) ont été chargées au 01/02/2012 chez 
Bloomberg. Nous nous sommes limités dans cette première étude aux obligations à 
taux  fixe,  non  callable,  de  la  zone  Euro  présentant  un  coupon  annuel. 
Notre  méthodologie  a  consisté  à  recalculer  le  yield  de  chaque  obligation  et  à  ne 
conserver  pour  notre  étude  que  les  obligations  qui  ont  un  écart  entre  le  yield 
Bloomberg et notre yield calculé moins de 1 bp. Le but étant d’écarter les obligations 
qui ont des cashflows qui ne rentrent pas dans la formulation théorique simple : 
 
c c 1
Pr ix   t (i )
  
(1  yield ) (1  yield ) T

  28 
  

3.2. Calcul des courbes Swap implicites Bloomberg et RE F TE C

Le z­spread d’une obligation est donné par la formule suivante : 
 
c c 1
Pr ix   t (i )
  
(1  S WAPt(i )  zspread) (1  S WAP(T )  zspread) T
 
Sur  le  périmètre  d’obligations  sélectionné  à  la  première  étape,  l’objectif  de  cette 
partie a été de recalculer la courbe Swap utilisée pour le calcul de chaque z­spread. 
Les  obligations  sont  triées  par  maturité  croissante,  donc  par  nombre  de  cashflows 
attendus.  On  reconstruit  ainsi  en  intégrant  les  caractéristiques  de  chacune  des 
obligations, les différents niveaux SWAPt(i), commençant par les maturités courtes 
des  obligations  qui  ne  donneront  plus  qu’un  flux,  jusqu’aux  obligations  de  plus 
grande maturité. 
 
Au  début  de  la  courbe  de  taux  ont  été  insérés  les  taux  JJ  et  Euribor  des  maturités 
courtes, de JJ à 9 mois. En effet les deux sources sont basées sur les mêmes niveaux 
de taux pour les maturités courtes, l’indice Euribor. 
Ce calcul a été fait avec les données Bloomberg d’une part, et les données REFTEC 
d’autre part. 
Nous obtenons le graphique suivant : 
 

 
 
On  voit  bien  sur  le  graphique  que  les  courbes  Swap  utilisées  par  Bloomberg  et 
REFTEC sont fortement divergentes autour de la maturité 1 an : 
 

  29 
  

­ Bloomberg  utilise  l’Euribor  pour  le  point  1  an  et  le  taux  Swap  interbancaire 
pour  la  maturité  2  ans.  Ces  deux  points  sont  visiblement  reliés  par  une 
interpolation théorique que l’on étudiera par la suite. 
 
­ REFTEC,  quant  à  lui  a  la  particularité  de  présenter  une  courbe  discontinue 
autour de la maturité 1 an. Sur les maturités inférieures à un an, le taux Euribor 
est utilisé. Sur les maturités supérieures à 1 an, une interpolation est effectuée à 
partir des niveaux de la courbe Swap. 
 
La divergence de la méthode explique donc les différences de résultat sur les 
z­spread entre Bloomberg et Reftec, sur la zone de maturité de 1 à 2 ans. En effet, il y 
a actuellement un écart important entre le taux interbancaire Swap 1 an constaté sur 
le marché et le calcul du taux théorique, l’Euribor, sur cette même maturité. 
 

 
 
Courbe Swap implicite Bloomberg: 
 
La  courbe  ci­dessous  a  été  calculée  avec  le  prix  et  le  z­spread  des  obligations  de 
l’indice Barclays Euro Aggregate. 
 

  30 
  

 
 
 
En traçant la courbe Swap I53 se composant de points Euribor 3M, 6M et 1Y et de 
points  Swap  de  2  à  30  ans,  on  voit  bien  qu’en  calquant  les  deux  courbes    que  la 
courbe utilisée par Bloomberg pour le calcul du z­spread est bien la courbe Swap I53. 
Nous allons donc dans la suite s’intéresser à cette courbe, notamment après le zoom 
que  l’on  a  effectué  ci­dessus  où  on  voit  l’interpolation  proposée  entre  le  point 
Euribor 1 an et le point Swap 2 ans. 
 
3.3. Comparaison avec la courbe Swap implicite RE F TE C :
 
Le graphe ci­dessous permet de voir l’écart qui se trouve sur la zone de maturité 1 an 
à 2 ans. 
 

  31 
  

 
 
Intéressons­nous  maintenant  à  l’impact  que  peut  avoir  cet  écart  pour  les  deux 
courbes : 
 

 
 

  32 
  

 
Figure : Historique de l’écart entre taux Euribor 1 an et taux Swap 1 an 
 
On  constate  que  plus  l’écart  entre  la  courbe  Swap  Implicite  REFTEC  et  la  courbe 
Swap utilisée par Bloomberg est grand, plus la discontinuité proposée par REFTEC 
sera grande et plus l’interpolation proposée par Bloomberg sera marquée. 
Nous allons étudier dans la suite cette différence de courbe Swap entre Bloomberg et 
REFTEC sur la partie des maturités 1 an et 2 ans mise en évidence dans le graphique 
ci­dessous : 
 

 
 
 
 
 
 
 
  33 
  

4. Passage d’une courbe discrète à une courbe continue- Première approche des

techniques de lissage
 
La problématique posée est la suivante :  
 
« Comment  passer  de  la  courbe  discrète  I53  à  la  courbe  continue  utilisée  par 
Bloomberg ? » 
 
Avant de répondre à cette question, on doit calculer la courbe zéro­coupon et trouver 
l’algorithme  d’interpolation  utilisé.  En  attendant,  nous  utilisons  dans  nos  calculs  la 
courbe implicite zéro­coupon construite à partir des analytiques Bloomberg. 
 
L’intérêt de répondre à cette problématique :  Comme nous détenons un historique de 
la courbe I53, si on arrive à construire et à remplacer dans notre pricer simplifié de z­
spread la courbe implicite qui reste bruitée par la courbe qui est effectivement utilisée 
par Bloomberg, alors nous serons en mesure de construire un historique de z­spread 
Bloomberg. 
 
Extraction  des  données :  Nous  faisons  une  extraction  de  données  grâce  au  poste 
Bloomberg. Nous avons donc pu extraire toutes les données relatives à la courbe I53. 
Ainsi, nous sommes capables de la construire. 
 

 
 
On  voit  bien  que  la  courbe  zéro­coupon  implicite  (en  bleu)  reprend  bien  tous  les 
points de la courbe I53 zéro couponnée (en rose). 
 
L’étape  qui  suit  la  construction  est  de  trouver  l’algorithme  d’interpolation  pour  ne 
plus utiliser la courbe implicite dans le pricer. 
La  méthodologie  de  construction  détaillée  de  la  courbe  zéro­coupon,  qui  elle  est 
construite  à  partir  de  la  courbe  I53  peut  être  trouvée  sur  Bloomberg.  Plusieurs 

  34 
  

méthodes de lissage peuvent être utilisées. Comme nous ne sommes pas en mesure 
de savoir quelle méthode de lissage a été utilisée dans Bloomberg (voir annexe), nous 
commençons par en implémenter quelques unes et à nous intéresser aux techniques 
de lissage des courbes discrètes. 
 
Nous  disposons  de  deux  méthodes  de  reconstruction :  les  méthodes  directes 
d’interpolation et les méthodes indirectes.  
Les  méthodes  directes  ont  pour  principe  de  relier  directement  les  taux  de  marché 
obtenus  par  des  courbes  (droites  et  polynômes  cubiques  en  particulier)  et  les 
méthodes indirectes qui passent par l’application d’un modèle et l’estimation de ses 
paramètres par la résolution d’un problème d’optimisation. 
 
Dans  cette  première  partie,  nous  connaîtrons  quelques  méthodes  de  reconstruction, 
nous ne détaillerons pas ces techniques car ce n’est pas notre objectif pour l’instant 
mais  nous  chercherons  à  connaître  les  méthodes  de  reconstruction  utilisées  dans 
Bloomberg et notamment pour la courbe I53 de Bloomberg. 
 
 Etapes de recherche de la méthode de lissage utilisée par Bloomberg :

Dans  un  premier  temps,  nous  pensons  à  faire  une  interpolation  linéaire  pour  des 
questions  de  simplicité  de  programmation,  on  va  donc  l’appliquer  à  la  courbe  I53 
zéro­coupon. 
 
Remarque : Dans la deuxième partie de ce mémoire, le principe de découponnage des 
courbes sera expliqué ainsi que sa mise en application qui a servi pour cette première 
partie. 
 

 
  35 
  

Zoom sur les maturités 1 an à 2 ans : 
 

 
 
Nous  constatons qu’en utilisant l’interpolation  linéaire  qu’il  y  a  un  « décalage » ou 
plutôt un écart entre les deux courbes qu’il va falloir réduire en procédant à une autre 
méthode de lissage qui, elle, va permettre un meilleur lissage. 
 
Dans un second temps, nous utilisons l’interpolation cubique.  
Voici le résultat du lissage (zoom sur les maturités 1 an à 2 ans) : 
 

 
 

  36 
  

On  voit  que  l’interpolation  cubique  présente  un  « plus »  par  rapport  à  la  méthode 
linéaire, en effet elle permet d’avoir un caractère plus lisse de la courbe. Cependant, 
elle n’a pas permis d’éliminer l’écart entre les deux courbes.  
 
Nous  recevons  une  note  interne  donnant  quelques  pistes  et  répondant  à  certaines 
questions. Le cours de nos recherches est donc réorienté. Voici en quelques lignes les 
principales informations : 
« Pour  calculer  le  z­spread,  une  courbe  zéro­coupon  est  construite  à  partir  de  la 
courbe  I53.  La  courbe  recalculée  peut  être  retrouvée  avec  la  fonction  ICVS  de 
Bloomberg. La méthodologie de construction détaillée de la courbe zéro­coupon peut 
être trouvée  sur  Bloomberg.  Plusieurs  méthodes de lissage  peuvent être  utilisées, il 
s’agit par défaut de la méthode Piecewise linear (simple­compounded zero rate). » 
 
Nous détenons donc la méthode de lissage utilisée, il s’agit de la méthode Piecewise 
linear. Ainsi, nous nous sommes penchés sur les fonctionnalités de Bloomberg pour 
mieux comprendre les mécanismes. Dans un premier temps, nous nous intéressons à 
la  fonction  ICVS  sur  la  courbe  Swap  EUR  (S45),  nous  remarquons que  celle­ci ne 
présente pas un pic à 1 an comme la courbe implicite calculée. Il ne s’agit donc pas 
de celle­ci. 
Ensuite, nous regardons les méthodes de lissage des courbes dans Bloomberg.  
Grâce  à  la  fonction  « SWDF  DFLT »  dans le  menu,  nous  arrivons  à  visualiser  les 
méthodes d’interpolation utilisées dans Bloomberg. 
 

 
 
Nous  retrouvons  la  méthode  Piecewise  linear  (simple  compounded  zero  rate) 
suggérée en amont dans la note suivie de 3 nouvelles méthodes. 
 

  37 
  

 
Après analyse des documents sur Bloomberg (voir annexe), nous pouvons dire que : 
 
­ Les méthodes Piecewise linear simple compounded zero rate et Piecewise linear     
continuous  compounded  zero  rate  sont  essentiellement  des  interpolations 
linéaires.  Il  s’agit  de  fonctions  linéaires  définies  par  intervalles.  La  différence 
entre  les  deux  se  résume  aux  taux  utilisés :  taux  d’intérêt  simple  contre  taux 
d’intérêt composés. 
­  La  méthode  « Smooth  forward/Piecewise  quadratic »  est  la  méthode  spline 
cubique.  
­  La  méthode  « Step­function  forward »  est  une  combinaison  de  fonctions 
linéaires en escalier définies par intervalles croissants. 
 
En utilisant quelques unes des méthodes, voici le résultat de lissage obtenu : 
 

 
 
Entre 1  an  et 2  ans, nous  ne disposons  pas  de  points intermédiaires pour  la  courbe 
I53,  mais  nous  remarquons  que  dans  Bloomberg  on  rajoute  un  point  qui  a  pour 
abscisse 1,5 an. On voit que la méthode Piecewise linear (simple­comp zero rate) et 
la méthode Piecewise linear (continuous­comp zero rate) exponentielle passent toutes 
deux par ce point dont on n’a pas connaissance dans les données.  
Afin  de  retracer  l’une  des  deux  courbes,  nous  calculons  le  point  18M  par 
interpolation linéaire.  
 
 
  38 
  

Nous obtenons la courbe suivante : 
 

 
 
Nous  sommes  bien  arrivés  à  lisser la  courbe  discrète  I53  en mettant  en  application 
quelques  techniques  de  lissage  et  en  nous  basant  sur  celles  proposées  dans 
Bloomberg et en comparant ainsi nos résultats de lissage, nous obtenons les mêmes 
courbes.  Nous  détenons  donc  les  outils  de  lissage  de  Bloomberg  et  ainsi  nous 
pouvons faire « nos » lissages internes pour les autres courbes étudiées. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
  
  39 
  

5. Conclusion

La méthodologie de calcul entre Bloomberg et REFTEC est globalement identique. 
Les écarts s’expliquent par un choix de courbe Swap différent : 
 
­ REFTEC :  Courbe  discontinue  entre  maturités  courtes,  Euribor  et  maturités 
supérieures à 1 an, courbe Swap. 
­ Bloomberg : On interpole le taux Euribor 1 an et la courbe Swap prise pour les 
maturités supérieures à 1.5 an. 
 
Ces résultats ont été présentés aux équipes de gestions, à la MOA Front et à l’équipe 
d’attribution  taux.  Ils  impacteront  essentiellement  un  changement  de  source 
d’alimentation des z­spread.  
La  gestion  crédit  a  prononcé  sa  préférence  pour  la  méthode  Bloomberg  qui  a 
l’avantage  de  ne  pas  présenter  de  saut  de  z­spread  au  passage  en  dessous  de  la 
maturité 1 an. 
L’équipe  de  gestion  solution  court  terme  n’utilise  pas  les  z­spread  des  maturités 
courtes  et  ne  voit  donc  pas  d’obstacle  à  passer  à  la  méthode  Bloomberg.  Il  faut 
cependant confirmer que le décommissionnement du pricer de REFTEC n’a aucune 
incidence sur la valorisation actuelle des Swaps dans les outils Front. 
Aussi,  les  z­spread  des  obligations  à  taux  variable  sont  peour  les  deux  sources 
calculés comme des taux fixes à la worst date. On constate cependant des écarts plus 
importants  entre  Bloomberg  et  REFTEC  sur  ces  titres  alors  que  notre  méthode  de 
recalcul  permet  de  retrouver  les  résultats  de  Bloomberg  tandis  que  les  écarts  de 
REFTEC ne sont pas souvent expliqués. 
Enfin, en ce qui concerne les obligations indexées à l’inflation, REFTEC calcule un 
z­spread  à  partir  des  coupons  réels  contre  la  courbe  Swap  nominale,  tandis  que 
Bloomberg  les  calcule  à  partir  des  coupons  qui  incluent  la  compensation  pour 
l’inflation.  En  conséquence,  les  z­spread  de  REFTEC  sont  à  peu  près  200  bp  plus 
bas.  La  méthode  de  Bloomberg  paraît  ainsi  plus  homogène  avec  le  calcul  des 
obligations nominales. 
 
 
 
 
 
 
 
 
 

 
  40 
  

Partie II : Construction des courbes de taux 
 
 
Dans  cette  partie,  nous  allons  expliquer  en  détail  comment  nous  construisons  les 
différentes  courbes  de  taux  à  partir  des  instruments  du  marché.  Nous  nous 
intéresserons aux courbes Swap, govies et enfin aux courbes inflations et réelles. 
 
1. Les courbes de taux
 
En  finance,  une  courbe  de  taux  est  la  représentation  graphique  de  la  fonction 
mathématique  du  taux  d’intérêt  effectif  à  un  instant  donné  d’un  zéro­coupon  en 
fonction  de  sa  maturité  d’une  même  classe  d’instruments  fongibles  exprimés  dans 
une  même  devise.  Elle  permet  donc  de  visualiser  la  relation  existante  entre  les 
valeurs des taux d’intérêt et leurs termes. Généralement, cette courbe est croissante 
du fait de l’existence d’une prime de risque (taux longs supérieurs aux taux courts). 
Cependant,  cette  courbe  peut  s’inverser  notamment  quand  les  opérateurs  anticipent 
une baisse de l’inflation. 

Exemple : Courbe des taux italienne du 25 juin 2012 

A  une  date  donnée  et  dans  un  pays    ou  une  zone  économique  unifiée,  il  existe  un 
grand  nombre  de  courbes  de  taux.  Sur  chaque  place  financière,  on  peut  néanmoins 
classer  les  courbes  de  taux en  deux  types:  les  courbes  de  marché  et  les  courbes 
implicites. 
  41 
  

Les  courbes  de  marché :  Ce  sont  les  courbes  que  l’on  observe  qui  sont  construites 
directement  à  partir  des  cotations  faites  sur  le  marché. 
On cite par exemple, les courbes Swap et les courbes de rendement des obligations 
d’Etat. 
Les courbes implicites : Ces courbes sont déduites des cotations de marché.  
On cite à titre explicatif les courbes des taux zéro­coupon ou encore les courbes des 
taux de rendement au pair. 
 
Parmi les courbes de marché : 
 
­ La courbe des taux de rendement à maturité : elle est construite à partir des taux de 
rendement des obligations. 
­ La courbe des taux de swaps : elle est construite à partir des taux de swaps. 
 
Parmi les courbes implicites : 
 
­ La courbe des taux zéro­coupon ; 
­ La (les) courbe(s) de taux forwards ; 
­ La courbe des taux forwards instantanés ; 
­ La courbe des taux de rendement au pair. 
 
On distingue les courbes de taux selon trois critères : l’émetteur, le niveau de rating 
et le secteur auquel il appartient. 
 
2. Les différents types de taux
 
Il existe six différents types de taux, chacun est utilisé dans un contexte précis : 
­ le taux de rendement à maturité ; 
­ le taux de swap ; 
­ le taux zéro­coupon ; 
­ le taux forward ; 
­ le taux forward instantané, 
­ le taux de rendement au pair. 
 
2.1. Le taux de rendement à maturité (ou yield to maturity « YTM » en anglais)
 
Ce  taux  est  associé  à  un  produit  de  taux  d’intérêt,  l’obligation  à  taux  fixe.  Cette 
dernière est classiquement cotée en prix ou en taux. Ce taux est le taux de rendement 
à maturité de l’obligation. 
  42 
  

L’obligation à taux fixe est évaluée par actualisation des flux futurs qu’elle délivre. 
A  la  date  t,  le  taux  de  rendement  actuariel  à  maturité  de  l’obligation  de  prix  V(t) 
délivrant  les  flux  F(i)  aux  dates  futures  i=t+1,…,m  est  le  taux  R(t)  qui  vérifie 
l’équation suivante : 
 
m
F i 
V t     
i t 1  R t 
i t

 1

 
La  courbe  des  taux  de  rendement  à  maturité  associe  à  chaque  maturité  d’une 
obligation son taux de rendement. 
En  pratique,  cette  courbe  souffre  de  l’effet  coupon  pour  des  raisons  généralement 
fiscales.  Pour  cause,  certains  pays  taxent  différemment  le  capital  et  les  coupons. 
Ainsi, deux obligations de même échéance mais de taux de coupon différent n’auront 
pas  forcément  le  même  taux  de  rendement.  En  effet,  les  investisseurs  préfèrent 
l’obligation qui a le coupon le plus élevé ce qui a pour effet d’accroître son prix et de 
diminuer son taux de rendement. 
 
2.2. Le taux de swap
 
Un swap standard est caractérisé par : 
­l’échange  d’une  jambe  fixe  dont  les  paiements  dépendent  d’un  taux  fixe  pour  une 
jambe variable dont les paiements dépendent d’un taux variable ; 
­un montant principal constant tout au long de la vie du swap ; 
­la  maturité  du  taux  variable  est  identique  à  la  durée  entre  deux  paiements  de  la 
jambe variable. 
La  valeur  d’un  swap  standard  de  montant  nominal  N  est  égale  à  celle  d’une 
obligation  à  taux  fixe  de  maturité  identique  à  celle  du  swap  et  de  même  montant 
nominal que le swap moins le montant nominal du swap. 
A une date t donnée, le taux fixe est déterminé de telle sorte que la valeur du swap 
soit nulle. Ce taux fixe est appelé taux de swap. C’est ainsi que sont cotés les swaps. 
Les taux de  swap cotés sur le marché sont issus de swaps standards entre banques. 
C’est pourquoi cette courbe est appelée courbe interbancaire. En zone euro, elle est 
construite à l’aide des taux Euribor de maturité 1 jour à 1 an pour la partie courte et 
des taux de swaps pour les maturités au­delà.  
A l’instant t, c’est une véritable photo des cotations sur le marché interbancaire. 
 
2.3. Le taux zéro-coupon
 
Soit  B0, t  le  prix  du  marché  à  la  date  0  d’une  obligation  zéro­coupon  délivrant  1 
euro à la date t. On appelle  B0, t  le facteur d’actualisation en 0 pour la maturité t. 

  43 
  

Soit  R0, t  le taux de rendement en 0 de l’obligation zéro­coupon délivrant 1 euro en 

t. Il est aussi ce que l’on appelle le taux zéro­coupon en 0 de maturité t. 
On le définit implicitement dans la relation suivante : 
1
B0, t    
1  R0, t t
Pour  évaluer  convenablement  une  obligation,  il  suffit  de  connaître  les  taux  zéro­
coupon associés aux maturités de chacun des flux de l’obligation. 
Ces  taux  zéro­coupon  n’existent  malheureusement  pas  sur  le  marché  pour  un 
continuum  de  maturité.  En  effet,  les  courbes  de  taux  zéro­coupon  obtenues 
directement en utilisant les strips sont fortement discontinues. Il est alors nécessaire 
d’estimer cette courbe des taux zéro­coupon par d’autres méthodes. On explicitera la 
méthode la plus courante dans ce qui suit. La connaissance de cette courbe de taux 
zéro­coupon permet d’évaluer n’importe quel produit de taux à flux déterministes. 
Aussi, elle permet de déduire deux autres courbes utilisées en pratique : 
­ la courbe des taux forwards ; 
­ et la courbe des taux de rendement au pair. 
 
2.4. Le taux forward
 
1
 1  R t , y  y t
 yx
Soit  F t , x, y  x      1  le taux forward déterminé en t, démarrant en x 
 1  R t , x 
x t

et d’échéance y. 
Pour  un  emprunt  avec  remboursement  des  intérêts  et  du  capital  à  l’échéance, 
F t , x, y  x est le taux d’intérêt auquel on peut signer un contrat aujourd’hui avec un 
démarrage en x et l’échéance en y. 
La  courbe  des  taux  forwards  est  la  courbe  déterminée  à  la  date  t,  qui  à  y­x  fait 
correspondre  F t , x, y  x avec des taux démarrant en x. 
 
2.5. Le taux forward instantané
 
Il s’agit là d’un taux forward particulier défini comme suit : 
f t , x   lim F t , x, y  x   
y  x 0

Il s’agit concrètement du taux forward déterminé en t, démarrant en x et finissant un 
instant plus tard (un instant infiniment petit). Pour des raisons pratiques, ce taux est 
très  souvent  utilisé  en  modélisation  (le  modèle  de  Heath,  Jarrow  et  Morton  par 
exemple). 
 
La différence qu’il y a en entre une courbe de taux forward classique et la courbe des 
taux forward instantanés est que : 
  44 
  

Pour la courbe des taux forward instantanés, le paramètre qui varie est le paramètre x. 
A  chaque  valeur  de  x  dans  le  futur  correspond  donc  la  valeur  du  taux  forward 
instantané à cette date. La courbe tracée n’est donc pas une courbe par maturité des 
taux car celle­ci est toujours infinitésimale. 
Au contraire, pour une courbe des taux forward classique, le paramètre qui bouge est 
y  x  avec x fixé. Dans ce cas précis, on retrouve une véritable courbe des taux par 
maturité. 
 
3. Les formes des courbes de taux
 
La courbe de taux peut prendre cinq formes différentes en fonction des évènements 
de marché :  
­ quasi­plate ; 
­ croissante ; 
­ décroissante ; 
­ décroissante sur le court terme puis croissante ; 
­ croissante sur le court terme puis décroissante. 
La forme croissante est la plus couramment obtenue. 
 
Remarque : Il existe un lien direct entre la forme de la courbe des taux de rendement 
au pair et la position relative par rapport aux courbes des taux zéro­coupon et forward 
correspondantes. 
Lorsque la courbe des taux de rendement au pair est croissante (décroissante) : 
­ la courbe des taux zéro­coupon se situe au­dessus (en­dessous) de celle­ci ; 
­ la  courbe  des  taux  forward  se  situe  au­dessus  (en­dessous)  de  la  courbe  des 
taux zéro­coupon. 
 
4. L’évolution empirique des courbes de taux
 
L’étude  historique  des  mouvements  de  la  courbe  des  taux  met  en  avant  les 
constatations suivantes : 
 
­ les taux d’intérêt ne sont pas négatifs ; 
­ les taux d’intérêts sont affectés par des effets de retour à la moyenne ; 
­ les taux n’évoluent pas de façon parfaitement corrélés ; 
­ il  existe  3  facteurs  de  niveau  pour  les  courbes :  facteurs  de  niveau,  pente  et 
courbure. Ils sont à l’origine de plus de 95% des mouvements de la courbe ; 
­ les taux à court terme sont plus volatiles que les taux à long terme. 
 
  45 
  

En  effet,  si  les  taux  d’intérêts  réels  sont  parfois  négatifs,  généralement  dans  un 
contexte où l’inflation augmente sous l’effet de chocs extérieurs (en période de crise 
par  exemple),  et  où  parallèlement  l’économie  ne  peut  supporter  des  taux  d’intérêt 
nominaux  trop  élevés  sous  peine  de  toucher  négativement  la  croissance,  les  taux 
d’intérêt nominaux ne pourront donc pas être négatifs. 
Il apparaît en effet aberrant de prêter de l’argent à un taux négatif, il serait dans ce 
cas préférable de conserver son argent sans le prêter.  
Pour  respecter  cette  propriété,  on  ne  peut  pas  modéliser  les  taux  par  des  processus 
gaussiens. 
 
Pour  ce  qui  est  des  autres  constatations,  différentes  études  bien  détaillées  seront 
mises en place dans les chapitres suivants qui permettront de valider les affirmations 
suivantes. 
 
5. Construction des courbes de taux utilisées
 
5.1. Courbe swap
 
La  courbe  swap  est  une  courbe  des  taux  de  marché  construite  à  partir  des  taux 
monétaires et des taux de swap. 
Pour  les  obligations  de  la  zone  euro,  la  courbe  des  taux  swap  Euribor est 
actuellement  la  courbe  de  référence  dans  l’évaluation  et  la  couverture  des  produits 
dérivées de taux.  Elle est construite à partir des opérations de swap dans lesquelles 
les banques échangent entre elles  ou avec des clients des flux d’intérêts basés sur un 
taux fixe contre des flux d’intérêts basés sur un taux variable, dans ce cas l’Euribor. 
 
En  zone  euro,  la  courbe  des  taux  swap  est  construite  à  partir  d’un  panier 
d’instruments comprenant : 
­ le taux EONIA qui est le taux de référence quotidien des dépôts interbancaires 
effectués au jour le jour ; 
­ les  taux  du  marché  monétaire,  typiquement  les  taux  Euribor  de  maturités  1 
semaine à 9 mois, exprimés en convention Actual/360 et ; 
­ les swaps standards pour les maturités supérieures à 1 an. 
 
Chez  Amundi,  les  données  interbancaires  proviennent  de  la  base  des  données 
« HistoricalRefTecCurves.mde »  qui  est  quotidiennement  mise  à  jour.  Nous 
récupérons  ces  données  à  l’aide  du  module  « mPlugMONETARY »  codé  en  VBA. 
Un exemple de courbe des taux interbancaires est montré dans le tableau qui suit. Les 
données dans le tableau ont été téléchargées le lundi 25 juin 2012. Dans la dernière 
colonne « Type », le code 1 représente le marché monétaire et le code 2 la marché à 
moyen et long terme. 

  46 
  

 
 
Ainsi, avec les données téléchargées, nous pouvons tracer la courbe des taux swap. 
 
5.2. Définition des contrats swap
 
Généralement un contrat swap est un produit dérivé dans lequel une partie possédant 
un  certain  instrument  financier  s’accorde  avec  une  autre  partie  possédant  un 
deuxième instrument financier pour échanger certaines des caractéristiques de leurs 
instruments.  Par  exemple,  dans le  cas d’un swap  entre  deux obligations, les parties 
peuvent se mettre d’accord pour échanger les coupons périodiques. Plus précisément, 
les  deux  parties  s’accordent  pour  échanger  une  série  de  revenus  générés  par  le 
premier  instrument  contre  la  série  de  revenus  générés  par  le  deuxième  instrument. 
Chacune de ces séries est appelée une jambe du contrat swap. De manière générale, 
au  moins  une  des  deux  séries  dépend  d’une  variable  aléatoire  (comme  un  taux 
d’intérêt,  un  taux  de  change  ou  le  prix  d’une  action),  dont  la  valeur  est  inconnue 
quand le contrat est signé. Le contrat spécifie les termes de l’échange, en particulier 
le montant notionnel qui sert au calcul des séries de revenus, les dates de paiement et 
la  manière  dont  les  paiements  sont  calculés.  Les  contrats  swap  sont  en  général  des 
contrats de gré à gré, mais il existe certains contrats swaps standardisés en particulier 
sur le marché des futures du CME (Chicago Mercantile Exchange). Ils sont utilisés à 
des fins de couverture ou pour spéculer sur la hausse ou la baisse de la valeur d’un 
des instruments. 
 
6. Explication de la méthode de récupération des courbes de taux
 
Les courbes de taux sont récupérées de Reuters. Elles ont pour caractéristiques : 
­ exprimées en taux sur une base annuelle ; 
­ récupérées à 17h ; 

  47 
  

­ composées  des  plots  suivants  (lorsqu’ils  sont  disponibles  sur  Reuters) :  0Y, 
0.25Y, 1Y, 2Y, 3Y, 4Y, 5Y, 6Y, 7Y, 8Y, 9Y, 10Y, 11Y, 12Y, 13Y, 14Y, 15Y, 
16Y, 17Y, 18Y, 19Y, 20Y, 21Y, 22Y, 23Y, 24Y, 25Y, 26Y, 27Y, 28Y, 29Y, 
30Y et 50Y (pour swap USD et GBP). 
 
Remarque : Les courbes swaps récupérées sont exprimées en nominal.  

6.1. Nos sources de courbes de taux

La  Recherche  Taux  s’occupe  de  gérer  les  erreurs  des  processus  quotidiens  que 
rencontrent les gérants, il est donc intéressant de remonter aux processus incorporés 
aux mires de gestion ainsi qu’aux intermédiaires de calcul.  
Avant  de  savoir  comment  sont  construites  certaines  courbes,  il  est  important  d’en 
connaître les sources. 
 
Il existe deux sources de courbes : 
Celles qui viennent d’une base de données Amundi nommée DECALOG : 
­ Elles donnent les résultats de calcul de toutes les courbes ; 
­ Elles donnent les résultats de lissage. 
Celles qui viennent d’une base de recherche BASE ACCESS : 
­ Elles donnent les résultats de calcul par la recherche. 
 
DECALOG,  grande  base  de  données  de  la  production  est  maintenue  par  l’équipe 
informatique d’Amundi (SITS). Les trois tables qui constituent cette base sont : 
­ CA_CURVES_DEF :  contient  la  définition  des  courbes  et  de  ses  vacations 
d’alimentation 
­ CA_CURVES_RIC : contient les détails des codes RICs 
­ CA_CURVES : contient les valeurs (quotes) alimentées au quotidien. 
Pour  chaque alimentation,  un  code JAVA  cherche  les informations  dans  la  base  de 
données (les codes RICs à soumettre), construit les requêtes à partir des codes RICs, 
les  envoie  à  Reuters.  On  analyse  ensuite  les  résultats  et  enfin  on  les  données  sont 
enregistrées dans la base de données (table CA_CURVES). 
Pour  ajouter  de  nouvelles  courbes,  on  insère  directement  leurs  définitions  dans  les 
deux tables CA_CURVES_DEF et CA_CURVES_RIC. 
 
BASE  ACCESS  quant  à  elle  constitue  la  base  de  données  pour  la  recherche.  Pour 
alimenter  cette  base,  il  y  a  des  batchs  qui  tournent  tous  les  jours  dans  le  poste  de 
Reuters. Les données alimentées viennent soit depuis les fichiers fournis par l’équipe 
du référentiel, soit depuis Reuters directement. 
 

  48 
  

Avant d’être utilisées, les courbes passent par le processus suivant : 
 
Dans un premier temps, la mise à jour des courbes de taux se fait quotidiennement 
(jours fériés inclus hors WE) par batch vers 17h30, à partir des données Reuters. 
Ensuite, les courbes de taux sont lissées. Ces courbes sont issues d’un traitement qui 
se lance à la fin de la récupération des courbes brutes (de 17h30 à 19h) et prend en 
compte les modifications qui sont effectuées par le référentiel. 
Après cette étape, les courbes de taux sont contrôlées le soir à partir de 17h30. Enfin, 
elles  sont  utilisées  pour  le  pricing  des  données  REFTEC  le  lendemain  vers  7h  du 
matin. 
On voit là l’importance de chaque étape avant l’utilité finale servant au pricing et on 
voit encore une fois l’importance des problématiques de ce mémoire à savoir raffiner 
le lissage et le contrôle des courbes de taux. 
 
6.2. Calcul d’une courbe zéro-coupon- Explications de l’algorithme REFTEC du 
découponnage d’une courbe de marché
 
Les  courbes  de  taux  doivent  être  construites  avec  des  taux  de  rendement 
d’instruments  homogènes  pour  avoir  une  série  de  données  cohérente.  Or,  il  arrive 
dans  certains  cas  que  cette  contrainte  ne  soit  pas  vérifiée,  par  exemple :  deux 
obligations  ayant  la  même  échéance  mais  des  durations  différentes  n’auront  pas  le 
même  taux  de  rendement  ou  encore  deux  coupons  identiques  appartenant  à  deux 
obligations à maturité différente ne seront pas actualisés au même taux de rendement, 
alors qu’ils génèrent le même flux. 
C’est  pourquoi, pour  pallier  à  ces  problèmes  on  construit  une  courbe de taux  zéro­
coupon,  c’est  ce  qu’on  appelle  dans  REFTEC  « découponnage »  d’une  courbe  de 
marché, à partir des instruments cotés. 
 
La  méthodologie  utilisée  dans  REFTEC  s’appelle  le  bootstrapping.  Cette 
méthodologie est basée sur le fait que le prix théorique d’une obligation est égal à la 
somme de ses flux actualisés aux taux zéro­coupon de l’échéance de chaque flux. 
Ici, on cherche à découponner une courbe Swap. 
 
6.2.1. Explication de l’algorithme REFTEC
 
 Méthode de calcul sur le court terme :  
 
Sur le moins d’un an, le remboursement du capital intervient en même temps que le 
paiement des intérêts, les instruments sont donc généralement de type zéro­coupon. 
Ainsi, on voit bien que l’on reprend le taux observée de la courbe couponnée (taux de 
marché), d’où l’égalité entre les deux cases. 
  49 
  

 
 
Le SIGMA et le AUX seront expliqués ultérieurement. 
 
 Méthode de calcul sur le long terme :  
 
On  est  maintenant  confronté  aux  règlements  intermédiaires  d’intérêts  (détachement 
de coupons) généralement annuels. 
 
Pour simplifier, on va prendre un exemple : 
On a les taux suivants sur le marché : 
 
1an  1.62%
2 ans  1.13%  
3ans  1.21%
 
Pour le 1 an, comme dit ci­dessus le problème ne se pose pas. Par contre, il faut bien 
vérifier  qu’on  est  bien  en  base  exact/exact.  Si  ce  n’est  pas  le  cas,  recours  à  une 
conversion. 
 
Pour le 2 ans, nous avons un flux intermédiaire. Ce flux (1.13) devra être actualisé au 
taux zéro­coupon du 1 an (1.62%). 
Pour simplifier, on prend comme montant de départ 100. 
On se retrouve donc avec l’équation suivante : 
 
1.13 101.13
100    
(1  0.0162) (1  t z2 ) 2
1

On retrouve donc le taux zéro­coupon pour la maturité 2 ans : 
 
t z  1.12%    2

 
Pour le 3 ans, on a 2 flux intermédiaires. Le premier flux doit être actualisé au taux 
zéro­coupon du 1 an et le deuxième flux au taux zéro­coupon du 2 ans. 
Nous devons donc résoudre l’équation suivante : 
 
1.21 1.21 101.21
                                 100      
(1  0.0162) (1  t z2 )
1 2
(1  t z3 ) 3

  50 
  

On en déduit alors le taux zéro­coupon pour la maturité 3 ans : 
 
                  t z  1.20%  
3

 
De  proche  en  proche,  on  arrive  à  retrouver  les  taux  zéro­coupons  pour  toutes  les 
périodes. 
Il nous reste 2 points à éclaircir, le  S I G M A et le A U X introduits. 
Comme  nous  raisonnons  par  récurrence,  on  a  mis  en  place  deux  facteurs  qui 
permettent simplement de faciliter les calculs.  
En  isolant  dans  chaque  équation  le  taux  zéro­coupon  à  une  maturité  donnée,  nous 
retrouvons ces deux facteurs et nous en déduisons la formule générale.  
1
 AUX n    
(1  t z ) n
 S IGMAn  S IGMAn1  AUX n1  ; avec n la maturité   2.  
 
Pour 1 an,  SIGMA1 est égal au taux de marché actualisé.  
 
On  devine  les  appellations  données, S I G M A   puisqu’il  s’agit  d’une  somme  (somme 
récursive) et A U X puisqu’il s’agit d’une formule auxiliaire, une formule qui nous aide 
à passer d’une maturité à une autre.  
 

  51 
  

 
 
Les calculs présentés ci­dessus servent à trouver, de proche en proche, les taux zéro­
coupon de la courbe swap prise ici comme exemple. 
Cet ensemble représentera ce que l’on appelle la courbe zéro­coupon. 
 
A. Courbes govies : 
 
Govies est un terme qui désigne les emprunts d’Etat ou encore les dettes souveraines. 
Il s’agit donc d’investissement sans risque ou presque. Ces obligations sans risque ou 
tout  du  moins  avec des  risques très limités  sont  appréciées  en temps  de crise où  le 
risque de marché est très élevé par rapport à la rentabilité attendue. 
Le taux actuariel des emprunts d’Etat appelé aussi taux sans risque correspond à celui 
débattu quotidiennement sur les marchés financiers. Pour les pays de la zone Euro, la 
notion  de  taux  sans  risque  est  plus  discutable  du  fait  que  les  pays  de  la  zone  Euro 
n’ont plus la maîtrise de la frappe de leur propre monnaie. 
Cet ensemble d’emprunts d’Etat ou Govies sert de repère pour déterminer en quelque 
sorte  la  valeur  minimale  à  laquelle  une  société  devrait  emprunter  afin  de  lever  des 
fonds.  Le  taux  sans  risque  correspond  au  taux  de  rémunération  acceptable  pour  le 
prêteur, sans risque de défaillance de la part de l’emprunteur. 

  52 
  

La courbe govies est donc une courbe des taux de marché construite à partir des taux 
sans risque. 
 
Exemple :  En  mars  2009  nous  avons  constaté  que  quelle  que  soit  la  durée  des 
emprunts, les taux US sont significativement plus bas que ceux de la France ou de la 
zone  Euro.  D’autre  part,  la  courbe  des  emprunts  français  s’est  repentifiée  passant 
d’une structure plate en 2008 à une forme normale (ascendante). Une forme plate de 
la  courbe  de  la  gamme  des  taux  anticipe  une  baisse  des  taux.  Cet  événement  c’est 
réellement produit entre 2008 et 2009 en particulier sur la partie de la courbe 1 an à 5 
ans. 
 

 
 
Notons  aussi  qu’à  l’intérieur  de  la  zone  Euro,  selon  les  pays  membres  les  valeurs 
constatées  sur  le  marché  des  taux  des  emprunts  peuvent  être  différentes  selon  les 
États. Cette différence c’est ce que l’on appelait spread en première partie.  
 
Chez  Amundi,  l’équipe  Référentiel  met  à  disposition  les  courbes  disponibles  dans 
REFTEC.  Ces  courbes  sont  récupérées  de  DECALOG.  Reuters  fournit  les  taux 
govies. Ainsi, nous arrivons à récupérer dans notre équipe les courbes govies. 
 
B. Courbes inflations : 
 
Toutes  les  obligations  sont  exposées  au  risque  du  taux  d’inflation,  c’est­à­dire  au 
risque d’une hausse ou d’une baisse du taux d’inflation. L’inflation se caractérise par 
une  hausse  générale  des  prix  des  biens  et  services  sur  une  période  prolongée  qui 
conduit à une baisse de la valeur de la monnaie. La mesure de l’inflation se fait grâce 
à un indice de prix à la consommation (IPC). 
 
Une prévision du taux d’inflation peut être approximé par l’équation de Fisher : 
 
TauxRéel TauxNomin al  Tauxd' Inflation 

  53 
  

Avec  cette  équation,  on  voit  bien  que  le  taux  d’intérêt  réel  est  le  taux  d’intérêt 
nominal corrigé du taux d’inflation. 
Cette relation reste valable si les 3 taux d’intérêts sont relativement faibles (inférieurs 
à 20%). Un taux d’intérêt nominal est toujours positif alors qu’un taux réel peut être 
négatif.  
 
Afin de contrer une montée du taux d’inflation, les gérants peuvent investir dans des 
obligations indexées sur l’inflation afin de garder le même pouvoir d’achat pendant 
toute  la  durée  de  vie  des  obligations.  Ils  assurent  au  porteur  un  remboursement  du 
principal  ajusté  au  niveau  d’inflation  et  payent  un  coupon  adossé  à  l’inflation. 
L’indice d’inflation utilisé est spécifié au préalable et est généralement établi par un 
organisme  statistique  indépendant.  La  différence  entre  le  taux  de  rendement  d’une 
obligation  classique  (taux  nominal)  et  son  équivalente  (même  émetteur,  même 
échéance,…) indexée sur l’inflation (taux réel) est appelée point mort d’inflation ou 
break­even inflation. 
 
N T  RT  BEI T  

Où :  
NT   est  le  taux  de  rendement  nominal  d’une  obligation  classique  de  maturité T . 
RT  est le taux de rendement réelle d’une obligation indexée sur l’inflation de maturité
T . 
B E I T est le break­even inflation de maturité T .  

Il  correspond  à  l’inflation  anticipée  et  détermine  l’attrait  relatif  des  obligations 
indexées  par  rapport  aux  obligations  nominales.  Ainsi,  si  l’inflation  réalisée  sur  la 
période est supérieur au break­even inflation alors l’obligation indexée sur l’inflation 
aura  une  meilleure  performance  que  l’obligation  classique  de  même  maturité. 
Ainsi, la courbe inflation est donc une courbe des taux de marché construite à partir 
des taux d’inflation que l’on récupère. 
 

  

 
 
 
 

  54 
  

7. Conclusion
 
Dans  cette  partie,  nous  avons  expliqué  comment  nous  construisons  les  différentes 
courbes  de  taux  utilisées  à  partir  des  divers  instruments  du  marché.  Nous  nous 
sommes  intéressés  à  la  construction  des  courbes  swap,  govies,  réelles  et  inflation. 
Comprendre leur construction permet de mieux analyser les données et déchiffrer les 
techniques  utilisés  dans  REFTEC.  Un  meilleur  traitement  des  données  permet  de 
mieux  les  exploiter  pour  la  suite.  Dans  ce  qui  suit,  nous  étudierons  le  contrôle  des 
courbes de taux.  
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
  55 
  

Partie III : Contrôle des courbes de taux 
 
Dans cette troisième partie, on va définir précisément les procédures de contrôle des 
courbes de taux utilisées pour le pricing REFTEC, les différentes actions à mener en 
cas  d’anomalie  et  enfin  nous  expliciterons  les  nouveaux  modes  de  contrôle  des 
courbes  de  taux :  contrôle  de  séries  temporelles  à  l’aide  de  l’ACP  (Analyse  en 
Composantes  Principales)  et  un  contrôle  à  partir  du  calcul  du  taux  forward  sur  les 
taux zéro­coupons swap.  
 
1. Définition des contrôles de courbes de taux mis en place
 
Quatre types de contrôles doivent être effectués chaque soir par le référentiel sur une 
partie du périmètre des courbes : 
1. Contrôle de présence 
2. Contrôle des courbes partielles 
3. Contrôle des points aberrants 
4. Contrôle des lissages aberrants 
 
1.1. Contrôle de présence
 
Il  convient  de  vérifier  visuellement  si  la  courbe  brute  et  sa  version  lissée  sont 
présentes. 
 
  Pour faire défiler les courbes 

 
 
Pour sélectionner les dates  

Pour voir ou non les courbes 
lissées 

 
Remarque : Il est important de visualiser chaque courbe. 
  56 
  

En  cas  d’absence  de  courbe  comme  dans  le  cas  ci­dessous,  il  est  pertinent  de 
comparer la courbe du jour et celle du précédent jour ouvré (J­1). Il faut cependant 
faire  attention  au  traitement  du  lundi  car  la  courbe  du  précédent  jour  ouvré 
correspond à la courbe du vendredi donc à J­3.  
En pratique, dans le cas d’absence de courbe, n’apparaîtra que la courbe de la veille 
(en vert) et non la courbe du jour (en bleu). 
 

 
 
1.2. Contrôle des courbes partielles
 
Une courbe partielle est une courbe sensiblement plus  ou moins longue par rapport 
aux  courbes  des  jours  précédents.  Il  convient  de  vérifier  visuellement  qu’aucune 
courbe (brute ou lissée) ne soit partielle. 
 

  57 
  

1.3. Contrôle des points aberrants

 
Le contrôle ne doit porter que pour les maturités supérieures à 1 an. Un point aberrant 
est un point très éloigné par rapport aux points des maturités voisines, et par rapport 
aux  courbes  des  jours  précédents.  Il  convient  de  vérifier  visuellement  qu’aucune 
courbe (brute ou lissée) ne contient des points aberrants. 

 
En pratique, lorsqu’on clique sur le point aberrant, s’affiche le détail du point de la 
courbe : 
 

 
 
 
On a le choix soit de le supprimer, soit de le modifier. Si on choisit de le modifier, un 
écran de modification apparaît : 
 

 
 
On  saisit le bon taux  Ask=Bid=Mid ; le taux  à saisir  est  à  102 (exemple :  2.56% =>
0.0256). On clique sur modifier. 

  58 
  

Pour tous les points modifiés sur une courbe govies, on clique sur « Smooth again » 
pour relisser la courbe. 
 

 
 
1.4. Contrôle des lissages aberrants
 
Une  courbe  brute  parfaite  peut  engendrer  une  courbe  lissée  aberrante  du  fait  de 
l’algorithme de lissage utilisé. Il convient de vérifier visuellement qu’aucune courbe 
lissée  ne  dévie  par  rapport  à  sa  version  brute.  On  distingue  trois  niveaux 
d’importance : les courbes critiques, les courbes importantes et les autres courbes. En 
fonction de l’importance des courbes, la procédure de contrôle n’est pas la même. 
 
1.5. Contrôle des courbes critiques
 
Le périmètre de contrôle concerne : 
 

 
 
­ En cas d’absence de courbe brute ou lissée ou en cas de courbe partielle, il faut 
relancer l’alimentation et le lissage de la courbe le soir même. 
­ En  cas  de  points  aberrants  (>  1an),  il  faut  corriger  le  point  et  relancer  le 
lissage. 
­ En cas de lissage aberrant, il faut vérifier si ce point aberrant n’est pas situé sur 
un point d’attachement et ensuite relancer l’alimentation et le lissage de la courbe 
le soir même. 
 
  59 
  

1.6. Contrôle des courbes importantes

 
Le périmètre de contrôle concerne : 
 

 
 
­ En cas d’absence de courbe brute ou lissée ou en cas de courbe partielle, il faut 
relancer l’alimentation et le lissage de la courbe le soir même. 
­ En  cas  de  points  aberrants  (>  1an),  il  faut  corriger  le  point  et  relancer  le 
lissage. 
­ En cas de lissage aberrant, il faut vérifier si ce point aberrant n’est pas situé sur 
un point d’attachement et ensuite relancer l’alimentation et le lissage de la courbe 
le soir même. 
 
1.7. Contrôle des autres courbes
 
Le périmètre de contrôle concerne : 
 

 
 
  60 
  

Une fois le contrôle des courbes critiques et importantes achevé, dans la mesure du 
possible détecter les problèmes sur ces courbes et recopier la courbe du dernier jour 
ouvré précédent  (courbe  brute  et  lissée).  La  recopie  concerne  uniquement  la ou  les 
courbes en erreur. 
 
1.8. Contrôle des courbes pendant les périodes particulières
 
1.8.1. Cas des jours de non settlement (zone Euro)
 
Systématiquement, le soir de chaque de non settlement de la zone Euro, la totalité des 
courbes  veilles  devront  être  recopiées  de  manière  manuelle  dans  un  premier  temps 
(via une astreinte) et dans un second temps automatiquement. 
Les jours sont les suivants : le 1er janvier, le vendredi saint, lundi de Pâcques, le 1er 
mai, le 25 décembre, le 26 décembre. 
 
1.8.2.   Cas des jours fériés
 
Le  soir  de  chaque  jour  férié,  les  courbes  devront  être  contrôlées  via  une  astreinte 
suivant la même procédure que les jours ouvrés. 
Une attention particulière doit être apportée aux courbes critiques et importantes. Il 
n’est  pas  prévu  d’astreinte  côté  Recherche  et  Systèmes  de  gestion,  les  relances 
d’alimentation des courbes ne sont plus possibles côté informatique a priori. 
Si  aucune  astreinte  n’est  prévue  côté  Référentiel,  il  est  nécessaire  que  la  MOA 
Gestion  ainsi  que  la  Recherche  soient  mises  au  courant  avant  le  jour  férié  afin  de 
déterminer la marche à suivre. 
Une attention particulière doit être apportée lorsque les jours fériés sont un vendredi 
ou un lundi. 
 
2. Nouveaux contrôles pour les courbes de taux
 
2.1. Contrôle de cohérence sur les courbes de taux
 
2.1.1. Contraintes d’arbitrabilité
 
La  contrainte  standard  de  non  arbitrabilité  d’une  courbe  de  taux  porte  sur  ses 
forwards implicites qui ne doivent pas être négatifs. Cette contrainte implique que la 
courbe des zéro­coupons doit être monotone décroissante. 
On  peut  vérifier  cette  contrainte  de  proche  en  proche  sur  l’ensemble  de  piliers  de 
marché. La méthode d’interpolation choisie garantit ensuite l’absence d’arbitrage lors 
de l’évaluation des produits. 

  61 
  

En effet : 
 ln B(t , T )
On sait que  f t , T     or, f t , T   0  
T
 ln B (t , T ) 1  B (t , T )
Donc     0  d’où      0   
T B (t , T ) T
Et comme les zéro­coupons sont (doivent être) aussi positifs en AOA, on en déduit 
B ( t , T )
que :    0   
T
Ainsi la courbe des zéro­coupons est monotone décroissante. 
 
2.1.2. Seuils d’alerte
 
Au­delà des strictes contraintes d’arbitrabilité, on peut se donner des seuils à partir 
desquels les formes des courbes doivent faire l’objet d’une vérification. 
Contrôle sur la courbe des forwards :  
 Un forward 3 mois ne doit pas diverger de +/­  max (12.5% ; 25bp) de la 
moyenne des forwards 3 mois qui l’encadrent. 
 Un  forward  3  mois  ne  doit  pas  diverger  de  +/­  max  (25% ;  50bp)  du 
forward 3 mois qui le précède. 
Le taux 3 mois départ spot n’est pas testé. 
 
3. Applications
 
Nous  étudions  les  courbes  swaps  Euro.  Pour  ce  faire,  grâce  à  l’outil  SQL  nous 
faisons  une  extraction  de  données  en  sélectionnant  les  éléments  suivants : 
« RIC_REUTERS » ;  « CURVE_DATE » ;  « POINT_DATE » ;  « POINT_BID » ; 
« POINT_ASK » ;  « POINT_MID » et  « MATURITY »  pour  un  historique  qui 
commence à partir du 31/12/2006 et en prenant les points qui servent à construire la 
courbe swap brute. 
 
Dans  un  premier  temps,  nous  séparons  les  données  concernant  les  courbes  swaps 
Euro qui ont une maturité supérieure à 1 an de celles qui sont inférieures à 1 an. 
Dans  un  second  temps,  j’applique  la  technique  du  bootstrapping  décrite 
précédemment pour les maturités supérieures à 1 an. 
Enfin, je mets en place les contrôles de cohérence sur les courbes swaps Euro. 
 

  62 
  

3.1. Calcul des taux zéro-coupon forward

Le taux zéro­coupon forward est un taux d’intérêt qui démarre  dans le futur et que 
nous pouvons garantir aujourd’hui en mettant en place une certaine stratégie. Notons 
F t , S, T  le taux forward fixé en t , démarrant en  S  avec l’échéance en T , alors : 
convention date
S t 

                     F t , S , T  


 1  ZC t
S
 convention date 

T S

 1,        t  S  T ,  
  T t  

 1  ZC t
T
 convention date

Où  ZC tS désigne le taux zéro­coupon au comptant démarrant en  t  avec l’échéance en
S . 
Nous donnerons une démonstration en construisant une stratégie en  t  comme suit : 
 Acheter une obligation au taux  ZC tT avec l’échéance en T , de nominal N ;  
 Vendre une obligation au taux  ZC tS avec l’échéance en S , de même nominal
N.  
La figure ci­après montre les cash­flows futurs de cette stratégie : 
 

       
 
Le pay­off en  t  est 0. Cette stratégie est en effet équivalente à la stratégie suivante : 
 Acheter  en  S une  obligation  au  taux  F t , S, T    avec  l’échéance  en S ,  de 
nominal N  1  ZCtS 
S t
conventiondate
. 
Ainsi, avec les deux stratégies, nous obtenons l’équation ci­dessous : 
 
N  1  ZC tS   
S t T t
 1  F t , S , T 
T S
conventiondate conventiondate  N  1  ZC tT conventiondate
 
 
Il nous suffit de résoudre cette équation pour obtenir la formule voulue de F t , S , T . 
Concrètement,  T  S  varie  entre  1  jour  et  30  ans,  S étant  fixé  au  départ. Nous 
pouvons  tracer  de  nombreuses  courbes  des  taux  zéro­coupon  forward  en  variant  la 
valeur de S  : 
1
 La courbe des taux forward démarrant dans 1 mois :  S  , 
12
  63 
  

3
 La courbe des taux forward démarrant dans 3 mois :  S  , 
12
 La courbe des taux forward démarrant dans 1 an :  S  1,  et 
 La courbe des taux forward démarrant dans 10 ans :  S  10, etc. 
 
Les  taux  forward  sont  calculés  à  l’aide  de  la  fonction  « forward »  codée  en  VBA. 
Cette fonction prend 7 arguments : date de début, la plage maturité de zéro­coupon 
(‘date_end’),  la  plage  facteur  d’actualisation  par  taux  zéro­coupon  (‘df’),  code  de 
convention  day­count  («ACTUAL360 »).  Pour  voir  comment  la  fonction  marche, 
nous reprenons la formule des taux forward : 
 
convention date
S t 


                F t , S , T   
1  ZC tS  convention date 

T S

 1,                       t  S  T ,  
 T t  

 1  ZC T
 t  convention date

 
Pour chaque calcul : 
Nous prenons  S  date de début,  T  date de fin. Les deux dates sont recherchées dans 
la plage maturité de zéro­coupon pour trouver les deux facteurs d’actualisation aux 
taux zéro­coupon notés  DF t , S   et  DF t , T   qui correspondent à ces deux dates. 
Ensuite,  on  calcule  le  nombre  de  jours  écoulés  entre  S et T divisé  par  360  selon  la 
convention day­count. 
Enfin, par composition simple (expansion de Taylor au premier ordre), la formule du 
taux forward est : 
 
 D F t , S  
  1
 D F t , T  
                         F t , S , T                                     t  S  T ,  
T S
360
 
3.2. Validation des contraintes de non arbitrabilité de la courbe des taux
 
Après calcul des taux forward implicites, nous vérifions qu’ils ne sont pas négatifs et 
donc la courbe des zéro­coupon est bien monotone décroissante. 
L’interpolation  linéaire  choisie  dans  notre  cas  garantit l’absence  d’arbitrage lors de 
l’évaluation des produits. 
 
3.3. Mise en place et validation des seuils d’alerte
 
L’idée de la méthodologie est de calculer la série de taux : Taux 3 mois dans 3 mois, 
Taux 3 mois dans 6 mois etc., ensuite faire des contrôles sur les valeurs adjacentes. 
  64 
  

On applique ce calcul sur une courbe découponnée.  Pour les maturités longues pour 
lesquelles nous n’avons que des taux à maturité entière, 1Y, 2Y … 30Y, la question 
qui se pose est : doit­on rester sur des taux forward 3M en faisant des interpolations 
ou doit­on passer à des contrôles sur taux forward de durée 1 an ? 
 
Nous faisons le choix de faire des contrôles sur taux forward de durée 1 an car si on 
choisit  de  rester  sur  des  taux  forward  3M,  on  devra  tester  les  courbes 
indépendamment  de  la  méthode  d’interpolation  et  aussi  tester  ces  relations  sur  les 
plots  de  marché  uniquement  et  traduire  les  contraintes  sur  des  ténors  variés. 
Cependant, il reste intéressant de tester l’impact de la méthode d’interpolation afin, 
par exemple de valider son choix ainsi que celle des plots de marché. 

Dans  la  pratique,  ces  contrôles  seront  mis  en  place  pour  tester  des  courbes  zéro­
coupon sans accès aux plots de marché et donc le test réagira au choix de la méthode 
d’interpolation : avec ou sans lissage des forward. Aussi, autre problème lorsque la 
méthode d’interpolation admet des discontinuités des forward, les tests donnent des 
limites sur ces discontinuités. Nous allons donc faire le choix de faire des contrôles 
sur taux forward de durée 1 an. 

L’objectif  final  étant  de  faire  des  back  test  pour  voir  si  nous  pouvons  trouver  des 
méthodologies de contrôle qui pourront aider le référentiel. 
 
Le contrôle sur la courbe des forward mis en place est le suivant :  
 Un forward  3 mois ne doit pas diverger de +/­  max (12.5% ; 25bp) de la 
moyenne des forward 3 mois qui l’encadrent. 
 Un  forward  3  mois  ne  doit  pas  diverger  de  +/­  max  (25% ;  50bp)  du 
forward 3 mois qui le précède. 
Le taux 3 mois départ spot n’est pas testé. 
 
3.4. Résultats et proposition de nouveaux seuils mieux adaptés
 
0.300000%

0.250000% Erreur sur moyenne

f orw ards proches (Test
0.200000% 1)
Seuil de Pierre Capra
0.150000% (25bp)

0.100000% Nouveau seuil

0.050000%

0.000000%
7 7
/0 07

7 8

1 8

7 9
/0 09

7 0

1 0

7 1
/0 11

2
/0 00

/0 00

/0 00

/0 00

/0 01

/0 01

/0 01

01
02 /20

02 /20

02 /20
02 /2

02 /2

02 /2

02 /2

02 /2

02 /2

02 /2

/2
1

1
/0
02

Date

  65 
  

Perf ormance sur moyenne f orw ard proches (Test 2)

14.00000%

12.00000%
10.00000% Perf ormance sur
moyenne f orw ard
8.00000% proches
6.00000% Seuil Pierre Capra
(12.5%)
4.00000%
2.00000%

0.00000%
7 7

1 7

7 8

1 8

7 9

1 9

7 0

1 0

7 1

1/ 1
12
/0 00

/0 00

/0 00

/0 00

/0 00

/0 00

/0 01

/0 01

/0 01

/0 01
20
02 /2

02 /2

02 /2

02 /2

02 /2

02 /2

02 /2

02 /2

02 /2

02 /2
1
/0
02

Curve Date

 
 
 

Erreur sur forw ard précédent (Test 3)

0.6000000%

0.5000000%
Erreur sur forw ard
0.4000000% précédent
Seuil Pierre Capra (50
0.3000000%
bp)
0.2000000% Nouveau Seuil

0.1000000%

0.0000000%
7 7

1 7
7 8

1 8
7 9
1 9

7 0
1 0
7 1

1/ 1
12
/0 00

/0 00
/0 00

/0 00
/0 00
/0 00

/0 01
/0 01
/0 01

/0 01
20
02 /2

02 /2
02 /2

02 /2
02 /2
02 /2

02 /2
02 /2
02 /2

02 /2
1
/0
02

Curve Date

 
 
 

  66 
  

30.0000%

25.0000%

20.0000% Perf ormance sur

f orw ard précédent
(Test 4)
15.0000%
Seuil Pierre Capra
(25%)
10.0000%

5.0000%

0.0000%
7 7

1 7

7 8

1 8

7 9

1 9

7 0

1 0

7 1

1 1

2
/0 00

/0 00

/0 00

/0 00

/0 00

/0 00

/0 01

/0 01

/0 01

/0 01
01
02 /2

02 /2

02 /2

02 /2

02 /2

02 /2

02 /2

02 /2

02 /2

02 /2

/2
1
/0
02

Curve Date

 
 
Nous  constatons  que  les  seuils  proposés  en  littérature  sont  bien  adaptés,  cependant 
nous décidons de fournir au référentiel de nouveaux seuils qui ont été back­testés sur 
d’autres courbes de taux (les plus atypiques) et qui marchent toujours bien.  
Pour le test 1, concernant l’erreur sur les forward proches, on a coupé au niveau de 
0.10% ensuite on a fait une moyenne sur tous les points restants. De là on a déduit 
qu’un seuil à 0.10% serait plus judicieux. 
Pour  le  test  4,  concernant  la  performance  sur  le  forward  précédent,  on  a  coupé  à 
0.20%, puis on a fait une moyenne sur tous les points au­dessus de 0.15%. 
De là on a déduit qu’un seuil de 0.20% serait plus juste. 
 
4. Contrôle de séries temporelles à l’aide de l’ACP
 
4.1. Cadre général
 
Développé  par  Karl  Pearson  (1901)  et  Harold  Hotelling  (1933),  l’Analyse  en 
Composantes  Principales  (ACP)  est  une  technique  qui  permet  de  résumer  à  l’aide 
d’un nombre restreint de facteurs l’information provenant d’un nombre important de 
variables  quantitatives  tout  en  minimisant  la  perte  d’information.  Ses  facteurs 
permettent de passer d’une famille de variables corrélées à une nouvelle famille de 
variables  décorrélées  deux  à  deux  qui  sont  une  combinaison  linéaire  des  variables 
initiales. 

Nous considérons un tableau X de données de p individus et n variables : 
 
 x11 ... x1p 
   
X       M n p
 x1 ... x np 
 n

  67 
  

 x1i 
 
  
Chaque colonne notée  x i     R  pour  i  1 à p représente un individu. 
  
 xi 
 n
Chaque  individu  se  voit  affecter  un  poids  pi et  on  note 
 p1 0 0 
 
D p  diag pi i 1à n   0  0   M nn la matrice diagonale des poids. 
0 0 p 
 n

Le  nuage  des  points  des  individus  est  noté  N  x1,...x p  Rn . Géométriquement,  le 
principe  de  l’ACP  est  de  projeter  le  nuage  de  points  dans  un  sous­espace  de 
dimension inférieur à  n.  
 

 
 
La métrique dans  Rn utilisée pour mesurer la distance  d xi , x j  entre deux individus  x i
et  x j est noté  M . Ainsi, nous avons :  d 2 xi , x j   xi  x j    
2 '
 xi  x j M xi  x j .  
M
n n
Le vecteur des centres de gravité est donnée par :  g   p j avec  g i   p j x i j .  
j 1 j 1

 y11 ... y1p 

 
Le tableau des données centrées est  Y        M n p où  y i j  x i j  g i  
 y 1 ... y p 
 n n 

 y1i 
 
  
L’individu  i après que l’on est centré est noté :  y     R n  
i

  
 yi 
 n
La matrice de covariance des données centrées est donnée par le produit matriciel :
V  YDpY  M p p . 
 
Projeter  le  nuage  des  individus  sur  les  sous­espaces  de  dimensions  inférieurs 
implique une perte d’information. Cette quantité d’information est appelée inertie du 
nuage des points ou variance expliquée. L’inertie totale ou variance totale notée I T  est 
la somme des inerties contenue dans chaque sous espace soit la somme des distances 

  68 
  

au  carré  entre  les  individus  et  le  centre  de  gravité  pondéré  par  le  poids  de  chaque 
individu. 
 
Le  but  de  l’ACP  est  de  trouver  des  sous  espaces  qui  minimisent  cette  perte 
d’information et donc maximise l’inertie totale du nuage de points. La détermination 
des sous­espaces se fait axe par axe. Ces axes sont appelés axes factoriels. Le premier 
axe  u1 est tel  que  l’inertie  totale  du nuage des individus sur  cet axe est  maximale. 
Géométriquement, cela consiste à minimiser l’écart entre tous les individus  y i  avec i 
= 1 à n et leur projection 1i . . 

        
 
En finance, l’ACP a de nombreux champs d’applications. Elle peut être utilisée pour 
calculer des ratios de couverture, simuler des scénarios de la courbe des taux ou bien 
mesurer  le  risque.  Dans  notre  étude,  l’ACP  a  servi  à  étudier  les  mouvements  de  la 
courbe des taux.  
L’ACP  d’une  série  temporelle  consiste  à  étudier  la  matrice  de  corrélation  des 
variations  successives  des  réalisations  des  variables.  Son  but  est  d’expliquer  le 
comportement  d’un  nombre  quelconque  de  variables  observées  grâce  à  un  nombre 
plus réduit de variables implicites non observées. D’un point de vue mathématique, il 
s’agit de transformer un ensemble de variables corrélées en un ensemble de variables 
orthogonales  reproduisant  l’information  originellement  présente  dans  la  matrice  de 
corrélation.  
La  méthode  permet  d’écrire  les  variations  de  taux  d’intérêt dRt , k ,  qui  sont  en 
général  fortement  corrélées  pour  différentes  maturités,  en  termes  de  nouvelles 
variables aléatoires  C tl  qui sont statistiquement non corrélées : 
 
m
dRt , k    c lk C tl  
l 1

Comme il sera expliqué plus bas, de nombreuses études empiriques ont montré que la 
variance  de  la  structure  par  terme  des  taux  d’intérêt  est  expliquée  en  général  pour 
plus  de  95%  par  les  trois  premières  composantes  principales.  Ainsi,  on  peut 
simplement écrire : 
 

  69 
  

3
dRt , k    c lk C tl   t  c1k C t1  c 2 k C t2  c 3 k C t3  
l 1

Où l’oubli du terme d’erreur ne représente qu’une perte négligeable de l’information 
totale.  Dans  la  mesure  où  les  variations  de  taux  d’intérêt  pour  des  maturités 
différentes  dRt , k   sont  fortement  corrélées,  il  semble  intuitivement  possible  et 
souhaitable  d’utiliser  un  faible  nombre  de  variables  non  corrélées  afin  de  résumer 
l’information présente. 
Ici, les composantes ont été ordonnées de telle sorte que  C t1  corresponde à la fraction 
la plus élevée de la variance totale 2 ,  C t2 à la deuxième fraction la plus élevée de la 
variance totale,  et  C t3 à  la  troisième  fraction  la  plus  élevée de  la variance  totale.  De 
plus,  comme  on  l’expliquera  ci­dessous,  ces  trois  facteurs  peuvent  naturellement 
s’interpréter comme  respectivement, un  facteur de niveau, un facteur de pente et 
un facteur de courbure de la courbe des taux. 
 
Avant de passer à l’application de l’ACP pour la suite de nos études, je vais proposer 
quelques  remarques générales.  Je ne détaillerai  pas ici toute la  théorie sous­tendant 
cette méthode, et je renvoie le lecteur  intéressé à l’importante littérature spécialisée 
(voir par exemple Basilevsky, 1994). Il suffit pour nous de rappeler l’interprétation 
des trois composantes principales. 
 
- La  composante  de  niveau :  Les  études  empiriques  indiquent  que  la 
composante  C 1   correspondant  à  la  plus  grande  valeur  propre  est  telle  que  la 
fonction  k  c1k  est à peu près constante, i.e.  c11  c12  ...  c1m .  C’est la raison 
pour  laquelle  cette  composante  est  interprétée  comme  représentant  les 
variations  parallèles  (ou  de  niveau)  de  la  courbe  des  taux.  Elle  s’apparente 
classiquement à un taux d’intérêt moyen sur plusieurs maturités, un taux court 
ou un taux long. Cette composante explique plus de  60% des variations de la 
courbe  des  taux,  et  donne  une  certaine  justification  aux  méthodes  de 
couverture naïves qui reposent sur l’hypothèse de variations parallèles. 
 
- La  composante  de  pente :  La  composante  C 2 qui  correspond  à  la  deuxième 
plus  grande  valeur  propre  telle  que  la  fonction   k  c 2 k   est  à  peu  près 
croissante  ou  décroissante,  i.e.  c21  c22  ... c2m   ou c21  c22  ... c2m .  Cette 
fonction  traverse  l’axe  des  abscisses  en  un  taux  pivot  de  maturité  comprise 
entre 2 et 6 ans, selon les périodes et les pays considérés. C’est la raison pour 
laquelle  cette  composante  s’interprète  comme  un  facteur  de  pente  (ou  de 
rotation), car elle a un effet contraire sur les taux longs et sur les taux courts. 
Elle est assimilée à un écart taux long moins taux court et explique de  5%   à 
25%  des déformations de la courbe des taux. 
 
 

  70 
  

- La  composante  de  courbure :  La  composante  C 3 qui  correspond  à  la 

troisième  plus  grande  valeur  propre  agit  différemment  sur  les  trois 
compartiments de la courbe des taux (court, moyen et long terme), rendant la 
courbe  plus  ou  moins  concave  sur  sa  partie  intermédiaire.  En  effet  pour  des 
valeurs  intermédiaires  comprises  entre  1  et  7  ans,  c3k est  significativement 
inférieur ou supérieur à ce qu’il est pour les autres valeurs de  k . C’est pour cela 
que  cette  composante  est  interprétée  comme  un  facteur  de  courbure  de  la 
courbe des taux. Elle explique de  0%  à  10%  des déformations de la courbe des 
taux. 
 
4.2. Applications
 
L’idée du contrôle de séries temporelles à l’aide de l’ACP est de détecter les courbes 
de  taux  qui  ont  des  mouvements  atypiques  et  qui  varieraient  dans  des  proportions 
différentes par rapport aux autres courbes de taux.  
Le  but  est  de  définir  des  facteurs  qui  permettent  d’expliquer  les  corrélations  et  les 
auto­corrélations  sur  ces  courbes.  On  cherche,  plus  précisément,  des  composantes 
principales qui expliquent les mouvements d’ensemble des courbes d’Etat.  
Pour  cela,  dans  un  premier  temps,  nous  allons  choisir  un  ensemble  de  courbes 
représentatives  du  « monde ».  Nous  prenons  donc  comme  référence  les  courbes 
d’Etat suivantes : USA, Europe, Canada, Australie, Japon, Suisse, Grande­Bretagne, 
Norvège et la Nouvelle­Zélande. 
 
4.2.1. ACP sur chaque courbe d’Etat prise comme référence
 
Pour  chaque  courbe,  on  a  effectué  une  analyse  en  composantes  principales  (ACP) 
pour déterminer les facteurs principaux qui expliquent au mieux les corrélations entre 
les différentes maturités. Il s’agit là des vecteurs propres de la matrice de corrélation 
historique de la courbe.  
On note  A  la matrice des composantes principales/vecteurs propres ainsi constituée. 
Il  s’agit  en  effet  des  coordonnées  de  ces  vecteurs  dans  la  base  formée  par  les 
différentes maturités de la courbe de taux analysée.  
B  la matrice représentant les cotes journalières de la courbe de taux analysée et enfin 
C  la matrice des cotes journalières des composantes principales formées. 
On peut alors écrire :  B  C .t A    
Il  ressort  de  cette  analyse  que  les  3  premières  composantes  principales  expliquent 
non  seulement  97%  de  la  corrélation  sur  les  maturités  des  courbes  d’Etat  mais 
comportent surtout une forme interprétable. 
 
Les résultats de l’ACP pour quelques courbes d’Etat : 
 

  71 
  

Vecteurs Propres CA

0.8

0.6

0.4
Coordonnées

Translation
0.2 Rotation
Courbure
0
01Y 02Y 03Y 04Y 05Y 07Y 09Y 10Y 15Y 20Y 30Y
-0.2

-0.4

-0.6
Maturité

       Figure 7 : Composantes Principales de la courbe d’Etat canadienne 
 
 

Vecteurs Propres EU

0.8

0.6

0.4
Coordonnées

Translation
0.2 Rotation
Courbure
0
01Y 02Y 03Y 04Y 05Y 07Y 09Y 10Y 15Y 20Y 30Y
-0.2

-0.4

-0.6
Maturité
 
Figure 8 : Composantes Principales de la courbe d’Etat européenne 
 
 

  72 
  

Vecteurs Propres US

0.8

0.6

0.4
Coordonnées

0.2 Translation
Rotation
0 Courbure
01Y 02Y 03Y 04Y 05Y 07Y 09Y 10Y 15Y 20Y 30Y
-0.2

-0.4

-0.6
Maturité
 
   Figure 9 : Composantes Principales de la courbe d’Etat américaine 
 
Nous constatons de ces 3 exemples que : 
 
Le premier facteur principal représente l’effet de translation sur la courbe d’Etat ; 
Le deuxième facteur principal  représente l’effet de rotation sur la courbe d’Etat, 
cet effet explique le fait que les obligations court terme et long terme varient de façon 
opposée ; 
Le troisième facteur principal représente l’effet de courbure sur la courbe d’Etat, 
l’effet est d’autant plus important que les points moyen terme évoluent dans le sens 
opposé que les points long et court terme. 
 
Il  est  intéressant  de  noter  que  ces  3  facteurs  sont  exactement  ceux  qui  sont  mis  en 
évidence et repris dans le modèle de Nielson­Siegel. 
 
4.2.2. ACP sur les courbes du « monde »
 
Afin  de  déterminer  les  facteurs  qui  expliquent  au  mieux  la  corrélation  entre  les 
courbes  représentatives  du  « monde »,  on  va  effectuer  une  nouvelle  ACP  sur  les 
composantes  principales  des  courbes  précédemment  déterminées.  On  va  regrouper 
les  composantes  des  courbes  choisies  par  type  de  facteurs  (translation,  rotation, 
courbure) et effectuer une ACP sur chaque paquet. 
Soient :   
- P_TR,  P_ROT,  P_CURVE  les  matrices  constituées  des  3  premières 
composantes  principales  (correspondant  aux  plus  grandes  valeurs  propres) 
pour chaque facteur (translation, rotation, courbure) reconstituée en historique, 
 
  73 
  

- CA_TR,  CA_ROT,  CA_CURVE,  US_TR,  US_ROT,  US_CURVE,  …  les 

composantes principales en historique de chacune des courbes d’état, 
 
- MCorr_TR, MCorr_ROT et MCorr_CURVE, les matrices de corrélations des 
composantes principales réunies par facteur, 
 
- CP_TR, CP_ROT et CP_CURVE les matrices des 3 premiers vecteurs propres 
des matrices MCorr_TR, MCorr_ROT et MCorr_CURVE, 
 
- Y_TR,  Y_ROT,  Y_CURVE  les  matrices  représentant  les  historiques  des 
vecteurs propres précédemment calculés, 
 
- Enfin,  Y_MOD,  la  matrice  des  composantes  principales  (CA_TR,  CA_ROT, 
CA_CURVE,  US_TR,  US_ROT,  US_CURVE,  …)  calculée  à  partir  du 
modèle. 
 
On peut alors écrire : 
 
 Y_TR = P_TR . tCP_TR + μ_TR 
 
Y_ROT = P_ROT . tCP_ROT + μ_ROT 
 
Y_CURVE = P_CURVE . tCP_CURVE + μ_CURVE 
 
 
Vecteurs Propres TR

0.8

0.6

0.4
Coordonnées

0.2 1ère CP
2e CP
0 3e CP
CA_TR AU_TR JP_TR US_TR EU_TR GB_TR CH_TR NO_TR SE_TR NZ_TR
-0.2

-0.4

-0.6
Maturité

Figure 10 : Représentation des vecteurs propres « Translation » 

  74 
  

Vecteurs Propres CURVE

0.8

0.6

0.4
Coordonnées

1ère CP
0.2 2e CP
3e CP
0

VE
E

VE
VE

VE
E

VE
V
V

RV
V

R
R
R

-0.2
R

R
R
R

U
U
U

U
U

U
U
U

_C

_C
_C
_C

_C
C

C
C
C

_C

S_

Z_
B_
A_

EU
JP

SE
O
AU

N
G
C

N
-0.4

-0.6
Maturité

Figure 11 : Représentation des vecteurs propres « Courbure » 

 
Vecteurs Propres ROT

0.8

0.6

0.4

0.2
Coordonnées

1ère CP
0 2e CP
3e CP
T

T
T

T
T

T
T

-0.2
O

RO
O

O
O

O
O
R

_R

_R
R
_R

_R
R

_R

R
A_

Z_
B_
S_

H_
AU

SE
O
JP

EU
C

N
G
U

-0.4

-0.6

-0.8
Maturité

Figure 12 : Représentation des vecteurs propres « Rotation » 
 
4.2.3. Ecriture du modèle
 
Finalement, on arrive à définir un modèle pour reconstituer l’historique de la courbe 
à  partir  de  chacune  des  ACP  effectuées.  Grâce  à  la  dernière  ACP,  on  retient  les  3 
premières composantes principales. Aussi, les matrices A et C sont réduites ici aux 3 
premières composantes principales (CA_TR, CA_ROT, CA_CURVE…). 
 
 
  75 
  

Le modèle revient donc à établir les expressions suivantes : 
 
Y_TR = P_TR . tCP_TR 
X = P . tVP 
 
En  remplaçant  la  première  expression  dans    la  seconde,  on  obtient  en  définitive  le 
modèle de la courbe de taux historique reconstruite. 
 
L’ACP a servi dans notre cas d’étudier les mouvements des courbes d’Etat, grâce à 
cette  analyse  nous  arrivons  à  détecter  les  courbes  atypiques,  celles  qui  ont  des 
mouvements  de  courbe  différents,  ce  qui  constitue  un  contrôle  supplémentaire  que 
peut effectuer le référentiel d’Amundi.  
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

  76 
  

Partie IV : Lissage des courbes de taux 
 
1. Modèles de reconstruction des courbes de taux
 
Nous  prenons  comme  données  n  taux  zéro­coupons,  nous  allons  reconstruire  la 
courbe de taux. 
Pour  ce  faire,  nous  disposons  de  deux  méthodes  de  reconstruction :  
La  première  méthode  regroupe  toutes  les  méthodes  directes  d’interpolation  et  la 
deuxième comprend les méthodes indirectes. 
Le  principe  de  la  première  méthode  est  de  relier  directement  les  taux  de  marché 
obtenus par des courbes, nous prenons essentiellement des droites et des polynômes 
cubiques.  Pour  ce  qui  est  de  la  deuxième  méthode,  on  applique  un  modèle  et 
l’estimation de ses paramètres pour résoudre un problème d’optimisation. 
 
Dans  cette  partie,  nous  donnerons  un  descriptif  complet  de  ces  méthodes  de 
reconstruction,  nous  implémenterons  les  méthodes  qui  donnent  de  bons  résultats  et 
finalement  nous  étudierons  leur  impact  statistique  sur  un  grand  historique.  
 
1.1. Les méthodes directes d’interpolation
 
Il  existe  des  méthodes  directes  permettant  d’extraire  les  prix  des  zéro­coupons 
contenus implicitement dans les prix cotés des obligations à coupons. Ces méthodes 
ne peuvent néanmoins être appliquées que dans des circonstances particulières. C’est 
pourquoi, nous développerons en détail d’autres méthodes dites méthodes indirectes 
qui s’adaptent mieux aux situations de marché. 
 
Il est important d’avoir une méthode de détermination de la courbe au comptant qui 
s’appuie fondamentalement sur les données dont dispose le marché. Nous présentons 
ici  une  méthodologie  standard  utilisée  pour  extraire  les  prix  implicites  des  zéro­
coupons  des  prix  de  marché  des  obligations  à  coupons.  Ces  obligations  à  coupons 
constituent la majorité des obligations traitées sur les marchés financiers du monde 
entier. 
 
Si on veut obtenir n taux zéro­coupons distincts, on a besoin de collecter les prix de n 
obligations à coupon (ou zéro­coupon). Les obligations sans risque de défaut, comme 
les  obligations  du  Trésor  en  France,  sont  privilégiées  car  elles  offrent  une 
information sur la structure pure des taux d’intérêt.  
 
 
 
 

  77 
  

On note :  
 
Pt  Pt1 ,..., Pt j ,..., Pt n  le vecteur de dimension n des prix des obligations à coupons à la 
T

date  t  et  F  Ft  j  i 1,..., n la  matrice  n  n des  flux  de  coupon  et  de  remboursement 
i
j 1,..., n

correspondant  aux  n  actifs.  Nous  faisons  ici  l’hypothèse  que  les  différentes 
obligations ont les mêmes dates de tombée de coupon t i . 
Bt  Bt , t1 ,...,Bt , t n T est alors le vecteur de dimension n des prix des zéro­coupon à la 
date t que nous cherchons à déterminer. 
Pour les n obligations, nous obtenons l’équation matricielle suivante : 
 
Pt  F Bt  
 
Afin de déterminer le vecteur Bt , nous devons résoudre le système linéaire. 
La  solution  existe  et  est  unique  lorsque  F  est  inversible.  Ainsi,  il  n’existe  pas  de 
colinéarité entre les vecteurs de flux des différentes obligations. Dans ce cas, 
 
Bt  F 1 Pt   
 
Notons que les valeurs déduites ne sont pas réellement des valeurs de marché mais 
plutôt  des  valeurs  zéro­coupons  implicites  contenues  dans  le  prix  de  marché  des 
obligations. A partir des prix, nous déduisons les taux zéro­coupons correspondants 
grâce à la formule : 
1
Rt , t i  t    lnB t , t i   
ti  t
La  courbe  des  taux  pour  n’importe  quelle  maturité  peut  être  générée  par  des 
méthodes d’interpolations que l’on explicitera dans la suite. 
 
1.1.1. L’interpolation linéaire
 
Soit  Rt1    et  Rt 2    deux  taux  aux  dates  respectives  t1   et  t 2   avec t1  t 2 .  L’idée  pour 
retrouver tous les points manquants entre ces deux dates est de tracer un segment qui 
va relier ces deux points. 
 
C’est ce qui se traduit par l’équation suivante : 
 
t2  t t  t1
   t  t1 , t 2         Rt   Rt1   Rt 2   
t 2  t1 t 2  t1

  78 
  

On  retrouve  cette  formule  en  appliquant  la  formule  de  Taylor  à  l’ordre  1. 
Ce  type  d’interpolation  est  pratique  car  il  est  facile  à  implémenter  et  ne  demande 
aucune  contrainte  particulière.  Cependant,  il  donne  une  courbe  de  taux  peu  précise 
car elle présente un caractère non lisse rendant les courbes implicites saccadées. Il est 
intéressant  néanmoins  d’utiliser  cette  méthode  car  elle  permet  d’avoir  un  premier 
lissage. 
 
1.1.2. L’interpolation cubique
 
On  procède  à  une  interpolation  cubique  par  segment  de  courbes.  Dans  un  premier 
temps,  on définit  un premier  segment  entre  t1   et  t 4   où  l’on  dispose  de  4 taux Rt1  ,
Rt 2  ,  Rt 3   et  Rt 4  . 
Le taux  Rt   de maturité  t  est défini par :   
 
Rt   a t 3  bt 2  ct  d  
 
Sous la contrainte que la courbe passe par les 4 points de marché Rt1  , Rt 2  ,  Rt 3   et 
Rt 4  . 
Ce qui se traduit par la résolution du système suivant : 
 
 R(t1 )  at13  bt12  ct1  d
  3 2
R(t 2 )  at2  bt2  ct 2  d
   R(t )  at 3  bt 2  ct  d
 3 3 3 3
  R(t 4 )  at4 3  bt4 2  ct 4  d
 
 
La  solution matricielle est alors donnée par : 
 
 Rt1  
1
 a   t 31 t 21 t1 1
     3   
 b  t 2 t 22 t2 1  Rt 2 
   c    t 33 t 23 t3 1  Rt 
      3 
d  t 3 t 24 t4 1  Rt 
   4  4 
 
 
 
Cette méthode permet d’avoir un meilleur lissage, on constate néanmoins sur certains 
points de la courbe de taux une « cassure » de la courbe. Nous mettrons en évidence 
cette « cassure » dans la partie « applications des méthodes directes d’interpolation ». 
Pour pallier à ce problème, nous avons recours à l’interpolation suivante. 
 
 
  79 
  

1.1.3. L’interpolation cubique différentiable

 
Cette  interpolation  est  semblable  à  l’interpolation  cubique  simple  sauf  que  l’on 
impose  des  conditions  de  dérivabilité  aux  points  d’abscisses  t 2   et t 3 ,  c’est  ce  qui 
permet de lisser encore plus la courbe de taux. 
Ceci  se  traduit  par  le  système  suivant en  imposant  les  contraintes  de  passage  de 
dérivabilité en  t 2 et  t 3  : 
 
 R(t 2 )  a t2 3  bt2 2  ct 2  d
  
 R(t 3 )  a t3 3  bt3 2  ct 3  d
   Rt 2   Rt1  Rt 3   Rt 2  2
   3a t2  2bt2  c
   2(t 2  t1 ) 2(t 3  t 2 )
   Rt 3   Rt 2  Rt 4   Rt 3  2
 2(t  t )  2(t  t )  3a t3  2bt3  c
   3 2 4 3

 
La solution matricielle est donnée par : 
 
   Rt 2  
 a   t 32 1
1  
     3
t 22 t2
  Rt 3  
b  t 3 t 23 t3 1  Rt 2   Rt1  Rt 3   Rt 2  
   c    3t 3 2   
2t 2 1 0   2(t 2  t1 ) 2(t 3  t 2 ) 
    
 d   3t 2
   3 2t 3 1 0   Rt 3   Rt 2   Rt 4   Rt 3  
   2(t  t ) 2(t 4  t 3 ) 
 3 2

 
Nous réussissons donc à avoir un meilleur lissage en éliminant les « cassures » de la 
courbe. Cette dernière méthode conclut les méthodes directes d’interpolation, dans la 
suite  nous  donnerons  des  exemples  qui  permettront  de  voir  leur  application  et 
l’évolution du lissage des courbes de taux. 
 
Exemple : 
 
Nous disposons des taux suivants : 
 
Maturité  Taux 
0.5 an  4.12% 
2 ans  6.35% 
5 ans  5.75% 
7 ans  6.99% 
10 ans  5.96% 
 
  80 
  

Interpolation linéaire: 
 
Nous allons tracer la courbe interpolée linéairement entre 2 ans et 7 ans. 
Sur la période [2 ; 5] :  Rt   6.75%  0.20%t  
Sur la période [5 ; 7] :  Rt   2.65%  0.62%t  
 
Interpolation linéaire

8.00%

7.00%

6.00%

5.00%

4.00% Interpolation linéaire

3.00%

2.00%

1.00%

0.00%
2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7

 
 
On voit que l’on arrive à faire une interpolation entre les maturités 2 ans et 7 ans, le 
lissage semble cependant « rigide ». 
 
Interpolation cubique: 
 
Sur la période [2 ; 5] :  0.0829%t 3  0.9965%t 2  3.5428%t  2.5874%  
Sur la période [5 ; 7] :   0.00446%t 3  0.7882%t 2  3.9784%t 11.5108%  
 
Intrepolation cubique

8.00%

7.00%

6.00%

5.00%

4.00% Intrepolation cubique

3.00%

2.00%

1.00%

0.00%
2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7

 
 
  81 
  

Avec cette deuxième technique, le lissage prend un caractère plus « lisse » mais on 
remarque que pour la maturité 5 ans, la courbe connaît une « cassure ». 
 
Interpolation cubique différentiable : 
 
Sur la période [2 ; 5] :  0.0014%t 3  0.0153%t 2  0.0511%t  0.0115%  
Sur la période [5 ; 7] :   0.0022%t 3  0.0399%t 2  0.2302%t  0.4884% 
 
Interpolation cubique dif f érentiable

8.00%

7.00%

6.00%

5.00%
Interpolation cubique
4.00%
dif f érentiable
3.00%

2.00%

1.00%

0.00%
2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7

 
 
Finalement,  avec  cette  technique  de  lissage,  la  courbe  reste  lisse  et  puis  la  cassure 
pour la maturité 5 ans a disparu et on a une courbe plus lisse et régulière. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
  82 
  

Comparaison des trois techniques de lissage : 
 

8.00%

7.00%

6.00%

Interpolation linéaire
5.00%

Interpolation cubique
4.00%

Interpolation cubique
3.00%
différentiable

2.00%

1.00%

0.00%
2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7
 
 
On  voit  bien  que  les  différences  de  taux  sont  assez  importantes  selon  la  méthode 
d’interpolation choisie. De là, on commence à se demander quelle méthode utiliser. 
En fait, il n’y a pas vraiment de réponse à cette question, tout dépend du problème 
que le financier doit résoudre et des outils en sa possession. Cependant, la technique 
la plus simple à programmer et la plus pratique reste l’interpolation linéaire malgré sa 
non  précision.  
Pour  obtenir  des  courbes  de  taux  plus  lisses,  nous  préférons  utiliser  les  méthodes 
indirectes d’interpolation. 
 
Synthèse :  Ces  méthodes directes sont  simples  en  théorie  et très  faciles  à  mettre  en 
œuvre.  Malheureusement,  d’importantes  difficultés  empêchent  leur  mise  en  place 
dans la réalité : 
- il existe rarement sur le marché des obligations distinctes avec les mêmes dates 
de  tombée  de  coupon  et  qui  de  plus  présentent  des  vecteurs  de  flux 
linéairement indépendants ; 
- la méthode n’est pas robuste si l’on vient à modifier l’échantillon d’obligations 
à coupons. 
 
2. Les méthodes indirectes d’interpolation
 
Ces  difficultés  nous  amènent  à  envisager  des  méthodes  alternatives  que  nous 
qualifions  de  « méthodes  indirectes ».    Le  point  commun  entre  ces  méthodes  est 
qu’elles impliquent d’ajuster les données de marché à une forme pré­spécifiée de la 

  83 
  

courbe des taux. Si ces méthodes remédient aux difficultés pratiques mentionnées ci­
dessus, elles souffrent néanmoins d’un éventuel risque de spécification ou bien risque 
de modèle. En effet, si l’on choisit une forme inadaptée pour la courbe des taux alors 
l’ajustement  des  données  de  marché  à  ce  modèle  ne  pourra  pas  nous  fournir  un 
résultat totalement fiable. 
 
Dans un premier temps, nous sélectionnons un panier de n obligations sans risque de 
défaut,  typiquement  des  obligations  d’Etat.  Elles  sont  caractérisées  par  des  prix  de 
marché  Pt j  et des flux  Fs j   pour s  t . Elles seront utilisées plus tard pour estimer la 
courbe des taux zéro­coupons.  
 
Dans  un  second  temps,  nous  postulons  une  forme  spécifique  pour  la  fonction 
d’actualisation  Bt , s  f s  t; 1  ou bien pour la fonctionnelle des taux zéro­coupons  
Rt, s  t   gs  t; 2  où  1 et  2 sont les vecteurs des paramètres. 
La  fonction f sera  toujours  définie  par  morceaux  dans  le  but  de  différencier  les 
maturités  courtes,  moyennes  et  longues.  Elle  est  écrite  sous  la  forme  de  splines 
polynomiales ou exponentielles.  
La  fonction g est  définie  de  telle  façon  que  les  paramètres  soient  facilement 
interprétables financièrement. 
 
Enfin, nous estimons le vecteur des paramètres   qui permet d’approcher au mieux 
les prix de marché au sens des moindres carrés. 
 

 constitue la solution du programme d’optimisation suivant : 
 
  2
n 

  argmin  Pt j  Pt j   
j 1 
 
 
 j
Où :  P t sont les prix théoriques issus du modèle : 
 
 j
P t   F s j  f s  t ;     
s

 j
Ou encore :        P t   Fs j  exp s  t g s  t ;    
s

Nous examinerons dans la suite les différentes méthodes indirectes de reconstitution 
de la courbe des taux zéro­coupons et en particulier les formes que peuvent prendre 
les fonctions f et g . 
 
2.1. Ecriture de la fonction d’actualisation sous forme de fonction spline
 

  84 
  

2.1.1. Le modèle des splines cubiques

 
Les  splines  polynomiales  ont  été  introduites  par  McCulloch  (1971,1975).  Il  est 
important de bien choisir l’ordre du polynôme. Le choix qui s’impose est l’ordre 3.Si 
on fait le choix de l’ordre 2, ceci impliquerait en général la discontinuité de la dérivée 
seconde de la fonction d’actualisation B 2 s  , ainsi l’ordre 2 est exclu. Maintenant, si 
on  opte  pour  des  polynômes  avec  des  degrés  plus  élevés  (quatre  ou  cinq),  ceci 
entraîne une multiplication de contraintes sans que la continuité de la dérivée d’ordre 
3 ou 4 ne soit justifiée. C’est pourquoi il est commun de considérer les polynômes de 
degré 3 et donc de prendre les splines cubiques. 
 
Considérons  que  pour  une  maturité  T donnée,  l’intervalle  0, T est  découpé  en  une 
partition  Ti 1 , Ti i 1,..., n où  T0  0 et  Tn  T .   
Le  principe  des  splines  cubiques  est  de  supposer  d’une  part  que  sur  chacun  de  ces 
sous­intervalles, la fonction d’actualisation est modélisée par un polynôme de degré 3 
et d’autre part, que les raccordements se font sous les contraintes de continuités et de 
dérivabilité simple et double.  
 
Par  exemple  en  définissant  les  3  intervalles  0,1 1,5 et 5,10 ,  la  fonction 
d’actualisation  f t   est représentée par 3 splines cubiques : 
 
 f 0 (t )  a 0 t 3  b0 t 2  c 0 t  d 0
       
 1f ( t )  a t 3
 b t 2
 c1t  d1
  
1 1

 f 2 (t )  a 2 t  b2 t  c 2 t  d 2
3 2
 
 
Les contraintes aux points de raccords imposent les conditions : 
 
 f 0 (1)  f 1 1
i  i 

   i 
 f 1 (5)  f 2 5
i 

 
Où  f i  est la dérivée d’ordre  i  0,1,2.  
Et  bien  entendu,  nous  ne  devons  pas  oublier  la  contrainte  évidente  du  facteur 
d’actualisation égale à 1 pour t  0 : f 0 0  1 , donc  d 0  1. 
Dans  le  système  précédent,  nous  comptons  12  inconnues  dont  un  qui  vient  d’être 
écarté.  Il  reste  donc  11  inconnues  à  déterminer a0 , b0 , c0 , a1 , b1 , c1 , d1 , a2 , b2 , c2 , d2   et  6 
contraintes  aux  nœuds.  Le  problème  est  alors  réduit  à  5  inconnues,  qui  sont  par 
exemple  a0 , b0 , c0 , a1 , a 2 . Les conditions (2) s’écrivent de façon plus explicite : 

  1  c 0  b0  a 0  d1  c1  b1  a1

  c 0  2b0  3a 0  c1  2b1  3a1
2b  6 a  2b  6 a
   0 0 1 1

  85 
  
d  5c  25b  125a  d  5c  25b  125a
 1
Et   
1 1 1 2 2 2 2

c1  10b1  75a1  c 2  10b2  75a 2

  2b  30a  2b  30a
 1 1 2 2
 
Les  paramètres  du  premier  système  b1 , c1 , d1 s’expriment  en  fonction  des  inconnues 
a0 , b0 , c0 , a1 , a 2  : 
 
b1  b0  3  a1  a 0 
  
c1  c 0  2b0  3a 0  2b0  3a1  a 0   3a1
  d  1  c  b  a  c  3a  a   a
 1 0 0 0 0 1 0 1
 
 
Ainsi :  b1  b0  3  a1  a 0 

  c1  c 0  3  a1  a 0 
  d  1   a  a 
 1 1 0

 
Sur l’intervalle  1,5  ; la fonction d’actualisation s’écrit : 
 
f 1 t   1  a1  a 0   c 0  3a1  a 0 t  b0  3a1  a 0 t 2  a1t 3

 f 0 t   a1  a 0   t 3  3t 2  3t  1   
 f 0 t   a1  a 0   t  1
3

 
De même, on résout le deuxième système d’équation : 
 
b2  b1  15  a 2  a1 
 
c 2  c1  75  a 2  a1 
  d  1  125 a  a 
 2 2 1
 
Sur l’intervalle  5,10  ; la fonction d’actualisation s’écrit : 
 
f 2 t   1  125 a 2  a1   c1  75  a 2  a1 t  b1  15  a 2  a1 t 2  a 2 t 3

 f 1 t   a 2  a1   t 3  15t 2  75t  125   
 f 1 t   a 2  a1   t  5
3

 
Le problème devient finalement : 
 
  f 0 (t )  a 0 t  b0 t  c 0 t  1
3 2


  f 1 (t )  f 0 t   a1  a 0   t  1
3


  f 2 (t )  f 1 (t )  a 2  a1   t  5
3

 
  86 
  

Sachant que :  t  a 3  max t  a;03  

 
La  fonction  d’actualisation  ne  dépend  plus  que  de  5  paramètres  au  lieu  de  12  du 
départ. En effet, elle dépend des paramètres suivants : a0 , b0 , c0 , a1 , a 2 . 
Le  gros  avantage  de  cette  réécriture  c’est  que  ça  nous  permet  de  l’écrire  sous  une 
forme explicite simple à implémenter. On passe d’un problème d’optimisation sous 
contraintes à un problème d’optimisation sans contrainte. 
 
Généralisation : 
 
Soit p   le  nombre  de  points  de  raccord  et  mi les  points  de  raccord  rangés  en  ordre 
croissant avec i  1,..., p . 
Dans l’exemple précédent, on avait : 
p  2  ; 
m1  1 ; 
m2  5  . 
La fonction du facteur d’actualisation s’écrit alors : 
 
p
f t   a 0 t 3  b0 t 2  c 0 t  1   a i  a i 1   t  mi 3  
i 1

Ainsi, on en déduit que le nombre de paramètres  a0 , b0 , c0 , a1 ,..., a p est égal au nombre 

de points de raccords  p plus 3. 
Une dernière question se pose : où doit­on placer les points de raccord ? 
Deacon  et  Derry  (1994)  ont  montré  qu’une  localisation  différente  des  points  de 
raccord  peut  entrainer  un  écart  significatif  sur  le  niveau  des  taux  qui  peut  aller 
jusqu’à 13 points de base. Les auteurs ne rentrent cependant pas plus dans le détail de 
la localisation des points de raccord, tout comme la plupart des ouvrages financiers. 
Une  des  pratiques  courantes  est  de  balayer  les  points  de  raccords  et  de  retenir  une 
courbe générant une erreur la plus faible possible.  
Des  travaux  ont  été  menés  par  Priaulet  pour  les  courbes  OAT  et  les  courbes  Swap 
Euribor. 
 
Pour la courbe OAT : 
 
Priaulet  considère  pour  la  France  5  splines  :  0,1an 1an,3ans  3ans,7ans 7ans,10ans
10ans,30ans 
 
Pour la courbe Swap Euribor : 

  87 
  

Priaulet propose les splines suivants :  
0,0.5 0.5,1 1,2 2,3 3,4 4,5 5,6 6,8 8,10 
 
Il  faut  rester  cependant  quant  aux  sous­intervalles  proposés  car  des  fois  la  courbe 
n’est pas aussi lisse qu’on le souhaiterait et donc il faudrait découper les intervalles 
d’une façon plus adaptée au problème de reconstruction de la spline. 
 
 Le modèle des splines exponentielles : 
  
Elles  ont  été  introduites  par  Vasicek  et  Fong  (1982).  Nous  considérons  pour  le 
polynôme en exponentielle l’ordre 3 pour les mêmes raisons citées ci­dessus. 
Par  exemple  en  définissant  les  3  intervalles  0,5 5,10 et 10,20,  la  fonction 
d’actualisation  f t   est représentée par 3 splines exponentielles : 
 
 f 0 (t )  a 0 e 3u s  b0 e 2u s  c 0 e u s  d 0
    3u s
 f 1 ( t )  a1 e  b1 e  2u s  c1 e u s  d1
    3u s
 f 2 (t )  a 2 e  b2 e  2u s  c 2 e u s  d 2
 
Les mêmes contraintes s’appliquent que pour le cas des splines cubiques. Cependant, 
nous allons adopter des simplifications pour ce système d’équations afin de réduire le 
nombre de paramètres à déterminer pour notre problème d’optimisation. 
Les contraintes aux points de raccords imposent les conditions : 
 
 f 0 (5)  f 5 5
i  i 

   i 
 f 5 (10)  f 10 10
i 
  

 
Où  f i  est la dérivée d’ordre  i  0,1,2.  
Et  bien  entendu,  nous  ne  devons  pas  oublier  la  contrainte  évidente  du  facteur 
d’actualisation égale à 1 pour t  0 : f 0 0  1 , donc d 0  1. 
Dans le système précédent, nous comptons 13 inconnues sous 7 contraintes. 
Notons que  f 0 t  reste inchangé. 
 
Simplification de  f 5 t   : 
 
f 0 5  f 5 5  d1  d 0  c1  c0 e 5u  b0  b1 e 10u  a0  a1 e 15u  
f 01 5  f 51 5  c1  c0  2  b0  b1 e5u  3 b0  b1 e10u  a0  a1 e10u  
f 02 5  f 52 5  c1  c0  4  b0  b1 e 5u  9  a0  a1 e 10u  
 

  88 
  

D’où :  
b1  b0  3  a0  a1 e 5u  
c1  c0  3  a0  a1 e 10u  
d1  d 0  a 0  a1 e 15u  
 
Ainsi :  
f 5 t   d0  c0 e ut  b0 e 2ut  a0 e 3ut  e ut  e 5ut   a1 e ut  e 5ut   
3 3

 
Simplification de  f10 t   : 
 
f 5 10  f10 10  d2  d0  c0  c2 e10u  b0  b2 e20u  a0  a2 e30u  a1  a0 e10u  e5u   
3

f 51 10  f101 10  c2  c0  2  b0  b2 e10u  3 b0  b2 e20u  3 a1  a0 e10u  e5u   
2

f 5 2  10   f 10 2  10   c 2  c 0  4  b0  b2 e 10u  9  a 0  a1 e 20u  3  a1  a 0 e 10u  e 5u 3e 10u  e 5u   
 
D’où :  
b2  b0  3  a 0  a1 e 10u  3  a1  a 0 e 10u  e 5u   
c 2  c0  3  a 0  a 2 e 20u  3  a 0  a1 e 20u  e 10u   
d 2  d 0  a 0  a 2 e 30u  a 0  a1 e 15u  e 30u   
 
Ainsi :  
 
    
f 10 t   d 0  c 0 e ut  b0 e  2ut  a 0 e 3ut  e ut  e 5ut   a1 e ut  e 5ut   e ut  e 10ut   a 2 e ut  e 10ut   
3 3 3 3

 
La  fonction  d’actualisation  ne  dépend  plus  que  de  7  paramètres  au  lieu  de  13  du 
départ. En effet, elle dépend des paramètres suivants :  a0 , b0 , c0 , d0 a1 , a 2 et u. 
 
Les  splines  exponentielles  requièrent  une  étape  supplémentaire  dans  la  procédure 
d’estimation.  Comme  on  peut  le  constater  la  fonction  d’actualisation  dépend  de 
plusieurs  paramètres  dont  u  qui  a  à  lui  seul  une  interprétation  économique 
intéressante.  Vasicek  et  Fong  (1982)  ont  montré  que : u  lim f 0, s  . u est  considéré 
s 

comme étant le taux forward instantané pour un horizon infini. 
 
L’avantage de ce modèle tient à sa grande flexibilité qui lui permet de reconstruire 
toutes les formes de courbe rencontrées sur le marché. La méthode consiste à estimer 
les  paramètres  en  minimisant  l’écart  au  carré  entre  le  prix  de  marché  et  le  prix 
reconstitué à l’aide d’une fonction d’actualisation avec splines. 
  89 
  

Au  sein  de  l’équipe,  c’est  cette  méthode  qui  a  été  retenue  dans  le  cadre  de  la 
reconstruction des courbes de taux. 
 
Il  d’abord  faire  le  choix  d’une  forme  spécifique  pour  la  forme  d’actualisation.  On 
note  cf s j le flux de la j è me obligation à la date  s  et  f s  t ;   la fonction d’actualisation. 
Donc, à une date t , le prix théorique de la j è me obligation s’écrit : 
 
 j
P t   cf s j f s  t ;    
s

Et le prix de marché s’écrit : 
 
 j
Pt j  P t   t j   où  f 0;    1   constitue la contrainte de l’optimisation et   t j est le résidu 
non expliqué. 
 
Les résidus vérifient les conditions suivantes : 
 Ils sont nuls en moyenne : E  j   0,
 Ils sont non corrélés entre eux : C ov j ,  k   0, j  k ,
 Ils sont hétéroscédastiques : Var  j    2 j .
2

 
Le  vecteur  des  paramètres     est  obtenu  par  la  méthode  MCO  pondérés  sous 
contrainte. Pour mieux estimer le court terme de la courbe, l’idée est de donner plus 
de  poids  dans  la  minimisation  aux  obligations  de  maturité  courte.  Une  façon  de 
procéder est de choisir un poids égal à la duration de l’obligation : 
 j  Durationj  
Ce choix revient à résoudre le problème suivant : 
 
2
  j 

 Pt  Pt j
n

  arg min  
j 1  t j   
 
 
 
Ce qui revient à dire que plus une obligation a une maturité longue, plus difficile est 
son prix à estimer. 
 
  Ce qui revient à écrire les splines dans la base des B­splines: 
 

  90 
  

 B0   0  1 * (1  exp(taux C * s))   2 * (1  exp(taux C * s))2   3 * (1  exp(taux C * s))3 s  0, s0 


 

 B1  B0   4 * 1  3 *
 

 
1  exp(taux C * s)  1  exp(taux C * s)   1  exp(taux C * s)  
2 3
 3 *      s  s0 , s1 
1  exp(taux C * s0 )  1  exp(taux C * s0 )   1  exp(taux C * s0 )  
 
1  exp(taux C * s)  1  exp(taux C * s)   1  exp(taux C * s)  
2 3

B
 2  B   *  1  3 *  3 *     
 1  exp(taux C * s )   1  exp(taux C * s )   s  s1 , s2 
1 5
 1  exp(taux C * s1 )  1   1  
 


  2 3

 B  B   * 1  3 * 1  exp(taux C * s)  3 *  1  exp(taux C * s)    1  exp(taux C * s)   s  [ sn ,[
 n 1 n n4
 1  exp(taux C * sn )  1  exp(taux C * s )   1  exp(taux C * s )  
  n   n  

     Avec  tauxC  u.  
 
 Le modèle des splines naturelles : 
 
Il  faut  voir  les  splines  naturelles  comme  étant  deux  conditions  en  plus  que  l’on 
rajoute aux équations des splines cubiques. Concrètement, une spline est naturelle si 
son  accélération  à  ses  points  extrémités  est  nulle.  Ses  contraintes  permettent  de 
calculer les polynômes des bords.  
Je m’explique : 
On sait que, les splines cubiques permettent d’obtenir une courbe de classe  C 2 donc 
avec une continuité de la tangente et de la courbure y compris aux nœuds. 
Notons  S   notre  interpolation  et  considérons  un  ensemble  de  n+1  nœuds  t 0 , t1 ,..., t n  
pour lesquels la courbe à interpoler vaut i 0,...,n   S t i   N i . 
Considérons maintenant un des intervalles sur lesquels il faut définir la courbe : soit c 
on note le   polynôme définissant  S  sur ce segment S l . 
Les conditions sur  S  sont donc : 
 
 l 0,...,n                      S t l   N l ; 
 l  0,...,n  1  S l(1) (t l 1 )  S l(11) (t l 1 )  ; 
 l  0,...,n  1  S l( 2) (t l 1 )  S l(21) (t l 1 )  ; 
 
Chaque polynôme  S l  est donc défini de manière unique car il y a 4 conditions pour 
un polynôme de degré 3 (et donc avec 4 coefficients), à l’exception du premier et du 
dernier segment car ils n’ont qu’un intervalle adjacent. Maintenant, si on choisit de se 
placer  dans  le  cadre  des  splines  naturelles,  nous  avons  donc  deux  conditions 
supplémentaires : 
 
 S 0( 2)  0  
 Sn(21)  0  
 
  91 
  

Tous  les  polynômes  sont  donc  uniques  et  dans  ce  cadre  les  dérivées  secondes  sont 
nulles aux extrémités. 
 
3. Applications
 
 Cas où les taux bruts sont renseignés dans le panier : 
  
  Nous disposons des données suivantes extraites de Reuters : 
 

 
 

                                            
 
 
 
 
 
 
 
 
 
 
 

  92 
  

Représentation graphique des données de la courbe gouvernementale OAT France : 
       

Courbe OAT France

0.045
0.04
0.035
0.03
0.025 Série brute (MID)
0.02 Série brute (BID)
0.015
0.01
0.005
0
1Y

3Y

5Y

7Y

Y
10

13

18

24

44
Maturités

       
 
  Reconstruction  de  la  courbe  grâce  aux  méthodes  de  reconstruction  décrites  ci­
dessus : 
 
 Par interpolation linéaire : 
 
Courbe OAT France

0.045

0.04

0.035

0.03

0.025 Série brute

Mid

0.02 Interpolation linéaire

0.015

0.01

0.005

0
1Y

3Y

5Y

7Y

9Y

Y
11

13

15

17

19

21

23

25

27

Maturités

       
 
 
 
 
 
 
 

  93 
  

 Par interpolation cubique : 
 
Courbe OAT France

0.045

0.04

0.035

0.03

0.025
MID

Courbe OAT France

0.02

0.015

0.01

0.005

0
1

10

13

16

19

22

25

28
Maturités

 
 
 Par splines cubiques (sans conditions aux limites) :  
 
L’algorithme de résolution d’un modèle à splines peut se décomposer en 3 étapes : 
 
A- O n modélise les prix zéro-coupons par une fonction spline cubique :

Soient  si i 1,..., n le panier des maturités par point de contrôle dont on dispose. On écrit 

alors le prix zéro­coupon sous la forme : 
Pt , s  ai  bi s  si   ci s  si 2  d i s  si 3  ; pour une maturité  s dans i, i 1  
On peut montrer que ceci revient à écrire le prix zéro­coupon sous la forme : 
Pt, s  1 1s  2 s2  3s3  4 s  s1 3  5 s  s2 3  ... n3 s  sn1 3  
Ce qui revient à écrire le prix zéro­coupon sous forme matricielle : 
Pt, s  1  X s     
Avec : 
 s 
 
 s 2

   1 ... n   ;  X s     et   un bruit. 

 
 s  s 3 
 n 1  

 
B- O n calcule le prix des obligations grâce aux prix des zéro-coupon
calculés :

  94 
  

s t
On a la formule suivante :  O t , s   N  Pt , s  t   c  N   Pt , i   
i 0

Avec : 
c le coupon versé par cette obligation, on prend ici le cas des obligations à taux fixe 
principalement les obligations d’état, 
N le nominal de l’obligation, 
P le prix d’une obligation dans le panier de maturité s. 
On  montre  que  l’on  peut  réécrire  le  prix  de  l’obligation  sous  la  forme  matricielle 
suivante : 
O t , s    0  Y s      . 
 
C­ On se ramène ainsi à un problème d’optimisation par MCO de la fonction 
qui est donc un problème linéaire : 
 

opt  arg min Omar ché  0  Y s 

2
 
La solution est connue et est donnée par la formule :   opt  Y 'Y  Y ' O mar ché   0   
1

Nous démontrerons la formule par la suite. 
On obtient les résultats finaux suivants : 
 Prix d’une obligation de maturité s et de nominal N dans le portefeuille : 
Ot , s   0  Y s   opt . 
 Prix du zéro­coupon de maturité s : 
Pt , s   1  X s    opt  
 
Courbe OAT France

0.045

0.04

0.035

0.03

0.025
Courbe OAT France
0.02

0.015

0.01

0.005

0
1
3

5
7

9
11

13
15

17
19

21
23

25
27

 
 

  95 
  

Graphique  permettant  de  voir  la  différence  entre  la  courbe  de  base  et  les  trois 
méthodes de reconstruction : 
 
Courbe OAT France

0.045

0.04

0.035
Série brute
0.03
Interpolation linéaire
0.025
Mid

0.02 Interpolation cubique sur

toutes les données
0.015 Interpolation par splines (sans
CL)
0.01

0.005

0
Y
Y
Y
Y
Y
Y
Y
Y
Y
1Y
3Y
5Y
7Y
9Y
11
13
15
17
19
21
23
25
27
Maturités
 
 
 Par splines cubiques (avec conditions aux limites) : splines naturelles 
 
On veut que : 
2 2
 P t , s1   0  et  Pt , sn   0  
s 2 s 2
On obtient alors les contraintes suivantes sur les paramètres du modèle : 
 
  2  3 3 s1  0
  
 2  3 3 s n  3 4 s n  s1   3 5 s n  s 2   ...  3 n3 s n  s n1   0
 
D’où le prix zéro­coupon s’écrit sous la forme :     Pt , s  X s     
Avec :    1 ... n   
 
 1 
 
 s 
 s 2 
 s 3    3s s 2 
 1 
 s  s1 3    s s
X s     avec    n 1  s  sn1  et   un bruit. 
3

 s  s 2  3
   sn  sn1
  
  
 
 s  s n 1    
3

 
 s  s n    
3

  96 
  

On se ramène alors à un problème d’optimisation par la méthode des MCO sur les 
prix d’obligations comme étudié au cas précédent. 
 

Interpolation cubique naturelle

0.045

0.04

0.035

0.03

0.025 Interpolation cubique

0.02 naturelle

0.015

0.01

0.005

0
0.02
1.71
3.40
5.10
6.79
8.48
10.17
11.87
13.56
15.25
16.94
18.63
20.33
22.02
23.71
25.40
27.10
 
 
 Cas où les taux bruts ne sont pas tous renseignés dans le panier : 
 

            
 
Nous ne disposons pas des taux pour les maturités : 0.25 an, 0.5 an, 1 an, 20 ans, 25 
ans,  30  ans  et  50  ans.  Nous  calculons  donc  ces  taux  manquants  en  faisant  une 
interpolation  linéaire.  Les  taux  en  vert  représentent  les  résultats  obtenus.  Les 
maturités  en  rouge  sont  les  points  de  contrôle  de  la  courbe,  ces  points  de  contrôle 
sont déterminés par Reuters. 
  97 
  

 Reconstruction par interpolation cubique :  
 

 
 
  Voici la représentation graphique obtenue : 
 
2.500%

2.000%

1.500%

Séri e1
1.000%
Interpol ati on cubi que

0.500%

0.000%
5

9
10

15

20

25

30

50
25
33

0.
0.
3 33
08

 
0.

‐0.500%

 
 Reconstruction par splines cubiques naturelles:  
 
Courbe recalculée splines cubiques naturelles
0.025

0.02

0.015

0.01 Courbe recalculée splines cubiques naturelles

0.005

0
0.04
1.62
3.19
4.77
6.35
7.92
9.50
11.08
12.65
14.23
15.81
17.38
18.96
20.54
22.12
23.69
25.27
26.85
28.42
30.00
31.58
33.15
34.73
36.31
37.88
39.46
41.04
42.62
44.19
45.77
47.35
48.92

‐0.005
 
 
  98 
  

 Reconstruction par splines cubiques exponentielles:  
 
2.500%

2.000%

1.500%

Bruts
1.000% Recalcul
Lissage prod

0.500%

0.000%
5

9
10

15

20

25

30

50
25
33

0.
0.
33
3
08

 
0.

‐0.500%

 
La courbe grise nommée « Bruts » représente la courbe des taux bruts extraits de la 
base. 
La courbe verte nommée « Lissageprod » représente le résultat du lissage effectué au 
sein de la production d’Amundi. 
La courbe marron nommée « Recalcul » représente le résultat de reconstruction de la 
courbe par la méthode des splines exponentielles. 
 
On voit que les trois courbes se superposent de la maturité 2 ans à la maturité 15 ans.
La reconstruction de la courbe ainsi que le lissage effectué à la production sont
similaires entre ces deux maturités. Il y a cependant un écart pour la partie basse et
pour la partie haute, il doit donc y avoir un traitement particulier et quelques règles
utilisées au sein de la production que nous expliquons dans ce qui suit.

Nous commençons par modifier la courbe Govies :

 
 
  99 
  

Nous reprenons le cas de la courbe allemande et voici le cheminement suivi pour

l’obtention des points de la courbe utilisée pour le lissage :
 
FILTRE <3M 
AJOUT 
BRUT        +    
INTERPOLATION 
Taux Spot swap  Piliers d'interp.    
3W     3W     spot     1M    
2M     1M     3M     3M    
5M     2M     5M     6M    
8M     3M     6M     1Y    
11M     5M     8M     2Y    
2Y     6M     11M     3Y    
3Y  8M    1Y     4Y    
 
4Y  11M  2Y     5Y    
5Y     1Y     3Y     6Y    
6Y     2Y     4Y     7Y    
7Y     3Y     5Y     8Y    
8Y     4Y     6Y     9Y    
9Y     5Y     7Y     10Y    
10Y     6Y     8Y     15Y    
15Y     7Y     9Y     20Y    
18Y     8Y     10Y     25Y    
32Y     9Y     15Y     30Y    
      10Y     18Y     50Y    
      15Y     20Y          
      18Y     25Y          
      20Y     30Y          
      25Y     32Y          
      30Y     50Y          
      32Y                
      50Y                
 
 
 
 
 
 
 
 
 
  100 
  

4. Conclusion
 
D’un point de vue théorique, les méthodes indirectes d’interpolation sont clairement 
supérieures. Elles ont pour principal avantage d’être en accord avec les résultats de 
l’ACP et fournissent des résultats que l’on peut facilement interpréter financièrement. 
Comme on a pu le voir, on arrive à les réécrire avec un nombre de paramètres plus 
réduit et donc on passe d’un système avec contraintes à un problème d’optimisation 
sans  contraintes.  Elles  sont  aussi  faciles  à  implémenter  et  à  mettre  en  place.  Leur 
défaut principal reste cependant leur temps de calcul, elles sont très coûteuses. Leur 
implémentation requiert la mise en place d’algorithmes de minimisation non linéaires 
souvent longs à converger. 
 
En pratique, les résultats obtenus restent substantiellement différents en fonction du 
choix des points de contrôle. Aussi, lorsque l’on reçoit des données du flux Reuters 
(points  de  contrôle),  il  est  très  usuel  de  ne  pas  avoir  certaines  maturités  dans  le 
panier,  actuellement  les  maturités  manquantes  sont  recalculées  à  partir  d’une 
interpolation  linéaire  des  points  de  marché  obtenus,  ce  qui  peut  sembler 
contradictoire  avec  le  fait  de  vouloir  choisir  une  méthode  d’interpolation  pour  les 
courbes. 
 
Autre  point  à  souligner,  actuellement  les  courbes  brutes  sont  reconstruites 
directement à partir des courbes de marché obtenues du flux Reuters, or ces courbes 
sont inhomogènes et beaucoup trop variables pour qu’une méthodologie linéaire leur 
soient  directement  appliquées,  il  serait  donc  judicieux  d’interpoler  non  pas  les 
courbes de marché mais les courbes zéro­coupon implicites. 
 
Ces  deux  problématiques  pratiques  ont  été  résolues  en  appliquant  une  méthode 
paramétrique  et  en  se  ramenant  à  un  problème  d’optimisation.  Il  s’agit  en  effet  de 
paramétrer les zéro­coupons à l’aide d’un modèle à facteurs et après avoir recalculé 
le  prix des obligations  avec  ce  modèle,  trouver les  facteurs  qui  minimisent  l’erreur 
sur les prix de marché des obligations du panier. 
 
Au  sein  de  l’équipe  recherche  quantitative,  la  méthode  que  l’on  a  retenue  pour  les 
lissages  est  la  méthode  des  splines  cubiques  exponentielles  car  dans  le  cadre  du 
périmètre  REFTEC  est  qu’il  est  nécessaire  pour  reconstruire  les  maturités 
manquantes  de disposer  des  coupons versés  par  celles­ci  et cette  contrainte  est  très 
limitante dans notre cas. 
 
 
 
 
 
 
 
  101 
  

Conclusion Générale 
 
 
Dans ce mémoire, nous nous sommes intéressés à l’étude des courbes de taux. Pour 
ce  faire,  nous  avons  organisé  notre  plan  de  travail  de  telle  sorte  à  ce  que  nous 
répondons  à  un  maximum  de  problématiques  posées.  J’ai  contribué  au  projet  PFI 
d’Amundi en répondant à quelques questions se rapportant à la limitation des calculs 
internes  effectués.  Pour  cela,  on  a  comparé  REFTEC  et  Bloomberg  en  étudiant  les 
écarts  de  z­spread.  Aussi,  nous  avons  fait  évoluer  la  méthodologie  de  calcul  du 
spread govies et enfin nous avons réussi à connaître toutes les techniques de lissage 
utilisées dans Bloomberg et nous les avons mis en place pour les utiliser en interne. 
 
Ces résultats ont été présentés aux équipes de gestions, à la MOA Front et à l’équipe 
d’attribution  taux.  Ils  impacteront  essentiellement  un  changement  de  source 
d’alimentation des z­spread.  
 
La  gestion  crédit  a  prononcé  sa  préférence  pour  la  méthode  Bloomberg  qui  a 
l’avantage  de  ne  pas  présenter  de  saut  de  z­spread  au  passage  en  dessous  de  la 
maturité 1 an. 
 
L’équipe  de  gestion  solution  court  terme  n’utilise  pas  les  z­spread  des  maturités 
courtes  et  ne  voit  donc  pas  d’obstacle  à  passer  à  la  méthode  Bloomberg.  Il  faut 
cependant confirmer que le décommissionnement du pricer de REFTEC n’a aucune 
incidence sur la valorisation actuelle des Swaps dans les outils Front. 
 
Ensuite, nous nous sommes intéressés à la construction de trois courbes principales : 
la  courbe  Swap  avec  sa  particularité  taux  court  (Euribor)  et  taux  long ;  la  courbe 
Govies  en  expliquant  le  choix  des  instruments  utilisés  et  en  comparant  les  courbes 
Reuters de production et ceux de la recherche d’Amundi et enfin la courbe Inflation 
et taux réels. Pour cela, nous avons exploité toutes les sources de données d’Amundi, 
nous avons cherché dans la littérature tous les points essentiels à connaître pour leurs 
constructions et enfin nous avons réussi à retracer ces courbes et à les analyser. 
 
Après cela, nous nous sommes focalisés sur une partie importante qui est la partie des 
contrôles des courbes de taux. En effet, on a mis en place deux nouvelles méthodes 
qui ont permis d’aider le référentiel d’Amundi, qui aujourd’hui effectue ces contrôles 
visuellement.  Le  premier  contrôle  est  un  contrôle  de  séries  temporelles  qui  se  fait 
grâce  à  l’ACP  (Analyse  en  Composantes Principales),  il  permet  d’identifier  deux  à 
trois facteurs expliquant la quasi­totalité des mouvements de la courbe des taux zéro­
coupon ou des zéro­coupon associés. Le deuxième contrôle est construit à partir du 
calcul  des  taux  forward  sur  les  taux  zéro­coupon  Swap :  On  a  distingué  les  taux 
courts des taux longs en proposant des seuils adaptés. Dans la pratique, ces contrôles 
seront  mis  en  place  pour  tester  des  courbes  zéro­coupon  sans  accès  aux  plots  de 
marché et donc le test réagira au choix de la méthode d’interpolation : avec ou sans 
lissage des forward.  

  102 
  

 
Enfin,  nous  nous  sommes  penchés  sur  la  reconstruction  des  courbes  de  taux,  en 
mettant en application des méthodes de lissage. Nous avons distingué les méthodes 
directes et indirectes d’interpolation des courbes, nous avons mis en place toutes ces 
méthodes afin de les comparer pour finalement choisir la méthode de lissage que l’on 
utiliserait dans notre équipe. Nous avons finalement opté pour la méthode des splines 
cubiques  exponentielles  avec  des  traitements  supplémentaires  pour  les  maturités 
courtes. 
 
Ainsi,  nous  avons  réussi  à  répondre  à  un  bon  nombre  de  questions  posées,  il  est 
évident  que  l’on  peut  affiner  et  aller  plus  loin  dans  les  méthodes  de  contrôle  en 
mettant en place une interface pour les utilisateurs et là en l’occurrence pour l’équipe 
de  contrôle des  courbes d’Amundi, qui  eux ne  sont  pas  contraints  à  revoir  tous  les 
modèles mis en place et à les adapter en fonction de leurs contrôles. Notons que le 
nombre de contrôles des courbes est élevé et que donc l’utilisateur n’a pas le temps 
d’adapter  tous  les  codes  mis  en  place,  il  serait  donc  préférable  de  créer  toute  une 
interface  pour  les  aider.  Auquel  cas,  nous  aurons  fait  un  pas  important  dans  le 
contrôle  des courbes  de taux  et nous  aurons  été d’une  aide précieuse  pour l’équipe 
concernée. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
  103 
  

Bibliographie 
 

Bibliographie interne à Amundi : 

 P. Boulanger, M. Brière et S. de Laguiche (2009), Quel peut être  l’intérêt 

d’une  diversification  internationale  en  obligations  indexées  sur  inflation,
Crédit Agricole Asset Management.

 F.  Forchino  (2006),  Spécifications  fonctionnelles  du  pricer  CDS  Medi@+, 

Crédit Agricole Asset Management. 

 Sylvie de Laguiche (2010), La Recherche Quantitative , Amundi Asset

Management.

Ouvrages consultés : 
 
 The  Handbook  of  fixed  income  securities­  Frank  J.Fabozzi  with  Steven 
V.Mann 
 Produits  de  taux  d’intérêt  –  Méthodes  dynamiques  d’évaluation  et  de 
couverture­ Lionel Martellini & Philippe Priaulet  
 Interpolation  through  smoothed  splines­Research  Technical  Note­ 
RiskMetrics 
 J.C.  Hull,  Options,  Futures,  and  Other  Derivatives,  Prentice­Hall,  3°ed, 
1997 
 Carr,  P.,  D.  Madan,  “A  Note  on  Sufficient  Conditions  for  No  Arbitrage”, 
Preprint, Courant Institute, New York University (2004).
 Roger Lee. Implied volatility: Statics, dynamics, and probabilistic
interpretation. In Recent Advances in Applied Probability. Springer, 2004.
 BRIGO Damiano et MERCURIO Fabio (2001,2006)
Interest Rate Models : Theory and Practice. With Smile, Inflation and
Credit
 CHAZOT Claude et CLAUDE Patrick (1999)
Les Swaps - Concepts et Applications, Economica
 DODGSON Matthew et KAINTH Dherminder (2006)
Inflation-Linked Derivatives
Royal Bank of Scotland, Risk Training Course
 GEMAN Helyette, EL KAROUI Nicole et ROCHET Jean-Charles (1995)
Changes of numeraire, Changes of Probability Measure and Option Pricing
Journal of Applied Probability
 HULL John (2006)
Options, Futures and Other Derivatives
Sixth Edition, Prentice-Hall International
  104 
  

 JARROW Yildiray et YILDIRIM Yildiray (2003)

Pricing Treasury Inflation Protected Securities and Related Derivatives
using an HJM Model
Journal of F inancial and Quantitative Analysis, Vol.38, No.2
 MARTELLINI Lionel et PRIAULET Philippe (2000)
Produits  de  Taux  d’Intérêt  :  Méthodes  dynamiques  d’évaluation  et  de 
couverture, Economica
 MERCURIO Fabio (2005)
Pricing Inflation-Indexed Derivatives
Quantitative F inance 5(3), 289-302
 RONCALLI Thierry (1998)
La structure par terme des taux zéro : modélisation et implémentation
numérique. Application à la structure par ter me française du 10 février
1994 au 30 août 1996 Bibliographie
 WILHELMY Florent (2010)
Analyse des modèles de taux d’intérêts pour la gestion actif-passif
 E. Olléon-Assouan (2004), Techniques de marché des dérivés de crédit: les
swaps de défaut , dans Revue de la stabilité financière , N°4, Banque de
France.
 Pierre Clauss (2009), Gestion de portefeuilles - une approche quantitative ,
chapitre 3, ESSEC - filière finance.
 L. Martellini, P. Priaulet et S. Priaulet (2003), F ixed-Income Securities:
Valuation, Risk Management and Portfolio Strategies, chapitre 1, 3 et 4,
Wiley.
 Damiano Brigo, Fabio Mercurio (2006), Interest Rate Models - theory and
practice with Smile, Inflation and Credit , chapitre 1 et 2, Springer.
 Benjamin Mercier (2011), Introduction à Bloomberg, salle des marchés
financières Banque Nationale et HEC Montréal.
 Moorad Choudhry (2005), Learning Curve - Understanding the Z-Spread,
YieldCurve.com.
 Atkinson (1989), An Introduction to Numerical Analysis (2nd ed.), Section
2.8, John Wiley and Sons.
 R. P. Brent (1973), Algorithms for Mini mization without Derivatives ,
chapitre 4, Prentice-Hall.
 T. J. Dekker (1969), F inding a zero by m eans of successive linear
interpolation dans B. Dejon et P. Henrici, Constructive Aspects of the
Fundamental Theorem of Algebra , Wiley-Interscience.
 R. L. Burden, J. D. Faires (2000), Numerical Analysis (7th ed.),
Brooks/Cole.
 S. I. Dym (2010), The Complete Practitioner’s Guide to the Bond Market,
chapitre 7, McGraw-Hill Finance & Investing.

  105 
  

Mémoires et cours consultés : 
 Cours  « Modèles de la courbe des taux d’intérêt » de Philippe Priaulet. 
 Mémoire de M.Florent Lin « Reconstitution de courbe de taux zéro­coupon 
et  application  du  modèle  de  Jarrow­Yildirim  de  produits  dérivés  indexés 
inflation et taux du livret A ». 

Sites internet : 
 
http://www.insee.fr 
  
http://fr.wikipedia.org 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
  106 
  

Annexe 

Bloomberg 

Building the Bloomberg Interest Rate Curve –

Definitions and Methodology
By Vladimir Kushnir, Interest Rate Derivatives, Bloomberg L.P. September 2009.

Abstract The goal of this document is to describe the process of building interest rate curves in
Bloomberg terminal. We give short definitions of terms used, e.g. of different rates (simple rate,
continuously compounded forward rate, zero rate, etc.). We briefly describe the instruments used
in building the curve (cash rates, interest rate (IR) futures and IR swaps and others). Special
attention is given to discussion of a functional form of the curve (a.k.a. 4 interpolation methods)
and algorithms for building the curve under these different interpolations (curve stripping methods).
The discussion is limited to single-currency IR curves, no FX curves or basis curves are discussed
here.

Interest Rate Curve The Interest Rate (IR) curve is an object which allows one to calculate a
discount factor for every date within the curve range thus providing us with the present value of a
unit of currency (say, $1) at a specified date. It is used to calculate present values of a known set
of payments (cash flows). While in some situations one can construct an IR curve which takes into
account an additional discount due to risk of default of the counterparty, this document leaves the
discussion of default or credit risk out. For the sake of simplicity we will use an assumption that the
IR curves describe risk-free present values (PVs).

Another use for IR curves is to calculate projected forward rates between two dates (d1,d2) in the
future.  An  example  of  such  use  is  a  construction  of  payments  of  a  ‘floating  leg’  of  an  IR  swap 
which pays quarterly an amount of interest equal to 3-month LIBOR rate on a given notional
amount. While the actual payments which will be made in the future are not known until we reach
that point in time when the value of LIBOR is quoted, the present value (PV) of this stream of
payments is correct if we use current projections of forward rates from the presently known curve.

Definitions of Rates In this section we provide definitions of different conventions for quoting
interest rates such as simple spot rate, continuously compounded forward rate, etc., necessary for
discussion of instruments used to build an IR curve and used to describe the functional shape of
the curve.

The simple spot rate rs is defined by the following equation:

Here: d0 is the current date;

d is the date in the future;

D(d0,d) is the discount factor from the date d to present date d0,

t=t(d0,d) is the time interval between two dates (d0,d) in years.

The only formula in here which is not defined yet is the t=t(d0,d), e.g. the method of conversion of
a pair of dates (d0,d) into a time interval t in years. There is more than one way of doing this, and
some of such algorithms called Day Count Conventions are described in Appendix 1.

  107 
  

A simple forward rate rsf between two dates (d1,d2) in the future is defined as:

 
 
where t = t(d1,d2).  

A continuously compounded forward rate rcf(t) between two dates (d1,d2) in the future is defined
by the equation:

 
 
Here times T1 and T2 are equal to time intervals between date d0 now and dates d1 and d2 in
future correspondingly: T1=t(d,d1) and T2=t(d,d2).

The continuously compounded zero rate rcz is defined by equation:

Here time t is time interval between date d0 now and date d in the future.

Building the IR Curve

The process of building the IR curve a.k.a. curve stripping is a process of creating a curve object
which would correctly price a set of N given instruments, e.g. produces correct discount factors
and forward rates used in these instruments.

Let us consider the choice of instruments. Currently in Bloomberg curve building the instruments
belong to 3 groups:
1) cash or deposit rates;
2) IR futures or Forward Rate Agreements (FRAs);
3) IR swaps.

You can choose the set of instruments to use in curve construction when you type SWDF <GO>,
choose the country/currency, select the source 8 (custom curve), save this choice (1 <GO>) and
then click on the curve of interest. A screen like this should appear:

  108 
  

  109 
  

The first group usually covers the short-term part of the curve; the securities present in the market
are available up to a year (say, for USD or EUR). For the default Bloomberg USD curve these
rates are used up to 3 months.

The second group picks up where the first group ends (the method of connecting the cash and
future rates is discussed in Appendix 3). The futures time interval overlaps with swaps, so the
decision of where to switch from futures to swap rates is up to you, and as shown in the Fig.1a
above it is around 4 years for a default Bloomberg USD curve and 2 years for EUR curve. For
USD curve one can use IR futures, but for other curves, for instance, EUR curve 45, you can
choose between IR futures and FRAs, as shown on Fig. 1b.

The third group – swap rates – covers the time interval from where you decide to end the use of
futures or FRAs and up to 50 yrs for USD or EUR.

While the Bloomberg provides default Bloomberg curves, you can customize the curve by
choosing a different set of instruments using screens 1a-b, and save the result as a new curve
under a name that you choose and set it as a default curve for a given currency.

Now let us consider more closely each of these instruments and what kind of constraint on the IR
curve or what kind of equation it provides.

The cash rates are very straight-forward: we are given a simple spot rate rs as defined by formula
(1) for a given maturity time Tn. The corresponding equation to solve is:

Here the first term is the simple rate rs calculated using the curve being built for the time Tn equal
to the maturity of the n-th instrument.  
The FRAs provide us with the simple forward rates as defined by formula (2) rsf directly. The
corresponding equation to solve is:

Here the first term is the forward rate rsf calculated using the curve being built for the time interval
between Tn‐1 and Tn equal to the time period of the n-th futures or FRA.
The futures rates can be converted into IR forward rates rsf. To do this conversion, one can use a
convexity adjustment as discussed in Appendix 2. The adjustment is based on Hull-White IR
model where interest rates undergo a random walk with volatility σ and mean-reversion a. You can
modify the parameters of the model as seen in Fig. 1a.
The last group of securities used to construct the curve is IR swaps. The Interest Rate Swap is an
instrument which exchanges a stream of fixed rate payments on some notional M vs. a stream of
floating payments on the same notional. In the fixed leg the payments are calculated using a fixed
rate rsw defined at the inception of the swap:

Here ci is the i-th coupon payment;

rsw is the fixed rate, a.k.a. the swap rate;
M is notional amount (e.g. $10M);
ti is the time interval between inception and first coupon or i-th coupon and previous coupon.

On the last date together with the last coupon a notional is paid, at least formally as a part of each
leg’s  cash  flows.  (In  reality,  for  standard  vanilla  same  currency  swaps,  there  is  no  contractual 
requirement for this principal exchange between counterparties, and in general, only the difference
between payments actually changes hands. However, it makes the math simpler and more
intuitive if we assume that each leg of the swap contains a payment of the notional amount on a
final date, as if the fixed leg was a coupon-paying bond and the floater leg was a floating rate
note.)

  110 
  

The payments in the floating leg are calculated in almost the same way, except the rate in each
payment is a LIBOR rate at the time of the beginning of the corresponding time interval; so the rate
changes (or floats) with the changes in quoted LIBOR rate – that’s where the name floating rate 
comes from. Note that if the same IR curve is used both for projecting the floating rates and
discounting the future payments, the present value of a floating leg which includes the final
payment of notional is equal to the notional amount.

The swap at inception has two important parameters: time to maturity (e.g. 1y, 5y, or 50y) and the
swap rate rsw. There are also many other parameters, such as frequency of payments, etc. which
we will consider here as standard and therefore fixed. At the inception of an IR swap the swap rate
rsw  is chosen in such a way as to make the present value of the whole swap (with one leg paying
and another one receiving payments) equal to zero. The swap which satisfies this condition is said
to be at par. We have par swap rates quoted in the market as a function of maturity and usually
available for maturities starting from 1y and up to 50y. The corresponding equation to solve is:

 
Here Tn is the maturity of the n-th swap.

Now, we need to build the IR curve such that it will price all selected securities correctly, e.g.
satisfies the system of equations 5a-c.
To assure that we have a unique solution, the curve should have N degrees of freedom, where N
is the number of securities, e.g. equations 5a-c. This is achieved by constructing the curve
consisting of N pieces or time intervals: the first time interval starts at time T=0 (now) and intervals
end at times Tn  (here n=1 .. N; the time Tn  correspond to the maturity of n-th security e.g. date of
last payment) and having N independent parameters. Below we will consider two methods of
building a curve:

1. a bootstrap method,  where  each  of  curve’s  pieces  has  one  independent  degree  of  freedom 
varying which does not affect previous time intervals; in this case the curve is built by adjusting
one piece at a time and moving from shorter maturities to longer ones;
2. a global method where all or at least some degrees of freedom of the curve affect it’s shape 
everywhere, and therefore one needs to solve a general system of N non-linear equations with
N variables.

Currently, the BLOOMBERG PROFESSIONAL® service allows you to choose one of the 4
functional forms for the IR curve (a.k.a. interpolation methods): Type SWDF <GO>, choose 33)
More, then 24) User Preferences. The following screen appears:

  111 
  

On that screen one can choose 1 through 4 under “Interpolation Method”: 

1. Piecewise linear (Simple-compounded zero rate);

2. Smooth forward/Piecewise quadratic (Continuously-compounded forward rate);
3. Step-function forward (Continuously-compounded forward rate);
4. Piecewise linear (Continuously-compounded zero rate).

The interpolation method 1 - piecewise linear simple-compounded zero rate - means that the
simple rate rs defined by the formula (1) is a piecewise linear continuous function. An example of
the shape of the spot rate and forward rates as functions of time when using this interpolation
method is shown on Fig. 3a:

 
The interpolation method 2 - ‘smooth forward’ e.g. piecewise quadratic continuously-compounded
forward rate - means that the forward rate rcf defined by formula (3) is piecewise-quadratic. The
neighboring pieces of the forward curve are connected in such way that the first derivative of the
forward rate is continuous, which is reflected in name ‘smooth’. The building of the curve requires 
the global method as defined above. For details of the functional form of the curve see Appendix 4.
The process of solving the system of N non-linear equations is described in Appendix 5. An
example of the shape of the spot and forward rates as functions of time when using this
interpolation method is shown on Fig. 3b:

  112 
  

The interpolation method 3 - step-function forward continuously-compounded forward rate - means

that the forward rate rcf defined by the formula (3) is piecewise constant. An example of the shape
of the spot and forward rates as functions of time when using this interpolation method is shown
on Fig. 3c:

  113 
  

The interpolation method 4 - piecewise linear continuously-compounded zero rate - means that
the zero rate rcz as defined by the formula (4) is piecewise linear continuous function. An example
of the shape of the spot and forward rates as functions of time when using this interpolation
method is shown on Fig. 3d:

The three functional forms - 1, 3, and 4 - have one internal parameter per piece, allowing to modify
the behavior of one piece at a time while not changing the shape of the curve in previous pieces.
This makes it possible to build the curves of these types using the bootstrap method, as
mentioned above. It means that we build the curve from left to right, one piece at a time by solving
one equation at a time – we thus reduce the problem of solving a system of N equations with N
variables to N consecutive solutions of one equation with one variable. In programming terms it
means that we use 1-dimensional root finder N times.

In case of a smooth curve (interpolation method number 2) the situation is different. The curve is
defined in such a way that change in each internal parameter or degree of freedom affects the
shape of the whole curve, and therefore the solution of a non-linear system of N equations with N
variables in a general way. The functional form of this curve in current Bloomberg software is
described in Appendix 4. The algorithm of this solution is discussed in Appendix 5.

  114 
  

Conclusion

This document describes the process of building Bloomberg interest rate curves. We have
discussed definitions, systems of equations to solve and algorithms used to solve them. The four
different functional forms used by BLOOMBERG® for the IR curve are considered. We used an
assumption that the IR curve describes risk-free present values. However, in reality some of the
instruments used to build the curve have non-zero credit risk, which sometimes affects the shape
of the curve thus producing curves with unreasonable dips. Also some of the instruments could
have much lower liquidity (or frequency of quotes) than others, thus producing stale quotes. If the
curve contains unreasonable oscillations such as on Fig. 3c, which probably do not have a
financial meaning, this suggests that the choice of the instruments used to build the curve should
be revised. Keep these considerations in mind when choosing the instruments for IR curve
construction.

  115 
  

Appendix 1: Short Description of a Few Most Popular Day Count Conventions

According to day count convention called ACT/360 (where ACT is short for ACTUAL),

Here the operation d2 – d1 returns the actual number of calendar days between two dates.
Similarity, the rule ACT/365 works as follows:
 

 
 
In the rule ACT/ACT, each date counts as 1/366 if it belongs to a leap year and 1/365 otherwise.

The rule 30/360 is the most complicated one and aims to return the following fractions of the year:

 1/12 for two dates separated by one month

 ¼ for two dates separated by a quarter
 ½ for a half-a year
 1 for a year

We will omit here the description of an actual algorithm for this rule. It is not used in IR curves, it is
used when calculating coupon payments of some bonds or fixed legs of IR swaps. The intent of
this rule is for a periodically (say, quarterly) paying instrument to have interest rate payments more
or less constant despite the fact that actual number of days between the payments varies due to
different length of months.

In all formulas for calculating discount factors any rate, no matter simple or compounded, appears
only as a product r*t, where t is time in years calculated according to some day count convention.
Because the discount factor between two dates is fixed by the market, but day count convention is
ours to choose, we can get different times t using different day count conventions, and therefore
the corresponding rates will be different. Because of that, when quoting the rate, it is important to
note not only which rate it is (and frequency of compounding) but the day count convention too. In
this document every time we mention a conversion of a pair of dates into a time interval t in years,
it will be assumed that a day count convention is specified.

Appendix 2. Convexity Adjustment or Conversion of a Futures Rate into a Forward Rate

In this appendix we provide a short digest of discussions [1-4].

The forward IR agreement (FRA) is a simple instrument: at time t=0 (e.g. now) it guarantees that
one can receive a loan at time t1 expiring at time t2 at a rate of rsf  for some notional amount M.
Once we have reached the time t1, and the interest rate for a loan from that time to time t2 is known,
one can immediately short a loan for the same amount at a prevailing rate and have a guaranteed
risk-free payment of the difference at time t2.  Discounting that difference to time t1, one can
immediately settle the contract for this amount at time t1. At time t=0 the rate rsf is chosen such that
the present value of such contract at inception is 0.

The futures contract is slightly different: instead of being settled once at time t1, it is settled at the
end of each business day between the inception and t1  in such way as to bring the PV of the
contract to 0.

Hull [1] argues that when interest rates are constant, forward and futures rates would be the same.
However, under more realistic assumptions that the interest rates undergo some kind of random
process, this difference in the method of the settlement causes the rates of forward and futures
contracts to differ slightly:

  116 
  

 
Where the expressions for convAdjustment are discussed below.

Under the Hall-White model the instantaneous forward rate undergoes a random walk with mean
reversion described by SDE:
 
 
 
Here r is an instantaneous continuously compounded interest rate;

- σIs the constant volatility of this rate;

‐  a is the constant mean-reversion coefficient;
- θ(t) is a function of time which is chosen to match the prices of the known instruments, e.g. bonds
or IR swaps (a procedure of calculating this function is called calibration of the model).

Under this model the convexity adjustment is calculated as [2]:

Where

In the limit of mean-reversion coefficient, the Hall-White model becomes a Ho-Lee model: 0→a
 

and the expression (2.3) for the convexity adjustment becomes [4]:
 
 
 
This is the simplest formula for convexity adjustment used to convert futures rates into forward
rates. This makes the back-of-the-envelope calculations more convenient, and has a more intuitive
feel for the order of magnitude and behavior of the convexity adjustment.

The Bloomberg implementation is close to the one given by expressions (2.3-2.4) with additions to
convert the rates compounded according to the specifications of the contract (for instance, if the
loan is for t2-t1=3 mo, the rate is compounded quarterly) into continuously compounded rate and
back.

Appendix 3: Stub Rate or Connecting the Cash Rates and Futures

There are two possible scenarios:

1. The cash rates end at the date or after the futures (or FRAs) start
2. Cash rates end before the futures start

In the first scenario the discount factor at the first futures date is calculated using interpolation of
cash rates. This is the case with the default Bloomberg curve for USD.

In case of the second scenario there exists a time gap between the end of the cash rates and start
of the futures, and we need to make an estimate of a rate in this gap in order to extend the curve
to the point where the futures start. For historical reasons, this point is called a stub, and one can
see whether the scenario 2 has occurred when you type SWDF 23 <GO>, unselect enough cash
rates and/or futures. Press <GO> to save your changes and then click on the 21) Stripped Curve
tab. If you see the stab point shown on Fig. 4, we have the scenario 2.
  117 
  

In case of the scenario 2 we have further two sub-cases:

- Among cash rates there is a rate with a tenor which matches the tenor of the futures, (e.g. 3mo)
- In this case a) is false

In case a) the software does interpolation between the cash rate with the same tenor as futures
and the first futures rate, i.e. the rate in the gap is assumed to be an average of the cash rate and
futures rate. Otherwise the first futures rate is extrapolated into the gap between the cash and
futures.

Appendix 4: Functional Form of Smooth Curve (Piecewise Quadratic Forward Rate)

The functional form of this curve is the piecewise quadratic continuously compounded forward rate
rcf. The first derivative of the rate is continuous over the borders between the pieces. Also the first
derivative of the forward rate is zero at the beginning and at the last maturity time:

The discount factor of the smooth curve is defined as:

Where the log discount factor L(t) is:

  118 
  

 
 
Here Tn  is the maturity of the n-th security used to build the curve, e.g. the end time of the curve’s 
n-th piece;

The summation is done for all n=1 .. N-1 such that Tn  < t, which leads to a curve L(t) being
piecewise cubic. At each time t=Tn  a new additional cubic polynomial starts to the right from the
point t=Tn in a manner which assures that first and second derivatives of L(t) are continuous.

The coefficients (where n=0 .. N-1) are the independent parameters. The last is not an
independent parameter, but defined as: nλNλ
 

 
 
The parameter P is defined as:

This choice of P assures that for t>TN  the cubic term in L (and quadratic in forward rate) is zero.
The choice of similarly assures that for t>TN  the quadratic term in L (and linear in forward rate) is
zero. The curve is ‘smooth’  e.g.  the  forward  rate  has  a  continuous  first  derivative.  The  curve 
described above satisfies all the boundary conditions, e.g. continuous first derivative of the forward
rate between the pieces or zero derivatives at the ends of the curve by construction, and it has N
degrees of freedom. However, it is easy to see that change in any parameter, where n=0 .. N-1,
leads to changes in and P and thus affects the value of the function everywhere. Therefore to build
a curve one needs to solve a system of N non-linear equations with N variables in a general way,
which is described in Appendix 5.

Appendix 5: Building a Smooth Curve: Solving Non-linear System of N Equations with N

Variables

One of the algorithms for solving a system of N non-linear equations with N variables is an N-
dimensional Newton-Raphson method.

Let us start with one-dimensional version of this algorithm. Suppose, we need to solve an
equation:
 

In Newton-Raphson method we also assume that for any x we know a first derivative df/dx  (this
means that we have a fast and exact way of calculating it, and in computer programming terms it
means that we have a separate function which returns this first derivative).

One can see that if we have the current value of the function f(xi), one needs to correct xi  in first
approximation by
 

 
 
and therefore the value of x for next iteration is:

  119 
  

One continues these iterations until a condition of the type both is satisfied.

Now let us consider the N-dimensional version of the same: we have an N-dimensional vector
function of an N-dimensional vector . Given some current approximation to the solution,  the next
iteration can be found as:

Where is found as a solution of:

Here J is an N x N Jacobian matrix defined as

 

 
 
The initial approximation to the solution is found using one of the interpolation methods which uses
the bootstrap algorithm, for instance, interpolation method 1 (linear simple rate). Then we use
iterative multi-dimensional Newton-Raphson process described above. 0x

References

[1] John C. Hull, Options, Futures and Other Derivatives, 4th edition, Appendix 3B on p. 85, 6th
edition – Appendix on p. 127.

[2] John C. Hull, Options, Futures and Other Derivatives, 5th edition, chapter 23, page 566;
Same in Fourth edition: formula (21.32) on p. 595; absent in 6th edition.

[3] G. Kirikos and D. Novak, Convexity Conundrums, Risk, March 1997, pp 60-61

[4] John C. Hull, Options, Futures and Other Derivatives, 6th edition, formula (6.3) on p. 140.
Same in 4th edition: see section 21.16 on p. 595.

  120