Vous êtes sur la page 1sur 21

Stress testing et thorie des valeurs extrmes: une vision quantie du risque extrme

Arnaud Costinot, Gal Riboulet, Thierry Roncalli Groupe de Recherche Oprationnelle Crdit Lyonnais France 15 Septembre 2000

Rsum

Les banques ont aujourd'hui la possibilit de mettre en place un modle interne de risque de march. L'une des composantes indispensables de ce modle est la cration d'un programme de stress testing. Cet article prsente un outil potentiel pour la construction d'un tel programme: la thorie des valeurs extrmes. Aprs avoir rappel la rglementation propre au stress testing et les principaux rsultats de cette thorie, nous montrons comment les utiliser pour construire des scnarios unidimensionnels, multidimensionnels et enn pour quantier des scnarios de crise labors partir de mthodologies direntes. Aux considrations mthodologiques sont adjoints les rsultats des simulations que nous avons ralises sur direntes sries nancires. Mots cls: copules, fonction de dpendance de queue stable, thorie des valeurs extrmes, stress testing.

Abstract

Today, banks have the possibility to implement an internal model of market risk. One of the indispensable component of this model is a stress testing program. This paper presents a potential tool able to sustain such a program: the extreme value theory. After we give the stress testing regulation requirements and the main results of this theory, we show how to use them both to build univariate and multivariate scenarios as well as to quantify scenarios derived from other methodologies. Besides methodological issues, we give the results of our simulations on dierent nancial series. Key Words: copulas, stable tail dependence function, extreme value theory, stress testing.

Depuis l'amendement de Ble en janvier 19961 , les banques soumises des risques de march, ont la possibilit de calculer le niveau de fonds propres rglementaires par un modle interne. C'est la mthodologie VaR qui est le fondement de ces modles mais elle doit imprativement tre complte par l'utilisation d'un programme de simulations de crise; d'une part, court terme, pour que le modle interne puisse tre valid par la Commission Bancaire; d'autre part, plus longue chance, pour que le risque soit bien gr au sein de la banque, et tienne compte, notamment, des pertes importantes lies des vnements de probabilit d'occurence faible. Un outil potentiel pour la construction d'un tel programme est la thorie des valeurs extrmes. L'intrt de cette thorie en nance et, en particulier, en matire de stress testing, est dj avr. On peut citer cet gard Embrechts, Klppelberg et Mikosch [1997] et Longin [1999]. Nanmoins l'utilisation de la thorie des valeurs extrmes reste encore marginale en pratique. En eet, si l'on s'en rfre l'enqute mene par Deloitte & Touche en 1999 auprs de 200 banques dans le monde sur le Risk Management et publie en mai 2000 dans la revue Banque Magazine : seulement 5% des banques utilisent aujourd'hui la thorie des valeurs extrmes et 24% l'envisagent pour l'avenir. C'est pourquoi notre article a choisi de mettre en exergue les points forts de la thorie des valeurs extrmes dans la perspective de la rglementation actuelle. Notre article est structur de la manire suivante: aprs avoir rappel la rglementation propre au stress testing en 1 et les principaux rsultats de cette thorie en 2, nous montrons comment les utiliser pour construire des scnarios unidimensionnels en 3, multidimensionnels en 4 et enn pour quantier des scnarios de crise labors partir de mthodologies direntes en 5. Aux considrations mthodologiques sont adjoints les rsultats des simulations que nous avons ralises sur direntes sries nancires. D'un point de vue technique, cet article propose une nouvelle approche pour crer des scnarios unidimensionnels en combinant mthodes paramtriques et semi-paramtriques; il propose galement des prolongements possibles de ces deux mthodes un cadre multidimensionnel l'aide des copules et de la fonction de dpendance de queue stable. ces deux derniers dveloppements reposent essentiellement sur les travaux de Deheuvels [1978] et Straetsman [1998]. D'un point de vue conceptuel, nous gnralisons l'emploi de la notion de temps de retour, comme chelle du risque extrme, aux dirents types de scnario de crise. Notre conclusion reviendra sur les avantages et les limitations actuelles de cette dmarche.

1 Les exigences rglementaires du stress testing


Elles sont toutes entires contenues dans les recommandations du Comit de Ble de janvier 96 voqu plus haut. Il y est stipul que : 1. Les tablissements qui utilisent leurs modles internes pour satisfaire leurs exigences de fonds propres pour risques de march doivent se doter d'un programme de simulations de crise la fois rigoureux et complet. Ces simulations qui permettent d'identier les vnements susceptibles d'avoir une forte incidence, doivent tre adaptes au niveau d'activit et de risque des tablissements. 2. Pour les tablissements ayant une activit signicative de march, les simulations de crise doivent satisfaire aux principes suivants : (a) Elles doivent couvrir toute la gamme des facteurs pouvant donner lieu des prots ou pertes exceptionnels ou rendre trs dicile la matrise des risques. Ces facteurs comprennent des vnements probabilit rduite pour tous les grands types de risque, notamment les diverses composantes des risques de march et de crdit. Les scnarios de crise doivent rvler l'impact de ces vnements sur les positions ayant des caractristiques de prix la fois linaires et non linaires dans le cas des options et instruments comportement similaires;
1 Amendement de Ble l'accord sur les fonds propres pour son extension aux risques de march (janvier 1996).

(b) Elles doivent revtir un caractre quantitatif et qualitatif, de manire valuer les consquences des perturbations importantes des marchs et identier des situations plausibles susceptibles d'entraner de grandes pertes potentielles. En outre, l'tablissement doit dresser l'inventaire des mesures prendre pour rduire ses risques et prserver ses fonds propres ; (c) Un premier type de scnario consiste tester le portefeuille courant dans les situations passes de perturbations majeures, en tenant compte des fortes variations de prix et de la vive rduction de la liquidit associes ces vnements. Un deuxime type de scnario value la sensibilit des positions de march aux modications des hypothses de volatilit et corrlations, ce qui ncessite une mesure des marges de uctuations de ces valeurs dans le pass et un calcul sur la base des chires extrmes; (d) Des scnarios doivent notamment comprendre les situations que l'tablissement identie comme tant les plus dfavorables sur la base des caractristiques de son portefeuille. Il communique la Commission Bancaire une description de la mthodoogie utilise pour identier les scnarios et mesurer leur impact. 3. Outre les simulations ralises par les tablissements eux-mmes, la Commission Bancaire peut leur demander d'valuer l'impact de scnarios qu'elle a dnis et de lui communiquer l'ensemble des conclusions. Il est tout d'abord important de noter qu'il n'existe pas aujourd'hui de standard plus prcis pour l'laboration des scnarios de crise. On pourra se contenter dans un premier temps d'avoir l'esprit la problmatique suivante : un programme de simulation de crise doit tre en mesure de rpondre ces trois questions:

Quelles seront les pertes si le scnario X se produit? Quels sont les pires scnarios pour l'institution? Que pouvons-nous faire pour limiter les pertes dans ce cas?
Sachant par ailleurs que l'intrt de ces simulations est de pouvoir inuencer directement les choix de la direction en matire de gestion du risque, il faut avoir en tte deux autres exigences:

la crdibilit du scnario aux yeux de la direction de la banque; la bonne lisibilit pour cette dernire de l'exposition du portefeuille aux dirents facteurs de risque.
Pour rpondre ces exigences, la mthode fonde sur la thorie des valeurs extrmes propose de crer des scnarios de crise en caractrisant la loi des extrema (sur un pas de temps x et pour une priode historique donne ou au dela d'un certain seuil) d'une ou plusieurs sries nancires identies comme les facteurs de risque de notre portefeuille. Les scnarios de crise sont ensuite dnis comme des variations sur ces sries dont la probabilit d'occurence est trs faible. An de rendre plus intuitive cette dmarche, nous utilisons la notion de temps de retour, dj introduite dans Boulier, Dalaud et Longin [1998] sous le nom de priode de retour. Cette dernire y est dnie comme l'inverse de la probabilit que les variations extrmes dpassent un seuil x. Ainsi le temps de retour peut s'interprter simplement comme le temps moyen qui spare deux dpassements du seuil. A l'aide de cette notion, construire un scnario de crise consiste fournir pour un temps de retour pralablement choisi  correspondant au degr de gravit du scnario  la ou les variations journalires extrmes associes pour chacun des principaux facteurs de risque du portefeuille de la banque. Il est important de noter que, pour obtenir ces variations, on n'utilise que les valeurs historiques et les rsultats sur les extrmes qui sont prsents en 2 et que, puisque la loi des extrema est compltement dtermine, les scnarios de crise peuvent tre associs des temps de retour trs longs et dpassant donc de loin la taille de nos bases de donnes. Dans un cadre unidimensionnel, ce type d'approche permet de comparer l'impact des dirents facteurs, toute chose gale par ailleurs, sur le portefeuille, pour un temps de retour et donc un niveau de crdibilit x. 3

C'est ce que nous dvelopperons en 3. Nanmoins ce qui fait la lisiblit de la mthode (impact de chaque facteur pris isolment), induit aussi un dcit intrinsque de crdibilit (absence de prise en compte des corrlations). Pour y remdier, il nous faut travailller dans un cadre multidimensionnel et fournir le temps de retour, non plus associ la variation d'une srie, mais bien un scnario complet. Ce point sera dvelopp en 4. La section suivante prsente les principaux rsultats de la thorie des valeurs extrmes utiles en stress testing.

2 Prsentation de la thorie des valeurs extrmes


2.1 Cadre d'analyse
Supposons donnes n variables alatoires (va) X1 , ..., Xn iid de fonction de rpartition F dnie par

F(x) = P(X x)
Une manire simple d'tudier le comportement des vnements extrmes est de considrer la variable alatoire

Mn = max {X1 , ..., Xn }


Pour notre tude, Mn reprsente la plus grande perte observe sur les n pertes observes X1 , ..., Xn (nous adopterons la convention que la perte est un nombre positif). Comme les va sont iid on obtient facilement

P {Mn x}

= P {X1 x, ..., Xn x} n = [F(x)]

La dicult provient du fait que l'on ne connait pas en gnral la fonction de rpartition F. C'est la raison pour laquelle on s'intresse au comportement asymptotique de la va Mn . Ainsi en exhibant la loi ou la famille de loi vers laquelle Mn va converger, on pourra remplacer Fn par cette dernire pour des grandes valeurs de n.

2.2 Rsultats unidimensionnels


2.2.1 Un thorme limite: le thorme de Fisher-Tippet
C'est ce thorme qui justie l'utilisation de la thorie des valeurs extrmes dans la construction de scenarios de crise puisqu'il permet de caractriser la fonction de rpartition des extrmes. Il s'nonce comme suit:

S'il existe des constantes an > 0 et bn telles que :


n

lim P{

Mn bn x} = G(x) an

pour une fonction de distribution G non dgnre, alors G appartient l'un des trois types suivants :
G(x) T ype I Gumbel = exp(ex ) xR T ype II F rechet G(x) G(x) = = 0 si x 0 exp(x ) si x > 0, > 0 T ype III W eibull exp( (x) ) si x 0, > 0 1
si x > 0 4

G(x) = G(x) =

Ces trois types de distribution peuvent se rsumer de manire unique sous la forme condense:

G(x) = exp 1 +
dni sur le support

x:1+

>0

Cette fonction de distribution correspond la loi de probabilit de Von Mises, mais elle est plus connue sous le nom de Generalized Extreme Value distribution (GEV) . Nous avons alors les correspondances suivantes:

F rechet W eibull Gumbel

= =

1 > 0 1 < 0 0

Il convient de noter l'importance particulire de la premire de ces trois lois puisque c'est vers une Frchet que tendent les distributions queue paisse. Or empiriquement, on constate  cf Boulier, Dalaud et Longin [1998]  que la plupart des sries nancires, et en particulier toutes celles considres dans notre article, sont queue paisse.

2.2.2 Les proprits du domaine d'attraction de la distribution de Frchet


Il convient tout d'abord de dnir ce que l'on nomme domaine d'attraction:

On dira qu'une variable alatoire X (de fonction de rpartition F) est dans le domaine d'attraction d'une distribution extrme H s'il existe des constantes de normalisation an > 0 et bn telles que:
1 an (M n b n ) H d

Nous dirons alors que F M DA(H).


Avec ces conventions, la caractrisation du domaine d'attraction de la Frchet (dont la fonction de distribution sera note ) peut s'crire de la faon suivante:

M DA( ), > 0 si et seulement si F = 1 x L(x) avec L variant lentement 2 .


d

De plus,

si F M DA( ) alors a1 Mn H avec an = inf{x n

: F (x) 1 n1 }

On a dj dit que toutes nos sries  en tant que sries queue paisse  seront dans ce domaine d'attraction. Nous verrons comment mettre prot ces proprits dans le cas d'une approche dite semi-paramtrique. Notons ds prsent qu' la dirence du thorme de Fisher-Tippet, nous dduisons ici en plus des proprits propres la fonction de rpartition des extrema, des proprits de la fonction de rpartition initiale.

2.3 Rsultats multidimensionnels


La plupart des rsultats prsents ici pourraient se gnraliser au cas de dimensions plus leves mais par souci de clart, nous resterons toujours dans un cadre bidimensionnel. Cette restriction est par ailleurs peu contraignante puisque lors de nos implmentations, seuls seront utiliss les rsultats bivaris. 5

2.3.1 Thorie des extrmes bivarie


Considrons un vecteur (X1 , Y1 ), (X2 , Y2 ), ...., (Xn , Yn ) de variables i.i.d avec une fonction de rpartition commune F(x, y). Soient Xn =max(Xi ) et Yn = max (Yi ) alors la probabilit que la paire (Xn , Yn ) soit sous des seuils respectifs x et y vaut: n P {Xn x, Yn y} = [F(x, y)] A l'instar des dnitions donnes dans un cadre univari, nous crivons galement:

S'il existe des constantes an > 0, bn , cn > 0 et dn telles que :


n

lim P

Yn dn Xn bn x, y an cn

= G(x, y)

pour une fonction de distribution G non dgnre, alors G est appele fonction de rpartition extrme bivarie et F est dite dans le domaine d'attraction de G.
Le lien avec la thorie des extrmes univarie est obtenue via les marginales de G. On a:

G1 (x) = G(x, +) = lim P{


n

Xn bn x} an Yn dn y} cn

et

G2 (y) = G(+, y) = lim P{


n

On reviendra de faon plus prcise sur les liens entre marginales et fonction de rpartition extrme dans le paragraphe consacr aux copules. Dans le paragraphe suivant, on propose une rcriture de la convergence vers les lois extrmes bivaries en termes de fonction de dpendance de queue stable.

2.3.2 Fonction de dpendance de queue stable


La fonction de dpendance de queue stable (STDF) est le point central de l'approche de Straetmans [1998]. On dnit cette fonction comme suit:

Soit F la fonction de distribution de (X, Y ) avec Qi = (1 Fi )1 les quantiles associs aux marginales. Supposons galement que les marginales varient rgulirement en queue de distribution avec des indices de queue 1 et 2 . S'il existe une fonction lf : R2 R+ , telle que pour tout u, v 0 : +
lf (u, v) =
t+0

lim t1 [1 F (Q1 (tu), Q2 (tv))]


1 1

(1)

= lnG u 1 , v 2

alors lf est la fonction de dpendance de queue stable (STDF) de F.


Les proprits de cette fonction dcoulent directement des rsultats de la thorie des extrmes bivarie. On en retiendra que la STDF est homogne de degr 1 et que son existence est quivalente celle de la loi extrme bivarie G pour les sries des maxima, les marginales tant dans le domaine d'attraction de la Frchet. Une dmonstration de ces rsultats a t donne dans  Mesure de la dpendance extrme et scnarios de stress bivaris, l'approche de Stefan Straetsman  de Costinot, Riboulet et Roncalli [2000b]. Lors de la mise en uvre de l'approche de Straetsman [2000], on supposera qu'il y a bien existence de la STDF pour toutes les sries nancires considres.

2.3.3 Copules et copules extrmes


La dpendance entre les variables alatoires est parfaitement dcrite par leur distribution jointe. On peut toutefois sparer le comportement des distributions marginales de la structure de dpendance. Ce sont les copules qui permettent de relier la densit jointe aux densits marginales. Le rsultat fondamental en la matire est le thorme de Sklar:

Soit H une fonction de distribution avec des marginales F1 , . . . , Fn . Alors il existe une copule C telle que n pour tout x = (x1 , . . . , xn ) R
H (x1 , . . . , xn ) = C (F1 (x1 ), . . . , Fn (xn ))
(2)

Si les F1 , . . . , Fn sont toutes continues, alors C est unique; sinon la copule C est dtermine de manire unique sur F1 (I) . . . Fn (I). Rciproquement, si C est une copule et F1 , . . . , Fn des fonctions de distribution, alors la fonction H dnie par (2) est une fonction de distribution de marginales F1 , . . . , Fn .
Une telle dichotomie entre marginales et structure de dpendance va nous permettre de simplier considrablement l'tude des problmes multidimensionnels. En eet, grce la thorie des extrmes univarie, on sait que les marginales G1 et G2 introduites prcdemment suivent des distributions de Frchet. Il ne nous reste donc plus qu' nous focaliser sur la structure de dpendance. Or nous disposons pour cette tude d'un nouvel outil: les copules extrmes. L'introduction des copules extrmes se fait par l'utilisation du rsultat suivant: Si G est une fonction extrme bivarie alors la copule associe est une copule extrmece qui signie qu'elle vrie l'quation fonctionnelle suivante: C xt , y t = Ct (x, y) (3) Ce rsultat est dmontr dans Deheuvels [1978]. On remarque nanmoins que mme si ce type de rsultat s'apparente ce que l'on obtient dans un univers unidimensionnel avec le thorme de Fisher-Tippet, c'est-dire une caractrisation de l'ensemble des fonctions potentiellement extrmes, on passe d'un ensemble de trois fonctions un espace de dimension innie.

3 Application la construction de scnarios de crise unidimensionnels


L'utilisation de la thorie des valeurs extrmes dans un univers unidimensionnel est un sujet qui a dj t amplement dbattu. Pour une prsentation plus dtaille des mthodologies des deux paragraphes suivants, on pourra se reporter Embrechts, Klppelberg et Mikosch [1997].

3.1 Approche paramtrique


Cette approche repose exclusivement sur l'utilisation du thorme de Fisher-Tippet. A partir de la srie initiale, nous crons la srie des extrema ( la hausse ou la baisse) pour des horizons xs n jours (ce qui s'interpte simplement comme le pire n jours). Une fois ces sries extraites pour direntes valeurs de n, on suppose que l'on se trouve dans une zone o n est susamment grand pour qu'il y ait pu avoir un dbut de convergence vers la loi extrme correspondant au domaine d'attraction de la loi initiale. Ensuite il ne reste plus qu' calibrer les paramtres de la GEV (qui pour nous sera toujours une Frchet): , et l'aide d'estimateur statistique standard de type maximum de vraisemblance. Le travail statistique ayant t fait en amont, les scnarios de crise s'obtiennent maintenant trs simplement. En eet, dans le cas d'une GEV, l'expression du quantile xp tel que G(xp ) = p est la suivante :

xp =

1 ( ln(p)
7

Ici, le quantile xp reprsente la valeur pour laquelle la probabilit de dpassement est de p. Nanmoins, comme on l'a voqu en 1, on prfrera par la suite associer au quantile la notion de temps de retour. Ainsi on considrera que se donner un vnement de probabilit d'occurence p, est quivalent se donner un vnement dont le temps de retour est 1/p. Notons enn que puisque les temps de retour qui nous intressent sont ceux des sries initiales et non ceux des sries des extrema, il nous faudra toujours utiliser l'approximation suivante: les temps de retour de la srie initiale se dduisent de ceux de la srie des extrema pour un horizon n par une simple multiplication par n: Tini = Textremn n Dans sa mise en uvre ce type d'approche se heurte la taille des bases de donnes disponibles sur les sries nancires. En eet, nous sommes tiraills entre deux impratifs: augmenter la taille de notre horizon pour converger vers la GEV et conserver une srie d'extrema de taille raisonnable pour qu'une estimation par le maximum de vraisemblance puisse encore tre valide. Le choix de l'horizon des extrema devient alors le point central de ce type d'approche. Nous avons appliqu cette mthodologie douze sries nancires couvrant dirents indices boursiers et taux d'intrt, et ce pour dirents temps de retour. A titre d'illustration, nous fournissons ici les rsultats obtenus sur la srie du CAC40 pour l'ensemble des valeurs journalires du 01/01/87 au 31/12/99. Dans un premier temps, on s'intresse uniquement un temps de retour 50 ans et nous faisons varier l'horizon de nos minima (on s'intresse aux variations la baisse). Les rsultats sont donns dans le graphique 1. On voit qu'un ordre de grandeur se dgage avec plusieurs valeurs autour de 12%. Cependant, on n'aboutit pas une convergence de notre estimateur. En eet, au del d'un horizon de 100, nous travaillerions avec moins de 30 observations pour calibrer 3 paramtres ce qui remettrait en cause la abilit de l'estimation par le maximum de vraisemblance. Par ailleurs, au sein mme de la fourchette 50-100 jours, les uctuations restent trs importantes: de 10% 20%. Pour d'autres temps de retour, nous obtenons les rsultats suivants:

Temps de retour (en annes) 5 10 15 20 25 50 75 100

Baisse associe -6.2% -7.8% -8.7% -9.5% -9.8% -12% -14% -15%

Chacun de ces rsultats ne fournit qu'un ordre de grandeur mais de faon susamment prcise pour tre caractristique la fois du temps de retour choisi et de la srie considre. En eet, les rsultats de la mme mthodologie applique au taux de change dollar/yen sont donns dans la gure 2. On voit que dans ce cas, la baisse associe est de l'ordre de 7.6%.

3.2 Approche semi-paramtrique


Cette approche n'utilise que la caractrisation du domaine d'attraction de la distibution de Frchet. On n'utilise donc pas une srie des extrema mais on se se focalise sur les proprits de la srie initiale en queue de distribution. En eet, on sait qu'au del d'un certain seuil (i.e quand x ), les fonctions de rpartition F de toutes nos sries peuvent s'crire: F(x) = 1 x L(x) (4) De Haan et Stadtmuller ont mme montr qu'au second ordre L ne pouvait avoir que deux dveloppements non triviaux. Nous nous contenterons dans notre approche de son expression au 1er ordre qui peut toujours s'crire:

F(x) = 1 ax
8

(5)

Figure 1: Baisse du CAC40 pour un temps de retour 50 ans  Approche paramtrique

Figure 2: Baisse du cours de change dollar/yen pour un temps de retour 50 ans  Approche paramtrique 9

Ce qui peut s'interprter comme le fait qu'au del d'un certain seuil nos sries suivent une Pareto gnralise. Partant de ce constat, il sut de se donner un quantile pour un seuil x s1 pour lequel la relation prcdente est dj vrie. On note Q(s1 ) ce quantile. Soit maintenant un seuil s2 > s1 , alors on a

1 aQ(si ) = 1 si
d'o

i = 1, 2

(6) (7)

Q(s2 ) = Q(s1 )(

s2 1 ) s1

Supposons connu le premier quantile (dans la pratique, on utilisera un quantile empirique comme dans le cadre de la VaR historique), le second se dduit alors par une simple homothtie. On est donc mme de dduire des quantiles extrmes bien plus extrmes que ceux prsents dans nos bases de donnes. Il reste nanmoins deux problmes rsoudre: le choix du seuil s1 qui xera le premier quantile empirique et l'estimation de l'indice de queue . Les rsultats que nous allons prsents utilisent comme estimateur de l'indice de queue, l'estimateur de Hill. Sa dtermination est assure par la mthode dite de Hill Plot qui consiste faire varier le seuil et slectionner graphiquement la valeur de l'estimateur dans une zone o l'on peut dcemment penser qu'il y a eu convergence (horizontalit du graphe). Lors de l'implmentation de la mthode, les problmes qui se prolent sont du mme ordre que dans l'approche de la section prcdente: on est limit par la taille de nos bases, contraint d'arbitrer entre le caractre extrme des observations et le besoin d'en avoir un nombre susant, ces deux conditions assurant la convergence de l'estimateur de Hill. Toute la dicult va donc rsider dans le choix du seuil optimal estim ici de manire graphique. A titre de comparaison, nous donnons dans cette section les rsultats obtenus grce cette mthode sur la srie du CAC40. Commme prcdemment on illustrera d'abord la mthode pour un temps de retour x 50 ans. La premire tape est donc le choix du seuil. Le graphe 3 prsente les direntes baisses associes pour ce temps de retour en fonction du seuil choisi. La premire partie du graphe correspond une zone o l'on ne dispose pas encore de susamment d'observations et la n du graphe une zone o elles ne sont plus susamment extrmes. On remarque qu'entre ces deux zones on trouve une courte plage d'horizontalit, c'est donc l qu'on estimera notre quantile. Ainsi on constate que l'on trouve un ordre de grandeur autour de 14%, lgrement suprieur celui obtenu via l'approche paramtrique. Les rsultats pour l'ensemble des temps de retour sont fournis dans le tableau suivant:

Temps de retour en annes 5 10 15 20 25 50 75 100

Baisse associe -7.2% -9% -10.1% -11.1% -11.7% -14.3% -16% -17.8%

On constate que, pour l'ensemble des temps de retour, les ordres de grandeur fournies par les mthodes paramtriques et semi-paramtriques sont galement quivalents avec une tendance la hausse pour l'estimateur de Hill.

10

Figure 3: Baisse du CAC40 pour un temps de retour 50 ans  Approche semi-paramtrique

3.3 Prolongement: approche mixte


Nous avons vu qu'aussi bien pour l'approche paramtrique que semi-parmtrique, nous butons sur la taille de nos bases de donnes: soit pour obtenir la convergence vers la GEV dans le cadre du thorme de Fisher-Tippet, soit pour obtenir celle de l'estimateur de Hill. Dans les deux cas, la russite de la mthode ne dpend que de l'horizon des extrema ou de la valeur du seuil, et pour les dterminer nous nous en remettons toujours des mthodes graphiques. L'ide de ce prolongement est de donner ces estimations graphiques un degr de libert supplmentaire au prix d'une rduction de la taille de nos bases. Pour cela on va appliquer l'approche semi-paramtrique de la section prcdente la srie des extrema puis faire varier horizon et seuil. Une telle dmarche tant justie par le fait que la srie des extrema reste dans le domaine d'attraction de la Frchet. On espre par ailleurs que la dtermination du quantile par une homothtie est d'autant mieux vrie que l'on a commenc converger 1 s2 vers la Frchet (dans ce cas on a exactement: Q(s2 ) = Q(s1 )( s1 ) ), ceci venant compenser la rduction de la taille des bases. Cette mthodologie fournit la baisse, pour le CAC40 et un temps de retour 50 ans les rsultats de la gure 4. On trouve ainsi un orde de grandeur autour de 13%, quidistant des valeurs fournies par les deux autres approches. Des trois approches prsentes ci-dessus, et que l'on regoupera sous le terme gnrique d'extrmes unidimensionnels, il faudra retenir, dans la perspective d'une validation par la Commission Bancaire et d'une bonne matrise du risque extrme, qu'elles ont en commun les avantages suivants:

crdibilit, parce qu'elle n'utilise que des donnes historiques. Il n'est nullement fait appel des anticipations subjectives. Les chires extrmes que nous avanons ne sont que la rsultante de l'volution journalire de notre srie et de la mise en uvre des outils de la thorie des valeurs extrmes. Par ailleurs,
11

Figure 4: Baisse du CAC40 pour un temps de retour 50 ans  Approche mixte ces rsultats faisant appel des sries qui pour la plupart sont vieilles de plus de 10 ans, il ne sera pas utile dans la pratique de les actualiser des frquences plus qu'annuelles.

lisibilit, parce qu'on quantie gravit gale l'exposition de notre portefeuille aux dirents facteurs de risque. Il sut de se donner un temps de retour qui matrialise le caractre plus ou moins extrme du scnario de stress propos, puis pour chaque facteur de dduire la variation correspondante. A l'aide de notre fonction de portefeuille, on peut alors estimer l'impact de ces dirents facteurs probabilit d'occurence donne. Ainsi, il est possible pour la direction de la banque de rduire ses positions l o elle est le plus expose.

4 Application la construction de scenarios de crise bidimensionnels


L'usage de la thorie des valeurs extrmes dans un univers multidimensionnel est techniquement beaucoup plus dicile. Dans le cadre de la construction de scnarios de crise on peut nanmoins citer les travaux de Legras et Soup [1999] ainsi que Longin [2000] qui introduisent la dpendance par l'intermdiaire de coecients de corrlation ad hoc. Nous proposons ici deux nouvelles approches, une non-paramtrique et une paramtrique, pour tenir compte de la structure de dpendance plusieurs de sries nancires. L'intrt principal de ces approches est de conserver dans un cadre multidimensionnel la quantication du risque extrme fournie par les temps de retour. Pour dvelopper ces deux approches, nous avons conserv les bnces des rsultats unidimensionnels auxquels nous avons adjoint respectivement les rsultats sur la fonction de dpendance de queue stable  Straetsman [1998]  et sur les copules  Deheuvels [1978].

12

4.1 Mesure de la dpendance extrme: l'approche de Stefan Straetsman


Le but de cette premire approche est de recycler nos rsultats unidimensionnels dans un cadre bidimensionnel en rpondant la question suivante: quelle est la probabilit d'une crise simultane sur nos deux sries? Pour cela il nous faut calculer
s

lim

P{X > s1 , Y > s2 } = lim P{X > s1 , Y > s2 | X > s1 ou Y > s2 } P{X > s1 ou Y > s2 } s

que l'on peut rcrire sous la forme plus condense:

P{k = 2 | k 1}
o k reprsente le nombre de crises o une crise sur un actif Z est dnie comme {Z > s, s }. An d'estimer cette probabilit, on utilise la STDF dnie en 2 et on rcrit grce elle:

P{k = 2 | k 1} = lim +
t0

P{X > Q1 (tu), Y > Q2 (tv)} u+v = 1 P {Q1 (tu) ou Q2 (tv)} lf (u, v)

en posant s1 = Q1 (tu) et s2 = Q2 (tv) et en simpliant par t  du fait de l'homognit de degr 1 de lf . La mise en uvre de la mthode va donc rsider dans l'estimation non-paramtrique de notre fonction de dpendance de queue pour des probabilits u et v bien choisies. En pratique nous estimerons la crdibilit d'un 1 scnario associant deux baisses extrmes pour un unique temps de retour et choisirons donc u = v = tps retour , les quantiles associs tant fournis par la mthode unidimensionnelle. On l'a dit: lf est homogne de degr 1, ceci implique que la probabilit de contagion obtenue ne dpend que du rapport u et non du caractre extrme de ces deux valeurs. On mesure donc, par cette mthodologie, v une probabilit de contagion extrme (asymptotique) mais aucun moment nous ne discutons partir de quels temps de retour son utilisation est eciente ou non. L'estimation de la fonction de dpendance de queue stable se fait en utilisant la loi des grands nombres et un changement de variable rendu lui aussi possible par l'homognit de degr 1. Les dtails de cette estimation sont donnes dans Straetsman [1998]. Nous fournissons ici les rsultats obtenus pour trois indices boursiers, trois taux d'intrt et trois taux de change:

Indices boursiers CAC40/DAX30 CAC40/S&P500 DAX30/S&P500 Taux d'intrt FRF10Y/USD10Y FRF10Y/GBP10Y USD10Y/GBP10Y

Probabilit de contagion 35% 15% 7.5% Probabilit de contagion 3% 10% 2% Probabilit de contagion 75% 24% 24%

Taux de change (par rapport au dollar) Franc/Mark Franc/Yen Mark/Yen

13

On peut donc noter une contagion beaucoup plus rduite pour les taux d'intrt (ceci ayant sans doute trait la taille de la priode sur laquelle porte la contagion: une journe de trading) et la capacit de la mthodologie fournir des ordres de grandeur signicatifs selon les sries et conformes l'intuition: le cas d'cole franc/mark fournit une probabilit de contagion de 75%, les indices boursiers franais et allemand interagissent beaucoup plus l'un sur l'autre qu'ils ne le font avec l'indice boursier amricain. Dans la pratique, on peut ensuite combiner les rsultats du stress testing unidimensionnel, pour n'importe quel couple de deux actifs nanciers, avec nos probabilits de contagion an de crer des scnarios bivaris. On dispose alors d'un temps de retour associ de tels scnarios qui peut tre dni approximativement3 comme

Tunidimensionnel

1 + proba contagion 2 proba contagion

Nanmoins la mesure de la dpendance extrme prsente ici reste grossire, il conviendra par la suite de l'aner par d'autres mesures. Les voies explorer sont celles qui se fonderont sur une dmarche purement bivarie: l'instar de ce qui a t mis en place dans un cadre univari, nous pourrons ainsi fournir l'ensemble des couples de variations extrmes associ un temps de retour donn. Nous proposons dans la section suivante une solution paramtrique allant dans ce sens.

4.2 Copules et zones de dfaillance


Comme on l'a dj voqu lors de la prsentation des rsultats thoriques, le problme de la dpendance extrme peut tre grandement simpli par l'introduction des copules. En eet, on conserve les rsultats unidimensionnels sur les marginales, savoir le fait qu'elles sont distribues suivant des Frchet, mais en plus on dispose d'une quation fonctionnelle caractrisant les copules extrmes. Ainsi, on peut rduire le problme de dpart celui de l'estimation de la copule extrme. La partie estimation de la copule se fait l'aide de mthodes statistiques standards  de type maximum de vraisemblance  appliques des familles paramtriques de copules. On prsente dans le tableau ci-dessous quelques exemples de copules extrmes, auxquels nous avons adjoint, titre illustratif, une copule non-extrme: la copule gaussienne. Indpendance Gumbel Galambos Hsler-Reiss Marshall-Olkin Dpendance totale Gaussienne

Copule

[1, ) [0, ) [0, ) 2 [0, 1] [1, 1]

C (u1 , u2 ) u1 u2 exp ( + u ) u1 2 u1 u2 exp u + u 1 2 exp [1 (u1 , u2 ; ) u2 (u2 , u1 ; )] u u11 u12 min (u1 , u2 ) 2 1 2 1 min (u1 , u2 ) (1 (u1 ) , 1 (u2 ))
1
1

avec u = ln u et la fonction de rpartition de la loi normale centre rduite. Il est noter d'une part, que les copules de Gumbel, Galambos et Hsler-Reiss englobent le cas de la copule de l'indpendance et d'autre part, que le seul paramtre dont dpend la copule de Gumbel est en bijection avec la fonction de dpendance de queue stable de la section prcdente. La copule de Marshall-Olkin prsente quant elle l'intrt de dpendre de deux paramtres, autorisant ainsi l'existence de dissymtries entre les marginales. Enn la copule gaussienne correspond la copule qui sous-tend les approches fondes sur des structures de dpendance elliptiques (largement rpandues sur les marchs) : nous l'avons introduite pour illustrer la supriorit des approches fondes sur les copules extrmes.
3 car P (k = 2) = P ( k = 2| k 1) P (k 1) =proba contagion [proba crise actif1 + proba crise actif2 P (k = 2)]

14

Dans la pratique, une fois choisi un chantillon de copules extrmes  ici, on prendra celles du tableau ci-dessus  il ne nous reste plus qu' vrier quelle copule est la plus adapte nos observations. Pour cela, on procde en deux temps:

on calibre les paramtres des marginales puis ceux des direntes copules; on implmente la mthodologie prsente dans Durrleman, Nikeghbali et Roncalli [2000] qui consiste comparer la distance des copules estimes la copule empirique  qui converge vers la vraie copule. La copule choisie est celle qui minimise cette distance.
Nous avons appliqu cette dmarche aux sries du CAC40 et du DowJones. Nous considrons des variations la baisse sur ces deux sries. La srie des minima a t construite pour des horizons de 25 puis 44 jours. Les rsultats obtenus sont prsents dans les deux tableaux suivants:

Indpendance Gumbel Galambos Hsler-Reiss Marshall-Olkin Dpendance totale Gaussienne

Copule

Dpendance du pire 25 jours Distance la copule empirique


1.57 0.85 1.26 (0.48, 0.71) 0.28

5.52 1.04 1.02 1.06 1.30 5.63 3.02

102 102 102 102 102 102 102

Indpendance Gumbel Galambos Hsler-Reiss Marshall-Olkin Dpendance totale Gaussienne

Copule

Dpendance du pire 44 jours Distance la copule empirique


1.53 0.82 1.28 (0.51, 0.61) 0.28

5.54 1.48 1.46 1.43 1.79 5.87 3.21

102 102 102 102 102 102 102

On voit donc que, pour cet exemple, les direntes copules peuvent tre regroupes par ordre d'ecacit croissante  leur distance la copule empirique dcrot  selon la classication suivante: 1) les copules de l'indpendance et de la dpendance totale, 2) la copule gaussienne, 3) la copule de Marshall-Olkin et 4) les copules de Gumbel, Galambos et Hsler-Reiss. Le peu de dirence constate entre ces trois dernires copules tient ce qu'elles sont toutes trois extrmes (et donc solution de la mme quation fonctionnelle ) et ne dpendent que d'un seul paramtre. La distance importante des copules de l'indpendance et de la dpendance totale au copule empirique tient videmment au fait que ces deux copules sont non-paramtres. Enn, on peut noter que l'utilisation de structure de dpendance gaussienne n'est pas ici optimale. Dans la suite de ce paragraphe, nous allons utiliser comme estimation de la vraie copule: la copule de Galambos. Le choix de la dpendance 25 jours plutt qu' 44 jours est lie la nature du stress testing qui tend s'intresser des scnarios catastrophe sur des dures relativement courtes. Maintenant que nous disposons de la copule reliant nos deux sries, la caractrisation de la dpendance est complte. L'emploi que l'on peut en faire est double. A l'instar de ce qui a t fait dans les paragraphes prcdents, on peut fournir les temps de retour implicites associs un scnario de crise pralablement choisi. Une autre utilisation possible est la caractrisation des crises par le biais des zones de dfaillance, substitut de la notion de seuil sur une srie de l'univers univari: la crise correspond alors un vnement dont le temps 15

de retour associ dpasse un seuil x. Par la suite, l'utilisation de ces zones de dfaillance en stress testing pourrait se traduire par la cration de scnarios de crise dnis de la manire suivante: les scnarios de crise sont les pires scnarios de l'ensemble des scnarios dont le temps de retour est infrieur une valeur donne (5 ans par exemple) i.e les pires scnarios hors zone de dfaillance. Le but est d'obtenir des scnarios de crise extrmes mais dont la crdibilit est assure puisque le temps de retour est major. Nous avons reprsent sur la gure 5 la zone de dfaillance (zone grise) associe un temps de retour de 5 ans pour le CAC40 et le DowJones. La courbe en trait plein correspond l'ensemble des couples de variations sur ces deux sries dont le temps de retour est 5 ans. Sur cette gure, on a reprsent galement en pointills

Figure 5: Zone de dfaillance la zone de dfaillance qui aurait t obtenue en utilisant la copule de l'indpendance. L'aire non grise est la zone hors dfaillance sur laquelle nous proposons de rechercher le pire scnario pour la banque. Le fait de ne pas travailler avec des prix indpendants fournit une aire plus vaste et donc une meilleure couverture du risque. Nanmoins, il convient de souligner que ces rsultats restent conditionns l'chantillon de dpart qui, pour des raisons techniques, est limit aux familles de copules paramtres. Or cette condition est trs restrictive puisque l'espace des copules extrmes est de dimension innie4 . Par ailleurs, il faut noter que, pour utiliser les copules extrmes, nous avons t obligs de passer par la srie des extrema sur un pas de temps x n jours (cf section 2.3), 25 jours dans notre exemple, ce qui signie que la dpendance que nous tudions est galement une dpendance n jours  la dirence de l'approche de Straetsman qui ne considre que des probabilits de contagion journalires.
4 voir Joe [1997]

16

5 Application la quantication de scnarios de crise issues de l'expertise conomique


On l'a vu dans les deux sections prcdentes: le stress testing fond sur la thorie des valeurs extrmes prsente une vision quantie du risque associ un scnario de crise par l'intermdiaire des temps de retour. A ce titre, il peut crer de manire auto-susante des scnarios comme on vient de le montrer. Une autre utilisation possible de cette mthodologie est d'en faire un talon de plausibilit pour les scnarios issus de mthodologies direntes. Dans cette perspective, nous avons travaill en coopration avec la Direction des Etudes Economiques et Financires du Crdit Lyonnais an de fournir les outils quantitatifs ncessaires l'valuation du degr d'extrmit des scnarios de crise issus de l'analyse conomique.

5.1 Rsultats de l'approche mixte applique 8 facteurs de risque de march


Les rsultats que nous prsentons ici ont t calculs par des mthodes unidimensionnelles mais devraient terme tre disponibles dans un cadre multidimensionnel. Ils ont t obtenus pour des variations journalires la baisse et la hausse sur les sries du CAC40, du DowJones, des taux allemands et amricains 3 mois et 10 ans, et sur les taux de change livre/dollar et euro/dollar. La priode considre est celle allant de la premire date de cotation rpertorie par Datastream pour chacune des sries, jusqu'au 12 avril 2000. Nos rsultats sont les suivants5 :

Temps de retour 5 ans 10 ans 15 ans 20 an 25 ans 50 ans 75 ans 100 ans Temps de retour 5 ans 10 ans 15 ans 20 ans 25 ans 50 ans 75 ans 100 ans

-39pdb/+33pdb -49pdb/+38pdb -57pdb/+41pdb -62pdb/+43pdb -68pdb/+45pdb -86pdb/+51pdb -99pdb/+56pdb -110pdb/+59pdb

USD3M

-33pdb/+31pdb -40pdb/+37pdb -44pdb/+41pdb -48pdb/+45pdb -52pdb/+48pdb -66pdb/+58pdb -75pdb/+65pdb -82pdb/+71pdb

DEM3M

-33pdb/+32pdb -39pdb/+37pdb -44pdb/+41pdb -47pdb/+43pdb -49pdb/+46pdb -58pdb/+53pdb -64pdb/+58pdb -68pdb/+61pdb

USD10Y

-26pdb/+24pdb -32pdb/+27pdb -36pdb/+30pdb -39pdb/+32pdb -42pdb/+33pdb -51pdb/+38pdb -58pdb/+42pdb -64pdb/+45pdb

DEM10Y

-6.45% /+5.87% -7.92% /+6.97% -8.95% /7.78% -9.75% /+8.40% -10.41% /+8.92% -12.80% /+10.86% -14.49% /+12.21% -15.82% /+13.26%

CAC40

-4.54%/+4.38% -6.09%/+5.14% -7.19%/+5.67% -8.12%/+6.07% -8.93%/+6.40% -12.00%/+7.56% -14.26%/+8.34% -16.11%/+8.94%

DowJones

-3.14%/+3.32% -3.74%/+3.97% -4.14%/+4.42% -4.46%/+4.77% -4.72%/+5.05% -5.62%/+6.04% -6.23%/+6.70% -6.70%/+7.23%

GBP/$

-2.92%/+3.17% -3.31%/+3.70% -3.56%/+4.06% -3.75%/+4.34% -3.90%/+4.57% -4.41%/+5.35% -4.74%/+5.88% -4.99%/+6.28%

EURO/$

5.2 Quantication de trois histoires pour un scnario catastrophe


Nous quantions ici trois exemples de ce que pourraient tre des scnarios de crise issus de l'expertise conomique. Ces scnarios ont t fournis titre illustratif par Herv Goulletquer, senior conomiste au Crdit Lyonnais. Nous ne donnons dans cet article qu'une brve prsentation de ces trois histoires ainsi que les variations obtenus sur les dirents facteurs qui composent chacune d'elles. Ces variations sont donnes dans l'ordre chronologique.

restent nanmoins celles associes au mark et sont dduites partir de la rgle de conversion: 1 euro = 1.95583 DM.

5 La srie de l'euro a t construite partir de celle du mark pour les dates situes avant le 1er janvier 1999. Les variations

17

Premire histoire: une baisse de Wall Street dicilement grable

Sous le double-eet d'une activit qui ralentit et d'une ination qui devient moins sage, le march des actions se retourne aux Etats-Unis. Il en dcoule une fuite de capitaux vers l'Europe et le Japon.
DowJones (-8%) Euro (+3 cents +3%) (+6 cents +4%) USD10Y (+55pdb) DEM10Y (+20 pdb) CAC40 (-5%)

Facteur

Temps de retour
20 ans > 5 ans 10 ans 60 ans > 5 ans > 5 ans

Deuxime histoire: remise en cause du schma libral en zone euro

La croissance revenue en Europe entrane une hausse des salaires. An de matriser les pressions inationnistes, la BCE relve ses taux.
DEM3M (+125pdb) DEM10Y (+60 pdb) CAC40 (-11%) Euro (-6 cents 6%) (-6 cents 4%) USD10Y (-30 pdb) DowJones (+5%)

Facteur

Temps de retour
> 100 ans > 100 ans 30 ans > 100 ans() 15 ans > 5 ans 7 ans

Troisime histoire: un choc d'ore sur le prix des matires premires

La volont de l'OPEP de maintenir les prix du brut 40 dollars renforce les anticipations inationnistes aux Etats-Unis. La Fed relve ses taux.
USD3M (+100pdb) USD10Y (+150 pdb) DowJones (-20%) DEM3M (+100pdb) DEM10Y (+100pdb) CAC40 (-15%) Euro (+4%) Livre (+7%)
()

Facteur

Temps de retour
75 ans 100 ans 100 ans 100 ans 100 ans 100 ans 7 ans > 100 ans

on notera le peu de pertinence des chires avancs pour l'euro qui proviennent essentiellement des variations du mark de janvier 86 janvier 99. Soulignons que lors de la quantication de ces scnarios, nous avons utlis une approximation de taille: alors que les variations fournies par les conomistes sont mensuelles, les temps de retour fournis par la thorie des valeurs extrmes correspondent pour leur part des variations journalires. On aurait pu envisager de travailler sur des sries de variations mensuelles nanmoins il faut rappeler que l'intrt des extrmes dans ce cadre n'est pas tant de fournir un temps de retour raliste dans l'absolu mais plutt de fournir une chelle du risque relative dans la perspective d'un classement de nos scnarios en fonction de leur degr d'extrmit. 18

5.3 Enseignements
Les perspectives d'une telle intraction entre valeurs extrmes et analyse conomique peuvent ici se rsumer de la manire suivante:

fournir une aide la dtermination du degr d'extrmit des dirents scnarios: on peut ici raisonnablement prtendre que la troisime histoire est plus extrme que la deuxime, elle-mme plus extrme que la premire. caractriser la dynamique de la crise dcrite: les histoires 1 et 2 sont celles de crises dont l'amplitude des chocs dcrot dans le temps, on peut supposer que leur propagation est termine en n de scnario. Au contraire dans l'histoire 3, le degr d'extrmit des chocs reste important tout au long du scnario: on n'a pas de signe annonciateur d'une accalmie sur les marchs. caractriser le degr d'extrmit du scnario par le degr d'extrmit de l'input. On peut en eet supposer en premire approximation qu'une fois qu'il y a eu choc sur un premier facteur, la mcanique qui en dcoule est alors entirement dtermine par ce premier choc. Le degr d'extrmit du scnario correspond alors exactement au temps de retour de l'input. fournir une aide au calibrage quantitatif des histoires conomiques. Pour cela, il convient de s'intresser l'homognit des rsultats. On peut ce titre remarquer un temps de retour peu lev sur le CAC40 dans la deuxime histoire et l'inverse lev sur les taux longs amricains dans la premire. De ces remarques, on ne doit en aucun cas tirer des conclusions de manire systmatique, nanmoins il pourrait tre intressant de revenir sur le calibrage quantitatif du scnario la lumire de ces temps de retour. Le but est de savoir si ces chires correspondent bien la vision dsire de la dynamique de crise (diusion, amplication, essouement) ou au contraire s'il y a eu sous ou surestimation des variations extrmes d'une srie.
Mais il faudra garder l'esprit que les rsultats de la thorie des extrmes ne sont dans le cadre de scnarios issus de l'expertise conomique que des indicateurs la disposition de ceux qui crent ces scnarios. Par la suite, nous pourrons fournir le temps de retour unique associ un scnario multidimensionnel, fournissant de fait une chelle absolue de mesure du degr d'extrmit des scnarios de crise. Cependant mme dans le cas de dirences plus que signicatives entre les temps de retour, la priorit, dans la construction puis dans le choix des scnarios prsenter, reste l'analyse conomique. C'est ce prix seulement que mthode fonde sur les extrmes et mthode dire d'experts pourront former un programme de simulations de crise la fois rigoureux et complet comprenant la fois un caractre quantitatif et qualitatif, de manire valuer les consquences des perturbations importantes des marchs et identier des situations plausibles susceptibles d'entraner de grandes pertes potentielles. * * *

Dans cet article, nous avons montr comment la thorie des valeurs extrmes applique au stress testing fournit des scnarios de crise aptes grer ecacement le risque extrme dans le cadre de la rglementation en vigueur. En eet, le point fort de cette mthodologie, c'est de fournir une vision quantie du risque extrme. Par l'utilisation des temps de retour sur des scnarios unidimensionnels, multidimensionnels ou issus de l'analyse conomique, on peut associer chaque scnario un seul nombre, crant ainsi une chelle relative du risque. Grce cette chelle, nous sommes ensuite capables d'identier les vnements susceptibles d'avoir une forte incidence tout en xant leur degr de plausibilit et ainsi leur crdibilit relative. 19

Pour obtenir ces dirents temps de retour, nous avons dvelopp plusieurs nouvelles mthodologies. D'abord, dans un cadre unidimensionnel, nous avons propos une extension aux mthodes paramtriques et semiparamtriques existantes. Son intrt tient ce que la mthodologie semi-paramtrique a t ici applique des lois ayant dj commenc converger vers des lois extrmes et o l'on a donc pu supposer que les estimations out-of-sample seraient d'autant mieux vries. Dans un deuxime temps, dans un cadre multidimensionnel, nous avons propos deux voies, non-paramtrique et paramtrique, fondes respectivement sur la fonction de dpendance de queue stable et les copules. L'intrt de la premire mthode a t de fournir un rsultat toujours vrai asymptotiquement; la seconde mthode a permis, quant elle, de limiter l'tude de la structure de dpendance la famille des copules extrmes puis de vrier l'adquation de la copule aux donnes empiriques. Enn nous avons appliqu ces mthodologies des scnarios de crise issus de l'analyse conomique an de les faire bncier de cet indicateur de plausibilit qu'est le temps de retour. Nanmoins l'utilisation de la thorie des valeurs extrmes en stress testing se heurte plusieurs dicults. D'un point de vue pratique, si, dans un contexte unidimensionnel, l'estimation des temps de retour a atteint aujourd'hui un niveau de prcision convenable, dans un contexte multidimensionnel, des dicults subsistent. D'une part, l'approche par la fonction de dpendance de queue stable n'est pas directement transposable aux dimensions suprieures 2; d'autre part, l'approche par les copules, on l'a dit, supposent un passage par la srie des pires n jours ce qui implique qu'on a pris en compte les corrlations de ces extrema pour cet horizon: une rexion est mener pour savoir si c'est bien sur des pas de temps levs que nous voulons connatre nos corrlations ou plutt sur une seule journe  cette rexion qui s'inscrit dans le cadre de la dtermination de la dure moyenne que l'on entend associer nos crises a dj t abord dans Legras [2000]. De plus, d'un point de vue conceptuel, l'approche par les extrmes est une mthodologie conservative qui suppose la stationnarit des sries nancires tudies. S'il est vrai qu' court terme, cette hypothse n'est gure contraignante, qu'en est-il quand on prtend fournir des temps de retour de l'ordre de 50 ans? Si les rgles, qui rgissent le systme montaire international, changent, peut-on supposer que les corrlations entre les sries, leurs volatilits et ainsi les rsultats de nos scnarios de crise n'en seront pas profondment aects? La rponse est non. Il sut de penser la mise en place sur les marchs d'une mesure de stop loss: toute baisse se trouve alors contrainte et une valuation par les extrmes ne pourra pourtant jamais en rendre compte partir de donnes antrieures la mise en oeuvre d'une telle mesure. A contrario, supposons que les donnes historiques reettent une priode de grande stabilit  pensons par exemple la xit des taux de change par rapport au dollar en asie du sud-est avant 96  les temps de retour associs des variations mme minimes et fournis par la thorie des extrmes seraient alors anormalement levs. Ces limites montrent qu'un programme de simulation de crise ne pourra jamais tre exclusivement fond sur la thorie des valeurs extrmes mais devra faire intervenir galement des analyses d'expert vise prdictive. Toutefois, mme dans ce cas, comme nous l'avons montr en 5, la thorie des valeurs extrmes reste l'outil adquat pour quantier le degr d'extrmit du pire.

References
[1] Amendment to the capital accord to incorporate market risks, Basle Committee on Banking Supervision, Janvier 1996, N 24 [2] A new capital adequacy framework, Basle Committee on Banking Supervision, Juin 1999, N 50 [3] Guidelines on Market Risk, Volume 5, Stress Testing, Oesterreichische Nationalbank, 1999 [4] Modalits de Calcul du Ratio International de Solvabilit, Commission Bancaire, Actualisation du 31 dcembre 1998 [5] Boulier, J-F, R. Dalaud et F.Longin [1998], Application de la thorie des valeurs extrmes aux marchs nanciers, Banque & Marchs, N 32 [6] Bouy, E., V. Durrleman, A. Nikeghbali, G. Riboulet et T. Roncalli [2000], Copulas for Finance  A reading guide and some applications, Groupe de Recherche Oprationnelle, Crdit Lyonnais, Working Paper 20

[7] Costinot, A [2000] La construction d'un programme de simulation de crise, Groupe de recherche Oprationnelle, Crdit Lyonnais, rapport de stage [8] Costinot, A, G. Riboulet et T. Roncalli [2000a], Note technique sur l'utilisation de la thorie des extrmes unidimensionnelles dans la construction des stress scenarii, Groupe de Recherche Oprationnelle, Crdit Lyonnais, document interne [9] Costinot, A, G. Riboulet et T. Roncalli [2000b], Mesure de la dpendance extrme et scnarios de stress bivaris: l'approche de Stefan Straetsman, Groupe de Recherche Oprationnelle, Crdit Lyonnais, document interne [10] Deheuvels, P. [1978], Caractrisation complte des lois extrmes multivaries et de la convergence des types extrmes, Publications de l'Institut de Statistique de l'Universit de Paris, 23, 1-36 [11] Durrleman, V, A. Nikeghbali et T. Roncalli [2000], Which copula is the right one?, Groupe de Recherche oprationnelle, Crdit Lyonnais, Working Paper [12] Embrechts, P., C. Klppelberg et T. Mikosch [1997], Modelling Extremal Events for Insurance and Finance, Springer-Verlag, Berlin [13] Hoeung S., G. Riboulet et T. Roncalli [1999], Les risques de march  Rglementations, mesures et pratiques, Groupe de Recherche Oprationnelle, Crdit Lyonnais, document interne [14] Joe, H. [1997], Multivariate Models and Dependence Concepts, Monographs on Statistics and Applied Probability, 73, Chapmann & Hall, London [15] Legras, J.[2000], Designing stress scenarios for illiquid markets, Direction de la Recherche et de l'Innovation, Crdit Commercial de France, notes [16] Legras, J. et F. Soup [1999], Designing multivariate stress scenarios : an extreme value approach, Direction de la Recherche et de l'Innovation, Crdit Commercial de France, notes [17] Longin, F [1999] Stress testing: a method based on extrem value theory, ESSEC, Research Paper [18] Nelsen, R.B. [1999], An Introduction to Copulas, Springer Verlag, New York [19] Straetmans, S. [1999], Extreme nancial returns and their comovements, Erasmus University Rotterdam's Thesis, Tinbergen Institute Research Series, 181 [20] Straetmans, S. [2000], Spillovers in nancial markets, Free University Amsterdam, Working Paper

21