Académique Documents
Professionnel Documents
Culture Documents
James P. Norman
EMB Consultancy LLP Barley
House, Great Shelford,
Résumé
Cet article présente un modèle de taux d'intérêt destiné à la gestion des risques dans le monde
réel, qui produit des mouvements réalistes de la courbe de rendement, n'autorise pas les taux
d'intérêt négatifs et ne permet pas l'arbitrage. Le modèle est formulé dans le cadre du BGM [1],
avec des prix de marché du risque qui limitent l'apparition de formes de courbes de rendement
"non plausibles". Le document illustre une procédure de calibrage simple pour obtenir des
estimations de paramètres à partir de données historiques. Des extensions du modèle, telles qu'un
modèle à élasticité constante de la variance, sont proposées et étudiées.
Mots-clés : BGM, modèle de marché du Libor, modèles de structure des taux, monde réel, arbitrage libre,
économétrie
�Les opinions exprimées sont celles des auteurs et ne reflètent pas nécessairement celles d'EMB
EElelecctroonnicicccooppyyaavvaailalabbleleaa
::h
t htpps::/ssssrnn..ccoomm//aabbssttrraacctt==11
1
EElelecctroonnicicccooppyyaavvaailalabbleleaa
::h
t htpps::/ssssrnn..ccoomm//aabbssttrraacctt==11
I. INTRODUCTION
EElelecctroonnicicccooppyyaavvaailalabbleleaa
::h
t htpps::/ssssrnn..ccoomm//aabbssttrraacctt==11
courbe de rendement (la courbe de Nelson-Siegel [4]) et utilisent ensuite un modèle
autorégressif de ces paramètres pour établir des prévisions. Le modèle n'est pas exempt
d'arbitrage, mais son objectif premier est de fournir des prévisions ponctuelles des
variations de la courbe de rendement plutôt que de gérer le risque. Les paramètres variant
dans le temps ont également une influence sur les prévisions.
EElelecctroonnicicccooppyyaavvaailalabbleleaa
::h
t htpps::/ssssrnn..ccoomm//aabbssttrraacctt==11
une belle interprétation en termes de facteurs correspondant au niveau, à la pente et à la
courbure de l'eau.
qui se sont avérés être les facteurs dominants dans de nombreuses analyses
factorielles de la courbe des rendements (voir [5] par exemple). Rebonato et al [6]
utilisent un modèle semi-paramétrique des variations de la courbe de rendement avec
des "arbitragistes" explicites qui veillent à ce que les courbes de rendement résultantes
n'atteignent pas des formes trop irréalistes.
Les modèles d'équilibre classiques, tels que les modèles de Vasicek [7] et de Cox-Ingersoll-
Ross [8], partent d'une spécification conjointe de la dynamique réelle du taux d'intérêt à
court terme et du prix du risque sur le marché. Les prix des obligations à coupon zéro
sont alors calculés à partir des valeurs escomptées actualisées (selon la mesure neutre
du risque) des remboursements des obligations. Ces modèles ont été généralisés par
Duffie et Kan [9] et Dai et Singleton [10], où le taux d'intérêt à court terme est composé
d'une combinaison linéaire de facteurs latents qui ont une dynamique de diffusion
simple, et de spécifications affines simples des prix du risque sur le marché. Les
rendements à échéance finie sont des fonctions linéaires de ces facteurs latents. L'ajout
de facteurs supplémentaires améliore le réalisme du modèle, bien que ces modèles ne
soient pas assez flexibles pour s'adapter exactement à une courbe de rendement
générale. En outre, ils n'excluent pas les taux d'intérêt négatifs, sauf dans certains cas
particuliers. D'autres travaux récents portent sur des modèles économétriques sans
arbitrage, tels que l'extension sans arbitrage du modèle de Diebold-Li dans [11], qui est
lui-même un cas particulier des modèles affines étudiés par [9, 10]. Ces auteurs (et
d'autres) constatent que l'imposition de la restriction selon laquelle le modèle est exempt
d'arbitrage peut améliorer la capacité de prévision du modèle. D'autres travaux dans ce
domaine incluent [12]. Les inconvénients de ces modèles sont les mêmes que ceux des
modèles affines
évoquée plus haut.
Le modèle proposé dans ce document est basé sur le modèle de Brace, Gatarek et
Musilea [1], connu sous le nom de modèle BGM ou de modèle de marché LIBOR. Ce
modèle présente un certain nombre d'avantages, tels que la garantie de taux d'intérêt
positifs et la correspondance exacte d'une courbe de rendement de départ. Cependant,
jusqu'à présent, ce modèle n'a été considéré que dans un contexte de risque neutre.
Dans ce contexte, on sait que les formes des courbes de rendement résultantes sont
souvent irréalistes [6]. Ce n'est pas un problème pour la tarification des produits
dérivés, mais cela a empêché l'utilisation de ces modèles à des fins de gestion des
risques dans le monde réel.
Copie électronique disponible à l'adresse suivante :
La raison pour laquelle nous partons d'un modèle à risque neutre tel que le modèle
BGM est que l'existence d'une mesure de probabilité à risque neutre garantit que le
modèle est exempt d'arbitrage [13]. La spécification de la dynamique du modèle dans la
mesure de probabilité du monde réel devient alors une question de recherche de la
relation entre la mesure de risque neutre et la mesure de probabilité du monde réel.
1 P (t, T )
F (t, T ) = -1. (1)
δ P (t, T +
δ)
Il existe de nombreuses mesures possibles de neutralité à l'égard du risque en fonction
du choix du numéraire. Nous considérons la dynamique dans le cadre d'une mesure de
probabilité qui est neutre à l'égard du risque à terme en ce qui concerne le numéraire du
CD glissant - c'est-à-dire un compte qui investit dans une obligation à coupon zéro au
moment t0 avec une durée résiduelle jusqu'à l'échéance δ (le "CD", ou certificat de
dépôt), la conserve jusqu'à l'échéance et la réinvestit ensuite dans une autre obligation
Copie électronique disponible à l'adresse suivante :
à coupon zéro avec une durée résiduelle jusqu'à l'échéance δ à ce moment-là, etc.
Nous appellerons cette mesure Q∗ . Notons le moment de l'échéance du k-ième CD
comme tk et introduisons m(t) comme l'indice de la prochaine date d'échéance du CD
au moment
t. Nous considérerons la dynamique des taux à terme arrivant à échéance aux dates de
maturité des
dFk (t) ∗
= µk (t)dt + ξk (t) - dW , (2)
Q
Fk (t)
où k
δξk (t) - ξj (t)Fj (t)
µk (t) = , (3)
j=Σm(t 1 + δFj (t)
Jusqu'à présent, il s'agit d'une déclaration plutôt que d'un modèle ; cela ne devient un
modèle que lorsque nous spécifions une forme des fonctions de volatilité. Une forme
courante du modèle BGM consiste à considérer les fonctions de volatilité comme des
fonctions déterministes constantes par morceaux qui ne dépendent que du nombre de
périodes entières de réinitialisation entre l'instant t et l'échéance du taux,
p ξ(t) = λp , (4)
k k-m(t)
de ∗
dFk (t) (t)dt + λ - dWQ . (5)
sorte µ = k
que
k-m(t)
Fk (t)
Sans perte de généralité, nous pouvons écrire les λ en termes de base orthonormée
i Λp ,
c'est-à-dire,
λp = σp Λp , (6)
i i
N -1
Σ Λp Λq = δpq , (7)
i i
i=0
où N peut être interprété comme le nombre d'échéances observables sur la courbe des
taux à terme.
Nous considérons une spécification simple du prix du risque sur le marché dont nous
montrerons plus tard (par simulation) qu'elle produit une dynamique réaliste des
courbes de rendement. Le choix le plus simple possible d'un prix du risque constant
pour chaque facteur ne produit pas une dynamique réaliste, car il introduit une dérive
positive ou négative constante dans les logarithmes des taux à terme. La spécification
naturelle suivante consiste à considérer le prix du risque sur le marché comme une
fonction linéaire des N logarithmes des taux à terme {ln Fm(t) (t), . . . , ln Fm(t)+N−1 }
observables à l'instant t. La forme particulière que nous considérons est la suivante
,
p
ap
N +m(t)-1
�
Σ p
L'une des difficultés du modèle tel qu'il a été spécifié jusqu'à présent est que si la
structure des taux initiale ne couvre qu'une gamme finie d'échéances, la structure des taux
se raccourcit au fur et à mesure que les obligations arrivent à maturité. Par conséquent, le
prix de marché de l'échéance du risque fera à un moment donné référence aux taux à
terme de l'échéance au-delà de la date d'échéance maximale des taux à terme initiaux.
Une solution consiste à extrapoler la structure des taux à terme initiaux et les fonctions
de volatilité λ à l'aide d'une procédure ad hoc mais sensée.
Une autre solution à ce problème consiste à supposer que de nouvelles obligations
seront émises à l'avenir sur la partie longue de la courbe. On est relativement libre de
choisir le prix auquel ces obligations seront émises (aucune restriction d'arbitrage n'est
nécessaire, puisque les obligations n'existent pas actuellement). Sommer [15] étudie
l'émission de nouvelles obligations dans le cadre HJM correspondant. Sa spécification
comporte un processus aléatoire défini de manière exogène générant continuellement la
structure des taux à l'échéance maximale, avec des restrictions pour assurer la
continuité et la différentiabilité de la courbe à terme.
Dans le présent document, nous considérerons une spécification plus simple :
En d'autres termes, nous considérons que la courbe (log) à terme devient linéaire à
l'extrémité longue de la courbe. Une fois le taux introduit, il évolue selon (9).
Il existe évidemment de nombreuses spécifications différentes que l'on pourrait choisir
[22]. Cependant, nous utilisons (12) car elle est simple, ne nécessite pas l'introduction de
paramètres supplémentaires et produit de bons résultats pour nos objectifs.
Pour l'évaluation des produits dérivés, les paramètres du modèle BGM sont
généralement calibrés pour correspondre aux prix des produits dérivés négociés à
chaque date d'évaluation à laquelle le modèle est utilisé, plutôt que d'utiliser des
données historiques. Cependant, notre objectif est de modéliser le comportement des
taux d'intérêt dans le monde réel. Les prix des produits dérivés ne nous donneraient
aucune information sur le prix du risque sur le marché, c'est pourquoi nous calibrons les
paramètres de notre modèle à l'aide de données historiques.
Cette section détaille une méthode en trois étapes pour calibrer le modèle ci-dessus
sur les données historiques des taux à terme. Les étapes sont les suivantes :
1. En supposant que le terme de dérive dans (10) est négligeable, utiliser une
analyse des composantes principales (ACP) sur la matrice de covariance des
variations historiques du logarithme
i des taux à terme pour estimer les Λp 's et σp
's.
2. Projeter les taux logarithmiques historiques sur l'espace factoriel défini par les
composantes principales identifiées à l'étape 1.
3. Estimer les valeurs de ap et bp à l'aide d'une régression des séries temporelles sur les
facteurs projetés. Dans les sections suivantes, nous détaillons ces étapes.
Étape 2. Projection sur l'espace factoriel Sur un petit intervalle de temps, nous
pouvons utiliser la discrétisation d'Euler de (10), et approximer à nouveau F (t,
T ) ≈ F (t, T + ∆t) et utiliser la notation du taux à terme à échéance constante
pour obtenir
1 2
ln ∆t + λ
λ L (t + ∆t) ≈ ln L (t) + -(t)θ(t) + µ˜ - ∆WP (15)
i
i i i i -2 λi
où i Σ δλi - λj Lj (t)
µ˜ (t) = . (16)
i
j=0 1 + δLj (t)
Maintenant,
définir
1
ln L˜ (t) := ln L (t) + µ' (t) 2
∆t (17)
i i i - 2 λi
donne
alors
ln Li (t + ∆t) ≈ ln L ˜ i (t) + λi - θ(t)∆t + λi - ∆WP . (18)
pour q = 1, . . .
, d.
Les quantités fq (t) peuvent être considérées comme des projections de la courbe
où
mp = -ap ∆t
cp = a bpp
∆t
etp = σp ∆WpP .
A. Résultats
Dans cette section, une version à quatre facteurs du modèle est illustrée et les
estimations des paramètres sont obtenues à partir d'un ensemble de courbes de
rendement historiques du Royaume-Uni. Les données utilisées sont les courbes de
rendement des banques commerciales du 31/01/1999 au 30/09/2008, obtenues auprès
de la Banque d'Angleterre [16].
Nous avons calculé la matrice de covariance observée Σ entre les variations
mensuelles du logarithme des taux à terme à un an (δ = 1) du terme i et du terme j
(i, j = 1, . . . , 20 ans). Les quatre premières composantes principales obtenues à partir
de la décomposition en composantes principales de la matrice de covariance sont
présentées dans la figure 1. Les résultats sont typiques des études ACP des données
de la courbe de rendement, montrant clairement le niveau, la pente, l'arc et les
perturbations d'ordre supérieur. Les quatre premières composantes principales
trouvées expliquent 96,7 % de la variance des données.
Les résultats pour le prix du marché des paramètres de risque ap et bp sont
présentés dans le tableau I. Les résultats montrent des paramètres de réversion
moyenne élevés ap et des paramètres "moyens" faibles bp pour les composantes d'ordre
supérieur, ce qui indique que toute perturbation de ces facteurs se dissipe rapidement. Là
encore, ce résultat est intuitif, car nous nous attendons à ce que la pression
commerciale garantisse que la courbe de rendement reste raisonnable. Cela renforce la
Copie électronique disponible à l'adresse suivante :
relation entre notre spécification du prix du risque sur le marché et les constantes de
printemps de [6].
10
0.3 Composantes
principales[1]
0.2
Composantes
0.1 principales[2]
0.0
Composantes
principales[3]
Valeur
-0.1
-0.2 Composantes
principales[4]
-0.3
-0.4
-0.5
-0.6
0 2 4 6 8 10 12 14 16 18 20 22
Durée
FIG. 1 : Les quatre premières composantes principales, issues d'une analyse en composantes
TABLEAU I : Résultats de l'estimation des paramètres pour le modèle Real World BGM, à
partir de données britanniques.
Facteur p ap pb σp
B. Résultats de la simulation
11
8.5%
8%
7.5%
7%
6.5%
Taux à terme
6%
5.5%
5%
4.5%
4%
3.5%
3%
0 2 4 6 8 10 12 14 16 18 20 22
Durée jusqu'à l'échéance
FIG. 2 : 100 courbes de rendement à terme simulées à partir du modèle à la 20e année de
projection, à partir du modèle Real World BGM calibré sur les données du Royaume-Uni.
Pour une analyse plus quantitative, Rebonato et al [6] définissent une mesure de
courbure et montrent que les courbes de rendement produites par certains modèles
présentent une courbure des courbes de rendement beaucoup plus élevée que la
courbure des courbes de rendement historiques. Pour des courbes de rendement
également espacées, l'expression de la courbure de la courbe de rendement du taux à
terme à l'échéance i devient
1
ζi = δ2 (Li−1 - 2Li + Li+1 ). (23)
12
90e
7.5% 7.5% percentile
7% 7% 75e
percentile
6.5% 6.5%
50e
percentile
6% 6%
25ème
d'acheminemen
percentile
Taux à terme
5.5% 5.5%
RAte
10ème
percentile
t
5% 5%
Moyenne
4.5% 4.5%
4% 4%
3.5% 3.5%
3% 3%
0 2 4 6 8 10 12 14 16 18 20 22 0 2 4 6 8 10 12 14 16 18 20 22
FIG. 3 : Taux à terme historiques et densité simulée de la courbe des taux à terme à la 20e année
de projection, à partir de 10 000 simulations du modèle Real World BGM calibré sur les données
du Royaume-Uni.
0.0050
0.0045
Simulations
0.0040
0.0035
0.0030 Historique
Valeu
0.0025
r
0.0020
0.0015
0.0010
0.0005
0.0000
0 2 4 6 8 10 12 14 16 18 20
i
FIG. 4 : Écart-type de la courbure des courbes de taux à terme simulées et historiques, d'après le
9% 90e centile
75e centile
8%
50e centile
7% 25e centile
10e centile
Taux
6%
Moyenne
5% Courbe de
rendement du taux à
terme initial[*]
4%
3%
0 2 4 6 8 10 12 14 16 18 20
Année suivante
FIG. 5 : Graphique de l'entonnoir de doute pour le taux à échéance constante d'un an (zone ombrée
en bleu - la ligne verte est la moyenne), superposé à la courbe d'ouverture des taux à terme (ligne
rouge).
14
Fk (t)α
où k α
maintenan
t
δλk-m(t)- λj-m(t)Fj (t)
µk (t) = . (25)
j=Σm(t 1 + δFj (t)
Le cadre présenté ici pour modéliser les taux d'intérêt réels peut également être étendu au
modèle CEV, qui est utile dans les économies où les taux d'intérêt sont faibles. Par exemple,
nous pouvons écrire
dFk (t) }
=λ k-m(t) - θ(t) + µ k (t) dt + λk-m(t) - dWP , (26)
Fk (t)α
Cela garantit que, lorsque le taux à terme devient faible, le processus se transforme en
Copie électronique disponible à l'adresse suivante :
modèle BGM standard, de sorte que les taux à terme ne deviennent jamais nuls.
Nous présentons les résultats pour le modèle CEV limité au monde réel en utilisant un
modèle à quatre facteurs avec
α = 0,5, ε = 0,05%, calibrés sur les taux d'intérêt américains de la Réserve fédérale [18] à
partir de
15
18%
16%
14%
12%
Taux à terme
10%
8%
6%
4%
2%
0%
0 2 4 6 8 10 12 14 16 18 20 22
Durée jusqu'à l'échéance
FIG. 6 : 100 courbes de rendement à terme simulées à partir du modèle CEV Real World Limited calibré
16
0.0045
0.0040 Simulations
0.0035
0.0030
Historique
Valeu
0.0025
r
0.0020
0.0015
0.0010
0.0005
0.0000
0 2 4 6 8 10 12 14 16 18 20
i
FIG. 7 : Écart-type des courbes de taux à terme simulées et historiques du modèle CEV Real
World Limited calibré sur les données américaines à la 20e année de projection.
Historique Simulations
22% 22%
18% 18%
75e centile
16% 16%
50e centile
14% 14%
25e centile
12% 12%
Valeur
Valeur
10e centile
10% 10%
Moyenne
8% 8%
6% 6%
4% 4%
2% 2%
0% 0%
0 2 4 6 8 10 12 14 16 18 20 22 0 2 4 6 8 10 12 14 16 18 20 22
FIG. 8 : Courbes de taux à terme historiques et distribution des courbes de rendement simulées
à partir du modèle Real World Limited CEV calibré sur les données américaines à la 20e année
de projection.
17
Copie électronique disponible à l'adresse suivante :
variables. Dans la réalité, les paramètres ap et bp peuvent également être aléatoires.
Bien que ces modèles aient été développés pour modéliser l'asymétrie de la volatilité
dans les dérivés de taux d'intérêt, les modèles à paramètres incertains dans le cadre
BGM et (L)CEV fournissent une méthode naturelle pour traiter l'incertitude statistique
des paramètres estimés à partir de données historiques. L'incertitude des paramètres
peut être évaluée au jugé par l'analyste ou quantifiée à l'aide de méthodes bayésiennes.
Ceci est difficile à réaliser dans les modèles traditionnels de taux courts ou affines,
puisque le calcul de la structure des taux à partir des facteurs affines nécessite le calcul
analytique des valeurs attendues, ce qui est difficile lorsque les paramètres du processus
sont eux-mêmes aléatoires.
Le modèle peut également être facilement étendu pour intégrer le changement de
régime, où les paramètres ap , bp et σp changent de valeur en fonction de la valeur d'une
variable d'état latente, qui varie elle-même par le biais d'un processus de Markov. Par
exemple, dans le modèle BGM, nous pourrions avoir un modèle à deux régimes, où
, N +m(t)-1
�
p
artp �brtp- Σ p
θ (t) = p ln Fi (t)� , (31)
σ rt Λi-m(t)
i=m(t)
Un tel modèle serait analogue à celui proposé par Bernadell, Cohche et Nyholm [20], mais
dans un contexte de taux d'intérêt positifs et sans arbitrage. Là encore, le cadre
présenté ici offre une méthode plus simple pour modéliser ces changements de régime que
les modèles de taux courts.
VII. CONCLUSIONS
Nous avons présenté une forme de prix de marché du risque pour le modèle BGM qui,
nous le montrons, conduit à une dynamique qui présente des caractéristiques
souhaitables pour l'évolution réelle de la courbe de rendement, telles que le maintien de
niveaux et de formes raisonnables, la non-négativité des taux d'intérêt, la capacité à faire
évoluer une courbe de rendement de départ arbitraire, et l'absence d'arbitrage. Le
modèle a des applications dans tous les domaines où des distributions de taux d'intérêt
réelles sont nécessaires, par exemple dans les modèles de capital économique, la
gestion actif-passif et l'analyse du risque des portefeuilles de titres à revenu fixe. Le
modèle peut être facilement étendu, par exemple en incorporant une élasticité constante.
Copie électronique disponible à l'adresse suivante :
18
19
[1] A. Brace, D. Gatarek et M. Musiela. The market model of interest rate dynamics. Mathe-
matical Finance, 7(2):127-155, 1997.
[2] Fredrik Armerin, Bjarne Astrup Jensen et Tomas Bjö
.rkTerm structure models with parallel and
proportional shifts. Applied Mathematical Finance, 14(3):243-260, 2007.
[3] Francis X. Diebold et Canlin Li. Prévision de la structure à terme des rendements des
obligations d'État.
Journal of Econometrics, 130:337-364, 2006.
[4] Charles R. Nelson et Andrew F. Siegel. Parsimonious modeling of yield curves. The Journal of
Business, 60(4):473-489, 1987.
[5] Peter J Knez, Robert Litterman et Jose Alexandre Scheinkman. Explorations into factors
explaining money market returns. Journal of Finance, 49(5):1861-82, décembre 1994.
[6] Riccardo Rebonato, Sukhdeep Mahal, Mark Joshi et Lars Dierk Bucholz. Evolving yield curves in
the real-world measure : a semi-parametric approach (Courbes de rendement évolutives dans
le monde réel : une approche semi-paramétrique).
[7] Oldrich Vasicek. An equilibrium characterization of the term structure. Journal of Financial
Economics, 5(2):177-188, novembre 1977.
[8] John C. Cox, Jonathan E. Ingersoll et Stephen A. Ross. A theory of the term structure of
interest rates. Econometrica, 53(2):385-408, 1985.
[9] D. Duffie et R. Kan. A yield-factor model of interest rates. Mathematical Finance, 6(4):379-
406, 1996.
[10] Qiang Dai et Kenneth J. Singleton. Analyse de spécification des modèles affines de structure
des termes.
The Journal of Finance, 55(5):1943-1978, 2000.
[11] Jens H.E. Christensen, Francis X. Diebold et Glenn D. Rudebusch. The affine arbitrage-free
class of nelson-siegel term structure models. Rapport technique, 2007.
[12] Iryna Kaminska. A no-arbitrage structural vector autoregressive model of the uk yield curve.
Bank of England working papers 357, Banque d'Angleterre, décembre 2008.
[13] J. Michael Harrison et Stanley R. Pliska. Martingales et intégrales stochastiques dans la
théorie des
[16] http://www.bankofengland.co.uk/statistics/yieldcurve/UKBLC(month_end).xls,
2008.
[17] Leif Andersen et Jesper Andreasen. Volatility skews and extensions of the libor market model.
Applied Mathematical Finance, 7(1):1-32, 2000.
[22] Une autre spécification est ln Fi+N (ti ) := α1 ((1 + α2 ) ln Fi+N−1 (ti ) - α2 ln Fi+N−2 (ti )). +
(1 - α1 ) ln c + σϵi , où {ϵi } sont des variables normales standard i.i.d., indépendantes de W . Le
Cela signifie également que la nouvelle obligation ne peut pas être complètement couverte