Abonnez-vous à DeepL Pro pour traduire des fichiers plus volumineux.

Visitez www.DeepL.com/pro pour en savoir plus.

Modélisation des taux d'intérêt dans le monde réel avec le

modèle BGM

James P. Norman
EMB Consultancy LLP Barley
House, Great Shelford,

Cambridge, CB22 5LT, Royaume-Uni∗

(Date : 29 septembre 2009)

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

Consultancy LLP ; Adresse électronique : james.norman@emb.com

EElelecctroonnicicccooppyyaavvaailalabbleleaa
::h
t htpps::/ssssrnn..ccoomm//aabbssttrraacctt==11
 1

EElelecctroonnicicccooppyyaavvaailalabbleleaa
::h
t htpps::/ssssrnn..ccoomm//aabbssttrraacctt==11
I. INTRODUCTION

Le problème de la modélisation de l'évolution réelle de la structure par terme des

taux d'intérêt est un problème important qui a reçu relativement peu d'attention dans la
littérature. La plupart des modèles de la structure des taux ont été développés pour
évaluer les produits dérivés de taux d'intérêt, tels que les caps et les swaptions. Dans
les problèmes de tarification, il est nécessaire d'utiliser des probabilités neutres par
rapport au risque [21], afin que les prix obtenus soient exempts d'arbitrage.
Le problème abordé dans ce document est celui de l'évolution réelle de la structure
des taux d'intérêt. Alors que les modèles à risque neutre nous permettent de fixer le
prix des instruments financiers aujourd'hui, les probabilités réelles sont nécessaires
pour répondre aux questions sur la distribution réelle des taux d'intérêt dans le futur.
Cela est nécessaire lorsque l'on souhaite poser des questions sur le risque par rapport
au rendement d'un portefeuille d'obligations, dans le modèle de capital économique d'une
compagnie d'assurance ou dans les exercices de gestion actif-passif, par exemple.
Toutefois, les modèles de structure des taux d'intérêt dans le monde réel devraient
toujours être exempts d'arbitrage. Les arbitrages dans un modèle de structure des taux
sont apparents dans la mesure de la probabilité réelle tout autant que dans la mesure
du risque neutre, puisque les mesures devraient être équivalentes. Les décisions fondées
sur un modèle comportant des arbitrages peuvent être erronées. Par exemple,
l'opportunité d'arbitrage classique dans le modèle à courbe de rendement plate peut
conduire à l'impression erronée que l'adoption d'une position longue à court terme sur les
obligations à coupon zéro à 1, 2 et 3 ans peut conduire à un portefeuille sans risque de
perte et avec une chance non nulle de profit. En effet, dans le modèle à courbe de
rendement plate, les prix des obligations à coupon zéro ne peuvent pas être exprimés
comme des valeurs escomptées actualisées dans le cadre d'une mesure de risque
neutre équivalente, et le modèle n'est donc pas exempt d'arbitrage [2].
Dans le même temps, un modèle de taux d'intérêt du monde réel doit produire une
dynamique de courbe de rendement réaliste, c'est-à-dire que la courbe de rendement
doit pouvoir se déplacer, se tordre et s'infléchir comme on l'a observé, tout en
conservant des formes "raisonnables" sur un long horizon. L'exigence de réalisme
implique également que les taux d'intérêt restent non négatifs. Une autre caractéristique
souhaitable est que le modèle doit être capable de correspondre à une courbe de
rendement observée arbitrairement.
Le volume de littérature sur la modélisation de l'évolution réelle de la structure des
taux est relativement faible. Diebold et Li [3] adaptent des fonctions paramétrées à la

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.

Copie électronique disponible à l'adresse suivante :

qui, à son tour, correspond à la recherche d'un prix de marché approprié pour le
processus de risque.
Dans cet article, nous proposons une forme de prix de marché du risque pour le
modèle BGM et illustrons par simulation que les courbes de rendement produites
conservent des formes raisonnables même sur un long horizon. Nous proposons
également une méthode pour étendre la courbe de rendement à chaque pas de temps
futur afin de garantir que les courbes de rendement simulées couvrent une gamme fixe
d'échéances.
Le modèle proposé dans ce document n'est pas motivé par des considérations
économiques mais par des considérations statistiques. Il est conçu pour reproduire le
comportement historique de la structure à terme des taux d'intérêt dans un
environnement sans arbitrage. Cependant, il existe des similitudes entre notre modèle
et les modèles économétriques basés sur des facteurs latents tels que [11].
Une méthode simple pour calibrer notre modèle sur les données historiques des taux
à terme est présentée, en utilisant l'Analyse des Composantes Principales (ACP).
Diverses extensions du modèle sont également proposées, telles que l'élasticité
conditionnelle de la variance (CEV), les paramètres incertains et le changement de
régime, qui améliorent le réalisme du modèle.

II. DYNAMIQUE SANS RISQUE

Nous commençons par un bref examen de la dynamique sans risque du modèle

BGM. Cette question est traitée plus en détail dans de nombreux autres documents
(voir [14], par exemple).
Le modèle BGM est un modèle de taux à terme simples F (t, T ) de durée δ - c'est-à-
dire le taux à terme observé à l'instant t pour la période (T, T + δ). Définissons P (t, T )
comme le prix d'une obligation à coupon zéro à l'instant t qui paie 1 à l'instant T . Les
taux à terme F (t, T ) sont liés aux prix des obligations à coupon zéro par

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

Copie électronique disponible à l'adresse suivante :

numéraire, Fk (t) := F (t, Tk ). L'équation BGM est une déclaration selon laquelle, si
∗
les taux à terme sont dirigés par un mouvement brownien d-dimensionnel WQ =
∗ Q∗
{W1Q , ..., W d }, alors afin d'éviter les opportunités d'arbitrage, les taux à terme
doivent satisfaire les conditions suivantes

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)

et ξk (t) = {ξ1 (t), ..., ξd (t)} est un vecteur de fonctions de volatilité.

k k

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.

III. LA DYNAMIQUE DU MONDE RÉEL

Nous envisageons maintenant la transformation en une mesure de probabilité du

monde réel. Nous présentons WP comme un mouvement brownien à d dimensions sous la
mesure de probabilité équivalente du monde réel P.
Copie électronique disponible à l'adresse suivante :
 ∗
Par le théorème de Girsanov, ceci est lié à WQ par

dWP = dWQ∗ - θ(t)dt, (8)

Copie électronique disponible à l'adresse suivante :

où θ(t) = {θ1 (t), . . . , θd (t)} est le prix du marché du vecteur de risque. Ainsi, le problème
de l'utilisation du modèle BGM dans le monde réel consiste à trouver une forme
appropriée du prix du risque sur le marché.
Sous la mesure du monde réel, l'équation différentielle stochastique pour les taux à
terme est alors la suivante
dFk (t)
= λ k-m(t) - θ(t) + µ k } - dWP . (9)
Fk (t) (t) dt + λk-m(t)
Il est souvent plus commode de modéliser le logarithme des taux à terme, qui évoluent
ac-
conformément à l'article
1
d ln Fk (t) = λ k-m(t) - θ(t) + µ k (t) - 2 λk-m(t)
2 dt + λ k-m(t) - dWP . (10)

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

θ (t) = σp �b - ln Fi (t)� . (11)

Λi-m(t)
i=m(t)

Pour interpréter (11), il faut d'abord

i noter que Λp contrôle la manière dont les chocs
du p-ième "facteur" du mouvement brownien sont transférés au taux à terme avec une
échéance résiduelle (iδ, (i + 1)δ]. Empiriquement [14], les facteurs les plus importants
(mesurés en termes de valeur relative de σp2 pour le p-ième facteur) correspondent au
"niveau" (c'est-à-dire que les chocs de ce facteur font évoluer les taux de toutes les
échéances dans la même direction), à la "pente" (c'est-à-dire que les chocs de ce
facteur font évoluer les taux longs de toutes les échéances dans la même direction), au
"niveau" (c'est-à-dire que les chocs de ce facteur font évoluer les taux longs de toutes
les échéances dans la même direction). les chocs de ce facteur font évoluer les taux de
l'échéance longue et de l'échéance courte dans des directions opposées) et à l'"arc"
(les chocs de ce facteur font évoluer les taux de l'échéance longue et de l'échéance
courte dans la même direction, mais les taux de l'échéance moyenne dans la direction

Copie électronique disponible à l'adresse suivante :

opposée). Les facteurs d'ordre supérieur présentent un comportement plus complexe,
mais sont progressivement moins importants en termes de taille typique des décalages.
Le terme ΣN +m(t)-1 Λp ln F (t) peut être interprété comme une projection du (log)
i=m(t) i-m(t) i
forward
La courbe de rendement des taux d'intérêt sur l'espace des facteurs. Intuitivement, c'est
la quantité de chaque facteur (niveau,

Copie électronique disponible à l'adresse suivante :

pente, arc, etc.) présents dans la courbe de rendement. En examinant (11), on constate
que, si ap > 0, le prix de marché du risque pour un facteur est positif (négatif) chaque fois
que le montant projeté du facteur est inférieur (supérieur) au niveau bp . En ce sens, cette
spécification du prix de marché du risque introduit un élément de retour à la moyenne
dans le niveau de chaque facteur, et donc dans la forme de la courbe des rendements.
Le paramètre ap contrôle le taux de retour à la moyenne. Ainsi, cette forme de prix du
risque sur le marché a un effet similaire aux "constantes de printemps" ou aux
"arbitragistes" dans [6], modérant les formes que la courbe de rendement peut obtenir.
Le modèle ci-dessus du prix du risque sur le marché n'est pas motivé ou justifié par
des raisons économiques ou théoriques ; il est plutôt motivé par le désir que les taux
d'intérêt s'inversent en moyenne et que les courbes de rendement n'atteignent pas des
formes trop "curvilignes". Il existe de nombreux autres choix possibles, même dans la
classe des fonctions linéaires des logarithmes des taux de progression. La forme (11) a été
choisie car elle est simple et parcimonieuse, ne nécessitant que 2d paramètres
supplémentaires. Les travaux futurs porteront sur d'autres formes du prix du risque sur
le marché.

IV. MODÉLISATION D'UNE GAMME FINIE DE DURÉES JUSQU'À

L'ÉCHÉANCE

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 :

Copie électronique disponible à l'adresse suivante :

Supposons qu'à une date quelconque, la courbe des taux à terme soit observée pour N
dates d'échéance futures, et qu'immédiatement après chaque date d'échéance ti , un
nouveau taux soit introduit Fi+N (ti ) qui, nous le supposons, est lié aux taux d'intérêt
existants de la courbe des taux à terme.

Copie électronique disponible à l'adresse suivante :

par le biais de
ln Fi+N (ti ) := 2 ln Fi+N−1 (ti ) - ln Fi+N−2 (ti ). (12)

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.

V. ESTIMATION DES PARAMÈTRES

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 1. Analyse des composantes principales Si le délai entre les observations

historiques ∆t est faible, nous pouvons supposer que le terme de dérive dans
(10) est faible par rapport au terme de volatilité. Nous approximons également
F (t, T ) ≈ F (t, T + ∆t). Pour simplifier les expressions, nous introduisons des taux
à terme à échéance constante L(t, τ ) := F (t, t + τ ), et définissons Li (t) := L(t, iδ), i
= 0..N - 1. Dans ce cas,

Copie électronique disponible à l'adresse suivante :

 ∆ ln Li (t) ≈ λi - ∆W, (13)

Copie électronique disponible à l'adresse suivante :

 de sorte que
i,j Σ:= Cov(∆ ln Li (t), ∆ ln Lj (t)) ≈ ∆tλi - λj
(14)

Une analyse des composantes principales (ACP) est maintenant utilisée

i pour
récupérer les Λp 's et σp 's à partir de la matrice
i de covariance historique
observée. Les Λp 's estimés par la décomposition de l'ACP satisferont
automatiquement aux conditions d'orthogonalité (7).

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)

En insérant l'expression du prix de marché du risque (11) dans (18), en la i

multipliant par Λq , en la sommant sur i et en utilisant les conditions d'orthogonalité (6),

on obtient d équations :

f q (t + ∆t) ≈ f˜q (t) + aq (bq - fq (t)) ∆t + σ q ∆W q P , (19)

où nous avons introduit

N -1
q Σ q
f (t) := Λj ln Lj (t), (20)
j=0
N -1
˜q Σ q ˜
f (t) := Λj ln Lj (t), (21)
j=0

pour q = 1, . . .
, d.

Les quantités fq (t) peuvent être considérées comme des projections de la courbe

Copie électronique disponible à l'adresse suivante :

du logarithme des taux à terme sur le q-ième facteur. Étant donné les observations
historiques des taux à terme à échéance constante Li (t) et les Λq 's de l'analyse
des composantes principales de l'étape 1, nous pouvons calculer les réalisations
historiques de fq (t) et f˜q (t) pour chaque date d'observation.

Copie électronique disponible à l'adresse suivante :

Étape 3. Régression Ensuite, nous utilisons une analyse de régression simple pour
chaque facteur afin d'estimer les paramètres ap et bp . Nous fixons Yp (t) := fp (t +
∆t) - f˜p(t) et Xp (t) := fp (t), et régressons Yp (t) sur Xp (t) :

Yp (t) = m Xpp (t) + cp + t (22)

ep

où

mp = -ap ∆t
cp = a bpp
∆t
etp = σp ∆WpP .

Les paramètres ap et bp peuvent alors être récupérés à partir des paramètres de

pente et d'ordonnée à l'origine de la régression.

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

Copie électronique disponible à l'adresse suivante :

 Composantes principales
0.4

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

principales des données mensuelles de la courbe des rendements à terme du Royaume-Uni.

TABLEAU I : Résultats de l'estimation des paramètres pour le modèle Real World BGM, à
partir de données britanniques.

Facteur p ap pb σp

1 0.7463 -12.983 0.50656

2 0.6257 1.9059 0.30164
3 3.4814 0.4441 0.14836
4 4.5371 -0.1584 0.11106

B. Résultats de la simulation

Malheureusement, il n'existe pas de schéma exact pour simuler les résultats du

modèle BGM sur des intervalles de temps finis. Au lieu de cela, nous devons utiliser la
discrétisation d'Euler du processus à temps continu (15). Dans ce qui suit, nous
utilisons des pas de temps mensuels. Aux dates de réinitialisation, nous utilisons (12)
pour introduire le nouveau taux à terme de la plus longue échéance.
Une critique courante des méthodes basées sur l'ACP est que les courbes de
rendement produites deviennent trop "sinueuses" après une longue période et
atteignent des formes irréalistes. Une inspection visuelle des courbes de taux à terme
simulées à partir du modèle montre que les courbes de taux à terme se comportent bien,
même après un temps considérable. La figure 2 montre 100 simulations de courbes de taux
Copie électronique disponible à l'adresse suivante :
à terme.

11

Copie électronique disponible à l'adresse suivante :

produites par le modèle Real World BGM à l'aide des paramètres du tableau I au niveau
de la courbe des taux d'intérêt.
20th année de projection. La figure 3 montre la densité des courbes de rendement des
taux à terme simulés pour l'année de projection 20th , ainsi que les taux à terme
historiquement observés.

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)

Ils calculent ensuite l'écart-type de la courbure historique des courbes de rendement et

le comparent à l'écart-type de la courbure des courbes de rendement modélisées.
Cette analyse a été appliquée au modèle Real World BGM, et les résultats sont présentés
Copie électronique disponible à l'adresse suivante :
 dans la Figure
4. Le modèle saisit les caractéristiques générales de l'écart-type historique des courbures

12

Copie électronique disponible à l'adresse suivante :

 Historique Simulations
8% 8%

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

Durée jusqu'à l'échéance Durée jusqu'à l'échéance

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.

bien. En particulier, l'extrémité courte de la courbe présente une courbure beaucoup

plus importante que l'extrémité longue, comme on l'a vu historiquement.
Un autre aspect intéressant du modèle présenté ici est l'évolution d'un taux au
comptant à échéance constante. Cet aspect est illustré par la figure 5, qui montre
l'évolution du taux au comptant à échéance constante d'un an du modèle, ainsi que la
courbe des taux à terme de départ. Le taux au comptant à un an présente un mélange
de comportements, étant influencé à court terme par la forme de la courbe de
rendement du taux à terme, tout en revenant à une moyenne à long terme à plus long
terme. Par exemple, si la courbe de rendement des taux à terme est fortement inclinée
vers le bas à l'extrémité courte, le taux à un an aura tendance à diminuer en moyenne
au cours des premières périodes de projection. Puis, par la suite, le comportement de
retour à la moyenne commence à dominer et le taux est ramené à sa moyenne à long
terme. Il s'agit d'un résultat intéressant et intuitif ; dans ce modèle, la forme de la courbe
de rendement contient des informations sur l'évolution future des taux, en particulier sur
les périodes de prévision courtes, alors que sur les périodes plus longues, la courbe de
rendement contient moins d'informations.

Copie électronique disponible à l'adresse suivante :

 13

Copie électronique disponible à l'adresse suivante :

 0.0055

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

modèle BGM calibré sur les données du Royaume-Uni

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

Copie électronique disponible à l'adresse suivante :

VI. EXTENSIONS

A. A Modèle CEV (limité)

L'extension de l'élasticité constante de la variance du modèle BGM a été introduite

par Andersen et Andreasen [17] pour évaluer les dérivés de taux d'intérêt dans les
économies à faibles taux d'intérêt, où l'hypothèse log-normale du modèle BGM ne tient
pas. Dans le modèle CEV, la dynamique du risque neutre à terme dans le cadre de la
mesure CD glissante est la suivante
∗
dFk (t) (24)
= µk (t)dt + λ k-m(t) - dW ,
Q

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

où le prix de marché du risque est,supposé être de la forme 1-Α�

ap
p N +m(t)-1
Σ p

θ (t) = σp �b - Λi-m(t)Fi(t) �. (27)

i=m(t)

Anderson et Andreasen montrent que le modèle CEV proposé ci-dessus souffre du

problème que, pour α < 1, les taux à terme peuvent atteindre zéro et ensuite être
absorbés de façon permanente. Ils proposent donc également un modèle CEV limité
(LCEV), que nous étendons ici au monde réel :
}
dFk (t)
=λ - θ(t) + µ (t) dt + λ - dWP , (28)
k-m(t) k k-m(t)
φ(Fk (t))
où
φ(x) = x min εα−1 , xα−1 , (29)

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

Copie électronique disponible à l'adresse suivante :

30/07/1981 au 31/12/2008. L'estimation des paramètres se fait en utilisant la discrétisation
d'Euler de
(28),
∆Fk (t)
=λ k-m(t) - θ(t) + µ (t)} ∆t + k-m(t) - ∆WP , (30)
φ(Fk
k
(t)) λ
d'une manière analogue au modèle BGM de la section V.
Nous utilisons également la discrétisation simple d'Euler comme schéma de
simulation. Le schéma d'Euler peut donner des valeurs négatives pour les taux à terme,
de sorte que tous les taux à terme négatifs simulés sont remplacés par leurs valeurs
absolues. Les résultats sont résumés dans les figures 6 à 8. Une fois encore, les courbes
de rendement obtenues semblent avoir des formes réalistes, présentent des modèles
similaires d'écart-type de courbure et restent dans une fourchette raisonnable même
après 20 ans de projection.

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

sur les données américaines à la 20e année de projection.

B. Autres extensions : Modèles à paramètres incertains et changement de

régime

Le cadre ci-dessus est facilement étendu aux extensions à paramètres incertains du

modèle BGM (voir, par exemple, [19]). Dans ces modèles, les paramètres de volatilité sont
Copie électronique disponible à l'adresse suivante :
aléatoires

16

Copie électronique disponible à l'adresse suivante :

 0.0050

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%

20% 20% 90e centile

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

Durée jusqu'à l'échéance Durée jusqu'à l'échéance

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)

où rt = 1, 2 représente le régime à l'instant t, et le régime évolue selon un processus de

Markov,
P (rt+dt = i|rt = j) = M dt.i,j (32)

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

Copie électronique disponible à l'adresse suivante :

des effets de variance pour les situations où l'hypothèse lognormale habituelle n'est pas
valable, et
incorporant des paramètres incertains et un comportement de changement de régime.
Bien que le modèle ait été illustré à l'aide de quatre facteurs, un nombre quelconque de
facteurs peut être retenu si on le souhaite, et les courbes de rendement conserveront
toujours des formes réalistes (à condition d'utiliser des paramètres appropriés pour le prix
du risque sur le marché) en raison de l'effet de retour à la moyenne introduit par les prix du
risque sur le marché. Par conséquent, le modèle peut récupérer la matrice de covariance
exacte des variations de la courbe de rendement si cela est nécessaire, au prix de
l'introduction de paramètres supplémentaires. Le modèle est sans doute trop paramétré
dans sa forme actuelle. On souhaiterait un modèle parsi- monieux, comme
i le
soutiennent Diebold et Li [3]. Une méthode naturelle pour réduire le nombre de
paramètres consisterait à pré-spécifier une forme fonctionnelle des facteurs de volatilité
λp , plutôt que d'utiliser l'analyse des composantes principales. On pourrait utiliser des
polynômes orthogonaux à cette fin
objectif.
Notre modèle semble être un candidat improbable pour le "vrai" processus sous-
jacent au comportement de la courbe de rendement - pour commencer, on obtient un
modèle différent en fonction du choix arbitraire du ténor δ - et il n'est d'ailleurs pas censé
l'être. Il s'agit plutôt d'un modèle conçu pour permettre aux modèles bien connus BGM et
CEV de produire un comportement réaliste des courbes de rendement, tout en
conservant la propriété d'absence d'arbitrage. En ce qui concerne son réalisme, il existe
encore de nombreuses façons d'améliorer le modèle ; en plus des extensions déjà
discutées, on pourrait ajouter des sauts et une volatilité stochastique, et nous n'avons
pas encore envisagé l'impact d'autres variables économiques.
Par ailleurs, on peut s'opposer à ce que le modèle soit calibré uniquement sur des
données historiques, car cela ne tient pas compte des informations supplémentaires
dont l'analyste peut disposer et qui ne sont pas présentes dans les données. Il existe
également un problème supplémentaire d'incertitude des données, dans la mesure où les
courbes de taux à terme historiques peuvent très bien avoir été dérivées par des
moyens statistiques à partir des prix des instruments financiers, et les procédures de
"stripping" et de lissage utilisées peuvent introduire des erreurs supplémentaires dans
les données.
Dans ce modèle, comme dans tous les modèles, l'utilisateur serait bien avisé
d'inclure une part de jugement dans la phase de paramétrage, et les paramètres
pourraient devoir être ajustés subjectivement pour tenir compte de l'effet des
Copie électronique disponible à l'adresse suivante :
hypothèses du modèle.

19

Copie électronique disponible à l'adresse suivante :

 Remerciements

Je remercie Alun Marriott et Andrzej Czernuszewicz pour les discussions et les

révisions utiles de ce document.

[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

Copie électronique disponible à l'adresse suivante :

 20

Copie électronique disponible à l'adresse suivante :

 de l'échange continu. Stochastic Processes and their Applications, 11(3):215-260, août 1981.
[14] John Hull, Alan White et Joseph L. Rotman. Forward rate volatilities, swap rate volatilities, and
the implementation of the libor market model, 1999.
[15] Daniel Sommer. Pricing and hedging of contingent claims in term structure models with
exogenous issuing of new bonds. Discussion Paper Serie B 397, Université de Bonn,
Allemagne, janvier 1997.

[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.

[18] http://www.federalreserve.gov/econresdata/researchdata/feds200628.xls, 2008.

[19] D. Brigo, F. Mercurio et F. Rapisarda. Sourire à l'incertitude, 2004.
[20] Carlos Bernadell, Joachim Coche et Ken Nyholm. Yield curve prediction for the strategic
investor (Prévision de la courbe de rendement pour l'investisseur stratégique). Working Paper
Series 472, Banque centrale européenne, avril 2005.
[21] Dans le présent document, nous utilisons le terme "risque neutre" pour désigner toute
mesure de tarification martingale équivalente

[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

paramètre α2 détermine le degré de dépendance du nouveau taux par rapport à la pente de la

courbe de rendement (logarithmique). Le paramètre α1 détermine le poids accordé au point

prédit par l'extrémité longue de la courbe de rendement par rapport à un taux (logarithmique)
"à long terme" c. La prise en compte des termes d'erreur ϵi permet à la banque centrale de
déterminer le taux d'intérêt à long terme.

Cela signifie également que la nouvelle obligation ne peut pas être complètement couverte

par les obligations existantes.

Copie électronique disponible à l'adresse suivante :

 21

Copie électronique disponible à l'adresse suivante :