Vous êtes sur la page 1sur 25

La Value-at-Risk Risque I.

GENERALITES

La Valeur

I.1. Introduction: Le besoin dune mesure de risque standardise (VaR) Jusqu la fin des annes 80, les mthodes utilises pour dtecter et grer les risques de march ntaient adaptes qu des produits spcifiques. Il tait alors impossible de comparer les mesures de risques entre les diffrentes tables dune mme salle de trading. Laccroissement de la volatilit des marchs financiers, le dveloppement spectaculaire des produits drivs et, surtout, une srie de dsastres (les plus connus tant ceux de la banque Baring, de Metallgesellschaft, de la banque Daiwa et du Comit dOrange aux Etats-Unis) ont pouss les instituts financiers rechercher un indicateur global et synthtique des risques financiers, partir doutils adquats de contrle interne qui devront assurer la qualit du processus de mesure, de suivi, et de gestion du risque. En juillet 1993, le Groupe des 30 (constitu de reprsentants de lindustrie financire et des autorits de surveillance) recommandait de quantifier les risques par une mesure uniforme appele Value-at-Risk (VaR). Cette recommandation a t trs largement suivie puisque la VaR est devenue, en quelques annes, un standard pour lvaluation des risques financiers. Plusieurs vnements ont favoris son adoption par la communaut financire : Octobre 1994 : la banque daffaires amricaine JP Morgan1 dvoile sa mthodologie RiskMetrics et la met gratuitement disposition sur Internet. Janvier 1996 : le Comit de Ble adopte lamendement Risques de march aux Accords de Ble de 1988. Cet amendement permet aux banques de choisir entre la mthode standardise et leur propre modle pour calculer la consommation en fonds propres de leurs activits de ngociation. Contrairement aux mthodes de la VaR, la mthode standardise ne tient pas compte des effets de diversification et implique en pratique une plus grande consommation de fonds propres. La Capital Adequacy Directive (CAD) a fait de la VaR loutil privilgi de calcul de la quantit ncessaire de fonds propres pour les activits de march de la banque. Lobjectif de notre tude est dintroduire la notion de VaR, de montrer comment elle se calcule et de discuter ses applications.

At the close of business each day, tell me what the market risks are across all business and location. Dennis Weatherstone, Chairman, JP Morgan

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

La Valeur

I.2. Cadre juridique, rglementation comptable et prudentielle de la VaR Lobjectif de cette section est de prsenter lintrt des mthodes dvaluation des risques au niveau juridique. Les oprations de march des tablissements de crdit et des entreprises dinvestissement ont en effet connu un important dveloppement au cours des vingt dernires annes, en liaison notamment avec la drglementation et la libralisation des marchs de capitaux et la lgislation bancaire tenter de suivre. Des travaux mens dans un cadre international, au Comit de Ble, au niveau communautaire et national, ont permis dlaborer des normes en vue de mieux apprhender les risques de march. Le but est dobtenir des normes comptables prudentielles permettant de contrler le risque bancaire. Organismes dfinissant les rgles du contrle bancaire

Comit de Ble Niveau International

Etablissements de crdit et entreprises dinvestissement

Comit de Rglementation Bancaire (CRB) Niveau national

Conseil de LUnion Europenne (CAD) Niveau Communautaire

Le dispositif consiste prvoir une mesure des risques rsultant des oprations de march, ainsi quune couverture de ceux-ci par des exigences de fonds propres. Lintrt de la VaR est quelle apporte de nouvelles exigences par rapport aux anciennes mthodes du ratio de solvabilit. Le CRB par la rglementation du 21 juillet 1995 dfinit quatre risques de march : Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque assimils

La Valeur

1. Le risque de taux dintrt : Obligations, titres de crances ngociables et instruments 2. Le risque de variation du prix des titres de proprit : Actions et instruments assimils 3. Le risque de rglementation contrepartie : Titres de crances ou de proprit, pensions prts et emprunts de titres, drivs de gr gr. 4. Le risque de change : Pour les trois premiers types de risques, seuls les lments du bilan et du hors bilan inclus dans le portefeuille de ngociation (titres de transactions et de placements, produits drivs) sont soumis aux exigences de fonds propres. Pour le risque de change, il a pour assiette lensemble des lments du bilan et du hors bilan. Les tablissements doivent dterminer, au sein de leur portefeuille de ngociation, les positions nettes sur chacun des titres ou instruments, cest--dire le solde acheteur ou vendeur. Pour les positions sur drivs, les banques devaient jusquen janvier 1996, les convertir en positions quivalentes sur le titre sous-jacent ou en positions de change quivalentes. Maintenant, le Comit de Ble accepte la gestion partir des coefficients delta gamma et vega. Pour valuer les risques, les autorits de contrle acceptent deux types de modle : I.2.1. Lapproche standard : Le modle est construit par les autorits de contrle. Dans ce cas, diffrentes mthodes sont proposes pour dterminer la position nette relative chaque type de risque. Par ailleurs, les tablissements peuvent tre autoriss recourir des algorithmes prdfinis, pour dterminer directement le risque affrent leurs positions sur les drivs. Pour chaque classe de risque prcdemment dfinie, lapproche standard spare le risque gnral du risque spcifique, propre chaque titre. Il est vident que cette mthode est difficile mettre en uvre pour les banques. Elle naccepte pas le principe de diversification et ncessite une gestion ligne par ligne. Aussi, les grandes banques ont fait le forcing auprs des autorits de contrle pour obtenir le droit de dvelopper des modles propres. I.2.2. Lapproche interne

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

La Valeur

Ainsi, le 9 avril 1995 le Comit de Ble a accept que les banques dveloppent ellesmmes des modles dvaluation des risques. Les modles valuant le risque potentiel de pertes maximales : VaR , se sont dvelopps. Ces modles doivent toujours tre soumis au contrle des autorits mais surtout, le besoin en fonds propres rsultant du modle est multipli par un facteur compris entre 3 et 4. Les modles doivent rpondre deux types de conditions : Conditions qualitatives : Il sagit principalement de conditions destines sassurer de lexistence dun contrle satisfaisant des risques au sein de ltablissement. Une unit spciale de contrle doit produire des rapports quotidiens dvaluation du respect des limites de risques. Elle doit galement tre charge de vrifier les rsultats et la fiabilit du modle et faire rapport la direction gnrale, qui doit elle-mme tre implique dans le processus de contrle. Des scnarios de crises doivent imprativement tre analyss. Conditions quantitatives : Si aucun modle nest prescrit, la prise en compte des risques doit tre satisfaisante et reposer sur des hypothses statistiques imposes. Les modles doivent en outre, prvoir lagrgation par simple somme des risques potentiels de pertes maximales pour chaque catgorie de risques. Par ailleurs, une exigence en fonds propres supplmentaire est requise dans le cas o le modle interne ne prend pas en compte de manire adquate le risque spcifique associ aux instruments drivs de taux et dactions. La Commission Bancaire peut autoriser un tablissement utiliser son modle interne pour dterminer les exigences relatives lun des trois types de risques seulement, et avoir recours la mthode standard pour les autres. I.2.3. Le calcul des fonds propres : Les fonds propres ligibles : 1. Bnfices hors activit de ngociation. 2. Actions, rserves et autres. 3. Fonds propres sur-complmentaires : Ce sont les profits effectivement enregistrs sur le portefeuille de ngociation et non les plus-values latentes. On trouve aussi les emprunts subordonns plus de deux ans. Ils ne doivent pas dpasser 250 % des fonds propres classiques. Par la rglementation 95-02, le CRB en accord avec la CAD de lUnion Europenne, a dfini la charge de fonds propres ncessaires :

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

5
VaR t 1. CFPt = Max CFMS t ; CFMS t . ; m.VaR t 1 VaR t ' .

La Valeur

Le facteur m est compris entre 3 et 4. Il est vident que la complexit grandissante des instruments financiers, ainsi que la taille des groupes bancaires, rend toute gnralisation de ces calculs trs difficile. Pour Madame Danile Novy, Secrtaire gnrale adjoint du Comit de Ble, une bonne information financire (disclosure) de chaque groupe sur les oprations et sur les modles peut remplacer terme une rglementation trop gnraliste. I.3. Le concept de VaR Conceptuellement, la VaR est une notion trs simple : lide est de rsumer en un seul nombre lensemble des pertes potentielles que peut subir le portefeuille dactivits financires de la banque en agrgeant toutes ses positions, cest dire en une mesure cohrente de risque. La VaR essaie donc de quantifier dans un intervalle de confiance prspcifi, la perte potentielle maximum que peut subir une position isole donne, ou un portefeuille ou la banque dans son ensemble, sur une courte priode de temps (allant de 1 10 jours ouvrs) dans des conditions de march normales. Cette mesure base sur des conditions de march normales na que trs peu de porte dans des priodes de mouvements extrmes du march, il faudra donc recourir des tests de stress et des analyses de scnarios afin de complter cette mesure. Cette mesure applique diffrents portefeuilles de la banque devrait permettre didentifier les activits les plus consommatrices de fonds propres pour le risque de march, et ainsi dallouer ces fonds propres aux activits les plus rentables. Car plus la perte potentielle est importante pour un niveau de rentabilit donn moins lactivit semble rentable. Il faut noter que la CAD laisse le choix aux organismes financiers de la mthode standard ou alternative pour le calcul de la charge en fonds propres lie aux activits de marchs (ce montant est souvent rapport aux fonds propres total). La mthode standard consiste considrer sparment les diffrentes catgories dactifs et de leur attribuer indpendamment un pourcentage de fonds propres ncessaire pour le risque de march. La mthode alternative est base sur le modle interne de VaR de la banque. Cette mthode doit prendre en compte les effets de diversification entre les diffrentes catgories dactifs.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

La Valeur

Pour introduire lide de base, prenons un exemple. Vous avez investi une partie de vos conomies dans un portefeuille dactions suisses. Votre conseiller vient de vous informer que la valeur de votre portefeuille a encore baiss le mois dernier et que celui-ci vaut maintenant 50'000 francs suisses. Aprs avoir cout ses explications sur les raisons de cette mauvaise performance, vous dsirerez srement avoir une ide de la perte maximale que le portefeuille pourrait enregistrer dici la fin du mois. La rponse la plus correcte serait que vous pourriez perdre toutes vos conomies. Or cette rponse nest pas satisfaisante parce quelle ne vous apporte rien de nouveau et, surtout, parce que le scnario de perte totale a trop peu de chances de se produire. Il serait plus raliste et plus professionnel de dire : Quen labsence dvnements exceptionnels, il y a 95% de chances que le portefeuille reparte la hausse ou quil perde 4'000 francs ou moins dici la fin du mois. Cest le genre de rponse que la mthode VaR permet de donner. Par dfinition, la VaR dun portefeuille dactifs financiers correspond au montant de pertes maximum sur un horizon de temps donn, si lon exclut un ensemble dvnements dfavorables (worst case scenarios) ayant une faible probabilit de se produire. A laide du concept VaR, on peut ainsi exprimer en un seul chiffre le montant risque dun portefeuille, mme si celui-ci est compos de plusieurs classes dactifs (actions, obligations, options, devises, etc.). On pourra alors dire si le portefeuille est trop risqu ou non, en fonction du chiffre obtenu, de la valeur du portefeuille et de laversion au risque de linvestisseur. Reprenons lexemple prcdent. La VaR 95% et sur un horizon de temps dun mois de votre portefeuille est gale 4'000 francs. Cela signifie que si le portefeuille ne change pas jusqu la fin du mois et que les conditions du march restent normales, il y a 95% de chances pour que la perte sur tout le mois soit infrieure 4'000 francs. Les vnements dfavorables (worst case scenarios) ont une probabilit de 5%. Le portefeuille perdrait alors plus de 4'000 francs si lun de ces derniers devait se produire. Il faut noter que la perte totale fait partie des vnements dfavorables. Bien entendu, ce calcul ne signifie pas que votre portefeuille ne ralisera pas de performance positive sur le mois. Les modles de VaR dvelopps par les banques essaient de mesurer la perte dun portefeuille (ou de la banque dans son ensemble) pour une priode de dtention spcifique qui ne sera dpasse seulement quun certain pourcentage de fois (le plus gnralement 1% ou 5%). Elle est aussi dfinie comme la perte potentielle maximale pour une probabilit fixe sur une priode de dtention donne.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

La Valeur

La VaR dune position de march est donc un nombre cens mesurer et rsumer le risque encouru sur cette position. Les risques considrs sont gnralement ceux lis aux fluctuations des taux dintrt, du cours de change des monnaies, du prix des actions et du cours des matires premires. Si lon dispose de la distribution de la variation ( P ) de valeur du portefeuille, mathmatiquement la VaR est gale linverse de la fonction de rpartition de la loi de P value en p (p=5% ou 1%). Si lon note X la variable alatoire reprsentant la variation de valeur du portefeuille (variation pour un intervalle de temps t = j jours si la priode de dtention est de j jours), alors on cherche le nombre VaR tel que : P[ X < VaR ] = p P[ P / P < VaR / P ] = p . En inversant cette quation et en supposant une loi normale N(o; ) pour P / P , on obtient
VaR = 1 ( p ) P , ou

est la fonction de rpartition de la loi normale centre rduite.


Loi normale centre rduite : illustration
0 ,4 5

0 ,4

0 ,3 5

0 ,3

0 ,2 5

p= 68 %

0 ,2

0 ,1 5

0 ,1

-2
0 ,0 5

+ 2

p =95% p=9 9,8%


1 ,5 2 2 ,5 3 3 ,5

-3
-3 ,5 -3 -2,5 -2 -1 ,5 -1 -0 ,5

0 0 0 ,5 1

+3

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

La Valeur

Ci-dessous, a t donne une illustration graphique de la densit de probabilit dune loi normale N(0 ;15) pour 30000 observations ,pour p=0.01 VaR=-2.33*15%*P.
5000

4000

Series: R Sample 1 30000 Observations 30000 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability 0.029012 -0.011326 64.55084 -57.42176 14.99157 0.005798 3.001255 0.170071 0.918480

3000 2000

1000

-60

-40

-20

20

40

60

VaR p=1% VaR p=1%

I.4. La dmarche gnrale pour le calcul de la VaR Lapproche moderne de la VaR a pour objectif dvaluer le risque global de la banque en prenant en compte toutes les interactions possibles entre les diffrents actifs et passifs. Il existe diffrentes mthodes de mesure de la VaR, mais elles ont en commun ces diffrents points : La VaR tend tre un outil gnral de gestion qui quantifie le risque en global, voyant la firme comme un portefeuille gant dactifs et de passifs avec des valeurs de march fluctuantes. Lutilisation dinformations statistiques : cest--dire toutes les informations statistiques pertinentes propos des composantes du portefeuille, comme les volatilits historiques et les corrlations entre les diffrentes sources de risques qui sont utilises dans la quantification du risque du portefeuille. La reconnaissance de linteraction : il faut prendre en compte dans le portefeuille total les effets de diversification et de couverture. Par exemple une position couverte est assez peu risque tandis quune position sur un driv seul peut se rvler trs risque. Pour cette raison le risque dun portefeuille nest gnralement pas la simple somme des risques de ces diffrentes composantes, et la contribution marginale dune position au risque total dun portefeuille dpend de la composition du portefeuille.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

La Valeur

Le concept de VaR semble plutt simple, mais sa mise en uvre pratique ne lest pas. Il existe diffrentes mesures qui se diffrencient par leurs hypothses et les outils statistiques utiliss. Cependant, les principes de bases restent les mmes entre les diffrentes mesures. Pour commencer, les donnes concernant lensemble des positions de linstitution financire doivent tre runies dans une base de donnes centralise. Cette tche nest pas toujours vidente. Toutes les positions doivent tre valorises leur valeur de march. Une fois les donnes centralises, le risque global doit tre calcul par agrgation des risques des instruments individuels entrant dans la composition du portefeuille, de sorte que les effets de diversification soient correctement pris en compte. Cest dire quil faut dterminer les facteurs de risque individuels communs aux diffrentes positions comme les principaux indices boursiers, les principaux cours de change et de matires premires et les taux zro coupons pour diffrentes maturits, qui sont censs influencer les diffrentes composantes du portefeuille. Il faut choisir la priode de dtention, le plus gnralement un, cinq ou dix jours ouvrs. Il faut dterminer les variations des facteurs de risques individuels pour la priode de dtention, bases sur la distribution des changements de prix constats sur un chantillon dobservations historiques prdtermin. Puis il faut estimer les effets des variations des facteurs de risques individuels sur la valeur des composantes du portefeuille. La VaR peut ensuite tre calcule, une fois que la relation prcise entre la variation de la valeur du portefeuille et les variations de chaque source de risque individuel a t dtermine. Cette dernire tape est sans doute la plus difficile pour le calcul de la VaR, et ncessite certaines approximations qui peuvent se rvler dangereuses. Il ressort une hypothse sous-jacente dans ltape de la dtermination des facteurs de risques, et de leffet de la variation de ces facteurs sur la valeur du portefeuille. Cest dire que la distribution des futures variations des facteurs de risques est identique celle des variations passes (stabilit de la loi), et que la relation entre la variation de la valeur du portefeuille et les variations des facteurs est stable. Les diffrentes procdures pour ces deux dernires tapes classifient les mthodes de dtermination de la VaR en diffrentes catgories.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

10

La Valeur

I.5. Modlisation des risques de march A ce stade, nous pouvons nous demander sil est vraiment ncessaire de faire intervenir des probabilits dans lvaluation des risques financiers. Pour rpondre cette question, il faut observer que la principale cause de ces risques est lincertitude lie lvolution des prix. A lheure actuelle, la thorie des probabilits est le meilleur outil dont on dispose pour modliser cette incertitude. Le processus de modlisation se droule en deux tapes : description de lensemble de tous les vnements futurs possible, puis assignation dune pondration chacun dentre eux pour reprsenter sa probabilit de ralisation. Le modle ainsi obtenu est synthtis par son diagramme de frquence, appel loi de probabilit ou distribution du modle. La distribution la plus connue est la distribution normale (ou de Gauss cf. supra reprsentation graphique): cest la fameuse courbe en forme de cloche utilise dans de nombreux domaines scientifiques. Pour dterminer le risque dun portefeuille, il faut dabord identifier les diffrentes variables de march, appeles facteurs de risque, susceptibles dinfluer sur lvolution future du portefeuille (prix dactions, taux de change, taux dintrt, etc.). Chaque facteur de risque est ensuite modlis par une distribution (de probabilit). La distribution des pertes et profits du portefeuille rsultera dune combinaison adquate des choix effectus pour les facteurs de risque. Une question fondamentale demeure : comment choisir un modle de distribution pour une variable de march ? Idalement, il faudrait un modle qui soit simple et qui colle trs bien aux observations empiriques. Dans notre contexte, le modle le plus simple est la distribution normale, une loi trs connue et qui est dtermine par deux paramtres : la moyenne et la volatilit. Cest dailleurs la loi qui peut servir de base au CAPM et qui est le point de dpart du modle de Black-Scholes. Malheureusement, de nombreuses tudes empiriques ont montr que ce modle probabiliste colle mal aux observations empiriques. Les krachs boursiers sont les manifestations les plus spectaculaires de cette inadquation. Par exemple, les deux plus importantes baisses de lindice Dow Jones sur une sance se sont produites le 19 octobre 1987 (-22.61%) et le 28 octobre 1929 (-12.82%), soit un intervalle de 58 ans. Pour une seconde illustration, la Banque Cantonale Vaudoise a considr les rendements quotidiens du SMI entre le 16 juin 1999 et le 15 mai 2001. Les principaux indicateurs de ces rendements sont consigns dans le tableau I ci-dessous. Il faut noter que le rendement quotidien moyen est trs faible par rapport la volatilit.
Tableau I : statistiques des rendements quotidiens du SMI entre le 16 juin 1999 et le 15 mai 2001.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

11

La Valeur

Nombres d'observations Rendement moyen Volatilit (cart-type) Rendement minimal (obtenu le 22.03.2001) Rendement maximal (obtenu le 16.03.2000)

500 0.0134% 0.9984% -5.78% 3.93%

Source : Banque Cantonale Vaudoise, Datastream Le graphique I prsente lhistogramme des rendements quotidiens du SMI entre les deux dates mentionnes, cest--dire la distribution empirique des rendements. la distribution normale la plus proche des observations historiques a t superpose.
Graphique I : histogramme des rendements quotidiens du SMI entre le 16 juin 1999 et le 15 mai 2001 avec sa meilleure approximation normale.

Source : Banque Cantonale Vaudoise, Datastream Contrairement la distribution normale, lempirique possde une asymtrie entre les gains et les pertes et elle est plus effile autour de la moyenne. On observe aussi beaucoup plus de rendements extrmes que la distribution normale ne le prvoit. Autrement dit, le choix dune distribution normale pour modliser les rendements quotidiens du SMI conduirait une sousestimation des risques de pertes (ou de gains) extrmes. Un test dadquation statistique

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

12

La Valeur

(appel test de Jarque-Bera) a t effectu sur les donnes et le rsultat confirme que lhypothse de normalit ne colle pas avec les observations. Pour amliorer ladquation avec les donnes empiriques, on peut considrer des distributions plus compliques ou alors intgrer le fait (observ empiriquement) que la volatilit des rendements varie dans le temps. Les modles actuellement disponibles combinent ces deux solutions. Ces modles plus compliqus ne sont pas forcment plus efficaces, car ils posent de dlicats problmes didentification et destimation. Il faut donc chercher un compromis entre lefficacit et ladquation avec les donnes empiriques. I.6. Les trois paramtres dune VaR La VaR dun portefeuille dpend de trois paramtres : Distribution des pertes et profits du portefeuille en fin de priode. Niveau de confiance qui est gale 1 moins la probabilit des vnements

dfavorables. Par exemple, un niveau de confiance de 95% si lon dsire ignorer les 5% relatifs aux vnements les plus dfavorables. Priode de temps sur laquelle sur laquelle on dsire mesurer la VaR.

Graphique II : reprsentation graphique de la VaR.

Le paramtre le plus important est la distribution des pertes et profits du portefeuille. Cest aussi le paramtre le plus difficile dterminer. Comme le niveau de confiance dpend de laversion au risque du propritaire du portefeuille, plus ce niveau est important et plus la VaR sera leve. Autrement dit, si le propritaire craint les risques, il sarrangera pour que la Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

13

La Valeur

probabilit des vnements dfavorables soit trs petite. En ce qui concerne lhorizon de temps, il dpend surtout de la frquence de recomposition du portefeuille et de la liquidit des actifs financiers qui y sont contenus. Pour les mesures de VaR des portefeuilles de ngociation des instituts financiers, la rglementation impose un niveau de confiance de 99% et une priode de dix jours ouvrables, soit deux semaines. I.7. Remarques Contrairement ce que lon a pu lire a et l, la notion de VaR na t ni invente par les financiers, ni par la banque amricaine JP Morgan. Les actuaires utilisent cette notion depuis plus dun sicle pour calculer les probabilits de ruine et de rserves de solvabilit. Dans ce domaine , le niveau de confiance est toutefois plus lev (99.9%) et lhorizon de temps plus vaste (au moins une anne). La mthodologie de la VaR a t tendue la quantification des risques de crdit et aussi la mesure des risques de march dentreprises non financires. Dans ces deux cas, il est souvent ncessaire de prendre des horizons de temps plus longs, par exemple un an. I.8. Exemples de mesures de la VaR Rappelons que la Value at Risk est la perte potentielle maximale, lintrieur dun intervalle de confiance donne, supporte par un tablissement sur son portefeuille de positions, dans lhypothse dun scnario dfavorable de march sur un horizon dtermin. Exemple1 : Calcul de la VaR Soit le portefeuille suivant : Long 100 USD/FRF spot (Position X1) Long 500 FRF zro coupon 10 ans (Position X2) Acheteur quivalent 100 FRF CAC 40 (Position X3) Quelle est la Value at Risk de ce portefeuille ? 1.Estimation des paramtres (volatilits et corrlations) Hypothses : volatilit USD/FRF : volatilit taux FRF 10 ans : volatilit CAC 40 : corrlation USD/FRF et taux FRF 10 ans : 0,071 corrlation USD/FRF et CAC 40 : Dossier sur la Mthode VaR + 0,39 9%9 % 14 % 26% +0,071 26 % +

Anne acadmique 2003-2004

La Value-at-Risk Risque corrlation taux FRF 10 ans et CAC 40 : Donnes de march CAC 40 : 2.Calcul de la variance du portefeuille :USD/FRF : 5,50 5% 4000 taux zro coupon continu 10 ans :

14 + 0,11

La Valeur

Volatilit de la position de change : 100 USD x 5,50 x 9 % x Volatilit de la position de taux : 500e -(10x5%) x 10 x 14 % x 5 % x Volatilit de la position de CAC 40 : 100 FRF x 26 % Variance du portefeuille : [9,86]2 + [4,23]2 + [5,18]2 = 171,04 MF d'o volatilit de portefeuille =
1 1 ,0 7 4

= 9,86 FRF = 4,23 FRF = 5,18 FRF

2 x 0,071 x 9,86 x 4,23 + 2 x 0,39 x 9,86 x 5,18 2 x 0,11 x 4,23 x 5,18 = 13,08 MF

d' o VaR. (2,33 ) = 2,33 x 13,08 = 30,47 MF Exemple2: Depuis quelques annes, les grands groupes financiers publient des informations sur la VaR de leur portefeuille de ngociation. Deux raisons peuvent expliquer une telle dmarche : volont dlibre de transparence (pression concurrentielle ?) et exigence de la SEC (le gendarme de la bourse amricaine) en matire de communication financire. Le tableau II prsente des chiffres extraits des rapports annuels 2000 du Credit Suisse Group, de lUBS et de la Deutsche Bank. Les chiffres pour la Deutsche Bank ont t convertis en francs suisses au taux de change EUR/CHF en vigueur fin 1999 et fin 2000.
Tableau II : exemples de mesures de la VaR de portefeuilles de ngociation. Le niveau de confiance est de 99% et lhorizon de temps de 10 jours.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

15 Source : Rapports annuels 2000 des trois banques

La Valeur

Ce tableau montre que les trois banques ont rduit leur exposition au risque de march entre fin 1999 et fin 2000. Les corrections survenues sur les marchs des actions en 2000 ne doivent pas tre trangres ces rductions. On aurait aussi envie de dduire de ce tableau que lUBS a pris plus de risques que les deux autres banques. Une telle dduction nest malheureusement pas correcte. En effet, on verra que les banques utilisent des mthodes diffrentes pour calculer leur VaR et que les rsultats de ces dernires ne sont pas directement comparables. II. TECHNIQUES CLASSIQUES DESTIMATION DE LA VAR La mthode de calcul est dtermine par la distribution choisie pour modliser les pertes et profits du portefeuille. Le calcul de la VaR peut seffectuer aussi bien pour une position isole ou un facteur de risque seul que pour un portefeuille, voire pour la totalit des actifs dune entreprise. Nous allons donc prsenter les mthodes destimation de la VaR les plus utilises. II.1. La mthode de la matrice des variances-covariances estime On met lhypothse que les rendements du portefeuille et des facteurs de risque ont des distributions normales. Mme si cette hypothse nest pas empiriquement justifie, elle permet de simplifier normment les calculs. Voici ses principales tapes : 1. Calculer la valeur actuelle V0 du portefeuille. 2. Estimer la moyenne m et la volatilit2 des rendements futurs du portefeuille ( partir de donnes historiques). 3. La VaR du portefeuille est donne par la formule suivante : VaR=V0(-m + zq. ), o: zq est gal 1.65 si le niveau de confiance est de 95% et gal 2.33 si ce dernier est de 99%. La mthode de la matrice des variances-covariances estime suppose que les variations de prix : sont stationnaires dans le temps ; sont conditionnellement distribues suivant une loi normale ; sexpriment linairement partir des facteurs de risque.

Pour les produits non linaires (options), une linarisation prenant en compte les indications delta, gamma et thta est applique.
2

La volatilit dcrit la dispersion de la variable return dun actif autour de sa valeur moyenne.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque II.2. La mthode RiskMetrics

16

La Valeur

La mthode RiskMetrics est une mthode paramtrique, cest dire quelle a pour hypothse que les taux de rentabilit des facteurs de risque appartiennent une certaine classe de loi qui peut tre dtermine par ses paramtres. Elle postule donc la forme de la distribution des taux de rentabilit. Si lon postule des loi normales pour les taux de rentabilit des facteurs de risque, il est possible de connatre la variation la plus dfavorable qui naura que x% de chance dtre dpasse. Par exemple pour x=1, la rentabilit ne tombera en dessous de 2.33 quune fois sur cent. Alors pour une position donne i, connaissant sa valeur de march(V i) et sa sensibilit son facteur de risque(Si), il est possible de dterminer la valeur la plus dfavorable qui naura que 1% de chance dtre dpasse en effectuant le calcul : Di=Vi*Si*2.33 . Les sensibilits sont dtermines par des mthodes dvaluation locale faisant gnralement intervenir le premier ordre du dveloppement de Taylor (delta, ou au mieux le deuxime ordre gamma). Cette mthode dvaluation locale pose des problmes lorsque les variations sont importantes et lorsque la variation de la valeur du portefeuille nest pas linaire pour tous les niveaux de prix (options). Une fois postule la forme de la distribution pour les facteurs de risque, en loccurrence la loi normale (ou plus prcisment une loi normale multivarie), il est ncessaire de dterminer la matrice de variance-covariance (m) des facteurs de risque sur la priode historique dobservation. Dans le calcul des variances et des covariances, il est possible de donner le mme poids toutes les observations ou un poids dcroissant en fonction du temps. Connaissant m, et le vecteur D des Di, il est possible de calculer la VaR :
VaR = ( D tVD * t )
1/ 2

t , ou est la priode de dtention.

Lhypothse de normalit des distributions des taux de rentabilit de court terme nest en gnrale pas satisfaisante mais permet une grande simplicit dans les calculs. En effet, ces distributions sont souvent leptokurtiques, ce qui implique des vnements extrmes plus frquents que pour la loi normale. II.3. Lanalyse historique Cest sans doute la mthode la plus simple dans sa conception et sa mise en uvre.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

17

La Valeur

En effet, il suffit des donnes historiques des gains et pertes journalires du portefeuille dont lon souhaite calculer la VaR. A partir de ces donnes, il est possible de reconstituer la distribution empirique des gains et pertes journalires et den dduire la VaR en tronquant 95% ou 99% de la distribution. Le problme est que si la composition du portefeuille change souvent, cette approche ne permettra pas de composer une VaR qui reflte la situation courante. Cest pour cela que lon adopte plutt la mthode de la simulation historique. II.4. La mthode de la simulation historique Supposons que lon veuille calculer la VaR pour une priode de dtention de un jour, partir des donnes historiques sur un an. Nous utilisons donc les sries passes journalires des facteurs de risques qui influent sur notre portefeuille, et un modle dvaluation ou fonction de prix qui relie la variation du portefeuille aux variations des facteurs de risque. A partir de ces sries journalires, il faut calculer les variations relatives des facteurs de risque qui tiennent donc compte directement des corrlations entre ces facteurs. On applique ensuite ces variations aux valeurs actuelles des facteurs de risque. Il est ainsi possible partir de la composition actuelle du portefeuille et de la fonction de prix qui relie P aux F de simuler la distribution empirique de la variation de valeur du portefeuille, et donc den tirer la VaR. Cette mthode a pour avantage de ne pas supposer la normalit des distributions des taux de rentabilit des facteurs de risque. Elle peut donc prendre en compte des queues plus paisses dans la distribution de la variation de valeur du portefeuille et donc des vnements extrmes. Cependant la distribution simule est compltement dpendante de la priode dobservation considre, et donc la prise en compte des vnements extrmes aussi. De plus afin davoir une distribution la plus prcise possible, il est ncessaire de prendre une longue priode de donnes historiques qui nest pas toujours disponible. Par exemple pour gnrer 1000 scnarios (un scnario est le calcul de F pour chaque
t t facteur de risque pour la priode ) pour une priode de dtention de 10 jours ( =10 j ),

il faut 1000 / ( 250 / 10 ) = 40 ans de donnes. Cest la raison pour laquelle on a souvent recours la simulation de Monte Carlo. De plus, augmenter la priode dobservation pour lestimation des distributions des rendements des facteurs de risque peut inclure lerreur de non stationnarit des lois considres.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

18

La Valeur

La mthode destimation de la VaR par analyse historique est celle qui est prne par Chase Manhattan3, avec les systmes Charisma et Risk$ . II.5. La mthode de la simulation de Monte Carlo La simulation de Monte Carlo est une mthode paramtrique, cest dire que cette mthode requiert la connaissance de la forme et des paramtres des distributions des facteurs de risque. Connaissant ces lments, il est possible de simuler de nombreuses trajectoires pour chaque facteur de risque, tout en tenant compte des corrlations entre chaque facteur de risque. Comme dans le modle prcdent, il est ncessaire davoir un modle dvaluation ou une fonction de prix qui relie la variation de la valeur du portefeuille aux variations des facteurs de risque. A partir de la composition actuelle du portefeuille et des nombreux scnarios tirs, il est donc possible de simuler la distribution de variation de valeur du portefeuille puis den tirer la VaR. Dans le problme de construction de la distribution de la perte et de lestimation de la VaR, la mthode de simulation de Monte Carlo est prne par Bankers trust, avec son systme RaRoc 2020 . La simulation de Monte Carlo diffre de la simulation historique sur un aspect principal. Tandis que les scnarios des facteurs de risque sont directement pris du pass dans lapproche historique, ils ont tre simul travers une modlisation mathmatique dans lapproche stochastique. Pour modliser lvolution des facteurs de risque, il est ncessaire de spcifier un processus stochastique pour chaque facteur, et destimer les paramtres de ces processus ainsi que les corrlations entre les parties alatoires des processus. Les avantages et inconvnients des diffrentes mthodes sont rsums dans le tableau III. Tableau III : comparaison des principales mthodes de calcul de la VaR

CHASE MANHATTAN BANK N.A

; Value at Risk: its measurement and uses, Chase Manhattan Bank N.A; s.d.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

19

La Valeur

Source : Banque Cantonale Vaudoise Une application de ces diffrentes mthodes de calcul un cas simple a t effectue. Nous sommes le 16 mai 2001 et nous avons 50'000 francs suisses investis dans lindice SMI. On aimerait calculer la VaR de ce portefeuille laide des quatre mthodes que nous venons de prsenter. Lhorizon de temps est dun mois (soit 20 jours ouvrables) et les niveaux de confiance considrs de 95% et 99%. La srie des prix de clture journaliers du SMI entre le 16 juin 1999 et le 15 mai 2001 est utilise pour les estimations de paramtres et les calculs, soit 500 rendements quotidiens. Pour chaque mthode, on calcule dabord la VaR sur un jour et on multiplie le rsultat par la racine carre de 20 pour avoir la VaR sur un mois (rgle de la racine carre). Les VaR du portefeuille selon les quatre mthodes sont prsentes dans le tableau IV.
Tableau IV: VaR dun portefeuille SMI valant 50'000 francs au 16 mai 2001 et pour un horizon dun mois.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

20

La Valeur

Source : Banque Cantonale Vaudoise Pour un mme portefeuille, on obtient donc des mesures VaR diffrentes. Dans cet exemple, la diffrence entre les mthodes Variance-Covariance et Monte Carlo sexplique par un problme dchantillonnage. Lcart serait moindre si on avait considr plus de scnarios pour Monte carlo. Pour le niveau de confiance de 95%, cest la mthode historique qui donne la plus petite valeur, alors que pour celui de 99% ce sont les mthodes Variance- Covariance et Monte Carlo qui la fournissent. Ce qui illustre le fait que la Variance-Covariance sousestime les vnements extrmes. Dans leurs rapports annuels 2000, les trois banques cites dans le tableau II ont indiqu les mthodes VaR quelles utilisent. La Deutsche Bank effectue ses calculs par simulation Monte Carlo, tandis que lUBS utilise la mthode historique avec 5 ans de donnes. Le Credit Suisse Group emploie la mthode historique avec deux ans de donnes depuis le deuxime trimestre 2000. Cette dernire avait auparavant travaill avec les mthodes Variance-Covariance et RiskMetrics. La comparaison de chiffres VaR de deux banques diffrentes est cet effet, un exercice dlicat. II.6. Le Backtesting Les rsultats du tableau IV posent clairement la question du choix de la mthode de calcul de la VaR. Tout naturellement, les critres de cots dimplmentation, de complexit du modle et de flexibilit sont dterminants. Cependant, il est aussi trs important de sassurer de ladquation de la mthode choisie ; on parle de backtesting. Cet exercice consiste confronter la VaR calcule avec les pertes et profits effectivement raliss. Ainsi, pour un niveau de confiance de 99%, les pertes effectives ne devraient dpasser les prvisions Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque

21

La Valeur

VaR que dans 1% des cas environ. Sinon, il faut se demander si la mthode de calcul choisie est adapte au portefeuille considre. Le rgulateur a dailleurs prvu des pnalits (sous forme daugmentation dexigence de fonds propres) en cas dinadquation. On a procd titre illustratif, un backtesting sur lindice SMI entre le 4 dcembre 1991 et le 15 mai 2001. Comme la mthode Monte-Carlo avec lhypothse de normalit fournit des rsultats proches de ceux de la mthode Variance-Covariance, on a examin les trois mthodes suivantes dans le backtesting : Historique, Variance-Covariance, RiskMetrics . Les 500 rendements quotidiens entre le 3 fvrier 1990 et le 3 dcembre 1991 ont t utiliss pour calculer les trois prvisions de la VaR pour le 4 dcembre 1991. Ces prvisions sont ensuite compares au rendement du SMI cette date. La fentre de 500 jours est ensuite dcale dun jour pour la confrontation des prvisions de la VaR et du rendement effectif pour le 5 dcembre 1991. De la mme faon, on a continu jusquau 15 mai 2001. Lexercice de backtesting a, au total, t effectu sur 2'465 jours entre le 4 dcembre 1991 et le 15 mai 2001. Pour mesurer ladquation dune mthode, on calcule son taux dchec, cest--dire le pourcentage de fois que la VaR a t dpasse. Les rsultats sont consigns dans le tableau V.
Tableau V : backtesting des mthodes historique, variance-covariance et RiskMetrics pour lindice SMI entre le 4 /12/ 1991 et le 15 mai 2001. Le taux dchec reprsente le pourcentage de dpassement des prvisions VaR.

Source : Banque Cantonale Vaudoise Par rapport aux valeurs thoriques, on remarque que la mthode variance-covariance se comporte bien pour le niveau de confiance de 95%, mais ralise un rsultat mdiocre pour celui de 99%. Cest la mthode historique qui, globalement est la mieux adapte au portefeuille considr. La mauvaise performance de la mthode RiskMetrics explique cet tat de fait. Pour un autre portefeuille, les conclusions auraient t probablement diffrentes.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque III. UTILISATIONS DE LA VAR

22

La Valeur

La VaR a t dveloppe pour fournir un indicateur simple et global de lexposition dun institut financier aux risques de march. En tant que outil de reporting, elle fournit des informations sur les concentrations de risques par type de march, par trader, par produit financier, etc. Elle permet aussi de fixer des limites de ngociation, dallouer le capital disponible et dvaluer les performances des diffrentes tables dune salle de march. En dehors des salles de march, la VaR devient de plus en plus populaire auprs des gestionnaires de fortune. La VaR permet dagrger dans ce domaine, les risques de march travers plusieurs classes dactifs, mais sur un horizon de temps plus long (un mois, trois mois ou un an). Elle permet galement de quantifier la performance dun portefeuille par rapport un benchmark4 ; on parle dans ce cas de la VaR relative. La performance est traditionnellement mesure par le tracking error, cest--dire la volatilit de lcart de rendement entre le portefeuille et son benchmark. Le tracking error ne distingue pas une sous-performance dune sur-performance par rapport au benchmark. La VaR permet de corriger ce dfaut, puisquelle est cense mesurer une ventuelle sous-performance. En fait, le tracking error sinterprte comme la VaR un niveau de confiance de 84%, si certaines hypothses telles de normalit et dcart moyen nul , sont confirmes.

prix de rfrence (en finances)

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque IV. CONCLUSION

23

La Valeur

Lintroduction de la VaR a constitu un pas important dans la direction dune gestion cohrente et adquate des risques financiers. Comme pour nimporte quel outil, une utilisation efficace de la VaR passe par la bonne comprhension de ses limites. La modlisation de la VaR nest pas un exercice ais et les risk managers diront dailleurs que les problmes dimplmentation savoir la collecte, le nettoyage et le traitement de donnes sont tout aussi importants. Une autre limite de la VaR est directement lie au concept lui-mme. En fait, la VaR ne fournit aucune indication sur lampleur des pertes si un vnement dfavorable devait se produire. Cest pour cette raison que le rgulateur oblige les banques complter leurs calculs de la VaR par des analyses de scnarios catastrophes (stress testing). Dans de telles analyses, on calcule la perte que pourrait provoquer une variation extrme du march, indpendamment de toute hypothse de modlisation (une baisse brutale de lindice SMI de 10% par exemple). Le choix de scnarios intressants est souvent un exercice dlicat, qui relve plus de lintuition et de lexprience. Par ailleurs, des chercheurs ont propos dautres mesures de risque proches de la VaR et qui captent mieux le problme des variations extrmes. Les scnarios quasi-alatoires, les scnarios miroirs , la mthode de Duffie et Pan, et les scnarios pondrs en constituent ces nouvelles extensions.

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque V. BIBLIOGRAPHIES

24

La Valeur

Livres
Lopez Thierry, Esch Louis, Kieffer Robert

Value at Risk. Vers un Risk Management moderne, avec CD-ROM. Edition : De Boeck Universit, 1997, ISBN : 2-8041-2496-7 Jacquillart, Bertrand et Bruno Solnik Marchs Financiers: gestion de portefeuille et des risques, Dunod, Paris, 4me d., 2002.

Bulletin et Revues
Le point surla VaR - P. Poncet - Banque et Marchs n 37. Nov98 Bulletin de la commission de la rglementation bancaire Rglement 97-02 Comit de Ble M. Novy Secrtaire Gnral.

Sites Internet
http://www.gloriamundi.org (le site le plus complet sur la VaR accessible aussi via http://pw2.netcom.com/~bschacht/varbiblio.html ) http://www.riskmetrics.com nombreuses informations) http://www.bcv.ch (le site de la Banque Cantonale Vaudoise) http://salledem.free.fr/sdmpage/risques/risk30.php (des questions sur la VaR) (les manuels de RiskMetrics contiennent de

VI. ANNEXES RAROC : Risk-Adjusted Return On Capital SEC: La Securities and Exchange Commission RAROA: Risk-Adjusted return on Assets SMI: Systme Montaire International

Dossier sur la Mthode VaR

Anne acadmique 2003-2004

La Value-at-Risk Risque Table des Matires

25

La Valeur

I. GENERALITES..................................................................................................................................................1 I.1. INTRODUCTION: LE BESOIN DUNE MESURE DE RISQUE STANDARDISE (VAR)..............................................................1 I.2. CADRE JURIDIQUE, RGLEMENTATION COMPTABLE ET PRUDENTIELLE DE LA VAR..........................................................2 I.2.1. Lapproche standard :...........................................................................................................................3 I.2.2. Lapproche interne.................................................................................................................................3 I.2.3. LE CALCUL DES FONDS PROPRES :.......................................................................................................................4 I.3. LE CONCEPT DE VAR..........................................................................................................................................5 I.4. LA DMARCHE GNRALE POUR LE CALCUL DE LA VAR...........................................................................................8 I.5. MODLISATION DES RISQUES DE MARCH..............................................................................................................10 I.6. LES TROIS PARAMTRES DUNE VAR...................................................................................................................12 I.7. REMARQUES.....................................................................................................................................................13 I.8. EXEMPLES DE MESURES DE LA VAR....................................................................................................................13 II. TECHNIQUES CLASSIQUES DESTIMATION DE LA VAR.................................................................15 II.1. LA MTHODE DE LA MATRICE DES VARIANCES-COVARIANCES ESTIME ..................................................................15 II.2. LA MTHODE RISKMETRICS ..........................................................................................................................16 II.3. LANALYSE HISTORIQUE ...................................................................................................................................16 II.4. LA MTHODE DE LA SIMULATION HISTORIQUE ......................................................................................................17 II.5. LA MTHODE DE LA SIMULATION DE MONTE CARLO ............................................................................................18 II.6. LE BACKTESTING............................................................................................................................................20 III. UTILISATIONS DE LA VAR.......................................................................................................................22 IV. CONCLUSION...............................................................................................................................................23 V. BIBLIOGRAPHIES.........................................................................................................................................24 VI. ANNEXES.......................................................................................................................................................24

Dossier sur la Mthode VaR

Anne acadmique 2003-2004