EURO-INSTITUT D’ACTUARIAT JEAN DIEUDONNE - EURIA

La VaR et les modèles internes

dans la réglementation prudentielle
des risques de marché

Frédéric LESCOAT
Promotion 2002

Mémoire de fin d’études présenté en vue de l’obtention du titre d’Actuaire

 Résumé
Le calcul des risques de marché, et de l’adéquation de fonds propres sur ces risques,
est actuellement en pleine mutation, en France comme à l’étranger. En effet, nombre
d’établissements financiers tendent à abandonner le calcul par la méthode standard
proposée par les autorités de réglementation, lui préférant des modèles internes, de
type Value at Risk, agréés par ces mêmes autorités.
L’objectif de ce mémoire est à la fois de comprendre l’intérêt de ces modèles et les
progrès qu’ils apportent par-rapport à la méthode standard CAD, et d’étudier les
conditions d’acceptation de ces modèles par les autorités de réglementation bancaire et
financière.
Après une présentation du contexte et des deux types de méthodologies en présence,
nous comparons les mécanismes respectifs de la méthode standard et des principaux
modèles internes. Ensuite, nous nous penchons sur les conditions dans lesquelles les
autorités donnent leur agrément à l’utilisation par les établissements de ces modèles
internes, et sur les raisons qui motivent le choix de certains paramètres destinés à
normaliser.

Mots Clés :
Value at Risk – Capital Adequacy Directive – facteurs de risque – modèles internes – risques
de marché – réglementation – loi normale – variance/covariance – historique de cours –
comparabilité.

Abstract
The way of calculating market risks, and then capital adequacy on these risks, is
nowadays facing great changes, in France but also abroad. Indeed, many financial
companies tend to abandon the standard method proposed by the regulation
authorities, and prefer use some Value at risk-based internal models, recognized by
these authorities.
The aim of this report is on one hand to understand the interest of such internal models
and the progress they bring compared to the CAD standard method, and on the other
hand tu study the conditions of their acceptance by the bank and financial regulation
authorities.
After a presentation of the context of this study, and of the two opposite
methodologies, we compare here the respective mechanisms of the standard method
and of the major internal models. Then we analyse the conditions in which authorities
give their approval to companies for the use of these models, and the reasons that can
explain the choice of some parameters used to normalize the way they are used..

Keywords :
Value at Risk – Capital Adequacy Directive – risk factors – internal models – market risks –
settlements – gaussian law – variance/covariance – price historic – comparability.
 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Remerciements

Je tiens à remercier toutes les personnes qui ont de près ou de loin participé à l’élaboration de
ce mémoire, ou ont contribué à m’en inspirer l’idée.

Ainsi, je remercie tous les membres du département Risques de Marché du Crédit Mutuel de
Bretagne pour m’avoir prêté leur concours tout au long de mon stage et de mes recherches
ultérieures, accueillant favorablement mes diverses demandes de renseignements.

Je tiens particulièrement à exprimer ma gratitude envers :

- Monsieur André Andro pour m’avoir proposé ce stage et m’avoir suivi tout au long
des cinq mois passés au sein de son service,
- Monsieur Patrick Bourdon pour avoir également suivi de près mes travaux sur la
Value at Risk, mais aussi pour m’avoir permis de découvrir les autres facettes de la
réglementation des risques de marché,
- Messieurs Erwan Collec et Vincent Arnould pour avoir, parfois avec une patience
notable, répondu aux diverses interrogations que j’ai pu leur soumettre tout au long de
mon évolution à leurs côtés, et ainsi avoir facilité ma découverte de l’environnement
des marchés financiers, ou du moins comblé certaines de mes lacunes dans ce
domaine.

Je tiens également à remercier tout le personnel de la salle des marchés du CMB dans son
ensemble, pour sa gentillesse et sa patience à mon égard tout au long de mon stage.

D’autre part, je remercie Monsieur Gérard Langlois, professeur à l’EURIA, avant tout pour
les précieux renseignements qu’il a pu me fournir sur l’environnement réglementaire des
risques de marché, mais aussi pour la documentation à laquelle il m’a permis d’accéder.

Enfin, je ne peux oublier dans mes remerciements certains de mes camarades de promotion,
dont l’aide et les conseils m’auront souvent été précieux. Ainsi, je remercie particulièrement
pour leur contribution à ce travail messieurs Pierre Doré et Thomas Rousset, également
étudiants à l’EURIA.

Mémoire de fin d’études - EURIA -1-

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

TABLE DES MATIERES

Mémoire de fin d’études - EURIA -2-

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Préambule : Du stage de fin d’études au mémoire….......................6

INTRODUCTION : ORIGINE ET CHOIX DU STAGE.......................................................... 7

I. ETUDE COMPARATIVE DE DEUX METHODES DE CALCUL DE LA VAR .......... 8
II. SUIVI DE LA MISE EN PLACE D’UN LOGICIEL DE CALCUL DE LA VAR ........ 10
III. ORIGINE DU CHOIX DE CE MEMOIRE..................................................................... 11
CONCLUSION ........................................................................................................................ 12

Introduction.......................................................................................14

Première partie : De la CAD à la VaR, présentation des deux

méthodologies en présence................................................................17

I. DEFINITION DU RISQUE DE MARCHE..................................................................... 18

II. PROGRESSION HISTORIQUE DE LA REGLEMENTATION ................................... 19
III. LA CAPITAL ADEQUACY DIRECTIVE ; REGLES ET METHODE STANDARD.. 20
1. PERIMETRE D’APPLICATION ET MODALITES DEFINIES PAR LE REGLEMENT ............................. 21
2. LA METHODE STANDARD DE CALCUL DES RISQUES DE MARCHE ............................................. 22
Le risque de taux d’intérêt............................................................................................................ 22
Le risque sur titres de propriété ................................................................................................... 23
Le risque de change...................................................................................................................... 24
Les risques optionnels .................................................................................................................. 24
IV. APPROCHE PAR MODELES INTERNES ET PROPOSITIONS DU COMITE DE
BALE ....................................................................................................................................... 24
V. LA VALUE AT RISK...................................................................................................... 26
VI. LES TROIS METHODES MAJEURES DE CALCUL DE LA VAR ............................ 29
1. L’ANALYSE HISTORIQUE .......................................................................................................... 29
2. LA METHODE DE VARIANCE/COVARIANCE ............................................................................... 30
Décomposition des actifs financiers ............................................................................................. 30
Répartition des flux financiers...................................................................................................... 30
Le calcul de la VaR....................................................................................................................... 31
3. LA METHODE PAR SIMULATION DE MONTE CARLO ................................................................. 32

Mémoire de fin d’études - EURIA -3-

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Deuxième partie : Comparaison des mécanismes CAD et VaR....33

I. LE CHOIX DES FACTEURS DE RISQUE.................................................................... 34

1. PROBLEMATIQUE ...................................................................................................................... 34
2. LES CHOIX RESPECTIFS DE LA METHODE STANDARD ET DES MODELES INTERNES ................... 35
Le risque de taux d’intérêt............................................................................................................ 36
Le risque de change...................................................................................................................... 37
Le risque sur actions..................................................................................................................... 38
II. LE CHOIX DES SCENARIOS........................................................................................ 38
1. LA METHODE STANDARD .......................................................................................................... 39
2. LES MODELES INTERNES ........................................................................................................... 40
Le choix de la loi normale ............................................................................................................ 40
La problématique de l’historique ................................................................................................. 44
3. BILAN ....................................................................................................................................... 45
III. LA MESURE DE L’IMPACT DES SCENARIOS SUR LA POSITION ....................... 46
1. LES POSITIONS LINEAIRES ........................................................................................................ 46
2. LES POSITIONS PSEUDO-LINEAIRES .......................................................................................... 47
3. LES POSITIONS NON-LINEAIRES ................................................................................................ 49
IV. L’AGREGATION DES RESULTATS............................................................................ 52
1. LA PRISE EN COMPTE DES CORRELATIONS ............................................................................... 52
Le point de vue de la méthode standard sur les corrélations ....................................................... 53
Les corrélations dans les modèles ................................................................................................ 54
2. LE CALCUL DU RISQUE GLOBAL ............................................................................................... 56

Mémoire de fin d’études - EURIA -4-

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Troisième partie : Etude de la conformité des modèles internes

aux critères d'acceptation par la Commission Bancaire...............59

I. RAPPELS SUR LA REGLEMENTATION SPECIFIQUE AUX MODELES

INTERNES............................................................................................................................... 60
1. PRINCIPES ................................................................................................................................. 60
2. CRITERES QUALITATIFS DU SYSTEME DE GESTION DES RISQUES ............................................. 61
3. CRITERES QUANTITATIFS ET AUTRES EXIGENCES .................................................................... 62
4. LE CALCUL DES EXIGENCES EN FONDS PROPRES ...................................................................... 62
Modèle interne n'intégrant pas le risque spécifique..................................................................... 63
Modèle interne intégrant le risque spécifique .............................................................................. 64
II. ANALYSE DES CRITERES QUANTITATIFS D’ACCEPTATION DES MODELES
INTERNES............................................................................................................................... 64
1. LE SEUIL DE CONFIANCE A 99% ............................................................................................... 65
2. L’HORIZON DE PLACEMENT DE DIX JOURS ............................................................................... 68
Le phénomène de liquidité ............................................................................................................ 69
Les problèmes engendrés lors du calcul....................................................................................... 71
3. L’HISTORIQUE MINIMUM D’UN AN ........................................................................................... 73
Le choix de la longueur de l’historique........................................................................................ 74
La pondération éventuelle des données ........................................................................................ 74
Le traitement des valeurs manquantes ......................................................................................... 76
III. COMPARABILITE DES DIFFERENTS MODELES .................................................... 79
1. LA METHODE STANDARD .......................................................................................................... 80
2. LES MODELES INTERNES ........................................................................................................... 81
Certains écarts dépendent de l’utilisateur.................................................................................... 81
D’autres écarts tiennent à la méthodologie.................................................................................. 82

Conclusion..........................................................................................85

Bibliographie......................................................................................88

Mémoire de fin d’études - EURIA -5-

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

PREAMBULE :

DU STAGE DE FIN D’ETUDES AU MEMOIRE…

Mémoire de fin d’études - EURIA -6-

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Introduction : Origine et choix du stage

Dans le cadre de la formation de l’EURo-Institut d’Actuariat (EURIA) de Brest, chaque

étudiant est tenu d’effectuer, en début de troisième année, un stage en entreprise d’une durée
comprise entre quatre et six mois.

Ce stage doit en principe se dérouler en dehors des frontières de l’état français. Cependant, il
est possible de voir cette contrainte levée dans certains cas de figure, et à certaines conditions,
par la Direction de l’Institut. C’est ce qui s’est produit dans mon cas.

Au cours de ma seconde année de formation, j’ai eu l’occasion de travailler, dans le cadre

d’un bureau d’études, sur un sujet proposé par M. André Andro, responsable du département
Risques de Marché au Crédit Mutuel de Bretagne (CMB). Il s’agissait d’étudier les trois
méthodes de calcul de Value at Risk (ou VaR, notion définie par la suite) communément
utilisées par les établissements de crédit, puis d’en faire ressortir les avantages et
inconvénients. Au terme de ce travail, M. Andro a proposé de conserver l’un des quatre
membres de notre bureau d’études, en tant que stagiaire, en vue de participer à la mise en
place d’un outil de calcul des risques de marché au CMB.

Désireux à la fois de développer mes connaissances sur un outil en pleine expansion (la VaR,
donc) et d’assister à l’application concrète des notions découvertes tout au long de ce bureau
d’études, j’ai donc décidé, après avoir obtenu l’agrément de M. Le Borgne, directeur de
l’EURIA, d’accepter cette offre et d’effectuer mon stage de fin d’études, d’une durée totale de
cinq mois, au sein du département Risques de Marché du CMB.

L’objectif principal de ce stage était le suivi de la mise en place au sein de l’établissement

d’un logiciel de calcul de la VaR. Dans cette optique, mon action devait se scinder en deux
parties. En premier lieu, il m’était demandé d’effectuer, en coopération avec une autre
stagiaire, un comparatif entre deux des méthodes de calcul, au niveau quantitatif et sous un
aspect pratique, complétant en quelque sorte les résultats obtenus au cours du bureau
d’études. Dans un deuxième temps, mon rôle devait être, après choix d’une de ces méthodes
par la Direction des Risques, d’assister à sa mise en place, en particulier à travers l’analyse et
la vérification des résultats du logiciel prévu à cet effet.

Ce sont donc ces deux étapes majeures de mon stage que je me propose de présenter ici, avant
de faire ressortir, dans une troisième partie, les liens entre ce stage et le sujet de ce mémoire
et, partant, de fournir les raisons de ce choix.

Je tiens cependant à apporter une précision préalable : ce rapport succinct étant

principalement une forme d’introduction au sujet du mémoire, certaines des notions abordées
ici ne seront bien évidemment définies que par la suite. Le lecteur ne doit donc pas s’étonner
de rencontrer dans les quelques pages suivantes certains termes éventuellement inconnus et
non explicités dans l’immédiat (nous avons déjà pu citer le cas de la Value at Risk ou VaR),
cette manière de procéder étant bien évidemment volontaire et totalement arbitraire.

Mémoire de fin d’études - EURIA -7-

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

I. Etude comparative de deux méthodes de calcul de la VaR

Durant la première partie de ce stage, mon objectif a donc été de permettre à la Direction des
Risques du CMB d’effectuer un choix entre deux méthodes préalablement envisagées.
En l’occurrence, il s’agissait des méthodes dites de variance/covariance (ou méthode
paramétrique) et d’analyse historique. Le principe de chacune, comme on l’a dit
précédemment, sera explicité ultérieurement dans ce mémoire. Je me contenterai donc ici de
préciser brièvement en quoi a consisté ma contribution à ce choix.

L’idée de base de cette comparaison était de vérifier la cohérence des résultats obtenus par
chacune des deux méthodologies. Pour cela, il convenait de les appliquer tour à tour à chacun
des types d’instruments détenus par l’établissement au sein de son portefeuille de négociation.

La première partie de ce travail a été, dans l’optique d’un gain de temps ultérieur, la mise en
place de feuilles de calcul automatisées afin de pouvoir ensuite obtenir un résultat immédiat
après la collecte des données nécessaires à chacun des calculs.
Nous avons donc d’abord, dans l’environnement du tableur Excel, préparé un type de page de
calcul propre à chacune des catégories d’instruments financiers à traiter, et ce pour chacune
des deux méthodes envisagées. Cette première étape m’a par ailleurs permis de percevoir plus
clairement et concrètement la manière dont la VaR s’appliquait à chaque type d’actif
financier.
Une fois ce travail accompli, aussi bien pour les produits de type actions que pour les
instruments de taux et les produits optionnels sur taux et sur titres, en devise ou non, les
premiers calculs véritables ont pu être effectués.

Une autre étape préalable à ces calculs a cependant été nécessaire : le choix des facteurs de
risque correspondant aux divers actifs du portefeuille. Bien que pouvant être relativement
intuitif et rapide dans certains cas, ce choix n’en est pas moins un passage obligatoire et
déterminant dans la suite des opérations, comme nous pourrons le voir par la suite.
Une fois cette étape franchie, le calcul proprement dit a pu débuter.

Dès les premières confrontations des résultats, des écarts sensibles ont été constatés. Afin de
vérifier si ceux-ci n’étaient pas dus à des erreurs de calcul ou de modélisation, il convenait de
déterminer l’origine de ces différences, parfois très importantes, entre les résultats obtenus de
part et d’autre.

Dans la majeure partie des cas, les facteurs en cause ont pu être identifiés. La conclusion a été
que les différences obtenues lors de la phase de calcul provenaient principalement des
méthodes elles-mêmes, que la cause en soit les hypothèses sur lesquelles repose chacune (en
particulier la méthode de variance/covariance, aux hypothèses fortes et exigeantes) ou la
méthodologie de calcul associée.

Les causes de divergence principales détectées étaient :

• une asymétrie de la distribution des rendements de l’instrument observé, qui

avait pour conséquence un écart de résultats important au niveau des pertes ; écart qui
n’aurait pas existé, vérification faite, si le calcul avait été effectué au niveau des
gains ;

Mémoire de fin d’études - EURIA -8-

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

• des pertes réelles dans les régions extrêmes de la distribution souvent

supérieures à celles envisagées par la méthode de variance/covariance ;
• une croissance continuelle des rendements de certains facteurs de risque (taux
TAG en particulier) sur la période d’observation considérée, ayant pour conséquence
l’obtention d’un chiffre de VaR nul ou d’une faiblesse surprenante, par la méthode de
l’analyse historique ;
• des résultats obtenus par la méthode de variance/covariance parfois proches de
ceux obtenus par l’intermédiaire d’un historique sans pondération des données, parfois
au contraire plus proches de ceux obtenus par l’intermédiaire d’un historique de
données pondérées.

Lorsqu’on sait que la méthode de variance/covariance est basée principalement sur

l’hypothèse de normalité des rendements et l’analyse historique davantage sur l’hypothèse de
stationnarité de ceux-ci, l’origine de ces anomalies est aisément détectable.
En effet, l’asymétrie, tout comme le phénomène de « queues épaisses » de certaines
distributions, ne peut que contredire une hypothèse de normalité de celles-ci. Les autres
anomalies constatées étaient visiblement à mettre à l’actif des faiblesses de modélisation de la
méthode d’analyse historique et des interrogations que la méthodologie suscite encore, telle la
pondération éventuelle des données.

Les deux méthodes confrontées révélant chacune ses lacunes, il convenait donc, afin de les
départager, de tester le bien-fondé de leur application aux divers facteurs de risque.

La première donnée à tester s’imposait d’elle-même : il s’agissait d’étudier le caractère

éventuellement gaussien des distributions des rendements de nos différents facteurs de risque.
Pour cela, différents calculs et tests ont été imaginés et mis en place, allant de la simple
confrontation de la densité de nos distributions avec celle de la loi normale, à différents tests
de normalité (calcul des coefficients d’aplatissement et d’asymétrie, ainsi que du coefficient
de corrélation des données, test de Kolmogorov, observation de la droite de Henry,…).
Au final, force a été de constater que, dans de nombreux cas de figure, les facteurs de risque
choisis pour les calculs voyaient la normalité de la distribution de leurs rendements mise en
doute, voire rejetée purement et simplement par nos tests.
Il convient d’ailleurs de noter que ce rejet affectait de manière générale tous les types
d’instruments financiers étudiés. Nous n’étions donc pas en présence d’une unique catégorie à
la normalité douteuse, ce phénomène touchant aussi bien les taux d’intérêt (Euribor et Pibor à
maturités diverses, TAG,…) que les indices boursiers (CAC 40,…) ou les cours de change au
comptant, quoique cette dernière catégorie ait semblé demeurer relativement proche de la
normalité.
L’hypothèse du caractère gaussien de la distribution des rendements, hypothèse majeure de la
méthode de variance/covariance, se trouvait donc contredite.

De la même manière, l’hypothèse de stationnarité de ces mêmes rendements, hypothèse cette

fois nécessaire à l’application des deux méthodes, était mise en doute par certains
phénomènes.
En particulier, il s’avérait évident que des calculs basés sur cette hypothèse ne pourraient être
appliqués en présence d’instruments dont les rendements étaient restés positifs sur toute la
période d’observation retenue (ce qui était entre autres le cas du taux TAG et donc des
instruments indexés sur ce taux).
En effet, un tel phénomène impliquait, suivant l’hypothèse de stationnarité, l’impossibilité
d’obtenir des rendements négatifs dans un proche avenir, d’où l’obtention d’un chiffre de

Mémoire de fin d’études - EURIA -9-

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

VaR nul, alors qu’à l’évidence ces rendements finiraient tôt ou tard par redevenir négatifs (il
est peu crédible d’envisager un taux éternellement croissant, nous avons d’ailleurs pu assister
par la suite à l’inversion de cette tendance), créant ainsi des pertes non prévues par le modèle.

Enfin, des zones d’ombre demeuraient quant à la méthodologie de mise en place de la

méthode d’analyse historique. Ainsi, il était bien difficile d’effectuer un choix entre
l’utilisation de données pondérées ou non. Le même type de problème se posait d’ailleurs
concernant le choix de l’étendue de la période d’observation des données, donc de l’historique
utilisé, ainsi que de l’horizon de calcul et du seuil de confiance à prendre en considération.
Ces derniers sont certes imposés par les organes de réglementation bancaire et financière,
mais comme nous pourrons le voir, la manière de les obtenir n’est pas encore clairement
définie.

Devant de telles faiblesses apparentes de la part de chacune des deux méthodes en présence,
le choix de la Direction des Risques n’était donc pas aisé. Il s’est finalement porté sur la mise
en place d’un calcul de la VaR par la méthode de variance/covariance.
Certes, celle-ci semblait pourtant la plus contestée par les tests effectués, mais d’autres
facteurs entraient en ligne de compte, telle la disponibilité à ce moment précis d’un outil de
calcul approprié. De plus, les premiers calculs de VaR au CMB étant davantage destinés à un
usage interne qu’au respect des exigences réglementaires, l’établissement pouvait encore
envisager de changer ultérieurement de méthode de calcul, n’étant pas encore soumis au
principe de permanence prôné par les autorités de tutelle.
C’est donc vers le suivi de la mise en place d’un calcul de VaR par la méthode de
variance/covariance que s’est orientée la deuxième partie de mon stage.

II. Suivi de la mise en place d’un logiciel de calcul de la VaR

Une fois la méthode à mettre en place déterminée, une autre phase du travail a donc pu
commencer.
Un logiciel de gestion des opérations de marché était en cours d’installation au sein de
l’établissement. L’un de ses modules étant justement consacré au calcul de la VaR, c’est donc
aux résultats fournis par ce support informatique que je devais m’intéresser.

Après un temps nécessaire à la prise de contact avec cet outil, j’ai pu rapidement entrer dans
le vif du sujet. Mon rôle était alors de confronter aux résultats fournis par ce progiciel ceux
que j’obtenais moi-même par l’exécution de la même méthodologie sous environnement
Excel.

Cependant, je me suis immédiatement heurté à un problème de taille : il allait me falloir

conformer ma propre méthode de calcul à celle appliquée par l’outil informatique.
En effet, si aucun problème ne se posait dans le cadre d’un calcul appliqué à des instruments
« simples » tels que les actions ou les produits de taux, à taux fixe, ce n’était plus le cas dès
lors que des taux variables étaient abordés. Car si les feuilles de calcul préétablies
s’appliquaient fort bien à la méthode de manière générale, il était bien moins aisé d’y mettre
en pratique nombre de cas particuliers.
Ainsi, il a vite été évident que le logiciel en question traitait d’une manière différente chacun
des types de taux variables existant, en particulier au niveau de la valorisation et de la
répartition des flux.

Mémoire de fin d’études - EURIA - 10 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Cette diversité de cas à traiter, cumulée à un important manque d’information concernant les
différents cas de figure abordés et la manière dont était mis en œuvre le calcul dans chacun
des cas, a accru considérablement la difficulté de la vérification des calculs, ainsi que le temps
imparti à cette phase.
La majeure partie de mon travail a donc consisté, à partir des résultats fournis par le logiciel
instrument par instrument, à établir les différents cas particuliers traités et la manière dont ils
l’étaient.
Ce n’est qu’une fois chaque méthode particulière déterminée que j’ai pu, à partir de mes
propres données de marché, mettre en œuvre le travail qui m’était imparti, et vérifier la
cohérence des résultats affichés par le logiciel.

Après avoir confirmé que tous les calculs instrument par instrument répondaient
effectivement aux attentes de l’établissement, j’ai pu passer à des calculs de combinaisons
d’instruments, afin de vérifier non-seulement les chiffres de VaR individuelle fournis pour
chaque instrument, mais également l’agrégation de ceux-ci en vue d’obtenir une VaR globale.
Cette fois, l’obstacle majeur rencontré a été d’aboutir à un paramétrage correct du logiciel, en
particulier au niveau de la somme de facteurs de risque à considérer et de leur nature.
Finalement, j’ai pu passer à des calculs de VaR sur des portefeuilles entiers, tenant compte de
la diversité des catégories d’actifs contenus dans chacun, et donc de facteurs de risque à
prendre en considération, avant d’aboutir à une validation de l’ensemble des calculs du
logiciel, qui a mis fin à la fois à mon rôle au sein du département Risques de Marché et au
temps imparti à mon stage.

La seule étape à laquelle je n’ai pas été en mesure d’assister a donc été la première phase de
calcul « en temps réel » de la VaR au CMB. En effet, le logiciel dans sa globalité étant tout au
long de mon stage en phase d’installation, je n’ai pu travailler que sur des données figées au
sein d’une base destinée à de tels tests, et donc à une date de calcul antérieure.
Cependant, je pense avoir eu l’opportunité de suivre toutes les autres étapes de la mise en
place de l’outil Value at Risk au sein de l’établissement. En particulier, j’ai eu l’occasion
d’appliquer ce calcul à l’ensemble des types d’instruments financiers détenus par celui-ci
ainsi que des combinaisons entre ces différentes catégories d’actifs.
Si ce n’est le côté officiel de la chose, je ne pense donc pas avoir à déplorer de lacune
particulière en ce domaine. Mieux, le manque d’informations concernant les calculs effectués
par le logiciel, s’il s’est avéré regrettable voire handicapant sur l’instant, m’a d’un autre côté
conduit à explorer toutes les manières possibles de valoriser la plupart des actifs et de leur
appliquer une méthodologie Value at Risk, m’apportant ainsi une somme de connaissances
non négligeable sur le sujet.

III. Origine du choix de ce mémoire

Même si l’essentiel des différents travaux que j’ai eu à accomplir durant mon stage était basé
sur les méthodes de calcul de la Value at Risk et leur mode de mise en place, je n’en ai pas
moins eu l’occasion de tirer parti de cette période pour découvrir d’autres notions, au travers
du rôle au sein du service des différentes personnes que j’ai pu y côtoyer tout au long de ces
cinq mois.

Mémoire de fin d’études - EURIA - 11 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Ainsi, au contact des opérateurs de la salle des marchés, j’ai pu me faire une idée plus précise
de ce que représentait leur travail, et par-là même approfondir mes connaissances de
nombreux produits financiers.
De la même manière, étant constamment, durant la deuxième partie de mon stage, en lien
avec les membres du Service Informatique chargés de la mise en place du logiciel, j’ai
également eu un aperçu fort intéressant de l’étendue des calculs et rapports nécessités à la fois
par les opérateurs, les analystes financiers et le personnel de la Gestion des Risques dans le
cadre de leur activité professionnelle.
Mais surtout, j’ai découvert, au contact des autres membres du service, une grande partie de
ce qu’est l’environnement réglementaire de la gestion des risques de marché.

En effet, la Value at Risk est un outil de calcul dont l’application aux risques de marché est en
pleine expansion, et s’inscrit dans le respect de la réglementation nationale et internationale
de l’adéquation des fonds propres.
Ainsi, par souci de culture, j’ai pu m’intéresser aux autres facettes de cette même
réglementation. Car si la VaR, et de fait les modèles qui s’en inspirent, semblent représenter
en quelque sorte l’avenir du calcul d’adéquation des fonds propres aux risques de marché, une
réglementation propre à ce domaine existe déjà.
Peu à peu, j’ai donc découvert l’ensemble de la réglementation relative à la surveillance
prudentielle de ces risques de marché, qu’il s’agisse du caractère qualitatif de celui-ci, au
travers de la définition de l’assujettissement à cette réglementation, de la méthode standard
appliquée avant l’apparition des modèles internes et leur mise en place, ou des critères
d’acceptation de ces modèles par la Commission Bancaire.
C’est pourquoi j’ai souhaité en savoir davantage sur le sujet, déterminer les raisons qui
avaient conduit à une telle réglementation, et surtout ce qui avait motivé la mise en place de
modèles internes de calcul des risques de marché, tels que celui que j’ai suivi.

Le sujet de ce mémoire découle donc, fort logiquement, à la fois du thème sur lequel était axé
mon stage, mais aussi de toutes les notions relativement nouvelles que j’ai pu découvrir
durant cette période et que j’ai eu à cœur d’approfondir.
Ce projet est donc né d’un souci d’approfondissement de ma culture personnelle dans un
domaine qui m’attire beaucoup, en l’occurrence celui de la gestion des risques de marché.
Cependant, ce mémoire est également destiné à compléter les informations, rares et souvent
maigres, qu’il est possible de se procurer sur ce domaine de la réglementation bancaire et
financière.

Conclusion

Ce stage de fin d’études m’aura donc permis à la fois de compléter mes connaissances dans
un domaine sur lequel j’avais déjà pu travailler au cours de ma seconde année d’études à
l’EURIA, et qui m’a beaucoup intéressé.

J’ai également eu l’occasion de compléter de manière satisfaisante ma connaissance des

produits financiers, de la manière dont ils sont abordés, et des méthodes utilisées pour les
valoriser.

De plus, j’y ai acquis une autonomie non-négligeable, ayant effectué l’essentiel de mon
travail de manière indépendante et sans bénéficier d’un suivi constant. Cela m’a permis de

Mémoire de fin d’études - EURIA - 12 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

prendre nombre de décisions quant à l’orientation de mes travaux, et l’ordre et la manière

dont ils devaient être exécutés.

Enfin, et c’est peut-être ici l’essentiel, ce stage m’a permis de me découvrir et développer un
intérêt pour le domaine de la réglementation des risques de marché, et a ainsi conduit au choix
du thème de ce mémoire.

Ayant pu aborder l’essentiel du point de vue mathématique et appliqué de ce domaine au

cours de mes cinq mois de présence au CMB, cette étude me permet donc de compléter mes
connaissances dans ce domaine, en abordant cette fois essentiellement le domaine
réglementaire et qualitatif. Dans un même temps, ce document me semble à même d’apporter
un complément à la littérature existant sur ce thème, du moins celle que j’ai pu me procurer
personnellement.

Mémoire de fin d’études - EURIA - 13 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

INTRODUCTION

Mémoire de fin d’études - EURIA - 14 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

D epuis le début des années 1990, les institutions financières ont vu un accroissement
considérable de leurs opérations de marché et, de fait, du risque inhérent à celles-ci. Or, au
même titre que les autres risques auxquels sont soumis les établissements financiers, les
risques de marché sont de nature à mettre en danger la pérennité de l’entreprise. Il était donc
impératif de pouvoir les gérer de manière optimale.
Pourtant, jusqu’alors, aucune réglementation spécifique n’existait dans ce domaine, le
contrôle des risques de marché étant quasi-inexistant et n’apparaissant qu’à un niveau
national.

Peu à peu, la prise de conscience des risques encourus, amplifiée par la faillite de plusieurs
établissements de taille (Metallgeselschaft en Allemagne, Barings en Grande-Bretagne,…)
suite à une mauvaise gestion de ces risques, a démontré la nécessité d’un contrôle suivi et
efficace de cette catégorie de risques.
De fait, l’allocation de fonds propres est devenue une préoccupation majeure dans le secteur
bancaire et financier, son objectif étant de couvrir la perte potentielle future par des fonds
propres.

Partant de ce constat de nécessité d’une réglementation clairement définie, les autorités de

régulation ont peu à peu mis en place des normes de surveillance des différents risques
menaçant les établissements de crédit et les entreprises d’investissement.
Ainsi, après une première approche en 1988, principalement axée sur le risque de crédit, il
faut attendre 1993 pour trouver enfin au niveau international des méthodes standardisées
destinées au calcul des risques de marché. Les premières applications en terme de contrôle
apparaissent via une directive européenne, puis en 1995 au travers de sa transposition en droit
français.

Ce règlement, cependant, fournissant une méthode standardisée de calcul de l’allocation de

fonds propres, ne satisfait pas certains grands établissements. Ceux-ci, en effet, ont déjà de
leur côté développé des modèles internes de calcul relativement élaborés, et les jugent
supérieurs au modèle standard proposé par le régulateur.
Sous leur pression, la réglementation évolue donc peu à peu jusqu’à autoriser l’usage de
modèles internes de calcul du risque de marché, pour compléter voire remplacer la méthode
standard.
Depuis lors, l’usage de ces modèles internes, principalement basés sur la notion de Value at
Risk, s’est largement développé, tendant à se généraliser à l’ensemble des établissements.

Mais ce changement d’orientation dans la réglementation amène forcément à se poser

certaines questions, en particulier sur le bien-fondé d’accorder aux établissements concernés
une liberté de choix aussi grande, dans les méthodes de calcul, que celle qu’accordent les
modèles internes.
En effet, il convient de se demander tout d’abord en quoi la méthode standard proposée à
l’origine se montrait insuffisante, et donc, de ce fait, quels sont les objectifs visés par
l’adoption et l’utilisation de ces modèles.

Mémoire de fin d’études - EURIA - 15 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Pour aller plus loin, il est possible de s’interroger sur leurs apports réels, tant en termes de
précision que de fiabilité, et se poser certaines questions quant à leurs limites et aux critiques
éventuelles à leur apporter.
Enfin, afin de mieux cerner les implications de la nouvelle réglementation appliquée à ces
modèles internes, il est également indispensable de l’étudier afin de déterminer, d’abord si les
modèles les plus usités y sont bien conformes, et également si les hypothèses ou théories
statistiques sur lesquelles elle est fondée sont acceptables, et le cas échéant dans quelle
mesure.

L’objectif majeur de cette étude est donc d’apporter, sinon une réponse, du moins un début de
réponse à l’ensemble de ces interrogations. Pour ce faire, nous allons tenter d’obtenir un
panorama complet au possible de toutes les caractéristiques et particularités, de la méthode
standard d’une part et des modèles internes d’autre part.
Ainsi, dans une première partie, nous présenterons les deux méthodologies en présence, bien
que de manière encore relativement succincte, tout en rapportant la progression logique qui a
conduit à la naissance de la première, puis à l’avènement de la seconde et à la transition de
l’une à l’autre.
Dans un second temps, nous nous attacherons à comparer de la manière la plus complète
possible les deux méthodologies, en particulier du point de vue qualitatif, en présentant les
principales différences de méthodologie notables et les implications de chacune.
Enfin, l’objet de notre troisième portera essentiellement sur l’étude de la conformité des
modèles internes aux critères conditionnant leur acceptation par la Commission Bancaire,
principalement les critères quantitatifs, et du bien-fondé de ces critères. Nous en profiterons
également pour nous pencher sur les vérifications et corrections éventuelles exigées par les
organismes de contrôle afin de préserver une certaine norme dans le calcul des risques de
marché, ainsi que sur l’interprétation qui peut être faite des résultats obtenus par l’utilisation
de ces modèles, tant au niveau interne qu’entre les établissements.

Précisons au préalable que, le champ d’étude étant relativement étendu, nous nous
restreindrons, dans la majeure partie de ce document, au risque général de marché, espérant
ainsi ne pas trop nous disperser.

Mémoire de fin d’études - EURIA - 16 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

PREMIERE PARTIE :

DE LA CAD A LA VAR,
PRESENTATION DES DEUX METHODOLOGIES
EN PRESENCE

Mémoire de fin d’études - EURIA - 17 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

A vant d’entreprendre l’étude comparative des deux méthodologies de calcul associées à

l’adéquation des fonds propres sur risques de marché, il est bien évidemment nécessaire de
présenter celles-ci et d’en donner les principales lignes directrices.
C’est cette présentation qui va faire l’objet de la première partie de ce document.

Nous allons, dans les pages suivantes, tout d’abord revenir brièvement sur le cheminement
chronologique qui a conduit à la réglementation actuelle. Par la suite, nous décrirons plus
précisément les règles imposées par la Capital Adequacy Directive (CAD), base de cette
réglementation, ainsi que la méthode forfaitaire de calcul qui y est associée. Puis, après avoir
énoncé à titre indicatif les propositions formulées par le principal organe de la réglementation
bancaire au niveau international quant à l’éventuelle prise en compte de modèles internes de
calcul des risques de marché, nous nous attarderons sur la notion sur laquelle se base la quasi-
totalité des modèles utilisés à ce jour, à savoir la Value at Risk. Enfin, nous expliciterons les
trois méthodes les plus couramment retenues dans le cadre du calcul de cette Value at Risk,
qui sont également celles sur lesquelles nous nous baserons dans cette étude.

Cependant, il peut être utile de préciser dans l’immédiat la notion de risque de marché telle
qu’elle est communément définie par les établissements concernés, ainsi que la part de ces
risques qui va être retenue dans cette étude.

I. Définition du risque de marché

Le risque de marché est traditionnellement défini comme étant le risque de subir les
conséquences défavorables de l’évolution d’un paramètre de marché (taux d’intérêt, taux de
change, cours boursiers,...). La plupart des établissements se rejoignent donc sur cette
définition :

“Market risk is the risk UBS faces as a result of adverse movements, in the value of foreign
exchanges, commodities, equity market and interest rates positions”. (UBS)

“Market risk refers to the risk that a change in the level of one or more market prices, rates,
indices, volatilities, correlation or other market factors, such as liquidity will result in losses
for a specified position or portfolio”. (Morgan Stanley Dean Witter & Co)

“Market risk encompasses liquidity risk and price risk, both of which arise in the normal
course of business of a global financial intermediary. Liquidity risk is the risk that some
entity, in some location and in some currency, may be unable to meet a financial commitment
to a customer, creditor or investor when due. Price risk is the risk to earnings that arises from
changes in interest rates, foreign exchange rates, equity and commodity prices, and in their
implied volatilities”. (Citigroup Inc.)

Nous pouvons donc considérer le risque de marché comme étant le risque de perte auquel est
exposée une position en raison d’une évolution défavorable de l’environnement de marché.

Mémoire de fin d’études - EURIA - 18 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Ce risque se distingue des autres risques auxquels sont soumis les établissements financiers
(risque de contrepartie, de règlement-livraison, de liquidité ou opérationnel).

Comme nous avons déjà pu le souligner, nous nous attacherons principalement au risque
général de marché, qui doit être distingué du risque spécifique de marché, davantage lié aux
caractéristiques propres d’un titre donné.

Le périmètre de l’étude étant à présent plus clairement défini, entrons maintenant dans notre
sujet proprement dit, à travers la réglementation concernant ce risque de marché.

II. Progression historique de la réglementation

Les premiers pas de la réglementation des risques sur opérations de marché datent de la fin
des années 1980 avec, consécutivement à la crise d’octobre 1987 (le « jeudi noir » le Dow
Jones chutait de 23% dans la journée), la signature du premier accord international dans ce
domaine : l’accord de Bâle.
Cet accord est le premier fruit des travaux de l’organe moteur de la réglementation bancaire
au niveau international : le Comité de Bâle1.

Le principe de base de cet accord est que la réglementation financière internationale à mettre
en œuvre doit reposer sur les fonds propres. De fait, rapportés aux risques de perte encourus
par un établissement, les fonds propres doivent obligatoirement couvrir un minimum
prédéterminé de ces risques.
Cependant, cet accord concerne spécifiquement le risque de crédit, défini comme le « risque
de défaillance de la contrepartie ». Il n’y est fait, en réalité, qu’une allusion aux autres
catégories de risques que sont le risque de placement, le risque de taux d’intérêt ou le risque
de taux de change. Seul le risque de règlement-contrepartie est concerné, au travers des ratios
internationaux de solvabilité (ratio Cooke adopté en 1988).
Le Comité, à l’époque, se contente d’indiquer que cet accord sera suivi d’un autre portant
cette fois sur les risques de marché et les risques de crédit.

Il faut pourtant attendre 1993 pour voir apparaître les premières méthodes standardisées pour
mesurer les risques de marché, mais celles-ci ne font encore l’objet d’aucune application en
terme de contrôle. Egalement issues des travaux du Comité de Bâle, elles permettent
cependant par la suite l’élaboration de nouvelles normes susceptibles de mieux appréhender
les risques de marché.
L’aboutissement en est, au niveau européen, la directive 93/6/CEE du Conseil de l’Union
Européenne (15 mars 1993). Cette Capital Adequacy Directive (CAD) relative à l’adéquation
des fonds propres aux risques de marché est ensuite transposée en droit français par le
règlement 95.02 du Comité de la Réglementation Bancaire et Financière le 21 juillet 1995 et
mise en application le 1er janvier 1996. Très proche de l’esprit de Bâle, elle sera modifiée par
la suite pour tenir compte des règles adoptées au niveau international sous l’égide du Comité.

1
Nom communément attribué au Comité des Règles et Pratiques de Contrôle des Opérations Bancaires des pays
du groupe des dix et du Luxembourg, créé en 1974 et dont le secrétariat est abrité par la Banque des Règlements
Internationaux ou BRI, à Bâle (Suisse).

Mémoire de fin d’études - EURIA - 19 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Cependant, cette directive, si elle prévoit des règles « standards », ne prévoit pas encore
explicitement la possibilité pour les banques et les entreprises d’investissement de calculer
leurs exigences de fonds propres sur la base de modèles internes, élaborés par les
établissements eux-même, et susceptibles de se substituer aux méthodes standards.
Cette approche « modèles internes » résultera, encore une fois, des travaux du Comité de
Bâle.

En avril 1993, soit un mois après l’adoption de la directive, le Comité de Bâle avait soumis à
la profession pour consultation un document très proche du dispositif européen. Les banques
avaient alors souligné que le système forfaitaire envisagé était à la fois lourd et imprécis et
que les établissements disposaient d’ores et déjà, pour leur gestion interne, d’instruments
sophistiqués permettant une meilleure appréhension du risque potentiel de perte maximale
(« Value at Risk »).
Aussi, les autorités de contrôle acceptèrent-elles d’étudier la possibilité de prendre en compte
l’existence de ces modèles et leurs résultats. En avril 1995, le Comité des Gouverneurs
acceptait la prise en compte des résultats des modèles internes, assortie toutefois d’un facteur
multiplicateur. Tout ceci aboutissait à l’amendement de Bâle sur les modèles internes du 1er
janvier 1996 (« amendment to the capital accord to incorporate market risks »).
Pour leur part, les autorités des états membres de l’Union Européenne décidèrent d’accepter à
titre transitoire la solution proposée par le Comité de Bâle, tout en demandant que les modèles
internes répondent à des critères qualitatifs et quantitatifs précis.

III. La Capital Adequacy Directive ; règles et méthode standard

Nous mêlerons arbitrairement, dans cette présentation, la directive européenne sur

l’adéquation des fonds propres aux risques de marché, qui est la « véritable » CAD, et le
règlement 95.02 du Comité de la Réglementation Bancaire et Financière, qui représente sa
transposition au droit français, ainsi que toutes les versions modifiées qui l’ont suivi.
Il est d’ailleurs d’usage courant d’utiliser la dénomination CAD pour évoquer ce règlement,
tant au niveau des règles qu’il met en place que de la méthode forfaitaire qu’il introduit. Dans
un souci de simplification, nous nous autoriserons également cet amalgame par la suite.

Ce règlement, qui adapte la surveillance prudentielle des établissements de crédit aux risques
liés aux opérations de marché, doit être vu comme la réunion de deux parties bien distinctes :
• le texte réglementaire en lui-même, d’abord, qui n’a pour autre objectif que de définir
les conditions d’application du mode de calcul défini par la suite, tant au niveau du
périmètre d’assujettissement qu’à celui des risques à prendre en compte, ou encore des
modalités du suivi par la Commission Bancaire ;
• les différentes annexes du document qui, quant à elles, définissent une méthode
forfaitaire de calcul d’allocation de fonds propres et la manière dont elle sera appliquée à
chaque type d’instruments.

Etant donné que nous nous intéressons principalement à cette deuxième partie, c’est sur elle
que nous nous attarderons ici. En ce qui concerne les modalités réglementaires d’application
de la méthode, nous nous contenterons d’énumérer les principaux points abordés par le texte
en question sans les préciser outre mesure.

Mémoire de fin d’études - EURIA - 20 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Une précision préalable est nécessaire : la version du réglement présentée ici n’est pas la
version originelle, mais la dernière correction de celle-ci, remontant à 1999.

1. Périmètre d’application et modalités définies par le règlement

Voici les différents points abordés par la réglementation dans la définition des critères
d’assujettissement à la CAD et de la manière dont elle doit être abordée :

Le périmètre d’assujettissement de la méthode, au travers de la définition du type

d’établissements soumis au règlement (établissements de crédit, compagnies
financières et entreprises d’investissement) et la manière dont la consolidation
éventuelle doit être effectuée.

Le fait que ce règlement complète, mais ne remplace pas le règlement 91.05 modifié
relatif au ratio de solvabilité. En effet, celui-ci doit toujours être respecté par les
établissements concernés, les exigences de fonds propres sur risques de marché
s’additionnant à celles précédemment existantes et liées à d’autres risques.

La définition des différents types de fonds propres pris en compte, y-compris une
nouvelle catégorie introduite dans ce règlement : les fonds propres
surcomplémentaires.

La liste des différents risques pris en compte par ce règlement, ceux-ci étant :
• le risque de marché sur portefeuille de négociation,
• le risque de change,
• le risque de règlement-contrepartie, et
• les grands risques le cas échéant.
D’autre part, le document contient à titre indicatif une définition de la notion de
portefeuille de négociation2.

La manière dont doivent être évaluées les positions de manière générale, en

l’occurrence « quotidiennement au prix du marché ».

L’explicitation des notions de risque général et de risque spécifique, notions

définissant deux types de risques à traiter d’une manière propre pour chacune des
catégories précédemment énoncées.

Les modalités de communication à la Commission Bancaire tant de la manière

d’application de la méthode que des résultats obtenus, dans le cadre de déclarations
périodiques.

Une fois les principes d’application du calcul d’adéquation des fonds propre posés, le
règlement, par l’intermédiaire de ses différentes annexes, définit la méthode forfaitaire qui
devra (ou devait à l’origine) être appliquée par les établissements dans le cadre de ce calcul.

2
« Pour le calcul des risques de marché, le portefeuille de négociation est composé des éléments qui relèvent
d’une intention de négociation, en vue de bénéficier de l’évolution favorable des cours, ou conclus en vue de
financer ou de couvrir les éléments en question ».

Mémoire de fin d’études - EURIA - 21 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Définissons donc à présent et plus en détails les principes majeurs de cette méthode.

2. La méthode standard de calcul des risques de marché

Dans ce paragraphe, nous allons donner, pour chacun des types de risque pris en compte par
la méthode, la manière dont celle-ci va traiter le problème et permettre d’obtenir une valeur
correspondant à l’exigence de fonds propres liée à ce même risque.
Cependant, il convient au préalable de définir la notion de « position nette » et la manière
dont elle doit être abordée, cette notion étant utilisée dans le calcul de l’exigence de fonds
propres de plusieurs des risques considérés ici.

La position nette est définie par le règlement comme étant « le solde acheteur (ou position
nette longue) ou vendeur (ou position nette courte) des opérations enregistrées par
l’établissement sur chacun des titres ou instruments soumis au règlement, appartenant au
portefeuille de négociation ».
Les positions nettes sont converties, chaque jour, dans la monnaie utilisée pour établir les
documents déclaratifs, sur la base du taux de change au comptant.
Certains cas particuliers vont pouvoir être observés, tels les OPCVM dont la valorisation est
relativement difficile, les obligations convertibles, mi-actions et mi-obligations, ou encore les
produits dérivés, qui doivent quant à eux être convertis en positions équivalentes sur le sous-
jacent, en respectant certaines conditions.

Nous pouvons à présent énoncer la manière dont la méthode recommande de calculer

l’exigence de fonds propres sur chaque catégorie de risque.

Ces catégories sont :

le risque de taux d’intérêt,
le risque sur titres de propriété,
le risque de change,
les risques optionnels,
le risque de règlement-contrepartie,
le risque sur produits de base,
les grands risques.

Cependant, les trois dernières catégories citées ici ne seront pas traitées dans cette étude, que
ce soit parce qu’ils concernent davantage le risque spécifique de marché que le risque général
(risque de règlement-contrepartie), à cause de la manière particulière dont ils sont évalués et
leur caractère « marginal » vis-à-vis des autres risques de marché (risque sur produits de base)
ou de par leur caractère exceptionnel et relevant davantage, nous le verrons, d’un type de
contrôle complémentaire à celui évoqué ici (grands risques).
Nous ne prendrons donc pas la peine de revenir sur la manière dont ces catégories doivent être
envisagées.

Le risque de taux d’intérêt

Pour les éléments soumis au risque de taux, c’est-à-dire les obligations, les titres de créance
négociables et les autres instruments assimilés (les obligations convertibles sont traitées
comme des titres de créance ou des titres de propriété en fonction de la manière dont elles se

Mémoire de fin d’études - EURIA - 22 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

négocient), on calcule séparément un risque général, qui est lié à l’évolution des taux d’intérêt
dans la devise concernée, et un risque spécifique, qui représente le risque lié à l’appréciation
par le marché de l’émetteur de l’instrument (risque spécifique que nous ne prendrons pas en
compte). La méthode agrège ensuite les résultats de ces deux calculs.

Deux méthodes d’évaluation peuvent être utilisées au choix des établissements, dans le cadre
du risque général :

la première méthode (dite « de l’échéancier ») est fondée sur un échéancier très

détaillé où les titres de créances et les instruments dérivés sont répartis suivant leur durée
restant à courir. Cet échéancier comprend trois zones, divisées en bandes, qui s’étalent de
moins d’un mois à plus de vingt ans. Les positions ainsi ventilées et exprimées à leur
valeur de marché sont pondérées par un coefficient qui tient compte de leur duration. La
duration mesure la durée de vie moyenne des flux actualisés d’intérêt et de capital d’un
titre de créance. Après ces opérations, les effets de la compensation sont partiellement pris
en compte tant à l’intérieur de chaque bande qu’entre les trois zones. Finalement,
l’exigence de fonds propres représente un pourcentage des positions compensées et des
positions résiduelles, variable en fonction de chaque zone de durée ;

la seconde méthode (dite « de la duration ») est fondée sur la duration des flux liés aux
instruments. L’établissement doit calculer la duration modifiée3 de chaque titre de créance
ou instrument. Les différents titres sont ensuite ventilés en trois zones dans le temps en
fonction de la durée résiduelle du titre. Les positions dans chaque zone sont affectées d’un
pourcentage qui représente la variation maximale de taux d’intérêt censée pouvoir
intervenir dans un laps de temps si court que l’opérateur n’a pas le temps de se couvrir.
Les positions ainsi pondérées sont ensuite compensées dans les mêmes conditions que
celles de la première méthode et font l’objet d’exigences en fonds propres
correspondantes. Schématiquement, cette méthode permet de regrouper des positions sur
des éléments de bilan et de hors-bilan qui ont des durées de vie moyenne différentes, en
trois zones temporelles, selon leur sensibilité moyenne, à des variations présumées de taux
d’intérêt.

Quelle que soit la méthode retenue, le calcul est effectué par devise, sans compensation entre
les devises.

Le risque sur titres de propriété

Pour les titres de propriété, c’est-à-dire les actions et les autres instruments assimilés (les
actions prioritaires non convertibles sont assimilées à des titres de créance), compte tenu de
leur nature particulière, on distingue également un risque général et un risque spécifique qui
génèrent des exigences en fonds propres distinctes et qui sont additionnées.

3
Duration : moyenne arithmétique des périodes restant à vivre à un emprunt obligataire, moyenne pondérée par
les flux (actualisés au taux du marché) de chacune de ses périodes. La duration est un instrument de gestion des
portefeuilles obligataires : une anticipation de baisse des taux du marché conduit à acquérir des obligations à
duration élevée (anticipation de plus-value) et une anticipation à la hausse des taux conduit à acheter des
obligations à faible duration.
Egalement connue sous le nom de « sensibilité ». La duration modifiée mesure la sensibilité du prix d’un titre de
créance à la variation du taux d’intérêt, c’est-à-dire l’impact de la variation de 1% du taux d’intérêt sur le prix de
cet actif, mesuré en nombre d’années.

Mémoire de fin d’études - EURIA - 23 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Le risque général correspond au risque de variation du prix de l’action liée à l’évolution

générale du marché. L’exigence de fonds propres est égale à 8% de la position nette globale
de l’établissement.
Ces calculs sont effectués distinctement par marché national.

Le risque de change

Le risque de change est calculé sur l’ensemble du bilan et du hors-bilan, compte tenu de la
franchise prévue pour la part de la position nette globale en devises qui n’excède pas 2% des
fonds propres de l’établissement.
L’établissement doit calculer dans chaque devise sa position longue nette (quand les créances
excèdent les dettes) ou courte nette (dans le cas inverse). Certains éléments peuvent être
exclus, tels que les opérations dont le risque de change est supporté par l’Etat ou les actifs
durables et structurels. Ensuite, les positions courtes et longues nettes dans chaque devise sont
converties au cours de change comptant de l’euro. Ces positions sont additionnées séparément
pour fournir respectivement le total des positions nettes courtes et le total des positions nettes
longues. Le plus élevé de ces deux chiffres constitue la position nette globale en devises de
l’établissement.
L’exigence de fonds propres est égale à 8% de la position nette globale qui excède 2% du
total des fonds propres. Toutefois, cette exigence est minorée pour les devises qui, bien que
n’appartenant pas à un état de l’Union Européenne, présentent des corrélations étroites avec
l’euro (la liste en a été publiée par la Commission Bancaire).
Pour déterminer l’exigence de fonds propres liée au risque de change, les établissements
peuvent éventuellement, sous réserve de l’accord des autorités de contrôle, recourir à des
techniques statistiques de simulation plutôt que de procéder comme ci-dessus.

Les risques optionnels

Dans le cadre du calcul des exigences de fonds propres relatives à la couverture des
portefeuilles d’options, les établissement ont le choix entre plusieurs méthodes.
Nous n’allons cependant pas les définir ici, étant donné qu’elles le seront dans la seconde
partie de ce mémoire.

IV. Approche par modèles internes et propositions du Comité de

Bâle

Comme nous avons déjà pu le dire, les premières prises en compte des modèles internes dans
la réglementation sont le fruit des travaux du Comité de Bâle, et font suite aux demandes de
nombreux établissement allant dans ce sens.
En Avril 1993, le Comité produit un document (« The Supervisory Treatment of Market
Risk »), fruit de recherches sur l'adéquation des fonds propres aux risques de marché. Ce
document est alors transmis aux différents établissements concernés afin de recueillir un
maximum de commentaires sur la question et sur les propositions énoncées. L'objectif final en
est une étude de ces commentaires visant à aboutir à une version définitive émise par le
comité, et tenant compte de l'avis de chacun des acteurs (institutions réglementaires et
établissements soumis à ce contrôle).

Mémoire de fin d’études - EURIA - 24 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Le principal point abordé dans ce document concerne la recherche d'une méthode standardisée
répondant aux attentes de chacun.
Cependant, quelques remarques s'élèvent à l'encontre de ce principe :
les propositions émises par le Comité de Bâle ne sont pas suffisamment motivantes,
car ne relevant pas assez précisément les risques, et ne reconnaissant pas les meilleures
techniques de mesure de ceux-ci ;
la méthode proposée ne tient pas suffisamment compte des corrélations (entre
instruments comme entre marchés), ni de la diversification éventuelle des portefeuilles ;
la méthode proposée n'est pas assez compatible avec certains des modèles internes
existant déjà au sein des établissements bancaires et financiers.

En fait, il est vrai que la gestion du risque par les banques s'est déjà bien développée depuis
les premières propositions au début des années 1990. Leurs modèles internes donnent donc,
selon elles, des mesures de risque de marché bien plus précises que le modèle standard
proposé.
Le Comité va donc devoir étudier la possibilité pour les établissements d'utiliser leurs
modèles comme alternatives à la méthode standard. Pour ce faire, plusieurs enquêtes sont
effectuées, dont la principale, en 1994, composée de tests proposés à plusieurs banques et
portant sur un même portefeuille et sur le risque calculé pour celui-ci par les différents
modèles internes pour diverses variations et fluctuations des marchés.
En fin de compte, une méthode basée sur ces modèles est acceptée, conditionnée cependant
par plusieurs critères d'acceptation, tant au niveau qualitatif que quantitatif.

Les facteurs de risque doivent être clairement définis afin d'aboutir à une cohérence entre les
différents établissements. De manière générale, ils doivent couvrir les taux d'intérêt, les taux
de change, les prix des actions et des matières premières, ainsi que les volatilités relatives aux
positions optionnelles.
D'autre part, la "sophistication" des facteurs de risque utilisés doit correspondre à la nature et
au niveau des risques pris. Ainsi, dans le cadre de la mesure de l'exposition aux taux d'intérêt,
le Comité établit qu'un minimum de 6 bandes de maturités (représentant chacune un facteur
de risque distinct) doit être utilisé pour les positions matérielles dans les différents marchés et
devises.

De plus, afin de conserver une certaine uniformité dans les résultats fournis par les différents
modèles pour de mêmes positions, certains paramètres vont être spécifiés quant à l'utilisation
des modèles :

La période de détention sur laquelle sont calculés les mouvements potentiels du

portefeuille de négociation d'une banque. Dans ce cadre, le Comité a conclu que la période
de détention utilisée pour mesurer la Value at Risk pour les risques de marché devrait être
de deux semaines, c'est-à-dire dix jours ouvrés, supposant ainsi les positions de trading
(de négociation) de la banque figées durant cet intervalle.

La période d'observation sur laquelle les mouvements historiques des prix sont
observés et leurs volatilités et corrélations mesurées. Ici, la conclusion du Comité est
qu'une contrainte doit effectivement être imposée aux choix d'horizons effectués par les
banques. En l'occurrence, une longueur d'historique minimale d'un an devra être prise en
considération dans le calcul.

Mémoire de fin d’études - EURIA - 25 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Le niveau de confiance exigé pour les montants de pertes maximales potentielles. De

manière globale, les seuils de confiance habituellement utilisés par les banques allaient de
90 à 99%. Dans un souci de prudence, le Comité a trouvé bon de conserver un niveau de
confiance relativement élevé, d'où la spécification d'un seuil de confiance à 99%.

Des limites dans les méthodes d'agrégation. En effet, les manières possibles de prendre
en compte les éventualités de mouvements simultanés de différents facteurs de risque sont
multiples, d'où un besoin de normalisation évident. Ainsi, les banques vont donc être
autorisées à utiliser les corrélations qui leur semblent appropriées, avec une relative
flexibilité, mais uniquement dans la mesure où le superviseur se déclare satisfait de la
méthode de calcul utilisée. De plus, l'utilisation de ces corrélations ne sera permise qu'au
sein d'une même catégorie de facteurs, et donc exclue dans le cas des compensations entre
catégories (l'agrégation s'effectuant alors par simple somme).

La définition de la mesure des options et instruments de type optionnel. Dans ce cadre,

il va être attendu des établissements que leurs modèles capturent le caractère non-linéaire
du prix des options vis-à-vis de l'évolution des prix et taux des instruments sous-jacents.
Au minimum, les modèles devront prendre en compte le comportement du prix des
options par une approche de type approximation linéaire incluant le risque de sensibilité
de second ordre (le gamma, par exemple, pour les options sur titres).

Le calcul de l'exigence en fonds propres. La confiance envers les calculs des modèles
internes demeurant relativement modérée, un facteur multiplicatif semble devoir être
introduit afin d'éviter toute sous-estimation du risque pris. Ce facteur multiplicatif est
finalement défini comme devant être au minimum de 3, un supplément pouvant être ajouté
à ce facteur en fonction aux performances ex-post des modèles.

Ces différents paramètres seront analysés plus en profondeur et discutés dans les autres
parties de cette étude, c’est pourquoi nous n’allons pas nous attarder davantage sur ceux-ci
dans l’immédiat.

Nous avons pu évoquer précédemment qu'une grande majorité des modèles proposés et
utilisés par les établissements étaient de type "Value at Risk". Il est donc nécessaire de définir
cette notion, d'autant que c'est sur ce type de modèles que reposera essentiellement la suite de
cette étude.
Présentons donc à présent cette notion majeure utilisée dans ce cadre de « modèles internes »,
la Value at Risk.

V. La Value at Risk

La rentabilité d’un titre ou d’un portefeuille est souvent caractérisée par son espérance de
rentabilité et sa volatilité (représentée par l’écart-type du portefeuille) : hypothèses de type
Markowitz.
La volatilité, exprimée en %, mesure l’incertitude de la valeur du portefeuille autour de son
espérance de rentabilité (prise comme rentabilité moyenne). Le risque du portefeuille est donc
mesuré par la dispersion des réalisations de la rentabilité, R, autour de sa valeur moyenne.
Le risque afférent à un actif financier se définit donc comme l’écart-type de la distribution de
cet actif.

Mémoire de fin d’études - EURIA - 26 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Conceptuellement, la Value at Risk (VaR) est une notion très simple : l’idée est de résumer en
un seul nombre l’ensemble des pertes potentielles que peut subir un portefeuille d’activités
financières. Le but de la VaR est donc de donner une mesure unique et cohérente du risque.
Elle est généralement définie de la manière suivante :
« la VaR représente la perte potentielle supportée par le détenteur d’un portefeuille de
positions, sur un certain horizon de placement et pour un seuil de probabilité donné, dans
l’hypothèse d’une évolution du marché contraire aux anticipations du détenteur ».

Considérons un actif dont la valeur à l’instant t est notée Vt. La perte subie sur cet actif durant
la période [s;t] est donc :
Ls,t = Vs - Vt

Notons que si Ls,t est positif, il s’agit réellement d’une perte. Dans le cas contraire, il s’agit
d’un gain, donc d’un bénéfice.

La seule hypothèse que l’on formule est que la valeur de cet actif évolue de manière
stationnaire : la variable aléatoire Ls,t a une loi de probabilité qui ne dépend de l’intervalle où
elle est calculée que par l’intermédiaire de la durée (t-s) de ce dernier.
On remplacera dès lors l’intervalle [s ; t] par l’intervalle [0 ; t-s] et la variable L n’aura plus
pour indice que la seule durée t de l’intervalle.

On a donc, pour Lt, la définition suivante :

Lt = V0 - Vt

La “Value at Risk” de l’actif en question pour la durée t et le niveau de probabilité q se définit

comme un montant, noté VaR, tel que la perte encourue sur cet actif durant l’intervalle [0 ; t]
ne dépassera VaR qu’avec une probabilité (1-q) :

P[ Lt > VaR] = 1 – q ⇔ P[ Lt ≤ VaR] = q

Ainsi, la VaR correspond au quantile d’ordre c de la loi de probabilité de la variable

aléatoire Lt (perte encourue = - la rentabilité du portefeuille sur un horizon T).

En notant FL et fL , la fonction de répartition et la densité de la variable aléatoire Lt, on

retrouve la définition de la VaR :

Mémoire de fin d’études - EURIA - 27 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

On voit que deux paramètres entrent dans la définition de la notion de la VaR : la durée t et la
probabilité q. En pratique, on décide de fixer t une fois pour toutes (un jour, ou une semaine
par exemple) et on calculera la VaR en fonction de q, ce qu’on notera VaRq si un risque de
confusion est possible. Il est en effet possible de calculer la VaR pour plusieurs valeurs de q.

Au niveau de ces paramètres, on l’a vu, le Comité de Bâle impose un niveau de confiance
minimum, q, de 99% et un horizon de gestion, t, de 10 jours ouvrés, en supposant qu’aucune
modification du portefeuille n’intervienne d’ici là et en prenant en compte dans les calculs
l’ensemble des corrélations existant entre les variables fondamentales (essentiellement les
taux de change et d’intérêt et les indices de marchés actions).

Cependant, un autre horizon de placement important, dans une optique de contrôle interne,
sera l’année, du fait de l’annualité des comptes.

Remarques :
-Il faut bien comprendre que la VaR n’est ni la perte à laquelle on peut s’attendre, ni la
perte maximale qu’on risque de subir, mais un niveau de perte qui ne sera dépassé qu’avec un
niveau de probabilité fixé, a priori, par l’utilisateur.
- Le développement du cadre théorique se base sur les pertes des actifs. Dans la
pratique, on considère la rentabilité des actifs :
V t −1 − V t
Rt =
Vt
Cette manière de procéder possède le double avantage de fournir les ordres de grandeur des
différents facteurs pouvant intervenir dans l’évaluation d’un actif ou d’un portefeuille et de
fournir une variable dont l’étude montre qu’elle peut posséder certaines propriétés
distributionnelles (normalité, quasi-normalité pour la rentabilité des actions par exemple).

Exemple :
Considérons un horizon de temps t de 10 jours et un niveau de probabilité q de 99%.
Dans le cas où la VaR de notre portefeuille est de 1.000.000 EUR, on en déduit alors que la perte sur 10 jours du
portefeuille ne dépassera 1.000.000 EUR que dans 1% des évolutions possibles.

Il existe trois techniques « classiques » d’estimation de la VaR :

• la méthode de l’analyse historique,
• la méthode analytique ou de variance/covariance, et
• la méthode par simulations de Monte-Carlo.

Bien que chacune de ces trois méthodes ait ses spécificités, le principe général d’estimation
de la VaR repose communément sur quatre étapes majeures :
déterminer les facteurs de risque ;
générer des évolutions possibles de ces facteurs de risque pour l’horizon de temps fixé,
évolutions autrement appelées scénarios ;
appliquer ces scénarii au portefeuille pour obtenir la distribution des valeurs possibles
du portefeuille à l’issue de l’horizon de temps fixé ;
sélectionner le quantile sur la distribution précédemment obtenue.

Développons à présent plus en détail le principe propre à chacune des trois méthodes citées
ci-dessus.

Mémoire de fin d’études - EURIA - 28 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

VI. Les trois méthodes majeures de calcul de la VaR

Dans cette section, nous allons présenter les trois méthodologies les plus fréquemment
appliquées lors d’un calcul de Value at Risk. Le côté mathématique de chacune d’entre elles
n’ayant qu’un intérêt limité dans le cadre de cette étude, nous nous restreindrons en grande
partie à la description de la méthode elle-même, davantage qu’à ses sources et implications
statistiques et probabilistes.

1. L’analyse historique

Cette méthode est sûrement la plus intuitive et la plus simple à utiliser. Elle repose sur
l’hypothèse forte que les mouvements passés des prix de marchés se reproduisent dans le
futur et qu’on peut donc les extrapoler.

La méthodologie se base essentiellement sur l’observation de la distribution de fréquence des

pertes et profits ou rendements d’un ensemble d’instruments financiers regroupés en
portefeuilles.

Dans cette méthode, la distribution est obtenue, pour des séries chronologiques d’observations
des prix de marché de chacun des instruments composant les portefeuilles, sur un intervalle de
temps constant (par exemple 1 jour, 10 jours ou 1 mois).
L’analyse statistique de la distribution empirique permet de dégager les paramètres de la
distribution, paramètres de position comme la moyenne et paramètres de disposition comme
les extrema, l’écart-type ou les quantiles.
La VaR est un quantile de la distribution pour un seuil de confiance que l’on se fixera. Le
premier percentile est, par exemple, une estimation du risque pour un seuil d’acceptation de
1%, c’est à dire un montant qui ne sera dépassé que dans 1% des observations.

Cette méthode repose sur l’hypothèse de stationnarité des rentabilités des actifs : la
distribution conjointe (théorique et inconnue) des variations de prix des différents facteurs de
risque, pour l’horizon sur lequel on estime la VaR, est bien estimée par les observations de
ces variations de prix sur l’historique considéré. Dans ce cas, la qualité des paramètres
(moyennes, variances, covariances,...) de cette distribution est bien sûr également garantie.

Elle consiste essentiellement en cinq étapes :

déterminer les facteurs de risque ;
déterminer la fonction valorisant l’instrument financier en fonction des facteurs de
risque ;
calculer les valeurs futures probables de tous les facteurs de risque à partir de leurs
historiques ;
calculer les scénarios probables de valeur future de l’instrument (ou du portefeuille) à
partir des scénarii précédents ;
déterminer les pertes de valorisation probables que peut subir l’instrument (ou le
portefeuille).

Mémoire de fin d’études - EURIA - 29 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

2. La méthode de variance/covariance

La méthode d’estimation de la VaR par la matrice des variances/covariances estimée est, à ce

jour, celle possédant la forme la plus achevée, du point de vue opérationnel, des techniques
de calcul de la VaR. C’est elle qui a assuré la promotion du concept de Value at Risk.

Cette méthode comprend essentiellement trois étapes :

le relevé des facteurs de risque élémentaires en lesquels les actifs financiers du
portefeuille peuvent être décomposés ;
la répartition des flux financiers (ou cash-flows) associés à ces facteurs de risque
élémentaires en des cash-flows plus simples correspondant à des échéances standard ;
le calcul de la VaR.

En outre, elle se base sur les hypothèses suivantes:

hypothèse de stationnarité : les paramètres statistiques mesurés sur la distribution
observée des variations de rendement sont de bonnes estimations de ces mêmes
paramètres pour l'horizon sur lequel on estime la VaR ;
hypothèse de normalité : la loi conjointe du rendement des différents actifs (ou
facteurs de risque) est un vecteur gaussien et la variance du rendement des actifs évolue au
cours du temps ;
décomposition linéaire des actifs : le rendement des actifs dépend linéairement de
celui des facteurs de risque.

Revenons sur les trois étapes constituant cette méthode.

Décomposition des actifs financiers

La première étape est la décomposition des différents constituants du portefeuille en flux

élémentaires, chacun de ces flux étant sensible à un facteur unique de risque. Ainsi, pour des
titres à revenus fixes (type obligation), les facteurs de risque seront les taux zéro-coupon.
En effet, le prix d'une obligation procurant les revenus certains de montants V1,...,VT aux
temps t1,...,tT est donnée par :
P = V1(1+r1)-t1 + ... + VT(1+rT)-tT, où les ri sont les taux comptant zéro-coupon.

Et on sait que la VaR (par l'hypothèse de normalité) se calcule comme dans le cas d'un
modèle linéaire: VaR = E[ R] + q var[R] .

Compte tenu des hypothèses admises par la méthode (linéarité et normalité), le calcul de la
VaR se résume donc à la détermination de la variance du rendement du portefeuille grâce aux
variances des rendements des flux élémentaires qui le composent (les cash flows) ainsi qu'à
toutes les covariances prises deux à deux.

Répartition des flux financiers

Cependant, la multitude d'échéances possibles (donc de flux financiers) rend la tâche

insurmontable. C'est pourquoi cette méthode préconise d'effectuer l'opération dite de mapping
qui consiste en une redistribution des flux financiers sur un ensemble limité et prédéterminé
d'échéances standards.

Mémoire de fin d’études - EURIA - 30 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Ainsi, pour un flux correspondant à une échéance standard, aucun mapping n'est nécessaire.
Par contre, s'il survient entre deux échéances standard, il convient de le répartir sur ses deux
échéances voisines : l'une immédiatement supérieure, l'autre immédiatement inférieure.
Considérons un flux de valeur actuelle V0 et d'échéance t0. Ce flux doit être réparti sur les
deux échéances standard t1 et t2 avec t1<t0<t2. Le problème qui se pose est de déterminer dans
quelles proportions, on répartit le flux initial sur les flux d'échéances t1 et t2.

Deux types de redistribution (mapping) sont envisageables :

le mapping élémentaire, qui suppose la conservation de la valeur actuelle (la somme

actualisée à l’instant 0, donc le jour de calcul de la VaR, du flux initial est égale à la
somme des valeurs actualisées des deux autres flux intervenant à des dates différentes) et
de la duration (la duration de l’actif ayant un flux unique doit être égale à celle de l’actif
équivalent ayant deux flux) ;

le mapping selon RiskMetrics4, qui suppose également la conservation de la valeur

actuelle, mais cette fois suppose constant le risque lié à l’opération (donc l’écart-type),
afin de supprimer une éventuelle sous-estimation du risque initial pouvant être amenée par
l’utilisation du coefficient de corrélation entre les deux flux.

Une fois le type de mapping souhaité choisi, une simple mise en équation permet d’obtenir les
montants respectifs des flux à attribuer aux échéances standard t1 et t2.

Le calcul de la VaR

Une des raisons pour lesquelles la méthode de la matrice de variances-covariances procède à

un mapping des positions élémentaires associées à un ensemble fini d'échéances standards est
qu'il est impossible d'obtenir cette matrice pour l'ensemble des positions existantes.
Les valeurs numériques nécessaires à cette méthode sont donc les évaluations des espérances
et des variances des différents rendements des facteurs de risque (les échéances standards),
ainsi que des covariances relatives aux couples correspondants.

Pour cette méthode, les variances et les covariances sont estimées par les formules classiques
de la statistique descriptive (en se basant sur un échantillon de T observations, relatives aux
époques t-1,...,t-T). La méthode utilise un modèle qui donne plus de poids aux observations
récentes, ce qui permet de mieux tenir compte des caractéristiques tendancielles du marché.
De plus, cela limite la taille des données nécessaires au calcul.

Lorsque les volatilités et corrélations de l’ensemble des facteurs de risque ont pu être
calculées, le calcul de la VaR est rendu possible, d’abord par facteur de risque, puis sur le
portefeuille complet, par agrégation des différents facteurs grâce à la matrice des corrélations
correspondante.

4
Outil de calcul de la VaR, créé et commercialisé par JP Morgan, précurseur dans le domaine de la VaR. Ce
modèle s’appuie essentiellement sur la méthode de variance/covariance. Nous pourrons par la suite citer
quelques uns des choix de cet outil de calcul dans le cadre de notre étude.

Mémoire de fin d’études - EURIA - 31 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

3. La méthode par simulation de Monte-Carlo

La méthode d’estimation de la VaR par simulation de Monte-Carlo, s’appuie comme son nom
l’indique sur la technique de simulation dite de « Monte-Carlo », qui est une méthode
statistique généralement utilisée lorsqu’il est très difficile de déterminer une loi de probabilité
uniquement par un raisonnement mathématique.
Elle consiste en la « fabrication » de cette distribution à l’aide de la génération d’un grand
nombre d’échantillons pseudo-aléatoires, extraits de cette distribution. Pour cela, il faut soit
connaître un modèle théorique auquel se conforme cette distribution, ainsi que ses paramètres
spécifiques (ce qu’on peut obtenir par estimation ou par tests statistiques), soit pouvoir
expliciter cette distribution par suite d’observations ou de calculs sur des observations.

Cette méthode est basée sur la simulation des facteurs de marché dont on se donne une loi de
distribution a priori. Elle consiste en trois étapes majeures :
utilisation des volatilités et corrélations estimées pour les instruments du portefeuille ;
on produit ainsi un large nombre de scénarios de valeurs probables en accord avec les
modèles de loi lognormale ;
pour chaque scénario, on détermine une valeur de portefeuille probable ;
on calcule les pertes probables engendrées par les différents scénarios.

Cette méthode est très semblable à la méthode historique. La seule différence est que l’une
des méthodes utilise les facteurs passés, tandis que l’autre utilise des facteurs simulés. De
plus, la méthode de simulation de Monte-Carlo n’impose aucune taille d’échantillon.

Remarques :
-Cette méthode est très intéressante, puisqu’on peut calculer directement la VaR pour
une période de détention de T jours même si les facteurs de marché correspondent à une
période de un jour.
-Cette méthode nécessite un ordinateur très performant car elle est coûteuse en temps
de calcul. Elle est donc de ce fait encore très peu mise en pratique à l’heure actuelle.
-Cette méthode demande un effort important de modélisation puisque celle-ci
déterminera entièrement les trajectoires des facteurs de marché que l’on utilise pour le calcul
de la VaR.

Nous avons pu, dans cette première partie, présenter, bien que de manière encore incomplète,
les deux types de méthodologies sur lesquels va s’appuyer la suite de notre étude.
Il est d’ores et déjà possible de noter une différence flagrante entre la méthode réglementaire
standard et les modèles internes de type Value at Risk. En effet, alors que la première va
fournir le montant de l’allocation de fonds propres requise en se basant sur des calculs
utilisant des pourcentages fixes et forfaitaires, la seconde impose déjà son caractère
autrement plus mathématique et appliqué, et peut intuitivement apparaître comme plus à
même de refléter la réalité des marchés à un instant donné et de fournir un chiffre plus
cohérent.
Cependant, là n’est pas la seule différence entre les deux méthodes, et plusieurs autres
caractéristiques vont permettre de les distinguer l’une de l’autre. C’est à cette distinction que
nous allons à présent nous attacher.

Mémoire de fin d’études - EURIA - 32 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

DEUXIEME PARTIE :

COMPARAISON DES MECANISMES CAD ET VAR

Mémoire de fin d’études - EURIA - 33 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

L a présentation des deux méthodologies « antagonistes » de cette étude dans la partie

précédente a déjà permis de noter la différence d’optique résidant entre l’approche
réglementaire et l’approche par les modèles internes de type Value at Risk.

Ainsi, alors que l’approche réglementaire revient à :

regrouper les actifs par classes,
pondérer identiquement les risques pour tous les actifs d’une même classe, et
pondérer arbitrairement les risques sur les compensations à la fois intraclasses et
interclasses,

l’approche par les modèles internes suivra les étapes :

étude « actif par actif » (ou plus généralement facteur de risque par facteur de risque),
évaluation statistique des risques sur chaque actif,
agrégation (donc compensations implicites) de ces risques en tenant compte des
corrélations.

Cependant, même si les deux méthodologies sont indubitablement différentes, la marche à

suivre revient souvent à la même succession d’étapes fondamentales, celles-ci étant :
• le choix des facteurs de risque,
• le choix des scénarios utilisés lors de la modélisation,
• l’impact de ces scénarios et de leur manière d’utilisation sur les résultats obtenus,
• l’agrégation de ces résultats.

Il va donc être intéressant de confronter les deux points de vue, quant à la manière dont sont
abordées et traitées chacune de ces étapes essentielles du calcul. C’est ce que nous allons
développer dans cette partie.

I. Le choix des facteurs de risque

1. Problématique

Les facteurs de risque sont communément définis comme étant l’ensemble des facteurs
susceptibles d’influer sur le cours ou la valeur d’un actif donné.
Or, la théorie de l’efficience des marchés5 (hypothèse nécessaire à la modélisation) suppose
que le prix d’un instrument synthétise toute l’information disponible. On comprend donc
aisément que la mesure précise du risque suppose à la fois la connaissance exhaustive de cette
information pour l’avenir et la maîtrise de la manière dont elle va se répercuter sur la valeur
des positions. Il est donc primordial de connaître les constituants élémentaires de
l’information à laquelle est sensible le portefeuille, c’est à dire les facteurs de risques.

5
Théorie selon laquelle toute information pouvant influer sur le prix d’un actif est disponible à tout moment et
pour l’ensemble des opérateurs des marchés. En d’autres termes, les prix reflètent l’intégralité des informations
disponibles.

Mémoire de fin d’études - EURIA - 34 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Cependant, on se rend rapidement compte que le recensement complet de ces déterminants est
une tâche insurmontable. Il va donc falloir, dans chaque tentative de mesure du risque, trouver
un compromis entre les deux impératifs que sont la connaissance exhaustive des facteurs de
risque et la restriction du nombre de ceux-ci permettant un calcul complet, c’est à dire entre la
multiplication des facteurs et l’imprécision dans l’évaluation du risque.
Ainsi, le problème va être de ramener les facteurs de risque à un nombre fini, puis de créer
une relation déterministe entre les facteurs retenus et l’évolution de la valeur du portefeuille
dans le futur.

Cette étape du calcul va donc s’effectuer sous une triple contrainte :

les facteurs de risque doivent être en nombre suffisant pour expliquer le plus
intégralement possible les différentes variations du portefeuille,
ils ne doivent cependant pas être trop nombreux, afin d’éviter des charges de calcul
trop lourdes,
ils doivent être modélisables. Notons que cette dernière restriction amène
immédiatement à ne retenir que les facteurs observables et à rejeter ceux dont
l’existence est ignorée à l’instant du calcul ou dont l’influence est inconnue (décisions
politiques, évolutions réglementaires, OPE, OPA, évènements du 11 septembre
2002...).

Cependant, il ne faut pas perdre de vue que le fait d’éliminer un facteur de risque, quel qu’il
soit, revient à considérer que celui-ci n’a aucune influence sur la position. Cette seule
remarque suffit à exprimer l’importance du choix des facteurs utilisés et ignorés lors des
calculs.

2. Les choix respectifs de la méthode standard et des modèles internes

Les catégories de risque communément prises en compte par la méthode standard sont au
nombre de quatre ; il s’agit :
du risque de taux d’intérêt,
du risque de change,
du risque sur actions, et
du risque sur produits de base.
Cependant, ainsi que nous l’avons déjà annoncé, nous écarterons volontairement cette
catégorie de risque de notre étude, entre autres en raison du faible nombre d’établissements
financiers intervenant sur ce marché.

Jusqu’à présent, force est de constater que les modèles internes les plus utilisés par les
établissements n’apportent aucune innovation à ce niveau et retiennent donc les mêmes
catégories de risques. Ce phénomène est d’ailleurs évident, sachant que ces catégories sont
imposées, également pour les modèles internes, par le règlement CRBF 95-02 modifié par le
règlement 99-01 (annexe 7 de celui-ci).

Le découpage de base étant le même dans les deux cas, nous pouvons donc nous intéresser
plus précisément aux facteurs retenus, par la CAD et par les modèles, pour chacune de ces
catégories.

Mémoire de fin d’études - EURIA - 35 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Le risque de taux d’intérêt

La réglementation a divisé cette catégorie en trois types de facteurs de risque, ceux-ci étant :
la devise,
la structure par termes de la courbe de taux, et
les écarts de rendement inter-marchés.
Revenons sur la prise en compte de chacun d’entre eux.

La devise

Dans la méthode réglementaire, la devise d’origine des opérations est considérée comme un
facteur de risque à part entière. L’objectif est la prise en compte du fait que les taux d’intérêt
évoluent de manière différenciée selon la devise dans laquelle ils sont libellés.
Pour chacun des taux traités, la devise d’origine va donc devoir être considérée comme un
facteur de risque particulier.

De la même manière, pour pouvoir être reconnus par la Commission Bancaire, les modèles
internes ont l’obligation de décomposer leurs calculs de risque de taux par devises. Ils doivent
donc, à ce niveau, adopter les mêmes choix que la méthode CAD.

La structure par termes de la courbe des taux

Il est bien connu que les taux d’intérêt n’évoluent pas de la même manière selon leur maturité.
Ainsi, la volatilité des taux n’est pas uniforme sur la totalité de la courbe. En effet, les taux à
long terme peuvent varier différemment des taux à court terme. L’histoire a par exemple
montré que les taux courts connaissent généralement des variations plus fortes que les taux
longs.
Il est donc important de pouvoir déformer la courbe de taux de manière différenciée selon les
maturités.

De ce fait, le règlement CRBF 95-02 décompose la courbe de taux en sept segments pour la
méthode de l’échéancier et en trois pour celle de la duration. On peut d’ailleurs noter que,
pour cette dernière méthode, la Commission Européenne n’a pas suivi les recommandations
du Comité de Bâle qui préconise également sept segments.

Parmi les modèles internes, le modèle RiskMetrics de JP Morgan est encore plus précis que
ne l’exige la réglementation, puisqu’il retient quatorze bandes de maturité pour les principaux
marchés de la zone Euro :
-taux courts monétaires : quatre maturités de 1 à 12 mois,
-taux des emprunts d’Etat : dix maturités de 2 à 30 ans,
-taux de swaps : six maturités de 2 à 10 ans, qui se confondent avec celles du taux sans
risque.

Cette décomposition satisfait le découpage minimal imposé par le régulateur aux modèles
internes, qui est de six zones pour les grandes devises.

Mémoire de fin d’études - EURIA - 36 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Les écarts de rendement inter-marchés

En dehors de la devise et de la maturité, d’autres différences existent entre les différents

marchés, en ce qui concerne les rendements, en fonction notamment des catégories
d’émetteurs et d’instruments.
Ainsi, une courbe de taux ne peut être significative qu’en étant construite à partir
d’observations réalisées sur des instruments de signature comparable. L’existence de spreads6
de signature par rapport au taux sans risque se justifie pour rémunérer le risque de contrepartie
et le risque de liquidité.

D’autre part, l’observation du marché révèle que deux instruments de même signature et de
même maturité peuvent offrir des rendements différents, ce pour diverses raisons. Ainsi, par
exemple, les bons du Trésor et les Emprunts d’Etat révèlent un tel écart, bien qu’issus du
même émetteur ; l’écart dans ce cas tient essentiellement à une différence de nature juridique7.
La modification dans le temps de l’amplitude de ces spreads peut générer un risque non
négligeable.

La CAD standard ne prévoit pas de manière explicite ces facteurs de risque, ne fournissant
aucune indication sur les courbes de taux à associer aux différents marchés. Cette
simplification n’est pas sans conséquence : elle pourrait amener à considérer soit que les taux
sont les mêmes sur tous ces marchés (ce qui est manifestement inexact), soit que le spread
existant est constant (ce qui ne se vérifie pas non plus). En pratique, la plupart des
établissements utilise des courbes différenciées pour valoriser leurs positions.

En revanche, ce même règlement impose de manière explicite la prise en compte des

catégories d’émetteurs et des types d’instruments dans les modèles éligibles à la CAD. Cette
manière d’intégrer les spreads de signature dans le calcul du risque général de marché n’est
pas sans entraîner certaines interrogations. En effet, il n’est pas illégitime de considérer que
ces spreads relèvent davantage du risque de crédit. De plus, on peut constater que la
couverture par future (contrat à terme) n’élimine pas ce risque.

Le risque de change

Le facteur de risque associé par la réglementation à cette catégorie est le cours de chaque
devise contre celui de la devise nationale.
Le volume des opérations à terme sur ce marché peut amener à se demander s’il est préférable
de retenir comme facteur de risque le prix au comptant, ou les différents prix à terme. Etant
donné qu’en matière de change le cours à terme s’obtient par construction à partir du prix spot
et des taux d’intérêt respectifs des deux devises considérées, le cours comptant semble
pouvoir être considéré comme un facteur de risque suffisant, sous réserve toutefois de traiter
par ailleurs le risque de taux afférent à l’opération à terme.

6
Le terme de spread est communément utilisé sur les marchés pour définir un écart. Dans la plupart des cas,
cette notion sert à qualifier, sur un marché obligataire, l’écart entre le taux de référence (généralement taux des
Emprunts d’Etat) et le taux d’un instrument donné, tenant compte de la nature de l’émetteur.
7
Les bons du trésor sont des titres du marché monétaire et ne font pas l’objet d’une cotation officielle, alors que
les Emprunts d’Etat sont des valeurs mobilières cotées. Par ailleurs, certains investisseurs sont soumis à des
contraintes de gestion réglementaires qui limitent leurs achats de titres non cotés. Ces différences justifient donc
ces comportements distincts pour les taux des deux familles de titres.

Mémoire de fin d’études - EURIA - 37 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Le risque sur actions

Dans le cas des actions, le nombre important de paramètres susceptibles de faire varier le
cours rend difficile leur recensement exhaustif. Il est donc convenu, de manière générale, de
considérer que le facteur de risque se confond avec le titre lui-même. L’approche la plus
rigoureuse consiste donc à recenser autant de facteurs de risque qu’il existe de titres en
portefeuille.

La CAD se contente de décomposer le calcul marché par marché. Elle est donc très peu
précise sur ce point, cette manière de procéder revenant à considérer implicitement toute la
cote d’un pays comme un seul et même facteur de risque.

Pour des raisons évidentes de masse de calcul (taille de la matrice des corrélations), il est
quasi-impossible, dans la méthode de variance/covariance, de considérer chaque prix d’action
comme un facteur de risque à part entière.
C’est pourquoi RiskMetrics procède d’une autre manière, considérant les principaux indices
mondiaux comme des facteurs de risque distincts.
A ce stade, l’approche est donc similaire à celle de la méthode standard, mais nous pourrons
voir par la suite que l’utilisation du coefficient ß permet alors d’affiner le calcul.
La Banque des Règlements Internationaux (BRI) se satisfait de cette approche. Cependant,
elle propose une méthode plus précise qui consiste à décomposer le portefeuille global en
sous-portefeuilles et à associer chacun d’entre eux à un indice sectoriel.

En fin de compte, le choix des facteurs de risque par les différentes méthodes, tant standard
que de type Value at Risk, est une étape relativement normalisée par la réglementation, et qui
de plus ne peut réellement apporter de véritable surprise, ce choix demeurant soumis aux
impératifs (exhaustivité maximale et nombre raisonnable de facteurs à retenir) définis en
début de paragraphe.
Cependant, il est évident que la mise en évidence des facteurs de risque est rendue plus
délicate par la complexité croissante des produits financiers.

II. Le choix des scénarios

Une fois les facteurs de risque choisis et définis en fonction des contraintes énoncées ci-avant,
l’étape suivante, dans chacune des deux méthodologies étudiées, va consister à déterminer un
scénario d’évolution défavorable de ces paramètres dans le futur. Cependant ce choix va se
trouver conditionné par l’objectif poursuivi.
En effet, il convient de s’interroger préalablement sur la nature du résultat souhaité : s’agit-il
de mesurer une perte courante dont la probabilité d’occurrence est relativement élevée et que
l’établissement doit être en mesure d’absorber sans trop de dommages, ou alors une perte
extrême susceptible de mettre sa survie en péril ?
Afin de déterminer l’objectif visé dans les deux cas et la manière dont il peut être atteint,
étudions séparément les choix de la méthode standard et des modèles internes.

Mémoire de fin d’études - EURIA - 38 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

1. La méthode standard

Un reproche souvent fait à l’encontre de la méthode standard est qu’elle conduit à des
montants de pertes potentielles très supérieurs à ceux obtenus par les modèles internes
communément mis en pratique par les établissements. Cependant, il faut tenir compte de
l’objectif visé par la mise en place de cette méthode. Celle-ci, en effet, a été conçue par les
autorités de tutelle dans un souci de maintien de la pérennité du système bancaire et de ses
acteurs.

La méthodologie CAD s’inscrit d’ailleurs dans la batterie des ratios « prudentiels » auxquels
sont soumis les établissements de crédit. De ce fait, il n’est pas étonnant que les hypothèses
sur lesquelles elle s’appuie se trouvent quelque part entre celles de la VaR classique et celles
des scénarios catastrophes.
Néanmoins, il est vrai que les hypothèses en question n’ont jusque là jamais fait l’objet d’une
argumentation précise permettant de vérifier tant la justesse des hypothèses elles-même que le
bien-fondé des résultats obtenus et la manière de les prendre en compte.
D’autre part, il n’est pas absurde de penser que le principal objectif visé par l’introduction de
cette méthode ait été la normalisation de la réglementation dans le domaine des risques de
marché. De ce point de vue, nous pourrons constater que la méthode standard atteint
forcément mieux cet objectif que ne le font des modèles internes différents suivant les
établissements.

Les variations des paramètres de marché retenus par la méthode standard présentent deux
caractéristiques majeures : elles sont constantes dans l’espace et dans le temps.

Concernant la constance dans l’espace, un scénario uniforme d’un pays à un autre présente
l’avantage de maintenir une situation d’égalité concurrentielle. Certains pays pourraient être
en effet tentés de favoriser leurs propres établissements en relâchant leurs exigences
réglementaires. En revanche, cette pratique a l’inconvénient de ne pas prendre en compte le
niveau de risque réel de chaque marché national puisqu’il considère implicitement que la
volatilité des facteurs de risque est la même dans tous les pays, ce qui est manifestement faux.

Pour ce qui est de la constance dans le temps, il faut noter que les variations imposées par
Bâle ou Bruxelles n’ont pas évolué depuis 1995. Or la volatilité des paramètres de marché et
leurs corrélations ne sont pas stables au fil des années. Il y a donc un risque non négligeable
que les exigences de fonds propres soient trop élevées en période calme et trop faibles en
période de fortes turbulences.

En matière de risque de taux, le CRBF 95-02 impose son propre scénario de déformation des
courbes. Il s’agit d’une translation. Dans la méthode de la duration, elle prend la forme
suivante :
-taux courts (jusqu’à 1 an) : 100 bp8
-taux intermédiaires (de 1 à 4 ans) : 85 bp
-taux longs (au-delà de 4 ans) : 70 bp

8
« bp » : basis point ou point de base. Unité traditionnellement utilisée au niveau de la variation des taux
d’intérêt. Un point de base correspond à un « pourcent de pourcent ». Un taux de 3% augmenté d’un point de
base correspondra donc à un taux de 3.01%.

Mémoire de fin d’études - EURIA - 39 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

On notera que Bruxelles a simplifié la recommandation de Bâle qui prévoit une déformation
moins heurtée (sept variations de taux allant de 60 à 100 bp). Cette recommandation n’a été
suivie que dans l’une des méthodes de calcul du risque de taux proposées par la méthode
standard, en l’occurrence celle de l’échéancier.
Les autres déformations possibles de la courbe ne sont pas envisagées (torsion,
pivotement,...). Or les résultats sont très dépendants du scénario pris en compte. Selon la
structure de ses positions de taux, un établissement peut être plus ou moins affecté par tel ou
tel scénario.

Exemple :
Soit un portefeuille constitué de titres longs à taux fixe et refinancé à court terme et à taux variable (Euribor 3
mois).
Dans le cas d’une baisse parallèle de la courbe de taux, l’investisseur est gagnant sur l’emploi et sur la ressource.
Dans l’hypothèse d’un mouvement de pivot de la courbe (baisse des taux courts et hausse des taux longs par
exemple), le gain sur le refinancement risque d’être neutralisé par la perte en capital sur l’actif.

En ce qui concerne le risque général de marché sur actions et le risque de change, la

Commission Européenne demande implicitement aux établissements de s’assurer contre une
évolution défavorable de leurs positions à hauteur de 8%.
De la même manière que précédemment, il est nécessaire de s’interroger sur l’origine de ce
chiffre forfaitaire de 8%, mais surtout sur le caractère constant de cette donnée depuis 1995.
En fixant ces différentes hypothèses le régulateur ne donne aucune information sur leur
probabilité d’occurrence. Ces scénarios perdent ainsi de leur pertinence en raison également
de leur déconnexion de la réalité du moment.

2. Les modèles internes

L’approche par les modèles internes est, bien évidemment, différente de celle de la méthode
standard. La différence la plus notable est que ceux-ci ne fixent pas de scénarios a priori.
Deux types d’approches cohabitent en fait dans les modèles. Le premier consiste à spécifier
que la variation des paramètres de marché suit une loi de probabilité spécifique, tout le
problème étant ensuite de déterminer laquelle (méthode de variance/covariance et méthode de
Monte-Carlo). Le second est plus empirique puisqu’il ne fait aucune hypothèse sur la
distribution théorique des rendements (méthode historique).

Les critiques relatives aux modèles reposent généralement sur deux questions :
le choix de la loi normale et les conséquences de ce choix,
la problématique de l’historique.

Le choix de la loi normale

Pour expliquer l’évolution de la valeur des positions dans l’avenir, la méthode de

variance/covariance retient communément comme hypothèse la loi normale (ou loi de
Laplace-Gauss). Cette dernière a l’avantage de présenter un certain nombre de propriétés
mathématiques intéressantes, fondées sur l’espérance et la variance des rendements.

Mémoire de fin d’études - EURIA - 40 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Loi normale (Loi de Laplace-Gauss) :

Cette loi joue un rôle fondamental en probabilité et statistique mathématique ; elle constitue un modèle
fréquemment utilisé dans divers domaines : répartition des erreurs de mesure autour de la vraie valeur,...
Malgré son appellation, elle est cependant loin de décrire tous les phénomènes physiques et il faut se garder de
considérer comme anormale une variable ne suivant pas la loi « normale ». Son rôle principal en statistique
provient en réalité de ce qu'elle apparaît comme loi limite de caractéristiques liées à un échantillon de grande
taille. Le Théorème Central Limite montre que dans certaines conditions la somme, et donc la moyenne, de
variables indépendantes et de même loi, suit asymptotiquement une loi normale.

X suit une loi normale de moyenne m et de variance σ², si sa densité est:

1  ( x − m)² 
f (x) = exp − .
2πσ²  2σ² 
Par suite de la symétrie de f et comme l'intégrale de X converge, l’espérance de X est : E[X] = m.

Avec le changement de variable aléatoire:

X−m
U= ,
σ
on trouve que la densité de U est:
f(U)= 1 exp −U² .
2π 2
( )
U suit une loi normale centrée réduite, donc toute variable X de loi normale de moyenne m et de variance σ² se
ramène simplement à la variable U par X = m + σU.

Valeurs remarquables :
-P[m-1,64σ < X < m+1,64σ] = 0,90.
-P[m-1,96σ < X < m+1,96σ] = 0,95.
-P[m-2,33σ < X < m+2,33σ] = 0,98 (ce qui correspond donc à un quantile de pertes de 99%).
-P[m-3,09σ < X < m+3,09σ] = 0,998.

Moments :
Les moments existent pour tout ordre.
Par suite de la symétrie, tous les moments d'ordre impair sont nuls. Les moments d'ordre pair sont de la forme:
(2k )!
µ2 k = k
.
2 k!
Additivité :
Si X1 et X2 sont des variables indépendantes suivant respectivement des lois N(m1,σ1) et N(m2,σ2), alors X1+X2
suit une loi N(m1+m2, ,σ1²+,σ2²).

Il s’agit visiblement d’une hypothèse forte. Cependant, les variations des facteurs de risque
prévues par la loi normale sont contredites par la réalité des marchés.
En effet, de nombreuses études ont été menées depuis le milieu des années 19609, visant à
remettre en cause l’application de l’hypothèse de normalité aux instruments financiers. Ces
études, menées tant sur les actions que sur les obligations, tirent des conclusions que l’on peut
résumer aux observations suivantes :

• La distribution des rendements des instruments financiers fait apparaître des queues
épaisses (« fat tails »). Cette constatation revient à dire que les évènements les plus
éloignés de la moyenne se produisent de manière plus fréquente que dans une
distribution gaussienne. Cette indication est obtenue par le moment d’ordre 4 de la

9
En particulier par Mandelbrot et Fama.

Mémoire de fin d’études - EURIA - 41 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

distribution étudiée, dénommé « kurtosis » ou coefficient d’aplatissement, et dont la

position par rapport à celui d’une variable suivant une loi normale nous renseigne sur
l’épaisseur des queues :
[ ]
Kurtosis Distr. = E (X −E(X )) /σ > 3 ⇒ Présence de queues épaisses.
4 4

• La distribution des rendements des instruments financiers met également en relief la

présence d’un pic plus important autour de la moyenne. Joint au phénomène
précédemment énoncé des queues épaisses, la présence de ce pic va permettre de
mettre en évidence des distributions dites « leptokurtiques », fréquentes en finance.

• La distribution des rendements fait en outre apparaître une asymétrie à gauche. Cette
asymétrie sera décelée par le moment d’ordre 3 de la distribution, appelé « skewness »
ou coefficient d’asymétrie, et dont le signe nous renseigne sur le sens de cette
asymétrie.
[ ]
SkewnessDistr. = E ( X − E( X )) / σ < 0 ⇒ Asymétrie à gauche..
3 3

Le tableau suivant (Feghali et Walter, mai 2000) retrace le cours de change USD/FRF de
1988 à 1998 et met en évidence ce phénomène de leptokurtisme.

Défaillance de la VaR gaussienne pour les grandes variations (USD/FRF)

99% 98,50% 98% 95%

Niveau de baisse (quantile Gauss) -1,66% -1,55% -1,47% -1,18%
Nombre théorique de baisses 25 38 50 126
Nombre de baisses observées 40 51 59 127
Dépassement 15 13 9 1
Taux de dépassement 60% 34% 18% 1%

Sur 2.522 jours de cotation, on s’attend, selon la loi normale, à trouver moins de 1% des
données (soit moins de 25 baisses) inférieures à 1,66%. Or on observe 40 baisses de cette
amplitude, soit un dépassement de 60%. Dans cet exemple, la loi normale est d’autant plus
prise en défaut qu’on s’intéresse aux variations fortes. En effet, pour les baisses inférieures à
1,18%, le nombre observé est conforme à celui attendu : 127 contre 126. Cet exemple
confirme bien l’existence de queues de distribution épaisses.

Plusieurs évènements qui n’ont qu’une chance sur un million de se produire selon la loi
normale ont déjà pu être observés au cours de ces quinze dernières années : le krach des
actions américaines en octobre 1987, la rupture du mécanisme de taux de change en 1992,
l’effondrement des cours du cuivre en 1996, la dévaluation du peso en 1994 puis celle de
plusieurs monnaies asiatiques en 1997.

Duffie et Pan (1997) ont étudié, de 1986 à 1996, la distribution des rendements journaliers de
17 indices boursiers, de 12 devises contre le dollar et de 3 produits de base. Pour chacune des
séries, ils ont constaté l’existence de queues plus épaisses que celles de la loi normale.

Mémoire de fin d’études - EURIA - 42 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

En pratique, les établissements qui calculent une limite ou une consommation de fonds
propres basée sur un modèle gaussien sont certains de surestimer le risque en période normale
et de le sous-estimer pendant les périodes exceptionnelles. Ils perdront donc, dans plus de cas
que prévu, des sommes par définition inconnues, dans le trou noir des « fat tails ».

Bien entendu, d’autres lois et modèles ont été proposés pour se substituer à la loi normale,
visiblement peu adaptée dans un cadre de marchés financiers (distributions de Lévy, modèles
de type GARCH10,...). Cependant, en pratique, la loi de Laplace-Gauss reste la plus
fréquemment prise en compte.
L’utilisation de cette hypothèse de normalité, malgré les critiques dont elle fait l’objet, repose
en fait sur des arguments de facilité d’utilisation. En effet, il est par exemple facile de calculer
la variance d’une combinaison des composantes d’un vecteur gaussien. Mais la principale
raison pour laquelle d’autres lois ne sont pas substituées à la loi normale est que la résolution
mathématique des co-variations des facteurs de risque est nettement plus complexe que dans
le processus gaussien.

La méthode de Monte-Carlo, quant à elle, ne suppose pas la connaissance des propriétés

mathématiques de la loi de distribution des paramètres de marché. Elle peut donc s’appuyer a
priori sur n’importe quelle loi. La technique utilisée consiste à reproduire, par un grand
nombre de tirages aléatoires, la loi observée de manière empirique. La qualité des résultats
dépendra donc naturellement de l’adéquation du scénario retenu avec la réalité.
Cependant, cette méthode se caractérise par la nécessité de moyens de calcul énormes, non-
seulement au niveau de la recherche de la loi sur laquelle appuyer la distribution, mais
également par la suite lors des très nombreuses simulations effectuées.
Ce problème de taille suffit, seul, à expliquer que son développement en pratique reste rare,
mais pourrait connaître un regain d’intérêt dans l’avenir si les progrès de l’informatique le
permettent.

La troisième technique est plus empirique puisqu’elle ne fait aucune hypothèse sur la
distribution théorique des facteurs de risque. La simulation historique mesure les variations
relatives des facteurs observés sur la période historique choisie et les applique aux conditions
de marché en vigueur pour obtenir la distribution de la valeur du portefeuille, puis le dernier
quantile de cette distribution. Cette approche, comme celle de Monte-Carlo, peut capturer le
caractère non-gaussien de la distribution.
Cependant, cette méthode va être soumise à un autre type de problème, en l’occurence dans
l’approche de l’historique utilisé comme source des données. Si les deux autres
méthodologies dépendent également de l’historique de départ, son importance est encore plus
grande dans le cadre de cette troisième méthode.

10
Une alternative à cette l’hypothèse de normalité des distributions consiste à modéliser l’évolution des cours
par des processus stochastiques autorégressifs à variance conditionnelle de type ARCH, GARCH, EGARCH ou
autres.
Le principe de ces processus n’est pas d’étudier la distribution « standard » du processus, mais d’étudier sa
variance conditionnellement à l’information disponible.
L’idée consiste à dire que la volatilité à chaque instant dépend de la volatilité à différents instants du passé et des
chocs également passés sur la rentabilité.
Ce principe conduit à une réactivité de la volatilité aux chocs : elle croît lorsqu’un décalage vient d’avoir lieu
mais cette modélisation implique également à travers les termes d’autorégressivité une certaine persistance de la
volatilité, c’est-à-dire que les périodes de calme sur le marché tendent à suivre les périodes de calme alors que
les lendemains de jours agités le sont aussi.

Mémoire de fin d’études - EURIA - 43 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Penchons nous donc à présent sur les différentes questions qui se posent lors du choix et du
traitement de l’historique.

La problématique de l’historique

Nous venons de le dire, la plupart des méthodes de type Value at Risk s’appuient sur un
historique de variation des facteurs de risque. Celui-ci n’est donc pas l’apanage de la seule
méthode historique, même s’il y prend une importance encore plus grande. Toutes ces
approches sont donc conditionnées par la période d’observation retenue.

Pour éviter un problème d’autocorrélation des volatilités, il est essentiel que les périodes de
l’historique soient disjointes. Cette contrainte rend la méthode historique difficilement
applicable sur des horizons longs puisqu’elle conduit à remonter très loin dans le temps, à une
époque difficilement comparable avec la période contemporaine.

Par ailleurs, les modèles font implicitement l’hypothèse que toute l’information relative au
risque figure dans les prix observés dans le passé. Si cette assertion a un sens pour les
marchés liquides, elle est discutable pour les marchés incomplets. En effet, l’absence de prix
pendant certaines périodes, ou le caractère non-significatif de ces prix, peut introduire un biais
dans les méthodes basées sur un historique de cours.

Pour être accepté par les autorités de tutelle, un modèle qui exploite un historique doit
s’appuyer sur une période minimale de 12 mois. Ce minimum d’un an peut paraître
insuffisant dans la mesure ou il n’inclut pas une gamme complète d’évènements sur les
marchés. L’année retenue peut être relativement calme et ne comporter aucun élément
exceptionnel ou au contraire être très agitée.
Nous reviendrons sur le choix de ce paramètre dans la troisième partie de ce document.

D’autre part, la volatilité est elle-même volatile. Ignorer ce constat revient à faire l’hypothèse
de la stationnarité de la volatilité qui postule que le passé permet de prévoir l’avenir avec une
faible marge d’erreur ou, en d’autres termes, que la volatilité historique est un bon estimateur
de la volatilité future.
Or on constate que tous les opérateurs sur options font la distinction entre les volatilités
historique et implicite et utilisent précisément cette dernière pour évaluer leurs positions.

Cette manière de faire traduit la confiance toute relative que le marché accorde à la volatilité
historique quand il s’agit d’anticiper l’avenir. Nombreuses sont les situations où les volatilités
réelle et implicite11 sont déconnectées : l’attente d’une nouvelle importante par exemple peut
accroître fortement l’incertitude sur un prix ; à l’inverse la publication de cette information
peut réduire significativement l’aléa et partant la volatilité future. Il va de soi que ce
raisonnement trouve à s’appliquer à des produits autres que les options.

Néanmoins, il faut savoir que la BRI interdit l’utilisation des volatilités implicites dans les
modèles éligibles à la CAD. La raison invoquée par le régulateur est que ces volatilités ne
sont pas pures. En effet elles sont utilisées comme variables d’ajustement par les opérateurs
pour corriger les hypothèses simplificatrices des modèles.

11
Volatilité implicite : volatilité implicitement comprise dans l’évaluation du prix des options.

Mémoire de fin d’études - EURIA - 44 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Exemple :
Dans le modèle de Black-Scholes12, la première correction apportée vise à prendre en compte le caractère
leptokurtique de la distribution des rendements qui est supposée lognormale par le modèle. Pour coter les options
fortement sous-évaluées par le modèle, les opérateurs introduisent donc une volatilité supérieure à celle des
options à la monnaie (c’est-à-dire dont le prix d’exercice correspond à la valeur au comptant du sous-jacent) . Le
second ajustement a pour but de corriger l’hypothèse de stationnarité de la volatilité dans le temps. La technique
consiste à retenir des volatilités différentes selon les maturités, par analogie avec la structure par terme des taux
d’intérêt.

Deux types de solutions ont été apportés pour tenter de résoudre les problèmes posés par les
volatilités historiques.
La première idée consiste à adapter la durée de la période d’observation à l’horizon de la
volatilité. Certains auteurs estiment par exemple qu’une volatilité journalière doit être estimée
à partir d’un historique d’un mois et en aucun cas sur une longue période.
Une deuxième école propose, non plus d’intervenir sur la durée de la période d’observation,
mais sur le poids de chacune des données. Le principe est d’accorder un poids plus important
aux observations récentes qu’aux observations anciennes, l’hypothèse sous-jacente étant que
les scénarios récents ont une probabilité d’occurence plus élevée.

Ces solutions résolvent un problème « mécanique » de l’estimation des volatilités. En effet, la

prise en compte d’une période d’observation constante (1 an par exemple) conduit à retirer
chaque jour de la pile la donnée la plus ancienne pour la remplacer par la plus récente. Il en
résulte que la modification de la volatilité de la période s’explique pour partie par une
variation des conditions de marché et pour partie par un effet mécanique. La technique des
pondérations dégressives permet une « sortie en douceur » des données les plus anciennes.
Néanmoins, la BRI a émis des réserves sur cette façon de faire puisque la disparition
progressive des données les plus anciennes peut s’analyser comme un raccourcissement de la
période d’observation.

Nous verrons dans la troisième partie de cette étude que le choix des périodes d’observation et
des pondérations constitue un réglage relativement arbitraire qui peut conduire à des scénarios
très différents.

3. Bilan

Au bout du compte, qu’ils soient imposés de manière discrétionnaire, basés sur des lois de
probabilité ou sur la reproduction du passé, les scénarios envisagés ne sont pas exempts de
critiques. La vraie question est de savoir lequel est le plus pertinent à un moment donné.

La méthode standard est muette sur le niveau de perte qu’elle se propose de couvrir.
Correspond-il à un scénario courant, intermédiaire ou exceptionnel ? Les modèles ont
l’avantage d’apporter deux précisions sur ce point. En effet, les scénarios sous-jacents sont
assortis de deux indications relatives à la perte potentielle qui fait l’objet de la mesure :

12
Black & Scholes (modèle de -) : en 1973, F. Black et M. Scholes ont proposé un modèle d’évaluation des
options. Ce modèle reprend les éléments constitutifs de la valeur d’une option : cours de l’actif sous-jacent, prix
d’exercice, volatilité de l’actif, date d’exercice et taux d’actualisation. A ce jour, ce modèle est le plus utilisé
dans les évaluations de prix des options.

Mémoire de fin d’études - EURIA - 45 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

D’une part, un niveau de confiance donné quand au résultat (99% pour les modèles
éligibles à la CAD, éventuellement moins dans le cadre de l’information financière).
Pour mémoire, le seuil de 99% du régulateur, qui ne s’intéresse qu’aux pertes,
correspond à un seuil de 98% pour le statisticien.
D’autre part, un horizon du risque. Cette information est essentielle puisqu’elle précise
la durée de détention des positions et donc d’exposition au risque. Par hypothèse, les
positions ne peuvent être soldées dans le marché avant l’expiration de ce délai pour
cause d’illiquidité. Le portefeuille est donc susceptible de subir une perte à hauteur des
variations des facteurs de risque pendant cette période. Dans le cadre de la CAD, Bâle
et Bruxelles imposent un horizon uniforme de 10 jours ouvrés, soit deux semaines.

Malgré une plus grande transparence et une plus grande rigueur apparente, cette approche
n’est cependant pas exempte de critiques, comme nous pourrons le montrer par la suite.

Finalement, si les modèles internes sont bien plus explicites que la méthode réglementaire sur
les scénarios utilisés et les hypothèses prises, cet avantage peut également se retourner contre
eux.
En effet, connaissant le contenu exact de la méthodologie de ces modèles, il est évidemment
plus aisé d’en évaluer le bien-fondé, et donc d’émettre des critiques à leur encontre.
Cependant, s’il est vrai que le recours à la loi normale peut sembler mal adapté, ou si les
manières d’aborder un historique sont innombrables et peuvent donc amener à autant de
résultats différents pour un même calcul, il n’en reste pas moins que de tels outils semblent
plus adaptés aux changements constatés sur les marchés et qu’il est bien évidemment plus
facile et logique de s’y fier plutôt qu’à une méthode forfaitaire dont la majeure partie des
implications sont floues ou inconnues.

III. La mesure de l’impact des scénarios sur la position

Une fois les facteurs de risque choisis et leurs scénarios de variation identifiés, reste à en
définir l’incidence sur les positions de l’établissement. La question revient donc à établir une
relation déterministe entre ces variations et la valeur du portefeuille. En d’autres termes,
quelle est la « sensibilité » du portefeuille à ces variations ?
Pour répondre à cette interrogation, il est nécessaire d’établir une distinction selon le degré de
« linéarité » des positions relativement aux facteurs de risque. Ainsi, nous nous pencherons
tour à tour sur le cas des positions linéaires, ou pouvant être considérées comme telles, puis
sur les positions qualifiées de « pseudo-linéaires », et enfin sur les positions
incontestablement non-linéaires.

1. Les positions linéaires

Pour certains produits, il existe une relation linéaire entre la valeur du facteur de risque et
celle du portefeuille. Dans ces conditions, la variation de la valeur de la position est
directement proportionnelle à celle du facteur de risque.

L’exemple le plus explicite est celui du change. Si le dollar s’apprécie de +1% par rapport à
l’Euro, la position globale USD contrevalorisée en euros variera très précisément de +1%.

Mémoire de fin d’études - EURIA - 46 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Dans le cas du change, donc, aucun problème de modélisation n’apparaît et il est très aisé
d’établir le lien entre la position et le facteur de risque retenu.

Le raisonnement vaut également pour les actions sous réserve que chaque titre ait été
considéré comme un facteur de risque à part entière. Dans le cas où le facteur de risque est un
indice (le cas de figure le plus fréquemment retenu), l’égalité n’est plus respectée sauf si le
portefeuille est une réplication parfaite de l’indice.
Pour éviter d’avoir à gérer une matrice de corrélations trop importante, RiskMetrics a adopté
un compromis. Le facteur de risque est un indice, mais le comportement de chaque valeur par
rapport à cet indice est pris en compte via le coefficient bêta13.
La méthode consiste à convertir chaque position élémentaire en équivalent bêta sur l’indice.
Ces montants convertis peuvent ensuite être aditionnés pour donner des positions globales sur
les différents indices14.

Dans la méthode analytique, cette relation, directement inspirée du modèle de Sharpe, s’écrit :
∆r = β.∆I +α + ∆ε
avec : ∆r : variation du cours de l’action,
β : sensibilité de l’action à l’indice,
∆I : variation de l’indice,
α : composante spécifique de la variation du cours de l’action,
ε : bruit (distribué normalement par hypothèse).

Il est connu qu’une diversification du portefeuille a pour effet de réduire la contribution de la

composante spécifique α au risque global. Sous cette condition, le risque d’un portefeuille
peut se ramener au risque de marché des titres qui le composent. Il n’en reste pas moins que
l’estimation du risque par l’intermédiaire du β reste approximative puisque le calcul de ce
coefficient est basé sur un historique.

2. Les positions pseudo-linéaires

Nous avons énoncé précédemment que le CRBF 95-02, dans la méthode de la duration,
décompose la courbe de taux en trois bandes de maturité (courte, moyenne et longue)
auxquelles il fait subir trois déformations indépendantes (respectivement 100, 85 et 70 bp).
Pour calculer l’impact de cette déformation sur le portefeuille, la méthode de la duration
s’appuie sur l’indicateur de sensibilité. La méthode de l’échéancier fait de même, à la
différence près qu’au lieu de calculer la sensibilité de chaque instrument, elle la déduit du
niveau de coupon et de la maturité du titre.

Les instruments à taux variable font l’objet d’un traitement particulier. Le règlement CRBF
95-02 prévoit que la sensibilité doit être calculée de la même manière que pour les titres à
taux fixe en considérant que l’échéance de l’instrument est la date de la prochaine refixation
du taux.

13
Indicateur obtenu par le rapport entre la covariance des rendements de l’actif considéré par rapport à celui du
marché et la variance des rendements du marché. Le beta mesure la volatilité de l’actif comparativement à celle
du marché et donc de l’indice national.
14
Cette méthode est équivalente à la conversion des options en « équivalent delta » sur le sous-jacent. Se
reporter au traitement des positions non-linéaires.

Mémoire de fin d’études - EURIA - 47 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

La méthode de calcul de l’exigence de fonds propres est la suivante :

Perte potentielle = valeur de marché x sensibilité x variation de taux

Cette méthode n’est pas parfaitement rigoureuse : dans un premier temps, l’utilisation de la
sensibilité entraîne une approximation.
La sensibilité est en effet un calcul de dérivée de premier ordre qui ne rend pas compte de
l’accélération de la hausse du prix lorsque le taux baisse. Le delta15 n’étant pas constant, le
gamma n’est pas nul. L’erreur commise dans une approximation linéaire est d’autant plus
forte que la variation de taux s’éloigne de zéro.
L’application de l’indicateur de sensibilité à des variations de taux allant de 70 à 100 bp
s’accompagne donc d’approximations significatives. En cas de baisse des taux, la hausse du
prix sera sous-estimée. A l’inverse, l’impact d’une hausse des taux sur le prix sera surestimé.
L’erreur pourrait être atténuée en faisant intervenir la dérivée de second ordre (indicateur
gamma16) dans le calcul, mais la méthode standard ne prévoit ce développement que pour les
produits optionnels.
Par ailleurs, la méthode standard prend en considération les techniques de réduction du risque
(swaps notamment) en autorisant la compensation des positions de sensibilité de sens opposé.
Le fait de se retrouver en synthétique avec un delta nul ne signifie pourtant pas que le risque
de taux a été définitivement neutralisé et qu’il n’y a plus lieu de mobiliser de fonds propres.
En effet, la couverture d’une position longue par une position courte de sensibilité identique
n’est pas toujours suffisante pour s’immuniser contre les évolutions de taux pour peu que les
maturités des deux positions soient différentes.

Exemple :
Considérons un portefeuille constitué d’un actif zéro-coupon à deux ans financé partiellement par une ressource
à quatre ans, également zéro-coupon, et pour le solde par une ressource au jour le jour.

Taux actuariel = 5%
Flux remboursement Maturité Valeur actuelle Sensibilité Sensibilité position
Placement ZC 22 050 000,00 2 ans 20 000 000,00 1,9048 -380 952,38
Emprunt ZC -12 155 062,50 4 ans -10 000 000,00 3,8095 380 952,38
Emprunt EONIA -9 894 937,50 JJ -9 894 937,50 0,0000 0,00
TOTAL 0,00 105 062,50 0,00

La sensibilité globale étant nulle, ce montage peut donner à penser qu’il n’est pas exposé au risque de taux et que
sa VaR est nulle.
Il n’en est rien puisque une hausse de 100 bp du taux actuariel provoque une dégradation de la position longue
qui n’est pas intégralement couverte par le gain sur la position courte.

Taux actuariel = 6%
Flux remboursement Maturité Valeur actuelle Sensibilité Sensibilité position
Placement ZC 22 050 000,00 2 ans 19 624 421,50 1,8868 -370 272,10
Emprunt ZC -12 155 062,50 4 ans -9 627 947,98 3,7736 363 318,79
Emprunt EONIA -9 894 937,50 JJ -9 894 937,50 0,0000 0,00
TOTAL 0,00 105 062,50 -6 953,31

15
Delta : pour une option, le coefficient « delta » mesure la variation de la prime (prix d’achat de l’option) par
rapport à la variation du cours comptant de l’actif sous-jacent.
16
Gamma : pour une option, le coefficient gamma est le rapport entre la variation du delta et la variation unitaire
de l’actif sous-jacent.

Mémoire de fin d’études - EURIA - 48 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

On constate dans cet exemple que les positions se modifient de manière différenciée, pour des
raisons de convexité. Certains gestionnaires, conscients de ce problème, couvrent leurs
positions en duration 1 (sensibilité) et en duration 2 (convexité).

On se rend donc compte que la méthode standard s’expose fortement à des critiques relatives
à la sensibilté. Il est donc nécessaire de se demander si c’est également le cas des modèles
internes.

En fait, en ce qui concerne les modèles, la réponse à cette interrogation doit être nuancée en
fonction de la technique utilisée. Les modèles peuvent être classés en deux familles :
ceux basés sur une approche « sensibilité » qui estiment les variations du portefeuille à
partir des variations des facteurs de risque. Cette technique présente l’avantage
d’accélérer considérablement les calculs, mais elle s’expose aux mêmes critiques que
la méthode standard.
ceux qui procèdent à une réévaluation systématique des positions à partir des
nouvelles valeurs des facteurs de risque, grâce à l’utilisation d’algorithmes de pricing.
Seul ce deuxième groupe évite les problèmes liés à la convexité puisqu’il ne fait pas
appel au calcul de dérivées.

Méthode de mesure de l'impact des scénarios selon les modèles

Modèle Méthode
Variance/Covariance Sensibilité
Historique Sensibilité/Réévaluation
Monte Carlo Réévaluation

3. Les positions non-linéaires

Cette catégorie regroupe essentiellement les options17 mais aussi tous les produits possédant
une composante optionnelle parce que leur séquence de flux n’est pas figée (opérations à
préavis, obligations convertibles,...).
La non-linéarité signifie qu’une variation du sous-jacent (c’est-à-dire le facteur de risque
considéré) ne va pas entraîner systématiquement une variation constante du prix de l’option.
Alors que pour les produits linéaires le delta est stable, pour les options en revanche il ne l’est
pas. L’impact d’une variation donnée du sous-jacent sur le portefeuille variera donc selon que
l’option sera plus ou moins dans la monnaie18. Le risque avec un gamma non nul est de voir
soudainement la valeur de la position changer de manière importante. Pour cette raison, le
delta doit être constamment recalculé dans le cadre d’une gestion de portefeuille en delta
neutre.
17
Option : acheter une option sur un actif financier revient à détenir le droit, mais non l’obligation, d’acheter
(option d’achat ou « call ») ou de vendre (option de vente ou « put ») à un prix d’exercice fixé une quantité
standardisée de cet actif. Ce droit d’acheter ou de vendre peut être soit exerçable à tout moment jusqu’à une date
d’échéance donnée (option dite à l’américaine), soit uniquement à cette date d’échéance (option dite à
l’européenne).
18
« Dans la monnaie » (« in the money ») : sur le marché des options, on désigne ainsi des options dont la valeur
intrinsèque est positive car leur prix d’exercice est inférieur au cours actuel du titre support pour une option
d’achat et inférieur pour une option de vente. Cette notion s’oppose par définition à celle d’option « en-dehors de
la monnaie » ou « out of the money ».

Mémoire de fin d’études - EURIA - 49 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

La non-linéarité de ces instruments n’est pas sans conséquence.

Dans le cas des produits linéaires, une variation gaussienne du facteur de risque entraîne une
variation également normale de la valeur du portefeuille. Pour les produits non-linéaires, cette
relation n’est plus vérifiée puisque l’impact de la variation n’est plus stable. Il en résulte que
les variations de valeur du portefeuille ne peuvent plus être modélisées par les méthodes qui
s’appuient exclusivement sur cette loi.

La méthode standard étant fondamentalement basée sur la notion de sensibilité, il est

impératif de trouver une manière de traiter ce problème. Pour cela, quatre méthodes sont
proposées aux établissements.

La première consiste à se reposer sur le calcul de risque effectué par la Chambre de

Compensation19 dans le cadre de ses appels de couverture. Cette méthode déporte le problème
de la mesure du risque chez le Compensateur. Elle présente l’inconvénient de ne pas être
applicable aux options de gré à gré, notamment les caps et floors20.

Les deux méthodes les plus sophistiquées proposées par le règlement sont celles du « delta
plus » et celle des scénarios.

L’approche « delta plus » consiste dans un premier temps à convertir les positions
optionnelles en positions équivalentes sur le sous-jacent. Cette technique présente un avantage
évident : elle permet d’ajouter ces positions équivalentes aux positions fermes de taux,
d’actions ou de change, et de les soumettre aux scénarios de variation habituels (méthode de
l’échéancier ou de la duration pour les produits de taux par exemple).

Toutefois, cette décomposition est assez délicate. Les options « européennes » sont traitées
comme la combinaison d’une position à l’achat et d’une position à la vente selon les règles
suivantes :

Décomposition des options européennes en positions "équivalent delta"

Jusqu'à la date d'exercice Jusqu'à l'échéance du sous-jacent

Achat de call Position courte Position longue
Vente de call Position longue Position courte
Achat de put Position longue Position courte
Vente de put Position courte Position longue

19
Chambre de compensation : Dans le cadre des marchés financiers, ce nom désigne l’entité juridique séparée ou
département d’une bourse. Elle a pour fonction de centraliser les ordres, les règlements et d’assurer les fonctions
de garantie financière. Son objet est de garantir la bonne fin des transactions, qu’elles soient réalisées en séance
ou hors-séance.
20
Cap : contrat de gré à gré sur taux d’intérêt, offrant à son acheteur (contre paiement d’une prime) de se
garantir sur une période donnée un taux plafond maximum. L’équivalent en terme de taux plancher minimum
existe également et porte le nom de « floor ».

Mémoire de fin d’études - EURIA - 50 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Exemple :
Achat d’un call sur OAT 18685 5,50% 25/04/10 le 20 Avril 2001
Nominal : 10 millions d’euros,
Maturité du call : 3 mois,
Maturité de l’OAT : 9 ans,
Cours OAT : 102,9% (coupon couru = 0),
Delta du call : 0,20.

La position optionnelle est décomposée de la manière suivante pour être intégrée dans les positions fermes :
-un actif (position longue) sous forme d’obligations d’Etat de 2058000 euros
(10M x 102,9% x 0,20) d’une maturité de 9 ans,
-un emprunt (position courte) de 2058000 euros d’une maturité de 3 mois.
Ensuite, les deux branches sont valorisées en utilisant des taux d’actualisation pertinents.

Pour les options « américaines », la jambe dont la maturité correspond à la date d’exercice est
réputée avoir une valeur nulle. Tout se passe comme si l’option était exercée immédiatement.

Toutefois, le delta étant susceptible de changer considérablement lorsque le sous-jacent varie,

le régulateur reconnaît l’insuffisance de cette mesure. Ce calcul, correspondant à la méthode
dite du « delta simple », va devoir être affiné.

Des exigences de fonds propres supplémentaires sont donc requises pour couvrir les risques
résiduels. La méthode fait intervenir un développement de Taylor de second ordre au travers
du calcul du gamma de l’option qui mesure la vitesse d’évolution de la dérivée de premier
ordre.
Le gamma sera en toute logique calculé pour une variation du sous-jacent correspondant au
scénario de la méthode standard. Pour une option de taux, la variation retenue sera celle de
l’échéance de l’équivalent sous-jacent dans la méthode de l’échéancier ou de la duration. Pour
une option sur action ou une option de change la variation sera de 8% (4% pour un couple de
devises étroitement corrélées).

Le risque gamma est :

Risque gamma = 0.50 x gamma x (variation du sous-jacent)²

Seuls seront retenus les décalages de valeur qui se révèlent systématiquement perdants pour
l’établissement, à savoir les gammas négatifs.

Un calcul supplémentaire de fonds propres est également prévu, dans la méthode du « delta
plus », au titre du risque véga afin de tenir compte de la volatilité du sous-jacent :
Risque véga = 0.25 x véga x volatilité implicite du sous-jacent.

Dans le cas d’une variation importante du sous-jacent, ce calcul analytique peut conduire à
des erreurs significatives. En effet, le développement de Taylor retenu s’arrête au second
ordre (delta + gamma). En outre, le calcul ignore certaines variables susceptibles d’influer sur
le prix de l’option, notamment le passage du temps (thêta) et le taux d’intérêt (rho).

La deuxième approche proposée par Bruxelles dans la CAD standard évite l’écueil de
l’instabilité de la sensibilité des options. Il s’agit de la méthode des scénarios qui est basée sur
le principe de la réévaluation intégrale des positions.
Les chocs programmés correspondent à nouveau à ceux de la méthode standard. S’agissant
d’options, les scénarios doivent intégrer également une volatilité minimale de plus et moins

Mémoire de fin d’études - EURIA - 51 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

25%. Pour chacune des hypothèses de la matrice, le portefeuille est réévalué et la perte la plus
élevée obtenue détermine la consommation de fonds propres pour le sous-jacent concerné.
Cette dernière méthode peut paraître séduisante, mais souffre en pratique de deux
inconvénients importants. D’une part, tous les scénarios sont placés sur le même plan et se
voient attribuer une probabilité d’occurrence identique, alors que dans la réalité certains sont
plus vraisemblables que d’autres. D’autre part, pour être rigoureux, il serait souhaitable que
les volatilités implicites prises en compte varient selon le prix d’exercice et la maturité.

La BRI ayant rejeté le calcul du risque sur options effectué à partir d’une méthode linéaire, JP
Morgan a dû revoir son approche sur ce point. RiskMetrics propose à l’heure actuelle deux
méthodes pour traiter les positions optionnelles.
La première est basée sur une approximation delta-gamma très proche de la méthode
standard de Bâle. Néanmoins, l’introduction du gamma dans le calcul de la variation de la
valeur du portefeuille vient perturber le modèle gaussien en faisant apparaître une
asymétrie dans la distribution des rendements. Une des propriétés de la loi normale, à
savoir la symétrie autour de la moyenne, se trouve violée. Il n’est donc plus possible de
calculer la VaR à 10 jours à 99% avec 2,33 écarts-types. La méthode delta-gamma va
donc devoir rechercher un nombre d’écarts-types équivalent à 2,33 qui tiendra compte de
l’asymétrie de la distribution.
La seconde technique proposée par RiskMetrics est un renoncement à l’approche
analytique qui caractérise pourtant la méthode. Il s’agit d’utiliser la simulation de Monte-
Carlo qui procède à une réévaluation systématique des positions sous chacun des
scénarios générés.

IV. L’agrégation des résultats

Nous avons pu percevoir dans l’étape précédente l’incidence de la variation isolée des
facteurs de risque sur les positions. L’objectif final de chacune des méthodologies va consister
à agréger ces résultats élémentaires en un montant unique.

1. La prise en compte des corrélations

La théorie du portefeuille21 nous enseigne que la diversification des risques a pour

conséquence de réduire le risque global. Or, à ce stade, le comportement conjoint des facteurs
de risque a été ignoré. L’agrégation pure et simple des résultats obtenus précédemment est
conservatrice et conduit à surestimer la consommation de fonds propres de manière évidente.
Tout se passe comme si un choc négatif se produisait simultanément sur chacun des
paramètres du marché.

21
Théorie du portefeuille : entre 1952 et 1959, H. Markowitz a construit un apport déterminant de la théorie
financière, apport explicatif du comportement des investisseurs face au risque. Le raisonnement se fonde sur un
ensemble d’hypothèses à partir desquelles la modélisation des comportements est possible (normalité des
distributions des rendements des actifs, non-indépendance des variations de ces rendements les uns par rapport
aux autres, aversion au risque de la part des investisseurs,...).

Mémoire de fin d’études - EURIA - 52 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

L’indépendance des positions est un facteur de réduction du risque. Le risque global n’est
égal à la somme des risques individuels que sous l’hypothèse d’une corrélation parfaite et
défavorable entre tous les facteurs.
La prise en considération des corrélations n’est cependant pas sans danger. Si elles sont sous-
estimées le risque est d’aboutir à une évaluation insuffisante de la perte potentielle.

Le point de vue de la méthode standard sur les corrélations

Il est souvent reproché à la CAD d’être particulièrement conservatrice dans ce domaine.

Contrairement à la méthode paramétrique, les corrélations n’apparaissent pas clairement dans
la méthode standard. Une manière de les identifier consiste à analyser la façon dont sont
agrégés les risques. Une addition des résultats sur des positions de même sens signifie une
corrélation parfaite et défavorable. De même, l’autorisation de compenser les positions
longues et courtes sur deux facteurs de risque différents revient à faire l’hypothèse que la
perte sur une position est neutralisée par le gain sur l’autre position et, partant, que les deux
facteurs de risque évoluent de la même manière.

Certaines corrélations sont ignorées dans la méthode standard

Les corrélations entre catégories de risque sont interdites dans la CAD standard. Les
exigences de fonds propres au titre des risques de taux, de change, sur actions et sur produits
de base s’ajoutent.
A l’intérieur d’une même classe de risque, la reconnaissance des corrélations est loin d’être la
règle. Ainsi par exemple pour le risque général de taux d’intérêt, le calcul doit être effectué
par devise (la devise étant, nous l’avons vu, un facteur de risque à part entière au sein de cette
classe). Les établissements ne sont donc pas autorisés à compenser leurs positions entre
devises.
De la même manière, les positions actions de sens opposé sur différents marchés nationaux ne
peuvent être compensées. Ceci reste vrai même lorsque les deux positions concernent le
même émetteur ou lorsque l’une des positions couvre l’autre.

Les corrélations retenues par la méthode standard

Au sein même d’un facteur de risque, le règlement fait le plus souvent l’hypothèse que la
corrélation est parfaite et favorable. Nous avons déjà eu l’occasion de voir que pour les
actions, dans la CAD standard, le seul facteur de risque est le marché national. A l’intérieur
d’un même marché, le règlement va considérer que la corrélation est parfaite et favorable.

Curieusement, on ne retrouve pas le même raisonnement au niveau du risque de taux

d’intérêt. En effet, les positions de taux longues et courtes ne se neutralisent pas
complètement à l’intérieur d’une même zone de maturité (chaque bande de maturité constitue
un facteur de risque à part entière). Le règlement applique une exigence de fonds propres
résiduelle sur le montant compensé (10% pour chaque fourchette dans la méthode de
l’échéancier et 2% pour chaque zone dans la méthode de la duration). Le régulateur justifie ce
calcul par le fait qu’un segment de la courbe de taux contient en réalité des points de maturités
différentes, ce qui rend les compensations imparfaites.

Mémoire de fin d’études - EURIA - 53 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Au sein d’une même catégorie de risque, la méthode standard autorise parfois la prise en
compte de corrélations entre les facteurs de risque eux-mêmes. Ainsi, les positions
correspondant aux différents segments de maturité de la courbe de taux (qui sont autant de
facteurs de risque) sont considérées comme étant partiellement corrélées puisque le règlement
autorise une compensation partielle entre les positions de sens opposé.

Compensation des positions nettes pondérées (méthode de la duration)

Compensation Hypothèses sous-jacentes Exigence de fonds propres sur les

positions compensées
Corrélation quasi-parfaite entre les
positions longues et les positions courtes.
Au sein d'une La BRI reconnaît néanmoins l'existence
2%
même zone d'un risque de base résiduel lié à la
présence de maturités et d'instruments
différents au sein de la zone.

Corrélation moyenne
La couverture devient plus hasardeuse
Entre zones en raison de maturités différentes :
40%
contiguës Zone 1 / zone2 : maturités de 0 à 4 ans
Zone 2 / zone 3 : toutes maturités au-delà
de 4 ans.

Corrélation faible 150%

Entre deux zones La probabilité que les taux des deux
non contiguës zones évoluent de manière identique est Nota : Une corrélation parfaitement
fortement réduite. défavorable aurait conduit à aditionner
les deux risques et donc à retenir
100%+100%=200%.

Cette compensation a un sens dans les pays du G10 où les courbes de taux sont constituées de
points relativement homogènes. En revanche, dans les pays émergents, les « courbes » de taux
sont nettement plus hétérogènes en raison de la présence, pour une même maturité,
d’instruments dont les taux sont très différents (séniorité variable, différences de spreads
significatives). Dans ces pays l’exercice devient plus hasardeux.

En matière de change, la Commission Bancaire reconnaît l’existence de quatre devises

étroitement corrélées deux à deux : le dollar US et le dollar canadien d’une part, la livre
sterling et la couronne norvégienne d’autre part.

Les corrélations dans les modèles

L’un des apports majeurs de la méthode de variance/covariance réside, comme son nom
l’indique, dans la prise en compte des corrélations entre les facteurs de risque.

Mémoire de fin d’études - EURIA - 54 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

L’utilisation d’une matrice de corrélations n’est toutefois envisageable que si sa taille reste
raisonnable. Or le nombre de covariances augmente avec le carré des facteurs de risque22.
Pour résoudre cette difficulté, la méthode paramétrique procède à une simplification grâce à
une technique, le mapping, qui va avoir pour effet de réduire significativement ce nombre de
flux.

Dans un premier temps, les constituants du portefeuille sont décomposés en flux élémentaires,
chacun d’eux étant sensible à un facteur unique de risque. Ces flux sont caractérisés par une
devise, un montant et une date d’échéance. L’étape suivante nécessite la connaissance de la
variance et de la covariance de ces flux deux à deux. Compte tenu du grand nombre de cash-
flows, le calcul des corrélations devient vite irréalisable.

Pour cette raison les flux sont regroupés au sein d’échéances prédéterminées selon la
technique dite du mapping. Par exemple, RiskMetrics utilise une grille de 14 maturités
standards pour les taux d’intérêt. Lorsqu’un cash-flow coïncide avec une maturité standard
aucun mapping n’est requis. Par contre lorsque son échéance est comprise entre deux dates
prédéfinies, JP Morgan adopte une méthode de répartition entre les deux bornes qui assure :
la conservation de la valeur actuelle,
la conservation du risque,
la conservation du signe.
Une modification des conditions de marché nécessite donc un nouveau calcul du mapping.

La conservation du risque est essentielle dans la méthode ; toutefois, elle entraîne une
conséquence inattendue. En effet, la plus grande part du cash-flow est attribuée à l’échéance
standard présentant la plus grande volatilité même si l’échéance réelle est proche de
l’échéance standard ayant la volatilité la plus faible.

S’agissant des actions, les positions sont assimilées à des positions sur les indices nationaux
via les coefficients β individuels. Bien qu’il ne fasse pas apparaître les corrélations entre
titres, ce modèle en tient compte indirectement par la liaison de chacun d’entre eux au même
indice.

La méthode historique ne se préoccupe pas de la mesure des corrélations entre les facteurs de
risque puisque cette information est présumée figurer implicitement dans l’historique. Cette
approche est fondée sur la théorie de l’efficience des marchés qui postule que les prix sont le
reflet de toute l’information disponible dont notamment les corrélations. Malheureusement, en
pratique, les marchés sont rarement parfaits.

Alors que dans le cadre de la méthode standard la prise en compte des corrélations est très
limitée, les modèles internes éligibles à la CAD sont autorisés, depuis le 1er Janvier 2000, à
intégrer les corrélations entre tous les facteurs, autant à l’intérieur d’une même catégorie de
risque (actions, change, taux, produits de base) qu’entre ces catégories23. Toutefois, rares sont
les établissements à profiter de cette possibilité. De nombreuses banques n’ont qu’une
utilisation partielle de la VaR et n’optimisent donc pas le jeu des corrélations.

22
Pour chaque facteur de risque supplémentaire, il est en effet nécessaire de calculer les covariances de celui-ci
avec chacun des autres facteurs contenus dans la matrice.
23
Notons qu’en ceci, les autorités ont corrigé la réglementation CAD de 1999 telle que nous l’avons présentée en
première partie, et selon laquelle il est interdit d’intégrer les corrélations entre catégories différentes au calcul de
la VaR.

Mémoire de fin d’études - EURIA - 55 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

En effet, 40% des établissements utilisent conjointement deux ou trois types de modèles qu’ils
appliquent à des activités différentes. De fait, ils s’interdisent de profiter des corrélations
susceptibles d’exister entre ces portefeuilles.
De même, JP Morgan, conscient des limites de son modèle de base pour les positions non
linéaires, propose la méthode de Monte-Carlo pour les options. Cette pratique pose le
problème de l’agrégation des résultats entre les deux méthodes.

En outre, l’estimation des corrélations est un exercice délicat en raison de leur instabilité dans
le temps. Une des raisons de ce phénomène est l’autocorrélation des volatilités. L’histoire des
marchés montre en effet que les périodes de forte volatilité succèdent aux périodes de forte
volatilité, créant un emballement qui n’est pas correctement pris en compte par les
corrélations historiques en raison de leur inertie.
A défaut de pouvoir intégrer les volatilités implicites dans les modèles, des processus
hétéroscédastiques de type GARCH permettent d’apporter une réponse à la question de
l’autocorrélation en intégrant rapidement les turbulences du marché. L’inconvénient de cette
dernière technique est qu’elle est naturellement incapable de prévoir le retour au calme qui est
par contre intégré rapidement par la volatilité implicite.

D’autre part, en période de crise, des marchés apparemment non corrélés le deviennent
soudainement. Les crises monétaires sont en effet souvent contagieuses comme l’a démontré
l’« effet Tequila ». Dans le sillage de la chute du peso en Décembre 1994, les taux d’intérêt
mexicains ont flambé et le marché des actions s’est effondré. A tort ou à raison, les
investisseurs ont fui les marchés qui présentaient des similitudes avec le marché mexicain,
entraînant à la baisse les marchés actions brésilien et argentin dans un premier temps et
thaïlandais et indonésien dans un second temps. Même le dollar américain a cédé du terrain
par rapport au mark et au yen.

En matière de taux, des ruptures de corrélations similaires peuvent se produire. Ainsi, par
exemple, il existe une corrélation forte entre le rendement des obligations d’Etat et celui des
obligations émises par les banques ou les émetteurs privés de renom. Aux Etats-Unis, les
investisseurs font donc usage de cette stabilité historique des corrélations pour couvrir leurs
positions de taux par des obligations du Trésor. Or, au cours de l’automne 1998, la défaillance
de la Russie a provoqué une ruée massive vers les T-bonds (bons du Trésor) américains,
entraînant une chute soudaine des rendements de ces titres et partant un élargissement des
spreads. Bien évidemment, les établissements qui avaient misé sur la continuité des
corrélations entre le taux sans risque et le taux des émissions privées ont subi de lourdes
pertes non anticipées par les modèles.

De la même manière, un tel mouvement de masse peut entraîner une inversion des
corrélations traditionnellement négatives entre les taux longs et les indices boursiers. Dans ce
cas de figure, les ventes massives d’actions s’accompagnent d’une chute de l’indice et des
taux de rendement des titres d’Etat sur lesquels se reportent les investisseurs.

2. Le calcul du risque global

Après avoir vu comment une mauvaise estimation des corrélations entre les facteurs de risque
pouvait conduire à une surestimation ou au contraire à une sous-évaluation du risque de
portefeuille, nous allons étudier brièvement comment se fait le passage des risques
élémentaires au risque global. L’agrégation a-t-elle un sens ?

Mémoire de fin d’études - EURIA - 56 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Les autorités de contrôle et les directions des banques ont toujours été à la recherche d’un
chiffre capable de synthétiser l’intégralité des risques. La méthode standardisée du ratio CAD
répond à cette attente puisque, au bout du compte, tous les risques (sur les portefeuilles
bancaire et de négociation, tous facteurs de risque confondus) sont additionnés24.

Si on s’en tient au risque général de marché, cette phase ne va pas sans poser de question.
L’agrégation des résultats repose sur le principe d’assimilation des risques. Tous les risques se
retrouvent placés au même niveau.

On peut se demander s’il est pertinent de fusionner au sein d’une mesure unique le risque sur
une position ferme et celui sur une position optionnelle. Doit-on avoir la même lecture de
l’exposition au risque d’une obligation et de celle de la vente d’une option à barrière
activante, même en supposant résolue la question de la mesure de la sensibilité à la variation
du facteur de risque ?
Dans le premier cas, le risque est linéaire ; dans le second, il n’apparaît que dans le voisinage
de la barrière. Le prix de l’option passe instantanément de zéro à un montant P dès que le
seuil est franchi. On se retrouve donc en présence d’un delta infini (variation de la prime d’un
montant P pour une variation infinitésimale du cours du sous-jacent). Comment agréger ce
risque éventuellement inexistant aujourd’hui mais potentiellement élevé dans l’avenir avec le
risque stable de l’obligation ?

Dans le même ordre d’idée, peut-on assimiler le risque sur un portefeuille parfaitement
liquide (OAT) et celui sur un portefeuille moins liquide (obligations du secteur privé ou
devises exotiques par exemple) ? Un même montant de VaR sur les deux portefeuilles n’aura
pas le même sens pour un opérateur. Dans le premier cas il aura la certitude de pouvoir
déboucler sa position dans la journée alors que dans le second il devra peut-être attendre
plusieurs semaines voire plusieurs mois, au risque de voir son portefeuille se dégrader un peu
plus dans l’intervalle.
Les modèles internes n’apportent finalement pas de solution nouvelle à ce problème
puisqu’ils se caractérisent également par la production d’un chiffre unique.

En fin de compte, la comparaison de la méthode standard CAD et des modèles internes dans
le calcul de l’allocation de fonds propres met en évidence certaines analogies. Le processus de
modélisation du risque est le même. Visiblement, la méthode standard de la BRI a été conçue
selon une méthode VaR. Les catégories de risque retenues sont également similaires. Les
facteurs de risque sont relativement proches. De même, certaines insuffisances sont
communes aux deux approches.

Par contre, des différences notoires apparaissent dans le choix des scénarios, dans la mesure
de l’impact de ceux-ci sur les positions (sensibilité opposée à une réévaluation intégrale pour
certains modèles) et dans l’agrégation des pertes.

Dans la méthode standard, la BRI impose une stabilité des scénarios d’évolution des facteurs
de risque. Cette décision a pour conséquence que seul un changement de composition du
24
La déclaration réglementaire (Commission Bancaire, modèle 4009) fournit un niveau de détail qui permet de
connaître la contribution de chaque facteur de risque.

Mémoire de fin d’études - EURIA - 57 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

portefeuille peut faire varier la consommation de fonds propres. En revanche, les résultats
issus des modèles présentent une sensibilité au comportement du marché dans le passé.

Cette particularité permet aux modèles de mieux coller à la réalité mais elle entraîne un effet
pervers mis en avant par le comité de Bâle. En raison de l’utilisation des mêmes historiques et
des mêmes moteurs de calcul, la plupart des établissements constatent un accroissement
simultané de leur VaR lorsque les marchés deviennent fébriles.

D’autre part, une connaissance insuffisante des hypothèses sous-jacentes aux modèles peut
induire un faux sentiment de sécurité et conduire les établissements à des investissements
risqués.

Mémoire de fin d’études - EURIA - 58 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

TROISIEME PARTIE :

ETUDE DE LA CONFORMITE
DES MODELES INTERNES
AUX CRITERES D’ACCEPTATION
PAR LA COMMISSION BANCAIRE

Mémoire de fin d’études - EURIA - 59 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

L a confrontation des modèles internes avec la méthode standard de calcul de l’adéquation

de fonds propres a permis, dans la partie précédente, de mettre en évidence à la fois les
progrès apportés par la mise en place de tels modèles et les limites encore sensibles de ceux-
ci.
Ainsi, nous avons pu constater que, même si certaines des critiques qui pouvaient être faites à
l’encontre de la méthode CAD trouvent leur solution dans les méthodologies de type Value at
Risk, cette modélisation est encore largement perfectible.

Après avoir pu percevoir les objectifs visés par l’introduction de ces modèles, ainsi que leurs
limites, penchons-nous sur la manière dont ils sont agréés par les autorités de tutelle.
Nous avons en effet pu voir que la Commission Bancaire peut autoriser les établissements
assujettis à utiliser leurs modèles internes pour calculer les exigences en fonds propres
relatives au risque de taux, au risque sur titres de propriété, au risque de change et au risque
sur produits de base, ainsi qu’aux risques optionnels qui leur sont attachés, si ces modèles
répondent de manière suffisante à certaines conditions qualitatives et quantitatives.

Il va donc être intéressant d’étudier la conformité des modèles à ces critères, ainsi que les
fondements de ces critères eux-même, afin de déterminer l’origine des choix effectués par les
autorités de tutelle.
Nous allons tout d’abord rappeler l’ensemble des exigences réglementaires spécifiques aux
modèles internes. Dans un second temps, nous nous intéresserons davantage aux tenants et
aboutissants des critères quantitatifs de cette réglementations, afin de vérifier la raison du
choix de ces paramètres ainsi que leur réelle adéquation aux réalités des marchés et à la nature
même des modèles internes considérés. Enfin, nous terminerons par une brève étude de la
comparabilité des résultats fournis par les modèles internes et aux explications des écarts
éventuellement constatés.

I. Rappels sur la réglementation spécifique aux modèles

internes

1. Principes

Les établissements assujettis au contrôle prudentiel des risques de marché peuvent être
autorisés à utiliser leur modèle interne en substitution des méthodes prévues par le règlement
pour les risques de taux, sur titres de propriété, de change, sur produits de base, et les risques
optionnels qui y sont attachés, ou en combinaison avec ces méthodes, pour le calcul des
exigences en fonds propres.
Pour les établissements ayant une activité significative de marché, et à l'exception de risques
insignifiants à l'égard d'un facteur particulier, le recours à un modèle interne exige l'adoption
d'un système intégré de mesure des risques, qui appréhende toutes les grandes catégories de
facteurs (taux d'intérêt, cours de change, prix des titres de propriété et des produits de base,
plus, dans chaque catégorie, volatilité des options correspondantes).

Mémoire de fin d’études - EURIA - 60 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Toutefois, la Commission Bancaire peut autoriser l'utilisation des modèles pour une ou
plusieurs catégories de facteurs de risque sous réserve du respect des conditions suivantes :

tous les critères définis dans l'annexe du règlement s'appliquent au modèle partiel,

les établissements ne peuvent plus, pour les risques évalués, revenir aux autres
méthodes du règlement, à moins que cette autorité ne leur ait retiré son accord pour
l'utilisation de leurs modèles,

le système de gestion des risques de l'établissement repose sur des principes sains et il
est mis en œuvre de manière intègre,

l'établissement possède en nombre suffisant le personnel qualifié pour l'utilisation de

modèles élaborés non seulement dans le domaine de la négociation, mais aussi dans
ceux du contrôle des risques, du contrôle interne et du postmarché,

les modèles de l'établissement ont fait la preuve qu'ils mesurent les risques avec une
précision raisonnable,

l'établissement effectue régulièrement des simulations de crise selon les modalités

précisées par le règlement.

Outre ces normes générales, les établissements recourant à leurs modèles internes pour le
calcul des exigences en fonds propres sont soumis aux exigences énoncées ci-dessous.

2. Critères qualitatifs du système de gestion des risques

Le degré de conformité à ces critères peut conditionner le niveau du coefficient multiplicateur

appliqué au calcul des exigences en fonds propres, coefficient que nous définirons par la suite.

Les éléments suivants doivent au minimum être prévus :

l'existence d'une unité de contrôle des risques, responsable de la configuration et de

l'exploitation du système de gestion des risques. Cette unité doit notamment établir et
analyser des rapports quotidiens sur les résultats produits par les modèles ainsi qu'une
évaluation de l'utilisation des limites de négociation. Elle doit être indépendante des
unités de négociation et rendre compte directement à l'organe exécutif de
l'établissement,

l'organe délibérant et l'organe exécutif doivent être activement associés au processus

de contrôle des risques et le considérer comme un aspect essentiel de l'activité de
l'établissement,

les rapports quotidiens préparés par l'unité de contrôle des risques doivent être revus
par des membres de l'organe exécutif disposant de l'expertise et de l'autorité
suffisantes pour exiger au besoin une réduction des positions prises,

Mémoire de fin d’études - EURIA - 61 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

les modèles internes doivent être étroitement intégrés à la gestion journalière de ces
risques. Leurs résultats doivent faire pleinement partie de son processus de
planification de suivi et de contrôle du profil des risques de marché,

le système de mesure des risques doit être utilisé conjointement avec les limites
opérationnelles, lesquelles doivent être cohérentes avec la modélisation des risques et
bien comprises tant par les opérateurs que par les responsables,

un programme rigoureux de simulations de crise doit régulièrement compléter

l'analyse des risques fondée sur les résultats quotidiens des modèles internes. Ses
conclusions doivent être examinées par l'organe exécutif et prises en compte dans les
politiques et les limites de risque. Lorsqu'elles font apparaître une vulnérabilité
particulière à un ensemble donné de circonstances, des mesures appropriées doivent
être prises rapidement pour réduire ces risques,

les établissements doivent disposer d'un programme de vérification du respect des

règles et procédures internes relatives au fonctionnement du système de mesure des
risques. Ce système fait l'objet d'une documentation décrivant les principes de base et
le détail des techniques de mesure utilisées,

une analyse indépendante du système de mesure des risques doit être effectuée
régulièrement dans le cadre du processus de contrôle interne de l'établissement. Elle
doit porter à la fois sur les activités des unités de négociation et sur celles de l'unité
indépendante de contrôle des risques.

3. Critères quantitatifs et autres exigences

Les autres exigences suivantes doivent être satisfaites par l'établissement :

les facteurs de risque, c'est-à-dire les principaux paramètres de marché dont les
variations sont considérées par l'établissement comme le plus à même d'affecter les
valeurs de ses positions de négociation, doivent être choisis de manière appropriée par
rapport à son niveau d'activité sur les divers marchés,

le modèle interne doit répondre à certains critères quantitatifs ; ceux-ci ayant déjà été
énoncés dans la première partie de ce document (propositions du Comité de Bâle pour
la prise en compte des modèles internes), et devant faire l’objet d’une étude dans cette
troisième partie, nous ne prendrons pas la peine de les rappeler.

un dispositif de contrôle ex-post doit être mis en place, basé sur les données des 250
derniers jours ouvrables.

4. Le calcul des exigences en fonds propres

En cas d'utilisation combinée d'un modèle interne et d'autres méthodes prévues par le
règlement, les exigences en fonds propres calculées au moyen de chacune des méthodes sont
agrégées par simple somme.

Mémoire de fin d’études - EURIA - 62 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Modèle interne n'intégrant pas le risque spécifique

Pour la partie couverte par le modèle interne, l'établissement est assujetti à une exigence en
fonds propres équivalente au plus élevé des deux montants suivants :
• la mesure de la valeur en risque totale du jour précédent, calculée selon les modalités
définies dans l'annexe du règlement (modalités de la méthode CAD, déjà définies),
• la moyenne des mesures quotidiennes de la valeur en risque totale au cours des
soixante jours ouvrables précédents, à laquelle est appliqué un coefficient
multiplicateur.

Le coefficient multiplicateur est attribué à chaque établissement par la Commission Bancaire

en fonction de la qualité de son système de gestion des risques, avec un minimum de 3, et
majoré, le cas échéant, d'un facteur complémentaire variant entre 0 et 1, conformément au
tableau suivant, en fonction du nombre des dépassements mis en évidence par le contrôle ex-
post ou « backtesting » :

Le backtesting :

Il existe toute une panoplie de méthodes utilisées pour calculer la VaR. Bien qu'en pratique les banques utilisent
souvent les mêmes méthodes, leurs variantes sont nombreuses. Le backtesting a pour but de tester la
performance des modèles VaR utilisés.

Principe du backtesting :

Le backtesting consiste habituellement à comparer les pertes observées pendant une période passée donnée, aux
estimations VaR correspondant à la même période. Dans sa forme la plus simple, la procédure calcule le
pourcentage du nombre de fois où la VaR a sous-estimé les vraies pertes. Ce pourcentage est ensuite comparé au
niveau de confiance utilisé : si le modèle prédit qu'1% des pertes sera supérieur à 1.000.000 EUR par jour, il
n'est considéré comme correct que si les pertes sont supérieures à la VaR sur environ 1% des jours considérés. Si
cela arrive par exemple sur 10% des jours, on devine facilement que la méthodologie doit être revue.
Le facteur multiplicatif est compris entre 3 et 4 selon les résultats du backtesting. Un minimum de 3 est choisi
pour compenser les éventuelles erreurs dues à l'implémentation du modèle (hypothèses simplificatrices, biais des
données, erreurs numériques,...), une justification plus précise du choix de ce facteur pourra être fournie par la
suite. Le Comité de Bâle a ainsi défini trois zones de couleurs (présentées dans le tableau suivant) où peuvent se
situer les modèles VaR au niveau de confiance 99% d'après les résultats du backtesting.

Nombre de pertes sous-estimées par la VaR Facteur multiplicatif

Zone verte 4 ou moins 3
Zone jaune 5 3,4
6 3,5
7 3,65
8 3,75
9 3,85
Zone rouge 10 ou plus 4

Les établissements se trouvent donc face à un certain compromis:

-S’ils utilisent des modèles peu performants, le risque de marché est sous-estimé; la VaR est certes
faible, mais le facteur multiplicatif est plus élevé; les banques sont alors obligées de faire de plus grosses
provisions, ceci les pénalise car elles disposent de moins de fonds pour leurs opérations.
-S’ils s'astreignent à avoir des modèles très performants, ils doivent consacrer plus de ressources à leur
élaboration.

Mémoire de fin d’études - EURIA - 63 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Avantages et limites :

Le principal avantage du backtesting reste sa simplicité de mise en œuvre. Cependant, il présente plusieurs
limites.
La composition du portefeuille change bien évidemment durant la période retenue pour le backtesting. Le
portefeuille est dynamique dans le temps, alors que l'on compare les VaR calculées aux profits et pertes réalisées
durant cette période. Il se pose un problème de non homogénéité des comparaisons parce que le modèle VaR
peut se révéler performant pour une certaine composition du portefeuille, et moins performant pour une
composition de nature différente.

Au cas où de nombreux dépassements révèleraient que le modèle n'est pas suffisamment

précis, la Commission Bancaire peut ne plus reconnaître le modèle aux fins de calcul des
exigences en fonds propres ou peut imposer des mesures appropriées afin qu'il soit
rapidement amélioré.
Afin de permettre à la Commission Bancaire de vérifier en permanence l'adéquation du
facteur complémentaire, l'établissement informe sans délai et, en tout état de cause, dans les
cinq jours ouvrables, le secrétariat général de la Commission Bancaire, des dépassements
révélés par leur programme de contrôle ex post qui, en fonction du tableau donné plus haut,
impliqueraient un relèvement du facteur complémentaire.
Une exigence au titre du risque spécifique calculée selon les méthodes standard doit être
ajoutée à l'exigence précédente.

Modèle interne intégrant le risque spécifique

Si le modèle interne de l'établissement est reconnu par la Commission Bancaire aux fins du
calcul des exigences en fonds propres pour risque spécifique, l'établissement augmente alors
son exigence en fonds propres calculée selon le point précédent en la majorant :
• soit du montant de la fraction de la VaR totale déterminée sur le portefeuille de
négociation global de l'établissement correspondant au risque spécifique,
• soit de la VaR totale des sous-portefeuilles de positions en titres de créance et de
propriété qui contiennent du risque spécifique. Dans ce cas, l'identification de ces
sous-portefeuilles devrait être clairement établie au départ et tout changement
significatif ultérieur soumis à l'accord de la Commission Bancaire.

Les contrôles ex post réalisés pour vérifier que le risque spécifique est pris en compte de
manière adéquate peuvent être menés au niveau des seuls sous-portefeuilles qui contiennent
un risque spécifique.
La Commission Bancaire peut exonérer l'établissement de la majoration prévue ci-dessus si
celui-ci fournit la preuve que son modèle appréhende également de manière adéquate le risque
circonstanciel et le risque de défaillance de l'émetteur en ce qui concerne ses portefeuilles de
négociation en titres de créance et en titres de propriété.

II. Analyse des critères quantitatifs d’acceptation des modèles

internes

Nous avons pu parcourir, dans la section précédente, les critères fixés par la Commission
Bancaire et conditionnant l’autorisation de leur utilisation par les établissements.

Mémoire de fin d’études - EURIA - 64 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

De manière générale, les critères qualitatifs énoncés ne sont en rien surprenants et découlent
d’une simple logique d’exigence de moyens. Par contre, il est nécessaire de s’interroger quant
à la signification de certains des critères quantitatifs imposés.

Ceux-ci, rappelons-le, sont les suivants :

la perte potentielle est calculée quotidiennement,
le niveau de confiance unilatéral requis est de 99%,
il est appliqué un choc instantané sur les prix correspondant à une période de détention
de dix jours ouvrés,
la période d’observation (échantillon historique) pour le calcul de la perte potentielle
doit être au minimum d’un an,
les établissements doivent mettre à jour leurs séries de données au moins une fois tous
les trois mois,
les établissements peuvent prendre en compte les corrélations empiriques entre tous
les facteurs de risque sous réserve que le système de mesure de celles-ci soit fiable,
appliqué de manière intègre et que la qualité des estimations soit suffisante,
les modèles doivent appréhender avec précision les risques particuliers liés au
caractère non linéaire du prix des options ou positions assimilées.

Si les deux derniers critères n’amènent à se poser aucune question particulière, et de plus ont
pu être abordés précédemment dans l’étude, ce n’est pas le cas des autres.
En particulier, trois paramètres ici définis, et qui ont leur importance dans tout calcul par
modèle interne, méritent particulièrement que l’on s’y attache. Il s’agit du seuil de confiance,
fixé ici à 99%, de l’horizon de placement, fixé à 10 jours, et de la période d’observation, dont
le régulateur précise uniquement qu’elle doit être supérieure à 1 an.

Nous allons tenter de mieux comprendre le choix des autorités quant à ces trois paramètres.
Ainsi, nous pourrons nous demander, pour chacun d’entre eux, d’abord ce qui a motivé ce
choix, puis étudier les éventuels problèmes qu’ils sont susceptibles de générer dans la mise en
oeuvre du calcul et les interrogations qu’ils peuvent provoquer chez le gestionnaire de risques.
Enfin, nous tenterons de vérifier le bien fondé de ces différents choix.

1. Le seuil de confiance à 99%

On a vu, dans la définition de la Value at Risk, que la VaR à un seuil p d’une position est le
montant de la perte qui ne sera pas dépassé avec une probabilité p. La VaR traite
d’évènements rares, c’est-à-dire qu’en pratique on considère les seuils de 95% et plus, en
l’occurrence 99% pour ce qui est des contraintes réglementaires.
Ainsi, le fait que la mesure par modèle interne doive représenter au moins 99% des risques
signifie que la VaR ne doit être statistiquement dépassée que dans un cas sur 100.

Considérons une position de 100 M€ sur un instrument financier. Si l’on suppose que le
rendement de cet instrument sur une période donnée soit supérieure à –8% avec une
probabilité de 99%, la VaR à 99% de la position sur la période est donc de 8% x 100 = 8 M€.
C’est aussi le niveau de fonds propres nécessaire pour être assuré, avec une confiance de 99%,
de ne pas faire faillite sur la période.

Un élément clef de la politique des risques de marché d’une institution financière réside dans
la définition (subjective) du seuil p. En effet, des différences mineures dans le choix de ce

Mémoire de fin d’études - EURIA - 65 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

seuil peuvent conduire à des écarts importants en terme de capital à allouer. Par exemple, si
les pertes sont distribuées suivant une loi normale, le montant de fonds propres exigé pour un
seuil de confiance de 99,5% est supérieur d’environ 20% à celui requis pour un seuil de
98,5%.

A ces niveaux de probabilité, la perception subjective que nous en avons est troublée. Selon
l’angle considéré, les niveaux de confiance de 98,5% et 99,5% peuvent être tenus pour très
proches à cause du faible écart qui les sépare, ou au contraire pour très différents parce que le
premier a trois fois plus de chances d’être dépassé que le second. Comment, dans ce cas, bien
appréhender le seuil de confiance p ?

L’interprétation la plus immédiate de ce seuil est en terme de fréquence d’apparition d’un

évènement : c’est la dialectique temps-rareté. La VaR au niveau p correspond à un évènement
qui survient en moyenne une fois toutes les (1− p ) périodes : c’est ce qu’on appelle la durée
−1

de retour du risque.
Si l’on considère par exemple des variations sur des périodes de dix jours, toujours pour rester
dans le cadre de la réglementation, on se rend compte que les VaR à 98,5%, 99% et 99,5%
correspondent respectivement à des durées de retour de 2,7, 4 et 8 ans.
Dans la perspective de scénarios de stress25, la durée de retour est une échelle toute indiquée
pour « doser » l’intensité du scénario en fonction de l’appréciation des circonstances par la
personne en charge du contrôle des risques de marché.

Lorsque l’on désire connaître un quantile extrême d’un actif financier, on dispose, comme
nous l’avons déjà vu, de deux approches classiques.
La première consiste à postuler la loi des variations de l’actif, à en estimer les paramètres à
partir d’un échantillon historique, puis à calculer le quantile qui nous intéresse. C’est le cas de
la méthode paramétrique ou de variance/covariance.
La seconde consiste à ordonner les variations de l’actif observées sur l’historique, puis à
prélever celle qui correspond à la probabilité souhaitée (la troisième plus grande par exemple
dans le cas d’un historique de 200 valeurs et pour un quantile à 1%). C’est le principe de la
méthode historique.

L’inconvénient majeur de la méthode paramétrique est que l’on ne connaît pas la vraie loi des
variations de l’actif financier. Il est monnaie courante de représenter les variations des actions
ou des taux de change par une loi normale. Or si cette représentation peut suffire pour de
nombreuses applications financières, elle se révèle inadaptée en pratique pour appréhender les
grandes variations.

Le manque d’adaptation de la loi normale pour les grandes variations :

Une justification élégante et courante du recours à la loi « normale » en finance est le Théorème Central Limite.
Celui-ci stipule que la somme d’un grand nombre de variables indépendamment identiquement distribuées, de
variance finie converge vers une loi « normale ».
Mais un point souvent oublié est que cette convergence n’est pas uniforme et n’est valable que dans une région
centrée sur la moyenne, et dont l’étendue dépend du nombre de variables. Même si la loi des variables causales
est « fine » (c’est-à-dire que tous les moments existent), l’approximation n’est valable qu’autour de n 3/ 4 écarts-
types de la moyenne.

25
Ou “stress-tests”, notion que nous définirons plus clairement par la suite.

Mémoire de fin d’études - EURIA - 66 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Considérons un modèle macro-économique où les rentabilités sont décrites par l’évolution aléatoire d’une
trentaine de facteurs économiques. On peut toujours les supposer indépendants : pour faciliter les calculs, on les
supposera de même loi. D’après le Théorème Central Limite, l’approximation n’est valable qu’autour de
30 0,75 ≈ 12,8 écarts-types de la moyenne. Ce rayon de validité peut être décomposé ainsi :

-l’écart-type de la loi « normale » résultante est30 ≈ 5,5 fois plus grand que l’écart-type initial,
-donc l’approximation cesse d’être valide au-delà de 30 0,25 ≈ 2,3 fois l’écart-type résultant.
Or il s’agit du fractile d’ordre 1% de la loi « normale ». Suivant notre exemple, les VaR à 99% et au-delà sont
donc hors du domaine de validité de l’approximation par la loi « normale ».

Si l’on souhaite continuer à utiliser l’approximation par la loi « normale », il est possible de le
faire à condition de corriger l’estimation des quantiles par un facteur de prudence. C’est la
voie adoptée par le Comité de Bâle, qui recommande de multiplier la VaR à 99% par un
facteur 3. Nous pouvons en effet constater que le choix de ce facteur peut être expliqué par un
souhait de correction d’une approximation gaussienne.

Le facteur multiplicateur 3 :

A ce stade, le choix d'un facteur multiplicateur 3 pourrait paraître arbitraire. De plus, il y a plusieurs
combinaisons d'horizon, de seuil de confiance et de facteur multiplicateur donnant la même masse de fonds
propres.
Vraisemblablement, le facteur multiplicateur tient compte d'une foule de risques additionnés non modélisés dans
le calcul de la VaR. Ce qui est le cas lorsque l'on suppose que les rentabilités des facteurs de risque suivent une
loi normale, alors que ce n'est pas le cas en général.

Stahl (1997) justifie le choix de ce facteur multiplicateur en se basant sur l'inéquation de Tchebychev :

Etant donnée une variable X de loi quelconque à variance finie, à combien d’écarts-types au plus se situe le
quantile à 99% ?
Soit F la fonction de répartition de X, dont l’espérance et l’écart-type sont µ et σ . Le théorème de Bienaymé-
Tchebyshev énonce que :
P( X − µ >kσ ) ≤ 1 2
k
Si la loi est symétrique, alors :
P ( X ≤ µ + kσ ) = F (µ + kσ ) ≥ 1− 1
k2
Soit F −1 la réciproque de F . F −1(q) désignant ainsi le quantile d’ordre q . On a donc :

F −1(1− 1 2 ) ≤ µ + kσ
2k
1− 1 2 = 99% ⇒ k ≈ 7,08
2k
En négligeant la tendance µ sur une période courte de détention, il faut donc se situer à 7 écarts-types, ou à 3
fois la VaR à 99% calculée avec une loi « normale » (7,08 / 2,33, où 2,33 représente le quantile à 1% de la loi
« normale »). On montre de la même façon que pour une loi asymétrique, le facteur est 4,3.

Cette explication théorique permet d’apporter un éclaircissement quant à ce choix d’un coefficient bien précis à
appliquer aux résultats de chaque modèle interne.

Mémoire de fin d’études - EURIA - 67 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Mais ce facteur de prudence est d’autant plus excessif que la loi étudiée est proche de la loi
« normale ». En revanche, il y a un risque de sous-estimation de la VaR si la loi est
asymétrique, ou si elle a une variance infinie. En tout état de cause, quel que soit son mérite,
une correction par un facteur constant conduira à des niveaux de confiance effectifs différents
pour différents actifs, ce qui ne permet pas des scénarios de stress cohérents, ni des calculs de
fonds propres homogènes.
Cependant, comme nous pourrons le constater plus loin, cette « correction » de l’hypothèse de
normalité n’est pas la seule justification fournie par les autorités pour expliquer le choix de ce
facteur.

L’histoire récente nous donne la preuve de cette « incompatibilité » de la loi normale avec une
éventuelle application aux grandes variations des valeurs des actifs financiers. En effet, si l’on
suppose que les variations relatives du CAC sont distribuées suivant une loi normale avec une
volatilité de 20%, l’ordre de grandeur de la durée de retour d’une variation mensuelle
similaire à celle du mois d’octobre 1987 s’élève à cent mille ans, soit le temps qui s’est écoulé
depuis l’apparition de l’homme de Neanderthal. De la même manière, une variation
quotidienne d’une ampleur comparable à celle du « lundi noir » sur le CAC40 devrait en
moyenne être observée au plus tous les quinze milliards d’années.
En revanche, les conséquences des évènements de Septembre 2001 ne peuvent être analysés à
titre comparatif ici, de tels évènements n’entrant pas réellement dans le cadre de la VaR
proprement dite, censée s’appliquer aux conditions normales des marchés.

En fin de compte, certaines interrogations restent posées quant à la pertinence de ce facteur de

99%. En effet, un établissement peut-il se contenter de connaître le montant minimum de
fonds propres qu’il met en jeu deux à trois fois par an sans avoir véritablement d’indications
quant à ce montant ? Qu’en est-il de la perte potentielle inconnue au-delà de la VaR ? Met-
elle en péril la survie de l’établissement ? Ne serait-il pas préférable d’inverser le
raisonnement en se demandant à quel seuil de confiance correspond le niveau de perte
maximal supportable par la banque ? La probabilité d’occurence de cette perte est-elle d’une
fois tous les dix ans, tous les cent ans ou tous les mille ans ?

2. L’horizon de placement de dix jours

En ce qui concerne l’horizon sur lequel est calculée la VaR, et pour lequel le régulateur
impose la prise en compte d’une période de dix jours, plusieurs questions peuvent également
se poser.
En particulier, se pose la question de l’origine du choix d’une telle période et de ses
éventuelles implications. D’autre part, il apparait également que le choix d’un horizon de
placement de cette longueur ne va pas manquer de poser des problèmes, en particulier au
niveau de la longueur de l’historique à prendre en compte, au moment du calcul effectif de la
VaR.

Ainsi, nous allons nous intéresser en premier lieu au phénomène de liquidité,

vraisemblablement à l’origine du choix de cet horizon de dix jours, en nous penchant sur les
conséquences de ce choix et sur son adéquation à la réalité des marchés.
Ensuite, nous reviendrons sur les difficultés éventuellement engendrées par ce facteur lors du
calcul, et sur les solutions proposées en vue de les contourner ou de les éliminer.

Mémoire de fin d’études - EURIA - 68 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Le phénomène de liquidité

Dans le cadre des récentes turbulences des marchés financiers, il est devenu plus évident que
par le passé que la liquidité représente un risque significatif pour les investisseurs. Cependant,
malgré son importance potentielle, la plupart des mesures de risque et des outils de
management font encore défaut au niveau de sa prise en compte. En effet, la théorie financière
suppose de manière générale la possibilité de se débarrasser instantanément de n’importe
quelle quantité au prix du marché.

Nous avons vu précédemment que, dans la méthode standard du CRBF 95-02, les scénarios
de variation des facteurs de risque étaient figés et ne tenaient donc pas compte des conditions
présentes du marché. Ce choix peut avoir pour conséquence une surestimation ou une sous-
évaluation de la perte potentielle selon que les marchés sont calmes ou agités.
De la même manière, la méthode standard ignore partiellement le critère de liquidité.

Dans le calcul du risque spécifique, que nous avons délibérément écarté, le risque d’illiquidité
intervient dans les pondérations applicables aux émetteurs. La Commission Bancaire a publié
une liste des actions considérées comme « très liquides » qui se voient attribuer une
pondération de 2% au lieu de 4%. Il s’agit des valeurs composant les principaux indices
boursiers européens. De même, pour le risque spécifique de taux, le critère de liquidité est une
des conditions permettant aux titres de bénéficier de la qualification d’« éligible » qui se
traduit aussi par une pondération réduite variant de 0.25% à 1.60% (selon la maturité) au lieu
de 8% pour les titres non liquides.
En revanche, dans le calcul du risque général, il n’est fait aucune référence à la liquidité des
instruments détenus. Le calcul est uniforme quel que soit le degré de liquidité des positions.

La Value at Risk réglementaire ne résout pas cette difficulté. En effet, le comité de Bâle
impose aux modèles internes un horizon de risque de dix jours. Dans ces conditions, le
régulateur fait l’hypothèse que les positions en risque peuvent être liquidées pendant cette
période. Ceci revient à dire que le modèle prend en compte le risque de liquidité, mais de
manière constante.

En réalité, la liquidité varie beaucoup entre les différents marchés et au cours du temps. Pour
des positions sur des marchés peu ou pas liquides, la VaR standard devrait sérieusement
prendre en compte la perte potentielle actuelle. Dans un tel contexte, une VaR corrigée du
risque de liquidité pourrait aider les managers à mieux cerner le profil du risque en terme de
réduction potentielle au cours du temps.
L’outil VaR mesure la Value at Risk pour un pourcentage de la distribution correspondant aux
deux ou trois pires périodes de négociation sur un an. C’est justement le plus souvent pendant
et après de telles périodes d’extrême volatilité des prix que les marchés tendent à devenir non
liquides. C’est donc précisément dans ces situations de marché que la liquidité, et la
possibilité de réduire la VaR afin de protéger le capital de base, sont plus sollicitées que
jamais. Si la liquidation des positions a un impact sur les prix de transaction, alors la VaR
estimée est trop faible dès lors que la période sur laquelle elle a été calculée ne permet pas une
liquidation correcte des positions. De ce fait, la Var telle qu’elle est généralement prise en
compte néglige l’impact d’une liquidité insuffisante, précisément dans les circonstances où la
liquidité a le plus d’importance, c’est-à-dire lorsque les positions doivent être liquidées parce
que la volatilité des prix réduit les capacités d’anticipation du risque.

Mémoire de fin d’études - EURIA - 69 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Le tableau suivant présente bien le phénomène de variabilité de la liquidité selon les

instruments. Il fournit, pour chaque type d’actif, la période communément reconnue comme
nécessaire à sa liquidation :

Matrice de risque liquidité/instruments/stratégie

Négociation Investissement
Change sur principales devises 24 H Variable (de 1 à 6 mois)
Change sur devises exotiques 1 semaine Idem
Obligations d'Etat 24 H Idem
Obligations du secteur public 1 semaine Idem
Obligations du secteur privé 1 mois Idem
Contrats futures 24 H Idem

La VaR n’est donc pas, on le voit, conditionnée uniquement par la volatilité des prix. Elle
l’est aussi par celle de la liquidité.

L’importance du critère de liquidité varie en fait selon l’usage que fait la banque de la VaR.
Soit la VaR est considérée uniquement comme une mesure de risque sur un portefeuille gelé
que l’établissement conservera quoi qu’il arrive, et dans ce cas la prise en compte de la
liquidité n’est pas essentielle ; soit la VaR est utilisée dans un système de limites, auquel cas il
peut être nécessaire de céder ou de couvrir les positions et les conditions de liquidité du
marché deviennent alors cruciales.

L’horizon de dix jours devrait logiquement correspondre à une période conservatrice de

liquidation. De ce point de vue, la VaR standard à 10 jours peut être interprétée comme la
VaR de positions qui peuvent être liquidées avec une relative facilité dans un horizon
maximal de dix jours ouvrables. La VaR reflète donc le risque de liquidité du marché jusqu’à
un certain degré.
Cependant, une manière plus appropriée d’intégrer le risque de liquidité du marché dans la
VaR pourrait être de définir la période de détention sur laquelle elle est calculée sur la base de
la relation entre la taille de la position et la liquidité du marché. En effet, pourquoi une
position de change hautement liquide, pouvant être liquidée à tout moment de la journée, doit-
elle être évaluée sur le même horizon de VaR qu’une position en actions représentant une part
relativement importante de tout le stock sous-jacent ? Ceci impliquerait cependant que la VaR
soit calculée sur différents horizons de temps pour différentes positions de négociation.

Un problème engendré par cette approche est que des positions de taille et de période de
détention très différentes, corrélées négativement, pourraient en venir à se couvrir
mutuellement. Cependant, il est clair qu'une petite position avec un horizon de liquidation
important ne peut pas réellement être vue comme une couverture pour une imposante mais
très liquide position. Un autre problème avec ce type d'ajustement est qu'il néglige la prise en
compte de la volatilité de la liquidité.

Selon une étude du cabinet Deloitte et Touche (Fraichot et Leurent, mai 2000), les
établissements sont conscients des risques de perte liés aux problèmes de liquidité. La
difficulté à intégrer la liquidité des marchés dans les modèles est une préoccupation majeure
pour 50% des 200 banques interrogées dans le monde.

Mémoire de fin d’études - EURIA - 70 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Dans le cadre d’un groupe de travail pilote26, la BRI a demandé au deuxième trimestre 2000 à
44 établissements financiers situés dans 9 pays de corriger leur chiffre VaR en tenant compte
de la liquidité du marché au moment du calcul (« liquidity adjusted VaR »). Pour ce qui est de
la VaR à un jour, le résultat est en moyenne multiplié par cinq, les positions ne pouvant
quasiment jamais être cédées intégralement sous 24 heures. En revanche pour la VaR à 10
jours, les résultats sont différents. Dans le cas des instruments à revenu fixe, la nouvelle VaR
est généralement plus élevée. Par contre, pour les actions, la VaR corrigée de la liquidité est le
plus souvent plus faible que la VaR standard.

Idéalement, le choix d’un horizon de risque devrait donc faire intervenir la nature des
instruments détenus, l’intensité de la négociation dont ils font l’objet, l’importance des
positions à solder et le degré de liquidité du marché à la date du calcul. Peut-être un horizon
de dix jours constitue-t-il une moyenne tous marchés confondus, mais il est clair qu’il
pénalise les banques intervenant sur des marchés liquides. En ne donnant pas la possibilité
aux établissements de choisir leur horizon du risque, le régulateur retombe dans les travers de
la méthode standard.

Les problèmes engendrés lors du calcul

La période de détention imposée par le Comité de Bâle dans la mesure de l’exigence de fonds
propres associée à un portefeuille pose également un problème lors de la mise en oeuvre du
calcul.
Ce problème concerne particulièrement la longueur de l’historique à considérer. En effet, la
prise en compte d’une période de détention de dix jours, nécessairement par intervalles
disjoints pour des raisons de cohérence probabiliste (afin d’éviter un problème
d’autocorrélation des données), implique de ne plus envisager de la même manière la taille de
l’échantillon historique observé.
Si l’on s’en tient à un historique d’un an, considérer des intervalles de 10 jours revient à
obtenir dix fois moins de données à la base du calcul, c’est à dire pour un historique d’un an,
de se limiter à un total de 25 valeurs. Une analyse historique non pondérée reviendrait alors à
ne pouvoir obtenir une VaR d’un seuil de confiance supérieur à 96%.
Inversement, si l’on souhaite maintenir l’équivalent d’un an d’historique, c’est à dire 250
valeurs, il faut pour cela considérer un historique de dix ans de longueur qui, outre le risque
d’observer des valeurs plus qu’obsolètes, est on ne peut plus difficile à obtenir pour un grand
nombre d’instruments, dont la première cotation ou évaluation ne remonte pas aussi loin dans
le passé.

Pour contourner ce problème, le Comité de Bâle conseille de convertir la VaR 1 jour à la VaR
10 jours par une opération dite de « scaling ».
Le scaling consiste à multiplier la volatilité à 1 jour par T , T étant l’horizon considéré.
Cette méthode soulève une certaine polémique quant à son application, et le débat sur
l’adéquation du scaling s’intensifie sans pour autant faire ressortir un consensus clair.

26
Multidisciplinary Working Group on Enhanced Disclosure, Basel Committee on Banking Supervision, Final
Report, avril 2001.

Mémoire de fin d’études - EURIA - 71 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

En fait, trois méthodes différentes sont utilisées à l’heure actuelle pour la conversion de la
volatilité 1 jour à une volatilité t jours.

La première, conseillée par RiskMetrics, est la fameuse règle « T » qui consiste à

appliquer le coefficient multiplicatif T à la VaR à 1 jour. Cette méthode est
appréciée principalement pour sa simplicité et sa très facile mise en oeuvre. Elle
repose essentiellement sur une hypothèse de normalité et d’indépendance des
accroissements des prix des actifs. Ces hypothèses sont souvent discutées, et ne
s’appliquent pas à toutes les maturités.

L’alternative la plus fréquente à cette première méthode repose sur la théorie des
valeurs extrêmes. Elle demande à estimer un coefficient α représentatif de l’épaisseur
des queues de distribution. Par exemple, pour une loi de Student, α représente le
nombre de degrés de liberté (ou l’exposant caractéristique) et pour un processus
ARCH, α représente le nombre de moments finis de la distribution non conditionnée
des innovations. Ce coefficient étant déterminé, il convient ensuite d’appliquer la règle
1
«Tα » qui consiste à passer de la VaR 1 jour à la VaR T jours en multipliant par
1
Tα.
La dernière méthode consiste tout simplement à déterminer la matrice de
variance/covariance des rendements à T jours. Cette approche nécessite un historique
assez long des données et ne peut pas être appliqué à tous les horizons. Toutefois, elle
permet d’obtenir la véritable matrice de variance/covariance historique. Reste alors le
problème de l’adéquation du modèle à la maturité souhaitée.

Les articles rencontrés dans la littérature s’attachent plus particulièrement à tester la validité
de la première approche et à développer la deuxième méthodologie au travers de modèles
semi-paramétriques. Il n’y a pas de consensus arrêté sur la question.

Diebold et Al testent la procédure de scaling sur des actifs soumis à une dynamique de type
GARCH. Leur argumentation repose sur la formule de Drost-Nijman qui permet de corriger la
volatilité à T jours à partir de celle obtenue à 1 jour, sous certaines conditions de régularité et
pour des horizons suffisamment longs. Les deux principales conclusions sont les suivantes :

pour un horizon supérieur à 10-15 jours, la volatilité n’est pas prévisible, autrement
dit, les modèles à volatilité conditionnelle ne sont plus valables pour T>10 ;

dans tous les cas, le scaling amplifie les fluctuations de la volatilité ; même si en
moyenne le coefficient T peut sembler conservateur, le véritable rapport entre les
deux volatilités est souvent bien au-dessous ou bien au-dessus de T .

Danielsson et De Vries proposent une autre approche fondée sur des résultats de la théorie des
valeurs extrêmes. Ils émettent quelques réserves sur l’application de la méthode proposée par
RiskMetrics pour un horizon de 10 jours, même si les conclusions ne s’appliquent pas
uniquement au passage de la VaR 1 jour à la VaR 10 jours. C’est plus la méthode fondée sur
l’unique estimation de la matrice de variance/covariance qui est remise en cause.

Mémoire de fin d’études - EURIA - 72 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Les tests et simulations qu’ils ont effectués aboutissent aux conclusions suivantes :

RiskMetrics sous-estime la VaR à 1 jour par rapport à une méthode fondée sur la
théorie des extrêmes surtout pour la mesure des risques rares (c’est-à-dire 0,05% et
0,005%). Nous notons ici que les résultats obtenus pour une VaR à 1% sont
comparables pour les deux méthodes.
Pour des prévisions à 10 jours, la méthode RiskMetrics basée sur le scaling sur-estime
1
la VaR obtenue par la règle « T α » (en moyenne, le coefficient α obtenu vaut 4,6).

Ces différents résultats ne font ressortir aucun consensus quant à l’application du coefficient
T . Les seules conclusions tirées soulignent que dans une approche purement RiskMetrics,
le scaling n’est pas forcément conservateur (amplification des fluctuations) et qu’en le
comparant à des méthodes plus fines, il peut s’avérer trop conservateur.

Ainsi, aucune méthode proposée pour contourner le problème de longueur d’historique

engendré par l’horizon de calcul de 10 jours ne semble parfaitement adaptée et à l’abri de
toute critique. La question de la mise en oeuvre de cette période de détention dans la pratique,
de la même manière que celle de l’adéquation de ce paramètre à la réalité des marchés, reste
donc sans réponse.

3. L’historique minimum d’un an

De la même manière que pour les paramètres abordés dans les paragraphes précédents, des
interrogations ne peuvent manquer d’apparaître quant à la manière dont doit être traité
l’historique des données disponible.
Sur ce point, la réglementation est relativement floue, puisque imposant uniquement la prise
en compte d’un historique d’une durée minimale d’un an.

Encore une fois, ce choix n’est pas clairement justifié et il semblerait découler uniquement
d’une volonté de prendre en compte des données suffisamment variées et révélatrices des
fluctuations des marchés sur une période assez longue pour en être significative.

Une liberté de choix relativement importante est donc, cette fois, laissée à la discrétion de
chaque établissement. De plus, la manière dont cet historique doit être ensuite traité n’est
aucunement définie par le règlement.

Une fois encore, le gestionnaire des risques de marché va donc se retrouver devant plusieurs
voies possibles. En effet, il va devoir en premier lieu choisir quelle longueur d’historique
réellement prendre en compte. Ensuite, il va lui falloir décider d’éventuelles transformations à
apporter à ses données afin de les traiter par la suite. Dans ce cadre, nous avons pu évoquer en
particulier l’existence éventuelle d’une pondération de celles-ci. Enfin, il va également devoir
apporter les corrections nécessaires à son historique, principalement au niveau de la
complétion de celui-ci, l’absence ponctuelle de certaines données n’étant pas rare et pouvant
découler de divers phénomènes.

Ce sont ces trois principales étapes et interrogations préalables à l’usage effectif de

l’historique que nous allons tenter d’analyser.

Mémoire de fin d’études - EURIA - 73 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Le choix de la longueur de l’historique

Nous avons déjà pu observer que certaines questions, telle celle des volatilités historiques,
peuvent être réglées en agissant sur la longueur de l’historique considéré.
Ainsi, nous avons vu que certains auteurs estiment, par exemple, qu’une volatilité journalière
doit être estimée à partir d’un historique d’un mois et non sur une longue période.

Cependant, la réglementation imposant un horizon de calcul de 10 jours, les données à

considérer ne seraient pas des données journalières mais bimensuelles. Or, nous avons
également pu voir que la manière la plus couramment utilisée pour contourner les problèmes
liés à cette exigence de données à 10 jours consiste justement à se reporter à des données à un
jour.
Cette pratique supprime donc la plus grande adaptation des données à dix jours à un
historique à un an.

En fin de compte, ces techniques de passage de données « un jour » à des données « t jours »
permettent donc de se rapporter, dans tous les cas, à des données journalières.
Ceci n’a donc pas réellement d’influence sur le choix de la longueur de l’historique.

Il est donc possible de supposer que ce choix va être effectué, par le gestionnaire des risques
de marchés, uniquement en fonction des caractéristiques qu’il souhaite donner à son
historique.
En effet, dans le cas où son objectif est de calculer une VaR en tenant compte des fluctuations
du marché survenues dans un passé relativement lointain, et susceptibles de se reproduire, il
allongera sa période d’observation historique en conséquence. Si par contre son souhait est de
se concentrer sur la conjoncture financière à la date de son calcul, il va restreindre au
maximum sa période d’observation, se rapprochant ainsi de la borne d’un an fixée par la
réglementation.

Ainsi, ce critère minimisant la longueur de l’historique apparaît-il comme principalement

destiné à empêcher les modèles internes de se concentrer exclusivement sur une courte
période récente, et donc de tenir compte de fluctuations plus anciennes, et éventuellement de
certains mouvements réputés suivre un cycle au moins annuel.

Cependant, une alternative à cette minimisation est utilisée par nombre d’établissements, par
l’intermédiaire du recours à une pondération des données.

La pondération éventuelle des données

Nous avons déjà évoqué cette technique de pondération des données comme un autre moyen
d’intervenir sur la durée de la période d’observation. Le principe de base est d’accorder un
poids plus important aux observations récentes qu’aux observations anciennes. Ceci suppose
implicitement que les scénarios récents ont la probabilité d’occurrence la plus élevée.

Globalement, plusieurs facteurs de pondération, ou « decay factors » peuvent être choisis, de

manière relativement arbitraire, selon la vitesse avec laquelle l’utilisateur souhaite voir
disparaître l’influence des données anciennes.

Mémoire de fin d’études - EURIA - 74 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Cependant, le facteur le plus répandu, et qui est entre autres celui que retient RiskMetrics, est
un coefficient de pondération de 0,94 (en réalité, le système de JP Morgan utilise ce
coefficient de 0 ,94 dans le cas du traitement de données journalières, mais va préférer un
coefficient de 0,97 pour des données mensuelles, donnant ainsi davantage de poids aux mois
« récents » ; ceci semble logique si l’on pense que des rendements mensuels font rapidement
se rapporter à des données bien plus anciennes, et donc plus facilement obsolètes).

La conséquence de l’utilisation de ce facteur de pondération est que, rapidement, certaines

données n’ont quasiment plus de poids dans le calcul.

A titre d’exemple, nous pouvons observer dans ce tableau, outre les formules utilisées pour le
calcul des volatilités et corrélations à partir de données pondérées, une évaluation de la part
des données qui est réellement prise en compte par le calcul (sources : RiskMetrics, Technical
Document).

Valeur Expression Coefficient de Nombre de Nombre de

calculée pondération λ données données
utilisées réellement prises
en compte
Volatilité 1
σ = λσ 1,t t −1+(1−λ)r1,t
2 2

jour 1,t +1 t 0,94 550 75

σ
2

Corrélation ρ =
12,t +1 t

1 jour
12,t +1 t
σ σ1,t +1 t 2,t +1 t 0,94 550 75

Volatilité 1
mois
σ 1,t + 25 t
=5.σ 11,t +1t
0,97 550 150
Corrélation
1 mois
ρ 12,t + 25 t
=ρ
12,t +1 t
0,97 550 150

Nous constatons ainsi qu’une large part des données sera ignorée de manière implicite par
cette manière d’effectuer les calculs. En fait, pour un coefficient de pondération de 0,94, et
pour un total de 550 données, les 75 dernières supporteront 99% du poids total attribué aux
données, ce qui ne laisse planer aucun doute sur l’impact réel des plus anciennes...

Ainsi, les utilisateurs de ce type de procédés vont pouvoir, avec l’agrément des autorités,
utiliser un mode de calcul leur permettant de supprimer, ou peu s’en faut, des données
antérieures à quelques mois, quand le règlement recommande expressément d’utiliser un
historique d’une longueur minimale d’un an.

Ceci ne manque pas de faire s’élever quelques interrogations sur la réelle conformité des
modèles à la réglementation, étant donné que certains aspects de celle-ci peuvent permettre
aux établissements d’en contourner d’autres.

Mémoire de fin d’études - EURIA - 75 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Le traitement des valeurs manquantes

Le problème majeur, et le plus souvent constaté, touchant aux données historiques utilisées
dans le calcul de la VaR, qu’il s’agisse d’historiques de cours ou d’évaluations dans le cas de
l’analyse historique, ou uniquement de corrélations et volatilités pour la méthode de
variance/covariance, est celui des données manquantes.

Dans les méthodes de calcul de la VaR précédemment exposées, il est implicitement supposé
qu’il ne manque aucun prix. En pratique, cependant, le cas contraire est souvent observé. A
cause de la fermeture de marchés à certains endroits, les prix quotidiens sont
occasionnellement indisponibles pour des instruments individuels et certains pays. De plus,
certaines occurrences telles que des évènements politiques ou sociaux significatifs et
problèmes techniques peuvent également être à l’origine de tels troubles.
Très souvent, les valeurs manquantes sont simplement remplacées par la valeur du jour
(ouvré) précédent. C’est fréquemment le cas pour les données obtenues de vendeurs
spécifiques (marchés de gré à gré). Une autre pratique fréquente a simplement consisté à
exclure une date entière dont les données dans l’échantillon étaient manquantes. Cela a pour
conséquence que des données valables sont écartées. Le simple fait qu’un marché soit fermé
un certain jour ne devrait pas impliquer que les données d’autres pays sont inutiles. Un grand
nombre de points de données manquantes, disjoints entre les marchés, risquerait de réduire la
validité d’un processus de mesure du risque.

Ne pas disposer de données de marché pour plusieurs jours consécutifs de l’historique, c’est
perdre de l’information sur l’évolution de ces données durant cette période, donc perdre la
corrélation entre les évolutions antérieures et postérieures à cette période, et, de ce fait,
introduire une erreur au niveau du calcul de la VaR, en particulier de la VaR historique.

Certaines techniques sont donc proposées en vue de parvenir à résoudre ce problème. Afin de
mieux expliciter ce problème, nous avons choisi d’évoquer un cas précis : celui des données
manquantes consécutives à la fermeture de plusieurs marchés américains du 11 au 14
septembre 2001.
Bien évidemment, cet exemple ne peut prétendre avoir un caractère général, mais il reproduit,
sur une période cependant plus longue, le phénomène relativement fréquent de données
manquantes. De plus, l’analyse d’un tel exemple permet également de se pencher sur d’autres
types de problèmes pouvant survenir au niveau des données dans de telles conditions.

Durant cette période, certains marchés, principalement les marchés d’actions US et les titres à
revenu fixe cotés principalement sur les marchés US, ont été fermés pendant quatre jours.
Pendant ce même intervalle de temps, la plupart des marchés extérieurs aux Etats-Unis, y-
compris ceux consacrés aux actifs internationaux traités en dollars US, sont restés ouverts.
Simultanément, les rendements des actifs ont subi une fluctuation d’une magnitude très
importante et des corrélations typiquement observées entre certaines classes d’actifs ont pu
être affaiblies, voire inversées.
L’impact de ce phénomène est relativement grand dans le cadre de la mesure du risque de
marché. Le risque de crédit, quant à lui, est moins touché grâce à son horizon
traditionnellement plus long.

L’existence de valeurs manquantes n’est pas un problème nouveau pour les gestionnaires de
risque. Les données pour une classe d’actifs particulière font souvent défaut pour un pays ou

Mémoire de fin d’études - EURIA - 76 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

un petit nombre de pays durant certains congés et jours fériés. Le cas évoqué ici est atypique
sur de nombreux côtés :
Généralement, les données sont manquantes pour cause de congés pendant seulement
un ou au plus deux jours. Dans le cas que nous traitons, certains marchés majeurs ont
été fermés durant quatre jours ouvrés, ce qui représente un durée relativement
importante.
Il est inhabituel pour des congés de coïncider avec des changements radicaux de
l’environnement financier. Généralement, les opérateurs ont plutôt tendance à clôturer
leurs positions parce qu’ils prévoient d’être absents. D’où des rendements de large
magnitude moins fréquents durant des congés, comme observé dans de nombreux
pays, y-compris lorsque le volume de négociations est plus faible et les marchés
réduits.

Il n’existe malheureusement pas d’approche parfaite permettant de régler ce problème. Au

contraire, plusieurs méthodes existent, chacune proposant sa manière de traiter les données de
marché manquantes, et possédant évidemment chacune ses propres avantages et
inconvénients.

Technique du maximum de vraisemblance :

Dans cette méthode, les données manquantes sont comblées dans une base intermédiaire à la
base historique, en calculant le maximum de vraisemblance de la prévision de rendement,
étant donnés les rendements effectifs d’un groupe de marchés reliés et les corrélations
historiques entre ces marchés. Par exemple, le rendement des actions US pour le 11 septembre
peut être calculé en utilisant les rendements d’un ensemble de marchés d’actions,
d’obligations et de devises de pays développés. En pratique, on utiliserait la valeur ajustée
d’après une régression de séries chronologiques des rendements d’actions US sur les
rendements sur d’autres marchés.
L’avantage de cette technique est qu’elle est plus apte à prendre en compte le comportement
attendu : un grand pic de volatilité dans le marché des actions US et une grande corrélation
avec les indices des autres pays industrialisés. Son principal inconvénient est qu’elle ne force
pas les niveaux des marchés fermés à rejoindre les valeurs obtenues quand ils réouvrent. Elle
doit d’abord être considérée comme une mesure provisoire jusqu’à la réouverture des
marchés.

Détermination à partir de la dernière observation :

Une fois les marchés réouverts, il est nécessaire d’avoir recours à une technique qui permette
de se reconnecter aux données de marché observées. Cette méthode le fait automatiquement.
Dans cette approche, les rentabilités, par exemple pour l’indice S&P 500 (principal indice du
marché actions US), seraient nulles pour les quatre jours ouvrés du 11 au 14 septembre, et
d’une large magnitude le 17 septembre, jour de la réouverture des marchés. Les corrélations
entre les marchés d’actions US et d’autres actifs seraient probablement diminuées par les
importants rendements sur ces autres marchés, par rapport aux larges écarts constatés entre les
rendements des actions US et ceux des autres marchés.
L’avantage de cette technique est cette fois qu’elle ne tente pas d’inventer des données qui
n’ont pas encore été observées. Elle pare également la nécessité de recalculer les données
manquantes après la réouverture des marchés. Cependant, elle déplace le grand pic de
volatilité dans le marché des actions US du 11 septembre au 17 septembre, réduisant ainsi les
corrélations espérées hautement positives avec les marchés d’actions et hautement négatives
avec les marchés obligataires.

Mémoire de fin d’études - EURIA - 77 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Interpolation linéaire :
Il est également possible de calculer les valeurs intermédiaires par une simple interpolation
linéaire entre le 10 et le 17 septembre. Cette technique fait également peu d’hypothèses sur le
comportement des marchés fermés. Il est vraisemblable, cependant, qu’elle réduise en
pratique, et de manière peu réaliste, le pic de volatilité dans le marché US et fausse les
corrélations.

Chacune de ces approches est défendable, pour autant que les gestionnaires des risques de
marché comprennent les distorsions de volatilités et corrélations qu’elles génèrent. Dans le
même temps, aucune de ces approches statistiques ne garantit de générer des volatilités et
corrélations qui pourraient sembler plausibles dans des conditions courantes. La VaR mesurée
à partir de données corrigées en utilisant l’une de ces techniques verrait cependant diminué,
vraisemblablement, son pouvoir prédicteur pour les pertes maximales du portefeuille.
Après le 17 septembre, il est évident que les volatilités et corrélations sont rapidement ou
graduellement redevenues semblables à des conditions « habituelles » de marché. Mais, en
cas de crise persistante, la VaR n’aurait pas nécessairement regagné rapidement son pouvoir
prédicteur. De ce fait, il semble préférable, dans de telles conditions, de s’appuyer davantage
sur le stress testing que sur la VaR traditionnelle, tant pour la mesure du risque que pour le
reporting.

En effet, nous abordons ici des conditions dans lesquelles la VaR ne peut plus être considérée
comme une mesure de risque valide et efficace. En effet, les conditions de marché suite aux
évènements de septembre 2001 s’apparentent bien plus à une situation de crise et doivent
donc être soumises à d’autres mesures de risque, telles que le calcul de « scénarios de crise »
ou « stress testing ».

Le stress testing, un complément de la VaR :

L'objectif du stress testing est d'évaluer la capacité du capital de la banque ou de l'institution financière à faire
face aux grandes pertes potentielles. On se fait ainsi une idée de la vulnérabilité d'une position ou d'un
portefeuille face à d'hypothétiques événements. Pour cela, on peut définir des scénarios éventuels et les
expérimenter.

Cette approche consiste à mesurer l'impact (sur la position) de scénarios particulièrement spécifiés, et intégrés
dans un processus d'analyse. L'analyse de scénarios donne de précieux renseignements concernant les pertes que
l'on pourrait faire si le marché suivait le scénario indiqué. Cependant, on ne sait rien sur sa probabilité
d'occurrence. Cette méthode complète la VaR dans la mesure où la VaR ne nous dit pas combien on peut perdre
si on est confronté à un scénario catastrophe (krach boursier de 1987 par exemple). L'analyse de scénarios
comporte deux étapes : le choix des scénarios et l'évaluation de leurs effets sur le portefeuille.

Etape 1 : Le choix des scénarios :

Il peut s'agir de la simple simulation de variations d'un ou plusieurs taux d'intérêt, taux de change, prix d'actions
ou autres facteurs. Il peut également s'agir de la simulation d'un événement qui a réellement eu lieu (crise
asiatique de 1997,...), ou d'événements en dehors du marché mais qui ont des répercussions dessus (virus dans le
système informatique de la Bourse de New York, agression militaire de la Corée du Sud par la Corée du
Nord,...).

Etape 2 : L’évaluation de l’effet des scénarios :

L'idée est d'examiner les sensibilités du portefeuille ou des positions aux variations (des facteurs de risque)
induites par les scénarios. Cette évaluation assez simple dans certains cas, peut devenir très compliquée dès lors
que le portefeuille comporte par exemple des options. Dans ce cas, il faut faire des approximations.

Mémoire de fin d’études - EURIA - 78 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Avantage du stress-testing :
Cette approche permet d'exhiber la vulnérabilité du portefeuille à certaines situations que la VaR ne prévoit pas
forcément.

Limites du stress-testing :
La limite la plus évidente de cette analyse de scénarii est que l'on ne peut pas envisager tous les scénarii
possibles. Il en existe une infinité. Un choix s'impose alors, et il s'avère souvent difficile à faire. Ainsi, un
mauvais choix pourrait avoir des conséquences désastreuses, ou tel scénario, forcément subjectif, n'est pas
nécessairement judicieux. En outre l'évaluation des effets des scénarii peut être très complexe.

Au final, cette étude de la conformité des modèles internes aux critères quantitatifs
d’acceptation par la Commission Bancaire nous fournit des enseignements à plusieurs
niveaux.
En premier lieu, cette section nous permet de mieux comprendre l’origine de ces différents
critères et du choix de la valeur des différents paramètres utilisés dans leur définition. Même
si quelques points demeurent relativement flous, cette analyse nous permet d’y voir plus clair
quant à cette partie de la réglementation.
Nous avons également pu constater à quel point cette même réglementation demeure flexible,
et parfois insuffisamment claire, dans la manière dont elle régule et cherche à normaliser
l’utilisation des modèles internes.
Enfin, nous avons pu également constater et souligner le manque de clarté des autorités dans
le raisonnement qui a conduit au choix de certains des paramètres étudiés ici, et dans leur
adéquation à la réalité des marchés.
A présent, il peut être bon d’évaluer également, après avoir constaté que la lisibilité des
résultats des modèles par rapport à la réglementation n’est pas toujours évidente, la manière
dont ces mêmes résultats peuvent être comparés entre des établissements n’utilisant pas tous
les mêmes modes de calcul.

III. Comparabilité des différents modèles

Nous avons pu constater que, quelle que soit la démarche utilisée (méthode standard ou
modèles internes), la mesure de la perte potentielle future pouvait s’écarter de la réalité en
raison d’approximations successives :
méconnaissance ou élimination volontaire de certains facteurs de risque,
mauvaise anticipation du scénario d’évolution des paramètres de marché retenus,
mesure inexacte de l’impact de ce scénario sur les positions individuelles,
sous-estimation ou surévaluation des corrélations entre les facteurs de risque.
Ceci nous amène donc à nous interroger sur la lecture qui peut être faite d’un montant de
VaR.

De même, nous avons pu vérifier que, même en tenant compte des critères qualitatifs imposés
par les autorités de réglementation, une grande liberté reste accordée aux établissements, tant
dans le choix de certains paramètres que dans la manière de traiter les données.
Il est donc naturel de supposer que chaque établissement va mettre à profit cette liberté de
décision pour conformer au maximum son propre modèle interne à la fois aux natures et
quantités des actifs détenus dans son portefeuille de négociation, ainsi qu’à ses attentes quant
à la mesure du risque.

Mémoire de fin d’études - EURIA - 79 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Ceci laisse évidemment présager de larges différences entre les différentes manières de
procéder et des écarts importants entre deux établissements pour le calcul de la VaR associée
à un même actif ou à un même portefeuille, et donc de la quantité de fonds propres
correspondante.

Nous allons donc tenter d’analyser la comparabilité éventuelle qui peut être faite de différents
calculs de Value at Risk par autant de procédés et d’établissements.
Même si nous nous intéressons particulièrement au cas des modèles internes, il peut être
intéressant de revenir tout d’abord sur le cas de la méthode standard étudiée précédemment.

1. La méthode standard

Le ratio Cooke (1988), qui ne s’intéresse qu’au risque de crédit, autorise des comparaisons
entre établissements en raison d’une méthode de calcul universelle. Par ailleurs, les
différences entre les pondérations utilisées par le ratio de solvabilité européen et le ratio
Cooke sont négligeables. Avec le ratio d’adéquation des fonds propres (CAD) qui intègre le
risque de marché, l’exercice est plus délicat, même lorsque la méthode standard est appliquée.

Les méthodes utilisées varient d’un point de vue géographique. Plusieurs pays utilisent une
méthode qui applique une charge en capital aux positions longues et courtes sans possibilité
de compensation (« comprehensive approach »). Aux Etats-Unis, la SEC (Securities and
Exchange Commission) préconise une version améliorée de cette approche qui autorise une
compensation des positions à hauteur de 15%. L’Union Européenne a retenu quant à elle une
technique plus fine qui prend en compte des corrélations forfaitaires entre les facteurs de
risque d’une même classe (« building block approach »).
Par ailleurs, la Communauté Européenne n’a pas intégralement repris à son compte les
recommandations du Comité de Bâle. A titre d’exemple, la BRI recommande sept hypothèses
de variation de taux, tandis que Bruxelles en a retenu seulement trois dans la méthode de la
duration. De même, la transposition de la directive européenne 96/6/CEE dans les droits
nationaux a donné lieu à quelques différences de traitement mineures entre les pays de la zone
Euro.
Enfin, les établissements assujettis ont la possibilité d’utiliser des méthodes de complexité
variable selon leur degré d’équipement en logiciel de calcul.

On pourrait s’attendre à ce que le régulateur encourage les établissements à mettre en oeuvre

les méthodes les plus sophistiquées en fixant un niveau d’exigence de fonds propres
inversement proportionnel au degré de précision de la méthode utilisée. Cependant, les
simulations montrent d’une part que les écarts inter-méthodes ne sont pas négligeables et
d’autre part que ces différences ne sont pas toujours à l’avantage des méthodes les plus
élaborées.

Les écarts induits par les différentes méthodes rendent difficiles les comparaisons des
consommations de fonds propres d’un établissement à un autre, d’autant que les banques ne
fournissent généralement pas d’information sur leur choix dans le cadre de la méthode
standard. On peut toutefois penser que les banques qui ont une activité de marché
significative retiennent les méthodes les plus élaborées.

Mémoire de fin d’études - EURIA - 80 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

En revanche, l’évolution des exigences de fonds propres dans le temps pour un même
établissement conserve son sens : les méthodes retenues sont soumises au principe de
permanence.

2. Les modèles internes

La disparité des résultats constatée au sein de la méthode standard est au moins aussi marquée
au niveau des modèles. Une étude publiée dans le Financial Analysts Journal (Styblo-Beder,
1996), soumet un portefeuille à plusieurs calculs de VaR en modifiant la méthode, la durée de
la période d’observation et le seuil de confiance.

Composition du portefeuille : US Treasury strips + contrats et options sur S&P 500.

Date du calcul : 25 mai 1995.

Comparaison des calculs de VaR

99% 95%
Méthode 1 jour 10 jours 1 jour 10 jours
Variance/Covariance 0,80 2,54 0,57 1,80
Historique 100 jours 0,73 1,71 0,48 1,24
Historique 250 jours 1,08 2,89 0,74 2,56
Monte Carlo (historique sur 10 ans) 1,14 8,91 0,89 3,21

On constate que les montants calculés varient dans des proportions significatives.
Les différences de résultat peuvent s’analyser de la manière suivante :

Certains écarts dépendent de l’utilisateur

Le niveau de confiance fixé par l’établissement a une influence directe sur le résultat. Il est
naturel qu’une élévation du seuil de 95 à 99% se traduise par un accroissement de la VaR. Le
rapport annuel du groupe Commerzbank pour l’exercice 1999 indiquait des VaR respectives
de 30, 38 et 42 millions d’euros pour des intervalles de confiance de 95%, 97,5% et 99%.

Intuitivement, on comprend également qu’un allongement de l’horizon du risque a pour

conséquence d’augmenter la VaR. Une analogie peut être faite avec l’assurance (l’exigence de
fonds propres résultant de la VaR est une forme d’assurance contre le risque) : il est plus
coûteux de s’assurer pour une période de dix jours que pour un jour, la probabilité de sinistre
augmentant avec le temps.

Dans la méthode de variance/covariance, comme on l’a vu, cet effet temps est mesuré par la
formule dite du scaling, évoquée plus haut :
VaR n jours = VaR 1 jour x n

Mémoire de fin d’études - EURIA - 81 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Dans une communication sur la VaR, il est nécessaire de fournir ces deux paramètres. Or
selon un sondage portant sur l’exercice 1999 pour un échantillon de 26 établissements de
crédit :
l’intervalle de confiance n’est pas indiqué dans deux cas (Crédit Lyonnais et Caisse
d’Epargne),
la durée de détention n’est pas connue pour cinq établissements (Caisse d’Epargne,
Crédit Lyonnais, Lloyds TSB, BSCH et Crédit Suisse).

Lorsqu’elles sont disponibles ces informations restent assez hétérogènes, rendant les
comparaisons délicates. Dans 8 cas sur 24, le seuil de confiance est différent de 99%.
L’horizon du risque, quant à lui, s’étend de 1 à 10 jours.

Le comité de Bâle impose, rappelons le, des valeurs respectives de 99% et 10 jours pour les
modèles éligibles à la CAD.

D’autres écarts tiennent à la méthodologie

Les disparités précédentes s’expliquent par le fait que les établissements sont plus ou moins
conservateurs dans leur mesure du risque. Elles résultent d’une décision et sont à considérer
comme normales.
En revanche, les écarts relatifs aux modèles utilisés sont plus ennuyeux. Ils traduisent des
différences de prévisions dans des environnements et avec des portefeuilles identiques.

Comme le montre le tableau précédent, le choix de la période d’observation pour la

constitution de l’historique est crucial. Pour que cette décision soit neutre, il faudrait que le
comportement des marchés soit stable dans le temps, ce qui est loin d’être le cas. Selon le
sondage cité plus haut, les périodes d’observation retenues par les banques vont de 1 à 5 ans.
Cette simple différence est de nature à faire varier significativement le niveau de la VaR d’un
établissement à l’autre. Dans l’exemple, pour un seuil de confiance de 99% et une période de
détention de 10 jours, la VaR augmente de 69% lorsqu’on passe d’une période d’observation
de 100 jours à une période de 250 jours. Sur ce point, le Comité de Bâle n’a pas fixé de norme
précise. Il se contente d’exiger une durée minimale d’un an.

Un travail de comparaison analogue a été réalisé sur la base du facteur de risque pour les
positions actions. La démarche a consisté à calculer la VaR sur trois portefeuilles investis en
actions américaines du 31/03/1996 au 31/03/1998 en retenant quatre facteurs de risque
différents .
les actions elles-même,
l’indice sectoriel de chaque valeur,
l’indice Standard & Poors corrigé du bêta de chaque titre,
l’indice Standard & Poors.

Portefeuille 1 : position longue bien diversifiée de 12 valeurs du S&P ;

Portefeuille 2 : position longue de 10 valeurs concentrées dans le secteur des hautes
technologies ;
Portefeuille 3 : même composition que le premier portefeuille avec 6 positions longues
et 6 positions courtes.

Mémoire de fin d’études - EURIA - 82 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Incidence du choix du facteur de risque sur la VaR d'un portefeuille actions :

Facteur de risque Portefeuille 1 Portefeuille 2 Portefeuille 3

Actions individuelles 100 100 100
Indice sectoriel 93 87 72
S&P corrigé du bêta 127 77 22
S&P 91 51 0

Le simple choix de facteurs de risque différents peut conduire à des résultats

significativement divergents, même dans le cas de portefeuilles bien diversifiés.

Le deuxième aspect de la réflexion concerne la méthode en elle-même. La simulation de T.

Styblo Beder laisse apparaître des divergences non négligeables entre les techniques utilisées.
Il est difficile de dissocier la part des écarts due aux méthodes de celle provenant des
historiques. On peut toutefois penser qu’une partie de ces disparités peut être attribuée aux
hypothèses sous-jacentes aux différentes méthodes (loi de distribution des rendements, degré
de stationnarité des volatilités, technique de mesure des variations de valeur du portefeuille,
méthode de prise en compte des corrélations,...). Indépendamment des choix de l’utilisateur, il
existe donc un risque de modèle.

Le Comité de Bâle a clairement évoqué ces difficultés en imposant un coefficient

multiplicateur de 3 à l’exigence de fonds propres calculée par les modèles internes. Les
justifications données par le Comité sont les suivantes :
la distribution des facteurs de risque dans la réalité diffère généralement des
simplifications statistiques des modèles (queues épaisses et asymétrie notamment) ;
nous avons déjà pu évoquer cette explication précédemment, en précisant qu’elle
n’était pas la seule raison fournie du choix de ce facteur,
le passé n’est pas toujours une bonne estimation de l’avenir (par exemple les
volatilités et les corrélations peuvent varier brutalement),
la VaR est basée sur des positions de fin de journée et ne prend pas en compte les
mouvements intra-day,
les modèles ne peuvent pas capturer correctement les risques provenant d’évènements
exceptionnels,
de nombreux modèles utilisent des méthodes simplificatrices pour valoriser les
positions, notamment lorsqu’il s’agit d’instruments complexes comme les options.

Nous pouvons finalement, dans cette section, observer que si elle est à l’heure actuelle
relativement normée et réglementée, l’utilisation par les établissements de modèles internes
n’en reste pas moins imprécise ou floue sous certains aspects.

En effet, nous avons pu constater tout au long de cette partie que la réglementation relative
aux modèles internes a grandement gagné en précision et en détails depuis les premiers pas de
ce type d’outils.
Cette évolution est détectable au niveau du nombre important de critères et d’exigences
diverses qui conditionnent l’acceptation des modèles de type Value at Risk par la
Commission Bancaire.

Mémoire de fin d’études - EURIA - 83 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Ainsi, nous avons pu nous rendre compte que, d’abord du point de vue quantitatif et en terme
d’exigence de moyens, les établissements tenant à utiliser des modèles internes se doivent de
faire preuve de bonne volonté en mettant en place un système de contrôle et de suivi fiable,
intègre et surtout rigoureux.
De la même manière, l’étude des différents paramètres destinés à normaliser les calculs d’un
point de vue quantitatif a également montré que des efforts sont également faits à ce niveau
par les autorités pour rendre les différentes mesures aussi cohérentes et fiables que possible
(entre autres en corrigeant les éventuels écarts de modélisation), et également comparables
d’un établissement à un autre.

Cependant, si cette volonté d’obtenir un meilleur contrôle de l’utilisation de ce type d’outils

ne fait aucun doute, il est également indéniable que ce contrôle demeure encore largement
perfectible.
Sur ce point, nous avons surtout pu souligner les insuffisances notables de la définition de
certains critères d’acceptation, particulièrement quantitatifs, qu’il s’agisse d’un manque de
précision dans la justification du choix de ce paramètre lui-même, ou bien d’un apparent
manque d’adéquation de celui-ci à certains éléments du marché, tels que le facteur de
liquidité.
D’autre part, il est également notable que, malgré la définition rigoureuse qui peut être faite
de ces paramètres à l’heure actuelle, il n’en est pas toujours tenu compte dans les déclarations
effectives des établissements, d’où un déficit évident, sinon de transparence, du moins de
comparabilité entre les montants de fonds propres à allouer par des établissements différents.

Au final, force est donc de constater que, d’une part, tous les modèles utilisés ne répondent
pas exactement aux attentes et aux exigences des autorités et que, d’autre part, la
réglementation dont elles découlent est encore vraisemblablement amenée à subir des
modifications visant à la rendre plus précise et plus à même d’exercer un contrôle efficace du
calcul par modèles internes.

Mémoire de fin d’études - EURIA - 84 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

CONCLUSION

Mémoire de fin d’études - EURIA - 85 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

C e mémoire apporte, en fin de compte, et fidèlement aux objectifs que nous nous étions
fixés à l’origine, nombre d’éclaircissements quant à l’utilisation de modèles internes de calcul
d’adéquation de fonds propres sur les risques de marché.

Nous avons ainsi pu, tout au long de cette étude, donner un panorama aussi large que possible
des apports de ces modèles internes, ainsi que de l’évolution qu’ils ont apporté à la prise en
compte des risques de marché, comparativement à la méthode standard CAD précédemment
imposée à tous les établissements par les autorités de réglementation bancaire et financière.
Ainsi, nous avons constaté que le mérite majeur de ce type de méthodologie, relativement
récent, était d’apporter à la fois une plus grande transparence au niveau du calcul et des
hypothèses sous-jacentes, ainsi qu’une meilleure adéquation, du moins en apparence, aux
diverses fluctuations des marchés dans le temps. En ceci, il est bien évident qu’ils s’avèrent
bien plus adaptés qu’une méthode basée sur des coefficients constants, forfaitaires, et
immuables dans le temps.
De même, nous avons pu voir que la réglementation concernant ces mêmes modèles internes
a considérablement évolué depuis ses origines, et est dorénavant plus à même de permettre un
juste contrôle des résultats calculés par ce moyen par les établissements concernés.

Cependant, il est apparu également évident tout au long de ce mémoire que les avancées dans
ce domaine sont loin d’être terminées et que, tant du point de vue des méthodologies elles-
mêmes que de la réglementation correspondante, des innovations et améliorations sont plus
que prévisibles, et paraissent même indispensables.
En effet, si les apports des méthodes de type Value at Risk sont indubitables, elles ne
manquent cependant pas de laisser transparaître certaines limites et certains manques.

Tout d’abord, le caractère plus évolué et plus adapté aux réalités des marchés, qui apparaît
clairement lorsqu’on compare les modèles internes à la méthode standard CAD, peut
également d’un certain point de vue être préjudiciable à ces modèles : si une plus grande
transparence est un atout non négligeable, la contrepartie en est que les faiblesses, voire les
erreurs de modélisation de ces modèles, n’en sont que plus faciles à percevoir, ce qui peut en
fin de compte nuire à leur popularité, par rapport au flou indiscutable de la méthode standard.

D’autre part, il est également clair que, si les méthodologies de type VaR représentent une
avancée dans le domaine du calcul des risques, elles ne peuvent pourtant pas être considérées
comme réellement et totalement abouties. Nous avons ainsi pu constater non seulement que
les hypothèses et procédés mathématiques utilisés ne peuvent toujours être considérés comme
satisfaisants, mais également que l’évolution actuelle des recherches statistiques entre autres
tend à apporter des améliorations aux modélisations que nous avons pu étudier ici.

Enfin, nous avons également eu l’occasion de souligner que la réglementation portant sur ce
domaine de la gestion des risques ne peut être exempte de critiques. Celle-ci, effectivement,
laisse une liberté de mouvement non-négligeable aux utilisateurs de modèles internes, leur
permettant parfois de contourner certains points du règlement. De plus, certains des
paramètres définis par les autorités, et visant justement à préserver une certaine homogénéité
des résultats fournis par les divers établissements assujettis, se caractérisent par un manque de

Mémoire de fin d’études - EURIA - 86 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

justification évident et devraient vraisemblablement être amenés à faire l’objet d’une nouvelle
définition ultérieure.

Au final, nous pouvons donc considérer que, même si nous répondons à la plupart des
questions qui pouvaient se poser dans ce domaine, certains points demeurent encore
relativement obscurs et d’autres demandent à évoluer dans un avenir plus ou moins proche.

Le calcul de l’adéquation de fonds propres sur risques de marché par des méthodes de type
VaR semble donc représenter une étape dans ce domaine, et non un réel aboutissement.
Cependant, il semble également vraisemblable que les méthodologies plus évoluées qui seront
par la suite amenées à prendre la place de ces modèles prendront également leurs racines dans
des modélisations de type Value at Risk.
De plus, ce type de méthodologies semble également amené à s’appliquer à un éventail plus
large que celui, relativement restreint, du risque général de marché.

Ainsi, un nouveau règlement est actuellement en cours d’élaboration au sein du Comité de

Bâle, cette fois destiné principalement au contrôle du risque de crédit. Ce document devrait
entrer en vigueur en début 2005, et il est vraisemblable que les méthodes dérivées de la VaR
puissent également tenir leur place dans ce type de calcul.

Mémoire de fin d’études - EURIA - 87 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

BIBLIOGRAPHIE

Mémoire de fin d’études - EURIA - 88 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Ouvrages et articles de référence de ce mémoire :

Aubry, Belkacem, 1998. Au-delà de la VaR, une nouvelle mesure de risque en gestion de
portefeuille. Analyse financière.

Basle Committe on Banking Supervision, 1995. An Internal Model-Based Approach to

Market Risk Capital requirements. Bâle, Suisse.
Basle Committe on Banking Supervision, 1995. Amendment to the Capital accord to
Incorporate Market Risks. Bâle, Suisse.
Basle Committe on Banking Supervision, 1995. Supervisory Frameworks for the Use of
Backtesting in Conjunction with the Internal Approach to Market Risk Capital Requirement.
Bâle, Suisse.

Boulier, 1998. Value at Risk. Conférence, Crédit Mutuel de Bretagne, Brest.

Boulier, Brabant, Dalaud, Dieu, 1997. Risques de marché : une vue de profil. Quants n°28.

Bourdon, 2001. Allocation de fonds propres sur activités de marché : modèles internes vs
méthode réglementaire. Institut des Techniques de Marché, Paris.

Chesnay, Jondeau, 2000. Does correlation between stock returns really increase during
turbulent period ? note d’étude et de recherche, Banque de France.

Clermont Tonnerre (De), 1996. Panorama des méthodes de mesure des risques de marché
et étude du cas particulier des options. Mémoire de fin d’études – EURIA.

Confédération Nationale du Crédit Mutuel, 1999. Règlement du CRBF n° 95-02 relatif à la

surveillance prudentielle des risques de marché. Note de présentation.

Danielsson, De Vries, 1997. Value at Risk and Extreme Returns. Working Paper, London
School of Economics, Londres, GB.

Danielsson, De Vries, Hartmann, 1998. The Cost of the Conservatism : Extreme Returns,
Value at Risk, and the Basel ‘Multiplicator Factor’.

Duffie, Pan, 1997. An Overview of Value at Risk. Journal of Derivatives, Spring, 7-48.

Esch, Kieffer, Lopez. Value at Risk, vers un risk management moderne. Editions De Boeck
Université.

Feghali, Walter, mai 2000. Value at Risk : du modèle de risque au risque de modèle. Banque
Magazine.

Fraichot, Leurent, mai 2000. Bons résultats, mais peut mieux faire. Banque Magazine.

Häberle, Persson, 2000. Incorporating Market Liquidity Constraints in Value at Risk.

Banque et Marchés n°44.

Hull. Options, Futures and Other Derivatives, 4th edition.

Mémoire de fin d’études - EURIA - 89 -

 La VaR et les modèles internes dans la réglementation prudentielle des risques de marché

Jorion, 1996. Value at Risk : The new Benchmark for Controlling Market Risks. Irwin
Professional.

Journal Officiel des Communautés Européennes, 15 mars 1993. Capital Adequacy

Directive (CAD), directive 93/6/CEE du Conseil sur l’adéquation des fonds propres des
entreprises d’investissement et des établissements de crédit.

Journal Officiel de la République Française, 28 Septembre 1995. Règlement n° 95-02 du

21 Juillet 1995 relatif à la surveillance prudentielle des risques de marché.
Journal Officiel de la République Française, 7 mars 1991. Règlement n° 91-05 relatif au
ratio de solvabilité.

JP Morgan, 1995. RiskMetrics – Technical Document, 3rd edition.

JP Morgan, 2001. Risk Measurement in the afternmath of the terrorist attack. RiskMetrics
Research Technical Note.

Lopez, 1998. Methods for evaluating Value at Risk estimates, Federal Reserve Bank of New
York.

Riboulet, Roncali, 1999. Value at Risk, mesure de capital économique. Groupe de Recherche
Oérationnelle, Crédit Lyonnais.

Revue d’Economie Financière, 26 Juin 1996. La surveillance prudentielle des risques de

marché supportés par les établissements de crédit. Commission Bancaire, Service des études
bancaires.

Styblo Beder, Minnich, Shen, Stanton, 1998. Vignettes on VaR. The Journal of Financial
Engineering.

Styblo Beder, 1996. Report card on VaR : high potential but low starter. Bank Accounting
and Finance review.
Styblo Beder, 1995. VaR : seductive but dangerous. Financial Analysts Journal.

Sites Internet consultés:

[Link]
[Link]
[Link]/locate/econbase
[Link]
[Link]
[Link]
[Link]
[Link]
[Link]

Mémoire de fin d’études - EURIA - 90 -