Universit Hassan II Casablanca

Facult des Sciences Juridiques Economiques et Sociales.

Mohammedia

Mmoire de fin dEtudes pour lobtention du

Diplme Master de Recherche en:
Techniques de modlisation conomique et conomtrie
Sous le thme:

Value at Risk mesure du risque dun portefeuille actions

Prsent par : Mr ENNAKHLI Mourad
Jury:

OUIA Aziz
Aoufir Mbarek

Encadr par : Mr HAFNAOUI

Ahmed

Anne universitaire 2014/2015

Plan de la prsentation
Introduction
Les accords de Bale
Approche thorique de la VaR et le MEDAF
Pratique de le MEDAF sur un Portefeuille actions
Application de la VaR Paramtrique et Historique
Le modle ARIMA:Une tude de Cas de laction Boursier BP
2

Conclusion

Approche conceptuelle

Naissance de la VAR
Utilis la Premire fois par la banque BANKERS
TRUST sur les marchs financiers Amricains.
Dmocratis par la banque JP MORGAN grce a
son systme de Risk Metrics .
Concrtis dans les Accords de Ble comme nouvel
indicateur et devenu trs rapidement un standards
dans lvaluation des risques financiers.

Les accords de Bale

BALE I
L'accord de ble de 1988 a plac au centre de son dispositif le ratio cooke, qui veut que le ratio
des fonds propres rglementaires (au sens large) d'un tablissement de crdit par rapport
l'ensemble des engagements de crdit de cet tablissement ne pouvait pas tre infrieur 8 %.
autrement dit, la banque doit financer chaque 100 (euros) de crdit de la faon suivante :
minimum 8 (euros) en fonds propres et maximum 92 (euros) en utilisant ses autres sources de
financement tels que dpt, emprunts, financement interbancaire, etc..
L'accord dfinissait galement ce qu'il fallait considrer comme fonds propres rglementaires et
ce qu'il fallait considrer comme l'ensemble des engagements de crdit.

BALE II
Le nouvel accord prudentiel de ble de 2004, ou ble II , visait mieux valuer les risques
bancaires
Et imposer un dispositif de surveillance prudentielle et de transparence.
Le ratio cooke prsentait une approche quantitative (la principale variable prise en compte au
Dnominateur du ratio tait le montant du crdit distribu) : la qualit de l'emprunteur tait
nglige, et donc le risque de crdit qu'il reprsente.
Trois piliers complmentaires :
l'exigence de fonds propres (ratio de solvabilit mcdonough) ;
la procdure de surveillance prudentielle ;
la discipline de march (transparence dans la communication des tablissements).

BALE III
La crise financire a mis en exergue les carences et les insuffisances du dispositif de ble II :
problmes
-De mauvais fonctionnement des marchs financiers, de liquidit, des agences de notations, etc.
De manire gnrale, la question souleve tait celle du rapport entre le niveau de fonds
propres des tablissements financiers et les risques encourus par leur activits (subprimes par
exemple).
Concrtement, des actifs plus ou moins risqus taient financs par trs peu ou pas de fonds
propres. Ce
Quon appelle leffet de levier permettait alors dobtenir une rentabilit trs importante,
dpassant les 100% dans certains mtiers.
L'ide du comit est relativement simple :
plus de fonds propres
Des fonds propres de meilleure qualit
Plus de transparence

Approche Conceptuelle
Dfinition de la VAR
La Value at Risk est une mthode d'valuation du risque
de march.
Celle-ci mesure la perte potentielle maximale dun
investisseur, encourue sur la valeur dun actif ou dun
portefeuille dactifs financiers, une probabilit
dtermine, sur un horizon de temps donn (jour,
semaine, mois).
La VaR rpond laffirmation suivante : Nous sommes
certains, X% (seuil de confiance) , que nous nallons
pas perdre plus de V (VaR) sur les N prochains jours
(Horizon temporel)

Approche Conceptuelle
A qui cette mesure est-elle
destine ?
Aux professionnels de marchs
- Les oprateurs de marchs
- Les gestionnaires de fonds
Aux banques et Assurances
privs
- Les gestionnaires
de fonds
Cette mesure
de
risqueinstitutionnels
est

destine
principalement
Aux Risk-managers

- Les responsables de la gestion

des risques et du contrle de la
gestion des risques

Aux comptables ou aux clients

institutionnels

Soubassement thorique
Caractristiques de la VAR
La distribution
des pertes et
des profits du
portefeuille
La plupart du
temps, cette
distribution est
suppose normale
et valable pour une
certaine priode de
dtention.

Le niveau de
confiance
Compris entre 0 et 1
(95% ou 99% en
gnral).Cest la
probabilit de
pertes ventuelles
du portefeuille ou
de lactif ne
dpassant pas la
VaR.

La priode de
dtention de
lactif ou du
portefeuille
dactifs

Ce paramtre est
trs important car
plus lhorizon est
long, plus les pertes
peuvent tre
importantes. Pour
une distribution
normale de
rendements, il suffit
de multiplier la
Value at Risk un
jour par N pour
avoir la Value at

Soubassements thoriques
Hypothses
Hypothse 1: La normalit des
distributions considres
Hypothse II: Le lien entre la VaR
N jour et la VaR 1 jour
Hypothse III: Le rendement
moyen dun actif est nul pour la
priode considre

MTHODES DESTIMATION

HISTORIQUE

- ANALYTIQUE

La Mthode Historique

Dfinition
- Cette mthode se base sur les gains et pertes
historiques rellement constats dans le pass.
L'hypothse forte sous-jacente est que les
rsultats futurs peuvent tre dduits du pass.
- Ainsi, en classant ces gains et pertes
historiques par ordre croissant et en relevant le
quantile correspondant l'intervalle de
confiance cible, nous dduisons la VaR.

Les tapes de calcul de La VaR historique

Identifier les
facteurs de
risque et
chercher leur
historique

Construction
des scnarios
partir de 1 et
valuer la
distribution du
P&L simul
partir de ces
scnarios

Relever ou
calculer
directement Var
partir de la
distribution ainsi
simule
correspondant au
quantile spcifi

Mthode Analytique ou Paramtrique

Dfinition
La mthode paramtrique ou analytique est la mthode la plus
rapide mettre en place. Elle repose sur des calculs statistiques
et doit pour cela rpondre plusieurs hypothses :

H1

Les variations des facteurs de

risques suivent une loi normale et
les corrlations entre ces facteurs
sont stables au cours du temps

H2

La relation entre les variations des

valeurs du portefeuille et les
variations des valeurs du march est
linaire.

LE MODLE DVALUATION DES

ACTIFS FINANCIERS EN BREF:
A lquilibre, la prime

de risque sur un actif donn (i), est gale

son beta multipli par la prime de risque sur le portefeuille de
march

De cela, on peut dduire Lquation du Medaf :

LE MODLE DVALUATION DES

ACTIFS FINANCIERS EN BREF:
ESTIMATION DU PARAMTRE :
Le Medaf mesure le risque dun titre donne par son Beta ().

Selon le Medaf, la mesure correcte du risque dun titre (i)

englob dans un portefeuille de march M, est calcul partir
du ratio qui mesure la contribution marginale du risque de
lactif i au risque total du portefeuille M.

LE MODLE DVALUATION DES

ACTIFS FINANCIERS EN BREF:
C'est un rapport historique de la volatilit du prix d'un actif
sur celle des prix du march.

Le est aussi une mesure de sensibilit de la rentabilit dun

titre par rapport la rentabilit du march.

Etude Empirique

MEDAF
Le modle :

Les hypothses :
H0-il existe une relation positive entre le risque d'une action mesur par le bta et son rendement
anticip (ou ralis).
H1- il nexiste pas une relation positive entre le risque d'une action mesur par le bta et son
rendement anticip.

DW

Kurtosis

Skewness

Jarque-bera

IAM

1,1911

2,17

19,04

-2,003

5609,63

ATTIJARI

1,03

2,49

5,43

0,12

122,96

BMCE

0,49

2,24

9,15

0,46

794,38

BP

0,81

2,17

11,83

0,48

1618

FARGE de
MA

2,08

2,22

4,13

-0,02

26,54

COSUMAR

0,014

2,08

13,24

0,52

2175

WAFAASSURANC
E

1,008

2,30

5,36

0,16

116,57

ADDOHA

1,74

2,31

5,92

0,229

179,42

TAQAMAROC

0,004

1,53

103,24

8,82

212381

CIMENTS
de MAROC

0,01

1,65

23,62

4,08

10069

Etude Empirique

VaR Paramtrique
La VaR paramtrique pour les actions repose sur
lhypothse de la normalit des rendements des
cours de ces actions, alors avant dentamer les
calculs ; vrifions cette hypothse :
Nous allons tester lhypothse :
H0: la distribution est normale Vs H1: la
distribution nest pas normale
Le test de Jarque-Bera avec E-views pour les
rendements de laction IAM nous donne lout
put suivant :
Le modle de calcul
Var = z*ecart_typeP

LA MATRICE DE CORRLATION

LES PARAMTRES POUR LE CALCUL DE LA VAR

Les moyennes

Les variances

Les carts types

Les alphas

IAM

0.1434 e-03

0,00012068

0,01098558

0,2

ATW

0.2115 e-03

8,5291E-05

0,00923532

0,2

BMCE

0.6473 e-03

9,9319E-05

0,00996589

0,2

BP

0.1719e-03

9,7866E-05

0,00989273

0,2

WAFASS

0.2392 e-03

0,00037119

0,01926642

0,2

RSULTATS DE LA VAR PARAMTRIQUE POUR LE PORTEFEUILLE

Variance de Portefeuille

3.8748e-05

Ecart type de Portefeuille

0.0062

z pour un seuil de risque 1%

2.3300

La Value at risque

14,5%

La VaR Historique
CONSTRUCTION DE SCNARIO :

On note vi valeur dune variable de march au jour i. Scnario ni pour cette

variable est dfini par : v(n) * (v(i))/ v(i-1))
Considrons un portefeuille constitu de cinq actions en nombres respectifs

N1 = 3, N2 = 2, N3 = 5, N4 = 4, N5 = 6 Pour lesquels on a observ les cours 494 poques

(T=493)
V1:RT(IAM) ; V2:RT(ATTIJARI) ; V3:RT(BMCE) ; V4:RT(BP) ; V5:RT(WAFAASSURANC)

LES VALEURS POUR LA PROCHAINE PRIODE : EXEMPLE (IAM)

V1 POUR T = 1 EST DE : 106* ( 106/107) = 104,23

 LES VALEURS FUTURES DU PF :

P (-492) (1) = 3104,23 + 2304 + 5157 + 4192,08 + 63163 = 24708,6
SRIE DES SCNARIOS DES PERTES ET PROFITS

PAR EXCEL LA VAR0.99 = -5431.2

APPLICATION DE LA VAR POUR CHAQUE ACTION DE CE

PORTEFEUILLE
Titres

Moyennes des
rendements

Volatilits

IAM
BP
BMCE
ATTIJARI
WAFAASSU

0,002045
0,002541
0,00069
0,0002068
0,004242

0,0002045
0,009235
0,009965
0,009892
0,019266

Z99%
2,32
2,32
2,32
2,32
2,32

VaR 99%
-0,02535
-0,02123
-0,02248
-0,02279
-0,04439

Nous pouvons constater que laction la moins risque est celle de la BP tandis que laction la plus risque et celle
du Wafa-Assurance.
Titres

VaR 99%

IAM

-2535

BP

-2123

BMCE

-2248

ATTIJARI

-2279

WAFAASSU

-4439

LE MODLE AR/ MA/ ARMA : UNE TUDE DU CAS

DE LACTION BOURSIER BANQUE POPULAIRE.
Construisons un modle ARIMA partir de la srie de laction, note (bp). Les
donnes considres cet effet sont hebdomadaires et la priode retenue
pour ltude va de janvier 2013 dcembre 2014. Pour construire le modle de
prvision, nous allons emprunter la mthodologie de Box-jenkins.
Etude De La Stationnarit Par La Racine Unitaire:
test de stationnarit de dickey fuller augment

H0 : racine unitaire (non stationnaire)

H1: non racine unitaire (stationnaire)
les rsultats du test sur la variable en niveau sont rcapituls dans le tableau suivant :

Modle avec tendance et constante:

Pour les seuils 1%, 5%

comme 10%, on a ADF
Test Statistic > Critical
value.
On accepte
lhypothse H0, donc
la srie BP est non
stationnaire et trend
non significativement
diffrent de 0.

Modle sans tendance et avec constante:

Pour les seuils 1%, 5%

comme 10%, on a ADF
Test Statistic > Critical
value. On accepte
lhypothse H0, donc la
srie BP est non
stationnaire avec
intercept
significativement
diffrent de 0.
Le modle est un DS
avec drive, il faut
diffrencier ou intgrer
BP d fois pour obtenir
une chronique
stationnaire.

Stationarisation de la srie BP :
Il faut appliquer le filtre de diffrence pour stationnariser la srie BP.
Les rsultats du test sur la variable de diffrence premire sont
rcapituls dans le tableau suivant :
Modle avec tendance et constante :
Pour les seuils 1%, 5% comme
10%, on a ADF Test Statistic <
Critical value.
D(BP) est stationnaire.
Il se dgage que la tendance
nest pas significativement
diffrente de 0, car la probabilit
critique associe au trend est
suprieur 5%.

Modle sans tendance et sans constante :

On accepte lhypothse alternative selon laquelle la srie DBP est

stationnaire, donc:
DBP

I(1): la srie DBP suit un processus ARIMA

Modlisation ARMA par la mthode de BOX-JENKINS

La srie DBP est stationnaire, on va lui chercher un modle ARMA (p,q)
pour connaitre les ordres du modle ARMA(p,q), nous allons nous servir
de corrlogrammes de la srie stationnaire DBP. En effet le
corrlogramme simple permet didentifier un modle MA(q), alors que le
corrlogramme partiel permet didentifier un modle AR(p).
Il ressort de ces corrlogrammes
que la deuxime autocorrlation
(simple et partiel) de la srie
DBP est significativement
diffrente de 0.

ESTIMATION :
Comme il sagit de processus arima (2, 1,2), les schmas ci-dessous ne servira de guide pour les estimations.

Modle AR(1)
Modle AR(2)
Modle AR(1) AR(2)
Modle AR(2) MA(1)
Modle AR(1) AR(2) MA(1)
Modle AR(2) MA(1) MA(2)
Modle AR(1) AR(2) MA(2)
Modle AR(2) MA(2)
Modle AR(1) MA(1)
Modle MA(1)
Modle AR(1) MA(1) MA(2)
Modle MA(1) MA(2)
Modle AR(1) MA(2)
Modle MA(2)
Modle AR(1) AR(2) MA(1) MA(2)

MA(1
)
AR(2)
MA(2)
AR(1)

MA(1)
MA(2)

MA(2
)

MA(2
)

VALIDATION

Aprs estimation des diffrents modles, lanalyse de la significativit des coefficients nous conduit
conserver les sept modles ci-aprs. ces sept modles seront soumis un test de diagnostic. seuls les
modles dont les rsidus sont de bruits blancs seront valids.
Modle AR(2)
Modle MA(2)
Modle AR(2) MA(2)
Modle AR(1) MA(1)
Modle AR(1) MA(1) MA(2)
Modle AR(1) AR(2) MA(1)

Et daprs les critres de Akaike et Schwarz il ressort que le modle AR(2) MA(2) dispose dune qualit
suprieure. Le fait de retenir ce modle ne signifie pas que les autres modles ne peuvent pas tre utiliss pour la
prvision. Ces critres naccordent au modle retenu quune certaine prminence sur les autres.

Les coefficients estims sont tous statistiquement significatif comme latteste la

statistique de student.
DONC:
DBP = 0.553003DBPt-2 - 0.496370 et-2

PRVISION
Daprs rduire sa valeur en transformant le modle ARIMA (p, d, q) un modle ARIMA (p+1, 0, q).
Dans ce cas, comme il sagit dun ARIMA (2, 1, 2), ainsi, nous aurons aprs transformation : ARIMA (3, 0, 2)
Pour prvoir lvolution de la valeur actuelle de laction BP, nous allons nous rfrer au rsultat de lquation
estime :
DBP+h = 0,040052 -0,096850BPt-1+h -0,718499BPt-2+h -0,136354t-3+h +
0,719688t-2+h
Les prvisions des rendements des 10 jours de lanne 2015 :
Les dates

Les prvisions

18/12/2015

-0,38157

21/12/2015
22/12/2015

-0,0256
0,256

23/12/2015

-0,61

24/12/2015

0,359

28/12/2015

0,96

29/12/2015

0,42

30/12/2015

0,94

31/12/2015

0,65

CONCLUSION

Bibliographie
Jacquillat & Solnik : Gestion de Portefeuille et des risques Edition Dunod, 2003
Demazy, M : Value at Risk et contrle prudentiel des banques.2001, P 25-30
Esch,L et Kieffer,R : Asset et Risk Management La finance oriente risques 1 re Edition,2003
George A. Akerlof : The Market for Lemons : Quality Uncertainty and The Market Mechanism, 1998
Bank for International Settlements, Basel II: International Convergence of Capital Measurement and Capital
Standards: A revised Framework . Novembre 2005, [Link]
Bessis, J. Gestion des risques et gestion actif passif dans les banques Dalloz, 2007
Blanc, E P : La notation financire
Franois, D Pratique de lactivit bancaire Edition Dunod, 2007
Hooper, G., Value at Risk: A New Methodology for Measuring Portfolio Risk, in Business Review, Federal
Reserve Bank of Philadelphia, Juillet/Aot 1996, p. 19 - 29
Hull, J : gestion des risques et institutions financires Pearson Education 2007
Hull, J.C. et White, A., Value at Risk When Daily Changes in Market Variables are not Normally Distributed, in
Journal of Derivatives. Printemps 1998, vol.5 p. 9-19.
Sow, O : Le Ratio International de Solvabilit de Ble I Ble II, 2007
Vasicek, O., Probability of Loss on a Loan Portfolio Document de travail, KMV, 1987
Michel,T & Rgie Bourbonnais, Analyse des sries temporelles , 3 me dition, Dunod Paris, 2010

MERCI

POUR

Merci pour
votre attention
VOTRE
ATTENTION