De

De la
la mesure
mesure àà l’analyse
l’analyse des
des risques
risques

Séminaire FFA

Jean-Paul LAURENT
Professeur à l'ISFA
jean-paul.laurent@univ-lyon1.fr
http://laurent.jeanpaul.free.fr/

0
 De
Dela
lamesure
mesureààl’analyse
l’analysedes
desrisques
risques

! Intégrer la mesure des risques dans la gestion

financière
− Un processus de mesure des risques
! La VaR : un benchmark pour la mesure des risques
− Pourquoi la VaR est-elle un concept à succès ?
− VaR, définitions et principales propriétés
− L’agrégation des risques
− De la mesure à l’analyse des risques
− Le risque de modèle
! De nouvelles frontières pour l’analyse du risque
− Risques de crédit
− Options « cachées » et risques business
− Risques d’assurance

1
 Intégrer
Intégrerla
lamesure
mesuredes
desrisques
risquesdans
dansla
lagestion
gestionfinancière
financière

! Avant tout une bonne organisation pour la gestion des risques

− "There is no risk of any management in this organization!" (Dilbert)
! Un processus de mesure des risques

− Étapes préalables

− Étapes de modélisation

− Étapes d’analyse et de pilotage du risque

2
 Intégrer
Intégrerla
lamesure
mesuredes
desrisques
risquesdans
dansla
lagestion
gestionfinancière
financière

! Étapes préalables
− Analyse économique des risques encourus
" risques de marché,
"de taux d’intérêt,
"d’assurance :
– occurrence des sinistres, fluctuations des taux de mortalité,
"concurrence :
– revalorisation et rachat des contrats, chargements.
"risques réglementaires
"…
− Détermination du champ d’application de la mesure des risques
− Collecte des données

3
 Intégrer
Intégrerla
lamesure
mesuredes
desrisques
risquesdans
dansla
lagestion
gestionfinancière
financière

! Étapes de modélisation
− Modélisation probabiliste des facteurs de risque
− Liaison entre facteurs de risque et valeur du portefeuille
"agrégation, fonctions d’endommagement
− Évaluation de la loi de probabilité des portefeuilles
" agrégation des risques
− Évaluation de la robustesse des modèles
" back-testing
" stress-testing

4
 Intégrer
Intégrerla
lamesure
mesuredes
desrisques
risquesdans
dansla
lagestion
gestionfinancière
financière
! Étapes d’analyse, de synthèse et de pilotage du risque
− Calcul d’indicateurs prospectifs de risque, production
d’outputs
"probabilités de ruine, sensibilités, fonds propres en
risque
− Analyse du risque ex-ante :
"Typologie de scénarios, identification des scénarios
risqués, contributions des différents portefeuilles au
risque total.
− Pilotage du risque : couverture financière, réassurance, …
− Suivi du risque et de la rentabilité des différents portefeuilles
"Mise à jour des limites de risque, modification de la
tarification

5
 Un
Unprocessus
processusde
demesure
mesuredes
desrisques
risques

6
 La
LaVaR
VaR::un
unbenchmark
benchmarkpour
pourla
lamesure
mesuredes
desrisques
risques

! Pourquoi la VaR est-elle un concept à succès ?

! VaR, définitions et principales propriétés
! L’agrégation des risques
! De la mesure à l’analyse des risques
! Le risque de modèle

7
 La
LaVaR
VaR::un
unbenchmark
benchmarkpour
pourla
lamesure
mesuredes
desrisques
risques

! Pourquoi la VaR est-elle un concept à succès ?

! Mesures de risque
− sans modèles probabilistes
"Sensibilité du portefeuille de contrats d’une compagnie
d’assurance vie par rapport à une modification des taux.
"Concentration du portefeuille de risques, expositions
nominales
− avec modèles probabilistes
"Quantiles sur les distributions des pertes : VaR
! L’ingrédient de base : la distribution des pertes sur un
portefeuille
8
 La
LaVaR
VaR::un
unbenchmark
benchmarkpour
pourla
lamesure
mesuredes
desrisques
risques

! Le champ des risques couverts :

− à l’origine, risques de marché
" aujourd’hui risque de crédit,
" demain, risques d’assurances vie et non-vie.
− Une mesure synthétique du risque : « 4:15 report »

− Documentation très complète :

"Des sites portails : Gloriamundi,…
"Plusieurs dizaines de présentations en ligne sur la VaR
− Contrôle externe (a priori et a posteriori) par les autorités
réglementaires.

9
 La
LaVaR
VaR::un
unbenchmark
benchmarkpour
pourla
lamesure
mesuredes
desrisques
risques

! Un suivi quotidien : Société Générale

! Information publique
! Confidentialité des transactions préservée
10
 La
LaVaR
VaR::un
unbenchmark
benchmarkpour
pourla
lamesure
mesuredes
desrisques
risques
! Définition de la VaR

11
 La
LaVaR
VaR::un
unbenchmark
benchmarkpour
pourla
lamesure
mesuredes
desrisques
risques

! Intégration de risques de crédit, d’assurances

12
 La
LaVaR
VaR::un
unbenchmark
benchmarkpour
pourla
lamesure
mesuredes
desrisques
risques

! Prise en compte du caractère dynamique

13
 La
LaVaR
VaR::un
unbenchmark
benchmarkpour
pourla
lamesure
mesuredes
desrisques
risques
! Quelques propriétés

! Exemples :

VaRα % = θα % × Variance

14
 Le
Lerisque
risquede
demodèle
modèleet
etl’agrégation
l’agrégationdes
desrisques
risques

240

220

Au départ : 200

Maturité
un grand nombre de créances 180

160

140

120

100
0.9 0.95 1 1.05 1.1 1.15 1.2
Retard

Regroupement
des créances
de même profil
de risque #
# #
#
#

A l’arrivée :
quelques créances synthétiques que l’on peut
couvrir avec des instruments financiers

15
 L’agrégation
L’agrégationdes
desrisques
risques

! Aspect spatial : les multiples dimensions du risque

! Risques financiers, de crédit, d’assurance,
! Comment construire une distribution de pertes globale ?
! Il est possible de calculer la distribution des pertes
! Intégration modèles d’assurance et modèles financiers
! Traitement de la « corrélation » entre les différents risques
! Calcul de la fonction caractéristique de pertes
! La distribution des pertes est obtenue par inversion de la
fonction caractéristique
! Quelques transparents…

16
Assurance-vie et risque de crédit

² Risque de crédit : mortalité des entreprises

² modèle individuel

² Pertes cumulées : Sc = X1;c + : : : + Xn;c

² Risque de crédit : Xi;c = LGDi £ Di , où LGDi représente la perte en

cas de défaut. Di = 0; 1 variable indicatrice du défaut.

– LGDi = Ei £ (1 ¡ ± i ). Ei exposition au risque, ± i taux de recouvre-

ment.
– Di = 1 si Yi < 0 et Di = 0 si Yi > 0, où Yi est une variable latente
continue ; modèle de credit scoring
– Creditmetrics, réglementation : Yi gaussien, modèle Probit
p
– Modèle à un facteur : Yi = ½iX + 1 ¡ ½2i "i , où X est le facteur et
"i le risque spéci…que.
– ! ! ! les Di ne sont pas indépendants : dans un portefeuille bien diver-
si…é, le risque factoriel ne disparaît pas. La loi des grands nombres
(non conditionnelle) n’est pas véri…ée.
– Thèmes récents : assurance de portefeuilles de crédit, intégration
risque de crédit et risques de taux d’intérêt, risques actions

² Assurance vie : pertes cumulées Sv = X1;v + : : : + Xn;v Xi;v indépen-

dants, LGDi montant du paiement en cas de décès

– LGDi peut dépendre des taux d’intérêt

– Di variable indicatrice du décès
– ou de la dépendance... (prestation dépendance)
– En général les Di sont indépendants
Assurance non vie et risques …nanciers

² Assurance non vie

² modèle collectif.

² Pertes cumulés : Sd = X1;d + : : : + XN;d

² Xi;d; N indépendants

² Nécessite un conditionnement par N, nombre de sinistres

² Risques «…nanciers» : actions détenues, obligations non soumises au

défaut nettes des engagements …nanciers (obligations émises)
PK
² V = i=1 ai pi , où ai est le montant détenu et pi le prix de l’actif à
l’horizon de la mesure des risques.

² Fonction caractéristique à V (u) = E[eiuV ]. Caractérise la distribution

des pertes sur les placements …nanciers nets

² Pour une classe large de modèles d’actions et de taux d’intérêt (incluant

0
des risques de volatilité, de sauts), on connaît à V (u) = E[eiua p ] où a est
le vecteur des expositions, p le vecteur des prix.

– processus de Lévy multivariés : hyperboliques, Normal Inverse Gaus-

sien, Variance-Gamma, processus stables
– modèles a¢nes généralisés : Bakshi et Cao ou Du¢e, Pan et Sin-
gleton
Loi des fonds propres

² Fonds propres : W = V + Sc ¡ Sv ¡ Sd

² Fonction caractéristique des fonds propres

à W (u) = E[eiu(V +Sc ¡Sv ¡Sd )]:

² Fonction caractéristique sachant les facteurs de risque :

à W jX (u) = E[eiuW j X]

² Indépendance des risques sachant X :

à W jX (u) = à V jX (u) £ à ScjX (u) £ à Sv (¡u)à Sd (¡u):

² Toutes les quantités précédentes sont calculables

R
² Ã W (u) = E[Ã W jX (u)] = Ã W jx (u)f (x)dx où f est la densité des facteurs
(théorème d’espérances itérées).

² On peut ainsi calculer la fonction caractéristique des pertes

² Puis revenir à la distribution des pertes (inversion de la fonction ca-

ractéristique), aux moments de cette distribution...
 De
Dela
lamesure
mesureààl’analyse
l’analysedes
desrisques
risques

! L’analyse du risque par sous-portefeuille

− Deutsche bank

− Contribution d’un sous-portefeuille a* au risque du portefeuille

global a
" VaR(a)-VaR(a-a*)

17
 De
Dela
lamesure
mesureààl’analyse
l’analysedes
desrisques
risques

! La mesure des sensibilités de la VaR par rapport à la

composition du portefeuille:

18
 De
Dela
lamesure
mesureààl’analyse
l’analysedes
desrisques
risques

! Typologie des scénarios : d’où vient le risque ?

− équipe modèle financiers, BNP Paribas
− Simulations financières pour l’analyse des risques

Bilan

Moteur de Stockage des

simulations scénarios
Conditions de marché

19
 De
Dela
lamesure
mesureààl’analyse
l’analysedes
desrisques
risques

! Typologie des scénarios : d’où vient le risque ?

− Une exploration du risque.

objectif:
mieux connaître les volume important
différents scénarios risqués
d’information

TYPOLOGIE
- Utilisée couramment
- Techniques statistiques éprouvées

20
 De
Dela
lamesure
mesureààl’analyse
l’analysedes
desrisques
risques

! Typologie des scénarios : d’où vient le risque ?

− Une enquête policière pour identifier les scénarios suspects
− Analyse des risques de taux d’intérêt :
"Une trajectoire des taux d’intérêt est une succession de 60
valeurs du taux 10 ans (une par trimestre pendant 15 ans)
! La typologie permet de regrouper des trajectoires similaires.
! On ne conserve que les trajectoires qui entraînent une perte
supérieure à la VaR
Taux

21
 De
Dela
lamesure
mesureààl’analyse
l’analysedes
desrisques
risques

! Typologie des scénarios : d’où vient le risque ?

− Classification ascendante hiérarchique

axe2
S2
S1

S5

S4
S7
S3 S8
S6
axe1

22
 De
Dela
lamesure
mesureààl’analyse
l’analysedes
desrisques
risques

! Typologie des scénarios : d’où vient le risque ?

Courbes de taux moyennes par classe

0,16

0,14

0,12

0,1 CLASSE 1
CLASSE 2
0,08
CLASSE 3
0,06 CLASSE 4

0,04

0,02

0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58

− Représentation du barycentre des principales classes de scénarios

risqués

23
 De
Dela
lamesure
mesureààl’analyse
l’analysedes
desrisques
risques

! L’identification des scénarios risqués

− permet de déterminer des stratégies de couverture des risques

! La typologie des scénarios

− Facilite le dialogue entre statisticiens et gérants du risque
! On peut modifier les probabilités des différentes classes
− Modification des probabilités des différentes classes
" en fonction des anticipations des gérants du risque
− Utilisation d’un critère entropie
" le modèle probabiliste obtenu prend en compte les
anticipations des experts
" est le plus proche possible du modèle statistique initial

24
 Le
Lerisque
risquede
demodèle
modèle

! incertitude
"sur les paramètres
"sur la spécification du modèle probabiliste
− « A Discussion of Parameter and Model Uncertainty in Insurance »,
Andrew J.G. Cairns
! quelle est la qualité de la mesure des risques ?
− « Back-testing »
− « Stress testing »
− Risque de modèle et agrégation des risques
25
 Le
Lerisque
risquede
demodèle
modèle::««back-testing
back-testing»»

! Credit Suisse (2000)

− Les pertes sont rares et toujours très inférieures à la VaR

26
 Le
Lerisque
risquede
demodèle
modèle::««back
backtesting
testing»»

! Abn amro (2000)

− Profits vs VaR (en millions d’Euros)
− Sur estimation de la VaR

27
 Le
Lerisque
risquede
demodèle
modèle::««back
backtesting
testing»»

! Deutsche Bank

− Les résultats quotidiens sont tous les jours positifs !

− La distribution des gains/pertes ex-post est très différente de la
distribution ex-ante
− Incorpore le risque business (marges commerciales) et l’expertise
(information non contenue dans les prix) des traders

28
 Le
Lerisque
risquede
demodèle
modèle::««back
backtesting
testing»»

! Ici, la différence entre les deux distributions se manifeste

par une différence entre les moyennes

! Quant à la normalité…

29
 Le
Lerisque
risquede
demodèle
modèle::««stress
stresstesting
testing»»

! Mesures cohérentes de risque : définition, caractérisation

30
 Le
Lerisque
risquede
demodèle
modèle::««stress
stresstesting
testing»»

! Mesures cohérentes de risque et stress testing pa (a)

− Probabilité : « scénario généralisé »
pb
− Mesure cohérente de risque : (b)
− Recherche d’un « worst case scenerio » pc (c )
! Introduction de nouvelles probabilités : (a)
− modification des paramètres de corrélation qa
− pa(θ), pb(θ), pc(θ) θ : corrélation qb (b)
− Scénarios déterministes : mesures de dirac qc
(c )
"Par exemple, pa =0, pb =0, pc =1 (a)
− Mélanges de probabilité : sur-modèles. αpa +(1−α)qa

" αP+(1−α)Q est encore une probabilité αpb +(1−α)qb (b)

αpc +(1−α)qc
(c )
31
 Le
Lerisque
risquede
demodèle
modèleet
etl’agrégation
l’agrégationdes
desrisques
risques

! La grande dimension du risque pose problème

"même dans un univers gaussien
"valeurs propres de la matrice de variance/covariance de 32
indices (source Riskmetrics)
"certains portefeuilles ont une variance apparente faible.
"LTCM, « Relative value »

! Utilisation de facteurs de risque

"réduction de la dimension

32
Le
Lerisque
risquede
demodèle
modèleet
etl’agrégation
l’agrégationdes
desrisques
risques

! Comment modéliser la dépendance statistique ?

− en assurance, risques indépendants
− mais dans le cas du crédit, des risques financiers …
− risques individuels non gaussiens (graphique)
! Et surtout distributions jointes non gaussiennes
− Courbes d’iso-densité (graphique)

− utilisation de fonctions copules

"Copulas for Finance, Bouyé et al, Document
GRO, Crédit Lyonnais
− utilisation de facteurs de risques
"conditionnellement aux facteurs, les risques sont
indépendants

33
 De
Denouvelles
nouvellesfrontières
frontièrespour
pourl’analyse
l’analysedu
durisque
risque

! risques de taux d’intérêt, risques « business »

! risques de crédit, risques d’assurances
34
 De
Denouvelles
nouvellesfrontières
frontièrespour
pourl’analyse
l’analysedu
durisque
risque

! VaR pour le risque de crédit (« Internal Ratings Based Approach »)

− VaR linéaire pour des portefeuilles infiniment « granulaires »

− Risques de crédit conditionnellement indépendants

"Utilisation de modèles à facteurs
− lois de probabilité à partir des fonctions caractéristiques
− Le traitement comptable des crédits n’est pas un obstacle
− Intégration du risque de crédit et de taux d’intérêt possible
"Sujet fondamental pour les banques de marché (swaps)
"Les probabilités de défaut dépendent des taux d’intérêt

35
 De
Denouvelles
nouvellesfrontières
frontièrespour
pourl’analyse
l’analysedu
durisque
risque
! Risques de taux d’intérêt et risques « business »
− Nécessite une modélisation des comportements
"Rachat, remboursement anticipé
− des politiques de tarification
"chargements, revalorisation des contrats, marges commerciales.
amortissement prévisionnel
10% 1.00
9%
8%
0.75
7%
amortissement effectif
6% taux du marché des crédits
5% 0.50
4%
taux de RA observé
3%
0.25
2%
1%
0% 0.00
0 12 24 36 48 60 72 84 96 108 120 132 144 156 168 180

! Il faut prendre en compte les effets de la concurrence

− Comment intégrer les spécificités de chaque institution ?

36
 De
Denouvelles
nouvellesfrontières
frontièrespour
pourl’analyse
l’analysedu
durisque
risque

! Le risque de liquidité
− erreur de mesure sur le prix simulé
− Coûts de transaction :
"modélisation de la loi des prix sachant les volumes
– Microstructure des marchés
"On peut simuler les écarts entre prix de vente et d’achat
"Les pentes des courbes d’offre et de demande
− Le risque de liquidité peut rentrer dans le formalisme de la VaR
! Le risque opérationnel et le risque de crédit des banques
commerciales vont également entrer dans le champ de la VAR
− Une nouvelle révolution pour les institutions financières

37
 De
Denouvelles
nouvellesfrontières
frontièrespour
pourl’analyse
l’analysedu
durisque
risque

! Et l’assurance ?…
− Nombreux modèles pour les distributions de pertes
" en vie et non vie
− La question principale : l’intégration des risques financiers à
l’actif et des risques au passif
− Dans le modèle de base de la théorie de la ruine
" le replacement des primes encaissées (dans des actifs
risqués) n’est pas pris en compte…
− Approches par simulation : DFA
" flexible, mais purement numérique
− Approches semi-explicites
" transformée de Fourier de la distribution des pertes
! ! Agrégation temporelle, modification de la structure des
portefeuilles (passif et actif), des politiques de tarification
38