Scribd Logo
Importer

Bienvenue sur Scribd !

  • 538 vues

    VaR de Marché Et VaR de Crédit

    Transféré par

    oussama el
    Ce document présente la valeur en risque (VaR) comme une méthode pour mesurer le risque de marché. Il décrit la VaR, ses paramètres et ses principales méthodes de mesure dont la méthode historique, la méthode de variance-covariance, la méthode de Monte Carlo et les modèles GARCH. Il aborde également le backtesting servant à valider les modèles VaR.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PPTX, PDF, TXT ou lisez en ligne sur Scribd

    VaR de Marché Et VaR de Crédit

    Transféré par

    oussama el
    538 vues23 pages
    Ce document présente la valeur en risque (VaR) comme une méthode pour mesurer le risque de marché. Il décrit la VaR, ses paramètres et ses principales méthodes de mesure dont la méthode historique, la méthode de variance-covariance, la méthode de Monte Carlo et les modèles GARCH. Il aborde également le backtesting servant à valider les modèles VaR.

    Description originale:

    qxc

    Titre original

    VaR de marché et VaR de crédit (1)

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PPTX, PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Ce document présente la valeur en risque (VaR) comme une méthode pour mesurer le risque de marché. Il décrit la VaR, ses paramètres et ses principales méthodes de mesure dont la méthode historique, la méthode de variance-covariance, la méthode de Monte Carlo et les modèles GARCH. Il aborde également le backtesting servant à valider les modèles VaR.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PPTX, PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pptx, pdf ou txt
    538 vues23 pages

    VaR de Marché Et VaR de Crédit

    Transféré par

    oussama el
    Ce document présente la valeur en risque (VaR) comme une méthode pour mesurer le risque de marché. Il décrit la VaR, ses paramètres et ses principales méthodes de mesure dont la méthode historique, la méthode de variance-covariance, la méthode de Monte Carlo et les modèles GARCH. Il aborde également le backtesting servant à valider les modèles VaR.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PPTX, PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pptx, pdf ou txt
    sur 23

    MANAGEMENT DES ORGANISATIONS FINANCERES ET

    BANCAIRES

    Exposé sous le thème :


    La Valeur en Risque

    Réalisé par : Encadré par :


    Liker Asmae Mr. Krami
    Derwich Oussama
    Youssef Mouden
    Ed- dahmany Oualid
    Plan
    • Introduction
     Partie I : Concept et généralités sur la Var

    1. 1.Définition et champs d’utilisation

    2. 2. Paramètres de la Var
     Partie II : Les principaux méthodes de mesure de la Var :

    1. Méthode de simulation historique


    2. Méthode de variance-covariance 
    3. Méthode de Monte Carlo
    4. Prévisions de Value-at-Risk et Modèle GARCH
    Partie III : Le Back testing et la Var
    • Conclusion
    Introduction
    La gestion du risque est une procédure qui vise à connaître et à
    maîtriser le risque inhérent à l’activité d’une entreprise. Un
    gestionnaire de risque a comme objectif de connaître et gérer
    un risque futur.

    La méthode valeur en risque ou encore la Value-at-Risk, est la


    plus utilisée parmi les méthodes internes pour la gestion du
    risque de marché, elle permet de résumer le risque encouru en
    un seul chiffre donnant la perte potentielle éventuelle sur un
    horizon de temps fixé.
    PARTIE 1: Concept et généralités sur la Var

    • 1. Définition de la VaR

    • La VaR est la prédiction de la perte maximale de la valeur


    d’un portefeuille, dans des conditions normales de marché,
    pour un seuil de confiance et un horizon de détention donnés.
    • Champs d’utilisation :
    • − L’évaluation des performances : ce concept permet en effet
    d’ajuster les performances au risque et permet de facto une
    rémunération plus objective.
    • − L’adéquation au capital : La VaR donne une base rationnelle
    pour déterminer le capital qu’il faut mettre en réserve pour
    absorber les pertes non anticipées.
    • − Le choix de placement : La VaR peut être utilisée pour
    permettre de choisir entre deux placements, celui qui offrira le
    rendement espéré le plus élevé pour un niveau de risque fixé.
    2. Paramètres de la Var

    La Var dépend de deux paramètres:

    L’horizon temporel L’intervalle de confiance


    l’horizon temporel Intervalle de confiance
     Plus la durée de détention Il se situe généralement
    est longue, plus la perte entre 95 et 99% soit un
    potentielle peut être paramètre compris entre 0
    importante. et 1.
    Toutefois, les autorités de L’intervalle de confiance
    régulations exigent des correspond à la probabilité
    durées de détention que la perte maximum ne
    communes afin que la VAR soit pas supérieure à la
    soit validée pour les value at Risk.
    institutionnels.
    Partie II : Les principaux méthodes de mesure de la Var

    • 1 La VaR historique

    • La VaR historique consiste à récupérer l’historique des prix des actifs


    composant mon portefeuille de façon à calculer l’évolution de sa valeur
    au fil du temps.

    • Ainsi, nous sommes en mesure de déterminer alors les PnL (Profits &


    Losses) quotidiens de mon portefeuille que l’on classe ensuite par ordre
    décroissant.
    Exemple

    • On reconstitue 4 ans d’observation quotidienne (à raison de


    250 observations annuelles), on aura donc obtenu et classé 1
    000 PnL. Si l’intervalle de confiance retenu pour le calcul de
    VaR est de 5%, ma VaR historique correspondra au 50ème
    plus faible PnL (5% * 1000 = 50).
    • 2. La VaR paramétrique

    • La VaR paramétrique repose sur l’hypothèse que les

    rendements des actifs suivent une loi normale.

    • Pour calculer la VaR paramétrique sur un portefeuille, il faut

    tout d’abord construire ce que l’on appelle une matrice de

    variance-covariance.
    • Une fois cette matrice de variance-covariance constituée et
    connaissant la pondération de chaque actif au sein de mon
    portefeuille, on est capable de déterminer le rendement moyen et
    la volatilité . En supposant que chaque actif le composant a un
    profil de rendement normalement distribué, on pourra déterminer
    la VaR en appliquant les coefficients de loi normale. Signalons
    d’ailleurs que les rendements moyens des actifs et leur volatilité
    sont calculés à partir d’un historique de prix.
    Exemple
    • Calcul de laVaR paramétrique sur un portefeuille de 100
    millions d’euros et un intervalle de confiance de 5%
    • Supposons que le rendement moyen de ce portefeuille soit
    de 8% annuel et que son écart-type annuel (indicateur de
    volatilité) soit de 14%. Quelle est la VaR annuelle pour un
    intervalle de confiance de 5% ?
    • selon la loi normale, le nombre d’écart-type associé à un
    intervalle de confiance de 5% est de 1.65.
    Correction
    • En appliquant la formule suivante, nous pouvons aisément
    calculer la VaR du portefeuille

    • [Rp−(z)(σ)]Vp

    • = [8 % -1.65(14%)] *100 000 000


    • = -15.1% * 100 000 000
    • = -15 100 000 €
    • Où :
    • Rp correspond au rendement espéré du portefeuille,
    • Vp la valeur du portefeuille
    • z est le nombre de déviations en termes d’écart-type depuis la
    valeur moyenne (dépend de l’intervalle de confiance choisi)
    • σ est l’écart type du portefeuille
    • On peut donc conclure qu’il y a 5% de chance pour que la
    perte annuelle du portefeuille dépasse 15.1 millions d’euros.
    3- méthode de Monte Carlo:

    La méthode de Monte Carlo consiste à simuler un grand nombre de fois les


    comportements futurs possibles des facteurs de risque selon un certain nombre
    d’hypothèses, et d’en déduire une distribution des pertes et profits à partir de
    laquelle on estime finalement un fractile.

    Cette méthode permet de tester de nombreux scénarios et utilisable pour les


    produits dérivés et convient à tous les types d’instruments au contraire des
    autres méthodes
    Exemple
     Soit un investisseur souhaitant acheter des actions pour les revendre dans 3
    ans. Il va alors établir une liste des facteurs pouvant influencer le cours de
    l'action. Par la méthode de Monte Carlo, il va alors simuler une multitude de
    scénario (1000 par exemple) et déterminer le résultat espéré à l'issue des 3 ans
    pour chaque simulation.

     Pour obtenir une VAR à 99%, le fonctionnement est le même que pour la
    méthode historique. Il va trier les résultats par ordre croissant et prendre la
    10ème valeur (les pires scénarios). Il aura alors 99% de chance que ces pertes
    n’excèdent pas ce montant durant les 3 ans de détention du titre
    4- Prévisions de Value-at-Risk et Modèle GARCH

    • La prévision de la Value-at-Risk à partir d'un modèle GARCH est effectué


    selon une démarche indirecte: dans un premier temps, on fait une hypothèse
    sur la distribution conditionnelle des rendements de l'actif, puis l'on estime les
    paramètres du modèle GARCH sur les observations de la période 1 à T,
    • généralement par une procédure de type maximum de vraisemblance. Dans une
    seconde étape, on déduit du modèle GARCH estimé une prévision de la
    variance conditionnelle, qui couplée à l'hypothèse retenue sur la distribution
    des rendements, permet de construire une prévision sur le fractile de la
    distribution de pertes et profits valable pour T+1.
    Méthodologie :
    Une prévision de Value-at-Risk pour un niveau de confiance de 1 −α % pour la
    date t+1 correspond à simplement au fractile de niveau α% de la distribution
    conditionnelle de pertes et profits Formellement on définit la prévision
    sous la forme suivante :

    désigne la fonction de répartition associée à la fonction de distribution


    des rendements à la date t+1, notés Rt+1 , conditionnelle à l’ensemble
    d’information Ωt disponible à la date t.
    Partie III : Le Back testing et la Var

    1- Définition

    Selon Jorion Le back testing est un ensemble de procédures statistiques dont le


    but est de vérifier que les pertes réelles observées ex-post sont en adéquation
    avec pertes prévues. Cela implique de comparer systématiquement l'historique
    des prévisions de Value-at-Risk aux rendements observés du portefeuille
    Pourquoi mettre en œuvre le Back testing ?
     Aspects règlementaires

    • Les institutions financières sont règlementairement contraintes de mettre en


    œuvre une validation de leurs modèles internes de Var
    • Les règlementations prudentielles définies dans le cadre des accords de Bale
    laissent la liberté aux institutions financières de développer leur propre
    modèle interne dévaluation des risques et de calcul de la Value at Risk
    (VaR).
    • En contrepartie, les règlementations prudentielles imposent une Evaluation
    de ces modèles de VaR par des procédures de Backtesting
    • Intérêt pour les Risk Managers

    • Les utilisateurs de la VaR et plus généralement les Risk


    Managers ont besoin dévaluer les prévisions de VaR en dehors
    des normes règlementaires imposées par Bale II Mise en place
    de procédures de backtesting internes
    • l'institution financière dans le cadre générale du contrôle
    interne des risques
    La procédure du back testing

    • Donc Il est important de vérifier les modèles de calcul de VaR. En premier


    lieu, il faut vérifier le nombre de fois ou la perte a dépassé la VaR sur
    l’horizon temps choisi. Si nous avons choisi un intervalle de confiance de
    95% et que la perte dépasse 5% de nos estimations de la VaR, alors nous
    avons sous-estimé nos calculs. Au contraire, si les pertes ne sont que de
    3%, alors nous les avons surestimé et le modèle doit être adapté afin
    d’éviter une couverture inutile.
    • Cette procédure permet d’éliminer des risques liés aux choix du modèle ou

    des paramètres.
    CONCLUSION
    La VaR est une mesure très puissante du risque, très utile dans plusieurs
    circonstances. Les entreprises qui désirent l'appliquer se doivent de porter une
    grande attention à la période de temps pour laquelle elle sera mesurée.

    De plus, la valeur à risque devrait être présentée avec le rendement espéré car
    la relation «risque -rendement» est cruciale, un objectif raisonnable pour les
    gestionnaires de risques est de mettre en œuvre une mesure du risque
    conforme aux meilleures pratiques de l'entreprise, donc Il est important de
    retenir qu'il ne suffit pas simplement de faire le calcul de la VaR pour bien
    gérer le risque, mais il faut aussi que l'organisation ait mis en place une
    structure adéquate de gestion des risques afin d'éviter les risques de situations
    défavorables .

    Vous aimerez peut-être aussi