va r risk metrics
TRANSCRIPT
La Value-at-Risk La Valeur à RisqueI. GENERALITES
I.1. Introduction: Le besoin d’une mesure de risquestandardisée (VaR)
Jusqu’à la fin des années 80, les méthodes utilisées pour
détecter et gérer les risques de marché n’étaient adaptées qu’à
des produits spécifiques. Il était alors impossible de comparer
les mesures de risques entre les différentes « tables » d’une
même salle de trading. L’accroissement de la volatilité des
marchés financiers, le développement spectaculaire des produits
dérivés et, surtout, une série de désastres (les plus connus
étant ceux de la banque Baring, de Metallgesellschaft, de la
banque Daiwa et du Comité d’Orange aux Etats-Unis) ont poussé
les instituts financiers à rechercher un indicateur global et
synthétique des risques financiers, à partir d’outils adéquats
de contrôle interne qui devront assurer la qualité du processus
de mesure, de suivi, et de gestion du risque.
En juillet 1993, le Groupe des 30 (constitué de
représentants de l’industrie financière et des autorités de
surveillance) recommandait de quantifier les risques par une
mesure uniforme appelée Value-at-Risk (VaR). Cette
recommandation a été très largement suivie puisque la VaR est
devenue, en quelques années, un standard pour l’évaluation des
risques financiers. Plusieurs évènements ont favorisé son
adoption par la communauté financière :
Dossier sur la Méthode VaR Année académique 2003-2004
1
La Value-at-Risk La Valeur à Risque
Octobre 1994 : la banque d’affaires américaine JP Morgan1
dévoile sa méthodologie RiskMetrics et la met gratuitement à
disposition sur Internet.
Janvier 1996 : le Comité de Bâle adopte l’amendement
« Risques de marché » aux Accords de Bâle de 1988. Cet
amendement permet aux banques de choisir entre la méthode
standardisée et leur propre modèle pour calculer la
consommation en fonds propres de leurs activités de
négociation. Contrairement aux méthodes de la VaR, la méthode
standardisée ne tient pas compte des effets de diversification
et implique en pratique une plus grande consommation de fonds
propres.
La Capital Adequacy Directive (CAD) a fait de la VaR l’outil
privilégié de calcul de la quantité nécessaire de fonds propres
pour les activités de marché de la banque.
L’objectif de notre étude est d’introduire la notion de VaR, de
montrer comment elle se calcule et de discuter ses
applications.
I.2. Cadre juridique, réglementation comptable et prudentiellede la VaR
L’objectif de cette section est de présenter l’intérêt des
méthodes d’évaluation des risques au niveau juridique.
Les opérations de marché des établissements de crédit et des
entreprises d’investissement ont en effet connu un important
développement au cours des vingt dernières années, en liaison
1 “At the close of business each day, tell me what the market risks are across all business and location.” Dennis Weatherstone, Chairman, JP Morgan
Dossier sur la Méthode VaR Année académique 2003-2004
2
La Value-at-Risk La Valeur à Risquenotamment avec la déréglementation et la libéralisation des
marchés de capitaux et la législation bancaire à tenter de
suivre. Des travaux menés dans un cadre international, au
Comité de Bâle, au niveau communautaire et national, ont permis
d’élaborer des normes en vue de mieux appréhender les risques
de marché. Le but est d’obtenir des normes comptables
prudentielles permettant de contrôler le risque bancaire.
Organismes définissant les règles du contrôle bancaire
Le dispositif consiste à prévoir une mesure des risques
résultant des opérations de marché, ainsi qu’une couverture de
ceux-ci par des exigences de fonds propres. L’intérêt de la VaR
Dossier sur la Méthode VaR Année académique 2003-2004
3
Comité de Réglementation Bancaire (CRB)
Niveau national
Comité de BâleNiveau International
Etablissements de crédit et entreprises
d’investissement
Conseil de L’Union
Européenne (CAD)Niveau Communautaire
La Value-at-Risk La Valeur à Risqueest qu’elle apporte de nouvelles exigences par rapport aux
anciennes méthodes du ratio de solvabilité.
Le CRB par la réglementation du 21 juillet 1995 définit quatre
risques de marché :
1. Le risque de taux d’intérêt : Obligations, titres de
créances négociables et instruments assimilés
2. Le risque de variation du prix des titres de propriété :
Actions et instruments assimilés
3. Le risque de réglementation contrepartie : Titres de
créances ou de propriété, pensions prêts et emprunts de
titres, dérivés de gré à gré.
4. Le risque de change :
Pour les trois premiers types de risques, seuls les éléments du
bilan et du hors bilan inclus dans le portefeuille de
négociation (titres de transactions et de placements, produits
dérivés) sont soumis aux exigences de fonds propres. Pour le
risque de change, il a pour assiette l’ensemble des éléments du
bilan et du hors bilan.
Les établissements doivent déterminer, au sein de leur
portefeuille de négociation, les positions nettes sur chacun
des titres ou instruments, c’est-à-dire le solde acheteur ou
vendeur.
Pour les positions sur dérivés, les banques devaient jusqu’en
janvier 1996, les convertir en positions équivalentes sur le
titre sous-jacent ou en positions de change équivalentes.
Maintenant, le Comité de Bâle accepte la gestion à partir des
coefficients delta gamma et vega.
Dossier sur la Méthode VaR Année académique 2003-2004
4
La Value-at-Risk La Valeur à RisquePour évaluer les risques, les autorités de contrôle acceptent
deux types de modèle :
I.2.1. L’approche standard :
Le modèle est construit par les autorités de contrôle.
Dans ce cas, différentes méthodes sont proposées pour
déterminer la position nette relative à chaque type de risque.
Par ailleurs, les établissements peuvent être autorisés à
recourir à des algorithmes prédéfinis, pour déterminer
directement le risque afférent à leurs positions sur les
dérivés.
Pour chaque classe de risque précédemment définie, l’approche
standard sépare le risque général du risque spécifique, propre
à chaque titre.
Il est évident que cette méthode est difficile à mettre en
œuvre pour les banques. Elle n’accepte pas le principe de
diversification et nécessite une gestion ligne par ligne.
Aussi, les grandes banques ont fait le forcing auprès des
autorités de contrôle pour obtenir le droit de développer des
modèles propres.
I.2.2. L’approche interne
Ainsi, le 9 avril 1995 le Comité de Bâle a accepté que les
banques développent elles-mêmes des modèles d’évaluation des
risques. Les modèles évaluant le risque potentiel de pertes
maximales : VaR , se sont développés. Ces modèles doivent
toujours être soumis au contrôle des autorités mais surtout, le
Dossier sur la Méthode VaR Année académique 2003-2004
5
La Value-at-Risk La Valeur à Risquebesoin en fonds propres résultant du modèle est multiplié par
un facteur compris entre 3 et 4.
Les modèles doivent répondre à deux types de conditions :
Conditions qualitatives : Il s’agit principalement de
conditions destinées à s’assurer de l’existence d’un contrôle
satisfaisant des risques au sein de l’établissement. Une unité
spéciale de contrôle doit produire des rapports quotidiens
d’évaluation du respect des limites de risques. Elle doit
également être chargée de vérifier les résultats et la
fiabilité du modèle et faire rapport à la direction générale,
qui doit elle-même être impliquée dans le processus de
contrôle. Des scénarios de crises doivent impérativement être
analysés.
Conditions quantitatives : Si aucun modèle n’est prescrit, la
prise en compte des risques doit être satisfaisante et reposer
sur des hypothèses statistiques imposées. Les modèles doivent
en outre, prévoir l’agrégation par simple somme des risques
potentiels de pertes maximales pour chaque catégorie de
risques. Par ailleurs, une exigence en fonds propres
supplémentaire est requise dans le cas où le modèle interne ne
prend pas en compte de manière adéquate le risque spécifique
associé aux instruments dérivés de taux et d’actions.
La Commission Bancaire peut autoriser un établissement à
utiliser son modèle interne pour déterminer les exigences
relatives à l’un des trois types de risques seulement, et à
avoir recours à la méthode standard pour les autres.
I.2.3. Le calcul des fonds propres :
Dossier sur la Méthode VaR Année académique 2003-2004
6
La Value-at-Risk La Valeur à Risque
Les fonds propres éligibles :
1. Bénéfices hors activité de négociation.
2. Actions, réserves et autres.
3. Fonds propres sur-complémentaires : Ce sont les profits
effectivement enregistrés sur le portefeuille de négociation et
non les plus-values latentes. On trouve aussi les emprunts
subordonnés à plus de deux ans. Ils ne doivent pas dépasser 250
% des fonds propres classiques.
Par la réglementation 95-02, le CRB en accord avec la CAD de
l’Union Européenne, a défini la charge de fonds propres
nécessaires :
Le facteur m est compris entre 3 et 4.Il est évident que la complexité grandissante des instruments
financiers, ainsi que la taille des groupes bancaires, rend
toute généralisation de ces calculs très difficile. Pour Madame
Danièle Novy, Secrétaire générale adjoint du Comité de Bâle,
une bonne information financière (disclosure) de chaque groupe
sur les opérations et sur les modèles peut remplacer à terme
une réglementation trop généraliste.
I.3. Le concept de VaR
Conceptuellement, la VaR est une notion très simple :
l’idée est de résumer en un seul nombre l’ensemble des pertes
potentielles que peut subir le portefeuille d’activités
Dossier sur la Méthode VaR Année académique 2003-2004
7
La Value-at-Risk La Valeur à Risquefinancières de la banque en agrégeant toutes ses positions,
c’est à dire en une mesure cohérente de risque. La VaR essaie
donc de quantifier dans un intervalle de confiance pré-
spécifié, la perte potentielle maximum que peut subir une
position isolée donnée, ou un portefeuille ou la banque dans
son ensemble, sur une courte période de temps (allant de 1 à 10
jours ouvrés) dans des conditions de marché normales. Cette
mesure basée sur des conditions de marché normales n’a que très
peu de portée dans des périodes de mouvements extrêmes du
marché, il faudra donc recourir à des tests de stress et à des
analyses de scénarios afin de compléter cette mesure. Cette
mesure appliquée à différents portefeuilles de la banque
devrait permettre d’identifier les activités les plus
consommatrices de fonds propres pour le risque de marché, et
ainsi d’allouer ces fonds propres aux activités les plus
rentables. Car plus la perte potentielle est importante pour un
niveau de rentabilité donné moins l’activité semble rentable.
Il faut noter que la CAD laisse le choix aux organismes
financiers de la méthode standard ou alternative pour le calcul
de la charge en fonds propres liée aux activités de marchés (ce
montant est souvent rapporté aux fonds propres total). La
méthode standard consiste à considérer séparément les
différentes catégories d’actifs et de leur attribuer
indépendamment un pourcentage de fonds propres nécessaire pour
le risque de marché. La méthode alternative est basée sur le
modèle interne de VaR de la banque. Cette méthode doit prendre
en compte les effets de diversification entre les différentes
catégories d’actifs.
Dossier sur la Méthode VaR Année académique 2003-2004
8
La Value-at-Risk La Valeur à Risque
Pour introduire l’idée de base, prenons un exemple. Vous
avez investi une partie de vos économies dans un portefeuille
d’actions suisses. Votre conseiller vient de vous informer que
la valeur de votre portefeuille a encore baissé le mois dernier
et que celui-ci vaut maintenant 50'000 francs suisses. Après
avoir écouté ses explications sur les raisons de cette mauvaise
performance, vous désirerez sûrement avoir une idée de la perte
maximale que le portefeuille pourrait enregistrer d’ici la fin
du mois. La réponse la plus correcte serait que vous pourriez
perdre toutes vos économies. Or cette réponse n’est pas
satisfaisante parce qu’elle ne vous apporte rien de nouveau et,
surtout, parce que le scénario de perte totale a trop peu de
chances de se produire. Il serait plus réaliste et plus
professionnel de dire : «Qu’en l’absence d’événements
exceptionnels, il y a 95% de chances que le portefeuille
reparte à la hausse ou qu’il perde 4'000 francs ou moins d’ici
la fin du mois. » C’est le genre de réponse que la méthode VaR
permet de donner.
Par définition, la VaR d’un portefeuille d’actifs
financiers correspond au montant de pertes maximum sur un
horizon de temps donné, si l’on exclut un ensemble d’événements
défavorables (worst case scenarios) ayant une faible
probabilité de se produire.
A l’aide du concept VaR, on peut ainsi exprimer en un seul
chiffre le montant à risque d’un portefeuille, même si celui-ci
est composé de plusieurs classes d’actifs (actions,
obligations, options, devises, etc.). On pourra alors dire si
le portefeuille est trop risqué ou non, en fonction du chiffre
Dossier sur la Méthode VaR Année académique 2003-2004
9
La Value-at-Risk La Valeur à Risqueobtenu, de la valeur du portefeuille et de l’aversion au risque
de l’investisseur.
Reprenons l’exemple précédent. La VaR à 95% et sur un
horizon de temps d’un mois de votre portefeuille est égale à
4'000 francs. Cela signifie que si le portefeuille ne change
pas jusqu’à la fin du mois et que les conditions du marché
restent normales, il y a 95% de chances pour que la perte sur
tout le mois soit inférieure à 4'000 francs. Les événements
défavorables (worst case scenarios) ont une probabilité de 5%.
Le portefeuille perdrait alors plus de 4'000 francs si l’un de
ces derniers devait se produire. Il faut noter que la perte
totale fait partie des événements défavorables. Bien entendu,
ce calcul ne signifie pas que votre portefeuille ne réalisera
pas de performance positive sur le mois.
Les modèles de VaR développés par les banques essaient de
mesurer la perte d’un portefeuille (ou de la banque dans son
ensemble) pour une période de détention spécifique qui ne sera
dépassée seulement qu’un certain pourcentage de fois (le plus
généralement 1% ou 5%). Elle est aussi définie comme la perte
potentielle maximale pour une probabilité fixée sur une période
de détention donnée.
La VaR d’une position de marché est donc un nombre censé
mesurer et résumer le risque encouru sur cette position. Les
risques considérés sont généralement ceux liés aux fluctuations
des taux d’intérêt, du cours de change des monnaies, du prix
des actions et du cours des matières premières.
Si l’on dispose de la distribution de la variation ( P ) de
valeur du portefeuille, mathématiquement la VaR est égale à
Dossier sur la Méthode VaR Année académique 2003-2004
10
La Value-at-Risk La Valeur à Risquel’inverse de la fonction de répartition de la loi de P
évaluée en p (p=5% ou 1%).
Si l’on note X la variable aléatoire représentant la variation
de valeur du portefeuille (variation pour un intervalle de
temps t j jours si la période de détention est de j jours),
alors on cherche le nombre VaR tel que :
. En inversant cette équation et
en supposant une loi normale N(o;) pour , on obtient
, ou est la fonction de répartition de la
loi normale centrée réduite.
Loi normale centrée réduite: illustration
Dossier sur la Méthode VaR Année académique 2003-2004
11
La Value-at-Risk La Valeur à Risque
Ci-dessous, a été donnée une illustration graphique de la
densité de probabilité d’une loi normale N(0 ;15) pour 30000
observations ,pour p=0.01 VaR=-2.33*15%*P.
0
1000
2000
3000
4000
5000
-60 -40 -20 0 20 40 60
Series: RSample 1 30000Observations 30000
Mean 0.029012Median -0.011326Maximum 64.55084Minimum -57.42176Std. Dev. 14.99157Skewness 0.005798Kurtosis 3.001255
Jarque-Bera 0.170071Probability 0.918480
I.4. La démarche générale pour le calcul de la VaR
L’approche moderne de la VaR a pour objectif d’évaluer le
risque global de la banque en prenant en compte toutes les
interactions possibles entre les différents actifs et passifs.
Il existe différentes méthodes de mesure de la VaR, mais elles
ont en commun ces différents points :
La VaR tend à être un outil général de gestion qui
quantifie le risque en global, voyant la firme comme un
portefeuille géant d’actifs et de passifs avec des valeurs
de marché fluctuantes.
L’utilisation d’informations statistiques : c’est-à-
dire toutes les informations statistiques pertinentes à
Dossier sur la Méthode VaR Année académique 2003-2004
12
VaR p=1%
La Value-at-Risk La Valeur à Risquepropos des composantes du portefeuille, comme les
volatilités historiques et les corrélations entre les
différentes sources de risques qui sont utilisées dans la
quantification du risque du portefeuille.
La reconnaissance de l’interaction : il faut prendre en
compte dans le portefeuille total les effets de
diversification et de couverture. Par exemple une position
couverte est assez peu risquée tandis qu’une position sur un
dérivé seul peut se révéler très risquée. Pour cette raison
le risque d’un portefeuille n’est généralement pas la simple
somme des risques de ces différentes composantes, et la
contribution marginale d’une position au risque total d’un
portefeuille dépend de la composition du portefeuille.
Le concept de VaR semble plutôt simple, mais sa mise en œuvre
pratique ne l’est pas.
Il existe différentes mesures qui se différencient par leurs
hypothèses et les outils statistiques utilisés. Cependant, les
principes de bases restent les mêmes entre les différentes
mesures.
Pour commencer, les données concernant l’ensemble des positions
de l’institution financière doivent être réunies dans une base
de données centralisée. Cette tâche n’est pas toujours
évidente.
Toutes les positions doivent être valorisées à leur valeur
de marché.
Une fois les données centralisées, le risque global doit
être calculé par agrégation des risques des instruments
individuels entrant dans la composition du portefeuille, de
Dossier sur la Méthode VaR Année académique 2003-2004
13
La Value-at-Risk La Valeur à Risquesorte que les effets de diversification soient correctement
pris en compte.
C’est à dire qu’il faut déterminer les facteurs de risque
individuels communs aux différentes positions comme les
principaux indices boursiers, les principaux cours de change et
de matières premières et les taux zéro coupons pour différentes
maturités, qui sont censés influencer les différentes
composantes du portefeuille.
Il faut choisir la période de détention, le plus
généralement un, cinq ou dix jours ouvrés.
Il faut déterminer les variations des facteurs de risques
individuels pour la période de détention, basées sur la
distribution des changements de prix constatés sur un
échantillon d’observations historiques prédéterminé.
Puis il faut estimer les effets des variations des
facteurs de risques individuels sur la valeur des composantes
du portefeuille.
La VaR peut ensuite être calculée, une fois que la relation
précise entre la variation de la valeur du portefeuille et les
variations de chaque source de risque individuel a été
déterminée.
Cette dernière étape est sans doute la plus difficile pour le
calcul de la VaR, et nécessite certaines approximations qui
peuvent se révéler dangereuses.
Il ressort une hypothèse sous-jacente dans l’étape de la
détermination des facteurs de risques, et de l’effet de la
variation de ces facteurs sur la valeur du portefeuille. C’est
à dire que la distribution des futures variations des facteurs
Dossier sur la Méthode VaR Année académique 2003-2004
14
La Value-at-Risk La Valeur à Risquede risques est identique à celle des variations passées
(stabilité de la loi), et que la relation entre la variation de
la valeur du portefeuille et les variations des facteurs est
stable.
Les différentes procédures pour ces deux dernières étapes
classifient les méthodes de détermination de la VaR en
différentes catégories.
I.5. Modélisation des risques de marché
A ce stade, nous pouvons nous demander s’il est vraiment
nécessaire de faire intervenir des probabilités dans
l’évaluation des risques financiers. Pour répondre à cette
question, il faut observer que la principale cause de ces
risques est l’incertitude liée à l’évolution des prix. A
l’heure actuelle, la théorie des probabilités est le meilleur
outil dont on dispose pour modéliser cette incertitude. Le
processus de modélisation se déroule en deux étapes :
description de l’ensemble de tous les événements futurs
possible, puis assignation d’une pondération à chacun d’entre
eux pour représenter sa probabilité de réalisation. Le modèle
ainsi obtenu est synthétisé par son diagramme de fréquence,
appelé loi de probabilité ou distribution du modèle. La
distribution la plus connue est la distribution normale (ou de
Gauss cf. supra représentation graphique): c’est la fameuse
courbe en forme de cloche utilisée dans de nombreux domaines
scientifiques.
Pour déterminer le risque d’un portefeuille, il faut
d’abord identifier les différentes variables de marché,
Dossier sur la Méthode VaR Année académique 2003-2004
15
La Value-at-Risk La Valeur à Risqueappelées facteurs de risque, susceptibles d’influer sur
l’évolution future du portefeuille (prix d’actions, taux de
change, taux d’intérêt, etc.). Chaque facteur de risque est
ensuite modélisé par une distribution (de probabilité). La
distribution des pertes et profits du portefeuille résultera
d’une combinaison adéquate des choix effectués pour les
facteurs de risque.
Une question fondamentale demeure : comment choisir un
modèle de distribution pour une variable de marché ?
Idéalement, il faudrait un modèle qui soit simple et qui
« colle » très bien aux observations empiriques. Dans notre
contexte, le modèle le plus simple est la distribution normale,
une loi très connue et qui est déterminée par deux paramètres :
la moyenne et la volatilité. C’est d’ailleurs la loi qui peut
servir de base au CAPM et qui est le point de départ du modèle
de Black-Scholes. Malheureusement, de nombreuses études
empiriques ont montré que ce modèle probabiliste « colle » mal
aux observations empiriques. Les krachs boursiers sont les
manifestations les plus spectaculaires de cette inadéquation.
Par exemple, les deux plus importantes baisses de l’indice Dow
Jones sur une séance se sont produites le 19 octobre 1987 (-
22.61%) et le 28 octobre 1929 (-12.82%), soit à un intervalle
de 58 ans. Pour une seconde illustration, la Banque Cantonale
Vaudoise a considéré les rendements quotidiens du SMI entre le
16 juin 1999 et le 15 mai 2001. Les principaux indicateurs de
ces rendements sont consignés dans le tableau I ci-dessous. Il
faut noter que le rendement quotidien moyen est très faible par
rapport à la volatilité.
Dossier sur la Méthode VaR Année académique 2003-2004
16
La Value-at-Risk La Valeur à Risque
Tableau I : statistiques des rendements quotidiens du SMI entre le 16 juin1999 et le 15 mai 2001.
Nombres d'observations 500
Rendement moyen 0.0134%
Volatilité (écart-type) 0.9984%Rendement minimal (obtenu le 22.03.2001) -5.78%Rendement maximal (obtenu le 16.03.2000) 3.93%
Source : Banque Cantonale Vaudoise, Datastream
Le graphique I présente l’histogramme des rendements quotidiens
du SMI entre les deux dates mentionnées, c’est-à-dire la
distribution empirique des rendements. la distribution normale
la plus proche des observations historiques a été superposée.
Graphique I : histogramme des rendements quotidiens du SMI entre le
16 juin 1999 et le 15 mai 2001 avec sa meilleure approximationnormale.
Dossier sur la Méthode VaR Année académique 2003-2004
17
La Value-at-Risk La Valeur à Risque
Source : Banque Cantonale Vaudoise, Datastream
Contrairement à la distribution normale, l’empirique possède
une asymétrie entre les gains et les pertes et elle est plus
« effilée » autour de la moyenne. On observe aussi beaucoup
plus de rendements extrêmes que la distribution normale ne le
prévoit. Autrement dit, le choix d’une distribution normale
pour modéliser les rendements quotidiens du SMI conduirait à
une sous-estimation des risques de pertes (ou de gains)
extrêmes. Un test d’adéquation statistique (appelé test de
Jarque-Bera) a été effectué sur les données et le résultat
confirme que l’hypothèse de normalité ne « colle » pas avec les
observations.
Pour améliorer l’adéquation avec les données empiriques, on
peut considérer des distributions plus compliquées ou alors
intégrer le fait (observé empiriquement) que la volatilité des
rendements varie dans le temps. Les modèles actuellement
disponibles combinent ces deux solutions. Ces modèles plus
compliqués ne sont pas forcément plus efficaces, car ils posent
de délicats problèmes d’identification et d’estimation. Il faut
donc chercher un compromis entre l’efficacité et l’adéquation
avec les données empiriques.
I.6. Les trois paramètres d’une VaR
La VaR d’un portefeuille dépend de trois paramètres :
Distribution des pertes et profits du portefeuille en fin
de période.
Niveau de confiance qui est égale à 1 moins la probabilité
des événements défavorables. Par exemple, un niveau de
Dossier sur la Méthode VaR Année académique 2003-2004
18
La Value-at-Risk La Valeur à Risqueconfiance de 95% si l’on désire ignorer les 5% relatifs aux
événements les plus défavorables.
Période de temps sur laquelle sur laquelle on désire
mesurer la VaR.
Graphique II : représentation graphique de la VaR.
Le paramètre le plus important est la distribution des pertes
et profits du portefeuille. C’est aussi le paramètre le plus
difficile à déterminer. Comme le niveau de confiance dépend de
l’aversion au risque du propriétaire du portefeuille, plus ce
niveau est important et plus la VaR sera élevée. Autrement dit,
si le propriétaire craint les risques, il s’arrangera pour que
la probabilité des événements défavorables soit très petite. En
ce qui concerne l’horizon de temps, il dépend surtout de la
fréquence de recomposition du portefeuille et de la liquidité
des actifs financiers qui y sont contenus. Pour les mesures de
VaR des portefeuilles de négociation des instituts financiers,
la réglementation impose un niveau de confiance de 99% et une
période de dix jours ouvrables, soit deux semaines.
Dossier sur la Méthode VaR Année académique 2003-2004
19
La Value-at-Risk La Valeur à Risque
I.7. Remarques
Contrairement à ce que l’on a pu lire ça et là, la notion
de VaR n’a été ni inventée par les financiers, ni par la banque
américaine JP Morgan. Les actuaires utilisent cette notion
depuis plus d’un siècle pour calculer les probabilités de ruine
et de réserves de solvabilité. Dans ce domaine , le niveau de
confiance est toutefois plus élevé (99.9%) et l’horizon de
temps plus vaste (au moins une année).
La méthodologie de la VaR a été étendue à la
quantification des risques de crédit et aussi à la mesure des
risques de marché d’entreprises non financières. Dans ces deux
cas, il est souvent nécessaire de prendre des horizons de temps
plus longs, par exemple un an.
I.8. Exemples de mesures de la VaR
Rappelons que la « Value at Risk » est la perte
potentielle maximale, à l’intérieur d’un intervalle de
confiance donnée, supportée par un établissement sur son
portefeuille de positions, dans l’hypothèse d’un scénario
défavorable de marché sur un horizon déterminé.
Exemple1 : Calcul de la VaR
Soit le portefeuille suivant :
Long 100 USD/FRF spot (Position X1)Long 500 FRF zéro coupon 10 ans (Position X2)Acheteur équivalent 100 FRF CAC 40 (Position X3)Quelle est la Value at Risk de ce portefeuille ? 1.Estimation des paramètres (volatilités et corrélations)
Dossier sur la Méthode VaR Année académique 2003-2004
20
La Value-at-Risk La Valeur à RisqueHypothèses : volatilité USD/FRF :
9% 9 %
volatilité
taux FRF 10 ans : 14 %
volatilité
CAC 40 : 26% 26 %
corrélation
USD/FRF et taux FRF 10 ans : +0,071 + 0,071
corrélation
USD/FRF et CAC 40 : + 0,39
corrélation taux FRF 10 ans et CAC 40 : + 0,11
Données de marché :USD/FRF : 5,50
taux zéro coupon continu 10 ans : 5 %
CAC 40 : 4000
2.Calcul de la variance du portefeuille
Volatilité de la position de change : 100 USD x 5,50 x 9 % x
= 9,86 FRF
Volatilité de la position de taux : 500e -(10x5%) x 10 x 14 % x 5 %
x = 4,23 FRF
Volatilité de la position de CAC 40 : 100 FRF x 26 %
= 5,18 FRF
Variance du portefeuille :
[9,86]2 + [4,23]2 + [5,18]2
- 2 x 0,071 x 9,86 x 4,23 + 2 x 0,39 x 9,86 x 5,18
- 2 x 0,11 x 4,23 x 5,18
= 171,04 MF²
d'où volatilité de portefeuille = = 13,08 MF
d' où VaR. (2,33 ) = 2,33 x 13,08 = 30,47 MF
Dossier sur la Méthode VaR Année académique 2003-2004
21
La Value-at-Risk La Valeur à RisqueExemple2:
Depuis quelques années, les grands groupes financiers publient
des informations sur la VaR de leur portefeuille de
négociation. Deux raisons peuvent expliquer une telle
démarche : volonté délibérée de transparence (pression
concurrentielle ?) et exigence de la SEC (le gendarme de la
bourse américaine) en matière de communication financière. Le
tableau II présente des chiffres extraits des rapports annuels
2000 du Credit Suisse Group, de l’UBS et de la Deutsche Bank.
Les chiffres pour la Deutsche Bank ont été convertis en francs
suisses au taux de change EUR/CHF en vigueur fin 1999 et fin
2000.Tableau II : exemples de mesures de la VaR de portefeuilles denégociation. Le niveau de confiance est de 99% et l’horizon de tempsde 10 jours.
Source : Rapports annuels 2000 des trois banques
Ce tableau montre que les trois banques ont réduit leur
exposition au risque de marché entre fin 1999 et fin 2000. Les
corrections survenues sur les marchés des actions en 2000 ne
doivent pas être étrangères à ces réductions. On aurait aussi
envie de déduire de ce tableau que l’UBS a pris plus de risques
que les deux autres banques. Une telle déduction n’est
Dossier sur la Méthode VaR Année académique 2003-2004
22
La Value-at-Risk La Valeur à Risquemalheureusement pas correcte. En effet, on verra que les
banques utilisent des méthodes différentes pour calculer leur
VaR et que les résultats de ces dernières ne sont pas
directement comparables.
II. TECHNIQUES CLASSIQUES D’ESTIMATION DE LA VAR
La méthode de calcul est déterminée par la distribution
choisie pour modéliser les pertes et profits du portefeuille.
Le calcul de la VaR peut s’effectuer aussi bien pour une
position isolée ou un facteur de risque seul que pour un
portefeuille, voire pour la totalité des actifs d’une
entreprise. Nous allons donc présenter les méthodes
d’estimation de la VaR les plus utilisées.
II.1. La méthode de la matrice des variances-covariancesestimée
On émet l’hypothèse que les rendements du portefeuille et
des facteurs de risque ont des distributions normales. Même si
cette hypothèse n’est pas empiriquement justifiée, elle permet
de simplifier énormément les calculs. Voici ses principales
étapes :
1. Calculer la valeur actuelle V0 du portefeuille.
2. Estimer la moyenne m et la volatilité2 des rendements
futurs du portefeuille (à partir de données historiques).
3. La VaR du portefeuille est donnée par la formule
suivante :
2 La volatilité décrit la dispersion de la variable « return d’un actif » autour de sa valeur moyenne.
Dossier sur la Méthode VaR Année académique 2003-2004
23
La Value-at-Risk La Valeur à RisqueVaR=V0(-m + zq.), où: zq est égal à 1.65 si le niveau de
confiance est de 95% et égal à 2.33 si ce dernier est de 99%.
La méthode de la matrice des variances-covariances estimée
suppose que les variations de prix :
sont stationnaires dans le temps ;
sont conditionnellement distribuées suivant une loi
normale ;
s’expriment linéairement à partir des facteurs de
risque.
Pour les produits non linéaires (options), une linéarisation
prenant en compte les indications delta, gamma et thêta est
appliquée.
II.2. La méthode RiskMetrics
La méthode RiskMetrics est une méthode paramétrique,
c’est à dire qu’elle a pour hypothèse que les taux de
rentabilité des facteurs de risque appartiennent à une certaine
classe de loi qui peut être déterminée par ses paramètres. Elle
postule donc la forme de la distribution des taux de
rentabilité.
Si l’on postule des loi normales pour les taux de rentabilité
des facteurs de risque, il est possible de connaître la
variation la plus défavorable qui n’aura que x% de chance
d’être dépassée. Par exemple pour x=1, la rentabilité ne
tombera en dessous de qu’une fois sur cent. Alors pour
une position donnée i, connaissant sa valeur de marché(Vi) et
sa sensibilité à son facteur de risque(Si), il est possible de
Dossier sur la Méthode VaR Année académique 2003-2004
24
La Value-at-Risk La Valeur à Risquedéterminer la valeur la plus défavorable qui n’aura que 1% de
chance d’être dépassée en effectuant le calcul : Di=Vi*Si*2.33.
Les sensibilités sont déterminées par des méthodes
d’évaluation locale faisant généralement intervenir le premier
ordre du développement de Taylor (delta, ou au mieux le
deuxième ordre gamma). Cette méthode d’évaluation locale pose
des problèmes lorsque les variations sont importantes et
lorsque la variation de la valeur du portefeuille n’est pas
linéaire pour tous les niveaux de prix (options).
Une fois postulée la forme de la distribution pour les facteurs
de risque, en l’occurrence la loi normale (ou plus précisément
une loi normale multivariée), il est nécessaire de déterminer
la matrice de variance-covariance (m) des facteurs de risque
sur la période historique d’observation. Dans le calcul des
variances et des covariances, il est possible de donner le même
poids à toutes les observations ou un poids décroissant en
fonction du temps.
Connaissant m, et le vecteur D des Di, il est possible de
calculer la VaR :
2/1* tVDDVaR t , ou t est la période de détention.
L’hypothèse de normalité des distributions des taux de
rentabilité de court terme n’est en générale pas satisfaisante
mais permet une grande simplicité dans les calculs. En effet,
ces distributions sont souvent leptokurtiques, ce qui implique des
événements extrêmes plus fréquents que pour la loi normale.
II.3. L’analyse historique
Dossier sur la Méthode VaR Année académique 2003-2004
25
La Value-at-Risk La Valeur à Risque
C’est sans doute la méthode la plus simple dans sa
conception et sa mise en œuvre.
En effet, il suffit des données historiques des gains et pertes
journalières du portefeuille dont l’on souhaite calculer la
VaR. A partir de ces données, il est possible de reconstituer
la distribution empirique des gains et pertes journalières et
d’en déduire la VaR en tronquant 95% ou 99% de la distribution.
Le problème est que si la composition du portefeuille change
souvent, cette approche ne permettra pas de composer une VaR
qui reflète la situation courante. C’est pour cela que l’on
adopte plutôt la méthode de la simulation historique.
II.4. La méthode de la simulation historique
Supposons que l’on veuille calculer la VaR pour une
période de détention de un jour, à partir des données
historiques sur un an. Nous utilisons donc les séries passées
journalières des facteurs de risques qui influent sur notre
portefeuille, et un modèle d’évaluation ou fonction de prix qui
relie la variation du portefeuille aux variations des facteurs
de risque.
A partir de ces séries journalières, il faut calculer les
variations relatives des facteurs de risque qui tiennent donc
compte directement des corrélations entre ces facteurs. On
applique ensuite ces variations aux valeurs actuelles des
facteurs de risque. Il est ainsi possible à partir de la
composition actuelle du portefeuille et de la fonction de prix
qui relie P aux F de simuler la distribution empirique de
la variation de valeur du portefeuille, et donc d’en tirer la
Dossier sur la Méthode VaR Année académique 2003-2004
26
La Value-at-Risk La Valeur à RisqueVaR. Cette méthode a pour avantage de ne pas supposer la
normalité des distributions des taux de rentabilité des
facteurs de risque. Elle peut donc prendre en compte des queues
plus épaisses dans la distribution de la variation de valeur du
portefeuille et donc des événements extrêmes.
Cependant la distribution simulée est complètement
dépendante de la période d’observation considérée, et donc la
prise en compte des événements extrêmes aussi. De plus afin
d’avoir une distribution la plus précise possible, il est
nécessaire de prendre une longue période de données historiques
qui n’est pas toujours disponible.
Par exemple pour générer 1000 scénarios (un scénario est le
calcul de F pour chaque facteur de risque pour la période t )
pour une période de détention de 10 jours ( jt 10 ), il faut
4010/250/1000 ans de données. C’est la raison pour laquelle
on a souvent recours à la simulation de Monte Carlo.
De plus, augmenter la période d’observation pour l’estimation
des distributions des rendements des facteurs de risque peut
inclure l’erreur de non stationnarité des lois considérées.
La méthode d’estimation de la VaR par analyse historique est
celle qui est prônée par Chase Manhattan3, avec les systèmes
Charisma et Risk$.
II.5. La méthode de la simulation de Monte Carlo
La simulation de Monte Carlo est une méthode paramétrique,
c’est à dire que cette méthode requiert la connaissance de la
forme et des paramètres des distributions des facteurs de
3 CHASE MANHATTAN BANK N.A ; Value at Risk: its measurement and uses, Chase Manhattan Bank N.A; s.d.
Dossier sur la Méthode VaR Année académique 2003-2004
27
La Value-at-Risk La Valeur à Risquerisque. Connaissant ces éléments, il est possible de simuler de
nombreuses trajectoires pour chaque facteur de risque, tout en
tenant compte des corrélations entre chaque facteur de risque.
Comme dans le modèle précédent, il est nécessaire d’avoir un
modèle d’évaluation ou une fonction de prix qui relie la
variation de la valeur du portefeuille aux variations des
facteurs de risque. A partir de la composition actuelle du
portefeuille et des nombreux scénarios tirés, il est donc
possible de simuler la distribution de variation de valeur du
portefeuille puis d’en tirer la VaR.
Dans le problème de construction de la distribution de la perte
et de l’estimation de la VaR, la méthode de simulation de Monte
Carlo est prônée par Bankers trust, avec son système RaRoc
2020.
La simulation de Monte Carlo diffère de la simulation
historique sur un aspect principal. Tandis que les scénarios
des facteurs de risque sont directement pris du passé dans
l’approche historique, ils ont à être simulé à travers une
modélisation mathématique dans l’approche stochastique. Pour
modéliser l’évolution des facteurs de risque, il est nécessaire
de spécifier un processus stochastique pour chaque facteur, et
d’estimer les paramètres de ces processus ainsi que les
corrélations entre les parties aléatoires des processus.
Les avantages et inconvénients des différentes méthodes sontrésumés dans le tableau III.
Tableau III : comparaison des principales méthodes de calcul dela VaR
Dossier sur la Méthode VaR Année académique 2003-2004
28
La Value-at-Risk La Valeur à Risque
Source : Banque Cantonale Vaudoise
Une application de ces différentes méthodes de calcul à un cas
simple a été effectuée. Nous sommes le 16 mai 2001 et nous
avons 50'000 francs suisses investis dans l’indice SMI. On
aimerait calculer la VaR de ce portefeuille à l’aide des quatre
méthodes que nous venons de présenter. L’horizon de temps est
d’un mois (soit 20 jours ouvrables) et les niveaux de confiance
considérés de 95% et 99%. La série des prix de clôture
journaliers du SMI entre le 16 juin 1999 et le 15 mai 2001 est
utilisée pour les estimations de paramètres et les calculs,
soit 500 rendements quotidiens. Pour chaque méthode, on calcule
d’abord la VaR sur un jour et on multiplie le résultat par la
racine carrée de 20 pour avoir la VaR sur un mois (règle de la
racine carrée). Les VaR du portefeuille selon les quatre
méthodes sont présentées dans le tableau IV.
Dossier sur la Méthode VaR Année académique 2003-2004
29
La Value-at-Risk La Valeur à RisqueTableau IV: VaR d’un portefeuille SMI valant 50'000 francs au 16 mai2001 et pour un horizon d’un mois.
Source : Banque Cantonale Vaudoise
Pour un même portefeuille, on obtient donc des mesures VaR
différentes. Dans cet exemple, la différence entre les méthodes
Variance-Covariance et Monte Carlo s’explique par un problème
d’échantillonnage. L’écart serait moindre si on avait considéré
plus de scénarios pour Monte carlo. Pour le niveau de confiance
de 95%, c’est la méthode historique qui donne la plus petite
valeur, alors que pour celui de 99% ce sont les méthodes
Variance- Covariance et Monte Carlo qui la fournissent. Ce qui
illustre le fait que la Variance-Covariance sous-estime les
événements extrêmes.
Dans leurs rapports annuels 2000, les trois banques citées dans
le tableau II ont indiqué les méthodes VaR qu’elles utilisent.
La Deutsche Bank effectue ses calculs par simulation Monte
Carlo, tandis que l’UBS utilise la méthode historique avec 5
ans de données. Le Credit Suisse Group emploie la méthode
historique avec deux ans de données depuis le deuxième
Dossier sur la Méthode VaR Année académique 2003-2004
30
La Value-at-Risk La Valeur à Risquetrimestre 2000. Cette dernière avait auparavant travaillé avec
les méthodes Variance-Covariance et RiskMetrics. La comparaison
de chiffres VaR de deux banques différentes est à cet effet, un
exercice délicat.
II.6. Le Backtesting
Les résultats du tableau IV posent clairement la question
du choix de la méthode de calcul de la VaR. Tout naturellement,
les critères de coûts d’implémentation, de complexité du modèle
et de flexibilité sont déterminants. Cependant, il est aussi
très important de s’assurer de l’adéquation de la méthode
choisie ; on parle de backtesting. Cet exercice consiste à
confronter la VaR calculée avec les pertes et profits
effectivement réalisés. Ainsi, pour un niveau de confiance de
99%, les pertes effectives ne devraient dépasser les prévisions
VaR que dans 1% des cas environ. Sinon, il faut se demander si
la méthode de calcul choisie est adaptée au portefeuille
considérée. Le régulateur a d’ailleurs prévu des pénalités
(sous forme d’augmentation d’exigence de fonds propres) en cas
d’inadéquation.
On a procédé à titre illustratif, à un backtesting sur l’indice
SMI entre le 4 décembre 1991 et le 15 mai 2001. Comme la
méthode Monte-Carlo avec l’hypothèse de normalité fournit des
résultats proches de ceux de la méthode Variance-Covariance, on
a examiné les trois méthodes suivantes dans le backtesting :
Historique, Variance-Covariance, RiskMetrics. Les 500
rendements quotidiens entre le 3 février 1990 et le 3 décembre
1991 ont été utilisés pour calculer les trois prévisions de la
Dossier sur la Méthode VaR Année académique 2003-2004
31
La Value-at-Risk La Valeur à RisqueVaR pour le 4 décembre 1991. Ces prévisions sont ensuite
comparées au rendement du SMI à cette date. La fenêtre de 500
jours est ensuite décalée d’un jour pour la confrontation des
prévisions de la VaR et du rendement effectif pour le 5
décembre 1991. De la même façon, on a continué jusqu’au 15 mai
2001. L’exercice de backtesting a, au total, été effectué sur
2'465 jours entre le 4 décembre 1991 et le 15 mai 2001. Pour
mesurer l’adéquation d’une méthode, on calcule son taux
d’échec, c’est-à-dire le pourcentage de fois que la VaR a été
dépassée. Les résultats sont consignés dans le tableau V.
Tableau V : backtesting des méthodes historique, variance-covariance et RiskMetrics pour l’indiceSMI entre le 4 /12/ 1991 et le 15 mai 2001. Le taux d’échec représente le pourcentage de dépassementdes prévisions VaR.
Source : Banque Cantonale Vaudoise
Par rapport aux valeurs théoriques, on remarque que la méthode
variance-covariance se comporte bien pour le niveau de
confiance de 95%, mais réalise un résultat médiocre pour celui
de 99%. C’est la méthode historique qui, globalement est la
mieux adaptée au portefeuille considéré. La mauvaise
performance de la méthode RiskMetrics explique cet état de
Dossier sur la Méthode VaR Année académique 2003-2004
32
La Value-at-Risk La Valeur à Risquefait. Pour un autre portefeuille, les conclusions auraient été
probablement différentes.
III. UTILISATIONS DE LA VAR
La VaR a été développée pour fournir un indicateur simple
et global de l’exposition d’un institut financier aux risques
de marché. En tant que outil de reporting, elle fournit des
informations sur les concentrations de risques par type de
marché, par trader, par produit financier, etc. Elle permet
aussi de fixer des limites de négociation, d’allouer le capital
disponible et d’évaluer les performances des différentes
« tables » d’une salle de marché.
En dehors des salles de marché, la VaR devient de plus en plus
populaire auprès des gestionnaires de fortune. La VaR permet
d’agréger dans ce domaine, les risques de marché à travers
plusieurs classes d’actifs, mais sur un horizon de temps plus
long (un mois, trois mois ou un an). Elle permet également de
quantifier la performance d’un portefeuille par rapport à un
benchmark4 ; on parle dans ce cas de la VaR relative. La
performance est traditionnellement mesurée par le tracking
error, c’est-à-dire la volatilité de l’écart de rendement entre
le portefeuille et son benchmark. Le tracking error ne
distingue pas une sous-performance d’une sur-performance par
rapport au benchmark. La VaR permet de corriger ce défaut,
puisqu’elle est censée mesurer une éventuelle sous-performance.
En fait, le tracking error s’interprète comme la VaR à un
4 prix de référence (en finances)
Dossier sur la Méthode VaR Année académique 2003-2004
33
La Value-at-Risk La Valeur à Risqueniveau de confiance de 84%, si certaines hypothèses telles de
normalité et d’écart moyen nul , sont confirmées.
IV. CONCLUSION
L’introduction de la VaR a constitué un pas important dans
la direction d’une gestion cohérente et adéquate des risques
financiers. Comme pour n’importe quel outil, une utilisation
efficace de la VaR passe par la bonne compréhension de ses
limites. La modélisation de la VaR n’est pas un exercice aisé
et les risk managers diront d’ailleurs que les problèmes
d’implémentation à savoir la collecte, le nettoyage et le
traitement de données sont tout aussi importants. Une autre
limite de la VaR est directement liée au concept lui-même. En
fait, la VaR ne fournit aucune indication sur l’ampleur des
Dossier sur la Méthode VaR Année académique 2003-2004
34
La Value-at-Risk La Valeur à Risquepertes si un événement défavorable devait se produire. C’est
pour cette raison que le régulateur oblige les banques à
compléter leurs calculs de la VaR par des analyses de scénarios
catastrophes (stress testing). Dans de telles analyses, on
calcule la perte que pourrait provoquer une variation extrême
du marché, indépendamment de toute hypothèse de modélisation
(une baisse brutale de l’indice SMI de 10% par exemple). Le
choix de scénarios intéressants est souvent un exercice
délicat, qui relève plus de l’intuition et de l’expérience. Par
ailleurs, des chercheurs ont proposé d’autres mesures de risque
proches de la VaR et qui captent mieux le problème des
variations extrêmes. Les scénarios quasi-aléatoires, les scénarios
« miroirs », la méthode de Duffie et Pan, et les scénarios pondérés en
constituent ces nouvelles extensions.
Dossier sur la Méthode VaR Année académique 2003-2004
35
La Value-at-Risk La Valeur à Risque
V. BIBLIOGRAPHIES
Livres
Lopez Thierry, Esch Louis, Kieffer Robert
Value at Risk. Vers un Risk Management moderne, avec CD-ROM.
Edition : De Boeck Université, 1997, ISBN : 2-8041-2496-7
Jacquillart, Bertrand et Bruno Solnik
Marchés Financiers: gestion de portefeuille et des risques,
Dunod, Paris, 4ème éd., 2002.
Bulletin et Revues
« Le point sur…la VaR » - P. Poncet - Banque et Marchés n°
37. Nov98
Bulletin de la commission de la réglementation bancaire –
Règlement 97-02
Comité de Bâle – M. Novy – Secrétaire Général.
Sites Internet
http://www.gloriamundi.org (le site le plus complet sur la
VaR accessible aussi via
http://pw2.netcom.com/~bschacht/varbiblio.html )
http://www.riskmetrics.com (les manuels de RiskMetrics
contiennent de nombreuses informations)
http://www.bcv.ch (le site de la Banque Cantonale
Vaudoise)
Dossier sur la Méthode VaR Année académique 2003-2004
36
La Value-at-Risk La Valeur à Risque
http://salledem.free.fr/sdmpage/risques/risk30.php (des
questions sur la VaR)
VI. ANNEXES
RAROC : « Risk-Adjusted Return On Capital »
SEC: La Securities and Exchange Commission
RAROA: «Risk-Adjusted return on Assets»
SMI: Système Monétaire International
Dossier sur la Méthode VaR Année académique 2003-2004
37
La Value-at-Risk La Valeur à RisqueTable des MatièresI. GENERALITES............................................................1I.1. INTRODUCTION: LE BESOIN D’UNE MESURE DE RISQUE STANDARDISÉE (VAR)............1I.2. CADRE JURIDIQUE, RÉGLEMENTATION COMPTABLE ET PRUDENTIELLE DE LA VAR...........2
I.2.1. L’approche standard :................................................................................................................. 3I.2.2. L’approche interne...................................................................................................................... 3
I.2.3. LE CALCUL DES FONDS PROPRES :........................................4I.3. LE CONCEPT DE VAR....................................................5I.4. LA DÉMARCHE GÉNÉRALE POUR LE CALCUL DE LA VAR.............................8I.5. MODÉLISATION DES RISQUES DE MARCHÉ......................................10I.6. LES TROIS PARAMÈTRES D’UNE VAR........................................12I.7. REMARQUES...........................................................13I.8. EXEMPLES DE MESURES DE LA VAR.........................................13
II. TECHNIQUES CLASSIQUES D’ESTIMATION DE LA VAR.........................15II.1. LA MÉTHODE DE LA MATRICE DES VARIANCES-COVARIANCES ESTIMÉE..............15II.2. LA MÉTHODE RISKMETRICS.............................................16II.3. L’ANALYSE HISTORIQUE................................................16II.4. LA MÉTHODE DE LA SIMULATION HISTORIQUE.................................17II.5. LA MÉTHODE DE LA SIMULATION DE MONTE CARLO.............................18II.6. LE BACKTESTING.....................................................20
III. UTILISATIONS DE LA VAR..............................................22IV. CONCLUSION...........................................................23V. BIBLIOGRAPHIES........................................................24VI. ANNEXES..............................................................24
Dossier sur la Méthode VaR Année académique 2003-2004
38