Formules de calcul de la Value at Risk et de la Conditional Value at Risk

La gestion des risques financiers repose sur des outils statistiques rigoureux pour quantifier l'incertitude inhérente aux portefeuilles d'investissement. Parmi ces instruments, la Value at Risk (VaR) et la Conditional Value at Risk (CVaR) occupent une place centrale. Ces métriques permettent aux gestionnaires d'évaluer la perte potentielle maximale et d'anticiper les scénarios de crise, assurant ainsi une conformité réglementaire stricte et une optimisation robuste des actifs.

Qu'est-ce que la Value at Risk et la Conditional Value at Risk ?

La Value at Risk (VaR) est une mesure statistique qui estime la perte maximale qu'un portefeuille pourrait subir sur une période donnée, à un niveau de confiance spécifique. Par exemple, une VaR de 95 % de 1 million de dollars signifie qu'il y a 5 % de probabilité que la perte dépasse ce montant. Elle se calcule généralement à partir de données historiques, de modèles paramétriques ou de simulations de Monte Carlo.

En revanche, la Conditional Value at Risk (CVaR), également appelée Expected Shortfall, va plus loin. Elle ne se contente pas de définir un seuil, mais calcule la perte moyenne attendue dans la queue inférieure de la distribution des pertes. Si l'on considère un niveau de confiance de 95 %, la CVaR mesure la perte moyenne sur les 5 % de scénarios les plus défavorables. Contrairement à la VaR, qui peut sous-estimer le risque lors de chocs extrêmes, la CVaR offre une vision plus complète de la gravité des pertes en situation de crise, tenant compte de leur magnitude.

Formules de calcul de la Value at Risk

La formulation mathématique de la VaR varie selon la méthode employée pour modéliser la distribution des rendements.

Méthode historique et approches paramétriques

L'approche historique utilise la moyenne et l'écart-type des rendements passés pour estimer le risque actuel. Dans le cadre des modèles paramétriques, on suppose souvent une distribution normale ou log-normale pour les rendements. La formule classique de la VaR pour une période de $T$ jours s'écrit :

$$
\text{VaR} = \mu - z \cdot \sigma \cdot \sqrt{T}
$$

où :

$\mu$ représente le rendement moyen.
$\sigma$ désigne l'écart-type des rendements.
$z$ est le score z correspondant au niveau de confiance souhaité (par exemple, 1,645 pour un niveau de 95 % sous une distribution normale).

Cette approche repose sur des hypothèses de linéarité et de distribution symétrique. Elle peut toutefois sous-estimer le risque en cas de volatilité accrue ou de distorsion de la distribution (asymétrie), phénomènes fréquents dans les marchés financiers modernes.

Simulation de Monte Carlo

Une alternative puissante consiste à utiliser des simulations de Monte Carlo. Cette méthode génère des milliers de scénarios futurs aléatoires en fonction de paramètres d'évolution des actifs (comme la volatilité et la corrélation). La VaR est ensuite déterminée en triant les résultats de ces simulations et en identifiant le seuil correspondant au niveau de confiance choisi. Cette technique est particulièrement utile lorsque la distribution des rendements n'est pas normale ou lorsque les interactions complexes entre les actifs rendent les modèles paramétriques inadéquats.

Formules de calcul de la Conditional Value at Risk

La Conditional Value at Risk (CVaR) se définit comme l'espérance mathématique des pertes conditionnelles au-delà du seuil de la VaR. Elle représente la perte moyenne attendue dans les $k$ pires scénarios, où $k$ correspond à la probabilité de défaillance (par exemple, 5 % pour un niveau de confiance de 95 %).

La formule de la CVaR peut s'exprimer de manière discrète comme suit :

$$
\text{CVaR}k = \frac{1}{k} \sum{i=1}^{k} \left( \text{Perte}_i \right)
$$

où :

$k$ est le niveau de percentile (par exemple, 0,05 pour 5 %).
$\text{Perte}_i$ désigne la perte observée ou simulée dans le $i$-ème scénario le plus défavorable.

En pratique, cette mesure est souvent calculée à partir de données historiques de pertes ou des résultats des simulations de Monte Carlo. Contrairement à la VaR, qui est une mesure ponctuelle, la CVaR fournit une information continue sur la sévérité du risque, ce qui est crucial pour la capitalisation réglementaire et la gestion prudente des portefeuilles.

Applications et limites dans la modélisation financière

L'utilisation de la VaR et de la CVaR transforme la prise de décision en finance quantitative. Ces outils sont indispensables pour :

La conformité réglementaire : Les banques commerciales doivent souvent soumettre des rapports réguliers sur leur exposition au risque, utilisant ces métriques pour définir leurs exigences en capital.
L'optimisation de portefeuille : Les gestionnaires d'actifs intègrent ces contraintes pour construire des portefeuilles qui maximisent le rendement attendu tout en limitant le risque de perte.
La mitigation des risques : La comparaison entre VaR et CVaR permet d'identifier les "queues grasses" (fat tails) et d'ajuster les positions pour réduire l'exposition aux événements extrêmes.

Cependant, ces modèles ne sont pas sans limites. Ils supposent souvent que les corrélations entre les actifs restent stables, ce qui peut être faux lors de crises systémiques où tous les actifs tendent à baisser simultanément. De plus, la VaR est une mesure non convexe, ce qui peut créer des incitations à la prise de risque excessive pour maintenir des niveaux de VaR bas. La CVaR, bien que plus robuste, nécessite des données de haute qualité et des calculs intensifs.

En conclusion, bien que la Value at Risk reste un indicateur standardisé et largement compris, la Conditional Value at Risk s'impose comme un complément essentiel pour une évaluation réaliste du risque. L'adoption de ces deux mesures conjointe permet aux institutions financières d'adopter une posture de prudence, anticipant non seulement la perte maximale probable, mais aussi la gravité des pertes en cas de scénario catastrophique.