EVALUATION DU RISQUE DE CHANGE SELON LES DIRECTIVES DE BALE II : APPLICATION DE L APPROCHE VAR AU TAUX DE CHANGE EUR/MAD

(1)

http://revues.imist.ma/?journal=FFI ISSN : 2489-1290

1

EVALUATION DU RISQUE DE CHANGE SELON LES DIRECTIVES DE BALE II :

APPLICATION DE L’APPROCHE VAR AU TAUX DE CHANGE EUR/MAD

Par

Elhassan BOUFTY

Chercheur en Economie Appliquée à la FSJES d’Agadir, Université Ibn Zohr -Agadir.

&

Abdellah KADOURI

Professeur d’Economie à la FSJES, Université Ibn Zohr- Agadir.

Abstract:

The objective of this paper is to estimate the foreign exchange risk EUR-MAD according to the recommendations of Basel II regarding requirements in stockholders' equity in respect of market risks. So, the financial institutions resort to these models for the calculation of the requirements in stockholders' equity relative to market risks. The method of internal models of risk measurement is built on the concept of VaR (Value at Risk), which has become so risk measurement privileged to establish a regulatory framework for the management of market risks. To estimate the foreign exchange risk EUR-MAD, we applied three models of estimation of the VaR to the exchange rate of the euro against the dirham over the period 01/01/2000 on 02/12/2011. Our study showed that the VaR of Cornish-Fisher overestimates strongly the risk in period of low volatility. In addition, the Gaussian VaR underestimates significantly the real risk and remains unreliable. We come to the conclusion that the VaR according to the historical pattern seems relatively more efficient to evaluate the actual risk of the exchange rate EUR-MAD than the other two models studied.

Keywords:

Exchange risk, Value at Risk, Bale II, Kurtosis, Cornish Fisher.

Résumé :

(2)

2 L’objectif de ce travail est d’évaluer le risque de change EUR-MAD selon les recommandations de Bâle II en matière d’exigences en fonds propres au titre des risques de marché¹. Les institutions financières ont recours aux modèles internes pour le calcul des exigences en fonds propres relatifs aux risques de marché. La méthode des modèles internes de mesure de risque est construite sur le concept de VaR (Value at Risk) qui est devenu ainsi la mesure du risque privilégiée visant à établir un cadre réglementaire pour la gestion des risques de marché. Pour évaluer le risque de change EUR-MAD, on a appliqué trois modèles d’estimation de la VaR au cours de change de l’euro contre le dirham sur la période 01/01/2000 au 02/12/2011. Notre étude a montré que la VaR de Cornish-Fisher surestime fortement le risque en période de faible volatilité. La VaR normale sous-estime significativement le risque réel et reste non fiable. Nous arrivons à la conclusion que la VaR historique semble relativement plus performante pour évaluer le risque réel du cours de

change EUR-MAD que les deux autres modèles étudiés.

Mots clefs:

Risque de change, Value-at-Risk, Bâle II, Cornish Fisher, Kurtosis.

1 On distingue généralement trois catégories de risques de marché : le risque de taux d’intérêt, le risque de change et le risque de variation de cours.

(3)

3

1. Introduction.

Les établissements financiers, dans le cadre de leurs activités, sont soumis à un ensemble de risques financiers qui peuvent menacer leur solvabilité. La quantification du risque est un souci majeur des gestionnaires des risques financiers. En fait, une meilleure quantification du risque permet de savoir combien un investisseur peut perdre sur son portefeuille dans les périodes de faible ou forte volatilité sur un horizon de temps donné. Afin de répondre à ces préoccupations, les institutions financières sont soumises à une réglementation particulière et à une supervision stricte qui évolue en fonction du développement des activités bancaires et des crises financières et économiques. Depuis l’adoption des modèles internes de mesure de risque de marché, qui a été une étape majeure dans la régulation financière internationale, les banques utilisent cette approche pour déterminer leurs fonds propres liés au risque de marché.

C’est qu’en 2010, que le système bancaire marocain est passé de l’adoption de l’approche standard des normes Bâle II à la mise en place de l’approche avancée du dispositif. Cette démarche est de nature à inciter à adopter les meilleures pratiques en matière de gestion des risques .Aussi, elle est ouverte sur les différentes approches de calcul des exigences en fonds propres, selon les directives de Bâle. Ainsi, dans le cadre du processus de mise en place, par les banques, des approches avancées, Bank-Al-Maghrib propose de lancer les travaux de préparation du cadre prudentiel régissant le recours par les banques aux modèles internes pour le calcul des exigences en fonds propres au titre des risques de crédit, de marché et opérationnels². La méthode des modèles internes est basée sur les systèmes de gestion des risques des organismes financiers qui sont plus précis et adaptables que les règles rigides de la méthode standard. Par ailleurs, La méthode des modèles internes de mesure de risque est construite sur le concept de VaR (Value at Risk) qui est devenu ainsi la mesure du risque privilégiée dans le cadre des accords de Bâle visant à établir un cadre réglementaire pour la gestion des risques de marché. Plusieurs techniques d’estimation de la VaR ont été mis en place par les académiques et les praticiens. Chaque technique a ses avantages et ses limites.

Dans ce travail, nous allons appliquer une méthode paramétrique (ou gaussienne) et une historique ainsi qu’une méthode alternative fondée sur l’approximation de Cornish-Fisher permettant de traiter la non-normalité de la distribution des rendements.

Cet article est structuré de la manière suivante : la 1^ère section présente brièvement la notion de risque de change. La 2^ème section sera consacrée à l’approche VaR : l’aspect règlementaire, le fondement théorique et la mise en œuvre. Ensuite, on présente succinctement trois méthodes d’estimation de la VaR. Enfin, la dernière section a pour objectif la description des données utilisées et la méthodologie adoptée afin d’appliquer les trois approches de calcul de la VaR ainsi que les principaux résultats obtenus dans le cadre de cette étude.

2. Risque de change

Le risque de change se définit, généralement, comme l’éventualité de perte à laquelle sont sujets les agents économiques qui effectuent des opérations en devises étrangères suite à des fluctuations défavorables des taux de change de ces devises par rapport à la monnaie

2 Pour l’implémentation des recommandations de Bâle II par les banques marocaines, Bank Al-Maghrib a choisi d’adopter une démarche progressive qui tient compte de la structure du système bancaire et répond le mieux possible à ses besoins.

(4)

4 nationale. Ainsi, une variation de quelques points de la parité entre la monnaie nationale, qui est généralement la monnaie de référence, et la devise étrangère, peut impacter la rentabilité de toute affaire internationale facturée en devises. D’ailleurs, le régime de change adopté par les autorités monétaires marocaines est un régime intermédiaire. Ainsi, le dirham est toujours soumis à un système de change non flottant, son cours est indexé sur la valeur d’un panier de monnaies comprenant les devises des principaux partenaires commerciaux du Maroc, à savoir l’euro et le dollar américain avec des pondérations respectives de 80% et 20%.

Figure 2 : Evolution des exigences en fonds propres au titre du risque de marché (Source : Bank Al-Maghrib).

3. Les modèles VaR

3.1 La VaR adoptée par le Comité de Bâle³.

Les dernières crises financières notamment celle de 2008, sont les manifestations les plus spectaculaires de l’inadéquation des approches classiques de mesure de risque. En réponse à ces chocs, les autorités réglementaires se sont intervenues à plusieurs reprises et ont décidé d’imposer un certain nombre de normes en matière de contrôle des risques bancaires et en particulier le risque de marché. Ainsi, le modèle Value-at-Risk a été adopté par le Comité de Bâle et les institutions financières doivent, à partir de la valeur de la obtenue avec leur modèles internes de gestion des risques, déterminer le niveau de capital minimum requis.

Ainsi, les autorités de contrôle ont relié les systèmes de gestion de risques des banques au calcul des fonds propres réglementaires. Autrement, les exigences en fonds propres de Bâle II liées à la sont calculées à partir de la formule suivante :

Où est le capital minimum requis à une date , représente la à 99% à horizon 10 jours du portefeuille considéré, calculée la veille. représente le complément éventuel permettant de convertir la en capital réglementaire.

3 L’accord de Bâle II a été publié en 2004 par le Comité de Bâle .Il vise à mieux évaluer les risques bancaires, à mettre en place un dispositif de surveillance et de transparence et à créer une discipline de marché par la communication financière.

(5)

5 3.2 La mise en œuvre de la Value-at-Risk .

Avant de gérer un risque financier, il est nécessaire de bien comprendre quels pourraient être son impact potentiel sur l’entreprise et à quelle fréquence ce risque pourrait l’affecter. Cette réalité a crée le besoin d’une mesure regroupant à la fois la probabilité et l’impact potentiel d’un certain risque. La Value-at-Risk est définie comme la perte potentielle maximale que peut subir un portefeuille, dans des conditions normales de marché, pendant une période de temps fixé avec un seuil de confiance donné. La VaR résume dans un seul chiffre, facile à comprendre et à interpréter, l’exposition d’un portefeuille aux risques de marché. D’ailleurs, la VaR est un outil très répandu dans les milieux financiers dû à sa quasi-nécessité réglementaire⁴ et à sa promesse implicite d’améliorer la gestion des risques en offrant une mesure complète et synthétique des risques.

Formellement, si R est la variable aléatoire représentant la variation de la valeur du portefeuille et F la distribution de probabilité de R , alors, la Value-at-Risk d’un portefeuille pour un horizon T avec un degré de confiance , notée est :

Figure 3.2 : Définition de la VaR à partir de la fonction de densité des rendements.

La VaR n'a pas une définition unique et dépend essentiellement de trois paramètres : l’horizon temporel, le seuil de confiance et la loi de probabilité de la distribution des variations du

4 Depuis 1997, l’Accord de Bâle a recommandé aux banques de détenir un capital réglementaire pour pallier aux risques standards de marché. Ce capital est désormais calculé à partir de la VaR qui est devenue de plus en plus populaire pour évaluer le risque de portefeuilles institutionnels.

(6)

6 portefeuille⁵. Le choix de chaque paramètre doit être fait en fonction de divers critères, notamment l’objectif poursuivi par l’institution financière lorsqu’elle calcule la VaR et sa volonté de supporter un certain niveau de risque. Dans la pratique, la VaR est estimée sur une base de niveau de confiance allant de 90% à 99%.

En plus, une hypothèse qui est habituellement faite afin de pouvoir estimer la VaR d’un portefeuille, est que la VaR à N jours est égal à la racine carrée de N multipliée par la VaR à 1 jour (1-⍺ étant le degré de confiance):

4. Méthodes d’estimation

Dans la littérature, on trouve plusieurs techniques d’estimation de la VaR. Ainsi, la méthode paramétrique et la méthode historique sont les méthodes classiques de calcul de la VaR les plus utilisées par les professionnels dans les milieux financiers et sont relativement faciles à mettre en œuvre. Dans cette étude, on va appliquer ces deux méthodes ainsi qu’une méthode alternative basée sur l’approximation de Cornsih-Fisher.

4.1 VaR paramétrique.

L’approche de VaR paramétrique⁶ suppose que la variation des facteurs de risque du marché sont normalement distribués. On considère la VaR associée à la distribution d’un actif financier (change, action, obligation, indice boursier,….). La détermination de la VaR paramétrique ou gaussienne se fait au moyen d’un calcul analytique relativement simple en pratique mais sous des hypothèses assez contraignantes. Ainsi, si les rendements sur une seule période sont indépendants et de même loi normale de moyenne et écart-type , alors les rendements sur la période (jours) sont également gaussiens de moyenne et écart- type :

On a :

Et

On note avec la fonction de répartition de la loi normale centrée réduite.

étant le degré de confiance.

Ainsi, la VaR gaussienne est définie par : D’où

5 Il n’existe pas une mesure unique de la VaR. Les institutions financières se doivent donc recourir à plusieurs modèles de la VaR de manière à définir la fourchette de leurs pertes éventuelles.

6 Ou la VaR selon la méthode variance-covariance.

(7)

7 Pour la VaR à 1 jour, l’expression précédente se réduit à :

Dans la pratique, pour les rendements journaliers, la moyenne est négligeable devant σ , d’où :

La VaR gaussienne dépend donc essentiellement de la volatilité σ.

4.2 Méthode historique

La méthode de simulation historique, contrairement à l’approche gaussienne, ne pose pas d’hypothèses sur la distribution des rendements du portefeuille. Le principe général de cette méthode consiste à une estimation non paramétrique de la distribution des variations des facteurs de risque par la distribution observée à partir des données historiques. De cette distribution, on peut extraire un quantile permettant la lecture de la valeur de la pour un seuil de confiance donné.

Supposons qu’on dispose de observations des valeurs d’un portefeuille les jours (la date 0 est la plus ancienne de l’historique et N est la date d’aujourd’hui).

Ces observations permettent de calculer N rentabilités passées ou variations relatives des prix :

Ces rentabilités permettent alors de construire une ‘’distribution empirique ‘’ des cours:

pour , ainsi que l’histogramme empirique de la perte : à partir des N valeurs.

Ainsi, pour déterminer la , il suffira de classer ces valeurs par ordre croissant et le terme de cette liste constituera l’estimation recherchée de la .

4.3 Méthode de Cornish-Fischer.

Sous l’hypothèse de normalité, la distribution des rendements devrait être symétrique avec des queues fines. Or, en réalité, les distributions des rendements financiers sont souvent caractérisées par une asymétrie et par des queues épaisses. L’asymétrie de la densité de probabilité d’une variable peut être mesurée par la définie comme le troisième moment de la variable standardisée :

Ce coefficient est nul pour une distribution symétrique telle que la distribution normale.

D’ailleurs, l’existence des queues épaisses ou fines dans la distribution d’une variable aléatoire X, peut être appréciée à l’aide de la définie comme le quatrième moment de cette variable standardisée :

(8)

8

Notons que les distributions normales ont un tel coefficient de égal à 3. Une distribution dont la est supérieure à 3, dite léptokurtique, est caractérisée par une densité de valeurs extrêmes supérieure à celle d’une variable normale de mêmes espérance et variance et une proportion plus faible de valeurs moyennes. La et la peuvent être utilisées pour estimer la d’une distribution non normale à l’aide de l’approximation de Cornish-Fisher. Ce développement permet d’obtenir une expression analytique approximative d’un quantile d’une distribution en fonction de ses moments. En limitant le développement de Cornish-Fisher à ses premiers termes, on obtient une expression analytique de la faisant intervenir l’espérance , l’écart-type , la et la de la distribution des rendements:

où est le p-quantile de la loi normale standard ( ).

Ainsi on obtient :

On remarque que l’on retrouve la formule du cas gaussien : , quand la distribution des rendements est normalement distribuée et Dans le cas où la est supposée nulle, cette approximation se réduit à :

Ainsi, on obtient :

Dans le cas où la n’est pas considérée importante mais la dissymétrie ne peut être négligée, on pourra se servir du développement simplifié :

L’expression de la ajustée sera :

La modification de l’expression de la à l’aide du développement de constitue un moyen simple et efficace pour traiter la non-normalité des distributions par la prise en compte de la et de la Kurtosis des rendements du portefeuille.

5. Application aux taux de change EUR-MAD 5.1 Présentation des données.

Notre étude porte sur des données journalières des taux de change EUR/MAD .L’étude couvre la période du 01/01/2000 au 22/05/2011 qui nous permet de travailler sur un

(9)

9 historique de 4160 observations journalières⁷.Les taux de change sont des taux au comptant(spot). Concernant le type de la cotation , nous retenons la cotation à l’incertain (i.e le prix en monnaie nationale d’une unité de monnaie etrangère : le prix d’1 EURO en DIRHAM).L’évolution des taux de change EUR/MAD sur la période de notre étude est representée dans le graphique 5.1. Ce dernier montre l’existence d’une tendance haussière dans la série des taux de change.

Graphique 5.1 : Evolution du cours de change EUR/MAD du 01/01/2000 au 22/05/2011

.

5.2 Etude de la série des rendements EUR/MAD.

5.2.1 Analyse préalable.

Dans cette étude basée sur des données journalières et sur une semaine de sept jours , nous négligeons les effets saisonniers provoqués par les week-ends et les jours fériés.La série fiancières journalière est donc considerée comme étant uniformement échantillonnée.

Dans la suite, le taux de rendement est défini par :

Où représente le cours de change à la date t. On obtient ainsi la série des rendements journaliers des taux de change EUR/MAD (cf. Graphique 5.2a).

7 Ces données ont été extraites de la base de données de la banque BNP Paribas :https://www.quandl.com/BNP/MADEUR-Currency-Exchange-Rate-MAD-vs-EUR.

(10)

10 Graphique 5.2a : Rendements journaliers du taux de change EUR/MAD

Nous observons que la série des rendements EUR/MAD est fortement volatile et oscille autour de sa moyenne qui est nulle. Aussi, elle semble ne pas avoir de tendance.

5.2.2 Etude de la normalité de la série des rendements.

La figure 5.2b représente l’histogramme de la série des rendements du taux de change EUR/MAD et reporte un certains nombre de statistiques descriptives.

On remarque d’une part que le coefficient de est largement supérieur à 3 .Cet excès de témoigne d’une forte probabilité d’occurrence de valeurs extrêmes et des queues de distribution plus épaisses que celles de la loi normale. D’autre part, le coefficient de est supérieur à 0. Ceci illustre la présence d’asymétrie (la distribution est étalée vers la droite et cela signifie que le taux de change EUR/MAD a enregistré plus de rendements positifs que de rendements négatifs). Aussi, le test de Jarque-Bera nous permet de rejeter l’hypothèse de normalité des rendements. En conséquence, on peut conclure que la distribution empirique des rendements de taux de change EUR/MAD ne peut pas être ajustée par une distribution normale.

(11)

11 Figure 5.2b : Statistiques descriptives de la série des rendements du taux de change EUR/MAD

Ainsi, pour mieux appréhender la non normalité de la distribution des rendements, nous avons utilisé une approche graphique dite ⁸ (Figure 5.2c) pour tester l’adéquation et l’ajustement de la distribution empirique avec la loi normale.

D’ailleurs, le graphique 5.2c nous amène à constater l’écartement remarquable entre les deux distributions notamment aux niveaux des queues où apparaissent des valeurs extrêmes. Ces constatations s’assimilent avec celles obtenues par l’ajustement de la distribution empirique des rendements journaliers à une distribution normale (Figures 5.2d et 5.2e).

Graphique 5.2c : QQPlot de la distribution empirique des rendements et la loi normale.

8 Quantile-Quantile Plot.

(12)

12 Figure 5.2d : Ajustement de la distribution empirique des rendements journaliers à une loi normale Le caractère léptokurtique de la série des rendements s’observe sur le graphique de la figure 5.2d par une partie centrale plus pointue que celle de la loi normale et par des queues de distributions au dessus de celles de la normale. Un zoom a été réalisé sur les queues de la distribution pour mieux se rendre compte du phénomène de queues épaisses (cf. Figure 5.2e).

Figure 5.2e : Illustration de la présence des queues épaisses et des valeurs extrèmes dans la distribution des rendements EUR/MAD.

5.3 Application des modèles VaR

Méthodologie.

Dans ce travail, nous allons recourir à la stratégie d’échantillonnage pour estimer la VaR par les différentes méthodes. Cette stratégie est basée sur la technique de la fenêtre glissante ‘’rolling window’’ de taille prédéfinie. En fait, à chaque prévision de la VaR, on fait entrer une nouvelle observation dans l’échantillon de l’estimation et on abandonne la plus ancienne. Alors, on a pour chaque modèle N prévisions VaR. La première prévision est basée sur le modèle dont les paramètres ont été estimés en utilisant les réalisations , désigne la taille de la fenêtre glissante. La seconde est basée sur les réalisations .La dernière prévision de la VaR se calcule en utilisant les réalisations . La VaR re-estimée sera ensuite confrontée à la perte

(13)

13 éventuelle du jour. Ainsi, cette technique basée sur la fenêtre glissante permet de capturer les caractéristiques de la dynamique temporelle des données à différentes périodes de temps en accordant plus de poids aux réalisations des rendements plus récentes.

Dans notre cas et pour appliquer cette stratégie d’échantillonnage, nous allons diviser notre historique en deux sous-échantillons : l’échantillon d’estimation (in sample) et l’échantillon de prévision (out of sample). La taille de l’échantillon d’estimation est la taille de la fenêtre glissante. Elle est de 3700 observations journalières allant du 01/01/2000 au 16/02/2010.La taille de la fenêtre glissante reste constante durant toute la durée des prévisions de la VaR.

L’échantillon de prévision est constitué de 459 observations allant du 17/02/2010 au 22/05/2011. Ainsi, pour chaque méthode d’estimation de la VaR, les 459 valeurs de la VaR sont calculées de manière glissante. Chacune de ces 459 estimations des VaR est ensuite comparée graphiquement à la rentabilité véritablement enregistrée sur le taux de change EUR/MAD. L’objectif est de vérifier si la perte réellement enregistrée sur le taux de change dépasse le niveau de risque estimé par les modèles d’estimation de la VaR.

5.4 Résultats d’estimation de la VaR

Nous avons appliqué les méthodes d’estimation de la VaR présentées auparavant dans ce travail sur le cours de change EUR/MAD. Ensuite, nous avons déterminé la VaR suivant les méthodes : gaussienne, historique et de Cornish-Fisher.

Les calculs de la VaR sont effectués sur un horizon d’investissement d’un jour et un niveau de confiance de 95% et 99% pendant la période de la prévision de la VaR qui est du 17/02/2010 au 22/05/2011. La taille de la fenêtre mobile (rolling window) qui constitue l’historique d’estimation de la VaR est de 3700 observations journalières allant du 01/01/2000 au 16/02/2010.Cette taille reste constante durant toute la période de prévision de la VaR.

Sur cette période de estimation de la VaR, on a calculé la moyenne, l’écart-type, le minimum et le maximum des pertes estimées et aux niveaux de confiance de 95% et 99%. Les résultats trouvés sont présentés dans le tableau 5.4a.

L’analyse des résultats du tableau 5.4a montre qu’en moyenne et au niveau de confiance de 95%, la VaR normale est supérieure (en valeur absolue) à la VaR estimée par les deux autres modèles. Cela s’explique par le fait que la loi normale s’adapte mieux à la mesure du risque quand on s’éloigne des queues de distribution présentant des rentabilités extrêmes.

VaR(1,p)

p = 95% p = 99%

Moyenne Ecart type Minimum Maximum Moyenne Ecart type Minimum Maximum

Normale ^-0.5431 ^0.0033 -0.5494 -0.5361 -0.7696 0.0046 -0.7782 -0.7599

Historique -0.4977 0.0271 -0.5247 -0.4522 -0.8736 0.0037 -0.8806 -0.8635

Cornish-Fisher -0.3074 0.0171 -0.3548 -0.2730 -2.1146 0.0552 -2.2103 -2.0236 Tableau 5.4a : VaR estimée par les trois approches.

Les VaR sont estimées sur un historique de 3700 rentabilités journalières du taux de change EUR/MAD. La période d’estimation est : 17/02/2010 à 22/05/2011.

(14)

14 On remarque aussi que l’estimation de la VaR par la méthode de Cornish-Fisher à ce niveau de confiance pourrait sous-estimer le risque de perte. Cela signifie que ce modèle est inadapté à ce niveau de confiance. D’ailleurs, sur le graphique 5.4b et au niveau de confiance de 95%, on remarque que les pertes potentilles réelles dépassent significativement les valeurs prévues de la VaR de Cornish-Fisher, notamment en périodes de fortes volatilités.

Figure 5.4b : Performance des modèles VaR.

P&L correpond aux pertes et aux profits journaliers,les différentes VaR correpondent à la VaR journalière au niveau de confiance de 95% et 99%.

Par ailleurs, au niveau de confiance de 99%, les valeurs de la VaR estimées par le modèle de Cornish-Fisher sont manifestement supérieures aux valeurs de la VaR des deux autres modèles. En plus, l’observation de la figure 5.4b permet de constater que le modèle de Cornish-Fisher surestime fortement le risque en période de faible volatilité comparativement aux modèles classiques de mesure de risque. Egalement, on remarque que la VaR normale sous-estime le risque de perte. Ces résultats tendent à souligner la faiblesse de la VaR normale pour des niveaux de confiance plus élevés lorsqu’elle est appliquée sur des distributions présentant des queues lourdes. Ainsi, cet indicateur de risque est inadapté pour prendre en compte le risque extrême, et conduit à minimiser l’importance des événements inclus dans les queues de distribution et entraine la sous estimation du risque effectif dans des conditions de marché extrêmes. Ainsi, il semble que la VaR historique est plus adaptée pour refléter le risque réel du cours de change EUR-MAD que les deux autres modèles étudiés. En effet, la VaR historique ne présente ni de sous-estimations importantes comme la VaR gaussienne ni de surestimations significatives du risque comme la VaR de Cornish-Fisher.

6. Conclusion.

Dans cet article, nous avons mis en évidence l’outil VaR de quantification et de reporting de risques de marché. Depuis l’adoption des modèles internes de mesure de risque de marché par les instances de régulation financière internationale (Bâle II), les banques utilisent le concept de VaR pour déterminer leurs fonds propres liés au risque de marché. Nous avons mis l’accent sur l’aspect règlementaire de la VaR, son fondement théorique et sa mise en œuvre par les gestionnaires de risques. Une étude empirique a été menée sur le risque de variations de cours de change EUR/MAD. On a constaté le phénomène de la non normalité de la

(15)

15 distribution des rendements journaliers. Ensuite, on a estimé le montant de la VaR selon deux méthodes classiques (gaussienne et historique) et une méthode alternative de Cornish-Fisher tout en utilisant la stratégie d’échantillonnage. Au niveau de confiance de 99%, la VaR selon le modèle historique semble la plus adaptée pour évaluer le risque effectif du cours de change EUR-MAD que les deux autres modèles étudiés. L’application des procédures de backtesting est judicieux et permet ainsi aux gestionnaires de risques d’approuver leurs modèles d’estimation de la et de se mettre aux normes imposées par le Comité de Bâle.

Bibliographie

D. Danielsson, C. De Vries, B.N. Jorgensen, « The value at risk: Statistical, financial and regulatory considerations», Economic Policy Review - Federal Reserve Bank of New York, New York, Oct. 1998.

W. Fallon, « Calculating the Value-at-Risk», Financial Institutions Center, Wharton, 1996.

Hendricks and Darryll, « Evaluation of value-at-risk models using historical data : Economic Policy Review- Federal Reserve Bank of New York, New York; Apr 1996

Hitchins John, « What is Value-at-Risk ? », Accountancy, London, Jan 1997

J. Hull and Alan White, « Value at Risk When Daily Changes in Market Variables Are Not Normally Distributed »; The Journal of Derivatives, Spring, 1998.

C. Marshall, M. Siegel, «Value-at-Risk: Implementing a Risk Measurement Standard», Financial Institutions Center, Wharton, 1996,

J. Roy , « Marchés Financiers : Notes de cours », École des Hautes Études commerciales de Montréal, 1998 et 1999.

Jean-Louis Guérin et Amina Lahrèche-Révil1(2002), « Volatilité Des Changes et Investissement », Économie Internationale 88 (2001), p. 5-22.

F. Ielpo , « Econométrie de la finance ». Dexia Group, Centre d’Economie de la Sorbonne, Paris, 2008.

P. Jorion , «Value-at-Risk: The New Benchmark for Managing Financial risk », 3^ème edition, Mc Graw-Hill, 2007.

P. De Lima, P. Guerrier : « La Value-at-Risk reste un outil efficient », L’AGEFI.2009.

Ali Abdallah. : « Taux de change et performance économiques dans les PED : l’exemple du Maghreb ». Thèse de Doctorat. Université Paris XII. 2006.

Bank AL Maghrib : « Rapport sur l’activité des établissements de crédit 2012 ».2012.

B. Camara : « Régulation du capital et risque de défaillance des banques européennes : une analyse empirique », université de Limoges, LAPE.2006

Basel Committee, B. S. «Revisions to basel II market risk framework ». Bank for International Settlements”. 2009.

(16)

16 J. Danielsson, C. G. De Vries. « Value-at-risk and extreme returns ». Annales d’Economie et de Statistique, 2000 , p.239-270.

P. Dumontier, D. Dupre & C. Marin « Gestion des risques bancaires : l’apport des IFRS et de Bàle II. Paris »: ‘Revue banque’ Ed. 2008.

E. Fromont, « Modélisation des rentabilités extrêmes des distributions de hedge funds.

Banque & Marchés (79) », 2005, p.31-41

T. Roncalli, « La gestion des risques fianciers ».Paris : Economica.2009.

J. Bouoiyour ,V. Marimoutou,S. Rey « Taux de change réél d’équilibre et politique de change au Maroc :une approche non parametrique ». Economie internationale 97, 2004, p.81-104.

M. Debbarh : « Les techniques de couvertue du risque de change et de taux d’interet au Maroc ».Edition de l’Aube,2005.

P. Arvisenet : « Finance internationale : Marchés et techniques » .Edition Hachette, 2003.

P. Embrechts, R. Frey & A.J. McNeil, « Quantitative Risk Management : Concepts, Techniques and Tools ». Princeton University Press, New Jersey, USA.2005.

J. Franke, W. Hardli & C. Hafner, « Statistics of Financial Markets». Spring-Verlag, Berlin, Germany.2004.

La base de données de la banque BNP Paribas : https://www.quandl.com/BNP/MADEUR- Currency-Exchange-Rate-MAD-vs-EUR.

Bank AL-MAGHRIB : Rapport d’activité des etablissements de credit 2012.