• Aucun résultat trouvé

[PDF] Support de cours ALM pour débutant | Cours alm

N/A
N/A
Protected

Academic year: 2021

Partager "[PDF] Support de cours ALM pour débutant | Cours alm"

Copied!
110
0
0

Texte intégral

(1)

Gestion Actif Passif 

 Asset Liability Management

(2)
(3)

Classiquement, une banque supporte

plusieurs types de risques:

 Risque de défaut  Risque de liquidité  Risque de taux  Risque de change  Risque de marché  Risque opérationel  …

Introduction Générale

(4)

Dans le cadre des activités de marché :

risques spécifiques (marché)

Dans le cadre de l’activité de la banque (1°

métier), d’autres risques :

 Risque de liquidité : risque de ne pas faire face à

ses engagements (flux réels de cash)

 Risque de taux : risque de ne pas pouvoir se

refinancer au taux attendu

 Risque de change : risque que le produit bancaire

des filiales soit dégradé par les mouvements du

(5)

Exemple simple:

◦ Une agence locale prête 100 à 5% pour un an à

un particulier

 Besoin de refinancer 100 auprès de la maison mère

Refinancement au taux de cession interne de

4,9%

 Marge commerciale = 0,1%

◦ La maison mère doit se refinancer sur le marché

4,85%

(6)

Au final:

◦ La maison mère centralise les besoins de cash et

les besoins de financement.

0

La différence entre les deux = l’impasse de liquidité

◦ La sensibilité de la marge de taux aux

mouvements de taux = impasse de taux

On utilise des produits de couverture et une

prévision des besoins de liquidité pour gérer

ces deux impasses  Job de l’ALM

(7)

Aussi possible de comprendre d’ALM au

travers de la dynamique du bilan.

A l’instant t, bilan équilibré

Mais dynamiques de l’actif et du passif ne

sont pas les mêmes :

 Besoins de clients courts ou longs

 Besoins de refinancement dépend de la stratégie

de taux

(8)

Bilan de la banque

Actif

Passif

LONG TERME  Immobilisations corporelles  Immobilisations incorporelles  Immobilisations financières ◦ Opérations avec la clientèle ◦ Participations/parts ◦ Créances sur établissements de crédits COURT TERME  VMP : obligations, actions…

LONG TERME

Fonds propres

Réserves

Résultats

Provisions RC

Dettes financières

longues

COURT TERME

Dettes court terme

(9)

Au final:

 Première contrainte : faire face à ses échéances

(vis-à-vis des clients et des contreparties)

 Deuxième contrainte : perdre le moins possible

d’argent sur les marchés de taux

 Troisième contrainte : … essayer de gagner de

l’argent.

MAIS L’ALM N’EST PAS UN CENTRE DE PROFIT !!!

Il est naturel de ne pas toujours gagner de l’argent

(10)

Exemple:

 Lorsque les taux baissent et qu’on a des besoins

de financement

 Créance client 100€ à 4% sur un an

 Refinancement au jour le jour à 3.8% jusqu’à …

3% sur un an

La situation est très différente si les taux montent!

(11)

Au final:

 Tout dépend de la structure du bilan: emprunteur

ou préteur?

 De la maturité de l’actif et du passif : macro ou

micro traitement?

 Du contexte du marché des taux : croissant ou

décroissant

 De la politique de funding…

(12)

Introduction Générale

Ici : on traite principalement de l’ALM dans la

position de la maison mère:

 Détermination de la politique de funding (long

terme)

 Détermination de la couverture du risque de taux

et de liquidité

(13)

Organisation du cours:

1) Le risque de liquidité: mesure et gestion

2) Le risque de taux: mesure et gestion

3) Outils de prise de décision

4) Prise de position de taux, maturité et économie

(14)

Conseils de lecture

 Sur les produits de taux : Martellini, Priaulet et

Priaulet (2003)

 Sur l’ALM : Introduction à la Gestion Actif Passif,

Demey, Frachot et Riboulet (2004) Economica

(15)
(16)

La liquidité : être capable de faire face aux

engagements du passifs et de l’actif.

Problèmes de liquidité :

 A l’actif : perte d’opportunité, impossibilité de

financer un projet

 Au passif : crise de liquidité, détérioration du

nom… ou pire.

(17)

Au passif, les capacités de financement

proviennent:

 Du cash levé auprès des banques centrales (repo)

 Refinancement auprès du marché interbancaire

 Les dépôts clients : en environnement normal,

constituent un matelas de sécurité

 Emprunts à long terme (funding)

 Capital de la banque = Fonds propres + Réserves

(+PRC +Résultat)

Le risque de liquidité

Dépend de la

politique monétaire

(18)

A l’actif:

 Cash et titre d’Etat, notamment éligible pour

opérations open market (BC) et repo.

 Actifs échangés sur marché organisés: actions,

prêts interbancaires…

 Crédit clients, selon maturités, pays d’origine,

risque…

 Participations et actifs de long terme difficiles à

céder

(19)

Et tout ce qui est caché dans le hors bilan:

 Options sur futures

 Swaps de taux et de devises

 Forward Rate Agreement et Futures

Qui peuvent avoir un impact sur la liquidité: appels de marge journaliers, livraison de cash…

(20)

A chaque date présente, le bilan est équilibré

par construction.

Mais en projection : gap de liquidité par

maturité

Répond à la question : de combien de cash

vais-je avoir besoin/en excédent dans un an, deux ans…

Calcul de

l’impasse de liquidité

=

Actif – Passif aux différentes dates du bilan

Naturellement : a chaque date présente, le bilan est

(21)

La connaissance de ces besoins permet de les

prévoir:

 Funding pour le long terme (élimination en dure

du besoin)

 Prise de décision par le comité ALM pour la partie

plus courte.

Tant que les besoins ne sont pas couverts par

anticipation  risque de taux!

En ALM : possibilité de le couvrir ou non, en

Le risque de liquidité

(22)

De plus: distinction statique / dynamique:

 En date t  structure par terme des gaps dans

l’hypothèse où la banque arrête son activité.

 En réalité: des encours prévisibles à venir dans le

futur  Gap de liquidité dynamique:

 Productions nouvelles: nouveaux prêts et emprunts  Ecoulements connus de ces nouveaux encours.

Bref, on peut complexifier en fonction de la connaissance que l’on a du futur.

(23)

Le gap de liquidité:

Pour chaque maturité:

GAP(T)=Passif(T)-Actif(T)

 GAP>0  davantage de ressources que de

besoins de financement.

 GAP <0  le contraire: le cas le plus préocuppant.

(24)

Le risque de liquidité

Année s 0 1 2 3 4 5 6 7 8 9 10 Actif 100 100 100 100 0 0 0 0 0 0 0 Passif 100 80 60 40 40 40 40 40 40 40 40 Gap 0 -20 -40 -60 40 40 40 40 40 40 40

(25)
(26)

Le risque de liquidité

(27)

Plusieurs quantités à connaitre pour

cerner son évolution:

La fonction d’écoulement S(t,T)=probabilité

qu’1 € d’un encours entré en date t soit encore dans le bilan en date T.

La vitesse d’écoulement:

(28)

Homogénéité si ces deux quantités ne

dépendent que de T-t.

Vitesse d’écoulement: 10% signifie que 10%

de l’encours s’évapore chaque année (en base

annuelle).

Dimension macro plutôt que micro : stock

global.

(29)

La vitesse d’écoulement est fonction de:

 La politique commerciale de la banque

 La concurrence

 La conjoncture économique

 L’état des marchés financiers…

Pour ne citer que ces éléments…

Et attention aux options cachées dans les prets…

(30)

L’impasse de liquidité statique:

En dynamique, on ajoute les productions

nouvelles et leur écoulement:

(31)

La liquidité est strictement encadrée par la loi

(cf. DFR 2003)

 Ratios de liquidité :

disponibilités ou actif à un mois/ exigibilité remboursables à un mois >100%

 Ratio de fonds propres :

FP/Dette à plus de 5 ans >60%

 Et bien d’autres encore…

(32)
(33)

Le gap de liquidité :

 Incertitude sur son financement si négatif

 Incertitude sur son utilisation si positif

Car :

 Variation des taux adossés

 Existence d’opérations à taux variables

 …

Mais ces variations ne sont pas forcément

dommageable: structure du bilan,

(34)

Le risque de taux en ALM:

 Incertitude de la structure par terme du résultat

de la banque due aux variations futures des taux

Différent de la logique de trading et du

mark-to-market:

Le risque de taux

Incertitude sur l’évolution de la prime de risque Incertitude sur l’évolution des discount factors

(35)

L’impasse de taux:

structure par terme des sensibilités du résultat

futur aux futurs taux réalisés.

Marge d’intérêt pour une maturité

(36)

Marge d’intérêt après refinancement:

Le risque de taux

Partie incertaine des revenus de la banque

(37)

Un rapide calcul donne:

Expression du risque de taux en forme de

sensibilité

R(T) est inconnu  probabilité  VaR

Le risque de taux

(38)

On peut couvrir ce risque de taux à l’aide de

 Swap

 Futures

 Options sur Futures

 FRA

(39)

Le risque de taux

(40)

Concrètement, seuls les opérations à taux fixe

sont source de risque.

Le gap de taux ou impasse correspond à la

différence de ces opérations à taux fixe:

 Par maturité

 Actif vs Passif

Autre façon de le dire: gap de taux = gap de

liquidité sur opérations à taux fixe

En effet: taux variable  pas de surcout pour

le refinancement

(41)

Quelques exemples numériques pour fixer les

idées:

Actif : prêt in fine 2 ans de nominal 100€ avec

taux fixe 5%

?

Passif : emprunt 1 an 80€ pour 3% et FP 20€

Gap de liquidité?

Gap de taux?

Le risque de taux

(42)

Le risque de taux

  Actif Passif LiquiditéGap Gap Taux

Année 1 100 € 100 € 0 0

(43)

Avec des taux variables

h

Actif : prêt in fine 2 ans de nominal 100€ avec

taux fixe 5% pour la première année et taux

variable pour la seconde année.

h

Passif : emprunt 1 an 80€ pour 3% et FP 20€

Gap de liquidité?

Gap de taux?

Le risque de taux

(44)

Le risque de taux

  Actif Passif LiquiditéGap Gap Taux

Année 1 100 € 100 € 0 0 Année 2 100 € 20 € -80 € 0 € Pas de risque de taux puisque taux variable!

(45)

Globalement, MNI ne dépend pas des

opérations à taux variable.

(46)

On peut tracer un profil de gain produit par

produit:

 Swap IRS

 FRA/Futures

(47)

On peut tracer un profil de gain produit par

produit:

 Swap IRS

 FRA/Futures

Important pour établir une stratégie de

couverture du risque de taux

(48)

Swap de taux :

 Swap payeur ou emprunteur = paie taux fixe et

reçoit taux variable

 Swap receveur ou prêteur = paie taux variable et

reçoit le taux fixe

Opération de prêt emprunt pour un nominal

fictif: le risque de taux dépend de la

fréquence de fixing du variable (E3M, E6M…).

(49)

Contrepartie B

Le risque de taux

Contrepartie A Capital Capital Paye taux fixe Recoie taux

(50)

Swap de taux:

 Aucune impasse de liquidité

 Impasse de taux pour la prochaine date de fixing

Exemple:

 Swap emprunteur pour nominal de 100€ 1 an

 Taux fixe 5%

 Taux variable Euribor 3M

(51)
(52)

FRA et Futures (Euribor, Eurodollar…)

permettent de figer des aujourd’hui les taux

de demain

Pas d’échange de nominal: le notionel est fictif

Acheteur de l’Euribor reçoit le taux fixe et

paye le variable

Acheteur d’un FRA reçoit le variable et paye le

fixe

Attention aux conventions de cotations…

Le risque de taux

(53)

Exemple: Acheteur Euribor futures

 Cote 96,5 sur le marché

 Notionel 100€ (convention)

 3 mois dans 3 mois

 Gap de liquidité et gap de taux d’un acheteur?

(54)
(55)

Les choses peuvent être encore plus

compliquées:

 Livret A et indexation sur l’inflation

 PEL et dates de début de prêt aléatoire

 Vitesse d’écoulement des dépôts à vue

 Prêt clients et options cachées

D’autres gestions possibles :

 Gestion en terme de VAN

(56)

La VAN: valeur actuelle nette des flux futurs

Se calcule avec un Gap fermé à l’aide de la

courbe des forwards par time bucket (+ ou –

précis)

VAN d’une opération à taux variable nulle

VAN=Actif*(TA-TM)*DF-Passif*(TP-TM)*DF

Sensi = Delta VAN en fonction de TM

Critiques classiques+perte de temporalité.

Risque de taux

(57)

Le gap de taux est le gap de liquidité des

opérations à taux fixes

Le signe du gap de taux est donc celui du gap

de liquidité

Un gap positif correspond à une position

prêteuse

Un gap négatif correspond à une position

emprunteuse

(58)

Situation tout à fait différente pour la marge

d’intérêt

Une marge positive indique un gain:

différence entre actif (source de gains) et

passif (source de couts)

La marge d’intérêt est liée au gap de taux,

mais ce sont deux concepts différents

(59)

Prendre une position en ALM

Connaitre les anticipations de marché du futur des taux banque centrale

(60)

Lien entre taux swap et taux banque centrale

 Lien empirique:

 Dépend de la maturité

 Dépend de la période considérée (conundrum)  Dépend de la devise

 Dépend du degré d’indépendance du marché et de sa

relation aux US

 Dépend du banquier central

 Lien théorique:

 Expectation hypothesis

 Capitalisation et principe de non arbitrage

(61)
(62)
(63)
(64)

Les taux courts:

 Forte liaison aux taux BC

 Jusqu’à deux ans

Les taux longs:

 Peu liés aux taux courts

 Greenspan conundrum

 Existe également dans le cas euro

(65)
(66)
(67)
(68)
(69)
(70)

ALM et taux BC : le cas Euro

Mouvements de 25 bp dans la plupart des

case

Même comportement que les taux dollars

Taux courts liés à la politique monétaire

Taux longs globalement peu connectés

(71)

Taux swap et scénario monétaire

En utilisant la relation entre taux ZC, YTM et

taux forwards

 On calcule les taux forward 1 jour dans x jours

 Avec x le nombre de jours jusqu’au prochain

meeting banque centrale

(72)

Taux swap et scénario monétaire

Difficultés:

 Les taux swaps sont couponés: déterminer les ZC

à partir de taux au pair

 Problèmes de bases journalières  Liquidité des swaps?

(73)

Taux swap et scénario monétaire

Difficultés:

 Quel modèle pour les forwards?

 Pas de modèle? Arrondi des taux spot à 25bp  Utiliser la relation forward/spot sans modèle

 Utiliser un modèle parametrique de la courbe des taux:

 Famille de Nelson et Siegel élargie  Résultat dépendent :

 De la période

 Des données utilisés: US/EUR  De la calibration

(74)

La famille de Nelson­Siegel élargie

 Rappels de base sur le lien spot forward

 On note le forward de départ tau et de durée résiduelle

tau*:

 Le forward instantané est alors:

(75)

La famille de Nelson­Siegel élargie

 Rappels de base sur le lien spot forward

 Le prix d’un ZC dans ce contexte continu:

 Tout modèle consistent de la courbe des forwards

instantané donne lieu à une courbe spot plus ou moins:

 Complexe  Réaliste

(76)

La famille de Nelson­Siegel élargie

 Nelson et Siegel:

 Une courbe des forwards à une bosse, définie par

lambda et les beta:

 Par non arbitrage, le spot vaut :

(77)

La famille de Nelson­Siegel élargie

 Svensson

 Une courbe des forwards à deux bosses:

(78)

La famille de Nelson­Siegel élargie

(79)

La famille de Nelson­Siegel élargie

(80)

La famille de Nelson­Siegel élargie

Principal probleme avec ces modèles: les

sauts dans les parametres d’un jour sur

l’autre

(81)
(82)

Taux swap et scénario monétaire

Difficultés:

 Quels produits utiliser?

 Taux swap seulement?

 Taux Futures seulements?

 Un contrat tous les trois mois  Mais contrats très liquides

 Fréquence de mise à jour?

 Les taux forward forment une prédiction biaisée

des futurs taux: prime de terme

 Aux US, Piazzessi  En Euro, Coffinet

(83)
(84)
(85)
(86)

La prime de terme

Prime de terme:

 Dépend de l’actif utilisé pour la calculer:  Fed fund futures

 Eurodollar ou Euribor futurs  Est contra cyclique

 Est négative en moyenne lorsque les taux montent et positive dans le cas contraire

(87)

Taux forward instantané et taux BC

Le modèle fournit les taux forward

instantanée monétaires

Correction pour spread refi-jj

Au final:

Taux forward inst. = Spread refi jj + Target Banque Centrale

(88)
(89)
(90)
(91)
(92)

Taux forward instantané et taux BC

Le modèle fournit les taux forward

instantanée monétaires

Correction pour spread refi-jj

Au final:

Taux forward inst. = Spread refi jj + Target Banque Centrale (25bp)

(93)

Utiliser l’information dans les prix d’option:

Dérivée seconde du prix du call européen par

rapport au strike:

Mais la distribution risque neutre n’est pas la

(94)

A step further…

Lien entre distribution subjective et

anticipations:

Radon Nikodyn:

Dérivée logarithmique:

(95)

En pratique:

 donner une forme à l’aversion au risque est

difficile

 Nécessite de nombreuses hypothèses

 Rend le modèle plus compliqué à estimer

 … Bref, c’est peut être beaucoup de bruit pour

rien!

Pour la politique monétaire:

 Peu utilisé

Les options disponibles sont: options sur fut (US)

(96)

 Avec BS, quand la vol dépend du strike :

 Moralité: estimation d’une spline cubique et

dérivation à partir du smile de la densité RN

(97)
(98)
(99)

 Mais RN <> de subjective :

(100)

A step further…

Au final:

 Possible de suivre les anticipations de marché

 Au jour le jour

 Maturité par maturité

 Devise par devise!

Mais :

 Connaitre le scénario de marché n’est pas

suffisant

(101)

 Mais RN <> de subjective :

(102)
(103)

Economie et prise de position

Les BC forgent leur décisions en fonction des

indicateurs économiques

Leur mission: contrôler les anticipations

d’inflation

Les indicateurs principaux:

 CPI

 M3 (Eurozone)

 NFP: créations d’emploi (US)

(104)

Economie et prise de position

Utile pour deux types de taches:

 Pour déterminer les grandes orientations de la politique

monétaire (et donc le NIVEAU des taux) : orientation des positions de long terme

 Pour déterminer le juste moment pour mettre en place

les stratégies de taux: market timing

Mais beaucoup d’indicateurs économiques!

(105)
(106)
(107)

Les règles de Taylor

La façon la plus simple d’expliquer les taux: la

(108)

Les règles de Taylor

La façon la plus simple d’expliquer les taux: la

(109)

Les règles de Taylor

La façon la plus simple d’expliquer les taux: la

règle de Taylor:

Erreurs du modèle par stable

Masque deux problèmes:

(110)

Market Timing et annonces 

macroéconomiques

Références

Documents relatifs

More precisely, the submodels can be estimated by iteratively solv- ing a classical support vector regression problem, in which the sparsity of support vectors relates to the

Pour que ses études puissent porter, Lacheraf doit dans un premier temps avoir accès à de nouvelles publications qui lui permettent, ensuite, de s’adresser aux Français et aux

Dans l’ensemble, les résultats ont révélé que les parties de visage isolées étaient traitées plus efficacement que les parties en contexte lorsque la tâche favorisait une

Coding gains are maintained in weakly non-linear regime and no extra penalty is added when non-linear effects become

The present study is a longitudinal description of personality differences between 239 adjudicated males and 95 females, and of the Iinks between personality and delinquency

conceptuellement reliés au décrochage scolaire et considérant les liens prédictifs établis dans plusieurs études entre les prédicteurs du décrochage (e.g., performance scolaire,

SHM systems applied to bridges are in essence used to collect data characterizing the real time behavior of the bridge (Lynch, 2004). The monitoring process can be related

In order to secure OCARI specification, our work aims to create a robust security protocol, which ensures a mutual authentication between the device and the CPAN at the MAC