La Value at Risk (VaR) est une mesure statistique utilisée pour évaluer le risque de perte potentielle d’un portefeuille d’investissement sur une période donnée. Elle répond à la question suivante: quelle est la perte maximale que l’on peut subir avec un certain niveau de confiance ? Par exemple, une VaR de 1 million d’euros avec un niveau de confiance de 95% signifie qu’il y a 5% de chances que la perte dépasse 1 million d’euros.
La VaR est un outil essentiel pour les gestionnaires de portefeuille, les régulateurs et les investisseurs, car elle permet de quantifier le risque et de prendre des décisions éclairées. Cependant, elle présente certaines limites, notamment en ce qui concerne les queues épaisses et la non-stationnarité des données. Dans cet article, nous explorerons les différentes approches de calcul de la VaR, leurs limites et les compléments comme l’Expected Shortfall (ES).
Les approches de calcul de la VaR
Il existe plusieurs méthodes pour calculer la VaR, chacune avec ses avantages et ses inconvénients. Les trois principales approches sont l’approche historique l’approche paramétrique et l’approche Monte Carlo.
L’approche historique
L’approche historique consiste à utiliser les données passées pour estimer la distribution des rendements futurs. Elle suppose que les rendements passés sont une bonne indication des rendements futurs. La VaR est alors calculée en prenant le percentile correspondant au niveau de confiance souhaité dans la distribution des rendements historiques.
Cette méthode est simple à mettre en œuvre et ne nécessite pas de suppositions sur la forme de la distribution des rendements. Cependant, elle présente plusieurs limites. Tout d’abord, elle ne tient pas compte des événements extrêmes qui n’ont pas eu lieu dans le passé. Ensuite, elle suppose que les rendements passés sont représentatifs des rendements futurs, ce qui peut ne pas être le cas en période de forte volatilité ou de changement de régime de marché.
L’approche paramétrique
L’approche paramétrique suppose que les rendements suivent une distribution normale. La VaR est alors calculée en utilisant les paramètres de la distribution normale, à savoir la moyenne et l’écart-type des rendements. Cette méthode est plus flexible que l’approche historique, car elle permet de prendre en compte des distributions autres que la normale.
Cependant, l’approche paramétrique présente également des limites. Tout d’abord, elle suppose que les rendements suivent une distribution normale, ce qui peut ne pas être le cas en période de crise ou de forte volatilité. Ensuite, elle ne tient pas compte des événements extrêmes, car la distribution normale a des queues fines.
L’approche Monte Carlo
L’approche Monte Carlo consiste à simuler un grand nombre de scénarios possibles pour les rendements futurs. La VaR est alors calculée en prenant le percentile correspondant au niveau de confiance souhaité dans la distribution des rendements simulés. Cette méthode est très flexible, car elle permet de prendre en compte des distributions complexes et des événements extrêmes.
Cependant, l’approche Monte Carlo est également coûteuse en termes de calcul et peut être difficile à mettre en œuvre pour des portefeuilles complexes. De plus, elle repose sur des hypothèses de modélisation qui peuvent ne pas être vérifiées en pratique.
Les limites de la VaR
La VaR présente plusieurs limites importantes, notamment en ce qui concerne les queues épaisses et la non-stationnarité des données. Les queues épaisses font référence à la probabilité plus élevée d’événements extrêmes que ce que prédit la distribution normale. La VaR, en particulier l’approche paramétrique, peut sous-estimer le risque en cas de queues épaisses.
La non-stationnarité des données fait référence à la possibilité que les rendements passés ne soient pas représentatifs des rendements futurs. Cela peut être dû à des changements dans les conditions économiques, les politiques monétaires ou les comportements des investisseurs. La VaR, en particulier l’approche historique, peut être trompeuse en cas de non-stationnarité.
Les compléments à la VaR: l’Expected Shortfall (ES)
Pour pallier les limites de la VaR, les gestionnaires de risque utilisent souvent des compléments comme l’Expected Shortfall (ES). L’ES est une mesure du risque qui prend en compte les pertes au-delà de la VaR. Elle est calculée comme la moyenne des pertes qui dépassent la VaR à un niveau de confiance donné.
L’ES est une mesure plus conservative que la VaR, car elle prend en compte les événements extrêmes. Elle est également plus sensible aux changements dans la distribution des rendements, ce qui la rend plus adaptée en période de forte volatilité ou de changement de régime de marché.
Les gestionnaires de risque doivent être conscients de ces limites et utiliser des compléments comme l’ES pour obtenir une évaluation plus complète du risque. En comprenant les différentes approches de calcul de la VaR et leurs limites, les investisseurs peuvent prendre des décisions plus éclairées et mieux gérer leur portefeuille.
