ROYAUME DU MAROC

*-*-*-*-*
HAUT COMMISSARIAT AU PLAN
*-*-*-*-*-*-*-*
INSTITUT NATIONAL
DE STATISTIQUE ET D’ECONOMIE APPLIQUEE

Projet de Fin d’Etudes

*****

CDG Group Risk Management : Processus d’allocation

stratégique des fonds propres et de pilotage Rendement/Risque

Préparé par : Mlle. CHAJIE Mouna

Sous la direction de : M. EL QALLI Yassine (INSEA)
M. LAHARACH Youssef (CDG)
Mme. HAFSI Samia (CDG)

Soutenu publiquement comme exigence partielle en vue de l’obtention du

Diplôme d’Ingénieur d’Etat
Filière : Actuariat-Finance

Devant le jury composé de :

 M. EL QALLI Yassine (INSEA)

 M. DOGHMI Ahmed (INSEA)
 M. LAHARACH Youssef (CDG)
 Mme. HAFSI Samia (CDG)

JUIN 2017 / PFE N° 11

2
 Dédicace

Dédicace
Je dédie ce modeste travail
A ceux qui m’ont donné la vie, mes très chers parents, qui ont
toujours été présents pour moi dans les situations les plus
difficiles, et plus spécialement au centre de mon cœur, ma chère
maman, celle qui m’a donné tout l’amour et la tendresse du
monde, celle qui m’a éclairée dans les ténèbres, celle qui a semé
mon bonheur, la flamme qui a éradiqué mes malheurs, mon espoir
dans ma peur, celle qui a rendu ma crainte une intrépidité.
A mon unique sœur, qui sans elle, la vie ne saurait avoir son
charme, je veillerai à ce que je sois ton meilleur exemple pour que
tu puisses atteindre tes objectifs.
A tous mes amis qui ont toujours été là pour moi, votre amitié ne
fait qu’embellir ma vie.
A tous ceux qui me connaissent et qui ont contribué de près ou
de loin à l’achèvement de ce travail.
Je vous aime tous de tout mon cœur.
Mouna

3
 Remerciements

Remerciements
Il m’apparaît opportun, avant de développer mon expérience professionnelle, de
m’acquitter d’une dette de reconnaissance auprès de toutes les personnes ayant
contribué à l’aboutissement de ce projet.

Qu’il me soit permis, au terme de ce travail, d’exprimer ma profonde gratitude et

mes vifs remerciements, à mon respectueux professeur M. EL QALLI Yassine, pour son
encadrement, sa disponibilité et ses directives précieuses qui m’ont aidé tout au long de
ce stage. Qu’il trouve ici l’expression de mon profond respect et ma grande considération
pour ses compétences et qualités humaines.

Je remercie, par la présente, M. LAHARACH Youssef, Directeur de la

Modélisation et du Développement au sein de la CDG, de m’avoir accueilli au sein de
sa direction, et pour la qualité du savoir qu’il m’a transmis. Malgré les occupations et
les responsabilités qu’il assume, il a toujours eu le temps pour appuyer mon travail et
m’orienter tout au long de ce stage.

Je saisis l’occasion pour remercier vivement mon encadrante de stage Mme.

HAFSI Samia, Risk Manager au sein de la direction de la Modélisation et du
Développement. Qu’elle trouve ici le témoignage de mon estime et de mon insondable
reconnaissance de m’avoir écouté, pour sa disponibilité, ses conseils abyssaux, la qualité
de son suivi au jour le jour et sa compétence qu’elle m’a prodiguée.

Mes sentiments de gratitude s’adressent également à Mme. HAJIB BOUAMRI

Achaïmae, Mme. SAHBAN Amal, M. ALAOUI Smaïl, Mme. NARJISS Hind, et
Mme. FENNICH Rim, non seulement pour leur amabilité, mais aussi d’avoir rendu le
milieu de travail plus aimable en faisant preuve d’un grand sens d’hospitalité.

Je ne saurai terminer ces remerciements sans rendre grâce à la gentillesse de tout

le personnel de la CDG aussi accueillant et serviable.

Je conserve un remerciement spécial à M. DOGHMI Ahmed de m’avoir honorée

avec grande sympathie, de siéger parmi mon jury de soutenance, et d’accepter d’évaluer
ce travail.

Enfin, je remercie chaleureusement tout le corps professoral et administratif de

l’Institut National de Statistique et d’Economie Appliquée pour les bases inculquées au
cours de ma formation, et tous ceux qui ont contribué de près ou de loin à l’achèvement
de cet humble travail.

4
 Résumé & Mots-clés

Résumé
Sous toutes ses formes, le risque est source de chaos, une contingence qui entraîne dans
son sillage des menaces pour tous les opérateurs des marchés financiers. A ce titre, les
institutions financières sont toujours à l’affût de la quantification et de la gestion de ces risques
financiers. La CDG, qui ne fait pas exception à la règle, est tenue de contrôler en permanence
l’adéquation de ses fonds propres à l’ensemble des risques générés. Il s’agit d’une étape
importante pour parfaire l’ossature du groupe. De ce fait, le projet Capital Risk Management
vient en réponse à un besoin éminent de corroborer le dispositif de pilotage stratégique du
groupe CDG, Etablissement Public et principales filiales, et de se doter d’un outil d’allocation
stratégique des fonds propres à l’échelle du groupe.
Par ailleurs, ce projet se déroule en deux grandes étapes. La première consiste à
quantifier tous les risques afférents à l’activité financière de l’institution, et par conséquent de
trouver l’estimation du couple Rendement/Risque. A noter que l’étude portera principalement
sur le risque de marché, le risque de crédit, le risque opérationnel, et le risque de taux. La
deuxième partie est consacrée à l’outil d’allocation stratégique, traduisant la vision d’aversion
aux risques du groupe, et permettant de définir la structure optimale entre ses filiales. Cette
allocation sera effectuée grâce à des simulations de portefeuilles possibles qui répondent à
plusieurs contraintes guidées par les orientations stratégiques.

Mots-clés

- Allocation stratégique ;
- Exigences en fonds propres ;
- Rentabilité ;
- Risque de crédit ;
- Risque de marché ;
- Simulation ;
- Value-at-Risk.

5
 Liste des abréviations

Liste des abréviations

A I
ADF : Augmented Dickey-Fuller IML : promotion Immobilière et Immobilier Locatif
AMMC : Autorité Marocaine du Marché des
Capitaux L
APT : Arbitrage Pricing Theory LGD : Loss Given Default
ATI : Aménagement du Territoire et LT : Long Terme
Infrastructure
AUDA : Agence d’Urbanisation et de M
Développement d’ANFA MASI : Moroccan All Shares Index
B MBI : Moroccan Bonds Index
BAM : Bank Al-Maghrib MEDAF : Modèle d’Evaluation Des Actifs
BDT : Bon De Trésor Financiers
BVC : Bourse des Valeurs de Casablanca MLT : Moyen et Long Terme
C MNI : Modèle de Notation Interne
MNF : Modèle de Notation des Filiales
CAPM : Capital Asset Pricing Model
MRB : Biais Relatif Moyen
CDG : Caisse de Dépôt et de Gestion
MT : Moyen Terme
CDG EP : Caisse de Dépôt et de Gestion
Etablissement Public O
CDGK : CDG Capital OPCVM : Organisme de Placement Collectif
CFVaR : Value-at-Risk corrigée par en Valeurs Mobilières
l’approximation de Cornish-Fisher P
CGI : Compagnie Générale Immobilière P&L : Profit and Loss
CIH : Crédit Immobilier et Hôtelier PD : Probabilité de Défaut
CRM : Capital Risk Management PF : Pôle Finance de la CDG EP
CT : Court Terme PNB : Produit Net Bancaire
D POF : Proportion Of Failures
DMD : Direction de la Modélisation et du PTF : Portefeuille
Développement
Q
E Q-Q Plot : Quantile-Quantile Plot
EAD : Exposure At Default R
EFP : Exigences en Fonds Propres RG : Rentabilité Globale
F RG tg : Rentabilité Globale du portefeuille
FC : Foncière Chellah tangent
FIN : Financier S
FIPAR : Holding Financière de SAL : Système d’Allocation optimale des
Participations et d’investissement fonds propres et de Limites
FP : Fonds Propres SQR : Système de Quantification des Risques
FPE : Fonds Propres Economiques SDS : Société de Développement de SAIDIA
FPE tg : Fonds Propres Economiques du SCR : Société Centrale de Réassurance
portefeuille tangent SONADAC : Société Nationale
FPP : Fonds Propres Prudentiels d’Aménagement Communal
SHN : Société Hôtelière de NADOR
G T
GARCH : General AutoRegressive TRI : Taux de Rentabilité Interne
Conditionnal Heteroscedasticity V
H VaR : Value-at-Risk
HZT : Sociétés Hôtelières et Zones VBA-Excel : Visual Basic for Applications
Touristiques sous EXCEL

6
 Liste des tableaux

Liste des tableaux

Tableau 1. Les catégories de risques, centre d'intérêt du PRM ..................................................................... 20
Tableau 2. Principaux segments et filiales retenus pour le projet CRM ....................................................... 28
Tableau 3. La nomenclature adoptée tout au long du rapport. ...................................................................... 28
Tableau 4. Les quatorze classes d'actifs arrêtées dans le cadre du projet CRM. ........................................... 29
Tableau 5. Les différents acteurs du projet et leurs rôles respectifs. ............................................................. 30
Tableau 6. Résumé des articles 48 à 55 de la circulaire 26/G/2006 relative à l’approche standard pour le
risque de marché............................................................................................................................................ 37
Tableau 7. Les facteurs complémentaires correspondant à chaque nombre de dépassements. ..................... 38
Tableau 8. Avantages et inconvénients de la VaR historique et de la VaR paramétrique. ............................ 42
Tableau 9. Les résultats du test ADF effectué pour l’action 3 sous Eviews. ................................................ 45
Tableau 10. Les résultats du test ADF effectué pour le rendement de l'action 3 sous Eviews. ..................... 46
Tableau 11. Les poids respectifs des actions dans le portefeuille. ................................................................ 48
Tableau 12. Les résultats de la VaR historique pour les trois niveaux de confiance et trois horizons, en
valeur absolue et en pourcentage................................................................................................................... 48
Tableau 13. La matrice de variance-covariance des 6 actions de notre portefeuille. .................................... 49
Tableau 14. Les résultats de la VaR paramétrique pour les trois niveaux de confiance et trois horizons, en
valeur absolue et en pourcentage................................................................................................................... 50
Tableau 15. Les résultats de la CFVaR pour les trois niveaux de confiance et trois horizons, en valeur
absolue et en pourcentage.............................................................................................................................. 51
Tableau 16. Le nombre de dépassements relatif à chaque méthode de calcul de la VaR. ............................. 54
Tableau 17. Les résultats des statistiques POF et MRB des méthodes retenues pour le calcul de la VaR.... 54
Tableau 18. Les résultats de l'implémentation des différentes méthodes de calcul de la volatilité. .............. 57
Tableau 19. Résultats des calculs de la volatilité pour le portefeuille obligataire. ........................................ 58
Tableau 20. Méthodologie adoptée par le CRM pour le calcul de la PD ajustée. ......................................... 62
Tableau 21. Grille de notation MNI de la CDG EP....................................................................................... 64
Tableau 22. Les résultats de l'estimation de la PD selon la méthodologie du CRM. .................................... 65
Tableau 23. Les résultats du calcul de la PD pour chaque émission du portefeuille obligataire. .................. 66
Tableau 24. Les résultats du calcul de la PD par classe de maturité. ............................................................ 66
Tableau 25. Tableau comparatif des mesures du risque de taux. .................................................................. 71
Tableau 26. Les résultats des estimations de la volatilité de la courbe des taux. .......................................... 73
Tableau 27. Les trois méthodes instituées dans le cadre de l'approche standard pour la quantification du
risque opérationnel. ....................................................................................................................................... 74
Tableau 28. Les résultats de la simulation aléatoire en millions de DH sous EXCEL. ................................. 89
Tableau 29. Comparaison entre les trois portefeuilles trouvés avec le portefeuille actuel au début de la
simulation en millions de DH........................................................................................................................ 90
Tableau 30. Les clés de simulation inventoriées dans le cadre du CRM pour chaque filiale. ....................... 91
Tableau 31. Interprétation des différentes clés de simulation selon les orientations stratégiques. ................ 93
Tableau 32. Les contraintes de notre modèle d'allocation visualisées dans le plan (Risque, Rendement). ... 94
Tableau 33. Les résultats de la simulation et comparaison entre le portefeuille actuel et le portefeuille
optimal......................................................................................................................................................... 105
Tableau 34. Les résultats du portefeuille optimal relatif aux segments du CRM........................................ 106

7
 Liste des figures

Liste des figures

Figure 1. Les catégories des risques majeurs faisant l’objet du projet CRM. ............................................... 29
Figure 2. Extrait de la maquette SQR du projet CRM................................................................................... 34
Figure 3. La méthode de calcul adoptée relative à chaque catégorie de risques. .......................................... 34
Figure 4. Représentation graphique de la VaR. ............................................................................................. 40
Figure 5. Graphe illustrant le cours de l'action 3 entre 2011 et 2015. ........................................................... 45
Figure 6. Graphe illustrant le rendement de l'action 3 entre 2011 et 2015. ................................................... 46
Figure 7. Q-Q Plot du test de normalité du rendement de l’action 3. ............................................................ 47
Figure 8. Les résultats du test de Jarque-Bera pour le rendement de l'action 3 effectué sous Eviews. ......... 47
Figure 9. Représentation graphique des prix du MASI pour l'année 2015.................................................... 57
Figure 10. Représentation graphique des prix de l'indice MBI de l'année 2015. .......................................... 58
Figure 11. Les différents mouvements de la courbe des taux........................................................................ 72
Figure 12. La frontière efficiente dans le plan (moyenne, variance). ............................................................ 82
Figure 13. Frontière efficiente, frontière singulière, frontière régulière........................................................ 83
Figure 14. Représentation graphique des différents portefeuilles simulés. ................................................... 89
Figure 15. La démarche de l'allocation stratégique adoptée. ......................................................................... 95
Figure 16. Algorithme d'allocation stratégique optimale .............................................................................. 96
Figure 17. Etapes de recherche de l'exposition optimale au sens du CRM. .................................................. 96
Figure 18. Les filtres de la recherche de la solution optimale. ...................................................................... 97
Figure 19. Les résultats de la simulation guidée par les orientations stratégiques. ..................................... 104
Figure 20. Comparaison des portefeuilles actuel et optimal en termes de taille dans le groupe CDG. ....... 105
Figure 21. Comparaison entre les portefeuilles actuel et optimal concernant les segments du CRM. ........ 106

8
 Table des matières

Table des matières

Dédicace..................................................................................................................................... 3
Remerciements ......................................................................................................................... 4
Résumé ...................................................................................................................................... 5
Mots-clés .................................................................................................................................... 5
Liste des abréviations ............................................................................................................... 6
Liste des tableaux ..................................................................................................................... 7
Liste des figures ........................................................................................................................ 8
Table des matières .................................................................................................................... 9
Glossaire .................................................................................................................................. 14
Introduction générale ............................................................................................................. 15
Chapitre préliminaire : Présentation de l’organisme d’accueil « Caisse de Dépôt et de
Gestion (CDG) » ..................................................................................................................... 17
La Caisse de Dépôt et de Gestion (CDG) ............................................................................. 18
Pôle Risk Management (PRM) .............................................................................................. 20
Chapitre premier : Théorie de gestion des risques et cadre général du projet ................... 21
Introduction du chapitre ....................................................................................................... 22
Théorie de gestion des risques ............................................................................................... 23
La réglementation Bâloise internationale ............................................................................ 24
Le projet de l’allocation stratégique des fonds propres ...................................................... 27
I. Cadre général et mise en situation ......................................................................... 27
II. Objectifs du projet ................................................................................................... 27
III. Composantes, référentiel et périmètre du projet .............................................. 27
IV. Equipe du projet .................................................................................................. 30
V. Démarche suivie ....................................................................................................... 30
Conclusion du chapitre .......................................................................................................... 31
Chapitre 2 : Le Système de Quantification des Risques (SQR) ........................................... 32
Introduction du chapitre ....................................................................................................... 33
Le Risque de Marché ............................................................................................................. 36
I. Définition du Risque Marché.................................................................................. 36

9
 Table des matières

II. Méthodes réglementaires de quantification du risque de marché ...................... 36

II.1 L’approche standard ........................................................................................... 36
II.2 L’approche de modèles internes ......................................................................... 37
III. La Value-at-Risk (VaR) ....................................................................................... 39
III.1 Définition .............................................................................................................. 39
III.2 Avantages et inconvénients ................................................................................. 40
III.3 Méthodes de calcul de la VaR : Revue de littérature, avantages et
inconvénients.................................................................................................................... 40
III.3.1 La méthode historique ..................................................................................... 41
III.3.2 La méthode paramétrique ............................................................................... 41
III.3.3 Comparaison des deux méthodes .................................................................... 42
III.3.4 La méthode de quantification adoptée : VaR de Cornish-Fisher (CFVaR) 43
IV. Implémentation pratique des calculs de la VaR pour le portefeuille
« Actions » ........................................................................................................................ 43
 Etapes préalables ..................................................................................................... 44
 Vérification de l’hypothèse de stationnarité, soubassement de la méthode
historique.......................................................................................................................... 45
 Vérification de l’hypothèse de normalité des rendements, fondement de la
méthode paramétrique .................................................................................................... 46
 Application de la VaR historique ........................................................................... 48
 Application de la VaR paramétrique ..................................................................... 49
 Application de la CFVaR ........................................................................................ 50
 Backtesting : justification de l’adoption de la CFVaR pour le CRM ................. 51
V. Estimation de la volatilité pour les portefeuilles « Actions » et « Obligations » 54
1) Définition .................................................................................................................. 54
2) Les techniques de calcul de la volatilité ................................................................. 55
i. La volatilité historique ............................................................................................ 55
ii. La volatilité réalisée ou annualisée......................................................................... 55
iii. Autre technique d’estimation de la volatilité ........................................................ 56
Le Risque de Crédit................................................................................................................ 59
I. Définition du Risque de Crédit ............................................................................... 59
II. Méthodologie de Calcul ........................................................................................... 59
II.1 L’approche standard ........................................................................................... 59

10
 Table des matières

II.2 L’approche des notations internes ..................................................................... 59

III. Estimation des paramètres de calcul : La probabilité de défaut (PD) ............ 61
III.1 Généralités sur la PD ........................................................................................... 61
III.2 Méthodologie adoptée pour le CRM .................................................................. 61
 Concernant le risque de l’émetteur ........................................................................ 62
 L’ajustement par la maturité ................................................................................. 63
 L’ajustement par type d’instrument ...................................................................... 63
 Zoom sur le MNI (Modèle de Notation Interne) : ................................................ 63
III.3 Une autre approche d’estimation : A travers les spreads ................................ 65
1) Cadre théorique : L’intensité de défaut et le taux de recouvrement ...................... 65
2) Application de l’approche sur le portefeuille obligataire de la CDG EP ............... 66
Le Risque de taux ................................................................................................................... 68
I. Cadre théorique ....................................................................................................... 68
I.1 Notion du taux d’intérêt .......................................................................................... 68
1) Définition du taux d’intérêt ........................................................................................ 68
2) La classification des taux d’intérêt ............................................................................ 68
3) Les différents types de taux d’intérêt ........................................................................ 68
 Taux de rendement actuariel ......................................................................................... 68
 Le taux zéro-coupon ........................................................................................................ 69
 Le taux forward et le taux à terme ................................................................................ 69
I.2 Les catégories de risques spécifiques aux obligations .......................................... 69
1) Le risque de taux d’intérêt ......................................................................................... 69
2) Le risque de signature ou de contrepartie ................................................................ 69
I.3 Les sources du risque........................................................................................... 69
I.4 Les techniques de mesure du risque ...................................................................... 70
1) La mesure du volume (Gap ou impasse) ................................................................... 70
2) La mesure de marge (sensibilité de la marge aux taux d’intérêt) ........................... 70
3) La mesure de valeur : Valeur Actuelle Nette ............................................................ 71
II. Méthodes de calcul et implémentation ................................................................... 71
 La méthode du CRM ............................................................................................... 71
 La volatilité de la courbe des taux .......................................................................... 71

11
 Table des matières

Le risque opérationnel ........................................................................................................... 74

I. Définition .................................................................................................................. 74
II. Méthodes de calcul et implémentation ................................................................... 74
II.1 L’approche standard ........................................................................................... 74
II.2 L’approche par Mesure Avancée (AMA) .......................................................... 74
III. L’approche adoptée par le CRM ........................................................................ 75
Le calcul de la rentabilité....................................................................................................... 76
I. Généralités sur la rentabilité .................................................................................. 76
I.1 Définition de la rentabilité ...................................................................................... 76
I.2 Métriques et calcul de la rentabilité ....................................................................... 76
I.3 Plusieurs formes de rentabilité ............................................................................... 76
II. La rentabilité pour le CRM .................................................................................... 77
III. RG, FPE et fin d’allocation ................................................................................. 77
Conclusion du chapitre .......................................................................................................... 78
Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL) ... 79
Introduction du chapitre ....................................................................................................... 80
Théorie de gestion de portefeuille ......................................................................................... 81
I. Le couple rentabilité-risque .................................................................................... 81
II. La diversification (théorie des choix de portefeuille de Markowitz) .................. 81
III. La frontière efficiente .......................................................................................... 82
1) Définition du portefeuille efficient ............................................................................. 82
2) Principe de détermination des portefeuilles efficients ............................................. 82
3) Quelques propriétés des portefeuilles efficients ....................................................... 82
IV. L’équilibre du marché : MEDAF ....................................................................... 83
V. APT : Arbitrage Pricing Theory ............................................................................ 85
Première approche : Simulation aléatoire ........................................................................... 86
I. Mise en situation ...................................................................................................... 86
II. Méthodologie ............................................................................................................ 88
III. Outputs : Analyse des résultats .......................................................................... 88
Deuxième approche : Simulation guidée par élimination et allocation stratégique ......... 91
I. Contexte général : orientations stratégiques et objectifs de l’approche ............. 91
II. Démarche de simulation adoptée ........................................................................... 93

12
 Table des matières

III. Algorithme : Mise en œuvre pratique sous VBA-EXCEL ............................... 95

 Bouton « Simulation » ............................................................................................... 101
 Bouton « Solution Optimale » .................................................................................. 102
 Bouton « Réinitialiser »............................................................................................. 103
IV. Réalisation d’un back-up de données ............................................................... 104
V. Outputs et Résultats : Analyse et interprétation ................................................ 104
Conclusion du chapitre ........................................................................................................ 107
Perspectives d’amélioration et de recherche...................................................................... 108
I. Pallier la non-normalité des rendements : utilisation de processus à saut............... 108
 Les processus de Lévy ........................................................................................... 108
 Le modèle mixte brownien-Poisson...................................................................... 109
II. L’utilisation du modèle GARCH(1,1) pour la volatilité ........................................ 109
III. Projection de l’allocation sur le MT ........................................................................ 110
IV. L’adoption du langage de programmation C# ....................................................... 110
Conclusion générale ............................................................................................................. 111
Bibliographie......................................................................................................................... 113
Liste des Annexes ................................................................................................................. 116
Annexe 1 : Les résultats du test de stationnarité pour le portefeuille « Actions » .......... 117
Annexe 2 : Les résultats du test de normalité pour le portefeuille « Actions » ............... 119
Annexe 3 : Résultats des tests préalables à la VaR pour le portefeuille obligataire ....... 121
Annexe 4 : L’estimation de la volatilité (Campbell, Lo & MacKinlay) ........................... 122
Annexe 5 : L’intensité de défaut (John HULL).................................................................. 123
Annexe 6 : Cadre théorique de la théorie de gestion de portefeuille................................ 124
Le modèle de marché de Sharpe .................................................................................. 125
Le modèle APT .............................................................................................................. 125

13
 Glossaire

Glossaire
Actif financier : titre ou contrat généralement transmissible et négociable sur les marchés
financiers et qui est susceptible de produire à son détenteur des revenus et/ou un gain en capital,
en contrepartie d’une certaine prise de risque.
Bon de trésor : titre d’emprunt émis par l’Etat par l’intermédiaire du trésor public.
Classe d'actifs : regroupe des actifs ayant des caractéristiques similaires en termes de risques
et/ou de rendements.
Exposition en cas de défaut (EAD : Exposure At Default) : la valeur exposée au risque d’un
élément d’actif ou de hors-bilan dont le calcul tient compte du facteur de conversion.
Facteur de conversion (CF : Conversion Factor) : le rapport entre le montant non encore
utilisé d’un engagement qui sera tiré et en risque au moment du défaut, et le montant non encore
utilisé de l’engagement autorisé.
Maturité (M : Maturity) : l’échéance effective de l’exposition.
Perte en cas de défaut (LGD : Loss Given Default) : la part de l’exposition susceptible d’être
perdue au moment où le défaut se matérialise.
Portefeuille : collection d’actifs financiers détenus par un établissement ou un individu.
Portefeuille de négociation : portefeuille constitué des positions sur instruments financiers et
produits de base détenues à des fins de négociation, ou dans le but de couvrir ou financer
d’autres éléments du même portefeuille.
Portefeuille efficient : portefeuille dont la rentabilité moyenne est maximale pour un niveau
de risque donné, ou dont le risque est minimal pour une rentabilité donnée.
Probabilité de défaut (PD : Probability of Default) : la probabilité qu’une contrepartie fasse
défaut dans un horizon d’un an.
Produits/instruments financiers : titres ou contrats, dont certains sont négociables ; ils sont
utilisés pour anticiper une rentabilité ou un risque monétaire. Ils se décomposent
essentiellement en deux types : les actifs financiers et les produits dérivés financiers.
Rentabilité d’un titre financier ou d’un portefeuille : une mesure relative à la rémunération
totale de son détenteur.
Risque général : le risque de la variation de la valeur de marché d’un instrument financier suite
à la fluctuation des taux d’intérêt ou des prix des titres de propriété.
Risque spécifique : le risque de la variation de la valeur de marché d’un instrument financier
sous l’influence des facteurs liés à son émetteur.
Taux d’intérêt : la rémunération d’un prêt pour l’emprunteur et un revenu pour le prêteur.
Valeur faciale d’une obligation : le montant sur lequel sont calculés les intérêts. Cette valeur
est inscrite sur le titre et correspond à la part d’emprunt qui a été effectivement souscrite.
VaR (Value-at-Risk) : le montant exposé au risque permettant d’estimer la perte potentielle
maximale que peut subir un portefeuille au cours d’une période de détention donnée, suite à la
variation des prix de marché et en fonction d’un intervalle de confiance donné.

14
 Introduction générale

Introduction générale
A ses risques et périls,…
Jolie expression apparue au dix-septième siècle, montrant ainsi que la notion du risque
est si attachée à ses retombées sous-jacentes.
Il est communément admis que les plus grandes nations au monde ont, depuis belle
lurette, entrepris leur marche vers la gestion des risques, domaine ayant connu un très grand
essor durant les dernières décennies. Indissociables, le développement financier et la gestion
des risques ne peuvent faire cavalier seul, car ne nous leurrons pas, nous ne saurions concevoir
la finance sans prise excessive de risque. Quoi qu’en pensent d’aucuns, la libéralisation
financière a constitué le socle du développement du système financier, qui à son tour, participe
au développement de l’économie.
Sous l’égide des institutions financières internationales, le passage d’une configuration
où le risque est vécu comme un aléa exogène subi, à une situation où les risques encourus sont
identifiés, a constitué l’instigateur réel du progrès financier. Par ailleurs, et dans le but de mieux
surmonter les crises, il est impératif de prôner une nouvelle culture du risque, en dépit des
circonstances antinomiques de valorisation, de couverture, d’investissement et de gestion.
A l’instar de tout marché international fondé sur les piliers financiers, le marché
marocain opère dans le sens où l’investissement est l’armature éminemment prégnante du
développement. Cependant, étant pionnier dans l’investissement à moyen et long terme, et
conscient de tous les enjeux du développement du secteur financier, le groupe CDG (Caisse de
Dépôt et de Gestion) opère sous le diapason des nouvelles orientations stratégiques. Il ressort
alors que l’institution financière doit mettre en place les fonds nécessaires à la couverture de
tous ses risques majeurs. De ce fait, le projet Capital Risk Management (CRM) a été inauguré
dans la mesure où le pôle Risk Management souhaite se doter d’un outil d’allocation optimale
des fonds propres entre les filiales, selon les nouvelles orientations stratégiques.
Objectifs et problématique
Le projet CRM consiste à quantifier tous les risques majeurs de la CDG, en vue d’avoir
une idée sur les fonds propres à mobiliser pour cette fin. Aussi, le dispositif permet de trouver
la meilleure macro-allocation des actifs à l’échelle du groupe, en tenant compte des contraintes
risque, de l’objectif d’améliorer la rentabilité et de de la performance globale du groupe.
Cependant, l’outil développé doit respecter les orientations stratégiques, la structure des
ressources, les contraintes prudentielles, les exigences réglementaires, et en intégrant
notamment la notion de l’intérêt général. En effet, la conception de cet outil permettra de piloter
en dynamique l’adéquation des fonds propres aux risques encourus par les différentes activités,
d’analyser plus finement les risques majeurs du groupe, et de renforcer sa solidité financière
sur le moyen et long terme.
Structure de l’étude
Ce mémoire est structuré selon trois chapitres qui exposent synthétiquement le travail
effectué dans ce projet. Par ailleurs, nous abordons dans le premier chapitre les rudiments de la
théorie de gestion des risques et la réglementation internationale, en exposant succinctement
les trois accords de Bâle. Nous présentons par la suite le cadre général du projet Capital Risk
Management organisé selon deux axes. Ces derniers consistent à la quantification des risques
majeurs du groupe CDG, Etablissement Public et principales filiales, et à la mise en place d’un
outil d’allocation des fonds propres à l’échelle du groupe, selon ses orientations stratégiques.

15
 Introduction générale

De ce fait, le deuxième chapitre est entièrement consacré à la quantification des risques

inhérents à l’activité de l’institution, et à l’estimation des différents paramètres nécessaires au
calcul. La première partie de ce chapitre est donc entièrement dédiée au risque de marché en
implémentant la méthode de la Value-at-Risk corrigée par l’approximation de Cornish-Fisher
et son backtesting, et en estimant la volatilité, paramètre crucial dans cette approche, des deux
portefeuilles de la CDG : portefeuille actions et portefeuille obligations. De plus, la deuxième
partie porte essentiellement sur la quantification du risque de crédit en estimant la probabilité
de défaut via une méthode inaugurée par la direction. Le risque de taux est également calculé
par la méthode Gap de taux en estimant la volatilité de la courbe des taux, alors que le risque
opérationnel et la rentabilité sont rapidement passés en revue. Les résultats qui en découlent
présentent un avant-goût pour le troisième chapitre.
Par ailleurs, le troisième chapitre est consacré à l’outil d’allocation stratégique des fonds
propres à l’échelle du groupe, qui est introduit par la théorie de gestion de portefeuille, passée
en revue pour instituer la cadre de cette allocation. En outre, nous exposons les deux approches
effectuées pour cette fin, notamment l’approche de simulation aléatoire et l’approche de
simulation guidée par les orientations stratégiques. Les résultats sont entièrement analysés et
discutés. Par extension, des perspectives d’amélioration et de recherche sont mises en avant,
dont l’objectif est de pallier les différentes limites trouvées tout au long du projet.

16
Chapitre préliminaire : Présentation
de l’organisme d’accueil « Caisse
de Dépôt et de Gestion (CDG) »

17
 Chapitre préliminaire : Présentation de l’organisme d’accueil « Caisse de Dépôt et de Gestion (CDG) »

La Caisse de Dépôt et de Gestion (CDG)

La Caisse de Dépôt et de Gestion (CDG) est un établissement public doté de la
personnalité civile et de l’autonomie financière. Créée au lendemain de l’Indépendance en 1959
par le Dahir du 10 Février de la même année1, la CDG a constitué pour les Pouvoirs Publics un
organisme de sécurisation de l’épargne nationale via une gestion rigoureuse des dépôts. Le
développement considérable des ressources de la CDG, depuis sa création, s’est accompagné
d’un élargissement de ses missions ainsi que d’une modernisation continue tant de ses modes
de fonctionnement que de son organisation. Ses missions sont innombrables2 et varient entre
développement de l’épargne et du secteur financier, centralisation des dépôts de notaires,
pérennité des retraites, l’aménagement urbanistique structuré et la stimulation de
l’investissement à travers ses filiales parmi lesquelles nous citons CDG Capital, CDG Capital
Gestion et CDG Capital Private Equity.
Convenons aussi que la CDG a pour rôle principal de de recevoir, conserver et gérer des
ressources d’épargne qui, de par leur nature ou leur origine, requièrent une protection spéciale.
Il s’agit notamment des fonds de consignations (administratives, judiciaires et cautionnements)
et des fonds de tiers provenant des professions juridiques (notaires, tribunaux, barreaux et
avocats), ainsi que des réserves de la Caisse Nationale de Sécurité Sociale et de la Caisse
Nationale d’Epargne.
Outre sa mission fondamentale, la CDG est le premier investisseur institutionnel du pays
ayant pour rôle l’accompagnement et la dynamisation du développement national, le
développement territorial et immobilier, la création des pôles de compétitivité et la promotion
de l’économie touristique.
Concernant sa comptabilité, en application de la circulaire 3 n°56/G/2007 émise par
BAM en date du 08 Octobre 2007, notamment l’article 2 relatif à la date d’entrée en vigueur du
chapitre 4 : « Etats financiers consolidés », le groupe CDG établit et publie ses comptes
consolidés depuis le 1er Janvier 2007 conformément aux normes IFRS (International Financial
Reporting Standards).
D’une part, son périmètre de consolidation s’effectue par métier, le groupe compte 142
entités d’après les statistiques de 2015 dont 100 entités consolidées par intégration globale.
D’autre part, le périmètre de consolidation par activité ou secteur opérationnel compte
quatre catégories4 :
BAF : Banque et Activités financières.
AR : Assurances/Réassurances.
AIT : Aménagement, Immobilier et Tourisme.
AUT : Autres.
A noter que la consolidation se fait soit par intégration globale ou par mise en
équivalence. Par ailleurs, ces comptes permettent de calculer le Résultat Net du Groupe, les
capitaux propres du groupe, et le produit net bancaire par secteur opérationnel.
En outre, le groupe est constitué de plusieurs pôles visualisés dans l’organigramme de
la page suivante, et qui veillent incessamment à la réussite de tous les projets.

1 Rubrique «groupe » du site web : www.cdg.ma.

2
Selon le rapport d’activité 2015 de la CDG.
3
Selon le rapport d’activité 2015 de la CDG.
4
D’après le rapport d’activité 2015 de la CDG.

18
 Chapitre préliminaire : Présentation de l’organisme d’accueil « Caisse de Dépôt et de Gestion (CDG) »

Pôle Risk Management (PRM)

Le Risk Management, dispositif élaboré au sein de chaque entité organisationnelle,
permet aux entreprises de mieux anticiper les risques encourus auxquels elles sont exposées et
pourront faire face. Assurance raisonnable pour l’ensemble des parties prenantes, le Risk
Management permet également de prendre des mesures de contrôle efficaces garantissant la
continuité des activités, et de réduire l’incertitude pouvant peser sur les résultats. En effet, la
mise en œuvre d’une politique optimale de la gestion des risques réduit considérablement la
probabilité de survenance d’événements défavorables au sein d’une organisation.
De ce fait, la CDG dispose d’un pôle Risk Management dont l’objectif est d’assurer une
gestion propice et convenable des risques. Par ailleurs, ce pôle est conçu de façon à répondre à
trois catégories de risques :
Tableau 1. Les catégories de risques, centre d'intérêt du PRM
Risques financiers Risques opérationnels Risques de conformité
Le pôle est chargé de Le pôle veille au respect Le pôle assure le respect des
superviser, de sensibiliser des procédures, à dispositions réglementaires
et si nécessaire d’alerter en l’adéquation des processus existantes, en garantissant
cas de choc financier ou et à la fiabilité des systèmes une veille permanente de
stratégique. d’information. toute nouvelle disposition.
Source : établi par nos soins sur la base de la documentation interne de la CDG.
D’ailleurs, le PRM est composé de trois directions5 :
La Direction de la Modélisation et du Développement, au sein de laquelle mon stage
a été effectué. La mission principale de cette direction consiste à modéliser les risques
encourus par la CDG et le Groupe, à développer des modèles de suivi et de gestion des
risques, à veiller à la supervision et au renforcement des dispositifs de contrôle interne
et à participer au processus d’évaluation des exigences et d’allocation des fonds propres.
La Direction des Risques Opérationnels et de la Conformité : Cette direction veille,
entre autres, à la gestion des risques opérationnels, à l’évaluation des risques de non-
conformité couvrant l’ensemble des activités du groupe CDG, et au suivi des normes en
vigueur définies dans son périmètre d’action.
La Direction des Risques Financiers et des Engagements, dont les principales
missions varient entre mise en œuvre des dispositifs de contrôle des risques financiers
et des risques structurels, contribution au déploiement de la politique de gestion globale
des risques et participation aux travaux d’implémentation des modèles et outils de suivi
des risques.

5
Documentation interne de la CDG : Note de service du 17 Juin 2014.

20
Chapitre premier : Théorie de
gestion des risques et cadre
général du projet

21
 Chapitre premier : Théorie de gestion des risques et cadre général du projet

Introduction du chapitre
Destinée à soutenir la solidité et l’intégrité des établissements de crédit, la
réglementation bancaire a évolué vers une approche prudentielle, perçue comme étant l’unique
moyen de régulation conforme aux règles du marché. Les soubassements de cette amélioration
penchent vers l’adaptation à la libéralisation de la sphère financière des années 80, période
marquée incessamment par la fin de l’encadrement du crédit, la modernisation bancaire, la
disparition des différentes formes de protection de l’Etat dont bénéficiaient les banques et la
privatisation de la quasi-totalité des établissements au monde. De ce fait, la réglementation
bancaire actuelle s’appuie sur trois principes. Il s’agit notamment de la supervision, la discipline
du marché et le respect des ratios des fonds propres minimaux.
De surcroît, cette nouvelle dimension de l'activité bancaire s'est manifestée par une prise
de risques excessive et exubérante, engendrant, in fine, des séries de crises successives. Par
ailleurs, le souci substantiel du régulateur est d'envisager un dispositif prudentiel, sciemment
que l’objectif est de booster l'activité économique et d'éviter des débâcles financières. A ce titre,
le comité de Bâle, conscient de ces enjeux et de l'évolution de la typologie des risques, s'est
engagé à réviser, d’une manière sine qua non, les recommandations en matière de contrôle et
de gestion des risques, concrétisant ainsi le passage de l'accord de Bâle I, à Bâle II et par la suite
à Bâle III.
Ceci-dit, cette réglementation internationale a mis en place des bases fondamentales,
dans la mesure où le régulateur marocain s’en est inspiré en vue d’instituer l’atmosphère
réglementaire de la gestion des risques, à laquelle nous ferons recours dans un prochain
chapitre. De ce fait, et à l’instar de tout investisseur institutionnel, le groupe CDG est exposé à
des risques financiers et non financiers, entre autres les risques des fluctuations du marché et
les risques de défaillance. Dès lors, l’inauguration, pour l’établissement public et ses principales
filiales, d’un projet de quantification de ces risques et d’allocation optimale des fonds propres
en vue de maintenir une bonne gestion stratégique du groupe, représente un atout majeur pour
l’institution.
En effet, cet outil d’allocation stratégique et de pilotage des fonds propres économiques
à l’échelle du groupe CDG est un dispositif conçu dans le but d’évaluer les retombées des
orientations stratégiques sur l’équilibre financier de la CDG. Convenons aussi que le CRM
(Capital Risk Management) permettra d’analyser plus finement les risques majeurs du groupe
en couvrant un spectre élargi des risques portés par les principales activités du groupe.
L’objet de ce premier chapitre est la présentation de la théorie de gestion des risques et
de l’architecture de la réglementation Bâloise en faisant un survol sur l’évolution des trois
accords de Bâle. Nous enchaînerons par la suite en présentant le cadre général du projet CRM
de la CDG, qui a fait l’objet de mon projet de fin d’études, s’articulant ainsi autour de deux
principales parties notamment la quantification des risques et l’allocation stratégique des fonds
propres inter-filiales. Ces deux composantes constituent un cadre d’identification, de mesure et
de contrôle de l’adéquation des fonds propres aux risques générés par les activités du groupe.

22
 Chapitre premier : Théorie de gestion des risques et cadre général du projet

Théorie de gestion des risques

D’une manière générale, l’émergence de la théorie financière est associée aux travaux
fondateurs de Bachelier, méconnus depuis un long moment, découverts et mis en évidence par
P. Samuelson. Par ailleurs, la création de la Cowles Commission for Research in Economics en
1932 et de la revue Econometrica par J. Schumpeter en 1933 ont constitué les rudiments ayant
marqué le début des recherches empiriques sur les prix des actifs. A ce titre, ces recherches ont
porté principalement, et non des moindres, sur l’efficience du marché et les stratégies
d’anticipation des cours des actions.
D’ailleurs, des travaux considérables ont été entrepris par des chercheurs, entre autres,
Markowitz, Lintner et Sharpe dans les années 50, qui ont traité spécifiquement la théorie des
risques, et ont abouti, in fine, à la théorie moderne du choix de portefeuille fondée sur les
modèles CAPM et APT.
De ce fait, deux raisons ont favorisé la naissance d’un tournant marqué dans l’histoire
financière en 1973 à savoir la mise en place6 d’une chambre de compensation lors de la création
du CBOE (Chicago Board Options Exchange), et l’émergence de la célèbre formule de Black
et Scholes pour valoriser une option Européenne. Cette dernière a constitué la case de départ
pour le développement conséquent et spectaculaire des recherches destinées au pricing et au
hedging des produits dérivés.
Ainsi, ces procédures relatives à la couverture de ces produits ont sensibilisé
intensément les acteurs du marché au risque, ce qui a encouragé l’apparition de nouveaux outils
statistiques dans les banques, dont l’objectif est la sélection de la clientèle, la détection des
risques de défaillance et de tarification.
Etant une fonction relativement récente dans les banques, la gestion des risques,
appuyée par l’accord de Bâle en 1988 qui a imposé une nouvelle vision réglementaire du risque,
constitue un travail d’envergure. En effet, plusieurs types de risque existent, dont les principales
catégories varient entre risque de crédit et risque de marché. Ce dernier est assimilé, pour une
première définition, à un risque de volatilité des prix des actifs, alors que le risque de crédit est
fortement lié au risque de défaillance.
Néanmoins, il est vite apparu que le traitement réglementaire du risque de marché était
mal adapté. De ce fait, les autorités réglementaires ont autorisé les banques à utiliser des
modèles internes pour mesurer ce risque. Cela n’est pas le cas du risque de crédit, car le marché
du crédit n’avait pas la maturité suffisante pour mesurer le risque de façon rationnelle et
cohérente. Dès lors, cela explique la part particulière consacrée au risque de marché dans ce
projet.
Par ailleurs, il est à noter que la réglementation prudentielle en matière de contrôle des
risques financiers est une conséquence intensive des différentes crises financières et de leur
impact sur la solvabilité des établissements financiers.

6
T. RONCALLI. Introduction à la Gestion des Risques. Groupe de Recherche Opérationnelle Crédit Lyonnais, ENSAI,
2001.

23
 Chapitre premier : Théorie de gestion des risques et cadre général du projet

La réglementation Bâloise internationale

I. L’accord de Bâle I (1988)
Ce premier accord de Bâle a représenté une étape fondamentale dans l’établissement
d’une réglementation prudentielle des banques. Ceci-dit, cet accord a été inauguré dans le but
d’établir un système universel pour les grandes banques internationales, et d’éviter toute
fragilisation du système bancaire.
Visant à améliorer la stabilité et la solidité du système bancaire international, et imposé
par la loi dans le Groupe des Dix (G10) en 1992, cet accord est fondé sur le concept d’un ratio
de fonds propres, appelé également « ratio de solvabilité » ou « ratio de Cooke », ayant pour
but d’atténuer les inégalités concurrentielles entre les banques ainsi que de lier plus étroitement
les normes des fonds propres au risque effectif.
De ce fait, ce ratio7 doit atteindre la valeur minimale de 8% correspondant au rapport
des fonds propres réglementaires à l’actif total pondéré.
𝐓𝐨𝐭𝐚𝐥 𝐝𝐞𝐬 𝐟𝐨𝐧𝐝𝐬 𝐩𝐫𝐨𝐩𝐫𝐞𝐬
𝐑𝐚𝐭𝐢𝐨 𝐝𝐞 𝐂𝐨𝐨𝐤𝐞 = ≥ 𝟖%
𝐄𝐧𝐜𝐨𝐮𝐫𝐬 𝐩𝐨𝐧𝐝é𝐫é𝐬 𝐝𝐞 𝐜𝐫é𝐝𝐢𝐭𝐬
Pour le calcul de ce ratio, les pondérations se font en appliquant des coefficients variant
entre 0, pour les créances publiques sans risque, et 100% pour des créances privées risquées.
Néanmoins, et en dépit de la prise en compte des risques de marché en 1996, ce ratio s’est révélé
incomplet et par conséquent, plusieurs risques bancaires ont été ignorés. En effet, les risques
réels de défaillance des contreparties et les taux de recouvrement sur les pertes ne sont pas pris
en compte lors de l’estimation du risque de crédit, élaborée par ce ratio.
En outre, le degré du risque rattaché à la créance n’est reflété que par la pondération de
l’encours, et il s’avère également que le changement de classe de risque des contreparties
pendant la durée d’exposition au risque de crédit n’est pas pris en considération, si bien que les
banques ont cherché à développer ce cadre réglementaire assez restreint. De ce fait, et en vue
de réduire l’effet des distorsions de l’accord de 1998 et d’inciter les banques à prendre plus de
risques, des stratégies d’arbitrage du cadre réglementaire ont été développées.
II. De Bâle I à Bâle II (1999)
Tenant en compte toutes les limites enregistrées pour le premier accord, le comité de
Bâle a proposé une première réforme autorisant ainsi les banques à utiliser leurs modèles
internes, et ce, dans le but de déterminer le capital réglementaire s’appliquant au risque de
marché de leurs actifs. Mise en route depuis le premier Janvier 1998, cette réforme a poussé
également le comité à produire un nouveau document concernant le portefeuille des prêts de la
banque qui varient, rappelons-le, entre prêts aux entreprises, prêts hypothécaires et prêts à la
consommation.
Par ailleurs, la version définitive de ce nouvel accord, baptisé « Bâle II » a été publiée
en 2004 en instaurant un nouveau ratio de solvabilité intitulé « ratio de McDounough »
intégrant ainsi un troisième risque, en plus du risque de crédit et du risque de marché, à savoir
le risque opérationnel. La formule de ce ratio figure dans la page suivante :

7
ELBOUSTY.M-D, LAAJOUL.M. (2015), « Développement d’un modèle de pilotage des fonds propres de la CDG :
Approches de quantification des risques de marché », INSEA, Rabat.

24
 Chapitre premier : Théorie de gestion des risques et cadre général du projet

𝐅𝐨𝐧𝐝𝐬 𝐩𝐫𝐨𝐩𝐫𝐞𝐬 𝐫é𝐠𝐥𝐞𝐦𝐞𝐧𝐭𝐚𝐢𝐫𝐞𝐬

𝐫𝐚𝐭𝐢𝐨 𝐌𝐜𝐃𝐨𝐮𝐧𝐨𝐮𝐠𝐡 = ≥ 𝟖%
𝐑𝐢𝐬𝐪𝐮𝐞 𝐝𝐞 𝐜𝐫é𝐝𝐢𝐭 + 𝐑𝐢𝐬𝐪𝐮𝐞 𝐝𝐞 𝐦𝐚𝐫𝐜𝐡é + 𝐑𝐢𝐬𝐪𝐮𝐞 𝐨𝐩é𝐫𝐚𝐭𝐢𝐨𝐧𝐧𝐞𝐥
Outre plus, le comité de Bâle a inauguré trois piliers de réforme dans le but de compléter
cette stabilité financière des établissements, qui s’énoncent comme suit :
 Pilier I : Exigences minimales en fonds propres
Ce premier pilier caractérise l’adoption du nouvel ratio de McDounough, qui permet de
mettre en place l’arbitrage prudentiel, et qui cherche à rendre les fonds propres cohérents avec
les risques réellement encourus par les établissements financiers.
 Pilier II : Processus de surveillance prudentielle
Les stratégies financières des banques varient quant à la composition de l'actif et la prise
de risques, ce qui fait que les banques centrales auront plus de liberté dans l'établissement de
normes face aux banques, pouvant augmenter les exigences de capital, là où elles le jugeront
nécessaires. Cette règle permettra de faire face aux différentes stratégies financières des
banques et d’examiner les principes essentiels de la surveillance prudentielle
 Pilier III : Discipline de marché
Ce troisième pilier vise à standardiser les pratiques en améliorant la communication
financière, en insistant sur la publication d’informations quantitatives et qualitatives en vue
d’instaurer la transparence et l’amélioration de la gouvernance en matière de gestion des
risques.
III. De Bâle II à Bâle III (2013)
Plusieurs limites ont été détectées pour l’accord de Bâle II, nous citons, entre autres, les
problèmes de liquidité, la non prise en compte du caractère systémique, la prise de risque
excessive, les erreurs de jugement des agences de notation et le manque de transparence. Par
ailleurs, le comité de Bâle a mis en place un nouvel accord, celui de Bâle III, comportant des
changements majeurs tirant les leçons de la crise financière internationale, et se basant sur cinq
mesures nécessaires :
 Renforcement des qualités des fonds propres
Les fonds propres seront renforcés par l’amélioration de leur qualité, en allouant plus
de fonds propres de noyau dur aux activités les plus risques, et en passant d’un équivalent de
2% à 7% des actifs pondérés8.
 Introduction d’un « coussin contra-cyclique »
Les régulateurs nationaux fixeront un coussin contra-cyclique allant de 0% à 2,5% du
capital, constitué de résultats mis en réserve en cycle haut. Ce coussin serait utilisé en cas de
crise et aussitôt reconstitué en période de croissance. Ceci-dit, au-delà des exigences minimales
de capital, un coussin contra-cyclique additionnel pourra être imposé à la discrétion du
régulateur national s’il estime que certaines évolutions macroéconomiques augmentent le
risque de chocs d’ampleur systémique9.
 Instauration des ratios de liquidité
Tenant compte de la liquidité pour la première fois dans la réglementation
internationale, le comité de Bâle a mis en avant deux ratios pour la liquidité, à savoir le

8 Création d’un coussin de sécurité fixé à 2,5%.

9
D. SAÏDANE. L'impact de la réglementation de Bâle III sur les métiers des salariées de banques. 2012.

25
 Chapitre premier : Théorie de gestion des risques et cadre général du projet

« Liquidity coverage ratio » obligeant les banques à maintenir en permanence un stock d’actifs
liquides et le « net stable funding ratio » pour le long terme.
 Maîtrise de l’effet de levier
Un ratio de levier a été défini par le comité de Bâle, fixé à 3% du Tier I (fonds propres
de base instaurés par Bâle I), visant à maîtriser la croissance des bilans.
 Réduction du risque systémique
Dans ce cadre, les banques devraient être poussées à limiter les volumes de transactions
avec d'autres banques et institutions financières. Le portefeuille de négociation des banques
devrait donc être modifié.

26
 Chapitre premier : Théorie de gestion des risques et cadre général du projet

Le projet de l’allocation stratégique des fonds propres

I. Cadre général et mise en situation
Dans le but de renforcer et corroborer le dispositif de pilotage stratégique du groupe
CDG, le Pôle Risk Management souhaite se doter et être pourvu d’un outil de surveillance et
de gestion de ses risques majeurs décliné pour le groupe CDG, Etablissement Public et ses
principales filiales. Ceci sera réalisé à travers la mise en place d’un dispositif de pilotage et
d’allocation stratégique des fonds propres permettant de s’aligner avec les meilleures pratiques,
conformément aux axes d’analyse réglementaire et économique.
Baptisé Dispositif de Capital Risk Management (CRM), cet outil constituera un projet
majeur pour le management de la CDG dont l’objectif est de contribuer au pilotage du groupe
sur les niveaux individuels et consolidés, tout en répondant aux particularités et exigences du
groupe et à sa vision stratégique.
II. Objectifs du projet
Etant garant des fonds d’épargne et dépôts réglementaires et un investisseur de long
terme accompagnant l’Etat dans des projets structurants, la CDG est au service de l’intérêt
général opérant dans une optique d’accélération du développement territorial. Par ailleurs,
l’inauguration du dispositif du CRM permettra de prendre en considération toutes ces
spécificités de la CDG.
En effet, le CRM10 est un outil d’allocation stratégique et de pilotage des fonds propres
économiques à l’échelle du groupe CDG. C’est un cadre d’identification, de mesure et de
contrôle de l’adéquation des fonds propres aux risques générés par les activités du groupe.
De ce fait, ce projet vise à traduire la vision d’aversion aux risques du groupe CDG en
considérant son horizon d’investissement, et de définir la structure optimale des actifs à
l’échelle du groupe, tout en tenant compte de l’objectif de rentabilité globale, de la structure du
passif représentée par les ressources, et en respectant les contraintes prudentielles et les
exigences réglementaires auxquelles est soumis le groupe.
D’ailleurs, le CRM est conçu dans le but d’évaluer les retombées des orientations
stratégiques sur l’équilibre financier de la CDG, de piloter en dynamique l’adéquation des fonds
propres aux risques encourus par ses différentes activités, et d’analyser plus finement les risques
majeurs du groupe en couvrant un spectre élargi des risques portés par les principales activités
du groupe et en respectant la cohérence entre les différentes approches du risque.
Convenons aussi que le projet permettra à l’institution de suivre en dynamique la
structure d’allocation optimale au niveau du groupe, dont l’objet est de viabiliser son Business
Model et de renforcer sa solidité financière sur le moyen et long terme.
III. Composantes, référentiel et périmètre du projet
III.1 Les composantes du projet
Afin de mettre en œuvre les objectifs cités dans la section précédente, l’outil CRM
comportera les composantes suivantes, illustrées dans le graphe ci-dessous :
 Le référentiel des actifs et des risques majeurs du groupe CDG représenté par
le périmètre du projet.

10
Opérant dans le cadre des synergies entre les projets du Pôle.

27
 Chapitre premier : Théorie de gestion des risques et cadre général du projet

 Le système de quantification des fonds propres économiques des principaux

risques majeurs retenus, financiers et non financiers : il s’agit d’un moteur de
calcul des Fonds propres économiques (FPE) et des métriques de rentabilité des
différents actifs pour l’ensemble des filiales y compris l’établissement public.
 Le système d’allocation optimale des fonds propres et des actifs qui permet
de proposer la meilleure allocation d’actifs en tenant compte des contraintes
risques et des orientations stratégiques.
III.2 Le périmètre du projet
Outre plus, le périmètre du projet comprendra la CDG Etablissement Public 11 et les
principales filiales du groupe qui ont été regroupées selon quatre segments selon leur
homogénéité :
Tableau 2. Principaux segments et filiales retenus pour le projet CRM
Segment intitulé filiales
Financier FIN CDG EP, CIH, CDGK, SCR, FIPAR
Aménagement du Territoire et
ATI MEDZ, AUDA, ZENATA, SONADAC
Infrastructure
Promotion immobilière et
IML CGI, FC
Immobilier Locatif
Sociétés Hôtelières et Zones
HZT MADAEF, SHN, SDS
Touristiques
Source : établi par nos soins selon la documentation interne du projet.
Pour des raisons de simplification, nous allons noter ces filiales par des sigles, en fonction de
leur segment d’appartenance.
Tableau 3. La nomenclature adoptée tout au long du rapport.
FIN 1 CIH ATI 1 MEDZ IML 1 CGI
FIN 2 CDGK ATI 2 AUDA IML 2 FC
FIN 3 SCR ATI 3 ZENATA HZT 1 MADAEF
HZT 2 SHN
FIN 4 FIPAR ATI 4 SONADAC
HZT 3 SDS
Source : établi par nos soins selon la documentation interne du projet.

III.3 Le référentiel d’actifs et des risques

Un référentiel est mis en place pour les catégories suivantes :
 Les actifs du groupe CDG pour les quatre segments : Il s’agit d’établir un
inventaire des actifs du groupe CDG répertoriés selon 14 familles et classes
d’actifs12 en adoptant la nomenclature suivante :

11
CDG Etablissement Public (CDG EP) = maison-mère.
12
Avec une description précise et une nomenclature propre aux activités du groupe.

28
 Chapitre premier : Théorie de gestion des risques et cadre général du projet

Tableau 4. Les quatorze classes d'actifs arrêtées dans le cadre du projet CRM.
Intitulé Classe d'actifs Détail
A1 OBLIG BDT CT Obligations Bons De Trésor à Court Terme (<=1)
A2 OBLIG BDT MT Obligations Bons De Trésor à Moyen Terme (1< <=5)
A3 OBLIG BDT LT Obligations Bons De Trésor à Long Terme (>5)
OBLIG HORS BDT
A4 Obligations Hors Bons De Trésor à Court Terme (<=1)
CT
OBLIG HORS BDT
A5 Obligations Hors Bons De Trésor à Moyen Terme (1< <=5)
MT
OBLIG HORS BDT
A6 Obligations Hors Bons De Trésor à Long Terme (>5)
LT
A7 PRETS
A8 ACTIONS PART EC Actions du portefeuille participations Etablissements de Crédit
ACTIONS PART Actions du portefeuille participations Hors Etablissements de
A9
HORS EC Crédit
A10 ACTIONS PLAC Actions du portefeuille placement
A11 OPCVM Organismes de Placement Collectif en Valeurs Mobilières
A12 FONDS
A13 FONCIER Construction immobilière
A14 AUTRES ACTIFS Actifs ne figurant pas dans les rubriques A1,…, A13
Source : établi par nos soins selon la documentation interne du projet.
 Risques majeurs du groupe CDG : Il est question ici de lister tous les risques
majeurs du groupe CDG de telle sorte qu’ils soient répertoriés par classes de
risque13 selon une nomenclature basée sur les résultats de l’inventaire réalisé
dans d’autres projets du groupe. De ce fait, le CRM adoptera la classification
suivante :

Figure 1. Les catégories des risques majeurs faisant l’objet du projet CRM.

Source : Documentation interne du projet CRM.

13
Avec une description précise et une nomenclature propre aux activités du groupe CDG.

29
 Chapitre premier : Théorie de gestion des risques et cadre général du projet

A noter que les risques stratégiques concernent les filiales financières et non financières et
portent sur les risques des projets en phase d’exploitation et sur l’activité globale de la filiale.
Les risques d’investissement, par ailleurs, concernent essentiellement le palier non financier
et portent sur les risques des projets en phase de développement. D’ailleurs, cette classification
s’avère cruciale en vue de garder une vision exhaustive du groupe et d’affiner davantage le
calcul des risques.
IV. Equipe du projet
Tableau 5. Les différents acteurs du projet et leurs rôles respectifs.
Acteurs du projet Rôle Instance Fonction
M. LAHARACH Directeur Modélisation et Comité du projet Encadrement et
Youssef Développement CRM supervision
Mme. HAFSI Risk Manager Modélisation et Comité du projet
Encadrement
Samia Développement CRM
Mlle. CHAJIE Comité du projet
Elève-ingénieur Réalisation
Mouna CRM
Source : établi par nos soins.

V. Démarche suivie
Les deux grandes étapes du projet se résument dans le Système de Quantification des
Risques (SQR) et le modèle d’Allocation optimale des fonds propres et de Limites (SAL)
détaillées ci-dessous.
Le système de Quantification des Risques (SQR)
Cette première étape englobe l’ensemble des méthodes (économiques et réglementaires)
et techniques retenues pour la quantification des risques financiers et non financiers encourus
par les différents segments du groupe CDG.
Par ailleurs, chaque filiale produira tous les éléments et données par instrument/classe
d’actifs nécessaires au calcul de son Besoin en Fonds Propres (BFP). Dès lors, l’équipe CRM
procédera à l’établissement de la maquette de quantification des risques arrêtés pour l’ensemble
des filiales retenues, en vue de déterminer les filiales présentant un risque majeur pour le groupe
et dans le but de surveiller son exposition. Par ailleurs, différents leviers de diversification et
matrices de corrélation inter-filiales et inter-risques ont été mises en avant pour l’harmonisation
et la consolidation des BFP.
Le modèle d’allocation optimale des fonds propres et de Limites (SAL)
Ce modèle, inauguré par l’équipe CRM et s’appuyant principalement sur le système de
quantification, permettra de proposer une meilleure allocation optimale en tenant compte des
contraintes risque et de l’objectif d’améliorer la rentabilité et la performance globale du groupe
en intégrant notamment la notion de l’intérêt général.
Néanmoins, les tâches qui m’ont été assignées et qui font l’objet de mon rapport
s’énoncent de la manière suivante :
 La quantification des risques de crédit, de marché, de taux et du risque opérationnel
selon les méthodes arrêtées par le CRM ;
 L’estimation des paramètres nécessaires à l’établissement de ce calcul ;
 La mise en place d’un dispositif d’allocation stratégique en vue de déterminer le
portefeuille optimal du groupe CDG.

30
 Chapitre premier : Théorie de gestion des risques et cadre général du projet

Conclusion du chapitre
A travers le présent chapitre, nous avons mis le point sur deux axes majeurs, notamment
le paysage de la théorie de gestion des risques et la réglementation Bâloise, qui a permis
d’instaurer l’un des filets indispensables du secteur financier. En effet, cette première partie
introductive a constitué une section d’ouverture en vue de cadrer l’environnement global de
notre projet.
Tout au long de ce chapitre qui a constitué un réel avant-goût, il s’est avéré impératif et
instructif de devoir présenter la gestion des risques comme étant une fonction assez récente
dans les banques, appuyée par la réglementation de Bâle. Par ailleurs, il va sans dire que la
naissance de cette théorie est affiliée aux travaux de Bachelier, qui étaient ignorés depuis très
longtemps. La régulation de ce secteur, via les trois accords de Bâle, a permis de déceler ses
points forts et faibles, et ce, en établissant une réglementation prudentielle en matière de
contrôle des risques.
Nous rappelons ainsi que le premier accord, datant de 1988, s’est concrétisé à travers la
mise en place du ratio de Cooke qui a atténué les inégalités concurrentielles entre les banques.
En revanche, l’apport majeur de Bâle II réside dans la prise en compte d’un nouveau risque,
celui du risque opérationnel en plus des risques de crédit et de marché, se concrétisant ainsi par
le ratio de McDounough. De ce fait, trois piliers ont vu le jour à savoir les exigences minimales
en fonds propres, le processus de surveillance prudentielle et la discipline de marché. Qui plus
est, un troisième accord s’est imposé suite aux crises innombrables qui ont chamboulé la sphère
financière. En effet, cet accord a imposé des exigences et recommandations diverses en vue de
prendre en considération le risque systémique et l’impact de la liquidité.
La deuxième partie de ce chapitre a été consacrée à la présentation du cadre général du
projet CRM. Plus précisément, nous avons mis en exergue tous les objectifs de ce projet qui
varient, rappelons-le, entre renforcement du dispositif de pilotage stratégique du groupe CDG
tout en s’alignant avec les meilleures pratiques, conformément aux axes d’analyse
réglementaire et économique. En effet, ce projet vise à mettre en place un dispositif permettant
une gestion stratégique des risques au niveau du groupe, en quantifiant tous les risques encourus
et en proposant la meilleure allocation des fonds propres inter-filiales. D’ailleurs, cet outil opère
dans le sens de traduire la vision d’aversion aux risques du groupe CDG en considérant son
horizon d’investissement, de définir la structure optimale des actifs à l’échelle du groupe, et de
respecter les contraintes prudentielles.
Dès lors, le premier axe de ce projet, à savoir le système de quantification des risques,
fera l’objet du prochain chapitre où nous exposerons toutes les méthodes utilisées pour la
quantification du risque de marché, du risque de crédit, du risque opérationnel, du risque de
taux d’intérêt, et de la rentabilité ainsi que leur implémentation pratique. Et d’ajouter que les
techniques de quantification ont été accompagnées par l’estimation des paramètres ayant servi
au calcul.

31
Chapitre 2 : Le Système de
Quantification des Risques
(SQR)

32
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Introduction du chapitre
L'identification et la gestion des risques est au centre des préoccupations de toutes les
institutions financières. Le régulateur marocain a ainsi institué diligemment les fondements
réglementaires de cette pratique, en déployant des efforts éminents en vue d’agir dans ce sens.
D’ailleurs, deux approches ont fait l’objet de deux circulaires réglementaires de BAM quant à
la mesure du risque qui passe de prime abord par sa quantification. Il s’agit notamment de
l’approche standard basée sur des pondérations précises à appliquer, et de l’approche interne
qui se taille la part du lion puisqu’elle présente des particularités pour chaque catégorie de
risque. Par ailleurs, le premier pilier du projet CRM et qui fait l’objet de ce deuxième chapitre
réside dans la quantification des risques financiers, tels que présentés dans le référentiel des
filiales et des actifs. En effet, ce chapitre, structuré en cinq parties, s'attache à décrire les
procédures mises en place dans cet objectif.
Ceci-dit, la première partie sera consacrée à la quantification du risque de marché, en
mettant en lumière toutes les méthodes réglementaires préconisées dans ce sens. Par la suite,
nous présenterons la méthode adoptée dans le cadre du CRM, à savoir la Value-at-Risk corrigée
par l’approximation de Cornish-Fisher (CFVaR), que nous implémenterons pour le portefeuille
des actions, en comparaison avec les méthodes classiques, notamment la méthode historique et
l’approche paramétrique. Pour ce faire, nous nous intéresserons à la mise en place de tous les
tests de stationnarité et de normalité préalables au calcul de ces VaR, et à la justification du
choix de la CFVaR à travers un backtesting. En vue de mieux affiner ce travail, nous
procéderons à l’estimation de la volatilité, paramètre d’envergure dans le calcul de la CFVaR,
en présentant les différentes techniques établies pour cette fin, et dont l’objectif est d’avoir des
résultats minutieusement corrects.
Dans la deuxième partie, nous procéderons au calcul du risque de crédit en établissant
un survol des méthodes réglementaires. De plus, et vu que la probabilité de défaut (PD) se
présente en tant que paramètre sine qua non à la quantification de ce risque, nous exposerons la
technique inaugurée par le CRM en vue d’estimer ce paramètre, et qui sera appuyée par une
autre méthode fondée sur les spreads.
De surcroît, nous nous intéresserons dans la troisième partie au calcul du risque de taux
d’intérêt dans le bilan, effectué principalement sur la base de la méthode du gap de taux. Pour
ce faire, il s’avère crucial de devoir présenter l’environnement du taux d’intérêt, et les sources
du risque inhérents à ce dernier. A l’instar des deux autres risques, nous entamerons également
à la présentation des techniques d’estimation des paramètres ayant servi à ce calcul, notamment
la volatilité de la courbe des taux et les lois d’écoulement dynamique des dépôts. Par ailleurs,
la prochaine partie sera dédiée au risque opérationnel. Nous y ferons un survol rapide puisqu’il
ne constitue pas un risque d’intérêt pour le CRM.
En dernier lieu, nous conclurons ce chapitre par la présentation des différentes méthodes
relatives à la rentabilité, élément de base constituant le couple (fonds propres économiques
(FPE), rentabilité générale (RG)), faisant l’objet primordial du prochain chapitre. A noter que
les FPE seront issus du calcul par diversification de tous ces risques ainsi quantifiés par nos
soins.

33
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Selon les cinq catégories de risque arrêtées par le CRM dans le référentiel établi, le
système de quantification, objet de cette partie, permet de calculer les exigences en fonds
propres, par type d’actifs et par filiales, relatives à chaque poche de risque.
Figure 2. Extrait de la maquette SQR du projet CRM.

Source : établi par nos soins selon la documentation interne du projet.

Pour chaque type de risque, une méthode de calcul a été arrêtée selon son avantage qui
a été démontré par la pratique ou dans la réglementation. Ainsi, nous allons énoncer dans cette
partie la méthode convenable au calcul des exigences en fonds propres pour les cinq catégories
de risque.
Figure 3. La méthode de calcul adoptée relative à chaque catégorie de risques.

Source : Documentation interne du projet.

Ce calcul sera établi sur la base de l’exposition du groupe14 calculée en se fondant sur
les provisions de la filiale pour chaque classe d’actifs déduite de la valeur comptable, selon la
formule suivante :
𝐄𝐱𝐩𝐨𝐬𝐢𝐭𝐢𝐨𝐧 = 𝐯𝐚𝐥𝐞𝐮𝐫 𝐜𝐨𝐦𝐩𝐭𝐚𝐛𝐥𝐞 − 𝐩𝐫𝐨𝐯𝐢𝐬𝐢𝐨𝐧𝐬 (1)
De ce fait, la première étape qui s’avère primordiale avant d’effectuer ces calculs, est de
demander aux filiales retenues dans le périmètre du CRM, les données qui peuvent nous servir

14
Désigne l’ensemble des actifs financiers et non financiers du groupe CDG répertoriés selon la classification du
CRM, et qui couvre le périmètre des filiales retenues à une date donnée.

34
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

de base pour le calcul des risques, et d’arrêter les paramètres nécessaires. Ces données
s’énoncent de la manière suivante :
Les portefeuilles par filiales selon la classification des actifs en valeurs comptables, en
valeur de marché et en provisions ;
Les paramètres et inputs indispensables à préparer et qui seront estimés ultérieurement
dans un prochain chapitre, à savoir :
 Les probabilités de défaut par instruments et par contreparties ;
 Les volatilités et autre paramètres des marchés actions et obligataires (Kurtosis,
Skewness, horizon de détention par instruments, …) ;
 Les volatilités de la courbe des taux réparties par bucket de maturité ;
 La composition des portefeuilles OPCVM ;
 La segmentation des ressources du passif par maturité ;
 La ventilation des prêts par maturité ;
 Les durations par classe de passif.
Le RWA (Risk-weighted Assets) des actifs des filiales.
Convenons aussi que le calcul sera établi, de prime abord, sans diversification, autrement-dit
sans tenir compte des poids, représentés par des matrices de corrélation15 entre les actifs, les
filiales et les segments, que nous pourrons attribuer à chaque classe d’actifs.
De ce fait, et à partir d’une exposition donnée, le moteur de calcul du système de
quantification, détaillé dans les prochaines sections, affiche un indicateur de risque représenté
par les fonds propres économiques (FPE) et un indicateur de rentabilité caractérisant la
Rentabilité Globale (RG) en guise de résultats finaux. Par ailleurs, ce système, ainsi conçu
pourrait estimer l’impact des orientations du nouveau plan stratégique sur la solidité financière
du groupe.

15
Matrices de corrélation inter-risques, intra et inter-segments.

35
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Le Risque de Marché
I. Définition du Risque Marché
Les risques de marché 16 sont définis comme étant les risques de pertes liés aux
variations des prix de marché. Dès lors, ils recouvrent les risques relatifs aux instruments
financiers inclus dans le portefeuille de négociation, ainsi que le risque de change et le risque
sur produits de base encourus pour l'ensemble des éléments du bilan et du hors-bilan, autres
que ceux inclus dans le portefeuille de négociation.
II. Méthodes réglementaires de quantification du risque de
marché
Les méthodes de quantification du risque de marché, sur lesquelles nous nous baserons
dans ce projet, proviennent des circulaires arrêtées par le régulateur marocain, à savoir la
circulaire 26/G/2006 relative au calcul des exigences en fonds selon l’approche standard, et la
circulaire 8/G/2010 spécifique au calcul des exigences en fonds propres selon l’approche
interne.
II.1 L’approche standard
D’après la circulaire 26/G/2006, le montant des risques pondérés selon l’approche
standard est obtenu en multipliant par 12,5 l’exigence en fonds propres au titre de ces risques17.
Il s’avère important de signaler que le risque de marché comprend six catégories de risques, à
savoir le risque de taux d’intérêt, le risque de change, le risque sur produits de base, le risque
de positions sur titres de propriété, le risque sur options et le risque sur les dérivés de crédit. En
outre, le calcul de l’exigence en fonds propres au titre des risques de marché s’effectue
conformément aux dispositions ci-après.

16
Article 96, circulaire n° 8/G/2010 relative aux exigences en fonds propres pour la couverture des risques de
crédit, de marché et opérationnels selon les approches internes aux établissements de crédit.
17
L’exigence en fonds propres est calculée conformément aux dispositions des articles 48 à 55 (circulaire
26/G/2006 de BAM relative au calcul des exigences en fonds propres selon l’approche standard).

36
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Tableau 6. Résumé des articles 48 à 55 de la circulaire 26/G/2006 relative à l’approche standard

pour le risque de marché.
Type de Principe exigences en
Détail
risque FP
risque
pondération attribuée pour chaque type de titre
somme des exigences spécifique
Risque
en FP requises au titre méthode Somme de plusieurs échéances
du taux
du risque spécifique et échéancier spécifiées dans l'article 54
d'intérêt risque général
du risque général Somme de plusieurs durations
méthode duration
spécifiées dans l'article 54
Risque risque Somme de plusieurs éléments pondérés par des
Somme des exigences
de spécifique pourcentages spécifiques
en fonds propres
position
requises au titre du
sur titres
risque spécifique et du risque général application d'un un coefficient de 8 % à la position nette
de globale sur titres de propriété
risque général.
propriété
Risque
8 % de la somme du montant le plus élevé du total des positions nettes courtes ou du total des
de
positions nettes longues en devises et de la valeur absolue de la position nette sur or.
change
selon la méthode dite tableau somme de plusieurs éléments convertis au cours au
Risque
de « tableau d’échéance comptant de ce produit de base
sur
d’échéance » ou la
produits méthode Somme de certains éléments attribués des pourcentages
méthode dite «
de base simplifiée 15% et 3%
simplifiée ».
risque général les positions optionnelles sont converties en positions
Risque et spécifique équivalentes sur le sous-jacent
selon la méthode dite
sur somme des valeurs absolues des risques gamma nets
"delta-plus" risque gamma
options négatifs
risque Vega Somme des valeurs absolues des risques Vega
Risque
sur somme des exigences en fonds propres requises au titre du risque
dérivés spécifique et du risque général.
de crédit
Source : établi par nos soins.

II.2 L’approche de modèles internes

Les établissements de crédit peuvent utiliser l’approche de modèles internes s’ils
respectent les conditions précitées dans les articles 101 à 106 de la circulaire 8/G/2010 relative
au calcul des exigences en fonds propres selon l’approche interne. De ce fait, le calcul des
exigences en fonds propres au titre du risque général de marché est effectué en calculant la VaR
quotidiennement, sur un intervalle de confiance de 99% et une période de détention de 10 jours.
En effet, ce calcul prend en considération une période d’observation des données des facteurs
de risques de marché18 d’un an au minimum. Ensuite, les VaR calculées sont additionnées pour
chaque catégorie de facteurs de risque si les corrélations de ces facteurs ne sont pas
suffisamment appréhendées.
Par la suite, une étape très importante consiste à mettre en place un processus de
backtesting régulier, effectué quotidiennement, sur la base de la VaR à un jour, sur un intervalle
de confiance de 99%, et selon deux approches :

18
Mis à jour régulièrement, sur les taux d’intérêt, les titres de propriété, les positions de change, les produits
de base et les options selon la nature du portefeuille.

37
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

 Le backtesting réel qui consiste à comparer, pour chaque jour ouvrable, la VaR
calculée sur la base des positions en fin de journée à la variation sur un jour de
la valeur du portefeuille réellement constatée à la fin du jour ouvrable suivant.
 Le backtesting hypothétique qui se base sur la comparaison, pour chaque jour
ouvrable, de la VaR calculée sur la base des positions en fin de journée à la
variation sur un jour de la valeur du portefeuille du jour ouvrable suivant, en
supposant que les positions restent inchangées.
Par ailleurs, le calcul des exigences en fonds propres est fondé sur la considération de
la valeur la plus élevée entre la VaR totale du jour ouvrable précédent, et la moyenne des VaR
totales quotidiennes sur les soixante jours ouvrables précédents, à laquelle il est appliqué un
facteur de multiplication majoré par un facteur complémentaire. En effet :
Exigences en FP = EFP = 𝐦𝐚𝐱{𝐕𝐚𝐑 𝐭−𝟏 ; 𝐦 × 𝐕𝐚𝐑 𝐚𝐯𝐠 } (2)

𝐕𝐚𝐑 𝐭−𝟏 : VaR totale du jour ouvrable précédant au titre du risque général de marché.
𝐕𝐚𝐑 𝐚𝐯𝐠 : Moyenne des VaR totales quotidiennes sur les soixante jours ouvrables précédents au
titre du risque général de marché.
𝐦 = 𝐦𝐜 + 𝐦𝐦 Tel que :
𝐦𝐦 : Facteur de multiplication qui est au minimum de trois.
𝐦𝐜 : Facteur complémentaire déterminé dans le tableau suivant en fonction du nombre des
dépassements constatés lors du Backtesting.
Le tableau ci-dessous indique, selon la réglementation, les facteurs complémentaires à
appliquer pour chaque valeur enregistrée pour le nombre de dépassements :
Tableau 7. Les facteurs complémentaires correspondant à chaque nombre de dépassements.
Nombre de Facteurs
dépassements complémentaires
<5 0
5 0,4
6 0,5
7 0,65
8 0,75
9 0,85
10 ou + 1
Source : Circulaire 8/G/2010 relative aux exigences en fonds selon les approches internes.
Pour le CRM, la quantification du risque de marché sera effectuée grâce à la VaR
corrigée par l’approximation de Cornish-Fisher19, en adoptant un horizon de détention fixé à 10
jours pour le portefeuille des actions, et 90 jours pour le portefeuille obligataire. Par ailleurs, le
niveau de confiance adopté est 99% car la CDG EP est un investisseur ayant des objectifs sur
le moyen et long terme, elle peut ainsi se permettre d’avoir plus de marge pour l’appétit au
risque.

19
Cette approche sera détaillée dans le prochain paragraphe.

38
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

III. La Value-at-Risk (VaR)

III.1 Définition
Devenue un standard en finance, et proposée par JP Morgan20 dans les années 90, la
VaR (Value-at-Risk) ou la valeur en risque, à l’instar d’autres méthodes d’évaluation, permet
de décrire le risque financier en vue de mieux l’appréhender. En effet, le besoin d’une meilleure
quantification des risques financiers, à partir d’outils adéquats de contrôle interne a émergé de
la nécessité, pour les intermédiaires financiers, de bien comprendre les risques inhérents à leurs
activités ainsi développées.
D’un point de vue technique, la VaR d’un portefeuille d’actifs financiers21 correspond,
d'après A. Louis Calvet (2000), au montant de pertes maximum sur un horizon de temps donné,
si nous excluons un ensemble d’évènements défavorables ayant une faible probabilité de se
produire. A l’aide du concept VaR, nous pourrons trancher si le portefeuille est très risqué ou
non, en fonction du chiffre obtenu, de la valeur du portefeuille et de l’aversion au risque de
l’investisseur. De ce fait, et par définition, la VaR à horizon h et au seuil de probabilité p est un
nombre VaR(h,p) tel que : Probabilité (Lh > VaR(h,p)) = p , avec Lh : la perte sur l’horizon h.
Cette équation indique que le montant de la perte de la période de durée h à venir sera supérieur
à la VaR avec une probabilité p. Ainsi, la VaR peut-elle être interprétée comme une perte
maximale avec un seuil de confiance 1-p.
Statistiquement, la Value-at-Risk représente un quantile de la distribution des pertes et
profits associée à la détention d’un actif ou d’un portefeuille d’actifs sur une période donnée.
D’ailleurs, la formalisation mathématique de la VaR pour un portefeuille d’actifs est la
suivante :
𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐭é(𝐏𝐓 − 𝐏𝟎 ≤ 𝐕𝐚𝐑(𝛂, 𝐓)) = 𝛂 (3)
Tel que :
PT : La valeur du portefeuille à l’instant T ;
P0 : La valeur du portefeuille à l’instant initial ;
PT − P0 : La variation de la valeur du portefeuille entre l’instant 0 et T.

Cette variation n’est rien d’autre que la Perte et le Gain (Profit and Loss) du portefeuille à
l’instant T qui est donnée par 𝐏&𝐋(𝟎, 𝐓) = 𝐏𝐓 − 𝐏𝟎 (4)
Outre plus, il est à noter que la VaR d’un portefeuille dépend de trois paramètres :
 La distribution des pertes et profits du portefeuille en fin de période ;
 Le niveau de confiance qui est égale à 1 diminué de la probabilité des
évènements défavorables ;
 La période de temps sur laquelle nous désirons mesurer la VaR.

20
John Pierpont Morgan, financier et banquier américain (1837 – 1913).
21
A. FALEH. Analyse comparative de modèle d'allocation d'actifs dans le plan Moyenne-Var relative. Master 2
actuariat, Université Claude Bernard Lyon 1, 2007.

39
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Figure 4. Représentation graphique de la VaR.

Par ailleurs, le paramètre le plus important et le plus difficile à déterminer est la

distribution des pertes et profits du portefeuille. Comme le niveau de confiance dépend de
l’aversion au risque du propriétaire du portefeuille, plus il est important, et plus la VaR sera
élevée. Quant à 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. A noter que pour mesurer
la VaR des portefeuilles de négociation des institutions financières, la réglementation impose
un niveau de confiance de 99% et une période de dix jours ouvrables, soit deux semaines.
III.2 Avantages et inconvénients
Nous allons énoncer dans cette section uniquement les principaux avantages et
inconvénients de la VaR. En effet, nous trouvons parmi ses avantages :
 La gestion d’un portefeuille d’instruments financiers dans le but d’optimiser le
couple Risque/Rendement ;
 La fixation des limites internes et l’allocation des fonds propres ;
 Le calcul de l’exigence de fonds propres prudentiels pour les risques de marché
et de crédit.
Néanmoins, des inconvénients jaillissent et se détachent parmi lesquels nous citons :
 L’absence de distinction entre la liquidité des différentes positions de marché ;
 L’absence d’intégration des coûts de détention ou de liquidation des positions
de marché ;
 L’unique capture des risques à CT dans des conditions normales de marché ;
 La nécessité de plusieurs hypothèses pour l’utilisation de chaque modèle de VaR
qui ne sont pas toutes vérifiées dans la réalité, ce qui influence la valeur mesurée
du risque.
III.3 Méthodes de calcul de la VaR : Revue de littérature, avantages
et inconvénients
La méthode de calcul de la VaR est déterminée par la distribution choisie pour modéliser
les pertes et profits du portefeuille. Nous allons maintenant, dans cette partie, présenter les deux
méthodes les plus utilisées, notamment la méthode historique, et la méthode paramétrique
ou méthode des variances/covariances.

40
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

III.3.1 La méthode historique

De prime abord, nous émettons l’hypothèse que la distribution des rendements observée
à partir des données historiques se reproduira dans l’avenir. Plus concrètement, la détermination
de la VaR se déroule comme suit :
 Calculer la valeur actuelle du portefeuille ;
 Recueillir les rendements historiques pour chaque facteur de risque impliqué22 ;
 Calculer les valeurs historiques des pertes et profits du portefeuille et les classer
par ordre croissant ;
 Calculer la VaR en fonction du niveau de confiance et du nombre de données
historiques utilisées.
En pratique, nous cherchons la perte ou rendement qui vérifient la relation suivante :
𝐢
𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐭é (𝐏&𝐋 < 𝐏&𝐋𝐢 ) = =𝟏−𝛂 (5)
𝐍−𝟏
𝐢
𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐭é (𝐑 < 𝐑 𝐢 ) = 𝐍−𝟏 = 𝟏 − 𝛂 (6)
Avec :
α : Le niveau de confiance choisi ;
P&L : Profit and Loss ;
R : Le Rendement ;
N : Le nombre d’observations avec i = 1,…, N

A noter que si la valeur de N × (1-α) n’est pas un nombre entier, il faudra, naturellement,
calculer la VaR par interpolation linéaire moyennant les formules suivantes :
𝐕𝐚𝐑 𝛂,𝐡 = 𝐏&𝐋[𝐍(𝟏−𝛂)] + (𝐍(𝟏 − 𝛂) − [𝐍(𝟏 − 𝛂)] × (𝐏&𝐋[𝐍(𝟏−𝛂)+𝟏] − 𝐏&𝐋[𝐍(𝟏−𝛂)] ) (7)
𝐕𝐚𝐑 𝛂,𝐡 = 𝐑 [𝐍(𝟏−𝛂)] + (𝐍(𝟏 − 𝛂) − [𝐍(𝟏 − 𝛂)] × (𝐑 [𝐍(𝟏−𝛂)+𝟏] − 𝐑 [𝐍(𝟏−𝛂)] ) (8)
Avec : [N × (1-α)] n’est autre que la partie entière de N × (1-α).
III.3.2 La méthode paramétrique
Dans cette méthode, nous nous basons sur l’hypothèse que les rendements du
portefeuille et des facteurs de risque ont des distributions normales, même si cette hypothèse
est rarement justifiée empiriquement23. Ainsi la VaR d'un portefeuille peut-elle être construite
à partir d'une combinaison des risques des valeurs fondamentales. Par ailleurs, nous définissons
le taux de rendement du portefeuille de t à t + 1 comme suit :
𝐑 𝐩,𝐭+𝟏 = ∑𝐍𝐢=𝟏 𝐖𝐢,𝐭 𝐑 𝐢,𝐭+𝟏 (9)
Ou encore sous forme matricielle :
𝐑 𝐩 = 𝐖𝟏 𝐑 𝟏 + ⋯ + 𝐖𝐍 𝐑 𝐍 = [𝐖𝟏 , 𝐖𝟐 , … , 𝐖𝐍 ][𝐑 𝟏 , 𝐑 𝟐 , … , 𝐑 𝐍 ]𝐭 = 𝐰 ′ 𝐑 (10)
Avec :
Wi : (i=1 … N) les poids associés aux actifs ;
N : est le nombre d’actifs ;
Ri : est le taux de rendement de l’actif i.

22
Par exemple le cours des actions ou le taux de change.
23
Nous allons voir par la suite plus de détails sur cette hypothèse.

41
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Cette méthode suppose que le rendement du portefeuille est distribué normalement, puisqu’il
est une fonction linéaire des rendements des actifs. Ces derniers sont supposés distribués selon
la loi normale. De plus, la variance du portefeuille est donnée par :
𝐍 𝐍 𝐍 𝐍 𝐍 𝐍
𝟐 𝟐 𝟐 𝟐 𝟐
𝐕(𝐑 𝐩 ) = 𝛔𝐩 = ∑ 𝐰𝐢 𝛔𝐢 + ∑ ∑ 𝐰𝐢 𝐰𝐣 𝛔𝐢𝐣 = ∑ 𝐰𝐢 𝛔𝐢 + 𝟐 ∑ ∑ 𝐰𝐢 𝐰𝐣 𝛔𝐢𝐣 (𝟏𝟏)
𝐢=𝟏 𝐢=𝟏 𝐣=𝟏,𝐣≠𝐢 𝐢=𝟏 𝐢=𝟏 𝐣<𝐢

La variance peut être écrite alors de la façon suivante :

𝐕(𝐑 𝐩,𝐭+𝟏 ) = 𝐰𝐭 ′ ∑ 𝐰𝐭 (𝟏𝟐)

𝐭+𝟏

Et il est plus commode d’utiliser la notation matricielle :

𝛔𝟏𝟏 ⋯ 𝛔𝟏𝐍 𝐰𝟏
𝛔𝐩 = 𝟏 , … , 𝐰𝐍 [ ⋮
𝟐 [𝐰 ] ⋱ ⋮ ][ ⋮ ] (13)
𝛔𝐍𝟏 ⋯ 𝛔𝐍 𝐰𝐍
Si nous adoptons la notation de  la matrice prévue des variances et des covariances, que nous
supposons constante et estimée par la matrice de variance/covariance historique, la VaR sera
déterminée de la manière suivante24 :
𝐕𝐚𝐑 = 𝐕𝟎 × (−𝐦 + 𝐙𝐪 × 𝛔) (14)
Avec :
σ = σp 2 = w ′ ∑ w : La volatilité des rendements futurs du portefeuille ;
V0 : La valeur actuelle du portefeuille ;
Zq : Le quantile associé à la distribution de la loi normale.
III.3.3 Comparaison des deux méthodes
Nous résumons les avantages et inconvénients des deux méthodes détaillées ci-haut dans
le tableau suivant :
Tableau 8. Avantages et inconvénients de la VaR historique et de la VaR paramétrique.
Méthode Avantages Inconvénients
 Nécessite beaucoup de données
 Facile et simple à historiques.
expliquer.  Se base sur des données passées : le
 Implémentation passé peut ne plus se reproduire.
Historique
relativement aisée.  Ne tient pas compte des effets
 Aucune hypothèse sur extrêmes.
les lois de distribution  Intervalle de confiance de la VaR reste
large.
 Sous-estime les évènements rares.
 Paramètres faciles à  Se complexifie par rapport à la taille du
Paramétrique
estimer. portefeuille.
(Variance/Covariance)
 Implémentation aisée.  S’adapte mal aux produits optionnels.
 Hypothèse de normalité.
Source : établi par nos soins.

24
F. MORAUX. Finance de marché. Synthex Economie et gestion, synthèse de cours & exercices corrigés, Pearson,
2012.

42
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

III.3.4 La méthode de quantification adoptée : VaR de Cornish-Fisher (CFVaR)

Avant de détailler cette méthode, il s’avère crucial, de prime abord, de reprendre les
différentes formules utilisées pour le calcul de la VaR paramétrique, appelée également, la VaR
normale. En effet, si les rendements X sur une seule période sont indépendants de même loi
normale de moyenne µ et variance 𝜎 2 , alors les rendements sur la période T sont également
gaussiens de moyenne µT et variance 𝜎 2 T.
𝐗 𝐓 − 𝛍𝐓 𝐕𝐚𝐑(𝛂, 𝐓) − 𝛍𝐓
𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐭é(𝐗 𝐓 ≤ 𝐕𝐚𝐑(𝛂, 𝐓)) = 𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐭é ( ≤ )=𝛂 (𝟏𝟓)
𝛔√𝐓 𝛔√𝐓
𝐕𝐚𝐑(𝛂,𝐓)−𝛍𝐓
De ce fait, en notant 𝐙𝛂 = 𝐍−𝟏 (𝛂), la VaR gaussienne sera définie par : = 𝐙𝛂
𝛔√𝐓
En d’autres termes :
𝐕𝐚𝐑(𝛂, 𝐓) = 𝛍𝐓 + 𝐙𝛂 𝛔√𝐓 (16)
La VaR normale dépend donc essentiellement de la volatilité, et elle est simple à implémenter,
cependant elle ne tient pas compte des queues épaisses. La VaR qui en résulte est, en général,
sous-estimée. Convenons aussi que sous l'hypothèse de normalité des rendements, l'asymétrie
et le Kurtosis25 sont nuls. En réalité, les rendements ont, en général, des asymétries négatives
et des kurtosis élevés. En utilisant un développement limité du quantile normal, nous pouvons
en tenir compte :
𝟏 𝟏 𝟏
𝐳 𝐂𝐨𝐫𝐧𝐢𝐬𝐡 𝐅𝐢𝐬𝐡𝐞𝐫 ≈ 𝐳 + 𝟔 (𝐙𝟐 − 𝟏)𝐒 + 𝟐𝟒 (𝐙𝟑 − 𝟑𝐳)𝐊 − 𝟑𝟔 (𝟐𝐙𝟑 − 𝟓𝐳)𝐒 𝟐 (17)
Où z est le quantile normal à 𝛼 : N(z) =𝛼, S est l'asymétrie et K le kurtosis en excès26. Dans le
cas d'une asymétrie nulle, l'expression précédente se réduit à :
𝟏
𝐳 𝐂𝐨𝐫𝐧𝐢𝐬𝐡 𝐅𝐢𝐬𝐡𝐞𝐫 ≈ 𝐳 + 𝟐𝟒 (𝐙𝟑 − 𝟑𝐳)𝐊 (18)
La VaR de Cornish Fisher VaR est alors :
𝐕𝐚𝐑(𝛂, 𝐓) = 𝛍𝐓 + 𝐳 𝐂𝐨𝐫𝐧𝐢𝐬𝐡 𝐅𝐢𝐬𝐡𝐞𝐫 𝛔√𝐓 (19)
Avec  représentant la moyenne, et  l’écart-type.
Ainsi, le développement de Cornish-Fisher fournit-il directement une approximation de
la VaR à partir des 4 premiers moments de la distribution, c’est une VaR corrigée des effets de
non linéarité, permettant d’améliorer l’approche paramétrique pour tenir compte du caractère
non-gaussien (non-normal) de la loi sous-jacente.
IV. Implémentation pratique des calculs de la VaR pour le
portefeuille « Actions »
En vue de justifier le choix de la CFVaR, adoptée par le CRM, comme étant la méthode
la plus adéquate de quantification du risque de marché, nous allons, sur la base du portefeuille
des actions de la CDG EP, calculer la VaR par les trois méthodes précitées à savoir la méthode
historique, la méthode paramétrique et la méthode CFVaR. Par ailleurs, nous allons établir un

25
Appelé également coefficient d’aplatissement de Pearson, c’est le moment centré d’ordre 4 qui permet de
calculer le degré d’aplatissement d’une distribution à une variable, divisé par le carré de la variance afin d’obtenir
un nombre sans dimension.
26
Le Kurtosis d’une loi normale (de Gauss) est égal à 3. Certains auteurs (surtout anglo-saxons) et logiciels
retranchent 3 à la forme du Kurtosis, ce qui conforte la loi normale ans son rôle de « loi étalon ». Le coefficient
obtenu est dit « e Fisher » ou Excess Kurtosis (Kurtosis en excès = Kurtosis – 3).

43
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

backtesting des trois méthodes pour démontrer que la CFVaR est la meilleure méthode à
adopter.
Avant de procéder au calcul, il est à noter que selon la réglementation de BAM, dès leur
acquisition, les titres doivent être classés dans l’une des catégories prévues par le plan de
comptes27 en fonction de l’intention, et qui varient, rappelons-le, entre titres de transaction,
titres de placement, titres d’investissement et titres de participation. Nous distinguons par
ailleurs trois types de portefeuilles :
 Le portefeuille de transaction : il s’agit d’un portefeuille de Trading qui ne peut pas
être tenu plus de trois mois. Ce portefeuille est constitué des titres qui, à l’origine, sont
acquis ou vendus avec l'intention de les revendre ou de les acheter à court terme, dans
le but d’en tirer un profit, ou dans le cadre d’une gestion spécialisée de portefeuille
comprenant des instruments dérivés.
 Le portefeuille de placement : c’est un portefeuille qui peut être tenu plus de trois mois
et qui contient les titres à revenu fixe ou à revenu variable détenus dans une optique de
placement, pour une période indéterminée, et que l’établissement peut être amené à
céder à tout moment.
 Le portefeuille de participation : Ce portefeuille englobe les titres dont la possession
durable est estimée utile à l’activité de l’établissement de crédit et qui sont représentatifs
d’une fraction de capital, détenue directement ou indirectement.
Par ailleurs, les deux portefeuilles qui peuvent être définis en tant que portefeuille de
négociation28 sont les portefeuilles de transaction et de placement, et par ailleurs, la VaR sera
calculée sur la base de ces deux derniers portefeuilles. Au niveau de la CDG, les discussions
sont en cours pour la définition du portefeuille de négociation, néanmoins le calcul de la VaR,
objet de cette section, sera établi sur le portefeuille de transaction uniquement.
Le portefeuille actions, objet de notre étude, est composé de 6 titres dont la date
d’acquisition est fixée au 31 décembre 2015. Ces titres ont été dénommés selon la
nomenclature (titre 1,..., titre n) pour des raisons de confidentialité. En outre, le calcul de la
VaR sera effectué par différentes approches et cela, bien entendu, pour trois horizons : un jour,
dix jours et un an. A noter que la valeur du portefeuille est de 116 897 954,44 Dhs29.
Etapes préalables30
De prime abord, il s’avère crucial, avant d’entamer l’implémentation des calculs de la
VaR par les différentes méthodes, de fixer un horizon d’historique sur lequel se baseront nos
calculs. En effet, pour le portefeuille actions, nous nous sommes basés sur un historique de 5
ans, permettant de mettre en exergue la durée d’un cycle économique. Ainsi, l’historique choisi
date-t-il du 02/01/2011 jusqu’au 30/12/2015, donnant lieu à 1240 observations et ne prenant
en considération que les jours ouvrables31. Par ailleurs, la récupération de l’historique des cours
des titres32 composant le portefeuille a été établie à partir du site de la Bourse des Valeurs de
Casablanca (BVC). Nous allons, par la suite, vérifier toutes les hypothèses préalables à

27
Plan Comptable des Etablissements de Crédit (PCEC) de BAM.
28
Le portefeuille de négociation est un portefeuille constitué des positions sur instruments financiers et produits
de base détenus à des fins de négociation, ou dans le but de couvrir ou financier d’autres éléments du
portefeuille.
29
Ce montant n’est pas la valeur effective du portefeuille actions, mais plutôt un montant proche de la réalité.
30
Les résultats des tests de stationnarité et de normalité pour le portefeuille obligataire sont dans l’Annexe 3.
31
Les jours allant du Lundi au Vendredi et qui ne sont pas des jours fériés.
32
Toutes les actions ont été introduites en Bourse au 02/01/2011.

44
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

l’implémentation des différentes méthodes de calcul de la VaR, et ce, en établissant des tests
statistiques.
Vérification de l’hypothèse de stationnarité, soubassement de
la méthode historique
Dans la partie théorique relative au calcul de la VaR historique, nous avons vu que cette
méthode repose sur l’hypothèse de la stationnarité des rendements, stipulant que le passé se
reproduira dans le futur. De ce fait, il s’avère primordial de tester cette hypothèse pour les
différentes actions composant le portefeuille. A noter que les rendements utilisés pour
déterminer la VaR historique sont les rendements simples définis comme suit :
𝐩𝐭 − 𝐩𝐭−𝟏
𝐫𝐭 = (𝟐𝟎)
𝐩𝐭−𝟏
Où :
rt : Le rendement simple à l’instant t ;
pt : Le prix de l’action à l’instant t ;
pt−1 : Le prix de l’action à l’instant t-1.

Par ailleurs, le test utilisé est celui d’Augmented Dikey Fuller (ADF) qui a été
implémenté sous R et sous Eviews. Il est à noter que ce test consiste à tester H0 : « Il existe une
racine unitaire » contre H1 : « la série n’est pas stationnaire ». Ci-dessous un exemple de
test de stationnarité pour l’action numéro 3 :
Figure 5. Graphe illustrant le cours de l'action 3 entre 2011 et 2015.

Source : Graphe sous R établi par nos soins.

L’implémentation du test sous R nous donne une valeur de la p-value égale à 0.1398 qui est
bien supérieure à 5%, nous déduisons alors que la série de cette action n’est pas stationnaire.
D’autant plus, le test sous Eviews nous permet de confirmer le résultat trouvé grâce aux sorties
illustrées dans le tableau ci-dessous.
Tableau 9. Les résultats du test ADF effectué pour l’action 3 sous Eviews.
Modèle avec tendance et Modèle sans constante et
Modèle avec constante
constante sans tendance
DF Tabulé
DF DF Tabulé 5% DF DF Tabulé 5% DF
5%
-1,35 -3,41 -1,90 -2,86 -0,37 -1,94
Source : établi sous EXCEL par nos soins.

45
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Les séries des prix ne sont pas stationnaires, elles sont intégrées d’ordre 1. Nous testons donc
la stationnarité des séries représentant les rendements des cours boursiers.
Figure 6. Graphe illustrant le rendement de l'action 3 entre 2011 et 2015.

Source : Graphe sous R établi par nos soins.

Le graphe ci-dessus montre que le rendement de l’action 3 sur toute la période d’étude oscille
autour d’une moyenne nulle, ce qui nous pousse à conclure préalablement que la série des
rendements est stationnaire. Par ailleurs, l’application du test ADF sous R et sous Eviews est
primordiale afin d’appuyer ce constat.
Sous R, nous trouvons que la p-value est très inférieure à 5%, ce qui nous permet de
trancher que la série des rendements est stationnaire. Par ailleurs, l’implémentation du test sous
Eviews valide le constat établi, grâce au tableau ci-dessous :
Tableau 10. Les résultats du test ADF effectué pour le rendement de l'action 3 sous Eviews.
Modèle avec tendance et Modèle sans constante et
Modèle avec constante
constante sans tendance
DF DF tabulé 5% DF DF tabulé 5% DF DF tabulé 5%
-33,71 -3,41 -33,64 -2,86 -33,65 -1,94
Source : établi par nos soins.
La série du rendement pour la troisième action est stationnaire car les résultats des trois modèles
sont convergents. Nous concluons ainsi, après avoir effectué le test sur l’ensemble des titres
composant le portefeuille actions, que tous les rendements sont stationnaires33.
Vérification de l’hypothèse de normalité des rendements,
fondement de la méthode paramétrique
La méthode paramétrique, appelée également méthode de variance-covariance, repose
sur deux principales hypothèses, à savoir la normalité des rendements des titres du portefeuille
et la linéarité du profil de risque des titres actions. A noter que les rendements utilisés pour
déterminer la VaR paramétrique sont les rendements simples.
Avant de procéder aux calculs, nous dressons le normal Q-Q Plot (Quantile-Quantile Plot) qui
permet de représenter les quantiles de la distribution des rendements en fonction des quantiles
de la distribution normale N(0,1).

33
Les résultats du test pour tous les titres sont en Annexe 1.

46
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Figure 7. Q-Q Plot du test de normalité du rendement de l’action 3.

Source : Graphe sous R établi par nos soins.

D’après la figure ci-dessus, nous remarquons que le Q-Q plot n’est pas confondu avec la ligne
droite, nous nous permettons de dire que la distribution des rendements n’est pas normale.
Par la suite, nous allons tester l’hypothèse de normalité des rendements de tous les titres
du portefeuille sous Eviews à l’aide du test de Jarque-Bera et sous le logiciel R à l’aide du test
de Shapiro-Wilk. Ce dernier s’effectue en testant H0 : « la distribution des rendements est
normale », contre H1 : « la distribution des rendements n’est pas normale ». Un exemple
d’application de ce test pour l’action n°3 sous R nous montre que la p-value est inférieure à 5%,
ce qui nous pousse à rejeter l’hypothèse de la normalité. Sous Eviews, et grâce au test de Jarque-
Bera qui consiste à tester l’hypothèse H0 : « Les données suivent une loi normale » contre
H1 : « Les données ne suivent pas une loi normale », le résultat de la non-normalité des
rendements est confirmé grâce à la p-value inférieure à 5% et à la statistique de Jarque-Bera qui
prend des valeurs très élevées.
Figure 8. Les résultats du test de Jarque-Bera pour le rendement de l'action 3 effectué sous Eviews.

Source : établi par nos soins sous Eviews.

Après avoir effectué le test sur l’ensemble des titres composant le portefeuille actions34, nous
concluons qu’aucun rendement n’est normal. En effet, cette hypothèse est rarement vérifiée
en réalité, mais elle permet de simplifier énormément les calculs.

34
Les résultats du test pour tout le portefeuille actions sont en Annexe 2.

47
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Application de la VaR historique

Cette méthode est très simple et consiste à se baser sur la distribution empirique des
données historiques des rendements du portefeuille. En effet, il s’agit de suivre les étapes
pratiques suivantes qui ont été mises en œuvre sous EXCEL :
 Calculer les rendements du portefeuille à chaque date de l’historique en
pourcentage en se basant sur la l’équation (5) ;
 Classer et trier ces rendements par ordre croissant ;
 Calculer la valeur des rendements pondérés par le poids de l’action dans chaque
portefeuille. En effet, le tableau suivant fournit les poids en pourcentage et en
montant de chaque titre composant le portefeuille :
Tableau 11. Les poids respectifs des actions dans le portefeuille.
Action Poids en % Poids en valeur (DH)
1 59,72% 69 808 827,69
2 2,41% 2 821 676,46
3 7,35% 8 594 418,64
4 21,38% 24 993 840,78
5 8,52% 9 955 348,64
6 0,62% 723 842,22
Source : Documentation interne de la CDG modifiée par nos soins
 Calculer le rendement total du portefeuille qui est égal à la somme des
rendements pondérés des titres du portefeuille :
𝟔

𝐑 𝐭 = ∑ 𝐰𝐢 𝐑 𝐢𝐭 (𝟐𝟏)
𝐢=𝟏
Tel que :
Rt : Le rendement du portefeuille à l’instant t ;
Wi : Le poids de l’action i dans le portefeuille ;
Rit : Le rendement de l’action i à l’instant t.

 La VaR pour chaque horizon et chaque niveau de confiance (1-k) est calculée
en choisissant le rendement équivalent à N × (1-α)35, où N est le nombre de
rendements (nombre d’observations qui est égal à 1240) et α est le niveau de
confiance (ici 99%).
Ainsi, les tableaux suivants syntéhtisent les résultats de calcul de la VaR pour trois niveaux de
confiance : 90%, 95% et 99%, et pour trois horizons : 1 jour, 10 jours et 1 an.
Tableau 12. Les résultats de la VaR historique pour les trois niveaux de confiance et trois
horizons, en valeur absolue et en pourcentage.
VaR en valeur absolue (DH) VaR en %
% VaR 1j VaR 1an VaR 10j % VaR 1j VaR 1an VaR 10j
90% 1 980 472,52 31 439 026,60 6 262 804,00 90% 1,69% 26,89% 5,36%
95% 2 224 598,11 35 314 400,20 7 034 796,91 95% 1,90% 30,21% 6,02%
99% 2 431 626,77 38 600 878,30 7 689 479,01 99% 2,08% 33,02% 6,58%
Source : Tableau établi sous EXCEL par nos soins.

35
Comme évoqué dans la partie théorique, nous déterminons ce rendement équivalent par interpolation s’il
n’est pas entier.

48
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Nous constatons par ailleurs que la VaR est une fonction croissante du seuil de
confiance, c’est pour cela que nous notons que la plus grande perte est enregistrée pour le seuil
le plus élevé qui est de 99%, et cela pour les différents horizons choisis. A noter que la VaR à
10 jours et la VaR à 1 an sont obtenues par la « Scaling Law36 » qui énonce que :
𝐕𝐚𝐑(𝛂%, 𝐍𝐣𝐨𝐮𝐫𝐬) = √𝐍 × 𝐕𝐚𝐑(𝛂%, 𝟏𝐣𝐨𝐮𝐫) (𝟐𝟐)
Où N représente le nombre de jours ouvrables dans l’année, soit 252.
La conclusion que nous pourrons en tirer est que, sur l’horizon réglementaire de 10
jours, il existe 1% de chance de perdre plus de 6,58% de la valeur du portefeuille et 10% de
chance d’en perdre 5,36%.
Application de la VaR paramétrique
Cette méthode est fondée sur l’estimation des paramètres du portefeuille à savoir : le
rendement moyen et l’écart-type. Outre plus, il s’agit de déterminer µ et σ du portefeuille,
apparaissant dans la formule suivante :
𝐕𝐚𝐑(𝟏𝐣𝐨𝐮𝐫, 𝛂%) = 𝛍 + 𝛔𝐙𝛂 (23)
Avec :
µ = Rendement moyen du portefeuille ;
σ = Ecart-type du portefeuille ;

En effet : 𝛍 = 𝐄(𝐑) = ∑𝟔𝐢=𝟏 𝐰𝐢 𝐄(𝐑 𝐢 ) et 𝛔 = 𝐰𝐌𝐚𝐭 𝐜𝐨𝐯 𝐰 𝐭 tel que :

w : Vecteur ligne composé des poids des 6 titres du portefeuille.
Mat cov ∶ La matrice de variance-covariance des rendements des 6 titres.
wi : Le poids de l’action i dans le portefeuille.
R i : Rendement de l’action i.
R : Rendement du portefeuille entier.
w t : Vecteur colonne constitué des poids des 6 titres du portefeuille.

Ci-dessous la matrice de variance-covariance des différents titres :

Tableau 13. La matrice de variance-covariance des 6 actions de notre portefeuille.
mat var
Action1 Action2 Action3 Action4 Action5 Action6
cov
Action1 0,000324327 6,11547E-05 4,1889E-05 2,02963E-05 2,35225E-05 1,54567E-05
Action2 6,11547E-05 0,000518536 1,48813E-05 4,06397E-05 5,24112E-05 1,71408E-05
Action3 4,1889E-05 1,48813E-05 0,000122641 1,67926E-05 2,29706E-05 3,68026E-06
Action4 2,02963E-05 4,06397E-05 1,67926E-05 0,000680262 5,00068E-05 -1,30874E-05
Action5 2,35225E-05 5,24112E-05 2,29706E-05 5,00068E-05 0,000422836 2,98707E-05
Action6 1,54567E-05 1,71408E-05 3,68026E-06 -1,30874E-05 2,98707E-05 0,000412628
Source : Tableau établi sous EXCEL par nos soins.
Nous obtenons les deux valeurs suivantes pour µ et σ :
σ = 1,2933%
µ = -0,0218%

36
En 1996, le Comité de Bâle a décrété qu’il acceptait le « Scaling Law » qui dit par exemple que l’écart-type
mesuré sur 10 jours est égal à l’écart-type journalier multiplié par √10.

49
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Ce rendement moyen du portefeuille est très faible, ceci est dû au fait que les rendements de
tous les titres sont stationnaires et varient autour d’une moyenne nulle. Ainsi les VaR, pour les
trois seuils de confiance et les horizons de 1 jour, 10 jours et 1 an, se présentent dans le tableau
ci-dessous :
Tableau 14. Les résultats de la VaR paramétrique pour les trois niveaux de confiance et trois horizons, en
valeur absolue et en pourcentage.
VaR en valeur absolue (DH) VaR en %
% VaR 1j VaR 1an VaR 10j % VaR 1j VaR 1an VaR 10j
90% 1 912 019,75 30 352 372,54 6 046 337,34 90% 1,64% 25,96% 5,17%
95% 2 461 278,95 39 071 591,98 7 783 247,42 95% 2,11% 33,42% 6,66%
99% 3 491 597,85 55 427 397,55 11 041 401,90 99% 2,99% 47,42% 9,45%
Source : Tableau établi sous EXCEL par nos soins.
Nous remarquons, à l’instar de la VaR historique, que la plus grande perte est enregistrée pour
le niveau de confiance le plus élevé. Ainsi, nous sommes sûrs à 99% que la perte maximale ne
dépassera pas 2.99%, 9.45% et 47.42% de la valeur du portefeuille à l’horizon d’un jour, de 10
jours et d’un an respectivement.
Application de la CFVaR
En suivant le même processus d’implémentation effectué dans la partie précédente pour
la VaR paramétrique, nous calculons la VaR corrigée par l’approximation de Cornish-Fisher
selon le canevas élaboré dans la partie théorique. Par analogie, après avoir testé la normalité de
tous les rendements des actions constituant notre portefeuille, nous déduisons qu’aucun
rendement n’est normal. Et c’est d’ailleurs la principale raison qui nous a poussés à adopter
cette approximation qui tient compte du caractère non-gaussien.
Qui plus est, cette méthode est également fondée sur l’estimation des paramètres du
portefeuille à savoir : le rendement moyen et l’écart-type. Nous allons déterminer, de ce fait, µ
et σ du portefeuille, apparaissant dans l’équation (18). En adoptant la matrice de variance-
covariance des différents titres calculée précédemment dans la partie de la VaR paramétrique,
nous trouvons les valeurs suivantes :
σ = 0,0129% et µ = -0,0218%
Ensuite, nous calculons le quantile de Cornish-Fisher selon la formule suivante :
𝐙𝛂 𝟐 − 𝟏 𝐙𝛂 𝟑 − 𝟑𝐙𝛂 𝟐𝐙𝛂 𝟑 − 𝟓𝐙𝛂 𝟐
𝐕𝐚𝐑 𝐂𝐅,𝛂 = 𝛍 + (𝐙𝛂 + 𝐒+ 𝐊− 𝐒 ) (𝟐𝟒)
𝟔 𝟐𝟒 𝟑𝟔
Où :
𝑍𝛼 = Φ𝑁 −1 (𝛼) ;
 : Le niveau de quantile ;
Φ𝑁 −1 : La fonction quantile de la loi normale centrée réduite ;
S : le Skewness (ou le coefficient d’asymétrie) ;
K : l’excès de kurtosis c’est-à-dire le kurtosis – 3.

Nous obtenons finalement la CFVaR (la VaR corrigée par l’approximation de Cornish-
Fisher), calculée pour 3 seuils de confiance 90%, 95% et 99%, et pour les trois horizons fixés
au début, notamment 1 jour, 10 jours et 1 an.

50
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Tableau 15. Les résultats de la CFVaR pour les trois niveaux de confiance et trois horizons, en valeur
absolue et en pourcentage.
VaR en valeur absolue (DH) VaR en %
% VaR 1j VaR 1an VaR 10j % Var 1j Var 1an VaR 10j
90% 1 975 577,54 25 340 729,48 6 072 980,42 90% 1,69% 21,68% 5,20%
95% 2 428 964,04 32 538 017,00 7 506 714,41 95% 2,08% 27,83% 6,42%
99% 3 073 585,40 42 771 063,85 9 545 186,14 99% 2,63% 36,59% 8,17%
Source : Tableau établi sous EXCEL par nos soins.
De la même manière, nous pourrons déduire que, pour un seuil de 99%, la perte
maximale ne pourra pas dépasser 2.63%, 8.17% et 36.59% pour les horizons respectifs 1 jour,
10 jours et 1 an.
Backtesting : justification de l’adoption de la CFVaR pour le CRM
1) Présentation de la pratique
En vue de comparer les valeurs obtenues de la VaR par les différentes méthodes
adoptées, nous procédons à l’exercice du backtesting. Ce dernier est l’outil réglementaire
incontournable pour la validation des modèles de la VaR. En effet, cette étape est très
importante dans la mesure où l’institution financière envisage d’obtenir l’autorisation de BAM,
afin d’utiliser le modèle interne pour la quantification du risque de marché au lieu de l’approche
standard.
Cependant, les résultats des estimations de la VaR posent clairement la question du
choix de la méthode de calcul de la VaR. Tout naturellement, plusieurs critères entrent en jeu
et interviennent tout en étant plus ou moins déterminants, notamment les coûts
d’implémentation, la complexité et la flexibilité du modèle. Néanmoins, il est aussi très éminent
de s’assurer de l’adéquation de la méthode choisie. De ce fait, l’exercice du backtesting consiste
à confronter la VaR calculée avec les pertes et profits effectivement réalisés sur le portefeuille
sur une période assez prolongée dans le temps.
A ce titre, et étant donné que le comité de Bâle exige des banques que cette période de
calcul soit au moins de 250 jours ouvrables, nous aurons dans ce cas 250 VaR à confronter avec
250 résultats du portefeuille correspondant aux nombres de jours ouvrables. Cependant, le
groupe RiskMetrics 37 affirme qu’une fenêtre de 90 jours ouvrables 38 est suffisante pour
effectuer un backtesting sur le portefeuille et d’obtenir des résultats assez significatifs.
2) Démarche à suivre
Dans le but de valider le modèle établi dans le calcul de la VaR, et compte tenu des
exigences du régulateur marocain, il est indispensable de vérifier la fiabilité des méthodes
utilisées du modèle interne, via la procédure de Backtesting reposant essentiellement sur le
nombre de dépassements, autrement dit, le nombre de fois où la perte réelle observée est
supérieure à la perte prévue par le modèle interne. En d’autres termes, la technique du
Backtesting est fondée sur la comparaison entre la VaR calculée à l’instant t-1 et le P&L ou le
rendement de l’instant t, et cela pour un historique préétabli fixé à T jours.
Conséquemment, si le résultat du Backtesting affiche un nombre de dépassements
supérieur à une limite fixée, alors BAM pourrait ne pas valider le modèle interne de l’institution
financière car le modèle sous-estime la VaR, si par contre le nombre issu est inférieur au nombre

37
Dans son document « Risk Management : A Practical Guide ».
38
Représentant le trimestre réglementaire.

51
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

idéal, alors dans ce cas, le modèle surestime la VaR. A noter que le nombre idéal de
dépassements se calcule de la manière suivante :
Nombre idéal de dépassements = Nombre d’observations × (1-Niveau de confiance)
Nous allons, subséquemment, détailler les deux tests de précision39 qui nous permettent
de trancher sur la meilleure méthode de calcul de la VaR, à savoir le test POF (Proportion Of
Failures) proposé par Kupiec en 1995, et la méthode MRB (Biais Relatif moyen) développé
par Hendricks en 1996.
i. Le test POF (Proportion Of Failures)
Ce test repose sur la comparaison de la proportion des violations de la VaR 40 , se
produisant dans le cas où les profits ou pertes du portefeuille sont inférieures à la VaR prévue,
à la proportion imposée par le backtesting. De ce fait, nous notons It (α) la fonction indicatrice
associée à une violation de la VaR à la date t pour un taux de couverture α :
𝟏 𝐬𝐢 𝐱 𝐭 ≤ 𝐕𝐚𝐑 𝐭|𝐭−𝟏 (𝛂)
𝐈𝐭 (𝛂) = { (25)
𝟎 𝐬𝐢𝐧𝐨𝐧
Avec :
xt : le rendement ou P&L du portefeuille à l’instant t ;
VaRt|t-1(α) : la VaR à α% calculée à la date t-1 et sur l’horizon d’un jour.

Par ailleurs, Christoffersen, en 1998, montre que le problème de déterminer la validité

d’un modèle de VaR peut se réduire à déterminer si la séquence des violations satisfait ces deux
propriétés :
 La propriété de couverture non conditionnelle énonçant que la probabilité de
la réalisation ex-post d’une perte plus grande que la VaR reportée ex-ante doit
être égale au taux de couverture α%.
 La propriété d’indépendance stipulant que les violations de la VaR à des dates
différentes doivent être indépendamment distribuées. Ainsi la variable It(α) est
indépendante de It+k(α) pour toutes valeurs de k différentes de zéro.
Nous regroupons souvent ces deux propriétés en un seul critère stipulant que la séquence
de violations It(α) doit être indépendante et identiquement distribuée selon une loi de
Bernoulli de paramètre 1-α, hypothèse qui sera supposée par la suite.
𝐱
De surcroît, le test POF est basé sur l’hypothèse nulle : 𝐇𝟎 : 𝐩 = 𝐩
̂=
𝐓
Tel que :
T : Le nombre de jours du backtesting (nombre d’observations notamment) ;
X : Le nombre de dépassements ;
p=1-α : Le taux d’échec.

Par ailleurs, il est question ici de tester si le taux d’échec observé est égal au taux d’échec
relatif au niveau de confiance  . Le rapport de vraisemblance s’écrit sous la forme présentée
dans la page suivante :

39
C. HURLIN. Value-at-Risk et Backtesting. Université d’Orléans, Laboratoire d’Economie d’Orléans (UMR CNRS
6221), Master Econométrie et Statistique Appliquée (ESA), 2008.
40
Note technique NT 12-01 « Robustesse des méthodes de backtesting » rédigée sous la direction d’Elise St-
Aubin Founier. Institut de la finance structurée et des instruments dérivés de Montréal, 2012.

52
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

(𝟏 − 𝐩)𝐓−𝐱 𝐩𝐱
𝐋𝐑 𝐏𝐎𝐅 = −𝟐 × 𝐥𝐧 ( ) (𝟐𝟔)
𝐱 𝐓−𝐱 𝐱 𝐱
[𝟏 − 𝐓] (𝐓)
Ce ratio suit la loi de khi-deux à un degré de liberté. Ainsi, nous acceptons l'hypothèse H0 si la
valeur du ratio est inférieure à la statistique de khi-deux à un degré de liberté.
ii. La méthode MRB (Biais Moyen Relatif)
Le but de cette méthode est d’évaluer si l’approche adoptée dans le calcul de la VaR
fournit un risque estimé relativement plus élevé, en d’autres termes, monter si la méthode
utilisée surestime le risque, et inversement. Par ailleurs, la statistique que nous allons adopter
pour l’utilisation de cette approche est la suivante :
𝐓
𝟏 𝐕𝐚𝐑 𝐢𝐭 − ̅̅̅̅̅̅̅
𝐕𝐚𝐑 𝐭
𝐌𝐑𝐁𝐢 = ∑ (𝟐𝟕)
𝐓 ̅̅̅̅̅̅̅
𝐕𝐚𝐑 𝐭
𝐢=𝟏
Où :
N
1
̅̅̅̅̅̅
VaR t = ∑ VaR it
N
i=1
VaRit : La VaR fournie par l’approche i, pendant le jour t ;
VaRt : La moyenne des VaR fournies par les N approches au jour t.
En effet, la statistique MRB, obtenue en pourcentage, a pour rôle de capturer l’ampleur
à laquelle les différentes approches produisent des estimations de tailles moyennes
semblables41, et de fournir une mesure de la taille de chaque VaR obtenue par chacune des
différentes approches et une taille qui est relative à la moyenne des VaR calculées. D’ailleurs,
il est question de comparer les statistiques MRB de chaque méthode et de retenir celle qui a le
plus petit MRB en valeur absolue, car cela signifie que cette approche est la moins éloignée de
la moyenne des VaR obtenue par l’ensemble des approches. Tenons à titre d’exemple un MRB
égal à 0.1, cela implique que l’approche utilisée, et par la suite la VaR obtenue, est en moyenne
10% plus grande que la moyenne des VaR obtenues par toutes les approches.
iii. Application du Backtesting
La conduite des deux tests de backtesting relatifs aux 3 méthodes : historique,
paramétrique et CFVaR a été effectuée sur la base des 500 derniers jours ouvrés pour un seuil
de confiance de 99%.
Pour la méthode historique : Il a fallu concevoir un bouton sous VBA-Excel qui
permet, pour l’horizon de jours choisi, de récupérer l’historique des rendements trié par
ordre croissant à chaque date, et de calculer les VaR des 500 derniers jours ouvrés en
diminuant le processus, à chaque fois, d’un jour.
Pour les méthodes paramétrique et CFVaR : Nous avons mis en place également un
bouton sous VBA-Excel qui permet à chaque date de l’historique des 500 jours,
d’éliminer la date en question, de recalculer la VaR, notamment parce que l’écart-type,
le rendement moyen et la matrice de variance-covariance dans la formule de la VaR
sont issus des rendements du portefeuille.

41
S. BENSEGHIR. Calcul de a VaR selon l’approche historique et la théorie des valeurs extrêmes sur un fonds
alternatif de Dexia Asset Management. Paris, 2006.

53
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Par ailleurs, et une fois les 500 VaR calculées pour les 3 méthodes, l’étape suivante est de
déterminer le nombre de dépassements réalisée pour chaque méthode :
Tableau 16. Le nombre de dépassements relatif à chaque méthode de calcul de la VaR.
Nombre Nombre de
Méthode de calcul de la VaR
d'observations dépassements
Historique 500 19
Paramétrique 500 14
CFVaR 500 11
Source : Tableau établi sous EXCEL par nos soins.
Le tableau suivant résume, par ailleurs, les résultats trouvés par le test POF pour le portefeuille
actions :
Tableau 17. Les résultats des statistiques POF et MRB des méthodes retenues pour le calcul de la VaR.
Test Méthode de calcul de la VaR Statistique Décision
Historique 23.12 Nous rejetons H0
POF Paramétrique 10.93 Nous rejetons H0
CFVaR 5.41 Nous acceptons H0
historique 14.57% Nous rejetons H0
MRB paramétrique -7.15% Nous rejetons H0
CFVaR -5.32% Nous acceptons H0
Source : Tableau établi sous EXCEL par nos soins.
Nous déduisons ainsi que la meilleure méthode préconisée pour calculer la VaR est la
méthode de Cornish-Fisher puisque l’hypothèse H0 est acceptée dans les deux approches. En
effet, les deux tests fournissent une statistique faible en valeur absolue pour la méthode CFVaR,
par contre l’approche historique nous donne une statistique nettement supérieure par rapport
aux deux autres méthodes.
Ainsi, nous avons justifié le choix adopté par le CRM en ce qui concerne la
quantification du risque de marché par la CFVaR. De ce fait, l’étape suivante consiste à
implémenter le calcul de la VaR dans la maquette du projet pour les différentes filiales et classes
d’actifs. Néanmoins, il convient de noter que la volatilité σ apparaissant dans la formule de la
CFVaR peut être calculée par d’autres méthodes afin d’avoir une estimation meilleure de la
VaR, ce qui fera l’objet de la prochaine section.
V. Estimation de la volatilité pour les portefeuilles « Actions »
et « Obligations »
L’objet de cette section est d’avoir une estimation de la volatilité du marché des actions
et du marché obligataire pour l’année de référence choisie dans le CRM. Pour ce faire, nous
allons indexer nos portefeuilles « Actions » et « Obligations » sur leurs indices de marché,
notamment le MASI42 et le MBI43, dans le but d’avoir la meilleure estimation possible de la
volatilité, paramètre indispensable à l’implémentation de la CFVaR.
IV.1 Volatilité : Définition et méthodes de calcul
1) Définition
L’étude de la volatilité de certains actifs financiers revêt une importance capitale dans
le domaine de la finance, provenant en grande partie du fait qu’elle permet de mesurer
42
Moroccan All Shares Index, principal indice boursier de la BVC (Bourse des Valeurs de Casablanca).
43
Moroccan Bonds Index, indice de performance obligataire calculé et publié par BMCE Capital Markets, le pôle
Banque d’Affaires du Groupe BMCE Bank.

54
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

l’incertitude de l’évolution du rendement d’un actif donné44. Etant la base de mesure du risque
des actifs dans de nombreux domaines tels que la gestion du risque, les méthodes d’allocation
optimale d’actifs en gestion de portefeuille ou la couverture de produits dérivés, la volatilité se
révèle alors cruciale et par conséquent, sa prévision présente un intérêt majeur, d’autant plus
qu’elle permet de contrôler le risque.
D’un point de vue théorique, la volatilité est par définition une mesure de l'amplification
de la variation d'un cours45. Autrement dit, un titre financier dont la volatilité est élevée signifie
que son cours varie fortement, voire de façon exagérée sur une période donnée. Dans le sens où
la volatilité mesure l'importance ou non de la variation d'un cours, elle mesure le risque du titre
en question.
De surcroît, la volatilité n’a pas cessé de s’accroître sur les marchés financiers durant
les vingt dernières années pour maintes raisons qui varient entre l’accroissement des volumes,
l’institutionnalisation des marchés financiers et la réaction à la moindre information disponible.
Convenons aussi que l’importance de la volatilité est due aussi au fait que, étant donné que la
volatilité est reliée aux variations du rendement d’un actif, nous l’estimons souvent en utilisant
l’écart-type des rendements antérieurs de l’actif en question sur une période donnée. Cette
procédure nous fournit une estimation de la volatilité historique qui n’est pas l’unique méthode
d’estimation de la volatilité.
2) Les techniques de calcul de la volatilité
i. La volatilité historique
La volatilité historique, comme son nom l’indique, est basée sur les rendements passés
et les variations historiques que le cours d’un titre a connus 46 . Elle peut être calculée sur
différents horizons de temps suivant l’analyse désirée. La seule limite enregistrée au niveau de
cette méthode et non des moindres, repose sur le fait qu’il est difficile de se baser sur des
données historiques pour prédire les variations futures.
Par ailleurs, cette volatilité est la plus simple à calculer car elle est déterminée par
l’écart-type dont nous rappelons la formule ci-dessous :

∑𝐧 (𝐱 𝐢 − 𝐱̅)𝟐
𝛔(𝐱) = √𝐕(𝐱) = √ 𝐢=𝟏 (𝟐𝟖)
𝐧
∑𝑛
𝑖=1 𝑥𝑖
Où 𝑥̅ = représentant la moyenne des variations.
𝑛
Avec :
V : La variance ;
𝑥𝑖 : La variation du cours à l’instant i ;
N : Le nombre total de périodes.
ii. La volatilité réalisée ou annualisée
Il s’agit d’une deuxième méthode qui se base sur les log-rendements d’un actif, sur une
période choisie. En effet, plus le laps de temps est court, plus le niveau volatilité pourra être
affecté par un fort mouvement isolé. Exprimée en pourcentage, cette volatilité est annualisée

44
Une action ou un indice boursier par exemple.
45
La volatilité : définition, calcul et causes http://econovie.canalblog.com/archives/
46
La volatilité dans la mesure du risque https://www.abcbourse.com/apprendre/

55
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

(donne directement une formule de la volatilité annuelle). Elle représente alors l’écart-type des
rendements constatés, en partant du principe que les rendements sont tous indépendants.
De ce fait, la formule retenue pour le calcul de la volatilité réalisée est généralement la
suivante :

𝐍 𝟐
𝟐𝟓𝟐 𝐒𝐭
𝛔= √ ∑ (𝐥𝐧 ( )) (𝟐𝟗)
𝐍 𝐒𝐭−𝟏
𝐭=𝟏

Avec :
St : Le prix de l’actif à l’instant t ;
St−1 : Le prix de l’actif à l’instant t-1 ;
N : Le nombre d’observations.
iii. Autre technique d’estimation de la volatilité
Une autre méthode, démontrée dans le livre de John Y. Campbell, Andrew W. Lo, A.
Craig MacKinlay « The Econometrics of Financial Markets »47 consiste à estimer la volatilité
par une autre formule afin de montrer que σ n’est pas toujours l’écart-type du rendement
simple de l’actif. En effet, la volatilité de l’actif est sous la forme suivante :
𝟏
𝟐
𝟏 𝐕(𝐑 𝐤 (𝐡))
𝛔= [𝐥𝐨𝐠 (𝟏 + 𝟐 )] (𝟑𝟎)
𝐡
(𝟏 + 𝐄(𝐑 𝐤 (𝐡)))

Où :
R k (h) : Les rendements simples de l’actif.
E(R k (h)) : L’espérance des rendements de l’actif ;
V(R k (h)) : La variance des rendements de l’actif.
V.2 La volatilité du portefeuille « Actions »
Dans le but d’estimer la volatilité de notre portefeuille des actions, qui sera de grande
envergure pour quantifier le risque marché dans le cadre du CRM, nous allons mettre en œuvre
les trois méthodes précitées dans le paragraphe précédent, à savoir la méthode de la volatilité
historique, la méthode de la volatilité réalisée et la méthode évoquée dans le livre de Campbell,
Lo et Mackinlay. Pour le portefeuille actions de la CDG, nous allons nous baser sur les données
journalières de l’année 2015 48 , allant du 02/01/2015 au 31/12/2015, de l’indice MASI,
téléchargées à partir du site de la BVC.

47
Cette démonstration sera reprise dans l’annexe 4, en nous basant sur les notes de cours : Y. EL QALLI.
Econométrie de la finance. INSEA, Rabat, 2016.
48
L’année 2015 est l’année de référence choisie pour l’implémentation des calculs du CRM.

56
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Figure 9. Représentation graphique des prix du MASI pour l'année 2015.

Valeurs du MASI 2015
11000
10500
10000
9500
9000
8500
8000
7500

Source : Graphe sous EXCEL établi par nos soins.

𝐏𝐭
En nous basant sur la variation logarithmique49 des prix donnée par la formule 𝐫𝐭 = 𝐋𝐧(𝐏 )
𝐭−𝟏

Où :
Pt : La valeur du MASI à l’instant t ;
Pt−1 : La valeur du MASI à l’instant t-1 ;
rt : Le rendement logarithmique de l’indice à l’instant t.
Nous obtenons les valeurs suivantes de la volatilité exprimées en pourcentage que nous
résumons dans le tableau ci-dessous :
Tableau 18. Les résultats de l'implémentation des différentes méthodes de calcul de la volatilité.
Volatilité historique (journalière) 0,53%
Volatilité historique (annuelle) 8,38%
Volatilité annualisée 8,36%
Volatilité par l'estimation de Campbell 0,35%
Source : Calcul sous EXCEL établi par nos soins.
A noter que la volatilité historique annuelle est obtenue par la formule :
𝐕𝐨𝐥𝐚𝐭𝐢𝐥𝐢𝐭é 𝐚𝐧𝐧𝐮𝐞𝐥𝐥𝐞 = √𝟐𝟓𝟐 × 𝐕𝐨𝐥𝐚𝐭𝐢𝐥𝐢𝐭é 𝐣𝐨𝐮𝐫𝐧𝐚𝐥𝐢è𝐫𝐞50 (31)
Nous remarquons que la méthode historique et la méthode de la volatilité réalisée
donnent à peu près le même résultat pour la volatilité annuelle, alors que la volatilité journalière
estimée par la méthode de Campbell, Lo, MacKinlay fournit un résultat nettement inférieur, ce
qui montre l’impact de l’estimation de la volatilité. En effet, quoique cette différence semble
négligeable, elle aura par la suite un impact significatif en termes des prix.
V.3 La volatilité du portefeuille « Obligations »
Pour le portefeuille des obligations, nous allons nous baser sur l’indice MBI du marché
obligataire. En outre, il convient de noter que plusieurs indices sont calculés pour le marché
obligataire, à l’instar du MBI, nous trouvons par ailleurs :
 MGBX : Moroccan Government Bond Index, conçu par CDG Capital.

49
La variation simple et la variation logarithmique donnent, à quelques chiffres près, les mêmes résultats, mais
il convient de noter une petite différence sur le plan théorique que nous allons détailler dans la partie relative à
la rentabilité.
50
252 est le nombre de jours ouvrables.

57
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

 CFG Bonds : Premier indice obligataire mis en place par CFG Bank.
Cependant, nous étions à l’affût d’un historique de cet indice puisqu’il n’est pas fourni
gratuitement. L’historique de l’année 2015 allant du 02/01/2015 au 31/12/2015 est représenté
par le graphe suivant :
Figure 10. Représentation graphique des prix de l'indice MBI de l'année 2015.
MBI (2015)
212,00
210,00
208,00
206,00
204,00
202,00
200,00
198,00

Source : Graphe sous EXCEL établi par nos soins.

A l’instar du portefeuille des actions, l’implémentation des calculs de la volatilité pour le
portefeuille obligataire nous fournit les résultats suivants :
Tableau 19. Résultats des calculs de la volatilité pour le portefeuille obligataire.
Vol 1jour 0,05%
Volatilité historique
Vol annuelle 1,03%
Volatilité réalisée Volatilité 1,05%
Source : Tableau établi sous EXCEL par nos soins.
Nous notons, de la même manière que pour les actions, que la volatilité historique et la
volatilité réalisée de l’indice MBI donnent, à quelques chiffres près, les mêmes résultats.
Convenons aussi que l’indice obligataire MBI, pour l’année 2015, est nettement moins
volatile que le MASI, en comparant les deux volatilités annuelles enregistrées pour l’année
2015. Au regard de ce constat, nous signalons que cela est dû au fait que les actions sont des
titres risqués et que le cours de l’indice des actions varie fortement, peut grimper rapidement et
dans ce cas, l’espérance de la rentabilité est plus importante.

58
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Le Risque de Crédit
Etant une activité économique très cruciale, la gestion des risques de crédit permet de
déterminer les liens entre les emprunteurs, les prêteurs et les investisseurs, en évaluant le risque
de ces derniers. En effet, l’activité de crédit expose la banque à différents risques notamment le
risque de la contrepartie. De ce fait, plusieurs techniques sont aujourd’hui mises en avant, dont
l’objectif est de mesurer et contrôler toutes les sources de risque.
Néanmoins, il convient de noter qu’une multitude de facteurs ont contribué à la
progression de la gestion du risque de crédit. Tout d’abord, les établissements financiers se
basent de plus en plus sur les critères de performance par rapport à l’analyse du risque de crédit.
Par ailleurs, ils subissent beaucoup de pressions afin d’améliorer ces performances financières
en terme d’anticipation des risques de défaut. Dès lors, ces pressions ont conduit les banques à
s’orienter vers de nouveaux marchés afin de mieux gérer leur risque de portefeuille, tout en
ayant plus de liquidité.
I. Définition du Risque de Crédit
Le risque de crédit se définit comme étant la défaillance de l’emprunteur à rembourser
une partie ou la totalité du prêt. C’est la probabilité de pertes due au défaut de l’emprunteur
face à la détérioration de sa situation financière.
II. Méthodologie de Calcul
Deux approches réglementaires ont été instituées pour le risque de crédit à savoir
l’approche standard et l’approche des notations internes. Nous rappelons que ces deux
approches sont issues, respectivement, des circulaires 26/G/2006 et 8/G/2010 de BAM.
II.1 L’approche standard
Selon la circulaire 26/G/2006, le montant du risque pondéré est calculé en multipliant
les éléments d’actifs et du hors-bilan, pris en considération, par des coefficients de
pondération 51 . En outre, pour la détermination des pondérations du risque de crédit, les
établissements préconisent l’utilisation des notations externes attribuées par des Organismes
Externes d’Evaluation du Crédit (OEEC) dont la liste est établie par BAM. De ce fait, différents
éléments de l’actif sont pris en considération pour le calcul du risque de crédit en leur conférant
un coefficient de pondération.
II.2 L’approche des notations internes
Selon cette deuxième méthode réglementaire instituée par le régulateur dans la circulaire
8/G/2010, deux approches sont édictées :
L’approche dite « fondation »52, selon laquelle l’établissement est habilité à estimer la
probabilité de défaut. La perte en cas de défaut, le facteur de conversion et la maturité
sont fixés par BAM.
L’approche dite « avancée » selon laquelle l’établissement est habilité à estimer la
probabilité de défaut, la perte en cas de défaut et le facteur de conversion et à calculer
la maturité.

51
Ces coefficients sont prévus aux articles 11 à 18 et 45 à 47 dans la circulaire 26/G/2006 relative au calcul des
exigences en fonds propres selon l’approche standard.
52
Article 11 de la circulaire 8/G/2010 relative au calcul des exigences en fonds propres selon les approches
notations internes de BAM.

59
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Cependant, avant de déterminer les rudiments de calcul des exigences en fonds propres
selon cette approche, il est important d’évoquer que plusieurs catégories d’exposition du
portefeuille bancaire sont arrêtées par le régulateur marocain, et qui varient entre emprunteurs
souverains, établissements de crédit, entreprises, clientèle de détail et d’autres catégories.
Aussi, chaque catégorie a-t-elle une spécificité particulière qu’il ne faut pas négliger et qui est
prise en considération dans les circulaires de BAM. Néanmoins, la formule générale adoptée
pour les expositions saines qui ne sont pas en défaut est la suivante :
Actif pondéré = RWA = K×EAD53 (32)
Pondération = K =
1 𝑅 0.5 (1 + (𝑀 − 2.5) × 𝑏)
([𝐿𝐺𝐷 × 𝑁 [ 0.5 × 𝐺(𝑃𝐷) + ( ) × 𝐺(0.999)] − 𝑃𝐷 × 𝐿𝐺𝐷] × ) × 12.5 × 𝑌
(1 − 𝑅) 1−𝑅 (1 − 1.5 × 𝑏)

Ajustement d’échéance = b = (0.11852 − 0.05478 × 𝐿𝑛(𝑃𝐷))2

(1−𝐸𝑋𝑃(−50×𝑃𝐷)) (1−𝐸𝑋𝑃(−50×𝑃𝐷))
Corrélation = R = 0.12 × + 0.24 × [1 − ]
(1−𝐸𝑋𝑃(−50)) (1−𝐸𝑋𝑃(−50))

N(x) = la fonction de répartition d’une variable aléatoire suivant une loi normale centrée
réduite (exprimant la probabilité qu’une variable aléatoire normale de moyenne zéro et de
variance un soit inférieure ou égale à x).
G(z) = la fonction cumulative inverse de cette fonction de répartition (la valeur de x telle que
N(x) = z).
Y = Facteur scalaire qui va dépendre des résultats de l’étude d’impact.

Par ailleurs, une spécificité pour la catégorie d’expositions sous forme d’actions est à
noter. Selon l’article 29 de la même circulaire, le calcul des actifs pondérés pour cette catégorie
peut s’effectuer via trois méthodes, à savoir la méthode basée sur les pondérations, la méthode
fondée sur les modèles de type VaR et la méthode PD/LGD qui consiste à appliquer les
dispositions de l’approche notations internes se rapportant à la catégorie d’expositions «
Entreprises », autrement dit, la même formule ci-haut en tenant en compte des particularités
suivantes :
LGD = 90%
Maturité = 5 ans
A noter que, pour le CRM, la méthode qui sera adoptée pour les actions est la méthode PD/LGD
puisqu’elle inclut le risque spécifique.
Nous remarquons ainsi qu’un paramètre indispensable au calcul des exigences en fonds
propres dans la formule (32) et même en adoptant la méthode PD/LGD apparaît. Il s’agit
notamment de la probabilité de défaut (PD). De ce fait, le prochain paragraphe explicite la
méthode adoptée par le CRM en vue d’estimer la PD et afin que les calculs puissent être encore
plus significatifs et cohérents.

53
EAD : Exposition en cas de défaut, c’est la valeur exposée au risque d’un élément d’actif ou de hors-bilan
dont le calcul tient compte du facteur de conversion. Cette définition est reprise dans le glossaire de la page 14.

60
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

III. Estimation des paramètres de calcul : La probabilité de

défaut (PD)
III.1 Généralités sur la PD
En nous basant sur la terminologie instituée par le comité de Bâle II, nous définissons
la probabilité de défaut (Probability of Default ou PD) par la probabilité que l’emprunteur ne
puisse assurer tout ou une partie de ses obligations (Capital et/ou intérêts). Le régulateur
marocain la définit comme étant la probabilité qu’une contrepartie fasse défaut dans un horizon
d’un an54.
Par ailleurs, la plupart des institutions financières allouent et consacrent des ressources
considérables à la mesure et à la gestion du risque de crédit. De plus, les autorités de contrôle
exigent des capitaux propres suffisants pour faire face à ces risques. En effet, la possibilité de
défaut de la part des emprunteurs, des contreparties dans les transactions d’actifs dérivés et des
émetteurs d’obligations expose les institutions financières à des risques significatifs.
Cependant, plusieurs méthodes, travaux de recherche et d’analyse existent pour mesurer
cette probabilité de défaut, la quantifier, l’estimer et la modéliser. En effet, la PD est plus liée
à l’émetteur qu’à l’actif lui-même, et incorpore d’une manière sous-jacente tous les éléments
susceptibles d’orienter vers le défaut. Nous parlons, de ce fait, de la probabilité de défaut de
l’émetteur, de l’actif détenu, de l’entreprise elle-même, et du pays. Le défaut de ces derniers est
capté par les agences de notation financière (Rating agencies55) sur la base d’études faites sur
leurs états de synthèse et leur niveau de solvabilité. En plus, la notation financière permet
d’évaluer le risque de contrepartie, constituant ainsi un système solide adopté par les analystes
financiers, en vue de répondre à toutes les questions qui se posent concernant la qualité de crédit
des émetteurs de titres.
III.2 Méthodologie adoptée pour le CRM
Nous cherchons, dans le cadre du CRM, à trouver une estimation de la PD pour chaque
classe d’actifs. En effet, cette PD n’est pas uniquement la PD de l’émetteur, mais il s’agit d’une
probabilité qui est ajustée par l’effet de la maturité et l’effet de l’actif détenu. Par ailleurs, cette
PD ajustée sera exprimée en fonction de la PD de l’émetteur issue du modèle interne de notation
(MNI) développé au sein de la CDG EP, du risque lié à l’instrument, et de la maturité
caractérisant cet actif. A noter que cette approche sera valable pour la CDG EP uniquement,
pour les autres filiales constituant le segment financier, il faut se doter de leurs contreparties et
de leurs propres modèles internes. Ceci-dit, l’équipe CRM a arrêté la formule suivante pour le
calcul de la PD ajustée :
𝐏𝐃𝐚𝐣𝐮𝐬𝐭é𝐞 = 𝐏𝐃é𝐦𝐞𝐭𝐭𝐞𝐮𝐫 × (𝟏 + 𝐀𝐣𝐮𝐬𝐭𝐞𝐦𝐞𝐧𝐭 𝐢𝐧𝐬𝐭𝐫𝐮𝐦𝐞𝐧𝐭 ) × (𝟏 + 𝐀𝐣𝐮𝐬𝐭𝐞𝐦𝐞𝐧𝐭 𝐦𝐚𝐭𝐮𝐫𝐢𝐭é ) (𝟑𝟑)
Qui plus est, chaque composante de la formule sera détaillée pour chaque classe d’actif
parmi les 14 catégories inventoriées dans le référentiel du CRM. Par ailleurs, la méthodologie
qui sera détaillée par la suite est résumée synthétiquement dans le tableau de la page suivante :

54
Circulaire 8/G/2010 relative à l’approche interne pour le calcul des exigences en fonds propres.
55
The Big Three credit rating agencies : Standard & Poor's (S&P), Moody's, and Fitch Group.

61
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Tableau 20. Méthodologie adoptée par le CRM pour le calcul de la PD ajustée.

RISQUE DE CREDIT Ajustement par
Risque émetteur Ajustement par maturité
(CDG EP) type d'instrument
A1. OBLIG BDT CT NA NA NA
A2. OBLIG BDT MT NA NA NA
A3. OBLIG BDT LT NA NA NA
Moyenne pondérée des PD
A4. OBLIG HORS BDT valeur de référence :
MNI pour les contreparties de valeur de référence : 0,00
CT 0,00
la classe d'actifs A4
Courbe des taux BDT :
Moyenne pondérée des PD Ecart entre le taux annuel
A5. OBLIG HORS BDT valeur de référence :
MNI pour les contreparties de moyen MT (2ans ; 5ans) et
MT 0,00
la classe d'actifs A5 le taux annuel moyen CT
(13s ; 26s ; 52s)
Courbe des taux BDT :
Ecart entre le taux annuel
Moyenne pondérée des PD
A6. OBLIG HORS BDT moyen LT (10ans ; 15ans ; valeur de référence :
MNI pour les contreparties de
LT 20ans ; 30ans) et le taux 0,00
la classe d'actifs A6
annuel moyen CT (13s ;
26s ; 52s)
Moyenne pondérée (par le Classification des prêts par
capital) des PD du modèle maturité CT, MT et LT.
valeur de référence :
A7. PRETS MNF : PD moyenne de Calcul d'un spread moyen
0,00
l'échantillon représentatif des BDT pondéré par le poids
filiales du groupe de la maturité dans le PTF
Spread marché
Moyenne pondérée (par le
A8. ACTIONS PART action à demander
capital) des PD MNI pour la NA
EC de CDGK ou PF
classe d'actifs A8
CDG
Moyenne pondérée (par le Spread marché
A9. ACTIONS PART capital) des PD MNI & MNF action à demander
NA
HORS EC de l'échantillon représentatif de CDGK ou PF
pour la classe d'actifs A9 CDG
Spread marché
Moyenne pondérée des PD
action à demander
A10. ACTIONS PLAC MNI pour les contreparties de NA
de CDGK ou PF
la classe d'actifs A10
CDG
moyenne pondérée
Considérant la poche oblig entre spread oblig
du PTF OPCVM. Calcul (0,00) et le spread
Moyenne pondérée des PD
A11. OPCVM d'un spread moyen BDT marché action +
MNI des contreparties
pondéré par le poids dans le marge risque
PTF oblig_OPCVM gestionnaire (forfait
10 pbs)
forfaitaire : 1,00% (niveau
A12. FONDS NA NA
bas du risque à surveiller)
A13. FONCIER NA NA NA
A14. AUTRES ACTIFS NA NA NA
Source : Documentation interne du projet.
Concernant le risque de l’émetteur
Nous allons nous baser, dans cette première composante, sur la PD de l’émetteur fournie
dans le cadre du MNI 56 . En effet, il s’agit d’accéder aux contreparties et de calculer une
moyenne pondérée, par le poids de la contrepartie, des PD enregistrées pour chaque classe

56
MNI = Modèle de Notation Interne de la CDG EP qui sera détaillé dans le paragraphe (Zoom sur le MNI).

62
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

d’actifs. C’est le cas par exemple des obligations privées pour les différentes maturités
représentées par les classes d’actifs A4, A5 et A6. Néanmoins, les obligations de l’Etat (BDT57)
sont considérées comme des actifs non risquées, l’Etat se porte garant et l’investisseur est
certain d’être remboursé, donc elles ne seront pas prises en compte dans le calcul de la PD. Pour
les prêts, les OPCVM et les actions, nous optons également pour le calcul de la moyenne
pondérée des PD du MNI en vue quantifier le risque de l’émetteur.
L’ajustement par la maturité
Pourvu que la maturité, également désignée par l’échéance, soit une notion très attachée
à l’obligation, elle qualifie la durée résiduelle de vie d’un emprunt ou d’un placement.
Eventuellement, l’ajustement considéré58 portera uniquement sur la dette privée, les prêts et les
OPCVM. A noter que, pour les actions, l’ajustement ne sera pas appliqué car il n’y a pas de
risque de maturité. En outre, une valeur de référence, égale à zéro, sera attribuée aux obligations
de CT afin d’avoir en main une base de comparaison. Par ailleurs, l’ajustement par la maturité
sera effectué sur la base de la courbe des taux BDT en calculant l’écart entre le taux annuel
moyen des maturités (MT et LT) et celui des maturités CT. En revanche, le calcul de cet
ajustement pour les prêts et les OPCVM s’établit sur la base d’une moyenne en fonction de leur
composition obligataire et de la nature de leur maturité.
L’ajustement par type d’instrument
A l’instar de l’ajustement précédent, il faut choisir un instrument de référence et lui
attribuer une valeur de repère. En effet, deux instruments majeurs, actions et obligations,
constituent les rudiments du CRM. Ce faisant, nous allons choisir la catégorie des obligations
comme un instrument de référence en lui affectant la valeur zéro, si bien que pour les actions,
nous calculerons le spread (prime de risque) du marché des actions59, qui est estimé60 chaque
année par rapport au marché obligataire.
Dans la mesure où la notion du spread s’avère cruciale, nous allons évoquer les
différentes méthodes61 mises en œuvre pour le calcul de la prime de risque. Il s’agit notamment
de la méthode historique (basée sur les rentabilités historiques des actifs), la méthode
prospective (ou implicite) et la méthode par sondage. Cette dernière est la plus adaptée au
marché marocain car elle fait l’objet d’un consensus des différents acteurs.
Outre plus, les prêts, assimilés à des obligations, sont dotés également de la valeur nulle
alors que, pour les OPCVM, il faut noter une particularité d’envergure. En plus de la
pondération à attribuer selon la composition de l’OPCVM, il faut ajouter une marge liée au
défaut du gestionnaire.
Zoom sur le MNI (Modèle de Notation Interne) :
Le MNI est un modèle qui a été établi par la DMD pour le compte de la CDG. Il porte
essentiellement sur deux portefeuilles : Les placements obligataires et les actions. Il permet de
noter les contreparties selon deux modèles en classant les contreparties en deux catégories :

57
BDT = Bon De Trésor, titre d’emprunt émis par l’Etat par l’intermédiaire du trésor public.
58
Les ajustements seront exprimés en points de base (un point de base est la différence entre deux
pourcentages, multipliée par cent).
59
C’est un indicateur représentant la rémunération supplémentaire exigée par un investisseur pour la détention
d’un actif au rendement incertain par rapport à un actif sans risque (souverain).
60
Nous allons nous baser sur la dernière estimation de cette prime de risque par sondage, selon les statistiques
de Juillet 2013 relevés par ATTIJARI Intermédiation (ATI).
61
Département Analyse & Recherche, ATI, Juillet 2013.

63
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

 Le segment Corporate qui comprend les entreprises, les assurances et les

sociétés de financement.
 Le segment Etablissements de Crédit qui englobe les banques.
L’inauguration de ce modèle passe par une série d’étapes en commençant par le calcul
de quelques ratios afin de déterminer des indicateurs quantitatifs et qualitatifs62 permettant de
caractériser et de juger la qualité de l’actionnariat. Ces ratios sont ensuite transformés en scores
grâce à des fonctions mathématiques permettant, par ailleurs, de décrire la relation entre le ratio
et le défaut.
Néanmoins, ces scores sont pondérés par des poids relevant de l’importance de chaque
ratio pour la CDG EP pour, in fine, calculer le score final réajusté, selon l’information
disponible, par d’autres indicateurs qualitatifs qui concernent la gouvernance 63 et la
prospection 64 . Ce faisant, la probabilité de défaut de l’émetteur est calculée par la relation
suivante :
𝟏
𝐏𝐃 = (𝟑𝟒)
(𝟏 + 𝐬𝐜𝐨𝐫𝐞)𝛂
Où α est un coefficient pour ajuster la PD.
De ce fait, la grille de notation du MNI est présentée dans la page suivante où chaque niveau
de risque correspond à une multitude de niveaux de notation accompagnés de leurs PD.
Tableau 21. Grille de notation MNI de la CDG EP.
Score ajusté PD Notation Niveau du Risque
0 100,00% D
5 23,02% CCC-
10 17,95% CCC
Risque élevé
15 12,17% CCC+
20 8,34% B-
25 5,39% B
30 3,33% B+
35 2,18% BB-
Risque à surveiller
40 1,58% BB
45 0,92% BB+
50 0,51% BBB-
55 0,38% BBB Risque modéré
60 0,27% BBB+
65 0,13% A-
70 0,09% A
75 0,08% A+
80 0,05% AA-
Risque faible
85 0,04% AA
90 0,03% AA+
95 0,03% AAA
100 0,03% AAA
Source : Documentation interne du CRM.
L’application de cette approche pour le CRM a fait ressortir les résultats de la page suivante :

62
L’ajustement qualitatif est établi chaque année en analysant les états financiers des entreprises en question.
63
Les indicateurs de gouvernance jugent, entre autres, les organes de surveillance, de gestion et de
communication.
64
Les indicateurs de prospection mettent en exergue l’évolution sectorielle sur une durée allant jusqu’à 3 ans.

64
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Tableau 22. Les résultats de l'estimation de la PD selon la méthodologie du CRM.

CDG EP
PD ajustement ajustement par
émetteur par maturité type d'instrument PD ajustée
A1. OBLIG BDT CT NA NA 0,00% 0,00%
A2. OBLIG BDT MT NA NA 0,00% 0,00%
A3. OBLIG BDT LT NA NA 0,00% 0,00%
A4. OBLIG HORS BDT CT 0,77% 0,00% 0,00% 0,77%
A5. OBLIG HORS BDT MT 1,36% 0,35% 0,00% 1,36%
A6. OBLIG HORS BDT LT 1,83% 1,24% 0,00% 1,85%
A7. PRETS 1,37% 0,60% 0,00% 1,38%
A8. ACTIONS PART EC 0,61% NA 6,90% 0,65%
A9. ACTIONS PART HORS EC 1,23% NA 6,90% 1,31%
A10. ACTIONS PLAC 1,55% NA 6,90% 1,66%
A11. OPCVM 0,35% 0,08% 0,10% 0,35%
A12. FONDS 1,00% NA NA 1,00%
A13. FONCIER NA NA NA 0,00%
A14. AUTRES ACTIFS NA NA NA 0,00%
Source : Tableau établi sous EXCEL par nos soins.
En conséquence, nous déduisons, selon l’échelle de notation de la CDG EP, que pour
les obligations, la PD est une fonction croissante de la maturité. En effet, selon les agences de
notation, la PD tend à être une fonction croissante de l’horizon 65 , cela vient du fait que
l’emprunteur est considéré initialement, comme peu risqué et qu’au fur et à mesure que le temps
passe, la possibilité de voir sa solvabilité se dégrader augmente.
Nous remarquons également que les valeurs enregistrées pour les différentes classes
d’actifs appartiennent à la catégorie « Risque à surveiller » de la grille de notation ou à la
catégorie « Risque modéré ». Dès lors, l’output auquel a abouti le CRM grâce à cette
méthodologie constitue une conclusion très forte et un signe d’alerte pour l’institution. Il est
primordial, durant les prochaines années, de surveiller les risques inhérents aux actifs précités
et de prendre davantage des mesures encore plus prudentielles.
III.3 Une autre approche d’estimation : A travers les spreads
1) Cadre théorique : L’intensité de défaut et le taux de recouvrement
Nous tenons, initialement, à définir une notion de poids insigne qui est le taux d’intensité
du défaut qui est une probabilité conditionnelle représentant la probabilité que le défaut
survienne au cours d’une année donnée sachant que l’entreprise n’a pas fait défaut auparavant66.
Par ailleurs, l’intensité de défaut est notée λ(t) à la date t, et la PD est obtenue via la formule :
𝐏𝐃 = 𝟏 − 𝐞𝐱𝐩(−𝛌(𝐭)𝐭) (𝟑𝟓)
A l’accoutumée, les créanciers d’une entreprise faisant défaut chercheront à récupérer
les sommes qui leur sont dues, éventuellement par des moyens judiciaires. Nous parlons ainsi
du taux de recouvrement pour une obligation, exprimé en pourcentage de la valeur faciale67, et

65
« En 1991, Litterman et Iben proposé la construction d’une structure par terme des spreads en se basant sur
la théorie présumant que la PD des titres est une fonction croissante du temps ». C. LUBOCHINSKY. Quel crédit
accorder aux spreads de crédit. 2002.
66
J. HULL, C. Godlewski and M. Merli. Gestion des risques & institutions financières. 3ème édition Pearson,
2012 (Le détail de cette méthode figure dans l’annexe 5).
67
La valeur faciale ou la valeur nominale d’une obligation correspond au montant sur lequel sont calculés les
intérêts. Cette définition est reprise dans le glossaire de la page 14.

65
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

défini comme la valeur de l’obligation juste après le défaut. Ce taux de recouvrement servira
par la suite pour calculer l’intensité annuelle de défaut selon la formule suivante :
𝐒𝐩𝐫𝐞𝐚𝐝 𝐞𝐧𝐭𝐫𝐞 𝐥′ 𝐨𝐛𝐥𝐢𝐠𝐚𝐭𝐢𝐨𝐧 𝐝é𝐭𝐞𝐧𝐮𝐞 𝐞𝐭 𝐥′ 𝐨𝐛𝐥𝐢𝐠𝐚𝐭𝐢𝐨𝐧 𝐬𝐚𝐧𝐬 𝐫𝐢𝐬𝐪𝐮𝐞
𝐋′ 𝐢𝐧𝐭𝐞𝐧𝐬𝐢𝐭é 𝐚𝐧𝐧𝐮𝐞𝐥𝐥𝐞 𝐝𝐞 𝐝é𝐟𝐚𝐮𝐭 =
𝟏 − 𝐭𝐚𝐮𝐱 𝐝𝐞 𝐫𝐞𝐜𝐨𝐮𝐯𝐫𝐞𝐦𝐞𝐧𝐭
Ou encore :
𝐒𝐩𝐫𝐞𝐚𝐝
𝛌= (𝟑𝟔)
𝟏−𝐑
2) Application de l’approche sur le portefeuille obligataire de la CDG EP
L’application de cette approche via les spreads nous sera utile afin de juger la qualité
des obligations par classe de maturité. Pour ce faire, nous avons collecté les spreads publiés
dans les notes d’information de l’Autorité Marocaine du Marché des Capitaux (AMMC) et de
la BVC, selon l’inventaire des émetteurs d’obligations de la CDG EP. Ainsi, nous constituons
une base données selon laquelle nous déterminons une valeur moyenne de tous les spreads
collectés à partir d’un historique datant de 1998.
Par ailleurs, l’intensité de défaut est calculée selon l’équation (36) précitée dans le
paragraphe précédent, en fixant le taux de recouvrement R à 55% puisque :
𝐑 = 𝟏 − 𝐋𝐆𝐃𝐫é𝐠𝐥𝐞𝐦𝐞𝐧𝐭𝐚𝐢𝐫𝐞 (𝟑𝟕)
Où : LGDréglementaire n’est autre que le taux de perte en cas de défaut représentant la part de
l’exposition susceptible d’être perdue au moment où le défaut se matérialise, et qui égale à 45%.
Nous procédons ensuite à la détermination de la PD via l’équation (35), à noter que t=1
puisque nous calculons la PD dans un an.
Ensuite, l’agrégation des PD par classe de maturité (en calculant la moyenne) selon la
nomenclature adoptée par la CDG EP nous permet d’avoir la PD par maturity bucket selon les
résultats qui seront exposés ci-dessous.
Tableau 23. Les résultats du calcul de la PD pour chaque émission du portefeuille obligataire.
maturité Spread Intensité
Classe de
Emetteur moyenne moyen en Recouvrement moyenne de PD
maturité
(années) pbs défaut
Emission1 5 LT 105,67 55% 2,348% 2,321%
Emission2 5 LT 65,6 55% 1,458% 1,447%
Emission3 6,75 LT 62,5 55% 1,389% 1,379%
Emission4 10 LT 92 55% 2,044% 2,024%
. . . . . . .
. . . . . . .
. . . . . . .
Emission156 15 LT 120 55% 2,667% 2,631%
Emission157 4,33 MT 100 55% 2,222% 2,198%
Emission158 5 LT 145 55% 3,222% 3,171%
Source : Tableau établi sous EXCEL par nos soins.
Tableau 24. Les résultats du calcul de la PD par classe de maturité.
Maturité intensité moyenne de défaut Probabilité de défaut
CT 0 0
MT 0,56% 0,55%
LT 0,92% 0,90%
Source : Tableau établi sous EXCEL par nos soins.

66
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Nous remarquons que la CDG EP n’a pas d’émission sur le CT, cela va de pair avec les
orientations stratégiques et la nature de cet établissement public, pionnier dans l’investissement
à moyen et long terme. Nous déduisons également, d’après le tableau ci-dessus, que la PD est
une fonction croissante de la maturité, cela appuie et confirme les résultats trouvés dans la
méthodologie adoptée par le CRM.

67
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Le Risque de taux
I. Cadre théorique
I.1 Notion du taux d’intérêt
1) Définition du taux d’intérêt
Le taux d’intérêt est défini comme étant la rémunération d’un prêt pour l’emprunteur et
un revenu pour le prêteur. Il est basé généralement sur un taux de référence faisant l’objet des
révisions périodiques en fonction de l’inflation qui induit une hausse du taux d’intérêt, et de la
loi de l’offre et de la demande. En effet, si l’offre des capitaux est supérieure à la demande,
l’intérêt tendra à baisser et inversement.
2) La classification des taux d’intérêt
Selon leurs flexibilités, les taux d’intérêt peuvent être regroupés en trois catégories :
 Les taux fixes où le niveau du taux est fixé, et donc le montant d’intérêt à payer
ou à recevoir par l’emprunteur et le prêteur est connu d’avance ;
 Les taux révisables (ou prédéterminés) qui sont variables sur une longue
période, mais fixes sur une courte période. Ils concernent des opérations
fractionnées pour lesquelles le taux est révisé avant chaque sous-période ;
 Les taux variables post-déterminés qui ne sont fixés que peu de temps avant
leur perception. Si nous prenons l’exemple d’emprunts obligataires, le taux
variable ne sera connu que quelques semaines avant le détachement du coupon
correspondant.
3) Les différents types de taux d’intérêt
Taux de rendement actuariel
Le taux de rendement actuariel est le taux qui égalise le prix de l’obligation et la valeur
actuelle des flux futurs actualisés à ce taux.
 Pour une obligation à zéro-coupon : le calcul est très simple, si t est la durée de
l’opération, exprimée en années exactes (365 ou 366 jours), nous obtenons le taux
actuariel (noté i) par l’équation :
1
V
Vt = V0 (1 + i)t Et donc: i = (V t ) t − 1.
0

 Pour une obligation à coupons : le calcul est plus compliqué si nous cherchons
à déterminer le rendement actuariel d’un actif financier au prix P qui lui rapporte
contractuellement des cash flows Fk générés aux dates tk (k = 1,2,…,n). Ces cash
flows se décomposent en coupon et remboursement éventuel, et le taux de
rendement actuariel i (taux moyen sur la durée du placement) est la solution de
l’équation suivante :
F1 Fn
P= +⋯+
1+i (1 + i)n
A noter que si le calcul de taux est réalisé à une date différente d’une date de
détachement de coupon, l’actualisation doit refléter le temps écoulé T (en jours), depuis la date
de paiement du coupon précédent, et dans ce cas, nous modifions l’équation précédente en la
multipliant par un facteur :

68
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

T F1 Fn
P = (1 + i)365 [ + ⋯+ ]
1+i (1 + i)n
Le taux zéro-coupon
Il s’agit du taux de rendement actuariel d’un instrument financier ne comportant
aucun détachement de coupon jusqu’à la maturité. De ce fait, il permet d’évaluer V0 (valeur
initiale) et Vt (valeur finale) du capital ayant porté intérêt. Ainsi une obligation à coupon
unique, payée le jour du remboursement, est appelée un « zéro-coupon ». De même pour
une opération monétaire de trésorerie composée d’un emprunt et de son remboursement,
que l’intérêt soit payé à l’échéance ou d’avance.
Le taux forward et le taux à terme
Cette notion repose sur l’idée qu’il est possible de construire, à un instant donné, un
portefeuille d’obligations permettant de déterminer à l’avance le taux de rendement d’un
prêt sur une période future quelconque. Il est caractérisé par trois instants : le temps présent
notée t auquel le taux est considéré, son « expiration » (initiation du financement) T et sa
maturité S, avec t ≤ T ≤ S.
I.2 Les catégories de risques spécifiques aux obligations
1) Le risque de taux d’intérêt
Le risque de taux d’intérêt est le risque de perte due à une variation imprévue des
taux d’intérêt, et qui survient à l'occasion d'une évolution défavorable des taux affectant
négativement les résultats de la banque, dès lors que celle-ci indexe ses emplois et/ou ressources
sur les taux du marché.
Par ailleurs, ce risque est reflété par la relation entre le taux de rendement et la maturité
des actifs financiers, qui se traduit à l’aide de la courbe des taux68. De plus, les opérations qui
sont exposées à un risque de taux d’intérêt sont déterminées selon deux activités :
 L’activité de marché relative au portefeuille de négociation et qui comprend
toute la gamme d’instruments financiers.
 L’activité bancaire relative au portefeuille bancaire et qui comprend toutes les
autres opérations liées aux clients, aux dépôts et aux opérations bancaires.
Notons que la fusion ou la séparation des deux activités dépend de chaque établissement. La
séparation permet une mesure cohérente de chacune d’elles par l’usage d’outils adaptés.
2) Le risque de signature ou de contrepartie
C’est le risque couru par l’investisseur de ne pas récupérer le capital et/ou les intérêts si
l’émetteur de l’emprunt venait à ne plus pouvoir remplir ses obligations. Nous distinguons
également dans cette catégorie de risque entre le risque pays lié à la probabilité de non-
paiement des créances par des débiteurs résidant dans des pays jugés à risque, en raison du
contexte politique ou économique, et le risque de crédit lié au risque qualité de l’émetteur.
I.3 Les sources du risque
Le risque de taux peut découler de quatre sources essentielles affectant de ce fait le
revenu de la banque et la valeur économique de ses instruments financiers sous-jacents :

68
La notion de la courbe des taux sera détaillée dans un prochain paragraphe.

69
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

 Le risque lié au repricing qui se manifeste suite à un décalage dans le

réajustement des prix des actifs et des passifs surtout lorsque les échéances à
taux fixes et les réajustements à taux variables ne coïncident pas dans le temps.
 Le risque lié à la courbe des taux d’intérêt puisque toute modification de la
courbe des taux a une incidence, positive ou négative, sur la valeur des
instruments financiers.
 Le risque de base ou Risque de spread qui traduit un décalage existant dans
l'adossement des emplois et des ressources à des taux variables indexés sur des
taux de marché différents.
Par ailleurs, si nous prenons le risque lié au repricing, dans le cas d'actifs à taux fixes
adossés à des passifs à taux variables, l'exposition au risque de taux est certaine et porte sur la
totalité des encours concernés. Néanmoins, dans le cas où nous avons des actifs à taux fixes
adossés à des passifs à taux fixes, l'exposition au risque n'existe que si les durées respectives
des actifs et passifs mis en cause sont différentes, sinon, elle est nulle. Il s'agit ainsi dans ce cas
des gaps de durée. En somme, le risque de taux n'est manifesté que lorsque des actifs d'une
durée et d'un taux déterminés seraient adossés à des passifs d'une durée et/ou d'un type
de taux différents.
I.4 Les techniques de mesure du risque
L'ALM (Assets & Liabilities Management ou Gestion Actif/Passif) gère les opérations
du portefeuille bancaire en distinguant trois techniques de mesure selon que nous nous
intéressons à l'incidence de la fluctuation des taux :
1) La mesure du volume (Gap ou impasse)
Sur les masses du bilan (actif et passif) non adossées en taux, nous faisons alors
une mesure de volume par la détermination des impasses ou gaps de taux.
La mesure du gap de taux est une démarche effectuée en plusieurs étapes portant sur les emplois
et ressources à taux variable sur une période donnée, il s’agit notamment de :
 Recenser, à l'actif comme au passif du bilan, tous les postes à taux variable ;
 Calculer pour chaque période le total des encours à refinancer à l'actif et au
passif ;
 Calculer le gap de taux par différence algébrique entre les totaux à l'actif et les
totaux au passif (Gap = Actif - Passif) à taux variables. A noter que nous pouvons
calculer le gap par différence entre passifs et actifs (Gap = Passif - Actif) à taux
fixe. En faisant attention aux signes (plus ou moins) dans ses calculs, les deux
méthodes conduisent le gestionnaire de risque aux mêmes conclusions69.
Par ailleurs, lorsque nous avons un excédent des ressources sur les emplois, l’institution
financière est dite sur-consolidée ou en position longue en taux et le gap est négatif.
Inversement, quand les emplois excèdent les ressources, elle est dite sous-consolidée en taux
ou en position courte et le gap est positif. De surcroît, si le gap est nul, la banque est
dite consolidée en taux car il y a adossement parfait entre ressources et emplois.
2) La mesure de marge (sensibilité de la marge aux taux d’intérêt)
Sur la marge d'intérêt, nous calculons alors la sensibilité de la marge d'intérêt (marge de
transformation). Le fondement de cette mesure est l'amortissement dans le temps de la marge

69
Impasse ou gap en liquidité (avant financement) = Total Passif - Total Actif
Impasse en taux (avant ou après financement) = Actifs Variables - Passifs Variables
Impasse de taux après financement = Impasse de taux avant financement - Impasse en liquidité

70
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

d'intérêt. Elle permet d'apprécier l'incidence de l'évolution des taux sur la marge de
transformation et donc sur les résultats d'un établissement bancaire éclairant ainsi la décision
du gestionnaire de risque. En effet, l'indicateur de mesure utilisé par le Risk manager à cet
effet est l’Earnings-At-Risk (EAR). Il mesure la dégradation en valeur absolue de la marge
d'intérêt suite à une fluctuation adverse des taux d'intérêt.
3) La mesure de valeur : Valeur Actuelle Nette
Reposant sur le principe d'actualisation, cette mesure permet de déterminer la duration
(l'échéance moyenne de récupération des flux futurs d'un actif) et/ou la sensibilité de la valeur
actuelle nette (VAN) des actifs financiers renseignant ainsi le Risk manager sur l'impact négatif
de la variation des taux sur la valeur patrimoniale. Elle est particulièrement utilisée pour
mesurer la sensibilité des fonds propres à la fluctuation des taux d'intérêt.
Tableau 25. Tableau comparatif des mesures du risque de taux.
Mesure de valeur Mesure de marge Mesure de volume

Mesurer l'incidence des Mesurer l'incidence des

objet risques financiers sur la risques financiers sur la Mesurer l'assiette du risque.
valeur patrimoniale. rentabilité.
 Caractère synthétique.
 Proches des notions
 Permet d'intégrer les
comptables.
instruments optionnels.  Facilité de mise en œuvre.
 Visualisation de la
Avantages  Proches des valeurs de  Outil de décision.
chronique des flux.
marché  Facilité de compréhension
 faciliter et améliorer
 Utile pour une activité à
la prise de décision
taux fixe
 Difficulté de mise en
œuvre.
 Intègre difficilement  N'intègre pas les instruments
 Eloigné des notions
les options. financiers optionnels.
Inconvénients comptables.
 Mise en œuvre  Ne donne pas d'indication de
 complexité de la
délicate l'incidence du risque sur la marge.
méthode du fait de son
caractère trop synthétique
Source : Tableau établi par nos soins.

II. Méthodes de calcul et implémentation

La méthode du CRM
Dans le cadre du CRM, la quantification du risque de taux d’intérêt relatif au bilan a été
effectuée en se basant sur la méthode Gap de taux, reposant ainsi sur la formule suivante :
𝐆𝐚𝐩 𝐝𝐞 𝐭𝐚𝐮𝐱 = 𝐆𝐚𝐩 𝐀𝐜𝐭𝐢𝐟 𝐏𝐚𝐬𝐬𝐢𝐟 × 𝐃𝐮𝐫𝐚𝐭𝐢𝐨𝐧 𝐝𝐮 𝐩𝐚𝐬𝐬𝐢𝐟 × 𝐕𝐨𝐥𝐚𝐭𝐢𝐥𝐢𝐭é (𝟑𝟖)
Où :
Gap Actif Passif = Actif – Passif ;
Duration du Passif : Donnée fournie et qui peut être estimée grâce aux lois d’écoulement
dynamique des dépôts ;
Volatilité : il s’agit ici de la volatilité de la courbe des taux ventilée par trois buckets de maturité
à savoir le CT, le MT et le LT.
La volatilité de la courbe des taux
La structure par terme des taux d’intérêt ou la courbe des taux ou encore la gamme des
taux est une représentation graphique des valeurs des taux d’intérêt (en ordonnée) observés à

71
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

un moment donné, en fonction de leurs maturités (en abscisse). Cette courbe des taux est
caractérisée par trois types de mouvements à l'origine de plus de 95% de ses déformations.
En revanche, il est nécessaire de distinguer entre les courbes de marché et les courbes
implicites. En effet, les courbes de marché sont construites directement à partir des cotations de
marché alors que les courbes implicites sont déduites indirectement de ces cotations suite à une
transformation. D’ailleurs, la figure de la page suivante résumé les différents mouvements
affectant la courbe des taux d’intérêt.
Figure 11. Les différents mouvements de la courbe des taux.
Mouvement principe Graphe

Modification du
Shift niveau de la courbe
des taux

Modification de la
Twist pente de la courbe
des taux

Modification de la
Butterfly courbure de la
courbe des taux

Source : établi par nos soins.

Par ailleurs, la volatilité utilisée dans la formule Gap de taux représente la volatilité de
la courbe des taux disponible à la CDG EP sous forme d’un historique journalier des taux,
datant de 2002 à 2016. De ce fait, la volatilité est calculée sur la base des rendements du marché
car nous supposons qu’ils sont stationnaires, oscillant autour d’une moyenne, et sur la base de
la méthode historique (à travers l’écart-type), en choisissant des maturités piliers pour le CT,
MT et LT, et en calculant la moyenne des taux tout au long de l’historique, nous trouvons les
résultats explicités dans le tableau suivant :

72
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Tableau 26. Les résultats des estimations de la volatilité de la courbe des taux.

Volatilité CT 0,69%

Volatilité MT 1,60%

Volatilité LT 1,25%
Source : Tableau établi sous EXCEL par nos soins.

Nous remarquons ainsi que la volatilité sur le MT est plus élevée que les autres quoique la
volatilité soit une fonction croissante de la maturité. En effet, au-delà du calcul, il faut savoir
idéalement que pour le contexte marocain, le moyen terme est très liquide sur le marché
interbancaire, et il en résulte que la volatilité est plus élevée, alors que le long terme est détenu
pour des fins de couverture et non d’investissement.

73
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Le risque opérationnel
I. Définition
Le risque opérationnel, tel que défini par le régulateur, correspond au risque de pertes70
résultant de carences ou de défaillances inhérentes aux procédures, au personnel et aux systèmes
internes ou à des événements extérieurs. Cette définition inclut le risque juridique, mais exclut
les risques stratégiques et de réputation. D’ailleurs, la notion de risque opérationnel apparaît de
prime abord comme peu novatrice, dans la mesure où les banques n'ont pas attendu le comité
de Bâle pour organiser leurs activités. Toutefois, des défaillances spectaculaires, ont attiré
l'attention des autorités de tutelle sur la nécessité de doter les banques de mécanismes de
prévention et de couverture contre les risques opérationnels.
II. Méthodes de calcul et implémentation
A l’instar des risques de marché et de crédit, le régulateur marocain a mis en avant deux
approches pour la quantification du risque opérationnel, notamment l’approche standard en
distinguant trois méthodes, et l’approche par mesure avancée dans le cadre du modèle interne.
II.1 L’approche standard
En se référant à l’article 57 de la circulaire 26/G/2006 relative au calcul des exigences
en fonds propres selon l’approche standard, nous pourrons calculer les fonds propres au titre du
risque opérationnel en utilisant une des trois méthodes71 ci-dessous :
 L’approche standard ;
 L’approche indicateur de base ;
 L’approche standard alternative.
Tableau 27. Les trois méthodes instituées dans le cadre de l'approche standard pour la quantification du
risque opérationnel.
Approche Méthode de calcul des exigences en FP
l’approche Indicateur
15 % de la moyenne du produit net bancaire, calculée sur 3 ans.
de base
Ventiler les activités en huit lignes de métier et calculer la moyenne sur trois
Approche standard
ans des sommes des exigences en FP de toutes les lignes pour chaque année.
Somme des exigences en fonds propres pour les lignes de métiers «banque
Approche standard
de détail» et « banque commerciale » et de celles des six autres lignes de
alternative
métiers.
Source : établi par nos soins.

II.2 L’approche par Mesure Avancée (AMA)

Cette approche consiste à évaluer les risques opérationnels selon des méthodes
quantitatives, basées sur la modélisation statistique des pertes liées à ces risques, et/ou
qualitatives. L’application de cette approche requiert plusieurs conditions à satisfaire, parmi
lesquelles nous citons :
 L’application de l’AMA de manière effective pendant une période d’au moins un an ;

70
Définition arrêtée dans la circulaire 8/G/2010 relative aux exigences en fonds propres pour la couverture des
risques selon les approches internes aux établissements de crédit.
71
En nous référant à l’article 57, 58, 59 et 62 de la circulaire 26/G/2006 relative au calcul standard des exigences
en fonds propres.

74
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

 L’appréhension des différents types d’événements générateurs de pertes (fraude interne,

fraude externe, pratiques inappropriées en matière d’emploi et de sécurité sur les lieux
de travail,…) ;
 La couverture de toutes les pertes sur un intervalle de confiance de 99,9% et sur un
horizon d’un an ;
 L’historique de données internes de pertes d’au moins cinq ans. Toutefois, BAM peut
autoriser l’utilisation des données couvrant une période de trois ans seulement, jusqu’à
la constitution de l’historique minimum exigé.
III. L’approche adoptée par le CRM
Ce risque, ne constitue pas un risque majeur pour le CRM puisque ce projet s’intéresse
plus aux risques financiers. Néanmoins, son calcul est nécessaire en vue de compléter les
matrices de corrélation inter-risques et inter-segments et déduire les fonds propres économiques
(FPE) nécessaires à notre modèle d’allocation, objet du prochain chapitre.
Par ailleurs, le choix du CRM a porté sur l’approche standard en optant pour la méthode
dite « indicateur de base ». En effet, cette méthode est simple à implémenter et se calcule
directement en prenant 15 % de la moyenne du produit net bancaire (PNB), calculée sur 3 ans.
D’ailleurs, le PNB représente l’équivalent du résultat courant. Il est net car il est corrigé
des dettes représentant les coûts des ressources, et il permet de capter l’activité de la filiale
même si elle n’appartient pas au secteur bancaire.

75
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Le calcul de la rentabilité
I. Généralités sur la rentabilité
I.1 Définition de la rentabilité
La rentabilité d’un titre financier ou d’un portefeuille est une mesure relative 72 à la
rémunération totale de son détenteur calculée à une date t et pour une période de détention
données. De ce fait, la rentabilité prend en considération le gain ou la perte en capital tiré de la
détention du titre ou du portefeuille, autrement dit, la plus- ou moins-value, et les revenus réels
versés sur la période.
I.2 Métriques et calcul de la rentabilité
Etant le rapport entre les revenus d’une entreprise et les montants qu’elle a mobilisés en
vue de les obtenir, la rentabilité constitue un élément privilégié d’évaluation de la performance.
Par ailleurs, les analystes économiques notent une différence colossale entre deux types
de rentabilité, notamment la rentabilité économique et la rentabilité financière. En effet, cette
dernière ne tient compte que des capitaux propres et permet, in fine, d’appréhender la capacité
à dégager des profits des seuls capitaux apportés par les actionnaires. En revanche, la rentabilité
économique, intégrant l’ensemble de la dette financière, est destinée aux investisseurs
financiers.
De surcroît, il est à noter qu’avec l’émergence des nouvelles normes de solvabilité,
plusieurs métriques ont été mises en avant à l’instar du ROE (Return On Equity) mesurant la
rentabilité des capitaux, du ROA (Return On Assets) exprimant la capacité de l’entreprise à
générer un revenu à partir de ses ressources, et du RAROC (Risk Adjusted Return On Capital).
Ce dernier est un instrument de mesure utilisé au sein des banques et des institutions financières
en vue d’effectuer des comparaisons de performances ex post ou des choix d'allocations de
ressources ex ante.
I.3 Plusieurs formes de rentabilité
Nous trouvons dans la littérature plusieurs formes de rentabilité, qui varient, entre
autres, entre rentabilité arithmétique, rentabilité géométrique, rentabilité ex post et rentabilité
ex ante. Néanmoins, il est à noter qu’une différence existe entre la rentabilité simple définie de
𝐏 𝐏
la manière suivante : 𝐑 𝐭 = 𝐏 𝐭 − 𝟏 et la rentabilité logarithmique, à savoir : 𝐑 𝐭 = 𝐥𝐧 (𝐏 𝐭 )
𝐭−𝟏 𝐭−𝟏

D’un point de vue théorique , ces rentabilités se distinguent en adoptant deux

73

conceptions différentes de la rémunération qu’est le gain (ou la perte) en capital. Ces deux
notions rejoignent en fait les notions d’intérêt simple et d’intérêt continûment composé. La
rentabilité simple s’apparente au taux d’intérêt simple des placements qui rémunèrent
l’investisseur en une seule fois et proportionnellement à la durée et à la somme immobilisée.
La rentabilité logarithmique s’apparente, elle, au taux d’intérêt composé. Néanmoins, sur le
plan empirique, les deux relations donnent les mêmes résultats du fait que le développement
limité au premier ordre au voisinage de zéro de ln(1+x) est égal à x. Cependant, le rendement

72
F. MORAUX. Finance de marché. Synthex Economie et gestion, Synthèse de cours & exercices corrigés, Pearson.
2010.
73
F. MORAUX. Finance de marché. Synthex Economie et gestion, Synthèse de cours & exercices corrigés, Pearson.
2010.

76
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

logarithmique est utilisé pour les données à haute fréquence dans le cas continu et pour atténuer
la valeur de l’actif.
II. La rentabilité pour le CRM
Dans le cadre du CRM, nous calculons un indicateur de rentabilité globale (RG) en nous
basant sur le PNB du groupe et sur la taille du bilan consolidé, par la formule suivante :
𝐏𝐍𝐁 𝐑𝐞𝐧𝐝𝐞𝐦𝐞𝐧𝐭 × 𝐯𝐚𝐥𝐞𝐮𝐫 𝐜𝐨𝐦𝐩𝐭𝐚𝐛𝐥𝐞
𝐑𝐆 = = (𝟑𝟗)
𝐁𝐢𝐥𝐚𝐧 𝐭𝐨𝐭𝐚𝐥 𝐁𝐢𝐥𝐚𝐧 𝐭𝐨𝐭𝐚𝐥
Par ailleurs, il s’avère nécessaire de distinguer, en tenant compte de l’horizon
d’investissement, entre les filiales opérationnelles du groupe CDG et les filiales en projet. En
effet, ces dernières ont une rentabilité sur le MLT qui doit être estimée en se basant à travers
des indicateurs inscrits sur leurs Business Plan à l’instar du taux de rentabilité interne (TRI). A
l’inverse, la rentabilité pour les filiales opérationnelles est une rentabilité de CT. A noter que le
TRI est un indicateur important qui permet de mesurer la pertinence d'un projet. Il prend en
compte tous les flux possibles et ramène tout sur un rendement annuel. Cela permet ainsi de
comparer des projets différents.
Dès lors, cette rentabilité ainsi calculée pour les différentes filiales et classes d’actifs,
nous sera de grande utilité dans notre modèle d’allocation stratégique des fonds propres, qui
fera l’objet du prochain chapitre.
III. RG, FPE et fin d’allocation
Au terme de travail effectué dans le présent chapitre, il nous incombe de rappeler que
ce calcul a été effectué sans diversification, en d’autres termes, sans prise en compte des
corrélations, susceptibles d’exister entre les risques et entre les filiales. Néanmoins, cette étape
a été effectuée grâce à l’appréciation de l’équipe, et des matrices de corrélation ont été mises
en avant en vue de calculer les FPE. En effet, ces derniers se basent sur la formule suivante :

𝐅𝐏𝐄 = √𝐁𝐅𝐏′ × 𝐌𝐀𝐓 × 𝐁𝐅𝐏 (𝟒𝟎)

Avec :
BFP : Vecteur des besoins en fonds propres.
MAT : La matrice symétrique inter-segments.

Par ailleurs, le calcul des FPE et de la RG représente le but ultime de la maquette de

quantification des risques. Ces deux paramètres constituent les deux bases de maximisation du
rendement et de minimisation du risque, en vue de trouver l’allocation optimale au sens du
CRM.

77
 Chapitre 2 : Le Système de Quantification des Risques (SQR)

Conclusion du chapitre
Ce deuxième chapitre, qui a été destiné à la quantification des risques arrêtés par le
CRM, a fait l’objet d’un travail judicieux pour le projet. Structuré en cinq parties, ce chapitre a
présenté des résultats de quantification et d’estimation cohérents avec la littérature et les enjeux
du projet.
Nous rappelons ainsi que la première partie, fructueuse en termes de techniques et de
résultats, a été consacrée à la quantification du risque de marché en adoptant l’approximation
de Cornish-Fisher dans le calcul de la VaR. En effet, cette dernière a été justifiée grâce à un
backtesting, en comparaison avec deux autres méthodes, notamment la méthode historique et
la méthode paramétrique. Cette démarche, effectuée sur le portefeuille des actions de la CDG,
a appuyé favorablement le choix porté sur la CFVaR dans le cadre du projet. De surcroît, ce
travail, compte tenu de sa vocation, a été amélioré par l’estimation de la volatilité des
portefeuilles actions et obligations, paramètre présent d’une manière colossale dans cette partie,
en nous basant sur les indices de référence des deux marchés, le MASI et le MBI.
Convenons aussi que la deuxième partie, idéalement destinée au calcul du risque de
crédit, a porté son fruit via l’estimation de la probabilité de défaut (PD), paramètre substantiel
de la quantification de ce risque. En effet, le CRM a mis en avant une PD ajustée par l’effet de
la maturité des actifs détenus en portefeuille, et du type d’instrument en question, en se basant
sur le modèle de notation interne de la CDG. Cette technique, appuyée par une autre approche
basée sur les spreads, a abouti à des résultats judicieux en termes de conclusions qui stipulent
la surveillance des risques, et cohérents avec la littérature qui énonce que la PD est une fonction
croissante de l’horizon d’investissement.
Par ailleurs, nous avons pu également exposer avec clarté les techniques entretenues
pour la quantification du risque de taux et du risque opérationnel, qui ne font pas exception à la
règle. De ce fait, nous avons implémenté la méthode « indicateur de base » pour le risque
opérationnel basé sur le produit net bancaire (PNB), et la méthode dite Gap de taux pour le
risque de taux d’intérêt. Et d’ajouter que les résultats du calcul de ce dernier ont été affinés par
l’estimation de la volatilité de la courbe des taux.
Ainsi, tous ces résultats ont permis d’aboutir à la mise en avant des Fonds Propres
Economiques (FPE). Calculés sur la base des matrices de corrélation des risques issues de la
diversification, les FPE seront associés à la rentabilité générale (RG) qui a été développée dans
la dernière partie de ce chapitre.
En effet, ce couple (FPE, RG) est le célèbre couple Rentabilité/Risque développé dans
la théorie du MEDAF, permettant l’allocation optimale des fonds propres, et qui fera l’objet de
la deuxième partie du projet, ainsi que du prochain chapitre.

78
 Chapitre 3 : Le modèle
d’Allocation optimale des fonds
propres et de Limites (SAL)

79
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Introduction du chapitre
Indubitablement, l’objet fondamental de la gestion de portefeuille est d’améliorer la
qualité globale dudit portefeuille, moyennant les diverses méthodes d’optimisation. Ces
dernières peuvent se baser, à titre d’exemple sur le concept de diversification de Markowitz.
Cependant, au vu des récentes évolutions de cette théorie, plusieurs techniques se sont accrues,
telles que l’allocation des fonds propres. En effet, la gestion des risques est pilotée via une
allocation optimale des fonds propres, prenant ainsi en compte le couple rentabilité/risque de
chaque opération effectuée par l’institution financière.
Ce faisant, le groupe CDG ne fait pas exception à la règle, et souhaite par ailleurs se
doter d’un outil d’allocation optimale des fonds propres entre les filiales du périmètre du projet,
en vue de faire face aux coûts faramineux inhérents à la prise de risque. En effet, ce dispositif
sera mobilisé dans le but de trouver la meilleure macro-allocation des actifs à l’échelle du
groupe, en tenant compte des contraintes risque, de l’objectif d’améliorer la rentabilité et de de
la performance globale du groupe. Aussi, l’outil développé doit aller de pair avec les
orientations stratégiques et la structure des ressources, en intégrant notamment la notion de
l’intérêt général.
Cependant, les indicateurs du risque et de la rentabilité, issus du système de
quantification des risques qui a fait l’objet du chapitre précédent, seront les contraintes phares
permettant d’assurer la viabilité du Business Model du groupe CDG à moyen terme.
Par ailleurs, nous aborderons dans ce qui suit une présentation de la théorie de gestion
de portefeuille en nous focalisant sur la notion du portefeuille efficient et sur le MEDAF. Ce
dernier se présente comme le point de départ du développement de notre outil. En effet, nous
procéderons, en premier lieu, à une allocation des fonds propres entre les filiales à travers une
simulation aléatoire des allocations possibles, en comparant ses résultats avec ceux du
portefeuille tangent et du portefeuille minimal, issus de la théorie du MEDAF.
En revanche, après avoir expliqué les limites de cette première approche, nous
présenterons en deuxième lieu la technique d’allocation par élimination, guidée par les
orientations stratégiques du groupe. Avant de s’aventurer sur le chemin de la quête de la
meilleure solution optimale, des filtres seront mis en avant en vue de limiter le choix qui se
permet une marge de risque acceptable et une rentabilité maximale. Ensuite, nous mettrons le
point sur la mise en pratique de cet outil, et sur la réalisation d’un back-up de données pour
garder une trace des simulations effectuées.

80
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Théorie de gestion de portefeuille

Née en 1952 avec la publication de l’article fondateur d’Harry Markowitz, la théorie
moderne du portefeuille74 part du postulat que le risque d’un portefeuille peut être correctement
mesuré par la variance de sa rentabilité. En effet, Markowitz explicite et formalise le dilemme
fondamental de la finance moderne qui s’articule autour de l’obtention d’une rentabilité faible
mais certaine, ou la prise de risque dans l’espoir d’accroître cette rentabilité. D’ailleurs, il
formalise et quantifie également l’effet de diversification selon lequel une combinaison
judicieuse de nombreux actifs dans un portefeuille permet de réduire le risque total subi.
Extrêmement importants et modifiant profondément la façon de concevoir les
problèmes financiers, les travaux de Markowitz montrent, en particulier, que l’intérêt d’investir
dans un titre financier ne doit pas être évalué séparément mais dans le cadre de l’ensemble du
portefeuille. De plus, une dizaine d’années après les travaux de Markowitz et sur les bases de
ces derniers, Sharpe, Lintner et Mossin développèrent un modèle (le modèle d’équilibre des
actifs financiers ou MEDAF) qui aboutit, sous certaines hypothèses, à la rentabilité espérée
d’équilibre d’un titre quelconque.
Et une dizaine d’années plus tard, dans les années soixante-dix, en s’appuyant sur des
modèles multifactoriels, S. Ross développa une alternative au MEDAF nommée APT (arbitrage
pricing theory). Le modèle de Markowitz, le MEDAF et l’APT constituent le noyau de la
théorie classique du portefeuille75.
I. Le couple rentabilité-risque
Le couple rentabilité-risque indique le degré de rentabilité que nous pouvons
attendre d’un actif financier donné, tout en prenant en compte la grandeur du risque encouru.
Ici, le risque est l’instabilité des rentabilités de l’actif en question, or, sans prise de risque, nous
ne pourrons espérer une grande rentabilité. En finance, le risque est mesurable, il a été
démontré par les calculs que le fait d’investir dans un actif très risqué permet d’obtenir une plus
grande rentabilité.
II. La diversification (théorie des choix de portefeuille de
Markowitz)
Dans la théorie moderne d’Harry Markowitz, les caractéristiques essentielles d'un actif
ou d'un portefeuille sont sa « rentabilité » et son « risque ». Les travaux de Markowitz ont en
partie abouti à la conclusion que la diversification permet une réduction du niveau de risque
dans le cadre de la constitution d'un portefeuille tout en gardant un rendement satisfaisant.
Markowitz préconise alors l'utilisation de tous les types d'actifs pour une diversification
parfaite.
Outre plus, la théorie du portefeuille de H. Markowitz ne prend en compte que
le rendement espéré et le risque, mesuré par l’écart-type. Elle pousse donc l'investisseur à
déterminer le meilleur rendement espéré pour un certain niveau de risque, sur un ensemble
d'actifs déterminé ou le plus faible niveau de risque possible pour un rendement donné.
Nous résumons ainsi les apports de Markowitz en trois conclusions :
 L'intérêt de la diversification ne repose pas sur l'absence de corrélation entre les
rentabilités, mais sur leur imparfaite corrélation ;

74
P. PONCET and R. PORTRAIT. La théorie moderne du portefeuille : théorie et applications. 1998.
75
Le cadre théorique de la gestion du portefeuille est détaillé dans l’annexe 6

81
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

 La réduction des risques permise par la diversification est limitée par le degré de
corrélation entre les actifs ;
 La diversification du portefeuille permet de diminuer le « risque », sans nécessairement
diminuer la rentabilité moyenne.
III. La frontière efficiente
III.1 Premier cas : Absence d’actif sans risque (Markowitz)
1) Définition du portefeuille efficient
Notons d’abord que le portefeuille de marché est un portefeuille qui comprend tous les
titres risqués pondérés par leur capitalisation. Il est caractérisé par une rentabilité RM, de
moyenne µM et d'écart-type σM . Par ailleurs, un portefeuille efficient est un portefeuille dont
la rentabilité moyenne est maximale pour un niveau de risque donné, ou dont le risque est
minimal pour une rentabilité donnée. Ainsi les portefeuilles efficients sont sur la « frontière »
de l'ensemble des portefeuilles dans le plan (σ, µ) comme illustrés dans les graphes ci-dessous :
Figure 12. La frontière efficiente dans le plan (moyenne, variance).

2) Principe de détermination des portefeuilles efficients

La frontière de l’ensemble du portefeuille est une branche d’hyperbole d’équation dans le plan
(σ, µ) : 𝛍 = 𝛍𝐕 ± 𝐚√𝛔𝟐 − 𝛔𝐕 𝟐 (𝟒𝟏)
Avec :
a : constante représentant la pente de la branche asymptotique (appétit au risque ou niveau
d’aversion des risques) ;
σV et µV : Caractéristiques du portefeuille à variance minimale (à risque minimal) ;
σ = Le risque et µ = Le rendement.
La frontière efficiente « régulière » est la branche supérieure de l'hyperbole
(portefeuilles dominants).
3) Quelques propriétés des portefeuilles efficients
 Par construction, la rentabilité moyenne d'un portefeuille efficient est une
fonction croissante du risque ;
 Toute combinaison linéaire de portefeuilles efficients est un portefeuille
efficient ;
 Toute la frontière « régulière » peut être générée par la combinaison linéaire de
deux portefeuilles efficients quelconques.

82
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

III.2 Deuxième cas : Présence d’actif sans risque (Tobin)

Considérons dans cette section un portefeuille comprenant un titre (ou portefeuille)
risqué, (µR , σR ) en proportion x, et un actif sans risque (0,rf ), en proportion (1 – x). La
rentabilité espérée et le risque se combinent ainsi linéairement par la relation suivante :
𝛍𝐑 −𝐫𝐟
𝛍𝐩 = 𝐫𝐟 + 𝛔𝐩 ; 𝛔𝐩 = 𝐱𝛔𝐑
𝛔𝐑

Nous pourrons alors définir deux ratios :

𝛍𝐑 −𝐫𝐟
: Ratio de Sharpe du titre risqué
𝛔𝐑
𝛍𝐩 −𝐫𝐟
: Ratio de Sharpe du portefeuille
𝛔𝐩

L’égalisation des deux ratios permet de déduire que le portefeuille a le même ratio de Sharpe
que l'actif risqué qu'il contient. A noter que :
µR − rf : mesure la rentabilité excédentaire moyenne ;
σp : mesure la quantité de risque ;
μR −rf
: s′ interprète comme la rémunération unitaire du risque.
σp
Dès lors, il faut choisir le portefeuille ayant le ratio de Sharpe le plus élevé. Cependant,
la frontière efficiente « singulière » est la demi-droite qui relie le titre sans risque au portefeuille
d'actifs risqués ayant le ratio de Sharpe le plus élevé, en d’autres termes, le portefeuille tangent.
Figure 13. Frontière efficiente, frontière singulière, frontière régulière.

IV. L’équilibre du marché : MEDAF

Le MEDAF (Modèle d'évaluation des actifs financiers) ou (CAPM = Capital Asset
Pricing Model) permet de donner une évaluation de la rentabilité espérée d'un actif, 𝜇𝑖 en
fonction du « risque ». Cette rentabilité espérée peut être utilisée comme un taux d'actualisation
dans la valorisation de l'actif. Par ailleurs, la théorie du portefeuille conseille de choisir un
portefeuille risqué efficient ou un partage entre actif sans risque et portefeuille d'actifs risqués
selon le degré d'aversion au risque. Ainsi, le MEDAF propose une détermination des prix
d'équilibre des actifs.

83
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

IV.1 Hypothèses de base (Sharpe, Treynor, Lintner, Mossin)

 Des investisseurs « riscophobes » évaluent les portefeuilles en termes
d’espérance et de variance des rentabilités sur une période ;
 Les marchés de titres sont parfaits (actifs parfaitement divisibles, pas de coûts
de transactions, pas de restrictions de ventes à découvert, pas de taxes,
information disponible sans coût, possibilité de prêt et d'emprunt au taux sans
risque) ;
 Les investisseurs ont accès aux mêmes opportunités d'investissement ;
 Les anticipations de rendement (espérances, variances, covariances) sont
identiques.
Sous ces hypothèses, à l'équilibre, le portefeuille « tangent » est le portefeuille de marché.
IV.2 Portefeuille de marché et « Droite de marché »
Le portefeuille de marché est le portefeuille « tangent ». La droite de marché76 est la
frontière « singulière ». Pour tous les portefeuilles efficients, nous avons donc :
𝛍𝐌 − 𝐫𝐟
𝛍𝐩 = 𝐫𝐟 + 𝛔𝐩
𝛔𝐌
Avec :
µp : Rentabilité à l′ équilibrede tout le portefeuille efficient;
rf : Taux sans risque ;
μM −rf
σp : Prime de risque qui est le produit du prix du risque (ratio de Sharpe) et la quantité
σ M
du risque σp.
Dès lors, nous déduisons que tous les portefeuilles ont le même ratio de Sharpe77, celui
du portefeuille de marché. La rentabilité, à l'équilibre, de tout portefeuille efficient est la somme
du taux sans risque et d'une « prime de risque » qui s'écrit comme « prix du risque multiplié par
une quantité de risque ».
IV.3 Evaluation des actifs et « droite caractéristique » d'un actif
Dans tout portefeuille efficient, nous pouvons montrer que la prime de risque d'un actif
particulier est proportionnelle à la prime de risque du portefeuille :
𝐂𝐨𝐯(𝐑 𝐢 , 𝐑 𝐩 )
𝛍𝐢 − 𝐫𝐟 = (𝛍𝐩 − 𝐫𝐟 )
𝛔𝐩 𝟐
A l’équilibre, la rentabilité doit donc vérifier cette relation :
(𝛍𝐌 − 𝐫𝐟 )
𝛍𝐢 − 𝐫𝐟 = 𝐂𝐨𝐯(𝐑 𝐢 , 𝐑 𝐌 )
𝛔𝐌 𝟐
Nous interprétons ceci comme étant une prime de risque qui est égale au produit du prix du
risque (mesuré par la variance) et la quantité du risque (mesurée par la covariance).
Cov(Ri ,RM )
A noter que représente le bêta du titre βi. C’est la sensibilité du rendement
σM 2
du titre au rendement du marché, c'est-à-dire la variation du rendement expliquée par celle du

76
Appelée également Capital Market Line.
77
La formalisation du modèle de marché de Sharpe figure dans l’annexe 6.

84
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

marché, ou encore la part de « risque systématique » ou « risque non diversifiable » contenue

dans le risque total du titre.
IV.4 Implications et utilités du MEDAF
 La rentabilité espérée d’un titre ne dépend pas du risque spécifique ;
 Le bêta indique la part du risque non diversifiable ;
 La valeur d’un titre ne dépend pas du taux de croissance anticipé des Cash-flows
futurs ;
 Mesurer les performances des gestionnaires de fonds malgré les difficultés à
valider empiriquement le modèle.
A l’équilibre, tous les portefeuilles et tous les actifs sont sur la « droite de MEDAF »78 :

V. APT : Arbitrage Pricing Theory

Introduit par Stephen Ross en 1976, le modèle APT (Arbitrage pricing theory) 79est
l'un des plus célèbres modèles d'évaluation d'actifs financiers. C'est en quelque sorte le principal
concurrent du modèle CAPM. Alors que ce dernier suppose une source commune de risque
unique qui est le risque de marché, l’APT se base sur l’existence de plusieurs facteurs de risque
communs80. En effet, ce modèle d’arbitrage suppose qu’il existe assez d’actifs pour qu’il soit
possible de construire un portefeuille sans risque et sans mise initiale, grâce à l’achat et à la
vente simultanée d’actifs. A noter qu’à l’équilibre, le rendement d’un tel portefeuille doit être
nul. A partir de là, S. Ross a établi que les rendements de tous les portefeuilles efficients (sans
risque spécifique) sont sur une même droite de pente positive d’où la linéarité de la relation
rendement/risque.

En définitive, il convient de noter que le MEDAF a renouvelé la manière de concevoir

la relation entre rentabilité attendue et risque, l'allocation des portefeuilles et la mesure des
performances et du coût du capital. Par ailleurs, l'optimisation d'un portefeuille consiste à
chercher au sein d'un univers de titres donné, les valeurs et les proportions de valeurs permettant
de constituer un portefeuille situé sur la frontière efficiente.

78
SML : Security Market Line.
79
La formalisation du modèle APT figure dans l’annexe 6.
80
http://www.fsjesr.ac.ma/actuariat/pdf/cours/GP_chap4.pdf

85
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Première approche : Simulation aléatoire

I. Mise en situation
Dans le but de trouver la meilleure allocation optimale entre les filiales du groupe CDG,
nous avons adopté une première approche qui consiste à procéder par des simulations aléatoires
de scénarii possibles. Ces derniers portent sur les bilans de chaque filiale, chaque scénario est
une allocation, une combinaison possible des bilans des filiales assujettie à des contraintes bien
précises. A noter que l’implémentation de cette méthode sera effectuée sous forme de
programme sous VBA-EXCEL.
De prime abord, nous allons essayer de générer 500 scénarios possibles qui permettent de
distribuer le total bilan du groupe CDG (Maison mère et filiales) d’une manière aléatoire, tout
en respectant les conditions suivantes :
 Le total bilan de CDG EP (maison mère) est inchangé : 114 375 millions de DH ;
 Le total bilan de tout le groupe CDG est constant : 203 808 millions de DH ;
 Le montant minimal et le montant maximal alloués à chacune des filiales sont
respectivement 1 600 millions de DH et 31 910 millions de DH.
La feuille, siège de cette simulation aléatoire, se présente comme suit au début de l’exercice :

86
Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

87
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

II. Méthodologie
La feuille de simulation sera constituée de 500 scénarii que nous allons générer par un
code VBA-EXCEL si nous cliquons sur le bouton « Lancer Simulation ». Les différentes
filiales composant le groupe CDG, y compris la maison mère, constituent les différentes
colonnes de la matrice. Chaque ligne sera une allocation possible, générée aléatoirement, du
total bilan du Groupe CDG, tout en respectant les conditions citées précédemment. De ce fait,
cette génération aléatoire se base essentiellement sur la fonction RND qui renvoie un nombre
aléatoire entre zéro et 1 non compris, la fonction INT pour arrondir les chiffres à virgule à
l’entier inférieur et l’utilisation de RANDOMIZE pour garantir la génération de nombres
réellement aléatoires et différents à chaque fois.
Par ailleurs, les deux colonnes FPE et RG représentent respectivement les Fonds Propres
Economiques et le Rendement Global, qui seront calculés de la même manière établie dans le
chapitre 2 « Système de Quantification des Risques ».
En effet, le fait de cliquer sur le bouton « Calculer » permet de copier la combinaison
simulée, de la placer dans la ligne réservée au total bilan de chaque filiale dans la maquette de
calcul SQR, puis de garder uniquement les valeurs trouvées dans les cases FPE et RG. A noter
que ces dernières sont calculées par les équations (39) et (40).
De plus, les colonnes « Dominante » et « Dominée » sont les deux droites délimitant
l’hyperbole des portefeuilles efficients81. En effet, cette dernière a pour fonction de porter la
frontière efficiente et se matérialise par l’équation (40).
Ainsi, la courbe intitulée « Dominante » se caractérise par l’équation 𝛍 = 𝛍𝐯 +
𝐚√𝛔𝟐 − 𝛔𝐯 𝟐 , alors que l’équation de la « Dominée » est 𝛍 = 𝛍𝐯 − 𝐚√𝛔𝟐 − 𝛔𝐯 𝟐 .
En outre, les deux colonnes RG tg (Rentabilité Globale du portefeuille tangent) et FPE tg (Fonds
propres économiques du portefeuille tangent) donnent la solution quasi-optimale caractérisant
le portefeuille tangent. Ce dernier est caractérisé par le couple (µT , σT ) tel que :
𝐚𝟐 𝛔𝐯 𝟐
𝛍𝐓 = 𝛍𝐯 + (𝟒𝟐)
𝛍𝐯 − 𝐑 𝐟
𝐚𝟐 𝛔𝐕 𝟐
Et 𝛔𝐓 𝟐 = 𝛔𝐕 𝟐 (𝟏 + (𝛍 𝟐)
(𝟒𝟑)
𝐕 −𝐑 𝐟 )

Avec 𝑅𝑓 désignant le taux sans risque.

Par ailleurs, dans notre cas, nous allons adopter les hypothèses stratégiques suivantes :
𝐇𝟏 : L’appétit au risque noté « a » est fixé à 5%
𝐇𝟐 : Le taux sans risque Rf est le taux des Bons De Trésor (BDT) de maturité égale à 10
ans.
En définitive, le bouton « Réinitialiser » a été conçu dans le but de mettre à zéro toutes
les simulations et calculs effectués, et afin de pouvoir lancer une nouvelle simulation.
III. Outputs : Analyse des résultats
Un extrait des résultats de cette simulation est exposé dans la figure ci-dessous82 :

81
Voir le paragraphe précédent sur la théorie de gestion de portefeuille pour plus de détails.
82
Les chiffres utilisés ne sont pas réels mais proches de la réalité par souci de confidentialité.

88
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Tableau 28. Les résultats de la simulation aléatoire en millions de DH sous EXCEL.

Scénario SEGMENT FINANCIER .
TOTAL FPE RG Dominante Dominée
n° CDG EP CIH CDGK SCR FIPAR .
1 114 375 9 481 12 649 5 850 . . 203 808 8,00% 0,89% 1,24% -0,16%
2 114 375 7 188 8 878 1 595 . . 203 808 18,51% 0,97% 2,30% -1,23%
3 114 375 12 102 1 596 4 745 . . 203 808 10,31% 0,97% 1,57% -0,50%
4 114 375 10 526 5 683 14 480 . . 203 808 19,87% 1,12% 2,40% -1,32%
5 114 375 8 491 1 596 7 989 . . 203 808 14,83% 1,08% 2,02% -0,95%
6 114 375 1 597 8 146 1 595 . . 203 808 9,56% 0,85% 1,47% -0,40%
7 114 375 1 597 6 689 10 312 . . 203 808 13,66% 0,91% 1,92% -0,84%
8 114 375 10 169 1 596 5 353 . . 203 808 12,90% 0,99% 1,85% -0,77%
9 114 375 4 089 1 596 1 595 . . 203 808 10,89% 0,89% 1,64% -0,57%
10 114 375 1 597 14 740 10 154 . . 203 808 6,40% 0,96% 0,84% 0,23%
. . . . . . . . . . . .
. . . . . . . . . . . .
499 114 375 20 295 1 596 9 197 . . 203 808 11,82% 1,15% 1,74% -0,67%
500 114 375 1 597 1 596 8 671 . . 203 808 19,89% 1,05% 2,40% -1,33%
Source : Tableau établi sous EXCEL par nos soins.
Par ailleurs, si nous traçons la frontière des portefeuilles efficients, comme illustré dans
le graphe ci-dessous, nous pourrons déduire que les différentes allocations générées ne
dépassent pas l’hyperbole.
Figure 14. Représentation graphique des différents portefeuilles simulés.

Source : Graphe établi sous EXCEL par nos soins.

Nous trouvons ainsi que les coordonnées du portefeuille tangent dans le plan (σ, µ) sont
(7,26% ; 2,04%), alors que pour le portefeuille minimal, nous trouvons (6,04% ; 0,52%). De
plus, si nous choisissons l’allocation qui permet de générer la rentabilité maximale à condition
que le risque soit toléré dans un intervalle [-a×FPP ; a×FPP], avec a désignant toujours l’appétit
au risque et les FPP ne sont autres que les fonds propres prudentiels, nous trouvons que le
portefeuille à rentabilité maximale et FPE limités se définit par les coordonnées
(1,64% ; 1,46%).

89
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Nous déduisons alors que chaque méthode donne une allocation possible que nous allons
comparer avec le portefeuille actuel pour tirer des conclusions. Ceci est illustré dans le tableau
suivant :
Tableau 29. Comparaison entre les trois portefeuilles trouvés avec le portefeuille actuel au début de la
simulation en millions de DH.
Portefeuille
Portefeuille Portefeuille Portefeuille
avec les
tangent minimal actuel
filtres
CDG EP 114 375 114 375 114 375 114 375
FIN 1 1 597 11 846 4 941 31 910
FIN 2 16 908 23 520 15 472 6 650
FIN 3 15 057 3 311 10 306 9 893
FIN 4 1 594 2 697 4 750 10 050
ATI 1 3 704 1 593 1 593 4 900
ATI 2 20 024 9 445 1 592 3 900
ATI 3 2 501 1 591 5 895 6 000
ATI 4 1 648 2 831 5 288 1 800
IML 1 1 589 14 416 14 323 7 700
IML 2 19 968 1 588 10 269 1 600
HZT 1 1 587 3 204 4 342 4 000
HZT 2 5 041 15 176 12 447 2 100
HZT 3 1 585 1 585 1 585 2 300
Source : Tableau établi sous EXCEL par nos soins.
Nous remarquons que les trois méthodes convergent vers le même résultat pour
plusieurs filiales, néanmoins elles divergent pour d’autres, chaque méthode donne sa propre
allocation du total bilan entre les filiales.
Cette approche, quoique donnant plusieurs scénarii possibles, reste très limitée puisque
nous ne pourrons pas interpréter idéalement les résultats obtenus. Nous n’avons une idée ni sur
les soubassements derrière l’augmentation ou la diminution des fonds propres pour chaque
filiale, ni sur le degré de possibilité de ces changements. Par ailleurs, l’affectation des fonds
propres reste aléatoire et n’est basée sur aucun fondement. De ce fait, et compte tenu de toutes
ces limites que présente l’approche aléatoire, l’équipe CRM a inauguré une autre approche,
objet de la deuxième section, qui est cette fois-ci guidée par les orientations stratégiques afin
d’aboutir à des résultats plausibles et interprétables.

90
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Deuxième approche : Simulation guidée par

élimination et allocation stratégique
I. Contexte général : orientations stratégiques et objectifs de
l’approche
Cette deuxième approche vise à trouver la meilleure allocation des fonds propres entre
les filiales d’une manière guidée vers le respect des orientations stratégiques et selon
l’information stratégique qu’il serait instructif de présenter. D’ailleurs, cette allocation optimale
vise à répondre à la question : Combien la taille de la filiale devrait-elle représenter dans le
total bilan consolidé du groupe CDG ? Quelle serait la taille optimale de chaque filiale
dans la mesure où cette taille reflète le niveau de fonds propres qui lui est destiné ?
En effet, le nouveau plan stratégique, qui verra le jour bientôt, s’oriente vers le
renforcement du segment financier et de la CDG EP, quelques participations seront retirées ou
diminuées afin de fortifier et corroborer la maison-mère. D’ailleurs, le CRM est une allocation
à l’échelle groupe par rapport à l’année de référence 2015. Qui plus est, en collaboration avec
le pôle Stratégie et Développement, ces orientations stratégiques et toutes les décisions
politiques ont été quantifiées par des coefficients, appelés, dans le cadre du CRM, des clés de
simulation. En effet, l’objet de ces clés présentées dans le tableau ci-dessous, est de traduire
fidèlement la vision stratégique du groupe CDG.
Tableau 30. Les clés de simulation inventoriées dans le cadre du CRM pour chaque filiale.
Clés
de SEGMEN
SEGMENT FINANCIER SEGMENT ATI SEGMENT HZT
simul Total Total T IML Total Total Total
ation FIN ATI IML HZT GEN
CDG FIN FIN FIN FIN ATI ATI ATI ATI IM IML HZT HZT HZT
EP 1 2 3 4 1 2 3 4 L1 2 1 2 3

-
0,2
0,4
0,6 0,6 0,6 0,6 0,6 0,6
0,8 0,8 0,8 0,8 0,8 0,8 0,8 0,8 0,8 0,8 0,8 0,8 0,8
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1,2 1,2 1,2 1,2 1,2 1,2 1,2 1,2
1,4
1,6
1,8
2
Clés
de
1 1 1 1 1 1 1 1 1 1 1 1 1 1
simul
ation
Nomb
re de
1 3 2 3 3 54 2 3 3 3 54 3 3 9 3 3 3 27 708588
simul
ations
Source : Documentation interne du projet.
Avant d’expliquer le détail de l’orientation stratégique pour chaque filiale, il est
important de signaler que ces clés de simulation, outre leur respect de la vision stratégique, sont
choisies de telle sorte à générer le nombre maximal de portefeuilles sous EXCEL qui est de

91
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

708 58883. Toutefois, nous pouvons changer uniquement la valeur de ces clés, le nombre assuré
pour chaque filiale est maximal.
Chaque colonne représentant la filiale contient des coefficients qui seront appliqués à
son total bilan. Les clés varient entre 0,6 et 1,2. Un coefficient inférieur à 1 signifie une
diminution de fonds propres et inversement. A noter que la multiplication par 1 permet de
garder le même total bilan initial. Par exemple, multiplier le total bilan de la filiale X par 0,8
signifie qu’il sera diminué de 20%, alors que la multiplication par 1,2 sera interprétée comme
une augmentation de 20%.
Convenons aussi que la réduction des fonds propres d’une filiale se manifeste à travers
la diminution du pourcentage d’actionnariat ou de participation dans cette filiale et aura pour
conséquence la recherche de nouveaux actionnaires. Par ailleurs, cette réduction est effectuée
progressivement par scénarii de 20%. Ceci-dit, le tableau suivant explique les clés qui seront
appliquées à chaque filiale et leurs interprétations.

83
Ce chiffre est le nombre maximal de lignes générés par EXCEL. L’ajout d’une nouvelle clé au niveau d’une filiale
quelconque donnera naissance à d’autres combinaisons qui ne pourront plus être affichées, puisque nous aurons
déjà atteint la limite maximale de lignes autorisée par EXCEL.

92
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Tableau 31. Interprétation des différentes clés de simulation selon les orientations stratégiques.
Segment Filiale Clés Signification Exemples d’interprétation
CDG EP 1,0 ne rien changer
0,6 diminution de 40% - La CDG EP reste inchangée puisque
CIH 0,8 diminution de 20% l'allocation concerne uniquement.
1,0 ne rien changer - La CDG EP voudrait baisser le
1,0 ne rien changer pourcentage de sa participation dans
CDGK CIH qui ne lui est pas rentable.
1,2 augmentation de 20%
FIN diminution de 20% - La CDGK est une filiale principale du
0,8
point de vue de la maison-mère d'où le
SCR 1,0 ne rien changer
renforcement de son activité.
1,2 augmentation de 20% - Les tendances de la SCR en Afrique
0,8 diminution de 20% encouragent la CDG EP à lui allouer
plus de fonds propres.
FIPAR 1,0 ne rien changer
1,2 augmentation de 20%
0,8 diminution de 20%
MEDZ
1,0 ne rien changer
0,8 diminution de 20%
AUDA 1,0 ne rien changer
1,2 augmentation de 20%
ATI 0,8 diminution de 20%
ZENATA 1,0 ne rien changer
1,2 augmentation de 20%
0,8 diminution de 20%
SONADAC 1,0 ne rien changer
1,2 augmentation de 20% - Les scénarii établis pour ces segments
0,6 diminution de 40% vont dans le sens de la diminution de
CGI diminution de 20% participation, et ce, dans le but
0,8
d'investir plus dans le segment
1,0 ne rien changer financier, segment principal du groupe
IML
0,6 diminution de 40% CDG. La logique actuelle penche vers
FC 0,8 diminution de 20% la réduction de l’exposition pour tout
1,0 ne rien changer autre secteur non financier.
0,6 diminution de 40%
MADAEF 0,8 diminution de 20%
1,0 ne rien changer
0,6 diminution de 40%
HZT SHN 0,8 diminution de 20%
1,0 ne rien changer
0,8 diminution de 20%
SDS 1,0 ne rien changer
1,2 augmentation de 20%
Source : Tableau établi par nos soins.

II. Démarche de simulation adoptée

Cette méthode d’optimisation et d’allocation stratégique adoptée est baptisée
« Approche par élimination ou par itérations » puisqu’elle repose sur une base simulée de
portefeuilles (ou expositions du groupe) générés grâce aux clés de simulations84. Cette base est
ensuite soumise à deux filtres85 permettant de sélectionner le portefeuille optimal86 au sens du

84
Ces clés de simulation traduisent les orientations stratégiques (voir le paragraphe précédent).
85
A ne pas confondre avec le filtrage en finance qui consiste à estimer l’état d’un système dynamique (évoluant
au cours du temps) à partir d’observations bruitées.
86
L’optimalité ici est au sens de la viabilité.

93
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

CRM qui répond à l’ensemble des contraintes de l’allocation. En effet, plusieurs contraintes et
conditions ont été mises en exergue en vue de choisir un portefeuille allant de pair avec la
tendance et l’infléchissement du groupe.
Toutefois, les contraintes d’allocation, quantitatives et qualitatives, que l’outil devrait
respecter s’énoncent comme suit :
 La taille du bilan consolidé du groupe est figée ;
 La taille du bilan de la CDG EP est constante ;
 L’allocation d’actifs au sein de chaque filiale est supposée optimale : Le CRM
s’intéresse à la macro-allocation des actifs à l’échelle du groupe. Il considère que les
micro-allocations à l’échelle des entités (filiales et CDG EP) sont déjà optimisées ;
 Respect de la contrainte prudentielle : Les FPE doivent figurer dans l’intervalle
[-a×FPP ; a×FPP] afin d’assurer la couverture par les FPP87.
 Rentabilité cible maximale : L’outil prévoit une allocation qui permet de générer une
rentabilité maximale, et n’allant pas au-dessous d’un seuil minimal critique permettant
de rémunérer les dépôts. La rentabilité critique est le niveau bas au-dessous duquel le
business modèle du groupe n’est plus viable.
 L’appétit au risque fixé à 5% : L’appétit au risque peut être matérialisé par un niveau
de risque supérieur au niveau prudentiel que la CDG peut accepter pour améliorer sa
performance globale ;
 Le Gap de simulation sera absorbé par la CDG EP : Cette contrainte reflète
parfaitement les aspirations stratégiques actuelles stipulant le renforcement de la
maison-mère.
Ainsi, toutes ces contraintes sont visualisées dans le plan Rentabilité/Risque du MEDAF
ci-dessous :
Tableau 32. Les contraintes de notre modèle d'allocation visualisées dans le plan (Risque, Rendement).

Source : Documentation interne du projet.

87
Les FPP = Fonds Propres Prudentiels sont les exigences en fonds propres calculés par la réglementation, alors
que les FPE = Fonds Propres Economiques reflètent la réalité.

94
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Après avoir mis en évidence toutes les contraintes de notre allocation, il est question
maintenant de détailler la démarche à adopter, visualisée de prime abord dans le graphe suivant :
Figure 15. La démarche de l'allocation stratégique adoptée.

Source : Documentation interne du projet.

Le système d’allocation optimale génère un nombre important de portefeuilles
efficients selon les orientations stratégiques du groupe. Chaque portefeuille reflétant
l’exposition simulée du groupe est caractérisé par deux indicateurs, à savoir un indicateur de
risque reflété par les FPE et un deuxième de rentabilité représenté par la RG en pourcentage du
total bilan. Ces indicateurs sont, en effet, calculés dans la maquette de calcul selon les relations
indiquées dans des sections précédentes. D’ailleurs, les portefeuilles simulés sont, dans chaque
itération, soumis à un contrôle de contraintes qui doivent être respectées.
Dès lors, la solution optimale est une exposition groupe, une allocation optimale des
actifs reflétant la taille optimale des filiales en termes d’activités incluant la maison mère,
permettant d’atteindre un niveau de performance susceptible de garantir la viabilité du Business
Model du groupe, tout en respectant les orientations stratégiques de l’institution.
III. Algorithme : Mise en œuvre pratique sous VBA-EXCEL
Comme vu précédemment dans la section « Démarche de Simulation adoptée », les
orientations stratégiques donnent lieu à des clés de simulation permettant à leur tour de simuler
708 588 portefeuilles possibles. Par ailleurs, chaque itération est une allocation simulée générée
par le système. Les résultats des simulations sont ensuite stockés dans une base de données qui
est soumise à un premier filtre prudentiel établi en se référant à la marge d’appétit au risque
fixée au préalable. Ce filtre permet de réduire le champ de recherche en définissant l’intervalle
désiré des FPE. Par la suite, un deuxième filtre maximisant la rentabilité globale RG est
appliqué à la base de données ainsi restreinte, autrement dit, la base constituée des portefeuilles
respectant la contrainte prudentielle. Ceci est bien illustré dans le graphe exposé dans la page
suivante :

95
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Figure 16. Algorithme d'allocation stratégique optimale

Source : Documentation interne fournie dans le cadre du CRM

Par ailleurs, la mise en œuvre de l’approche du système d’allocation stratégique est
réalisée en trois étapes grâce à un programme sous VBA-Excel :
Etape 1 : Simulation des expositions groupe en respectant les contraintes stratégiques ;
Etape 2 : Recherche des expositions respectant la contrainte prudentielle ;
Etape 3 : Recherche de la solution optimale maximisant la rentabilité générale.
Les deux dernières étapes, illustrées dans les graphes ci-dessous, permettent de mettre en
exergue les filtres adoptés en vue de trouver l’exposition optimale et la meilleure allocation
stratégique entre les filiales.
Figure 17. Etapes de recherche de l'exposition optimale au sens du CRM.

Source : Documentation interne fournie dans le cadre du CRM

96
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Figure 18. Les filtres de la recherche de la solution optimale.

Source : Documentation interne fournie dans le cadre du CRM

La figure de la page suivante présente la maquette de simulation. Il s’agit d’un fichier
EXCEL réparti en plusieurs feuilles selon la nomenclature suivante :
Menu : page du menu général de simulation
REF : page de simulation de l’année de référence88
2016 : page de simulation de l’année 2016
2017 : page de simulation de l’année 2017
2018 : page de simulation de l’année 2018
2019 : page de simulation de l’année 2019
2020 : page de simulation de l’année 2020
La feuille contient également 3 boutons établis sous VBA-EXCEL qui permettent d’accomplir
l’opération de l’allocation stratégique à savoir :
 Le bouton « Start Simulation » qui permet de lancer l’allocation ;
 Le bouton « Solution optimale » qui permet d’afficher le portefeuille optimal après le
processus de la recherche programmé ;
 Le bouton « Réinitialiser » mettant à zéro toute la page de simulation afin de relancer
une nouvelle.

88
Nous rappelons que l’année de référence déterminée par l’équipe du projet est 2015.

97
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

98
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

La figure ci-dessous montre la structuration de la feuille « MENU ». Elle contient un

bouton qui permet d’afficher un menu général pour pouvoir manipuler aisément les commandes
de l’allocation.

En effet, le fait de cliquer sur le bouton « Menu général » permet de générer une
deuxième fenêtre sous forme d’un tableau de bord qui contient plusieurs boutons de
manipulation. Par ailleurs, la sélection d’une année donnée parmi les années disponibles dans
l’outil est principalement suivie d’un choix qui doit être fait entre les différents boutons de
l’interface, et qui varient entre :
 Bouton « Afficher » ;
 Bouton « Simuler » ;
 Bouton « Optimiser » ;
 Bouton « Réinitialiser » ;
 Bouton « Quitter ».

Le premier bouton « Afficher » permet, suite au choix d’une année donnée, de rediriger
l’utilisateur vers la feuille correspondante à l’année choisie.

99
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

En deuxième lieu, si l’utilisateur clique sur le bouton « Simuler », cela permet de lancer la
fenêtre de commande de la simulation, que nous allons voir en détail ultérieurement dans un
autre paragraphe, directement de la feuille de l’année choisie.

Par ailleurs, cliquer sur le bouton intitulé « Optimiser » permettra, à l’instar du bouton
précédent, d’afficher la fenêtre de commande qui lance la recherche de la solution optimale
dans la feuille relative à l’année choisie, et qui sera détaillée par la suite.

100
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

En outre, le bouton « Réinitialiser » redirige l’utilisateur à la feuille de l’année en question en

lançant la fenêtre de commande relative à la réinitialisation.

En dernier lieu vient le bouton « Quitter » conçu dans le but de fermer le menu affiché dans le
cas où l’utilisateur désire le fermer ou si la fenêtre du menu a été ouverte par erreur.

Par ailleurs, des fenêtres de commande s’affichent dès l’appui sur l’un des boutons explicités
ci-haut, que nous détaillons ci-dessous :
Bouton « Simulation »
Le bouton « Simulation », figurant dans chaque feuille, est un bouton qui permet de lancer
l’allocation stratégique des fonds propres en générant, tel que détaillé dans le paragraphe
précédent, tous les portefeuilles possibles et en calculant à chaque itération les FPE et la
RG. En effet, le fait de cliquer sur ce bouton génère la fenêtre de commande ci-dessous :

101
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Cette fenêtre de commande est une interface qui contient deux boutons à savoir « Start
Simulation » qui permet de lancer la simulation, et un bouton « Quitter » qui permet d’annuler
cette simulation. Une barre de progression s’active au cours de la simulation stratégique, et
deux compteurs, « PTF » pour indiquer quel portefeuille est en train d’être généré, et « Ligne »
pour mettre en évidence quelle ligne est activée.
Chaque ligne, après la cellule « PTF actuel » dans la maquette de simulation est une
allocation possible inter-filiales. Outre plus, la fin de la simulation est marquée par le
pourcentage 100% dans la barre de progression, comme illustré dans la figure ci-dessous, et
aussi par l’apparition d’une deuxième fenêtre indiquant le temps écoulé lors de la simulation
de tous les portefeuilles en question.

Bouton « Solution Optimale »

Le bouton « Solution optimale » permet d’afficher une interface de commande
contenant un bouton pour lancer la recherche de la solution optimale, un bouton pour annuler
l’opération, une barre de progression et un compteur pour visualiser l’état d’avancement. Par
ailleurs, la recherche de la solution optimale est effectuée via deux filtres 89. La première étape
consiste à chercher et détecter tous les portefeuilles dont les FPE appartiennent à l’intervalle
[-a×FPP ; a×FPP]. Une fois le nombre de portefeuilles est limité, nous choisissons le
portefeuille dont la RG est maximale.

89
Voir le paragraphe précédent qui explique en détail la démarche.

102
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Le portefeuille optimal, affiché dans la ligne « PTF optimal » dans la maquette de

simulation, correspond à la solution qui maximise la rentabilité, respecte les orientations
stratégiques, respecte le total bilan consolidé et les contraintes prudentielles.

Bouton « Réinitialiser »
Le bouton « Réinitialiser » a été conçu dans le but de mettre à zéro toutes les simulations
qui auraient été générées, en vue de lancer une nouvelle simulation avec d’autres critères. A
l’instar des autres fenêtres de commande, le fait de cliquer sur ce bouton donne lieu à un tableau
de bord qui contient un bouton pour lancer la réinitialisation, et un autre pour annuler
l’opération, comme illustré dans la figure ci-dessous :

Ainsi, la fin de l’opération est marquée par un message informant l’utilisateur, tel que
démontré dans la figure ci-dessous :

103
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

IV. Réalisation d’un back-up de données

La feuille intitulée « RECAP » est nécessaire dans la mesure où elle nous permet de
sauvegarder toute simulation lancée et d’avoir, in fine, un back-up de données. En effet, dès la
fin de chaque opération de simulation et de recherche de la solution optimale, la ligne du
portefeuille optimal ainsi trouvé est sauvegardée dans la feuille « RECAP » avec la date et
l’heure de la simulation. Ensuite, ce portefeuille optimal est exporté vers un fichier d’extension
« .txt » avec les coefficients retenus à appliquer à chaque filiale du groupe.
V. Outputs et Résultats : Analyse et interprétation
Les boutons « Start Simulation » et « Solution optimale » permettent de générer
708 588 portefeuilles simulés, qui sont ensuite soumis à des filtres en vue de détecter le
portefeuille optimal dans le sens du CRM, en d’autres termes, le portefeuille respectant les
orientations stratégiques et les contraintes prudentielles. Nous obtenons par ailleurs la base de
données ci-dessous qui a été agrégée à cause de sa longueur.
Figure 19. Les résultats de la simulation guidée par les orientations stratégiques.

Source : Tableau généré par nos soins sous VBA-EXCEL.

Le portefeuille optimal ainsi trouvé est caractérisé par une diminution des FPE (du
risque dans le sens du CRM) qui passe de 8.50% à 8.066%, alors que nous remarquons une
augmentation dérisoire de la RG (la rentabilité). Quoique cette amélioration soit minime, elle
est acceptable puisque le groupe CDG n’est pas dans une situation qui s’annonce critique en
termes de rentabilité. Par ailleurs, le portefeuille final va de pair avec le sens de l’optimalité de
la théorie de gestion de portefeuille qui préconise la maximisation du rendement et la
minimisation du risque.

104
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

En revanche, le tableau ci-dessous présente une comparaison entre le portefeuille actuel et le

portefeuille optimal au sens du CRM, et fournit également les coefficients à appliquer à chaque
taille des filiales du groupe CDG, en vue d’avoir la meilleure allocation de fonds propres.
Tableau 33. Les résultats de la simulation et comparaison entre le portefeuille actuel et le portefeuille optimal.
Coefficients ENTITES PTF OPTIMAL PTF ACTUEL
1,0767 CDG EP 59,04% 54,84%
1,00 CIH 15,53% 15,53%
1,20 CDGK 3,88% 3,24%
1,20 SCR 5,78% 4,81%
0,80 FIPAR 3,91% 4,89%
0,80 MEDZ 1,91% 2,38%
0,80 AUDA 1,52% 1,90%
0,80 ZENATA 2,34% 2,92%
0,80 SONADAC 0,70% 0,88%
0,60 CGI 2,25% 3,75%
0,60 FC 0,47% 0,78%
0,60 MADAEF 1,17% 1,95%
0,60 SHN 0,61% 1,02%
0,80 SDS 0,90% 1,12%
Total 100,00% 100,00%
Source : tableau établi sous EXCEL par nos soins.
Dès lors, nous déduisons que le modèle obtenu prévoit de revoir à la baisse toutes les
tailles des filiales des autres segments non financiers. Par ailleurs, il confirme les orientations
stratégiques qui opèrent vivement dans le sens du renforcement du segment financier et de la
maison-mère. Par ailleurs, nous remarquons que la filiale FIN 4 n’est pas une filiale importante
pour le segment financier, et de ce fait, le modèle lui a affecté une diminution de 20%. Ces
différents résultats sont visualisés dans le graphe ci-dessous :
Figure 20. Comparaison des portefeuilles actuel et optimal en termes de taille dans le groupe CDG.
70,00%

60,00%

50,00%

40,00%

30,00%

20,00%

10,00%

0,00%
CDG EP FIN 1 FIN 2 FIN 3 FIN 4 ATI 1 ATI 2 ATI 3 ATI 4 IML 1 IML 2 HZT 1 HZT 2 HZT 3

PTF OPTIMAL PTF ACTUEL

Source : Graphe établi sous EXCEL par nos soins.

Nous remarquons ainsi que les filiales les moins rentables et les plus risquées sont
sanctionnées, et donc notre modèle fournit des résultats très logiques. De surcroît, les résultats

105
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

sont aussi visibles au niveau des segments qui sont tous revus à la baisse, excepté le segment
financier qui connaît un renforcement, et cela respecte les orientations stratégiques.
Tableau 34. Les résultats du portefeuille optimal relatif aux segments du CRM.

Coefficients SEGMENTS PTF OPTIMAL PTF ACTUEL

1,0581 FIN 88,15% 83,31%

0,80 ATI 6,46% 8,08%
0,60 IML 2,72% 4,53%
0,65 HZT 2,68% 4,09%
Total 100,00% 100,00%
Source : Tableau établi sous EXCEL par nos soins.
Les résultats pour les segments du groupe CDG arrêtés dans le cadre du CRM sont également
visualisés dans le graphe ci-dessous :
Figure 21. Comparaison entre les portefeuilles actuel et optimal concernant les segments du CRM.
100,00%

90,00%

80,00%

70,00%

60,00%

50,00%

40,00%

30,00%

20,00%

10,00%

0,00%
FIN ATI IML HZT

PTF OPTIMAL PTF ACTUEL

Source : Graphe établi sous EXCEL par nos soins.

106
 Chapitre 3 : Le modèle d’Allocation optimale des fonds propres et de Limites (SAL)

Conclusion du chapitre
A travers ce troisième chapitre, nous avons pu exposer avec clarté l’approche
développée dans le cadre du CRM pour trouver la meilleure allocation des fonds propres entre
les filiales du groupe, qui maximise la rentabilité tout en minimisant le risque. En effet, il nous
incombait de réaliser des simulations de portefeuilles possibles à l’échelle du groupe, tout en
étant guidés par les orientations stratégiques.
Après avoir exposé les différents soubassements de la théorie de gestion de portefeuille
et du MEDAF, qui a constitué notre fil de départ pour déterminer l’allocation optimale dans le
sens du CRM. Cependant, nous avons mis en exergue une première approche dite simulation
aléatoire, qui consistait à générer aléatoirement 500 scénarii possibles d’allocation en respectant
quelques contraintes. Par ailleurs, et quoique cette approche puisse générer plusieurs scénarii
possibles, elle reste très limitée en matière d’interprétation des résultats puisqu’ils sont fondés
sur une base aléatoire. Ce faisant, et compte tenu de toutes ces limites, nous avons inauguré une
autre approche guidée par les orientations stratégiques afin d’aboutir à des résultats plausibles
et interprétables.

De ce fait, la deuxième section était dédiée à la simulation de portefeuilles en procédant

par élimination et en suivant les orientations stratégiques du groupe. Par ailleurs, nous rappelons
que ce modèle, qui permet de générer plus de 700 000 portefeuilles possibles, est soumis à un
premier filtre permettant de limiter la base de données. En effet, ce filtre ne retient que les
portefeuilles dont les FPE appartiennent à un intervalle bien précis, qui a été défini dans les
contraintes de l’allocation. Par la suite, un deuxième filtre est mis en évidence en vue de trouver
le portefeuille optimal maximisant la RG.
Dans un autre volet, il s’est avéré judicieux de renforcer l’outil par la réalisation d’un
back-up de données, dont l’objectif est de sauvegarder à l’heure exacte les simulations ainsi
générées. Qui plus est, la dernière partie de ce chapitre a été consacrée à l’interprétation des
résultats trouvés par le dispositif. En effet, des conclusions fortes et de grande envergure pour
le groupe CDG confirmant ainsi les orientations stratégiques arrêtées au début du projet, qui
portent principalement, à titre de rappel, sur le renforcement de la maison-mère et du segment
financier.

En revanche, des limites ont surgi tout au long de ce projet, ce qui nous a poussé à passer
en revue plusieurs recommandations en perspective, et qui seront explicitées dans la prochaine
section.

107
 Perspectives d’amélioration et de recherche

Perspectives d’amélioration et de
recherche
I. Pallier la non-normalité des rendements : utilisation de processus à
saut
Les processus de Lévy
Nous avons remarqué, tout au long de ce projet, qu’une notion substantielle, assez
récurrente qui apparaît très fréquemment. Il s’agit de la non-normalité de la distribution des
rendements des indices boursiers MASI, reflétée ainsi par le Q-Q plot qui n’est pas confondu
avec la ligne droite ainsi que la multitude d’outliers qui apparaissent. Par ailleurs, l’hypothèse
fondamentale de l’utilisation du modèle de Black-Scholes, à savoir le caractère gaussien, est
ainsi violée, d’où la notion des processus de Lévy en finance que nous allons détailler dans cette
section.
Considérons le modèle de Black-Scholes90 où le sous-jacent St se « diffuse » sous une
certaine probabilité dans le temps en suivant l’équation suivante :
𝛔𝟐
(𝐫− )𝐭+𝛔𝐖𝐭
𝟐
𝐒𝐭 = 𝐒𝟎 𝐞 ∀𝐭 ≥ 𝟎 (𝟒𝟒)
Où S0 est la valeur à l’origine du sous-jacent, r est le taux sans risque, σ est la volatilité du sous-
jacent et W = (Wt) t≥0 est un mouvement Brownien standard. Le sous-jacent est donc représenté
l’exponentielle d’un mouvement Brownien drifté (ou géométrique). Comme les rendements du
sous-jacent sont calculés de la manière suivante :
𝐒𝐭 𝐢
𝐫(𝐭 𝐢 , ∆𝐭) = 𝐥𝐨𝐠 ( )
𝐒𝐭𝐢 − ∆𝐭

Où ti est l’instant auquel nous calculons le rendement et ∆t la période sur laquelle nous le
calculons. Nous avons donc :
𝛔𝟐
𝐫((𝐭 𝐢 , ∆𝐭)) (𝐫 − ) ∆𝐭 + 𝛔(𝐖𝐭 𝐢− 𝐖𝐭 𝐢−∆𝐭 ) (𝟒𝟓)
𝟐
Considérons alors les propriétés du mouvement Brownien qui le définissent :
 Il a des accroissements indépendants : Pour 0 ≤ t1 < t 2 < t 3 , Wt3 − Wt2 est une
variable aléatoire indépendante de Wt2 − Wt1 ;
 Ses accroissements sont stationnaires : si t 3 − t 2 = t 2 − t1 alors Wt3 − Wt2 a la même
loi que Wt2 − Wt1 ;
 ∀t > 0, Wt suit une loi normale centrée de variance égale à t (notée N(0,t)).
𝛔𝟐
Cela implique que 𝑟(𝑡𝑖 , ∆𝑡) est égal en loi à 𝐍 ((𝐫 − ) ∆𝐭, 𝛔𝟐 ∆𝐭) . Nous voyons que le
𝟐
rendement ne dépend pas de l’instant ti mais seulement de ∆t, et cela pose un problème. En
effet, selon l’inventaire des propriétés des rendements dans le modèle, si nous considérons à
titre d’exemple que nous calculons les rendements d’une action tous les jours, sur une période

90
G. Coqueret. Processus de Lévy et finance. Essec Business School, Université de Lille-1, 2010.

108
 Perspectives d’amélioration et de recherche

de 24 heures, alors ces rendements doivent être indépendants, de même loi, et distribués selon
une loi normale. En plus, la trajectoire du sous-jacent doit être continue car celle du mouvement
Brownien l’est. Empiriquement, nous observons sur les marchés que les rendements sont
corrélés, non identiquement distribués et tout sauf gaussiens. Et surtout, la trajectoire du sous-
jacent n’est certainement pas continue et peut exhiber des sauts à certaines périodes de forte
volatilité91.
Ainsi, toutes les hypothèses du modèle de Black-Sholes sont fausses dans la pratique. Nous
pouvons donc proposer des alternatives moins contraignantes du point de vue des hypothèses,
mais cela entraînera des complications dans la solution du problème. Les processus de Lévy
ont simplement deux caractéristiques : leurs accroissements sont indépendants et identiquement
distribués (i.i.d). Deux autres propriétés fondamentales sont la continuité stochastique et le fait
qu’ils ont des trajectoires càdlàg92, mais nous passons ces détails sous silence pour l’instant. Le
mouvement Brownien drifté est donc un processus de Lévy.
En dépit de l’avantage que présentent les processus de Lévy sur l’approche de Black-Scholes,
l’utilisation de tels processus ne permet pas de corriger les problèmes de corrélation des
rendements, ni le fait que ceux-ci soient i.i.d. Ils permettent de se défaire de la contrainte
gaussienne et autorisent des trajectoires discontinues, avec des sauts.
Le modèle mixte brownien-Poisson
Souvent, les phénomènes stochastiques à modéliser en finance93 sont la juxtaposition de
périodes à trajectoires continues (de type mouvement brownien), intercalées par des sauts
représentant des chocs imprévus (modélisés par les sauts d’un processus de Poisson composé),
d’où l’utilisation du Modèle mixte brownien-Poisson arithmétique.
En effet, il s’agit d’un processus mixte brownien-Poisson arithmétique 94 de
caractéristiques (𝜇, 𝜎, 𝜆, 𝜈), correspondant à la simple juxtaposition d’un mouvement brownien
et d’un processus de Poisson composé, et s’écrivant sous la forme :
𝐍𝐭

𝐗 𝐭 = 𝐱 + 𝛍𝐭 + 𝛔𝐖𝐭 + ∑ 𝐘𝐢 (𝟒𝟔)
𝐢=𝟏
Où :
(Wt )t : Mouvement brownien standard ;
Nt
(∑i=1 Yi )t : Processus de Poisson composé avec intensité de saut λ et loi commune ν pour les
sauts (Yi )i ;
Les deux processus sont indépendants.
II. L’utilisation du modèle GARCH(1,1) pour la volatilité
Tout au long des calculs que nous avons établis précédemment dans l’estimation de la
volatilité, nous avons supposé que la volatilité est constante sur toute l’année d’estimation.
Toutefois, cette hypothèse de la constance de la volatilité est rarement vérifiée, elle est remise
en question en présumant qu’elle dépend du temps. En effet, la volatilité change d’une manière
stochastique à travers le temps, elle atteint des pics durant quelques périodes, alors que son

91
Une référence très technique et théorique sur le sujet : Y. AIT-SAHALIA and J. Jacod. Testing for Jumps in a
Discretely Observed Process. Annals of Statistics, (184-222), 2009.
92
Presque sûrement Continues à Droite et Limitées à Gauche.
93
N. EL KAROUI and E. GOBET. Les outils stochastiques des marchés financiers : Une visite guidée de Einstein à
Black-Scholes. Editions de l’Ecole Polytechnique, 2011.
94
En passant à l’exponentielle, nous obtenons le modèle Mixte Brownien-Poisson Géométrique.

109
 Perspectives d’amélioration et de recherche

niveau est relativement faible pendant d'autres moments. Une bonne intuition de ceci est donnée
par Gatfaoui (2004, page 7) qui affirme que : « la volatilité est sensible aux événements
politiques, économiques et financiers ce qui explique en partie qu'elle varie au cours du temps
en s'accompagnant souvent d'un phénomène de non-stationnarité ». Ce phénomène de la
volatilité, se produisant lorsque les carrés des rendements ont tendance à être élevés est
communément appelé « clustering », et désigne ainsi un regroupement des extrêmes en cluster
ou paquets de volatilités. Par ailleurs, le modèle GARCH95(1,1), développé en 1986, est utilisé
quand les taux de variance présentent une tendance de retour à la moyenne. La volatilité est
exprimée par l’équation suivante :
𝛔𝐭 𝟐 = 𝛄𝐕𝐋 + 𝛂𝐫𝐭−𝟏 𝟐 + 𝛃𝛔𝐭−𝟏 𝟐 (𝟒𝟕)
Tel que rt-1 représente le rendement historique ; σt-1 : L’estimation historique de l’écart-type ;
Γ Représente le poids attribué à VL, et VL : Le taux de variance moyen de LT ;
α et β sont les paramètres du modèle.
En effet, ce modèle est très utile pour modéliser le comportement de la variance
conditionnelle du terme aléatoire d’une équation économétrique dans le temps, et pour capter
l’effet de la volatilité sur les prix des actions.
III. Projection de l’allocation sur le MT
L’allocation stratégique des fonds propres établie pour l’année de référence 2015 peut
être étendue et projetée sur un horizon de 5 ans, soit à peu près la durée d’un cycle économique.
En effet, durant la conception de notre modèle d’allocation, nous l’avons établi de telle sorte
que l’outil soit opérationnel durant les 5 prochaines années. De ce fait, la CDG EP pourra
chaque fin d’exercice déterminer si l’allocation inter-filiales est optimale dans le sens du CRM
et mettre en exergue, in fine, la meilleure allocation possible. Néanmoins, cette opération
nécessite d’avoir en main le détail de l’actif selon la répartition du CRM. Si cela n’est pas
possible, nous pourrons avoir une première estimation et visibilité de cette allocation, en
projetant les postes de l’actif sur l’horizon voulu, à condition que des hypothèses concernant
l’évolution future soient disponibles.
IV. L’adoption du langage de programmation C#
Le C# (C Sharp) est un langage de programmation orienté objet, commercialisé
par Microsoft depuis 2002 et destiné à développer sur la plateforme Microsoft .NET. Il est
dérivé du C++ et très proche du Java dont il reprend la syntaxe générale ainsi que les concepts,
y ajoutant des notions telles que la surcharge des opérateurs, les indexeurs et les délégués. Ce
langage est caractérisé par le fait qu’il est récent, utile dans la création d’applications sous
Windows & Windows Phone 7, libre, et apprécié en entreprise.
Par ailleurs, il est vivement recommandé de développer le code utilisé dans l’allocation
sous VBA-EXCEL en adoptant ce langage qui est plus performant en termes de timing, puisque
la génération des 708 588 portefeuilles nécessite environ 1 heure 37 minutes et 53 secondes, en
convenant aussi qu’EXCEL n’est pas accessible pendant la simulation.

95
GARCH : General AutoRegressive Conditionnal Heteroscedasticity (hétéroscédasticité conditionnelle
autorégressive généralisée).

110
 Conclusion générale

Conclusion générale
Au dénouement de ces quelques mois qui furent à la fois instructifs en termes de
connaissances et agréables en termes de convivialité, nous pouvons conclure que ce stage fut
l’opportunité saisie pour découvrir de plus près l’activité de gestion des risques, de développer
des compétences et d’acquérir des techniques sur le plan pratique.
Il est important de rappeler, à l’issue de ce stage, que l’objet de ce projet portait sur la
mise en place d’un dispositif baptisé Capital Risk Management (CRM), dont l’objectif est de
quantifier les risques majeurs inhérents à l’activité de la CDG, et de concevoir un outil
d’allocation stratégique des fonds propres à l’échelle du groupe pour déterminer l’allocation en
nous basant sur les critères issues des orientations stratégiques.
Par ailleurs, nous avons suivi un cheminement progressif étalé sur trois chapitres après
la présentation de l’organisme d’accueil. Au cours du premier chapitre, nous avons effectué un
survol de la réglementation Bâloise et sur les bases de la théorie de gestion des risques. Nous
avons également présenté le cadre général du projet, ses objectifs et le périmètre retenu des
filiales et des actifs, objet du CRM.
De surcroît, le deuxième chapitre était destiné à la quantification des risques majeurs de
la CDG, notamment le risque de marché, le risque de crédit, le risque de taux et le risque
opérationnel, en passant en revue les fondements de la rentabilité, indicateur crucial pour
l’allocation stratégique. De ce fait, nous avons calculé les exigences en fonds propres relatifs
au risque de marché en nous basant sur la Value-at-Risk corrigée par l’approximation de
Cornish-Fisher (CFVaR). En effet, ce choix a été justifié par l’implémentation pratique de la
CFVaR, de la VaR historique et de la VaR paramétrique, en effectuant par la suite un
Backtesting qui a permis d’encourager l’adoption de la CFVaR. De plus, la volatilité des
portefeuilles actions et obligations, paramètre indispensable au calcul de la CFVaR a été estimé
par différentes méthodes en vue d’avoir des résultats bien prisés. De prime, une autre partie a
traité le risque de crédit en le quantifiant par la méthode dite PD/LGD et en estimant le
paramètre d’envergure dans cette technique, à savoir la PD. Pour ce faire, nous avons explicité
la méthodologie de la PD ajustée adoptée par le CRM et qui se base sur le modèle de notation
interne de la CDG. Ensuite, le risque de taux a été calculé via la méthode dite Gap de taux tout
en estimant la volatilité de la courbe des taux. Néanmoins, nous avons présenté le risque
opérationnel sans détails, et la rentabilité est passée en revue pour déterminer l’indicateur RG.
Qui plus est, le troisième chapitre était dédié au système d’allocation stratégique qui
vise à maximiser la rentabilité et à minimiser les risques, issus du chapitre précédent. En effet,
après avoir exposé la théorie de gestion de portefeuille, nous avons détaillé la démarche de la
simulation aléatoire, qui consistait à générer aléatoirement 500 scénarii possibles d’allocation
des fonds propres entre les filiales. Cependant, cette génération aléatoire ne peut pas être
interprétée puisque les conclusions qu’elle induit ne sont basées sur aucun fondement. Dès lors,
nous avons adopté une deuxième approche qui se base sur les orientations stratégiques et qui
procède en générant le nombre maximal de portefeuilles, et en éliminant les portefeuilles non
sélectionnés par les filtres FPE et RG.
Au terme de ce travail, nous avons décelé plusieurs résultats et fortes conclusions. En
somme, nous trouvons entre autres les résultats du modèle d’allocation optimale qui prévoit de
revoir à la baisse certaines filiales qui sont moins rentables, et de renforcer la maison-mère et
le segment financier, adossant ainsi les orientations stratégiques.

111
 Conclusion générale

En revanche, et faute de temps, nous nous pûmes étendre le travail de façon à projeter
l’allocation sur un horizon de 5 ans en vue d’avoir une prévision du comportement en
perspective du groupe. De ce fait, nous l’avons proposé en guise de pistes d’amélioration et de
recherche, en proposant également l’utilisation du modèle GARCH pour la volatilité. Il est
également possible d’encourager la CDG à adopter le langage C# pour ses travaux d’allocation,
puisque l’outil adopté VBA-EXCEL prend énormément de temps pour l’exécution des
simulations. Et d’ajouter que le problème du caractère non-gaussien ainsi détecté pourra être
remédié par des processus à sauts en utilisant le modèle mixte Brownien-Poisson.
Nous estimons toutefois que notre travail peut éventuellement faire foi d’une première pierre
pour traiter ce genre de problématique, et être, par ailleurs le point de départ de réflexions plus
repoussés.

112
 Bibliographie

Bibliographie
Ouvrages
[1] J. HULL, C. GODLEWSKI and M.MERLI. Gestion des risques & institutions financières.
Pearson, 2012.
[2] C. ALEXANDER and E. SHEEDY. The Professional Risk Managers’ Handbook. A
Comprehensive Guide to Current Theory and Best Practices. 2004.
[3] J.Y. CAMPBELL, A.W. LO and A.C. MACKINLAY. The Econometrics of Financial
Markets. 1997.
[4] F. MORAUX. Finance de marché. Synthex Economie et gestion, synthèse de cours &
exercices corrigés, Pearson, 2010.
[5] S. CAMPART and P. JIMENEZ. Risques de taux d’intérêt et de change : identification et
stratégies de couverture. Afnor Editions, 2016.
[6] J.HULL, C. HENOT and L.DEVILLE. Options, Futures, et autres actifs dérivés. Edition
française, Pearson, 2011.

Articles
[7] G. COQUERET. Processus de Lévy et finance. Essec Business School, Université de Lille1,
2010.
[8] C.LUBOCHINSKY. Quel crédit accorder aux spreads de crédit ? Université de Paris II,
2002.
[9] Y. AIT-SAHALIA and J. JACOD. Testing for Jumps in a Discretely Observed Process.
Annals of Statistics, (184-222), 2009.
[10] E. ST-AUBIN FOUNIER. Robustesse des méthodes de backtesting. Institut de la finance
structurée et des instruments dérivés de Montréal, 2012.
[11] N. COTILLARD, N.PALLIERE and M.S. GAUVIN. Performance des fonds socialement
responsables en période de crise : le cas des fonds actions français.
[12] V. ACHARYA and S. SCHAEFER. Litterman and Iben Model of Estimating Credit Risk.
London Business School (LBS) and NYU-Stern, and LBS, 2009.
[13] E. COMBES-THUELIN. Evaluation des crédits accordés par les banques : normes IFRS
et réglementation prudentielle Bâle II. Université Paris Dauphine, 2006.
[14] D. SAÏDANE. L’impact de la réglementation de Bâle III sur les métiers des salariés de
banques. 2012.

Cours et mémoires
[15] R. GOFFIN. Principes de finance moderne. Economica, J.B. DESQUILBET, Université
d’Artois, 2004.
[16] R. FOKOU. Mesure du risque de marché d’un portefeuille de type Actions (Value-At-
Risk, Value-At-Risk Conditionnelle). EURo-Institut d’Actuariat JEAN DIEUDONNE-EURIA,
2006.

113
 Bibliographie

[17] A. FALEH. Analyse comparative de modèle d’allocation d’actifs dans le plan Moyenne-
Var relative. Master 2 actuariat, Université Claude Bernard, Lyon 1, 2007.
[18] A. SORO. La gestion des risques de taux d’intérêt et de change par l’approche ALM : Le
cas de la Banque Ouest Africaine de Développement (BOAD). Mémoire Professionnel,
MASTER EN BANQUE ET FINANCE/MBA IN BANKING AND FINANCE, 2006.
[19] N. EL KAROUI and E. GOBET. Les outils stochastiques des marchés financiers : une
visite guidée de Einstein à Black-Scholes. Editions de l’Ecole Polytechnique, 2011.
[20] C. HURLIN. Value-at-Risk et Backtesting. Université d’Orléans, Laboratoire d’Economie
d’Orléans (UMR CNRS 6221), Master Econométrie et Statistique Appliquée (ESA), 2008.
[21] T. AZOGANG MU KENGNE. La gestion du risque de contrepartie dans la relation des
banques commerciales avec les PME : cas de la Commercial Bank-Cameroun. Université
catholique d'Afrique Centrale - Master comptabilité et finances, 2011.
[22] S. BENSEGHIR. Calcul de la VaR selon l’approche historique et la théorie des valeurs
extrêmes sur un fonds alternatif de Dexia Asset Management. Paris, 2006.
[23] F. CHOUKROUN. L’apport des L-moments à la mesure du risque de marché : une
application au cas des hedge funds. C E A (Centre d’Etudes Actuarielles), Société Générale,
2010.
[24] F. IELPO. Gestion Actif Passif Asset Liability Management. Centre d’Economie de la
Sorbonne, Dexia SA, ENSAE, 2010.
[25] M. D. ELBOUSTY and M. LAAJOUL. Développement d’un modèle de pilotage des fonds
propres de la CDG : Approches de quantification des risques de marché. INSEA, Rabat, 2015.
[26] G. BENNOUNA and Z. BOUKANTAR. Allocation du capital économique. INSEA, Rabat,
2011.
[27] F. DUMONTAUX and B. SELLAM. Value at Risk et allocation de capital. ENSAE, 2001.
[28] Y. EL QALLI. Econométrie de la finance. Cours, INSEA, Rabat, 2016.
[29] Y. EL QALLI. Courbe des taux et Produits à revenus fixes. Cours, INSEA, Rabat, 2016.
[30] T. RONCALLI. Introduction à la Gestion des Risques. Groupe de Recherche
Opérationnelle Crédit Lyonnais, ENSAI, 2001.

Rapports et textes réglementaires

[31] Rapport d’activité. CDG, 2015.
[32] Circulaire 8/G/2010 relative aux exigences en fonds propres pour la couverture des risques
par l’approche interne. BAM, 2010.
[33] Circulaire 26/G/2006 relative aux exigences en fonds propres pour la couverture des
risques par l’approche standard. BAM, 2006.
[34] Plan Comptable des Etablissements de Crédit de BANK AL-MAGHRIB, BAM, 2006.
[35] Projet de Notice technique fixant les modalités d’application de la circulaire n°8/G/2010
relative aux exigences en fonds propres pour la couverture des risques de crédit, de marché et
opérationnels selon les approches internes aux établissements de crédit. BAM, 2010.
[36] Recueil des textes législatifs et réglementaires régissant l’activité des établissements de
crédit et organismes assimilés. 2013.

114
 Bibliographie

Webographie
[37] www.investopedia.com
[38] www.procomptable.com
[39] www.bkam.ma
[40] www.casablanca-bourse.com
[41] www.ressources-actuarielles.net
[42] www.abcbourse.com
[43] www.univ-orleans.fr
[44] www.financedemarche.dalloz.fr
[45] www.parisschoolofeconomics.eu

115
 Annexes

Liste des Annexes

Annexe 1 : Les résultats du test de stationnarité pour

le portefeuille « Actions »
Annexe 2 : Les résultats du test de normalité pour le
portefeuille « Actions »
Annexe 3 : Résultats des tests préalables à la VaR
pour le portefeuille obligataire
Annexe 4 : L’estimation de la volatilité (Campbell,
Lo & MacKinlay)
Annexe 5 : L’intensité de défaut (John HULL)
Annexe 6 : Cadre théorique de la théorie de gestion
de portefeuille

116
 Annexes

Annexe 1 : Les résultats du test de stationnarité pour

le portefeuille « Actions »

Test ADF (Action1, Action2, Action4, Action5, Action6) sous Eviews

Modèle avec Modèle avec constante Modèle sans constante et

tendance et constante sans tendance
DF DF Tabulé DF DF Tabulé DF DF Tabulé
5% 5% 5%
Action1 -2.4726 -3.4134 -0.6432 -2.8636 0.5882 -1.9410
Action2 -3.1817 -3.4134 -0.5537 -2.8636 0.5831 -1.9410
Action4 -3.2086 -3.4134 -1.0862 -2.8636 0.3903 -1.9410
Action5 -0.5230 -3.4134 1.4270 -2.8636 2.7554 -1.9410
Action6 -3.3570 -3.4134 -2.1138 -2.8636 -0.1743 -1.9410

Graphes (Action1, Action2, Action4, Action5, Action6) sous R

117
 Annexes

Graphes des rendements des actions (Action1, Action2, Action4, Action5, Action6) sous R

118
 Annexes

Annexe 2 : Les résultats du test de normalité pour le

portefeuille « Actions »

119
 Annexes

120
 Annexes

Annexe 3 : Résultats des tests préalables à la VaR

pour le portefeuille obligataire
Résultats du test ADF (pour la stationnarité) pour toutes les maturités :

Résultats des tests de normalité (Shapiro-Wilk) :

maturité p-value Shapiro-Wilk résultat

JJ 2,108667e-54 < 5% Nous rejetons H0
01 W 1,261097e-57 < 5% Nous rejetons H0
13 W 4,646408e-52 < 5% Nous rejetons H0
26 W 7,572275e-50 < 5% Nous rejetons H0
52 W 7,15396e-48 < 5% Nous rejetons H0
01 M 4,186239e-60 < 5% Nous rejetons H0
02 M 8,117872e-56 < 5% Nous rejetons H0
. . .
. . .
. . .
19 Y 6,247404e-62 < 5% Nous rejetons H0
20 Y 4,193889e-64 < 5% Nous rejetons H0
30 Y 4,392032e-52 < 5% Nous rejetons H0

Exemple de Q-Q plot pour la maturité 09 mois :

121
 Annexes

Annexe 4 : L’estimation de la volatilité (Campbell,

Lo & MacKinlay)
Considérons une subdivision temporelle tk = kh avec h=pas de la subdivision et k=0,…,
𝐏
n (T=nh). Posons Pk=P(kh). Le rendement simple est donné par 𝐑 𝐤 (𝐡) = 𝐏 𝐤 − 𝟏 . Le
𝐤−𝟏
𝐏𝐤
rendement logarithmique 𝐑 𝐤 (𝐡) = 𝐥𝐧(𝐏 ) donne les mêmes résultats que le rendement
𝐤−𝟏
simple, du fait que le développement limité au premier ordre au voisinage de zéro de ln(1+x)
est égal à x. Néanmoins, le rendement logarithmique est utilisé pour les données à haute
fréquence dans le cas continu et pour atténuer la valeur de l’actif.
La dynamique de Black-Scholes est donnée par : dP(t) = P(t) (µdt + σdBt). En
appliquant le lemme d’Itô à log(P(t)), nous montrons que la solution de l’équation ci-dessus est
donnée par :
𝟏
𝐏(𝐭) = 𝐏(𝟎) 𝐞𝐱𝐩 ((𝛍 − 𝛔𝟐 ) 𝐭 + 𝛔𝐁𝐭 )
𝟐
𝟏
𝐏𝐤 𝐏(𝟎) 𝐞𝐱𝐩((𝛍− 𝛔𝟐 )𝐤𝐡+𝛔𝐁𝐤𝐡 )
𝟐
Donc : 𝐏 = 𝟏
𝐤−𝟏 𝐏(𝟎) 𝐞𝐱𝐩((𝛍− 𝛔𝟐 )(𝐤−𝟏)𝐡+𝛔𝐁(𝐤−𝟏)𝐡 )
𝟐

𝟏
D’où : 𝐑 𝐤 (𝐡) = 𝐞𝐱𝐩 (𝛔(𝐁𝐤𝐡 − 𝐁(𝐤−𝟏)𝐡 ) + (𝛍 − 𝟐 𝛔𝟐 ) 𝐡) − 𝟏
Nous déduisons alors que :
𝟏
𝐄(𝐑 𝐤 (𝐡)) = 𝐄(𝐞𝐱𝐩 (𝛔(𝐁𝐤𝐡 − 𝐁(𝐤−𝟏)𝐡 )) 𝐞𝐱𝐩 ((𝛍 − 𝛔𝟐 ) 𝐡) − 𝟏
𝟐
𝟏
𝐄(𝐑 𝐤 (𝐡)) = 𝐄(𝐞𝐱𝐩(𝛔𝐍(𝟎, 𝟏)) 𝐞𝐱𝐩 ((𝛍 − 𝛔𝟐 ) 𝐡) − 𝟏
𝟐
𝛔𝟐 𝐡 𝟏
𝐄(𝐑 𝐤 (𝐡)) = 𝐞𝐱𝐩 ( ) 𝐞𝐱𝐩 ((𝛍 − 𝟐 𝛔𝟐 ) 𝐡) − 𝟏 D’où 𝐄(𝐑 𝐤 (𝐡)) = 𝐞𝐱𝐩(𝛍𝐡) − 𝟏
𝟐

𝐕(𝐑 𝐤 (𝐡)) = 𝐄(𝐑 𝐤 (𝐡) − 𝐄(𝐑 𝐤 (𝐡)))𝟐 = 𝐞𝐱𝐩(𝟐𝛍𝐡)(𝐞𝐱𝐩(𝛔𝐡) − 𝟏)

Si nous résolvons le système des deux équations, nous obtenons la volatilité de l’actif sous la
forme suivante :
𝟏
𝟐
𝟏 𝐕(𝐑 𝐤 (𝐡))
𝛔= [𝐥𝐨𝐠 (𝟏 + 𝟐 )]
𝐡
(𝟏 + 𝐄(𝐑 𝐤 (𝐡)))

L’espérance est obtenue à travers la moyenne annuelle et la variance représente le carré de

l’écart-type. Puisque la plupart des statistiques publiées sur les rendements se basent sur les
rendements simples, la dernière formule reste très utile pour obtenir une estimation rapide de la
volatilité quand l’historique de (𝑃(𝑡))𝑡 n’est pas disponible. Si nous disposons d’un historique
de données, il est plus intéressant de calculer les estimateurs MV.
𝐏𝐤
Si nous considérons les rendements composés 𝐫𝐤 (𝐡) = 𝐥𝐨𝐠(𝐏 ):
𝐤−𝟏

122
 Annexes

𝟏
𝐏(𝐭) = 𝐏(𝟎) 𝐞𝐱𝐩 ((𝛍 − 𝛔𝟐 ) 𝐭 + 𝛔𝐁𝐭 )
𝟐
𝐏𝐤 𝟏
Donc : 𝐏 = 𝐞𝐱𝐩(𝛔(𝐁𝐤𝐡 − 𝐁(𝐤−𝟏)𝐡 ) + 𝛂𝐡) avec 𝛂 = 𝛍 − 𝟐 𝛔𝟐
𝐤−𝟏

Nous obtenons alors : 𝐫𝐤 (𝐡) = 𝛔(𝐁𝐤𝐡 − 𝐁(𝐤−𝟏)𝐡 ) + 𝛂𝐡

Les 𝑟𝑘 (ℎ) sont des variables aléatoires indépendantes et identiquement distribuées telles
que 𝐫𝐤 (𝐡)~𝐍(𝛂𝐡, 𝛔𝟐 𝐡), donc il suffit d’estimer la variance de 𝒓𝒌 (𝒉). En effet, la variance du
rendement simple ne coïncide pas avec la volatilité, c’est plutôt la variance du rendement
continu qui sera proportionnelle à la volatilité. Par la suite, une simple estimation de la variance
𝑟 (ℎ)
de 𝑘 sera un bon estimateur de σ2.
√ℎ

Considérons la vraisemblance de r1(h),…, rn(h) :

𝐧
−𝐧 𝟏 𝟏
𝐋(𝛂, 𝛔) = 𝐥𝐨𝐠(𝟐𝛑𝛔𝟐 𝐡) − ∑(𝐫𝐤 (𝐡) − 𝛂𝐡)𝟐
𝟐 𝟐 𝛔𝟐 𝐡
𝐤=𝟏
Les estimateurs du maximum de vraisemblance sont :
𝐧 𝐧
𝟏 𝟏
̂=
𝛂 ∑ 𝐫𝐤 (𝐡) ; 𝛔̂ = ∑(𝐫𝐤 (𝐡) − 𝛂̂ 𝐡)𝟐
𝐧𝐡 𝐧𝐡
𝐤=𝟏 𝐤=𝟏

Annexe 5 : L’intensité de défaut (John HULL)

Notée λ(t) à la date t, l’intensité du défaut est définie de telle sorte que le produit λ(t)Δt soit
la probabilité de défaut dans l’intervalle compris entre t et t+ Δt, conditionnelle à l’absence de
défaut avant t. Si V(t) est la probabilité de survie cumulée jusqu’à la date t, nous aurons :
V(t+ Δt) – V(t) = - λ(t)V(t)Δt
En passant à la limite, nous pourrons écrire :
dV(t)
= −λ(t)V(t)
dt
t
Nous en déduisons alors : V(t) = exp (-∫0 λ(τ)dτ)
Si nous notons Q(t) la probabilité de défaut jusqu’à la date t, nous pourrons écrire :
t
Q(t)=1- exp (-∫0 λ(τ)dτ) = 1 – exp(-λ̃(t)t)
Où λ̃(t) : l’intensité de défaut moyenne entre 0 et t.

123
 Annexes

Annexe 6 : Cadre théorique de la théorie de gestion

de portefeuille
Soit un portefeuille constitué de N actifs dont les taux de rentabilité sont considérés
comme des variables aléatoires Ri (pour i=1,…,N) et dont les propriétés statistiques sont
connues (grâce aux observations des séries passées).
Soit Vi,t : la valeur d'un actif i à l’instant t.
Nous définissons ainsi :
Vi,1 −Vi,0
 La rentabilité arithmétique de l'actif : R i = Vi,0
 La rentabilité moyenne : 𝜇𝑖 = 𝐸(𝑅𝑖 )
 Le risque : 𝜎𝑖 tel que 𝜎𝑖 2 = 𝑉(𝑅𝑖 )
 La covariance : 𝜎𝑖𝑗 = 𝜎𝑗𝑖 = 𝑐𝑜𝑣(𝑅𝑖 , 𝑅𝑗 )
𝜎
 Le coefficient de corrélation : 𝜌𝑖𝑗 = 𝜎 𝑖𝑗𝜎
𝑖 𝑗

La valeur du portefeuille contenant 𝑛𝑖 actifs i est : 𝑉𝑝,𝑡 = ∑𝑁

𝑖=1 𝑛𝑖 𝑉𝑖,𝑡

De cette formule, nous pourrons déduire la part de l’actif i dans le portefeuille de la manière
suivante :
𝑛𝑖 𝑉𝑖,0
𝑥𝑖 =
𝑉𝑝,0
Nous obtenons ainsi la rentabilité arithmétique du portefeuille qui n’est autre que la moyenne
des rentabilités arithmétiques des actifs qui le composent, pondérés par leurs poids :
𝑁
𝑉𝑝,1 − 𝑉𝑝,0
𝑅𝑝 = = ∑ 𝑥𝑖 𝑅𝑖
𝑉𝑝,0
𝑖=1
Outre plus, le portefeuille pourra être représenté sous une forme matricielle. En effet, le
portefeuille X sera représenté par un vecteur des parts d’actifs, et en considérant leurs
rentabilités respectives sous forme de vecteur également, nous obtenons :
𝑥1 𝑅1
⋮
𝑋 = [ ] 𝑒𝑡 𝑅 = [ ⋮ ]
𝑥𝑁 𝑅𝑁
La rentabilité du portefeuille est alors donnée par la formule suivante :
𝑁
′
𝑅𝑝 = 𝑋 𝑅 = ∑ 𝑥𝑖 𝑅𝑖
𝑖=1

Son espérance sera notée : 𝜇𝑝 = 𝐸(𝑅𝑝 ) = 𝑋 ′ 𝐸(𝑅) = ∑𝑁

𝑖=1 𝑥𝑖 𝜇𝑖

𝜎1 2 … 𝜎1,𝑁
En considérant la matrice variance-covariance des N actifs : Ω = ( ⋮ ⋱ ⋮ )
𝜎𝑁,1 … 𝜎𝑁 2
Nous obtenons la variance de la rentabilité du portefeuille : V(Rp) = X’ ΩX = ∑𝑁 𝑁
𝑖=1 ∑𝑗=1 𝑥𝑖 𝑥𝑗 𝜎𝑖𝑗

124
 Annexes

Le modèle de marché de Sharpe

Le modèle de marché de Sharpe s’écrit sous la forme : R it = αi + βi R mt + εit
Avec :
αi et βi : coefficients de régression;
εit : Le résidu non corrélé à R Mt et d’espérance nulle.
En appliquant l’espérance au modèle, nous obtenons :
µi = αi + βi µM ∶ relation linéaire entre les deux rentabilités.
La variance également, appliquée au modèle, nous permet de déduire la formule du risque total :
𝜎𝑖 2 = 𝛽𝑖 2 𝜎𝑀 2 + 𝜎𝜀𝑖 2
Le risque total est ainsi décomposé en deux parties : la première est le risque systématique qui
est non diversifiable, et la deuxième est le risque spécifique qui est non systématique mais par
contre diversifiable, autrement dit, il peut être éliminé par diversification. En effet, la
diversification du portefeuille ne permet pas de réduire tout le risque : Un portefeuille bien
diversifié permet de réduire le risque non systématique mais la diversification ne permet pas de
réduire le risque systémique, qui correspond au risque du marché.
Le modèle APT
Ce modèle se présente comme suit :

𝐑 𝐢 = 𝛂𝐢 + 𝛃𝐢𝟏 𝐅𝐢 + ⋯ + 𝛃𝐢𝐤 𝐅𝐤 + 𝛆𝐢
Avec :
F1 , … , Fk : sont les k facteurs communs
βij : facteur mesurant la sensibilité de l’action i par rapport au facteur j
εi : la valeur résiduelle spécifique de l’action i
Nous supposons par ailleurs que :
E(F1 ) = ⋯ = E(Fk ) = E(εi ) = 0 Pour tout i
cov(Fi , Fj ) = cov(Fi , εj ) = 0 Pour tous i, j
cov(εi , εj ) = 0 Pour tous i ≠ j
Ce modèle d’arbitrage suppose qu’il existe assez d’actifs pour qu’il soit possible de
construire un portefeuille sans risque et sans mise initiale, grâce à l’achat et à la vente
simultanée d’actifs. Le portefeuille d’arbitrage est représenté par les 3 équations suivantes :
R p = ∑N N k N
i=1 xi αi + ∑i=1 ∑j=1 xi βij Fj + ∑i=1 xi εi = 0 (Rendement du portefeuille d’arbitrage).

∑N k N
i=1 ∑j=1 xi βij = 0 (Risque nul) et ∑i=1 xi = 0 (Mise de fonds initiale nulle)

A l’équilibre, le rendement d’un tel portefeuille doit être nul. A partir de là, S. Ross a établi que
les rendements de tous les portefeuilles efficients sont sur une même droite de pente positive
d’où la linéarité de la relation rendement/risque.Par conséquent :
E(R i ) = λ0 + λ1 βi1 + ⋯ + λk βik
En appliquant l’APT à l’actif sans risque, nous obtenons : λ0 = rf

125