ENSA5/FID/2022-2023

spécialité : Finance et Ingénierie Décisionnelle

Thème :

Courbe de taux
Modèles déterministes & stochastiques

©7 décembre 2022

Réalisé par : Encadré par :

Komlan Joseph ASSOU Mr Brahim EL ASRI
Liste des figures

1.1 Les flux d’une obligation zéro-coupon . . . . . . . . . . . . . . . 5

1.2 Décomposition d’obligation à coupons en obligations zéro-coupon 6

2.1 Les formes de courbe de taux . . . . . . . . . . . . . . . . . . . . 9

2.2 Courbe zéro-coupon de 01-2022 au 08-2022 . . . . . . . . . . . . 12
2.3 Tableau des résultats : Zéro-coupon du 24-11-2022 . . . . . . . . 13
2.4 Courbes comparatives : Splines cubiques vs Interpolation linéaire 13
2.5 Méthode de Nelson Siegel Svensson . . . . . . . . . . . . . . . . 17

3.1 Les taux moyens pondérés . . . . . . . . . . . . . . . . . . . . . 22

3.2 Histogramme et statistiques descriptives . . . . . . . . . . . . . 23
3.3 Test avec tendance et constance . . . . . . . . . . . . . . . . . . 24
3.4 Test avec constance . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.5 Résumé du test de Dickey-Fuller augmenté . . . . . . . . . . . . 26
3.6 Les paramètres du modèle . . . . . . . . . . . . . . . . . . . . . 27
3.7 Tableau des erreurs . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.8 Backtesting et Prévision dans une année . . . . . . . . . . . . . 29

i
Liste des tableaux

2.1 Les maturités pleines et les taux correspondants . . . . . . . . . 10

ii
Liste des abréviations

iii
Table des matières

Liste des figures i

Liste des tableaux ii

Liste des abréviations iii

Introduction générale 1

1 Généralités 2
1.1 Notion de taux d’intérêt . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Différents types de taux d’intérêt . . . . . . . . . . . . . 3
1.1.3 Conventions de décompte des jours et cotations . . . . . 4
1.2 Marché des taux . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Notion de zéro-coupon . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.1 Obligation . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.2 Obligation zéro-coupon . . . . . . . . . . . . . . . . . . 6
1.3.3 Prix zéro-coupon . . . . . . . . . . . . . . . . . . . . . . 7

2 Construction de la courbe de taux 8

2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Formes de la courbe de taux . . . . . . . . . . . . . . . . . . . . 8
2.3 Courbe des taux zéro-coupon . . . . . . . . . . . . . . . . . . . . 9
2.4 Méthode de Bootstrap . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4.1 Interpôlation linéaire . . . . . . . . . . . . . . . . . . . . 11
2.4.2 Splines Cubiques . . . . . . . . . . . . . . . . . . . . . . 11
2.5 Méthodes indirectes . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.5.1 Modèle de Nelson Siegel . . . . . . . . . . . . . . . . . . 14

iv
 2.5.2 Méthode Nelson-Siegel-Svensson . . . . . . . . . . . . . 16

3 Modélisation de la courbe de taux 18

3.1 Rappels mathématiques . . . . . . . . . . . . . . . . . . . . . . . 18
3.1.1 Formule d’Itô . . . . . . . . . . . . . . . . . . . . . . . . 18
3.1.2 Changement de probabilité . . . . . . . . . . . . . . . . 19
3.1.3 Lien entre le taux court et le taux zéro-coupon . . . . . 20
3.2 Modèles de taux court . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2.1 Modèle de Vasicek . . . . . . . . . . . . . . . . . . . . . 20

4 Application :Implémentation sous python 30

Conclusion générale 31

v
 Introduction générale
Le taux d’intérêt constitue le nœud de la finance. C’est un soubassement iné-
luctable et le monde de la finance se développe tout autour de cette notion.Le
dynamisme du taux d’intérêt requiert un contrôle et un suivi pour mieux en pro-
fiter et se couvrir de ces risques contingents.

Ainsi ce travail se base sur le taux d’intérêt. Dans un premier temps, nous
verrons les différentes notions du taux, comment la définir effectivement. Selon
le domaine d’activité, il diffère et porte de différents noms. Nous découvrirons
les différents types de taux existants et leur champ d’application.

De plus nous nous intéresserons particulièrement au taux zéro-coupon qui

requiert une attention particulière notamment utilisé sur le marché obligataire.

Par ailleurs, nous nous préoccuperons du comportement de ce taux suivant

la maturité communément appelé courbe de taux.

Pour ce faire, nous nous focaliserons sur l contexte marocain et ainsi nous al-
lons nous disposer des données accessibles sur le site de la banque Al Maghreb.
Cette démarche aura deux grandes étapes. Dans un premier temps la construc-
tion de la courbe de taux et un deuxième temps, la modélisation de la courbe de
taux.

Pour finir, nous implémenterons ces résultats sous forme dynamique. Une
application sera mise au point avec le langage python.

1
Chapitre 1

Généralités

Dans ce premier chapitre, nous allons découvrir la notion de taux d’intérêt

et aussi les différents types qui existent. Il serait aussi convenable de décrire un
peu comment fonctionne un marché de taux et nous nous attarderons sur le taux
zéro-coupon.

1.1 Notion de taux d’intérêt

1.1.1 Définition
La notion de taux d’intérêt est apparue depuis l’antiquité. C’est une usure
considérée, dès les temps anciens, par l’église catholique qui interdisait une telle
pratique. Les pays musulmans en font aussi une interdiction dans un sens d’ap-
plication stricte des lois religieuses.

Les pratiques économiques ont évoluées et taux d’intérêt reste fortement

lié à la spéculation. Il devient dès lors un soubassement de l’essor des marchés
économiques. L’appréhension de cette notion change et elle est considérée désor-
mais comme la rémunération du prêteur en cédant son capital pour une période
donnée.Il est ainsi lié à un risque de liquidité. Autrement c’est une sorte de ga-
rantie pour la prise du risque du prêteur. De plus, dans un cas d’immobilisation,
l’évolution des prix est soumise à l’inflation. Le taux d’intérêt appliqué rémunère
la non-jouissance un temps soit peu de son immobilisation.

2
 Le taux d’intérêt influe alors sur les investissements, les coûts financiers,
le pouvoir d’achat des ménages, les activités des institutions bancaires et des
entreprises. C’est le nœud de l’activité économique. Eu égard toutes les différents
échanges ou flux économiques, l’on distingue une panoplie de taux d’intérêt.

1.1.2 Différents types de taux d’intérêt

Taux simple et taux composé
Les taux simples donnent l’idée d’intérêt perçus uniquement sur le no-
minal ou le capital initial. Il considère en fait chaque année, un nouveau projet
d’investissement du capital initial abstraction faite des intérêts de l’année précé-
dente.
Par contre le taux composé véhicule l’idée d’intérêt sur les intérêts. Il y a une ca-
pitalisation ou une notion de réinvestissement des intérêts perçus les précédentes
années.

Taux nominal et taux réel

Le taux nominal est le taux inscrit sur un contrat de prêt. C’est ce que le
prêteur doit recevoir de l’emprunteur comme une rémunération de sa prise de
risque.

Le taux réel fait suite à une vision plus réaliste. En effet, les taux sont
soumis à l’inflation. Pour connaître, ce qu’a rapporté le placement réellement, il
est impératif d’en tenir compte.
Si r, R, π sont respectivement le taux réel, le taux nominal et le taux l’inflation,
on note la relation suivante :
1+R
r= −1
1+π
et le taux d’inflation étant généralement faible, on peut approximer le taux réel
par :
r =R−π

Taux court et taux long

Le taux varie généralement en fonction de la durée du prêt.Les taux courts
sont ceux échangés sur le marché monétaire, le marché interbancaire. Il est gé-
néralement faible pour encourager les banques et assurer une pérennité de leur

3
activité. Par opposition au taux long, il est plus appliqué sur le marché des capi-
taux. Il découle du rapport entre l’épargne et l’investissement.

Taux sans risque

Le taux sans risque est le taux d’un emprunteur sûr, sa rémunération du prê-
teur est certaine. Ainsi il est aussi appelé le taux d’État car il est considéré comme
un emprunteur sûr.

Taux de rendement actuariel

Il est équivalent au taux d’intérêt que percevrait un investisseur qui détien-
drait l’obligation jusqu’à son terme. Dans le langage courant, il correspond au
rendement de l’obligation.C’est le taux qui égalise la valeur de l’obligation et
l’ensemble des flux futurs actualisés.

Taux monétaire et taux actuariel

Le taux actuariel diffère du taux monétaire en termes de durée. En effet la
durée est d’ordre inférieur à un an pour le taux monétaire et supérieur à un an
pour le taux actuariel. De plus, le taux monétaire est calculé sur une base de 360
jours alors que le taux actuariel considère le nombre exact de jours.

Taux zéro-coupon
Le taux zéro-coupon est tout simplement le taux actuariel appliqué sur un
instrument financier "zéro-coupon". En effet un zéro-coupon est une obligation
sans flux intermédiaires.

Taux forward
Le taux forward est le taux de placement ou d’emprunt sur des périodes fu-
tures. A titre d’exemple, un taux forward sur 2ans est un taux à un an qui sera
observé au début de la deuxième année pour qu’un placement à 2ans soit équi-
valent à la succession de deux placements.

1.1.3 Conventions de décompte des jours et cotations

La notion de décompte véhicule comment les intérêts sont capitalisés. Ces
conventions permettent de connaître le taux d’intérêt à n’importe quelle date.

4
Elles sont de la forme A/B avec A le nombre de jours exact entre les deux dates
de calcul d’intérêt et B, le nombre total de jours dans la période de référence. Les
conventions les plus courantes sont :
• Exact/Exact : appliqué sur le marché obligataire qui tient compte des
années bissextiles et la durée exacte des mois
• Exact/360 : sur le marché monétaire surtout dans le calcul des taux
proportionnels.
• 30/360 : Sur le marché des swaps qui supposent que tous les mois
comptent 30 jours.

1.2 Marché des taux

Le marché de taux d’intérêt constitue le plus important du point de vue vo-
lume échangé et même son importance économique. Il est subdivisé en deux, le
marché monétaire sur le court terme et le marché obligataire sur le moyen et
long terme.

1.3 Notion de zéro-coupon

1.3.1 Obligation
Une obligation est un titre de créance émis par un tiers et donnant droit au
prêteur la réception des flux fixes à des dates fixées dans le futur.

Figure 1.1 – Les flux d’une obligation zéro-coupon

où P : prix initial de l’obligation

N : durée de vie
Ci : coupon à l’instant i

5
 RN : Valeur de remboursement à l’instant N
Pour caractériser une obligation, il faut alors spécifier son prix d’émission,
sa durée, ses coupons et sa valeur de remboursement. Il est à noter qu’il existe
deux types d’obligations en fonction du versement des coupons : Les obligations
à coupons et les obligations zéro-coupons.

1.3.2 Obligation zéro-coupon

Une obligation à coupons est une obligation qui induit au moins un flux in-
termédiaire. Par contre, une obligation zéro-coupon ne génère pas de flux inter-
médiaires. On peut alors décomposer une obligation à coupons en obligations
zéro-coupon.

Figure 1.2 – Décomposition d’obligation à coupons en obligations zéro-coupon

Avec
P : prix initial de l’obligation ;
c : Taux facial de l’obligation à coupon ;
M : Maturité ;
C : c ∗ P , coupon ;
Pi : Principal à l’instant i ;
Mi : Maturité de l’obligation i.

6
1.3.3 Prix zéro-coupon
Le prix zéro-coupon est le prix d’un bon zéro-coupon de maturité T, noté
P (t, T ) (fonction d’actualisation) qui correspond à la valeur d’aujourd’hui en t
d’une unité monétaire payée en T , sans paiements intermédiaires entre ces deux
dates.
1
P (t, T ) =
1 + π(T − t) ∗ L(t, T )

Avec :
π(T − t) : Différence entre les dates t et T
L(t, T ) : Taux de marché à la date t

Après cette partie d’appréhension du taux d’intérêt, nous entamerons main-

tenant la première étape de notre démarche d’obtention théorique de courbe de
taux zéro-coupon.

7
Chapitre 2

Construction de la courbe de taux

Cette partie a pour but de retrouver la courbe de taux présentée sur le site de la
banque Al Maghreb tenant compte du contexte marocain. C’est une construction
déterministe et qui utilise la méthode de Boostrapping et les méthodes courantes
d’interpolation.

2.1 Définition
La courbe de taux est une représentation des valeurs des taux d’intérêt en
fonction des maturités. Plusieurs courbes de taux sont envisageables, les courbes
de marché et les courbes implicites. Les courbes de marché résultent des cotations
directes sur le marché alors que les courbes implicites nécessitent des transfor-
mations intermédiaires. Dans notre cas, nous nous intéresserons au taux zéro-
coupon.

2.2 Formes de la courbe de taux

La forme que prend la courbe des taux d’intérêt sur les emprunts souverains
renseigne sur les anticipations des investisseurs sur les risques de défaut de l’Etat
émetteur ainsi que sur le niveau de l’inflation et des taux d’intérêt futurs.
De ce fait, elle constitue un bon indicateur de la santé économique et finan-
cière du pays émetteur.
En général, dans un environnement stable, plus la maturité augmente, plus
les taux augmentent. En effet, une maturité qui augmente, suppose que l’incerti-

8
tude liée aux fluctuations est grande durant toute cette période et de fait un taux
conséquent traduit ce phénomène.

Figure 2.1 – Les formes de courbe de taux

2.3 Courbe des taux zéro-coupon

Avant de passer à la modélisation de la courbe des taux, il faut construire
cette courbe. Or les obligations à zéro-coupon sont moins liquides sur le marché
que les obligations à coupons. Du coup, nous faisons appel à plusieurs méthodes
de reconstitution de la structure par terme ou la courbe zéro-coupon.
Il existe plusieurs méthodes de reconstitution qui s’utilise dans du Bootstrap-
ping. Cette dernière est une procédure qui permet de reconstituer une courbe
zéro-coupon pas à pas, i.e. segment de maturité par segment de maturité. En pra-
tique cela revient à calculer le taux équivalent aux maturités pleines et non pas
aux maturités correspondantes aux dates de tombées de flux, car généralement
les obligations émises et disponibles sur le marché n’ont pas de maturités exac-
tement égales à 1an ou 2 ans (maturités pleines)

9
2.4 Méthode de Bootstrap
Avant de passer aux techniques d’interpolation, il faut faire une opération dite
de Bootstrapping. Cette dernière est une méthode basée sur l’hypothèse selon
laquelle le prix théorique d’une obligation est la somme de ses flux actualisés aux
taux zéro-coupon de l’échéance de chaque flux. Elle consiste à calculer les taux à
maturité proche à l’aide des titres d’horizon court et à en déduire, de proche en
proche, les taux ZC correspondants aux maturités plus éloignées.
Afin d’illustrer le concept, prenons l’exemple suivants. Pour simplifier, nous
raisonnerons sur un principal de 100 . Considérons que les taux ci-dessous :

Maturité Taux
3 mois 2, 18%
6 mois 1, 82%
1 an 1, 91%
2 ans 2%
5 ans 2, 32%

Table 2.1 – Les maturités pleines et les taux correspondants

Pour les maturités inférieures ou égales à 1 an, il n’y a pas de flux intermé-
diaire, les taux sont des zéro-coupon à la base. Au-delà d’un 1 an, il existe un
flux intermédiaire, pour lequel le flux devra être actualisé à partir du taux zéro-
coupon du 1 an (1.91%).
L’équation qui égalise les flux est écrite sous la forme suivante (supposant le
rendement de l’obligation est de 5%) :
5 105
100 = +
(1 + 1.91%)1
(1 + tZC )2
Du coup le taux ZC equivalent pour 2ans est :
Du coup,
 
105
tZC = −1
100 − 5 ∗ (1 + 1.91%)−1
tZC = 10.42%
De même, pour une maturité 3 ans ; les calculs se font de la même façon tout
en faisant face à deux flux intermédiaires, le premier devrait être actualisé au

10
taux ZC d’un 1 an, le second au taux ZC de 2 ans calculé. En général, la formule
calculant le taux zéro-coupon pour toute maturité n > 1an et pour un nominal
N, s’écrit comme suit, C n étant le flux à verser :
" # n1
N + Cn
tZCn = −1
N − Cn i=1 (1 + tZi )−i
Pn−1

Cette procédure nous permet d’obtenir des taux correspondant à des maturi-
tés bien précises et finies : ( 1an, 2ans, 3ans, ans...etc.). Pour avoir les taux pour
des maturités intermédiaires, assurer la continuité de la courbe, nous ferons re-
cours aux méthodes d’interpolation.

2.4.1 Interpôlation linéaire

Cette méthode suppose que la fonction entre deux points est affine. Le taux
à calculer est ainsi obtenue selon la formule :
(t2 − t)R(0, t1 ) + (t − t1 )R(0, t2 )
R(0, t) =
t2 − t1
R(0, t1 ) : taux zéro-coupon à la maturité t1 ;
R (0, t2) : taux zéro-coupon à la maturité t2 ;
R(0, t) : taux zéro-coupon calculé à la maturité t avec t1 < t < t2 .

2.4.2 Splines Cubiques

Nous envisageons de reconstituer la courbe par le biais de l’interpolation Cu-
bic spline. Pour cela, nous avons besoin de n + 1 points .Ainsi, nous constituons
n intervalles, ce qui nécessite l’estimation des paramétres de n polynome.

d1 (t) t <= t1

d(t) = ...

dn (t) t >= tn


Avec :

di (t) = d + c ∗ (t − ti−1 ) + b ∗ (t − ti−1 )2 + a ∗ (t − ti−1 )3

11
Principe
Considérons n nœuds de coordonnées (X1 , Y1 ) . . . (Xn , Yn ). Il y a n − 1 in-
tervalles. Nous voulons donc déterminer les paramètres de n − 1 polynômes du
troisième degré. Il faut donc déterminer quatre coefficients par polynôme, soit
au total 4n − 4 inconnues, pour lesquelles on doit poser autant de conditions.
Les conditions C0 , C1 , C2 s’expriment de la façon suivante :
• C0 : chacun des n − 1 polynômes passe par deux nœuds, soit 2n − 2
conditions ;
• C1 : les polynômes ont les mêmes dérivées premières aux n−2 nœuds
de jonction, soit n − 2 conditions ;
• C2 : et ces polynômes ont la même dérivée seconde aux n − 2 nœuds
de jonction, soit n − 2 conditions.
Au total on a ainsi 4n − 6 conditions. Il manque donc deux conditions pour
déterminer les 4n − 4 inconnues. On adjoint deux conditions supplémentaires en
imposant la valeur des dérivées secondes à chaque nœud extrême. Si on impose
que les dérivées secondes soient nulles à chaque extrémité, on obtient une spline
cubique naturelle. On peut disposer toutefois d’informations supplémentaires qui
permettent de fixer de façon plus précise la dérivée seconde aux extrémités.
On obtient ainsi un système de 4n − 4 équations linéaires à 4n − 4 inconnues.
Résultats : Nous parvenons au terme de l’implémentation de ces méthodes à
la reconstitution de la courbe zéro-coupon suivante :

Figure 2.2 – Courbe zéro-coupon de 01-2022 au 08-2022

12
Visualisons en particulier la courbe zéro-coupon au 24-11-2022. Nous avons im-
plémenté les deux méthodes d’interpolation précédentes. La méthode "Splines
Cubiques" est plus précise que celle de "l’interpolation". Elle s’approche beau-
coup plus de la réalité.

Figure 2.3 – Tableau des résultats : Zéro-coupon du 24-11-2022

Figure 2.4 – Courbes comparatives : Splines cubiques vs Interpolation linéaire

2.5 Méthodes indirectes

Ce sont les méthodes les plus utilisées en pratique. Ces méthodes reposent
sur le principe suivant : Pour un panier d’obligations à coupons, il s’agit de la

13
minimisation de l’écart au carré entre les prix de marché et les prix reconstitués
à l’aide d’une forme à priori spécifiée des taux zéro-coupons ou de la fonction
d’actualisation. Nous supposons que notre panier est composé de n titres. On
note à la date t :
- Ptj :Prix de marché du j eme titre.
- Pbtj : Prix estimé du j eme titre.
−Ftj : Flux futur du jème titre tombant à la date s(s > t).
L’idée consiste à trouver le vecteur des paramètres β tel que :
n 
!
X 2
Min Ptj − Pbtj
j=1

On distingue deux grandes classes de modèles :

- Les modèles type Neslon et Siegel fondés sur une modélisation des taux
zéro-coupon. Le prix théorique s’écrit :
X X
Ptj = Fsj B(t, s) = Fsj exp(−(s − t)g(s − t; β)
s s

le g est la fonctionnelle des taux zéro-coupons. Le prix de l’obligation est une

fonction non linéaire des paramètres d’estimation.
- Les modèles à Spline fondés sur une modèlisation de la fonction d’actuali-
sation :
X X
Pbtj = Fsj B(t, s) = Fsj f (s − t; β)
s s

f est une fonction linéaire des paramètres d’estimation.Ainsi, le prix de l’obli-

gation est également linéaire des paramétres d’estimation.

2.5.1 Modèle de Nelson Siegel

Neslon et Siegel (1987) proposent une classe de fonctions mathématiques
pour estimer la structure par terme des taux d’intérêts à une date donnée. Ce
modèle suppose que le taux instantané ft (τ ) est la solution dùne équation diffé-
rentielle. C’est-à-dire ft (τ ) est de la forme :

     
τ τ τ
ft (τ ) = µ1 + µ2 ∗ exp − + µ3 − exp − τ : est la maturité.
τ1 τ1 τ1

14
 Sachant que le taux d’intérêt est défini par :
1 τ
Z
Rt (τ ) = ft (θ)dθ
τ 0
Ainsi, nous obtenons l’expression finale de Rt :

     
1 − exp − ττ1 1 − exp − ττ1 
τ 

Rt (τ ) = µ1 + µ2 ∗ + µ3 ∗  − exp −
− ττ1 − ττ1 τ1

Il est aisé d’exprimer les dérivées de Rt par rapport à chacun des paramètres
µ, c’est ce que l’on appelle les sensibilités des taux zéro-coupon aux paramétres
µ.
La courbe des taux zéro coupon dépend donc d’un vecteur de 4 paramètres :

V = [µ1 , µ2 , µ3 , τ1 ]
Certains de ces paramètres ont une signification, puisque nous avons :

Rt (0) = µ1 + µ2
τ → ∞, Rt (τ ) → µ1
- Le paramètre µ1 représente le taux long
- µ2 mesure la différence entre le taux court instantané et le taux long
−µ3 un facteur de courbure
- τ1 un paramètre d’échelle destiné à rester fixe au cours du temps.
Nous cherchons à résoudre le probléme suivant :

N
X  2
(n) (n) (n)
θb = argmin wn pt (θ) − Pt , avec Pt = exp (−Rt (τ )τ )
n=1

Nous cherchons donc à minimiser l’écart quadratique entre le prix de l’obli-

gation donné par le modèle et celui observé sur le marché.
Limites de ce Modèle Cette méthode a qualques limites :
- Le modèle de Nelson et Siegel ne permet pas de reconstituer toutes les
formes de courbes de taux que l’on peut rencontrer sur le marché, en particu-
lier les formes à une bosse et un creux.

15
 - Il y a un manque de souplesse d’ajustement pour certaines maturités. Ainsi,
Ces maturités sont parfois mal évaluées par le modèle.
Par contre, les paramétres de ce modèle sont interprétables financièrement.Mais,
il souffre d’un manque de flexibilité.
Le modèle de Nelson-Siegel-Svensson ou Nelson-Siegel augmenté y remédie.

2.5.2 Méthode Nelson-Siegel-Svensson

Le modèle de Nelson-Siegel ne permet de reconstituer toutes les courbes de
taux rencontrées sur le marché. En particulier les formes à une bosse et un creux
ne peuvent être reproduites. Le modèle Nelson-Siegel Svensson est une extension
du modèle Nelson-Siegel existant. Ce dernier, bien connu pour sa simplicité, ne
parvient pas à correspondre à un très large éventail de formes de courbes de
rendement, en particulier dans un environnement de marché stressé. Pour cette
raison, Svensson s’est efforcé de développer le modèle existant et de le rendre
plus flexible en ajoutant un terme supplémentaire, similaire à celui de l’équation
de son prédécesseur, mais avec de nouveaux paramètres β3 et τ2 .

−m −m
! −m !
1−e τ 1−e τ −m 1 − e τ2 −m
R(m) = β0 − β1 m + β2 m +e τ + β3 m +e τ2

τ τ τ2

où b = (β0 , β1 , β2 , β3 , τ, τ2 ) est le vecteur des paramètres, avec des valeurs

positives pour β0 , τ pour τ2 .

16
 Par application sur les données précédentes on obtient :

Figure 2.5 – Méthode de Nelson Siegel Svensson

Nous venons de reconstruire la courbe de taux zéro-coupon par des méthodes

déterministes. Le risque de taux d’intérêt est une forme du risque de marché.
C’est une perte ou gain de valeur liés à la fluctuation des taux d’intérêt. Ainsi la
préoccupation naît en vue d’anticiper un comportement de ce taux et de prendre
les décisions adéquates pour ça.

17
Chapitre 3

Modélisation de la courbe de taux

Dans cette deuxième étape, l’objectif c’est d’avoir un modèle pour prédire le
taux zéro-coupon.C’est une modélisation théorique et cela nécessite des outils
mathématiques et des hypothèses qui s’en suivent. Ainsi nous ferons quelques
rappels mathématiques avant d’embrasser un modèle particulier celui de Vasicek.

3.1 Rappels mathématiques

3.1.1 Formule d’Itô
On fixe T ≤ τb
Définition 1.1.1 Soit (Wt ) un mouvement brownien. On appelle processus
d’Itô, un processus (Xt )0≤t≤T ȧ valeurs dans R tel que :
Z t Z t
P − ps ∀t ≤ T : Xt = X0 + Ks ds + Hs dWs
0 0
ou de manière équivalente :

dXt = Kt dt + Ht dWt
RT
— avec X0 donné F0 − mesurable, (Ht ) et (Kt ) adaptés à (Ft ) , 0 |Ks | ds <
RT
∞ et 0 Hs2 ds < ∞, P − ps. La première forme est dite integrale alors que
la deuxième est dite différentielle ou dynamique.

18
Enoncé de la formule d’Itô (version simple)
Soit U un intervalle ouvert de R et f ∈ C 1,2 (R+ × R2 ) , (Xt ) un processus
d’Itô à valeurs réelles : R
t 1 t ∂2f
R t ∂f
f (t, Xt ) = f (0, X0 )+ 0 ∂f
R
∂s
(s, Xs ) ds+ 0 ∂x
(s, Xs ) dXs + 2 0 ∂x2
(s, Xs ) d <
X; X >s
En forme différentielle (dynamique) on écrit pour (f (t, Xt ))t≥0 :
 
1 ∂2f
d [f (t, Xt )] = ∂t (t, Xt ) + ∂x (t, Xt ) Kt + 2 ∂x2 (t, Xt ) Ht dt+ ∂f
∂f ∂f 2
∂x
(t, Xt ) Ht dWt .

Formule d’Itô pour le produit

Cette formule s’appelle aussi formule d’intégration par parties.

d(XY )t = Yt dXt + Xt dYt + d < X, Y >t

Plus précisément, si dXt = Kt dt + Ht dWt et dY = K
e t dt + H
e t dWt alors

d(XY )t = Yt dXt + Xt dYt + Ht H

e t dt.

3.1.2 Changement de probabilité

Théorème de Girsanov
Soit (Wt ) un P1 -mouvement brownien qui engendre la filtration, (θt )0≤t≤T
RT
un processus adapté tel que 0 θs2 ds < ∞ p.s. et tel que le processus (Lt )0≤t≤T
défini par
Z t
1 t 2
Z 
Lt = exp θs dW s − θ ds
0 2 0 s
soit une martingale. On appelle P2 la probabilité de densité LT par rapport à
P1 .  
Alors le processus W ct défini par
0≤t≤T

ct = dWt − θt dt
dW
est un mouvement brownien sous P2 .
- Dans des modèles de taux plus complexes, certains choix pour (Lt )0≤t≤T ne
sont pas possibles car ce ne sont pas de vraies martingales.

19
 - Les deux probabilités P1 et P2 sont équivalentes car la densité LT est stric-
tement positive.

Espérance conditionnelle
Si
dP2
LT =
dP1|FT
et si X est une v.a. de carré intégrable, FT -mesurable alors :

EP2 (X) = EP1 (XLT ) .

EP (XLT | Ft ) EP (XLT | Ft )
EP2 (X | Ft ) = 1 = 1 , ∀t ≤ T.
EP1 (LT | Ft ) Lt

3.1.3 Lien entre le taux court et le taux zéro-coupon

Comme (B(t,
e T )) est une Q-martingale, on a
 
B(t, T ) = EQ B(T, T ) | Ft
e e

Or, B(T, T ) = 1 donc

Rt  RT   Rt 
− rs ds − rs ds − rs ds
e 0 B(t, T ) = EQ e 0 | Ft et e 0 est Ft -mesurable.
 RT 
B(t, T ) = EQ e− t rs ds | Ft

On déduit que la donnée de drt suffirait pour déduire le prix du zéro-coupon.

Ces modèles de taux sont dits de taux courts.

3.2 Modèles de taux court

3.2.1 Modèle de Vasicek
Le modèle de Vasicek est un modèle qui postule pour le phénomène de retour
à la moyenne du taux. Il fut publié en 1977. Son équation dynamique sous la
probabilité historique est :
drt = a (b − rt ) dt + σdWt

20
 avec :
- rt : le taux court en t
- b : la moyenne du taux court sur le long terme
- a : la vitesse de retour à la moyenne
- σ : l’écart-type
- Wt : le mouvement brownien standard
Cependant on doit travailler sous la probabilité Q afin d’avoir une martingale,
tout en conservant la même dynamique. Nous considérerons θ la prime de risque
constante.
Posons WtQ = W̃t alors dWt = dW̃t − θdt,Xt = rt − b̃ avec b̃ = b − σ aθ , on
retrouve que :
dXt = −aXt dt + σdW̃t
qui est un processus d’Ornstein-Uhlenbeck.
Maintenant en utilisant la formule d’intégration par parties sur Yt = Xt eat
on trouve que Z t
Xt = X0 e−at + σe−at eas dW̃s
0
et par conséquent
  Z T
−a(T −t)
rT = rt − b̃ e + b̃ + σ e−a(T −s) dW̃s , ∀t ≤ T
t

On retrouve finalement en remplaçant l’expression de rT dans l’équation

d’Ornstein-Uhlenbeck que :

T  1 − e−a(T −t) T
1 − e−a(T −s)
Z  Z
rs ds = rt − b̃ + b̃(T − t) + σ dW̃s
t a t a
Une première étape acquise sachant que l’on veut déterminer le prix du zéro-
coupon, on va utiliser le résultat suivant :
  z2 σ2
Si X une v.a suit la loi normale N (m, σ 2 ) alors E ezX = ezm+ 2 .
σ2
En posant R∞ = b̃ − 2a 2 le prix zéro-coupon est :

1 − e−a(T −t) σ2
 
−a(T −t) 2


B(t, T ) = exp (R∞ − rt ) − R∞ (T − t) − 3 1 − e
a 4a

Sachant que B(t, T ) = e−R(t,T )(T −t) B(T, T ) avec R(t, T ) = − T 1−t ln(B(t, T ))
et B(T, T ) = 1 on a :

21
 1 − e−a(T −t) σ2
2
R(t, T ) = R∞ − (R∞ − rt ) + 3 1 − e−a(T −t)
a(T − t) 4a (T − t)

Pour estimer les paramètres du modèle de Vasicek, nous allons montrer que le
taux court suit un modèle autorégressif d’ordre 1, AR(1)

Estimation des paramètres

Les données
Nous disposons des taux moyens pondérés disponibles sur le site de la banque
Al-Maghrib. Ce sont des taux au jour le jour.

Figure 3.1 – Les taux moyens pondérés

22
 Statistiques descriptives

Nous avons 1000 observations. Le taux moyen est de 0.016308 et le maximum

est atteint en 0.02346. La distribution est sans ambigüité non normale.

Figure 3.2 – Histogramme et statistiques descriptives

Test de Dickey-Fuller augmenté

Le test de racine unitaire se déroule généralement en trois étapes suivant des

modèles.
Procédons au premier modèle

xt = ϕxt−1 + βt + c + ϵt (3.1)
H0 : β = 0 et c = 0 ,ϕ = 1 contre H1 : β ̸= 0, c ̸= 0 et ϕ < 1

23
 Figure 3.3 – Test avec tendance et constance

La p-value (0.6514) est supérieur au seuil de risque 5%, alors on accepte l’hypo-
thèse nulle.

Passons au modèle 2

24
 xt = ϕxt−1 + c + ϵt (3.2)

Figure 3.4 – Test avec constance

La p-value (0.1339) est inférieure au seuil de risque 5%, alors on regarde à la

significativité de Φ. Sa p-value (0.0153) < 5% alors la série est stationnaire.

25
Tout le test se résume ainsi :

Figure 3.5 – Résumé du test de Dickey-Fuller augmenté

26
Les taux sont corrélés et même on montre que :

rt+1 = e−a rt + 1 − e−a b + ϵt

 2 
avec ϵt ⇝ N 0, σ2a (1 − e−2a ) Donc le modèle proposé par Vasicek est bel
et bien un modèle AR(1).
Le modèle AR(1) ainsi construit a les paramètres suivant ce test sous Eviews :

Figure 3.6 – Les paramètres du modèle

Alors par identification on déduit que :

- a = − ln(ϕ)

27
 c
-b= 1−ϕ
q
- σ = 2a1−e Var[ϵt ]
−2a

Par calcul, on obtient :

a = −ln(0.998993) = 0.001007507365
b = 17.816286
σ = 0.0001572415142

Backtesting et prévision par Vasicek

Nous allons vérifier si le modèle de Vasicek trouvé modélise bien le taux court.

Figure 3.7 – Tableau des erreurs

28
En terme de visualisation on a :

Figure 3.8 – Backtesting et Prévision dans une année

On remarque que les erreurs sont très petites en général. Le modèle de Vasicek
répond bien aux attentes. Brièvement, nous avons pu modéliser le comportement
du taux court. Connaissant la relation intrinsèque reliant le taux court et le taux
zéro-coupon, nous avons pu déduire la dynamique du taux zéro-coupon. Ainsi
sans ambage, nous pourrions pricer les obligations zéro-coupons qui ne sera pas
tratité dans ce rapport. Passons maintenant au fonctionnement de l’application
réalisée.

29
Chapitre 4

Application :Implémentation sous

python

30
 Conclusion générale

Par cette étude, nous avons exploré le taux d’intérêt de part son importance
dans le monde de la finance. Il est diversifié suivant les champs d’application ou
le domaine spécifique d’intervention.

D’entrée, nous nous sommes familiarisés avec les notions qui peuvent se
nommer autour du taux d’intérêt. Nous sommes partis des notions générales sur
le taux d’intérêt et nous avons particularisé l’étude sur le taux zéro-coupon.

En outre, ce dernier regorge un intérêt particulier. Nous avons pour but en

s’intéressant à ce type de taux, la construction de la courbe de taux pour connaître
ou anticiper sa dynamique.En deux grandes étapes, nous avons reconstruit cette
courbe par des méthodes déterministes et aléatoires.

L’aspect déterministe fut réalisé via la méthode de Boostrap et quelques mé-

thodes d’interpôlation. L’aspect stochastique reste plus réaliste et a été abordé
sous le modèle de Vasicek. Ce modèle tant bien satisfaisant a des limites à l’ins-
tar de la possibilité que le taux zéro-coupon peut être négatif et pour des horizons
plus éloignées, il est biaisé.

Ainsi d’autres modèles ont vu le jour, le modèle CIR qui garantit la positivité
du taux et celui de Hull and White autrement dit Vasicek étendu traite de la per-
formance sur des horizons éloignées.

Enfin, nous avons implémenté ces solutions sous python et rendre ce travail
dynamique et avec une certaine flexibilité.

31