Fiche 5 : La VaR

Les "VAR" (Value at Risk) quantifie la perte maximale attendue pour un actif financier ou un portefeuille sur une période donnée, avec une probabilité donnée.

Exemple: VAR de 1 million de dollars à un niveau de confiance de 95 % = il y a 95 % de chances que la perte sur le portefeuille ne dépasse pas 1 million de dollars sur la période spécifiée.

Il existe trois principaux types de VAR :

1. VAR historique :

• Le VAR historique est calculé en utilisant des données historiques sur les rendements ou les prix des actifs financiers.

• Pour calculer le VAR historique, les données historiques sont triées par ordre de rendement ou de prix, puis une perte est identifiée à un certain niveau de confiance. Par exemple, un VAR de 95 % pourrait être interprété comme la perte maximale attendue avec 95 % de confiance.

• Avantages : Facile à comprendre et à calculer, utilise des données historiques réelles.

• Inconvénients : Ne tient pas compte des changements de volatilité ou des événements extrêmes non observés dans les données historiques.
  

1. VAR paramétrique :

• Le VAR paramétrique repose sur des modèles statistiques pour estimer la distribution des rendements des actifs financiers.

• Il utilise des paramètres tels que la moyenne et l'écart-type des rendements pour estimer la distribution des rendements futurs.

• Les modèles paramétriques couramment utilisés incluent la distribution normale, la distribution de Student et la distribution lognormale.

• Avantages : Peut prendre en compte les changements de volatilité et d'autres facteurs à l'aide de modèles statistiques.

• Inconvénients : La validité des résultats dépend de la distribution choisie et de la qualité des données.
  

1. VAR Monte Carlo :

• Le VAR Monte Carlo simule de nombreux scénarios possibles pour estimer la perte potentielle dans chacun d'eux.

• Ce type de VAR utilise des techniques d'échantillonnage stochastique pour générer une gamme de résultats possibles en fonction des paramètres et des distributions spécifiés.

• Les résultats sont basés sur la moyenne des pertes dans les scénarios simulés, avec une certaine probabilité associée à chaque résultat.

• Avantages : Peut modéliser des situations complexes et des distributions non normales.

• Inconvénients : Peut être computationnellement intensif et nécessiter des ressources informatiques considérables pour générer un grand nombre de scénarios.