Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
Créer et maintenir une culture des stress tests
Nicolas KunghehianAssociate Director
Introduction
» La récente crise financière a mis l’accent sur le besoin de plus de stress tests comme un des principaux outils de la gestion des risques.
» Mise à profit de cet outil en tant que moteur essentiel de la décision stratégique
» Une organisation centralisée de la gestion des scenarios doit être au centre de l’architecture de la gestion des risques de l’entreprise
Au-delà de la conformité, le renforcement du Bilan
» Identifier les risques de la stratégie en cours et les hypothèses de planification;
» Définir et documenter les mesures de diversification appropriées pour les principaux facteurs de risque;
» Evaluer les bénéfices et les risques des stratégies alternatives sous différentes conditions de marché;
» Allouer efficacement le capital aux lignes métier qui fournissent un rendement ajusté du risque élevé;
» Evaluer l’impact des initiatives stratégiques (M&A, transfert de risques, etc...);
» Définir et calibrer les politiques d’entreprise;
» S’assurer que la banque sera capable de satisfaire aux exigences réglementaires au cours du temps.
Surmonter les défis essentiels
» Avoir une vision à plusieurs niveaux dans l’entreprise des interactions entre les différents risques:– Le portefeuille global au travers de toute la Banque,
– Par type de portefeuille,
– Par géographie,
– Par industrie…
» Accroître le nombre et la fréquence des scénarios– Economique ou réglementaire
» Intégration dans le processus décisionnel– Une mesure des risques et la production de rapport réactives et efficaces
» Conformité réglementaire– Respect des exigences réglementaires
» Des approches avec calcul total ou partiel
Our research also indicates gaps in validation and benchmarking
5
Define Scenarios
Data and Infrastructure
Model the impact of scenarios on key risk
parameters
Calculate Stressed KPI
Reporting Management actions
3 4 5 7Define scope and governance
1 2 6Validation Validation
» At the moment the validation is primarily done by using internal expert judgment
» Nevertheless, 12% of banks interviewed recognize that going forward using external benchmarks will be beneficial to strengthen the capabilities in place
• Validate relevance of scenarios to business model
• Use market-wide scenarios
• Validate models’ outputs
• Validate against peer group
• Use benchmark data where internal data is not available
• Evaluate existing stress testing process
• “Test the stress test”
Validation Validation Validation
Source: Market research and own analysis
Une architecture centraliséeStratégie
(Croissance, Appétit au risque, Notation cible, M&A, etc.)
Modèles de PD et LGDCommercial & industrielImmobilier commercialImmobilier résidentiel
Scénarios économiques/réglementaires(Tierce partie, propriétaire, CEBS, FED)
Capital réglementaireEAD = f(comportements, nouvelle production)Risk mitigation / Effective LGDRWA = f(EAD, PD, LGD*)Buffer contracyclique
Transformation
Capital économiqueEAD = f(comportements, nouvelleproduction)Risk mitigation / Effective LGDEC = f(EAD, PD, LGD*, Corrélations)
Données de marchéTaux d’intérêtPrix de marchéTaux de changeCorrélation
Transformation
BilanComportementalNouvelle productionCoût de refinancement/TCIMarge nette d’intérêt
Transformation
Capital Actions ordinairesDividendes / Report à nouveauIntérêts minoritairesProvisions / Déductions
Coût / ImpôtsModélisationAllocation
Transformation
Notation de la banqueScorecard de la banque
Profil de liquiditéImpasses de liquiditéRatios LCR / NSFR
Diversifications
Indicateurs de performanceRAR / EVARARORWARAROC
Prévisions de revenusf(MNI, coûts, CDL)
Prévisions sur plusieurs périodesA
ctions stratégiques
Services et outils de contrôleConsolidation des données
Outils
d’analyseG
estion des scénarios
Actions
des utilisateurs
7
Scénarios macroéconomiques et stress testing
8
Macroeconomic Scenario AnalysisAlternative Macro Scenarios
Weaker Economy
Healthier Economy
Baseline:Recovery
S3:Double
Dip
1-in-10
S4:Severe
Double Dip1-in-25
Alternative Economic Scenarios
S2:Mild
Double Dip
1-in-4
S1:Stronger Recovery
1-in-4
1:50 1:25 1:20 1:10 1:4 Forecast 1:4
9
Macroeconomic Scenario AnalysisAlternative Macro Scenarios
Weaker Economy
Healthier Economy
Baseline:Recovery
S3:Double
Dip
1-in-10
S4:Severe
Double Dip1-in-25
S2:Mild
Double Dip
1-in-4
S1:Stronger Recovery
1-in-4
1:50 1:25 1:20 1:10 1:4 Forecast 1:4
3) EmergingMarkets
Slowdown1-in-20
4) SovereignShock1-in-50
Top 5 Downside Risks
2) Oil Price Shock
1-in-10
1)Japanese
Catastrophe
5) US & GlobalSevere
Recession1-in-60
Des scénarios macro à chacun des facteurs de risque
10
Croissance du PIB
11
-7,0-4,5-2,00,53,0
Euro zone Japon Allemagne France Espagne UK US
2012 Baseline 2012 S2 2012 S4
Source: Moody’s Analytics
Marchés développés
Marchés émergents
-8
-4
0
4
8
Africa Asia Brazil South Africa Russia Mexico
2012 Base 2012 S2 2012 S4
Croissance du PIB
12
Source: Moody’s Analytics
-5
-4
-3
-2
-1
0
1
2
3
4
2001
Q1
2001
Q3
2002
Q1
2002
Q3
2003
Q1
2003
Q3
2004
Q1
2004
Q3
2005
Q1
2005
Q3
2006
Q1
2006
Q3
2007
Q1
2007
Q3
2008
Q1
2008
Q3
2009
Q1
2009
Q3
2010
Q1
2010
Q3
2011
Q1
2011
Q3
2012
Q1
2012
Q3
2013
Q1
2013
Q3
2014
Q1
2014
Q3
2015
Q1
2015
Q3
2016
Q1
PIB Français
moderate double-dip deeper 2nd recession greek orderly default
below-trend growth baseline
0
1
2
3
4
5
6
7
8
0 5 10 15 20 25
2012 Baseline
2012 EM Slowdown
2012 Sovereign Shock
2010
Source: Moody’s Analytics
Maturité
Taux, %
Les courbes deviennent plus pentues dans des conditions plus sévères, résultat de la pression sur la solvabilité et les devises
Exemple de modèles financiers: les taux d’intérêt
13
14
-100
-75
-50
-25
0
25
50
75
100
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
bovespa euro_stoxx ftse
hang_seng nikkei_225 spx
A cause d’une forte corrélation, nous pouvons réduire la dimension de
modélisation de 6 à une seule composante principale
0
20
40
60
80
100
1 2 3 4 5 6
Variability Explained, %
Principal Components
Une composante principale explique 88% de la variation
originale
Exemple de modèles financiers: les actions
15
0
2000
4000
6000
8000
10000
12000
14000
16000
Jan-
06Ju
l-06
Jan-
07Ju
l-07
Jan-
08Ju
l-08
Jan-
09Ju
l-09
Jan-
10Ju
l-10
Jan-
11Ju
l-11
Jan-
12Ju
l-12
Jan-
13Ju
l-13
Jan-
14
U.S. – Dow Jones0
2000
4000
6000
8000
10000
12000
14000
16000Ja
n-06
Jul-0
6Ja
n-07
Jul-0
7Ja
n-08
Jul-0
8Ja
n-09
Jul-0
9Ja
n-10
Jul-1
0Ja
n-11
Jul-1
1Ja
n-12
Jul-1
2Ja
n-13
Jul-1
3Ja
n-14
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
Jan-
06A
ug-0
6M
ar-0
7O
ct-0
7M
ay-0
8D
ec-0
8Ju
l-09
Feb-
10S
ep-1
0A
pr-1
1N
ov-1
1Ju
n-12
Jan-
13A
ug-1
3M
ar-1
4
U.K. – FTSE 250 EURO – E-STOXX 50
Global Equity Factor (GEF)
Exemple de modèles financiers: les actions
16
Exemple de modèles financiers: les CDS
On utilise une analyse factorielle pour modéliser les spreads des CDS: Global Non-Financial Corporates pour les tranches de rating Moody’s (Aaa, Aa, A, Baa, Ba,
B, Caa)
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
0
50
100
150
200
250
300
350
400
2005 2006 2007 2008 2009 2010
AAA_NFC AA_NFC
A_NFC BAA_NFC
BA_NFC B_NFC
CAA_NFC
Source: Moody’s Analytics, Capital Market Research Group
0
10
20
30
40
50
60
70
80
90
100
PC1 PC2 PC3 PC4 PC5 PC6 PC7
% de variance expliquée
0%
2%
4%
6%
8%
10%
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
Baa-Ba baseline double dip
euro crisis global recession
17
Stress Testing des transitions de crédit
0%
10%
20%
30%
40%
50%
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
Aaa-Aa baseline double dip
euro crisis global recession
0%
5%
10%
15%
20%
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
Baa-A baseline double dip
euro crisis global recession
0%
5%
10%
15%
20%
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
Ba-Baa baseline double dip
euro crisis global recession
Modèle économétrique: système d’équations utilisant des techniques de régression
Série temporelle de la performance par génération de prêts
= f
Lifecycle component» Evolution dynamique des générations
» Modèle linéaire en fonction de l’âge
Composante de cycle de vie
Composante spécifique des groupes par génération» Les attributs de la génération (LTV, type d’actif/type de
collatéral, géographie, etc.) définissent l’hétérogénéité
» Les arriérés passés servent d’approximation pour la qualité des groupes
» Les conditions économiques à l’émission
» Techniques économétriques pour prendre en compte les effets stationnaires non observables
cifique dépendant de la générationBusiness cycle exposure component» Sensibilité de la performance par rapport à l’évolution des
variables macroéconomiques et des séries de crédit
Composante cyclique
18
19
Composante du cycle de vie
Taux de défaut (% of orig. €) en fonction du nombre de mois dans le portefeuille
Stress Testing: crédit à la consommation
Qualité-GénérationStress Testing: crédit à la consommation
Vintage quality index (à gauche) et Disposable Income Growth (à droite) par génération
20
21
Taux de perte cumulé par génération (% of orig. €) et taux de chômage
Qualité-GénérationStress Testing: crédit à la consommation
- Baseline Scenario- Stressed Scenario
Exposition au cycle économique
Stress Testing: crédit à la consommation
Taux de défaut total (% of out. €) sous différents scénarios économiques
22
23
Performance des prêts futurs
Prévision de performance pour les prêts existants
Performance historique
Juin 2004 - Juin 2008 Performance d’un portefeuille de prêt immobilier pour le scénario central
Stress Testing: banque de détail
Une architecture centraliséeStratégie
(Croissance, Appétit au risque, Notation cible, M&A, etc.)
Modèles de PD et LGDCommercial & industrielImmobilier commercialImmobilier résidentiel
Scénarios économiques/réglementaires(Tierce partie, propriétaire, CEBS, FED)
Capital réglementaireEAD = f(comportements, nouvelle production)Risk mitigation / Effective LGDRWA = f(EAD, PD, LGD*)Buffer contracyclique
Transformation
Capital économiqueEAD = f(comportements, nouvelleproduction)Risk mitigation / Effective LGDEC = f(EAD, PD, LGD*, Corrélations)
Données de marchéTaux d’intérêtPrix de marchéTaux de changeCorrélation
Transformation
BilanComportementalNouvelle productionCoût de refinancement/TCIMarge nette d’intérêt
Transformation
Capital Actions ordinairesDividendes / Report à nouveauIntérêts minoritairesProvisions / Déductions
Coût / ImpôtsModélisationAllocation
Transformation
Notation de la banqueScorecard de la banque
Profil de liquiditéImpasses de liquiditéRatios LCR / NSFR
Diversifications
Indicateurs de performanceRAR / EVARARORWARAROC
Prévisions de revenusf(MNI, coûts, CDL)
Prévisions sur plusieurs périodesA
ctions stratégiques
Services et outils de contrôleConsolidation des données
Outils
d’analyseG
estion des scénarios
Actions
des utilisateurs
Contacts
Nicolas Kunghehian
Associate DirectorMoody's Analytics436 Bureaux de la Colline92213 Saint Cloud Cedex
+33 (0) 4.56.38.17.05 direct+33 (0) 6.80.63.83.34 mobile
www.moodys.com
25
Reverse Stress Testing
26
Reverse Stress Testing: Mathematical Challenges
27
The math behind reverse engineering of risk modeling
Macro &Capital Market
Scenarios
Risk Parameters
& Correlation: Credit, Market,
Liquidity, Organizational
Risks
Outputs: Loss Distribution,
Capital Requirements,
Liquidity,etc.
x1
x2
xn
xn+1
xn+2
xn+3
xn+m
y1
ys
z1
But z1 → {y1, y2,…, ys} → {x1, x2,…, xn+m} opens the door to multiplicity
PD
LGD
Loss0
LGD = f(PD)
Reverse Stress Testing: Mathematical Challenges
28
The math behind reverse engineering of risk modeling
Macro &Capital Market
Scenarios
Risk Parameters
& Correlation: Credit, Market,
Liquidity, Organizational
Risks
Outputs: Loss
Distribution,Capital
Requirements,etc.
x1
x2
xn
xn+1
xn+2
xn+3
xn+m
y1
ys
z1
From PD, LGD, Correlation and other RiskParameters to Consistent Macro and Capital
Market Scenarios:
Multiplicity is still an issue! Identification problems to be dealt with.
Reducing the dimension of the Macro Scenarios (factor analysis) could match the two dimensions
Squeeze Box Approach to Reverse Stress Testing
29
1- Model the GEF conditional on different macroeconomic scenarios2- Link GEF with Risk Parameters: PD, LGD, Correlations, etc3- Condition our original stock indices on the GEF forecasts
to get predictions across alternative scenarios.
DJ EuroStoxx 50 FTSE 100 S&P 500 SPTSX 60
GEF
Condition GEF on Alternative Macro Scenarios
Condition DJ EuroStoxx 50 FTSE 100 S&P 500 SPTSX 60 on GEF
Link to Risk Parameters
Hybrid Approach to Reverse Stress Testing
30
Stress on Business
Model
Qualitative Analysis: Key Risks
Potential Scenarios
Time Series of Macro &Financial
Series
Implement scenarios into Risk
Management Tools
Calculate Losses,
Capital and Liquidity
Qualitative R
everseS
tress Testing Q
uantitative Standard
Stress Testing
© 2012 Moody’s Analytics, Inc. and/or its licensors and affiliates (collectively, “MOODY’S”). All rights reserved. ALL INFORMATION CONTAINED HEREIN IS PROTECTED BY COPYRIGHT LAW AND NONE OF SUCH INFORMATION MAY BE COPIED OR OTHERWISE REPRODUCED, REPACKAGED, FURTHER TRANSMITTED, TRANSFERRED, DISSEMINATED, REDISTRIBUTED OR RESOLD, OR STORED FOR SUBSEQUENT USE FOR ANY SUCH PURPOSE, IN WHOLE OR IN PART, IN ANY FORM OR MANNER OR BY ANY MEANS WHATSOEVER, BY ANY PERSON WITHOUT MOODY’S PRIOR WRITTEN CONSENT. All information contained herein is obtained by MOODY’S from sources believed by it to be accurate and reliable. Because of the possibility of human or mechanical error as well as other factors, however, all information contained herein is provided “AS IS” without warranty of any kind. Under no circumstances shall MOODY’S have any liability to any person or entity for (a) any loss or damage in whole or in part caused by, resultingfrom, or relating to, any error (negligent or otherwise) or other circumstance or contingency within or outside the control of MOODY’S or any of its directors, officers, employees or agents in connection with the procurement, collection, compilation, analysis, interpretation, communication, publication or delivery of any such information, or (b) any direct, indirect, special, consequential, compensatory or incidental damages whatsoever (including without limitation, lost profits), even if MOODY’S is advised in advance of the possibility of suchdamages, resulting from the use of or inability to use, any such information. The ratings, financial reporting analysis, projections, and other observations, if any, constituting part of the information contained herein are, and must be construed solely as, statements of opinion and not statements of fact or recommendations to purchase, sell or hold any securities. NO WARRANTY, EXPRESS OR IMPLIED, AS TO THE ACCURACY, TIMELINESS, COMPLETENESS, MERCHANTABILITY OR FITNESS FOR ANY PARTICULAR PURPOSE OF ANY SUCH RATING OR OTHER OPINION OR INFORMATION IS GIVEN OR MADE BY MOODY’S IN ANY FORM OR MANNER WHATSOEVER. Each rating or other opinion must be weighed solely as one factor in any investment decision made by or on behalf of any user of the information contained herein, and each such user must accordingly make its ownstudy and evaluation of each security and of each issuer and guarantor of, and each provider of credit support for, each security that it may consider purchasing, holding, or selling.