Table des matières
1. Introduction
Cet article traite d'une lacune critique dans la modélisation du risque de crédit : l'intégration explicite du risque de change (FX) dans l'évaluation de la Probabilité de Défaut (PD) d'un emprunteur et des corrélations d'actifs entre emprunteurs. Intuitivement, un emprunteur dont les actifs et les passifs sont libellés dans des devises différentes fait face à une volatilité supplémentaire, ce qui accroît son risque de défaut. Cette augmentation se manifeste non seulement par une PD individuelle plus élevée, mais aussi par une dépendance aux défauts plus forte (corrélation d'actifs plus élevée) entre des emprunteurs exposés de manière similaire. L'auteur combine des modèles établis — le modèle structurel de défaut de Merton (1974), le modèle d'option de change de Garman-Kohlhagen (1983) et le modèle asymptotique à facteur de risque unique de Vasicek (2002) — pour dériver des formules parcimonieuses reliant les PD et les corrélations avec et sans risque de change.
2. Contexte du modèle
Le fondement du modèle réside dans la représentation des variables économiques clés comme des processus stochastiques.
2.1 Processus de valeur d'actif
La valeur d'actif de l'emprunteur $A(t)$ suit un mouvement brownien géométrique (GBM) :
$dA(t) = \mu A(t)dt + \sigma A(t)dW(t)$
De manière équivalente, $A(t) = A_0 \exp\left((\mu - \sigma^2/2)t + \sigma W(t)\right)$, où $\mu$ est la dérive, $\sigma$ est la volatilité de l'actif, et $W(t)$ est un mouvement brownien standard.
2.2 Processus de taux de change
Le taux de change $F(t)$ (unités de devise de la dette par unité de devise de l'actif) est également modélisé comme un GBM :
$dF(t) = \nu F(t)dt + \tau F(t)dV(t)$
De manière équivalente, $F(t) = F_0 \exp\left((\nu - \tau^2/2)t + \tau V(t)\right)$, où $\nu$ est la dérive, $\tau$ est la volatilité du change, et $V(t)$ est un autre mouvement brownien standard. Les deux mouvements browniens sont corrélés avec le paramètre $r$ : $\text{corr}[V(t)-V(s), W(t)-W(s)] = r$.
2.3 Condition de défaut avec risque de change
Le défaut se produit au temps $t=1$ si la valeur de l'actif convertie dans la devise de la dette tombe en dessous du niveau de dette $D$ :
$F(1)A(1) \leq D$.
Cela peut être commodément normalisé par le taux de change actuel $F_0$ pour exprimer la dette dans la devise locale de l'actif : $F^*(1)A(1) \leq D^*$, où $F^*(t)=F(t)/F_0$ et $D^*=D/F_0$.
3. Dérivation des principaux résultats
Sous les hypothèses du modèle, l'auteur dérive des expressions analytiques pour la PD et la corrélation d'actifs sous risque de change.
3.1 Probabilité de défaut ajustée (PD)
La PD sous risque de change, $p^*$, est donnée par la probabilité que le processus logarithmique d'actif combiné tombe en dessous du seuil logarithmique de dette. En supposant l'indépendance entre les processus d'actif et de change ($r=0$) et une dérive nulle pour le taux de change ($\nu = 0$), la PD ajustée est :
$p^* = \Phi\left( \frac{\ln(A_0/D^*) - (\mu - \sigma^2/2)}{\sqrt{\sigma^2 + \tau^2}} \right)$
Comparée à la PD en devise unique $p = \Phi\left( \frac{\ln(A_0/D^*) - (\mu - \sigma^2/2)}{\sigma} \right)$, le dénominateur augmente de $\sigma$ à $\sqrt{\sigma^2 + \tau^2}$, conduisant à une PD plus élevée ($p^* > p$) pour la même distance au défaut, car la volatilité totale augmente.
3.2 Corrélation d'actifs ajustée
La corrélation d'actifs $\varrho^*$ entre deux emprunteurs sous risque de change augmente également. Si les deux emprunteurs sont exposés au même facteur de risque de change, leurs valeurs d'actif deviennent plus corrélées car ils partagent un choc commun supplémentaire provenant du mouvement du taux de change.
3.3 La condition de cohérence fondamentale
Le résultat le plus puissant est une condition de cohérence sans paramètre reliant les changements de PD et de corrélation d'actifs. Pour deux emprunteurs avec des profils de risque identiques, elle se simplifie en :
$\frac{1-\varrho^*}{1-\varrho} = \frac{[\Phi^{-1}(p^*)]^2}{[\Phi^{-1}(p)]^2}$
Cette équation (Équation (1) dans l'article) implique qu'on ne peut pas ajuster arbitrairement les PD et les corrélations d'actifs pour le risque de change de manière indépendante ; elles sont intrinsèquement liées. Une augmentation de la PD ($p^* > p$) doit s'accompagner d'une augmentation de la corrélation d'actifs ($\varrho^* > \varrho$).
4. Principaux enseignements et perspective de l'analyste
Enseignement fondamental : Le travail de Tasche n'est pas seulement un exercice mathématique ; c'est une mise en accusation formelle de l'approche cloisonnée courante du risque de marché et du risque de crédit. L'article prouve que la volatilité du change n'ajoute pas simplement une prime fixe aux spreads de crédit — elle modifie fondamentalement la dynamique de défaillance conjointe des obligataires. La condition de cohérence dérivée est un puissant test de cohérence : si vos PD ajustées au risque de change augmentent mais que vos corrélations restent statiques, votre modèle est incohérent en interne et sous-estime probablement le risque de queue du portefeuille.
Flux logique : L'argument est élégamment simple. 1) Modéliser les actifs et les taux de change comme des GBM corrélés. 2) Définir le défaut via la valeur d'actif convertie. 3) Observer que la volatilité effective qui détermine le défaut est $\sqrt{\sigma^2 + \tau^2}$. 4) Cette volatilité plus élevée augmente à la fois la probabilité de défaut marginale (PD) et le co-mouvement (corrélation) entre les entreprises exposées au même facteur de change. La condition de cohérence finale émerge naturellement de cette géométrie.
Points forts et faiblesses : Le principal point fort est la tractabilité. En faisant des hypothèses standard (bien que fortes) — GBM, indépendance, dérive de change nulle — le modèle produit une formule claire et utilisable. C'est bien plus actionnable pour les gestionnaires de risque que des simulations complexes et lourdes en calcul. La faiblesse, cependant, réside dans ces mêmes hypothèses. Le modèle de Garman-Kohlhagen, bien que fondateur, est connu pour avoir du mal à capturer les sourires de volatilité et les sauts du change, comme noté dans la littérature plus récente (par exemple, Bakshi, Cao et Chen, 1997). Supposer l'indépendance entre la valeur d'actif d'une entreprise et le taux de change est également une limitation significative, en particulier pour les entreprises exportatrices dont la fortune est directement liée aux mouvements de devises. Le modèle, tel que présenté, est une approximation de premier ordre.
Enseignements actionnables : Pour les praticiens, cet article impose un changement procédural. Premièrement, validez vos corrélations. Utilisez la condition de cohérence pour rétro-tester si les paires PD-corrélation estimées historiquement pour les entreprises actives à l'international sont alignées avec les prédictions du modèle pendant les périodes de forte volatilité du change. Deuxièmement, effectuez des tests de résistance sur votre portefeuille. Appliquez la formule pour choquer simultanément les PD et les corrélations dans un scénario de choc de change sévère, plutôt que de manière isolée. Cela révélera des vulnérabilités concentrées que les modèles standard manquent. Enfin, ce travail souligne la nécessité de plateformes de risque intégrées. Alors que le paysage réglementaire évolue vers des principes comme le risque de taux d'intérêt dans le portefeuille bancaire (IRRBB) de Bâle III, qui reconnaît le risque de change, des modèles comme celui de Tasche fournissent un argument quantitatif fondamental pour briser les silos entre les départements de risque de marché et de risque de crédit.
5. Détails techniques et cadre mathématique
La dérivation mathématique centrale implique de caractériser le logarithme de la valeur d'actif normalisée $X = \ln(F^*(1)A(1)/A_0)$. Sous les hypothèses du modèle :
$X \sim N\left(\mu - \frac{\sigma^2 + \tau^2}{2}, \sigma^2 + \tau^2 + 2r\sigma\tau\right)$
La condition de défaut $F^*(1)A(1) \leq D^*$ devient $X \leq \ln(D^*/A_0)$. La PD est donc $p^* = \Phi\left( \frac{\ln(D^*/A_0) - (\mu - (\sigma^2+\tau^2)/2)}{\sqrt{\sigma^2 + \tau^2 + 2r\sigma\tau}} \right)$. La condition de cohérence est dérivée en considérant les valeurs d'actif de deux entreprises et en appliquant le modèle asymptotique à facteur de risque unique de Vasicek (2002), qui relie les seuils de défaut aux corrélations d'actifs.
6. Cadre analytique : un exemple de cas pratique
Scénario : Une banque européenne a un portefeuille de prêts contenant deux entreprises manufacturières, l'Entreprise A (allemande, actifs en EUR, dette en USD) et l'Entreprise B (japonaise, actifs en JPY, dette en USD). La banque a estimé leurs PD en devise unique à $p_A = p_B = 1\%$ et une corrélation d'actifs de $\varrho = 15\%$, en ignorant le risque de change.
Analyse : La banque souhaite maintenant intégrer les risques USD/EUR et USD/JPY. En utilisant des modèles internes, elle estime que la volatilité de change supplémentaire augmente la PD de chaque entreprise à $p^*_A = p^*_B = 1.5\%$.
Application de la condition de cohérence : La banque doit maintenant ajuster la corrélation d'actifs. En utilisant la formule :
$\frac{1-\varrho^*}{1-0.15} = \frac{[\Phi^{-1}(0.015)]^2}{[\Phi^{-1}(0.01)]^2} = \frac{(-2.17)^2}{(-2.33)^2} \approx 0.87$
La résolution donne $\varrho^* \approx 1 - 0.87*(0.85) \approx 26\%$.
Interprétation : L'introduction d'un facteur de risque de change commun (force de l'USD) n'augmente pas seulement le risque de défaut individuel de 50% (de 1% à 1,5%), mais augmente aussi significativement la dépendance aux défauts entre les deux entreprises, de 15% à 26%. Un modèle de portefeuille qui ajusterait seulement les PD sous-estimerait substantiellement le risque de défauts multiples survenant simultanément lors d'un événement d'appréciation de l'USD.
7. Perspectives d'application et orientations futures
Les implications de cette recherche s'étendent au-delà du prêt d'entreprise traditionnel.
- Risque climatique et transition juste : Le cadre peut être adapté pour modéliser comment les risques climatiques physiques (par exemple, les inondations) ou les risques de transition (taxes carbone) agissent comme un nouveau facteur « systématique » augmentant à la fois les PD et les corrélations pour les secteurs exposés, similairement au facteur de change.
- Cryptomonnaies et prêt DeFi : Dans la finance décentralisée, où les prêts sont souvent garantis par des cryptomonnaies volatiles, la logique du modèle est directement applicable. La volatilité de l'actif de garantie ($\tau$) augmente drastiquement le risque de contrepartie et la corrélation dans les pools de prêt.
- Capital réglementaire (Bâle IV) : Le modèle fournit une base théorique pour argumenter que les hypothèses de corrélation d'actifs fixes de l'approche Foundation Internal Ratings-Based (F-IRB) peuvent être inadéquates pour les portefeuilles avec un décalage de change significatif, justifiant potentiellement l'utilisation d'approches avancées.
- Recherche future : Les extensions clés incluent l'assouplissement de l'hypothèse d'indépendance pour modéliser des entreprises avec des couvertures naturelles ou des dépendances à l'exportation, l'intégration de la volatilité stochastique pour les actifs et les taux de change (par exemple, modèle de Heston), et la validation empirique de la condition de cohérence à travers différents cycles économiques et régimes de change.
8. Références
- Merton, R. C. (1974). On the pricing of corporate debt: The risk structure of interest rates. The Journal of Finance, 29(2), 449-470.
- Garman, M. B., & Kohlhagen, S. W. (1983). Foreign currency option values. Journal of International Money and Finance, 2(3), 231-237.
- Vasicek, O. (2002). The distribution of loan portfolio value. Risk, 15(12), 160-162.
- Bakshi, G., Cao, C., & Chen, Z. (1997). Empirical performance of alternative option pricing models. The Journal of Finance, 52(5), 2003-2049.
- Basel Committee on Banking Supervision. (2016). Standards: Interest rate risk in the banking book. Bank for International Settlements.