Calcul de Value at Risk (VaR)
Estimez rapidement la perte potentielle maximale d’un portefeuille sur un horizon donné, selon un niveau de confiance choisi. Ce calculateur premium prend en charge la méthode paramétrique et la simulation Monte Carlo, puis visualise la distribution des pertes avec un graphique interactif.
Calculateur interactif VaR
Renseignez les paramètres puis cliquez sur « Calculer la VaR » pour afficher les résultats détaillés.
Guide expert du calcul de value at risk
La Value at Risk, ou VaR, est l’un des indicateurs de risque de marché les plus utilisés en gestion d’actifs, en trésorerie, dans les banques et chez les investisseurs professionnels. Son idée est simple : estimer, pour un horizon de temps donné et un niveau de confiance défini, la perte potentielle maximale d’un portefeuille dans des conditions de marché ordinaires. En pratique, si un portefeuille présente une VaR à 95 % sur 1 jour de 100 000 €, cela signifie qu’il existe 95 % de probabilité que la perte quotidienne ne dépasse pas 100 000 €, et 5 % de probabilité qu’elle soit supérieure.
La puissance de la VaR vient de sa capacité à transformer un risque multidimensionnel en une mesure monétaire intuitive. Elle facilite la comparaison entre des stratégies, des portefeuilles, des classes d’actifs et des périodes. Elle est également au cœur du pilotage du capital économique, de la définition des limites de trading, du reporting aux comités de risques et de certaines approches réglementaires. Toutefois, cette simplicité apparente ne doit pas masquer ses hypothèses ni ses limites. Un calcul de value at risk rigoureux exige de bien comprendre le modèle choisi, la qualité des données et l’interprétation du résultat.
Définition opérationnelle de la VaR
La VaR répond à trois questions précises :
- Quel portefeuille mesure-t-on ?
- Sur quel horizon ? Un jour, dix jours, un mois ?
- Avec quel niveau de confiance ? 90 %, 95 %, 99 % ?
Formellement, la VaR est un quantile de la distribution des pertes. Plus le niveau de confiance est élevé, plus on regarde loin dans la queue de distribution, donc plus la VaR a tendance à augmenter. C’est pourquoi une VaR à 99 % est presque toujours supérieure à une VaR à 95 %, toutes choses égales par ailleurs.
Les principales méthodes de calcul
Il existe trois grandes familles de méthodes, même si le calculateur ci-dessus se concentre sur les deux plus courantes pour un usage pratique :
- La méthode paramétrique, aussi appelée variance-covariance.
- La simulation historique, fondée sur de vraies variations passées.
- La simulation Monte Carlo, qui génère de nombreux scénarios aléatoires.
La méthode paramétrique suppose généralement que les rendements suivent une loi normale et que la volatilité est connue. Dans ce cadre, la formule de base pour un portefeuille simple est :
VaR = Valeur du portefeuille × (z × volatilité × racine carrée de l’horizon – rendement attendu × horizon)
Le coefficient z est le quantile de la loi normale associé au niveau de confiance. Cette approche est rapide, élégante et très utilisée pour les portefeuilles linéaires ou lorsque l’on veut un calcul instantané. Elle devient toutefois moins fiable dès que les rendements présentent des asymétries fortes, des queues épaisses ou des instruments non linéaires comme certaines options.
La simulation Monte Carlo, elle, génère des milliers voire des millions de trajectoires de marché. On en déduit ensuite la distribution des pertes du portefeuille, puis on lit le quantile correspondant au niveau de confiance. Cette méthode est plus souple et plus réaliste pour des portefeuilles complexes, mais elle est plus coûteuse en calcul et dépend fortement de la qualité du modèle de simulation.
Tableau de référence des quantiles usuels
| Niveau de confiance | Quantile normal unilatéral (z) | Probabilité d’excès | Interprétation |
|---|---|---|---|
| 90 % | 1,2816 | 10,0 % | Seuil utile pour une vision plus tolérante du risque |
| 95 % | 1,6449 | 5,0 % | Standard courant pour le pilotage interne |
| 97,5 % | 1,9600 | 2,5 % | Niveau proche de certaines approches prudentielles |
| 99 % | 2,3263 | 1,0 % | Mesure plus conservatrice du risque extrême |
| 99,9 % | 3,0902 | 0,1 % | Très sévère, adapté à des cadres de stress élevé |
Ces quantiles sont des statistiques exactes de la loi normale standard et sont largement utilisés dans les modèles paramétriques. Ils constituent le cœur mathématique du passage entre la volatilité observée et la perte monétaire potentielle. Si votre portefeuille vaut 10 millions d’euros, qu’il a une volatilité quotidienne de 1 % et que vous retenez 99 %, le facteur 2,3263 entre directement dans le calcul.
Horizon de temps : pourquoi 10 jours ne valent pas 10 fois 1 jour
Un point souvent mal compris dans le calcul de value at risk est l’échelle de temps. Sous l’hypothèse d’indépendance des rendements et de volatilité stable, on annualise ou on désannualise la volatilité à l’aide de la racine carrée du temps. Ainsi, une volatilité sur 10 jours n’est pas égale à 10 fois la volatilité quotidienne, mais à :
Volatilité 10 jours = volatilité 1 jour × racine carrée de 10
Cette hypothèse est pratique, mais imparfaite. En période de crise, les rendements sont souvent corrélés dans le temps, la volatilité change brutalement et les queues de distribution s’épaississent. Dans ces cas, la simple racine carrée du temps peut sous-estimer le risque réel. C’est pour cette raison que les institutions complètent la VaR par des stress tests, des scénarios extrêmes et des mesures telles que l’Expected Shortfall.
Combien d’exceptions attendre dans l’année ?
Une bonne manière de comprendre la VaR est d’observer sa fréquence théorique de dépassement. Sur 250 jours de bourse par an, le nombre moyen d’exceptions attendues dépend directement du niveau de confiance. Cela joue un rôle important dans le backtesting, c’est-à-dire la comparaison entre les pertes réelles et les pertes prévues par le modèle.
| Niveau de confiance | Taux théorique de dépassement | Exceptions attendues sur 250 jours | Lecture pratique |
|---|---|---|---|
| 90 % | 10,0 % | 25,0 | Le modèle sera dépassé assez souvent |
| 95 % | 5,0 % | 12,5 | Référence fréquente pour le suivi interne |
| 97,5 % | 2,5 % | 6,25 | Modèle plus prudent, moins d’exceptions |
| 99 % | 1,0 % | 2,5 | Seulement deux à trois dépassements annuels en moyenne |
| 99,9 % | 0,1 % | 0,25 | Une exception théorique tous les quatre ans environ |
Ces chiffres sont très utiles pour tester la crédibilité d’un modèle. Si une VaR à 99 % est dépassée 15 fois en un an, le problème ne vient probablement pas du hasard seul : la volatilité est mal estimée, la distribution n’est pas adaptée, les corrélations changent trop vite, ou les positions du portefeuille sont insuffisamment capturées.
Comment interpréter correctement le résultat
Il est essentiel de ne pas surinterpréter la VaR. Elle ne dit pas :
- la perte maximale absolue possible ;
- ce qui se passe au-delà du quantile ;
- la gravité moyenne des pertes extrêmes ;
- la probabilité d’un défaut de contrepartie ou d’un choc de liquidité ;
- le risque non linéaire complet si le modèle simplifie trop les instruments.
En revanche, elle dit quelque chose de très utile : dans des conditions normales de marché, quel seuil de perte a de fortes chances de ne pas être dépassé sur un horizon donné. C’est une mesure de pilotage, pas une prophétie. Les professionnels l’emploient donc comme une brique dans un cadre de risque plus large, aux côtés de l’Expected Shortfall, de la sensibilité, de la duration, du stress testing et de l’analyse de liquidité.
VaR paramétrique versus Monte Carlo
Le choix de la méthode dépend du portefeuille et du niveau de sophistication recherché :
- Paramétrique : idéale pour une estimation rapide, des portefeuilles simples et des rendements approximativement normaux.
- Monte Carlo : préférable lorsque le portefeuille contient des options, des expositions non linéaires ou plusieurs facteurs de risque difficiles à résumer en une seule volatilité.
Dans le calculateur ci-dessus, la méthode Monte Carlo simule une distribution de rendements à partir du rendement attendu et de la volatilité. On en déduit la distribution des pertes du portefeuille, puis la VaR correspond au quantile empirique choisi. Le graphique affiche l’histogramme des pertes simulées. Les barres situées à droite du seuil de VaR représentent la zone de queue où se trouvent les scénarios les plus sévères.
Les limites structurelles du calcul de value at risk
Même lorsqu’elle est bien calculée, la VaR présente des limites connues :
- Dépendance au modèle : une mauvaise hypothèse de distribution peut sous-estimer fortement le risque.
- Insensibilité partielle aux queues extrêmes : deux portefeuilles peuvent avoir la même VaR mais des pertes catastrophiques très différentes au-delà du seuil.
- Effets de corrélation : les corrélations se dégradent souvent en crise, ce qui réduit l’effet de diversification observé en période calme.
- Risque de liquidité : vendre en stress coûte souvent beaucoup plus cher que ne le suggère la seule volatilité historique.
- Non-stationnarité : les marchés changent de régime, parfois brutalement.
C’est pour cela que de nombreuses institutions complètent le calcul de value at risk par l’Expected Shortfall, également appelé CVaR. Cette mesure estime la perte moyenne conditionnelle au fait que la VaR soit dépassée. Elle capte mieux la sévérité des scénarios extrêmes. Dans notre calculateur, cette statistique est également affichée afin de fournir une lecture plus complète du risque.
Bonnes pratiques pour une utilisation professionnelle
Pour exploiter la VaR de manière sérieuse, il est recommandé de :
- mettre à jour régulièrement les paramètres de volatilité et de rendement ;
- adapter l’horizon au besoin réel de liquidité ou de détention ;
- faire du backtesting sur des périodes suffisamment longues ;
- tester des scénarios de crise non observés dans l’historique récent ;
- suivre en parallèle l’Expected Shortfall et les stress tests ;
- ne pas utiliser une seule mesure pour prendre toutes les décisions de risque.
Exemple conceptuel complet
Supposons un portefeuille de 5 000 000 € avec une volatilité quotidienne de 1,2 %, un rendement quotidien attendu de 0,02 %, un horizon de 10 jours et un niveau de confiance de 99 %. Avec la méthode paramétrique, on applique le quantile 2,3263, la racine carrée de 10 et la valeur du portefeuille. On obtient une estimation monétaire de la perte potentielle maximale dans 99 % des cas sur 10 jours. Si la VaR ressort à environ 430 000 €, cela ne signifie pas qu’on ne peut jamais perdre 600 000 € ou 1 000 000 €. Cela signifie plutôt que ces pertes sont censées appartenir au 1 % de scénarios les plus défavorables selon le modèle retenu.
En phase de stress, la perte réelle peut être bien supérieure. C’est précisément pourquoi les régulateurs, les banques centrales et les gestionnaires quantitatifs insistent sur l’importance de la validation des modèles et de la combinaison des outils. Un calcul de value at risk est utile lorsqu’il est replacé dans une gouvernance du risque cohérente.
Sources d’autorité pour approfondir
Pour aller plus loin, consultez des ressources institutionnelles et académiques reconnues : Federal Reserve, U.S. Securities and Exchange Commission, MIT OpenCourseWare.
Conclusion
Le calcul de value at risk reste un standard incontournable pour quantifier le risque de marché. Bien utilisé, il donne une mesure claire, monétaire et comparable de l’exposition d’un portefeuille. Mais sa valeur dépend de la qualité des hypothèses, des données et du cadre de contrôle. Pour une décision robuste, il faut l’accompagner d’analyses complémentaires, notamment l’Expected Shortfall, le backtesting, les scénarios de crise et l’étude de la liquidité. Le calculateur présenté ici fournit une base concrète pour estimer rapidement la VaR et visualiser la distribution des pertes, tout en rappelant que la gestion du risque exige toujours une lecture experte du contexte de marché.