(Risque de migration) J.Janssen,Solvay Business School, Brussels R.Manca,La Sapienza, Roma

Dimension: px
Commencer à balayer dès la page:

Download "(Risque de migration) J.Janssen,Solvay Business School, Brussels R.Manca,La Sapienza, Roma"

Transcription

1 (Risque de migration) J.Janssen,Solvay Business School, Brussels R.Manca,La Sapienza, Roma Giuseppe Di Biase, Università G. D Annunzio di Chieti, Chieti Guglielmo D Amico, Università G. D Annunzio di Chieti, Chieti 1

2 1. Mo&va&on Surveillance du risque de défaut (entreprises publiques ou privées, pays): via agences de notation par rating Utilisation Bâle II (modèle standard et IRB) Impact sur la valeur du spread pour obligations, dérivés de crédit (CDS, ) Impact sur les dettes souveraines Impact sur l avenir de l EURO 2

3 1. Mo&va&on Point essentiel: étude de la migration ou de l évolution dynamique du rating en particulier des Downgrading (dégradation d une note) Upgrading (amélioration d une note) Par modélisation stochastique: modèle à états et discret dans le temps BD utilisée(par secteurs économiques): Standard and Poors 3

4 2.Grades principaux SP AAA Risque très limité, quasi nul AA Idem mais volatilité plus forte A Plus sensible à la dégradation de l env. économique BBB Plus sensible que A à la dégradation de l env. économique BB Remboursement incertain B Paiements non assurés CCC Ris. de défaut important D Retard de paiement ou défaillance NR «not reported» 4

5 2.Grades intermédiaires AAA- AA+ AA- BBB+ BBB- BB+ BB- CCC+ CCC- +:upgrading (perspective positive) - :downgrading (perspective négative) 5

6 2. Exemple Matrice de transi&on d un ra&ng (Standard et Poors (1998)avec NR) effect if AAA AA A BBB BB B CC C D N.R. TOT AL 165 AAA AA A BBB BB B CC C 7 N.R

7 2. Exemple Matrice de transi&on d un ra&ng (Standard et Poors sans NR, plus récente) AAA AA A BBB BB B C D AAA 0, , , , , , , ,00116 AA 0, ,6284 0, , , , , ,0006 A 0, , , , , , , ,00112 BBB 0, , , , , , ,007 0,0021 BBB 0, ,0221 0, , , , , ,00383 B 0, , , , ,2196 0, , ,01827 C 0,0026 0, , , , , , ,30057 D

8 3.Approche de base dans Bâle II Approche standard notion de risque pondéré (ratio McDonough) AAA AA A+ A- BBB +BBB - BB +B- CCC +C N R Souverain Banques Banques BBB+ 100 à BB- 100 B+ à C Entreprises 8

9 3.Approche de base dans Bâle II(IRB) (i) La probabilité de défaut (PD) (ii) l exposition au défaut (EAD) (ii) la perte en cas de défaut (LGD) (iii) L expected loss (EL) se calcule comme suit : EL=PDxEADxLGD Avec système de notation interne et à chaque degré est associée un PD. Si pas de PD fiable, retour à une notation externe 9

10 4.Trajectoire en temps con&nu d une évolu&on de ra&ng

11 4.Trajectoire en temps discret d une évolu&on de ra&ng

12 4.Comparaison des deux Modèles

13 4.Temps d Observa&on de S&P

14 4.Les 3 trajectoires 14

15 5. Type de modélisa&on Utiliser un modèle à un nombre finis d états avec temps de séjour aléatoire dans chaque état Modélisation semi- markovienne Homogène dans le temps Non- homogène 15

16 6. Processus semi- markoviens (1) 16

17 6. PSM (2) Un espace de probabilité complet Un processus stochastique bidimensionnel : à valeurs dans L ensemble S appelé ensemble des états possibles, représente en fait les notes ou ratings que peut attribuer l agence de notation, la note attribuée en t=n ou à la nième transition et X n le temps de séjour dans l état soit le temps entre deux attributions successives de notes par l agence. Nous supposons que l échelle des temps est discrète, avec l année comme unité, et donc que les v.a. X n prennent leurs valeurs dans l ensemble des nombres naturels. 17

18 6.PSM (3) Nous définissons aussi les v.a. T n représentant les instants de transition et donc définies par : T = X X, n 1 T = X = 0, ps Nous décrirons l évolution stochastique du processus ( ) n ( n, n, 0) J T n par le noyau matriciel mxm Q fonction d une variable temporelle dans le cas homogène et de deux dans le cas non homogène : Q ij (t) = P[ J n+1 = j, T n+1 -T n t J n = i] (2.1) Q ij (s,t) = P[ J n+1 = j, T n+1 t J n = i, T n =s] (2.2) 18

19 PSM(3):propriété semi markovienne cas homogène Jn : Ω S T : n Ω P Jn+ 1 = j, Tn+ 1 Tn t Jn = i = P Jn+ 1 = j, Tn+ 1 Tn t ( Jk, Tk), k n, Jn = i ( = Q ( t)) ij

20 PSM(3):propriété semi markovienne cas non- homogène Jn : Ω S T : n Ω P Jn+ 1 = j, Tn+ 1 t Jn = i, Tn = s = P Jn+ 1 = j, Tn+ 1 t ( Jk, Tk), k n, Jn = i, Tn = s, s< t ( = Q (, s t)) ij

21 PSM(4): CM Incluse Sans tenir compte des instants de transitions, on observe seulement les changements de rating: chaîne de Markov incluse: ( Jn, n = 0,1,...) Les probabilités de transition en une étape sont alors données par: p ij (s)= p ij = lim t Q ij (t); i, j I, t (2.3) lim Q ij (s,t); i, j I, s, t, s t t (2.4) où P et P(s) = [p ij (s)] sont en fait les matrices des probabilités de transition = pij de la chaîne de Markov ( ) ( n, 0) J n respectivement homogène ou non homogène. 21

22 PSM(5):F.dist.des temps de séjour Il est aussi nécessaire d introduire les probabilités que le système quitte un état i avant une période t, dans le cas homogène et entre les instants s et t dans le cas non homogène, soit : H i (t) = P[ T n+1 - T n t J n = i], (2.5) H i (s,t) = P[ T n+1 t J n = i, T n =s]. (2.6) ou H () t = P[ X t J = i], i n+ 1 n H (,) s t = P[ X t s J = i, T = s]. i n+ 1 n n De la définition des noyaux semi markoviens homogènes et non homogène, il résulte que: m H i (t) = Q ij (t), (2.7) j = 1 m H i (s,t) = Q ij (s,t). (2.8) j = 1 22

23 PSM(6):D.cond. des temps de séjour On peut aussi définir les probabilités conditionnelles des temps de séjour X n sous la condition de connaître la future transition : G () t = P[ X t J = i, J = j], ij n+ 1 n n+ 1 G (,) s t = P[ X t s J = i, J = j, T = s], ij n+ 1 n n+ 1 n soit G ij (t)=p[[ T n+1 - T n t J n = i, J n+1 = j ], (2.9) G ij (s,t)=p[ T n+1 t J n = i, J n+1 = j, T n =s]. (2.10) 23

24 PSM(7):D. cond. Des temps de séjour De la définition des noyaux semi markoviens homogènes et non homogène, il résulte que: G ij Qij ( t ) / pij if pij 0, Gij () t = 1 if pij = 0, Qij ( s, t ) / pij ( s) if pij ( s) 0, (,) s t = 1 if pij ( s) = 0. (2.11) (2.12) 24

25 PSM(8): le processus semi- markovien Z Pour définir ce qu est un processus semi-markovien (PSM), il faut introduire le processus de comptage du nombre total de transitions dans (0,t], ( Nt ( ), t 0) défini comme suit { } Nt () = sup n Tn t (2.13) et représentant donc le nombre total de transitions effectuées dans l intervalle de temps [0,t]. Le processus semi-markovien Z = ( Z( t), t 0) associé au noyau homogène ou non homogène Q est alors défini comme suit : Zt () = J, t. N() t Il est clair que Z(t) représente l état occupé en t, soit pour les ratings, la note valable en t. 25

26 7. PSM(9)):trajectoire 26

27 7. PSM (10)Probabilités de transi&on Les probabilités de transition du PSM sont évidemment essentielles ; elles sont définies par : φ ij ( t) = P [ Z( t) = j Z(0) = i], (2.14) [ ] φ ij (,) st = P Zt () = j Z() s = i. (2.15) et vérifient les équations d évolution suivantes (cf. Janssen & Manca (2007)) φ () t = δ (1 H ()) t + b ( ϑ) φ ( t ϑ), (2.16) ij ij i iβ β j β= 1ϑ= 1 φ (,) st δ (1 H(,)) st b (, sϑ) φ ( ϑ,) t ij ij i iβ β j β= 1ϑ= s+ 1 m m t t = + (2.17) 27

28 PSM (11)Probabilités de transi&on en temps discret δ ij représentant le symbole de Kronecker et les fonctions b ij étant définies comme suit : Qij ( t ) Qij ( t 1) if t > 0, bij () t = P[ Jn+ 1 = j, Tn + 1 Tn = t Jn = i] = 0 if t = 0, Qij ( s, t ) Qij ( s, t 1) if t > s, bij (,) s t = P[ Jn+ 1 = j, Tn + 1 = t Jn = i, Tn = s] = 0 if t = s. (2.18) (2.19) 28

29 10 Calibra&on d un modèle PSM Estimer le noyau Q (Q(s)) ou séparément les matrices P et G (P(s) et G(s)) Difficultés nécessite une BD étoffée surtout pour le modèle non homogène, problème de l horizon historique, Application sur les données de S&P (cfr section 15 Exemples) 29

30 11.HSMP RELIABILITY MODEL 1 I = { 1, K, m} Z { Z(), t t 0} = State evolution I = U UD, = U I D, U, U I Rt () = P Zu ( ) U: u 0, t ( ] Reliability function [ ] At () = P Z() t U, Availability function Mt () = 1 PZu ( ) D, u 0, t. Maintainability function ( ]

31 11. HSMP RELIABILITY MODEL 2 Ai () t = φij () t j U r Rk() t = φkj() t j U imbedded MC with : p = δ if i D ij ij m Mk() t = φkj() t j U imbedded MC with : p = δ if i U ij ij

32 I = U 12. HSMP reliability credit risk model { AAA, AA, A, BBB, BB, B, CCC, D} { AAA, AA, A, BBB, BB, B, CCC }, D { D} = = S&P rating states M Has not sense; A=R in reliability credit risk model [ ] ϕ ij () n+ 1 n, n+ 1 n t = P J = j J = i T T > t ϕ () t ij = pij Qij () t 1 H ( t) i

33 12.HSMP reliability credit risk model results φ ij () t probability to stay in the rating class j after a time t starting in the class i at time 0 R() t A() t φ () t = = i i ij j U probability to never go to the default state during a time t 1 H ( t) i no new rating evaluation in a time t ϕ () t ij probability to get the rank j at the next rating evaluation if the previous state was i

34 12. Cas non homogène 1) (), t φ (,) φ représentent les probabilités d avoir le rating the j en t partant de ij ij st l état state i au temps 0 dans le cas homogène ou au temps s dans le cas non homogène et deviennent ici : R R 1') φ (), t φ (,) s t, se définissent comme en 1) mais sont calculées avec les états de ij ij D rendus absorbants et ainsi représentent les probabilités d être dans un bon état j cette fois M M 1") φ () t, φ (,) st,se définissent comme en 1) mais sont calculées avec les états de ij ij U rendus absorbants et ainsi représentent les probabilités d être dans un mauvais état j cette fois. 34

35 12.Cas non homogène (2) 2) Les fonctions1 Hi ( t), 1 H i ( s, t), représentant le probabilités qu il n y pas de nouveau rating dans (0,t) ou dans le cas non homogène dans (s,t); deviennent quant à elles : R i M i R i M i 2') 1 H ( t), 1 H ( s, t), avec les mauvais états absorbants ; 2") 1 H ( t), 1 H ( s, t), avec les bons états absorbants. 35

36 12 Cas non homogène (3) 3) On peut aussi donner la probabilité que le prochain rating soit j étant donné qu il n y ait pas eu de changement dans (0,t) ou dans (s,t) dans le cas non homogène en utilisant les formules générales suivantes : [ ] ϕ ij () n+ 1 n, n+ 1 n t = P X = j X = i T T > t = [ s ] ϕ ij ( st,) = P Jn+ 1 = j Jn i, Tn + 1 t, Tn pij Qij () t 1 H ( t) pij () s Qij (,) s t = > = =. 1 H ( st, ) i i (4.1) 36

37 13.Interpréta&on en termes de ra&ng 4) Les fonctions Ai() t = φi j (), t Ai(, s t) = φij (, s t), i S représentent les j U probabilités qu au temps t, le rating ne soit ni D ni NR, partant de l état i au temps 0 dans le cas homogène ou au temps s dans le cas non homogène 5) Les fonctions R() t = φ () t, R(,) s t = φ (, s t), i U, représentent les i j U ij i probabilités que dans l intervalle (0,t) ou, dans le cas non homogène (s,t) t, le rating ne soit ni D ni NR, partant d un bon état. j U j U ij 37

38 Remarque Remarque pour le modèle sans état NR: La maintainability function M n a évidemment plus d intérêt car D est le seul absorbant et quend la note D est attribuée, le processus se termine donc. De plus, dans le cas considéré ici, l availability function A correspond à la fonction de fiabilité 38

39 14.Probability No Movements Probability to go in the next transition to a state j conditioned to no movements up to time t pij () s Qij (,) s t ϕij ( st, ) = ; homogeneous case 1 H ( s, t) i pij () s Qij (,) s t ϕij ( st, ) = ; non-homogeneous case 1 H ( s, t) i 39

40 15. Three Examples I.Homogeneous SMP II.Non- Homogeneous SMP III. Spread Calculation by Means of DT Non- Homogeneous Semi- Markov Non- Discounted Reward Processes 40

41 Data Of The Examples The entire S&P historical database from 1923 up to 2007 was used for the construction of the matrices of the Markov renewal process. Given that before 1980 the database was really poor we skipped them For the construction of the spreads a small Bloomberg database was used. In this database the data of the spreads in function of the rating was given. The data refer to one month of

42 Example I: Homogeneous Case 42

43 Wai&ng Time D.F. 43

44 Surviving Probabili&es 44

45 Probabili&es Next Transi&on I 45

46 Probabili&es Next Transi&on II 46

47 Probabili&es Next Transi&on III 47

48 Evolu&on Equa&on 48

49 Availability Without NR 49

50 Example II: Non- Homogeneous case 50

51 NH Embedded M.C. II 51

52 NH Embedded MC III 52

53 Surviving Probabili&es 53

54 Next Transi&on Acer No Move I 54

55 Next Transi&on Acer No Move II 55

56 Next Transi&on Acer No Move III 56

57 Next Transi&on Acer No Move IV 57

58 Next Transi&on Acer No Move V 58

59 Next Transi&on Acer No Move VI 59

60 Evolu&on Equa&on I 60

61 Evolu&on Equa&on II 61

62 Evolu&on Equa&on III 62

63 Evolu&on Equa&on IV 63

64 Evolu&on Equa&on V 64

65 Evolu&on Equa&on VI 65

66 Reliability with D Absorbing 66

67 Example III: Spread Evolu&on Problem: Measure of the spread in function of the rating Mean total spread paid in a time T Yearly spread Mean yearly spread Non- Homogeneous Non- Discounted Semi- Markov Reward Processes Spread as permanence rewards 67

68 DTNHSMRewP Not- Discounted V (,) s t = (1 H (,)) s t ψ ( t s) + i i i t b (, s ϑψ ) ( ϑ s) + b (, s ϑ) V ( ϑ,). t iβ i iβ β β Eϑ= s β Eϑ= s Fixed permanence rewards t La partie de l'image avec l'id de relation rid6 n'a pas été trouvée dans le fichier. Non- homogeneous permanence rewards 68

69 Spread Ra&ng Model { AAA, AA, A, BBB, BB, B, C, D} { } { } E= U = AAA, AA, A, BBB, BB, B, C, D= D. [ ] P Zt ( ) DZs ( ) = i= φij ( st, ) = 1 φid( st, ) t j D φij ( ϑ, t) φij (,) st = 1 φ ( ϑ, t) id t 1 Hi ( s, t) Vi(,) s t = ψ i ( t s) + 1 φid ( st, ) t (, ) t biβ s ϑ biβ(, s ϑ) t ψi ( ϑ s) + Vβ ( ϑ, t). β Dϑ= s 1 φid ( st, ) β Dϑ= s 1 φid ( st, ) 69

70 Mean Total Spreads Mean total spreads that are paid for the given time & rating 70

71 Yearly Spread Time AAA AA A BBB BB B CCC Time AAA AA A BBB BB B CCC Spreads Paid Starting From a Rating 71

72 Yearly Mean Spread Time AAA AA A BBB BB B CCC Time AAA AA A BBB BB B CCC Mean of the Spreads Paid Yearly 72

73 References Altman, E. I.(1998). The importance and subtlety of credit rating migration. Journal of Banking and Finance, v. 22, Biffi E., D Amico G., Di Biase G., Janssen J., Manca R., Silvestrov D.(2008). Monte Carlo semi- Markov methods for credit risk migration models and Basel II rules I. Journal of Numerical and Applied Mathematics, 96, Biffi E., D Amico G., Di Biase G., Janssen J., Manca R., Silvestrov D.(2008). Monte Carlo semi- Markov methods for credit risk migration models and Basel II rules II.. Journal of Numerical and Applied Mathematics, 96, Bluhm, C., Overbeck, L., Wagner, C. (2002). An introduction to credit risk management, Chapmann & Hall. Carty, L., Fons, J. (1994).Measuring changes in corporate credit quality. The Journal of Fixed Income v. 4, Cinlar, E. (1975).. Introduction to stochastic processes. Prentice Hall, NY. Crouhy, M., Galai, D., Mark, R. (2000). A comparative analysis of current credit risk models. Journal of Banking and Finance, v. 24, D'Amico G, Janssen J, Manca R. (2005) Homogeneous semi- Markov reliability models for credit risk Management. Decision in Economic and Finance, vol 28, D'Amico G, Janssen J, Manca R. (2006) Credit risk migration semi- Markov models: a reliability approach. Computational Economics, vol 29, D'Amico G, Janssen J, Manca R. (2005) Initial and Final Backward and Forward Discrete Time Non- Homogeneous Semi- Markov Credit Risk models. Methodology and Computing in Applied Probability, 12; p (2010)- D'Amico G., Janssen J. and Manca R (2009) Semi- Markov reliability models with recurrence times and credit rating applications, Journal Of Applied Mathematics & Decision Sciences Volume 2009, Article ID , 17 pages- D'Amico G, Janssen J, Manca R. (2011). Discrete Time Non- Homogeneous Semi- Markov Reliability Transition Credit Risk Models and the Default Distribution Functions. Computational Economics, vol 38, ISSN: D'Amico G, Janssen J, Manca R. (2011)A non- homogeneous semi- Markov reward model for the credit spread computation (with D Amico G., Janssen J.) International Journal of Theoretical and Applied Finance,(2011) vol 14, Hu, Y., Kiesel, R., Perraudin, W. (2001). The estimation of transition matrices for sovereign credit ratings. Journal of Banking and Finance, v. 26, Janssen J., Manca R., (2001). Numerical solution of non homogeneous semi- Markov processes in transient case. Methodology and Computing in Applied Probability. V. 3, ,. Janssen, J., Manca, R., (2006). Applied semi- Markov Processes, Springer, New York. Jarrow, A. J., Lando, D., Turnbull, S. M. (1997). A Markov model for the term structure of credit risk spreads. The Review of Financial Studies, v. 10, Kavvathas, D. (2001). Estimating credit rating transition probabilities for corporate bonds. Working Papers University of Chicago. Koopman, S. J., Lucas, A., Monteiro, A. (2005). The multi- state latent factor intensity models for credit rating transitions, Tinbergen Institute Discussion Paper. Lando, D., Skodeberg, T. M. (2002). Analyzing Rating transitions and rating drift with continuous observations. Journal of Banking and Finance, v. 26, Nickell, P., Perraudin, W., Varotto, S. (2000). Stability of rating transitions. Journal of Banking and Finance, v. 24, Planchet, F., P. Thérond et Jacquemain, J., (2005), Modèles financiers en assurance, Economica, Paris. Roncalli, Thierry (2009). La gestion des risques financiers, Economica, Paris. Standard & Poors Credit Review (1993). Corporate default, rating transition study updated. Mc Graw Hill, New York. Standard & Poors (2001). Rating Performance 2000 Default, Transition, Recovery, and Spreads. Mc Graw Hill, New York. 73

Risk Adjusted Return On Capital

Risk Adjusted Return On Capital Master gestion des risques Abdelkader Bousabaa 19 Novembre 2008 Historique Définition Historique Charles S. Sanford (Bankers Trust) Développement tardif en France État des lieux Historique Définition Définition

Plus en détail

Gilbert Issard Conseil www.issard.com

Gilbert Issard Conseil www.issard.com Gilbert Issard Conseil LE NOUVEL ACCORD DE BALE...3 1. Pilier 1 : Exigences minimales de fonds propres... 3 2. Pilier 2 : Processus de surveillance prudentielle... 6 3. Pilier 3 : Discipline de marché...

Plus en détail

TRAVAUX RÉCENTS DE L OBSERVATOIRE DES ENTREPRISES. Formation Monnaie-Finances CNIS 20 octobre 2005

TRAVAUX RÉCENTS DE L OBSERVATOIRE DES ENTREPRISES. Formation Monnaie-Finances CNIS 20 octobre 2005 TRAVAUX RÉCENTS DE L OBSERVATOIRE DES ENTREPRISES Formation Monnaie-Finances CNIS 20 octobre 2005 1 Les missions de la direction des entreprises La surveillance de la stabilité financière Le contrôle prudentiel

Plus en détail

Pricing de CDS forward

Pricing de CDS forward Pricing de CDS forward SOFYAE THABET HASSA HAJISADEGHIA YASSIE HADDAOUI 4 mars 2008 Le but de ce rapport est de présenter une méthode de pricing des CDS forward. Le marché des Credit Default Swap a connu

Plus en détail

Un modèle markovien de transition agraire

Un modèle markovien de transition agraire Un modèle markovien de transition agraire Fabien Campillo 1 Angelo Raherinirina 1 Rivo Rakotozafy 2 1 Projet MERE INRIA/INRA Montpellier France Fabien.Campillo@inria.fr 2 Université de Fianarantsoa Madagascar

Plus en détail

COMPLÉMENT AU RAPPORT PILIER 3 PUBLIÉ DANS LE DOCUMENT DE RÉFÉRENCE LE 4 MARS 2014 : RISQUES DE CRÉDIT

COMPLÉMENT AU RAPPORT PILIER 3 PUBLIÉ DANS LE DOCUMENT DE RÉFÉRENCE LE 4 MARS 2014 : RISQUES DE CRÉDIT COMPLÉMENT AU RAPPORT PILIER 3 PUBLIÉ DANS LE DOCUMENT DE RÉFÉRENCE LE 4 MARS 2014 : RISQUES DE CRÉDIT INFORMATIONS AU 31 DÉCEMBRE 2013 RISQUE DE CRÉDIT : INFORMATIONS QUANTITATIVES COMPLÉMENTAIRES Les

Plus en détail

De BÂLE II à SOLVABILITE II FRACTALES 2005

De BÂLE II à SOLVABILITE II FRACTALES 2005 De BÂLE II à SOLVABILITE II Solvabilité II s inspire largement des accords de Bâle II et en reprend les grands principes avec la structure en «trois piliers» La tentation est forte de reproduire également

Plus en détail

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Plan de la séance 3 : Le risque de crédit (1) Les opérations de crédit Définition d un crédit La décision de crédit Les crédits aux petites

Plus en détail

5- Valorisation de la dette et structures des taux d'intérêt

5- Valorisation de la dette et structures des taux d'intérêt 5- Valorisation de la dette et structures des taux d'intérêt Objectif : Présenter : 1.Évaluation d'obligation 2.Rendement actuariel (rendement à l'échéance) 3.Risque de taux 4.Structure par termes des

Plus en détail

Examen Final. Indications

Examen Final. Indications DANS LE SECTEUR BANQUE-ASSURANCE NOM : MATRICULE : PRENOM : Examen Final Problèmes Indications Veuillez respecter les indications suivantes: 1. Vous avez 3 heures à disposition 2. Veuillez vérifier que

Plus en détail

25 / 06 / 2008 APPLICATION DE LA RÉFORME BÂLE II

25 / 06 / 2008 APPLICATION DE LA RÉFORME BÂLE II 25 / 06 / 2008 APPLICATION DE LA RÉFORME BÂLE II Avertissement Cette présentation peut comporter des éléments de projection et des commentaires relatifs aux objectifs et à la stratégie de la Société Générale.

Plus en détail

Processus Markoviens Déterministes par Morceaux et Fiabilité Dynamique

Processus Markoviens Déterministes par Morceaux et Fiabilité Dynamique Processus Markoviens Déterministes par Morceaux et Fiabilité Dynamique Karen Gonzalez Benoîte de Saporta et François Dufour IMB, Université Bordeaux Neuvième Colloque Jeunes Probabilistes et Statisticiens

Plus en détail

Exercice 2 du cours Management Bancaire : «Calcul de la VaR d une position de marché»

Exercice 2 du cours Management Bancaire : «Calcul de la VaR d une position de marché» Exercice du cours Management Bancaire : «Calcul de la VaR d une position de marché» La réglementation bancaire impose aux banques de maintenir un niveau de capital minimum pour absorber les pertes dues

Plus en détail

Regime Switching Model : une approche «pseudo» multivarie e

Regime Switching Model : une approche «pseudo» multivarie e Regime Switching Model : une approche «pseudo» multivarie e A. Zerrad 1, R&D, Nexialog Consulting, Juin 2015 azerrad@nexialog.com Les crises financières survenues dans les trente dernières années et les

Plus en détail

Analyse du Risque et Couverture des Tranches de CDO Synthétique

Analyse du Risque et Couverture des Tranches de CDO Synthétique Analyse du Risque et Couverture des Tranches de CDO Synthétique Areski Cousin Laboratoire de Sciences Actuarielle et Financière ISFA, Université Lyon 1 Soutenance de Thèse, Lyon, 17 Octobre 2008 Directeur

Plus en détail

La revue fondamentale du portefeuille de négociation, une réponse aux limites observées pendant la crise

La revue fondamentale du portefeuille de négociation, une réponse aux limites observées pendant la crise La revue fondamentale du portefeuille de négociation, une réponse aux limites observées pendant la crise Conférence PRMIA Revue Fondamentale du Trading Book Quel trading pour les années à venir Paris,

Plus en détail

ANALYSE DU RISQUE DE CRÉDIT

ANALYSE DU RISQUE DE CRÉDIT ANALYSE DU RISQUE DE CRÉDIT Banque & Marchés Cécile Kharoubi Professeur de Finance ESCP Europe Philippe Thomas Professeur de Finance ESCP Europe TABLE DES MATIÈRES Introduction... 15 Chapitre 1 Le risque

Plus en détail

Projet de modélisation en présence de risque de défaut : Article sur la valorisation des CDS - Dominik O Kane Stuart Turnbull -

Projet de modélisation en présence de risque de défaut : Article sur la valorisation des CDS - Dominik O Kane Stuart Turnbull - T. Moudiki, X. Milhaud - M2R SAF Projet de modélisation en présence de risque de défaut : Article sur la valorisation des CDS - Dominik O Kane Stuart Turnbull - Sous la direction de M. Tchapda ISFA - Mai

Plus en détail

Gestion des Risques Financiers

Gestion des Risques Financiers Gestion des Risques Financiers Thierry Roncalli 9 janvier 2008 Merci de rédiger entièrement vos réponses. 1 La réglementation Bâle II 1. Quelles sont les principales diérences entre l'accord originel de

Plus en détail

Wacc et risque de défaut. Jean-Michel Moinade Oddo Corporate Finance

Wacc et risque de défaut. Jean-Michel Moinade Oddo Corporate Finance Wacc et risque de défaut Jean-Michel Moinade Oddo Corporate Finance Stocks, Flux et Actualisation (MM1) Approche de Modigliani-Miller (première version) Approche Théorique Approche Théorique Agrégat Flux

Plus en détail

La mesure et la gestion des risques bancaires : Bâle II et les nouvelles normes comptables

La mesure et la gestion des risques bancaires : Bâle II et les nouvelles normes comptables La mesure et la gestion des risques bancaires : Bâle II et les nouvelles normes comptables Cycle de Conférence à la Cour de Cassation 21 février 2005 Alain Duchâteau Directeur de la Surveillance Générale

Plus en détail

EDC. Analyse des risques bancaires 5 ème année Finances Dominique Soulier. Durée de l épreuve : 2 heures

EDC. Analyse des risques bancaires 5 ème année Finances Dominique Soulier. Durée de l épreuve : 2 heures EDC Analyse des risques bancaires 5 ème année Finances Dominique Soulier Durée de l épreuve : 2 heures Calculatrice autorisée Pas de documentation autorisée Notation Questions à choix multiples (25) Une

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

EVALUATION DES CDS ET CDO

EVALUATION DES CDS ET CDO EVALUATION DES CDS ET CDO ARMAND NGOUPEYOU 15 novembre 2007 Credit Default Swap Le Credit Default Swap de maturité T est un contrat de protection qui porte sur le défaut d un emprunteur("single Name").L

Plus en détail

1 La formule de Black et Scholes en t discret

1 La formule de Black et Scholes en t discret Université de Provence Préparation Agrégation Epreuve de Modélisation, Option Proba. Texte : La formule de Black Scholes en Finance Étienne Pardoux 1 La formule de Black et Scholes en t discret On suppose

Plus en détail

Couverture dynamique des produits dérivés de crédit dans les modèles à copules

Couverture dynamique des produits dérivés de crédit dans les modèles à copules Couverture dynamique des produits dérivés de crédit dans les modèles à copules David Kurtz, Groupe de Recherche Opérationnelle Workshop Copula in Finance, 14 mai 2004, ENS Cachan Sommaire 1 Le marché des

Plus en détail

EVALUATION DES CRÉDITS ACCORDÉS PAR LES BANQUES : NORMES IFRS ET RÉGLEMENTATION PRUDENTIELLE BÂLE II

EVALUATION DES CRÉDITS ACCORDÉS PAR LES BANQUES : NORMES IFRS ET RÉGLEMENTATION PRUDENTIELLE BÂLE II Réflexion EVALUATION DES CRÉDITS ACCORDÉS PAR LES BANQUES : NORMES IFRS ET RÉGLEMENTATION PRUDENTIELLE BÂLE II La première partie de cet article concerne les spécificités du bilan bancaire à l origine

Plus en détail

Atelier 2 : Etudes thérapeutiques. 16h30 17h15 Unités de modélisation Individuelles : micro-simulations Franck Maunoury

Atelier 2 : Etudes thérapeutiques. 16h30 17h15 Unités de modélisation Individuelles : micro-simulations Franck Maunoury LA MODELISATION DE L EFFICIENCE : Comment CONSTRUIRE une étude de PRIMO inscription? SEMINAIRE JGEM-SFES Atelier 2 : Etudes thérapeutiques 16h30 17h15 Unités de modélisation Individuelles : micro-simulations

Plus en détail

PLANS ET PROGRESSIONS D ETUDES / study plans

PLANS ET PROGRESSIONS D ETUDES / study plans PLANS ET PROGRESSIONS D ETUDES / study plans REFERENTIEL BRSC PRO CYCLE CLASSE DUREE /années AGE DUREE D UNE PERIODE ECHELLE TARIFAIRE A Préparatoire 1 1 7 30 A A Préparatoire 2 2 8 30 A A Préparatoire

Plus en détail

Comment piloter une entreprise d assurance IARD sous Solvabilité II?

Comment piloter une entreprise d assurance IARD sous Solvabilité II? Comment piloter une entreprise d assurance IARD sous Solvabilité II? Journées IARD de l Institut des Actuaires Les nouveaux défis de l assurance IARD liés à Solvabilité II 11 avri l 2012 Gildas Robert,

Plus en détail

MAT 2377 Solutions to the Mi-term

MAT 2377 Solutions to the Mi-term MAT 2377 Solutions to the Mi-term Tuesday June 16 15 Time: 70 minutes Student Number: Name: Professor M. Alvo This is an open book exam. Standard calculators are permitted. Answer all questions. Place

Plus en détail

Scénarios économiques en assurance

Scénarios économiques en assurance Motivation et plan du cours Galea & Associés ISFA - Université Lyon 1 ptherond@galea-associes.eu pierre@therond.fr 18 octobre 2013 Motivation Les nouveaux référentiels prudentiel et d'information nancière

Plus en détail

B&S Pratique et limites

B&S Pratique et limites B&S Pratique et limites Christophe Chorro (christophe.chorro@univ-paris1.fr) Université Paris 1 Décembre 2008 hristophe Chorro (christophe.chorro@univ-paris1.fr) (Université Paris BS 1) Pratique et limites

Plus en détail

Modélisation du risque de crédit et asymétrie d information

Modélisation du risque de crédit et asymétrie d information Modélisation du risque de crédit et asymétrie d information David Kurtz, Groupe de Recherche Opérationnelle 10 juin 2004, Université de Poitiers Introduction [1] (1) Le risque de crédit (2) Modèles structurels

Plus en détail

Équation de Langevin avec petites perturbations browniennes ou

Équation de Langevin avec petites perturbations browniennes ou Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,

Plus en détail

Provisionnement face au risque de défaut des emprunteurs

Provisionnement face au risque de défaut des emprunteurs Provisionnement face au risque de défaut des emprunteurs Geoffrey Nichil et Pierre Vallois Institut Elie Cartan de Lorraine. 6-11 Avril 2014 1/12 Geoffrey Nichil et Pierre Vallois Provisionnement face

Plus en détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS. Semestre d hiver 2001-2002

DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS. Semestre d hiver 2001-2002 Département d économie politique DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS Semestre d hiver 2001-2002 Professeurs Marc Chesney et François Quittard-Pinon Séance

Plus en détail

Valeur de l information pour un décideur. Cours Incertitude, temps et information

Valeur de l information pour un décideur. Cours Incertitude, temps et information Valeur de l information pour un décideur Cours Incertitude, temps et information Plan Introduction Structure d information Propriétés de la valeur de l information Irréversibilité et quasi valeur d option

Plus en détail

Cloud Computing: de la technologie à l usage final. Patrick CRASSON Oracle Thomas RULMONT WDC/CloudSphere Thibault van der Auwermeulen Expopolis

Cloud Computing: de la technologie à l usage final. Patrick CRASSON Oracle Thomas RULMONT WDC/CloudSphere Thibault van der Auwermeulen Expopolis Cloud Computing: de la technologie à l usage final Patrick CRASSON Oracle Thomas RULMONT WDC/CloudSphere Thibault van der Auwermeulen Expopolis ADOPTION DU CLOUD COMPUTING Craintes, moteurs, attentes et

Plus en détail

Correction des exercices du livre La Gestion des Risques Financiers

Correction des exercices du livre La Gestion des Risques Financiers Correction des exercices du livre La Gestion des Risques Financiers Thierry Roncalli 4 Décembre Ce document présente les corrections des questions de cours et des exercices des pages 535 à 55 du livre

Plus en détail

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire

Plus en détail

Bâle II et les exigences de fonds propres applicables aux banques

Bâle II et les exigences de fonds propres applicables aux banques et les exigences de fonds propres applicables aux banques Mark Illing et Graydon Paulin* Au cours des prochaines années, un nouvel accord mondial sur les fonds propres () sera mis en œuvre dans un certain

Plus en détail

Quelques modèles financiers utilisant les EDSR et EDSPR avec grossissement de filtration

Quelques modèles financiers utilisant les EDSR et EDSPR avec grossissement de filtration Quelques modèles financiers utilisant les EDSR et EDSPR avec grossissement de filtration Anne EYRAUD-LOISEL ISFA, Université Lyon 1 Séminaire Lyon - Le Mans 3 Mai 2012, Le Mans 1 / 40 Outline 1 Problèmes

Plus en détail

La Volatilité Locale

La Volatilité Locale La Volatilité Locale Bertrand TAVIN Université Paris 1 - Panthéon Sorbonne 26 mai 2010 Résumé Dans cette courte note nous introduisons le concept de volatilité locale et les modèles de pricing basés sur

Plus en détail

De ces 6 blocs, le Groupe OFI est concerné par les blocs marché et défaut relatifs aux investissements financiers.

De ces 6 blocs, le Groupe OFI est concerné par les blocs marché et défaut relatifs aux investissements financiers. Calcul du SCR marché Rappel : Dans le cadre de la nouvelle réglementation de l assurance Solvabilité 2, le premier pilier quantitatif définit les normes de calcul des fonds propres réglementaires. Le SCR

Plus en détail

Master IAD Module PS. Reconnaissance de la parole (suite) Modèles de Markov et bases de données. Gaël RICHARD Février 2008

Master IAD Module PS. Reconnaissance de la parole (suite) Modèles de Markov et bases de données. Gaël RICHARD Février 2008 Master IAD Module PS Reconnaissance de la parole (suite) Modèles de Markov et bases de données Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance vocale

Plus en détail

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option

Plus en détail

AMESD-Puma2010-EFTS- Configuration-update-TEN (en-fr)

AMESD-Puma2010-EFTS- Configuration-update-TEN (en-fr) AMESD-Puma2010-EFTS- Configuration-update-TEN (en-fr) Doc.No. : EUM/OPS/TEN/13/706466 Issue : v3 Date : 7 May 2014 WBS : EUMETSAT Eumetsat-Allee 1, D-64295 Darmstadt, Germany Tel: +49 6151 807-7 Fax: +49

Plus en détail

Évaluation de la sûreté de fonctionnement d applications basées sur le Web

Évaluation de la sûreté de fonctionnement d applications basées sur le Web Évaluation de la sûreté de fonctionnement d applications basées sur le Web Mohamed Kaâniche, Karama Kanoun {Mohamed.Kaaniche; Karama.Kanoun}@laas.fr Journée SEE «Sûreté de fonctionnement des réseaux de

Plus en détail

Formulation économique d une carte de contrôle aux attributs utilisant une taille d échantillonnage variable

Formulation économique d une carte de contrôle aux attributs utilisant une taille d échantillonnage variable Formulation économique d une carte de contrôle aux attributs utilisant une taille d échantillonnage variable Imen Kooli, Mohamed Limam To cite this version: Imen Kooli, Mohamed Limam. Formulation économique

Plus en détail

Module 7: Chaînes de Markov à temps continu

Module 7: Chaînes de Markov à temps continu Module 7: Chaînes de Markov à temps continu Patrick Thiran 1 Introduction aux chaînes de Markov à temps continu 1.1 (Première) définition Ce module est consacré aux processus à temps continu {X(t), t R

Plus en détail

QUELLES NOUVELLES STRATEGIES POUR LA TITRISATION FACE AUX CHANGEMENTS REGLEMENTAIRES?

QUELLES NOUVELLES STRATEGIES POUR LA TITRISATION FACE AUX CHANGEMENTS REGLEMENTAIRES? QUELLES NOUVELLES STRATEGIES POUR LA TITRISATION FACE AUX CHANGEMENTS REGLEMENTAIRES? Catherine Royère responsable de la titrisation,, Direction de la Gestion Actif-Passif, BNP Paribas catherine.royere@bnpparibas.com

Plus en détail

Prévision et analyse de la production manufacturière au Canada : comparaison de modèles linéaires et non linéaires Frédérick Demers

Prévision et analyse de la production manufacturière au Canada : comparaison de modèles linéaires et non linéaires Frédérick Demers Banque du Canada Bank of Canada Document de travail 2004-40 / Working Paper 2004-40 Prévision et analyse de la production manufacturière au Canada : comparaison de modèles linéaires et non linéaires Frédérick

Plus en détail

Agences de notation - dégradations : quel impact? Retour sur la crise de la zone

Agences de notation - dégradations : quel impact? Retour sur la crise de la zone Agences de notation - dégradations : quel impact? Retour sur la crise de la zone Résumé: Les annonces des agences de notation pendant la crise de la Zone euro (2009-2012) ont eu un impact significatif

Plus en détail

Ekaterina VOLTCHKOVA

Ekaterina VOLTCHKOVA Ekaterina VOLTCHKOVA Nationalité française/russe, 28 ans, mariée Adresse : 19 rue des Bolets, 31650 St Orens de Gameville, France Tél. : +33.5.61.12.85.67 E-mail : ekaterina.voltchkova@univ-tlse1.fr Page

Plus en détail

Modélisation d un code numérique par un processus gaussien, application au calcul d une courbe de probabilité de dépasser un seuil

Modélisation d un code numérique par un processus gaussien, application au calcul d une courbe de probabilité de dépasser un seuil Modélisation d un code numérique par un processus gaussien, application au calcul d une courbe de probabilité de dépasser un seuil Séverine Demeyer, Frédéric Jenson, Nicolas Dominguez CEA, LIST, F-91191

Plus en détail

Exercice 3 du cours Management Bancaire : «Risque de crédit et scoring»

Exercice 3 du cours Management Bancaire : «Risque de crédit et scoring» Exercice 3 du cours Management Bancaire : «Risque de crédit et scoring» Ce cas a pour objectif d étudier le risque de crédit d une entreprise à l aide de la méthode du scoring. Cette méthode statistique

Plus en détail

Annonce de voyage Concerne les voyages en Suisse par les transports publics Utilisation d un véhicule privé La demande d utilisation d un véhicule

Annonce de voyage Concerne les voyages en Suisse par les transports publics Utilisation d un véhicule privé La demande d utilisation d un véhicule Annonce de voyage Concerne les voyages en Suisse par les transports publics Utilisation d un véhicule privé La demande d utilisation d un véhicule privée ne doit plus être utilisée. Elle est remplacée

Plus en détail

CHAPITRE I - REGLEMENT DE GESTION DU FONDS D INVESTISSEMENT INTERNE ALLIANZ RENDEMENT 2017.

CHAPITRE I - REGLEMENT DE GESTION DU FONDS D INVESTISSEMENT INTERNE ALLIANZ RENDEMENT 2017. Table de matière CHAPITRE I - REGLEMENT DE GESTION DU FONDS D INVESTISSEMENT INTERNE ALLIANZ RENDEMENT 2017... 3 CHAPITRE II AUTRES DISPOSITIONS RELATIVES AU FONDS D INVESTISSEMENT INTERNE... 6 1. Gestion

Plus en détail

Typologie des risques Mesure de risques Aspects statistiques; risques multivariés. Bauer & Isidor Shteto, CACIB, séances 6 8)

Typologie des risques Mesure de risques Aspects statistiques; risques multivariés. Bauer & Isidor Shteto, CACIB, séances 6 8) Plan du cours 1 Introduction, mesure de risques (P. Tankov, UPD, séances 1 3) Typologie des risques Mesure de risques Aspects statistiques; risques multivariés 2 Réglementation (M. Benlaribi, Deloitte,

Plus en détail

Le traitement des engagements sur les PME dans Bâle II (CP3)

Le traitement des engagements sur les PME dans Bâle II (CP3) ÉTUDE Le traitement des engagements sur les PME dans Bâle II (CP3) Le contenu du nouvel accord de Bâle sur le ratio international de solvabilité bancaire, dont l entrée en vigueur est prévue pour la fin

Plus en détail

Problèmes de fiabilité dépendant du temps

Problèmes de fiabilité dépendant du temps Problèmes de fiabilité dépendant du temps Bruno Sudret Dépt. Matériaux et Mécanique des Composants Pourquoi la dimension temporelle? Rappel Résistance g( RS, ) = R S Sollicitation g( Rt (), St (),) t =

Plus en détail

Le Risque de Crédit Bancaire

Le Risque de Crédit Bancaire Le Risque de Crédit Bancaire Christian Turbé Haute Ecole de Gestion de Genève Finance et gestion des Risques Plan Du Cours Introduction Le besoin de financement de l Entreprise Les grands types de crédit

Plus en détail

Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation

Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC,

Plus en détail

Le Fol Gaëlle. Current Position - Status. Former positions. Education and qualification. Full professor. gaelle.le_fol@dauphine.fr

Le Fol Gaëlle. Current Position - Status. Former positions. Education and qualification. Full professor. gaelle.le_fol@dauphine.fr Le Fol Gaëlle Full professor gaelle.le_fol@dauphine.fr Current Position - Status Head of an education program : Master 203 - Financial Markets Department of attachment : MSO Centre of Research : Dauphine

Plus en détail

Modèle classique Extensions Modèle multi-branches. Théorie de la ruine. Esterina Masiello (ISFA)

Modèle classique Extensions Modèle multi-branches. Théorie de la ruine. Esterina Masiello (ISFA) Esterina Masiello Institut de Science Financière et d Assurances Université Lyon 1 Premières Journées Actuarielles de Strasbourg 6-7 octobre 2010 En résumé... Modèle classique de la théorie de la ruine

Plus en détail

Thyroid Scan. To Prepare

Thyroid Scan. To Prepare Thyroid Scan A thyroid scan checks your thyroid gland for problems. The thyroid gland is located in your neck. It speeds up or slows down most body functions. You will be asked to swallow a pill that contains

Plus en détail

CDO-Squared : Modèle et Simulation de Risque

CDO-Squared : Modèle et Simulation de Risque : Modèle et Simulation de Risque ZHOU Gang ZHANG Yan ER Di LI Jia 27 mars 2006 Table des matières 1 Introduction 1 1.1 CDO et CDO-Squared............................. 1 1.2 Pricing et les Risques de CDO-Squared...................

Plus en détail

PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF. Ianis Lallemand, 21 janvier 2013

PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF. Ianis Lallemand, 21 janvier 2013 PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF Ianis Lallemand, 21 janvier 2013 APPRENTISSAGE INTERACTIF definition Contours encore assez flous dans le champ de l apprentissage automatique. Néanmoins,

Plus en détail

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base M.A. Knefati 1 & A. Oulidi 2 & P.Chauvet 1 & M. Delecroix 3 1 LUNAM Université, Université Catholique de l Ouest,

Plus en détail

NOUVELLE GESTION DES RISQUES ET CULTURE D ENTREPRISE PHILIPPE CARREL

NOUVELLE GESTION DES RISQUES ET CULTURE D ENTREPRISE PHILIPPE CARREL NOUVELLE GESTION DES RISQUES ET CULTURE D ENTREPRISE PHILIPPE CARREL La crise est-elle passée? Immobilier / Profits des banques? Croissance Chinoise / Exports US? Petrole? Inflation? Bourse? Lorsque les

Plus en détail

Accréditation d une activité CPD organisée par un organisateur de formations agréé

Accréditation d une activité CPD organisée par un organisateur de formations agréé Accréditation d une activité CPD organisée par un organisateur de formations agréé Rappels : annexe 1. Objectif : un organisateur de formations accrédité CPD souhaite obtenir de l IA BE, l accréditation

Plus en détail

Bâle II. Changements en cours. Janvier 2010

Bâle II. Changements en cours. Janvier 2010 Bâle II Changements en cours Janvier 2010 Sommaire Renforcer de la résistance du secteur bancaire Les raisons des changements. Les fonds propres. Risque de contrepartie. Introduction d un ratio de levier

Plus en détail

ANALYSE DU RISQUE DE CREDIT. Banque & Marches. Cecile Kharoubi Professeur de Finance ESCP Europe. Philippe Thomas Professeur de Finance ESCP Europe

ANALYSE DU RISQUE DE CREDIT. Banque & Marches. Cecile Kharoubi Professeur de Finance ESCP Europe. Philippe Thomas Professeur de Finance ESCP Europe ANALYSE DU RISQUE DE CREDIT Banque & Marches Cecile Kharoubi Professeur de Finance ESCP Europe Philippe Thomas Professeur de Finance ESCP Europe TABLE DES MATIERES Introduction 15 Chapitre 1 Le risque

Plus en détail

La crise des dettes souveraines en Europe

La crise des dettes souveraines en Europe La crise des dettes souveraines en Europe Renaud Fillieule (Université Lille 1) Université d automne en économie autrichienne ESC Troyes, septembre 2012 La zone euro Allemagne Autriche Belgique Chypre

Plus en détail

FIMA, 7 juillet 2005

FIMA, 7 juillet 2005 F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation

Plus en détail

Expertise Crédit Euro. La sélection de titres au coeur de la performance de notre gestion. Décembre 2014

Expertise Crédit Euro. La sélection de titres au coeur de la performance de notre gestion. Décembre 2014 Expertise Crédit Euro La sélection de titres au coeur de la performance de notre gestion Décembre 2014 destiné à des investisseurs professionnels au sens de la Directive Européenne MIF Performance cumulée

Plus en détail

Tel. : Fax : e-mail : Je participerai au banquet le jeudi (participation 60 ) 1 I will joint the banquet on Thursday night (participation 60 )

Tel. : Fax : e-mail : Je participerai au banquet le jeudi (participation 60 ) 1 I will joint the banquet on Thursday night (participation 60 ) FORMULAIRE D INSCRIPTION REGISTRATION FORM A renvoyer avant le 27 février à mcda81@univ-savoie.fr To be sent back before 27th February to mcda81@univ-savoie.fr Nous nous permettons de vous rappeler que

Plus en détail

Le risque de crédit. DeriveXperts. 23 juillet 2010

Le risque de crédit. DeriveXperts. 23 juillet 2010 23 juillet 2010 Définitions Exemples - Interactions Obligations Credit Default Swap (CDS) First To Default Collateralized Debt Obligation (CDO) Probabilité de défaut Le modèle exponentiel dynamique - Introduction

Plus en détail

Valorisation de la dette

Valorisation de la dette Valorisation de la dette Caroline Duron /Jean-Michel Moinade Oddo Corporate Finance Sommaire Le plus souvent la valorisation des fonds propres se fait en partant de la valeur d entreprise puis en soustrayant

Plus en détail

Photo Manipulations in the 2011 CES

Photo Manipulations in the 2011 CES Canadian Election Study Methodological Briefs Methodological Brief #2013-A Photo Manipulations in the 2011 CES Patrick Fournier, Université de Montréal Stuart Soroka, McGill University Fred Cutler, University

Plus en détail

ORSA dans le cas de contrats d épargne en euro

ORSA dans le cas de contrats d épargne en euro ORSA dans le cas de contrats d épargne en euro Version 1.1 Université d été IA - juillet 2012 Frédéric PLANCHET fplanchet@winter-associes.fr Marc JUILLARD mjuillard@winter-associes.fr Préambule L article

Plus en détail

risque de crédit LEO Abdelkader BOUDRIGA 20AA

risque de crédit LEO Abdelkader BOUDRIGA 20AA 1 Les modèles d évaluation du risque de crédit LEO Abdelkader BOUDRIGA 20AA 2 Partie I : Les modèles de risque de crédit 3 4 Les modèles de risque de crédit CreditCreditMetrics (JPMorgan) CreditRisk+ (Credit

Plus en détail

Les dérivés de crédit : instruments de couverture et facteurs d instabilité. L exemple des «Credit Default Swap».

Les dérivés de crédit : instruments de couverture et facteurs d instabilité. L exemple des «Credit Default Swap». Les dérivés de crédit : instruments de couverture et facteurs d instabilité. L exemple des «Credit Default Swap». Nathalie REY CEPN, -CNRS, UMR 7115, Université Paris 13 Résumé : Cet article montre, à

Plus en détail

Stratégie relative aux obligations d État Focus sur la Grèce

Stratégie relative aux obligations d État Focus sur la Grèce Décembre 29 Stratégie relative aux obligations d État Table des matières 1 Évolution récente du marché... 2 2 La situation économique... 3 3 Stratégie... 4 Dexia Asset Management Voir les mentions légales

Plus en détail

Modèles à facteur pour la gestion du risque de crédit

Modèles à facteur pour la gestion du risque de crédit Areski Cousin, Jean-Paul Laurent Université Claude Bernard Lyon 1, ISFA GT Projet ANR AST&Risk - ISFA - 26 septembre et 10 octobre 2008 Introduction Modélisation de la dépendance pour la gestion de portefeuilles

Plus en détail

SWAPS. Lionel Artige HEC Université de Liège

SWAPS. Lionel Artige HEC Université de Liège SWAPS Lionel Artige HEC Université de Liège Swaps 5 types de swaps par ordre d importance sur les marchés financiers : Swaps de taux (interest rate swaps) Swaps de devises (currency swaps) Swaps de crédits

Plus en détail

40 LEA C1 - ANALYSE D EXPLOITATION (JANVIER 2005) cours de MRS FENNELLY ET DIOT

40 LEA C1 - ANALYSE D EXPLOITATION (JANVIER 2005) cours de MRS FENNELLY ET DIOT 40 LEA C1 - ANALYSE D EXPLOITATION (JANVIER 2005) cours de MRS FENNELLY ET DIOT FIRST PART Answer question 1 or question 2. Question 1 Simon Dillon commenced in business on 1 January 2004. He invested

Plus en détail

Simulations et Méthodes de Monte Carlo

Simulations et Méthodes de Monte Carlo Simulations et Méthodes de Monte Carlo Kam Yuen CHU Ezzoubir KODAD Responsable : Thierry RONCALLI 1 EXO 1 : Risque de marché library pgraph; @Exo1: Risque de marché@ let So=100 150 ; let theta = 1 1; let

Plus en détail

Florida International University. Department of Modern Languages. FRENCH I Summer A Term 2014 FRE 1130 - U01A

Florida International University. Department of Modern Languages. FRENCH I Summer A Term 2014 FRE 1130 - U01A Florida International University Department of Modern Languages FRENCH I Summer A Term 2014 FRE 1130 - U01A Class time: Monday, Tuesday, Wednesday, Thursday; 6:20 P.M. - 9:00 P.M. Instructors: Prof. Jean-Robert

Plus en détail

Allianz, un groupe solide

Allianz, un groupe solide Allianz, un groupe solide Rédaction achevée le XX / 01 /2012 Rédaction achevée le XX / 01 /2012 Direction de la Communication - Allianz France Achevé de rédiger le 21 mars 2013 AVERTISSEMENT: Ce document

Plus en détail

LONDON NOTICE No. 3565

LONDON NOTICE No. 3565 EURONEXT DERIVATIVES MARKETS LONDON NOTICE No. 3565 ISSUE DATE: 15 February 2012 EFFECTIVE DATE: 12 March 2012 FTSE 100 INDEX FUTURES CONTRACT THREE MONTH EURO (EURIBOR) INTEREST RATE FUTURES CONTRACT

Plus en détail

Konstantin Avrachenkov, Urtzi Ayesta, Patrick Brown and Eeva Nyberg

Konstantin Avrachenkov, Urtzi Ayesta, Patrick Brown and Eeva Nyberg Konstantin Avrachenkov, Urtzi Ayesta, Patrick Brown and Eeva Nyberg Le présent document contient des informations qui sont la propriété de France Télécom. L'acceptation de ce document par son destinataire

Plus en détail

Examen de Gestion des Risques Financiers

Examen de Gestion des Risques Financiers Examen de Gestion des Risques Financiers Thierry Roncalli 4 janvier 2012 Merci de rédiger entièrement vos réponses. 1 Les réglementations Bâle II et Bâle III 1. Quelles sont les principales différences

Plus en détail

09/2011. Thierry Lemerle Directeur Général adjoint Pole Emploi, France

09/2011. Thierry Lemerle Directeur Général adjoint Pole Emploi, France Thierry Lemerle Directeur Général adjoint Pole Emploi, France Missions Registration Information Payment of allowances Support for job seekers Assistance to companies for their recruitment Establishment

Plus en détail

Activités d encadrement et de recherche - Membre du projet PREMIA (1999-2003), logiciel d évaluation d options

Activités d encadrement et de recherche - Membre du projet PREMIA (1999-2003), logiciel d évaluation d options Stéphane VILLENEUVE Né le 25 Février 1971 Marié, 2 enfants GREMAQ Université des Sciences Sociales Manufacture des Tabacs 21 allée de Brienne 31000 TOULOUSE Tél: 05-61-12-85-67 e-mail: stephane.villeneuve@univ-tlse1.fr

Plus en détail

NOTE DE RECHERCHE PRESENTATION DU NOUVEL ACCORD DE BALE SUR LES FONDS PROPRES.

NOTE DE RECHERCHE PRESENTATION DU NOUVEL ACCORD DE BALE SUR LES FONDS PROPRES. NOTE DE RECHERCHE PRESENTATION DU NOUVEL ACCORD DE BALE SUR LES FONDS PROPRES. Hamza FEKIR 1 Résumé : Afin de s adapter à la libéralisation de la sphère financière entamée dans les années 80, marquée notamment

Plus en détail

Ekaterina VOLTCHKOVA

Ekaterina VOLTCHKOVA Ekaterina VOLTCHKOVA Née le 27 avril 1978, nationalité française et russe, mariée, 2 enfants Adresse professionnelle : GREMAQ, 21, allée de Brienne, 31000 Toulouse, France Tél. : +33.5.61.12.85.67 E-mail

Plus en détail