Option Data Science : Finance et Assurance

Contexte pratique :

En septembre 2008, la banque Lehman Brothers s'est effondrée, provoquant une crise financière mondiale. L'une des causes principales était une mauvaise gestion des risques : concentration excessive sur les subprimes, sous-estimation des corrélations entre actifs en période de crise, et insuffisance de capital pour absorber les pertes.

Plus récemment, en 2023, la Silicon Valley Bank (SVB) a fait faillite en quelques jours suite à un problème de gestion du risque de taux d'intérêt : la banque détenait des obligations à long terme dont la valeur s'est effondrée lorsque les taux ont augmenté rapidement.

À une échelle plus locale, une compagnie d'assurance africaine qui investit les primes collectées doit s'assurer de :

- Pouvoir honorer les réclamations futures (risque de liquidité)

- Ne pas perdre trop de capital en cas de crash boursier (risque de marché)

- Se protéger contre la défaillance de ses contreparties (risque de crédit)

- Maintenir des réserves conformes à la réglementation de la (risque réglementaire)

Questions fondamentales que le cours abordera :

1. Quels sont les différents types de risques financiers et comment les identifier ?

2. Comment mesurer quantitativement le risque : Value-at-Risk (VaR), Expected Shortfall, mesures de risque cohérentes ?

3. Comment modéliser les événements extrêmes et les queues de distribution ?

4. Quelles stratégies de couverture mettre en place (hedging dynamique, options, diversification) ?

5. Comment allouer le capital de manière optimale pour couvrir les risques ?

6. Quels sont les cadres réglementaires (Bâle III, Solvabilité II) et comment s'y conformer ?

7. Comment intégrer les risques opérationnels, de modèle et de liquidité dans le dispositif global ?

II. OBJECTIFS DU COURS

Ce cours vise à former des professionnels capables d'identifier, mesurer, surveiller et gérer les risques financiers dans les institutions bancaires, les compagnies d'assurance, les gestionnaires d'actifs et les entreprises. L'approche combine théorie quantitative, outils pratiques et étude des cadres réglementaires internationaux.

III. PRÉ-REQUIS

Connaissances mathématiques :

- Probabilités et statistiques avancées (lois multivariées, copules, tests statistiques)

- Théorie des processus stochastiques

- Optimisation (programmation linéaire et quadratique)

- Notions de théorie de la mesure (pour les mesures de risque)

Connaissances en finance :

- Compréhension des marchés financiers et des instruments (actions, obligations, dérivés)

- Notions de valorisation d'actifs

- Compréhension de la théorie moderne de portefeuille (Markowitz)

- Notions de base en finance d'entreprise et comptabilité

Compétences informatiques :

- Maîtrise de Python ou R pour l'analyse de données

- Connaissance des bibliothèques de simulation (Monte Carlo)

- Capacité à manipuler de grandes bases de données financières

IV. PROGRAMME DU COURS

Chapitre 1 : Taxonomie et identification des risques (4H)

1. Risque de marché, de crédit, de liquidité, opérationnel

2. Cartographie des risques dans une institution financière

3. Cadre de gouvernance et culture du risque

4. Processus de gestion des risques : identification, mesure, surveillance, mitigation

Chapitre 2 : Mesure du risque de marché (8H)

1. Value-at-Risk (VaR) : définition, méthodes de calcul (historique, variance-covariance, Monte Carlo)

2. Expected Shortfall (ES) et autres mesures de risque cohérentes

3. Backtesting et validation des modèles de VaR

4. Stress testing et analyse de scénarios

5. Modélisation de la volatilité : GARCH, volatilité implicite

Chapitre 3 : Gestion du risque de crédit (6H)

1. Probabilité de défaut, perte en cas de défaut (LGD), exposition au défaut (EAD)

2. Modèles structurels (Merton) et modèles en forme réduite

3. Credit VaR et risque de portefeuille de crédit

4. Dérivés de crédit : CDS, CDO

5. Notations de crédit et matrices de transition

Chapitre 4 : Stratégies de couverture (4H)

1. Hedging statique vs dynamique

2. Couverture en delta, delta-gamma

3. Stratégies utilisant les options et les futures

4. Gestion du risque de change et de taux d'intérêt

5. Limites et coûts de la couverture

Chapitre 5 : Risque de liquidité et risque opérationnel (3H)

1. Liquidité de marché vs liquidité de financement

2. Mesure du risque de liquidité : LCR, NSFR

3. Risque opérationnel : définition, collecte de données de pertes

4. Approches de mesure : Basic Indicator, Standardized, Advanced Measurement

Chapitre 6 : Allocation de capital et réglementation (3H)

1. Capital économique versus Capital réglementaire

2. Cadre de Bâle III pour les banques

3. Solvabilité II pour les assurances

4. RAROC (Risk-Adjusted Return on Capital)

Travaux Dirigés et Études de cas (4H)

Analyse de crises financières, construction d'un dispositif de gestion des risques

V. MÉTHODES D'ENSEIGNEMENT

- Cours magistraux théoriques

- Études de cas réels (crises financières, faillites bancaires)

- Ateliers de calcul de VaR et stress tests

- Travaux de groupe sur la construction d'un cadre de gestion des risques

VI. ÉVALUATION

- Travaux périodiques (30%) : calculs de VaR, analyses de risque

- Projet de groupe (30%) : construction d'un dispositif de gestion des risques pour une institution

- Examen final (40%) : questions théoriques et études de cas

Bibliographie:

1- John Hull, Risk Management and Financial Institutions, 6th Edition

2-Thierry Roncalli, Handbook of Financial Risk Management