Olivier Goachet - Ressources actuarielles
Transcription
Olivier Goachet - Ressources actuarielles
MÉMOIRE D'ACTUAIRE BUDGÉTISATION DES CONSOMMATIONS EN FONDS PROPRES DANS LE CADRE D'UN PORTEFEUILLE DE CRÉDITS OLIVIER GOACHET – 2008 1 2 Résumé Mots clés Portefeuille de crédits – Fonds propres réglementaires – Fonds propres économiques – Mesure de risque – Bâle II – Allocation – Budgétisation Nous nous intéressons dans ce mémoire à la mise en place pratique d'un processus de budgétisation des fonds propres dans le cadre d'un portefeuille de crédits. Les outils nécessaires à la modélisation du risque de crédit des portefeuilles sont présentés dans les première et deuxième parties. La troisième partie développe une première formalisation du processus de budgétisation ainsi que deux principales problématiques liées, puis propose des pistes d'amélioration. Le sujet présenté est à l'intersection de problématiques de contrôle des risques et de contrôle de gestion et peut être complété par d'autres travaux impliquant une coordination de ces deux matières. Keywords Credit portfolio – Regulatory capital – Economic Capital – Risk measure – Basel II – Allocation – Planification This study deals with practical implementation of a capital budgeting process in the context of credit portfolios. First and second parts present tools which allow to model portfolio credit risk. Third part shows a formal capital budgeting process as well as two related issues and then proposes adequate improvement solutions. Developed subject is of interest for both Risk Management and Finance departments, and can be completed by other studies mixing these two areas. 3 Sommaire Résumé ____________________________________________________ 3 Sommaire ___________________________________________________ 4 I. Introduction générale ________________________________________ 6 II. Modélisation du risque de crédit d’un portefeuille d’actifs ___________ 7 1. Approche structurelle de Merton _____________________________________7 1.1. Modélisation de la structure du bilan _______________________________7 1.2. Des variations de l'equity à celles de l'actif __________________________9 2. Modèle CreditMetrics _____________________________________________10 2.1. Distribution de la valeur future d'une obligation _____________________11 2.1.1. L'ensemble des qualités de crédit possibles _____________________11 2.1.2. La probabilité d'occurrence __________________________________11 2.1.3. Le choix de l'horizon de temps _______________________________12 2.1.4. Evaluation des prix forward __________________________________12 2.1.5. La construction de la distribution forward de la valeur de l'obligation _13 2.2. Extension à un portefeuille constitué de plusieurs obligations __________14 2.2.1. Modification du modèle de Merton _____________________________15 2.2.2. Prise en compte des corrélations via des facteurs systémiques ______16 2.3. Résumé ____________________________________________________17 3. Modèle Bâle II __________________________________________________17 3.1. Le contexte réglementaire ______________________________________18 3.1.1. Le rôle des fonds propres dans une banque _____________________18 3.1.2. Exigences minimales de fonds propres réglementaires _____________19 3.2. Le modèle de crédit sous-jacent à la réforme Bâle II _________________20 3.2.1. De Bâle I à Bâle II _________________________________________20 3.2.2. Un principe de base conduisant à l'utilisation d'un modèle ASRF _____21 3.2.3. Description du modèle ______________________________________21 3.2.4. Estimation de la consommation en fonds propres réglementaires ____25 III. Mesures de risque et allocation de fonds propres ________________ 27 1. Mesures de risque _______________________________________________27 1.1. Définition et formalisation ______________________________________27 1.1.1. Notion de risque __________________________________________27 1.1.2. Formalisation des propriétés des mesures de risque_______________28 1.2. Différentes mesures de risque ___________________________________29 1.2.1. Mesures basées sur l'écart-type ______________________________29 1.2.2. Value-at-Risk _____________________________________________31 1.2.3. Expected Shortfall _________________________________________33 1.2.4. Autres mesures de risque ___________________________________36 1.2.5. Résumé _________________________________________________37 2. Allocation de fonds propres ________________________________________37 2.1. Description et motivation de la problématique ______________________37 2.2. Un système d'axiomes pour l’allocation de fonds propres ______________38 2.2.1. Fonction d'allocation de fonds propres _________________________38 2.2.2. Complétude de ce système __________________________________40 2.2.3. Existence d'une fonction d'allocation de fonds propres _____________41 2.3. Exemples de fonctions d'allocation de fonds propres _________________42 2.3.1. Mesures basées sur l'écart-type ______________________________42 2.3.2. Expected Shortfall _________________________________________44 4 2.3.3. Value-at-Risk _____________________________________________45 IV. Budgétisation des consommations en fonds propres ______________ 48 1. Un premier processus de budgétisation des consommations en fonds propres _48 1.1. Intérêts et motivations d'une approche prospective __________________48 1.1.1. Gouvernance interne _______________________________________48 1.1.2. Communication externe ____________________________________49 1.2. Choix de mesures de consommation en fonds propres ________________49 1.2.1. Bilan simplifié et activités de Lux Bank _________________________50 1.2.2. Deux mesures de consommation en fonds propres ________________51 1.2.3. Allocation des consommations________________________________52 1.2.4. Synthèse des résultats et situation financière ____________________53 1.3. Une première formalisation du processus de budgétisation ____________54 2. Problématiques de mise en œuvre et affinement du processus de budgétisation ________________________________________________________________56 2.1. Exemple d'évolution des consommations entre deux dates ____________56 2.1.1. Modifications apportées au bilan de Lux Bank entre t=0 et t=6m ____56 2.1.2. Synthèse des évolutions ____________________________________56 2.1.3. Analyse globale des évolutions _______________________________57 2.1.4. Analyse détaillée des évolutions ______________________________59 2.2. Principales problématiques rencontrées ___________________________60 2.2.1. Volatilité des consommations ________________________________60 2.2.2. Volatilité des allocations ____________________________________62 2.3. Affinement du processus de budgétisation _________________________64 2.3.1. Octroi des fonds propres disponibles ___________________________64 2.3.2. Suivi des consommations ___________________________________66 V. Conclusion générale ________________________________________ 69 Annexes ___________________________________________________ 70 Annexe 1 : description des portefeuilles en t = 0 _________________________70 Annexe 2 : description des portefeuilles en t = 6m ________________________76 Bibliographie _______________________________________________ 82 5 I. Introduction générale Depuis le début des années 90 les fonctions de Risk Management ont pris une importance considérable dans les institutions financières et notamment dans les banques. Aujourd'hui ces dernières s'aident de plus en plus d'outils de mesure du risque pour piloter leurs activités. Ces outils de mesure du risque peuvent prendre différentes formes, allant du suivi quotidien d'activités dont le profil de risque évolue très rapidement (Market Risk Management pour des activités de trading par exemple), au suivi plus global et à intervalles plus espacés de l'ensemble des risques auxquels les banques sont exposées. Ces dernières approches visent à proposer au Management une vision exhaustive sur les risques auxquels les banques sont ou peuvent être exposées. Dans ce cadre le suivi des niveaux de fonds propres disponibles par rapport à l'ensemble des risques encourus fait l'objet d'une attention particulière. A ceci deux raisons principales : d'une part le souci d'assurer à la banque un niveau de solvabilité suffisant, d'autre part la volonté d'optimiser l'utilisation qui est faite des fonds propres disponibles. Les banques font ainsi face à une problématique pratique quant à l'allocation de leurs fonds propres à différentes sous-activités ou différentes entités. Cette problématique est depuis quelques années au cœur des processus de planification financière et a été récemment encouragée par le régulateur avec l'obligation pour les banques de mettre en place un processus ICAAP1 dans le cadre du Pilier 2 de Bâle II. Si on trouve dans la littérature de nombreux travaux sur le thème de l'allocation de fonds propres, celle-ci est toujours entendue comme le partage parmi n sousportefeuilles d'un montant global de consommation de fonds propres. Si cette approche est utile, voire nécessaire, pour une estimation ex post, son utilisation est délicate dans le cas d'une approche prospective. L'objet de ce mémoire est de présenter quels sont les intérêts qu'a une banque à déployer un processus de budgétisation de ses fonds propres, une formalisation possible de celui-ci, la présentation de problématiques auxquelles elle sera confrontée lors de son implémentation ainsi que différents ajustements permettant d'y faire face. Auparavant et afin de disposer des outils quantitatifs nécessaires la première partie du mémoire présentera différentes approches de modélisation du risque de crédit d'un portefeuille, et la deuxième précisera comment, une fois le risque global d'un portefeuille estimé, il est possible de répartir ce niveau en fonction de contributions individuelles. 1 Internal Capital Adequacy Assessment Process 6 II. Modélisation du risque de crédit d’un portefeuille d’actifs Jusqu'à la fin des années 1990 le risque crédit, pourtant un des risques les plus importants pour les banques, et qui n'avait pas fait l'objet d'une attention quantitative très marquée de la part de ces dernières a vu croître le nombre des modèles dédiés à son étude. Les pionniers de cette tendance ont été les firmes KMV (VASICEK (1987), VASICEK (1991)), JPMorgan (BHATIA, FINGER, GUPTON (1997)) et Credit Suisse (CREDIT SUISSE FINANCIAL PRODUCTS (1997)) en produisant des modèles qui sont désormais considérés comme étant des best practices dans le domaine du Credit Risk Management au même titre que le modèle de Black & Scholes l'a été dans le domaine du Market Risk Management. Suite à ces travaux de nombreux autres modèles ont été développés faisant de l'analyse du risque de crédit un thème de recherche quantitative récurrent. Parmi les nombreux articles analysant ces différents modèles nous retiendrons COURHY, GALAI, MARK (2000) qui présentent une synthèse des modèles CreditMetrics, KMV et CreditRisk+. Nous entamerons cette partie par une description du modèle de Merton dont l'approche a servi de base à différents modèles de crédit de type Asset Value Model. Nous présenterons ensuite le modèle CreditMetrics puis finirons en présentant le modèle implicite utilisé dans la réforme Bâle II visant à améliorer l'approche Cooke actuelle. 1. Approche structurelle de Merton Les modèles de crédit de type Asset Value Model (CreditMetrics, KMV, …) sont basés sur l'approche structurelle de Merton (MERTON (1974)). Cette approche consiste à modéliser le bilan de la société dont on souhaite étudier le risque de crédit afin de pouvoir estimer la valeur de la dette à partir du modèle de valorisation d'option développé par Black et Scholes (BLACK, SCHOLES (1973)). 1.1. Modélisation de la structure du bilan Le modèle de Merton considère que l'actif A d'une société est financé pour partie par de l'equity E et pour partie par de la dette D modélisée par une obligation zéro coupon. Ces trois quantités pouvant varier dans le temps notons At, Et et Dt leurs valeurs respectives à l'instant t 0. 7 Dette Dt Actif At Equity Et Bilan de la société à l'instant t Les valeurs de l'actif et de l'equity sont supposées se comporter chacune comme un mouvement brownien géométrique. Notons la situation en date 0 : A0 E0 D0 Expression de la dette La dette ayant été modélisée par une obligation zéro coupon cela signifie qu'en t=0 les créanciers vont prêter D0 à la société, et qu'en t=T c'est-à-dire à maturité de l'obligation cette dernière devra s'acquitter du montant F, comprenant le remboursement de capital ainsi que le paiement des intérêts dus sur la période. Pour les créanciers il existe un risque de crédit dès lors que la probabilité que la valeur AT de l'actif à la date T soit inférieure à F est non nulle. Dans ce cas-là la valeur de la dette en t=0 est inférieure à la valeur de F actualisée au taux sans risque r : D0 e r T F Ceci vient du fait que les créanciers souhaitent être rémunérés pour le risque supplémentaire qu'ils prennent comparativement à un investissement dans un actif non risqué. Un créancier qui souhaiterait se couvrir contre ce risque de crédit peut le faire en achetant un put dont le sous-jacent est la valeur de l'actif de la firme Si les créanciers souhaitent se couvrir contre ce risque de crédit, ils peuvent le faire en achetant un put dont le sous-jacent est la valeur de l'actif de la firme, le strike F et la maturité T. Cette stratégie conduit à un payoff final sans risque F. Un raisonnement d'absence d'opportunité d'arbitrage ainsi que la théorie de Black et Scholes de valorisation des options permette d'égaler les prix suivants exprimés en t=0 : D0 P0 A0 , A , F , T , r F e r T 8 Ce qui permet d'écrire la valeur de la dette en t=0 comme : D0 F e r T P0 A0 , A , F , T , r Expression de l'equity Considérons maintenant la valeur de l'equity : celle-ci correspond à chaque instant à l'actif net, c'est-à-dire à la valeur des actifs de la société diminuée de la valeur de ses dettes. En t=T deux cas peuvent se produire : Si AT > F alors l'equity vaut AT – F. Si AT < F alors l'actif n'est pas suffisant pour rembourser les dettes, et l'equity a une valeur nulle. A l'horizon T le payoff pour les actionnaires est donc égal à Max( A T – F , 0 ), qui correspond au payoff d'un call dont le sous-jacent est A, le strike F et la maturité T. Nous pouvons alors écrire la valeur de l'equity en t=0 comme : E0 C0 A0 , A , F , T , r Synthèse des deux expressions En combinant les expressions de E0 et D0 nous arrivons à : A0 E0 D0 C0 A0 , A , F , T , r F e r T P0 A0 , A , F , T , r Ou encore : A0 P0 A0 , A , F , T , r C0 A0 , A , F , T , r F e r T Qui est la relation de parité call put. 1.2. Des variations de l'equity à celles de l'actif 9 Une des limites du modèle de Merton vient du fait qu'il se base sur la variation de la valeur des actifs de la société alors que cette valeur n'est généralement pas directement observable. Cependant il est possible, à partir de l'observation de la valeur de l'equity qui est quant à elle observable, d'en déduire une estimation de la valeur de l'actif. Si l'on reprend l'expression précédente de la valeur de l'equity cette fois-ci estimée à la date t nous avons : Et Ct At , A , F , T t, r En inversant cette fonction il est possible d'exprimer la valeur At de l'actif de la société à la date t en fonction de la valeur de l'equity et des paramètres F, T-t, r et A. Parmi ces derniers seule la volatilité A de l'actif n'est pas observable. Un raisonnement via des équations différentielles stochastiques et l'application de la formule d'Itô amènent à la relation suivante : A C t At , A , F , T t , r E t A Et At L'utilisation de la valeur A satisfaisant cette équation dans l'expression de la valeur de l'equity ci-dessus permet d'aboutir à une expression de At pour t>0. Une fois cette modélisation réalisée il est possible de lier la probabilité de défaut à horizon t de l'émetteur à la variation de valeur de son actif : elle est égale à la probabilité que le rendement de l'actif de la société à horizon t soit inférieur au rendement pour lequel l'actif de la société serait égal au niveau de sa dette, c'est-àdire que l'equity vaille 0. Nous verrons ceci plus en détail dans le paragrape 2.2.1. expliquant les modifications apportées par le modèle CreditMetrics au modèle de Merton. 2. Modèle CreditMetrics L'approche CreditMetrics développée par JP Morgan a été rendue publique en 1997 avec la publication du document CreditMetrics – Technical Document (BHATIA, FINGER, GUPTON (1997)). Reposant sur l'approche de Merton présentée dans le chapitre précédent, elle consiste en l'analyse de la distribution de la valeur future (généralement à un horizon de 1 an) d'un portefeuille de crédits (obligations, loans) en fonction des possibles migrations de rating (incluant le défaut) sur cette période. Nous allons détailler le schéma de fonctionnement de l'approche CreditMetrics, en listant notamment les différents paramètres nécessaires à son application et ayant une influence sur le résultat final. Pour ce faire nous utiliserons le document initial BHATIA, FINGER, GUPTON (1997), l'article CROUHY, GALAI, MARK (2000) ainsi que l'ouvrage BLUHM, OVERBECK, WAGNER (2002). 10 Certains points d'attention seront illustrés de courts exemples numériques. Une illustration plus globale sur base d'un portefeuille sera traitée dans la troisième partie de ce mémoire. 2.1. Distribution de la valeur future d'une obligation Afin de servir d'illustration prenons un exemple numérique simple : supposons que nous détenions une obligation de valeur nominale 100 et dont l'émetteur est noté BBB par exemple. Nous souhaitons construire la distribution de la valeur future de cette obligation à un horizon donné et ce uniquement en fonction de l'évolution de la qualité de crédit de son émetteur. Pour ce faire nous allons considérer l'ensemble des qualités de crédit possibles à cet horizon puis associerons à chacune d'elles une probabilité d'occurrence ainsi qu'une valeur forward de notre obligation. 2.1.1. L'ensemble des qualités de crédit possibles Cet ensemble est représenté par l'ensemble des ratings possibles de l'émetteur, allant du rating AAA (meilleure qualité de crédit possible) au rating D (situation de défaut de l'émetteur). 2.1.2. La probabilité d'occurrence La probabilité de se trouver dans l'un ou l'autre rating sachant le rating actuel est donnée par ce que l'on appelle une matrice de transition. Rating en t=0 Voici ci-dessous une matrice de transition proposée par Standard & Poor's et reprise en exemple dans la documentation de CreditMetrics : AAA AA A BBB BB B CCC AAA 90.81% 0.70% 0.09% 0.02% 0.03% 0.00% 0.22% AA 8.33% 90.65% 2.27% 0.33% 0.14% 0.11% 0.00% A 0.68% 7.79% 91.05% 5.95% 0.67% 0.24% 0.22% Rating en t=1 BBB BB 0.06% 0.12% 0.64% 0.06% 5.52% 0.74% 86.93% 5.30% 7.73% 80.53% 0.43% 6.48% 1.30% 2.38% 11 B 0.00% 0.14% 0.26% 1.17% 8.84% 83.46% 11.24% CCC 0.00% 0.02% 0.01% 0.12% 1.00% 4.07% 64.86% Défaut 0.00% 0.00% 0.06% 0.18% 1.06% 5.20% 19.79% Ce type de matrice se lit par ligne : pour un rating initial en t=0 de BBB, la probabilité de passer à un rating A est de 5.95%, celle de passer en défaut de 0.18% par exemple. Notons que la somme des éléments de chaque ligne est égale à 1. Les implications du choix d'une telle matrice doivent être clairement identifiées : selon la période de temps choisie pour son estimation, la matrice de transition pourra varier sensiblement. En effet pendant une période de croissance économique soutenue, les downgrades et défauts sont moins fréquents que dans une phase de récession. Une matrice de transition calibrée sur une telle période pourrait conduire, si la situation économique se retournait, à une estimation peu prudente du risque du portefeuille. A contrario une matrice calibrée sur une période de temps économiquement difficile pourrait conduire à une vision exagérément pessimiste du risque de crédit actuel. Enfin une matrice calibrée sur un intervalle de temps trop réduit peut évoluer sensiblement d'une année à l'autre, rendant délicat le suivi au cours du temps des impacts de décisions prises avec une telle matrice. Dans un cas comme dans l'autre le choix de la matrice de transition a un impact qu'il convient de mesurer et d'avoir en tête lors de l'analyse des résultats que produira le modèle CreditMetrics et a fortiori lors de l'utilisation de ces résultats en tant qu'outil d'aide à la gestion du portefeuille. 2.1.3. Le choix de l'horizon de temps Afin de mener les calculs de Credit VaR, un horizon de temps doit être choisi. Nous avons déjà indiqué qu'un horizon de temps de 1 an est le choix le plus répandu dans l'industrie. Ceci s'explique en partie par le fait que les portefeuilles de crédits "tournent" moins vite que les portefeuilles de marché, et en partie par le fait que l'horizon de 1 an coïncide avec le pas de temps généralement utilisé pour réaliser les budgets et plans financiers. Notons que le choix d'un horizon de temps différent est tout à fait possible, mais doit alors s'accompagner d'ajustements sur les probabilités de défaut et matrices de migration afin d'assurer une cohérence de calibration. 2.1.4. Evaluation des prix forward Afin d'évaluer les différents prix forward à 1 an de l'obligation nous avons besoin des courbes de taux zéro coupon pour chacun des ratings possibles. En effet pour chaque rating nous observons : Des niveaux de taux différents, traduisant des niveaux de risque différents Des pentes différentes : les données empiriques montrent en effet que les courbes de taux zéro coupon ont tendance à être plus pentue pour des 12 ratings Investment Grade que pour des ratings Speculative Grade. Ce phénomène s'explique généralement par le fait qu'une société ayant un mauvais rating actuellement aura a priori du mal à se maintenir les deux ou trois prochaines années, mais en cas de survie sur cette période aura bien plus de chances de continuer à résister. Ci-dessous est présenté un graphique de courbes de taux zéro coupon pour différents ratings permettant de visualiser ce phénomène (ces taux zéro coupon sont ceux donnés en exemple dans la documentation de CreditMetrics) : Rating AAA AA A BBB BB B CCC Year 1 3.60% 3.65% 3.72% 4.10% 5.55% 6.05% 15.05% Year 2 4.17% 4.22% 4.32% 4.67% 6.02% 7.02% 15.02% Year 3 4.73% 4.78% 4.93% 5.25% 6.78% 8.03% 14.03% Year 4 5.12% 5.17% 5.32% 5.63% 7.27% 8.52% 13.52% 15% 10% AAA BBB CCC 5% 0% Year 1 Year 2 Year 3 Year 4 Enfin dans le cas d'un défaut un facteur dépendant de la séniorité de l'obligation appelé Loss Given Default (LGD) est appliquée et permet d'estimer le montant perdu en cas de défaut. La valeur de notre obligation dans un an sera : VBBB 1 LGD FaceValue 2.1.5. La construction de la distribution forward de la valeur de l'obligation A partir des étapes précédentes il est possible de construire la distribution des valeurs possibles à 1 an de l'obligation que nous détenons en portefeuille. Le tableau suivant résume les probabilités d'occurrence des différents états pour une obligation 13 notée BBB ainsi que chacune des valeurs à 1 an et ainsi par déduction la variation de valeur (exprimée en montant nominal) : Rating dans 1 an AAA AA A BBB BB B CCC Défaut Probabilité d'occurrence Prix forw ard 0.02% 0.33% 5.95% 86.93% 5.30% 1.17% 0.12% 0.18% 109.37 109.19 108.66 107.55 102.02 98.10 83.64 51.13 Variation de valeur 1.82 1.64 1.11 0 -5.53 -9.45 -23.91 -56.42 Cette distribution est asymétrique à queue gauche de distribution épaisse, en d'autres termes l'amélioration de la qualité du crédit de l'émetteur de cette obligation aura un impact plus modéré sur le prix de cette dernière qu'une forte dégradation de la qualité de crédit, voire d'un défaut. 2.2. Extension à un portefeuille constitué de plusieurs obligations Supposons que notre portefeuille contienne maintenant 2 obligations dont les qualités de crédit sont indépendantes. Dans ce cas il est possible de reproduire le même schéma d'application que précédemment, en ayant à la place d'un tableau à une dimension donnant les probabilités d'occurrence des différents ratings à un an un tableau à deux dimensions donnant les probabilités d'occurrence du couple (RatingObligation1, RatingObligation2). Cependant cette hypothèse d'indépendance est trop forte, et ne permettrait notamment pas de mettre en avant les phénomènes de concentration des portefeuilles de crédits observés. On observe en effet en pratique des corrélations positives entre les améliorations ou dégradations de la qualité de crédit d'émetteurs appartenant à un même secteur économique, ou à une même zone géographique. Par exemple si le marché de l'automobile ralentit, c'est-à-dire si le nombre des ventes diminue, cela entraîne pour la majorité des fabricants de voitures des rentrées d'argent moins importantes que prévues, induisant d'éventuels problèmes de trésorerie et in fine de possibles défauts de remboursements de dettes. De plus les corrélations existantes à un instant t peuvent évoluer au cours des mois ou années suivantes : comme pour la matrice de transition le choix de l'horizon de temps retenue pour estimer les corrélations a un impact non négligeable sur le résultat final. 14 2.2.1. Modification du modèle de Merton Le modèle CreditMetrics propose d'estimer les corrélations existantes entre les qualités de crédit des différentes contreparties en portefeuille en utilisant les prix des actions comme estimateurs des valeurs des actifs des sociétés considérées. Concrètement la démarche consiste à estimer les corrélations entre les rendements des prix d'actions de différents émetteurs, puis à en déduire les corrélations entre les changements de qualité de crédit (i.e. de rating) en utilisant la distribution jointe des rendements des actions. Pour ce faire CreditMetrics adapte l'approche de Merton que nous avons vue dans le chapitre précédent. En effet l'approche de Merton ne permet de distinguer que deux cas de figure à l'horizon t = T : soit l'émetteur est en défaut, soit il ne l'est pas. CreditMetrics retouche cette approche de telle sorte à pouvoir distinguer autant de cas à l'horizon t = T qu'il existe de qualités de ratings différentes, i.e. de ratings. Ceci sera possible en découpant la distribution des rendements de l'actif en différentes tranches afin de pouvoir associer chacune de ces tranches à chaque rating possible à horizon t = T. Ce mécanisme est illustré par le schéma suivant : Afin d'estimer les différents niveaux qui séparent les ratings, le modèle CreditMetrics considère identiques les log-rendements normalisés des actifs des différents émetteurs d'une même classe de ratings. Soit pDef la probabilité qu'un émetteur BB fasse défaut. La valeur seuil des actifs ADef correspondant à cette probabilité est : pDef P At ADef Sachant que l'on a 15 2 t t Zt At A0 exp 2 avec Zt N 0,1 et At t 0 0 l'expression de pDef peut alors être adaptée en considérant les log-rendements normalisés des actifs At de la firme : pDef 2 t t Zt ADef P A0 exp 2 ln ADef / A0 2 / 2 t P Zt t 2 ln A0 / ADef / 2 t P Zt t Nous avons ainsi estimé le premier niveau, i.e. celui séparant l'état de défaut de la classe des ratings CCC et valant : ZCCC ln A0 / ADef 2 / 2 t t 2.2.2. Prise en compte des corrélations via des facteurs systémiques Si elle peut sembler précise une modélisation visant à utiliser les corrélations entre chaque paire d'émetteurs s'avère vite impraticable : d'une part l'estimation de l'ensemble de ces corrélations entre émetteurs peut se révéler une tâche fastidieuse et excessivement sensible aux données utilisées, la rendant peu stable au court du temps. D'autre part les calculs numériques qui en découleraient pour réaliser les simulations de Monte Carlo de variations de la valeur du portefeuille de crédit seraient trop consommatrices en temps pour être envisageables régulièrement. La solution largement adoptée consiste à ne pas prendre en compte explicitement des corrélations entre paires d'émetteurs, mais entre facteurs représentatifs de la qualité de crédit de ces émetteurs. Ces facteurs sont par exemple la zone géographique de l’émetteur, ou bien son secteur d'activité. Les seules corrélations à prendre en considérations lors des simulations seront celles entre les facteurs de risque, ce qui réduira sensiblement la complexité des calculs. Le modèle CreditMetrics utilise une gaussienne multivariée pour prendre en compte les dépendances entre les facteurs de risque. La simulation des valeurs de 16 ces facteurs peut ainsi se faire relativement simplement en partant de gaussiennes centrées réduites indépendantes puis en utilisant un algorithme tel que celui décrit dans le deuxième chapitre de GLASSERMAN (2004) qui consiste à appliquer une décomposition de Cholesky à la matrice des covariances entre facteurs. Concrètement cela se traduira par la modélisation suivante du rendement de chaque émetteur i représenté par n facteurs de risque : ri i1 F 1 ... in F n i Le terme i représente le risque propre à chaque émetteur, aussi appelé risque idiosyncratique. Ce risque est supposé indépendant des risques systémiques représentés par la partie k i Fk . k 2.3. Résumé Telle que présentée pour le moment l'approche CreditMetrics nous permet, partant d'un portefeuille constitué de titres de créance émis par différents émetteurs, de construire la distribution du P&L à un horizon donné de ce portefeuille traduisant l'amélioration ou la dégradation de la qualité globale du portefeuille. Les paramètres propres à chaque position du portefeuille et influençant la distribution de P&L obtenue sont la maturité, le rating, la loss given default, l'appartenance à une zone géographique ou un secteur économique. D'autres paramètres ont également un impact sur cette distribution mais sont choisi globalement pour le portefeuille sans dépendre de sa composition ligne à ligne : l'horizon de temps considéré, la matrice de transition, les niveaux de taux sans risque et de spread. Notons qu'à ce stade nous n'avons pas encore introduit de notion de mesure de risque, ni de consommation de fonds propres : nous ne disposons pas encore d'un outil qui nous permette d'évaluer le risque de crédit propre à un portefeuille. Ces outils seront présentés dans le chapitre suivant relatif à la réforme Bâle II, puis étudiés dans un contexte plus formel dans la troisième partie de ce mémoire. De plus nous ne savons pas encore, sachant le risque global d'un portefeuille, quelle part de ce risque porte une position individuelle ou bien un ensemble de positions : il s'agit-là d'une problématique d'allocation de fonds propres, que nous étudierons dans la troisième partie de ce mémoire. 3. Modèle Bâle II 17 3.1. Le contexte réglementaire 3.1.1. Le rôle des fonds propres dans une banque L'actif d'une banque est en grande partie constitué par les crédits qu'elle a octroyés à ses clients ou aux titres de créance qu'elle détient. Cependant au contraire d'une entreprise classique, une banque n'utilise pas ses fonds propres directement pour financer ses actifs. En effet, de part les dépôts de ses clients ainsi que sa capacité à émettre de la dette sur les marchés, une banque dispose de capacités de financement à faible coût qui suffisent au financement de ses investissements. Le graphique ci-dessous produit par la banque centrale du Danemark compare les niveaux de dettes et de fonds propres de différents types d'industries : Dès lors quel rôle jouent les fonds propres dans une banque ? En accordant des crédits et en détenant des titres de créance une banque prend un risque sur la capacité de ses débiteurs à payer leurs intérêts et à rembourser les sommes prêtées. En moyenne et grâce aux historiques de pertes dont elle dispose une banque s'attend chaque année à enregistrer un certain montant de pertes dues à des non remboursements. Ce montant de pertes attendues est provisionné et a été intégré au coût des crédits accordés. Il est toutefois possible que cette banque observe un jour un niveau de pertes excessivement élevé par rapport à ses attentes : ce sont ses fonds propres qui lui permettront alors d'être capable de pouvoir faire face à cette situation inattendue comme l'illustre le graphique ci-dessous : 18 3.1.2. Exigences minimales de fonds propres réglementaires Afin de protéger les créanciers des banques, et plus particulièrement les déposants, les organismes de régulation du secteur bancaire imposent aux banques de détenir un montant minimal de fonds propres en fonction du niveau de risque auquel la banque d'expose. Comment cette contrainte est-elle formalisée ? Tout d'abord en définissant ce que les banques peuvent considérer comme étant des fonds propres : les régulateurs proposent une classification des différents éléments du passif d'une banque étant éligibles à l'appellation de fonds propres. Ces éléments sont appelés "fonds propres réglementaires". Ils correspondent généralement aux fonds propres Tier 1 + une partie des fonds propres Tier 2 (dont la prise en compte est majorée à 50% des fonds propres Tier 1). Ensuite les régulateurs définissent la notion de RWA (Risk Weighted Assets) : ils correspondent à la somme des différents actifs du bilan pondérés par des facteurs représentant le niveau de risque auquel ils exposent la banque. Quand on multiplie ces RWA par 8% on obtient une quantité que l'on peut décrire comme un niveau de consommation de fonds propres réglementaires. Les régulateurs posent alors la contrainte que le niveau de fonds propres réglementaires doit toujours être supérieur à l'utilisation de fonds propres réglementaires, c'est-à-dire que : RWA 8% FPréglementa ires La question est maintenant de savoir comment estimer les RWA, c'est ce que nous allons voir dans la section suivante. 19 3.2. Le modèle de crédit sous-jacent à la réforme Bâle II 3.2.1. De Bâle I à Bâle II Une fois ce contexte posé la question est de savoir comment mesurer les RWA. Une première approche réglementaire dite Bâle I et datant de 1988 avait introduit la notion de ratio Cooke : la valeur de chaque type d'actif est pondérée par un facteur dit ratio Cooke, facteur déterminé à partir de règles préétablies visant à traduire sa dangerosité. Le ratio par défaut est de 100%, signifiant alors qu'une exposition de 100 sur un type de contrepartie ayant un ratio Cooke de 100% aura une consommation en fonds propres réglementaires de 100 100% 8% = 8. Certaines contreparties bénéficient de ratio Cooke plus faibles comme les banques des pays OCDE (ratio Cooke = 20%) ou bien les souverains des pays OCDE (ratio Cooke = 20%). Les crédits ayant comme garantie une hypothèque sur un bien immobilier bénéficient quant à eux d'un ratio Cooke de 50%. Cette approche a eu le mérite de définir un premier cadre réglementaire coordonné permettant de mieux suivre les réserves en fonds propres des banques soumises à Bâle I. Cependant les ratios Cooke proposés ne se sont pas avérés suffisamment discriminants en termes de risque, et ont donné lieu à des parades mises en place par les banques et leur permettant de jouer sur ces pondérations. Par exemple une banque détenant une obligation d'un émetteur ayant un ratio Cooke de 100% peut, en la couvrant par un CDS contracté avec une banque d'un pays OCDE faire diminuer ce ratio à 20%. Couvrir une telle position en étant acheteur de protection via un CDS a bien sûr un coût, mais peut permettre dans certains cas d'augmenter le Return On Equity de l'opération en question. Afin de palier à ces manques le comité de Bâle a proposé à ses membres une consultation qui a débouché en 2004 sur la production d'une note donnant les idées directrices d'une nouvelle approche de mesure de fonds propres réglementaires : Bâle II. Cette approche est bâtie sur trois piliers. Le premier pilier décrit la nouvelle approche de mesure de la consommation de fonds propres réglementaires. Il s'agit de redéfinir la mesure de consommation de fonds propres réglementaires. L'approche précédente par Ratio Cooke est abandonnée au profit d'une approche reposant sur un modèle mathématique, permettant de prendre en compte différents Le deuxième pilier est plus ouvert : il encourage les banques à aller au-delà du pilier I, notamment en s'intéressant à des risques non couverts par le premier pilier (risque de liquidité, risque de business, …), l'idée étant que chaque banque puisse développer un mécanisme qui lui permette de lier son profil de risque à ses fonds propres disponibles. Le deuxième pilier prévoit une surveillance du régulateur quant à ces dispositifs, surveillance pouvant aller jusqu'à l'obligation d'immobiliser des fonds propres réglementaires pour certains types de risques non couverts par les banques et sur lesquels elles seraient exposées de façon non négligeable. 20 Enfin le troisième pilier vise à encourager la discipline de marché, autrement dit l'échange d'informations entre les banques quant aux approches et modèles qu'elles utilisent. 3.2.2. Un principe de base conduisant à l'utilisation d'un modèle ASRF Un des pré requis du nouveau modèle Bâle II était qu'il soit portfolio invariant, autrement dit que la consommation de fonds propres induite par un nouvel actif ne soit fonction que des caractéristiques de cet actif et pas de la composition du portefeuille existant de la banque. Pourquoi une telle contrainte alors que comme nous l'avons vu précédemment en présentant l'approche CreditMetrics le risque de crédit d'un portefeuille – et donc intuitivement le montant de fonds propres qu'il convient de conserver pour se protéger des unexpected losses qu'il pourrait induire – dépend précisément de la composition de ce dernier ? Parce qu'un objectif prioritaire du Comité de Bâle était que la nouvelle approche soit applicable par une large majorité de banques. Préconiser un modèle plus complexe intégrant les spécificités de l'actif de chaque banque aurait pu dissuader bon nombre de banques d'opter pour ce type d'approche, et ainsi de restreindre le champ d'application de la réforme. Le Comité de Bâle a donc utilisé un modèle ASRF (Asymptotic Single Risk Factor) dont la particularité est que les fonds propres consommés par chaque nouvelle opération ne dépendent pas des opérations précédentes. Ceci est rendu possible par le fait que ce modèle fait l'hypothèse d'un portefeuille bien diversifié. Si une banque estime que ce n'est pas le cas de son portefeuille elle peut traiter ce point spécifiquement dans le cadre du pilier 2. 3.2.3. Description du modèle Pour décrire mathématique le modèle ASRF utilisé dans Bâle II nous nous appuierons sur les articles de VASICEK (1987), VASICEK (1991), VASICEK (2002), GORDY (2002) ainsi que sur l'ouvrage BLUHM, OVERBECK, WAGNER (2002). Considérons un portefeuille constitué de n titres de créance émis par n émetteurs distincts et ayant les caractéristiques suivantes : - même maturité T même montant nominal les actifs des différents émetteurs sont deux à deux corrélés avec une corrélation égale à Soit Ai la valeur des actifs de l'émetteur i dont les variations sont modélisées par : dAi i Ai dt i Ai dx i 21 En t=T la valeur des actifs peut s'écrire : ln( AiT ) ln( Ai0 ) i T avec 1 i2 T i T X i 2 X i N(0,1) En t=T l'émetteur i sera considéré en défaut si la valeur de ses actifs tombe en dessous de la valeur de sa dette Bi. La probabilité de défaut du i-ième émetteur peut alors s'écrire : pi P( AiT Bi ) P(X i ci ) N(ci ) pi P AiT Bi lnB T i P ln A i 1 P ln Ai0 i T i2 T i T X i ln Bi 2 1 ln Bi ln Ai0 i T i2 T 2 P X i i T ci puisque X i N(0,1) et avec c i ln(Bi ) ln( Ai0 ) i T 1 i2 T 2 i T Définissons l'indicatrice Li par : = 1 si l'émetteur i fait défaut Li = 0 sinon Définissons L comme le pourcentage de défauts du portefeuille global : L 1 n Li n i 1 Si les Li étaient indépendantes entre elles, la variable L convergerait en vertu du théorème central limite vers une variable aléatoire gaussienne quand n. Cependant ces variables n'étant pas indépendantes les hypothèses du théorème central limite ne sont pas satisfaites et la variable L ne tend pas vers une variable aléatoire gaussienne. 22 Cependant L admet une distribution limite qu'il est possible d'expliciter. Les variables Xi définies précédemment étant des variables normales centrées réduites corrélées deux à deux il est possible de les réécrire : X i Y Zi 1 où les variables Xi, Y et Zi sont des variables aléatoires normales centrées réduites deux à deux indépendantes. La variable Y s'interprète comme une variable représentant l'état global de l'économie. La variable Xi est ainsi décomposée en deux : X i Y Zi 1 Exposition systémique Exposition idiosyncratique Si on fixe le facteur Y on peut écrire la probabilité de défaut de l'émetteur i comme étant égale à : pY P X P Li 1 | Y i N 1 p P Y Zi 1 N 1 p N 1 p Y P Zi 1 1 N p Y N 1 p(Y) représente la probabilité que l'émetteur i fasse défaut sous le scénario Y. Conditionnellement à la variable Y les variables Li sont i.i.d. (indépendantes identiquement distributées) et de variance finie. Il est donc possible d'appliquer la loi des grands nombres qui nous permet d'écrire que, conditionnellement à Y, la distribution des pertes du portefeuille converge vers son espérance p(Y) quand n. Alors nous pouvons écrire : P L x P pY x P Y p 1 x N p 1 x or d'après l'écriture de p(Y) ci-dessus nous avons : 23 N 1 p p 1 x x p p x N 1 1 N 1 x 1 N 1 p p 1 x p 1 x N 1 p N 1 x 1 ce qui nous permet d'écrire : N 1 x 1 N 1 p P L x N Le graphique ci-dessous présente dans le cas où p=0.02 et =0.05 la distribution des pertes d'un portefeuille : Distribution des pertes (p=0.02, rho=0.05) 0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 Nous avons dans les trois caractéristiques du portefeuille indiqué que les montants d'exposition sur chaque émetteur doivent être égaux. En fait pour que l'égalité ci-dessus soit valable avec des montants d'exposition différents il suffit (mais il faut) que : n w i 1 2 i 24 0 les wi étant les poids des expositions sur chaque émetteur distinct. n La quantité w i 1 2 i s'appelle l'indice de Herfindahl-Hirschman (HHI). Elle est utilisée par des banques voire des régulateurs pour mesurer le niveau de concentration sur des émetteurs individuels. En effet cette quantité est comprise entre deux extrêmes : 0 correspondant au cas d'une granularité infinie (qui est l'hypothèse du modèle de Bâle II) et 1 correspondant à un cas où le portefeuille serait en fait investi sur une seule contrepartie. S'il est délicat de donner des niveaux à partir desquels un portefeuille peut être considéré comme concentré le suivi régulier d'un tel indicateur peut permettre à une banque de suivre des tendances, et éventuellement de prendre les mesures correctrices appropriées. Nous venons de présenter le modèle ASRF (Asymptotic Single Risk Factor)utilisé pour Bâle II : Asymptotic car nous considérons la distribution limite de perte du portefeuille, Single Risk Factor car le modèle n'intègre les composantes économiques globales qu'au travers d'un unique facteur Y. Voyons maintenant comment ce modèle est utilisé pour estimer la consommation de fonds propres réglementaires. 3.2.4. Estimation de la consommation en fonds propres réglementaires Sur base du modèle présenté ci-dessus le Comité de Bâle propose aux banques d'estimer leur consommation en fonds propres réglementaires au moyen de formules dépendant de différents paramètres de risque. Il existe différentes formules dépendant soit du type de contrepartie, soit du type de crédit. Nous présentons ci-dessous à titre d'exemple la formule utilisée pour les crédits hypothécaires : N 1 PD K N N 1 0.999 LGD PD LGD 1 1 avec =15%. La formule à utiliser pour les contreparties de types banques, corporates, souverains intègre un facteur d'ajustement dépendant de la maturité du crédit ou du titre de créance. Cet ajustement vise à pénaliser les expositions à maturité éloignée (notons toutefois qu'il existe un cap à 5 ans pour le calcul des consommations de fonds propres réglementaires). Il peut s'interpréter comme le fait qu'en cas de dégradation de la qualité de crédit d'un émetteur, et ce sans aller jusqu'au défaut, la valeur des créances détenues par une banque à son égard a tendance à se déprécier. 25 Enfin il existe un dernier ajustement pour les contreparties de type PME dépendant du chiffre d'affaires : l'idée est alors de considérer que les plus grosses entreprises, représentées par celles ayant les chiffres d'affaires les plus importants, sont celles qui seront le plus sensibles à la dégradation de l'environnement macro économique dans sa globalité représentée par le facteur unique du modèle ASRF. En pratique les estimations de consommations en fonds propres réglementaires sont effectuées en ligne à ligne, puis sommées pour avoir la consommation d’un portefeuille complet, ou d’une banque en totalité. Le nombre parfois élevé de positions constituant un portefeuille peut amener à se demander s’il n’est pas possible d’alléger les calculs en retenant par exemple comme montant d’exposition la somme des expositions individuelles, et comme paramètres de risques des PD moyennes, LGD moyennes etc. Une telle approche peut amener à des résultats surestimés, du fait que la fonction calculant les fonds propres réglementaires en fonction de la PD (tous les autres paramètres étant constants) est concave comme le montre le graphique ci-dessous : Consom m ation en fonds propres réglem entaires en fonction de la PD 6% 5% 4% 3% 2% 1% 0% 0.0% 0.5% 1.0% 1.5% 2.0% 2.5% 3.0% 3.5% 4.0% 4.5% 5.0% S’il est possible d’alléger les calculs, il vaut mieux dans la mesure du possible éviter d’utiliser une PD moyenne pour le portefeuille, car les résultats obtenus seraient alors surestimés. Dans cette première partie nous avons vu deux approches de modélisation du risque de crédit : l'approche CreditMetrics, largement utilisée par les banques, et l'approche réglementaire qui sert de base à la réforme Bâle II actuellement en cours de finalisation dans le milieu bancaire. Notons que nous n'avons évoqué la "consommation de fonds propres" que pour cette dernière, alors que nous en étions restés à l'obtention d'une distribution des pertes pour l'approche CreditMetrics. La notion de "consommation de fonds propres" est incluse dans celle de mesure de risque que nous allons traiter dans la deuxième partie de ce mémoire. 26 III. Mesures de risque et allocation de fonds propres 1. Mesures de risque Depuis quelques années les fonctions de Risk Management se développent dans les institutions financières, qu'il s'agisse de banques ou de compagnies d'assurance. Ces fonctions ont pour objectif de donner au Management de ces sociétés un éclairage chiffré sur l'ensemble des risques auxquels elles sont exposées. Un éclairage c'est-à-dire le recensement et la description la plus précise possible des différents risques encourus : cette phase est préalable à toute approche globale et se traduit fréquemment par la rédaction d'une cartographie des risques propre à chaque société. Chiffré car si la description littérale des risques est nécessaire afin de bien cerner les problématiques et de s'assurer de l'exhaustivité de l'approche à déployer, elle demeure insuffisante dès lors qu'il s'agit de disposer d'indicateurs d'aide à la décision, afin par exemple de permettre la comparaison de la dangerosité de différentes activités ou différents portefeuilles. L'attention accrue des professionnels pour le domaine du Risk Management est également partagée par les régulateurs nationaux chargés de surveiller les activités des sociétés comme nous l'avons vu dans la partie précédente. Ceci s'est formalisé dans le domaine bancaire avec la mise en place des réformes dites de Bâle dont la seconde version Bâle II est en cours de finalisation, et par une démarche similaire dans le domaine des assurances avec les réformes dites Solvency dont la seconde version Solvency II commence à être déployée parmi les sociétés d'assurance. Ces attentions croisées ainsi que la nécessité de disposer d'indicateurs chiffrés ont été à l'origine du développement d'outils quantitatifs appelés mesures de risque. Dans un premier temps nous présenterons un cadre formel comprenant la définition de ces mesures ainsi qu'un ensemble de propriétés qu'elles peuvent respecter. Nous donnerons ensuite différents exemples de mesures de risque fréquemment utilisées par les banques ou les compagnies d'assurance. 1.1. Définition et formalisation Parmi les différents travaux de formalisation des mesures de risque disponibles dans la littérature nous nous appuierons dans cette section sur ceux repris dans l'article ARTZNER, DELBAEN, EBER, HEATH (1998). 1.1.1. Notion de risque 27 Avant de pouvoir définir formellement ce que l'on entend par mesure de risque il convient de commencer par préciser la notion de risque. Pour cela plaçons-nous du point de vue d'un investisseur détenant un actif financier dont la valeur est représentée par At à la date t. Intuitivement le risque pour cet investisseur est que la valeur future de son actif financier à horizon t=T diffère de la valeur future à ce même horizon telle qu'attendue en t=0. Admettons que l'actif en question soit une action de valeur 100 en t=0 et pour laquelle le rendement annuel attendu est de 10%. Le risque pour l'investisseur sera que dans un an la valeur de son action soit inférieure à 110 (l'ensemble des valeurs possibles strictement supérieures à 110 n'étant pas "gênantes" de son point de vue). En t=0 le risque d'un actif financier à un horizon de temps t=T peut se définir comme l'incertitude quant à une déviation défavorable de la valeur future de cet actif en t=T par rapport à sa valeur future attendue en t=0. Formellement une mesure de risque est une fonction f : R, avec étant un ensemble de fonction à valeurs dans R, représentant pratiquement le niveau possibles des pertes d'un portefeuille ou d'un actif. 1.1.2. Formalisation des propriétés des mesures de risque Dans ARTZNER, DELBAEN, EBER, HEATH (1998) sont définies quatre propriétés que peut respecter une mesure de risque : L'invariance par translation X G et R on a ( X + r ) = ( X ) – Une mesure de risque invariante par translation assure que l'ajout d'une constante à un portefeuille ne fera que déplacer le niveau de risque mesuré de cette constante. L'homogénéité positive X G et 0 on a ( X ) = ( X ) Une mesure de risque positive homogène assure qu'une duplication de portefeuille aura un effet proportionnel sur le niveau de risque mesuré. La monotonie X et Y G tels que X Y on a ( X ) ( Y ) 28 Une mesure de risque monotone assure que si la valeur d'un portefeuille est systématiquement plus faible que celle d'un autre portefeuille, alors le risque qu'il induira sera également plus faible. La sous-additivité X et Y G on a ( X + Y ) ( X ) + ( Y ) Une mesure de risque sous-additive est une mesure de risque favorisant la diversification : le risque global de deux sous-portefeuilles étant inférieur à la somme des risques de chaque sous-portefeuille considéré individuellement. Une mesure de risque satisfaisant les quatre propriétés ci-dessus est appelée mesure de risque cohérente. 1.2. Différentes mesures de risque 1.2.1. Mesures basées sur l'écart-type Les mesures de risque basées sur l'écart-type sont en fait des généralisations de la mesure de risque utilisée dans l'approche de Markowitz (MARKOWITZ (1952), QUITTARD-PINON (2003)) à savoir l'écart-type des rendements de chaque actif, aussi appelé volatilité. Soit c 0. Définissons la mesure de risque c par : c X c StdX E X Propriétés La mesure de risque c est : (a) invariante par translation (b) positivement homogène (c) sous-additive (d) non nécessairement monotone Démonstration (a) (a,X) (R,V) on a c X a c StdX a E X a c StdX E X a 29 c X a (b) (a,X) (R+,V) on a c a X c Stda X E a X a c StdX a E X a c X (c) (X,Y) V2 on a c X Y c StdX Y E X Y c StdX StdY E X E Y c X c Y (d) Si c = 0, c( X ) = E( X ) est monotone. Soit c > 0 et A A telle que 0 < P(A) < c2 / (1+c2). Notons P(A) =p, et définissons la variable X V ainsi : - 1 / p sur A X= 0 en dehors de A Nous avons ainsi X 0. Nous allons calculer la mesure c( X ) : E X 1 2 VARX 1 p 1 1 p 12 p 1 1 p c X c 1 1 1 p d'où or nous avions choisi A telle que 0 p c2 d'où 1 c2 1 1 1 2 p c c 1 1 1 c p 1 1 c2 c X 0 30 Comme X 0 et c X 0 , c n'est pas monotone. En résumé les mesures de risques basées sur l'écart-type telles que nous les avons définies possèdent les propriétés suivantes : - invariance par translation homogénéité positive sous-additivité En revanche elles ne possèdent généralement pas la propriété de monotonie, ce qui peut poser certains problèmes si on souhaite les utiliser comme règle d'allocation de fonds propres. Nous verrons ceci dans le second chapitre de cette partie. 1.2.2. Value-at-Risk Supposons ici que X soit une variable aléatoire définie sur un espace de probabilité (,A,P) et correspondant au P&L d'un portefeuille donné. Soit également a ]0;1[ un nombre réel représentant l'intervalle de confiance auquel on souhaite se placer. Définition des quantiles Quantile inférieur de X pour un intervalle de confiance : x q X Inf x R | P X x Quantile supérieur de X pour un intervalle de confiance : x q X Inf x R | P X x Définition de la VaR L'existence de deux quantiles pour un même intervalle de confiance peut rendre ambiguë la définition de la VaR. Ici nous adoptons l'approche retenue par DELBAEN (2000) et ACERBI, TASCHE (2002) qui définissent la VaR à l'intervalle de confiance comme la plus petite valeur telle que la probabilité que la perte absolue soit au plus cette valeur soit au moins 1-. En d'autres termes : VaR X x q1 X 31 En termes plus qualitatifs la VaR d'un portefeuille répond à la question : "Quel est le montant maximal de perte que mon portefeuille peut subir pour un intervalle de confiance donné ?". La VaR s'est rapidement imposée comme un outil de mesure de risque classique, ceci notamment depuis la publication de la documentation RiskMetrics par JP Morgan. La VaR a été utilisée essentiellement pour le suivi des risques de marché, la fréquence et le nombre d'observations disponibles ayant rendu possible la calibration des paramètres nécessaires aux calculs de VaR : la plupart des banques suivent ainsi leurs positions sur les marchés des capitaux quotidiennement en calculant une VaR 99% à 10 jours. Notons qu'en pratique la VaR est estimée de trois façons : - en répliquant la distribution empirique des rendements historiques observés en calibrant une distribution théorique sur les rendements puis en prenant le quantile souhaité dans des cas plus complexes en réalisant des simulations de Monte Carlo. Enfin ce succès de la VaR s'est concrétisé par l'adaptation du texte de Bâle I de telle sorte à autoriser les banques à utiliser un modèle interne pour le suivi de leurs risques de marché. En dépit de son aspect pratique qui a rapidement fait d'elle un outil largement utilisé dans les institutions financières la VaR a subi un certains nombres de critiques. Un certain nombre d'entre elles portent sur le fait qu'elle ne soit pas une mesure de risque cohérente, ou plus précisément sur le fait qu'elle ne soit pas, dans l'absolu, une mesure de risque sous-additive. En effet si la VaR respecte les axiomes d'invariance par translation, d'homogénéité positive ainsi que de monotonie elle ne respecte en revanche pas celui de sous-additivité. Comme nous l'avons vu dans la section précédente une mesure de risque est dite sous-additive si elle respecte la condition suivante : X et Y G on a ( X + Y ) ( X ) + ( Y ) Cette propriété de sous-additivité s'interprète littéralement comme le fait qu'une "fusion n'augmente pas le risque", autrement dit si l'on considère le risque d'un portefeuille constitué de deux sous-portefeuilles, celui-ci ne doit pas être supérieur à la somme des deux risques calculés isolément. Il se trouve que dans certains cas la VaR du tout est supérieure à la somme des VaR des parties comme le montre l'exemple suivant tiré de ARTZNER, DELBAEN, EBER, HEATH (1998). Considérons deux variables aléatoires réelles indépendantes X1 et X2 ayant la même densité fX1(x)=fX2(x)=f(x) avec : f(x) = 0.05 pour x [-2;0] 0.90 pour x [0,1] 0 sinon Nous avons alors VaR10%(X1)= VaR10%(X2)=0 et VaR10%(X1+X2) > 0. Cet exemple montre, la VaR n'étant pas toujours sous-additive ne peut être considérée comme une mesure de risque cohérente. Cependant il existe de 32 nombreux cas pour lesquels la VaR est sous-additive, ces cas dépendant de la distribution des variables aléatoires représentant les P&L des différentes sousportefeuilles considérés : citons à ce sujet EBERLEIN, FREY, KALKBRENER, OVERBECK (2007). Afin de répondre à un certains nombres de critiques portées à la VaR d'autres mesures de risque ont été cherchées, parmi lesquelles une est d'usage fréquent dans le milieu bancaire ainsi qu'en assurance : l'Expected Shortfall. 1.2.3. Expected Shortfall Si la VaR présente l'avantage de résumer en un seul chiffre un montant en risque, elle ne donne aucun élément de réponse à la question "Si je me trouve dans ces x% de cas à quel montant de pertes puis-je m'attendre ?". C'est précisément à cette question que l'Expected Shortfall permet de répondre. Citons comme références sur le sujet l'article ACERBI, NORDIO, SIRTORI (2001) qui résume les avantages et inconvénients de la VaR en mettant en avant le non respect de la propriété de sous-additivité et le fait que d'autres mesures telles que l'Expected Shortfall en disposent. Citons également l'article ACERBI, TASCHE (2002) qui reprend différentes mesures de risque et leurs propriétés, en mettant l'accent sur l'Expected Shortfall ainsi que les relations existantes entre ces différentes mesures. Définition de l'Expected Shortfall Soit X une variable aléatoire de moment d'ordre 1 fini. La Tail-Mean de la variable X à l'intervalle de confiance : x TM X 1 E X 1X x x P X x Et l'Expected Shortfall de la variable X à l'intervalle de confiance : ES X x L'Expected Shortfall respecte certaines propriétés, notamment la propriété de sous-additivité qui permet de faire d'elle une mesure de risque cohérente. 33 Proposition : sous-additivité de l'Expected Shortfall X et Y deux v.a. de moment d'ordre 1 fini ]0;1[ on a ES(X+Y) ES(X) + ES(Y) Démonstration Soit 1X x la fonction définie comme 1X x 1X x 1X x P X x P X x 1X x si P X x 0 si P X x 0 Nous avons immédiatement : 1X x 0;1 E 1X x 1 E X 1X x x Il est ainsi possible d'écrire l'Expected Shortfall sous la forme suivante : ES X 1 E X 1X x Définissons maintenant la variable aléatoire Z = X + Y. En utilisant l'écriture précédente de l'Expected Shortfall nous pouvons écrire : ES X ES Y ES Z E Z 1Z z X 1X x Y 1Y y E X 1Z z 1X x Y 1Z z 1Y y x E 1Z z 1X x y E 1Z z 1Y y x y 34 0 ES X Y ES X ES Y c'est-à-dire Une autre propriété intéressante est la continuité en l'intervalle de confiance , propriété que n'a pas la VaR par exemple. En pratique il est fréquent d'avoir affaire à des variables aléatoires ont des distributions discrètes, ou plus exactement il est fréquent d'avoir affaire à des variables pour lesquelles une approximation de distribution continue s'écarte trop de la réalité. Il peut s'agit par exemple de portefeuilles contenant des produits dérivés, ou bien de portefeuilles constitués de crédits non traités sur les marchés (contrats entre la banque et ses clients). Certaines mesures de risque parmi lesquelles la VaR peuvent présenter des discontinuités pour ce types de distributions discrètes lorsque l'on modifie, même légèrement, l'intervalle de confiance . A contrario l'Expected Shortfall est une mesure de risque continue en l'intervalle de confiance, ce qui fait que l'étude pour un même portefeuille du niveau d'Expected Shortfall à intervalles de confiance proches ne sera pas biaisée par des sauts. Proposition Si Continuité de l'Expected Shortfall en X est une variable aléatoire réelle avec E X alors la fonction f : ES est continue sur ]0;1[. Démonstration Afin de démontrer cette proposition nous allons montrer que la Tail Mean peut s'écrire sous la forme intégrale suivante : x 1 x u du 0 Pour cela remarquons qu'il est possible de supposer qu'il existe une variable aléatoire réelle U uniformément distribuée sur ]0;1[. On sait alors que la variable aléatoire Z x U a la même distribution X . La fonction u x u étant non décroissante nous avons les deux inclusions suivantes : U Z x et 35 U Z x Z x Ces deux inclusions permettent d'écrire : 0 x u du E Z 1U E Z 1Z x E Z 1U Z x E X 1X x x P X x c'est-à-dire 1 x u du x 0 On peut alors réécrire l'Expected Shortfall comme : ES X 1 qu X du 0 Cette écriture montre que l'Expected Shortfall est continu en sur ]0;1[. 1.2.4. Autres mesures de risque Il existe d'autres mesures de risque comme par exemple la Tail Conditional Expectation (TCE) ou la Worst Conditional Expectation (WCE) introduites par DELBAEN (2000) et ARTZNER, DELBAEN, EBER, HEATH (1998),ou la Conditional Value-at-Risk introduite par URYASEV (2000). Sans entrer dans le détail notons les points suivants : la TCE a, comme la VaR, l'inconvénient de ne pas être sous-additive dans le cas général. La WCE est la plus petite mesure de risque cohérente dominant la VaR, mais a l'inconvénient d'être peu aisée à manipuler du fait de sa définition. Enfin la Conditional Value-at-Risk est une mesure de risque à la fois cohérente et pratique à utiliser : on peut démontrer qu'elle coïncide parfaitement avec l'Expected Shortfall défini ci-dessus sous certaines conditions (la continuité de la fonction de répartition de X), et correspond à la valeur maximale que peut prendre la WCE. Notons finalement que l'Expected Shortfall peut être vue comme cas particulier d'une classe de mesures de risque plus large : les mesures de risque spectrales, voir par exemple ACERBI (2002). Ces mesures sont basées sur la définition d'une fonction de pondération de la densité des pertes, permettant ainsi à chaque institution de prendre en compte son aversion au risque. Comme le remarque OVERBECK (2004) l'Expected Shortfall à 99% peut être vu comme traduisant une aversion au risque nulle pour les pertes situées sous le seuil de confiance de 99%, et indifférente parmi les pertes au-delà de ce seuil. L'utilisation d'une mesure de risque spectrale permettra par exemple de considérer différentes pondérations en fonction de différents niveaux d'intervalles de confiance. OVERBECK (2004) propose les pondérations suivantes en guise d'exemple : 36 pondération = w0 entre 50% et 99% k1 w0 entre 99% et 99.9% k2 w0 au-delà de 99.9% 1.2.5. Résumé Avant de passer au chapitre traitant de l'allocation de fonds propres nous pouvons résumer les différentes mesures de risque que nous avons vues ainsi que leurs propriétés (dans un cas général), ces dernières étant particulièrement importantes pour la partie suivante : Propriété Mesure de risque Basée sur StD Value-at-Risk Expected Shortfall Invariance par translation Homogénéité positive Monotonie Sous-additivité 2. Allocation de fonds propres 2.1. Description et motivation de la problématique Dans la première partie de ce mémoire nous avons vu comment appréhender le risque d'un portefeuille de crédits pris dans sa globalité : en appliquant le modèle CreditMetrics à l'ensemble des lignes d'un portefeuille nous pouvons aboutir à une distribution des pertes et profits pour ce portefeuille, distribution à partir de laquelle on peut déduire par exemple une consommation de fonds propres estimée comme la Value-at-Risk à un horizon de temps et un intervalle de confiance donnés diminuée de l'espérance de la distribution, c'est-à-dire des pertes de crédit attendues. Cette estimation de consommation de fonds propres à un niveau global est nécessaire pour que le management de la banque sache si l'ensemble des activités de crédit n'expose pas la banque à un risque trop important auquel elle pourrait avoir des difficultés à faire face s'il se matérialisait. 37 Cependant cette estimation se révèle insuffisante dès lors que l'on souhaite descendre à un niveau de granularité plus fin que le niveau global. Supposons par exemple que la banque soit organisée en cinq activités distinctes induisant toutes ensemble une consommation globale de fonds propres de 100 : quelle est la contribution de chacune des activités à ce montant global ? Plus précisément certaines activités pénalisent-elles plus la banque que d'autres, avec des expositions plus risquées par exemple ? Différentes études relatives aux problématiques d'allocation de fonds propres ont été et continuent d'être menées. Dans cette partie nous utiliserons essentiellement les travaux de KALKBRENER (2002). Ceux-ci ont en effet l'avantage de proposer une axiomatique pour l'allocation de fonds propres qui soit simple et efficace d'utilisation avec les mesures de risque classiques. 2.2. Un système d'axiomes pour l’allocation de fonds propres 2.2.1. Fonction d'allocation de fonds propres Définition : fonction d'allocation de fonds propres Soit une mesure de risque. Nous dirons que : V V R est une fonction d'allocation de fonds propres associée à la mesure si X V on a (X,X) = (X). Cette définition impose que, quel que soit le portefeuille considéré X dans l'ensemble des portefeuilles possibles V la fonction d'allocation de fonds propres de ce portefeuille considéré isolément renverra exactement le montant de fonds propres consommés par ce portefeuille et mesuré par la mesure de risque . Considérons un portefeuille Y constitué de n sous-portefeuilles Xi. La mesure de risque nous indique que le portefeuille consomme (Y) en fonds propres. La fonction d'allocation de fonds propres va permettre de déterminer quelle est la contribution (Xi,Y) de chacun des sous-portefeuilles Xi à la consommation globale de fonds propres (Y) du portefeuille Y. La fonction d'allocation peut disposer de différentes propriétés, dont trois vont constituer les axiomes de base du système d'allocation de fonds propres étudié : Axiome 1 : linéarité a, b R, X, Y, Z V on a ( a X + b Y , Z ) = a ( X , Z ) + b ( Y , Z ) 38 Cet axiome permet de s'assurer que la somme des contributions individuelles des sous-portefeuilles Xi d'un portefeuille Y est bien égale à la consommation de fonds propres de ce dernier. En effet cette dernière vaut : Y Y, Y n X i , Y i 1 X n i 1 i ,Y Axiome 2 : diversification X, Y V on a ( X , Y ) ( X , X ) Il s'agit ici de traduire que le montant de fonds propres alloué à un portefeuille X en tant que sous-portefeuille d'un portefeuille plus large Y est nécessairement inférieur au montant de fonds propres consommé par X isolément. En outre il permet (avec l'axiome 1) d'écrire que le montant de fonds propres consommé par un portefeuille est inférieur à la somme des consommations de fonds propres de chacun de ses sous-portefeuilles. En effet supposons que le portefeuille Y se décompose en n sous-portefeuilles Xi. L'axiome 2 permet d'écrire : X i ,Y X i , X i soit en sommant les n inégalités : n X n X i ,Y i 1 i 1 n X i , Y i 1 Y i , Xi X n i 1 i X n i 1 i Axiome 3 : continuité (en Y) X V et pour 0 on a lim ( X , Y + X ) = ( X , Y ) 39 Cet axiome vise à s'assurer qu'un léger changement sur un portefeuille global Y n'aura qu'un léger impact sur l'allocation de fonds propres de ses différents sousportefeuilles. 2.2.2. Complétude de ce système Maintenant que ce système a été défini nous pouvons nous interroger quant à sa complétude. Autrement dit le fait qu'une fonction d'allocation de fonds propres respecte les trois axiomes précédents suffit-il à la déterminer de façon univoque ? La réponse est oui, et cette fonction est la dérivée de la mesure de risque au point Y dans la direction du sous-portefeuille X. Théorème : complétude Soit une fonction d'allocation de fonds propres associée à la mesure et respectant les trois axiomes de linéarité, diversification et continuité en Y. Alors X V on a X , Y lim 0 Y X Y Démonstration Soit 1, 2 R avec 1 < 2. Comme respecte l'axiome de diversification on a : Y 2 X Y 2 X,Y 1 X Y 1 X 2 1 X,Y 1 X or L respectant également l'axiome de linéarité on en déduit : Y 2 X Y 1 X 2 1 X,Y 1 X soit en divisant par 2 – 1 : Y 2 X Y 1 X X , Y 1 X 2 1 En inversant les rôles de 1 et 2 et en partant de ( Y + 2 X ) nous pouvons obtenir une inégalité similaire à la précédente : Y 2 X Y 1 X X , Y 2 X 2 1 40 Ces deux inégalités permettent d'aboutir à l'encadrement suivant : X ,Y 1 X Y 2 X Y 1 X X , Y 2 X 2 1 Finalement la fonction d'allocation de fonds propres respectant l'axiome de continuité le majorant et le minorant de cette inégalité tendent chacun vers ( X , Y ) quand 1 et 2 tendent vers 0 et donc Y X Y 0 X , Y lim 2.2.3. Existence d'une fonction d'allocation de fonds propres Reste maintenant la question de savoir si une telle fonction d'allocation de fonds propres existe. A ce sujet KALKBRENER (2002) propose une condition nécessaire et suffisante reprises dans le théorème suivant : Théorème : CNS d'existence d'une fonction d'allocation de fonds propres Soit une mesure de risque. Il existe une fonction d'allocation de fonds propres associée à linéaire et diversifiante si et seulement si est positive homogène et sous-additive. Démonstration de la condition nécessaire Démontrons d'abord la positive homogénéité. Soit a un réel positif. La fonction d'allocation de fonds propres étant linéaire on a : a X , X a X , X Or est également diversifiante donc a X , X a X , a X En réutilisant ces propriétés de linéarité et de diversification on poursuit : a X , a X a X , a X a X , X 41 Nous en déduisons ainsi que : a X , X a X , a X Pour montrer que est positive homogène écrivons : a X a X , X a X , a X comme vu ci-dessus a X Montrons maintenant que est sous-additive X Y X Y , X Y X , X Y Y , X Y car est linéaire X , X Y , Y car est diversifiante X Y La démonstration de la condition suffisante est plus délicate, reposant notamment sur le théorème de Hahn-Banach. Nous renvoyons à KALKBRENER (2002) et DUNFORD, SCHWARTZ (1958) pour plus de détails. 2.3. Exemples de fonctions d'allocation de fonds propres 2.3.1. Mesures basées sur l'écart-type Reprenons la mesure de risque basée sur l'écart-type c X c StdX E X c définie précédemment : avec c 0 Comme nous l'avons vu précédemment la mesure de risque c possède les propriétés d'invariance par translation, d'homogénéité positive ainsi que de sousadditivité. Ces deux dernières propriétés font que l'on peut dire (cf point 2.2.3. sur l'existence) qu'il existe une fonction d'allocation de fonds propres linéaire et diversifiante par rapport à la mesure de risque c . Définissons maintenant la fonction d'allocation de fonds propres respectivement à cette mesure Std suivante : c 42 c Std c X , Y Cov X , Y E X Std Y E X si Std Y 0 si StdY 0 Montrons dans un premier temps que cette fonction d'allocation de fonds propres est linéaire et diversifiante. Démonstration Linéarité Evidente si Y =0. Sinon : Std c a X b Y , Z Cov a X b Y , Z E a X b Y Std Z Cov X , Z Cov Y , Z ac a E X b c b E Y Std Z Std Z Std a Std c X , Z b c Y , Z c Diversification Evidente si Y =0. Sinon : Std Std c X , Y c X , X or Cov X , Y Cov X , X E X c E X Std Y Std X Cov X , Y c c Std X Std Y Cov X , Y Std X Std Y c Std Y c Cov X , Y Std X Std Y . En effet on a 1 Corr X , Y 1 Cov X , Y 1 1 Std X Std Y StdX StdY Cov X , Y StdX StdY ce qui permet de conclure que Std Std c X , Y c X , X 0 43 est continue en Y (du fait de la continuité de Std Y 0 alors Std c Cov X , Y et Std Y en Y). Les trois hypothèses du théorème portant sur la En outre si complétude du système sont ainsi satisfaites et permettent d'écrire : c Y X c Y 0 Std c X , Y lim c En revanche le fait que la mesure de risque ne soit généralement pas monotone peut poser certains problèmes lors de l'allocation de fonds propres. En effet une allocation par cette mesure peut conduire à allouer à certaines positions un montant de fonds propres plus élevé que l'exposition elle-même. Tant que l'on ne considère que des portefeuilles ayant des distributions de P&L gaussiennes une allocation par contribution à la VaR est satisfaisante. En revanche dès que les distributions ne sont plus gaussiennes, comme par exemple dans le cadre de portefeuilles de crédits il est possible en utilisant cette méthode d'allouer à des sousportefeuilles des montants de VaR plus élevés que l'exposition totale du sousportefeuille, voir par exemple KALKBRENER, LOTTER, OVERBECK (2004). 2.3.2. Expected Shortfall Rappelons que la mesure de risque Expected Shortfall à l’intervalle de confiance peut s’écrire : ES Y 1 E Y 1Y q 1 Y q Y PY q Y Définissons maintenant la fonction d'allocation de fonds propres respectivement à cette mesure ES suivante : ES X , Y 1 1 X 1 dP Y X 1Y q Y dP Y q Y avec : Y P Y q Y P Y q Y si P Y q Y 0 Cette fonction présente l’avantage d’être en pratique très facile à estimer, par exemple la contribution à l’Expected Shortfall de l’obligation i d’un portefeuille obligataire se calcule comme : E Li | L VaR L 1 E Li 1LVaR L 1 44 En effet, le second terme de la somme (celui avec le coefficient ) étant en pratique négligeable ou nul. 2.3.3. Value-at-Risk Comme nous l'avons vu précédemment la VaR n'est en général pas une mesure de risque sous-additive. Ainsi la constitution d'un portefeuille à partir de n sousportefeuille peut augmenter la mesure de risque calculée avec une VaR. En dépit de ce défaut la VaR est largement utilisée dans la pratique, qu'il s'agisse du suivi quotidien de portefeuilles de trading ou bien de l'estimation de la consommation de fonds propres, la VaR répondant naturellement à la question "De quel montant de fonds propres dois-je disposer afin d'être en mesure de faire face à des pertes avec un niveau de confiance donné ?", la question n'étant pas de savoir quel serait le montant moyen de ces pertes si ce niveau venait à être dépassé. Dans ce contexte il est naturel de s'interroger sur la façon d'allouer le niveau de VaR estimé pour un portefeuille global à différents sous-portefeuilles qui le composent. Le fait que la VaR ne soit généralement pas sous-additive fait qu'il n'est pas possible d'appliquer le théorème du paragraphe 2.2.3. ci-dessus. En dépit de cette impossibilité on peut trouver trois types de solutions en pratique. La première consiste à écrire la dérivée lim VaR Y X VaR Y 0 qui peut en effet exister en fonction du portefeuille considéré, notamment dans le cadre de P&L "suffisamment continus" comme peuvent l'être ceux d'activités de trading. Nous renvoyons par exemple à GOURIEROUX, LAURENT, SCAILLET (2000) pour une analyse des conditions d'existence de la limite ci-dessus. Une deuxième solution couramment utilisée revient à calculer le niveau de VaR pour l'ensemble d'un portefeuille global, et à allouer ce niveau de VaR à différents sous-portefeuilles en fonction de leur contribution à la variance du portefeuille global. Si cette technique peut s'avérer pratique et fournir des résultats probants dans le cadre de portefeuilles de marché, elle montre ses limites dès lors que les distributions des P&L sont à queues épaisses et fortement asymétriques comme cela est le cas des portefeuilles de crédits, menant à deux phénomènes peu désirables. Le premier est que le montant de VaR alloué à un sous-portefeuille peut être plus élevé que le niveau de VaR de ce portefeuille considéré isolément. Si elle peut paraître gênante à première vue cette possibilité s'explique notamment dans le cas d'un sous-portefeuille contenant certaines positions largement répandues dans le portefeuille global auquel on l'ajoute. 45 Le second est que le montant de VaR alloué à un sous-portefeuille peut-être plus élevé que l'entière exposition du portefeuille, ce qui est là nettement plus gênant : en effet si on associe ce sous-portefeuille à une Business Unit, le responsable de celle-ci pourra éventuellement accepter d'avoir une consommation de fonds propres plus élevée que s'il était considéré isolément, mais sans doute pas d'avoir une consommation de fonds propres supérieure à sa perte maximale possible à savoir l'entière exposition de son portefeuille. Nous renvoyons là encore à l'exemple fourni dans l'article KALKBRENER, LOTTER, OVERBECK (2004). Enfin une troisième solution permet d'éviter le cas d'une allocation supérieure au montant d'exposition : il s'agit d'allouer le niveau de VaR calculé en fonction de la contribution à l'Expected Shortfall. Cette technique a été décrite dans de nombreux articles ou ouvrages (voir par exemple BLUHM, OVERBECK, WAGNER (2002)) et est couramment utilisée en pratique. En effet des outils de gestion du risque de crédit pour des portefeuilles de type CreditMetrics reposent sur des simulations de trajectoires de migrations de rating. Une fois que ces simulations ont été réalisées il est quasi immédiat d'avoir différents indicateurs comme la VaR à différents quantiles, l'Expected Loss, l'Expected Shortfall, etc. A ce sujet nous pouvons noter dès à présent que l'utilisation d'une clef d'allocation de la VaR reposant sur l'Expected Shortfall n'impose en aucun cas que ce dernier soit calculé au même niveau de confiance que celle-là. Il est même relativement fréquent que les niveaux de confiance retenus soient différents, les raisons pouvant être multiples : - - le niveau de confiance de la VaR est généralement lié à la probabilité de défaut correspondant au rating cible de la banque : une banque souhaitant s'assurer un niveau de fonds propres suffisant pour bénéficier d'un rating AA devra utiliser un intervalle de confiance correspondant à la probabilité de défaut d'un AA le niveau de confiance de l'Expected Shortfall peut être choisi différemment o parfois l'objectif de la banque est de retenir un intervalle de confiance tel que le montant d'Expected Shortfall soit proche du niveau de VaR calculé à l'intervalle de confiance o le choix de l'intervalle de confiance peut également être purement guidé par des contraintes calculatoires : si l'estimation d'une VaR stable avec un intervalle de confiance pour un portefeuille de crédit peut nécessiter un nombre très importants de simulations, celui d'un Expected Shortfall également stable avec un même niveau de confiance nécessite encore plus de simulations, du fait que la mesure porte sur la queue de la distribution. Une banque pourra alors être tentée de choisir un intervalle de confiance sensiblement inférieur, garantissant ainsi une convergence plus rapide des estimations obtenues. o enfin le choix de l'intervalle de confiance peut manifester la volonté du Management d'allouer plus ou moins de fonds propres en fonction du type de pertes constatées : en effet un intervalle de confiance élevé tendra à porter l'attention sur la queue de la distribution des P&L, c'est-à-dire essentiellement aux simulations correspondant à des défauts. Un relâchement de ce niveau de confiance aura tendance à capter des variations de P&L plus modestes, correspondant plus à des 46 cas de migrations de rating : le choix de l'intervalle de confiance retenu pour le peut donc traduire la volonté d'accentuer la pondération en fonds propres de portefeuilles de très bonne qualité ou bien de qualité plus modeste 47 IV. Budgétisation des consommations en fonds propres Maintenant que nous avons vu différentes méthodes permettant d'estimer les consommations en fonds propres d'une banque nous allons nous intéresser à la façon dont elles peuvent être utilisées lors d'un processus de budgétisation. 1. Un premier processus de budgétisation des consommations en fonds propres 1.1. Intérêts et motivations d'une approche prospective 1.1.1. Gouvernance interne Comme nous l'avons vu dans la première partie de ce mémoire les fonds propres d'une banque sont une ressource chère, aussi leur utilisation doit-elle être optimale. A cette fin les banques mesurent à intervalles réguliers leurs consommations en fonds propres, et les comparent à leur niveau de fonds propres disponibles, ceci afin de s'assurer d'une part de leur solvabilité, d'autre part que les fonds propres non utilisés ne sont pas inutilement importants. Ce seul suivi devient insuffisant dès lors que le bilan de la banque évolue, par exemple lors de l'achat ou de la vente de filiales, lors de la création ou de la fermeture de nouvelles activités, ou encore lors de l'évolution en volume ou en termes de profil de risque d'activités existantes. Si une banque se retrouvant dans l'un des cas précédents souhaite anticiper au mieux sa situation financière future en s'assurant de l'adéquation de ses fonds propres disponibles par rapport à ses fonds propres consommés, elle doit réaliser des projections pour chacun de ces niveaux, sur base d'hypothèses concernant la croissance attendue, les ventes ou acquisitions anticipées, etc. Ces hypothèses sont généralement formulées et documentées lors des exercices annuels de planification financière, c'est-à-dire lorsque la banque fixe ses objectifs en termes de revenus et dépenses pour chacune de ses activités et entités. Ainsi le développement par une banque d'une vision prospective sur ses niveaux de fonds propres consommés et disponibles lui permet de s'assurer une visibilité à moyen terme en anticipant les impacts de ses décisions stratégiques sur sa situation financière. 48 1.1.2. Communication externe Les points du paragraphe précédents sont également utiles pour deux types de tiers au moins: les investisseurs et les régulateurs. Les investisseurs Les investisseurs sont intéressés par la façon dont une banque gère ses risques et son bilan : les actionnaires souhaitent que leur participation soit investie au mieux en fonction des risques qu'ils sont prêts à prendre, les créanciers souhaitent quant à eux s'assurer de la solvabilité de la banque. Pour chacun d'eux la présentation d'une vision prospective des consommations en fonds propres et fonds propres disponibles envoie un signal positif, gage que la banque dans laquelle ils ont investi développe une vision à moyen terme claire de sa situation financière. Les régulateurs Cette approche prospective est également, et c'est nouveau, attendue par les régulateurs. En effet si la réglementation Bâle I n'imposait que le suivi régulier ex post du ratio de solvabilité, la réglementation Bâle II via son deuxième Pilier introduit la notion de projection de fonds propres (BASEL COMMITTEE ON BANKING SUPERVISION (2005b)). Le CEBS2 a publié en janvier 2006 un document (COMMITTEE OF EUROPEAN BANKING SUPERVISORS (2006a)) donnant des lignes directrices concernant l'application du SREP3 et le déploiement d'un ICAAP dans lequel il précise au point ICAAP 8 : The ICAAP should be forward-looking : The ICAAP should take into account the institution's strategic plans (...). The institution should have an explicit, approved capital plan which states the institution's objectives (...). Ainsi en plus d'un intérêt de gestion interne et d'une meilleure communication externe la mise en place d'un processus de budgétisation des fonds propres permet à chaque banque de répondre aux attentes de ses régulateurs. 1.2. Choix de mesures de consommation en fonds propres 2 3 Committee of European Banking Supervisors Supervisory Review Process 49 Afin d'illustrer la mise en place d'un processus de budgétisation des fonds propres ainsi que les problématiques rencontrées nous allons considérer une banque fictive que nous appellerons Lux Bank, ayant son siège social à Luxembourg et qui est organisée autour de trois activités distinctes (Activity A, Activity B et Activity C). Voyons-en la structure ainsi que la situation financière en termes de consommations de fonds propres et de fonds propres disponibles. 1.2.1. Bilan simplifié et activités de Lux Bank Bilan de Lux Bank Synthétisons le bilan de Lux Bank en trois postes : l'actif, le passif et les fonds propres. Poste Actif Passif Fonds propres Description Lux Bank n'a à son actif que des titres obligataires. Chacun de ces titres est géré par une des trois activités de la banque. L'actif peut ainsi être ventilé en trois grands blocs, chaque bloc correspondant au portefeuille d'une des trois activités. Le passif de Lux Bank est constitué de titres de dette émis sur les marchés. Notons qu'il n'est pas possible de rattacher chacune de ces émissions à une activité précise comme c'est le cas pour l'actif. Les fonds propres de Lux Bank sont constitués d'une part de capital souscrit, d'autre part par des résultats reportés et des réserves de réévaluation. Ensemble ils constituent les fonds propres éligibles4 dont le montant en t = 0 s'élève à 50 MEUR. La ventilation des fonds propres de la banque est, comme celle du passif, a priori impossible, ceux-ci n'étant rattachés à aucune activité. Toutefois nous verrons dans la suite qu'il est possible selon certaines règles de ventiler le montant global de fonds propres consommés, et ainsi d'avoir une idée des consommations de chaque activité en fonds propres. Activités de Lux Bank Lux Bank est organisée en trois activités. Ces activités sont gérées de façon indépendante, et n'ont pas vocation à investir systématiquement dans des secteurs d'activité ou des secteurs géographiques particuliers. Il n'y a donc a priori pas de corrélation constante dans le temps entre leurs profils de risque. 4 Par souci de simplification nous considérons les fonds propres éligibles dans leur globalité. En pratique ils doivent être décomposés selon la Partie IV de la Circulaire CSSF 06/273 en fonds propres de base, fonds propres complémentaires et fonds propres surcomplémentaires (correspondant respectivement aux fonds propres Tier 1, Tier 2 et Tier 3). 50 Les corrélations particulières à chaque date t seront implicitement prises en compte via le modèle CreditMetrics. A l'instant t = 0 l'actif de Lux Bank s'élève à 2'627 MEUR répartis ainsi entre les trois activités (chiffres en MEUR): Activité Activity A Activity B Activity C Total Actif en t = 0 (MEUR) 1'357 475 795 2'627 Maturité 3.8 2.7 3.6 3.5 A titre d'information la ventilation des expositions par ratings est présentée cidessous, soulignant que le profil de risque de Lux Bank est relativement faible : Distribution des ratings en t = 0 25% 20% 15% 10% B- B B+ BB- BB BB+ BBB- BBB BBB+ A- A A+ AA- AA AA+ AAA 0% CCC 5% La description détaillée (en ligne à ligne) des portefeuilles des trois activités est disponible en annexe. 1.2.2. Deux mesures de consommation en fonds propres Afin de mesurer son exposition au risque Lux Bank retient deux mesures de consommation en fonds propres : La mesure Bâle II Cette mesure correspond à la mesure imposée par le régulateur, et permet à 51 Lux Bank d'estimer sa consommation en fonds propres réglementaires. Lux Bank doit faire en sorte que sous cette mesure sa consommation en fonds propres soit à tout moment inférieure au niveau de ses fonds propres éligibles. Nous noterons par la suite ce type de consommation K_BII. La mesure CreditMetrics Cette mesure est une mesure interne. Si elle n'est pas imposée par le régulateur elle permet toutefois de répondre à deux des points d'attention du Pilier 2 de Bâle II : - d'une part en fournissant à Lux Bank un outil de mesure de risque plus fin que la mesure Bâle II, qui permet notamment d'appréhender – en partie – un risque non couvert par le Pilier 1 : le risque de concentration (visé au Sous-chapitre II.8. de la Circulaire CSSF 07/301 qui transpose en droit luxembourgeois les lignes directrices du CEBS sur l'Icaap) - d'autre part en permettant à Lux Bank de choisir l'intervalle de confiance auquel elle souhaite mesurer ses risques, ceci en accord avec le rating cible de Lux Bank (point II.3 . de l'annexe de la Circulaire CSSF 07/301) Avec elle Lux Bank mesurera sa consommation en fonds propres économiques, qui sera notée K_Eco et estimée avec un intervalle de confiance de 99.97%5. 1.2.3. Allocation des consommations Allocation des consommations en fonds propres réglementaires Les calculs de la consommation en fonds propres réglementaires sont effectués pour chaque position de l'actif. Pour obtenir des consommations selon une vue agrégée (soit au niveau de chaque activité, soit au niveau global de Lux Bank) il suffit de sommer les montants de consommation obtenus ligne à ligne (cf le chapitre 3. Modèle Bâle II de la première partie de ce mémoire). Allocation des consommations en fonds propres économiques Pour ce qui est de la consommation en fonds propres économiques c'est différent : comme nous l'avons vu dans la première partie de ce mémoire l'approche CreditMetrics va renvoyer une distribution des pertes globales pour un portefeuille, i.e. ici une distribution des pertes pour Lux Bank, distribution qui permettra en déduisant l'espérance (Expected Loss) du quantile à 99.97% d'avoir la consommation en fonds propres économiques globale de Lux Bank. 5 Cet intervalle de confiance correspond à un rating AA. Les deux mesures de consommation en fonds propres utilisées intégreront donc en paramètre des intervalles de confiance différents. 52 Pour obtenir une ventilation à un niveau plus fin (activité, position particulière) nous utilisons la technique de la contribution à l'Expected Shortfall présentée dans la deuxième partie de ce mémoire. 1.2.4. Synthèse des résultats et situation financière Le tableau ci-dessous synthétise les estimations des consommations en fonds propres économiques et réglementaires réalisées en t = 0 ainsi que les allocations entre les différentes activités : Activity Activity A Activity B Activity C Lux Bank Exposure 1 357 000 000 475 000 000 795 000 000 2 627 000 000 EL Amount 933 803 538 512 1 704 305 3 176 620 Rate 0.07% 0.11% 0.21% 0.12% K_BII Amount 9 263 365 4 124 860 11 681 214 25 069 438 Rate 0.68% 0.87% 1.47% 0.95% K_Eco Amount Rate 9 793 913 0.72% 4 970 756 1.05% 11 266 380 1.42% 26 031 049 0.99% Ce tableau présente, pour chaque activité ainsi que pour Lux Bank les montants d'expositions au risque de crédit ainsi que les Expected Loss et consommations en fonds propres. Les ratios (colonnes "Rate") rendent comparables ces valeurs nominales entre portefeuilles, et permettent ainsi d'apprécier la dangerosité de chacun d'eux. On note ainsi que le portefeuille A est le portefeuille au profil de risque le plus faible alors que le portefeuille C est le plus risqué, le portefeuille B présentant un niveau de risque intermédiaire. Les chiffres détaillés en ligne à ligne de ces consommations sont présentés en Annexes. Situation financière de Lux Bank En rappelant que les fonds propres éligibles de Lux Bank s'élèvent en t=0 à 50 MEUR deux conclusions peuvent être tirées : en t=0 Lux Bank dispose d'un niveau de fonds propres éligibles suffisant, tant au regard des exigences réglementaires 6 qu'au regard de sa mesure interne elle dispose en outre d'un niveau de fonds propres disponibles de l'ordre de 25 MEUR, lui permettant de faire évoluer son bilan 6 Les exigences en fonds propres dues au risque opérationnel sont ici, par volonté de simplification, ignorées. 53 L'un des rôles des dirigeants de Lux Bank étant d'investir au mieux les fonds propres disponibles, le point suivant va présenter une manière de formaliser un premier processus de budgétisation des fonds propres tenant compte des éléments ci-dessus. 1.3. Une première formalisation du processus de budgétisation Le processus de budgétisation des consommations en fonds propres peut se décomposer en deux étapes : - déterminer sur base des niveaux de fonds propres éligibles et consommés en t = 0 ainsi que des revenus futurs projetés le niveau attendu de fonds propres disponibles - octroyer tout ou partie de ce niveau attendu de fonds propres disponibles aux différentes activités de sorte à en favoriser ou à en limiter la croissance La première étape est un état des lieux nécessaire qui peut être réalisé à partir des parties précédentes du mémoire. Elle est illustrée par le schéma ci-dessous : Le niveau de fonds propres disponibles en t à horizon H sera estimé par la suite comme étant égal à : 54 FPt ,dispo FPt éligibles Max K _ Ecot ; K _ BII t FPtcréés H ;t H La seconde étape est celle qui permet à la direction de Lux Bank de mettre en pratique ses décisions stratégiques (développement d'une activité, achat d'une société, réduction d'une autre activité, etc.), en matérialisant celles-ci par un octroi de fonds propres d'un niveau global à un niveau local. Elle est illustrée par le schéma ci-dessous : Ce processus de budgétisation devra se poursuivre, pour qu'il soit un des outils de la mise en place de décisions stratégiques, par une comparaison entre les projections (i.e. les fonds propres octroyés à chaque activité) et les consommations effectives, en analysant les raisons des écarts et en prenant d'éventuelles mesures correctrices. Si la première étape de ce processus peut être conduite relativement facilement, la seconde soulève fréquemment différents problèmes qui peuvent rendre sa mise en œuvre délicate. Nous allons voir dans le chapitre suivant deux des problèmes les plus fréquents et les plus gênants, puis nous proposerons un affinement du processus de budgétisation. 55 2. Problématiques de mise en œuvre et affinement du processus de budgétisation 2.1. Exemple d'évolution des consommations entre deux dates 2.1.1. Modifications apportées au bilan de Lux Bank entre t=0 et t=6m Afin d'appréhender la façon dont les consommations en fonds propres peuvent évoluer entre deux dates, et d'ainsi pouvoir dresser une liste de points d'attention utiles à une démarche d'octroi de fonds propres nous allons reprendre l'actif en t = 0 de Lux Bank et le faire évoluer de la façon suivante : Activité A B C Modifications entre t = 0 et t = 6m Renforcement d'expositions déjà existantes sur l'Irlande et Morgan Stanley, ajout d'une exposition nouvelle sur UBS. Maintien du portefeuille inchangé. Ajout d'expositions nouvelles sur l'Irlande, Morgan Stanley et UBS. Le portefeuille B contenant déjà en t = 0 des positions sur l'Irlande, UBS et Morgan Stanley, nous allons visualiser les effets de la création de concentrations sur les consommations en fonds propres. 2.1.2. Synthèse des évolutions Le tableau ci-dessous présente les résultats obtenus de façon synthétique, en reprenant les résultats obtenus en t = 0 et en précisant les variations relatives : 56 2.1.3. Analyse globale des évolutions A la lecture de ces tableaux différents points d'attention peuvent être soulignés : Exposure L'exposition globale augmente sensiblement de 2'627 MEUR à 3'427 MEUR (+600 MEUR / +30.5%) EL Le niveau d'Expected Loss varie peu o S'explique par le fait que les émetteurs des positions ajoutées ont un bon rating, représentatif d'une PD faible. K_BII La consommation en fonds propres réglementaires diminue de quasiment 1 MEUR o S'explique d'une part par le fait que, comme précisé ci-dessus, les positions ajoutées sont peu risquées et induisent donc une charge supplémentaire en fonds propres modeste, d'autre part par le fait que le portefeuille restant par ailleurs inchangé, le seul paramètre qui varie est la maturité résiduelle qui diminue de 6 mois : les positions déjà présentes en t = 0 consommeront moins qu'auparavant. Le graphique suivant résume ces évolutions : 57 Explication de la variation de K_BII 27 + 0.9 26 25.1 25 24.2 24 - 1.8 23 22 K_BII en t = 0 Augmentation K_BII (nouvelles positions) Diminution K_BII (maturité) K_BII en t = 6m K_Eco La consommation en fonds propres économiques augmente sensiblement o Ceci s'explique par la présence de positions concentrées (Irlande, Morgan Stanley, UBS) dans le portefeuille. Activité B Si le portefeuille de cette activité reste inchangé entre t = 0 et t = 6m, les consommations en fonds propres évoluent. La consommation en fonds propres réglementaires diminue o S'explique par la diminution de 6 mois de la maturité moyenne du portefeuille. La consommation en fonds propres économiques augmente o S'explique par la création de concentrations par les activités A et C sur des émetteurs présents dans le portefeuille de l'activité B. Situation financière Entre t = 0 et t = 6m le niveau de fonds propres disponibles de Lux Bank a augmenté de 2.5 MEUR correspondant au résultat net d'intérêt sur 6 mois, portant le niveau total de fonds propres éligibles à 52.5 MEUR. Dans le même temps les exigences en fonds propres réglementaires sont passées à 24.2 MEUR et celles en fonds propres économiques à 39.9 MEUR. o Lux Bank dispose toujours d'un niveau de fonds propres éligibles suffisant, tant du point de vue réglementaire que du point de vue de sa mesure interne o Le niveau de fonds propres disponibles a sensiblement diminué, ceci du fait d'une consommation en fonds propres économiques plus élevée due à la création de concentrations dans le portefeuille La situation financière de Lux Bank est plus délicate en t=6m qu'en t=0 du point de vue de sa mesure interne. De plus, d'un point de vue réglementaire, le régulateur pourrait imposer à Lux Bank au titre du Pilier 2 de Bâle II, et si la situation perdurait, d'immobiliser plus de fonds propres que ceux normalement exigés par le Pilier 1. 58 2.1.4. Analyse détaillée des évolutions Il est intéressant de comparer l'évolution des ratios K_Eco Rates et K_BII Rates entre deux périodes et ceux pour chacune des positions à l'actif. Commençons par présenter l'évolution des K_BII Rates : Comparaison des K_BII Rates sur deux périodes 20% 2.0 15% 1.5 K_BII Rate t = 0 10% 1.0 K_BII Rate t = 6m Ratio Ratio = 1 5% 0.5 0% 0.0 On constate sur ce graphique que la ligne jaune est inférieure en tout point à la ligne rouge en pointillés : tous les K_BII Rates diminuent entre les dates t = 0 et t = 6m. Ceci correspond bien à la diminution du K_BII Rate constaté globalement sur Lux Bank. Remarquons également qu'aucun point ne se distingue particulièrement des autres, les K_BII Rates des trois émetteurs (Morgan Stanley, UBS et l'Irlande) se fondant dans la masse. Voyons maintenant l'évolution des K_Eco Rates : 59 Comparaison des K_Eco Rates sur deux périodes 20% 5.0 UBS 4.0 15% Morgan Stanley 3.0 10% K_Eco Rate t = 0 K_Eco Rate t = 6m Ireland Ratio 2.0 Ratio = 1 5% 1.0 0% 0.0 Les K_Eco Rates sont dans leur grande majorité supérieurs à 1, traduisant l'augmentation du K_Eco Rate global de Lux Bank entre les deux dates. D'autre part les trois positions sur lesquelles on a créé des concentrations ont des K_Eco Rates sensiblement supérieurs à ceux des autres positions. 2.2. Principales problématiques rencontrées 2.2.1. Volatilité des consommations Qu'elles soient mesurées avec le modèle de Bâle II ou avec le modèle CreditMetrics les consommations en fonds propres peuvent varier au cours du temps, ceci pour différentes raisons résumées dans le tableau ci-dessous : Mesure CreditMetrics √ √ √ √ √ Origine de la volatilité Evolution du volume des activités Ratings Evolution du profil Maturités de risque Concentrations Recalibrage des paramètres du modèle Evolution du volume des activités 60 Bâle II √ √ √ √ Cette première raison est évidente et correspond généralement à la croissance attendue des activités. Les modèles CreditMetrics et Bâle II y sont sensibles. Evolution du profil de risque Les downgrades, les investissements dans des actifs de moindre qualité de crédit ainsi que l'allongement des maturités d'un portefeuille ont tendance, toutes choses égales par ailleurs, à faire augmenter les niveaux de fonds propres consommés estimés par les modèles CreditMetrics et Bâle II. En revanche seul le modèle CreditMetrics, du fait qu'il intègre explicitement des informations relatives au nom de l'émetteur, à sa zone géographique et à son industrie, est sensible à l'évolution des concentrations dans un portefeuille. Cette sensibilité pose un double problème : - d'une part elle ne peut être gérée qu'à un niveau global car elle nécessite de connaître la composition de tous les portefeuilles (ce point sera la cause de la problématique sur la volatilité des allocations présentée au paragraphe suivant) - d'autre part son impact, notamment sur les fonds propres disponibles, est délicat à estimer du fait de la structure généralement complexe des portefeuilles de crédits A titre d'illustration reprenons les niveaux globaux de consommations en fonds propres aux dates t=0 et t=6m : Type de FP consommés réglementaires économiques t=0 25.069 MEUR 26.031 MEUR t = 6m 24.191 MEUR 39.891 MEUR En t=0 le niveau de fonds propres disponibles à horizon 6m FPt dispo 0, 6 m FPt dispo 0, 6 m était de : FPt éligibles Max K _ Ecot 0 ; K _ BII t 0 FP0créés 0 ;6 m 50 Max25.069;26.031 2.5 26.469 MEUR En t=6m le niveau de fonds propres disponibles à horizon 6m FPt dispo 6 m, 6 m FPt éligibles Max K _ Ecot 6m ; K _ BII t 6m FP6créés 6 m m;12m 50 Max24.191;39.891 3.5 13.609 MEUR 61 FPt dispo 6 m , 6 m est de : L'augmentation des volumes globaux ainsi que l'apparition de positions concentrées conduisent à une sensible réduction du niveau de fonds propres disponibles. Recalibrage des paramètres du modèle Les paramètres des modèles utilisés doivent être régulièrement testés par le Risk Management afin de s'assurer qu'ils reflètent correctement le niveau de risque actuel. Si tel n'est pas le cas ils doivent alors être revus, et leurs nouvelles estimations introduites dans les modèles CreditMetrics et Bâle II afin de produire des consommations en fonds propres à jour. Ce recalibrage peut donner lieu à des variations parfois non négligeables dans les estimations des consommations en fonds propres, à la hausse comme à la baisse. Le possible impact adverse de ces variations est fréquemment couvert par la notion de risque de modèle. Problématique 1 Difficulté d'estimer le niveau de fonds propres disponibles à horizon t du fait de la volatilité des estimations de consommations en fonds propres. 2.2.2. Volatilité des allocations Rappelons que l'allocation de fonds propres telle que nous l'avons vue précédemment dans le mémoire est la façon de répartir parmi n sous-portefeuilles le niveau global de consommation en fonds propres estimés pour le portefeuille total. Dans le cas d'une estimation par le modèle de Bâle II cette allocation correspond simplement à l'application des formules au niveau de chaque sous-portefeuille. Dans le cas d'une estimation par le modèle CreditMetrics une clef d'allocation doit être définie, dans le cas de Lux Bank cette clef est la contribution à l'Expected Shortfall des différents sous-portefeuilles. Cette allocation est nécessaire pour deux raisons : - elle permet d'avoir une vue sur les consommations en fonds propres de chaque activité - cette vue constitue le point de départ du processus de budgétisation de fonds propres, i.e. d'octroi de fonds propres à chaque activité pour une certaine période Comme nous l'avons dit ce second point n'est efficace que si un suivi a posteriori de la différence entre consommation effective et niveau de fonds propres octroyés est effectué. Un tel suivi doit permettre à la banque : 62 - de s'assurer que ses objectifs globaux déclinés en objectifs locaux ont bien été respectés, ou à défaut d'en déterminer les raisons - de prendre d'éventuelles mesures correctrices Le premier des deux points ci-dessus peut se matérialiser sous la forme d'un reporting déterminant et expliquant les écarts entre fonds propres octroyés et fonds propres consommés pour chacune des activités : Ecart constaté FP consommés < FP octroyés FP consommés > FP octroyés Raison(s) possible(s) Volume des activités insuffisant Entrée plus difficile qu'anticipée sur un marché. Profil de risque trop faible Portefeuille investi dans des actifs très peu risqués, ou avec des maturités courtes, et générant donc un revenu plus faible qu'attendu. Paramètres du modèle Utilisation de paramètre menant à des estimations de FP plus faibles qu'auparavant. Volume excessif des activités Tentation pour certaines activités voyant leurs marges diminuer de jouer sur les volumes pour maintenir des revenus stables. Profil de risque trop élevé Portefeuille investi dans des actifs très risqués, ou avec des maturités longues, afin de générer des revenus supplémentaires. Portefeuille présentant des concentrations, ou impacté par les concentrations du portefeuille d'autres activités. Paramètres du modèle Utilisation de paramètre menant à des estimations de FP plus élevées qu'auparavant. Une fois ce type de reporting produit il faut le soumettre à chaque activité pour validation / discussion. La problématique suivante peut alors se poser : si une activité peut expliquer un dépassement de ses fonds propres octroyés par des investissements risqués en termes de ratings ou maturités, ou par un volume élevé des positions contractées il lui est en revanche impossible de se justifier si le dépassement est dû : - à un recalibrage des paramètres des modèles utilisés (valable pour les modèles Bâle II et CreditMetrics) - à la présence de concentrations dans les portefeuilles des autres activités (valable pour le modèle CreditMetrics) C'est précisément ce point qui a été illustré dans le paragraphe 2.1. Exemple d'évolution des consommations entre deux dates en maintenant le portefeuille de l'activité B inchangé entre les deux dates et en créant des concentrations dans les portefeuilles des activités A et C. 63 Problématique 2 Possible(s) difficulté(s) d'explication des écarts entre fonds propres octroyés et fonds propres consommés aux différentes activités. 2.3. Affinement du processus de budgétisation Au regard des deux problématiques soulevées dans le précédent paragraphe nous allons proposer une version affinée du processus de budgétisation présenté dans le paragraphe 1.3. Une première formalisation du processus de budgétisation. Nous allons procéder selon deux axes : l'octroi des fonds propres disponibles et le suivi des consommations. 2.3.1. Octroi des fonds propres disponibles Nous avons défini le niveau de fonds propres disponibles en t à horizon H comme : FPt ,dispo FPt éligibles Max K _ Ecot ; K _ BII t FPtcréés H ;t H Ce niveau de fonds propres disponibles doit permettre à la banque de couvrir : - les effets de la volatilité des consommations en fonds propres dans le temps, du fait de la sensibilité aux paramètres de risques (ratings, concentrations, recalibrage, etc.) - les exigences supplémentaires en fonds propres dues à la croissance des activités Le tableau ci-dessous synthétise ces objectifs. 64 La partie droite du tableau intitulée "Suivi" indique, pour chaque motif d'évolution du niveau de fonds propres disponibles lequel des types de suivis doit être impacté. Il peut s'agir du suivi global, c'est-à-dire du suivi au niveau consolidé Lux Bank, ou bien d'un suivi local, c'est-à-dire au niveau de chaque ligne d'activité. Le suivi global doit être impacté par chacun des motifs d'évolution. Ceci est dû au fait que ce suivi doit permettre à Lux Bank de s'assurer de l'adéquation entre ses fonds propres éligibles et ses fonds propres consommés, ceci à tout moment et en couvrant toutes les raisons possibles d'évolution de ces derniers. En revanche le suivi individuel n'a pas à être impacté par des effets de concentration ou de recalibrage des paramètres. En effet comme nous l'avons vu dans le paragraphe 2.2.2. Volatilité des consommations il peut être difficile voire impossible d'expliquer localement des évolutions de consommations en fonds propres dues à des effets de concentration ou au recalibrage des paramètres des modèles utilisés. Le fait que le modèle CreditMetrics soit sensible aux effets de concentration le rend selon nous inadapté à un processus d'octroi de fonds propres et suivi de la consommation. En revanche le modèle Bâle II convient parfaitement, modulo la sensibilité au recalibrage des paramètres. Le schéma ci-dessous synthétise un processus d'octroi de fonds propres tenant compte de ces observations : 65 Notons que les deux types de mesures sont nécessaires : la mesure Bâle II est imposée par le régulateur pour le Pilier 1 de Bâle II, et du fait qu'elle est insensible aux effets de concentrations se prête bien à un processus d'octroi de fonds propres et de suivi de la consommation. La mesure CreditMetrics quant à elle permet à Lux Bank d'avoir une vision plus économique sur les risques auxquels elle est globalement exposée, et par là satisfait également aux attentes du régulateur concernant le Pilier 2 de Bâle II. 2.3.2. Suivi des consommations Le processus d'octroi décrit précédemment constitue la première étape d'une démarche de budgétisation des fonds propres, et doit être complété par un suivi des consommations effectives. Ce suivi a deux objectifs : s'assurer que les consommations sont globalement en ligne avec les niveaux projetés et, en cas d'écarts significatifs, en analyser les raisons afin d'entreprendre des actions correctrices. Ce suivi doit être réalisé à deux niveaux : - au niveau de chaque activité avec comme outil le modèle Bâle II 66 - au niveau global avec comme outils les modèles Bâle II et CreditMetrics Dans un cas comme dans l'autre trois situations sont possibles à horizon H : Le cas 2 correspond au cas où la consommation observée in fine à horizon H est en ligne avec les projections réalisées en date t. Les deux autres cas correspondent à des situations dans lesquelles le niveau de fonds propres effectivement consommés est sensiblement différent de la projection réalisée en t, ce qui peut conduire à la matérialisation de deux risques : - une solvabilité qui ne serait plus assurée au niveau de confiance attendu - un niveau de fonds propres éligibles sous-utilisé Afin de pouvoir mettre en œuvre les mesures correctrices appropriées il est nécessaire que la banque analyse les raisons de ces écarts. Des exemples ont été donnés précédemment dans le paragraphe 2.2.2. Volatilité des allocations. Des exemples de mesures correctrices peuvent être : La mise en place de limites "stop buy" Si certaines positions peuvent être considérées comme concentrées à un niveau global, les vendre n'est pas toujours opportun (conditions de marché défavorables, etc.). La banque peut choisir de conserver ces positions, en arrêtant toutefois d'en acheter de nouvelles. Pour cela il faut qu'elle communique à chacune de ses trois activités une liste d'émetteurs dans lesquels celles-ci ne doivent plus investir, du moins temporairement. 67 La modification du profil de risque d'une activité particulière Entre deux dates données le profil de risque du portefeuille de crédit d'une activité peut évoluer sensiblement, et ainsi induire des consommations en fonds propres plus élevées qu'anticipées et ce, même à volume constant. La banque peut décider de modifier ce profil de risque, en choisissant des émetteurs mieux notés, ou en réduisant la maturité des créances qu'elle détient. L'octroi de fonds propres à des activités ayant une croissance plus soutenue Certaines activités peuvent ne pas consommer la totalité des fonds propres qui leur avaient été octroyés, ceci par exemple du fait d'une croissance moins importante qu'anticipé. La banque peut décider à un niveau global d'octroyer ces montants de fonds propres non utilisés à d'autres activités qui ont un niveau de croissance plus soutenu. Une fois ces analyses menées et actions correctrices engagées, la banque pourra renouveler son processus d'octroi de fonds propres. L'alternance de ces deux phases constitue un processus budgétaire itératif dont le but est de fournir un cadre aux décisions d'utilisation des fonds propres disponibles. 68 V. Conclusion générale L'attention portée par les banques à la gestion du risque de crédit n'a cessé de croître ces dernières années. Dans le même temps les outils de mesure de ce risque se sont complexifiés comme l'illustre le passage des normes Bâle I fondées sur des pondérations simples par types d'émetteurs aux normes Bâle II autorisant l'utilisation de modèles de notation interne par les banques. Les deux premières parties de ce mémoire ont illustré ces points en présentant les modèles CreditMetrics et Bâle II ainsi que différentes techniques d'allocation de fonds propres estimés globalement à différents sous-portefeuilles. Au-delà de la simple mesure du risque de crédit, et plus généralement de l'ensemble des risques auxquels elles sont exposées, les banques se doivent de suivre et d'anticiper leurs consommations en fonds propres, ceci afin d'assurer à la fois leur solvabilité et une utilisation optimale de leurs ressources. Pour être efficace ce processus doit intégrer l'utilisation de résultats fournis par des modèles parfois complexes à une démarche pragmatique de suivi des consommations en fonds propres vis-à-vis des fonds propres éligibles. La dernière partie de ce mémoire présente ainsi un processus itératif alternant la mesure, l'octroi et le suivi de consommations en fonds propres, et qui tient compte des caractéristiques des modèles de crédit lors de la mise en œuvre pratique. Le processus ainsi décrit apporte des éléments de réponse aux attentes des régulateurs formulées dans le Pilier 2 de Bâle II : aptitude à faire face à ses consommations actuelles et futures en fonds propres, prise en compte de risques non couverts par le Pilier 1 comme le risque de concentration ou le risque de modèle. Afin d'être pleinement efficace et parce qu'il touche à des notions de risque comme de revenus ce processus doit être mené conjointement par les départements Risk Management et Contrôle de Gestion. Si ce mémoire se concentre sur la mesure de la consommation en fonds propres et les projections, d'autres problématiques connexes peuvent étudiées, comme la mise en regard de la consommation de fonds propres et des revenus rapportés, ou bien la mise en place de liens entre des objectifs macro comme une rentabilité cible des fonds propres et des objectifs micro comme des niveaux de rentabilité par transaction. 69 Annexes Annexe 1 : description des portefeuilles en t = 0 70 2 627 000 000 Position PositionID_A_0001 PositionID_A_0002 PositionID_A_0003 PositionID_A_0004 PositionID_A_0005 PositionID_A_0006 PositionID_A_0007 PositionID_A_0008 PositionID_A_0009 PositionID_A_0010 PositionID_A_0011 PositionID_A_0012 PositionID_A_0013 PositionID_A_0014 PositionID_A_0015 PositionID_A_0016 PositionID_A_0017 PositionID_A_0018 PositionID_A_0019 PositionID_A_0020 PositionID_A_0021 PositionID_A_0022 PositionID_A_0023 PositionID_A_0024 PositionID_A_0025 PositionID_A_0026 PositionID_A_0027 PositionID_A_0028 PositionID_A_0029 PositionID_A_0030 PositionID_A_0031 PositionID_A_0032 PositionID_A_0033 PositionID_A_0034 PositionID_A_0035 PositionID_A_0036 PositionID_A_0037 PositionID_A_0038 PositionID_A_0039 PositionID_A_0040 PositionID_A_0041 PositionID_A_0042 PositionID_A_0043 PositionID_A_0044 PositionID_A_0045 PositionID_A_0046 PositionID_A_0047 PositionID_A_0048 PositionID_A_0049 PositionID_A_0050 PositionID_A_0051 PositionID_A_0052 PositionID_A_0053 PositionID_A_0054 PositionID_A_0055 Activity Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Amount 5 000 000 5 000 000 5 000 000 50 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 15 000 000 5 000 000 10 000 000 5 000 000 10 000 000 20 000 000 15 000 000 10 000 000 5 000 000 5 000 000 15 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 5 000 000 20 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 10 000 000 20 000 000 2 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 15 000 000 0.67% Amount Type of Maturity Issuer Rating Country Contribution counterparty 0.19% 4.5 FRANCE TELECOM ACORPORATEFRANCE 0.19% 2 CAJA MADRID AABANK SPAIN 0.19% 1.5 BANCO DE SABADELL A+ BANK SPAIN 1.90% 3.5 VENETO BANCA SCARL BBB+ BANK ITALY 0.19% 3.5 BANCA SELLA ABANK ITALY 0.19% 2 PNC BANK CORPORATION A BANK UNITED STATES 0.38% 3.5 NESTLE SA AAA CORPORATESWITZERLAND 0.19% 3.5 PORTUGAL TELECOM BBB CORPORATEPORTUGAL 0.19% 2.5 SWEDBANK A+ BANK SWEDEN 0.19% 2.5 BASF N V AACORPORATEGERMANY 0.57% 4 DENMARK AAA SOVEREIGN DENMARK 0.19% 4.5 EVLI BANK BBB BANK FINLAND 0.38% 3.5 COMMONWEALTH BANKOF AUSTRALIA AABANK AUSTRALIA 0.19% 1.5 DENIZBANK BBBANK TURKEY 0.38% 3.5 CAISSE DES DEPOTS ET CONSIGNATIONS AAA BANK FRANCE 0.76% 7.5 SLOVENIA AA SOVEREIGN SLOVENIA 0.57% 3 BNP PARIBAS AA BANK FRANCE 0.38% 5 BANQUE CANTONALE DE GENEVE BBB+ BANK SWITZERLAND 0.19% 3.5 DAIMLERCHRYSLER AG BBB CORPORATEGERMANY 0.19% 3.5 ALPHA BANK ABANK GREECE 0.57% 2.5 DEXIA AA BANK BELGIUM 0.19% 1.5 ENTREPRISE DES POSTES ET TELECOMMUNICATIONS AACORPORATELUXEMBOURG ( EPT ) 0.19% 4.5 INDONESIA B+ SOVEREIGN INDONESIA 0.19% 7.5 MEXICO BBB SOVEREIGN MEXICO 0.38% 3 UNICREDITO ITALIANO A+ BANK ITALY 0.19% 6.5 BULGARIA BBB SOVEREIGN BULGARIA 0.19% 3.5 HUNGARIAN DEVELOPMENT BANK ABANK HUNGARY 0.19% 3.5 CANADIAN IMPERIAL BANK OF COMMERCE A+ BANK CANADA 0.38% 2.5 UNITED OVERSEAS BANK A+ BANK SINGAPORE 0.19% 2.5 PFIZER AAA CORPORATEUNITED STATES 0.19% 3.5 ISRAEL A SOVEREIGN ISRAEL 0.19% 2.5 BANCA INTESA AABANK ITALY 0.19% 3.5 WELLS FARGO AABANK UNITED STATES 0.76% 6.5 PORTUGAL AASOVEREIGN PORTUGAL 0.19% 2.5 DEUTSCHE POST AG ACORPORATEGERMANY 0.19% 2 BOUYGUES TELECOM ACORPORATEFRANCE 0.19% 3 CLOSE BROTHERS LIMITED A BANK UNITED KINGDOM 0.19% 3.5 UNION BANCAIRE PRIVEE A+ BANK SWITZERLAND 0.19% 1.5 ERIDANIA BEGHIN SAY ACORPORATEFRANCE 0.38% 4 TELEFONOS DE MEXICO BBB- CORPORATEMEXICO 0.76% 3.5 CANADA AAA SOVEREIGN CANADA 0.08% 2.5 SOUTH AFRICA BBB SOVEREIGN SOUTH AFRICA 0.19% 1.5 BANCA BRADESCO S.A. BBBANK BRAZIL 0.19% 7.5 HONDA MOTOR COMPANY BBB+ CORPORATEJAPAN 0.19% 2.5 KEYCORP A BANK UNITED STATES 0.19% 6.5 INDUSTRIAL AND COMMERCIAL BANK OF CHINA BBB+ BANK CHINA 0.19% 2.5 LEHMAN BROTHERS A+ BANK UNITED STATES 0.19% 2.5 SUMITOMO TRUST AND BANKING A BANK JAPAN 0.19% 3.5 VIVENDI UNIVERSAL BBB+ CORPORATEFRANCE 0.19% 2.5 TELENET HOLDING NV BBCORPORATEBELGIUM 0.19% 2.5 COMPASS BBB+ CORPORATEUNITED KINGDOM 0.19% 3 COCA COLA ACORPORATEUNITED STATES 0.19% 3 H J HEINZ A CORPORATEUNITED STATES 0.19% 1.5 LLOYDS TSB AA BANK UNITED KINGDOM 0.57% 4.5 HUNGARY ASOVEREIGN HUNGARY 71 3 176 620 EL 1 523 560 700 31 275 1 153 794 364 8 177 642 729 75 6 545 1 027 80 177 273 300 1 231 5 955 7 752 1 235 1 231 779 118 500 5 950 1 367 7 650 1 305 600 1 284 170 450 547 480 800 1 436 1 523 844 642 1 523 43 968 200 2 380 78 390 4 104 794 3 517 600 884 4 329 94 812 4 104 1 348 1 018 385 1 050 25 069 438 0.95% 100.000% 26 031 049 K_BII K_Eco Amount Rate ES contribution Amount 46 648 0.93% 0.201% 52 219 11 079 0.22% 0.041% 10 550 10 943 0.22% 0.044% 11 349 579 522 1.16% 4.158% 1 082 443 29 173 0.58% 0.160% 41 707 14 259 0.29% 0.064% 16 789 36 212 0.17% 0.024% 6 165 120 043 2.40% 0.329% 85 586 14 053 0.28% 0.078% 20 377 16 950 0.34% 0.071% 18 431 8 347 0.03% 0.044% 11 500 111 077 2.22% 0.398% 103 483 31 038 0.31% 0.131% 34 220 336 369 6.73% 1.792% 466 382 27 172 0.13% 0.050% 12 970 13 520 0.07% 0.032% 8 217 35 854 0.24% 0.154% 40 051 139 744 1.40% 0.583% 151 701 113 803 2.28% 0.500% 130 156 31 239 0.62% 0.101% 26 305 30 951 0.21% 0.069% 17 985 12 691 0.25% 0.037% 9 631 518 267 10.37% 1.336% 347 899 107 792 2.16% 0.424% 110 247 34 211 0.34% 0.176% 45 853 138 589 2.77% 0.622% 161 823 33 009 0.66% 0.168% 43 685 16 900 0.34% 0.091% 23 683 28 105 0.28% 0.115% 29 981 12 807 0.12% 0.019% 5 020 11 955 0.24% 0.058% 15 116 12 719 0.25% 0.054% 13 951 14 512 0.29% 0.071% 18 587 32 522 0.16% 0.315% 81 940 28 673 0.57% 0.125% 32 661 26 363 0.53% 0.099% 25 847 20 001 0.40% 0.096% 25 010 18 073 0.36% 0.082% 21 245 22 306 0.45% 0.073% 19 044 502 444 5.02% 1.638% 426 463 19 870 0.05% 0.057% 14 946 29 491 1.47% 0.092% 24 033 328 873 6.58% 1.975% 514 131 96 302 1.93% 0.358% 93 088 16 538 0.33% 0.076% 19 755 82 544 1.65% 0.282% 73 461 13 141 0.26% 0.065% 16 802 18 412 0.37% 0.066% 17 250 80 212 1.60% 0.445% 115 773 442 139 8.84% 1.826% 475 198 62 537 1.25% 0.208% 54 240 30 516 0.61% 0.100% 26 007 24 136 0.48% 0.067% 17 362 6 619 0.13% 0.022% 5 774 32 154 0.21% 0.389% 101 369 0.99% Rate 1.04% 0.21% 0.23% 2.16% 0.83% 0.34% 0.06% 1.71% 0.41% 0.37% 0.08% 2.07% 0.34% 9.33% 0.13% 0.04% 0.27% 1.52% 2.60% 0.53% 0.12% 0.19% 6.96% 2.20% 0.46% 3.24% 0.87% 0.47% 0.30% 0.10% 0.30% 0.28% 0.37% 0.41% 0.65% 0.52% 0.50% 0.42% 0.38% 4.26% 0.07% 1.20% 10.28% 1.86% 0.40% 1.47% 0.34% 0.35% 2.32% 9.50% 1.08% 0.52% 0.35% 0.12% 0.68% PositionID_A_0056 PositionID_A_0057 PositionID_A_0058 PositionID_A_0059 PositionID_A_0060 PositionID_A_0061 PositionID_A_0062 PositionID_A_0063 PositionID_A_0064 PositionID_A_0065 PositionID_A_0066 PositionID_A_0067 PositionID_A_0068 PositionID_A_0069 PositionID_A_0070 PositionID_A_0071 PositionID_A_0072 PositionID_A_0073 PositionID_A_0074 PositionID_A_0075 PositionID_A_0076 PositionID_A_0077 PositionID_A_0078 PositionID_A_0079 PositionID_A_0080 PositionID_A_0081 PositionID_A_0082 PositionID_A_0083 PositionID_A_0084 PositionID_A_0085 PositionID_A_0086 PositionID_A_0087 PositionID_A_0088 PositionID_A_0089 PositionID_A_0090 PositionID_A_0091 PositionID_A_0092 PositionID_A_0093 PositionID_A_0094 PositionID_A_0095 PositionID_A_0096 PositionID_A_0097 PositionID_A_0098 PositionID_A_0099 PositionID_A_0100 PositionID_A_0101 PositionID_A_0102 PositionID_A_0103 PositionID_A_0104 PositionID_A_0105 PositionID_A_0106 PositionID_A_0107 PositionID_A_0108 PositionID_A_0109 PositionID_A_0110 PositionID_A_0111 PositionID_A_0112 PositionID_A_0113 Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A 5 000 000 5 000 000 20 000 000 20 000 000 5 000 000 10 000 000 5 000 000 20 000 000 5 000 000 10 000 000 10 000 000 5 000 000 15 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 10 000 000 50 000 000 5 000 000 10 000 000 10 000 000 10 000 000 10 000 000 10 000 000 10 000 000 5 000 000 5 000 000 10 000 000 10 000 000 5 000 000 5 000 000 50 000 000 5 000 000 15 000 000 5 000 000 10 000 000 10 000 000 5 000 000 5 000 000 10 000 000 20 000 000 15 000 000 15 000 000 10 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 20 000 000 15 000 000 10 000 000 5 000 000 10 000 000 0.19% 0.19% 0.76% 0.76% 0.19% 0.38% 0.19% 0.76% 0.19% 0.38% 0.38% 0.19% 0.57% 0.19% 0.19% 0.19% 0.19% 0.19% 0.38% 0.19% 0.38% 1.90% 0.19% 0.38% 0.38% 0.38% 0.38% 0.38% 0.38% 0.19% 0.19% 0.38% 0.38% 0.19% 0.19% 1.90% 0.19% 0.57% 0.19% 0.38% 0.38% 0.19% 0.19% 0.38% 0.76% 0.57% 0.57% 0.38% 0.19% 0.19% 0.19% 0.19% 0.19% 0.76% 0.57% 0.38% 0.19% 0.38% 4.5 3.5 4.5 2 1.5 4.5 3.5 6.5 5 1.5 2.5 2 1.5 2.5 4.5 3.5 1.5 2.5 4.5 1.5 2.5 4.5 1.5 2.5 1.5 1.5 3 2.5 3 1.5 2.5 2.5 2.5 3.5 2.5 5.5 1.5 2.5 1 1.5 1.5 2.5 1.5 1.5 2.5 2 2.5 1.5 3.5 1.5 1.5 1.5 1.5 2.5 2.5 4.5 2 6 SFR CEGETEL UNILEVER SWEDEN ROMANIA YVES ROCHER SA SOCIETE GENERALE CNCEP HONG KONG FORD BANQUE DEGROOF TOYOTA MOTOR CORP. BANCO BILBAO VIZCAYA ARGENTARIA MORGAN STANLEY RENAULT ACCOR DAIMLERCHRYSLER AG THOMAS COOKE BULGARIA POLAND KBC ALLIED IRISH BANKS BELGIUM SANOFI SYNTHELABO S.A. GROUP BARCLAYS BEAR STEARNS STATE STREET BANK FLEXSYS GROUP DEPFA BANK FINASUCRE GROUPE AB VOLVO MEDIOBANCA BANK OF CHINA SOUTH AFRICA VOLKSWAGEN A.G. CORP BANK SARASIN FRANCE ESPIRITO SANTO MERRILL LYNCH LVMH ABBEY NATIONAL KREDIETBANK LUXEMBOURG BAWAG P.S.K. BANCO SANTANDER CENTRAL HISPANO DANSKE BANK HSBC JP MORGAN CHASE CITIGROUP BANQUE NATIONALE DU CANADA SOUTH KOREA WACHOVIA BANCA BRADESCO S.A. BAYER AG TELECOM ITALIA SPA GOLDMAN SACHS FORTIS BULGARIA EFG BANK AUSTRALIA BBB+ BBB AAA BBBBBB+ AA AA AA BB+ BBB+ AA+ AAAABBB+ BBB BBB AA BBB BBB+ A+ AAAA+ A+ AA A+ AA BBBAABBBAA+ ABBB AAAAA A+ AAAAAA+ BBB+ AAAAAA AAAA A+ A AABBBBB+ BBB+ AAAA BBB A AAA CORPORATEFRANCE CORPORATENETHERLANDS SOVEREIGN SWEDEN SOVEREIGN ROMANIA CORPORATEFRANCE BANK FRANCE BANK FRANCE SOVEREIGN HONG-KONG CORPORATEUNITED STATES BANK BELGIUM CORPORATEJAPAN BANK SPAIN BANK UNITED STATES CORPORATEFRANCE CORPORATEFRANCE CORPORATEGERMANY BANK UNITED KINGDOM SOVEREIGN BULGARIA SOVEREIGN POLAND BANK BELGIUM BANK IRELAND SOVEREIGN BELGIUM CORPORATEFRANCE BANK UNITED KINGDOM BANK UNITED STATES BANK UNITED STATES CORPORATENETHERLANDS BANK IRELAND CORPORATEBELGIUM CORPORATESWEDEN BANK ITALY BANK CHINA SOVEREIGN SOUTH AFRICA CORPORATEGERMANY BANK SWITZERLAND SOVEREIGN FRANCE BANK PORTUGAL BANK UNITED STATES CORPORATEFRANCE BANK UNITED KINGDOM BANK LUXEMBOURG BANK AUSTRIA BANK SPAIN BANK DENMARK BANK UNITED KINGDOM BANK UNITED STATES BANK UNITED STATES BANK CANADA SOVEREIGN SOUTH KOREA BANK UNITED STATES BANK BRAZIL CORPORATEGERMANY CORPORATEITALY BANK UNITED STATES BANK BELGIUM SOVEREIGN BULGARIA BANK GREECE SOVEREIGN AUSTRALIA 72 4 329 7 752 100 71 000 4 329 820 410 300 28 932 6 255 729 560 1 441 4 329 8 177 7 752 385 7 650 3 600 684 1 081 500 974 771 1 201 721 40 418 1 081 42 193 1 436 684 2 610 11 900 1 436 1 095 250 700 1 441 1 523 1 027 1 367 3 038 560 1 027 1 541 1 441 1 081 1 201 300 480 78 390 4 104 4 329 1 921 1 231 15 300 964 100 94 459 113 803 12 325 610 767 51 719 33 709 13 586 13 520 331 950 74 732 27 499 11 079 23 476 65 965 138 767 113 803 6 619 94 794 78 556 10 683 25 127 30 813 15 214 19 377 18 762 12 378 404 782 25 127 422 558 21 025 14 965 52 117 147 457 36 321 21 865 33 801 10 943 33 506 18 249 16 737 21 366 46 288 9 129 16 737 38 753 28 491 27 179 18 762 7 970 7 825 328 873 49 030 51 719 44 674 30 951 259 660 17 312 13 520 1.89% 2.28% 0.03% 3.05% 1.03% 0.34% 0.27% 0.07% 6.64% 0.75% 0.21% 0.22% 0.16% 1.32% 2.78% 2.28% 0.13% 1.90% 0.79% 0.21% 0.25% 0.05% 0.30% 0.19% 0.19% 0.12% 4.05% 0.25% 4.23% 0.42% 0.30% 0.52% 1.47% 0.73% 0.44% 0.03% 0.22% 0.22% 0.36% 0.17% 0.21% 0.93% 0.18% 0.17% 0.19% 0.19% 0.18% 0.19% 0.16% 0.16% 6.58% 0.98% 1.03% 0.22% 0.21% 2.60% 0.35% 0.07% 0.403% 0.222% 0.078% 0.400% 0.196% 0.150% 0.061% 0.317% 1.015% 0.177% 0.054% 0.041% 0.110% 0.341% 0.461% 0.500% 0.019% 0.478% 0.442% 0.024% 0.062% 0.203% 0.064% 0.065% 0.079% 0.045% 1.810% 0.064% 0.431% 0.079% 0.069% 0.191% 0.462% 0.199% 0.092% 0.391% 0.037% 0.154% 0.053% 0.061% 0.098% 0.101% 0.031% 0.053% 0.158% 0.127% 0.134% 0.075% 0.058% 0.030% 1.975% 0.172% 0.189% 0.219% 0.072% 1.128% 0.045% 0.060% 105 018 57 906 20 430 104 112 51 045 38 961 15 977 82 566 264 226 46 036 14 030 10 577 28 622 88 727 119 885 130 156 5 001 124 541 115 127 6 348 16 171 52 903 16 628 17 020 20 639 11 707 471 095 16 651 112 161 20 673 17 897 49 755 120 165 51 768 24 036 101 794 9 584 39 966 13 706 15 765 25 437 26 390 8 192 13 884 41 070 33 033 34 822 19 538 15 118 7 701 514 131 44 686 49 111 56 888 18 730 293 720 11 693 15 661 2.10% 1.16% 0.10% 0.52% 1.02% 0.39% 0.32% 0.41% 5.28% 0.46% 0.14% 0.21% 0.19% 1.77% 2.40% 2.60% 0.10% 2.49% 1.15% 0.13% 0.16% 0.11% 0.33% 0.17% 0.21% 0.12% 4.71% 0.17% 1.12% 0.41% 0.36% 0.50% 1.20% 1.04% 0.48% 0.20% 0.19% 0.27% 0.27% 0.16% 0.25% 0.53% 0.16% 0.14% 0.21% 0.22% 0.23% 0.20% 0.30% 0.15% 10.28% 0.89% 0.98% 0.28% 0.12% 2.94% 0.23% 0.16% PositionID_A_0114 PositionID_A_0115 PositionID_A_0116 PositionID_A_0117 PositionID_A_0118 PositionID_A_0119 PositionID_A_0120 PositionID_A_0121 PositionID_A_0122 PositionID_A_0123 PositionID_B_0001 PositionID_B_0002 PositionID_B_0003 PositionID_B_0004 PositionID_B_0005 PositionID_B_0006 PositionID_B_0007 PositionID_B_0008 PositionID_B_0009 PositionID_B_0010 PositionID_B_0011 PositionID_B_0012 PositionID_B_0013 PositionID_B_0014 PositionID_B_0015 PositionID_B_0016 PositionID_B_0017 PositionID_B_0018 PositionID_B_0019 PositionID_B_0020 PositionID_B_0021 PositionID_B_0022 PositionID_B_0023 PositionID_B_0024 PositionID_B_0025 PositionID_B_0026 PositionID_B_0027 PositionID_B_0028 PositionID_B_0029 PositionID_B_0030 PositionID_B_0031 PositionID_B_0032 PositionID_B_0033 PositionID_B_0034 PositionID_B_0035 PositionID_B_0036 PositionID_B_0037 PositionID_B_0038 PositionID_B_0039 PositionID_B_0040 PositionID_B_0041 PositionID_B_0042 PositionID_B_0043 PositionID_B_0044 PositionID_B_0045 PositionID_B_0046 PositionID_B_0047 PositionID_B_0048 Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B 20 000 000 50 000 000 20 000 000 10 000 000 20 000 000 20 000 000 75 000 000 75 000 000 20 000 000 10 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 15 000 000 10 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 15 000 000 10 000 000 5 000 000 10 000 000 5 000 000 10 000 000 5 000 000 10 000 000 20 000 000 10 000 000 5 000 000 10 000 000 5 000 000 5 000 000 10 000 000 5 000 000 10 000 000 5 000 000 10 000 000 15 000 000 20 000 000 15 000 000 10 000 000 5 000 000 5 000 000 10 000 000 5 000 000 10 000 000 20 000 000 10 000 000 10 000 000 10 000 000 5 000 000 10 000 000 0.76% 1.90% 0.76% 0.38% 0.76% 0.76% 2.85% 2.85% 0.76% 0.38% 0.19% 0.38% 0.19% 0.19% 0.19% 0.19% 0.19% 0.57% 0.38% 0.19% 0.19% 0.19% 0.19% 0.19% 0.57% 0.38% 0.19% 0.38% 0.19% 0.38% 0.19% 0.38% 0.76% 0.38% 0.19% 0.38% 0.19% 0.19% 0.38% 0.19% 0.38% 0.19% 0.38% 0.57% 0.76% 0.57% 0.38% 0.19% 0.19% 0.38% 0.19% 0.38% 0.76% 0.38% 0.38% 0.38% 0.19% 0.38% 7 8 4.5 3.5 4 3 3 6 4 5 2.5 7 2.5 2 2 4 4 3.5 3.5 2 1.5 2.5 2.5 3.5 3 1.5 1.5 2 3.5 2.5 2.5 3 5.5 2.5 3.5 2.5 6.5 1.5 3.5 2.5 3 2.5 1.5 3.5 2.5 2.5 1.5 1 1.5 4.5 1.5 1.5 2.5 1.5 2 2.5 1.5 2.5 AUSTRIA GERMANY IRELAND NETHERLANDS SINGAPORE SPAIN UNITED KINGDOM UNITED STATES ITALY JAPAN SANOFI SYNTHELABO S.A. GROUP ESTONIA BANCO BILBAO VIZCAYA ARGENTARIA GENERAL MOTORS CORP. DENIZBANK FLEXSYS GROUP DAIMLERCHRYSLER AG AUSTRIA FRANCE BANCA SELLA RABOBANK NEDERLAND BANCA BRADESCO S.A. CAPITALIA BANK OF TAIWAN SODEXHO ALLIANCE CARLSBERG A/S NATIONAL AUSTRALIA BANK NATIXIS FORTIS L'OREAL GROUP NESTLE SA CREDIT MUTUEL - CIC IRELAND ROYAL BANK OF CANADA MERCK KGAA SFR CEGETEL CHILE CYPRUS CAISSE DES DEPOTS ET CONSIGNATIONS EDMOND DE ROTHSCHILD TURKEY DEUTSCHE TELEKOM LLOYDS TSB VIVENDI UNIVERSAL UBS CANADA BANK OF MONTREAL BANCO BPI CNCEP PORTUGAL NORTHERN TRUST CORP ABBEY NATIONAL MORGAN STANLEY COMMERZBANK AG CLOSE BROTHERS LIMITED HSBC BASF N V NISSAN MOTORS AAA AAA AAA AAA AAA AAA AAA AAA AAAAA+ A AABBBBBBBBBB AAA AAA AAA+ BBA A+ BBB+ BBB+ AAAAAA AA+ AAA AAAAA AA ABBB+ AA+ AAA A BBAAA BBB+ AA+ AAA AAA AA AAA+ AAAAA A AA AABBB+ SOVEREIGN AUSTRALIA SOVEREIGN GERMANY SOVEREIGN IRELAND SOVEREIGN NETHERLANDS SOVEREIGN SINGAPORE SOVEREIGN SPAIN SOVEREIGN UNITED KINGDOM SOVEREIGN UNITED STATES SOVEREIGN ITALY SOVEREIGN JAPAN CORPORATEFRANCE SOVEREIGN ESTONIA BANK SPAIN CORPORATEUNITED STATES BANK TURKEY CORPORATENETHERLANDS CORPORATEGERMANY SOVEREIGN AUSTRALIA SOVEREIGN FRANCE BANK ITALY BANK NETHERLANDS BANK BRAZIL BANK ITALY BANK TAIWAN CORPORATEFRANCE CORPORATEDENMARK BANK AUSTRALIA BANK FRANCE BANK BELGIUM CORPORATEFRANCE CORPORATESWITZERLAND BANK FRANCE SOVEREIGN IRELAND BANK CANADA CORPORATEGERMANY CORPORATEFRANCE SOVEREIGN CHILE SOVEREIGN CYPRUS BANK FRANCE BANK SWITZERLAND SOVEREIGN TURKEY CORPORATEGERMANY BANK UNITED KINGDOM CORPORATEFRANCE BANK SWITZERLAND SOVEREIGN CANADA BANK CANADA BANK PORTUGAL BANK FRANCE SOVEREIGN PORTUGAL BANK UNITED STATES BANK UNITED KINGDOM BANK UNITED STATES BANK GERMANY BANK UNITED KINGDOM BANK UNITED KINGDOM CORPORATEGERMANY CORPORATEJAPAN 73 200 250 100 50 100 200 750 750 800 200 974 600 560 88 112 80 177 20 209 7 752 150 50 1 153 257 78 390 894 675 12 986 8 208 514 1 094 410 779 182 1 094 100 721 1 436 8 658 875 375 273 844 160 800 1 436 771 12 986 1 027 150 961 914 410 400 600 1 027 1 921 1 728 1 688 771 729 8 208 27 041 33 801 12 325 4 967 11 130 17 479 65 547 101 402 26 953 8 130 21 311 21 105 13 029 390 278 355 129 230 938 122 679 14 902 4 967 19 958 6 619 365 558 18 620 19 012 219 266 98 061 8 368 21 630 13 586 29 385 13 750 29 244 13 520 18 119 36 321 131 930 29 125 5 859 27 172 17 579 787 490 28 673 13 237 240 636 38 753 11 317 15 651 11 169 7 048 14 869 9 381 16 737 44 674 26 074 30 314 19 377 11 876 125 073 0.07% 0.03% 0.03% 0.02% 0.03% 0.04% 0.04% 0.07% 0.13% 0.08% 0.43% 0.21% 0.26% 7.81% 7.10% 4.62% 2.45% 0.05% 0.02% 0.40% 0.10% 7.31% 0.37% 0.38% 1.46% 0.98% 0.17% 0.22% 0.27% 0.22% 0.13% 0.29% 0.03% 0.18% 0.73% 1.32% 0.58% 0.12% 0.13% 0.35% 7.87% 0.57% 0.13% 1.60% 0.14% 0.03% 0.16% 0.22% 0.14% 0.15% 0.19% 0.17% 0.22% 0.26% 0.30% 0.19% 0.24% 1.25% 0.144% 0.644% 0.034% 0.036% 0.060% 0.040% 0.196% 0.634% 0.250% 0.111% 0.097% 0.078% 0.050% 1.986% 1.821% 0.956% 0.527% 0.044% 0.040% 0.100% 0.016% 2.029% 0.084% 0.094% 1.152% 0.176% 0.027% 0.095% 0.034% 0.079% 0.008% 0.143% 0.053% 0.068% 0.172% 0.609% 0.176% 0.012% 0.050% 0.069% 3.789% 0.123% 0.044% 1.334% 0.097% 0.025% 0.056% 0.034% 0.029% 0.114% 0.038% 0.061% 0.229% 0.122% 0.135% 0.079% 0.049% 0.437% 37 502 167 563 8 758 9 267 15 667 10 501 51 028 164 938 65 081 28 965 25 342 20 417 13 077 516 896 474 019 248 820 137 158 11 444 10 316 25 925 4 123 528 289 21 912 24 364 299 847 45 896 7 017 24 649 8 908 20 484 2 119 37 152 13 845 17 773 44 844 158 656 45 795 3 045 12 970 17 972 986 223 32 056 11 547 347 319 25 121 6 426 14 543 8 873 7 533 29 654 10 018 15 765 59 739 31 841 35 183 20 535 12 681 113 756 0.19% 0.34% 0.04% 0.09% 0.08% 0.05% 0.07% 0.22% 0.33% 0.29% 0.51% 0.20% 0.26% 10.34% 9.48% 4.98% 2.74% 0.08% 0.10% 0.52% 0.08% 10.57% 0.44% 0.49% 2.00% 0.46% 0.14% 0.25% 0.18% 0.20% 0.04% 0.37% 0.07% 0.18% 0.90% 1.59% 0.92% 0.06% 0.13% 0.36% 9.86% 0.64% 0.12% 2.32% 0.13% 0.04% 0.15% 0.18% 0.15% 0.30% 0.20% 0.16% 0.30% 0.32% 0.35% 0.21% 0.25% 1.14% PositionID_B_0049 PositionID_B_0050 PositionID_B_0051 PositionID_B_0052 PositionID_B_0053 PositionID_B_0054 PositionID_B_0055 PositionID_B_0056 PositionID_C_0001 PositionID_C_0002 PositionID_C_0003 PositionID_C_0004 PositionID_C_0005 PositionID_C_0006 PositionID_C_0007 PositionID_C_0008 PositionID_C_0009 PositionID_C_0010 PositionID_C_0011 PositionID_C_0012 PositionID_C_0013 PositionID_C_0014 PositionID_C_0015 PositionID_C_0016 PositionID_C_0017 PositionID_C_0018 PositionID_C_0019 PositionID_C_0020 PositionID_C_0021 PositionID_C_0022 PositionID_C_0023 PositionID_C_0024 PositionID_C_0025 PositionID_C_0026 PositionID_C_0027 PositionID_C_0028 PositionID_C_0029 PositionID_C_0030 PositionID_C_0031 PositionID_C_0032 PositionID_C_0033 PositionID_C_0034 PositionID_C_0035 PositionID_C_0036 PositionID_C_0037 PositionID_C_0038 PositionID_C_0039 PositionID_C_0040 PositionID_C_0041 PositionID_C_0042 PositionID_C_0043 PositionID_C_0044 PositionID_C_0045 PositionID_C_0046 PositionID_C_0047 PositionID_C_0048 PositionID_C_0049 PositionID_C_0050 Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C 10 000 000 5 000 000 15 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 10 000 000 10 000 000 5 000 000 15 000 000 15 000 000 10 000 000 5 000 000 5 000 000 5 000 000 5 000 000 10 000 000 10 000 000 10 000 000 10 000 000 20 000 000 10 000 000 5 000 000 15 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 10 000 000 10 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 10 000 000 10 000 000 10 000 000 5 000 000 5 000 000 5 000 000 15 000 000 5 000 000 5 000 000 10 000 000 5 000 000 0.38% 0.19% 0.57% 0.19% 0.19% 0.38% 0.19% 0.19% 0.19% 0.38% 0.19% 0.19% 0.19% 0.38% 0.19% 0.19% 0.38% 0.38% 0.19% 0.57% 0.57% 0.38% 0.19% 0.19% 0.19% 0.19% 0.38% 0.38% 0.38% 0.38% 0.76% 0.38% 0.19% 0.57% 0.19% 0.38% 0.19% 0.19% 0.19% 0.38% 0.38% 0.19% 0.19% 0.38% 0.19% 0.19% 0.19% 0.38% 0.38% 0.38% 0.19% 0.19% 0.19% 0.57% 0.19% 0.19% 0.38% 0.19% 1.5 1.5 2.5 2.5 2.5 2.5 2.5 1.5 2 2 3.5 3.5 2 4.5 1.5 3.5 1.5 3.5 3 6.5 7 4.5 2.5 1.5 1.5 2.5 3.5 2.5 3 2.5 3.5 3.5 1.5 4.5 2.5 3.5 2 2 2.5 4 4.5 2.5 1.5 1.5 6 1.5 1.5 2.5 2.5 3 3.5 2.5 4.5 4.5 3.5 3.5 2.5 2.5 STATE STREET BANK AA HBOS AACITIGROUP AA ROCHE GROUPE AA ELIOR BBB RENAULT BBB+ INDUSTRIAL AND COMMERCIAL BANK OF CHINA BBB+ EKSPORTFINANS AA+ CORPORATIVO ONO BBCOMMERZBANK AG A BOLIVIA BINDONESIA B+ NORTHERN TRUST CORP A+ PSA PEUGEOT CITROEN BBB+ BASF N V AANATIONAL BANK OF GREECE A CITIGROUP AA MEXICO BBB PNC BANK CORPORATION A VOLKSWAGEN A.G. CORP AGREECE A BANQUE CANTONALE DE GENEVE BBB+ SFR CEGETEL BBB+ BANQUES POPULAIRES AAKREDIETBANK LUXEMBOURG A+ DEXIA AA BANCO BPI A KBC A+ BRITISH TELECOMMUNICATION PLC ADEVELOPMENT BANK OF JAPAN A PORTUGAL AABANK OF CHINA AHSBC AA BULGARIA BBB FORTIS AA BANQUE DEGROOF BBB+ BANCO DE SABADELL A+ GENERAL MOTORS CORP. BBMOBISTAR BBB+ ALCATEL BB+ BELGIUM AA+ DEPFA BANK AAWACHOVIA AAROCHE GROUPE AA HONDA MOTOR COMPANY BBB+ BEAR STEARNS A+ LANDESBANK NRW AAUNION BANCAIRE PRIVEE A+ AMERICAN EXPRESS A+ SWIFT BBB+ CNCEP AA AKBANK T.A.S. BBCYPRUS A+ SOUTH KOREA A ESPIRITO SANTO A+ FIAT BB+ MILLENNIUM BCP A+ TELENET HOLDING NV BB- BANK UNITED STATES BANK UNITED KINGDOM BANK UNITED STATES CORPORATESWITZERLAND CORPORATEFRANCE CORPORATEFRANCE BANK CHINA BANK NORWAY CORPORATESPAIN BANK GERMANY SOVEREIGN BOLIVIA SOVEREIGN INDONESIA BANK UNITED STATES CORPORATEFRANCE CORPORATEGERMANY BANK GREECE BANK UNITED STATES SOVEREIGN MEXICO BANK UNITED STATES CORPORATEGERMANY SOVEREIGN GREECE BANK SWITZERLAND CORPORATEFRANCE BANK FRANCE BANK LUXEMBOURG BANK BELGIUM BANK PORTUGAL BANK BELGIUM CORPORATEUNITED KINGDOM BANK JAPAN SOVEREIGN PORTUGAL BANK CHINA BANK UNITED KINGDOM SOVEREIGN BULGARIA BANK BELGIUM BANK BELGIUM BANK SPAIN CORPORATEUNITED STATES CORPORATEBELGIUM CORPORATEFRANCE SOVEREIGN BELGIUM BANK IRELAND BANK UNITED STATES CORPORATESWITZERLAND CORPORATEJAPAN BANK UNITED STATES BANK GERMANY BANK SWITZERLAND BANK UNITED STATES CORPORATEBELGIUM BANK FRANCE BANK TURKEY SOVEREIGN CYPRUS SOVEREIGN SOUTH KOREA BANK PORTUGAL CORPORATEITALY BANK PORTUGAL CORPORATEBELGIUM 74 721 514 1 081 547 8 177 8 658 3 517 270 94 812 1 728 415 200 118 500 600 8 658 729 964 721 11 900 794 4 307 1 350 5 955 4 329 547 684 410 1 828 1 367 2 872 1 768 800 2 610 385 22 950 410 6 255 700 88 112 4 329 62 265 100 540 480 1 093 4 104 600 527 1 284 1 201 8 658 410 80 177 375 900 700 31 132 1 401 94 812 12 378 8 368 27 179 13 750 101 319 131 930 53 602 6 962 419 954 31 033 833 182 479 732 11 261 188 917 11 876 25 611 12 378 174 707 18 816 143 379 47 487 129 944 65 965 8 911 10 683 10 317 48 564 29 929 64 994 36 824 24 169 66 019 6 619 389 490 10 317 115 904 13 136 390 278 65 965 639 235 6 163 12 564 7 825 18 787 96 302 9 381 8 586 28 105 26 281 146 177 13 586 373 890 12 904 29 075 19 715 300 831 30 659 442 139 0.12% 0.17% 0.18% 0.27% 2.03% 1.32% 1.07% 0.10% 8.40% 0.31% 16.66% 9.59% 0.23% 1.89% 0.24% 0.51% 0.12% 1.75% 0.38% 0.96% 0.32% 1.30% 1.32% 0.18% 0.21% 0.21% 0.49% 0.30% 0.65% 0.37% 0.12% 0.66% 0.13% 2.60% 0.21% 1.16% 0.26% 7.81% 1.32% 6.39% 0.05% 0.25% 0.16% 0.19% 1.93% 0.19% 0.17% 0.28% 0.26% 1.46% 0.27% 7.48% 0.26% 0.19% 0.39% 6.02% 0.31% 8.84% 0.045% 0.025% 0.134% 0.048% 0.357% 0.682% 0.150% 0.014% 1.469% 0.159% 1.608% 1.314% 0.053% 0.773% 0.049% 0.073% 0.061% 0.615% 0.096% 0.938% 0.244% 0.540% 0.305% 0.034% 0.049% 0.023% 0.211% 0.082% 0.309% 0.141% 0.173% 0.247% 0.027% 1.693% 0.024% 0.308% 0.058% 1.986% 0.188% 2.298% 0.041% 0.032% 0.030% 0.069% 0.334% 0.040% 0.033% 0.120% 0.135% 0.474% 0.061% 1.525% 0.049% 0.230% 0.087% 0.944% 0.128% 1.826% 11 707 6 570 34 822 12 570 92 928 177 454 39 140 3 678 382 304 41 323 418 522 341 994 13 886 201 133 12 681 19 066 15 949 160 039 25 039 244 253 63 457 140 675 79 328 8 957 12 718 5 995 54 851 21 443 80 376 36 708 44 998 64 422 7 038 440 581 6 243 80 305 15 140 516 896 49 019 598 188 10 581 8 326 7 701 17 995 87 030 10 320 8 562 31 108 35 255 123 268 15 977 397 032 12 868 59 797 22 676 245 841 33 315 475 198 0.12% 0.13% 0.23% 0.25% 1.86% 1.77% 0.78% 0.07% 7.65% 0.41% 8.37% 6.84% 0.28% 2.01% 0.25% 0.38% 0.16% 1.60% 0.50% 1.63% 0.42% 1.41% 1.59% 0.18% 0.25% 0.12% 0.55% 0.21% 0.80% 0.37% 0.22% 0.64% 0.14% 2.94% 0.12% 0.80% 0.30% 10.34% 0.98% 5.98% 0.11% 0.17% 0.15% 0.18% 1.74% 0.21% 0.17% 0.31% 0.35% 1.23% 0.32% 7.94% 0.26% 0.40% 0.45% 4.92% 0.33% 9.50% PositionID_C_0051 PositionID_C_0052 PositionID_C_0053 PositionID_C_0054 PositionID_C_0055 PositionID_C_0056 PositionID_C_0057 PositionID_C_0058 PositionID_C_0059 PositionID_C_0060 PositionID_C_0061 PositionID_C_0062 PositionID_C_0063 PositionID_C_0064 PositionID_C_0065 PositionID_C_0066 PositionID_C_0067 PositionID_C_0068 PositionID_C_0069 PositionID_C_0070 PositionID_C_0071 PositionID_C_0072 PositionID_C_0073 PositionID_C_0074 PositionID_C_0075 PositionID_C_0076 PositionID_C_0077 PositionID_C_0078 PositionID_C_0079 PositionID_C_0080 PositionID_C_0081 PositionID_C_0082 PositionID_C_0083 PositionID_C_0084 PositionID_C_0085 PositionID_C_0086 PositionID_C_0087 PositionID_C_0088 PositionID_C_0089 PositionID_C_0090 PositionID_C_0091 PositionID_C_0092 PositionID_C_0093 Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C 10 000 000 20 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 10 000 000 10 000 000 10 000 000 10 000 000 15 000 000 15 000 000 5 000 000 10 000 000 5 000 000 5 000 000 15 000 000 5 000 000 5 000 000 5 000 000 10 000 000 10 000 000 15 000 000 10 000 000 10 000 000 10 000 000 10 000 000 15 000 000 10 000 000 15 000 000 5 000 000 5 000 000 15 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 10 000 000 15 000 000 5 000 000 15 000 000 0.38% 0.76% 0.19% 0.19% 0.19% 0.38% 0.19% 0.38% 0.38% 0.38% 0.38% 0.57% 0.57% 0.19% 0.38% 0.19% 0.19% 0.57% 0.19% 0.19% 0.19% 0.38% 0.38% 0.57% 0.38% 0.38% 0.38% 0.38% 0.57% 0.38% 0.57% 0.19% 0.19% 0.57% 0.19% 0.19% 0.19% 0.38% 0.19% 0.38% 0.57% 0.19% 0.57% 5.5 2.5 1.5 2.5 2.5 5.5 2.5 2.5 6.5 3.5 3.5 3.5 4.5 1.5 2.5 4.5 1.5 2 2 1.5 1.5 1.5 3 6.5 3 2.5 2 3.5 6.5 7 3 1.5 2 7 4.5 3 2.5 3.5 4 5 6 3.5 4.5 ISRAEL CROATIA DEUTSCHE BANK CREDIT MUTUEL - CIC CLOSE BROTHERS LIMITED ESTONIA BOREALIS A/S SWITZERLAND SLOVAKIA PORTUGAL TELECOM DRESDNER BANK SOUTH AFRICA ICELAND WELLS FARGO TURKEY ARGENTINA DUPONT DE NEMOURS GROUP MITSUBISHI UFJ FINANCIAL BANCA INTESA EDMOND DE ROTHSCHILD EFG BANK RAIFFEISEN ZENTRALBANK OESTERREICH GERMANY SLOVENIA ERIDANIA BEGHIN SAY SOPARIND LVMH COCA COLA CHILE HUNGARY LITHUANIA BANCA SELLA BANK SARASIN POLAND RENAULT NISSAN MOTORS SODEXHO ALLIANCE TELECOM ITALIA SPA TELEFONICA SA VIVENDI UNIVERSAL SWISS LIFE DAIMLERCHRYSLER AG BRAZIL A BBBAAAAA A BBB AAA A BBB A+ BBB A+ AABBB+ AAA AAA A A+ AAA AA AAAAAAAAABBB+ BBB+ BBB+ BBB+ BBB+ BBB+ BBB+ BBB BBB BB SOVEREIGN ISRAEL SOVEREIGN CROATIA BANK GERMANY BANK FRANCE BANK UNITED KINGDOM SOVEREIGN ESTONIA CORPORATEDENMARK SOVEREIGN SWITZERLAND SOVEREIGN SLOVAKIA CORPORATEPORTUGAL BANK GERMANY SOVEREIGN SOUTH AFRICA SOVEREIGN ICELAND BANK UNITED STATES SOVEREIGN TURKEY SOVEREIGN ARGENTINA CORPORATEUNITED STATES BANK JAPAN BANK ITALY BANK SWITZERLAND BANK GREECE BANK AUSTRIA SOVEREIGN GERMANY SOVEREIGN SLOVENIA CORPORATEFRANCE CORPORATEFRANCE CORPORATEFRANCE CORPORATEUNITED STATES SOVEREIGN CHILE SOVEREIGN HUNGARY SOVEREIGN LITHUANIA BANK ITALY BANK SWITZERLAND SOVEREIGN POLAND CORPORATEFRANCE CORPORATEJAPAN CORPORATEFRANCE CORPORATEITALY CORPORATESPAIN CORPORATEFRANCE INSTITUTIONAL SWITZERLAND CORPORATEGERMANY SOVEREIGN BRAZIL 75 900 49 700 527 547 844 600 7 752 50 900 16 353 1 318 17 850 375 480 160 800 138 250 679 2 652 547 844 964 1 318 50 225 3 047 3 047 3 047 2 697 2 625 700 2 100 1 153 1 095 5 400 4 329 4 104 4 329 8 658 4 329 8 658 23 255 7 752 112 125 31 658 462 640 8 586 12 719 17 579 21 105 96 052 3 772 31 658 240 086 37 085 262 061 12 904 7 825 749 863 604 645 11 062 47 627 10 815 12 735 14 546 20 585 4 370 10 140 68 954 60 840 52 726 68 215 87 376 23 300 47 529 16 887 18 949 126 720 94 459 69 290 65 965 160 424 87 335 203 164 421 289 113 803 1 053 306 0.32% 2.31% 0.17% 0.25% 0.35% 0.21% 1.92% 0.02% 0.32% 2.40% 0.37% 1.75% 0.09% 0.16% 7.50% 12.09% 0.22% 0.32% 0.22% 0.25% 0.29% 0.21% 0.02% 0.07% 0.69% 0.61% 0.53% 0.68% 0.58% 0.23% 0.32% 0.34% 0.38% 0.84% 1.89% 1.39% 1.32% 1.60% 1.75% 2.03% 2.81% 2.28% 7.02% 0.184% 0.889% 0.033% 0.061% 0.082% 0.062% 0.304% 0.015% 0.011% 0.658% 0.210% 0.796% 0.133% 0.030% 3.750% 1.319% 0.039% 0.182% 0.043% 0.041% 0.034% 0.042% 0.028% 0.025% 0.254% 0.199% 0.180% 0.220% 0.528% 0.388% 0.196% 0.075% 0.074% 0.912% 0.450% 0.243% 0.351% 0.577% 0.258% 1.043% 1.239% 0.500% 4.315% 47 991 231 339 8 561 15 826 21 325 16 238 79 065 4 001 2 758 171 173 54 670 207 296 34 716 7 934 976 288 343 451 10 157 47 261 11 317 10 756 8 734 10 803 7 327 6 415 66 108 51 754 46 950 57 254 137 384 101 089 51 101 19 477 19 182 237 471 117 010 63 352 91 348 150 298 67 259 271 618 322 418 130 156 1 123 370 0.48% 1.16% 0.17% 0.32% 0.43% 0.16% 1.58% 0.04% 0.03% 1.71% 0.55% 1.38% 0.23% 0.16% 9.76% 6.87% 0.20% 0.32% 0.23% 0.22% 0.17% 0.11% 0.07% 0.04% 0.66% 0.52% 0.47% 0.57% 0.92% 1.01% 0.34% 0.39% 0.38% 1.58% 2.34% 1.27% 1.83% 1.50% 1.35% 2.72% 2.15% 2.60% 7.49% Annexe 2 : description des portefeuilles en t = 6m 76 3 427 000 000 Position PositionID_A_0001 PositionID_A_0002 PositionID_A_0003 PositionID_A_0004 PositionID_A_0005 PositionID_A_0006 PositionID_A_0007 PositionID_A_0008 PositionID_A_0009 PositionID_A_0010 PositionID_A_0011 PositionID_A_0012 PositionID_A_0013 PositionID_A_0014 PositionID_A_0015 PositionID_A_0016 PositionID_A_0017 PositionID_A_0018 PositionID_A_0019 PositionID_A_0020 PositionID_A_0021 PositionID_A_0022 PositionID_A_0023 PositionID_A_0024 PositionID_A_0025 PositionID_A_0026 PositionID_A_0027 PositionID_A_0028 PositionID_A_0029 PositionID_A_0030 PositionID_A_0031 PositionID_A_0032 PositionID_A_0033 PositionID_A_0034 PositionID_A_0035 PositionID_A_0036 PositionID_A_0037 PositionID_A_0038 PositionID_A_0039 PositionID_A_0040 PositionID_A_0041 PositionID_A_0042 PositionID_A_0043 PositionID_A_0044 PositionID_A_0045 PositionID_A_0046 PositionID_A_0047 PositionID_A_0048 PositionID_A_0049 PositionID_A_0050 PositionID_A_0051 PositionID_A_0052 PositionID_A_0053 PositionID_A_0054 PositionID_A_0055 Activity Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Amount 5 000 000 5 000 000 5 000 000 50 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 15 000 000 5 000 000 10 000 000 5 000 000 10 000 000 20 000 000 15 000 000 10 000 000 5 000 000 5 000 000 15 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 5 000 000 20 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 10 000 000 20 000 000 2 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 15 000 000 1.37% Amount Type of Maturity Issuer Rating Country Contribution counterparty 0.15% 4 FRANCE TELECOM ACORPORATEFRANCE 0.15% 1.5 CAJA MADRID AABANK SPAIN 0.15% 1 BANCO DE SABADELL A+ BANK SPAIN 1.46% 3 VENETO BANCA SCARL BBB+ BANK ITALY 0.15% 3 BANCA SELLA ABANK ITALY 0.15% 1.5 PNC BANK CORPORATION A BANK UNITED STATES 0.29% 3 NESTLE SA AAA CORPORATESWITZERLAND 0.15% 3 PORTUGAL TELECOM BBB CORPORATEPORTUGAL 0.15% 2 SWEDBANK A+ BANK SWEDEN 0.15% 2 BASF N V AACORPORATEGERMANY 0.44% 3.5 DENMARK AAA SOVEREIGN DENMARK 0.15% 4 EVLI BANK BBB BANK FINLAND 0.29% 3 COMMONWEALTH BANKOF AUSTRALIA AABANK AUSTRALIA 0.15% 1 DENIZBANK BBBANK TURKEY 0.29% 3 CAISSE DES DEPOTS ET CONSIGNATIONS AAA BANK FRANCE 0.58% 7 SLOVENIA AA SOVEREIGN SLOVENIA 0.44% 2.5 BNP PARIBAS AA BANK FRANCE 0.29% 4.5 BANQUE CANTONALE DE GENEVE BBB+ BANK SWITZERLAND 0.15% 3 DAIMLERCHRYSLER AG BBB CORPORATEGERMANY 0.15% 3 ALPHA BANK ABANK GREECE 0.44% 2 DEXIA AA BANK BELGIUM 0.15% 1 ENTREPRISE DES POSTES ET TELECOMMUNICATIONS AACORPORATELUXEMBOURG ( EPT ) 0.15% 4 INDONESIA B+ SOVEREIGN INDONESIA 0.15% 7 MEXICO BBB SOVEREIGN MEXICO 0.29% 2.5 UNICREDITO ITALIANO A+ BANK ITALY 0.15% 6 BULGARIA BBB SOVEREIGN BULGARIA 0.15% 3 HUNGARIAN DEVELOPMENT BANK ABANK HUNGARY 0.15% 3 CANADIAN IMPERIAL BANK OF COMMERCE A+ BANK CANADA 0.29% 2 UNITED OVERSEAS BANK A+ BANK SINGAPORE 0.15% 2 PFIZER AAA CORPORATEUNITED STATES 0.15% 3 ISRAEL A SOVEREIGN ISRAEL 0.15% 2 BANCA INTESA AABANK ITALY 0.15% 3 WELLS FARGO AABANK UNITED STATES 0.58% 6 PORTUGAL AASOVEREIGN PORTUGAL 0.15% 2 DEUTSCHE POST AG ACORPORATEGERMANY 0.15% 1.5 BOUYGUES TELECOM ACORPORATEFRANCE 0.15% 2.5 CLOSE BROTHERS LIMITED A BANK UNITED KINGDOM 0.15% 3 UNION BANCAIRE PRIVEE A+ BANK SWITZERLAND 0.15% 1 ERIDANIA BEGHIN SAY ACORPORATEFRANCE 0.29% 3.5 TELEFONOS DE MEXICO BBB- CORPORATEMEXICO 0.58% 3 CANADA AAA SOVEREIGN CANADA 0.06% 2 SOUTH AFRICA BBB SOVEREIGN SOUTH AFRICA 0.15% 1 BANCA BRADESCO S.A. BBBANK BRAZIL 0.15% 7 HONDA MOTOR COMPANY BBB+ CORPORATEJAPAN 0.15% 2 KEYCORP A BANK UNITED STATES 0.15% 6 INDUSTRIAL AND COMMERCIAL BANK OF CHINA BBB+ BANK CHINA 0.15% 2 LEHMAN BROTHERS A+ BANK UNITED STATES 0.15% 2 SUMITOMO TRUST AND BANKING A BANK JAPAN 0.15% 3 VIVENDI UNIVERSAL BBB+ CORPORATEFRANCE 0.15% 2 TELENET HOLDING NV BBCORPORATEBELGIUM 0.15% 2 COMPASS BBB+ CORPORATEUNITED KINGDOM 0.15% 2.5 COCA COLA ACORPORATEUNITED STATES 0.15% 2.5 H J HEINZ A CORPORATEUNITED STATES 0.15% 1 LLOYDS TSB AA BANK UNITED KINGDOM 0.44% 4 HUNGARY ASOVEREIGN HUNGARY 77 3 212 743 EL 1 523 560 700 31 275 1 153 794 364 8 177 642 729 75 6 545 1 027 80 177 273 300 1 231 5 955 7 752 1 235 1 231 779 118 500 5 950 1 367 7 650 1 305 600 1 284 170 450 547 480 800 1 436 1 523 844 642 1 523 43 968 200 2 380 78 390 4 104 794 3 517 600 884 4 329 94 812 4 104 1 348 1 018 385 1 050 24 190 787 0.71% 100.000% 39 890 542 K_BII K_Eco Amount Rate ES contribution Amount 42 591 0.85% 0.169% 67 558 9 129 0.18% 0.029% 11 659 8 750 0.18% 0.027% 10 863 528 057 1.06% 3.812% 1 520 740 26 101 0.52% 0.138% 54 855 11 981 0.24% 0.045% 17 920 31 856 0.32% 0.018% 7 316 110 681 2.21% 0.296% 117 921 12 042 0.24% 0.059% 23 383 14 413 0.29% 0.058% 23 136 7 451 0.05% 0.036% 14 250 103 583 2.07% 0.353% 140 620 27 462 0.27% 0.108% 43 064 317 608 6.35% 1.693% 675 206 23 903 0.24% 0.038% 15 008 13 520 0.07% 0.035% 13 890 30 951 0.21% 0.124% 49 633 129 944 1.30% 0.519% 207 218 104 928 2.10% 0.462% 184 201 27 950 0.56% 0.087% 34 509 26 048 0.17% 0.055% 22 074 9 980 0.20% 0.026% 10 333 498 999 9.98% 1.276% 508 820 107 792 2.16% 0.416% 165 935 29 929 0.30% 0.139% 55 520 138 589 2.77% 0.592% 236 023 29 534 0.59% 0.144% 57 529 15 021 0.30% 0.075% 29 792 24 085 0.24% 0.087% 34 572 10 778 0.22% 0.015% 6 088 10 664 0.21% 0.048% 19 038 10 815 0.22% 0.042% 16 705 12 840 0.26% 0.057% 22 814 32 522 0.16% 0.272% 108 466 24 849 0.50% 0.097% 38 518 22 306 0.45% 0.072% 28 915 17 579 0.35% 0.078% 30 939 16 063 0.32% 0.069% 27 522 18 249 0.36% 0.054% 21 719 471 389 4.71% 1.504% 599 916 17 479 0.09% 0.038% 15 290 26 766 1.34% 0.082% 32 520 310 530 6.21% 1.886% 752 285 96 302 1.93% 0.347% 138 382 14 259 0.29% 0.058% 23 009 82 544 1.65% 0.254% 101 431 11 261 0.23% 0.048% 19 028 15 876 0.32% 0.051% 20 387 73 089 1.46% 0.413% 164 836 419 954 8.40% 1.725% 688 017 55 783 1.12% 0.174% 69 438 26 925 0.54% 0.081% 32 438 21 213 0.42% 0.054% 21 403 5 084 0.10% 0.015% 6 150 29 357 0.20% 0.324% 129 426 1.16% Rate 1.35% 0.23% 0.22% 3.04% 1.10% 0.36% 0.07% 2.36% 0.47% 0.46% 0.10% 2.81% 0.43% 13.50% 0.15% 0.07% 0.33% 2.07% 3.68% 0.69% 0.15% 0.21% 10.18% 3.32% 0.56% 4.72% 1.15% 0.60% 0.35% 0.12% 0.38% 0.33% 0.46% 0.54% 0.77% 0.58% 0.62% 0.55% 0.43% 6.00% 0.08% 1.63% 15.05% 2.77% 0.46% 2.03% 0.38% 0.41% 3.30% 13.76% 1.39% 0.65% 0.43% 0.12% 0.86% PositionID_A_0056 PositionID_A_0057 PositionID_A_0058 PositionID_A_0059 PositionID_A_0060 PositionID_A_0061 PositionID_A_0062 PositionID_A_0063 PositionID_A_0064 PositionID_A_0065 PositionID_A_0066 PositionID_A_0067 PositionID_A_0068 PositionID_A_0069 PositionID_A_0070 PositionID_A_0071 PositionID_A_0072 PositionID_A_0073 PositionID_A_0074 PositionID_A_0075 PositionID_A_0076 PositionID_A_0077 PositionID_A_0078 PositionID_A_0079 PositionID_A_0080 PositionID_A_0081 PositionID_A_0082 PositionID_A_0083 PositionID_A_0084 PositionID_A_0085 PositionID_A_0086 PositionID_A_0087 PositionID_A_0088 PositionID_A_0089 PositionID_A_0090 PositionID_A_0091 PositionID_A_0092 PositionID_A_0093 PositionID_A_0094 PositionID_A_0095 PositionID_A_0096 PositionID_A_0097 PositionID_A_0098 PositionID_A_0099 PositionID_A_0100 PositionID_A_0101 PositionID_A_0102 PositionID_A_0103 PositionID_A_0104 PositionID_A_0105 PositionID_A_0106 PositionID_A_0107 PositionID_A_0108 PositionID_A_0109 PositionID_A_0110 PositionID_A_0111 PositionID_A_0112 PositionID_A_0113 Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A 5 000 000 5 000 000 20 000 000 20 000 000 5 000 000 10 000 000 5 000 000 20 000 000 5 000 000 10 000 000 10 000 000 5 000 000 15 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 10 000 000 50 000 000 5 000 000 10 000 000 10 000 000 10 000 000 10 000 000 10 000 000 10 000 000 5 000 000 5 000 000 10 000 000 10 000 000 5 000 000 5 000 000 50 000 000 5 000 000 15 000 000 5 000 000 10 000 000 10 000 000 5 000 000 5 000 000 10 000 000 20 000 000 15 000 000 15 000 000 10 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 20 000 000 15 000 000 10 000 000 5 000 000 10 000 000 0.15% 0.15% 0.58% 0.58% 0.15% 0.29% 0.15% 0.58% 0.15% 0.29% 0.29% 0.15% 0.44% 0.15% 0.15% 0.15% 0.15% 0.15% 0.29% 0.15% 0.29% 1.46% 0.15% 0.29% 0.29% 0.29% 0.29% 0.29% 0.29% 0.15% 0.15% 0.29% 0.29% 0.15% 0.15% 1.46% 0.15% 0.44% 0.15% 0.29% 0.29% 0.15% 0.15% 0.29% 0.58% 0.44% 0.44% 0.29% 0.15% 0.15% 0.15% 0.15% 0.15% 0.58% 0.44% 0.29% 0.15% 0.29% 4 3 4 1.5 1 4 3 6 4.5 1 2 1.5 1 2 4 3 1 2 4 1 2 4 1 2 1 1 2.5 2 2.5 1 2 2 2 3 2 5 1 2 0.5 1 1 2 1 1 2 1.5 2 1 3 1 1 1 1 2 2 4 1.5 5.5 SFR CEGETEL UNILEVER SWEDEN ROMANIA YVES ROCHER SA SOCIETE GENERALE CNCEP HONG KONG FORD BANQUE DEGROOF TOYOTA MOTOR CORP. BANCO BILBAO VIZCAYA ARGENTARIA MORGAN STANLEY RENAULT ACCOR DAIMLERCHRYSLER AG THOMAS COOKE BULGARIA POLAND KBC ALLIED IRISH BANKS BELGIUM SANOFI SYNTHELABO S.A. GROUP BARCLAYS BEAR STEARNS STATE STREET BANK FLEXSYS GROUP DEPFA BANK FINASUCRE GROUPE AB VOLVO MEDIOBANCA BANK OF CHINA SOUTH AFRICA VOLKSWAGEN A.G. CORP BANK SARASIN FRANCE ESPIRITO SANTO MERRILL LYNCH LVMH ABBEY NATIONAL KREDIETBANK LUXEMBOURG BAWAG P.S.K. BANCO SANTANDER CENTRAL HISPANO DANSKE BANK HSBC JP MORGAN CHASE CITIGROUP BANQUE NATIONALE DU CANADA SOUTH KOREA WACHOVIA BANCA BRADESCO S.A. BAYER AG TELECOM ITALIA SPA GOLDMAN SACHS FORTIS BULGARIA EFG BANK AUSTRALIA BBB+ BBB AAA BBBBBB+ AA AA AA BB+ BBB+ AA+ AAAABBB+ BBB BBB AA BBB BBB+ A+ AAAA+ A+ AA A+ AA BBBAABBBAA+ ABBB AAAAA A+ AAAAAA+ BBB+ AAAAAA AAAA A+ A AABBBBB+ BBB+ AAAA BBB A AAA CORPORATEFRANCE CORPORATENETHERLANDS SOVEREIGN SWEDEN SOVEREIGN ROMANIA CORPORATEFRANCE BANK FRANCE BANK FRANCE SOVEREIGN HONG-KONG CORPORATEUNITED STATES BANK BELGIUM CORPORATEJAPAN BANK SPAIN BANK UNITED STATES CORPORATEFRANCE CORPORATEFRANCE CORPORATEGERMANY BANK UNITED KINGDOM SOVEREIGN BULGARIA SOVEREIGN POLAND BANK BELGIUM BANK IRELAND SOVEREIGN BELGIUM CORPORATEFRANCE BANK UNITED KINGDOM BANK UNITED STATES BANK UNITED STATES CORPORATENETHERLANDS BANK IRELAND CORPORATEBELGIUM CORPORATESWEDEN BANK ITALY BANK CHINA SOVEREIGN SOUTH AFRICA CORPORATEGERMANY BANK SWITZERLAND SOVEREIGN FRANCE BANK PORTUGAL BANK UNITED STATES CORPORATEFRANCE BANK UNITED KINGDOM BANK LUXEMBOURG BANK AUSTRIA BANK SPAIN BANK DENMARK BANK UNITED KINGDOM BANK UNITED STATES BANK UNITED STATES BANK CANADA SOVEREIGN SOUTH KOREA BANK UNITED STATES BANK BRAZIL CORPORATEGERMANY CORPORATEITALY BANK UNITED STATES BANK BELGIUM SOVEREIGN BULGARIA BANK GREECE SOVEREIGN AUSTRALIA 78 4 329 7 752 100 71 000 4 329 820 410 300 28 932 6 255 729 560 1 441 4 329 8 177 7 752 385 7 650 3 600 684 1 081 500 974 771 1 201 721 40 418 1 081 42 193 1 436 684 2 610 11 900 1 436 1 095 250 700 1 441 1 523 1 027 1 367 3 038 560 1 027 1 541 1 441 1 081 1 201 300 480 78 390 4 104 4 329 1 921 1 231 15 300 964 100 87 335 104 928 11 130 560 620 44 595 30 440 11 951 13 520 314 491 64 439 23 143 9 129 18 461 58 842 129 405 104 928 5 084 86 034 72 632 8 542 21 366 27 825 12 165 16 307 15 002 9 508 376 235 21 366 392 758 17 201 12 824 45 166 133 831 32 497 18 949 33 801 8 750 28 491 18 249 13 162 17 084 41 289 7 179 13 162 32 614 23 476 22 873 15 002 7 109 6 154 310 530 42 277 44 595 37 988 26 048 242 142 14 546 13 520 1.75% 2.10% 0.06% 2.80% 0.89% 0.30% 0.24% 0.07% 6.29% 0.64% 0.23% 0.18% 0.12% 1.18% 2.59% 2.10% 0.10% 1.72% 0.73% 0.17% 0.21% 0.06% 0.24% 0.16% 0.15% 0.10% 3.76% 0.21% 3.93% 0.34% 0.26% 0.45% 1.34% 0.65% 0.38% 0.07% 0.18% 0.19% 0.36% 0.13% 0.17% 0.83% 0.14% 0.13% 0.16% 0.16% 0.15% 0.15% 0.14% 0.12% 6.21% 0.85% 0.89% 0.19% 0.17% 2.42% 0.29% 0.14% 0.360% 0.203% 0.065% 0.386% 0.151% 0.126% 0.048% 0.277% 0.936% 0.134% 0.042% 0.029% 0.313% 0.298% 0.414% 0.462% 0.013% 0.451% 0.374% 0.016% 0.049% 0.172% 0.042% 0.051% 0.046% 0.029% 1.672% 0.050% 0.410% 0.051% 0.051% 0.150% 0.408% 0.173% 0.071% 0.278% 0.021% 0.117% 0.050% 0.041% 0.061% 0.080% 0.020% 0.033% 0.128% 0.089% 0.108% 0.043% 0.047% 0.019% 1.886% 0.128% 0.154% 0.168% 0.057% 1.068% 0.032% 0.054% 143 663 80 825 26 021 153 997 60 153 50 418 19 180 110 484 373 295 53 481 16 845 11 632 124 841 118 858 165 053 184 201 5 076 179 730 149 306 6 195 19 504 68 675 16 913 20 246 18 479 11 584 666 843 19 912 163 706 20 224 20 380 59 733 162 601 69 129 28 428 110 805 8 553 46 805 19 946 16 289 24 329 32 094 8 174 13 146 51 010 35 633 43 008 17 267 18 944 7 488 752 285 51 157 61 598 67 093 22 898 426 190 12 751 21 361 2.87% 1.62% 0.13% 0.77% 1.20% 0.50% 0.38% 0.55% 7.47% 0.53% 0.17% 0.23% 0.83% 2.38% 3.30% 3.68% 0.10% 3.59% 1.49% 0.12% 0.20% 0.14% 0.34% 0.20% 0.18% 0.12% 6.67% 0.20% 1.64% 0.40% 0.41% 0.60% 1.63% 1.38% 0.57% 0.22% 0.17% 0.31% 0.40% 0.16% 0.24% 0.64% 0.16% 0.13% 0.26% 0.24% 0.29% 0.17% 0.38% 0.15% 15.05% 1.02% 1.23% 0.34% 0.15% 4.26% 0.26% 0.21% PositionID_A_0114 PositionID_A_0115 PositionID_A_0116 PositionID_A_0117 PositionID_A_0118 PositionID_A_0119 PositionID_A_0120 PositionID_A_0121 PositionID_A_0122 PositionID_A_0123 Added_A_01 Added_A_02 Added_A_03 PositionID_B_0001 PositionID_B_0002 PositionID_B_0003 PositionID_B_0004 PositionID_B_0005 PositionID_B_0006 PositionID_B_0007 PositionID_B_0008 PositionID_B_0009 PositionID_B_0010 PositionID_B_0011 PositionID_B_0012 PositionID_B_0013 PositionID_B_0014 PositionID_B_0015 PositionID_B_0016 PositionID_B_0017 PositionID_B_0018 PositionID_B_0019 PositionID_B_0020 PositionID_B_0021 PositionID_B_0022 PositionID_B_0023 PositionID_B_0024 PositionID_B_0025 PositionID_B_0026 PositionID_B_0027 PositionID_B_0028 PositionID_B_0029 PositionID_B_0030 PositionID_B_0031 PositionID_B_0032 PositionID_B_0033 PositionID_B_0034 PositionID_B_0035 PositionID_B_0036 PositionID_B_0037 PositionID_B_0038 PositionID_B_0039 PositionID_B_0040 PositionID_B_0041 PositionID_B_0042 PositionID_B_0043 PositionID_B_0044 PositionID_B_0045 Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity A Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B 20 000 000 50 000 000 20 000 000 10 000 000 20 000 000 20 000 000 75 000 000 75 000 000 20 000 000 10 000 000 200 000 000 100 000 000 150 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 15 000 000 10 000 000 5 000 000 5 000 000 5 000 000 5 000 000 5 000 000 15 000 000 10 000 000 5 000 000 10 000 000 5 000 000 10 000 000 5 000 000 10 000 000 20 000 000 10 000 000 5 000 000 10 000 000 5 000 000 5 000 000 10 000 000 5 000 000 10 000 000 5 000 000 10 000 000 15 000 000 20 000 000 15 000 000 10 000 000 5 000 000 5 000 000 10 000 000 5 000 000 10 000 000 20 000 000 10 000 000 10 000 000 0.58% 1.46% 0.58% 0.29% 0.58% 0.58% 2.19% 2.19% 0.58% 0.29% 5.84% 2.92% 4.38% 0.15% 0.29% 0.15% 0.15% 0.15% 0.15% 0.15% 0.44% 0.29% 0.15% 0.15% 0.15% 0.15% 0.15% 0.44% 0.29% 0.15% 0.29% 0.15% 0.29% 0.15% 0.29% 0.58% 0.29% 0.15% 0.29% 0.15% 0.15% 0.29% 0.15% 0.29% 0.15% 0.29% 0.44% 0.58% 0.44% 0.29% 0.15% 0.15% 0.29% 0.15% 0.29% 0.58% 0.29% 0.29% 6.5 7.5 4 3 3.5 2.5 2.5 5.5 3.5 4.5 4 1 2 2 6.5 2 1.5 1.5 3.5 3.5 3 3 1.5 1 2 2 3 2.5 1 1 1.5 3 2 2 2.5 5 2 3 2 6 1 3 2 2.5 2 1 3 2 2 1 0.5 1 4 1 1 2 1 1.5 AUSTRIA GERMANY IRELAND NETHERLANDS SINGAPORE SPAIN UNITED KINGDOM UNITED STATES ITALY JAPAN IRELAND MORGAN STANLEY UBS SANOFI SYNTHELABO S.A. GROUP ESTONIA BANCO BILBAO VIZCAYA ARGENTARIA GENERAL MOTORS CORP. DENIZBANK FLEXSYS GROUP DAIMLERCHRYSLER AG AUSTRIA FRANCE BANCA SELLA RABOBANK NEDERLAND BANCA BRADESCO S.A. CAPITALIA BANK OF TAIWAN SODEXHO ALLIANCE CARLSBERG A/S NATIONAL AUSTRALIA BANK NATIXIS FORTIS L'OREAL GROUP NESTLE SA CREDIT MUTUEL - CIC IRELAND ROYAL BANK OF CANADA MERCK KGAA SFR CEGETEL CHILE CYPRUS CAISSE DES DEPOTS ET CONSIGNATIONS EDMOND DE ROTHSCHILD TURKEY DEUTSCHE TELEKOM LLOYDS TSB VIVENDI UNIVERSAL UBS CANADA BANK OF MONTREAL BANCO BPI CNCEP PORTUGAL NORTHERN TRUST CORP ABBEY NATIONAL MORGAN STANLEY COMMERZBANK AG CLOSE BROTHERS LIMITED AAA AAA AAA AAA AAA AAA AAA AAA AAAAAAA AAAA+ A+ A AABBBBBBBBBB AAA AAA AAA+ BBA A+ BBB+ BBB+ AAAAAA AA+ AAA AAAAA AA ABBB+ AA+ AAA A BBAAA BBB+ AA+ AAA AAA AA AAA+ AAAAA A SOVEREIGN AUSTRALIA SOVEREIGN GERMANY SOVEREIGN IRELAND SOVEREIGN NETHERLANDS SOVEREIGN SINGAPORE SOVEREIGN SPAIN SOVEREIGN UNITED KINGDOM SOVEREIGN UNITED STATES SOVEREIGN ITALY SOVEREIGN JAPAN SOVEREIGN IRELAND BANK UNITED STATES BANK SWITZERLAND CORPORATEFRANCE SOVEREIGN ESTONIA BANK SPAIN CORPORATEUNITED STATES BANK TURKEY CORPORATENETHERLANDS CORPORATEGERMANY SOVEREIGN AUSTRALIA SOVEREIGN FRANCE BANK ITALY BANK NETHERLANDS BANK BRAZIL BANK ITALY BANK TAIWAN CORPORATEFRANCE CORPORATEDENMARK BANK AUSTRALIA BANK FRANCE BANK BELGIUM CORPORATEFRANCE CORPORATESWITZERLAND BANK FRANCE SOVEREIGN IRELAND BANK CANADA CORPORATEGERMANY CORPORATEFRANCE SOVEREIGN CHILE SOVEREIGN CYPRUS BANK FRANCE BANK SWITZERLAND SOVEREIGN TURKEY CORPORATEGERMANY BANK UNITED KINGDOM CORPORATEFRANCE BANK SWITZERLAND SOVEREIGN CANADA BANK CANADA BANK PORTUGAL BANK FRANCE SOVEREIGN PORTUGAL BANK UNITED STATES BANK UNITED KINGDOM BANK UNITED STATES BANK GERMANY BANK UNITED KINGDOM 79 200 250 100 50 100 200 750 750 800 200 1 000 9 607 7 705 974 600 560 88 112 80 177 20 209 7 752 150 50 1 153 257 78 390 894 675 12 986 8 208 514 1 094 410 779 182 1 094 100 721 1 436 8 658 875 375 273 844 160 800 1 436 771 12 986 1 027 150 961 914 410 400 600 1 027 1 921 1 728 1 688 27 041 33 801 11 130 4 370 9 935 15 089 56 583 101 402 24 169 7 434 111 300 123 074 244 606 18 263 21 105 11 079 369 660 336 369 216 664 113 803 13 109 4 370 16 887 5 084 347 216 16 055 16 897 197 896 84 555 6 581 17 823 11 951 24 730 11 571 25 437 13 520 15 249 32 497 117 684 29 125 4 685 23 903 15 157 749 863 24 849 10 168 219 266 32 614 9 524 12 307 11 169 5 414 13 477 7 501 13 162 37 988 21 116 25 471 0.14% 0.07% 0.06% 0.04% 0.05% 0.08% 0.08% 0.14% 0.12% 0.07% 0.06% 0.12% 0.16% 0.37% 0.21% 0.22% 7.39% 6.73% 4.33% 2.28% 0.09% 0.04% 0.34% 0.10% 6.94% 0.32% 0.34% 1.32% 0.85% 0.13% 0.18% 0.24% 0.25% 0.23% 0.25% 0.07% 0.15% 0.65% 1.18% 0.58% 0.09% 0.24% 0.30% 7.50% 0.50% 0.10% 1.46% 0.16% 0.06% 0.12% 0.22% 0.11% 0.13% 0.15% 0.13% 0.19% 0.21% 0.25% 0.128% 0.579% 0.054% 0.023% 0.048% 0.030% 0.152% 0.554% 0.203% 0.094% 0.539% 2.086% 2.023% 0.075% 0.072% 0.038% 1.882% 1.722% 0.888% 0.481% 0.030% 0.026% 0.071% 0.011% 1.938% 0.062% 0.078% 0.999% 0.135% 0.017% 0.064% 0.027% 0.066% 0.007% 0.109% 0.068% 0.054% 0.148% 0.527% 0.155% 0.004% 0.038% 0.051% 3.627% 0.096% 0.031% 1.240% 0.270% 0.017% 0.034% 0.033% 0.020% 0.094% 0.022% 0.041% 0.496% 0.085% 0.099% 50 996 230 899 21 520 9 253 19 195 12 083 60 656 220 808 81 008 37 338 215 199 832 273 806 872 29 851 28 631 15 321 750 910 686 887 354 419 191 884 11 833 10 395 28 224 4 427 773 141 24 812 31 153 398 441 53 659 6 753 25 529 10 834 26 188 2 699 43 569 27 310 21 687 58 878 210 058 61 998 1 783 15 008 20 478 1 446 800 38 333 12 300 494 509 107 583 6 812 13 567 13 049 8 030 37 301 8 719 16 289 197 670 33 924 39 529 0.25% 0.46% 0.11% 0.09% 0.10% 0.06% 0.08% 0.29% 0.41% 0.37% 0.11% 0.83% 0.54% 0.60% 0.29% 0.31% 15.02% 13.74% 7.09% 3.84% 0.08% 0.10% 0.56% 0.09% 15.46% 0.50% 0.62% 2.66% 0.54% 0.14% 0.26% 0.22% 0.26% 0.05% 0.44% 0.14% 0.22% 1.18% 2.10% 1.24% 0.04% 0.15% 0.41% 14.47% 0.77% 0.12% 3.30% 0.54% 0.05% 0.14% 0.26% 0.16% 0.37% 0.17% 0.16% 0.99% 0.34% 0.40% PositionID_B_0046 PositionID_B_0047 PositionID_B_0048 PositionID_B_0049 PositionID_B_0050 PositionID_B_0051 PositionID_B_0052 PositionID_B_0053 PositionID_B_0054 PositionID_B_0055 PositionID_B_0056 PositionID_C_0001 PositionID_C_0002 PositionID_C_0003 PositionID_C_0004 PositionID_C_0005 PositionID_C_0006 PositionID_C_0007 PositionID_C_0008 PositionID_C_0009 PositionID_C_0010 PositionID_C_0011 PositionID_C_0012 PositionID_C_0013 PositionID_C_0014 PositionID_C_0015 PositionID_C_0016 PositionID_C_0017 PositionID_C_0018 PositionID_C_0019 PositionID_C_0020 PositionID_C_0021 PositionID_C_0022 PositionID_C_0023 PositionID_C_0024 PositionID_C_0025 PositionID_C_0026 PositionID_C_0027 PositionID_C_0028 PositionID_C_0029 PositionID_C_0030 PositionID_C_0031 PositionID_C_0032 PositionID_C_0033 PositionID_C_0034 PositionID_C_0035 PositionID_C_0036 PositionID_C_0037 PositionID_C_0038 PositionID_C_0039 PositionID_C_0040 PositionID_C_0041 PositionID_C_0042 PositionID_C_0043 PositionID_C_0044 PositionID_C_0045 PositionID_C_0046 PositionID_C_0047 Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity B Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C 10 000 000 5 000 000 10 000 000 10 000 000 5 000 000 15 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 10 000 000 10 000 000 5 000 000 15 000 000 15 000 000 10 000 000 5 000 000 5 000 000 5 000 000 5 000 000 10 000 000 10 000 000 10 000 000 10 000 000 20 000 000 10 000 000 5 000 000 15 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 10 000 000 10 000 000 5 000 000 5 000 000 10 000 000 5 000 000 5 000 000 5 000 000 10 000 000 10 000 000 10 000 000 5 000 000 5 000 000 5 000 000 15 000 000 5 000 000 0.29% 0.15% 0.29% 0.29% 0.15% 0.44% 0.15% 0.15% 0.29% 0.15% 0.15% 0.15% 0.29% 0.15% 0.15% 0.15% 0.29% 0.15% 0.15% 0.29% 0.29% 0.15% 0.44% 0.44% 0.29% 0.15% 0.15% 0.15% 0.15% 0.29% 0.29% 0.29% 0.29% 0.58% 0.29% 0.15% 0.44% 0.15% 0.29% 0.15% 0.15% 0.15% 0.29% 0.29% 0.15% 0.15% 0.29% 0.15% 0.15% 0.15% 0.29% 0.29% 0.29% 0.15% 0.15% 0.15% 0.44% 0.15% 2 1 2 1 1 2 2 2 2 2 1 1.5 1.5 3 3 1.5 4 1 3 1 3 2.5 6 6.5 4 2 1 1 2 3 2 2.5 2 3 3 1 4 2 3 1.5 1.5 2 3.5 4 2 1 1 5.5 1 1 2 2 2.5 3 2 4 4 3 HSBC AA BASF N V AANISSAN MOTORS BBB+ STATE STREET BANK AA HBOS AACITIGROUP AA ROCHE GROUPE AA ELIOR BBB RENAULT BBB+ INDUSTRIAL AND COMMERCIAL BANK OF CHINA BBB+ EKSPORTFINANS AA+ CORPORATIVO ONO BBCOMMERZBANK AG A BOLIVIA BINDONESIA B+ NORTHERN TRUST CORP A+ PSA PEUGEOT CITROEN BBB+ BASF N V AANATIONAL BANK OF GREECE A CITIGROUP AA MEXICO BBB PNC BANK CORPORATION A VOLKSWAGEN A.G. CORP AGREECE A BANQUE CANTONALE DE GENEVE BBB+ SFR CEGETEL BBB+ BANQUES POPULAIRES AAKREDIETBANK LUXEMBOURG A+ DEXIA AA BANCO BPI A KBC A+ BRITISH TELECOMMUNICATION PLC ADEVELOPMENT BANK OF JAPAN A PORTUGAL AABANK OF CHINA AHSBC AA BULGARIA BBB FORTIS AA BANQUE DEGROOF BBB+ BANCO DE SABADELL A+ GENERAL MOTORS CORP. BBMOBISTAR BBB+ ALCATEL BB+ BELGIUM AA+ DEPFA BANK AAWACHOVIA AAROCHE GROUPE AA HONDA MOTOR COMPANY BBB+ BEAR STEARNS A+ LANDESBANK NRW AAUNION BANCAIRE PRIVEE A+ AMERICAN EXPRESS A+ SWIFT BBB+ CNCEP AA AKBANK T.A.S. BBCYPRUS A+ SOUTH KOREA A ESPIRITO SANTO A+ BANK UNITED KINGDOM CORPORATEGERMANY CORPORATEJAPAN BANK UNITED STATES BANK UNITED KINGDOM BANK UNITED STATES CORPORATESWITZERLAND CORPORATEFRANCE CORPORATEFRANCE BANK CHINA BANK NORWAY CORPORATESPAIN BANK GERMANY SOVEREIGN BOLIVIA SOVEREIGN INDONESIA BANK UNITED STATES CORPORATEFRANCE CORPORATEGERMANY BANK GREECE BANK UNITED STATES SOVEREIGN MEXICO BANK UNITED STATES CORPORATEGERMANY SOVEREIGN GREECE BANK SWITZERLAND CORPORATEFRANCE BANK FRANCE BANK LUXEMBOURG BANK BELGIUM BANK PORTUGAL BANK BELGIUM CORPORATEUNITED KINGDOM BANK JAPAN SOVEREIGN PORTUGAL BANK CHINA BANK UNITED KINGDOM SOVEREIGN BULGARIA BANK BELGIUM BANK BELGIUM BANK SPAIN CORPORATEUNITED STATES CORPORATEBELGIUM CORPORATEFRANCE SOVEREIGN BELGIUM BANK IRELAND BANK UNITED STATES CORPORATESWITZERLAND CORPORATEJAPAN BANK UNITED STATES BANK GERMANY BANK SWITZERLAND BANK UNITED STATES CORPORATEBELGIUM BANK FRANCE BANK TURKEY SOVEREIGN CYPRUS SOVEREIGN SOUTH KOREA BANK PORTUGAL 80 771 729 8 208 721 514 1 081 547 8 177 8 658 3 517 270 94 812 1 728 415 200 118 500 600 8 658 729 964 721 11 900 794 4 307 1 350 5 955 4 329 547 684 410 1 828 1 367 2 872 1 768 800 2 610 385 22 950 410 6 255 700 88 112 4 329 62 265 100 540 480 1 093 4 104 600 527 1 284 1 201 8 658 410 80 177 375 900 700 16 307 9 339 111 567 9 508 6 581 22 873 11 571 91 957 117 684 47 814 5 348 397 769 26 074 812 793 460 464 9 381 174 670 9 339 22 844 9 508 161 082 16 538 143 379 47 487 120 145 58 842 7 008 8 542 8 683 43 319 25 648 57 346 31 751 21 385 59 068 5 084 363 213 8 683 105 611 10 943 369 660 58 842 601 661 5 565 10 683 6 154 14 430 96 302 7 501 6 752 24 085 22 522 131 930 11 951 355 129 11 730 26 493 17 522 0.16% 0.19% 1.12% 0.10% 0.13% 0.15% 0.23% 1.84% 1.18% 0.96% 0.11% 7.96% 0.26% 16.26% 9.21% 0.19% 1.75% 0.19% 0.46% 0.10% 1.61% 0.33% 0.96% 0.32% 1.20% 1.18% 0.14% 0.17% 0.17% 0.43% 0.26% 0.57% 0.32% 0.11% 0.59% 0.10% 2.42% 0.17% 1.06% 0.22% 7.39% 1.18% 6.02% 0.06% 0.21% 0.12% 0.14% 1.93% 0.15% 0.14% 0.24% 0.23% 1.32% 0.24% 7.10% 0.23% 0.18% 0.35% 0.064% 0.037% 0.364% 0.029% 0.015% 0.108% 0.040% 0.306% 0.596% 0.120% 0.009% 1.371% 0.120% 1.571% 1.255% 0.036% 0.688% 0.037% 0.062% 0.045% 0.553% 0.076% 0.839% 0.218% 0.477% 0.263% 0.021% 0.030% 0.018% 0.181% 0.065% 0.254% 0.108% 0.131% 0.214% 0.020% 1.603% 0.019% 0.277% 0.041% 1.882% 0.157% 2.145% 0.034% 0.025% 0.019% 0.053% 0.298% 0.023% 0.019% 0.092% 0.101% 0.404% 0.048% 1.431% 0.042% 0.191% 0.072% 25 505 14 646 145 027 11 584 6 074 43 008 15 931 121 972 237 715 48 003 3 480 546 785 47 777 626 494 500 657 14 475 274 340 14 646 24 668 18 117 220 621 30 509 334 589 87 025 190 404 105 029 8 560 12 164 7 358 72 096 25 883 101 405 43 015 52 261 85 496 8 023 639 284 7 633 110 644 16 461 750 910 62 547 855 494 13 735 9 956 7 488 21 322 118 863 9 239 7 766 36 735 40 132 161 039 19 180 570 997 16 673 76 237 28 628 0.26% 0.29% 1.45% 0.12% 0.12% 0.29% 0.32% 2.44% 2.38% 0.96% 0.07% 10.94% 0.48% 12.53% 10.01% 0.29% 2.74% 0.29% 0.49% 0.18% 2.21% 0.61% 2.23% 0.58% 1.90% 2.10% 0.17% 0.24% 0.15% 0.72% 0.26% 1.01% 0.43% 0.26% 0.85% 0.16% 4.26% 0.15% 1.11% 0.33% 15.02% 1.25% 8.55% 0.14% 0.20% 0.15% 0.21% 2.38% 0.18% 0.16% 0.37% 0.40% 1.61% 0.38% 11.42% 0.33% 0.51% 0.57% PositionID_C_0048 PositionID_C_0049 PositionID_C_0050 PositionID_C_0051 PositionID_C_0052 PositionID_C_0053 PositionID_C_0054 PositionID_C_0055 PositionID_C_0056 PositionID_C_0057 PositionID_C_0058 PositionID_C_0059 PositionID_C_0060 PositionID_C_0061 PositionID_C_0062 PositionID_C_0063 PositionID_C_0064 PositionID_C_0065 PositionID_C_0066 PositionID_C_0067 PositionID_C_0068 PositionID_C_0069 PositionID_C_0070 PositionID_C_0071 PositionID_C_0072 PositionID_C_0073 PositionID_C_0074 PositionID_C_0075 PositionID_C_0076 PositionID_C_0077 PositionID_C_0078 PositionID_C_0079 PositionID_C_0080 PositionID_C_0081 PositionID_C_0082 PositionID_C_0083 PositionID_C_0084 PositionID_C_0085 PositionID_C_0086 PositionID_C_0087 PositionID_C_0088 PositionID_C_0089 PositionID_C_0090 PositionID_C_0091 PositionID_C_0092 PositionID_C_0093 Added_C_01 Added_C_02 Added_C_03 Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C Activity C 5 000 000 10 000 000 5 000 000 10 000 000 20 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 10 000 000 10 000 000 10 000 000 10 000 000 15 000 000 15 000 000 5 000 000 10 000 000 5 000 000 5 000 000 15 000 000 5 000 000 5 000 000 5 000 000 10 000 000 10 000 000 15 000 000 10 000 000 10 000 000 10 000 000 10 000 000 15 000 000 10 000 000 15 000 000 5 000 000 5 000 000 15 000 000 5 000 000 5 000 000 5 000 000 10 000 000 5 000 000 10 000 000 15 000 000 5 000 000 15 000 000 100 000 000 100 000 000 150 000 000 0.15% 0.29% 0.15% 0.29% 0.58% 0.15% 0.15% 0.15% 0.29% 0.15% 0.29% 0.29% 0.29% 0.29% 0.44% 0.44% 0.15% 0.29% 0.15% 0.15% 0.44% 0.15% 0.15% 0.15% 0.29% 0.29% 0.44% 0.29% 0.29% 0.29% 0.29% 0.44% 0.29% 0.44% 0.15% 0.15% 0.44% 0.15% 0.15% 0.15% 0.29% 0.15% 0.29% 0.44% 0.15% 0.44% 2.92% 2.92% 4.38% 3 2 2 5 2 1 2 2 5 2 2 6 3 3 3 4 1 2 4 1 1.5 1.5 1 1 1 2.5 6 2.5 2 1.5 3 6 6.5 2.5 1 1.5 6.5 4 2.5 2 3 3.5 4.5 5.5 3 4 4 1 2 FIAT MILLENNIUM BCP TELENET HOLDING NV ISRAEL CROATIA DEUTSCHE BANK CREDIT MUTUEL - CIC CLOSE BROTHERS LIMITED ESTONIA BOREALIS A/S SWITZERLAND SLOVAKIA PORTUGAL TELECOM DRESDNER BANK SOUTH AFRICA ICELAND WELLS FARGO TURKEY ARGENTINA DUPONT DE NEMOURS GROUP MITSUBISHI UFJ FINANCIAL BANCA INTESA EDMOND DE ROTHSCHILD EFG BANK RAIFFEISEN ZENTRALBANK OESTERREICH GERMANY SLOVENIA ERIDANIA BEGHIN SAY SOPARIND LVMH COCA COLA CHILE HUNGARY LITHUANIA BANCA SELLA BANK SARASIN POLAND RENAULT NISSAN MOTORS SODEXHO ALLIANCE TELECOM ITALIA SPA TELEFONICA SA VIVENDI UNIVERSAL SWISS LIFE DAIMLERCHRYSLER AG BRAZIL IRELAND MORGAN STANLEY UBS BB+ A+ BBA BBBAAAAA A BBB AAA A BBB A+ BBB A+ AABBB+ AAA AAA A A+ AAA AA AAAAAAAAABBB+ BBB+ BBB+ BBB+ BBB+ BBB+ BBB+ BBB BBB BB AAA AAAA+ CORPORATEITALY BANK PORTUGAL CORPORATEBELGIUM SOVEREIGN ISRAEL SOVEREIGN CROATIA BANK GERMANY BANK FRANCE BANK UNITED KINGDOM SOVEREIGN ESTONIA CORPORATEDENMARK SOVEREIGN SWITZERLAND SOVEREIGN SLOVAKIA CORPORATEPORTUGAL BANK GERMANY SOVEREIGN SOUTH AFRICA SOVEREIGN ICELAND BANK UNITED STATES SOVEREIGN TURKEY SOVEREIGN ARGENTINA CORPORATEUNITED STATES BANK JAPAN BANK ITALY BANK SWITZERLAND BANK GREECE BANK AUSTRIA SOVEREIGN GERMANY SOVEREIGN SLOVENIA CORPORATEFRANCE CORPORATEFRANCE CORPORATEFRANCE CORPORATEUNITED STATES SOVEREIGN CHILE SOVEREIGN HUNGARY SOVEREIGN LITHUANIA BANK ITALY BANK SWITZERLAND SOVEREIGN POLAND CORPORATEFRANCE CORPORATEJAPAN CORPORATEFRANCE CORPORATEITALY CORPORATESPAIN CORPORATEFRANCE INSTITUTIONAL SWITZERLAND CORPORATEGERMANY SOVEREIGN BRAZIL SOVEREIGN IRELAND BANK UNITED STATES BANK SWITZERLAND 81 31 132 1 401 94 812 900 49 700 527 547 844 600 7 752 50 900 16 353 1 318 17 850 375 480 160 800 138 250 679 2 652 547 844 964 1 318 50 225 3 047 3 047 3 047 2 697 2 625 700 2 100 1 153 1 095 5 400 4 329 4 104 4 329 8 658 4 329 8 658 23 255 7 752 112 125 500 9 607 7 705 282 044 26 273 419 954 31 658 427 537 6 752 10 815 15 157 21 105 87 177 3 175 31 658 221 362 32 960 241 623 11 730 6 154 712 237 582 166 8 699 40 017 8 911 10 314 11 780 16 460 3 772 10 140 60 840 52 726 44 612 61 033 87 376 23 300 41 936 13 815 16 033 126 720 87 335 62 537 58 842 146 177 80 212 188 917 421 289 104 928 998 351 55 650 123 074 244 606 5.64% 0.26% 8.40% 0.32% 2.14% 0.14% 0.22% 0.30% 0.21% 1.74% 0.03% 0.32% 2.21% 0.33% 1.61% 0.08% 0.12% 7.12% 11.64% 0.17% 0.27% 0.18% 0.21% 0.24% 0.16% 0.04% 0.07% 0.61% 0.53% 0.45% 0.61% 0.58% 0.23% 0.28% 0.28% 0.32% 0.84% 1.75% 1.25% 1.18% 1.46% 1.60% 1.89% 2.81% 2.10% 6.66% 0.06% 0.12% 0.16% 0.865% 0.096% 1.725% 0.158% 0.794% 0.020% 0.044% 0.064% 0.055% 0.261% 0.010% 0.011% 0.591% 0.174% 0.730% 0.110% 0.019% 3.587% 1.253% 0.027% 0.131% 0.032% 0.024% 0.021% 0.024% 0.021% 0.022% 0.215% 0.154% 0.137% 0.192% 0.466% 0.344% 0.148% 0.047% 0.052% 0.810% 0.406% 0.205% 0.302% 0.522% 0.223% 0.961% 1.145% 0.462% 4.105% 0.270% 2.086% 2.023% 344 992 38 120 688 017 63 134 316 643 8 060 17 612 25 517 21 785 104 144 4 032 4 563 235 842 69 399 291 199 43 878 7 518 1 430 841 499 697 10 725 52 215 12 766 9 416 8 319 9 489 8 387 8 956 85 740 61 506 54 517 76 780 185 994 137 126 58 843 18 629 20 683 323 018 161 799 81 971 120 327 208 407 89 028 383 506 456 842 184 201 1 637 358 107 599 832 273 806 872 6.90% 0.38% 13.76% 0.63% 1.58% 0.16% 0.35% 0.51% 0.22% 2.08% 0.04% 0.05% 2.36% 0.69% 1.94% 0.29% 0.15% 14.31% 9.99% 0.21% 0.35% 0.26% 0.19% 0.17% 0.09% 0.08% 0.06% 0.86% 0.62% 0.55% 0.77% 1.24% 1.37% 0.39% 0.37% 0.41% 2.15% 3.24% 1.64% 2.41% 2.08% 1.78% 3.84% 3.05% 3.68% 10.92% 0.11% 0.83% 0.54% Bibliographie ACERBI (2002) Spectral Measures of Risk : a Coherent Representation of Subjective Risk Aversion. Journal of Banking and Finance 26, 1505-1518. ACERBI, NORDIO, SIRTORI (2001) Expected Shortfall as a Tool for Financial Risk Management. Working Paper. ACERBI, TASCHE (2002) On the Coherence of Expected Shortfall. Journal of Banking and Finance 26, 1487-1503. ARTZNER, DELBAEN, EBER, HEATH (1998) Coherent Measures of Risk. Mathematical Finance 9, 203-228. ARTZNER, DELBAEN, EBER, HEATH (1997) Thinking Coherently. Risk, November, 68-71. BASEL COMMITTEE ON BANKING SUPERVISION (2005a) An explanatory note on the Basel II IRB risk weight functions BASEL COMMITTEE ON BANKING SUPERVISION (2005b) International Convergence of Capital Measurement and Capital Standards – A revised Framework BASEL COMMITTEE ON BANKING SUPERVISION (2006) Studies on credit risk concentration BHATIA, FINGER, GUPTON (1997) CreditMetrics – Technical Document. BLACK, SCHOLES (1973) The Pricing of Options and Corporate Liabilities. Journal of Political Economy 81:637-654 BLUHM, OVERBECK, WAGNER (2002) An Introduction to Credit Risk Modeling. Chapman & Hall. BOYLE, SIU, YANG (2002) Risk and Probability Measures. Risk, July, 53-57. COMMITTEE OF EUROPEAN BANKING SUPERVISORS (2006a) Guidelines on the Application of the Supervisory Review Process under Pillar 2 COMMITTEE OF EUROPEAN BANKING SUPERVISORS (2006b) Technical aspects of the management of concentration risk under the supervisory review process CREDUIT SUISSE FINANCIAL PRODUCTS (1997) CreditRisk+ - A Credit Risk Management Framework. CROSSBIE, BOHN (2003) Modeling Default Risk. Moody's KMV Company. CROUHY, GALAI, MARK (2000) A Comparative Analysis of Current Credit Risk Models. Journal of Banking and Finance, 24. DANIELSSON ET AL (2005) Sub-Additivity Re-Examined : the Case for VaR. 82 DELBAEN (2000) Coherent Risk Measures. Lectures Notes. Scuola Normale Superiore di Pisa. DELBAEN (2000) Coherent Risk Measures on General Probability Spaces. Eidgenössische Technische Hochschule, Zürich. DENAULT (2001) Coherent Allocation of Risk Capital. Journal of Risk 4. DEV (2004) Economic Capital : A Practitioner Guide. Risk Books. DUNFORD, SCHWARTZ (1958) Linear Operators – Part I: General Theory. Interscience Publishers, New York. EBERLEIN, FREY, KALKBRENER, OVERBECK (2007) Mathematics in Financial Risk Management. Working paper. EMBRECHTS (2000) Extreme Value Theory : potential and limitations as an integrated risk management tool. Working Paper ETH Zürich. EMBRECHTS, MCNEIL, STRAUMANN (1999) Correlation and Dependence in Risk Management : Properties and Pitfalls. Working Paper. EMBRECHTS, MCNEIL, STRAUMANN (1999) Correlation: Pitfalls and Alternatives. Working Paper ETH Zürich. FISCHER (2003) Risk Capital Allocation by Coherent Risk Measures Based on OneSided Moments. Insurance : Mathematics and Economics 32, 135-146. GLASSERMAN (2004) Monte Carlo Methods in Financial Engineering. GLASSERMAN (2005) Tail Approximation for Portfolio Credit Risk. GLASSERMAN (2005) Measuring Marginal Risk Contributions in Credit Risk Portfolios. GLASSERMAN, LI (2005) Importance Sampling for Portfolio Credit Risk. Management Science 51(11), 1643-1656. GORDY (1998) A Comparative Anatomy of Credit Risk Models. GORDY (2002) A Risk Factor Model Foundation for Ratings-Based Bank Capital Rules. In Economic Capital : A Practitioner Guide. GOURIÉROUX, LAURENT, SCAILLET (2000) Sensitivity Analysis of Values-at-Risk. Journal of Empirical Finance 7, 225-245. KALKBRENER (2002) An Axiomatic Approach to Capital Allocation. Technical document, Deutsche Bank AG, Frankfurt. KALKBRENER, LOTTER, OVERBECK (2004) Sensible and Efficient Capital Allocation for Credit Portfolios. Risk, January, 19-24. KALKBRENER, OVERBECK (2002) The Maturity Effect on Credit Risk Capital. Risk, July 5963. 83 KOYLUOGLU, STOKER (2002) Honour your Contribution. Risk, April, 90-94. KURTH, TASCHE (2003) Contributions to Credit Risk. Risk, March, 84-88. MARKOWITZ (1952) Portfolio Selection. The Journal of Finance. MASHAL, NALDI, ZEEVI (2003) On the Dependence of Equity and Asset Returns. Risk, October, 83-87. MATTEN (2000) Managing Bank Capital, Second Edition. Wiley. MERTON (1974) On the Pricing of Corporate Debt : the Risk Structure of Interest Rates. Journal of Finance 29, 449-470. OVERBECK (2004) Spectral Capital Allocation. In Economic Capital : A Practitioner Guide. OVERBECK, STAHL (2003) Stochastic Esssentials for the Risk Management of Credit Portfolios. Kredit und Kapital. QUITTARD-PINON (2003) Marchés des Capitaux et Théorie Financière. Economica, 3ème édition. ROCKAFELLAR, URYASEV (2001) Conditional Value-at-Risk for General Loss Distributions. Research report #2001-05, ISE Department, University of Florida. RONCALLI (2004) La gestion des risques financiers. Economica. SERVIGNY, RENAULT (2003) Correlation Evidence. Risk, July, 90-94. SERVIGNY, RENAULT (2004) Measuring and Managing Credit Risk.Mc Graw Hill. SCHROECK (2002) Risk Management and Value Creation in Financial Institutions. Wiley. TASCHE (2000) Conditional Expectation as Quantile Derivative. Working paper, Technische Universität München. TASCHE (2002) Expected Shortfall and Beyond. Working Paper, Deutsche Bundesbank. TASCHE (2006) Capital Allocation for Credit Portfolios with Kernel Estimators. Working Paper, Deutsche Bundesbank. TIESSET, TROUSSARD (2005) Capital réglementaire et capital économique. Banque de France, Revue de la stabilité financière, N°7 novembre 2005. URYASEV (2000) Conditional Value-at-Risk : optimization algorithms and applications. Financial Engineering News 2(3). VASICEK (2002) Loan Portfolio Value. Risk, December 160-162. 84 VASICEK (1987) Probability of Loss on Loan Portfolio. KMV Corporation. VASICEK (1991) Limiting Loan Loss Probability Distribution. KMV Corporation. YAMAHI, YOSHIBA (2002) Comparative Analyses of Expected Shortfall and Value-atRisk : their Estimation Error, Decomposition and Optimization. Institute for Monetary and Economic Studies, Bank of Japan. 85