Model Risk Unmasked: An Empirical Reckoning with IRB Capital Requirements

Résumé technique : Le risque de modèle démasqué : un règlement empirique des exigences de fonds propres IRB

Énoncé du problème
L'article traite d'une lacune critique dans le cadre de l'approche fondée sur les notations internes (IRB) pour les exigences de fonds propres réglementaires sous Bâle II/III. Bien que le modèle de l'Asymptotique à un seul facteur de risque (ASRF), introduit par Gordy (2003), fournisse l'architecture structurelle pour calculer les charges de capital basées sur la Valeur en Risque (VaR) au 99,9e percentile, il traite généralement les paramètres du modèle — spécifiquement la Probabilité de Défaut (PD) et la Perte en Cas de Défaut (LGD) — comme des constantes connues. Les auteurs soutiennent que cette approche « naïve » ignore le risque d'estimation (incertitude des paramètres). De plus, la littérature existante (par exemple, Löffler, 2003 ; Tarashev, 2010) s'est souvent appuyée sur des hypothèses simplificatrices, telles que le traitement de la PD et de la LGD comme étant indépendantes ou le maintien de la LGD constante. L'article postule qu'en réalité, ces paramètres sont corrélés, particulièrement lors des ralentissements économiques où les taux de défaut augmentent et les taux de recouvrement chutent simultanément. Ignorer cette dépendance et l'incertitude inhérente à l'estimation des paramètres conduit à une sous-estimation significative des véritables exigences de fonds propres réglementaires.

Méthodologie
L'étude emploie une approche empirique fondée sur 37 années de données historiques (1983–2019) provenant de Moody's Investor Service, couvrant à la fois les émetteurs d'entreprises toutes catégories de notation confondues et de catégorie spéculative.

1. Hypothèses de distribution et validation :

   • Les auteurs modélisent le point de défaut ($k = \Phi^{-1}(PD)$) et la LGD comme des variables aléatoires conjointement gaussiennes.
   • Ils valident ces hypothèses en utilisant le test de Shapiro-Wilk sur les distributions univariées et bivariées. Les résultats (toutes les p-valeurs > 0,50) confirment que les données ne rejettent pas l'hypothèse de normalité, soutenant ainsi l'utilisation d'un cadre gaussien pour modéliser l'incertitude des paramètres.

2. Estimation empirique de la dépendance :

   • L'étude estime explicitement la corrélation entre le point de défaut ($k$) et la LGD.
   • En utilisant la corrélation de Pearson sur l'ensemble de données de 37 ans, ils trouvent des corrélations positives fortes et statistiquement significatives : 0,717 pour les émetteurs toutes catégories confondues et 0,599 pour les catégories spéculatives. Cela confirme que des probabilités de défaut plus élevées sont associées à des pertes en cas de défaut plus importantes.

3. Cadre de calcul du capital :

   • Approche naïve : Calcule le capital ($RC_{naïve}$) en utilisant les estimations ponctuelles ($\hat{PD}, \hat{LGD}$) comme des valeurs fixes.
   • Approche correcte : Calcule le capital ($RC$) en prenant le 99,9e percentile de la distribution des pertes attendues, où la $PD$ et la $LGD$ sont traitées comme des variables aléatoires présentant une incertitude.
   • Simulation : Les auteurs utilisent des simulations de Monte Carlo (10 millions d'itérations) pour calculer l'ajustement (add-on) du capital réglementaire. Cet ajustement représente le pourcentage d'augmentation du capital requis pour couvrir le risque d'estimation, calculé comme suit :
     $$Add\text{-}on = \frac{(RC - RC_{naïve}) + (E[L] - EL_{naïve})}{RC_{naïve}}$$

4. Tests de robustesse :

   • L'analyse a été répétée avec un niveau de confiance de 99 % (correspondant aux études antérieures) et une taille de portefeuille finie de 50 obligataires. Les résultats sont restés cohérents, confirmant que la dépendance entre les paramètres est le principal moteur du risque de modèle, quel que soit le niveau de confiance ou la taille du portefeuille.

Résultats clés
Les résultats de la simulation révèlent qu'ignorer l'incertitude des paramètres et, plus particulièrement, la corrélation entre la PD et la LGD, conduit à une sous-estimation substantielle des besoins en capital :

• Impact de l'incertitude : L'incertitude du point de défaut ($k$) contribue davantage au risque de modèle que l'incertitude de la LGD seule.
• Impact de la dépendance :
  • Lorsque la PD et la LGD sont supposées indépendantes, l'ajustement du capital réglementaire est de 18,67 % pour les portefeuilles toutes catégories confondues et de 39,54 % pour les catégories spéculatives.
  • Lorsque la corrélation empiriquement observée est incorporée, l'ajustement grimpe à 38,48 % (Toutes catégories) et 65,97 % (Catégorie spéculative).
• Conclusion sur le biais : L'approche IRB naïve, qui ignore entièrement le risque d'estimation, fournit une estimation nettement biaisée à la baisse des véritables besoins en fonds propres réglementaires. La différence entre les scénarios d'indépendance et de corrélation représente une sous-estimation d'environ 20 points de pourcentage pour les portefeuilles toutes catégories et de 26 points de pourcentage pour les portefeuilles de catégorie spéculative.

Signification et revendications
L'article revendique trois contributions principales :

1. Validation empirique : Il fournit des preuves statistiques robustes (via 37 années de données) que les hypothèses gaussiennes pour le point de défaut et la LGD sont valides, justifiant le cadre théorique utilisé pour les calculs d'ajustement de capital.
2. Identification du principal moteur de risque : Il démontre que la dépendance PD–LGD est la principale source de risque de modèle. Ignorer ce lien entraîne un calcul erroné des tampons de capital, particulièrement pour les actifs de catégorie spéculative.
3. Implications politiques : Les auteurs soutiennent que le cadre réglementaire actuel, qui a supprimé la possibilité pour les régulateurs d'augmenter les charges de capital en fonction du risque de modèle sous Bâle III, peut être insuffisant. Ils suggèrent que les banques s'appuyant sur de simples calculs d'estimations ponctuelles devraient être tenues de détenir des tampons de capital nettement plus élevés (au moins 40 % pour toutes catégories et 66 % pour la catégorie spéculative) afin de tenir compte du risque d'estimation.

L'étude conclut qu'une approche plus nuancée du capital réglementaire est essentielle pour la stabilité financière. En tenant compte de l'incertitude des paramètres et de la nature cyclique de la relation PD–LGD, les institutions financières peuvent mieux gérer le risque et prévenir les vulnérabilités systémiques qui surviennent lorsque les tampons de capital sont insuffisants lors des ralentissements économiques.