Mesures de risque · Essentiel · 7 min
Backtesting de la VaR : exceptions et zones de Bâle
Objectif: Backtester une VaR en comptant ses exceptions (breaches) et interpréter les zones verte/jaune/rouge de Bâle.
Avant de continuer
Il faut comprendre la définition de la VaR, de l'Expected Shortfall et des stress tests, présentés dans la notion précédente de ce chapitre.
Vocabulaire
- Exception (breach)
- Un jour où la perte réellement observée dépasse la VaR prédite pour ce jour-là.
- Zones de Bâle (feu tricolore)
- Le cadre réglementaire de Bâle qui classe un modèle de VaR en zone verte, jaune ou rouge selon le nombre d'exceptions observées sur 250 jours de test.
Intuition
Un modèle de VaR n'est qu'une estimation statistique : rien ne garantit a priori qu'il prédit correctement la fréquence réelle des pertes importantes. Le backtesting consiste précisément à vérifier cette promesse statistique a posteriori, en comptant combien de fois la perte réelle a dépassé la VaR prédite, et en comparant ce nombre à ce que le modèle aurait dû produire s'il était parfaitement calibré.
Définition
Le backtesting de la VaR consiste à comparer, jour après jour sur une période de test (typiquement 250 jours ouvrés, soit environ un an), la perte réellement observée à la VaR prédite ce jour-là. Chaque jour où la perte dépasse la VaR constitue une exception (breach). Le cadre réglementaire de Bâle classe le modèle en zone verte, jaune ou rouge selon le nombre d'exceptions observées sur 250 jours : une VaR à 99% devrait théoriquement produire environ 2,5 exceptions sur 250 jours (1% × 250) si le modèle est parfaitement calibré.
Utilité
Sans backtesting, un modèle de VaR n'est qu'une hypothèse non vérifiée : le backtesting permet de détecter un modèle mal calibré (trop d'exceptions signalant une VaR sous-estimée, dangereuse ; trop peu d'exceptions signalant une VaR surestimée, coûteuse en capital immobilisé inutilement) avant que cette erreur ne cause des dégâts réels. Les régulateurs bancaires exigent d'ailleurs ce backtesting régulier, avec des conséquences directes sur les exigences de capital du modèle interne d'une banque.
Exemple concret
Une banque backteste sa VaR à 99% sur les 250 derniers jours ouvrés et compte 6 exceptions (jours où la perte réelle a dépassé la VaR prédite). Le nombre attendu sous calibration parfaite est d'environ 2,5 exceptions (1% × 250) : avec 6 exceptions, le modèle se situe dans la zone jaune du cadre de Bâle, signalant une VaR probablement sous-estimée qui nécessite une révision, sans pour autant déclencher automatiquement les pénalités de capital les plus sévères réservées à la zone rouge.
Toujours bloqué ? Une autre façon de voir les choses
Imaginez une prévision météo qui annonce "1% de risque de tempête violente chaque jour" : sur un an (365 jours), on attendrait environ 3-4 tempêtes violentes si la prévision est bien calibrée. Si l'on en observe 15, la prévision sous-estime clairement le risque ; si l'on n'en observe aucune sur plusieurs années, elle le surestime probablement. Le backtesting de la VaR applique exactement cette logique de vérification statistique aux pertes financières.
Formule indispensable
Variables, unités et hypothèses
- — Nombre d'exceptions attendu sous une calibration parfaite du modèle
- — Nombre de jours de la période de backtesting (typiquement 250)
- — Nombre d'exceptions réellement comptées sur la période
Hypothèses: Suppose des observations indépendantes et un modèle statique sur la période de test ; en pratique, les exceptions ont tendance à se regrouper (clustering) lors de périodes de forte volatilité, ce qui complique l'interprétation d'un simple comptage.
Unités: Nombre d'exceptions sans unité (entier).
Exemple concret: VaR 99%, 250 jours → N_attendu=2,5. 6 exceptions observées → zone jaune (Bâle).
Calcul détaillé
1) Sur la période de test (typiquement 250 jours ouvrés), comparer chaque jour la perte réellement réalisée à la VaR prédite pour ce jour. 2) Compter le nombre de jours où la perte dépasse la VaR : c'est le nombre d'exceptions observées. 3) Comparer ce nombre au nombre attendu sous calibration parfaite ((1 − niveau de confiance) × nombre de jours), et situer le résultat dans la zone verte, jaune ou rouge du cadre de Bâle.
Interprétation
Un nombre d'exceptions proche du nombre attendu confirme une VaR bien calibrée (zone verte) ; un nombre nettement supérieur signale une VaR sous-estimée, dangereuse car elle sous-représente le risque réel (zone jaune ou rouge, avec des majorations de capital réglementaire potentielles) ; un nombre nettement inférieur signale à l'inverse une VaR trop conservatrice, qui immobilise inutilement du capital sans bénéfice de sécurité supplémentaire proportionné.
Pièges
Se contenter d'un simple comptage d'exceptions sans regarder leur répartition dans le temps : des exceptions qui se regroupent (clustering) lors d'une seule période de crise, plutôt que d'être uniformément réparties, peuvent signaler un problème différent (modèle incapable de s'adapter rapidement à un changement de régime de volatilité) qu'un simple total sur 250 jours ne révèle pas. Autre piège : juger un modèle uniquement sur son nombre d'exceptions sans tenir compte du niveau de confiance utilisé (une VaR à 95% génère naturellement bien plus d'exceptions attendues qu'une VaR à 99%).
Trois points à retenir
- 1Le backtesting compare, jour par jour, la perte réellement observée à la VaR prédite, comptant les exceptions (jours où la perte dépasse la VaR).
- 2Le cadre de Bâle classe le modèle en zone verte/jaune/rouge selon le nombre d'exceptions sur 250 jours, comparé au nombre attendu sous calibration parfaite.
- 3Trop d'exceptions signale une VaR sous-estimée (dangereuse) ; trop peu signale une VaR surestimée (coûteuse en capital).
Approfondir / démonstration
Le clustering des exceptions (leur regroupement dans le temps, plutôt qu'une répartition uniforme) est un signal souvent plus riche que leur simple comptage total : un modèle de VaR statique, qui ne s'ajuste pas rapidement à un changement de régime de volatilité (comme lors d'une crise soudaine), produira typiquement plusieurs exceptions consécutives en quelques jours, suivies d'une longue période sans aucune exception — un pattern très différent de 6 exceptions uniformément réparties sur 250 jours, bien que le total final puisse être identique dans les deux cas. Les tests statistiques avancés de backtesting (au-delà du simple comptage du cadre de Bâle) intègrent explicitement cette dimension temporelle pour distinguer ces deux situations.