Le risque de crédit: évaluation à partir des engagements des banques auprés des grands groupes tunisiens

I-3- Credit portfolioview :

C'est un modèle multifactoriel, qui est utilisé pour simuler la distribution conditionnelle commune de défaut et des probabilités de migration des différentes groupes, il est aussi considérés comme le modèle de mesure de risque de défaut développé par Wilson (1987-1997) et proposé par McKinsey (1998)^21(*).

D'où il propose une méthodologie afin de lier les facteurs macroéconomiques (taux de chômage, taux de croissance, PNB, ..) au probabilité de défaut et de migration, à condition que les données soient disponibles, cette méthodologie peut être appliquer dans chaque pays et aux différents secteurs.

Ce type de modèle était considéré aussi comme un modèle marked-to market qui se caractérise par la recherche à mettre en évidence la conditionnalité de la distribution de défaut obtenu à des facteurs macroéconomiques externes.

L'établissement de ce modèle commence au départ par l'attribution d'une note à chaque type d'exposition dans le portefeuille. Par la suite, la sélection des divers variables macroéconomiques qui représentent le risque systémique de chaque secteurs et pays, d'après McKinsey^22(*) ce risque systémique non diversifiable par élimination des concentrations sectorielles, peut être étudié avec profit , du fait que le poids relatif des principaux facteurs macroéconomiques communs apparaît très variable d'un pays à l'autre , de plus peu de variables sont identifiées afin d'expliquer les fluctuations des taux de défaut pour chaque secteur.

L'indice macroéconomique, qui désigne l'état de l'économie dans chaque pays est déterminé par le modèle à facteurs multiples suivant noté

=

Où est un indice de valeur dans la période t pour la catégorie d'industrie ou de pays.

, coefficients à estimer pour chaque catégorie d'industrie, pays...

Qui sont en période t, et désigne la valeur des variables macroéconomique pour j (secteur ou pays)

Terme d'erreur

Où le suit une distribution normale

Ainsi pour le secteur j, chaque variable, suit un processus AR autre régression :

X : suit une distribution normale

 : Coefficient à estimer

 : Terme d'erreur

Ces simulations seront automatiquement transmises à une probabilité de défaut noté, PDj,t où j désigne soit le pays ou l'industrie à un temps t qui se présente comme suit :

Cette équation qui est marquée par une transformation de logit s'assure que la probabilité prend une valeur entre 0 et 1.

Ce modèle permet d'évaluer le risque de portefeuille comme le crédit Metrics, mais en ce bénéficiant de la dépendance des événements de défaut et la situation de l'économie, ainsi il peut être mis en place pour toute sorte d'exposition, puisque les variables macroéconomiques sont considérées comme les principaux facteurs qui influencent la solvabilité de contrepartie.

Mais ce modèle se trouve inapplicable en pratique puisqu'il y a une dépendance des événements de défaut avec des facteurs macroéconomiques, du fait que certaines études indiquent que l'indépendance qui existe entre la situation de l'économie et celle de défaut , reste insuffisante pour présenter la qualité des contreparties.

D'une manière générale, le crédit portfolioview est en raison de sa complexité par rapport aux autres types de modèles, afin de moduler les taux de défaut d'un secteur spécifique, il se trouve besoin d'un nombre illimité des données historiques.

* ²¹ Crouhy M., Galai D. et Mark R.(2000) « A comparative analysis of current credit risk models » journal of banking and finance n°24-pp 59-117.

* ²² Wilson T.C.(1998) « portfolio credit risk »FRBNY economic policy review, october.