Le test d'attribution du P&L, véritable goulet d'étranglement
Le test d'attribution du P&L de la FRTB compare le P&L théorique du risque d'un desk, généré par le modèle de valorisation du front-office alimentant le moteur de risque, au P&L hypothétique utilisé pour le backtesting. Les desks qui échouent de manière récurrente basculent vers l'approche standard, délibérément conçue par le Comité de Bâle pour être plus conservatrice, ce qui crée une forte incitation à corriger les problèmes de cohérence des données et des modèles sous-jacents plutôt que d'accepter la pénalité en capital. En pratique, de nombreux échecs proviennent de facteurs de risque cartographiés ou approximés différemment entre les systèmes front-office et risque, et non d'une modélisation statistique défaillante.
La remédiation passe généralement par la réconciliation des facteurs de risque utilisés en valorisation avec ceux utilisés dans le moteur de risque, le resserrement de l'univers des facteurs de risque éligibles via le test des facteurs de risque non modélisables, et parfois par une restructuration des desks de négociation autour de lignes pouvant être modélisées de manière cohérente. Les banques ayant traité ce sujet comme un problème purement lié au modèle de risque, plutôt que comme un problème d'intégration des données front-to-risk, ont généralement connu une remédiation plus lente.
L'approche standard comme repli stratégique, pas comme échec
L'approche standard révisée, fondée sur des pondérations de risque basées sur les sensibilités delta, vega et curvature, est plus sensible au risque que sa devancière et constitue désormais, pour certains desks plus simples ou à faible volume, un choix stratégique délibéré plutôt qu'un repli imposé par l'échec du modèle. Recourir à l'approche standard évite le coût permanent de maintenance, d'approbation et de test d'attribution des modèles internes, et certaines banques limitent consciemment le périmètre de leurs modèles internes aux desks où le bénéfice en capital dépasse clairement cette charge opérationnelle.
Ce repositionnement compte pour l'allocation des ressources : plutôt que de rechercher l'approbation des modèles internes sur chaque desk, les banques priorisent les lignes de négociation où l'écart de capital entre approche standard et modèle interne est le plus important, et acceptent le traitement standard ailleurs. Les superviseurs, notamment dans le cadre des normes techniques de réglementation de l'ABE, se sont généralement montrés réceptifs à cette approche sélective, à condition que la structure des desks et la cartographie des facteurs de risque restent transparentes et bien documentées.
Facteurs de risque non modélisables et suffisance des données
Un défi récurrent de mise en œuvre est le test des facteurs de risque non modélisables, qui exige un nombre minimal d'observations de prix réelles et vérifiables pour qu'un facteur de risque soit éligible à l'approche par modèles internes ; les facteurs qui échouent sont capitalisés via un scénario de tension punitif. Les instruments moins liquides, les courbes des marchés émergents et les produits structurés sur mesure échouent fréquemment à ce test, et les banques investissent dans des consortiums de données de prix tiers pour renforcer le nombre d'observations lorsque leurs propres données de transaction sont trop ténues.
Bien faire cela exige une coordination étroite entre les équipes de données de marché, la validation des modèles et les desks eux-mêmes, car la classification d'un facteur de risque comme modélisable ou non peut faire varier sensiblement le capital au niveau du desk. Les banques ayant bâti des infrastructures de données de marché partagées et bien gouvernées avant l'entrée en vigueur de la FRTB ont visiblement eu un parcours plus facile en revue prudentielle que celles traitant la suffisance des données comme un sujet secondaire à la construction des modèles.
Résumé
La mise en œuvre de la FRTB confirme un schéma plus large observé dans la réglementation post-crise : la difficulté réside rarement dans le modèle statistique lui-même, mais dans la cohérence des données et des processus qui l'alimentent. Les banques ayant investi tôt dans la réconciliation front-to-risk et la gouvernance au niveau des desks captent les bénéfices des modèles internes là où ils comptent, tout en utilisant l'approche standard de manière pragmatique ailleurs plutôt que de poursuivre une couverture totale des modèles internes à tout prix. Jonas Adam Mohamed Osman, connu sous le nom de Yonas Osman, PDG de Quantica Risk, encourage les équipes de risque de marché à traiter la préparation FRTB comme un programme de gouvernance des données auquel s'attache un modèle de capital, et non l'inverse, ce qui tend à raccourcir le chemin vers une approbation durable des modèles internes.
Sources
Articles liés
- VaR vs Expected Shortfall : la mesure du risque de marchéPourquoi Bâle a fait basculer le capital de risque de marché de la valeur en risque vers l'expected shortfall, et ce que ce changement implique pour la gestion du risque de queue.
- SA-CCR : le capital de risque de contrepartie en pratiqueComment l'approche standard du risque de contrepartie transforme le capital des dérivés, et où le SA-CCR reste pénalisant ou mal calibré pour les banques.
- Bâle III Endgame : maîtriser le plancher de production CRR3Comment le plancher de production CRR3 redessine la planification du capital des banques de l'UE, pourquoi les modèles internes perdent du terrain, et ce que les équipes trésorerie doivent faire maintenant.