CVaR et risque de liquidité : au-delà de la VaR classique

La VaR (Value at Risk) est devenue le standard du reporting de risque de marché depuis les années 1990. Mais elle souffre d'une limite fondamentale : elle dit « vous ne perdrez pas plus de X au seuil de confiance de 95 % », sans rien dire de ce qui se passe dans les 5 % restants — précisément là où se produisent les crises. La CVaR (Conditional Value at Risk, aussi appelée Expected Shortfall ou ES) comble cette lacune en mesurant la perte moyenne dans les scénarios les plus défavorables, au-delà du seuil de la VaR.

Comprendre la différence entre VaR et CVaR, et intégrer le risque de liquidité dans l'analyse, est devenu indispensable pour toute gestion de portefeuille sérieuse, qu'il s'agisse de fonds institutionnels, de gestionnaires actifs ou de plateformes de gestion pilotée. Les régulateurs (Bâle III/IV, FRTB) ont largement migré vers des exigences basées sur l'Expected Shortfall précisément pour mieux capturer le risque de queue.

Les limites de la VaR classique

La VaR répond à la question : « Quel est le montant maximum de perte sur un horizon donné (par exemple 1 jour ou 10 jours) pour un niveau de confiance donné (par exemple 95 % ou 99 %) ? » Cette métrique est intuitive et facile à communiquer. Mais elle présente deux limites importantes : elle ne dit rien de la sévérité des pertes au-delà du seuil (la « queue » de distribution), et elle n'est pas subadditive dans sa forme générale (la VaR du portefeuille combiné peut être supérieure à la somme des VaR individuelles, ce qui va à l'encontre de la logique de diversification).

En 2008, nombreux sont les portefeuilles qui avaient des VaR à 95 % faibles mais des pertes extrêmes très élevées, car la distribution des rendements était asymétrique et à queue épaisse (fat tails). La VaR avait donné une fausse impression de sécurité. C'est l'un des enseignements les plus marquants de la crise financière mondiale, qui a conduit les régulateurs et les praticiens à réévaluer les métriques de risque standard.

La CVaR : ce qu'elle mesure réellement

La CVaR mesure la perte moyenne conditionnellement au dépassement de la VaR. Autrement dit, dans les 5 % de scénarios les plus défavorables (pour une VaR à 95 %), quelle est la perte attendue en moyenne ? C'est une mesure cohérente (subadditive), ce qui signifie que diversifier le portefeuille réduit toujours la CVaR, en ligne avec l'intuition économique.

En pratique, la CVaR est plus robuste pour capturer les risques de queue dans des distributions asymétriques ou à queues épaisses, typiques des actifs financiers. Pour un portefeuille bien diversifié en régime normal, VaR et CVaR peuvent être proches ; mais lors d'événements extrêmes (krachs, crises de liquidité), la CVaR révèle l'exposition réelle au risque de perte sévère. Les équipes de gestion qui intègrent la CVaR dans leur cadre de risque peuvent prendre des décisions de couverture et de construction de portefeuille mieux informées sur leur exposition aux scénarios extrêmes.

Calcul et méthodes d'estimation

Plusieurs approches existent pour calculer la CVaR : simulation historique (utiliser les rendements historiques pour estimer la distribution et calculer la moyenne des pertes dans la queue), simulation Monte Carlo (générer des scénarios aléatoires à partir d'un modèle de distribution, y compris des queues épaisses), et méthodes paramétriques (utiliser une distribution hypothétique, souvent gaussienne ou t de Student). La simulation historique est la plus simple et la plus robuste aux hypothèses de distribution, mais dépend de la représentativité de l'historique disponible. La Monte Carlo permet de modéliser des distributions plus complexes (asymétrie, fat tails, corrélations changeantes) mais requiert des hypothèses de modèle explicites et une validation soignée.

La robustesse des estimations dépend fortement de la qualité des données historiques, de la longueur de la fenêtre d'estimation et des hypothèses de distribution. Une CVaR calculée sur une période de marché « calme » peut sous-estimer le risque réel en période de stress. Les équipes sophistiquées utilisent des stress tests et des analyses de scénario (chocs historiques comme 2008, 2020 ; chocs hypothétiques) pour compléter les métriques standard et tester la robustesse du portefeuille dans des régimes de marché non observés récemment.

Intégration du risque de liquidité

La CVaR de marché ne capture pas le risque de liquidité : la difficulté à déboucler rapidement des positions sans impact de prix. En période de crise, les bid-ask spreads s'élargissent, les volumes chutent et les positions importantes peuvent ne pas être liquidées au prix de marché théorique. Une position « risquée » au sens CVaR mais très liquide (par exemple un indice large cap) peut être plus gérable qu'une position moins volatile mais illiquide (small caps, actifs de niche, dérivés OTC).

Pour intégrer le risque de liquidité dans l'analyse de risque, les équipes avancées calculent une Liquidity-Adjusted VaR ou Liquidity-Adjusted CVaR qui prend en compte le coût de liquidation estimé et l'horizon de liquidation réaliste pour chaque position. Des métriques complémentaires comme le délai moyen de liquidation (en jours pour vendre N % de la position sans impact de marché excessif) ou la mesure de concentration permettent d'identifier les positions structurellement illiquides et d'ajuster les limites de risque en conséquence. Cette dimension est particulièrement critique pour les fonds de crédit, les fonds alternatifs et les portefeuilles avec des actifs non cotés.

Stress tests : le complément indispensable de la CVaR

Bien que la CVaR soit une mesure statistique puissante du risque de queue, elle présente une limite importante : elle est rétrospective, basée sur des données historiques ou des distributions modélisées. Les stress tests complètent la CVaR en posant la question : « Que se passerait-il pour le portefeuille dans des scénarios spécifiques qui n'ont peut-être pas eu lieu dans la fenêtre historique disponible ? » Ces scénarios peuvent être historiques (crise financière de 2008, effondrement Covid 2020, Lundi Noir 1987) ou hypothétiques (hausse de 200 points de base du taux directeur en une nuit, gel du marché du crédit, correction majeure des marchés actions).

La combinaison CVaR et stress tests fournit une image plus complète du risque de queue que l'une ou l'autre seule : la CVaR capture la distribution statistique des pertes basée sur les patterns historiques, tandis que les stress tests évaluent des scénarios nommés et spécifiques que les équipes de gestion et les comités peuvent comprendre et débattre. Les stress tests sont particulièrement précieux pour identifier les risques de concentration que les mesures statistiques peuvent sous-estimer — un portefeuille qui paraît bien diversifié selon les métriques standard peut avoir un pari implicite important sur un régime de spread de crédit particulier ou une paire de devises.

Pour les institutions soumises à des exigences réglementaires (banques, assureurs), les stress tests formalisés (EBA, DFAST) sont une obligation de conformité. Pour les gestionnaires d'actifs, des stress tests internes documentés et présentés régulièrement aux comités de risque constituent une bonne pratique attendue par les clients institutionnels et les régulateurs.

CVaR dans le cadre réglementaire post-Bâle IV

La transition de la VaR vers l'Expected Shortfall dans les exigences de fonds propres réglementaires (Bâle IV, FRTB) a des implications pratiques importantes pour les banques et les institutions financières. Sous FRTB, les exigences de capital sur le risque de marché sont désormais basées sur l'ES au niveau de confiance de 97,5 % (équivalent à la VaR à 99 % en termes de seuil de perte, mais capturant la sévérité de la queue), calculé avec une combinaison de modèles internes et d'approches standardisées.

Pour les gestionnaires d'actifs et les institutions non bancaires, la CVaR/ES est de plus en plus demandée par les clients institutionnels comme complément à la VaR dans les rapports de risque. Être capable de produire et d'expliquer des chiffres de CVaR — et de montrer comment ils sont gérés dans le portefeuille — devient une attente standard pour les gestionnaires qui cherchent des mandats institutionnels.

Implications pour la construction de portefeuille

Utiliser la CVaR comme métrique d'optimisation (minimiser la CVaR pour un rendement cible, ou maximiser le rendement pour une CVaR cible) produit des portefeuilles différents de l'optimisation Markowitz classique (minimum variance ou Sharpe maximum). Les portefeuilles CVaR-optimisés tendent à être mieux protégés contre les pertes extrêmes, au prix d'un rendement ajusté parfois légèrement inférieur sur les périodes de marché normal. C'est un compromis explicite que les équipes de gestion doivent documenter et communiquer aux comités.

Angle particuliers et entreprises

Pour les entreprises (gestionnaires d'actifs, banques, fonds), la CVaR est devenue une métrique réglementaire incontournable (Bâle IV, FRTB) et un outil de gestion du risque plus complet que la VaR seule. Les équipes qui maîtrisent l'estimation et l'utilisation opérationnelle de la CVaR peuvent mieux calibrer leurs limites de risque, leurs politiques de couverture et leur construction de portefeuille. Pour les particuliers, comprendre que « risque » ne signifie pas seulement volatilité ou VaR, mais aussi l'ampleur des pertes dans les scénarios les plus défavorables, aide à évaluer plus honnêtement le risque réel d'un investissement ou d'une stratégie, au-delà des métriques de surface affichées dans les prospectus ou les tableaux de bord grand public.