Академический Документы
Профессиональный Документы
Культура Документы
Frantz Maurer
Universit Montesquieu-Bordeaux IV
Avenue Lon Duguit
33608 Pessac Cedex
Tel: (33) 5 56 84 85 77
maurer@u-bordeaux4.fr
Professeur associ Bordeaux Ecole de Management
Rsum: Comment les banques sont-elles censes valuer, prvoir et grer efficacement le
risque oprationnel, face lincroyable diversit des dangers et menaces qui psent dsormais
sur leur activit ? Comment peuvent-elles rpondre avec succs aux nouvelles contraintes qui
manent des autorits rgulatrices tout en prservant leur rentabilit future ? Ces deux
questions sont au cur des enjeux lis la mesure du risque oprationnel, et ne sont pas sans
effet sur la capacit future des banques grer ce type de risque. Le risque oprationnel,
mme sil est connu depuis longtemps comme pour les fraudes par exemple, est un risque qui
est gr par les banques de faon rcente. Encore aujourdhui, seules les banques et
institutions financires de premier plan sont capables dvaluer leur risque oprationnel avec
un certain degr de confiance ou disposent dune base de donnes des pertes. Spcifier des
modles de risque plus robustes que les mthodes traditionnelles, en intgrant davantage de
facteurs de risque et en amliorant la prcision de la mesure du risque, tel est le dfi que
doivent aujourdhui relever les banques.
Mots cls. Gestion des risques bancaires, risque oprationnel
JEL Classification: G21; G32
Abstract: How banks are supposed to evaluate, forecast and manage efficiently operational
risk, given the multiple dangers and threats they have to face now? How can they answer
successfully to the new constraints arising from supervisors while preserving their future
profitability? These two questions are the most challenging issues related to operational risk,
and they can impact on the future banks' ability to manage this type of risk. Although
operational risk is known from a long time ago -such as frauds for example- this risk is
effectively managed in banks only recently. Even now, only first-ranked financial institutions
are really able to evaluate their operational risk with an acceptable level of confidence or are
in possession of an operational loss database. Building more robust operational risk models
than traditional methods, by including more risk factors and improving the accuracy of
operational risk measures and indicators, such are the challenges banks have to deal with in
the near short term.
Keywords: Banks, Financial Risk and Risk Management, Operational Risk
En dcembre 2002, lors dune confrence runissant plus de 400 professionnels du risque
Genve, on demanda linvit dhonneur, Robert Merton, quels conseils il pouvait donner
aux trs nombreuses institutions financires dont la gestion du risque de crdit repose sur le
fameux modle quil dveloppa en 1974 1 . Aprs un long silence, le Professeur Merton ft
cette rponse : Et bien, la premire chose dont vous devez vous souvenir, cest que le
modle est vieux de vingt-huit ans . Rien de comparable dans le domaine du risque
oprationnel, o aucun modle de mesure ne peut se targuer de telles lettres de noblesse.
Pour une banque, le risque de crdit est de loin le plus important, devant le risque
oprationnel et le risque de march. Il reprsente en moyenne 80% du risque total. Le cot du
risque oprationnel est cependant loin dtre ngligeable, et peut reprsenter une part
significative du Produit Net Bancaire pour certaines activits. Sagissant du primtre couvert
par la gestion des risques dune banque, la volont de surveiller lexhaustivit des risques est
manifeste. Lexemple des risques oprationnels est particulirement frappant : il y a encore
quelques annes, ils ntaient pas ou peu surveills alors quils font dsormais lobjet dune
vritable dmarche de gestion des risques, limage de celle adopte sur le risque de crdit et
de march.
Les pratiques de gestion et de mesure du risque oprationnel sinspirent trs fortement de
ce qui se fait sur le risque de march, dont la maturit est beaucoup plus importante. Encore
aujourdhui, la gestion du risque oprationnel est trs qualitative. Nanmoins, les approches
quantitatives (mthode Loss Distribution Approach ou LDA) sont de plus en plus
importantes, surtout depuis la mise en place des systmes de collecte de pertes.
Le Comit de Ble propose de dfinir les risques oprationnels comme le risque de
pertes dues une inadquation ou une dfaillance des procdures, personnels, systmes
internes ou des vnements extrieurs (Basel Committee on Banking Supervision, 2001).
En partie pour rpondre aux initiatives rglementaires contenues dans les propositions de Ble
II (Basel Committee on Banking Supervision, 2003), et de peur de prendre un retard
irrattrapable sur leurs concurrents, bon nombre de banques ont initi des programmes visant
dvelopper des modles de mesure du risque oprationnel.
A linstar de nimporte quel autre processus de mesure, quil sagisse dindicateurs cls de
performance ou de risque de march, lutilit pratique dun modle de mesure, et partant, son
adoption par la profession, ne dpendent pas forcment de son degr de sophistication, bien
1
Merton ft le premier proposer une vision optionnelle de la dette : lmetteur reoit le droit de faire dfaut sur
sa dette, droit quil exerce ds que la valeur de ses actifs ne permet plus de la couvrir. CreditMonitorTM, outil de
gestion du risque de crdit mis en place par la firme KMV, illustre la faon dont le modle de Merton peut tre
utilis pour estimer les probabilits de dfaut dune entreprise.
Comme le souligne le Comit, quelle que soit lapproche retenue, un tablissement doit faire
la preuve que sa mesure du risque oprationnel rpond un critre de solidit comparable
celui de lapproche IRB (Internal Ratings Based Approach) pour le risque de crdit
(correspondant une priode de dtention dun an et un intervalle de confiance de 99,9%).
Les banques ont la possibilit de choisir celle qui leur parat correspondre le mieux la
spcificit de leur activit, mais aussi leur capacit globale daction. Elles doivent en effet
sassurer quelles disposent de lensemble des moyens ncessaires la mise en uvre de la
solution retenue. Le degr de sophistication de chacune de ces trois mthodes est en effet
croissant.
KBIA = GI
Le coefficient est fix 15%.
Cette mthode forfaitaire est trs imparfaite et concerne essentiellement les petites banques
locales qui ne peuvent pas faire mieux. Si aucun critre dligibilit nest exig, il nest pas
question pour autant que le rgulateur autorise les banques prsentes sur la scne financire
internationale utiliser une approche aussi grossire.
Contrairement la BIA, les banques qui appliquent les mthodes AMA sont autorises
calculer elles-mmes leurs fonds propres rglementaires partir de leurs propres modles
internes. Revers de la mdaille, ces banques doivent remplir de nombreuses conditions pour
utilise lapproche avance. En particulier, certains critres qualitatifs concernant la politique
de risque de la banque doivent tre respects (gestion quotidienne, allocation des fonds
propres aux principales units, reporting des pertes, systme intgr, etc.). Les diffrentes
approches et les critres dligibilit associs sont reprsents sur la Figure 1. Les mthodes
AMA conduisent une exigence de fonds propres rglementaires a priori plus faible que dans
le cas de lapproche BIA, ce qui bien videmment est favorable la banque. A premire vue,
le cot de mise en uvre de lapproche AMA peut sembler lev. Cependant, le cot
marginal ne lest pas. La plupart des critres qualitatifs requis pour implmenter une AMA
sont en effet dj valids, puisque des lois (telle que Sarbanes-Oxley par exemple) ou dautres
procdures de rgulation (en matire de gouvernance notamment) imposent de les respecter.
Lapproche standardise se situe entre lapproche BIA et les mesures AMA. Les critres
qualitatifs exigs sont trs similaires ceux des mthodes AMA. La vritable diffrence
rside dans le mode de calcul du capital rglementaire. Cependant, lapproche standardise
semble surtout intressante pour les banques traditionnelles, puisque les activits de banque
de dtail (retail banking) et de courtage de dtail (retail brokerage) pseront hauteur de 12%
dans le calcul du capital rglementaire contre 15% avec une approche BIA.
Lapproche standardise est en fait un prolongement plus fin de la BIA en dclinant ce
type de calcul par type dactivit. Les fonds propres rglementaires de la banque pour le
risque oprationnel (K) correspondent alors la somme des fonds propres de chaque catgorie
dactivit, soit :
KSA =
GI
i
o GI est le produit net bancaire (Gross Income ou GI) de la i-me ligne dactivit 2 . Les
valeurs du facteur (12%, 15% et 18%) ont t calibres par le Comit de Ble.
Ble II considre un dcoupage matriciel de la banque. Celle-ci est divise en huit catgories ou lignes
dactivit : Financement des entreprises (Corporate Finance) ; Ngociation et vente (Trading & Sales) ; Banque
de dtail (Retail Banking) ; Banque commerciale (Commercial Banking) ; Fonction dagent (Agency Services) ;
Gestion dactifs (Asset Management) ; Courtage de dtail (Retail Brokerage).
Kij = ij ELij
o EL reprsente la perte moyenne et est un facteur dchelle. La perte moyenne peut se
calculer comme le produit de trois termes :
Le Comit de Ble retient sept vnements de risque oprationnel : Fraude interne (Internal Fraud) ; Fraude
externe (External Fraud) ; Pratiques en matire demploi et scurit sur le lieu de travail (Employment Practices
& Workplace Safety) ; Clients, produits et pratiques commerciales (Clients, Products & Business Practices) ;
Dommage aux actifs corporels (Damage to Physical Assets) ; Dysfonctionnements de lactivit et des systmes
(Business Disruption & System Failures) ; Excution, livraison et gestion des processus (Execution, Delivery &
Process Management).
Ces ressources correspondent en ralit aux facteurs de risque oprationnel. Parmi les plus
courants, on recense le niveau de comptence/qualification du personnel, lorganisation
interne/transferts dinformation, linfrastructure IT (eg, scurit des systmes), les procdures
de contrle des activits non autorises/vol et fraude/erreurs non intentionnelles (eg, saisie,
excution et suivi des transactions), les mesures de protection contre des catastrophes et autres
sinistres, ou encore, le respect des obligations lgales (eg, conformit, diffusion
dinformations et devoir fiduciaire). Lenjeu est alors de dterminer la faon dont on peut
extraire des scnarios une information utile. Par exemple :
- quelle est la probabilit quune ou plusieurs de ces ressources ou facteurs de risque
fassent dfaut sur un intervalle de temps jug critique pour la banque ?
- Quel impact ngatif en rsulte ?
Si la probabilit de dfaillance des facteurs de risque ou limpact sur le fonctionnement de la
banque est faible, il est entendu que celle-ci nest lvidence expose aucun risque
oprationnel vritable.
1.4. La modlisation LDA
Lide gnrale de la mthode LDA (Loss Distribution Approach) est de modliser la
perte lie au risque oprationnel pour une priode donne (par exemple, un an) et den dduire
la valeur en risque. Frachot et al. (2003) proposent de procder en cinq tapes pour
implmenter cette mthode :
- estimation de la distribution de svrit ;
- estimation de la distribution de la frquence ;
- calcul de la charge en capital ;
- calcul des intervalles de confiance ;
- incorporation des avis dexperts.
Il nest pas question ici dentrer dans la formulation mathmatique de ces diffrentes
tapes, mais simplement de comprendre lide gnrale de la mthode LDA. A linstar de la
plupart des modles de mesure du risque oprationnel, la LDA se fonde sur une approche
actuarielle (frquence/svrit) trs ancienne largement utilise dans le domaine de
lassurance pour modliser des problmes similaires. Pour que le modle LDA puisse tourner,
il faut lui fournir deux lments essentiels : la distribution de la svrit des pertes (loss
severity distribution) et la distribution de la frquence des pertes (loss frequency distribution).
Ces deux distributions, qui forment lhistorique des pertes, sont ensuite combines par une
simulation Monte Carlo afin dobtenir la distribution de la perte totale. Celle-ci tant le
rsultat de plusieurs pertes successives, il sagit dune perte agrge (aggregate loss
distribution). A partir de la perte totale, on drive ensuite la perte attendue ou moyenne
(expected loss) et la perte exceptionnelle (unexpected loss), pour un niveau de confiance
donn. La Figure 2 illustre le principe de la mthode LDA.
Tout cela semble trs simple : construire un historique interne des pertes ; utiliser des
techniques statistiques usuelles pour ajuster les donnes une distribution standard de la
frquence des pertes (par exemple, une loi de Poisson) ; ajuster les donnes historiques
traites une distribution standard de la svrit des pertes (par exemple, une loi lognormale)
par une simulation Monte Carlo ; intgrer les effets des indicateurs de risque cls de faon
tenir compte de lventualit o les pertes potentielles futures diffrent sensiblement des
pertes historiques ; prendre en compte les assurances permettant de rduire le montant de la
perte en cas doccurrence ; et enfin, driver la distribution de la perte agrge partir de
laquelle est dtermine la charge en capital ou fonds propres rglementaires ncessaires la
couverture de la perte attendue et de la perte exceptionnelle. Pourrait-on imaginer processus
plus limpide ? En fait, la difficult ne rside pas dans les diffrentes tapes de la mthode
LDA, mais dans linsuffisance notoire de donnes crdibles en matire de risque oprationnel.
Pour sen tenir la distribution de Poisson, la plus couramment utilise en pratique, pas
moins de 1082 observations de pertes individuelles sont ncessaires pour obtenir une
estimation du nombre moyen de pertes, avec une marge derreur de 5% et un niveau de
confiance seulement de 90%. A lexception des vnements de perte trs frquents dont le
montant est ncessairement faible, il est donc peu probable quune banque puisse disposer
dun historique interne de pertes suffisamment long pour estimer la distribution de frquence
avec un degr de confiance acceptable 4 . Le problme du manque de donnes (ou du nombre
ncessaire de donnes) se complique de faon exponentielle lorsquil sagit destimer la
distribution de svrit. Il faut alors en effet des estimations raisonnables non seulement de la
svrit moyenne mais aussi de sa variance. Par exemple, une simple simulation de la loi
lognormale montre quil faudra plus dun million de points afin de produire une estimation
acceptable de la distribution de svrit, avec un niveau de confiance de seulement 90%. Cela
signifie tout bonnement que le nombre de donnes disponibles sera toujours insuffisant pour
obtenir une estimation de la charge en capital pas trop loigne de sa vraie valeur. Or,
lincertitude de la charge en capital est directement lie au calcul de la perte moyenne et
surtout celui des pertes exceptionnelles, deux grandeurs ncessaires la mise en uvre de la
mthode LDA.
Les pertes trs frquentes (high-frequency) doivent tre ncessairement associes des montants peu levs
(low-severity). Dans le cas contraire, la banque pourrait faire faillite assez rapidement, ce qui est un non sens
dans une perspective de mesure du risque oprationnel.
10
99,9% de la distribution de la perte totale ou agrge (obtenue une fois que les distributions
de frquence et de svrit sont calibres). Avec N le nombre alatoire dvnements, la perte
totale est L
alors :
Dfinition 3 (OpVaR ou Valeur en risque au-del dun seuil) : Dans ce cas, la charge
n =0
11
De faon quivalente, on peut crire que la charge en capital CaR pour llment ij de la
matrice de risque oprationnel est gale la somme de la perte espre (expected loss ou EL)
et de la perte potentielle maximale (unexpected loss ou UL), soit :
CaR ( ) = CaRij ( )
i =1 j =1
Cette mthode de calcul de la charge en capital CaR est particulirement sduisante, mais pas
tout fait aussi simple quil y parat. Pour lintervalle de confiance gal 99,9%, fix par le
Comit de Ble, un nombre considrable de simulations est requis (plusieurs millions) pour
esprer obtenir une estimation raliste du capital conomique.
12
Les "copules" (ou fonctions copules) sont un outil mathmatique qui permet d'isoler la dpendance entre des
variables alatoires. Dans le cadre de la gestion des risques financiers, les copules vont permettre d'tudier la
dpendance entre les diffrents facteurs de risque et de corrler ces diffrents facteurs de risque entre eux. En
quelques annes, les fonctions copules sont devenues un outil standard pour aborder ce type de problmes. Le
lecteur intress par les aspects mathmatiques des copules peut consulter l'ouvrage de Nelsen (1999).
13
effet la possibilit dapprcier ex ante leffet dune amlioration de leur profil de risque
oprationnel sur le capital conomique requis.
La quantification du risque oprationnel ne peut et ne doit pas tre apprhende comme
une fin en soit. La vritable finalit est de perfectionner les pratiques de gestion des risques
oprationnels. En mme temps, il est clair quatteindre cet objectif passe par une meilleure
matrise de ce qui est quantifiable. Les aspects mthodologiques lis lutilisation des
diffrentes approches disponibles (IMA, LDA, RDCA ou sbAMA) et linterprtation des
paramtres qui en dcoule, prennent tout leur sens laune dun objectif de gestion du risque
plus performante. Cette volont se manifeste dailleurs tant du ct du rgulateur quau sein
des tablissements.
Concernant les autorits de rgulation, une des motivations de la rforme Ble II est de
rapprocher la rglementation des pratiques en vigueur dans lindustrie pour le pilotage des
risques, afin que lexigence de fonds propres soit plus sensible au risque rel de la banque.
Mais au-del, cest un systme financier global plus solide et stable qui est dans la ligne de
mire du rgulateur, travers la mise en place de mcanismes de surveillance spcifiques et
particulirement exigeants. Il sagit tout simplement de limiter le risque systmique et dviter
les dfaillances individuelles des tablissements financiers. Ds que lexigence de fonds
propres nest plus satisfaite, la banque nest plus autorise prendre des risques. Dans ce cas,
elle doit commencer pas rduire son exposition aux risques existants avant de pouvoir en
prendre de nouveaux. La rglementation prudentielle est donc clairement l pour limiter le
niveau de risque auquel la banque sexpose de par son activit. Encadr de la sorte, la qualit
de la gestion du risque oprationnel devient un vritable avantage comptitif. La banque dont
le risk management est le plus performant est aussi celle dont la charge en capital au titre du
risque oprationnel est la plus faible. Le capital rsiduel peut alors tre rorient vers dautres
types de risque et gnrer dautres sources de revenu.
2.4. Le calcul de la charge en capital rpond des objectifs de gestion
Au sein des banques, le calcul de la charge en capital revt une importance toute
particulire qui dpasse la simple dimension rglementaire. Elle rpond en effet plusieurs
objectifs :
14
dactivits de la banque est scinde en diffrentes lignes de mtier indpendantes, ce qui est
presque toujours le cas. Toute dcision dexternalisation de processus/activits doit alors tre
envisage avec prudence. Si un fournisseur de service de paiement scuris nintgre pas les
cots de risque oprationnel et la charge en capital associe dans ses cots de production, il y
a fort parier que son business model ne sera pas rentable. La recherche de gains de
productivit en gestion des risques signifie trs concrtement dvelopper des indicateurs de
risque synthtiques toujours plus performants.
Le dernier objectif fait rfrence lamlioration des procdures organisationnelles. Si, en
sappuyant sur la quantification, la banque relve des concentrations en capital sur un certain
nombre de processus, tout porte croire que des analyses plus fouilles sont ncessaires. De
mme, des doublons ou des inefficiences peuvent se faire jour, entranant de fait des
immobilisations inutiles de capital. Les facteurs explicatifs doivent alors tre clairement
identifis en vue dengager des actions correctrices. On peut penser par exemple la mise en
uvre de mesures de contrle affines et la couverture dassurance.
Quel impact le risque oprationnel le plus important peut-il avoir sur le Profit&Loss ?
Que peut-on faire pour limiter les pertes si telle situation de crise se produit ?
Il est bien entendu possible dtendre la liste dautres aspects de la gestion du risque
oprationnel, pour peu quils sarticulent autour de ceux mentionns prcdemment :
16
identification des risques, impact de ces risques sur le P&L et sur la charge en capital,
benchmarking. Cependant, il vaut mieux marquer un temps darrt ce stade, construire le
modle de mesure permettant de rpondre ces questions, le tester, procder aux ncessaires
et invitables ajustements (paramtres, choix de la distribution, hypothses, etc.) afin
dobtenir des estimations plus crdibles, et voir comment le modle de mesure fonctionne en
pratique 6 . Observer en quoi le modle modifie ou fait voluer les pratiques de gestion du
risque oprationnel fournit un test intressant de ces tapes successives. Ce nest quaprs
avoir prouv un modle de mesure que lon peut envisager de la perfectionner. Pour que ce
travail soit vritablement efficace, il faut se fixer une ligne de conduite. Les amliorations
apportes doivent rpondre avant tout une proccupation relle du risk management, et non
pas tre un alibi pour toujours plus de sophistication strile. En dautres termes, lobjectif
ultime doit rester une gestion du risque oprationnel plus performante. On peut trs bien grer
les risques oprationnels sans avoir un trs bon modle qui mesure ces risques, mme sil faut
bien admettre que cela est de moins en moins le cas, surtout pour les banques de premier plan.
Quoi quil en soit, il serait faux de croire que la gestion du risque oprationnel, cest avant
tout des modles mathmatiques rservs aux seuls quants. On reproche souvent aux quants
de rduire la gestion des risques des modles mathmatiques. Or, la gestion des risques, c'est
d'abord une organisation, un systme d'information, des reportings, des rgles de dcision et
un ensemble de procdures et de normes. De nombreux professionnels considrent d'ailleurs
que l'on peut trs bien grer les risques financiers sans avoir un trs bon modle
(mathmatique) pour les mesurer. Sans doute, mais cela est de moins en moins le cas, car la
gestion des risques bancaires et financiers s'est considrablement sophistique ces dernires
annes.
3.2. Les cueils viter lors de limplmentation
Une fois quil est spcifi dans ses grandes lignes, le modle de mesure
indpendamment de sa forme et de son degr de technicit doit imprativement sancrer
dans un systme intgr de gestion du risque oprationnel. Cela permet de se sentir
confortable sur deux points. Au fur et mesure du dveloppement du modle de mesure,
on est assur que les diffrentes hypothses, modifications et amnagements divers sont
envisags en cohrence avec la ligne directrice fixe par le risk management (trs
vraisemblablement, amliorer la gestion du risque oprationnel). Et cest aussi une garantie
6
A ce propos, il nest jamais inutile de rappeler quun modle nest rien dautre quune reprsentation simplifie
de la ralit, autrement dit du risque vritable encouru. Par consquent, il ne faut jamais perdre de vue quun
modle de mesure ne produit quune estimation du risque rel, et rien de plus.
17
que ces ajustements successifs salignent sur les processus de gestion dj en place dans
linstitution.
L encore, Ble II constitue un point de dpart commode. Un systme intgr de gestion
du risque oprationnel se dcompose en cinq tapes :
tape 1 : identification ;
tape 2 : mesure ;
tape 5 : contrle.
18
Conclusion
La gestion du risque oprationnel est trs rcente dans les banques. Dans cet article, nous
avons principalement abord le problme de la mesure de ce risque. Il faut souhaiter que les
modles de risque oprationnel offrent dans un avenir proche le mme niveau de transparence
et daccessibilit que ceux utiliss en risque de march ou de crdit. Cest un passage oblig si
lon veut intgrer efficacement le risque oprationnel dans un systme global de gestion des
risques. Bien videmment, il est toujours possible damliorer un modle de mesure, quil
sagisse ou non de risque oprationnel. Cependant, il faut rester prudent face la course
larmement mthodologique de ces dernires annes. Il nest pas question de nier que le
niveau de technicit exig dun risk manager sest fortement lev. Simplement, il faut se
rappeler quun bon modle est avant tout un modle utile en pratique. Cest dailleurs le
second conseil que Robert Merton donna lors de la confrence de Genve.
Rfrences
Basel Committee on Banking Supervision, Working Paper on the Regulatory Treatment of
Operational Risk, September 2001.
Basel Committee on Banking Supervision, The New Basel Capital Accord Third
Consultative Paper, April 2003.
Frachot A., Moudoulaud O. et Roncalli T., Loss Distribution in Practice in M. Ong
(eds), The Basel Handbook: A Guide for Financial Practitioners, Risk Books, 2003.
Merton R., On the Pricing of Corporate Debt: The Risk Structure of Interest Rates ,
Journal of Finance, 29, 1974, p. 449-70.
Nelsen R.B., An Introduction to Copulas, Lecture Notes in Statistics, 139, Springer 1999.
Roncalli T., La gestion des risques financiers, Economica, 2004.
19