Value at Risk (VaR) expliquée : mesurer le risque de perte d'un portefeuille

La Value at Risk, ou VaR, s'est imposée depuis les années 1990 comme le langage commun du risque de marché. Une banque, un fonds ou un trader individuel peut résumer en un seul chiffre la perte potentielle d'un portefeuille sur un horizon donné, avec un certain niveau de confiance. C'est cette simplicité apparente qui explique son succès, mais aussi ses limites, qu'il faut comprendre avant de s'y fier aveuglément.

Concrètement, une VaR à 95% sur 1 jour de 50 000 euros signifie qu'il y a 95% de chances que la perte du portefeuille ne dépasse pas 50 000 euros le lendemain, dans des conditions de marché normales. Autrement dit, il reste 5% de scénarios où la perte pourrait être plus importante — et c'est précisément là que la VaR devient insuffisante, comme nous le verrons plus loin.

Qu'est-ce que la Value at Risk exactement ?

La VaR répond à une question simple : quelle est la perte maximale que je peux m'attendre à subir, avec une probabilité donnée, sur une période donnée ? Elle combine donc trois paramètres indissociables : un horizon temporel (1 jour, 10 jours, 1 mois), un niveau de confiance (95%, 99%) et une devise ou une unité de mesure du portefeuille concerné.

Il est essentiel de comprendre que la VaR n'est pas une perte maximale absolue. C'est un seuil statistique : elle définit la frontière au-delà de laquelle se trouvent les pires scénarios, sans les décrire. Deux portefeuves peuvent avoir exactement la même VaR à 99% tout en ayant des profils de risque extrême radicalement différents au-delà de ce seuil.

Les régulateurs bancaires, notamment dans le cadre des accords de Bâle, ont largement contribué à populariser la VaR comme référence pour le calcul des exigences de fonds propres. Une banque doit ainsi démontrer qu'elle dispose d'un capital suffisant pour absorber les pertes correspondant à sa VaR sur un horizon réglementaire donné, généralement 10 jours à 99% de confiance.

Les trois méthodes de calcul de la VaR

La simulation historique

La méthode la plus intuitive consiste à appliquer directement les variations de marché passées au portefeuille actuel. On prend par exemple les 500 derniers jours de rendements, on recalcule la valeur du portefeuille pour chacun de ces scénarios historiques, puis on lit la perte correspondant au centile voulu (le 5e centile pour une VaR à 95%).

L'avantage de cette approche est qu'elle ne fait aucune hypothèse sur la forme de la distribution des rendements — elle capture naturellement les queues épaisses et les asymétries observées sur les marchés réels. Son inconvénient majeur est qu'elle suppose que le passé est représentatif du futur, ce qui est particulièrement fragile en période de rupture de régime.

La méthode paramétrique (variance-covariance)

Cette méthode suppose que les rendements du portefeuille suivent une loi normale, caractérisée uniquement par sa moyenne et son écart-type. La VaR se calcule alors analytiquement à partir de la volatilité du portefeuille et d'un facteur multiplicatif correspondant au niveau de confiance choisi (1,65 pour 95%, 2,33 pour 99%).

Rapide et facile à implémenter, cette méthode devient toutefois trompeuse dès que les rendements s'écartent significativement de la normalité — ce qui est presque toujours le cas en pratique, les marchés financiers étant connus pour leurs queues de distribution plus épaisses que la loi normale ne le prévoit.

La simulation de Monte Carlo

Cette troisième approche consiste à générer un très grand nombre de scénarios aléatoires pour les facteurs de risque sous-jacents, en utilisant un modèle statistique choisi par l'analyste (pas nécessairement une loi normale), puis à recalculer la valeur du portefeuille pour chaque scénario simulé. La VaR est ensuite lue directement dans la distribution simulée des pertes et profits.

C'est la méthode la plus flexible, capable de gérer des instruments non linéaires comme les options, mais aussi la plus coûteuse en temps de calcul et la plus sensible aux hypothèses de modélisation retenues pour générer les scénarios.

Un exemple chiffré sur un portefeuille type

Prenons un portefeuille de 200 000 euros investi à 60% en actions européennes et 40% en obligations d'État. Sur la base des rendements journaliers observés sur les deux dernières années, la volatilité annualisée du portefeuille ressort à environ 12%, soit une volatilité journalière proche de 0,75%.

En méthode paramétrique, la VaR à 95% sur 1 jour s'obtient en multipliant la valeur du portefeuille par la volatilité journalière et par le facteur 1,65 : 200 000 × 0,0075 × 1,65, soit environ 2 475 euros. Cela signifie que, dans des conditions normales, la perte du portefeuille ne devrait pas dépasser 2 475 euros sur une journée, dans 95% des cas.

En simulation historique sur les 500 derniers jours, on pourrait obtenir un chiffre légèrement différent, par exemple 2 800 euros, si les rendements passés du portefeuille présentent une asymétrie négative plus marquée que ce que suppose la loi normale. Cet écart illustre bien pourquoi le choix de la méthode n'est jamais neutre.

Les limites de la VaR : ce qu'elle ne dit pas

La critique la plus fondamentale adressée à la VaR est qu'elle ignore totalement l'ampleur des pertes au-delà du seuil choisi. Une VaR à 99% de 10 000 euros est identique que la pire perte possible soit de 10 001 euros ou de 500 000 euros — l'information cruciale sur la queue de distribution est simplement absente du chiffre.

C'est exactement pour combler cette lacune qu'a été développée la Expected Shortfall, aussi appelée Conditional VaR ou CVaR, qui calcule la perte moyenne attendue dans les scénarios où la VaR est dépassée. La CVaR offre ainsi une vision complémentaire, plus prudente, de l'exposition aux événements extrêmes, et elle est d'ailleurs progressivement devenue la mesure de référence dans les cadres réglementaires les plus récents.

La VaR souffre aussi d'autres faiblesses bien documentées : elle n'est pas toujours sous-additive (le risque combiné de deux portefeuilles peut, dans certains cas mathématiques, dépasser la somme de leurs VaR individuelles), elle repose sur des données historiques qui peuvent ne pas anticiper les changements structurels de marché, et elle peut donner un faux sentiment de sécurité si elle est utilisée comme seul outil de pilotage du risque.

Applications pratiques pour un trader quantitatif individuel

Pour un trader individuel qui gère son propre portefeuille, la VaR reste un outil précieux de dimensionnement des positions, à condition de l'utiliser avec discernement. Elle permet notamment de fixer une limite de risque journalière cohérente avec sa tolérance globale aux pertes, puis de dimensionner chaque position pour que sa contribution marginale à la VaR du portefeuille reste sous ce plafond.

Il est également utile de suivre l'évolution de l'estimation quotidienne de la VaR elle-même sur un graphique simple, aux côtés du profit et de la perte réellement réalisés chaque jour. Des dépassements répétés du seuil de VaR sur une courte période, plus fréquents que ce que le niveau de confiance choisi laisserait statistiquement prévoir, constituent un signal d'alerte précoce indiquant que le modèle de risque ne correspond plus aux conditions de marché actuelles et nécessite un recalibrage.

Il est recommandé de calculer la VaR selon au moins deux méthodes différentes (historique et paramétrique par exemple) afin de repérer les cas où les deux méthodes divergent fortement — signe que la distribution des rendements du portefeuille présente des caractéristiques atypiques qui méritent une attention particulière.

Enfin, la VaR ne devrait jamais être utilisée isolément : elle gagne à être complétée systématiquement par une Expected Shortfall, par des tests de résistance (stress tests) sur des scénarios historiques extrêmes, et par un suivi régulier du drawdown maximal réellement observé sur le portefeuille.

Un autre réflexe utile consiste à revoir périodiquement la fenêtre historique utilisée pour le calcul, en particulier après un épisode de volatilité inhabituelle. Une VaR calculée sur une période trop calme sous-estimera le risque futur si le marché entre ensuite dans un régime plus agité, tandis qu'une fenêtre trop courte après un choc peut au contraire surestimer durablement le risque une fois la volatilité retombée.

Conclusion

La Value at Risk reste, malgré ses limites, un point de départ indispensable pour quantifier et communiquer le risque d'un portefeuille de façon standardisée. Comprendre ce qu'elle mesure — et surtout ce qu'elle ne mesure pas — est la condition pour l'utiliser à bon escient plutôt que comme un faux sentiment de sécurité.

Si vous souhaitez calculer la VaR et la CVaR de votre propre portefeuille, comparer plusieurs méthodes et visualiser vos scénarios de stress, les outils d'analyse quantitative disponibles sur /outils de TrueVerdikt permettent d'explorer ces concepts de façon concrète et pédagogique, sans jamais constituer un conseil en investissement personnalisé.