Recherche & Développement

Au cours de ce webinar, nous avons discuté de l’importance de la protection des données confidentielles en mettant en avant un panorama des solutions disponibles. Nous avons également présenté en détail les modèles de génération de données synthétiques et les métriques d’évaluation de la qualité de données, ces deux aspects ayant été associés afin de développer notre outil NexiaSynth. Pour compléter cette analyse, Jérôme Deroulez nous a éclairés sur l’approche règlementaire et juridique en matière de protection des données, apportant ainsi une perspective complète à notre analyse.

Le Scoring d’octroi est aujourd’hui une pratique utilisée par tous les établissements bancaires permettant un gain non négligeable dans le traitement du flux de dossiers. Ces modèles aujourd’hui sont essentiellement basés sur des régressions logistiques et s’inscrivent dans des systèmes experts visant à reproduire le processus de décision de l’analyste risque. Ces modèles ont fait leur preuve, cependant, avec l’émergence des nouvelles technologies, des algorithmes de Machine Learning pourraient permettre d’améliorer la performance de la décision et de fait la gestion des risques. Le Machine Learning représente-t-il une perspective dans le cadre de la modélisation du risque de crédit ? Quels sont les enjeux de son utilisation ? Quels sont les exigences et recommandations des régulateurs quant à son utilisation ?

La BCE a publié en novembre 2020 ses attentes prudentielles en matière de prise en compte des risques climatiques dans la gestion des risques des banques. Par la suite, les exercices de stress tests climatiques qu’elle a menés (en 2021 et en 2022) ont mis en exergue plusieurs défis liés à l’intégration de ces risques dans le processus de gestion des risques traditionnels des banques, dont : l’exhaustivité et la fiabilité des données climatiques, l’absence de méthodologies robustes (environ 60% des institutions financières n’ont pas encore mis en place un framework de stress tests climatiques). Face à ces contraintes, et sur la base des scénarios climatiques établis par le Réseau des banques centrales et des superviseurs pour le verdissement du système financier (NGFS), nous proposons à travers ce webinar un modèle de stress test climatique d’un portefeuille “Corporate” en ligne avec les modèles réglementaires existants et le business des banques.

Un modèle de développement durable basé sur l’intégration des facteurs environnementaux, sociaux et de gouvernance (Environnement, Social and Governance – ESG) représente un paradigme innovateur majeur de la croissance économique traditionnelle.

Désormais en première place de l’agenda politique internationale, la déclinaison des principes ESG dans les modèles opérationnels, ainsi que leur restitution, sont donc essentiels pour gérer les enjeux auxquels les systèmes économiques et financiers font, et vont devoir, faire face.

Faisant suite aux retours constatés sur plusieurs chantiers auprès de nos clients, nos équipes Nexialog vous proposent ce webinar qui illustre, de manière générale, les grandes lignes des principes ESG, ainsi que les principaux impacts sur les reportings, avec un focus sur le système bancaire.

La rentrée en vigueur de la réforme S2 en janvier 2016 a accru les contraintes de gestion des contrats de retraite des assureurs.

Face à ces contraintes, l’ordonnance n° 2017-484 du 6 avril 2017 a été mise en place pour simplifier la gestion des contrats de retraite via la création de nouveaux organismes appelés « Fonds de Retraite Professionnelle Supplémentaire (FRPS) ». 

Aujourd’hui, la création des FRPS est facilitée par l’adoption en avril 2019 de la loi PACTE qui offre un cadre réglementaire propice à la création de ces fonds de pension placés sous le régime prudentiel de la directive IORP. Cependant, le transfert des contrats de retraite professionnelle supplémentaire en FRPS n’est pas immédiat : il doit faire l’objet d’une approbation par le régulateur. 

La gestion pilotée à horizon est le mode de gestion par défaut lors de l’ouverture d’un PER. Cette solution se présente naturellement comme une allocation évolutive entre deux poches, une poche « performance » composée d’une sélection d’UC (à dominante actions a priori) et une poche « sérénité » s’appuyant sur le fonds en euros.

Ce webinar propose une solution d’investissement dans laquelle une surperformance de l’UC suffit pour compenser le coût de la protection et battre le fonds en euros.

Pour estimer la VaR conditionnelle d’un portefeuille​ de rendements, une approche naturelle consiste à considérer un modèle GARCH en estimant la densité conditionnelle des innovations et en évaluant numériquement la CVaR.

Cependant, cette approche n’est pas adaptée pour les prévisions long terme.

Pour combler cette lacune, nous proposons une classe de modèles dans laquelle la volatilité conditionnelle est décomposée en produit de deux facteurs, un facteur de volatilité court terme et une composante long terme.

La construction d’un cube de volatilité (strike, maturité, ténor) est une étape indispensable pour évaluer ou couvrir certains produits exotiques de taux. La difficulté consiste à reconstruire, à partir de quelques cotations, un ensemble de prix d’options en respectant les contraintes d’absence d’opportunité d’arbitrage (AOA). Ce webinar propose de revisiter cette problématique sous l’angle de la régression Gaussian Process (GP).

Dans le cadre de la directive Solvabilité II, la détermination du capital économique se base sur deux principales approches (Formule Standard et Modèle Interne).

Nous étudions ici la piste de la méta-modélisation permettant de déterminer ce capital dans le cadre de la formule standard et nous proposons aussi une approche d’interprétation basée sur les valeurs de Shapley et les indices de Sobol de tous les modèles d’apprentissage utilisés.

Notre conférence animée par nos experts s’est déroulée le jeudi 07 Avril 2022, à l’hôtel Four Seasons Hotel George V, Paris.

• Les marchés financiers face aux événements russo-ukrainiens : analyses prospectives sous l’angle des Risques

Depuis Février, les perspectives d’un conflit mondialisé et la vague de sanctions institutionnelles contre la Russie nous ont plongé dans une phase d’incertitude de marché qui nous pousse aujourd’hui à la réflexion.

Après avoir jeté les bases d’une augmentation du niveau et de la qualité des fonds propres, le régulateur international s’est fixé dès 2015 l’objectif d’accroître la crédibilité et la comparabilité des mesures de risques, tout en simplifiant les mécanismes de calcul. Cela a nécessité des interventions assez approfondies et incisives sur les règles visant à renforcer la robustesse et la sensibilité au risque des approches standardisées.

Ce webinar vise à fournir une clé de lecture des différentes informations demandées ainsi que des évolutions des reportings.

Lors de cette présentation, nous considérons que la dynamique des migrations de notation est régie par un facteur latent non observé. Filtrer ce facteur systémique permet de fournir une prédiction des probabilités de transition en fonction du régime économique sans utiliser de variables macro-économiques.

A travers cette conférence, notre expert proposera les résultats de son étude à travers deux approches de filtrage : une version discrète et une version continue.

Les stress tests de liquidité sont issus des recommandations de l’ESMA (European Securities and Market Authority) dont le rapport final a été publié en septembre 2019 et visant à établir des pratiques de surveillance plus forte en matière de mesure des risques extrêmes sur les fonds d’investissements UCITS et AIFs.

A travers ce webinar, nous présentons dans un premier temps les principales caractéristiques de ces titres puis nous décrivons un modèle à régimes de crédit capable de rendre compte de leur complexité.

Nous montrons en particulier comment ce modèle permet d’extraire une probabilité implicite de bail-in.

Les problématiques liées au climat suscitent un grand intérêt ces dernières années, du fait des conséquences déjà visibles des événements climatiques (inondations, sécheresses, …) sur certaines régions du monde et des évolutions réglementaires en faveur de l’intégration du risque climatique dans le processus de gestion des risques bancaires.

Pour construire un portefeuille d’investissement efficient, une approche robuste devrait commencer par regrouper les supports ayant des comportements proches (performances corrélées) dans des clusters homogènes.

Connaissez-vous l’€STR, Euro Short-Term Rate ?

Face aux révélations de manipulations sur les différents taux de référence comme l’EONIA ou l’EURIBOR, la BCE a décidé de renforcer le cadre réglementaire applicable aux indices de références et de réformer leur calcul en créant l’€STR, Euro short-term rate.

Dans une vision économique du bilan, le calcul des provisions (BE) repose sur la projection stochastique des flux d’engagement net de l’assureur. Ces projections sont réalisées à l’aide d’un modèle ALM et sont généralement coûteuses en temps de calcul.

La nouvelle norme comptable internationale IFRS 17 Contrats d’assurance a été publiée le 18 mai 2017 et entrera en vigueur au 1er Janvier 2023. Cette norme vise principalement à réduire les différences d’évaluation et de comptabilisation des contrats d’assurance entre pays et à favoriser la cohérence avec les autres normes (en l’occurrence IFRS 9 et Solvabilité 2).

Jusqu’ici le risque de défaut était couvert par l’Incremental Risk Charge, une charge en capital imposée par Bâle 2.5. Cependant le risque de défaut touche aussi les produits du monde des actions, c’est pourquoi le régulateur a mis en place la Default Risk Charge.

La Default Risk Charge permet donc à la banque de calculer son besoin en fonds propres pour couvrir son risque lié au défaut tout en prenant en compte la corrélation de ces défauts sur ses activités de marché.