Stratégies alternatives pour la modélisation de la probabilité de défaut d'un sous-portefeuille d'une banque

Depuis l’entrée en vigueur du cadre réglementaire « Bâle II », les banques peuvent utiliser des modèles internes pour évaluer les différents paramètres menant au calcul des « Risk Weighted Assets ». D’un autre côté, le domaine de la modélisation a connu de réelles avancées ces dernières années et de multiples techniques ont été popularisées rendant leur implémentation plus aisée. L’objectif de ce mémoire est d’évaluer l’utilisation de techniques alternatives pour la modélisation de la probabilité de défaut d’un sous-portefeuille d’une banque. A cette fin, les résultats des simulations de ces différents modèles ont été analysés selon différents critères. Des tests statistiques de performance et des analyses de distribution ont été effectués pour évaluer l’éventuelle plus-value de ces techniques et leur adéquation avec le canevas réglementaire. La GLM classique montre de bonnes performances malgré l’utilisation d’un nombre réduit de variables. Elle reste un outil efficace dont les coefficients peuvent être facilement interprétés. Ses caractéristiques sont adaptées à l’exercice de modélisation de la probabilité de défaut « Bâle II ». Si la distribution entre classes observée pour les méthodes de type arbre ou « random forest » serait un frein au choix de ces méthodes pour le portefeuille concerné, ces techniques se sont révélées efficaces pour la discrétisation des variables continues ou pour la détection de « Low Risk Pools » ou « High Risk Pools. La GLM avec pénalisation (Ridge, Lasso, Elnet) permet une réelle augmentation de performance mais au prix de l’utilisation d’un plus grand nombre de variables. L’utilisation d’un modèle ensemble hétérogène (GLM+Tree) montre également une augmentation de performance intéressante.