HEC MONTRÉAL
HEC MONTRÉAL
HEC MONTRÉAL
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
qu’elle n’a pas fait défaut avant le temps t. Dans la littérature, Duffie [11] et Hull-<br />
White [23] ont été les premiers à fournir explicitement une approche de type réduite<br />
pour valoriser les CDS. Dans un papier subséquent, Hull-White [24] ont raffiné leur<br />
modèle en considérant que le risque de défaut de contrepartie, c’est-à-dire le risque<br />
de défaut du vendeur du contrat, n’est par nul. Houweling et Vort [22] ont, quant à<br />
eux, présenté le premier papier à tester empiriquement l’habilité des modèles réduits<br />
à valoriser de façon précise les CDS.<br />
Dérivés de crédit sur portefeuille<br />
Dans le cas de produits dérivant d’un portefeuille sur crédit, Duffie et Garleanu [12]<br />
proposent d’étendre les modèles réduits précédents afin d’inclure une corrélation entre<br />
les intensités de défaut. Le principal désavantage lié à cette approche, tel que noté<br />
par Schönbucher et Schubert [47], est le fait d’obtenir des corrélations de défauts trop<br />
faibles par rapport à celles observées empiriquement. Afin de remédier à ce problème<br />
et raffiner la modélisation des corrélation de défauts, Davis et Lo [8] puis Jarrow et Yu<br />
[27] ont préposé un modèle réduit de type défauts par contagion (infectious defaults).<br />
Ce modèle implique qu’un défaut sur une obligation peut générer, par contagion, des<br />
défauts sur d’autres obligations (par exemple dans un même secteur d’activité). Un<br />
facteur de saut est alors ajouté aux intensités de défaut conjointes pour tenir compte<br />
de cette situation.<br />
Bien qu’intuitivement attrayants, ce modèle comporte des problèmes, tel que noté<br />
par Schönbucher et Schubert [47]. Le principal problème concerne la difficulté à es-<br />
timer l’intensité de défaut pour chaque obligation du portefeuille causée par la com-<br />
plexité de l’opération ainsi que par l’absence de données historiques de qualités sur<br />
crédit. De plus, ces modèles sont difficiles à calibrer due au nombre élevé de pa-<br />
ramètres nécessaires pour modéliser ce type de défaut.<br />
20