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.
probabilité de survie conditionnelle au facteur commun V s’exprime alors selon<br />
46<br />
q i|V<br />
t = Q(V > t)Q(Vi > t) (3.86)<br />
= 1V >tE[1Vi>t] (3.87)<br />
= 1V >− ln(Si(t))Si(t) 1−λ<br />
où Si(t) = exp(−t) représente la fonction de survie individuelle.<br />
Modèle à un facteur gaussien avec extension aléatoire de la corrélation<br />
(3.88)<br />
Andersen et Sidenius [2] présentent une extension aléatoire de la corrélation pour<br />
le modèle à un facteur gaussien, permettant de générer une distribution des pertes<br />
à queue épaisse. Cette extension est en effet élégamment introduite par la présence<br />
d’un paramètre aléatoire offrant la possibilité d’ajuster la corrélation entre les crédits<br />
du portefeuille en fonction de l’état de l’économie. En effet, dans le cas du modèle<br />
classique, cette corrélation est fixée constante sur l’ensemble des états de l’économie<br />
qui représentée par le facteur commun de marché. Or, empiriquement, il est observé<br />
que la corrélation entre les valeurs des titres est plus élevée dans un marché à la hausse<br />
qu’un marché à la baisse. Ainsi, en interprétant par exemple un facteur commun de<br />
marché ayant une valeur élevée comme un marché haussier (bull market), et un facteur<br />
de marché ayant une valeur faible comme un marché baissier (bear market), il est<br />
possible de lier une corrélation (constante pour tous les crédits du portefeuille) pour<br />
chacun de ces deux états de l’économie. Formellement, soit (X1, ..., Xn) un vecteur<br />
aléatoire tel que<br />
Xi = a(V )V + νVi + κ, i = 1, ..., n (3.89)<br />
où V est un facteur de marché commun à tous les crédits du portefeuille, Vi un facteur<br />
spécifique au crédit i, a(V ) le paramètre aléatoire qui est fonction du facteur commun<br />
de marché V et ν, κ des paramètres choisis tel que les Xi soient des v.a. N(0, 1).<br />
Comme pour le modèle à un facteur gaussien, on suppose, comme hypothèses de<br />
modélisation, que