Comment calculer le Value at Risk (VaR) en 2026

Le Value at Risk (VaR) est un indicateur essentiel en gestion des risques financiers, quantifiant la perte potentielle maximale d'un portefeuille sur une période donnée à un niveau de confiance défini. Par exemple, un VaR à 95% sur 1 jour de 1 million d'euros signifie qu'il y a 5% de chances de perdre plus que ce montant en une journée.

Pourquoi est-ce crucial en 2026 ? Avec la volatilité accrue des marchés due aux géopolitiques, cryptos et IA-trading, les régulateurs comme Bâle III exigent un VaR précis pour les banques et fonds. Ce tutoriel intermédiaire, sans code, se concentre sur la théorie solide : des fondations aux méthodes avancées. Vous apprendrez à interpréter le VaR comme un pilote d'avion lit son altimètre – pas une garantie absolue, mais un signal d'alerte vital. À travers des exemples concrets (portefeuille actions obligataires), nous progressons vers des bonnes pratiques pros, évitant les pièges qui ont coulé des institutions comme LTCM en 1998. Résultat : une maîtrise actionable pour vos rapports risque ou audits (128 mots).

• Bases en statistiques : moyenne, écart-type, distribution normale.
• Connaissances en finance : rendements, volatilité, corrélations.
• Familiarité avec Excel ou outils analytiques pour simulations manuelles.
• Niveau intermédiaire : probabilités conditionnelles et loi normale.
• Temps estimé : 2h de lecture active.

Définition précise : Le VaR mesure la perte quantile d'un portefeuille. Formule générale : VaR_α = -inf {x | P(L > x) ≤ 1-α}, où L est la perte, α le niveau de confiance (ex. 95% ou 99%).

Horizon et confiance : Typiquement 1 jour/10 jours, 95%/99%. Analogie : comme un filet de sécurité à 95% – il attrape 95% des chutes, mais pas les 5% extrêmes.

Exemple concret : Portefeuille de 10M€ (60% actions CAC40, 40% obligations d'État). Historique 2023-2025 : volatilité actions 18%, obligations 4%, corrélation -0.2. À 95%/1j, VaR ≈ 250k€ (perte max attendue).

Interprétation : Pas une perte attendue (c'est l'ES pour ça), mais un seuil probabiliste. Utilisez-le en backtesting : comparez VaR réalisé vs. prédit sur 250 jours pour valider (taux d'échec <5% à 95%).

Principe : Assume normalité des rendements. VaR = Z_α × σ_p × V_p, où Z_α=1.65 (95%), σ_p=écart-type portefeuille, V_p=valeur.

Calcul matriciel : Pour n actifs, σ_p = √(w' Σ w), Σ=matrice covariances, w=poids.

Exemple détaillé : Portefeuille ci-dessus. σ_actions=0.18/√252≈1.13%/j, σ_oblig=0.04/√252≈0.25%/j. Cov=ρσ1σ2=-0.2×1.13%×0.25%≈-0.06%. σ_p=√(0.6²×1.13² + 0.4²×0.25² + 2×0.6×0.4×(-0.06%))≈0.75%/j. VaR95=1.65×0.75%×10M€=123k€.

Avantages : Rapide, analytique. Limites : Ignore queues épaisses (kurtosis>3). Testez normalité via Jarque-Bera (stat>5.99 rejette H0).

Checklist validation :

• Vérifiez stationnarité rendements (ADF test p<0.05).
• Recalculez covariances roulantes (fenêtre 60j).

Principe : Non-paramétrique. Triez pertes historiques (ex. 1000j), prenez quantile α.

Étapes précises :

1. Collectez rendements journaliers P&L sur T=500-1000j.
2. Calculez P&L = -ΔV portefeuille.
3. Triez croissant, VaR_95% = 5e pire perte.

Avantages : Capture non-normalité, fat tails. Inconvénients : Sensible aux périodes (crise 2008 gonfle VaR).

Améliorations :

• Pondération EWMA (poids récents ×λ=0.94).
• Bootstrap : resample 1000x historiques pour IC VaR [±20% typique].

Principe : Simulations stochastiques. Génère 10k-100k scénarios futurs via modèles (GBM, GARCH).

Workflow détaillé :

1. Modélisez facteurs (SDE dS=μdt+σdW).
2. Simulez chemins (antithétiques pour variance ↓50%).
3. Calculez P&L par scénario, quantile α.

Avantages : Flexible (non-linéarités, jumps via Merton). Coût : Compute-heavy (mais cloud 2026 ok).

Validation : KS-test distribution simulée vs. historique (D<0.05). Calibrez params via MLE sur data récente.

Analogie : Comme un crash-test virtuel de 10k voitures vs. 1 vrai accident historique.

Tableau comparatif :

Choix méthode : Param pour liquidités, hist pour illiquidités, MC pour dérivés. Hybrid hist+MC en 2026 standard.

• Recalcul quotidien avec données tick-level pour intraday VaR.
• Intégrez corrélations dynamiques (DCC-GARCH) : corrélation CAC40/Bund passe de -0.3 à 0.8 en stress.
• Combinez avec ES/CVaR : ES= E[L| L>VaR], +20-50% du VaR simple.
• Stress et scénarios : VaR + 5 scénarios (récession, géo) pour FRTB.
• Documentation audit : Logs params, data sources, tests stats (p-values).

• Assume normalité aveugle : Marchés ont kurtosis 10+ (vs 3 normal) → sous-estime VaR x2 (LTCM 1998).
• Fenêtre historique fixe : Ignore régimes (hausse vol 2022) → use rolling/adaptive.
• Oubli liquidité : VaR mark-to-market ignore bid-ask → +30% en crise.
• Niveaux confiance isolés : Toujours duo 95%/99%, backtest séparé.

• Livres : Risk Management de McNeil (modèles avancés).
• Outils : RiskMetrics (JPM), @Risk Excel.
• Réglementation : Bâle III/FRTB (VaR vs ES).
• Découvrez nos formations Learni : Gestion de Risque Quantitative – ateliers pratiques VaR/ES.
• Articles : Jorion Value at Risk (3e éd.), SSRN papers 2025 sur ML-VaR.