NATIXIS_DOCUMENT_REFERENCE_2017

RISQUES ET ADÉQUATION DES FONDS PROPRES Risques de crédit et de contrepartie

ailleurs notées par les agences de notations (Standard and Poor’s, Moody’s et Fitch). Ces analyses permettent de déterminer le degré d’alignement dans l’appréciation du risque. L’évolution de la qualité de crédit du portefeuille sur un an est également analysée par l’étude des migrations de notes internes. Par ailleurs, des indicateurs supplémentaires attestant de la bonne hiérarchisation du risque en interne sont calculés (Indice de Gini, note moyenne, un an avant, des contreparties tombées en défaut…) et viennent compléter, statistiquement, les analyses qualitatives. Les CANO sont présidés par les responsables des départements des Risques individuels et des Risques consolidés de crédit de la direction des Risques ou par les représentants qu’ils auront désignés. Le suivi des décisions prises en comité est présenté aux comités suivants, notamment les cas éventuels de seuils qui resteraient franchis. L’ensemble de ces travaux est également présenté chaque trimestre au directeur des Risques et communiqué au régulateur. Les niveaux de LGD, ELBE (voir Glossaire) et CCF (voir Glossaire) des différents périmètres de financements sont soumis à des exercices de backtesting a minima annuels (à partir des données internes) au même titre que les modèles de notations et les PD associées, l’objectif étant de s’assurer de la robustesse des estimations dans le temps. Les backtestings des LGD, CCF et ELBE sont effectués par les équipes de la direction des Risques et permettent de : s’assurer de la correcte calibration du modèle ; a Suivi et backtesting des LGD internes, CCF et ELBE en méthode avancée Les paramètres des modèles sur le périmètre des Financements spécialisés et des sûretés (financières ou autres) sont mis à jour régulièrement afin d’être au plus proche de la réalité. L’actualisation concerne aussi bien les paramètres de marché que les paramètres de recouvrement. Les comparaisons entre les pertes et les estimations issues des modèles sont effectuées sur des données historiques couvrant une période aussi longue que possible. revoir le pouvoir discriminant du modèle ; a évaluer la stabilité du modèle dans le temps. a

Les indicateurs de backtesting définis permettent à la fois de valider le modèle et d’en mesurer la performance. Ainsi, deux grands types d’indicateurs sont utilisés : les indicateurs de stabilité de la population : ces analyses a permettent de valider que la population observée reste proche de celle utilisée pour la construction du modèle. De trop grandes différences de distribution selon les variables de segmentation ou les LGD peuvent remettre en cause le modèle. Tous ces indicateurs sont comparés à ceux qui servent de référence (en général ceux calculés lors de la construction du modèle ou ceux provenant de données externes ou encore des agences). Ces analyses sont applicables à la fois aux modèles experts et aux modèles statistiques ; les indicateurs de performance du modèle : en plus de la a validation de la segmentation, le principe de la mesure de la performance du modèle est de quantifier de manière synthétique les écarts entre prédictions et réalisations. Pour ce faire, plusieurs indicateurs statistiques sont utilisés et comparés avec ceux calculés lors de la modélisation. Les modèles de pertes en cas de défaut (LGD internes) sont évalués : sur base statistique pour ce qui concerne la classe d’actif a corporate ; sur base d’historiques interne et externe et de benchmark a externe pour les banques et les souverains ; sur le fondement de modèles stochastiques lorsqu’il existe un a recours sur l’actif financé. Les résultats du backtesting peuvent entraîner le cas échéant un recalibrage du paramètre de risque. La réalisation du backtesting donne lieu à un rapport de backtesting présentant : l’ensemble des résultats des indicateurs de backtesting a prévus ; les éventuelles analyses complémentaires ; a un avis global sur les résultats conformément aux normes a Groupe. Le rapport est ensuite soumis pour avis à l'équipe de validation interne (Model Risk Management) puis présenté aux différents comités afin d’informer le management de la banque.

3

BACKTESTING DES LGD ET PD PAR CATÉGORIE D’EXPOSITION R

Chiffres issus des travaux de backtesting

LGD observée

LGD modèle Taux de défaut observé

PD estimée

Souverain

31,30% 37,91% 29,35%

48,20% 50,44% 40,45%

0,23% 0,26% 0,42%

6,52% 1,15% 0,88%

Institution financière

Corporate

Ce tableau fournit une synthèse globale de la performance du de long terme et sur une part significative et représentative de dispositif mais diffère des exercices annuels de backtesting chaque catégorie d'exposition. Les résultats sont issus des réslisés au sein du groupe, modèle par modèle et non entrepôts de données utilisés pour la modélisation à partir de globalement par portefeuille. La lecture de ce tableau permet l’ensemble des clients sains pour le taux de défaut et la PD, et néanmoins une comparaison entre les estimations et les de l’ensemble des clients en défaut pour la LGD. résultats effectifs pour chaque paramètre interne sur une période

131

Natixis Document de référence 2017