NATIXIS_PILLIER-III_2017

RISQUE DE CRÉDIT Risque de crédit : approche fondée sur les notations internes

Poor’s, Moody’s et Fitch). Ces analyses permettent de déterminerle degréd’alignementdans l’appréciationdu 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 supplémentairesattestant 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 analysesqualitatives. Les CANOsont présidéspar les responsablesdes départements des Risquesindividuelset des Risquesconsolidésde crédit de la direction des Risques ou par les représentants qu’ils auront désignés. Le suivi des décisions prises en comité est présenté aux comitéssuivants,notammentles cas éventuelsde seuils qui resteraientfranchis. L’ensemble de ces travaux est également présenté chaque trimestreau directeurdes Risqueset communiquéau régulateur. Les niveauxde LGD, ELBE (voir Glossaire) et CCF (voir Glossaire) des différents périmètres de financements sont soumis à des exercicesde backtestinga 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 estimationsdans le temps. Les backtestingsdes LGD, CCF et ELBE sont effectués par les équipesde la directiondes Risqueset permettentde : s’assurerde la correctecalibrationdu modèle ; a Suivi et backtesting des LGD internes, CCF et ELBE en méthode avancée Les paramètresdes modèlessur le périmètredes Financements spécialiséset des sûretés (financièresou 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 paramètresde recouvrement. Les comparaisonsentre les pertes et les estimationsissues des modèles sont effectuées sur des données historiques couvrant une périodeaussi longueque possible. revoir le pouvoirdiscriminantdu modèle ; a évaluerla stabilitédu modèledans le temps. a

Les indicateurs de backtesting définis permettent à la fois de valider le modèle et d’en mesurer la performance. Ainsi, deux grandstypes d’indicateurssont utilisés ; les indicateurs de stabilité de la population : ces analyses a permettentde valider que la populationobservéereste 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 synthétiqueles écarts entre prédictionset réalisations.Pour ce faire, plusieurs indicateurs statistiques sont utilisés et comparésavec ceux calculéslors 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 externepour les banqueset les souverains ; sur le fondementde modèles stochastiqueslorsqu’il existe un a recourssur l’actif financé. Les résultatsdu backtestingpeuvententraînerle cas échéant un recalibragedu paramètrede risque. La réalisation du backtesting donne lieu à un rapport de backtestingprésentant : l’ensemble des résultats des indicateurs de backtesting a prévus ; les éventuellesanalysescomplémentaires ; 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 comitésafin d’informerle managementde la banque.

5

TABLEAU 28 : BACKTESTING DES LGD ET PD PAR CATÉGORIE D’EXPOSITION R

Chiffres issus des travaux de Backtesting

Taux de défaut observé

LGD observée

LGD modèle

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 significativeet représentativede dispositif mais diffère des exercices annuels de backtesting chaque catégorie d’exposition. Les résultats sont issus des réalisés 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’ensembledes clients sains pour le taux de défaut et la PD, et néanmoins une comparaison entre les estimations et les de l’ensembledes clientsen défautpour la LGD. résultatseffectifspour chaqueparamètreinternesur une période

75

NATIXIS Rapport sur les risques Pilier III 2017