le Cabinet MWA Conseil vous présente la conférence des mercredis de la finance de septembre 2013
Shadow banking, Liquidités interbancaires,
Régulation supranationale
Duc Pham Hi
Conférence - Les mercredis de la finance - Janvier 2014
1. Shadow banking, Liquidités interbancaires,
Régulation supranationale …
Duc Pham-Hi,
Responsable Majeure Finance, ECE Paris
Laboratoire Et. numériques des Systèmes et Risques financiers
Quels outils face aux Crises
nouvelles ?
2. Invitation au voyage
Des crises, et de l’impuissance des remèdes …
Macroéconomie
Modélisation
… aux outils nouveaux
« learning »
L’aléatoire
Le contrôle et l’optimisation
…vers une macroéconomie nouvelle
MWA Mercredis de la Finance
2
3. "Le voyage, pas la destination"
L’objectif n'est pas de regarder les conclusions, mais de
réfléchir sur les outils pertinents dans la tempête,
« Qui a un marteau comme seul outil … "
Ce n'est pas une critique (une de plus) de :
L'usage du Gaussien (Black Swan)
Non prise en compte des "externalités" (Bonheur national brut)
L'esprit "Greed is good"
Point de vue pédagogique et régulation
Dualité dans "Regulation" : Réglementation vs. Action régulatoire
MWA Mercredis de la Finance
3
5. La flèche dans la tempête
Bond des marchés de dérivés autour de 1985
Monep, mais aussi CBOT, CBOE
Calcul stochastique permet la démocratisation
Calcul plus accessible, moins arbitraire pour les
contrats
Trajectoires peuvent être évalués
Flèche
Atomicité des agents et actions… dangers du ‘lumpy’
5
6. … un monde sans turbulence …
parabole parfaite y = x²
avec quelques petites agitations epsilonesques …
6
7. mais le vent se lève !
Qu’est ce qui crée la tempête?
7
8. Maths et marchés agités :
des petits amendements ne suffisent pas
Equilibre général locaux et temporaires
Discontinuités
Non linearités
L’aléatoire n’est plus “sage”
Le risque n’est plus neutre
L’arbitrage n’est plus absent
Les fontionnelles ne sont plus bien définies
Les chaînes ne sont plus markoviennes
8
9. 2007, 2008, 2010, 2012 …
Métamorphoses et polymorphismes
Successions
Développement d’une « résistance » aux remèdes
Pourquoi n’a-t-on pas prise sur les crises?
Est il impossible d’avoir un consensus ?
Est il possible au moins de voir sur quoi on n’est pas
d’accord ?
Diagnostic pour actions
MWA Mercredis de la Finance
9
11. L’économie et les décideurs
Risques
Taux
d’intérêt
Facteurs
« Psy »
Chômage
Réserves
obligatoires
MWA Mercredis de la Finance
Croissance
Inflation
11
12. Evolution globale de marchés
“hors économie”
•
•
Croissance spectaculaire du domaine financier
– Appel accru aux dérivés OTC (over-the-counter)
– Recrudescence et résurgence après les premières frayeurs
(en termes d’emplois aussi …)
– Croissance des autres dérivés mieux régulés mais sur des
marchés plus liquides et plus volatiles : CBOE, CBOT,
Eurex, Commo en général ,
Suite de crises des OTC
– Enron, mais auparavant, Long-Term Capital Management,
Metallgesellschaft, Dai-Ichi etc.
MWA Mercredis de la Finance
12
13. Un éléphant dans un magasin de
porcelaine
•
Marchés des dérivés
– Taille de l’encours atteint €471 trillion en notionnel,
– Valeur de marché brute €24 trillion en Decembre 2008
•
Le changement d’échelle exige une réglementation (voire
une régulation) d’orientation systémique.
•
… avec quoi modéliser ? Peut on réguler sans
mesurer les impacts a priori ?
MWA Mercredis de la Finance
13
14. Ré-examen de la macroéconomie
Car ne sait calculer qu’à l'équilibre asymptotiquement
Population d'agents qui agissent (semi)consciemment
Herding
Effet Masse
intelligents
aveugle même si certains demeurent
Car ne tient compte que d'une fraction de la masse en
mouvement
La "dark matter" dans l'ombre : marché des dérivés
(financiers + crédits) par rapport au PIB monde
Modèle DSGE courant n'a pas de place pour les grandes
forces déstabilisatrices, seulement de petits écarts.
MWA Mercredis de la Finance
14
16. Nouveaux facteurs de risques :
les Bourses corrèlent …
MWA Mercredis de la Finance
16
17. … tandis que les taux d’intérêts décorrèlent …
MWA Mercredis de la Finance
17
18. Représentation des acteurs en place
… ce qui implique un « herding » très fort
Le marché n’est plus atomisé
L’équilibre ne va plus de soi
Les grands acteurs deviennent ‘lumpy’
Comment représenter
Cette « cognition » de masse (≠ intelligence)
Son évanescence
Learning …
MWA Mercredis de la Finance
18
20. Petit historique de la représentation
de la réalité économique
Progression par mises en échecs et amendements
successifs
Crise 1929 et Keynesianisme
1970s et Monétarisme
1980s et Reaganisme
1990
2000 Tout va bien …
MWA Mercredis de la Finance
20
21. De la révision néokeynésienne ISLM
Modèle de Hall & Taylor
Highlight : transmission par inflation
Historique des enrichissements autour de IS-LM
Synthèse néoclassique et usage de maths
Critique de Lucas et la révolution monétariste
Freshwater vs. Saltwater
New Neoclassical Synthesis
MWA Mercredis de la Finance
21
22. À la Nouvelle Synthèse néoclassique
Real Business Cycles
Nouveautés
Sauts productivité par technologie (bulle Internet +)
Sticky prices (Calvo mieux que Phillips)
Processus de Blanchard
Log Linearisation, Matrices
La grande modération
Puis la grande remise en question (2007 …)
Des prix, des salaires, de l’inflation, mais des
liquidités, point !
MWA Mercredis de la Finance
22
23. « Mésoéconomie »
Credit channel (Blinder Bernanke)
un premier petit rôle pour la banque
Dynamic Stochastic General Equilibrium
Smets-Wouters … à Blanchard
Un pas dans la bonne direction,
… mais retombe dans des ornières classiques
(cf infra)
Les derniers prix Nobel d’économie
Vont aux financiers aussi bien !
MWA Mercredis de la Finance
23
24. Examen des fondements
Optimisation DSGE
Statique dans l’esprit
puisque nécessite Lagrangien (optimisation)
Valeurs des paramètres
Statistiques passées (pb stock de données)
Sub-position d’un équilibre
Régimes transitoires qui se suivent …
Convergence ?
MWA Mercredis de la Finance
24
25. Côté marchés financiers
Black-Scholes (paramètres constants)
Décisions dans "univers Risk-free"
Expliciter conséquences en probabilités induites
Cas des risques CDO CDS typique de la
"monétarisation" du risque
Comme un signe négatif, pas comme une contrainte
ou une règle de comportement.
Erreurs sont gaussiennes
On reste dans le hasard sage …
MWA Mercredis de la Finance
25
26. Peut il y avoir réglementation
sans régulation ?
Souci nouveau
Du bras droit de l’État (prise en pension) à la main lavée
(open market)
De la supervision répressive … à l’intervention réparatrice
(quantitative easing)
Macroprudentiel
Systémique
Stage « Tour de contrôle »
Peut on étudier la liquidité sans modéliser ses acteurs
banques ou non-banques ?
MWA Mercredis de la Finance
26
27. Quelles forces en présence ?
Comportements
Anticipations
Speculations
Volatilités
Immo, Métaux
précieux
Gouvernance
Modalités
(féd/centralisme)
Regulation éco,
Réformes
Rhétorique
Economie shadow
Source de fonds
Volatilité
Source de risques
Immesurabilté
MWA Mercredis de la Finance
27
28. Qui sont les acteurs shadow ?
Compagnies d’assurances
Prêteurs industriels
Fonds chinois
Tontines mexicaines
entre autres !
MWA Mercredis de la Finance
28
30. Bilan agrégé du secteur bancaire EU
ACTIF
210 058,64
Actifs fixes
768 739,34
Titres de capital (action) - non MFI
15 378,09
Parts fond monétaires
1 648
Titres autres que actions - Gouvernement général 503,19
1 345 057,78
Titres autres que action - non MFI
1 124 260,94
Crédits - Gouvernement général
11 041 822,93
Crédit - non MFI
3 703 725,18
Actifs externes
4 475 201,02
Actifs restants et Cash (Euro)
5 525 890,26
Crédits - MFI
1 507 833,15
Titres autres que actions - MFI
464 802,04
Titres de capital (action) - MFI
Total
31 831 272,57
PASSIF
Capitaux propres et réserves
2 348 048,76
Dette émise - achetée non MFI
3 120 598,36
Dépôts - Gouvernement général
Dépôts - non MFI
Passifs externes
Passifs restants
Dépôts - MFI
Dette émise - achetée MFI
Total
MWA Mercredis de la Finance
207 825,90
11 016 581,55
3 143 574,47
4 496 116,61
5 886 208,48
1 612 316,97
31 831 271,09
30
31. Exemple de bilan stylisé de banques
(seule ou agrégées)
Assets
Liabilities
Reserve
β* K
Capital
K
Outstanding
Loan
L_1(i)
Interbank debt
D(i)
CDS bought
( discount in fine to
secure Cash )
« Cash »
Interest Received
« QE » or New loans
CDS sold
ρ ∗ L_1
Potential Loss
– in fine
Spread paid
ρ *(1+ε) * L_2
Poisson( λ )
Discount of securitised EAD
MWA Mercredis de la Finance
P&L (adjustment)
31
32. Partie I: Shadow Banking et taux d’intérêts
ISCCLM statique
Bank A
Liquidity
Interbk loan
Loans
Deposits
Securities
Bonds
Properties
Own capital
Bank C
Liquidity
Deposits
Securities
Bonds
Properties
Bilateral
Interbk loan
Loans
Own capital
Partie II : Liquidité inter-banque
MWA Mercredis de la Finance
33. Equations méta-comptables:
des exemples
Les prêts sont à renouvellement constants excepté quand ils
sont titrisés (leur valeur tombent à zero, un cash est perçu).
Valeur totale des actifs estimée par CVA (credit value
adjustment)
Ex. de règle : quand la CVA d’un groupe de prêts dans un
portefeuille tombe au dessous d’un seuil η , la banque va la
titriser (achat CDS)
◦
◦
au taux courant ρ plus spread
spread variable : par exemple, croît comme le carré du nombre total
de titrisations ( Σ CDS) : méfiance plus que linéaire,
Quand le Liquidity Coverage ratio descend sous un seuil la
banque va emprunter sur l’interbancaire a un taux majoré.
MWA Mercredis de la Finance
33
34. Un nouveau bloc dans l’économie
Approche plus rationnelle: supposer que la liquidité est
non seulement fournie par les banques mais aussi par le
shadow banking dans des volumes considérables
Soit α la proportion de shadow banking au sein de
l’économie (ou d’un sous secteur)
On obtient:
D’après l’équilibre LM, on a par exemple :
MWA Mercredis de la Finance
34
35. Les titres de créance et shadow banks
La liquidité est assurée par le biais de lignes de crédit ou de
titres de créance tels que les obligations ou les billets de
trésorerie
Exemple d’hypothèse : les titres de créance sont achetés par
les banques et les entités shadow:
MWA Mercredis de la Finance
35
36. Partie III : une nouvelle dynamique
Parameters acquisition:
dynamic and stochastic
Bayesian filters
Bank A
Liquidity
Interbk loan
Loans
Deposits
Securities
Bonds
Properties
Own capital
MWA Mercredis de la Finance
37. Intégrer le concept CVA compatible avec
les process de Lévy
X A = X A,0 exp(σBt )
Petites pertes suivent Lognormale
Grosses pertes suivent des sauts
X B = X B ,0 exp Lt
(Poisson hétérogène)
Evolution de l’ensemble agrégé
Z t = X A ,t + X B ,t
Autres caractéristiques de la banque:
accumulation continue
dR = µdt
subordinateur qui represente un système de provision qui
compense les pertes
~
cumulées …
N (dt , dz ) = N (dt , dz ) − dt ×ν (dz )
Ensemble on obtient l’équation d’évolution du patrimoine
37
38. Implémenter un processus temporel dans l’évolution
mésoéconomique
Forme différentielle des pertes dérivée de la formule de Ito
dZ = Z
{( b + ∫
R*
)
( e − 1 − z1 z <1 )ν ( dz ) dt + ∫
z
R*
~
( e − 1) N ( dt , dz )
z
L’equation de la banque
dW = µ (t , X )dt − Λ t dZ t
où Λt représente la partie des pertes/demande de liquidités non
absorbée par les réserves/non financées par les banques, µ le taux
de gain dépendant des pertes/demande de liquidités (CDS spread
augmentant avec Xt)
Dans ce modèle avec prise en compte du temps le risk management
est reformulé en un problème d’optimisation,
38
}
39. Schéma de marché à tours
Hamilton-Jacobi-Bellman programme dynamique
Mais un HJB pour chaque acteur
Liaison (communication) entre les acteurs
Curse of dimensionality X 1000
Si vise un objectif CT, remplacer HJB par RL, TD, …
calculé tour par tour (cf.infra, partie IV)
Sampling online et filtre adaptatif
Sinon :
diffusion avec sauts
Sequential monte carlo
implémentation mieux connue
MWA Mercredis de la Finance
39
40. Partie IV: Comportement adaptatif à
récompense vs. Optimisation
Bayesian filters
Bank A
Liquidity
Loans
Adaptation
Deposits
Securities
Bonds
Properties
Behavior
Interbk loan
Own capital
Correction
Reward
Anticipation
MWA Mercredis de la Finance
41. On en profite pour introduire
l’intelligence … et l’émotion !
History
De Bellman
à Barto Sutton
et Neuroeconomics …
Learning = optimisation partielle ‘online’
Equations de comportement
Acetylcholine, adrénaline, épinéphrine …
MWA Mercredis de la Finance
41
42. Nouvel angle pour la vue conceptuelle
Échanges séquentiels avec équilibres
transitoires dynamiques
Chaque agent a un jeu de préférences et un
système de croyances différent
La main invisible est remplacée par des microdécisions hétérogènes
Optimisation (Pareto, A. Smith) est remplacée
par du “filtrage” séquentiel.
MWA Mercredis de la Finance
42
43. Positions des variantes du bayésien
Mécanisme de ‘adaptive learning’ implique l’échantillonnage
interactif des états de l’environnment
Q learning (Watson)
Reinforced learning (Barto & Sutton) : arbitrage intertemporel
Temporal Differences (Tsitsiklis & Van Roy)
Les comportements non linéaires (panique, exubérances,
euphories, …) sont traduisibles par des sauts ou sur-maintien de
paramètres dans les équations de valeurs de Bellman.
Apprentissage à base de modèlede simulation
Interacting Particle Systems (N. Shephard & Flury)
… si et seulment si le modèle n’a pas de biais…
MWA Mercredis de la Finance
43
44. Avancées récentes
Interacting Particle Systems
N. Shephard, T. Flurry (2011)
Bayes combiné avec Monte Carlo
Apprentissage par expérience
Graphique Matlab :
Vagues multimodales , 1 par période
alors que ISLM , 1 offre vs 1 demande globale
MWA Mercredis de la Finance
44
45. Partie V: interactions multi-Agents
Bank B
Liquidity
Interbk loan
Loans
Deposits
Securities
Bonds
Properties
Own capital
Bank A
Liquidity
Interbk loan
Loans
Deposits
Securities
Bonds
Properties
Multilateral
marketplace
Frictions &
costs
Own capital
Bank C
Liquidity
Deposits
Securities
Bonds
Properties
Bilateral
Interbk loan
Loans
Own capital
MWA Mercredis de la Finance
46. Organisation de l'introduction
des fonctionnalités
Mécanisme
bilatéral
Structures
différenciées
Caractérisation
hétérogène
Fonctions d'utilité
différenciées
Marché non linéaire,
stochastique,
avec friction, opaque
Agents
Comportements
intelligents
Apprentissage
Mécanisme
centralisé
Optimisation
individuelle
EIFR - ECE 27 mars 2013
Récompense
différée
46
47. Conclusion: Des résultats différents
Selon chacun
Et c'est logique
Retour sur l'éléphant … vue d’ensemble
MWA Mercredis de la Finance
47
48. Part III : Learning
with filters
Part I : Shadow banking
& interest rates
ISCCLM statique
Parameters acquisition:
dynamic and stochastic
Part V: Multi-Agents
interactions
Bank B
Liquidity
Bonds
Properties
Bayesian filters
Deposits
Securities
Vue générale
Interbk loan
Loans
Own capital
Bank A
Liquidity
Loans
Adaptation
Deposits
Securities
Bonds
Properties
Behavior
Interbk loan
Multilateral
marketplace
Frictions &
costs
Own capital
Correction
Anticipation
Bank C
Bilateral
Interbk loan
Loans
Deposits
Securities
Bonds
Properties
Reward
Liquidity
Own capital
Part IV: Adaptive behaviour vs. Rewards
Part II : Interbank liquidity and defaults
MWA Mercredis de la Finance
49. Non pas un modèle,
mais une famille de modèles
But exploratoire
Non pas régression
Avec "capteurs" d'informations floues
Avec des "ressorts de modèle" paramétrables
Démarche progressive
Indépendance des chantiers
Programmation modulaire
MWA Mercredis de la Finance
49
50. Epilogue
Le 7e aveugle et l’Eléphant
Revanche de la macroéconomie : Le manifeste
de Reykjavik
MWA Mercredis de la Finance
50
52. Bibliographie
Beard, R.W., G.N. Saridis and J.T. Wen (1995) Approximate Solutions to the Time-Invariant HamiltonJacobi-Bellman equation, Journal of Optimization theory and Applications,
Barto R., Sutton A., (1998) Reinforced Learning, an introduction, MIT Press, Bradford books
Tsitsiklis, J., Van Roy, B., (1999) Average cost temporal difference learning, Elsevier, Pergamon press,
Automatica
Framstad, N.C., B. Oksendahl and A.Sulem (1999), Optimal consumption and portfolio in a jump
diffusion market with proportional transaction costs, Rapport de recherche n° 3749, Projet MATHFI,
INRIA Rocquencourt, Paris.
Mnif, M., A. Sulem (2001). Optimal risk control under excess of loss reinsurance, Rapport de recherche
n° 4317, Projet MATHFI, INRIA Rocquencourt, Paris.
Castillo, M.T, G. Parrocha, (2002) Stochastic Control theory for Optimal Investment.
Moody, J. (2003) Risk, Reward & Reinforcement, AMS Workshop- Machine learning , Statistics &
discovery, presentation slides, Utah.
Thrun, S., Burgard, W., Fox, D., (2005), Probabilistic robotics, MIT Press,
Doucet, A., Johansen, J., (2008) A tutorial on Particle filtering and smoothing
Shephard, N., Flury, T., (2009) "Learning and filtering via simulation: smoothly jittered particle filters"
Economics Series Working Papers 469, University of Oxford.
Banque Centrale européenne, (2011), Séminaire “Lessons learned from the Crises”
International Institute for Finance (2012) “Shadow banking”
MWA Mercredis de la Finance
52