Reverse stress testing : partir du seuil de capital, pas du scénario
Identifier le scénario le plus plausible capable de franchir un seuil CET1, avec les modèles internes existants
En bref Les stress tests classiques répondent à la question « combien coûterait ce scénario ? ». Le régulateur pose désormais aussi la question inverse : « quel scénario coûterait cela ? » L’exercice thématique 2026 de la BCE demande aux banques d’identifier les événements géopolitiques susceptibles d’entamer leur capital CET1 d’au moins 300 points de base. Cette note présente une architecture opérationnelle qui transforme un seuil de capital en scénario de rupture, en réutilisant les modèles internes existants.
1. Ce que les scénarios prescrits ne couvrent pas
Le stress testing standard part d’un scénario prescrit et en mesure l’impact. Le reverse stress testing part du résultat qui compte — un franchissement de seuil — et remonte vers le scénario qui l’expliquerait. Les deux sont complémentaires.
Pourquoi c’est important
- Un angle mort structurel. Un exercice forward n’évalue que les scénarios que l’on a pensé à écrire ; une combinaison de chocs dangereuse pour le profil propre de l’établissement peut ne figurer dans aucun catalogue. Le reverse stress testing va la chercher directement.
- Une attente prudentielle explicite. Les principes de stress testing du Comité de Bâle incluent le reverse stress testing, et l’exercice thématique 2026 de la BCE en fait une demande concrète, avec un seuil chiffré.
- Une exigence de plausibilité. Sans mesure de plausibilité explicite, un scénario de rupture reste un récit : impossible à comparer, difficile à challenger en validation.
2. Du seuil au scénario : une architecture en cinq briques
Le seuil de capital entre par la gauche, un scénario documenté sort par la droite. Chaque brique est indépendante et remplaçable par le modèle interne déjà validé de l’établissement.
Une seule équation à retenir. Le reverse stress test se formule comme une recherche de plausibilité sous contrainte :
s^\star \in \arg\max_{s \in \mathcal{S}} f(s) \quad \text{sous contrainte} \quad R(s) \le R^\star
où f(s) mesure la plausibilité du scénario, R(s) le ratio de capital sous ce scénario et R^\star le seuil critique. Le point de rupture s^\star est la façon la plus crédible de franchir le seuil, pas la plus sévère : c’est précisément ce qui le rend discutable en comité et opposable en validation.
Ce que le cadre apporte
- Aucun re-développement. Le moteur de crédit interne (Merton–Vasicek / ASRF, déjà validé) et les cartographies PD/LGD existantes sont réutilisés tels quels ; seule la couche de recherche s’ajoute.
- Une plausibilité explicite. Chaque scénario de rupture est assorti d’une mesure de crédibilité — densité de référence ou distance statistique — comparable d’un exercice à l’autre.
- Un objet de gouvernance. Un point de rupture documenté et son voisinage, plutôt qu’une bibliothèque de récits non hiérarchisés.
- Généralisable. Géopolitique, climat, taux, secteur, marché : changer de famille de scénarios ne change ni l’architecture, ni la gouvernance.
3. Mise en œuvre
- Fixer la condition de défaillance. Un seuil de capital explicite, par exemple un ratio CET1 minimal, ou une perte maximale tolérée.
- Décrire l’espace de scénarios et sa plausibilité. Un petit nombre de facteurs de risque et une densité de référence suffisent pour rendre la recherche interprétable.
- Réutiliser la chaîne de transmission interne. Cartographies PD/LGD, pertes, RWA et capital : le dispositif existant fournit R(s) sans modification.
À retenir pour chaque équipe
- Modélisation. La plausibilité doit être définie avant la recherche, pas après : c’est elle qui distingue un scénario de rupture d’un récit sévère.
- Validation. Le point de rupture et son voisinage sont documentés et reproductibles, donc opposables.
- Pilotage. L’exercice répond directement à la demande prudentielle 2026 sans nouvelle infrastructure de modèles.
Article de recherche associé
Hurlin, C., Lajaunie, Q. & Pull, Y. (2026). Reverse Stress Testing Geopolitical Risk in Corporate Credit Portfolios: A Formal and Operational Framework. arXiv:2601.03983
Discuter de ce travail ? Une question, une application à votre portefeuille ou une demande de présentation : écrivez au collectif →
Cette note s’appuie sur les travaux conduits au sein du collectif STORM — Scenario-based Testing & Optimization in Risk Modeling — de Square Management et du Square Research Center, dédié à la modélisation et à la quantification des risques. STORM transforme la recherche quantitative en briques méthodologiques concrètes au service des équipes risques des établissements. Ces travaux s’appuient sur une collaboration avec le Master ESA de l’Université d’Orléans.
Références
BCBS (2009). Principles for sound stress testing practices and supervision. BCBS155, Comité de Bâle.
BCBS (2018). Stress testing principles. D450, Comité de Bâle.
ECB (2025). ECB to assess banks’ stress testing capabilities to capture geopolitical risk. Communiqué, supervision bancaire, 12 décembre 2025.
Glasserman, P., Kang, C. & Kang, W. (2015). Stress scenario selection by empirical likelihood. Quantitative Finance, 15(1), 25–41.
Gordy, M. B. (2003). A risk-factor model foundation for ratings-based bank capital rules. Journal of Financial Intermediation, 12(3), 199–232.
Grundke, P. (2011). Reverse stress tests with bottom-up approaches. Journal of Risk Model Validation, 5(3), 71–90.
Kopeliovich, Y., Novosyolov, A., Satchkov, D. & Schachter, B. (2015). Robust risk estimation and hedging: A reverse stress testing approach. The Journal of Derivatives, 22(4), 10–25.
Vasicek, O. (2002). The distribution of loan portfolio value. Risk, 15(12), 160–162.