Faut-il savoir coder pour travailler en gestion du risque ?

Les risk managers sont souvent une catégorie méconnue, et clairement peu appréciée, dans les institutions financières. Ils sont généralement ignorés, du moins jusqu’à ce que quelque chose tourne mal et que l’on vienne le leur reprocher, souvent injustement.

En principe, la gestion du risque implique de collecter des données, les analyser et prendre des décisions fondées sur les résultats. Les deux premières parties de ce processus nécessitent en général que quelqu’un code. Mais les risk managers disposent rarement de larges équipes dédiées de technologues comme ce peut être le cas des managing directors en front office. Ils doivent donc déployer des trésors d’ingéniosité pour faire plus avec moins. Souvent, les tâches fastidieuses doivent être exécutées en interne. Et pour s’en acquitter correctement, il est bon de connaître plusieurs langages et outils de programmation.

Vous pourriez penser que la collecte des données constitue la partie la plus simple du process. Détrompez-vous. Tout risk manager rêve de travailler dans une banque ou un fonds disposant d’une unique base de données intégrée sur les positions et les prix du marché, avec une magnifique interface graphique lui permettant de modéliser le risque à l’échelle internationale ou au niveau local en quelques clics. Mais je doute qu’une telle base de données existe.

Dans mon premier job de trader en banque d’investissement, nous calculions le risque en utilisant une foule de tableurs intégrant du code VBA, du C++ et Java sur mesure écrit par nos quants en risque, et divers éléments de logiciel tiers. Les choses ont certes évolué depuis, mais pas autant qu’on pourrait croire. C’est la nature de la finance que d’aimer créer des produits novateurs. Mais la sempiternelle infrastructure backend nécessaire pour suivre l’innovation est souvent longue à voir le jour. Même aujourd’hui, les risk managers se retrouvent souvent à travailler avec un savant mélange d’éléments de données ad hoc pour des produits plus nouveaux, des systèmes internes pour les marchés bien établis, et des solutions tierces pour les instruments dérivés basiques.

Pour collecter des données de sources disparates, un bon risk manager doit probablement disposer de quelques connaissances en VBA (pour extraire les données des formules de tableurs) et SQL (nécessaire pour accéder aux grosses bases de données classiques héritées). Il est aussi utile de connaître des langages comme PHP, Perl ou Python qui peuvent être utilisés pour écrire des scripts permettant d’automatiser la collecte de données souvent fastidieuse.

Au bout du compte, l’ensemble des données dont vous aurez besoin sera disponible en un point unique, peut-être un entrepôt de données ou un cluster Hadoop. Vous serez alors paré pour produire des rapports pour les diverses parties prenantes à qui ils sont destinés.

Mais la gestion actuelle du risque va bien au-delà de la simple compréhension des quelques grecques des options utilisées dans les rapports de risque à l’époque où j’étais trader, au début des années 2000. Les nouvelles normes comme la FRTB demandent des rapports plus précis et plus élaborés, impliquant souvent de procéder à des simulations très gourmandes en données ou à une simulation de Monte-Carlo. Dans le même temps, le nombre d’actifs distincts à modéliser n’a jamais été aussi élevé, de sorte que les risk managers se doivent d’être de véritables maîtres du Big Data.

Les langages open source préférés des data scientists, R et Python, sont souvent plébiscités ; tout comme les solutions commercialisées pour l’environnement Matlab. Pourtant, aucune de ces options n’est particulièrement efficace pour gérer de très gros volumes de données et la souplesse qu’elles proposent est peut-être exagérée pour des rapports standardisés où la fiabilité et la rapidité sont primordiales.

L’alternative Apache Spark peut être utilisée pour gérer de grands ensembles de données stockées sur des grappes de serveurs. Spark propose des API pour R et Python, mais aussi pour Scala (le langage natif de Spark). Dans le cas où c’est la fiabilité qui prime, une solution immédiatement opérationnelle comme SAS Visual Analytics ou Tableau peut constituer une meilleure option.

Il y aura toujours une demande pour de bons risk managers sachant coder. Des compétences de haut niveau en programmation vous rendront d’autant plus désirable si vous désirez évoluer vers un poste en front office. Plusieurs risk managers avec qui j’ai travaillé par le passé sont maintenant gestionnaires de portefeuilles en hedge funds, et un autre a même monté son propre fonds.

Robert Carver a côtoyé d’excellents gestionnaires de risque, en sell-side lorsqu’il était trader en options exotiques chez Barclays Capital, puis en buy-side en tant que responsable fixed income du fonds quantitatif AHL. Aujourd’hui prop’trader, il est très conscient de la valeur du risk management. Il est l’auteur des ouvrages ‘Leverage Trading’, ‘Systematic Trading’ et ‘Smart Portfolios’.