Escolar Documentos
Profissional Documentos
Cultura Documentos
t=1
D
t
(1 +r
f
+
i
)
t
avec r
f
le taux sans risque et
i
la prime de risque ncessite par la rme i : cette dernire est gale en fait
la rentabilit de laction laquelle on soustrait le taux sans risque.
Nous verrons dans la section 1.2.2 quelle peut tre explique par des facteurs de risque valus sur le
march sur lequel est traite laction correspondante. Si lefcience des marchs est vrie, ces derniers
expliqueront totalement la prime de risque de laction et la valeur V
i
0
dnira le juste prix ou fair price de
laction.
En effet, si la prime de risque est intgralement explique par les facteurs de risque, le march lvaluera de
manire juste. Dans le cas chant, la vraie prime de risque sera soit plus faible soit plus leve que celle
price par le march, ce qui signiera que la valeur fondamentale sera soit plus leve soit plus faible et
donc laction sera soit sous-value soit sur-value.
Et dans ces cas, des possibilits darbitrage et de crer de la performance se prsenteront donc. Nous re-
viendrons plus prcisment sur ces mcanismes darbitrage dans la suite du cours.
Une prcision importante est faire sur ce point. Il faut en effet souligner que la prime de risque est quiva-
lente (au taux sans risque prs) au cot issu de la dtention du capital. Ce cot est ex-ante, et donc pas encore
ralis. Si le cot observ
obs
se rvle sur-valu par les acteurs du march par rapport au cot thorique
th
, alors il va diminuer pour tendre vers
th
, ce qui va faire augmenter la valeur de laction et donc la ren-
tabilit ex-post. Le cot du capital sassimile donc (au taux sans risque prs) une prime de risque ex-ante
et la rentabilit de laction (au taux sans risque prs) une prime de risque ex-post. Malheureusement, dans
la pratique, les deux primes de risque sont confondues car le cot du capital ex-ante est difcile estimer
(cf. modles facteurs de risque, section 1.2.2). On suppose donc que la rentabilit historique rvle aussi
le comportement futur du cot du capital. Si aujourdhui, la prime de risque ex-post est sur-value, le cot
du capital ex-ante appliqu pour lactualisation sera sur-valu, diminuera donc pour obtenir une rentabilit
leve, ce qui est cohrent avec la prvision pralable dune prime de risque ex-post importante.
Ratio nancier dvaluation
Pour apprcier lcart la valeur fondamentale, nous pouvons utiliser un ratio nancier dvaluation. Clas-
siquement, il est utilis soit le Dividend-Price Ratio, soit le Price-Earning Ratio PER. Ce dernier va tre
prfr car le Dividend-Price Ratio est trs inuenc par les politiques nancires des entreprises (rachat
dactions par exemple augmentant les dividendes distribus). Le PER dun actif nancier se dnit comme
le rapport du cours de lactif au bnce annuel quil rapporte. Il exprime donc le dlai de rcupration de
cet actif, cest--dire le nombre dannes de bnces sur lesquelles on valorise lactif. Le prix dun titre
sera alors le produit du PER avec les bnces. Cest un indice tout dabord danticipation de croissance
dune socit : plus les anticipations de croissance forte sont leves, plus le PER sera important. Et, cest
un indicateur de chert dune socit au sein dun mme secteur : en effet, une socit ayant un PER plus
faible que le PER moyen du mme secteur sera considre comme peu chre. Cest donc un indicateur de
valorisation : nous pouvons alors savoir si le PER dune socit est lgitime ou non par rapport un PER
juste. Le processus des PER est souvent caractris par un phnomne de retour la moyenne.
Modle de Gordon-Shapiro
Enn, il faut remarquer quil est difcile de calculer un prix partir du modle dactualisation des di-
videndes : effectivement, il se fonde sur des ux de revenus futurs alatoires et difciles estimer. Les
16 Risques Financiers et Performance dInvestissement
investisseurs doivent en consquences les anticiper sur la base des informations dont ils disposent. Le cal-
cul de la valeur fondamentale va donc supposer des hypothses rductrices. Le modle le plus clbre est
celui de croissance perptuelle dni par Gordon et Shapiro en 1956.
Ils supposent que le taux de croissance annuel des dividendes g est constant, ainsi que le cot des fonds
propres, ou cost of equity CE de la socit, r. Ce dernier est la rentabilit minimum que les actionnaires
pensent pouvoir retirer de leur investissement dans laction de la socit. En outre, g < r pour viter que la
valeur de lentreprise soit innie. En consquence, nous avons :
V
0
=
+
t=1
D
t
(1 +r)
t
= D
0
+
t=1
_
1 +g
1 +r
_
t
= D
0
1+g
1+r
1
1+g
1+r
convergence dune srie gomtrique de raison |q| < 1
= D
0
1 +g
r g
=
D
1
r g
Daprs ce modle, laction a une valeur fondamentale dautant plus leve que la part du bnce distribu
est importante et que le cot du capital est faible, toutes choses gales par ailleurs. Ce modle est nanmoins
irraliste : nous allons alors utiliser non plus des modles dvaluation partir de lactualisation des divi-
dendes mais partir du cot du capital. Ce dernier rsume en effet lincertitude concernant la distribution
des dividendes : plus le cot des fonds propres est lev, plus lincertitude est importante et plus la valeur
fondamentale est faible. Les nanciers vont alors sattacher apprcier si le march value sa juste valeur
le CE, et plus prcisment la prime de risque de laction gale au CE auquel on soustrait le taux sans risque.
Le problme de lvaluation de la valeur fondamentale dune action va se dplacer sur celui de lvaluation
de la prime de risque.
Conseil pratique de gestion
Cette introduction lvaluation du prix dune action donne quelques indications quantitatives pour g-
rer un portefeuille actions en pratique : laide par exemple du PER, il est possible dacheter dans son
portefeuille des actions sous-values et de vendre des actions sur-values.
Mesurer les risques nanciers 17
1.2.2 Modles facteurs de risque
Les modles facteurs vont permettre dvaluer la prime de risque dune action. La mesure du risque induit
par la possession dune action va alors se prciser.
Capital Asset Pricing Model
Le Capital Asset Pricing Model (CAPM) ou Modle dquilibre des Actifs Financiers (MEDAF) a t
dvelopp par Sharpe en 1964 [33], Lintner en 1965 [24] et Mossin en 1966 [28]. Les hypothses de ce
modle sont les suivantes :
1. les investisseurs exigent une rentabilit dautant plus forte que le risque est lev : il existe donc une
relation croissante entre rendement et risque,
2. un actif sans risque est disponible,
3. les anticipations sont identiques pour tous les investisseurs.
Daprs ces hypothses, nous pouvons exprimer lesprance de la rentabilit R
i
dun portefeuille ou dun
actif risqu i en fonction de celle de lactif sans risque r
f
et de celle du portefeuille de march R
M
, qui est
celui que tous les investisseurs possdent :
E(R
i
) = r
f
+
i
[E(R
M
) r
f
] avec
i
=
cov(R
i
, R
M
)
2
(R
M
)
avec (.) la volatilit de lactif correspondant et cov(.,.) la fonction covariance. Pour des raisons pdago-
giques, nous nentrons pas dans la dmonstration de ce modle mais expliquons les consquences empi-
riques et pratiques de cette modlisation de la prime de risque.
Nous pouvons aussi rcrire ce modle de la manire suivante :
i
= E(R
i
) r
f
=
i
[E(R
M
) r
f
] (1.1)
pour faire apparatre la prime de risque
i
. Ainsi, plus les investisseurs seront exposs au portefeuille de
march, plus ils prendront de risque et plus leur rmunration conscutive potentielle sera thoriquement
leve.
Ce modle explique donc la prime de risque dun actif ou dun portefeuille dactifs i par sa sensibilit
i
par rapport au portefeuille de march. Cette dernire dnote le caractre plus ou moins agressif dun actif
relativement au portefeuille de march. Ainsi, si
i
> 1, lactif est dit "offensif", et si
i
< 1, il est dit
"dfensif" relativement au march considr (
i
= 1 correspond une prise de risque similaire celle prise
par le portefeuille de march). Lindicateur est trs utilis par les praticiens car simple dutilisation.
Cependant, outre les hypothses restrictives du modle dquilibre, il possde aussi quelques limites de
mise en oeuvre empiriques.
Tout dabord, il est difcile de dterminer prcisment le portefeuille de march. Souvent, il est rduit
lindice phare de la place nancire dans laquelle est valu lactif ou le portefeuille. Seulement, ces
indices nintgrent pas tous les actifs risqus de lunivers dinvestissement, comme le voudrait la thorie,
puisquil se restreint aux actions.
Les poids allous aux actions dans ces indices varient suivant les places nancires. Ils peuvent tre relatifs :
la valeur des titres : cest le cas du plus vieil indice fond en 1884, le Dow Jones Industrial Average
compos de 30 entreprises amricaines importantes,
aux capitalisations boursires,
et au ottant, dni comme la part de la capitalisation que lon peut changer sur les marchs (infrieur le
plus souvent la capitalisation boursire totale), traduisant donc la liquidit du titre. La pondration par
le ottant est le cas de la plupart des indices aujourdhui. Ainsi, le CAC 40 lest depuis le 1er dcembre
2003, aprs avoir t pondr par les capitalisations.
18 Risques Financiers et Performance dInvestissement
Les crances bancaires, limmobilier, le capital humain manquent donc dans la composition de ces indices
et sont difciles mesurer prcisment.
En outre, la seconde limite concerne lestimation des . Le modle de rgression sous-jacent au CAPM
scrit :
i
= R
i
r
f
=
i
+
i
[R
M
r
f
] +
i
Le premier problme qui apparat est linstabilit des
i
suivant les priodes destimation. En effet, ils
peuvent voluer trs fortement. Quelles mthodes destimation utiliser alors pour viter linstabilit des
? Quelle priode considrer ? Lune des solutions la plus intressante est lutilisation du ltre de Kalman
(dont ltude dpasse le cadre de ce cours) permettant de calibrer des trs ractifs : cette technique permet
de sexonrer de linertie propre au Moindres Carrs Ordinaires. Nous renvoyons la section 3.3 pour des
prcisions sur les techniques de rgression.
Le second problme est la signicativit possible de
i
. Thoriquement, le CAPM implique lAbsence
dOpportunit dArbitrage (AOA) entre les actifs, cest--dire quen thorie la relation (1.1) est toujours
vrie. Si cela nest pas le cas, lactif est mal valu et selon lHEM, lanomalie sera rsorbe rapidement
par les arbitrageurs et ne devrait pas perdurer. Nanmoins, dans la ralit, des
i
signicativement non nul
perdurent plus longtemps que prvu par lHEM. Cela peut alors signier deux choses :
Soit le modle nest pas remettre en cause et alors la prime de risque observe, assimile au cot du
capital moins le taux sans risque,
obs
i
est arbitrable mais les arbitrageurs de la thorie ne sont pas aussi
efcaces que prvu. Alors une rentabilit gratuite apparat dans le cas o
i
est par exemple positif :
obs
i
=
i
+
th
i
th
i
=
obs
i
i
. Le modle est suppos bon, donc la prime de risque ex-ante
obs
i
devrait diminuer pour atteindre la prime de risque thorique
th
i
et donc le prix de laction augmenter.
Laction est bien sous-value. Le march est alors inefcient pour lactif i considr. La rentabilit sera
leve puisquune partie gratuite
i
est prsente.
Soit la prime de risque nest pas entirement dcrite par sa seule sensibilit au portefeuille de march.
Dautres facteurs de risque sont certainement valus par les intervenants des marchs. Fama et French
ont ainsi propos un modle dquilibre plus raliste compltant le CAPM des autres facteurs de risque
pouvant tre rmunrs par la prime de risque.
Conseil pratique de gestion
Le CAPM introduit la gestion stylise : en effet, un grant peut segmenter sa gestion suivant la sensibilit
des actions au portefeuille de march. Il pourra ainsi crer un portefeuille dactions dfensives, cest--dire
infrieurs 1, et un portefeuille dactions offensives, suprieurs 1.
En outre, le fait de dterminer des anomalies au CAPM, via des non nuls, peut lui permettre de faire
un stock picking plus efcace en slectionnant des valeurs dont la prime de risque est sous-value par le
CAPM et donc par le march (en supposant que les comportements de ce dernier sont bien dcrits par le
CAPM).
Mesurer les risques nanciers 19
Modle de Fama-French
Le modle de Fama et French [14] dvelopp en 1993 correspond un rafnement du Capital Asset Pricing
Model. Il explique la rentabilit espre dun portefeuille ou dune action E(r
i
) en excs du taux dintrt
sans risque r
f
par la sensibilit de sa rentabilit lesprance de trois facteurs de risque non diversiables :
1. la rentabilit en excs dun portefeuille de march R
M
r
f
(correspondant au facteur de risque du
CAPM),
2. la diffrence entre la rentabilit dun portefeuille dactions de petite taille, la taille tant value par
la capitalisation boursire, et la rentabilit dun portefeuille dactions de grande taille (SMB, Small
Minus Big),
3. la diffrence entre la rentabilit dun portefeuille dactions faible valorisation, la valorisation tant
value par le ratio nancier book-to-market
3
, ces actions sont alors caractrises de Value, et la
rentabilit dun portefeuille dactions importante valorisation nancire, ces actions sont alors ca-
ractrises de Growth (HML, High Minus Low).
Formellement, nous avons lexpression de la prime de risque suivante :
i
= E(R
i
) r
f
=
i
(E(R
M
) r
f
) +s
i
SMB +h
i
HML
Le modle de rgression correspondant scrit :
i
= R
i
r
f
=
i
+
i
(R
M
r
f
) +s
i
SMB +h
i
HML +
i
Les facteurs sont dtermins empiriquement de manire viter loverlapping. Dans ce but, il va falloir
construire six portefeuilles :
< Mdiane Capitalisation Mdiane Capitalisation
dcile 70% book-to-market Small Value Big Value
Small Neutral Big Neutral
< dcile 30% book-to-market Small Growth Big Growth
TABLE 1.1 Six portefeuilles Fama-French
Ainsi, nous pouvons calculer les rentabilits des portefeuilles SMB et HML partir de celles de ces six
portefeuilles :
SMB =
1
3
(Small Value + Small Neutral + Small Growth)
1
3
(Big Value + Big Neutral + Big Growth)
HML =
1
2
(Small Value + Big Value)
1
2
(Small Growth + Big Growth)
Ce modle parvient empiriquement expliquer, souvent entirement, la prime de risque dun portefeuille.
Il amliore donc le CAPM. Nanmoins, dans certaines situations, il est possible de crer des portefeuilles
dont les primes de risque chappent lexplication du modle de Fama-French : il reste alors encore un
i
signicatif. De la mme manire que pour le CAPM, cette anomalie peut signier une inefcience dva-
luation de lactif ou une remise en cause du modle. Dans ce dernier cas, Carhart [8] a ainsi dvelopp un
3. Les actions faible valorisation nancire sont alors celles ayant un fort book-to-market.
20 Risques Financiers et Performance dInvestissement
modle dvaluation incorporant le momentum de prix dun actif (cette anomalie clbre sera expose plus
prcisment dans la section 3.3.1).
Pour terminer cette section sur les modles facteurs, nous allons tudier dans la suite un modle dvalua-
tion sexonrant de lhypothse dAOA du CAPM : le Modle dvaluation par Arbitrage ou Asset Pricing
Theory (APT).
Conseil pratique de gestion
Le modle de Fama-French enrichit la gestion stylise en ajoutant deux segmentations supplmentaires des
actions, en plus du , trs utilises en pratique : la gestion par capitalisation et celle suivant la valorisation
des actions.
Des portefeuilles dactions vont ainsi tre forms suivant la capitalisation en distinguant les petites capita-
lisations (Small Cap) et les grandes capitalisations (Large Cap).
La valorisation va aussi distinguer les actions matures ou de rendement (Value) faisant partie de secteurs
dont la croissance future est relativement faible mais les dividendes distribus levs, et les actions de
croissance (Growth), de secteurs dont lesprance de rendement futur est important.
Mesurer les risques nanciers 21
Asset Pricing Theory
Ross [32] en 1976 proposa un modle dvaluation des actifs saffranchissant des hypothses de normalit et
de mesure du portefeuille de march des modles prcdents. Ce modle contrairement au CAPM sappuie
sur mais nimplique pas lAbsence dOpportunit dArbitrage (AOA). Cest donc une autre approche de
lvaluation des actifs, complmentaire.
Le modle lie formellement lesprance de la rentabilit dun titre ou dun portefeuille i R
i
m facteurs de
risque systmatiques de prime de risque pour chaque facteur j E(R
j
) r
f
:
E(R
i
) = r
f
+
m
j=1
ij
(E(R
j
) r
f
)
Les facteurs sont non corrls entre eux et le modle statistique fait apparatre le risque idiosyncratique
i
:
i
= R
i
r
f
=
m
j=1
ij
(R
j
r
f
) +
i
Le problme est alors de dnir les facteurs communs. Deux faons peuvent tre voques : celle exogne,
explicitant des facteurs macro-conomiques ou nanciers a priori, et celle endogne extrayant des facteurs
inobservables ou latents.
La premire est celle par exemple dorganismes nanciers comme BARRA. Le souci est alors lhypothse
de non-corrlation entre les facteurs : pour rsoudre cela, des mthodes statistiques, comme lAnalyse en
Composantes Principales (ACP) sur les facteurs exognes, peuvent tre alors mises en oeuvre.
La seconde utilise directement les mthodes statistiques comme lACP sur lunivers des titres pour en ex-
traire les facteurs communs. A la diffrence des autres modles tudis prcdemment, les facteurs de risque
sont alors implicites ou latents.
LAnalyse en Composantes Principales en thorie
Nous allons prsenter ici de manire formelle lACP. Rappelons tout dabord les dveloppements originels
de cette mthode pour comprendre ainsi lintrt de lutilisation de cet outil pour valuer les actifs nanciers.
Cet outil statistique sest dvelopp grce la psychomtrie. En effet, dans ce domaine, les variables ex-
plicatives (contrairement lconomtrie) sont rares ; mettre des chiffres derrire le comportement dun
individu subjectif nest pas chose aise. Pour rsoudre ce problme et tout de mme construire des mo-
dles mathmatiques, on suppose que le comportement dun individu est rgi par des facteurs quantitatifs
latents mais difcilement observables. Cest prcisment lobjectif de lAPT : il est difcile de quantier
les comportements nanciers valuant les actifs et lalternative est donc dutiliser des facteurs statistiques.
Lobjectif essentiel de lAnalyse en Composantes Principales (ACP) est dexpliquer les corrlations entre
un nombre lev de variables quantitatives par un nombre plus restreint de facteurs latents ou composantes
principales, qui reprsentent des variables inobservables (cf. [21] et [25]). LACP consiste donc transfor-
mer les p variables dorigine x
1
, . . . , x
p
en p nouvelles variables f
1
, . . . , f
p
(les composantes principales)
de variance maximale, non corrles deux deux et qui sexpriment comme combinaison linaire des va-
riables dorigine.
Soit x le vecteur compos des p variables dtude de la population considre. Nous travaillons sur les
donnes x que nous centrons et qui ont pour matrice de variance-covariance .
La mthode de lACP consiste diagonaliser . Nous obtenons alors =
1
associ la plus grande valeur propre
1
permet alors de construire la premire composante principale
captant la plus importante variabilit.
Les composantes principales (CP) sont donnes par :
f =
x
22 Risques Financiers et Performance dInvestissement
o f est le vecteur des p facteurs latents ou composantes principales f
i
. La variance de la CP i est gale
la valeur propre i.
Nous obtenons au nal le modle factoriel suivant :
x = f
_
_
x
1
.
.
.
x
p
_
_ =
_
11
. . .
1p
.
.
.
.
.
.
p1
. . .
pp
_
_
_
_
f
1
.
.
.
f
p
_
_
Pour chaque variable, nous avons :
x
i
=
p
j=1
ij
f
j
i = 1, . . . , p
Les
ij
reprsentent aussi ce que nous appellerons les factor loadings. Reprsenter ces derniers en fonction
des variables dorigine ou reprsenter les composantes principales revient aux mmes types dinterprtation.
Par souci de parcimonie, nous nallons conserver que les k premiers facteurs avec k < p et nous supposerons
que pour chaque variable, nous avons :
x
i
=
k
j=1
ij
f
j
+
i
i = 1, . . . , p (1.2)
avec
i
=
p
j=k+1
ij
f
j
les rsidus ngligeables.
Ceci nous permet de rduire lensemble des donnes un ensemble plus restreint de facteurs reprsentant
au mieux leur variabilit.
Limites de lAPT
La seule contrainte dans lAPT est donc la linarit entre la rentabilit dun actif et les facteurs de risques
systmatiques non corrls entre eux. Nanmoins, plusieurs problmes apparaissent dans la mise en place
de cette mthode dvaluation.
Dune part, cette mthode nimplique pas lAOA et donc est plus limite que le CAPM pour fournir un
cadre danalyse la prsence ou non darbitrages.
En outre, les facteurs communs sont souvent trs difciles interprter car inobservables. Rgulirement,
lACP va extraire plusieurs facteurs latents dont linterprtation est seulement aise pour le premier facteur,
alors assimilable au portefeuille de march dans le CAPM : la variabilit des titres de lunivers est en
premier lieu relative un facteur commun tous les titres reprsentant la moyenne du march. En effet,
dans lACP, le premier facteur est souvent un facteur de niveau dterminant une moyenne pondre de tous
les actifs. Lobjectif de lAPT de sexonrer du portefeuille de march ne semble donc pas atteint.
Dans la pratique, lAPT peut tre utilise dans la dtermination de facteurs communs parcimonieux mais ne
supplante pas le CAPM, malgr ses hypothses irralistes, car ce dernier propose, contrairement lAPT,
un cadre danalyse de lquilibre rigoureux.
Conseil pratique de gestion
LAPT est dun intrt pratique moins vident que les autres modles facteurs. Les facteurs inobservables
ne permettront pas de styliser la gestion mais seront utiles pour essayer de diversier le portefeuille et ne
pas investir toute sa richesse sur un seul facteur de risque.
Ce souci de diversication sera prcis dans la partie sur lallocation et nous verrons que lAPT pourra
tre utile dans le dtermination de matrices de variance-covariance des actifs ayant de bonnes proprits
mathmatiques.
Mesurer les risques nanciers 23
1.2.3 Mesure synthtique du risque
Les modles facteurs de risque que nous venons dtudier ont un intrt essentiel pour dcrire les sen-
sibilits dun actif nancier ou dun portefeuille un (CAPM) ou trois facteurs de risque (Fama-French).
Linconvnient est la difcult de ces modles apprcier le risque global dun portefeuille compos dac-
tifs htrognes, nayant par exemple pas le mme portefeuille de march : dans ce cas, il est trs difcile
dagrger les diffrentes sensibilits. Il est alors prfrable de dterminer une mesure synthtisant le risque
global du portefeuille. Cette mesure synthtique sera alors issue de la distribution des rentabilits
4
du por-
tefeuille. Lune de ces mesures, trs usite par les praticiens, est la volatilit.
La volatilit
Soit R le vecteur des rentabilits de lactif ou du portefeuille considr. La volatilit note correspond
lcart-type de ces rentabilits :
=
_
E[(R E(R))
2
]
Avant dvaluer ce critre, il faut prciser une spcicit de calcul. Nous observerons dans la suite les vo-
lutions des rentabilits dindices boursiers de priodicit hebdomadaire
5
. Il nous faut pouvoir les comparer
des volatilits calcules sur des priodicits diffrentes, puisque la volatilit augmente avec lintervalle de
temps not dni entre les rentabilits.
Ces dernires sont calcules de la manire suivante. Soit V
P
t
la valeur en t du portefeuille et V
P
t+
la valeur
en t + , alors la rentabilit du portefeuille R
P
t|t+
calcule sur lintervalle de temps est gale :
R
P
t|t+
=
V
P
t+
V
P
t
1.
Ainsi, intuitivement, nous pouvons vrier, comme annonc plus haut, que plus lintervalle de temps va
augmenter, plus les rentabilits auront une valeur absolue importante et donc la volatilit va crotre.
Sous lhypothse de normalit et dindpendance des rentabilits, nous pouvons calculer une volatilit an-
nuelle partir de nimporte quelle priodicit : il suft de multiplier la volatilit par un facteur gal la
racine carre de linverse de lintervalle de temps considr.
Ce dernier vaut suivant les priodicits :
Priodicit Facteur
Quotidienne
1
261
261
Hebdomadaire
1
52
52
Mensuelle
1
12
12
TABLE 1.2 Facteur multiplicatif suivant la priodicit
Le facteur appliqu la priodicit quotidienne est diffrent suivant la zone gographique considre : en
effet, le nombre de jours fris, et donc non trads, diffre suivant le pays.
4. Nous expliquerons lintrt dutiliser les rentabilits dans la section 1.3.1.
5. Cette priodicit est la plus intressante car les donnes quotidiennes possdent trop de bruit et celles mensuelles ne sont pas
assez reprsentatives de la dispersion relle des rentabilits car elles sont alors dmesurment lisses.
24 Risques Financiers et Performance dInvestissement
Un simple exemple va nous permettre dapprhender lintrt de cette mesure. Observons sur un mme
graphique les volutions entre le 8 janvier 1999 et le 8 juin 2007 de lindice europen MSCI Europe et du
taux dintrt Euribor 3 mois, ainsi que de leurs rentabilits hebdomadaires.
6
0
8
0
1
0
0
1
2
0
I
n
d
i
c
e
s
2000 2002 2004 2006
MSCI Europe
Euribor 3 mois
FIGURE 1.1 volutions des indices du MSCI Europe et de lEuribor 3 mois
Nous remarquons sur les Figures 1.1 et 1.2 que la variation des indices et la dispersion des rentabilits sont
plus importantes pour le MSCI Europe que pour lEuribor 3 mois. Ceci va donc se rpercuter automatique-
ment sur lindicateur statistique de dispersion que reprsente la volatilit.
En effet, la volatilit annualise du MSCI Europe sur la priode observe est de 16.99% et celle de lEuribor
3 mois de 0.12%. Il ne fait alors aucun doute que le MSCI Europe est plus risqu que lEuribor 3 mois.
Cette conclusion aurait pu tre tire de la connaissance de ces deux indices : en effet, le MSCI Europe est
compos dactions alors que lEuribor 3 mois est un taux dintrt ayant un risque quasi-nul de perte. Etant
donn quun portefeuille dactions peut subir des pertes potentielles importantes contrairement lEuribor 3
mois, il tait vident que lon aboutisse la conclusion prcdente. Mais la volatilit a permis de quantier
la diffrence de risque de perte des deux indices. A laide de cet indicateur synthtique, nous pouvons
donc hirarchiser les deux indices et dterminer leur niveau de risque de pertes potentielles. Ceci aurait t
difcile raliser avec le CAPM par exemple et sa sensibilit : quel portefeuille de march commun
ces deux indices ? Et quand bien mme ce portefeuille de march aurait t dni, aurait-on t certain des
prsupposs thoriques du CAPM? En effet, dautres facteurs de risque omis nauraient-ils pas t valus
dans la prime de risque ? La volatilit calibre sur les donnes historiques vite ces problmes de modle.
Mesurer les risques nanciers 25
0
.
1
0
0
.
0
5
0
.
0
0
0
.
0
5
0
.
1
0
R
e
n
t
a
b
i
l
i
t
s
2000 2002 2004 2006
MSCI Europe
Euribor 3 mois
FIGURE 1.2 volutions des rentabilits du MSCI Europe et de lEuribor 3 mois
Nanmoins, elle nest pas exempte de tout inconvnient. Effectivement, lorsque les donnes viennent
manquer, il va devenir difcile de calculer une volatilit robuste. Il va falloir alors modliser les rentabilits
des actifs considrs laide dune loi de probabilit (la loi Normale par exemple) ou dun modle sta-
tistique (ARMA-GARCH par exemple). Si nous souhaitons crer un produit nancier nayant pas encore
dexistence et dont nous voulons valuer le risque, il va falloir le modliser pour en dterminer la volatilit.
Le risque de ne pas utiliser un modle adquat entre alors en jeu.
Enn, un dernier dfaut est rvl par la Figure 1.3.
0
.
1
0
0
.
0
5
0
.
0
0
0
.
0
5
0
.
1
0
R
e
n
t
a
b
i
l
i
t
s
2000 2002 2004 2006
MSCI Europe
Euribor 3 mois
Indice 3
FIGURE 1.3 volutions des rentabilits du MSCI Europe, de lEuribor 3 mois et de lindice 3
Nous pouvons observer nouveau les volutions des rentabilits du MSCI Europe et de lEuribor 3 mois
mais aussi dun actif dont la dispersion est plus originale. Les volatilits nous feraient conclure un risque
plus lev de pertes pour le MSCI Europe car la volatilit annualise de lIndice 3 est plus faible et vaut
9.38%. Or il est vident partir de la Figure 1.3 quinvestir dans lIndice 3 est plus dangeureux car des
26 Risques Financiers et Performance dInvestissement
pertes trs fortes peuvent apparaitre avec une probabilit signicative.
Nous observons aussi ces caractristiques partir du graphe des distributions empiriques des deux indices
nanciers MSCI Europe et Indice 3 de la Figure 1.4. Nous avons dtermin, au lieu des histogrammes, les
densits estimes non-paramtriquement par un noyau gaussien. Ainsi, la queue des pertes est plus paisse
pour lindice 3 ce qui est un inconvnient lorsque lon dtermine le risque par la seule volatilit qui est un
indicateur du risque moyen et ne capte donc pas cela.
0.10 0.05 0.00 0.05
0
2
0
4
0
6
0
8
0
1
0
0
MSCI Europe
Indice 3
FIGURE 1.4 Densits des rentabilits du MSCI Europe et de lindice 3
Cet inconvnient va nous permettre de crer une autre mesure synthtique du risque pouvant hirarchiser
les 3 indices plus correctement, cest--dire reconnaissant dans lindice 3 lactif nancier le plus risqu
en termes de pertes potentielles. Cette mesure est le quantile de perte maximale que peut subir lactif ou
le portefeuille avec une probabilit doccurrence faible mais non ngligeable pour linvestisseur : on la
dnomme la Value-at-Risk ou VaR. Ainsi, pour nos trois indices, nous avons les VaR suivantes dnies
avec une probabilit 1% en comparaison des volatilits annualises :
Indice Volatilit annualise VaR 1%
Euribor 3 mois 0.12% 0.04%
MSCI Europe 16.99% 5.77%
Indice 3 9.38% 7.85%
TABLE 1.3 Volatilits et VaR des trois indices
Cela prouve bien que la VaR dtermine une hirarchie correcte du risque de pertes dun actif nancier,
contrairement la volatilit.
Mesurer les risques nanciers 27
La Value-at-Risk
La VaR reprsente une perte potentielle dont il faut dnir la probabilit doccurrence, appele aussi
niveau de conance, ainsi que lhorizon h de dure dinvestissement. Par exemple, une probabilit de 1%
pour un horizon h de un jour revient accepter que la perte potentielle ne dpasse la VaR que 2 3 fois par
an (1 an = 251 jours ouvrs). Lhorizon reprsente la dure sur laquelle nous estimons le risque, cest--dire
le temps ncessaire pour couvrir la position du portefeuille : 1 jour en trading, 1 mois en gestion.
Soit V
P
t
la valeur en t du portefeuille et V
P
t+h
la valeur lhorizon h. La rentabilit du portefeuille R
P
t|t+h
investi la date t et dtenu sur un horizon de dure h a pour expression t 1 :
R
P
t|t+h
=
V
P
t+h
V
P
t
1.
Supposons que R
P
t|t+h
est issu dune variable alatoire note R
P
. La VaR(h, ) est alors dnie par :
P[R
P
VaR(h, )] =
cest--dire la probabilit que la rentabilit du portefeuille soit infrieure la VaR sur un horizon h est gale
6
.
Notons F la fonction de rpartition de la variable alatoire R
P
des rentabilits du portefeuille de priodicit
h. La Value-at-Risk de probabilit doccurrence et dhorizon dinvestissement h est alors le quantile dni
par :
VaR(h, ) = F
1
() (1.3)
Il nous reste alors caractriser la forme de F. De nombreuses formulations sont possibles. Nous nous
intresserons seulement aux plus classiques malgr leurs limites.
La premire solution consiste estimer F par sa distribution empirique : nous obtenons la VaR histo-
rique. Nous estimons alors F non-paramtriquement par sa distribution empirique
F. Supposons que nous
disposons dun historique de T observations des rentabilits. La distribution empirique
F des rentabilits
du portefeuille est alors caractrise partir du vecteur (
R
P
1|1+h
, . . . ,
R
P
T|T+h
)
et
F
1
() correspond au
quantile de probabilit de (
R
P
1|1+h
, . . . ,
R
P
T|T+h
)
.
Lavantage de cette mthode est donc de ne pas imposer dhypothse sur la loi de distribution des rentabili-
ts. Mais le problme qui se pose est la longueur T de lhistorique qui, si elle est trop faible, ne fournit pas
un calcul prcis de la VaR. Nous pouvons alors utiliser la technique du r-chantillonnage ou bootstrap (cf.
Efron [11]).
Nous construisons pour cela une version alatoire de mme taille du vecteur (
R
P
1|1+h
, . . . ,
R
P
T|T+h
)
dans
laquelle les rentabilits du portefeuille peuvent apparatre pour certaines aucune fois, pour dautres une fois,
pour dautres encore deux fois, etc. Ce nouveau vecteur est une version r-chantillonne ou bootstrap du
vecteur dorigine. Nous pouvons alors dterminer la VaR historique de cet chantillon. Nous ralisons B
rplications bootstrap et la VaR historique bootstrap correspond la moyenne des B VaR historiques.
Linconvnient dune VaR historique est aussi lover-tting ou encore la dpendance trop forte lchan-
tillon sur lequel elle a t dtermine, et donc la difcult de cette VaR tre robuste dans le temps.
Pour rsoudre cela, nous allons proposer une deuxime solution ajustant sur les rentabilits un modle
statistique : on parle alors de VaR paramtrique. De manire classique, le choix du modle paramtrique
se porte sur la loi Normale. Supposons donc que les rentabilits du portefeuille R
P
t|t+h
sont issues dune
variable alatoire gaussienne : ainsi, F est dnie par N(,
2
) avec lesprance des rentabilits et
2
la
variance des rentabilits.
6. Les praticiens peuvent aussi dnir le niveau de conance par 1 qui correspond de mme au quantile de probabilit :
ainsi, une VaR 99% par exemple correspond au quantile de probabilit = 1 99% = 1%.
28 Risques Financiers et Performance dInvestissement
Nous obtenons ainsi partir de lquation (1.3) :
_
VaR(h, )
_
=
avec la fonction de rpartition de la loi Normale centre rduite. Nous avons donc :
VaR(h, ) = +
1
()
Nous nallons pas dvelopper dautres modlisations dans ce cours mais il nous parat intressant dintro-
duire les limites de la modlisation gaussienne. En effet, cette mthode repose sur des hypothses irralistes
pour modliser les rentabilits des actifs nanciers puisque trois faits styliss caractrisent leur distribution
et ne sont pas capts par la modlisation gaussienne :
1. lasymtrie : loccurrence de pertes extrmes est plus forte que celle de prots extrmes,
2. les queues paisses,
3. le clustering : par exemple, les rentabilits leves en valeur absolue sont suivies par des rentabilits
leves en valeur absolue.
Les deux premiers faits styliss peuvent sobserver sur la Figure 1.5 laide des QQ-plot et densit de la
queue des pertes de lindice de march franais CAC 40 relativement la loi Normale. Le troisime est
rvl par les grappes de volatilit de la Figure 1.2.
6 4 2 0 2 4 6
1
0
5
0
5
QQplot
Gaussian Quantiles
S
a
m
p
l
e
Q
u
a
n
t
i
l
e
s
12 10 8 6 4
0
.
0
0
0
0
.
0
0
2
0
.
0
0
4
0
.
0
0
6
0
.
0
0
8
Losses tail
CAC 40
Gaussian
FIGURE 1.5 QQ-plot et distribution de la queue des pertes du CAC 40 relativement la loi Normale
Nous terminons cette section sur la VaR par les techniques pour valuer sa justesse. Lvaluation dune VaR
peut se faire de deux manires :
ex-ante, travers les tests dadquation statistiques des modlisations adaptes aux rentabilits nan-
cires (dans le cas de VaR paramtriques),
ex-post, via les backtests : pour les raliser, nous calculons la VaR sur un chantillon dapprentissage et
nous dterminons le nombre dexceptions (rentabilits infrieures la VaR) sur lchantillon de backtest.
Pour que le VaR soit adquate aux donnes de march, il faut que le pourcentage dexceptions soit proche
du niveau de la VaR.
Mesurer les risques nanciers 29
Conseil pratique de gestion
La volatilit et la VaR sont les deux mesures synthtiques du risque les plus utilises en gestion. Un grant
pourra ainsi dterminer le risque global de variation de son portefeuille et le comparer trs rapidement
aux portefeuilles concurrents ayant un style de gestion par exemple similaire.
En outre, un grant pourra aussi distinguer dans son portefeuille les diffrentes contributions des actifs la
volatilit ou VaR globales du portefeuille. Il pourra ainsi peut-tre supprimer un actif dont la contribution
au risque global est trop forte.
30 Risques Financiers et Performance dInvestissement
1.3 Mesurer la performance dinvestissement
Outre le risque essentiel estimer et quantier, il faut aussi, lorsque lon ralise un investissement, mesurer
sa performance : en fait ceci est ce qui intresse en premier lieu tout investisseur. Mais comment mesurer
cette performance ?
1.3.1 Une premire mesure synthtique
Performance dun indice actions
Observons sur la Figure 1.6 lvolution mensuelle de lindice amricain Standard & Poors entre dcembre
1927 et juillet 2007.
0
200
400
600
800
1000
1200
1400
1600
1930 1940 1950 1960 1970 1980 1990 2000
S
&
P
5
0
0
FIGURE 1.6 volution de lindice S&P 500
Fin dcembre 1927, cet indice a une valeur de 17.66 et termine n juillet 2007 1455.27, o il commence sa
baisse avec la crise des subprimes. Si un investisseur avait plac 1 dollar dans cet indice en dcembre 1927,
il aurait accumul jusquen juillet 2007 1455.27/17.66 = 82.40 dollars : il aurait donc multipli sa richesse
initiale par 82.40. Nous pouvons considrer un autre chiffre plus utilis dcrivant non plus la multiplication
du capital initial mais la richesse relative ajoute la richesse initiale (et non pas la seule diffrence de
richesse, mesure absolue, qui sera dautant plus importante que la richesse initiale est leve). Ici ce chiffre
serait gal (82.40 1)/1 = 8140%. Il correspond en fait la rentabilit de linvestissement de 1 dollar en
dcembre 1927. Nous pouvons donc conclure nouveau laide de ce chiffre une performance importante
de linvestissement.
Formellement, si nous notons W
0
la richesse initiale et W
T
la richesse nale, la rentabilit R est gale :
R =
W
T
W
0
W
0
=
W
T
W
0
1
Cette expression est appele rentabilit arithmtique. Lorsque la rentabilit arithmtique est faible et proche
de 0 (ceci est le cas lorsque les donnes sont de priodicit courte, comme des donnes quotidiennes), ce qui
revient ce que le quotient
W
T
W
0
soit proche de 1, nous pouvons utiliser la rentabilit logarithmique, appele
aussi log-rentabilit ou encore rentabilit gomtrique. En effet, nous avons partir dun dveloppement
limit lordre 1 lapproximation suivante :
ln
W
T
W
0
W
T
W
0
1 = R pour
W
T
W
0
1
Mesurer la performance dinvestissement 31
Nanmoins, linconvnient des log-rentabilits est le fait que la log-rentabilit dun portefeuille nest pas
gale la somme des log-rentabilits des actifs le composant, contrairement la rentabilit arithmtique.
Enn, nous avons rduit le taux de rentabilit dun titre au taux de gain en capital. Or il faudrait y ajouter
le taux de rmunration du titre dni par le dividend yield, rapport dividendes sur prix, ce qui donne
lexpression relle de la rentabilit R
suivante :
R
=
W
T
W
0
+D
W
0
= R +
D
W
0
avec D les dividendes sur la priode dinvestissement.
Or le dividend yield peut tre considr comme ngligeable par rapport au taux de gain en capital pour des
priodicits courtes ; cest pour cela que lon rduit souvent la rentabilit ce seul taux.
Justication statistique de lutilisation de la rentabilit
Ce paragraphe intressera les tudiants ayant des connaissances en statistiques labores.
La justication de lutilisation de la rentabilit peut se faire aussi de manire statistique. En effet, tudions
la srie temporelle de lindice S&P 500. Nous y appliquons au pralable la transformation de Box-Cox et
plus particulirement celle du logarithme, dans le but de stabiliser la variance des donnes. Nous pouvons
conclure tout de mme la non-stationnarit de lindice amricain. En effet :
1. la Figure 1.7 rvle une tendance globale la hausse,
2. elle rvle aussi la dcroissance lente des autocorrlations signicativement non nulles de la srie
temporelle des valeurs du S&P 500,
3. et enn le test statistique de Dickey-Fuller augment conclue la prsence dune racine unitaire dans
le processus de lindice et donc sa non-stationnarit. En effet, pour nimporte quel ordre de retard
et pour les trois diffrents modles (cf. Lardic et Mignon [23] pour plus de prcisions), nous avons
des p-value de test trs suprieures 0.9 : on accepte donc lhypothse nulle de prsence de racine
unitaire quivalent la non-stationnarit du processus.
Il nous faut donc stationnariser les donnes en les diffrenciant une fois. Ces nouvelles donnes se rvlent
alors stationnaires :
1. pas de tendance dans la srie temporelle des diffrences premires des logarithmes du S&P 500 (cf.
Figure 1.8),
2. lautocorrlogramme de la Figure 1.8 ne rvle pas de dcroissance lente des autocorrlations,
3. et le test de Dickey-Fuller augment ne rvle pas la prsence dune racine unitaire.
Les diffrences premires de la srie des logarithmes du S&P 500 sont quivalentes aux log-rentabilits.
Nous comprenons alors pourquoi les rentabilits seront des objets adquats la modlisation statistique,
puisquelles se rvlent tre stationnaires en moyenne.
32 Risques Financiers et Performance dInvestissement
1
2
3
4
5
6
7
8
1930 1940 1950 1960 1970 1980 1990 2000
S
&
P
5
0
0
(
l
n
)
-1
-0.5
0
0.5
1
0 5 10 15 20 25
retard
ACF pour S&P 500
+- 1,96/T^0,5
-1
-0.5
0
0.5
1
0 5 10 15 20 25
retard
PACF pour S&P 500
+- 1,96/T^0,5
FIGURE 1.7 volution de lindice S&P 500 en log et autocorrlogrammes
0.4
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
1930 1940 1950 1960 1970 1980 1990 2000
l
o
g
r
e
n
t
a
b
i
l
i
t
s
S
&
P
5
0
0
1
0.5
0
0.5
1
0 5 10 15 20 25
retard
ACF pour logrentabilits S&P 500
+ 1,96/T^0,5
1
0.5
0
0.5
1
0 5 10 15 20 25
retard
PACF pour logrentabilits S&P 500
+ 1,96/T^0,5
FIGURE 1.8 volution des diffrences premires lindice S&P 500 en log et autocorrlogrammes
Mesurer la performance dinvestissement 33
1.3.2 Mesures de rentabilit ajuste du risque
La rentabilit est donc une trs bonne mesure de la performance. Mais seule elle nest pas sufsante pour
juger de la bonne ou mauvaise performance dun investissement.
Supposons deux investissements A et B ayant au mme horizon dun an une rentabilit semblable. Nan-
moins, le risque pris par linvestisseur pour linvestissement A est relativement faible (volatilit ou VaR
faible) alors que celui pris par linvestisseur B est beaucoup plus lev. Ce dernier ne va donc pas tre
satisfait de la performance de son investissement puisquil aurait pu prendre moins de risque pour le mme
gain avec linvestissement A.
Une judicieuse mesure de la performance doit donc prendre en compte le risque rmunr par la rentabilit
de linvestissement. Cest ainsi que nous allons utiliser des mesures de la rentabilit ajuste du risque.
Nous avons plusieurs possibilits suivant que linvestisseur mesure sa performance de manire absolue ou
relative un benchmark.
Mesure absolue
Ces mesures valuent la performance sans rfrence un benchmark. Nous prsentons deux ratios :
1. Le ratio de Sharpe S
i
pour un portefeuille i, dni par Sharpe en 1966, mesure la rmunration par
linvestissement, en excs du taux sans risque r
f
, dune unit de risque, mesur par la volatilit :
S
i
=
E(R
i
) r
f
(R
i
)
. Une alternative au ratio de Sharpe peut tre propose avec le risque non plus
mesur par la volatilit mais la VaR (en rentabilit) : S
i
=
E(R
i
) r
f
|VaR
i
|
.
2. Le ratio de Treynor mesure le rapport entre lexcs de rentabilit de linvestissement et son risque
systmatique dtermin par le issu du CAPM : T
i
=
E(R
i
) r
f
i
.
Mesure relative
Ces mesures valuent la performance en rfrence celle dun benchmark. Nous proposons dans ce cours
deux ratios :
1. Lalpha de Jensen
i
pour un portefeuille i, dni par Jensen en 1968, est gal la constante du
modle de march :
i
= [E(R
i
) r
f
] [
i
(E(R
B
) r
f
])]. Cet indicateur mesure donc la part de
la rentabilit non prvue par le CAPM et que lon peut accrditer linvestisseur grant son capital,
qui, si
i
> 0, a pu battre son benchmark de rentabilit R
B
. Le ratio de Black-Treynor
i
i
permet de
comparer des investissements de benchmarks diffrents.
2. Le ratio dinformation sapparente un ratio de Sharpe sur les rentabilit et risque rsiduels en excs
du benchmark : IR
i
=
E(R
i
) E(R
B
)
(R
i
R
B
)
. Le dnominateur est appel tracking-error volatility et par
abus de langage tracking-error ou TE : une valeur faible de la tracking-error signie que le risque
de linvestissement est proche de celui de son benchmark. Lobjectif pour un grant benchmark est
bien entendu davoir un IR lev, ce qui signie prendre des risques similaires au benchmark tout en
ayant une rentabilit plus leve. Tout le problme est de savoir si le benchmark est efcient : dans le
cas contraire, le battre serait relativement ais !
Ces diffrents ratios peuvent avoir des insufsances comme le fait dtre dpendants pour certains du CAPM
dont nous avons vu les limites plus haut. Nanmoins, ils restent trs utiliss par les grants pour dterminer
la performance de leurs investissements.
34 Risques Financiers et Performance dInvestissement
Conseil pratique de gestion
Le ratio de Sharpe et la ratio dinformation sont les mesures les plus utilises par les grants. Avoir un
ratio de Sharpe par exemple de 1 signie une performance du portefeuille importante.
Cette partie sur le risque et la performance a ainsi pu dvelopper certaines techniques de style de gestion,
et de mesure du risque et de la performance. A ce stade des connaissances, il est possible de grer un
portefeuille de manire relativement efcace. Nanmoins, pour amliorer cette gestion, il va falloir porter
un intrt non ngligeable la construction de lallocation.
CHAPITRE 2
ALLOCATION
2.1 Allocation efciente de Markowitz
Bernstein [5] afrme que "lintuition la plus clbre de lhistoire moderne de la nance et de linvestisse-
ment se trouve dans un court article intitul Portfolio Selection". Cet article [26] est crit par Markowitz en
1952. Il pose les bases de la Thorie Moderne du Portefeuille (cf. Aftalion, Poncet et Portait [1], Viviani
[34], et Fabozzi, Focardi et Kolm [12] pour une revue de la TMP).
Nous allons dans cette section tudier de manire assez quantitative mais claire, en donnant chaque fois
toutes les tapes des dmonstrations mathmatiques, la construction de portefeuilles suivant les prceptes
de Markowitz. Avant dentrer dans le calcul proprement dit de lallocation optimale, nous allons introduire
les principes essentiels daversion au risque et de diversication.
2.1.1 Critres de rentabilit et de risque pour la slection dun portefeuille
La thorie de Markowitz est une thorie normative, cest--dire quelle dcrit le comportement que devrait
suivre sous certaines hypothses un investisseur rationnel pour construire un portefeuille dans un univers
incertain. Il conclut quun investisseur optimise le couple rentabilit-risque de son portefeuille.
Pourtant, la premire intuition est de choisir un portefeuille dactifs qui a lesprance de rentabilit la plus
leve : ce principe est appel le critre de Pascal. Une telle hypothse est en ralit trop simpliste car le
risque de perte dun portefeuille est primordial dans le choix de linvestisseur. Ceci a dj t introduit dans
la section 1.3.2 sur les mesures de performance.
Mais nous pouvons lillustrer aussi par le clbre paradoxe de Saint-Ptersbourg imagin par Bernoulli au
18
ime
sicle. Une pice non truque est lance autant de fois i quil est ncessaire pour que le ct face
apparaisse. Lorsque le ct face sort, le jeu sarrte et le joueur reoit 2
i
euros. Quelle est la mise initiale
pour que le jeu soit quitable ? Si nous calculons ce droit dentre sur la seule esprance E de gain du jeu,
alors la participation devient prohibitive puisquelle est innie.
En effet, le jeu est compos dun nombre inni dnombrable de gains x = [2, 2
2
, . . . , 2
i
, . . .] qui ont
les probabilits doccurrence correspondantes =
_
1
2
,
1
2
2
, . . . ,
1
2
i
, . . .
_
. Selon le critre de Pascal, le cot
dentre serait gal lesprance de gain du jeu :
E =
+
i=1
i
x
i
=
+
i=1
1
2
i
2
i
=
+
i=1
1 = +
Personne naccepterait de donner cette somme innie ! Or, le droit dentre la plupart du temps propos
ce jeu est une petite somme. Cela signie que dautres facteurs, autre que lesprance de rentabilit,
interviennent dans la dcision du joueur.
35
36 Allocation
Nous avons recours alors la notion de fonction dutilit, intgrant la dcroissance de lutilit marginale
(fonction dutilit concave) : 1000 euros de plus lorsque lon possde dj 1000 euros nest pas 2 fois plus
utile au joueur et donc il ne sera pas prt sacrier en droit dentre la mme somme plus le jeu progressera.
Laversion au risque est une notion essentielle pour comprendre la dcision du joueur.
Ainsi, il en est de mme pour un investisseur qui slectionnera le portefeuille qui lui procurera lesprance
dutilit la plus leve. Cette esprance dutilit sera une fonction de lesprance de rentabilit et du risque
induit par le portefeuille.
2.1.2 Principe de la diversication
Le principe de la diversication dans la slection dun portefeuille relve du vieil adage : "Ne jamais mettre
tous ses oeufs dans le mme panier". Un exemple simple mais rducteur des bienfaits de la diversication
peut tre donn lorsque nous calculons la variance dun portefeuille compos dactifs indpendants. Soit
R
P
la rentabilit dun portefeuille qui-pondr compos de N actifs risqus de rentabilit R
i
non corrls.
Nous avons R
P
=
1
N
N
i=1
R
i
. La variance V(R
P
) du portefeuille, que nous utiliserons comme mesure du
risque
1
, a pour expression daprs le Thorme Central Limite :
V(R
P
) =
1
N
2
N
i=1
V(R
i
) =
1
N
2
N
2
=
2
N
0 pour N +.
Plus le nombre dactifs crot, plus la variance du portefeuille diminue. Le risque dcrot avec la diversica-
tion. Nanmoins, dtenir un nombre inni dactifs non corrls est irraliste.
Mais tant donn que leur corrlation nest souvent pas parfaite (cest--dire gale 1), il est possible de
diminuer son risque en diversiant son investissement. En effet, soient X et Y 2 variables alatoires dont
le coefcient de corrlation linaire est (1 1). Si nous mesurons le risque par la volatilit, nous
avons :
2
X+Y
=
2
X
+
2
Y
+ 2
X
Y
= (
X
+
Y
)
2
+ 2( 1)
X
Y
Ainsi,
X+Y
X
+
Y
. Si les actifs varient trs diffremment suivant les volutions des marchs, il est
possible de construire un portefeuille de risque plus faible que la somme des risques des actifs le composant.
Nous allons voir dans la suite comment dterminer le portefeuille optimal avec un nombre ni N dactifs
partir de lesprance de rentabilit et du risque (critre moyenne-variance).
2.1.3 Construction dun portefeuille optimal
Dans la multiplicit de choix proposs linvestisseur en termes de rentabilit et variance de portefeuille,
Markowitz introduit la notion de portefeuille efcient. "Qui ne risque rien na rien" : pour obtenir une
esprance de rentabilit plus leve, il faut accepter un risque plus important. Le risque est leffort ncessaire
lobtention dune rentabilit. Un portefeuille efcient est celui qui offre la rentabilit attendue la plus forte
pour un niveau de risque donn, ou qui a le risque le plus faible pour une rentabilit attendue donne.
Lensemble des portefeuilles efcients de lunivers dactifs considr forme la Frontire Efciente.
Nous allons distinguer deux cas pour dterminer la frontire efciente suivant la prsence ou non dun
actif sans risque. Nous nous inspirons de larticle de Merton [27] de 1972 pour les dmonstrations qui vont
suivre.
1. Nous avons vu prcdemment que la variance ntait pas une bonne mesure des risques extrmes. Le dveloppement de slection
de portefeuille partir de la VaR est envisageable mais nest pas lobjet de cette section.
Allocation efciente de Markowitz 37
Avant tout voici quelques brefs rappels mathmatiques :
V(AX) = AV(X)A
V(A+X) = V(X)
X
A
X
= A
X
AX
X
= 2AX si A est symtrique
(AB)
= B
= D si D est un scalaire
AB = C A
1
AB = A
1
C B = A
1
C si A est inversible
Absence dun actif sans risque
Frontire efciente
La dtermination des poids optimaux se fait suivant la minimisation de la variance du portefeuille sous la
contrainte dune rentabilit objectif
p
et le fait que la somme des poids est gale 1. Formellement, nous
avons :
min
=
p
e = 1
avec le vecteur de poids des actifs composant le portefeuille, le vecteur des rentabilits des actifs,
la matrice de variance-covariance des rentabilits des actifs, symtrique et dnie positive
2
, et e =
[1 1 . . . 1]
.
Rsoudre ce problme de minimisation nous permet de dnir lquation de la frontire efciente dnie
par Markowitz. Nous dterminons pour cela le lagrangien :
L =
+
1
(
p
) +
2
(1
e)
avec
1
et
2
les multiplicateurs de Lagrange. La condition doptimalit du premier ordre scrit :
L
= 2
1
2
e = 0 =
1
2
1
+
2
2
1
e (2.1)
En combinant avec les 2 contraintes, nous avons :
_
=
p
e = 1
_
=
p
e
= 1
_
1
1
+
2
1
e = 2
p
1
e
1
+
2
e
1
e = 2
Nous posons les constantes suivantes :
A = e
1
=
1
e, B =
1
, et C = e
1
e.
Le systme rsoudre en
1
et
2
devient :
_
1
B +
2
A = 2
p
1
A+
2
C = 2
Nous obtenons nalement les expressions des multiplicateurs de Lagrange suivants :
BC
1
A
2
1
= 2C
p
2A
1
= 2
C
p
A
D
A
2
2
BC
2
= 2A
p
2B
2
= 2
B A
p
D
2. est dnie positive signie que x R
n
, x
x 0 et x
p
= g +h
p
avec g =
1
D
[B(
1
e) A(
1
)] et h =
1
D
[C(
1
) A(
1
e)].
Il est commode de reprsenter la frontire efciente, cest--dire lensemble des portefeuilles efcients,
dans le plan (
p
,
p
) avec (cf. Figure 2.1
3
) :
p
=
_
p
=
1
2
1
+
2
2
e
1
_
p
=
_
1
2
p
+
2
2
e
p
=
_
1
2
p
+
2
2
=
_
1
D
_
C
2
p
2A
p
+B
_
La partie de la frontire efciente situe en-dessous du point o lcart-type est minimum (correspondant,
nous le verrons dans le paragraphe suivant, au portefeuille GMV) nest bien entendu pas optimale puisquil
est possible dobtenir, pour un mme risque, une rentabilit plus leve.
Portefeuille global de variance minimum
Outre cette quation dnissant lensemble des portefeuilles efcients, nous pouvons dterminer le porte-
feuille ayant la variance la plus faible. Nous lappelons le portefeuille global de variance minimum (Global
Minimum Variance ou GMV). Il se calcule partir du programme doptimisation suivant :
min
e = 1
Le lagrangien scrit alors :
L =
+(1
e)
La premire condition doptimalit nous donne la relation suivante :
L
= 2 e = 0 =
2
1
e (2.2)
En la combinant avec la contrainte, nous obtenons :
2
e
1
e = 1 =
2
C
Ainsi, nous avons les poids du portefeuille GMV
g
suivants :
g
=
1
C
1
e
Nous avons aussi les expressions de la rentabilit moyenne
g
et de lcart-type
g
du portefeuille GMV
suivantes :
g
=
g
=
A
C
g
=
_
g
=
_
1
C
3. Les frontires efcientes de la Figure 2.1 sont dtermines laide dun cas particulier issu de loptimisation dun portefeuille
compos de 3 indices actions.
Allocation efciente de Markowitz 39
Prsence dun actif sans risque
Frontire efciente
Avec la prsence dun actif sans risque, la contrainte de somme des poids gale 1 nest plus ncessaire
puisquil sera investi (1
sous la contrainte :
+ (1
e)r
f
=
p
avec r
f
la rentabilit de lactif sans risque. Le lagrangien scrit :
L =
+(
p
(1
e)r
f
)
Nous diffrencions L par rapport et annulons cette drive 0 :
L
= 2 ( r
f
e) = 0 =
2
1
( r
f
e) (2.3)
En combinant avec la contrainte, nous avons :
+ (1 e
)r
f
=
p
2
1
( r
f
e)
2
e
1
( r
f
e)r
f
=
p
r
f
2
=
p
r
f
( r
f
e)
1
( r
f
e)
Ainsi, nous avons daprs lquation (2.3) les poids du portefeuille de variance minimum
p
gaux :
p
=
p
r
f
( r
f
e)
1
( r
f
e)
1
( r
f
e) = c
p
1
( r
f
e)
Et si nous dnissons les notations suivantes : = r
f
e,
A = e
1
,
B =
1
, nous obtenons :
p
=
p
1
(2.4)
avec c
p
=
p
B
.
Lcart-type de ce portefeuille a pour expression :
p
=
_
p
=
2
p
B
=
_
1
B
|
p
|
ce qui nous donne lquation de la frontire efciente. Nous remarquons que cette dernire est une droite
croissante lorsque
p
> r
f
et dcroissante lorsque
p
< r
f
. Ce second cas nest bien entendu pas optimal
puisque pour un mme risque, nous pouvons obtenir un rendement plus lev.
La frontire efciente (cf. Figure 2.1) se rduit ainsi la tangente croissante la frontire efciente des
actifs risqus et ayant pour origine le taux sans risque. Nous appelons cette droite la Capital Market Line.
Nous pouvons observer que lintroduction de lactif sans risque amliore sensiblement le ratio de Sharpe
des portefeuilles puisque pour un mme risque, il est possible dobtenir un rendement plus lev.
40 Allocation
Portefeuille tangent
Dans lensemble des portefeuilles efcients avec la prsence dun actif sans risque, il existe un portefeuille
uniquement compos dactifs risqus. Ce portefeuille est lintersection de la frontire efciente dtermine
avec labsence dun actif sans risque avec celle dtermine prcdemment avec la prsence dun actif sans
risque. tant donn que cette dernire est une droite, le portefeuille compos uniquement dactifs risqus,
appel portefeuille de march, est le portefeuille tangent. Nous ajoutons lquation (2.4) donc la contrainte
de somme des poids gale 1 pour obtenir lexpression de ses poids.
Ainsi, ses poids
q
sont tels que :
q
e = 1 e
q
= 1
c
q
e
1
= 1
c
q
=
1
A
Ainsi,
q
=
1
1
Et lesprance de rentabilit en excs du taux sans risque et lcart-type du portefeuille tangent ont pour
expression :
q
=
q
=
q
=
_
q
=
A
2
Il est intressant de prciser pour conclure que ce portefeuille tangent est celui qui a le ratio de Sharpe
maximum, parmi les portefeuilles composs uniquement dactifs risqus, gal :
S
q
=
q
q
=
_
B
En effet, le portefeuille tangent appartient bien la droite la plus pentue, parmi celles issues de lorigine r
f
et coupant la frontire efciente des actifs risqus.
0.00 0.05 0.10 0.15 0.20 0.25 0.30
0
.
0
0
0
.
0
5
0
.
1
0
0
.
1
5
0
.
2
0
Ecarttype
E
s
p
r
a
n
c
e
GMV
Tangent
Rf
Sans actif sans risque
Avec actif sans risque
FIGURE 2.1 Frontires efcientes
Allocation efciente de Markowitz 41
Frontire efciente avec un paramtre daversion au risque
Il est possible aussi de construire la frontire efciente des actifs risqus laide dune formulation diff-
rente mais trs utilise en pratique. Nous allons alors tenter de maximiser lutilit dun investisseur rationnel
qui sera caractris par un paramtre daversion au risque >0
4
.
Le portefeuille ainsi obtenu est le portefeuille optimal qui maximise lesprance de lutilit de linvestisseur
E[U(W)] avec W la richesse de linvestisseur. Dans le cadre thorique de Markowitz, il est utilis une
fonction dutilit quadratique. Maximiser cette fonction objectif revient maximiser, par rapport , la
fonction doptimisation de moyenne-variance :
max
E[U(W)] max
_
Nous remarquons que plus lindividu est averse au risque ( crot), plus le risque du portefeuille optimal
pnalise son esprance de rentabilit : le portefeuille maximis est donc moins risqu. La maximisation sans
contraintes de cette fonction a pour solution les poids optimaux
=
1
1
Ces derniers sont dtermins laide de la rsolution de loptimisation dune fonction quadratique qui
annule la drive premire en et a une drive seconde ngative, ce qui implique sa maximisation.
Le portefeuille tangent est dtermin pour une aversion au risque : =
A = e
1
.
Des contraintes peuvent tre ajoutes et les poids optimaux son alors obtenus laide de mthodes de
maximisation numriques de lutilit. Des exemples de contraintes sont linterdiction de vente dcouvert,
les poids ne peuvent alors pas tre ngatifs, ou encore limpossibilit de recourir leffet de levier, cest-
-dire que linvestissement est auto-nanc et le poids dans lactif sans risque ne doit donc pas tre ngatif
(pas demprunt).
Limites de loptimisation de Markowitz
Nous allons prsenter 4 limites loptimisation de portefeuille suivant Markowitz qui nous semblent essen-
tielles :
1. La premire concerne la modlisation statistique sous-jacente loptimisation moyenne-variance :
effectivement, rduire les actifs leur moments dordre 1 (moyenne) et 2 (variance) revient mod-
liser les actifs du portefeuille optimal par une loi gaussienne. Or certains actifs ne sont pas gaussiens
et peuvent avoir des prols de distribution trs diffrents : loptimisation de Markowitz fournira alors
des rsultats peu cohrents avec la ralit. Nous pensons aux actions risques mais aussi aux titres de
crances qui devraient tre modlises plus prcisment.
2. La deuxime est la dpendance de loptimisation de Markowitz lestimation des rendements moyens.
Ces rendements estims pour une priode dallocation peuvent voluer court-terme : or un change-
ment trs faible de la moyenne des rendements aura des consquences dmesurment importantes sur
lallocation, ce qui semble ennuyeux dans la pratique. Loptimisation est donc relativement instable.
3. La troisime survient lorsque le nombre dactifs prols similaires est trs importants. Alors la ca-
ractristique dnie positive de la matrice de variance-covariance peut tre mise mal. Des mthodes
dextraction de facteurs communs (ACP) ou de shrinkage peuvent alors dterminer une matrice de
variance-covariance plus facile utiliser. LAPT (section 1.2.2) peut ainsi tre utilise pour dter-
miner les facteurs latents et calculer une matrice de variance-covariance sur ces facteurs de risque
orthogonaux.
4. La calibration de cette aversion nest pas vidente. Elle diffre fortement entre les individus. Nous pouvons nanmoins dtermi-
ner un coefcient moyen. Considrons le portefeuille de march de rentabilit en excs du taux sans risque R
M
r
f
et de volatilit
M
. Alors, nous dnissons =
R
M
r
f
2
M
.
42 Allocation
4. La dernire limite est oprationnelle : en effet, les optimisations tudies prcdemment donnent des
solutions simples mais dans la ralit les contraintes sur les poids sont plus nombreuses et rendent
loptimisation difcile. En effet, rgulirement, un investisseur peut vouloir mettre des limites dachat
ou de vente sur certaines classes dactifs (on peut penser par exemple aux actions des pays mergents
qui sont plus risques et dont on peut vouloir limiter lallocation). Les contraintes vont alors inuencer
fortement les allocations qui ne seront alors plus si optimales que prvues...
Nous allons prsenter dans la suite deux mthodes dallocation innovantes permettant de dpasser ces li-
mites de loptimisation de Markowitz.
La premire va permettre dviter la deuxime limite de dpendance de lallocation lestimation des
rendements moyens : Black et Litterman ont ainsi propos une modlisation plus robuste lestimation des
rendements, que nous prsentons en section 2.2.
La deuxime mthode est une mthode probabiliste dont nous allons prsenter succinctement les enjeux en
section 2.3. Nous pourrons alors amliorer loptimisation en ralisant des simulations Monte Carlo laide
de modlisations des actifs du portefeuille optimiser plus adquates que la loi gaussienne.
Conseil pratique de gestion
La mthodologie de Markowitz, dans des conditions de normalit des actifs, permet au grant de xer les
poids de son portefeuille selon la contrainte quil sest xe dobjectif de rentabilit par exemple. Ainsi, il
est possible de combiner les connaissances pratiques de la premire partie avec lallocation efciente de
Markowitz : dans la gestion stylise par exemple dactions dfensives, nous allons pouvoir dterminer les
poids optimaux entre toutes les actions ayant un infrieurs 1 qui ont t slectionnes. Cette allocation
que lon appelle stratgique, dtermine sur un horizon de moyen-terme, sera certainement ajuste suivant
les conditions de march : ce sera lallocation tactique, dont nous allons prsenter un outil quantitatif dans
la section suivante.
Allocation tactique Black-Litterman 43
2.2 Allocation tactique Black-Litterman
Tout dabord, dnissons lallocation tactique relativement lallocation stratgique. La diffrence entre
ces deux types dallocation est dordre temporel. Plus prcisment, lallocation stratgique va tre dnie
pour un horizon de temps relativement long (1 3 ans) et lallocation tactique pour un horizon plus court (1
3 mois). Cette dernire sera donc un ajustement de lallocation stratgique aux conditions conjoncturelles
du march.
Loptimisation de Markowitz tant trs sensible aux volutions mmes faibles des estimations des ren-
dements moyens, Black et Litterman ont propos une version plus robuste de loptimisation moyenne-
variance.
2.2.1 Principe gnral
Black et Litterman ont dvelopp en 1990 un modle dallocation quantitatif exible sur lequel nous
pouvons affecter des vues de sur ou sous-valuation sur les actifs. Les poids optimaux qui en ressortent
conjuguent donc le portefeuille stratgique original (considr comme portefeuille dquilibre) et le porte-
feuille issu des vues.
Lapproche Black-Litterman dallocation tactique est intressante diffrents niveaux :
1. cest une approche originale, exible et scientiquement robuste dallocation tactique, qui conjugue
portefeuille stratgique et vues tactiques.
2. il est possible de la complter par des contraintes propres au processus dallocation tactique.
Les inputs principaux ncessaires la dtermination du portefeuille tactique sont les vues (issues des cono-
mistes ou de modles quantitatifs de prvision) sur les actifs composant le portefeuille stratgique ainsi que
lallocation stratgique du portefeuille. A partir de cette dernire, nous calculons les rentabilits implicites
correspondantes, en excs du taux sans risque :
=
les allocations
stratgiques du portefeuille.
Les vues que nous obtenons sur les diffrents actifs vont faire dvier les rentabilits implicites dans le sens
appropri. Ceci dtermine alors ce que nous appelons les rentabilits mixtes de Black-Litterman, qui ont
pour expression
5
:
=
_
()
1
+P
1
P
1
_
()
1
+P
1
PQ
=
A
A+B
+
B
A+B
Q
est un paramtre de conance dans les vues : plus est faible, plus nous aurons conance dans le por-
tefeuille stratgique et moins dans les vues. La matrice P dtermine la prsence dune vue sur un actif et
nous dcidons de la dnir comme une matrice identit : nous faisons donc lhypothse que nous avons
pour chaque actif une vue, et que cette dernire peut-tre neutre. contient les incertitudes attaches aux
notes (homogne la variance de lactif) et Q les rentabilits espres des vues. Les rentabilits mixtes
rsultent ainsi dune moyenne pondre entre les rentabilits dquilibre et celles associes aux vues Q.
Cest partir de ces esprances de rentabilits que nous dterminons un portefeuille optimis, sous diff-
rentes contraintes. Le fait de pondrer le portefeuille stratgique et le portefeuille issu des vues permet de
rendre plus robustes les allocations dtermines, que nous contrlons alors plus prcisment, relativement
linstabilit de loptimisation de Markowitz.
Les poids
5. Nous ne donnons pas ici la dmonstration de ce calcul qui peut tre dtermin partir par exemple dune application des
Moindres Carrs Gnraliss (cf. [12]).
44 Allocation
2.2.2 Mise en place pratique
Paramtre daversion au risque
Nous pouvons calibrer le paramtre daversion au risque partir de la formulation suivante :
=
PP
e
Nous conseillons nanmoins dajuster ce paramtre de conance entre 5% et 10%.
Obtenir les rentabilits des vues partir de notes
Il peut arriver que les vues associes chaque actif i ne soient pas sous la forme dune rentabilit mais
dune note n
i
{2; 1; 0; +1; +2}.
Il faut alors transformer les notes des vues sur les actifs en rentabilits pour obtenir le vecteur Q. Pour cela,
nous dterminons une relation linaire entre la rentabilit de la vue Q
i
et celle implicite
i
de la manire
suivante :
Q
i
=
i
+n
i
i
avec un facteur multiplicatif correspondant la probabilit derreur de dispersion des rentabilits par
rapport lincertitude associe la vue quantie par n
i
i
. Nous xons souvent entre 0.3 et 0.5.
La contrainte de risque bta
Il est possible dajouter des contraintes loptimisation tactique. Une des contraintes que nous privilgions
dans ce cours est celle dobtenir un bta similaire entre lallocation stratgique et lallocation tactique,
cest--dire la mme exposition au facteur de march, ce qui est assez usit dans la pratique.
Nous dnissons alors le bta
BL
suivant :
BL
=
Rappelons que
t
_
avec t le pas de temps de discrtisation retenu et une variable alatoire de loi normale centre rduite.
Nous pouvons aussi utiliser une discrtisation approximative laide dun schma dEuler. Le schma
dEuler scrit alors :
S
t+t
=
S
t
(1 +t +
t)
avec
S la discrtisation approximative de lindice actions.
Concrtement, nous gnrons des nombres alatoires tire dune loi Normale centre rduite et partir de
ces derniers, nous appliquons la formule de discrtisation pour obtenir un chemin particulier de lindice
actions. Il nous faut maintenant estimer les valeurs et .
Calibration
Nous utilisons la mthode du Maximum de Vraisemblance.
Tout dabord rappelons que les rentabilits R
t|t+t
=
S
t+t
S
t
1 de lindice actions suivent la loi Normale
suivante :
R
t|t+t
N
__
2
2
_
t ;
2
t
_
La log-vraisemblance scrit alors :
l
t
(R
t|t+t
; , ) =
1
2
_
ln(2) + ln S
2
+
_
R
t|t+t
M
_
2
S
2
_
1 t T
avec T lhorizon de lchantillon de donnes, S
2
=
2
t et M =
_
2
2
_
t.
La log-vraisemblance peut tre considre comme la probabilit dobservation de lchantillon. Lestima-
tion va alors avoir pour objectif la maximisation de cette probabilit dobservation : en effet, puisque nous
avons observ lchantillon, cest que sa probabilit dapparition est forte. Nous pouvons estimer alors le
vecteur des paramtres = (, )
= argmax
T
t=1
l
t
()
Nous obtenons les estimateurs suivants :
M =
1
T
T
t=1
R
t|t+t
S
2
=
1
T
T
t=1
_
R
t|t+t
M
_
2
Allocation dun portefeuille par simulations Monte Carlo 47
Modlisation de lindice obligataire
Avant tout dnissons une obligation pour comprendre les enjeux de la modlisation qui suivra.
Dnition dune obligation
Les obligations sont des titres de dette pour les entreprises et de crances pour les souscripteurs. Les obliga-
tions sont mises sur un march primaire un taux xe gnralement et ngocies sur un march secondaire
avec un prix voluant en fonction des taux mis sur le march primaire. La socit sengage rembourser le
capital emprunt une chance dtermine et verser un intrt annuel. Les droits sont donc moins levs
que pour les actions mais les cranciers seront prioritaires lors du remboursement suite un dfaut de la
socit.
Lobligation est caractrise par neuf lments :
1. la valeur nominale ou faciale V dnie lmission et partir de laquelle sont calculs les intrts
ou coupons verss,
2. la maturit T, dnissant la date de remboursement de lemprunt obligataire,
3. la valeur dmission qui peut tre gale la valeur nominale, lmission est alors au pair, ou en-
dessous caractrisant une prime lmission,
4. la valeur de remboursement, gal ou suprieur la valeur nominale, et dans ce dernier cas, il existe
donc une prime de remboursement,
5. le coupon C, dnissant le montant des intrts verss,
6. le taux nominal ou facial, il dnit la valeur du coupon et donc le revenu de lobligation. Il peut tre
xe ou variable,
7. le taux de rendement actuariel r
t
, dnissant le rendement rel suite aux variations de taux sur le
march secondaire au temps t,
8. la date de jouissance : date partir de laquelle les intrts son calculs,
9. la date de rglement : date laquelle lemprunt est liquid.
La valorisation V
t
dune obligation en t va tre gale la somme actualise de ses ux futurs F composs
des coupons et du remboursement nal :
V
t
=
T
=t+1
F
(1 +r
t
)
t
=
T1
=t+1
C
(1 +r
t
)
t
+
V
(1 +r
t
)
Tt
La valeur de lobligation va voluer de manire oppose celle du taux de rendement actuariel : si les
taux montent (baissent), la valeur de lobligation sur le march secondaire va diminuer (monter). Pour
quantier cette sensibilit de la valeur de lobligation la variation des taux, nous allons utiliser un concept
fondamental : la duration.
La duration a t introduite par Macaulay en 1938 qui cherchait comparer lvolution des taux longs avec
celle des taux courts. Rduire la diffrence entre ces taux la maturit ne lui semblait pas adquat car ctait
rduire la dure de lchancier son dernier ux. Par exemple, la dure dun zro-coupon de maturit 10
ans est simple estimer puisque donnant lieu un ux unique, la dure de lchancier est 10 ans. Or pour
une obligation de mme maturit mais donnant droit un coupon annuel, ceci ne semble pas tre juste :
puisque des remboursements sont faits avant la maturit, la duration de lchancier des ux nanciers
devra tre infrieure celle du zro-coupon. Macaulay va alors pondrer les diffrentes maturits des ux
nanciers de lobligation pour dterminer la duration. Hicks en 1946 va exprimer cette dernire en fonction
de la sensibilit dun titre obligataire au taux de rendement actuariel. Nous obtenons lexpression suivante
de la sensibilit S de la valeur de lobligation V au taux r, en t = 0, en drivant la variation relative de cette
valeur V conscutive la variation du taux r :
S =
dV
V
1
dr
=
1
1 +r
T
=1
F
V (1 +r)
=
1
1 +r
T
=1
=
D
1 +r
48 Allocation
Nous obtenons ainsi lexpression de la duration D comme une moyenne pondre des maturits des ux
nanciers. La somme des poids
D
1 +r
long
t
_
r
long
t+t
r
long
t
_
_
avec r
long
t
le taux long gal :
r
long
t
= sp
t
+r
court
t
avec sp
t
le spread ou cart entre le taux long et le taux court.
Il va falloir alors sintresser la modlisation de ce spread. Sur la Figure 2.2, nous pouvons observer que
le prol dun spread semble intgrer un phnomne de retour la moyenne. Nous allons donc proposer une
modlisation correspondant ce phnomne via un processus de Vasicek qui suit lEDS suivante :
dsp
t
= k( sp
t
)dt +dW
t
avec k la force de rappel, la moyenne de long terme des spreads vers laquelle ils tendent, la volatilit
des spreads et W
t
un mouvement Brownien standard.
Il existe une discrtisation exacte qui est :
sp
t+t
= sp
t
e
kt
+(1 e
kt
) +
_
1 e
2kt
2k
avec un nombre alatoire issu dune loi normale centre rduite.
La discrtisation dtermine par le schma dEuler scrit :
sp
t+t
= sp
t
+k( sp
t
)t +
t
7. Nous avons utilis la discrtisation capitalise du taux et non son approximation : r
long
t
t
1 + r
long
t
t
1 avec r
long
t
le
taux en base annuelle dni classiquement sur les marchs nanciers.
Allocation dun portefeuille par simulations Monte Carlo 49
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
1996 1998 2000 2002 2004 2006
S
p
r
e
a
d
e
n
%
FIGURE 2.2 Spread entre lindice taux composite corporate 10 ans US et le zro-coupon 3 mois US entre
avril 1996 et juin 2007
Enn, il est ncessaire de corrler les indices actions et obligataire. Pour cela, nous allons simuler les rsidus
(dni prcdemment pour les actions) et de la faon suivante :
= +
_
1
2
z
avec le coefcient de corrlation linaire entre les rentabilits de lindice actions et celles de lindice
obligataire, et z une ralisation dune loi normale centre rduite indpendante
8
.
Calibration
Pour calibrer le processus de Vasicek des spreads, observons que :
sp
t
N
_
_
1 e
kdt
_
+e
kdt
sp
t1
;
2
2k
_
1 e
2kdt
_
_
Le caractre gaussien explique le fait que le modle de Vasicek soit trs rpandu, car plus simple manipu-
ler.
Ainsi, nous pouvons dterminer la log-vraisemblance de lchantillon dtude, tant donn que chaque
observation de la srie temporelle des spreads est issue de la loi Normale prcdemment dcrite. Elle scrit :
l
t
(sp ; k, , ) =
1
2
_
ln(2) + ln S
2
+
(sp
t
M)
2
S
2
_
1 t T 1
avec S
2
=
2
2k
_
1 e
2kt
_
, M =
_
1 e
kt
_
+e
kt
sp
t1
.
Nous pouvons estimer alors le vecteur des paramtres = (k, , )
= argmax
T
t=2
l
t
()
8. Cette faon de corrler a en fait pour hypothse sous-jacente la modlisation de la structure de dpendance entre actions et
obligations par une copule gaussienne.
50 Allocation
Les expressions exactes des estimateurs sen dduisent, avec = e
kt
(cf. Brigo et Mercurio [7]) :
=
(T 1)
T
t=2
sp
t
sp
t1
t=2
sp
t
T
t=2
sp
t1
(T 1)
T1
t=1
sp
2
t
_
T1
t=1
sp
t1
_
2
=
1
(T 1)(1 )
T
t=2
(sp
t
sp
t1
)
S
2
=
1
T 1
T
t=2
[sp
t
sp
t1
(1 )]
2
Il est possible aussi de les dterminer par des mthodes numriques doptimisation de la log-vraisemblance.
Modlisation de lindice montaire
Nous appelons indice montaire un indice capitalisant un taux de courte maturit r
court
t
. Ce dernier est la
somme du taux directeur dune banque centrale et dun lger spread de volatilit faible. Il faut donc tudier
le prol du taux directeur dune banque centrale. Sur la Figure 2.3, nous pouvons observer que ce taux
directeur est compos de sauts la hausse ou la baisse : en effet, les banquiers centraux annoncent la
hausse ou la baisse du taux directeur suivant la conjoncture conomique, crant ainsi des sauts. Il va donc
tre certainement judicieux de modliser le taux directeur par un processus sauts, ou processus de Poisson.
Lindice montaire M
t
sera donc compos dune capitalisation sur le taux directeur r
directeur
t
auquel on ajoute
un spread faible sp
court
t
:
M
t+t
= M
t
_
1 +r
court
t
_
t
= M
t
_
1 +r
directeur
t
+sp
court
t
_
t
avec le taux directeur simul par un processus sauts :
r
directeur
t+t
= r
directeur
t
+ 1
u
1
<t
[1
u
2
<0.5
1
u
2
0.5
]
avec 1 symbolisant la fonction indicatrice, u
1
et u
2
deux ralisations indpendantes dune loi uniforme
[0,1], lintensit ou le nombre de sauts par an et lamplitude des sauts. Ces deux derniers paramtres
peuvent tre xs daprs les anticipations des interventions de la banque centrale sur le taux directeur.
Allocation dun portefeuille par simulations Monte Carlo 51
1
2
3
4
5
6
7
1999 2000 2001 2002 2003 2004 2005 2006 2007
T
a
u
x
F
E
D
e
n
%
FIGURE 2.3 Taux directeur hebdomadaire de la Federal Reserve US entre le 22 janvier 1999 et le 9 mars
2007
Enn, le spread sp
court
t
composant le taux court est issu dune loi gaussienne N(,
2
) calibrer par les
moments empiriques de ce spread.
Conseil pratique de gestion
Lapproche dallocation laide de simulations Monte Carlo na pas pour fondement une thorie nancire
aussi prcise que celle de Markowitz mais gagne lavantage dtre trs exible et prcise en ce qui concerne
les modlisations des actifs nanciers composant le portefeuille. Il est relativement simple pour un grant
de crer son propre modle dallocation Monte Carlo et ainsi dnir un portefeuille correspondant au
prol rendement/risque dni au pralable. Laide dun ingnieur quantitatif sera nanmoins ncessaire
pour dvelopper des modlisations plus complexes.
CHAPITRE 3
STRATGIES DINVESTISSEMENT
Nous avons tudi prcdemment comment allouer les actifs au sein dun portefeuille en nous focalisant sur
loptimisation de lallocation suivant les lois de probabilits sous-jacentes des actifs mais aussi des critres
de performance et des prvisions conomiques. Maintenant que ces poids sont dtermins, une interrogation
slve sur la faon dont ils vont tre ajusts selon le prol du ux nal que lon souhaite.
3.1 Stratgies buy-and-hold et constant mix
Pour introduire les stratgies dinvestissement, nous allons tout dabord tenter de formaliser la diffrence
fondamentale entre une stratgie nave, laissant son allocation otter au gr de lvolution des prix des actifs
la composant, et une stratgie dallocation xe tout moment :
1. la premire est une stratgie buy-and-hold,
2. et la seconde une stratgie constant mix.
Nous nous inspirons de la typologie de Perold et Sharpe dveloppe en 1988 [31] pour prsenter ces deux
stratgies.
3.1.1 Stratgies buy-and-hold
Les stratgies buy-and-hold sont des stratgies qui achtent les actifs et laissent leur poids otter suivant
lvolution de leur valeur. Il ny a donc pas de rebalancement des poids des actifs dans le portefeuille.
Lorsque la valeur de lactif slve, toutes choses gales par ailleurs, sa proportion dans le portefeuille va
slever aussi. Formellement, notons la valeur du portefeuille P
t
pour t 1 et A
t
la valeur des n actifs le
composant en t. Nous avons ainsi :
P
t+1
= P
t
n
i=1
i
t
A
i
t+1
A
i
t
i
t
reprsente le poids allou lactif i en t. Dans une stratgie buy-and-hold, les poids voluent suivant la
valeur relative des actifs, et ont pour expression, pour t 2 (les premiers poids sont dtermins au dpart
de la stratgie) :
i
t
=
i
t1
P
t1
P
t
A
i
t
A
i
t1
52
Stratgies buy-and-hold et constant mix 53
Supposons que nous ayons deux actifs, une action et un instrument montaire sans risque. La valeur du
portefeuille de stratgie buy-and-hold a les caractristiques suivantes :
elle est linaire par rapport la valeur de laction,
elle ne diminuera jamais en-dessous de la valeur initiale investie dans linstrument montaire,
elle a un "upside" potentiel illimit, cest--dire un potentiel de gain illimit.
3.1.2 Stratgies constant mix
Les stratgies constant mix maintiennent une exposition constante des actifs relativement la valeur du
portefeuille. Les poids nvoluent donc pas suivant la valeur relative des actifs mais restent xes. Ainsi,
comme les valeurs relatives voluent, il faut dynamiquement rajuster constamment les proportions inves-
ties en valeur dans les actifs pour demeurer la proportion relative dnie au dpart.
Ainsi, lorsque la valeur dun actif diminue, toutes choses gales par ailleurs, la proportion relative de cet
actif va diminuer au sein du portefeuille. Il va donc falloir acheter de cet actif pour conserver le mme poids
au sein du portefeuille. Les poids restent ainsi constants. Pour viter dacheter ou de vendre des actifs trop
rgulirement et diminuer ainsi les cots de transaction de la stratgie, il est possible de dterminer des
seuils de perte (de gain) en-de (au-del) de laquelle (duquel) on commence revenir aux poids initiaux.
Au-dessus (en-dessous), nous laissons ler les poids comme dans la stratgie buy-and-hold.
Supposons nouveau un portefeuille compos dune action et dun taux sans risque. La stratgie constant-
mix va acheter laction aprs que celle-ci a diminu et va la vendre aprs que celle-ci a augment. Cette
stratgie savre alors protable lorsque des retournements de march sont frquents et quune augmenta-
tion (baisse) de laction est suivie immdiatement dune baisse (augmentation). Autrement dit, lanticipation
du grant est un march actions fortement volatil et at.
Perold et Sharpe illustre cette caractristique laide de lexemple numrique suivant. Supposons que lac-
tion passe dans un premier temps de 100$ 90$, puis dans un second temps revienne 100$, et que le
montaire est suppos constant, pour simplier les calculs. Dans le cas dune stratgie buy-and-hold, les
poids relatifs au portefeuille ont volu mais pas la richesse. Dans le cas dune stratgie constant mix cest
diffrent (cf. tableau 3.1).
Supposons que nous ayons investi 60% dans laction et 40% dans linstrument montaire. Lors de la baisse
de laction de 100$ 90$, la valeur de laction dans le portefeuille passe de 60$ 54$. Son poids dimi-
nue donc 54/94 = 57.4%. Cest le poids de laction dans la stratgie buy-and-hold. Or dans la stratgie
constant mix, nous souhaitons acheter de laction pour revenir au poids initial de 60%. La valeur correspon-
dante de laction dans le portefeuille va alors tre gale 60% 94$ = 56.40$. Nous vendons de manire
symtrique 56.40 54 = 2.40$ de montaire : le portefeuille en contient alors 37.60$.
La hausse de laction qui va suivre dans le second temps va se rvler protable la stratgie constant mix
qui vient dacheter de laction. En effet, la valeur de laction dans le portefeuille va passer de 56.40$
56.40 100/90 = 62.67$. La valeur du portefeuille est alors gale 37.60 + 62.67 = 100.27$. Contraire-
ment la stratgie buy-and-hold, qui nit 100$, la stratgie constant mix a fait gagner 0.27$. Le position-
nement du grant, contrarian aux volutions du march, sest rvl payant, car lachat daction a t suivi
immdiatement par une augmentation de sa valeur.
Ensuite, il est ncessaire de rebalancer nouveau les poids, puisque les 62.67$ de laction dans le porte-
feuille reprsentent 62.67/100.27 = 62.50% de la richesse du portefeuille, ce qui est suprieur aux 60%
xs. Il va alors falloir vendre de laction pour 62.67 60% 100.27 = 2.51$. Nous avons la n de
la seconde priode un portefeuille compos de 60.16$ dactions et 37.60 + 2.51 = 40.11$ de montaire.
Dans le cas o laction va baisser au cours de la priode suivante, ce rebalancement va savrer nouveau
protable.
54 Stratgies dinvestissement
t=0 t=1 t=2
volution Action 100 90 100
Buy-and-hold Constant mix Buy-and-hold Constant mix
Valeur action 60 54 56.40 60 60.16
Poids action 60% 57.4% 60% 60% 60%
Valeur montaire 40 40 37.60 40 40.11
Valeur portefeuille 100 94 94 100 100.27
TABLE 3.1 Comparaison des stratgies constant mix et buy-and-hold
Un investisseur constant mix anticipe donc des retournements rguliers des actifs composant son porte-
feuille. Et lorsque le march est at et volatil, cette stratgie protera fortement des retournements de
march.
Au contraire, lorsque le march a des tendances (trends) de hausse (bull) et de baisse (bear) marques, la
stratgie buy-and-hold sera plus adquate.
Conseil pratique de gestion
Acheter et ne plus y toucher, ou alors xer les poids et rebalancer lallocation rgulirement ? Cette question
pose au grant peut se rsoudre suivant ses anticipations : sil pense que le march aura un tendance
importante de hausse par exemple, il sera prfrable dappliquer la stratgie buy-and-hold ; et lorsquil
anticipera une volatilit importante avec des retournements rguliers, la stratgie constant mix sera plus
protable.
Stratgies de couverture du risque 55
3.2 Stratgies de couverture du risque
Pour couvrir le risque induit par linvestissement dans des actifs risqus, il est classiquement fait appel des
produits drivs. En effet, ces produits crs lorigine pour assurer les entreprises ou particuliers contre la
variation dfavorable dun actif se rvlent trs utiles. Nous allons tout dabord revenir sur leur dnition et
la dtermination de leur prix (en se focalisant sur les produits drivs vanilles que sont les calls). Puis, nous
proposerons deux stratgies de couverture du risque : la couverture en Delta et lOption Based Portfolio
Insurance.
La partie de ce cours est ddie aux stratgies dinvestissement. Nanmoins, par souci de clart, nous ne pr-
senterons pas les stratgies dinvestissement associes la couverture du risque, mais les stratgies statiques
de couverture qui constitueront une bonne introduction aux stratgies dinvestissement plus complexes.
3.2.1 Produits drivs
Outre lever des fonds laide des actions et des obligations, les entreprises ont besoin de sassurer contre
les incertitudes sur les prix quelles peuvent subir. Pour cela, elles vont utiliser un autre type de produit
que lon appelle produits drivs, car drivs des produits de base : actions, obligations, mais aussi ma-
tires premires, devises, etc. Ces produits existent depuis longtemps mais leur change sest ampli avec
louverture du premier march organis des options de gr gr Chicago en 1973 et la publication la
mme anne de larticle de Black et Scholes The Pricing of Options and Corporate Liabilities publi en
juin 1973 dans le Journal of Political Economy. Ils sapparentent des produits dchange de risque ou
encore dassurance pour les entreprises contre les incertitudes grandissantes de lpoque sur les prix des
instruments nanciers fondamentaux.
Ces nouveaux instruments ntaient pas si nouveaux que cela (cf. Bernstein [5]). Linnovation tait non pas
dans leur fonction mais dans leur distribution au travers de marchs organiss, ainsi que la formalisation
de leur prix. En effet, dans lAntiquit, Aristote raconte dans le livre I de La Politique lhistoire de Thals
le Milsien. Ce philosophe, instruit des astres, lut un hiver dans le ciel que la rcolte dolives lautomne
prochain serait trs suprieure la rcolte habituelle. Il se garantit alors la priorit sur lutilisation pour
lautomne des presses de la rgion en change dune petite somme dargent. Il ngocia des prix faibles de
location car la rcolte tait loigne et personne ne prvoyait ce que Thals anticipait. Lorsque lautomne
arriva et que la rcolte ft exceptionnelle, il y et une trs importante demande de presses. Thals sous-
loua celles quil dtenait, pour un prix faible ngoci lhiver, un prix beaucoup plus consquent et devint
ainsi riche. Cette histoire est la premire sur lutilisation doption dachat, lun des produits drivs les plus
communs aujourdhui.
Les produits drivs peuvent tre de deux natures diffrentes : les contrats terme et les options ngociables.
Contrats terme
Une opration terme est une opration au comptant diffre dans le temps. Lacheteur et le vendeur se
mettent daccord sur les conditions dun change, qui seffectuera une date future (maturit) prcise par
le contrat terme. Lchange doit tre excut. Le prix de lchange est x la date dlaboration du
contrat mais lchange dargent nest effectif qu la maturit.
Par exemple, un industriel franais achte en dollars des biens dquipement aux tats-Unis. Ces biens ne
sont pas encore construits et donc livrables 2 ans plus tard. Or le prix a t x aujourdhui 1000$. Lin-
dustriel franais, qui a une trsorerie en euros, doit convertir le prix des quipements en dollars. Supposons
que le taux de change cote aujourdhui 1 EUR= 1$, lindustriel a besoin donc de 1000 EUR. Or cette
conversion a le temps en 2 ans dvoluer dfavorablement pour lindustriel. Il va donc acheter un contrat
terme qui lui garantit le prix en dollars (contre euros) ngoci aujourdhui pour dans 2 ans. Il se couvre
contre un risque de change. Si le cours du dollar slve, le taux de change vaut alors la maturit par
exemple 1 EUR= 0.5$, et lindustriel est protg : la contrepartie lui fournira 1000$ contre 1000 EUR; le
contrat terme lui permettra de payer ses biens non pas 2000 EUR (comme le voudrait le taux de change
56 Stratgies dinvestissement
la maturit) mais 1000 EUR (le prix aujourdhui). Dans le cas contraire, comme lchange est obligatoire,
lvolution favorable de baisse du dollars, par exemple 1 EUR= 2$ (leuro sapprcie), navantagera pas
lindustriel franais (il aurait pu payer le bien 500 EUR).
Le prix x aujourdhui et correspondant au montant chang maturit dun contrat terme peut tre
calcul sans modlisation du cours du sous-jacent (devise dans notre exemple). En effet, nous utilisons le
principe essentiel dAbsence dOpportunit dArbitrage (AOA) sur les marchs, par lequel il est impossible
de gagner de largent coup sr avec un investissement nul. Les arbitragistes contraignent lunicit
des prix des produits drivs : deux stratgies qui donnent le mme ux maturit ont la mme valeur
nimporte quelle date prcdant la maturit.
Soit F
t
(S, T) le prix x par contrat la date t auquel sera ngoci le sous-jacent S la maturit T. On
lappelle le prix forward. Soit en outre B(t, T) le prix en t dun zro-coupon, qui est un instrument nancier
qui rapporte 1 la maturit T. Pour se garantir de dtenir le sous-jacent S en T, nous avons le choix entre
2 stratgies :
souscrire un contrat terme en t et verser F
T
(S, T) en T contre le titre S,
acheter le titre S en t et le conserver jusquen T.
Ces 2 stratgies conduisent au mme ux S
T
en T. Pour garantir le paiement du contrat forward en T, il
faut acheter la quantit F
t
(S, T) de zro-coupon, qui permettra de dtenir maturit le montant F
T
(S, T).
A partir de lgalit des ux tout moment (AOA), nous avons :
F
t
(S, T) B(t, T) = S
t
et donc le montant chang la maturit du contrat terme est x aujourdhui (t = 0) :
F
0
(S, T) =
S
0
B(0, T)
Options ngociables
Les options ngociables sont des contrats permettant (il ny a pas obligation) son dtenteur dacheter
(call) ou de vendre (put) une certaine quantit de biens un cours x la signature du contrat, appel prix
dexercice (strike) K la date T, maturit de loption (cas des options europennes) ou jusqu T (cas des
options amricaines).
Dans le cas de lexemple de lindustriel franais achetant un bien en dollars, il peut acheter une option
dachat europenne aujourdhui, au lieu dun contrat terme, lui donnant le droit, suivant la situation
maturit, dacheter les 1000$ 1000 EUR en T. Si le cours du dollar slve, alors il aura intrt exercer
son option dachat. Dans le cas contraire, il nexerce pas son option et paye donc 500 EUR, ce qui est
intressant puisque la couverture protge de la hausse du dollar et donc lindustriel peut aussi, avec cet
instrument, proter de sa baisse. Cette diffrence, par rapport au contrat terme, a cependant un cot
puisque lacheteur de loption paye une prime la signature du contrat. Le risque est limit la prime
paye. Cette dernire ncessite pour son calcul une modlisation plus complexe que la simple utilisation
statique de lAOA. En effet, le ux nal (payoff ) est plus complexe que celui du contrat terme puisquil a
un caractre optionnel et que la trajectoire du sous-jacent est prendre en compte dans lvaluation du prix
de loption.
Lobjet de la suite du cours est non pas dentrer dans les dtails complexes de calcul stochastique de la
prime dune option (pour cela nous nous rfrons aux livres de Dana et Jeanblanc-Picqu [10], Lamberton
et Lapeyre [22], et Musiela et Rutkowski [29]) mais den comprendre la logique sous-jacente. Nous nous
intresserons seulement lvaluation dun call europen dans le cadre de Black et Scholes, sans entrer
dans les calculs mais en en dveloppant ses hypothses essentielles.
Stratgies de couverture du risque 57
Payoff dun call europen
Avant toutes choses, tentons dexprimer le ux nal ou payoff dun call europen. A la maturit, en T, le
prot ralis par lacheteur du call dpend de la valeur du sous-jacent par rapport au prix dexercice du
call. En effet, si la valeur du sous-jacent S
T
> K, le dtenteur du call exerce loption puisque le sous-
jacent est devenu trop cher. Il gagne donc la diffrence S
T
K, sil revendait sur le march, par exemple,
instantanment le sous-jacent achet au prix K et de valeur de march S
T
.
Au contraire, si S
T
K, il na aucun intrt exercer loption dachat, puisque le sous-jacent est moins
cher sur le march. Dans ce cas, il ne gagne rien (il a seulement pay la prime en 0).
Au nal, nous pouvons exprimer le gain ou payoff nal comme le maximum entre S
T
K et 0. Le payoff
dpend donc de la valeur du sous-jacent la maturit, par essence imprvisible. Ainsi :
payoff = max(S
T
K, 0) = (S
T
K)
+
Nous voyons bien que lacheteur dun call europen anticipe donc une hausse du sous-jacent et se couvre
ainsi contre le risque de hausse du march. De manire symtrique, le vendeur anticipe une baisse (objectif
de percevoir la prime sans que loption sexerce). Cette logique est valable aussi pour le put : lacheteur se
couvre contre une baisse du sous-jacent.
Effet de levier
Le gain pour un call S
T
K possible est sans commune mesure avec celui fait sur le sous-jacent, relative-
ment linvestissement initial. Ce phnomne sappelle leffet de levier.
Lorsque lon achte le sous-jacent dun call la monnaie en t de maturit T, la rentabilit est gale :
r
t|T
=
S
T
S
t
1 =
S
T
K
1
Lorsque lon achte le call, la rentabilit est :
r
c
t|T
=
(S
T
K)
+
C
t
1
Si S
T
> K, alors le call est exerc et la rentabilit devient :
r
c
t|T
=
S
T
K
C
t
1
Si S
T
< K, alors le call nest pas exerc et la rentabilit devient :
r
c
t|T
= 100%
Soit lapplication numrique suivante : S
t
= 98, K = 100 et C
t
= 4.8.
Dans le cas o S
T
= 107 :
r
t|T
=
107
98
1 = 9.2%
r
c
t|T
=
107 100
4.8
1 = 45.8%
Dans le cas o S
T
= 100 :
r
t|T
=
100
98
1 = 2.4%
r
c
t|T
=
100 100
4.8
1 = 100%
Lachat de call est donc beaucoup plus risqu, cause de leffet de levier induit.
58 Stratgies dinvestissement
Probabilit dexercer un call
La probabilit dexercer le call est intgre dans un indicateur appel le Delta qui exprime la sensibilit
de la variation du prix du call relativement celle du sous-jacent. Cette sensibilit volue au cours du
temps, et plus elle est proche de 1, plus lexercice est probable. Nous pouvons associer les valeurs du
la probabilit dexercer le call ainsi quau payoff probable, dans les trois cas de gure suivants :
Probabilit dexercice Payoff probable Position
1 Forte S
T
> K Dans la monnaie
0.5 Aussi faible que forte S
T
= K A la monnaie
0 Faible S
T
< K En dehors de la monnaie
TABLE 3.2 Delta et probabilit dexercice
Lobjectif du spculateur va tre dacheter en dehors de la monnaie : en effet, le produit driv est alors
peu cher, car la probabilit dexercice est faible et la possibilit de gain importante, si le sous-jacent monte
pour un call, baisse pour un put. Leffet de levier associ au produit driv permet alors de forts gains. Ceci
explique pourquoi les changes sur les produits drivs ont explos : ceci nest pas seulement d leur
utilisation par les entreprises mais surtout celle faite par les spculateurs.
valuation dun call europen Black-Scholes
Ce paragraphe est mathmatiquement plus pouss donc peut-tre nglig par les tudiants nayant pas le
niveau pr-requis.
Lobjectif est dvaluer le prix aujourdhui en 0 dun ux h(S
T
) = (S
T
K)
+
qui ne sera connu qu la
maturit T. La mthode utilise est de construire une stratgie qui rplique le mme payoff h(S
T
) en T.
Nous aurons notre connaissance le prix de ce portefeuille tout instant et par l mme, nous obtiendrons
le prix du call en 0 par AOA. En effet, rappelons que deux stratgies ayant mme ux en T auront mme
valeur t.
La stratgie de rplication aura comme caractristique essentielle lauto-nancement : un portefeuille
auto-nanant est une stratgie nancire dachat et de vente dactifs dont la valeur nest pas modie
par le retrait ou lajout de cash de manire extrieure. Les variations du portefeuille sont dues aux seules
variations du cours des actifs. La stratgie va tre une combinaison linaire de 2 actifs : le sous-jacent
(action, matire premire, devise) S et lactif sans risque S
0
. Elle aura pour valeur V
t
() =
t
S
t
+
0
t
S
0
t
.
Dans le cadre de la modlisation de Black et Scholes, des hypothses, assez restrictives mais permettant
dobtenir une criture ferme du prix dun call, sont nonces :
le sous-jacent (lactif risqu) suit un mouvement Brownien gomtrique sous la probabilit historique P
dont lquation diffrentielles stochastique (EDS) scrit dS
t
= S
t
(dt+dW
t
), avec W
t
un mouvement
Brownien standard. Nous en concluons partir du lemme dIt que S
t
= S
0
exp
__
2
2
_
t +W
t
_
et donc les rentabilits du sous-jacent suivent une loi Normale N
_
2
2
,
2
_
.
lactif sans risque (cash) est dterministe (non alatoire) et sa dynamique est reprsente par lEDS
dS
0
t
= S
0
t
rdt. Ainsi, S
0
t
= exp(rt).
Un rsultat essentiel est la fait que si le processus actualis
S
t
=
S
t
S
0
t
(crit dans le numraire cash) est
une martingale, alors la valeur nancire actualise
V
t
() =
V
t
()
S
0
t
dun portefeuille auto-nanant est une
martingale.
Nous allons donc dterminer une probabilit Q quivalente la probabilit P sous laquelle
S
t
est une
Stratgies de couverture du risque 59
martingale. A partir du thorme de Girsanov, nous savons que le processus dEDS d
S
t
=
S
t
d
W
t
, avec
W
t
= W
t
+ t et =
r
V
t
() = E
Q
[
V
T
() | F
t
]
V
t
() = e
r(Tt)
E
Q
[h(S
T
) | F
t
]
V
t
() = e
r(Tt)
E
Q
_
h
_
S
t
exp
__
r
2
2
_
(T t) +(
W
T
W
t
)
__
| F
t
_
Or
W
T
W
t
est indpendant de F
t
et S
t
est F
t
mesurable. Donc V
t
() = (T t, S
t
) avec :
(T t, x) = e
r(Tt)
E
Q
_
h
_
xexp
__
r
2
2
_
(T t) +(
W
T
W
t
)
___
= e
r(Tt)
E
x
Q
[h(S
Tt
)]
Le prix du call europen C
0
aujourdhui, similaire celui de la stratgie V
0
(), est alors (nous ne d-
crivons pas ici les diffrents calculs qui aboutissent ce rsultat, cf. par exemple Musiela et Rutkowski
[29]) :
C
0
= x(d
1
) Ke
rT
(d
0
)
avec x = S
0
, (.) la fonction de rpartition de la loi Normale centre et rduite, d
0
=
1
T
__
r
2
2
_
T + ln
x
K
_
et d
1
= d
0
+
T.
Pour tout t < T, nous avons :
C
t
= S
t
(d
1
) Ke
r(Tt)
(d
0
)
avec d
0
=
1
T t
__
r
2
2
_
(T t) + ln
S
t
K
_
et d
1
= d
0
+
T t.
Nous avons ainsi obtenu la formule ferme dvaluation du prix dun call europen dans le cadre de la
modlisation de Black et Scholes.
Des modles plus rafns pour le pricing de produits drivs ont t mis en place comme ceux volatilit
stochastique (Heston) par exemple prenant en compte la caractre non gaussien des actifs nanciers. Ceci
nest pas lobjet de ce cours.
Volatilit implicite
La volatilit est en effet dans la ralit non constante. Ceci est rvl par un indicateur trs usit dans la
pratique : la volatilit implicite.
Les agents des marchs nanciers valuent les calls et puts non pas laide de leur prime mais laide de
lunique paramtre pouvant tre valu diffremment suivant les agents dans lvaluation de Black-Scholes :
. Et lon va parler alors de volatilit implicite, dtermine comme la valeur de la volatilit que les agents
ont utilise pour pricer le produit driv. La relation entre prime du call, et du put, et volatilit implicite est
positive : plus la volatilit implicite sera leve, plus les agents anticiperont une variabilit importante et
donc une incertitude du march plus forte, et plus il cotera cher dacheter un produit driv tant donne
lincertitude leve concernant la valeur du sous-jacent maturit.
60 Stratgies dinvestissement
Il est intressant en outre de prciser que la volatilit implicite nest pas constante suivant la position du
strike par rapport la valeur du sous-jacent : la monnaie, la volatilit implicite est la plupart du temps
son point le plus bas, et plus on sloigne de la monnaie, plus elle est leve. On appelle ce phnomne le
smile de volatilit.
Ce smile se rvle tre souvent un skew, car la volatilit implicite est plus leve pour des valeurs du sous-
jacent faibles (achat de puts pour se couvrir contre la baisse des marchs) que pour des valeurs leves
(achat de calls). En effet, la demande de couverture contre la baisse du march est plus forte que celle
contre la hausse : les agents seront plus sensibles au risque de baisse quau risque de hausse.
3.2.2 Couverture en delta statique
A partir de ces produits drivs, nous sommes capables de dvelopper des stratgies dimmunisation contre
la variation du sous-jacent. La premire est la couverture en delta, combinant call et sous-jacent.
La valeur dun portefeuille V
t
compos dun call et de son sous-jacent est en 0 V
0
= C
0
+ S
0
. Ce por-
tefeuille est insensible au cours du sous-jacent si le portefeuille a une variabilit par rapport au sous-jacent
nulle, cest--dire si
V
0
S
=
C
0
S
+ = 0. Or lindicateur Delta du call en 0 est
0
=
C
0
S
= (d
1
) et
donc nous obtenons : = (d
1
). Le portefeuille de couverture est donc compos de lachat dun call
par exemple et de la vente de (d
1
) sous-jacent.
Si nous xons ce Delta pour toute la priode dimmunisation (la proportion de sous-jacents est donc xe
0
), nous produisons une couverture statique non optimale car le Delta a besoin dtre ajust au cours du
temps et de lvolution du sous-jacent. Cette couverture non dynamique peut tre amliore laide dune
couverture dynamique qui dpasse le cadre de ce cours.
3.2.3 Assurance de portefeuille
Lobjectif de gestion en assurance de portefeuille est dassurer un portefeuille actions contre une perte
importante ; les techniques quantitatives sont essentiellement issues de lutilisation des produits drivs
ainsi que de lestimation de la perte contre laquelle le grant veut se protger.
Nous dnissons un horizon T de gestion ainsi quune valeur plancher F
T
en-dessous de laquelle la valeur
du portefeuille ne doit pas tomber lhorizon. Un cas particulier classique est celui de la garantie de la
valeur initiale du portefeuille horizon. Trois types de stratgie sont prsentes :
1. la stratgie stop-loss,
2. la stratgie optionnelle,
3. la stratgie du coussin.
Stratgie stop-loss
Cette mthode est la plus simple. Nous considrons un portefeuille dont lunivers de gestion se rduit un
indice actions et un actif montaire sans risque. Le stop-loss est habituellement utilis pour garantir un
portefeuille investi entirement en actif risqu, ici en actions.
La mthode stop-loss consiste vendre lindice actions lorsque la valeur de ce dernier touche la valeur
plancher, et conscutivement placer largent au taux sans risque. Le grant achtera nouveau lindice
actions lorsque la valeur de ce dernier repassera au-dessus de la valeur plancher. Nous allons dcrire cette
mthode laide dun exemple numrique simple.
Supposons une discrtisation du temps en 5 priodes. La valeur plancher est xe la date T = 5 (horizon
de gestion) F
T
= 100, valeur de lindice actions la date initiale t = 0. Le taux dintrt est suppos
constant et gal sur les 5 priodes r
f
= 2%. La valeur du plancher F
T
doit donc tre actualise
1
pour
1. Le taux entre 2 dates est gal
1 + r
f
1
T
1 = (1 + 0.02)
1
5 1 0.40%.
Stratgies de couverture du risque 61
dterminer F
t
la date t T :
F
t
=
F
T
(1 +r
f
)
Tt
T
Ainsi, la valeur initiale F
0
du plancher garantissant une valeur du portefeuille suprieure ou gale 100
horizon est gale :
F
0
=
100
1 + 0.02
98.04
Cette valeur volue bien sr chaque date. Lindice actions volue aussi mais de manire plus erratique. Son
niveau va dterminer la composition du portefeuille stop-loss : vente de lindice actions lorsque le plancher
est travers, achat lorsque lindice actions rebondit au-dessus du plancher. Nous supposons aussi quil ny
a pas de cots de transaction.
Enn, ajoutons que, dans la pratique, il nest pas possible de transfrer linvestissement juste au moment
o lactif risqu touche le plancher : il y a toujours un dlai, ce qui est pris en compte dans lexemple
numrique.
Date Plancher Montaire Actions Portefeuille
Actions Montaire Total
0 98.04 100 100 100 0 100
1 98.43 100.40 105 105 0 105
2 98.82 100.80 98 0 98 98
3 99.21 101.20 97 0 98.39 98.39
4 99.60 101.60 102 98.78 0 98.78
5 100 102 106 102.65 0 102.65
TABLE 3.3 Stratgie stop-loss
A la date 2, la valeur de lindice actions (98) passe en-dessous de la valeur actualise du plancher (98.82) :
le grant rinvestit alors tout son capital dans lactif montaire sans risque. A la date 4, la valeur de lindice
actions (102) est suprieure celle du plancher actualise (99.60) : cest donc le signal pour transfrer le
capital dans lindice actions pour la dernire priode. On voit bien que le dcalage temporel du premier
transfert fait que cette stratgie nest pas optimale car la date 4, la valeur du portefeuille (98.78) est en
revanche infrieure celle du plancher. Le grant, par chance dans cet exemple, a achet lindice actions
juste avant une nouvelle hausse de ce dernier.
Cette stratgie simple a plusieurs limites :
1. les transferts de capital sont trs importants. Cest tout ou rien : le portefeuille stop-loss est investi
soit entirement en actions, soit entirement en montaire. Les cots de transaction peuvent alors tre
prohibitifs.
2. cette stratgie fonctionne lorsquil y a des tendances marques sur le march actions. En effet, on
investit dans les actions aprs que la valeur de ces dernires a mont. Pour en retirer un prot, il faut
qu la priode suivante, les actions continuent de monter. Dans notre exemple, si les actions avaient
subi une baisse entre les dates 4 et 5, la valeur du portefeuille lhorizon aurait t infrieure au
plancher. La garantie du capital nest donc pas assure dans un march volatil, sauf supposer que le
transfert de capital entre actions et montaire est ralis juste au moment o le portefeuille touche le
plancher, ce qui nest malheureusement pas raliste dans la pratique.
Les 2 mthodes suivantes vont permettre de dpasser les limites de la stratgie stop-loss.
62 Stratgies dinvestissement
Stratgie optionnelle
Pour introduire les stratgies optionnelles, prenons lexemple dun portefeuille dont le capital initial est de
100 et qui garantit 100% du capital dans 2 ans. On va alors acheter un zro-coupon qui aura pour valeur
100 dans deux ans et dont la valeur aujourdhui est
100
(1 +r
f
)
2
96, avec r
f
= 2% le taux dintrt sans
risque. On peut donc risquer ce qui reste du portefeuille, cest--dire environ 10096 = 4, en tant certain
de garantir dans les 2 ans 100% du capital initial investi. Avec ces 4, on achte des calls. Ceci permettra de
proter dune partie de la hausse du march actions sans prendre aucun risque.
Le portefeuille ainsi gr est un fonds ferm capital garanti, cest--dire quon structure lallocation au
dpart et on ne la change plus jusqua lhorizon.
Les stratgies optionnelles sont aussi dnommes Option Based Portfolio Insurance ou OBPI, et sont des
structures simples permettant de garantir le capital dun portefeuille dactifs risqus.
La premire mthode dassurance de portefeuille base doptions a t introduite par Leland et Rubinstein
en 1976. Elle consiste investir dans un actif risqu S couvert par un put sur cet actif. Cette stratgie per-
met, quelle que soit la valeur de lactif risqu lchance du put, de garantir un capital minimum gal au
prix dexercice K du put. Le plancher devient alors dans cette stratgie le strike du put F
T
= K et lhorizon
la maturit T du put.
Cette stratgie se trouve tre quivalente celle qui achte K zro-coupon de nominal 1 et un call de prix
dexercice K. Pour comprendre cela, il est tout dabord ncessaire de dnir la formule de parit call-put
permettant de donner le prix dun put europen P
t
partir de celui dun call europen C
t
en t :
C
t
P
t
= S
t
Ke
r(Tt)
Pour dmontrer cette formule, il suft de construire deux stratgies ayant les mmes ux maturit et
dutiliser lAOA.
Soit la premire stratgie qui consiste acheter un call et vendre un put, sur le mme actif, de mmes
maturits et prix dexercice. En t < T, ce portefeuille a pour valeur C
t
P
t
, et en t = T, (S
T
K)
+
(K S
T
)
+
= S
T
K.
La seconde stratgie, consistant acheter le titre et vendre K zro-coupon dchance T, a le mme ux
en T, cest--dire S
T
K. Et cette stratgie a pour valeur en t < T : S
t
Ke
r(Tt)
. Ainsi, par AOA,
nous retrouvons la formule de parit call-put.
Daprs cette dernire, la valeur de la stratgie OBPI est gale :
V
t
= S
t
+P
t
= Ke
r(Tt)
+C
t
t < T
V
T
= S
T
+ (K S
T
)
+
= K + (S
T
K)
+
lchance T
Ces stratgies, utilisant soit un put, soit un call, garantissent bien le capital K chance T puisque :
V
T
=
_
S
T
si S
T
> K
K si S
T
K
En plus de garantir le capital dans le cas de march baissier, ces stratgies permettent, en outre, de proter
sensiblement de la hausse des marchs, cest--dire lorsque S
T
> K. En effet, nous avons alors pour une
stratgie optionnelle utilisant un put :
V
T
V
0
=
S
T
S
0
S
0
S
0
+P
0
Ainsi, la stratgie prote dune hausse un peu infrieure, le facteur
S
0
S
0
+P
0
est infrieur 1, celle des
marchs actions tout en conservant le capital. Prcisons que plus le plancher est lev, plus le prix dexer-
cice du put slve et donc plus le put est cher. La garantie devient logiquement plus chre et le gain suite
Stratgies de couverture du risque 63
une hausse des actions moins lev puisque lexposition aux actions sera plus faible.
Dans le cas de la stratgie OBPI avec un call, si les marchs montent, le portefeuille prote de cette hausse
hauteur du gearing. Le portefeuille est compos dun actif montaire sans risque valant la garantie
chance T et le reste est investi dans des calls. Le gearing est le niveau dexposition du portefeuille
lactif risqu via les calls dtermin de la manire suivante :
g =
V
0
F
0
C
0
S
0
V
0
Ce gearing, infrieur 1, value la participation du portefeuille OBPI avec calls la hausse de lindice
actions.
Une limite apparat lorsquil nexiste pas de produits drivs sur le sous-jacent gr. La solution est alors
de rpliquer la stratgie optionnelle laide dune allocation en actif montaire et sous-jacent. Nanmoins,
cette rplication nassurera pas aussi parfaitement le portefeuille.
Partant de la stratgie OBPI avec un put et utilisant le pricing du call de Black et Scholes, nous obtenons :
V
t
= S
t
+P
t
= Ke
r(Tt)
+C
t
t < T
= Ke
r(Tt)
+S
t
(d
1
) Ke
r(Tt)
(d
0
)
= S
t
(1 +
P
t
) +Ke
r(Tt)
(1 (d
0
))
avec d
0
=
1
T t
__
r
2
2
_
(T t) + ln
S
t
K
_
et d
1
= d
0
+
T t.
Cette expression nous permet de dterminer les allocations du portefeuille OBPI en actions et actif mon-
taire qui permettent de rpliquer la stratgie optionnelle OBPI. Cette stratgie revient donc investir en t
_
1 +
P
t
_
S
t
S
t
+P
t
en actions et le reste en actif montaire.
Les limites de ces stratgies OBPI sont conscutives lutilisation de produits drivs. En effet, les hypo-
thses de leur valuation peuvent poser problme (volatilit constante, diffusion gaussienne).
En outre, il est ncessaire de xer un horizon. La dernire mthode va permettre de sexonrer de la xation
de lhorizon : elle sera alors utilise pour les fonds non plus ferms mais ouverts.
Enn, les cots de transaction peuvent tre parfois importants dans le cadre de la rplication de la stratgie
optionnelle.
Stratgie du coussin
La stratgie du coussin ou Constant Proportion Portfolio Insurance (CPPI) est une mthode relativement
exible.
Reprenons lexemple prcdent dun portefeuille dont le capital initial est de 100 et qui garantit cette fois
95% de sa valeur chaque instant. Il est compos dun zro-coupon et dun actif risqu, un indice actions
par exemple. La logique premire vue voudrait que lon investisse 95 en zro-coupon et seulement 5 en
actions. Ces 5 correspondent ce que lon appelle le coussin, diffrence entre la valeur du portefeuille et la
valeur plancher (valeur capitalise de la garantie).
Mais cette logique fait lhypothse implicite que le march actions peut subir une perte de 100% en un
seul jour (si on suppose que lallocation volue quotidiennement), ce qui est peu vraisemblable. Ainsi, il est
donc possible de risquer plus que le coussin hauteur de la perte maximale potentielle que pourrait subir
le march actions.
Pour estimer cette perte potentielle ou indice de stress, il est classique dintroduire la notion de temps de
retour de cette perte, x gnralement entre 30 et 50 ans. permet alors de dnir la probabilit qui
64 Stratgies dinvestissement
dterminera le quantile de perte maximale tolrable pour la stratgie du coussin. Cette probabilit est gale
1
252
, 252 correspondant au nombre de jours gnralement trads sur un an. La Thorie des Valeurs
Extrmes peut tre mobilise dans le calcul de cet indice de stress.
Supposons que ce dernier vaille 15% pour un temps de retour = 50 ans. Ceci signie que le march
subit une perte infrieure 15% une fois tous les 50 ans. Le march peut donc perdre en une journe au
maximum 15% et non pas 100%. En dautres termes, sur un portefeuille de valeur 100, on peut perdre au
maximum 15 ; comme dans notre portefeuille, on peut perdre au maximum 5 (la garantie est de 95%), on
peut donc investir 5
100
15
= 5 6.67 33.35. Linverse de lindice de stress
100
15
sappelle le multiplica-
teur. Si on investit en actif risqu 33.35, on est relativement certain de perdre au maximum 5 et on dpassera
le plancher seulement une fois tous les 50 ans.
Lexposition e en actions est donc un multiplicateur m du coussin c : e = c m. Le reste est investi en actif
montaire. La valeur du coussin volue au cours du temps avec lvolution du plancher, capitalis, et celle
de lindice actions. Le montant investi en actions e doit toujours tre dni par un mme multiple m du
coussin. Pour viter les rebalancements trop frquents, il est communment dtermin une tolrance sur le
multiplicateur m (par exemple 10%).
Plus le multiplicateur est faible, plus la garantie est certaine ; plus le multiplicateur est lev, plus le porte-
feuille prote de la hausse du march actions.
Des stratgies de coussin dynamiques, donc plus complexes, peuvent tre aussi mises en place : nous pen-
sons aux stratgies Dynamic Portfolio Insurance (DPI), dterminant un coussin dynamique, ou encore les
stratgies Time Invariant Portfolio Protection (TIPP) contraignant la valeur plancher voluer non plus en
fonction du taux sans risque mais en fonction de la valeur du portefeuille.
Conseil pratique de gestion
Couvrir le risque pour un grant peut se faire moindre frais (produits drivs relativement peu chers)
et permettre de sassurer facilement contre la baisse par exemple des actifs dans lesquels il a investi. Les
stratgies prsentes ci-dessus sont statiques mais existent aussi en version dynamique, permettant ainsi
une couverture plus optimale.
Stratgies de cration de performance 65
3.3 Stratgies de cration de performance
Pour crer de la performance, il est possible de construire ce que lon appelle des moteurs de performance
quantitatifs et nancires. Ceci va souvent sintgrer dans une gestion que lon dnomme core-satellite avec
un coeur dallocation classique et des satellites dveloppant des stratgies quantitatives performantes.
Deux types de stratgies sont possibles : les stratgies long-only qui achtent seulement lorsque le signal
quantitatif dni sur une classe dactifs est positif, et les stratgies long-short qui vendent en plus lorsque
les signaux du modle sont ngatifs.
Avant dnumrer certaines stratgies quantitatives, il est ncessaire de prsenter brivement la mise en
pratique de la technique de rgression, qui sera la base de nombreuses stratgies.
Mise en pratique de la rgression
Nous nallons pas rappeler les fondements mathmatiques du modle de rgression linaire mais plutt
expliciter comment mettre en oeuvre cette technique sur des chantillons de donnes. Trois points essentiels
sont abords pour viter tout problme danalyse :
1. Au pralable, il est primordial dviter toute rgression fallacieuse (spurious regression), cest--
dire un modle essayant de rgresser une variable intgre dordre 1 (non-stationnaire) sur dautres
variables non-stationnaires. Ce problme a t mis en vidence par Granger et Newbold [17]. Une
rgression fallacieuse va conclure des relations errones entre variables, car statistiquement inva-
lides. Il est donc primordial de travailler avec des donnes stationnaires (les rentabilits le sont par
exemple).
2. En outre, un problme peut apparatre lorsque lestimateur
se rvle instable suivant des sous-
chantillons de lchantillon total des donnes de taille n. En effet, il nest pas rare que les sensibilits
voluent dans le temps par exemple. Quelles mthodes destimation utiliser alors pour capter la
variabilit des
? La question essentielle qui se pose est en fait celle de la partie de lchantillon total
des donnes considrer pour dterminer les paramtres de la rgression. Deux possibilits soffrent
nous :
Soit on xe le point de dpart de la construction du sous-chantillon (y
1
, . . . , y
n
r
) et on empile
les donnes au fur et mesure quelles apparaissent : le deuxime sous-chantillon devient alors
(y
1
, . . . , y
n
r
+1
) et ainsi de suite. On ralise des rgressions rcursives.
Soit on xe une taille dchantillon n
g
infrieure n et on construit plusieurs sous-chantillons de
taille n
g
au sein de lchantillon total. On fait ainsi glisser nos chantillons, de taille xe n
g
, au
fur et mesure du temps :
_
y
1
, . . . , y
n
g
_
pour le premier sous-chantillon,
_
y
2
, . . . , y
n
g
+1
_
pour
le deuxime, et ainsi de suite. On ralise alors des rgressions glissantes.
Pour capter la ractivit des
, nous privilgierons la rgression glissante. Le choix de la taille n
g
(comme pour celui de n
r
) des sous-chantillons glissants na pas de rgle ge. En fait, il dpend
dun arbitrage entre ractivit des estimateurs et bonnes proprits statistiques. Lobjectif tant de
capter le plus prcisment possible le moment o le rgime des
a chang, plus lchantillon sera de
petite taille, moins il sera pollu par les valeurs du pass mais plus il aura des proprits statistiques
mauvaises.
3. Enn, il va falloir valuer le pouvoir prvisionnel du modle pour les stratgies de prvision. On
ralise alors un backtest de nos stratgies. Le principe du backtest est de distinguer sur lchantillon
total des donnes un sous-chantillon dapprentissage de taille n
a
sur lequel on va estimer les para-
mtres du modle et un sous-chantillon de backtest de taille n
b
sur lequel on va tester la robustesse
du modle. Deux indicateurs peuvent alors tre dtermins :
Le Root Mean Squared Error (RMSE) gal
_
1
n
b
n
b
i=1
( y
i
y
i
)
2
avec y
i
la valeur prvue par
le modle dni sur lchantillon dapprentissage partir des observations x
i
de lchantillon de
backtest ; ces n
b
prvisions sont alors compares aux valeurs y
i
de lchantillon de backtest rel-
lement ralises.
66 Stratgies dinvestissement
Le taux de bon classement gal
card[ y
i
y
i
> 0]
n
b
permettant de juger le bon sens de la prvision
y
i
. Il est possible dajouter des seuils pour ne prendre en compte que les prvisions importantes en
valeur absolue, cest--dire celles qui font gagner de largent.
Ces indicateurs dtermins sur les modles de rgression sont comparer un modle de prvision
nave, prvoyant pour la valeur de demain la valeur daujourdhui : on lappelle la marche alatoire.
Elle signie que les marchs sont efcients et quaucune information passe ne peut aider prvoir
le prix dun actif.
3.3.1 Stratgies actions
Les stratgies dveloppes sur les actions sont nombreuses.
Stratgies de style
Tout dabord elles peuvent associer aspects qualitatifs et quantitatifs : ceci est le cas pour les stratgies
de style, de capitalisation ou sectorielles. Ainsi, la segmentation va tre qualitative, via la distinction entre
actions Growth et Value, Small Cap, Mid Cap et Large Cap ou encore les secteurs, mais aussi quantitative
puisque ces distinctions sont fondes sur des ratios nanciers, sensibilits , capitalisations, etc.
Conseil pratique de gestion
Il se rvle dans la pratique trs intressant de segmenter la gestion des actions suivant les secteurs in-
dustriels. Suivant les anticipations du grant, il pourra tre alors protable dallouer par exemple son
investissement entre 4 super-secteurs : dfensifs ( < 1, Big et Value), cycliques ( 1, Small et Value),
nancires ( > 1 Big et Value), et croissance ( > 1, Small et Growth). Ces segments sectoriels auront
alors des ractions diffrentes au cycle conomique.
Stratgies fondes sur les modles dvaluation de la prime de risque
En outre, les stratgies actions peuvent se fonder sur linefcience des marchs : linformation publique
nest pas totalement intgre dans lvaluation de laction et de sa prime de risque. La logique sous-jacente
ces stratgies a dj t dveloppe dans la section 1.2.2.
Conseil pratique de gestion
Nous prsentons deux exemples de stratgies :
Les stratgies qui protent de la sous-valuation des socits bien gouvernes et de la sur-valuation
des socits mal gouvernes. En effet, linformation sur la gouvernance est souvent mal intgre dans la
prime de risque dune action : ainsi, les entreprises bien gouvernes devraient avoir une prime de risque
plus faible et donc une valorisation de leur action plus forte, car une bonne gouvernance signie une
diminution de lincertitude concernant la distribution des dividendes, la base de la valorisation dune
action. Et vice-versa pour une entreprise mal gouverne.
Les stratgies fondes sur le momentum de prix. En effet, Jegadeesh et Titman [20] ont montr en 1993
la protabilit dune stratgie achetant des titres dont la rentabilit les 6 derniers mois tait forte et
vendant les titres dont la rentabilit tait faible. Le momentum de prix ici signie que les agents nont
pas totalement intgr linformation disponible et que ladaptation peut mettre plus de 6 mois. Hong
et Stein [19] ont alors tent de dvelopper un modle conomique expliquant de manire normative la
sous-raction des agents la diffusion de linformation crant cet effet de momentum de prix.
Stratgies de cration de performance 67
3.3.2 Stratgies sur dautres classes dactifs
Outre les actions, dautres classes dactifs peuvent rvler des arbitrages dvaluation importants.
Conseil pratique de gestion
Nous prsentons deux exemples de stratgies :
Le Bund est un future dont le sous-jacent est constitu des emprunts dEtat allemand 10 ans. Il est
suivi de trs prs par les intervenants nanciers car il donne la direction des marchs de taux de la zone
Euro. Nous pouvons nanmoins russir prvoir sa rentabilit laide de variables macro-nancires
classiques : indice actions, pente de taux, spread corporate (proxy de laversion au risque), momentum
du prix du ptrole, etc.
Les arbitrages de taux entre pays, appels carry trade, se sont dvelopps partir de la non-efcience
des marchs de change et la non-vrication de la parit non couverte des taux dintrt, cette dernire
stipulant que la diffrence entre lanticipation du taux de change et le taux de change au comptant est
gale la diffrence entre le taux dintrt domestique et le taux dintrt du pays tranger. La non-
efcience des marchs de change est dautant plus afrme sur les marchs mergents. Ainsi, la stratgie
consistera investir sur les devises qui prsentent des taux dintrt levs et emprunter avec des
devises de taux dintrt faibles.
3.3.3 Hedge funds
Lensemble de ces stratgies quantitatives va tre trs performant. Mais ces stratgies se fondent souvent
la possibilit de vente dcouvert. Ceci sous-entend donc une rglementation plus exible des marchs
nanciers. Elles sont donc principalement utilises par des acteurs plus libres pouvant sinstaller scalement
dans des pays rglementation plus laxiste : ces acteurs sont les hedge funds.
Dnition
Les hedge funds sont depuis quelques annes sous les feux des projecteurs cause de leur croissance trs
importante la n des annes 90 (cf. Figure 3.1). Ceci est en particulier d la dcision de nombreux
investisseurs institutionnels de se diversier aprs le choc boursier de mars 2000 et des rendements obliga-
taires faibles. Le plus important fonds de pension CalPERS a ainsi en septembre 1999 investi 11 milliards
de dollars dans les investissements alternatifs, cest--dire les hedge funds
2
.
Mais alors comment dnir ces investissements diffrents ? Pour cela, il faut sintresser au premier hedge
fund cr par Alfred Winslow Jones en 1949. En fait le terme hedge fund est cit pour la premire fois
en 1956 pour dcrire le fait que le fonds dinvestissement de Jones est la fois leveraged et hedged. En
effet, lobjectif de Jones, et de nombreux hedge funds aujourdhui encore, est de dvelopper des stratgies
assurant un fort rendement tout en ayant une faible exposition aux uctuations des marchs sur lesquels il
investit. Dans ce but, il combine deux techniques fortement spculatives :
1. Il ralise un stock picking judicieux qui consiste acheter de bonnes actions et vendre de mauvaises
actions, lui permettant de simmuniser de la baisse des marchs puisque les mauvaises actions qui
sont vendues baissent plus fortement que les bonnes. Cette stratgie permet donc de diminuer le
risque de march pris par linvestisseur, qui se couvre alors contre les volutions dfavorables du
march. Toute la difcult est de dterminer les bonnes actions des mauvaises.
2. Il achte ensuite, pour augmenter son rendement, les bonnes actions crdit pour ne pas dpenser
trop. Ce mcanisme correspond au levier de linvestissement.
Ainsi, en combinant la couverture et le levier, Jones arrive obtenir entre 1949 et 1966 un rendement annuel
de 17.3%, tout en prlevant 20% de commissions sur la performance du fonds, ce qui est exceptionnel.
2. Le terme alternatif dnit des investissements sopposant aux investissements traditionnels des mutual funds.
68 Stratgies dinvestissement
Revenons sur le levier issu de lemprunt. Soit un investissement en t gal I
t
. La rentabilit de cet inves-
tissement lhorizon h est gale :
r
t|t+h
=
I
t+h
I
t
1
Si linvestissement I
t
est complt par un capital D
t
emprunt au taux r
0
t|t+h
, la rentabilit est compose
dun effet de levier :
r
l
t|t+h
=
(I
t
+D
t
)(1 +r
t|t+h
) (I
t
+D
t
) D
t
r
0
t|t+h
I
t
= r
t|t+h
+
D
t
I
t
(r
t|t+h
r
0
t|t+h
)
= r
t|t+h
+
D
t
I
t
r
t|t+h
Le facteur
D
t
I
t
est le levier de linvestissement. Le levier est intressant si la rentabilit de linvestissement
sans levier est suprieure au cot de lemprunt.
La performance de Jones attire bien videmment des investisseurs comme Warren Buffet et George Soros
pour les plus connus aujourdhui. Mais un problme va survenir dans les annes 60. Alors que le trend du
march amricain est haussier, les nouveaux grants alternatifs vont tre tents de ne plus se couvrir, en
vendant dcouvert, puisque cette technique leur fait perdre de largent, les actions vendues tant aussi
protables. Au lieu dtre long/short, ils deviennent pour beaucoup long. Mais lorsquen dcembre 1968,
les marchs se retournent, la plupart des hedge funds, non couverts, font faillite. La Securities and Exchange
Commission (SEC) note alors une diminution des hedge funds, passant de 215 seulement 30 en 1971. Les
hedge funds retournent dans lanonymat mdiatique.
Les annes 80, via la maturation des nouvelles techniques nancires, vont voir un nouvel essor des hedge
funds qui vont augmenter pour atteindre 250 en 1989, puis 2700 en 1996. Leur performance exceptionnelle
cre leur succs (cf. Figure 3.1). Mais les annes 90 vont voir aussi la faillite retentissante de certains fonds :
la plus clbre est celle de Long-Term Capital Management (LTCM), cause par la crise asiatique et la d-
valuation du rouble conscutive. En effet, LTCM est ce moment-l long dobligations hauts rendements
(junk bonds), qui deviennent illiquides en 1998 cause de la demande importante des investisseurs pour
des obligations de bonne qualit (y to quality).
Cette faillite, puis aussi celle en 2005 du fonds Amaranth, nont nanmoins pas permis lessor dune rgle-
mentation sur ces socits de gestion particulires. En effet, outre les utilisations de techniques spculatives
risques, les hedge funds se caractrisent par une rglementation trs souple voire inexistante, ainsi quune
possibilit trs limite pour leur client de retirer le capital investi dans ces fonds. Peut-tre faudrait-il se
rsoudre rglementer ces vhicules dinvestissement. La crise nancire de 2007-2008 voit lessor dune
volont politique allant dans ce sens. Il est difcile pourtant de responsabiliser les hedge funds comme tant
lorigine de cette crise. Nanmoins, leurs activits spculatives ont accompagn et certainement permis la
frnsie de ces dernires annes qui a abouti limplosion de 2008 : hausse du prix des matires premires,
hausse du prix du ptrole, titrisation dmesure demprunts subprimes, fraude Madoff, etc.
Mais les caractristiques trs particulires des hedge funds rendent aujourdhui difcile lapplication dune
rglementation et la mise en place de mesures de risque adquates.
Pour mieux comprendre ces caractristiques, nous allons expliciter les diffrentes stratgies que les hedge
funds peuvent mettre en place, dveloppes depuis la stratgie long/short de Jones.
Stratgies
Les hedge funds sont caractriss par des techniques complexes de levier et de couverture, ainsi quune
transparence limite dans la gestion de leurs capitaux et des marges commerciales trs importantes ponc-
Stratgies de cration de performance 69
tionnes sur la performance des investissements. Mais il est aussi possible de segmenter les hedge funds en
quatre grandes familles de stratgies :
1. Les stratgies darbitrage (relative value arbitrage) tentent de tirer prot de linefcience des marchs
nanciers laide de mthodes souvent statistiques. Elles font lhypothse que linefcience va se
rsorber avec le temps et donc vont faire un prot signicatif en achetant les valeurs sous-values et
en vendant celles sur-values. Ces stratgies se dveloppent sur nimporte quel instrument nancier.
2. Les stratgies vnementielles (event driven) utilisent des vnements sur les socits lorigine
danomalies que la stratgie essaie dexploiter pour crer de la performance. Ainsi lors de fusion-
acquisitions, les prix des actions des socits ne sont pas forcment leur juste valeur et la stratgie
tente de tirer prot de cette anomalie. De mme, il est possible de faire des prots en prtant et
investissant dans des socits en dtresse qui sont gnralement sous-values. Ces stratgies peuvent
saccompagner aussi dune prise de position non ngligeable des hedge funds dans les dcisions de
gouvernance dentreprise : nous parlons alors de hedge funds activistes.
3. Les stratgies directionnelles (tactical trading) prennent des positions sur les tendances des marchs.
Elles se composent principalement des stratgies :
Global macro, qui sappuient sur les fondamentaux conomiques des marchs pour prendre des
positions directionnelles,
Long/short equity hedge, comme celle de Jones, qui peuvent aussi utiliser des produits drivs pour
se couvrir et proter du levier.
4. Les stratgies hybrides regroupent des hedge funds appliquant plusieurs stratgies diffrentes ainsi
que les fonds de hedge funds qui se sont fortement dvelopps ces dernires annes. Ces fonds de
hedge funds ralisent des enqutes sur les politiques dinvestissement des fonds dans lesquels ils sou-
haitent investir. Ces enqutes, portant le nom de due diligence, que lon peut traduire par vrication
pralable, ont accru les besoins en modlisation de la performance des hedge funds.
2
0
0
4
0
0
6
0
0
8
0
0
1
0
0
0
1990 1995 2000 2005
Indice de Hedge Funds
S&P 500
FIGURE 3.1 Comparaison des volutions dun indice de hedge funds et dun indice action (dividendes
nets rinvestis)
Ces stratgies relativement performantes en termes de ratio de Sharpe attirent de nombreux investisseurs.
Certains tentent mme de rpliquer la performance ralise par les hedge funds en utilisant des produits
plus liquides. Ces techniques de rplication peuvent permettre aux investisseurs dobtenir des performances
similaires sans les contraintes de lock-up (capital rcuprable certaines priodes seulement), mais aussi
un rgulateur de calculer des mesures de risque adquates.
70 Stratgies dinvestissement
Conseil pratique de gestion
Les hedge funds sont de plus en plus intgrs dans des process de multigestion proposant indirectement
des investisseurs de placer leur pargne dans des hedge funds. Cette stratgie permet une diversication
souvent bienfaitrice pour un fonds dactifs nanciers traditionnels.
CONCLUSION
Ce cours de Gestion Quantitative de Portefeuille a essay de proposer, sans prtention, un tat de lart
concernant lallocation des actifs et ses outils quantitatifs daide la dcision. Nous avons pu ainsi tenter
de comprendre les enjeux de la nance contemporaine et la ncessit de plus en plus grande de bien grer
lpargne collective mondiale. Puis nous avons continu par dcrire les premiers outils quantitatifs mesurant
les risques de variation des actifs et les performances des investissements. Enn, nous avons pu entrer plus
prcisment dans la bote noire de lallocation optimale et des stratgies dinvestissement, couvrant autant
les problmatiques dimmunisation contre le risque que les stratgies quantitatives, trs utiles pour booster
la performance dun fonds.
Nous esprons quaprs ce cours et ses ateliers, des comptences en gestion de portefeuille auront pu tre
dveloppes, pour crer efcacement un portefeuille performant tout en ne prenant pas des risques dme-
surs.
71
BIBLIOGRAPHIE
[1] AFTALION, F., PONCET, P. & PORTAIT, R., 1998, La Thorie Moderne du Portefeuille, Que
sais-je ?, PUF.
[2] AGLIETTA, M. & REBERIOUX, A., 2004, Drives du Capitalisme Financier, Albin Michel.
[3] BECK, U., 1986, La socit du Risque : Sur la Voie dune Autre Modernit, Flammarion, Paris.
[4] BERLE, A. & MEANS, G., 1932, The Modern Corporation and Private Property, Harcourt, Brace
and World, New York.
[5] BERNSTEIN, P., 1995, Des Ides Capitales, PUF, Quadrige.
[6] BERTRAND, P. & PRIGENT, J.L.., 2006, Gestion de Portefeuille, Economica.
[7] BRIGO, D. & MERCURIO, F., 2001, Interest Rate Models - Theory and Practice, Springer Fi-
nance, Berlin.
[8] CARHART, M., 1997, On Persistence in Mutual Fund Performance, Journal of Finance, 52, 57-82.
[9] CLAUSS, P., 2011, Gestion de Portefeuille, Dunod.
[10] DANA, R. & JEANBLANC-PICQUE, M., 1998, Marchs Financiers en Temps Continu - Valori-
sation et Equilibre, Economica.
[11] EFRON, B., 1995, Le Bootstrap et ses Applications, CISIA.
[12] FABOZZI, F., FOCARDI, S. & KOLM, P., 2006, Financial Modelling of the Equity Market, Wiley
Finance.
[13] FAMA, E.F., 1998, Market Efciency, Long-Term Returns, and Behavioral Finance, Journal of
Financial Economics, 49, 283-306.
[14] FAMA, E. & FRENCH, K., 1993, Common Risk Factors in the Returns on Stocks and Bonds,
Journal of Financial Economics, 33, 3-56.
[15] GIDDENS, A., 1991, Les Consquences de la Modernit, LHarmattan.
[16] GURLEY, J.G. & SHAW, E.S., 1960, Money in a Theory of Finance, The Brookings Institution,
Washington.
[17] GRANGER, C.W.G. & NEWBOLD, P., 1974, Spurious Regressions in Econometrics, Journal of
Econometrics, 26, 1045-1066.
[18] HICKS, J., 1975, Crisis in Keynesian Economics, Basil Backwell.
[19] HONG, H. & STEIN, J.C., 1999, A Unied Theory of Underreaction, Momentum Trading and
Overreaction in Asset Markets, Journal of Finance, 54, 2143-2184.
[20] JEGADEESH, N. & TITMAN, S., 1993, Returns to Buying Winners and Selling Losers : Implica-
tions for Stock Market Efciency, Journal of Finance, 48, 65-91.
[21] JOLLIFFE, I.T., 1986, Principal Component Analysis, Springer.
[22] LAMBERTON, D. & LAPEYRE, B., 1991, Introduction au Calcul Stochastique Appliqu la
Finance, Mathmatiques et Applications, Ellipses.
72
Bibliographie 73
[23] LARDIC, S. & MIGNON, V., 2002, Economtrie des Sries Temporelles Macroconomiques et
Financires, Economica.
[24] LINTNER, J., 1965, The Valuation of Risk Assets and the Selection of Risky Investments in Stock
Portfolios and Capital Budgets, Review of Economics and Statistics, 47, 13-37.
[25] MARDIA, K.V., KENT, J.T. & BIBBY, J.M., 2003, Multivariate Analysis, Academic Press, Lon-
don.
[26] MARKOWITZ, H., 1952, Portfolio Selection, Journal of Finance, 7, 77-99.
[27] MERTON, R.C., 1972, An Analytic Drivation of the Efcient Portfolio Frontier, Journal of Finan-
cial and Quantitative Analysis, 7, 1851-1872.
[28] MOSSIN, J., 1966, Equilibrium in a Capital Asset Market, Econometrica, 34, 768-783.
[29] MUSIELA, M. & RUTKOWSKI, M., 1997, Martingale Methods in Financial Modelling, Applica-
tions of Mathematics, Springer.
[30] PERETTI-WATEL, P., 2000, Sociologie du Risque, HER/Armand Colin, Paris.
[31] PEROLD, A.F. & SHARPE, W.F., 1988, Dynamic Strategies for Asset Allocation, Financial Ana-
lysts Journal, 16-27.
[32] ROSS, S., 1976, The Arbitrage Theory of Capital Asset Pricing, The Journal of Economic Theory,
13.
[33] SHARPE, W., 1964, Capital Asset Prices : a Theory of Market Equilibrium under Conditions of
Risk, Journal of Finance, 19, 425-442.
[34] VIVIANI, J.L., 2001, Gestion de Portefeuille, Dunod.