Académique Documents
Professionnel Documents
Culture Documents
P ERFORMANCE
DE
M ARCH
Pierre Clauss
O BJECTIF DE L ENSEIGNEMENT
Le cours de Finance de March est compos de 8 sances de 2h30. Il sera spar entre 4 cours magistraux et 4 travaux pratiques dapplication des techniques apprhendes des donnes nancires. Ce cours est une introduction la Finance de march au sens large mais aussi la lire de troisime anne Gestion des Risques et Ingnierie Financire. Cette lire ouvre plusieurs mtiers de lIndustrie Financire dont nous tudierons les spcicits dans ce cours : cela va du modlisateur des risques au stratgiste quantitatif, de lallocataire au statisticien dveloppant des scores de risque client. tant donn que ce cours constitue un pr-requis pour suivre les cours de la lire Gestion des Risques et Ingnierie Financire, sa philosophie va tre de dvelopper une certaine culture gnrale sur les marchs nanciers, mais aussi dapprhender plusieurs techniques statistiques et de les appliquer des enjeux nanciers via la programmation informatique essentiellement laide du logiciel Excel. Pour tester vos aptitudes suivre la lire, ce cours fera donc lobjet dun mini-projet.
TABLE
I NTRODUCTION 1
DES MATIRES
4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 5 5 9 11 12 12 12 12 14 14 19 24 24 27 27 30 36 36 39 40 40 42 44 45
C APITALISME F INANCIER 1.1 Marchs nanciers . . . . . . . . . . . . . . . . 1.1.1 volution dans les annes 70 . . . . . . . 1.1.2 Fonction des marchs nanciers . . . . . 1.1.3 Acteurs des marchs nanciers . . . . . . 1.2 Institutions nancires . . . . . . . . . . . . . . 1.2.1 Cinq mtiers principaux . . . . . . . . . 1.2.2 Organisation dune salle de march . . . 1.2.3 Possibles mtiers dun diplm de lEnsai 1.3 Instruments nanciers . . . . . . . . . . . . . . . 1.3.1 Produits de base . . . . . . . . . . . . . 1.3.2 Produits drivs . . . . . . . . . . . . . .
R ISQUES F INANCIERS ET P ERFORMANCE D I NVESTISSEMENT Prambule : la culture du risque dans nos socits contemporaines . 2.1 Mesurer les risques nanciers . . . . . . . . . . . . . . . . . . 2.1.1 Modles facteurs de risque . . . . . . . . . . . . . . 2.1.2 Mesure synthtique du risque . . . . . . . . . . . . . 2.2 Mesurer la performance dinvestissement . . . . . . . . . . . 2.2.1 Une premire mesure synthtique . . . . . . . . . . . 2.2.2 Mesures de rentabilit ajuste du risque . . . . . . . . 2.3 Allocation et stratgies dinvestissement . . . . . . . . . . . . 2.3.1 Allocation efciente de Markowitz . . . . . . . . . . . 2.3.2 Stratgies de couverture du risque en delta statique . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
C ONCLUSION B IBLIOGRAPHIE
I NTRODUCTION
Ce cours prsentera tout dabord des lments de culture gnrale sur la nance de march qui constitueront les bases des parties suivantes. Nous tudierons ainsi lhistoire de la nance moderne depuis les annes 70, les institutions nancires constituant les marchs nanciers, et les instruments nanciers que lon peut changer sur ces derniers, allant des produits de base aux produits drivs. Ces bases fondamentales nous permettront daborder la problmatique que nous avons labore pour ce cours. En effet, la nance moderne est ne entre autres avec les travaux de Markowitz en 1954 qui ont impos comme lments fondamentaux aux marchs nanciers le risque et la performance des instruments nanciers ou de leur agrgation. Nous avons donc eu envie de proposer dans ce cours une deuxime partie se focalisant sur les problmatiques du risque en nance de march : comment le mesurer, comment le couvrir ? et celles de la performance : comment la mesurer, comment crer de la performance ? Ainsi, avec la liation de Markowitz et de sa dcouverte des lments essentiels en nance de march que sont le risque et la performance, nous tenterons de dvelopper leurs tenants et aboutissants laide des progrs faits et des nouvelles techniques quantitatives ralises depuis plus de cinquante ans et les travaux originels du Prix Nobel dconomie de 1990.
C HAPITRE 1
C APITALISME F INANCIER
1.1 Marchs nanciers
Nous entendons par capitalisme nancier lvolution du capitalisme dans nos socits actuelles et dont Aglietta et Rebrioux [2] prcisent les drives. Depuis le milieu des annes 70, nombreux saccordent dire que les marchs nanciers ont fortement volu avec une liquidit de plus en plus abondante et des marchs de plus en plus englobants, ainsi que lapparition de fonds dinvestissement dont le pouvoir nancier na cess de crotre. La nanciarisation actuelle de lconomie a de grandes consquences sur la socit elle-mme.
Capitalisme Financier
nancires complexes contigus, augmentant les apptits des spculateurs y trouvant des sources de prot simples et rapides. Ces produits drivs ont ainsi certes permis une croissance de la liquidit ncessaire pour viter la faillite, mais lopacit les accompagnant a augment les risques sous-jacents, en facilitant la spculation et linstabilit nancire. La crise du dbut danne 2008 est entre autres cause par un manque de conance dans les produits de crdit complexes, innovants mais difciles valuer. La bulle spculative sur les prix des matires premires du printemps 2008 est aussi rvlatrice de lapptit des spculateurs faire des prots rapides. Ceci explique certainement pourquoi Roosevelt avait voulu la suppression des marchs de drivs dans les annes 1930. Sur la crise des subprimes, voici un point de vue paru dans Ouest France le 3 octobre 2008.
Marchs nanciers
ciers. En effet, cest sur leur opacit que se sont fait la valeur des contrats titriss raliss ces dernires annes. Leur valeur aurait due tre beaucoup plus faible si lvaluation avait pris en compte le risque de baisse de
limmobilier. Il faut donc viter de penser que le pire est toujours derrire nous lorsque la conjoncture samliore. Cela vitera peut-tre de croire que lon peut faire de largent sans crer de valeur.
Capitalisme actionnarial et apparition des "zinzins" Outre la croissance de la liquidit et des transferts de risque, les annes 70 voient lapparition dune nouvelle forme de gouvernance des entreprises. Le capitalisme managrial va ainsi tre dtrn par un capitalisme o le contrle et la proprit (Berle et Means [4]) ne sont plus spars, o le principal, lactionnaire, va pouvoir avoir un contrle sur lagent, le manager. Ainsi, la capitalisme va devenir actionnarial et loutsider quest lactionnaire va avoir un impact trs important sur la gouvernance dentreprise et sur linsider que reprsente le manager. Le capitalisme actionnarial a transform en profondeur nos entreprises en rduisant lasymtrie dinformation existant par dnition entre le propritaire de la rme et son dirigeant. Cette volution de lactionnariat est favorise par lapparition de nouveaux acteurs collectant une pargne de plus en plus importante : les investisseurs institutionnels ou "zinzins". Ce nouvel actionnariat va prendre de nombreux visages : fonds de pension, mutual funds (fonds communs de placement), hedge funds, assureurs ou encore les fonds souverains, dont les activits font lactualit rcente. Les consquences sont autant sociales quconomiques. La presse relate en effet trs rgulirement les dcisions des actionnaires dlocalisant les industries par exemple pour diminuer les cots et augmenter la valeur actionnariale de lentreprise. Nous tudierons plus bas la dnition de laction comme instrument nancier et nous comprendrons la relation proportionnelle entre la valeur de laction et les bnces pouvant tre retirs dune rme : plus les bnces anticips seront importants, plus laction augmentera sa valeur. Nous comprenons donc pourquoi lorsque des licenciements sont annoncs, la valeur de laction augmente. Et ceci nest pas d la malveillance des actionnaires mais leur volont de maximiser leur investissement dans la rme : une vague de licenciements rduira les cots et augmentera les bnces futurs. Tout le dbat est alors de savoir si ces cots court-terme nauraient pas pu tre aussi des bnces long-terme... Mais aujourdhui le bnce social nest pas intgr dans la valeur actionnariale. Mais revenons aux "zinzins". Ils ont aujourdhui une importante pargne grer. Et cette gestion doit intgrer deux objectifs paradoxaux : ne rien perdre tout en gagnant le plus possible ! Cette double exigence va demander, outre un contrle de plus en plus accru sur la gouvernance dune entreprise, le dveloppement doutils quantitatifs aidant la gestion efcace de cette pargne satisfaisant au mieux le client, qui vit dans une socit de plus en plus imprgne par la matrise du risque. Voici un point de vue paru dans Ouest France le 3 novembre 2008.
Capitalisme Financier
traite. Et cette pargne est collecte par des socits travaillant faire fructier le plus possible sans perdre largent de leurs futurs retraits. La somme dtenue par ces fonds est colossale. Le problme est que dans 20 ans, cause du papy boom, il y aura plus de retraits dargent que dentres ce qui pousse ces fonds demander une performance de leurs investissements plus importante. Les nouveaux agressifs Pour crer de la performance, plusieurs socits proposent leur service, les fonds de pension dlguant la gestion active de leur argent. Tout dabord, les fonds mutuels sont les plus traditionnels : ils investissent sur les marchs avec les outils classiques (actions, obligations) et une certaine expertise mais un contrle des risques les amenant ne pas faire nimporte quoi. En France, ce sont les SICAV (Socits dInvestissement CApital Variable) ou encore les FCP (Fonds Communs de Placement) que les banques proposent par exemple au sein dun PEA (Plan dpargne en Actions). Leur gestion classique subit de plus en plus la concurrence de gestionnaires plus agressifs. Les fonds de private equity 1 ont fait leurs premier pas en France avec par exemple lachat du PSG par Colony Capital, ou encore Legrand par KKR et la famille franaise Wendel. Ces fonds vont investir dans des entreprises non cotes ou des entreprises cotes quils retirent de la Bourse. Ils deviennent les propritaires de ces entreprises et leur objectif est de rationaliser la gestion, lamliorer, pour les revendre avec une plus-value importante. Pour en devenir propritaire, ces fonds font appel des emprunts colossaux. Les fonds de pension peuvent faire partie alors des prteurs potentiels ce type dachat, appel LBO : Leverage Buy-Out. En misant peu de sous et en ralisant une large plus-value, ces fonds ont attir de nombreux investisseurs avides de rendements importants. Lenqute passionnante
de Godeluck et Escande Les pirates du Capitalisme (Albin Michel, 2008) en explique le fonctionnement. Les seconds fonds "agressifs" sont les fonds spculatifs qui ne vont pas agir hors de la Bourse, mais au contraire utiliser les anomalies de prix des actifs nanciers pour crer de la performance. Ils peuvent aussi sintresser rendre plus performant le management dune entreprise en achetant une minorit dactions et en poussant de manire agressive le management se transformer lors des assembles gnrales. Dernire catgorie de fonds, les fonds souverains : ils ont lapparence de fonds de pension mais sont beaucoup plus opaques sur leurs intentions. Ils se sont dvelopps laide des fortes rserves dargent que les tats exportateurs ont pu accumuler, soit par le ptrole, comme la Norvge ou les mirats Arabes Unis, soit par les biens de consommation exports et les rserves de change induites, comme la Chine. Ils ont t ces derniers mois de grands pourvoyeurs de liquidit en investissant dans les banques affaiblies par la crise. Et Nicolas Sarkozy vient de lancer la cration dun fonds franais. Le dveloppement de ces nouveaux acteurs est li la crise que lon vit actuellement : une pargne excessive investie dans des actifs existants et non innovants, comme limmobilier, crant alors une bulle. Et les banques qui ont voulu participer cette euphorie en copiant les fonds spculatifs par exemple ont pu perdre normment. Ces nouveaux acteurs du capitalisme peuvent peser sur nos conomies de faon parfois dsastreuse. Non pas parce que ces acteurs sont ptris de mauvaises intentions mais parce quil manque des contre-pouvoirs ces fonds qui viteraient de les rendre trop puissants. A quand la mise en place dune Organisation Mondiale des Marchs Financiers ?
1. "Private equity" soppose en anglais "public equity" qui signie "capital issu de la Bourse", donc public par la large information diffuse sur les entreprises cotes.
Marchs nanciers
Opposer deux capitalismes nest donc pas une solution. La spculation ; malgr ses aspects choquants, peut savrer trs utile aux marchs nanciers. La considrer comme un au Un grand conomiste qui a vcu lautre grande serait contre-productif. Cela reviendrait bancrise, celle de 1929, peut nous clairer. En ef- nir les marchs nanciers, tout de mme utiles fet, Keynes dveloppe une analyse subtile de aux investissements de nos conomies. la spculation dans le chapitre 12 de la Tho- En revanche, dnir un code thique du sprie Gnrale de lEmploi, de lIntrt et de culateur au niveau mondial qui lobligerait
10
Capitalisme Financier
reverser une partie de ses bnces la lutte la sacro-sainte liquidit, ce que la taxe Tobin contre dautres aux comme la faim dans sur les transactions montaires est malheureule monde, les maladies, la pollution ne serait sement susceptible de dtruire. peut-tre pas inutile... en vitant de supprimer On considre souvent les marchs nanciers comme le lieu de rencontre entre capacits de nancement et besoins de nancement. Traditionnellement, on rduit ce lien celui liant pargne et investissement. En effet, si les agents conomiques assuraient entirement leurs besoins de nancement laide de leurs ressources propres, les marchs nanciers nauraient aucune utilit. En outre, les marchs nanciers tablissent une autre lien dans lconomie entre le pass et le futur. Les capacits de nancement correspondent lpargne de revenus passs et les besoins de nancement sassimilent des projets dinvestissement qui se raliseront dans le futur. Alors se contractent des engagements de transfert de liquidit entre investisseurs et pargnants, ces derniers exigeant une rmunration cause du risque de perte potentielle en cas de faillite de linvestisseur. Nous apercevons dj ces deux notions fondamentales en nance que sont le risque et la performance. Les marchs nanciers permettent donc dallouer les ressources de la manire la plus optimale possible entre des agents de prols opposs : les pargnants sont averses au risque et veulent rcuprer leur liquidit aisment sur un horizon court et avec une rentabilit signicative ; alors que les investisseurs veulent emprunter au moindre cot et sur un horizon plus long. Prcisons tout de mme que les marchs nanciers ont permis une uidit du lien entre lpargne et linvestissement, ce qui nimplique pas leur augmentation : au contraire, dans la plupart des pays occidentaux, les pargne et investissement nationaux ont connu un chissement signicatif. Finance directe et nance indirecte Pour optimiser lallocation, deux possibilits soffrent : la nance indirecte et la nance directe selon la terminologie de Gurley et Shaw [12] dnie en 1960. Lpargnant a en effet le choix entre deux solutions pour placer sa liquidit : la placer chez un intermdiaire nancier qui lalloue un emprunteur de son choix : ceci correspond au circuit de la nance indirecte, la placer directement sur les marchs nanciers via un instrument nancier de son choix (action, obligation, option). Le prt est directement con lemprunteur : ceci correspond au circuit de la nance directe. Sur la mme problmatique, Hicks [13] a propos en 1974 une distinction entre dune part lconomie dendettement, overdraft economy, caractrise par une nance indirecte, et dautre part, lconomie de marchs des capitaux, autoeconomy, o les marchs nanciers assurent le nancement de lconomie. En France, le passage dune conomie dendettement une conomie de march sest faite en trois temps aprs la seconde guerre mondiale : 1. le contrle administratif du crdit et de lpargne jusquen 1965 : cest le Tout-tat, 2. lessor de la banque universelle jusqu la n des annes 70, qui regroupe les banques de dpts, banques daffaires et banques de crdit moyen et long termes, dnitivement consacre par la loi bancaire de 1984, 3. lafrmation des marchs nanciers avec une prsence toujours non ngligeable de ltat et des banques, depuis le dbut des annes 80.
Marchs nanciers
11
12
Capitalisme Financier
Institutions nancires
13
1. les services de direction des risques des banques au sein de la direction du Retail, pour contrler, mesurer et rglementer les risques bancaires, 2. lingnierie nancire de la gestion dactifs comme allocataires et stratgistes quantitatifs, 3. les services de contrle des risques dans les salles de march de la BFI. Les mtiers de quant proprement parler ne sont pas ouverts un diplm de lEnsai ; nanmoins, ses comptences peuvent tre apprcies pour calibrer statistiquement les modles probabilistes dvelopps par le quant, ou encore pour dvelopper des stratgies darbitrage, 4. les services statistiques dans les liales de crdit la consommation pour dvelopper des outils de scoring client, 5. et enn il commence se dvelopper des mtiers dallocataire quantitatif et de contrleur des risques dans les liales dassurance des banques. tudions maintenant les instruments nanciers la disponibilit des acteurs des marchs nanciers.
14
Capitalisme Financier
Cette valeur est value sur le march par les diffrents acteurs qui estiment la valeur de lactif net de la rme. Comment ces derniers estiment la valeur de la rme ? Le processus dvaluation peut tre modlis laide de la thorie de lefcience des marchs que nous dcrivons ici.
2. Lors dune faillite, les actionnaires ne sont ddommags quaprs remboursement des cranciers qui sont prioritaires.
Instruments nanciers
15
Efcience des marchs nanciers La thorie des marchs efcients a atteint son point dacm dans la recherche nancire autour des annes 70. Cest au mme moment la prdominance de la thorie des anticipations rationnelles en conomie. Cette dernire est en partie ne de linsatisfaction croissante ressentie par de nombreux conomistes lgard des anticipations adaptatives dveloppes par Milton Friedman. En 1960, John Muth avance que la prvision des agents est "parfaite", sans tre forcment exacte ; elle est fonde sur des lois de probabilit effectivement suivies par les phnomnes tudis. Si des erreurs se produisent, elles ne peuvent pas tre systmatiques car sinon les agents rationnels sen apercevraient et lintgreraient dans leurs calculs. Les anticipations rationnelles supposent lquilibre permanent et lautoralisation de la croyance des agents. Le concept dautoralisation signie que lagent reprsente lconomie sous la forme dun modle, ce dernier tant lorigine dactions qui "engendrent" les situations quil dcrit. Ainsi, les croyances des agents, de type walrassien, sont-elles considres comme un paramtre que se donne "a priori" le modlisateur. Robert Lucas introduit lhypothse des anticipations rationnelles au dbut des annes 70. Les grands courants de pense conomique, les nouveaux classiques, les montaristes et quelques keynsiens ont adopt cette thorie. Cette revue rapide de la thorie conomique de cette priode est importante pour comprendre lengouement de lintroduction des mathmatiques (cest en effet ce moment aussi que Black et Scholes, en 1973 plus prcisment, font lhypothse que les volutions des prix des actifs suivent une marche alatoire) et des prvisions parfaites en thorie nancire, sur lesquelles se fonde la thorie de lefcience. En effet, lHypothse dEfcience des Marchs (HEM) nanciers nonce lide que les prix spculatifs des actifs (comme les actions) incorporent toujours et sans friction la meilleure information des valeurs fondamentales (prvision de bnces, etc.) et les volutions des prix ne sont dues qu des changements dans cette information. Linformation peut prendre diffrentes formes (srie des prix passs, information publique ou prive), mais dans tous les cas, elle est entirement intgre par les prix. Dans les annes 80 et 90, des doutes ont commenc poindre sur lhypothse defcience et les modles traditionnels dvaluation des actifs, tels le Capital Asset Pricing Model (cf. section 2.1.1). Mais, les chantres de cette dernire avanaient et avancent toujours que cette thorie a certes, comme toute thorie, des hypothses restrictives mais elle permet dapprhender au mieux lunivers des marchs nanciers ; les carts cette thorie ne sont que des anomalies. Parmi ces anomalies, nous pouvons citer la prsence sur les marchs actions dautocorrlations positives et stables entre les rentabilits daujourdhui et celles du pass proche (phnomne de momentum), ainsi que des autocorrlations ngatives dans le long terme (phnomnes de retour la moyenne des prix). Fama [9], auteur dun modle plus rafn dvaluation des actifs dans le cadre de lefcience (modle de Fama-French [10]), nonce bien lenjeu : "Suivant la loi traditionnelle de la Science, lefcience des marchs peut tre seulement remplace par un meilleur modle". Et ce dernier doit satisfaire des critres rigoureux : "il doit spcier ce qui dans la psychologie de linvestisseur permet dexpliquer simultanment les causes de sous-raction certains types dvnements et de sur-raction dautres. [...] Et la thorie alternative doit avoir des hypothses rigoureusement dnies, elles-mmes potentiellement rejetables par des tests empiriques". Des auteurs sont ainsi parvenus llaboration de cadres thoriques o les anomalies de lefcience des marchs y sont les fondements, comme les phnomnes de sous et sur-raction la diffusion de linformation par exemple. Valeur fondamentale dune action LHEM stipule que le prix observ dun titre nancier, quel quil soit, est gal sa valeur fondamentale, dnie comme le ux des revenus futurs actualiss auquel le titre donne droit. Ainsi, en supposant que les dividendes intgrent toute linformation sur les fondamentaux conomiques du cours des actions, la valeur V0i du titre de la socit i est dnie par la somme actualise de ses ux futurs gnrs, les dividendes Dt ,
16
Capitalisme Financier
V0i =
t=1
Dt (1 + rf + i )t
avec rf 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 2.1.1 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 V0i 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 introduisons ainsi avec ce premier instrument nancier des sources de cration potentielle de performance. Une prcision importante est faire sur ce point. Il faut en effet souligner que la prime de risque est quivalente (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 rentabilit 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 2.1.1). 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. Classiquement, 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, celle-ci sera considre comme peu chre. Cest enn un indicateur de valorisation : nous pouvons alors savoir si le PER est lgitime ou non et donc son loignement 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 dividendes : effectivement, il se fonde sur des ux de revenus futurs alatoires et difciles estimer. Les investisseurs doivent en consquences les anticiper sur la base des informations dont ils disposent. Le calcul de la valeur fondamentale va donc supposer des hypothses rductrices. Le plus clbre est le modle de croissance perptuelle dni par Gordon et Shapiro en 1956.
Instruments nanciers
17
Ils supposent que le taux de croissance annuel des dividendes g est constant, comme 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 :
+
V0
=
t=1
Dt = D0 (1 + r)t t=1
1+g 1+r g 1+ 1+r
1+g 1+r
= =
D0 D0
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 dividendes 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. Nous dvelopperons ces modles dans la section 2.1.1. Obligations Les obligations sont des titres de dette pour les entreprises et de crances pour les souscripteurs. Les obligations 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 endessous 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 rt , 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. date de rglement : date laquelle lemprunt est liquid. La valorisation Vt dune obligation en t va tre similaire celle dune action, cest--dire gale la somme actualise de ses ux futurs F composs des coupons et du remboursement nal :
T
1+g D1 = rg rg
Vt =
=t+1
F = (1 + rt )t
T 1
=t+1
V C + (1 + rt )t (1 + rt )T t
18
Capitalisme Financier
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= 1 dV 1 = V dr 1+r
T
=1
1 F = V (1 + r) 1+r
=1
D 1+r
Nous obtenons ainsi lexpression de la duration D comme une moyenne pondre des maturits des ux nanciers. La somme des poids est bien gale 1. La duration peut enn tre vue comme la dure de vie moyenne actuarielle dun titre obligataire. A la n de cette dure de vie moyenne, et sous lhypothse dune structure par termes plate et ne pouvant se dformer que paralllement, linvestisseur est immunis contre la variation de taux : le rendement de lobligation est partir de cette date au minimum gale au rendement actuariel initial. Ceci sexplique par la compensation avec le temps de la dvalorisation de lobligation, par exemple, cause de la hausse des taux, par le placement des taux plus levs des coupons rcuprs. Outre lvolution de la valeur dune obligation, nous pouvons tre intresss par la variation dun portefeuille investissant dans une obligation. Sa variation va tre compose de la capitalisation des coupons et de la variation de la valeur de lobligation suivant les taux. Si nous notons Ot la valeur de ce portefeuille obligataire en t, la pas de la priodicit (cf. tableau 2.2) et rt le taux de march, nous avons : Ot+ = Ot (1 + rt ) D (rt+ rt ) 1 + rt
La duration fait lhypothse sous-jacente que tous les taux ayant des maturits diffrentes voluent de manire uniforme. Or la structure par termes des taux rvle que sa dformation nest pas seulement uniforme mais intgre deux autres facteurs dvolution : un facteur de pentication de la courbe de la structure par termes, ainsi quun facteur de courbure. Ltude des co-mouvements de la structure par termes laide par exemple dune Analyse en Composantes Principales met en exergue ces deux autres facteurs de dformation et permet damliorer la gestion du risque de taux.
Instruments nanciers
19
20
Capitalisme Financier
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 FT (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 ST en T . Pour garantir le paiement du contrat forward en T , il faut acheter la quantit Ft (S, T ) de zro-coupon, qui permettra de dtenir maturit le montant FT (S, T ). A partir de lgalit des ux tout moment (AOA), nous avons : Ft (S, T ) B (t, T ) = St et donc le montant chang la maturit du contrat terme est x aujourdhui (t = 0) : F0 (S, T ) = S0 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 [7], Lamberton et Lapeyre [15], et Musiela et Rutkowski [21]) 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. 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 de loption dpend de la valeur du sous-jacent par rapport au prix dexercice du call. En effet, si la valeur du sous-jacent ST > K , le dtenteur du call exerce loption puisque le sousjacent est devenu trop cher. Il gagne donc la diffrence ST K , sil revendait sur le march, par exemple, instantanment le sous-jacent achet au prix K et de valeur de march ST . Au contraire, si ST 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 ST K et 0. Le payoff dpend donc de la valeur du sous-jacent la maturit, par essence imprvisible. Ainsi : payoff = max(ST K, 0) = (ST 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
Instruments nanciers
21
couvre contre une baisse du sous-jacent. Effet de levier Le gain pour un call ST K possible est sans commune mesure avec celui fait sur le sous-jacent, relativement 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 : rt|T = ST ST 1= 1 St K
(ST K )+ 1 Ct
ST K 1 Ct
Soit lapplication numrique suivante : St = 98, K = 100 et Ct = 4.8. Dans le cas o ST = 107 : rt|T =
c rt |T =
107 1 = 9.2% 98
100 1 = 2.4% 98
100 100 1 = 100% 4 .8 Lachat de call est donc beaucoup plus risqu, cause de leffet de levier induit. 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 : 1 0 .5 0 Probabilit dexercice Forte Aussi faible que forte Faible Payoff probable ST > K ST = K ST < K Position Dans la monnaie A la monnaie En dehors de la monnaie
22
Capitalisme Financier
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 Lobjectif est dvaluer le prix aujourdhui en 0 dun ux h(ST ) = (ST K )+ qui ne sera connu qu la maturit T . La mthode utilise est de construire une stratgie qui rplique le mme payoff h(ST ) 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 dynamique 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 0 (action, matire premire, devise) S et lactif sans risque S 0 . Elle aura pour valeur Vt () = t St + 0 t St . 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 dSt = St (dt+dWt ), avec Wt un mouvement 2 t + Wt Brownien standard. Nous en concluons partir du lemme dIt que St = S0 exp 2 2 2 et donc les rentabilits du sous-jacent suivent une loi Normale N , . 2 lactif sans risque (cash) est dterministe (non alatoire) et sa dynamique est reprsente par lEDS 0 0 0 dSt = St rdt. Ainsi, St = exp(rt). t = St (crit dans le numraire cash) est Un rsultat essentiel est la fait que si le processus actualis S 0 St V ( ) t () = t une martingale, alors la valeur nancire actualise V 0 dun portefeuille auto-nanant est une St martingale. t est une Nous allons donc dterminer une probabilit Q quivalente la probabilit P sous laquelle S t , avec martingale. A partir du thorme de Girsanov, nous savons que le processus dEDS dSt = St dW r t = Wt + t et = W , est un mouvement Brownien sous Q, probabilit appele risque-neutre car t ) sous Q. Nous avons tous lactif risqu a mme rendement que lactif sans risque : dSt = St (rdt + dW les lments essentiels au pricing dun call europen. Nous supposons le march complet. Cette hypothse implique que la probabilit risque-neutre Q est unique et permet ainsi de garantir lexistence dune stratgie auto-nanante qui rplique le ux nal du call europen et dont la valeur actualise est une martingale sous Q. En consquence, le prix du call est unique. La stratgie a pour valeur la maturit VT () = h(ST ) = (ST K )+ et ainsi t T , nous avons, avec la tribu Ft reprsentant linformation disponible la date t : t () V Vt () Vt () T () | Ft ] EQ [V
= = =
2 2
T W t) (T t) + (W
| Ft
Instruments nanciers
23
T W t est indpendant de Ft et St est Ft mesurable. Donc Vt () = (T t, St ) avec : Or W (T t, x) = er(T t) EQ h x exp = er(T t) Ex Q [h(ST t )] Le prix du call europen C0 aujourdhui, similaire celui de la stratgie V0 (), est alors (nous ne dcrivons pas ici les diffrents calculs qui aboutissent ce rsultat, cf. par exemple Musiela et Rutkowski [21]) : C0 = x(d1 ) KerT (d0 ) 1 avec x = S0 , (.) la fonction de rpartition de la loi Normale centre et rduite, d0 = T et d1 = d0 + T . Pour tout t < T , nous avons : Ct = St (d1 ) Ker(T t)(d0 ) 1 avec d0 = T t r 2 2 (T t) + ln St et d1 = d0 + T t. K r 2 2 T + ln x K r 2 2 T W t) (T t) + (W
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. 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 sousjacent 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.
C HAPITRE 2
24
25
Enn, pour grer les risques, il faut faire des choix politiques. En effet, de nombreux seuils vont tre dtermins pour savoir si une situation prsente un danger ou pas. Il en est ainsi de la dtection de la trisomie par amniocentse qui demande des examens trs lourds pour la femme enceinte et assez risqus : des mthodes de dpistage sanguin ont pu tre dvelopps mais avec une incertitude. Le seuil dni est donc issu dun choix politique dune responsabilit importante. A la n des annes 80, ce principe du seuil, sous-jacent au principe de prcaution, a connu un fort succs. Et ce principe a t fortement dvelopp dans de nombreux domaines comme la sant, lenvironnement, la gntique, la scurit au travail ou encore la nance : ainsi le comit de Ble a dni les premiers accords de rglementations bancaires Ble I en 1988 laide dun ratio dterminant un montant de rserve permettant aux institutions nancires de se couvrir contre un risque de perte leve. La difcult fut alors de dnir ce montant ou ce seuil de perte potentielle. Ces diffrentes rglementations sont donc difciles quantier scientiquement car fondes sur des probabilits extrmes. Le ratio du comit de Ble subit une incertitude relativement importante. Et ces rgulations ne permettent pas dviter toutes les crises : rcemment, durant lt 2007, la crise des subprimes na pas pu tre vite malgr les prcautions normalement dictes. Mais comme la ncessit de la mesure, nous lavons vu, est essentielle dun point de vue socitale, il faut en accepter les limites. La science a tout de mme progress et applique aujourdhui les rsultats de thories probabilistes (thorie des valeurs extrmes, thorie des copules) pour obtenir des mesures des risques extrmes plus prcises. Malheureusement, ces techniques ne sont pas encore assez dveloppes. Nos socits contemporaines ont donc dvelopp une importante culture du risque. Selon Giddens [11], le risque est mobilis par tout individu comme mode de reprsentation du quotidien. La socit est en effet davantage oriente vers le futur et moins ancre dans le pass et les individus mettent en oeuvre une rationalit probabiliste pour valuer les consquences de leurs actions. Le futur devient donc un territoire coloniser. Beck [3], un autre sociologue travaillant sur ces problmatiques, a montr les volutions de lindividu de nos socits : il doit se projeter dans le futur en essayant de le contrler et en refusant le dterminisme. La socit industrielle traditionnelle tait caractrise par le lutte souvent collective contre la pauvret et le dclin. Aujourdhui, lindividu est livr lui-mme faisant face une multitude de risques. Les marchs nanciers sont aussi le miroir de cette culture du risque imprgnant nos socits contemporaines. Les krachs boursiers font peur et peuvent affecter lexistence de tout un chacun. En outre, les agents de ces marchs "crent le futur quils tentent de coloniser" selon Peretti-Watel : effectivement, entretenant eux-mmes la volatilit des marchs nanciers, ils crent les risques nanciers imprvisibles quil leur faudra valuer et grer. Voici un point de vue paru dans Ouest France le 16 dcembre 2008.
26
tions se sont inverses. Pourtant, nos socits avaient dvelopps depuis la n des annes 80 (le livre de Beck publi en 1986 La socit du risque : sur la voie dune autre modernit est trs clairant) une perception relle du risque collectif la suite de drames, comme Tchernobyl, ou, dun point de vue nancier, aprs le krach doctobre 1987. Les politiques avaient mis en place de rgulations. Dans le domaine nancier, les premiers accords de Ble ont vu le jour en 1988 avec lobjectif afch dviter la contagion de faillites bancaires tout le systme nancier, en contraignant les banques conserver une partie de leurs fonds propres en rserve. Malheureusement, on constate lchec de ce systme de rgulations. Pourquoi ? Car la perception aige du risque dveloppe dans les annes 80 a t dlaisse au prot des rendements court-terme, proposs par les innovations nancires des annes 90, ainsi que ceux des bulles technologique et immobilire des annes 2000. Ce qui empche de percevoir le risque, cest la rentabilit attendue. En nance, on a lhabitude de parler de couple rendement-risque pour dire que le risque volue avec le rendement. Le problme, trs bien dcrit par Frdric Lordon dans son dernier livre Jusqu quand ? Pour en nir avec les crises nancires, est que le risque se mesure seulement aprs quon a ralis linvestissement : il est
difcile en effet de prvoir le risque encouru. Lauteur va jusqu afrmer que "le contrle des risques est une chimre". Dans les banques, valuer le risque engag est complexe ; cest nanmoins possible si lon comprend que risque et rendement sont deux notions non relies dans le temps : le rendement est une notion de court-terme et le risque une notion de long-terme. Admettre cela permet de poser des rgles : augmenter la rserve de fonds propres des banques lorsque lenvironnement conomique est favorable (rendement bon et perception faible du risque) pour pouvoir la diminuer dans le cas contraire (rendement mauvais et perception forte du risque). De telles rgles auraient permis aux banques de moins participer la bulle et de pouvoir rpondre aux pertes actuelles sans faire appel lEtat. Revenons au changement climatique. La perception des risques est encore faible, alors que les rendements retirs de la consommation du ptrole par exemple sont levs pour nos socits. Il apparat urgent que les politiques dnissent des rgles plus volontaires dconomies dnergie, certes contraignantes aujourdhui, mais qui nous permettront dviter le pire dans quelques annes. Forcer les banques moins investir dargent pendant la bulle aurait t salvateur... Et cest le rle du Politique de dnir les conditions ncessaires aujourdhui pour bien vivre ensemble.
27
avec (.) la volatilit de lactif correspondant et cov(.,.) la fonction covariance. Pour des raisons pdagogiques, nous nentrons pas dans la dmonstration de ce modle mais expliquons les consquences empiriques et pratiques de cette modlisation de la prime de risque. Nous pouvons aussi rcrire ce modle de la manire suivante : i = E (Ri ) rf = i [E(RM ) rf ] (2.1)
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,
28
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. 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 = Ri rf = i + i [RM rf ] + 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. 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 (2.1) 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 : th obs obs obs = i + th i i i = i i . Le modle est suppos bon, donc la prime de risque ex-ante i th devrait diminuer pour atteindre la prime de risque thorique 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. Modle de Fama-French Le modle de Fama et French [10] dvelopp en 1993 correspond un rafnement du Capital Asset Pricing Model. Il explique la rentabilit espre dun portefeuille ou dune action E(ri ) en excs du taux dintrt sans risque rf par la sensibilit de sa rentabilit lesprance de trois facteurs de risque non diversiables : 1. la rentabilit en excs dun portefeuille de march RM rf (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 1 , ces actions sont alors caractrises de Value, et la rentabilit dun portefeuille dactions importante valorisation nancire, ces actions sont alors caractrises de Growth (HML, High Minus Low). Formellement, nous avons lexpression de la prime de risque suivante : i = E(Ri ) rf = i (E(RM ) rf ) + si SMB + hi HML
1. Les actions faible valorisation nancire sont alors celles ayant un fort book-to-market.
29
Le modle de rgression correspondant scrit : i = Ri rf = i + i (RM rf ) + si SMB + hi HML + i Les facteurs sont dtermins empiriquement de manire viter loverlapping. Dans ce but, il va falloir construire six portefeuilles : < Mdiane Capitalisation dcile 70% book-to-market < dcile 30% book-to-market Small Value Small Neutral Small Growth Mdiane Capitalisation Big Value Big Neutral Big Growth
TABLE 2.1 Six portefeuilles Fama-French Ainsi, nous pouvons calculer les rentabilits des portefeuilles SMB et HML partir de celles de ces six portefeuilles : SMB = 1 (Small Value + Small Neutral + Small Growth) 3 1 (Big Value + Big Neutral + Big Growth) 3 1 (Small Value + Big Value) 2 1 (Small Growth + Big Growth) 2
HML =
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 dvaluation de lactif ou une remise en cause du modle. Dans ce dernier cas, Carhart [6] a ainsi dvelopp un modle dvaluation incorporant le momentum de prix dun actif (cette anomalie clbre a t dveloppe par Jegadeesh et Titman [14]). Ces situations darbitrage ont permis de dvelopper aussi dautres modles dvaluation des actifs comportant de nouveaux facteurs de risque compltant le modle de Fama-French, mais nous ne les tudierons pas ici.
30
Avant dvaluer ce critre, il faut prciser une spcicit de calcul. Nous observerons dans la suite les volutions des rentabilits dindices boursiers de priodicit hebdomadaire 3 . 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 VtP la valeur en t du portefeuille et VtP + la valeur P en t + , alors la rentabilit du portefeuille Rt calcule sur lintervalle de temps est gale : |t+
P Rt |t+ =
VtP + 1. VtP
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 annuelle 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 Quotidienne Hebdomadaire Mensuelle
1 261 1 52 1 12
Facteur 261 52 12
TABLE 2.2 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.
2. Nous expliquerons lintrt dutiliser les rentabilits dans la section 2.2.1. 3. 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.
31
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.
Indices
80
100
120
60
2000
2002
2004
2006
Nous remarquons sur les Figures 2.1 et 2.2 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 automatiquement 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.
32
0.10
Rentabilits
0.10
0.05
0.00
0.05
2000
2002
2004
2006
F IGURE 2.2 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 statistique (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 2.3.
0.10
Rentabilits
0.10
0.05
0.00
0.05
2000
2002
2004
2006
F IGURE 2.3 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 2.3 quinvestir dans lIndice 3 est plus dangeureux car des
33
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 2.4. 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.
100
20
40
60
80
0.10
0.05
0.00
0.05
F IGURE 2.4 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 Euribor 3 mois MSCI Europe Indice 3 Volatilit annualise 0.12% 16.99% 9.38% VaR 1% 0.04% 5.77% 7.85%
TABLE 2.3 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.
34
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. P Soit VtP la valeur en t du portefeuille et VtP +h la valeur lhorizon h. La rentabilit du portefeuille Rt|t+h investi la date t et dtenu sur un horizon de dure h a pour expression t 1 :
P Rt |t+h =
VtP +h 1. VtP
P P Supposons que Rt |t+h est issu dune variable alatoire note R . La VaR(h, ) est alors dnie par :
P[RP VaR(h, )] = cest--dire la probabilit que la rentabilit du portefeuille soit infrieure la VaR sur un horizon h est gale 4. Notons F la fonction de rpartition de la variable alatoire RP 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 () (2.2)
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 . Supposons que nous rique. Nous estimons alors F non-paramtriquement par sa distribution empirique F des rentabilits disposons dun historique de T observations des rentabilits. La distribution empirique F P P 1 du portefeuille est alors caractrise partir du vecteur (R1|1+h , . . . , RT |T +h ) et F () correspond au P P quantile de probabilit de (R 1|1+h , . . . , RT |T +h ) . Lavantage de cette mthode est donc de ne pas imposer dhypothse sur la loi de distribution des rentabilits. Mais le problme qui se pose est lover-tting ou encore la dpendance trop forte lchantillon sur lequel la VaR a t dtermine, et donc sa difcult 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 P se porte sur la loi Normale. Supposons donc que les rentabilits du portefeuille Rt |t+h sont issues dune 2 variable alatoire gaussienne : ainsi, F est dnie par N (, ) avec lesprance des rentabilits et 2 la variance des rentabilits. Nous obtenons ainsi partir de lquation (2.2) : 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 dintroduire 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 :
4. 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%.
35
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 2.5 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 2.2.
QQplot Losses tail
0.008
CAC 40 Gaussian
Sample Quantiles
0.000
12
10
0.002
0.004
0.006
10
Gaussian Quantiles
F IGURE 2.5 QQ-plot et distribution de la queue des pertes du CAC 40 relativement la loi Normale Cette mesure du risque de march ainsi que les modles probabilistes conformes au prol de la distribution des rentabilits seront tudis dans des cours plus approfondis en troisime anne.
36
1400
1200
1000
S&P 500
800
600
400
200
F IGURE 2.6 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 W0 la richesse initiale et WT la richesse nale, la rentabilit R est gale : R= WT W0 WT = 1 W0 W0
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 WT revient ce que le quotient soit proche de 1, nous pouvons utiliser la rentabilit logarithmique, appele W0
37
aussi log-rentabilit ou encore rentabilit gomtrique. En effet, nous avons partir dun dveloppement limit lordre 1 lapproximation suivante : ln WT WT 1=R W0 W0 pour WT 1 W0
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 = WT W0 + D D =R+ W0 W0
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 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 2.7 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 [16] 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 2.8), 2. lautocorrlogramme de la Figure 2.8 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.
38
+- 1,96/T^0,5
-1 0 5 10 15 retard 20 25
4 1 3 0.5 0 2 -0.5 -1 1 1930 1940 1950 1960 1970 1980 1990 2000 0 5 10
15 retard
20
25
+ 1,96/T^0,5
0 0.5
0.1 1 0 0 5 10 15 retard 20 25
PACF pour logrentabilits S&P 500 0.1 1 0.5 0.2 0 0.3 0.5 1 0.4 1930 1940 1950 1960 1970 1980 1990 2000 0 5 10 15 retard 20 25 + 1,96/T^0,5
F IGURE 2.8 volution des diffrences premires lindice S&P 500 en log et autocorrlogrammes Rentabilit dun instrument de taux Dans le cas des instruments de taux, les donnes que nous observons sur les marchs sont diffrentes de celles dactions, dindices ou de portefeuilles : les donnes sont les taux annuels quelle que soit la priodicit. Pour calculer la rentabilit dun investissement sur ce type de produit, il faut dsannualiser le taux de la manire suivante, en supposant que le taux annuel est la capitalisation de taux similaires de priodicit plus faible : (1 + rt+ ) = 1 + rt+1 an rt+ = (1 + rt+1 an ) 1 avec rt+ le taux dsannualis, le pas de la priodicit (cf. tableau 2.2) et rt+1 an le taux annualis dni sur les marchs nanciers.
1
39
Mesure absolue Ces mesures valuent la performance sans rfrence un benchmark. Nous prsentons deux ratios : 1. Le ratio de Sharpe Si pour un portefeuille i, dni par Sharpe en 1966, mesure la rmunration par linvestissement, en excs du taux sans risque rf , dune unit de risque, mesur par la volatilit : E(Ri ) rf . Une alternative au ratio de Sharpe peut tre propose avec le risque non plus Si = (Ri ) E(Ri ) rf . mesur par la volatilit mais la VaR (en rentabilit) : Si = |VaRi | 2. Le ratio de Treynor mesure le rapport entre lexcs de rentabilit de linvestissement et son risque E(Ri ) rf systmatique dtermin par le issu du CAPM : Ti = . 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(Ri ) rf ] [i (E(RB ) rf ])]. Cet indicateur mesure donc la part de la rentabilit non prvue par le CAPM et que lon peut accrditer linvestisseur grant son capital, i permet de qui, si i > 0, a pu battre son benchmark de rentabilit RB . Le ratio de Black-Treynor i comparer des investissements de benchmarks diffrents. 2. Le ratio dinformation sapparente un ratio de Sharpe sur les rentabilit et risque rsiduels en excs E(Ri ) E(RB ) du benchmark : IRi = . Le dnominateur est appel tracking-error volatility et par (Ri RB ) 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.
40
E=
i=1
i xi =
i=1
1 i 2 = 2i
+ 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. 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. 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 RP la rentabilit dun portefeuille qui-pondr compos de N actifs risqus de rentabilit Ri non corrls.
41
Nous avons RP =
1 N
V(Ri ) =
i=1
1 2 2 N = 0 pour N +. N2 N
Plus le nombre dactifs crot, plus la variance du portefeuille diminue. Le risque dcrot avec la diversication. 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 2 2 2 X +Y = X + Y + 2X Y = (X + Y ) + 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). 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. Il est possible de construire la frontire efciente des actifs risqus laide dune formulation trs utilise en pratique. Nous allons tenter de maximiser lutilit dun investisseur rationnel qui sera caractris par un paramtre daversion au risque >0. 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 est quivalent maximiser, par rapport , la fonction doptimisation de moyenne-variance : max E[U (W )] max
avec le vecteur de poids des actifs composant le portefeuille, le vecteur des esprances de rentabilits des actifs en excs du taux sans risque, la matrice de variance-covariance des actifs, symtrique et dnie positive 6 , et e = [1 1 . . . 1] . 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
5. 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. 6. est dnie positive signie que x Rn , x x 0 et x x = 0 x = 0. Comme elle est en outre symtrique, nous pouvons rduire cette dnition au fait que toutes ses valeurs propres doivent tre strictement positives.
42
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. Un portefeuille trs utilis est celui appel le portefeuille tangent ou de march (nous tudierons en dtail ce portefeuille en troisime anne) : il est dtermin pour une aversion au risque : = e 1 . Des contraintes peuvent tre ajoutes et les poids optimaux obtenus laide de mthodes de maximisation numriques de lutilit. Ceci est le cas lorsque linvestisseur ne peut vendre dcouvert, les poids ne peuvent alors pas tre ngatifs, et lorsque leffet de levier nest pas possible, 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 essentielles : 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 modliser 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 changement 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 caractristique 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. 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... Les amliorations ces diffrentes limites seront tudies en troisime anne.
43
Pour couvrir ainsi le risque de march dun portefeuille, uns solution classique est dutiliser un call sur ce portefeuille. En effet, la valeur dun portefeuille Vt compos dun call et de son sous-jacent est en 0 V0 = C0 + S0 . Ce portefeuille est insensible au cours du sous-jacent si le portefeuille a une variabilit par rapC0 V0 = + = 0. Or lindicateur Delta du call en 0 est port au sous-jacent nulle, cest--dire si S S C0 = (d1 ) et donc nous obtenons : = (d1 ). Le portefeuille de couverture est donc com0 = S pos de lachat dun call par exemple et de la vente de (d1 ) 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.
C ONCLUSION
Ce cours a tent de fournir les outils ncessaires une bonne comprhension des enjeux relatifs aux marchs nanciers. Lobjectif tait dune part de donner une culture gnrale sur lvolution des marchs, les institutions nancires et les instruments principaux changs ; et dautre part de proposer une introduction indispensable pour la troisime anne de lEnsai spcialisation Gestion des Risques et Ingnierie Financire, en dcrivant les tenants et les aboutissants de la nance de march moderne, et en se concentrant sur la gestion des risques nanciers (de march dans ce cours) et la gestion de la performance dinvestissement. tre ingnieur nancier demande une grande rigueur de modlisation statistique, tant donn que les enjeux nanciers sont colossaux - nous pensons la gestion des risques, appele de futurs dveloppements aprs la crise des subprimes - et demande aussi une importante imagination pour crer de la performance sur les marchs, tant donne la difcult croissante de cette activit avec lapparition des nouvelles technologies de linformation et la multiplication des agents sur les marchs : la concurrence cre plus defcience et diminue les possibilits darbitrage. Nanmoins, les marchs conserveront toujours plus ou moins les caractristiques du concours de beaut dcrit par Keynes. Les intervenants restent des hommes et des femmes, dont les comportements inefcients par essence ne sont pas ngliger.
44
B IBLIOGRAPHIE
[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] CARHART, M., 1997, On Persistence in Mutual Fund Performance, Journal of Finance, 52, 57-82. [7] DANA, R. & JEANBLANC-PICQUE, M., 1998, Marchs Financiers en Temps Continu - Valorisation et Equilibre, Economica. [8] FABOZZI, F., FOCARDI, S. & KOLM, P., 2006, Financial Modelling of the Equity Market, Wiley Finance. [9] FAMA, E.F., 1998, Market Efciency, Long-Term Returns, and Behavioral Finance, Journal of Financial Economics, 49, 283-306. [10] FAMA, E. & FRENCH, K., 1993, Common Risk Factors in the Returns on Stocks and Bonds, Journal of Financial Economics, 33, 3-56. [11] GIDDENS, A., 1991, Les Consquences de la Modernit, LHarmattan. [12] GURLEY, J.G. & SHAW, E.S., 1960, Money in a Theory of Finance, The Brookings Institution, Washington. [13] HICKS, J., 1975, Crisis in Keynesian Economics, Basil Backwell. [14] JEGADEESH, N. & TITMAN, S., 1993, Returns to Buying Winners and Selling Losers : Implications for Stock Market Efciency, Journal of Finance, 48, 65-91. [15] LAMBERTON, D. & LAPEYRE, B., 1991, Introduction au Calcul Stochastique Appliqu la Finance, Mathmatiques et Applications, Ellipses. [16] LARDIC, S. & MIGNON, V., 2002, Economtrie des Sries Temporelles Macroconomiques et Financires, Economica. [17] 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. [18] MARKOWITZ, H., 1952, Portfolio Selection, Journal of Finance, 7, 77-99. [19] MERTON, R.C., 1972, An Analytic Drivation of the Efcient Portfolio Frontier, Journal of Financial and Quantitative Analysis, 7, 1851-1872. [20] MOSSIN, J., 1966, Equilibrium in a Capital Asset Market, Econometrica, 34, 768-783. [21] MUSIELA, M. & RUTKOWSKI, M., 1997, Martingale Methods in Financial Modelling, Applications of Mathematics, Springer. [22] PERETTI-WATEL, P., 2000, Sociologie du Risque, HER/Armand Colin, Paris.
45
46
BIBLIOGRAPHIE
[23] SHARPE, W., 1964, Capital Asset Prices : a Theory of Market Equilibrium under Conditions of Risk, Journal of Finance, 19, 425-442. [24] VIVIANI, J.L., 2001, Gestion de Portefeuille, Dunod.