Construction dun portefeuille efficient : Application empirique partir dun

chantillon de valeurs cotes la Bourse des Valeurs de Casablanca

Abdelhamid El BOUHADI
Facult de Droit de Marrakech, Universit Cadi Ayyad, Marrakech.
el_bouhadihamid@yahoo.fr
OUNIR A. et EL MAGUIRI M.
Facult de Droit de Marrakech, Universit Cadi Ayyad
Rsum : Dans cet article, nous tentons de construire un portefeuille efficient parmi 4
portefeuilles possibles sur la base dun chantillon de 31 actions cotes la bourse de
Casablanca. Notre analyse concernant le risque est issue de lapproche moyenne-variance de
Markowitz. La dmarche de notre travail sera la suivante : premirement nous allons tester la
normalit et la stationnarit des 31 valeurs retenues dans lchantillon ; deuximement nous
passons en revue une littrature thorique sur le choix du portefeuille optimal (lanalyse
moyenne-variance du portefeuille de Markowitz). Troisimement et en relation avec la partie
pratique, nous numrons et mettons en exergue les diffrentes tapes qui mnent la
construction de portefeuille efficient. Le modle prsent sert allouer thoriquement et
dune manire optimale les actifs financiers choisis. En effet, les diverses mthodes de mesure
de rendement, de risque et dautres proprits statistiques constituent les piliers de choix de
lchantillon des socits cotes la Bourse des Valeurs de Casablanca. Le but tant daboutir
une slection dactifs permettant de choisir un portefeuille efficient. Le processus de
slection de portefeuille efficient peut se rsumer dans les 5 tapes suivantes : 1. la collecte
des donnes pour pouvoir constituer lchantillon de notre tude ; 2. lestimation des
rendements, des coefficients de sensibilit et des risques des actifs dinvestissement ; 3. la
slection dactifs performants en fonction dun certain nombre de critres ; 4. lattribution des
coefficients de pondration et analyse des portefeuilles ; 5. la slection de portefeuille optimal
partir de graphe reprsentant la frontire efficiente des portefeuilles. Pour le choix de
lchantillon des socits composant nos portefeuilles, nous prendrons en compte dans cet
article, les rendements mensuels des actifs financiers, le taux de dispersion autour de la
moyenne de rendement, les covariances entre les actifs (degr dinterdpendance entre les
actifs) et le type de secteur dont simplante chaque socit (pour pouvoir ressortir une analyse
base sur une disparit des ralisations des rendements).
Mots-cls : Normalit, Stationnarit, Construction de portefeuille, risque, rentabilit,
portefeuille efficient, Modle de Markowitz, Bourse des Valeurs de Casablanca.
The Efficient Portfolio Construction: An Empirical Investigation Based on Some Listed
Shares
in Casablanca Stock Exchange
Abstract: In this paper, we try to build an efficient portfolio among four possible portfolios
based on the some 31 Casablanca listed shares. Our analysis concerns the risk which arises
from the Markowitz mean-variance approach. Our work method will be implemented as
following: first of all, we will test the normality and the stationarity of 31 shares which have
composed our sample; secondly we will review a theoretical literature about the optimal
portfolio choices (based on the Markowitz mean-variance analysis). Thirdly and related to the
practical part, we enumerate and emphasize the steps that lead to the construction of efficient
portfolio. The presented modelling is used in order to optimally allocate the selected financial

assets. The different methods of measurement of return, risk and the other statistical
properties constitute, in fact, the pillars of companies sample listed analysis in the case of
Casablanca Stock Exchange. Our purpose ends with the assets selection which allows us to
choose the efficient portfolio. The selection process of efficient portfolio can be summarized
in the following stages: 1. The collection of data to be able to constitute our sample; 2. The
estimation of returns, of beta sensibility coefficients and risky assets of investment; 3. The
selection of efficient and profitable assets according to some criteria; 4. The weighting
coefficients allocation and portfolios analysis; 5. The optimal portfolio selection under the
graph representing the efficient border of portfolios. In this article and under the choice of
companies sample composing our portfolios, we shall take into account, the shares monthly
returns, the rate of dispersal around the average of returns, the covariance between assets
(degree of interdependence between assets) and the type of sector that each company sets up
(in order to highlight an analysis based on a disparity in achievement yields).
Keywords: Portfolio Construction, Stationarity, Normality of Return, Risk, Efficient
Portfolio, Markowitz Model, Casablanca Stock Exchange.
JEL-Classification: G11, G12, G14, C22, C52.
Introduction
Au cours des dernires annes on a assist un renversement des perspectives au niveau de la
gestion de portefeuille. Au lieu de considrer le portefeuille comme tant un ensemble
dlments pars, cest le portefeuille lui-mme qui est devenu llment de base. Les
interrelations entre ses composantes prenant autant dimportance que la qualit intrinsque de
chacune dentre elles. La thorie moderne de portefeuille a t la base de ce renversement.
Depuis la deuxime moiti du XIXe sicle et surtout partir du dbut de XXe sicle, les prix
des titres financiers et la gestion optimale des portefeuilles font, sans doute, partie des
problmes conomiques les plus tudis. Des conomistes franais comme Regnault (1863) et
Bachelier (1900) aux conomistes amricains les plus contemporains tels que Fama, Black,
Scholes et Merton en passant par des auteurs comme Markowitz (1952, 1959), Sharpe
(1964), la thorie financire a eu, en effet, comme qute permanente la rsolution des
questions de dtermination des cours boursiers et leur comportement, des facteurs gouvernant
leurs fluctuations et la construction des portefeuilles optimaux.
Partant de simple principe de toute perspective dinvestissement, en termes du capital investi,
en matire de rentabilit et de prise de risque, dans un environnement domin par des alas et
des incertitudes, la thorie moderne de gestion de portefeuille a russit traiter plus ou moins
brillamment tous ces lments et na rien laiss dans lombre. Les thories de construction de
portefeuille conviennent le mieux aux objectifs dfinis la fois en termes de rentabilit et de
scurit dobtenir cette rentabilit.
Cest ainsi que les travaux de Markowitz portant sur la dtermination des portefeuilles
efficients, a fait lobjet de nombreux tests qui ont, de facto, conduit des conclusions plus
concrtes. Cependant, pour garantir la fiabilit des rsultats empiriques de notre travail, nous
allons dans un premier point tudier les caractristiques statistiques en termes de normalit et
de stationnarit des sries boursires dun chantillon de 31 valeurs pendant la priode allant
de 02 janvier au 31 dcembre 2007. Nous poursuivrons, dans un deuxime point, notre tude
empirique pour conclure et aboutir un choix de portefeuilles efficients en se basant sur les
principes de slection de portefeuille optimal dvelopps par Markowitz.
1. Elments danalyse dun chantillon de sries boursires : cas de la Bourse des
Valeurs de Casablanca

Premirement, nous fournirons les dfinitions des tests et des coefficients permettant la
dtection de la normalit des sries. Nous menons par la suite notre investigation empirique
sur la distribution des sries. Deuximement, nous nous intresserons ltude de la
stationnarit.
1.1. Etude de la normalit
Pendant longtemps, les sries de rentabilit des titres financiers ont t considres comme
des sries dont le comportement est suppos gaussien. Mais en ralit, plusieurs sont les
tudes empiriques qui ont montr que ces sries sont non gaussiennes. Leurs distributions
sont, au contraire, asymtriques.
La normalit des rentabilits est vrifie partir des tests conomtriques qui se basent sur la
dtermination des coefficients de symtrie (Skewness) et daplatissement (Kurtosis) et la
statistique de Jarque et Bera qui synthtise les deux proprits.
1.1.1. Prsentation des tests
1.1.1.1. Le Skewness
Le Skewness est le moment centr dordre 3. Cest une mesure de lasymtrie de la
distribution. Pour des fonctions de distributions symtriques, telles que f ( x) = f ( + x), la
valeur de Skewness est nulle. Pour la loi normale, la distribution est symtrique et le
coefficient de Skewness est nul. En revanche, pour des fonctions de distributions
asymtriques, la valeur du Skewness est positive. Lexpression du coefficient de Skewness se
prsente comme suit :

S=

(1)

Avec : 3 est le moment centr dordre k et lcart-type empirique

1 N
K = xi x
N i =1

(2)

La distribution asymptotique de ce coefficient suit une loi normale :

~
S =

N
S N ( 0 . 1 )
6

(3)

1.1.1.2. La Kurtosis
La Kurtosis est le moment centr dordre 4. Elle mesure lpaisseur ou laplatissement
des queues de distributions. Sa valeur thorique est gale 3, son expression est dfinie par :

K =

(4)

On exprime le degr dexcs de la Kurtoisis de la faon suivante :

K '=

(5)

Cette dernire mesure est fonde sur la distribution normale, qui est une distribution queue
plate , et qui possde un degr dexcs de la Kurtosis gal zro. La distribution
asymptotique de ce cfficient suit aussi une loi normale.

K =

N
K ' N ( 0 . 1 )
24

(6)

1.1.1.3. Le test de Jarque et Bera

Ce test peut tre construit partir de deux variables (S et K), qui sont supposes normales et
indpendantes. Elles suivent en consquence une distribution de Khi-deux deux degr de
libert. On peut la formuler de la manire suivante :
JB =

N 2 N
(K ')2 (7)
S +
6
24

1.1.2. Rsultats empiriques

Nous nous sommes intresss aux sries de rendements des actions retenues dans
lchantillon, dfinies notamment comme suit :

R t = [Ln ( C t ) Ln ( C t 1 ) ] 100

(8)

Avec : Rt : Rentabilit de lactif linstant t

Ln (Ct) : Log Cours de lactif linstant t
Ln (Ct-1) : Log Cours de lactif linstant t-1
En appliquant les tests de normalit prsents ci-dessous aux rentabilits des actifs financiers,
nous obtenons les rsultats prsents dans le tableau 1.

Valeur
CTM
BER
DARI
GAZ
CMA
ATW
ADH
BCE
SBM
BCP
SOT
SRM
ZDJ
WAA
MED
ONA
MNG
CIH
EQD
SAM
REB
ALM

Tableau 1 : Rsultats dapplication des tests de normalit

Skewness Kurtosis
Le test de Jarque et
Bera
Libell
Statistique
P
0,029914 4,842782 33,71095 0,000000
CTM
0,027598 3,203385 0,420064 0,810558
Berliet
0,492696 4,469785 32,74778 0,000000
Dari
-0,086137 3,822561 6,709706 0,034915
Afriquia Gaz
-0,196783 3,836919 8,232522 0,016305
Ciment Maroc
-0,215511 5,442525 61,77341 0,000000
Attijariwafa Bank
0,268272 6,283403 113,4533 0,000000
Addoha
0,706933 5,552562 85,85542 0,000000
BMCE
-0,217307 4,032840 8,946493 0,011410
Brasseries
-0,407608 5,410636 67,18583 0,000000
BCP
-0,059565 3,642520 3,095919 0,212682
Sothema
0,295634 4,057195 15,28394 0,000482
SRM
-0,555832 6,521650 76,14448 0,000000
Zellidja
0,055509 4,055501 11,45180 0,003260
Wafa Assurance
0,005905 4,406864 20,70128 0,000000
Mediaco
0,013879 5,529166 66,64012 0,000000
ONA
0,328146 4,427207 25,80739 0,000002
Managem
-0,157101 6,813609 153,1344 0,000000
CIH
-0,263436 4,280076 13,49316 0,001175
Eqdom
-0,445560 6,444312 131,8477 0,000000
SAMIR
-0,177432 3,576311 2,271229 0,321225
Rebab
0,058328 3,553036 2,409242 0,299806
Aluminium du
Maroc

UMR
BCI
HPS
MAB
PDT
RIS
SNI
DTS
SOF

-0,022226 5,806616
Unimer
0,205212 4,548095
BMCI
2,467548 18,36756
HPS
-0,062183 2,355122
Maghrebail
-0,953943 9,970145
Papelera
0,450363 4,982748
Risma
-0,016289
3,883344
SNI
0,166517 4,483977
Distrisoft
0,744978 8,075683
Sofac
Calculs effectus sur Eviews5

38,41046
26,29170
2659,445
2,911508
493,9420
49,79725
7,781029
23,22737
201,7074

0,000000
0,000002
0,000000
0,233224
0,000000
0,000000
0,020435
0,000009
0,000000

Lobservation de tableau nous donne penser que le coefficient de Skewness est ngatif pour
15 valeurs. Ce qui signifie que la partie paisse de leurs distributions est gauche (direction
ngative). Alors que les 16 valeurs restantes, la partie paisse de leurs distributions est droite
(direction positive). Ceci prouve lvidence, lexistence dun comportement asymtrique des
sries tudies. Les sries ont aussi un comportement non gaussien. En dautre terme, les
sries oscillent de manire alatoire autour dune valeur moyenne. Dans ce cas il ny a
aucune auto-corrlation dans les sries (les donnes successives sont indpendantes).
1.2. Etude de la stationnarit
Avant de faire une tude sur des sries temporelles, sries de rentabilits dans notre cas, il est
indispensable deffectuer les tests de stationnarit.
On dit quune srie {Yt} est strictement stationnaire si la distribution conjointe de (Yt1, ,
Ytk) est identique celle de (Yt1+t, , Ytk+t) quelque soit t. k est un entier positif arbitraire et
(t1,, tk) une liste de k entiers positifs arbitraires. Elle suppose que la distribution conjointe
de (Yt1, , Ytk) est invariante quand on fait glisser le temps. Il est en effet, difficile de davoir
une distribution stricte stationnarit, mais on prfre utiliser la stationnarit au sens faible.
Elle est vrifie quand la moyenne de Yt et la covariance entre Yt et Yt-1 sont invariantes par
translation du temps.
En cas o lesprance et la variance se modifient dans le temps, la srie est considre comme
non stationnaire.
Un processus Xt est stationnaire au second ordre si :
1. le processus est de second ordre:

E (Y t ) = E (Y t + m ) =

t et m

(9)

2. la moyenne de processus est constante :

Var ( Y t ) < t

(10)
3. la covariance entre les deux priodes est fonction de la diffrence de temps :

Cov(Yt , Yt + k ) = E [(Yt )(Yt + k )] = Yk

(11)

1.2.1. Prsentation des tests

Ltude de la stationnarit peut tre effectue par un grand nombre de tests de racine unitaire.
Parmi les plus connus et les plus utiliss, nous distinguons entre le test de Dickey Fuller
(1979,1981) et le test de Phillips-Perron (1988).
1.2.1.1. Le test de Dickey et Fuller augment (ADF)
Les tests de Dickey et Fuller permettent didentifier la nature des sries (stationnaire ou non).
Le principe de base est le suivant :

Sous lhypothse Ho : = 1 , on dit que lun des trois modles autorgressifs dordre 1 est un
processus non stationnaire :
x1 = 1 xt 1 + t (12) : Modle autorgressif avec drive sans constante ni tendance
x1 = 1 xt 1 + + t (13) : Modle autorgressif avec constante et sans tendance dterministe
x1 = 1 xt 1 + bt + c + t (14) : Modle autorgressif avec constante et tendance dterministe
Les tests ADF reposent sur lhypothse selon laquelle, il nexiste aucune raison pour que
lerreur soit non corrle. Le processus t est par dfinition un bruit blanc.
Le processus de dtermination de caractre des sries est similaire aux tests simples de
Dickey et Fuller ; ce sont les tables statistiques seules qui sont diffrentes. Pour le choix de la
valeur de retard p, on prend en gnral 4.

1.2.1.2. Test de Phillips et Perron (1988)

Comparativement aux tests ADF, les auteurs proposent une correction paramtrique pour
corriger le problme de lhtroscdasticit des erreurs. Ils suggrent de joindre la
statistique du student un facteur de correction bas sur des estimateurs convergents des
paramtres qui liminent leffet de lhtroscdasticit.
Le test de Phillips-Perron se droule en deux tapes suivantes :
Estimation des trois modles de base de test de Dickey et Fuller par la mthode des
1.
moindres carrs ordinaires et calcul des statistiques associes.
2.
Estimation dun facteur correctif tabli partir de la structure des covariances des
erreurs des modles prcdemment estims de telle sorte que, les transformations ralises
conduisent des distributions identiques celles de Dickey et Fuller.
1.2.2. Rsultats empiriques
Les rsultats dapplication des tests de stationnarit sur les rentabilits boursires sont
rsums dans le tableau 2.
Tableau 2 : Rsultats dapplication des tests de stationnarit
Valeurs
CTM
Berliet
Dari
Afriq Gaz
Ciment du
Maroc
Attijariwafa
Bank
Addoha
BMCE
Brasseries
BCP
Sothema
SRM
Zllidja
Wafa assur.
Mediaco
ONA
Managem
CIH
Eqdom
Samir
Rebab
Alum Maroc
Unimer
BMCI
HPS
Maghrbail

Statistique
-15.21226
-15.78301
-17.56322
-14.22898
-13.84048

Test ADF
Valeurs critiques
1%
5%
-3.457865
-2.873543
-3.459231
-2.874143
-3.456408
-2.872904
-3.459101
-2.874086
-3.458719
-2.873918

10%
-2.573242
-2.573563
-2.572900
-2.573533
-2.573443

Statistique
-15.21780
-15.78301
-18.18208
-14.21506
-13.79515

Test Phillips-Perron
Valeurs critiques
1%
5%
-3.457865
-2.873543
-3.459231
-2.874143
-3.456408
-2.872904
-3.459101
-2.874086
-3.458719
-2.873918

10%
-2.573242
-2.573563
-2.572900
-2.573533
-2.573443

-12.74650

-3.457515

-2.873390

-2.573160

-12.54055

-3.457515

-2.873390

-2.573160

-12.52677
-12.52647
-17.83269
-13.53308
-16.59675
-13.23106
-13.43775
-12.47224
-17.87042
15.09437
-14.26267
-13.94496
-16.75468
-13.64953
-12.09835
-16.60784
-10.15166
-14.74235
-14.11373
-16.70417

-3.457061
-3.457400
-3.468980
-3.456622
-3.468295
-3.456514
-3.480038
-3.457173
-3.456408
-3.456514
-3.456408
-3.456408
-3.469451
-3.456514
-3.486551
-3.466786
-3.488063
-3.456950
-3.457061
-3.471192

-2.873190
-2.873399
-2.878413
-2.872998
-2.878113
-2.872950
-2.883239
-2.873240
-2.872904
-2.872950
-2.87284
-2.872904
-2.878618
-2.872950
-2.886074
-2.886074
-2.886732
-2.873142
-2.873190
-2.879380

-2.573054
-2.573133
-2.575844
-2.572951
-2.575684
-2.572925
-2.578420
-2.573080
-2.572900
-2.572925
-2.572900
-2.572900
-2.575954
-2.572925
-2.579931
-2.8777453
-2.580281
-2.573028
-2.573054
-2.576361

-13.97268
-12.52647
-18.13316
-13.37874
-21.88451
-13.06568
-13.54984
-12.49252
-17.85245
-15.96659
-14.18670
-13.94695
-17.64633
-13.61760
-12.09835
-16.78096
-13.77685
-15.10277
-14.68889
-16.95745

-3.456950
-3.457400
-3.468980
-3.456622
-3.468295
-3.456514
-3.480038
-3.457173
-3.456408
-3.456514
-3.456408
-3.456408
-3.469451
-3.456514
-3.486551
-3.466786
-3.487550
-3.456950
-3.457061
-30471192

-2.873142
-2.873339
-2.878413
-2.872998
-2.878113
-2.872950
-2.883239
-2.873240
-2.872904
-2.872950
-2.872904
-2.872904
-2.878618
-2.872950
-2.886074
-2.877453
-2.886509
-2.873142
-2.873190
-2.879380

-2.573028
-2.573133
-2.575844
-2.572951
-2.575684
-2.572925
-2.578420
-2.573080
-2.572900
-2.572925
-2.572900
-2.572900
-2.57954
-2.572925
-2.579931
-2.575332
2.580163
-2.573028
-2.573054
-2.576361

Papelera
Risma
SNI
Distrisoft
Sofac Crdit

-14.83940
-17.19765
-14.470426
-17.30296
-12.67770

-3.459231
-3.456302
-3.457747
-3.457515
-3.468521

-2.874143
-2.872857
-2.873492
-2.873390
-2.87842

-2.573563
-2.572875
-2.573215
-2.573160
-2.575737

-15.55075
-17.84904
-14.43286
-17.30384
-12.69184

-3.459231
-3.456302
-3.457747
-3.457515
-3.465821

-2.874143
-2.872857
-2.873492
-2.873390
-2.878212

-2.573563
-2.572875
-2.573215
-2.573160
-2.575737

Calculs effectus sur Eviews5

Le tableau 2 nous indiquent que les rentabilits boursires, objet de notre tude, montre une
certaine stationnarit. Toutes les valeurs de t-statistique nous semblent, sans exception,
suprieures aux valeurs critiques (de 1%, 5% et de 10%). Les tests ADF et de Phillips et
Perron appliqus convergent donc vers un rsultat unique, aprs application de la diffrence
premire. Lhypothse de stationnarit est donc vrifie. Les tendances sont ainsi supprimes
et les rentabilits se situent sur une droite parallle laxe des abscisses.
On peut aussi sappuyer sur les corrlogrammes et les reprsentations graphiques relatives
chaque srie pour confirmer la stationnarit des sries. En effet, les sries ne semblent garder
un souvenir de leur pass. Autrement dit, une forte valeur au temps t ne pourra influencer la
valeur au temps t + 1 qui naura donc pas tendance tre galement leve.
Nous concluons ainsi que les sries en niveau ne sont pas stationnaires. Il tait donc
ncessaire de les diffrencier afin de les stationnariser. Nous travaillons dsormais sur des
sries en diffrence premire pour quenfin de compte amplifier un comportement rgulier
des sries autour de la moyenne.
2. Choix de portefeuille efficient partir dun chantillon de valeurs cotes la
Bourse des Valeurs de Casablanca
Dans ce prsent point, nous procderons une prsentation thorique brve du modle de
Markowitz, et nous poursuivrons notre tude par une investigation empirique sur la slection
de portefeuille efficient partir dun chantillon de 31 valeurs cotes la Bourse des Valeurs
de Casablanca.
2.1. Approche thorique de gestion de portefeuille : modle de Markowitz
Le dbut des annes 50 marque le point de dpart de dveloppement de la thorie moderne de
la finance. Avec les travaux de Harry Markowitz (1952, 1959), et la publication de son
premier article dans le Journal of Finance, le modle de Markowitz est suppos un modle de
rfrence de construction de portefeuille efficient.
2.1.1. Hypothses de base
Le modle de Markowitz repose sur un ensemble dhypothses, parmi ces hypothses on peut
citer :
H1 : Aversion au risque : Markowitz explique la diffrence de perception qui existe entre les
investisseurs par le degr daversion au risque.
H2 : approche moyenne-variance : Pour la construction de son portefeuille, linvestisseur
cherchera maximiser la moyenne de son portefeuille tout en minimisant sa variance. Cette
approche est dnomme lapproche moyenne-variance.
H3 : Lhorizon de dcision : est le mme pour tous les investisseurs, il sagit dune seule
priode.
H4 : normalit des rentabilits : Markowitz suppose que lvolution des cours sur le march
financier est un phnomne alatoire dcrit par une loi de probabilit de Laplace-Gauss1.

Il sagit dune loi de distribution plus avantageuse parce quil suffit destimer les deux paramtres : la moyenne
et la variance pour pouvoir la dterminer entirement. Le premier dfinit la tendance centrale de la rentabilit,
tandis que le second dtermine la dispersion de celle-ci par rapport sa tendance centrale.

H5 : Covariance des actifs : Les rendements des diffrents actifs ne sont pas indpendants les
~ ~
uns des autres, cest--dire que leurs covariances ne sont pas nulles : Cov( Ri , Ri ) 0 .
2.1.2. Dtermination des portefeuilles efficients
Dans un univers de n titres, Markowitz dveloppe un modle doptimisation qui dtermine
lensemble des portefeuilles moyenne-variance efficients.
La reprsentation de ces portefeuilles sur lespace rendement-risque (moyenne, cart-type)
peut tre enveloppe par une demi-courbe hyperbolique. Cest la frontire efficiente, rsultat
de loptimisation du couple risque-rendement du portefeuille.
Markowitz dmontre que linvestisseur choisira le portefeuille de la frontire efficiente qui
correspond son degr daversion au risque. Ainsi, plus le degr daversion au risque est
important, plus le portefeuille choisi se trouve gauche de la courbe.
Schma 1 : La frontire efficiente des portefeuilles risqus2
Rendement

x x
x x
x x x

Portefeuille

Risque
2.1.3. Choix dun portefeuille optimal
Aprs avoir construit la frontire defficience, linvestisseur choisira ensuite le portefeuille
optimal. Mais ce choix est subjectif, il dpendra des prfrences des individus, qui par
hypothse ne dpendent que de la moyenne et de la variance de leur richesse.
Nous pouvons alors tracer les courbes dindiffrence qui prsentent leurs prfrences vis--vis
du risque et du rendement. Si les individus manifestent de laversion pour le risque, ils
prfrent un taux de rendement attendu plus lev et un cart-type plus faible. Cela signifie
que lcart-type constitue un bien indsirable . Les courbes dindiffrence ont ds lors une
pente positive.
2.2. Elments thoriques de gestion de portefeuille
2.2.1 Dfinition dun portefeuille
Cest la combinaison dun ensemble de titres possdant des caractristiques diffrentes en
matire de valeur et de perception de dividendes. Cette combinaison se fait en des proportions
diffrentes afin davoir un portefeuille bien diversifi permettant de raliser un rendement
espr bien dtermin tout en minimisant le risque que peut courir linvestisseur.
Mathmatiquement, un portefeuille P est un vecteur de proportions Xi relatives, chacune, la
proportion du capital investi dans chaque titre.
P = X 1 ... X i ... X n
(15)
Avec

Xi =

part de capital investi dans l' actif i

capital total

(16)

JACQUILLAT Bertrand et SOLNIK Bruno, Marchs financiers : gestion de portefeuille et des risques, 3me
dition, Editions DUNOD, Paris, 1997, p 120.

2.2.2 Risque dun portefeuille

Les taux de rendements successifs dune action ou dun portefeuille peuvent avoir
dimportantes fluctuations autour de leur valeur moyenne.
Pour mesurer ce risque, on fait recours lcart type par priode. Il est donn par la formule
1 T
suivante :
(17)
2 = R it R i
T t =1
Avec Rit : le taux de rendement de lactif i au cours de la priode t ;
R i : La moyenne arithmtique des taux de rendements.
Pour le calcul de la covariance on fait recors la formule suivante :
1 n n
ij =
R it R j R jt R j (18)
T i =1 j =1
Pour un portefeuille donn qui se compose de N titres, son taux de rendement dpendra la
fois des taux rendements des diffrents titres et aussi de leurs diffrentes proportions.

)(

Rp =

Ri

(19)

i =1

Le risque dun portefeuille est donn par :

p 2 = X i2 i2 + X 2j 2j + 2 X i X j Cov (ij )
(20)
2.2.3 Dtermination du portefeuille efficient et construction de la frontire efficiente
Les deux rgles dor quon peut appliquer en matire de construction des portefeuilles
efficients, cest le choix dun nombre limit de titres ayant des corrlations faibles. Pour y
aboutir, il fallait trouver un compris entre le risque et le rendement, cest--dire minimiser le
risque pour un rendement fix, ou maximiser le rendement pour un risque donn.
2.3. Investigation empirique
A prsent, nous essayerons dappliquer les principes de base de dtermination des
portefeuilles efficients un chantillon de valeurs cotes la Bourse des Valeurs de
Casablanca.
Les distributions sur lesquelles nous travaillons sont de diffrence premires et supposes
normales. (Voir tableaux 1 et 2).
2.3.1 Choix de lchantillon
Le choix de lchantillon retenu et qui fera lobjet de notre analyse de construction de
portefeuilles efficients, sest bas sur des critres caractre financier et statistique.
Lobservation de lhistorique des titres financiers nous permet de mener des conclusions sur le
degr de volatilit des prix de ces actifs ainsi que sur lvolution de leurs rendements (par une
estimation des rendements mensuels).
Nous avons ainsi dans ce cadre, slectionn 31 socits cotes en BVC parmi les 74 socits.
Le tableau suivant prsente la liste des socits retenues selon le rendement annuel, le risque
(mesur par lcart-type), le PER et le coefficient Bta.
Tableau 3 : Echantillon des actifs slectionn
Libell
BMCE
ATW
Alum Maroc

Rendement annuel
0,36169
0,15661
0,03515

Ecart type
1,771
1,6563
2,1989

PER
58,1
29,9
14,8

Coeff.Beta
1,168041204
1,41965322
1,756522961

Addoha
IAM
CGI
Berliet
BCP
BMCI
Colorado
Ciment Maroc
Cent.Lait
CIH
Dari
CTM
Cosumar
CRS
Afriq Gaz
Eqdom
DTS
Diac
Lydec
Involys
HPS
Rebab
Mediaco
Mar vie
M2M
SNI
SMI
Brasseries
Samir
Sofac crdit
Sothema
SRM
Unimer
Wafa assurance
Zelidj
ONA
BMCI
Papelera
Risma
Distrisoft

0,06433
0,0734
0,5044
0,2161
0,10771
0,0682
-0,086
0,09347
-0,14068
0,05202
0,06879
0,13832
0,0632
0,0991
0,1247
0,04615
0,1351
0,1081
-0,05907
-0,1359
0,0443
0,2483
0,11593
0,0866
-0,2242
0,11042
-0,0417
0,15874
0,03798
0,0788
0,18616
0,21516
0,02289
0,27541
0,50289
0,3818
0,0751431
0,17804
-0,00793
0,1257

1,5736
0,8387
2,7476
2,5018
1,8336
1,7736
2,0908
2,2894
2,6471
1,4439
1,9619
2,4741
2,3227
2,1529
2,3911
2,099
2,164
2,4213
1,6811
1,8726
2,2049
3,336
2,3128
2,2067
1,7635
2,0759
1,9799
2,223
1,917
3,0036
2,3549
2,2238
2,8175
2,18
3,5448
1,7197
1,7736
2,6667
1,4209
2,164

87,8
18,2
529
23,6
35,7
23,1
25,34
28,9
20,1
16
16
21
36
ND
23,1
16,1
18,38
955,5
37,7
40,09
40,97
61,7
30,8
26,6
34,4
31,3
41,1
21,8
23,4
16,6
23,3
20,58
21,8
23
20,3
27,8
23,1
ND
46,1
18,38

0,163770165
0,172438243
3,387659859
1,431719218
1,312071347
0,994259638
0,355691868
0,562320709
0,562320709
1,003928448
0,054812722
0,691996814
0,666812497
1,1498039
2,564966008
0,765434612
0,545110081
1,215910401
0,698701257
0,013616366
1,975591571
3,422541076
0,670267014
0,317139341
0,176386197
1,515789744
0,652887196
0,664324726
0,647124209
0,289643317
-0,26546533
0,811652305
0,454154894
2,004094418
0,187965553
0,895751269
0,994259638
1,828750361
-0,065695636
0,545110081

- Les meilleures performances en matire de rendement relativement au benchmark (lindice

de march Masi) : le secteur Holding vient la tte des bonnes ralisations ; Zellidja avec une
rentabilit annuelle qui dpasse 50%, lONA avec un rendement de plus de 38% et Rebab
avec 24%. Le secteur bancaire ralise des rendements relativement bas lexclusion de la
BMCE qui, son niveau de rendement, atteint 36%.
- les mauvaises performances concernent M2M, qui enregistre un rendement annuel de 22%
et la Centrale Laitire avec -14%.
- Les PER, qui valuent la chert dun actif financier, doivent varier en moyenne entre 10 et
14, la chose qui nest pas constat auprs de plus de 90 % des socits cotes en BVC. Les
PER impressionnant sont enregistrs par Diac (955.5), CGI (529) et Managem (232.2). Le
meilleur PER est celui de Aluminium du Maroc. En gnral, les PER de notre chantillon

varient au moyen entre 20 et 35. On peut conclure ce point que les actifs financiers sont
survalus.
- Les titres qui suivent la tendance de march ont un bta gal ou proche de 1 (le cas de
BMCI, CIH par exemple) ; les titres risqus ayant un bta suprieur 1 varient plus fortement
que le march, ils prsentent ainsi plus de rendement mais aussi plus de risque (le par exemple
de Afriquia Gaz et Rebab) ; enfin les actifs moins volatiles par rapport lvolution de
march ont un bta infrieur 1 (lexemple de Addoha et IAM). Lexception est marque par
les valeurs Sothema et Risma qui ont une tendance oppose par rapport celle de march.
2.3.2 Construction des portefeuilles
Dans ce qui suit nous allons procder une analyse de la composition de chaque portefeuille
pris individuellement et dune manire globale. Dans un premier temps, nous calculerons les
rentabilits mensuelles moyennes des actifs (distributions de diffrence premire) et leurs
carts-type. Dans un deuxime temps, nous procderons au calcul de rendement et de risque
de chaque portefeuille, aprs avoir dtermin les coefficients de pondration travers
lanalyse des matrices variances-covariance, de degr de volatilit et de niveau de rendement
de chaque titre.
Dans un troisime temps, nous mettrons laccent sur lobservation du graphe du couple
rendement-risque, qui nous souscrit la possibilit de visualiser la dominance des portefeuilles
et la dtermination de la frontire efficiente.
2.3.3 Prsentation des caractristiques des portefeuilles
La rpartition de portefeuille consiste tout simplement ne pas mettre tous les ufs dans un
mme panier. Cest la protection ultime lorsque les choses tournent mal dans une catgorie ou
un secteur du march financier. Les recherches menes par les thoriciens et les praticiens en
gestion de portefeuille, ont conclu que la dcision de rpartition de lactif reprsente le facteur
le plus important pour expliquer le rendement et la volatilit dun portefeuille dans son
ensemble. Selon la thorie moderne de portefeuille, il est toutefois possible de limiter ou
minimiser le risque affectant le portefeuille en procdant une rpartition varie de capital sur
diffrentes classes dactifs. Pour obtenir cette diversification optimale, les titres composant un
portefeuille ne doivent pas se comporter de la mme manire, au mme moment. Autrement
dit, leurs volutions doivent afficher une faible corrlation.
Notre stratgie de gestion de portefeuille est base sur la maximisation de la rentabilit pour
un niveau de risque donn.
Nous prsenterons dans ce point, les caractristiques de chaque portefeuille dtermines sur la
base de ces principes.


Prsentation de portefeuille 1 :
Tableau 4 : la proportion de chaque titre dans le portefeuille, le rendement et lcart
type de chaque titre :

Coeff.Pond
Rendement
Ecart type

CTM
0,1
-0,0091
0,5227

Berliet
0,15
0,0327
0,4841

Dari
0,06
0,0038
0,2816

Afriq GAZ
0,12
0,012
0,622

Ciment
Maroc
0,11
0,0069
0,4760

Attijariw
0,22
0,027
0,3794

Avec un risque de 34,97%, la rentabilit de portefeuille est de 13,85%.

Prsentation de portefeuille 2 :

Addoha
0,08
0,006
0,1971

BMCE
0,16
0,059
0,5324

Tableau 5 : la proportion de chaque titre dans le portefeuille, le rendement et lcart

type de chaque titre :
Coeff.Pond
Rendement
Ecart type

Brasseries
0,12
0,0696
0,3889

BCP
0,1
0,0879
0,3498

Sothema
0,15
0,1271
0,2908

Srm
0,15
0,2241
0,4217

Zldija Wafa Assurane

0,2
0,18
0,1780
0,2664
1,5462
0,7448

Mediaco
0,1
0,0892
0,3633

Avec un risque de 45,19%, la rentabilit de portefeuille est de 16,24%.

Prsentation de portefeuille 3 :
Tableau 6 : la proportion de chaque titre dans le portefeuille, le rendement et lcart
type de chaque titre :

Coeff.Pond
Rendement
Ecart type

Ona
0,25
0,0159
0,2355

Managem
0,24
0,0771
0,3148

CIH
0,16
0,0416
0,3828

Eqdom
0,1
-0,0098
0,31352779

Samir
0,05
-0,0154
0,3246

Rebab
0,1
-0,0392
1,0340

Alum
Maroc
0,05
-0,0649
0,5214

Unimer
0,05
-0,0674
0,9887

Avec un risque de 61,41%, la rentabilit de portefeuille est de 1,68%.

Prsentation de portefeuille 4 :
Tableau 7 : la proportion de chaque titre dans le portefeuille, le rendement et lcart
type de chaque titre :

Coeff.Pond
Rendement
Ecart type

Papelera
0,1
0,0501
0,3483

BMCI
0,15
0,0471
0,3351

HPS
Marghebail
0,15
0,05
0,1739
0,0578
1,0572
0,6906

Risma
0,05
0,0099
0,2046

SNI
0,1
0,0799
0,4646

Distrisoft
0,2
0,0928
0,4697

Sofac Crdit
0,2
0,1613
0,9629

Avec un risque de 44,87%, la rentabilit de portefeuille est de 10,04%

2.3.4 Analyse des portefeuilles et choix de portefeuille efficient
Un investisseur peut rduire le risque de son portefeuille simplement en dtenant des actifs
qui ne soient pas ou peu positivement corrls, donc en diversifiant ses placements. Cela
permet dobtenir la mme esprance de rendement en diminuant la volatilit du portefeuille.
Chaque couple possible dactifs peut tre reprsent dans un graphique risque/rendement.
Pour chaque rendement, il existe un portefeuille qui minimise le risque. linverse, pour
chaque niveau du risque, on peut trouver un portefeuille maximisant le rendement attendu.
Lensemble de ces portefeuilles est appel frontire efficiente ou frontire de Markowitz.

Choix de portefeuille efficient

Suite aux principes de slection de portefeuille, il est temps de choisir parmi les portefeuilles
tudis celui qui rpond nos exigences. Loptimalit dun portefeuille ne dpend pas
seulement de sa rentabilit maximale mais aussi de la volatilit de lvolution des cours des
actifs quils le composent.

Tableau 8 : Rendements et Risques associs chaque portefeuille :

Caractristiques des portefeuilles
1

0,5

Rendement

Risque

Portefeuille 1

0,138489453

0,34973412

Portefeuille 2

0,162365174

0,451919492

Portefeuille 3

0,016822002

0,614085529

Portefeuille 4

0,10035517

0,448706522

En analysant les caractristiques des portefeuilles partir du tableau 8, le portefeuille 2

enregistre une rentabilit relativement accrue (16,23%) avec un risque de 45,19%, les
portefeuilles 1, 4 et 3 avec respectivement 13.85%, 10,04% et 1,68%.
Si nous nous basons sur ces lments de caractrisation des portefeuilles pour le choix de
portefeuille optimal, le portefeuille 2 reprsente la stratgie de placement.
Examinons-nous maintenant la reprsentation graphique de couple Rendement/Risque et
voyons la rpartition des portefeuilles selon le rendement et lcart-type quils prsentent.
Graphe 1 : couple rendement risque des portefeuilles
Couple rendement risque
0,18

P2

0,16
P1

Rendement

0,14
0,12

P4

0,1
0,08
0,06
0,04

P3

0,02
0
0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

Risque

Lensemble des portefeuilles possibles est reprsent par un nuage de points.

Pour un niveau du risque donn (44,5%), le portefeuille 2 a lesprance de rendement la
plus leve. Autrement dit, ce niveau du risque, il nexiste aucun portefeuille ayant une
esprance de rendement suprieur : le portefeuille 2 domine le portefeuille 4.
Ou encore pour un niveau du rendement donn (13 ,84%), le portefeuille 1 a le risque le
plus petit ( ce niveau du rendement, il nexiste aucun portefeuille ayant un risque plus petit).

 Avec un niveau de risque moins lev, les autres portefeuilles (1, 2 et 4), prsentent des
rendements relativement suprieurs par rapport au portefeuille 3. Ce dernier est donc domin
par tous les autres.
En conclusion, les portefeuilles 1 et 2, sont des portefeuilles efficients, dont le choix de lun
ou lautre dpend de degr daversion au risque.
Conclusion
Notre objectif travers cette tude est dapprcier lapport de lapproche thorique de
Markowitz la rsolution des problmes de gestion de portefeuille. Nous avons ainsi essay
tout au long de ce travail de prsenter les diffrents lments thoriques, et dappliquer ces
principes de la thorie de la finance de march la slection de portefeuille rput efficient,
cas de la Bourse des Valeurs de Casablanca.
Lapplication empirique portant sur un chantillon reprsentatif dun nombre de socits
cotes la Bourse des Valeurs de Casablanca nous a permis de retrouver des rsultats
intressants. Il semble donc mritant dattribuer une importance thorique au modle de
Markowitz dans la dtermination des stratgies de placement court et moyen terme.
En se basant toutefois sur des combinaisons dactifs risqus ( travers lobservation des
indicateurs statistiques et financiers et des matrices de corrlation et variance-covariance), les
rsultats rencontrs sont attendus. On a pu voir que seuls les rendements et les risques
calculs ne suffisent pas pour aboutir au choix de portefeuille optimal. Le recours la
reprsentation graphique des couples Rendement/Risque nous a permis dexprimer leur
impact sur les dcisions dinvestissements en actifs financiers.
On ne peut donc juger dune meilleure valuation du modle de gestion de portefeuille, sans
toutefois que les points suivants soient satisfaits :

Lobligation de tester les sries temporelles ;

Lobligation de dfinir, de quantifier la rentabilit et le risque des actifs financiers ;

Lobligation de comparer tous ces investissements possibles pour construire des

portefeuilles qui combinent dune faon optimale les caractristiques de leurs composantes ;

Lobligation enfin de choisir parmi les portefeuilles possibles, celui qui a le meilleur
couple rentabilit-risque tout en convenant aux objectifs dhorizon de placement de
linvestisseur.
Bibliographie
ALTMAN, E., JACQUILLAT, B. and LEVASSEUR, M., La stabilit des coefficients bta
, Analyse Financire, 16, 1er Trimestre 1974, p. 43-59.
AMENC, N., and LE SOURD, V., Thorie du Portefeuille et Analyse de sa Performance,
Economica, 2002.
BACHELIER, L. (1900), Theory of Speculation, in, P. Cootner, The Random Character of
Stock Market Prices, Cambridge, MA, 1964.
BARREAU, J., DALAHAYE, J. et DALAHYE, F., Gestion financire, 14me dition,
Dunod, 2005.
BLACK, F., Capital Market Equilibrium with Restricted Borrowing, Journal of Finance,
vol. 45, 1972, p.445-454.
BOURBONNAIS, R., Economtrie, Dunod, 1998.

BRESSON, G. et PIROTTE, A., Economtrie des sries temporelles : Thorie et application,

PUF, 1995.
CHAREST, G., Rendement, risque et portefeuille , Encyclopdie des marchs financiers,
Economica, 1997.
COBBAUT, R., Thorie Financire, 3me dition, Paris, Economica, Septembre, 1994.
DARNE, O. et TERRAZA, M., Les tests de non stationnarit des sries temporelles non
saisonnires : Une revue de la littrature , Document de travail du LAMETA, 2002-05,
Universit de Montpellier I.
FAMA, E.F and MILLER, M.H., The Theory of Finance, New York, Holt, Rinehart and
Winston, 1972.
GOURIEROUX, C. et MONFORT, A., Sries temporelles et modles dynamiques,
Economica, 1960.
GALAVIELLE, J.P., Y a-t-il une thorie des marches financiers ? , Document de travail,
Universit Paris 1, CRIFES-MATISSE, UMR CNRS 8595, Dcembre, 2003.
GRANDIN, P., Mesure de performance des fonds dinvestissement, mthodologie et rsultats,
Economica, Gestion poche, 1998.
HAMON, J., JACQUILLAT, B., Le march franais des actions, tudes empiriques 19771991, PUF, 1992
JACQUILLAT, B. et SOLNIK, B., Marchs financiers : Gestion de portefeuille et des
risques, 2me dition, Dunod, 1996.
LARDIC, S. et MIGNON, V., Economtrie des sries temporelles macroconomiques,
Economica, 2002, p.121-202.
MIGNON, V., Marchs financiers et modlisation des rentabilits boursires, Economica,
1998.
MARKOWITZ, H.M., Portfolio Selection, Journal of Finance, vol.7, n1, Mars, 1952.
MARKOWITZ, H.M., Portfolio Selection: Efficient Diversification of Investments, Wiley,
1959.
NIVOIX, S., Rentabilit et risque des actions europennes: Une analyse au travers du PER
et du Book-to-Market , Gestion 2000, n5-2000, Octobre, 2000.
PHILLIPS, P.C.B and PERRON, P., Testing for a Unit Root in a Time Series Regression,
Biometrika, 75, 335-346.
REGNARD, J.F., La finance pour les dcideurs, TOP dition, 1999.

SHARPE, W.F., A simplified Model for Portofolio Analysis, Management Science,

January, 1963.
SIMON, Y., Encyclopdie des marchs financiers, Economica, 1997.