7316 Chap01

Prepa-Exos 2010/9/30 10 :19 page 1 #5
rree11
t
i
p
t
a
i
h
cChap
Analyse de la rentabilit et
du risque des portefeuilles
actions
Ce chapitre traite des concepts fondamentaux de la gestion de portefeuille actions . Il complte les thmatiques dveloppes dans le livre de Farber et al. (2008). Les exercices illustrent et mettent en uvre les
rsultats prsents dans la partie thorique, en utilisant parfois des donnes relles. Nous tudierons la rentabilit du CAC 40 pour mettre en lumire quelques faits styliss du march des actions.
Larticle de Markowitz publi en 1952 dans le Journal of Finance constitue le dbut de la thorie moderne du
choix de portefeuilles1 . Ce cadre danalyse dit esprance-variance donne une forte cohrence aux dcisions nancires. Il aide encore aujourdhui le gestionnaire formaliser et rationnaliser sa prise de dcision.
Souvent, il simpose comme outil danalyse et de justication des dcisions prises.
La thorie du choix de portefeuille est essentiellement normative. Elle ne prtend pas obtenir de performances
ex post certaines. Au contraire, en dnissant les rentabilits comme des variables alatoires, cette thorie
reconnat que des rsultats ex post trs mauvais sont possibles. Elle leur assigne dailleurs une certaine probabilit. Lchec ex post dune stratgie est ici un scnario probable qui ne signie pas ncessairement que la
dcision prise ex ante tait illogique.
Ce premier chapitre est entirement consacr aux actions et au choix de portefeuilles. Les sujets non tudis
dans ce chapitre sont dvelopps en profondeur dans des ouvrages proposs en bibliographie, en particulier
Alphonse et al. (2010).
1 Notons la mme anne larticle de Roy dans Econometrica.
2010 Pearson Education France Finance de march Franck Moraux

i
Prepa-Exos 2010/9/30 10 :19 page 2 #6
Finance de march
1. Les actions, les portefeuilles

dactions et les prix
Une action est une part des capitaux propres dune entreprise qui schange sur un march
nancier2 . Ce titre fait donc lobjet dune cotation tout instant3 . On note Pt le cours de
laction la date t. t est un intervalle de temps xe4 et Div[t1 ,t2 ] lensemble des dividendes
reus entre les dates t1 et t2 . Un portefeuille dactions contient des actions de diffrentes
socits. Si lon note NS (t) le nombre de socits prsentes dans le portefeuille la date
t, ni (t) le nombre dactions dtenues de la socit i et Pti le cours de laction de la i-ime
NS (t)
socit, alors la valeur du portefeuille la date t peut scrire PtP =
ni (t) Pti . NS (t)
i=1
et ni (t) sont a priori des fonctions dterministes dont les valeurs sont des dcisions de gestion5 .
NS (t)
ni (t) est le nombre total de titres dtenus dans le portefeuille. Sur une priode
i=1
de temps limit t, la composition du portefeuille na pas vocation changer. Les cots de
transaction nanciers et oprationnels sont un frein la recomposition (on parle plutt de
rebalancement ) des portefeuilles. On peut donc poser NS (t) = NS et ni (t) = ni deux
constantes. On a alors :
PtP =
NS
ni Pti
(1.1)
i=1
et la somme des dividendes tirs de la dtention des actions entre les dates t1 et t2 est
donne par :
DivP[t1 ,t2 ] =
NS
ni Divi[t1 ,t2 ] .
i=1
Les dividendes constituent, stricto sensu, le revenu tir de la dtention des actions et des portefeuilles daction. Mais les investisseurs sont aussi rmunrs par les variations favorables des
prix. Un investisseur en position longue, qui revend des actions plus cher quil ou elle ne les a
achetes, ralise ainsi une plus value. On appelle gain (ou perte) en capital sur lintervalle
de temps [t1 , t2 ] la valeur PtP2 PtP1 . On rappelle que la scalit des dividendes est diffrente
de limposition des plus-values.
2
3
4
On exclut de notre analyse les socits non cotes.

Hors vnements exceptionnels justiant la suspension du cours.
Si lon exploite des donnes rcoltes ultra haute frquence (donnes tick-by-tick), t nest plus constant et doit tenir
compte des dures relles entre transactions.
Le lecteur sattend peut-tre ce que les ni soient plutt des nombres entiers positifs. Nanmoins, on peut aussi
considrer des nombres entiers ngatifs et mme des valeurs non entires. Lide est alors que le portefeuille peut
contenir des positions courtes (des ventes dcouvert) et que les actions sont inniment divisibles ( 0,5 action a
donc un sens).
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 3 #7
2. La rentabilit nancire ?
... des rentabilits
La rentabilit dun titre nancier ou dun portefeuille est une mesure relative de la rmunration totale de son dtenteur calcule une date et pour une priode de dtention donnes.
La rentabilit prend donc en compte a) le gain ou la perte en capital tir de la dtention du
titre ou du portefeuille (la plus- ou moins-value) et b) les revenus rels verss sur la priode. La
rentabilit dpend galement de la dure de dtention6 .
Nous allons passer en revue les rentabilits disponibles et comprendre que les conventions de
calcul induisent des reprsentations diffrentes des mouvements de cours. Nous tudierons les
ventuelles distorsions quelles pourraient induire les unes par rapport aux autres. Les mesures
de rentabilit que nous considrons nintgrent pas les cots de transaction que lon supporte
dans les oprations dachat-vente.
2.1. Les rentabilits arithmtiques

On appelle rentabilit arithmtique ex post, rtrospective ou constate la date t
sur la priode t, la valeur Ra
t (t) dnie par :
Ra
t (t) =
Div[tt,t]
Pt Ptt Div[tt,t]
Pt
+
=
1+
.
Ptt
Ptt
Ptt
Ptt
Analyse de la rentabilit et du risque des portefeuilles dactions
Chapitre 1
(1.2)
ea (t)
La rentabilit arithmtique ex ante la date t sur la priode t est la valeur R
t
dnie par :
ea (t) = Pt+t Pt + Div[t,t+t] .
R
(1.3)
t
Pt
Pt
Les
rentabilits arithmtiques
possdent donc deux composantes. La premire,
(
)
Pt+t Pt
Pt Ptt
ou Ptt
, est la mesure relative du gain ou de la perte en capital par
Pt
(
)
Div[t,t+t]
Div[tt,t]
rapport la valeur de laction la date t7 . La seconde,
ou
, reprPt
Ptt
sente le rendement de laction. Cest la mesure relative des revenus tirs de la dtention de
laction sur la priode.
2.2. Les rentabilits gomtriques

On appelle rentabilit gomtrique ex post ou constate la date t sur la priode t, la
valeur Rgt (t) dnie par :
(
)
(
)
Pt + Div[tt,t]
Rgt (t) = ln
= ln Pt + Div[tt,t] ln(Ptt ),
(1.4)
Ptt
On a lhabitude dadopter le point de vue de linvestisseur qui a une position longue dans le titre nancier, la dtention
du titre tant le plus souvent ctive. Si jamais la dtention est relle, la rentabilit de laction reste virtuelle ou
latente jusqu ce que la vente intervienne. Une fois la vente effectue, on parle de rentabilit ralise . Et on
peut prendre en compte les cots de transaction et le prix moyen de revente.
Par opposition, on dira que le gain et la perte en capital sont des mesures absolues .
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 4 #8
Finance de march
o ln (x) est le logarithme nprien. La rentabilit gomtrique ex ante la date t sur la

eg (t) est dnie par :
priode t, la valeur R
t
)
(
eg (t) = ln Pt+t + Div[t,t+t] .
(1.5)
R
t
Pt
2.3. Les rentabilits ex post ou ex ante ?

La diffrence entre les rentabilits ex post et ex ante porte sur la nature de la priode de dtention
considre. Elle est passe pour la rentabilit ex post et venir pour celle ex ante. Par
construction, les rentabilits ex post sont observes et dduites des cours prsents ou passs. De
leur ct, les rentabilits ex ante ne peuvent tre connues avec certitude puisquelles impliquent
des prix futurs.
Les rentabilits ex post ou ex ante vont aussi se distinguer par les mthodologies utilises pour
les analyser. Pour dcrire, comprendre et modliser les rentabilits ex post, on peut exploiter
des outils statistiques et conomtriques sur des donnes collectes en coupes transversales
ou en sries temporelles. Pour dcrire, comprendre et modliser les rentabilits ex ante, on
doit dvelopper une thorie nancire qui implique le plus souvent des concepts probabilistes.
Parfois, le modle obtenu permet dextraire la rentabilit ex ante moyenne partir des prix
cots. Mais la valeur estime empiriquement dpend intimement du prix du produit nancier
considr et des hypothses du modle.
2.4. Lintrt dannualiser des rentabilits

Les rentabilits donnes ci-dessus sexpriment, par dfaut, dans la base t. On parle de rentabilits journalires, hebdomadaires, voire mensuelles. Leur unit respective est %.jour1 (le
pourcentage par jour), %.semaine1 et %.mois1 . Mais il est parfois utile demployer une dure de rfrence comme lanne. La dmarche consiste alors exprimer la dure t en fraction
1
danne et multiplier la rentabilit concerne par t
. Implicitement, on agit comme si la
1
rentabilit se reproduisait lidentique pendant t priodes de temps8 .
1
anne, on appelle rentabilit journalire annualise la
Si une journe correspond 250
1
rentabilit journalire multiplie par 1/250
= 250. Dautres conventions retiennent quune
1
journe vaut 252 anne ou bien encore :
nombre dannes dans la base de donnes

anne.
nombre rel de jours ouvrs dans la base de donnes
Il est naturellement possible dannualiser des rentabilits hebdomadaires, mensuelles, etc. Une
anne contient bien 52 semaines, mais on arrondit parfois 50, qui correspond bien 250
(nombre conventionnel de jours de bourse dans lanne) divis par 5 (nombre de jours ouvrs
dans la semaine).
Lintrt de modier la rfrence temporelle est multiple. Le premier concerne la comprhension mme de la valeur de la rentabilit. Lemploi de certaines frquences demande une expertise en matire dordre de grandeur. Les rentabilits journalires annualises peuvent parfois
En effet,
1
t
est le nombre de priodes de dure t contenues dans une anne.
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 5 #9
2.5. Les rentabilits arithmtiques ou gomtriques ?

Les rentabilits arithmtique et gomtrique mobilisent des formules diffrentes. Elles peuvent
donc induire des perceptions numriques diffrentes de la mme ralit. Conduisent-elles pour
autant des conclusions contradictoires ? La rponse est non des points de vue thorique et
empirique.
2.5.1. Deux conventions diffrentes...

Considrons, titre dillustration, la situation dun investisseur qui aurait construit un portefeuille dupliquant le CAC 40 le lundi 30 novembre 2009, et qui aurait dboucl sa position
le lendemain soir. Les cours de clture du CAC 40 taient respectivement de 3 669, 27 et
3 714, 78. Les rentabilits arithmtique et gomtrique
(
)(ex post) correspondantes sont alors
paratre aberrantes, mais cest justement cette distorsion qui permet dapprcier pleinement le
rsultat journalier. Il nest pas rare, par exemple, dentendre un commentateur non spcialis
qualier une rentabilit journalire du CAC 40 de 0,05 % de ngligeable, alors mme que la
rentabilit annualise correspondante est de 0, 05 % 250 = 12, 5 % ! En annualisant la rentabilit journalire, on comprend que ce mouvement, ngligeable sur la journe, ne doit
pas tre pris la lgre9 . Le second intrt concerne la gestion des donnes ultra haute frquence, dont les rentabilits ne sont pas ncessairement calcules sur des intervalles de temps
constants.
Chapitre 1
3 714,783 669,27
Ra
2, 597 % et Rgt = ln 33 714,78
2, 564 %. Les deux rentabilits
t =
3 669,27
669,27
sont bien simultanment positives, mais elles traduisent la plus-value observe de manires
diffrentes. La rentabilit gomtrique est ici plus faible que la rentabilit arithmtique10 .
Financirement, ce phnomne se comprend aisment. Les rentabilits gomtrique et arithmtique (annualises) ex post impliquent en effet :
Pt = Ptt (1 + t.Ra
t ) Div[tt,t]
et
Pt = Ptt et.Rt Div[tt,t] .
Les dividendes interviennent de la mme manire. Les rentabilits se distinguent donc en

adoptant deux conceptions diffrentes de la rmunration quest le gain (ou la perte) en capital.
Ces deux conventions rejoignent en fait les notions dintrt simple et dintrt continment
compos. La rentabilit arithmtique sapparente au taux dintrt simple des placements qui
rmunrent linvestisseur en une seule fois et proportionnellement la dure et la somme
immobilise. La rentabilit gomtrique sapparente, elle, au taux dintrt compos.
2.5.2. ... sans divergence numrique excessive...

Dun point de vue quantitatif, la diffrence est faible, en particulier eu gard aux frquences
de donnes utilises aujourdhui en nance de march (au plus la semaine). Une formule de
passage permet daller dune convention lautre. En galisant les deux quations prcdentes,
Dans la mme logique, on peut utiliser le point de base (basis point) comme unit de rfrence. Il sagit du pourcentage
du pourcentage. Pour exprimer les rentabilits en points de base, on multiplie par 10 000 les formules prcdentes.
Ainsi, 0,0005 vaut 0,05 % et 5 pb.
10 Avant de ngocier une promesse de rentabilit, il convient donc de se mettre daccord sur sa dnition !
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 6 #10
Finance de march
t.Rt
on obtient 1 + t.Ra
, soit encore :
t =e
(
)
g
1
1
Ra
et.Rt 1
et
Rgt =
ln (1 + t.Ra
(1.6)
t =
t).
t
t
Ces formules clairent la diffrence entre les deux conventions. Si lon nglige linuence de
g
Rg
a
t 1 et R
t (en posant t = 1), les expressions deviennent Ra
t = e
t = ln (1 + Rt ). Pour
g
1
1
a
des valeurs de t typiquement petites ( 250 , 52 ), on a Rt Rt , et ce dautant plus que la
rentabilit (en valeur absolue) sera faible sur des courtes dures.
Exemple : vous avez achet des actions de deux socits diffrentes, ABC et XYZ, au prix de
1 000 euros chacune, et vous apprenez que le cours de laction XYZ a gagn 10 %, pendant que
celui de ABC a perdu 10 %. Si la convention arithmtique est utilise, le prix de laction ABC
vaut 1 000 (1 + 10 %) = 1 100 euros celle de laction XYZ 1 000 (1 10 %) = 900 euros.
Si la convention gomtrique est utilise, les cours correspondants sont respectivement 1 000
e10 % = 1 105, 17 euros pour ABC et 1 000e10 % = 904, 84 euros pour XYZ. On constate
que, par rapport la rentabilit arithmtique, la rentabilit gomtrique amplie limpact
dune rentabilit positive donne et amoindrit limpact dune rentabilit ngative.
2.5.3. ... mais dotes dintrts propres

Chaque rentabilit possde son intrt propre.
Lagrgation temporelle des rentabilits plaide pour la rentabilit gomtrique. La rentabilit gomtrique sur n priodes est, en effet, la somme des rentabilits gomtriques
de chaque priode. On a :
n
Rgi (1) = Rg1 (1) + Rg2 (1) + ... + Rgn (1) = Rg1 (n) .
i=1
Cette proprit, qui nest pas vrie par les rentabilits arithmtiques, se rvle trs
utile pour la manipulation des sries temporelles de rentabilits. Elle a mme des consquences sur le mode de calcul dune moyenne de rentabilits historiques. On reviendra
sur ce point plus loin.
Lagrgation des titres en portefeuille plaide pour la rentabilit arithmtique. La rentabilit arithmtique dun portefeuille de titres est, en effet, la somme pondre des
rentabilits arithmtiques individuelles. On a :
RPt =
NS
xi Rit ,
(1.7)
i=1
avec xi =
i
ni Ptt
la
P
Ptt
11
valeur de ce qui est investi dans la socit i divise par la va-
leur du portefeuille . xi a une interprtation immdiate : cest le pourcentage de ri]

NS
NS [ ni Pi
tt
chesse investie dans la i-ime socit. On a dailleurs
xi =
=
PP
i=1
11
i=1
tt
Une valeur positive de xi reprsente une position longue, une valeur ngative une position courte (c.--d. une vente).
Si xmax > xi > xmin , alors les poids xi sont contraints prendre certaines valeurs. Si xmax > xi > 0, le
gestionnaire a linterdiction de vendre dcouvert laction i. Il doit, de plus, limiter la quantit possde dans le
PP
portefeuille xmax Pti actions.

t
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 7 #11
NS
PP
i
ni Ptt
= Ptt
= 1. RPt est donc une moyenne pondre. Pour illusP
i=1
tt
trer le propos, on peut dire que la rentabilit arithmtique dun portefeuille quipondr
de deux actifs dont les rentabilits arithmtiques sont 10 % et 5 % est 7,5 %. Cette proprit nest pas vrie par les rentabilits gomtriques.
NS
La condition
xi = 1 est parfois appele la contrainte de budget. Elle stipule quen
i=1
toute date t, on ne peut possder un montant suprieur la richesse dtenue (la valeur du
portefeuille). Attention, elle ninterdit pas de dtenir plus dactions que ne le permet notre
richesse initiale. Il suft, en effet, de raliser des ventes dcouvert (pour lesquelles on a
NS
xi < 0). Les positions longues suprieures 1 (
xi 1{xi >0} > 1) seront alors compenses
i=1
NS
par les positions courtes (
xi 1{xi <0} < 0).
i=1
Dans la suite, on utilise les notations matricielles,( plus compactes.

) Si X est le vecteur colonne
des poids, alors la transpose de X, note X = x1 xNS , est le vecteur ligne form des
mmes valeurs. Si Rt est le vecteur colonne des rentabilits individuelles associes la date
t, la rentabilit du portefeuille la date t scrira RPt = X Rt ou, de manire quivalente,
NS
RPt = Rt X. Si, de plus, U est un vecteur colonne de 1, la condition
xi = 1 scrit
i=1
U X = 1 ou X U = 1.
1
P
Ptt
Chapitre 1
2.6. Les faits styliss des rentabilits dactions

Un fait stylis est un phnomne ou une proprit des donnes observes que la communaut nancire considre comme robuste et rcurrent. Quelques uns concernent les rentabilits
dactions12 . On sait, par exemple, que les rentabilits calcules sur des horizons dpassant
la journe ne montrent pas dautocorrlation signicative. Celles calcules sur des priodes
de dure infrieure 20 minutes subissent des effets microstructurels qui peuvent induire,
au contraire, de la dpendance srielle. La densit non conditionnelle des rentabilits admet
en gnral des queues de distribution plus paisses que celle de la loi normale. Les valeurs
extrmes sont en fait relativement plus frquentes. La distribution admet galement une asymtrie plutt ngative. Les mouvements la baisse sont donc plus importants. Enn, mesure
que lon augmente la frquence des donnes, la distribution ressemble de plus en plus la loi
normale.
Les deux graphiques du haut de la gure 1.1 reprsentent le comportement du cours de clture
du CAC 40 et celui de sa rentabilit gomtrique ex post sur la priode allant du 4 janvier 1999
au 31 dcembre 2009. La trajectoire de lindice CAC 40 pourrait laisser croire quune prvision est possible. La srie des rentabilits illustre bien lincertitude et la volatilit du march. Les
rentabilits uctuent autour de zro et lon observe des priodes de forte volatilit et dautres
de faible volatilit. Les graphiques du bas concernent lhistogramme des rentabilits gomtriques. Celui de gauche indique une certaine symtrie dans la distribution des rentabilits
journalires observes et la prsence dextrmes. Celui de droite superpose cet histogramme
12
Ltude des faits styliss demande la connaissance de concepts statistiques lmentaires et avancs. On pourra consulter le Synthex de Bressoud et al. (2008) et celui de Dor (2004) pour une prsentation et une discussion de ces outils.
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 8 #12
Finance de march
celui, not Gauss, issu dune loi normale qui aurait mme moyenne et mme variance. On
voit bien ici lcart entre les deux courbes.
Fig. 1.1 : Le CAC 40 du 4 janvier 1999 au 31 dcembre 2009
Cours de clture du CAC 40
Rentabilits du CAC 40
7000
12,000%
6500
8,000%
6000
5500
4,000%
5000
4500
0,000%
4000
-4,000%
3500
3000
-8,000%
2500
00
9
00
7
05
/0
1 /2
00
8
05
/0
1 /2
00
6
05
/0
1 /2
00
4
00
3
00
5
05
/0
1 /2
05
/0
1 /2
05
/0
1 /2
05
/0
1 /2
00
1
00
2
05
/0
1 /2
05
/0
1 /2
00
0
05
/0
1 /2
05
/0
1 /1
00
9
00
8
04
/0
1 /2
04
/0
1 /2
00
6
00
5
00
4
00
3
00
7
04
/0
1 /2
04
/0
1 /2
04
/0
1 /2
04
/0
1 /2
04
/0
1 /2
00
1
00
2
04
/0
1 /2
04
/0
1 /2
99
9
00
0
04
/0
1 /2
04
/0
1 /1
99
9
-12,000%
2000
Histogramme des rentabilits

0,16
0,16
0,14
0,14
0,12
0,12
Rentabilits
7,
89
%
9,
82
%
5,
96
%
4,
03
%
2,
11
%
0,
18
%
-1
,7
5%
-3
,6
8%
-5
,6
1%
Gauss
-7
,5
4%
-9
,4
7%
9,
82
%
5,
96
%
7,
89
%
4,
03
%
2,
11
%
0
0,
18
%
0,02
0
-1
,7
5%
0,04
0,02
-3
,6
8%
0,06
0,04
-5
,6
1%
0,08
0,06
-7
,5
4%
0,1
-9
,4
7%
0,1
0,08
Les cours du CAC 40 sont ajusts pour les dividendes ; les rentabilits sont gomtriques et journalires.
3. Les hypothses de la thorie

nancire
La thorie nancire que nous prsentons dans cet ouvrage suppose essentiellement lefcience
et la perfection du march nancier. Le reste du chapitre dveloppe en particulier le cadre
danalyse classique dit esprance-variance .
3.1. Lefcience du march

Le march est dit efcient (dun point de vue informationnel) si les prix retent pleinement
et instantanment toute linformation disponible (Fama [1965]). Possder de linformation
ne devrait procurer ni prot, ni avantage particulier (Jensen [1978]). Les variations de cours ne
peuvent provenir que de larrive dinformations nouvelles qui, par nature, ne peut tre anticipe. Les variations des cours sont donc essentiellement inattendues et de nature alatoire13 .
13
Dans cette logique, lefcience a dabord t associe au modle de la marche au hasard avant dtre plus correctement relie au concept de martingale. La marche au hasard suppose que les variations de cours successifs sont indpendantes. Le prix dun actif est une martingale si et seulement si sa valeur la date t vrie : Pt = E [ Pt+t | Ft ],
avec Ft linformation possde en t. Autrement dit, sachant linformation possde en t, la variation attendue est
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 9 #13
Plus rcemment, Fama (1991) remarque que tout test defcience est aussi un test du modle
dvaluation des actifs qui est utilis. Autrement dit, on est en face dun test joint et lefcience
est intestable. Pour remdier cela, Fama recommande de revoir la classication des niveaux
defcience en se rfrant explicitement aux proprits des rentabilits et leurs rponses
aux tests de prvisibilit, aux tudes dvnements et aux tests dinformation prive. Aujourdhui, les tests de prvisibilit dpassent largement la simple recherche dautocorrlation dans
les rentabilits en impliquant de nombreuses donnes macro-conomiques. Les tudes dvnemement concernent, elles, des annonces particulires qui sont censes affecter lentreprise
considre.
Lhypothse defcience des marchs est intimement lie au travail dEugne Fama. Dans son
article de 1970, il estime que la nature de linformation (suppose intgre dans les cours) justie lintroduction de trois niveaux defcience. Depuis lors, lefcience des marchs est souvent
qualie de faible, semi-forte ou forte. Lhypothse defcience faible des marchs est mise
en dfaut ds que lon dtecte des rentabilits autocorrles. Dans un march faiblement efcient, la seule connaissance des rentabilits passes ne permet pas, en effet, de tirer un bnce.
Lajustement rapide des prix larrive de toute information rendue publique milite, quant
lui, en faveur de lefcience semi-forte. Enn, il est plus dlicat de tester formellement lefcience forte des marchs dans la mesure o elle est associe linformation privilgie et celle
dtenue par les insiders les fameux initis. On considre nanmoins que labsence de performance systmatique des professionnels de linvestissement soutient lide dune efcience
plutt forte des marchs14 .
Chapitre 1
Il est nanmoins important de comprendre quun march nest pas efcient par principe mais
par construction, et que cette proprit est donc davantage une consquence quune hypothse. Un march suppos parfait runit, par exemple, des caractristiques favorables lmergence de lefcience.
3.2. La perfection du march

Le march est dit parfait lorsque il nexiste ni frein, ni frottement pouvant gner les changes
nanciers. On ne trouve ni taxes, ni cots de transactions, ni impts dune quelconque nature,
ni contraintes juridiques ou rglementaires. Dans sa version la plus extrme, linformation est
totalement partage (en temps et en quantit) et elle est gratuite. On ne dplore aucune asymtrie dinformation et il nexiste ni investisseurs privilgis, ni insiders. Le march est parfaitement liquide et les investisseurs trouvent toujours une contrepartie susceptible de satisfaire
leur offre ou leur demande de titres. Les actifs sont dailleurs supposs indniment divisibles
et lactivit des investisseurs ninuence pas les prix de marchs15 . Dans certains cas, on supposera que les investisseurs peuvent acheter et vendre dcouvert un titre nancier sans risque,
et cela sans limite. Autoriser la vente dcouvert (sans limite) dun actif sans risque revient
supposer quils peuvent emprunter le montant quils souhaitent au taux sans risque (!). Les
investisseurs sont supposs tre identiquement rationnels et averses au risque. Les hypothses
quils formulent sur la distribution des rentabilits sont justes (accurate) et non entaches de biais
nulle : E [ Pt+t Pt | Ft ] = 0. Lhypothse martingale est donc moins forte que la marche au hasard. Si tous les
titres suivent une marche au hasard, alors le march est bien efcient. Mais lefcience nimplique pas que tous les
prix suivent une marche au hasard (Mignon [2008]).
14 Ces derniers sont en effet bien mieux informs que beaucoup dautres investisseurs.
15 On dit parfois quils sont prices takers.
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 10 #14
Finance de march
cognitifs ou comportementaux.16 On suppose que certains paramtres attachs aux rentabilits ex ante (tels les moyennes, les variances, les coefcients de corrlation linaire, etc.) sont
bien connus.
3.3. Les hypothses de la thorie classique

Outre lefcience et la perfection des marchs, le cadre esprance-variance part du postulat
e, il suft de connatre son esprance et sa variance
que,
dcrire une rentabilit ex ante R
[ pour
]
e et 2 ) et que, pour tudier les portefeuilles, il faut en plus disposer des coefcients de
(E R
e
R
corrlation linaire. Ces seuls paramtres sufraient donc la prise de dcision nancire.
Pour bien saisir cette hypothse, revenons un moment au comportement dun investisseur.
fT sa richesse la date T et U sa fonction dutilit. W
fT est une variable alatoire et
Notons W
[ (
)]
fT ).17
les investisseurs souhaitent maximiser lesprance de lutilit de leur richesse (E U W
[
]
fT nous apprend que :
Le dveloppement limit de la fonction dutilit aux alentours de E W
(
)
(
[
])
(
[
])2
(
[
])k
fT = c0 + c1 W
fT E W
fT + c2 W
fT E W
fT
fT E W
fT
U W
+
ck W
,
k=3
( [
])
[
]
fT et ck la k-ime drive de U calcule en E W
fT et divise par
en notant c0 = U E W
( [
])
1
1 (k)
fT ). Si lon calcule lesprance de cette expression, on trouve :
(
c
=
U
E
W
k
k!
k!
)]
[ (
fT = c0 + c2 2 +
E U W
ck k ,
WT
k=3
[(
o k est le moment centr dordre k (k = E
[
])k ]
f
f
WT E WT
). Supposer que la
connaissance
de
)] lesprance et de la variance suft rsoudre le problme de maximisation
[ (
f
de E U WT , revient donc supposer quau moins une des deux conditions suivantes est
vrie. Condition a) : les termes ck sont nuls ds que k est suprieur trois.
[
]Condition b) :
f
les moments centrs k dordre k suprieurs 3 sont des fonctions de E WT et 2 . AufT
W
trement dit, soit les drives de la fonction dutilit sont nulles au-del de lordre 3 (comme
fT est restreint une
cest le cas de lutilit quadratique), soit le comportement alatoire de W
famille de lois particulires (famille laquelle appartient la richesse dont la rentabilit ex ante
est dcrite par la loi normale).
Au total, le cadre classique reconnat lexistence de nombreux facteurs exognes ou endognes
qui affectent le raisonnement et les dcisions nancires. Et, si les hypothses quil formule
16
17
10
La nance comportementale popularise par Kahneman et Tversky attaque de front cette hypothse.
On suppose que les investisseurs ont une prfrence pour la richesse attendue et une aversion pour lincertitude et la
variance.[ Leur
fonction
dutilit
espre
est donc croissante en lesprance et dcroissante en la variance. Elle vrie
)]
[ (
)]
(
donc
fT
E U W
[
]
f
E WT
> 0 et
fT
E U W
2f
< 0.
WT
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 11 #15
4. Le choix de portefeuilles en labsence de placement sans risque

Le cadre danalyse esprance-variance reste aujourdhui encore dune pertinence redoutable car il permet de formaliser la prise de dcision. Son attrait provient de sa relative simplicit et de son caractre parcimonieux. Dun point de vue trs oprationnel, il permet a) de
formaliser et dintgrer les attentes et les contraintes dun client, b) de disposer de mesures des
risques et de la performance, c) dincarner certaines stratgies dinvestissement, d) dexploiter
linformation disponible de manire cohrente et e) de mettre rapidement jour les positions
pour tenir compte des informations nouvelles.
Dans sa version initiale, cette thorie ne manipule que des rentabilits espres, des volatilits attendues et des coefcients de corrlation. Les investisseurs sont supposs disposer
de fonds quils immobilisent, pour une priode donne, dans des supports de placement (uniquement risqus dans cette section). Parfois, ils sont autoriss vendre dcouvert mais,
lissue de la priode, ils liquident leur position. Le cadre danalyse de Markowitz implique
donc une seule dcision de construction du portefeuille. La composition de celui-ci reste telle
quelle pour la priode venir : elle est parfois qualie de statique. Nous naborderons pas les
aspects dynamiques.
semblent exagrment fortes18 , elles rendent surtout possible linstauration dun cadre lmentaire, partag et commun tous qui permet ensuite dapprcier marginalement limpact
de chaque dimension.
Chapitre 1
4.1. Le prol de risque et le repre risque-rentabilit espre

On appelle prol de risque de lactif i le couple :
)
(
E [Ri ] , 2i ou (E [Ri ] , i ) ,
o E [Ri ] est la rentabilit espre et i la volatilit de laction. Dans le cadre esprancevariance , le prol de risque dun actif nancier nest donc pas caractris seulement par sa
volatilit. Ces paramtres jouent aussi le rle de coordonnes dans lespace risque-rentabilit
espre dont le repre est not :
(0, , E [R])
(
)19
2
ou 0, , E [R] . On peut ainsi placer tous les titres nanciers les uns par rapport aux autres
dans cet espace et exploiter des intuitions graphiques. Le portefeuille dactifs P dcrit par
lquation (1.7) admet pour coordonnes :
(
)
E [RP ] , 2P = (X R, X VX) ,
18
Ces hypothses, qui sont discutables et rfutables, sont dailleurs trs largement discutes et rfutes. Le nombre
important de publications scientiques en la matire suggre mme que tous les chercheurs en nance sy attellent !
19 Il est parfois opportun de retourner la reprsentation en considrant le repre (0, E [R] , ), comme lorigine de
la thorie.
11
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 12 #16
Finance de march
avec V la matrice de variances-covariances

Les coordonnes du portefeuille
)
( des rentabilits.
X VX, X R (X VX est bien un rel positif). Ces
dans le repre (0, , E [R]) sont donc
notations sont trs compactes, mais elles ne permettent pas de bien visualiser limpact des
variances, des corrlations et des poids des titres individuels sur la variance du portefeuille.
On trouvera en annexe dautres expressions.
La gure 1.2 donne des exemples dactifs dissmins dans le plan (0, , E [R]). On a reprsent
A en (6 %, 6 %), B en (12 %, 14 %), C en (12 %, 10 %), D en (8 %, 10 %) et E en (10 %, 6 %).
On voit que les prols de risque ne sont pas quivalents (loin de l !). Certains actifs apparaissent moins intressants que dautres. Ainsi, lactif C possde le mme niveau de risque que
B, mais sans promettre le mme niveau de rmunration. Lactif E a, quant lui, la mme rentabilit espre que A, mais il demande dassumer un niveau de risque nettement suprieur.
Il est dlicat darbitrer entre A, B et D.
Fig. 1.2 : Le plan (0, , E [R])
E@R P D
0.14
0.12
C
0.10
0.08
E
0.06
0.04
0.02
0.00
0.00
0.02
0.04
0.06
0.08
0.10
0.12
0.14
4.2. La diversication
Le cadre esprance-variance permet de formaliser une dmarche somme toute assez intuitive : la diversication. La formalisation fournit nanmoins des rsultats moins vidents quil
ny parat.
4.2.1. Les rsultats

Les rsultats de Markowitz en matire de diversication peuvent se rsumer par trois
propositions.
1. Lajout dun actif dans un portefeuille diminue le risque de ce dernier, ds lors que cet
actif nest pas parfaitement et positivement corrl au portefeuille.
2. Il existe une limite la diminution du risque par diversication dun portefeuille. Le
risque limite et rsiduel peut tre appel le risque incompressible par diversication ou risque non diversiable.
12
3. La volatilit du portefeuille le plus diversi est la racine carre de la covariance moyenne

qui prvaut en son sein.
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 13 #17
La proposition 1 est conforme ce que lon pouvait attendre du concept de diversication20 .

Plus formellement, elle nous apprend que la volatilit du portefeuille est infrieure la
moyenne pondre des volatilits individuelles. La proposition 2 est un rsultat important qui
prcise lexistence dune limite et la proposition 3 la caractrise. Lexistence dune limite (non
nulle) suggre que lefcacit de la diversication par un n + 1-ime actif dcrot mesure
que le nombre n dactifs dj dans le portefeuille est grand. Le cot engendr par la diversication ouvre la question de loptimisation de cette procdure. Combien dactifs sufront
diversier de manire signicative mon portefeuille ? Comment les choisir pour optimiser la
diversication un nombre dactifs x ?
La gure 1.3 illustre leffet diversication en reprsentant le risque dun portefeuille (mesur
par sa volatilit) en fonction du nombre de titres que celui-ci contient. On constate que le risque
dcrot et tend vers un niveau plancher. Le risque possde deux composantes au comportement
bien distinct. La premire disparat par diversication, cest la composante diversiable. La
seconde subsiste et est qualie de composante non diversiable. Cette dernire est le risque
incompressible (par la technique de diversication).
Chapitre 1
Fig. 1.3 : Leffet diversication dun portefeuille
Composante diversifiable
Composante non diversifiable

NS
4.2.2. La formalisation
Pour formaliser le principe de diversication, considrons un portefeuille contenant NS socits diffrentes avec uniquement des positions longues. On peut alors dmontrer la premire
proposition par rcurrence en remarquant quun portefeuille NS + 1 actifs contient une action et un portefeuille N actifs. La dmonstration trs standard est rappele dans lexercice 3.
Pour montrer que la limite est une fonction de la covariance moyenne, on peut considrer la
variance dun portefeuille quipondr. On a alors :
]
[N
NS
NS
S
1
1
2P = 2
2i + 2
ij ,
(1.8)
NS
NS
i=1
20
i=1 j=1(j=i)
Cette proposition peut nanmoins surprendre car elle nous apprend que la diversication peut tre ralise avec des
actifs fortement corrls. Lorsquon leur demande de sexprimer sur la question, de nombreux tudiants suggrent
dajouter des actifs ngativement corrls. Or, ce nest pas strictement ncessaire. La diversication commence au
premier actif non strictement et positivement corrl.
13
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 14 #18
Finance de march
ei et R
ej . Les termes entre crochets sont des sommes de NS termes
avec ij la covariance de R
pour le premier et de NS (NS 1) termes pour le second. On peut donc rcrire lexpression
(1.8) comme
1
1
2P = 2 [NS varNS ] + 2 [NS (NS 1) covNS ] ,
NS
NS
avec varNS et covNS la variance et la covariance moyennes au sein du portefeuille. Pour NS
grand, la variance du portefeuille devient 2P covNS .
4.2.3. Les interprtations et implications

Les interprtations et implications de la diversication sont nombreuses. On en reprend
trois ici :
1. Dans la mesure o la composante non diversiable est attache aux covariances, on
peut identier la composante diversiable de la variance du portefeuille la somme (ou
la moyenne) des variances individuelles.
2. La volatilit du portefeuille peut scrire (voir exercice 3) :
P =
NS
i=1
xi
cov (Ri , RP )
.
P
(1.9)
Le terme cov(RiP,RP ) sinterprte alors comme la contribution de lactif i la volatilit

du portefeuille. Et, si la rentabilit dun actif ne covarie pas avec celle du portefeuille,
alors cet actif naugmente ni ne diminue le risque de ce dernier.
3. Si la rmunration dun investisseur est considre comme la contrepartie lgitime dun
risque pris, on comprend que le risque diversiable ne doit, ni ne peut tre rmunr.
Il ny a aucune raison de rmunrer les investisseurs pour un risque qui disparat par
diversication.
Notons, pour nir, que le portefeuille le plus diversi est videmment parfaitement identi.
Cest celui qui contient tous les actifs du march. En ce sens, on pourra dire que le risque non
diversiable (ou incompressible par diversiciation) est le risque du march.
4.3. Le prol des portefeuilles ralisables

Une fois les coordonnes des actifs individuels connues, on peut caractriser lensemble des
portefeuilles ralisables. Ces derniers sont galement reprs dans le plan (0, , E [R]) par leurs
coordonnes E [RP ] = X R et 2P = X VX. Ils sobtiennent tous en faisant varier le nombre
dactifs contenus dans le portefeuille et les poids
xi investis dans chacun des actifs. Dans la
suite, la somme des poids restera gale 1,
xi = 1, pour traduire une contrainte de
i
budget. Toute restriction de la forme xmax > xi > xmin affecte lensemble des portefeuilles
ralisables. Par exemple, si la vente dcouvert est interdite, alors les poids devront rester
positifs ou nuls (xi > 0). Dans le cas gnral, lensemble des portefeuilles ralisables recouvre
pleinement une surface particulire du repre (0, , E [R]). Elle est convexe.
14
La gure 1.4 dessine quelques portefeuilles ralisables avec trois ou quatre actifs lorsque la
vente dcouvert nest pas autorise. On voit que certains portefeuilles sont plus pertinents
que dautres.
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 15 #19
Fig. 1.4 : Quelques portefeuilles ralisables dans deux marchs particuliers

March trois actifs
March quatre actifs
E(R P )
E(R P )
0.12
0.12
0.10
0.10
0.08
0.08
0.06
0.06
0.06
0.08
0.10
0.12
0.14
0.16
0.06
0.08
0.10
0.12
0.14
0.16
Remarque : aucune vente dcouvert nest autorise.
4.4. Les portefeuilles de variance minimale ( rentabilit espre

xe)
Chapitre 1
Les portefeuilles de variance minimale rentabilit espre xe enveloppent la surface

convexe des portefeuilles ralisables. Ils admettent la variance la plus faible des portefeuilles
de mme rentabilit espre et sont solutions du programme doptimisation :
min 2P
x1 ,...,xNS
s.c.
E [RP ] = Cr
NS
xi = 1
i=1
minX VX
X
{
R X = Cr
s.c.
,
U X = 1
(1.10)
o s.c. signigie sous contraintes et Cr est une constante. Le systme droite rappelle
que la rentabilit espre E [R] et la variance 2P sont bien deux fonctions du vecteur poids X.
Chaque portefeuille solution est alors dcrit par un vecteur des poids X (Cr ) qui assurent la
variance minimale ( rentabilit espre xe Cr ). Lensemble des portefeuilles solutions est
ensuite obtenu en faisant une reprsentation graphique de la fonction Cr 7 (P , E [RP ]).
La gure 1.5 superpose les solutions du problme doptimisation (1.10) aux surfaces de portefeuilles ralisables de la gure 1.4. Dans chaque march, on trouve lensemble, not E, qui
enveloppe lensemble des portefeuilles ralisables. Merton (1972) a montr que la variance
2P des portefeuilles de E tait une fonction quadratique de leur rentabilit espre E [RP ].
4.5. Le portefeuille de variance minimale

Le portefeuille de variance minimale se repre de diffrentes faons. Cest tout dabord le portefeuille ralisable de variance la plus petite. Il est donc solution du programme doptimisation
suivant :
minX VX
min 2P
x1 ,...,xNS
NS
s.c.
i=1
xi = 1
s.c. U X = 1,
(1.11)
15
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 16 #20
Finance de march
Fig. 1.5 : Lenveloppe des portefeuilles de variance minimale

March trois actifs
March quatre actifs
E@R P D
E@R P D
0.12
0.12
0.10
0.10
0.08
0.08
0.06
0.06
Enveloppe
0.06
0.08
0.10
0.12
Enveloppe
0.14
0.16
0.06
0.08
0.10
0.12
0.14
0.16
N.B. : lenveloppe est tire pour mieux lobserver.
Ce portefeuille est galement celui de lenveloppe E qui possde la variance la plus petite.
Pour le trouver, on peut donc soit rsoudre numriquement minX (Cr ) VX (Cr ) avec X (Cr )
Cr
les solutions du programme (1.10) soit exploiter les

rsultats de Merton (1972) et noter que
2P
= 0. En notant =
ses coordonnes (min , E [Rmin ]) vrient E[RP ]
P =min , E[RP ]=Rmin
R V1 U et = U V1 U, la composition du portefeuille de variance minimale Pmin est alors

dcrite par :
1
Xmin = V1 U
et ses coordonnes sont :
min =
et
E [Rmin ] =
(1.12)
Le cas du portefeuille deux actifs est emblmatique de la solution nale, dans la mesure o
tout portefeuille est une combinaison de deux portefeuilles. Le prol de risque du portefeuille
2B A B
de variance minimale est (E [Rmin ] , min ), avec xmin = 2 +
2 2 . Plus qualitativeA B
A
B
ment, lexistence dun portefeuille de variance minimale implique que le march des actions
ne convient pas aux investisseurs qui ne peuvent tolrer un tel niveau de risque.
4.6. La frontire efciente

La frontire efciente regroupe les portefeuilles qui, niveau de risque donn, maximisent la
rentabilit espre. Ce sont les seuls portefeuilles quil est rationnel de dtenir sur le march.
On dispose de trois approches pour construire la frontire efciente.
1. La premire approche consiste construire lenveloppe E des portefeuilles de variance
minimale rentabilit espre xe, reprer le portefeuille de variance minimale
(min , E [Rmin ]) et ne retenir que les portefeuilles de lenveloppe E dont la rentabilit
espre est suprieure E [Rmin ] .
16
2. La deuxime approche consiste rsoudre le programme doptimisation qui traduit
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 17 #21
dlement la dnition dun portefeuille efcient. On rsout :
maxR X
max E [RP ]
x1 ,...,xNS
{
2P =
s.c. NS
i=1
C 2
xi = 1
s.c.
X VX = C2
,
U X = 1
(1.13)
o C2 est une constante.

3. La troisime approche consiste construire lensemble des portefeuilles optimaux de
tous les investisseurs. Mais il convient au pralable de savoir caractriser les portefeuilles
optimaux de chacun dentre eux. Cest le sujet de la prochaine section.
4.7. Les portefeuilles optimaux

Deux dnitions sont envisageables pour caractriser le portefeuille optimal dun investisseur
donn. Les deux font appel la notion dutilit.
1. Est optimal pour un investisseur donn le portefeuille de la frontire efciente qui lui
procure lutilit la plus grande.
Chapitre 1
2. Est optimal pour un investisseur donn le portefeuille ralisable qui maximise sa fonction
dutilit.
Ces dnitions suggrent deux approches diffrentes pour construire le portefeuille optimal.
Au pralable, on rappelle trs succinctement quelques concepts lis aux fonctions dutilit.
Admettons que lutilit des investisseurs soit bien dcrite par une fonction quadratique des
coordonnes du portefeuille dans lespace (0, , E [R]). On pose conventionnellement :
U (P) = U (P , E [RP ]) = E [RP ]
= R X X VX,
2 P
2
(1.14)
avec un nombre positif qui capture laversion au risque de linvestisseur21 . Les portefeuilles
vriant U (P) = c procurent linvestisseur la mme utilit. Leurs coordonnes vrient
2
E [RP ] = c +
2 P . Cette quation dcrit les courbes dindiffrence ou diso-utilit.
La premire dnition suggre alors une procdure trois tapes qui consiste a) construire
la frontire efciente, b) identier les courbes dindiffrence (c.--d. les ensembles de portefeuilles procurant le mme degr de satisfaction) et c) en dduire le portefeuille efcient le plus
utile . Le portefeuille optimal se situe la fois sur la frontire efciente et sur la courbe dindiffrence de plus grande utilit. Cest LE portefeuille qui est tangent la frontire efcient et
qui appartient une des courbes dindiffrence de linvestisseur.
21
Si est nul, alors linvestisseur ne privilgie que lesprance de rentabilit quil cherchera maximiser (sans considration aucune du niveau de risque pris). Si, au contraire, est trs grand, alors la variance (le risque) est son souci
majeur, et maximiser son utilit est pour lessentiel un exercice de minimisation de la variance.
17
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 18 #22
Finance de march
La seconde suggre de maximiser directement la fonction dutilit en conservant la contrainte

NS
xi = 1. On cherche rsoudre ici :
i=1
maxR X
max U (P , E [RP ])
NS
s.c.
xi = 1
x1 ,...,xNS
(1.15)
s.c. U X = 1.
i=1

2 X VX
4.8. Quelques rsultats analytiques

Les problmes doptimisation sous contraintes dgalit (1.10), (1.13) et (1.15) se rsolvent soit
numriquement ( laide du solveur dExcel), soit analytiquement. Dans ce dernier cas, lapproche classique consiste rechercher le maximum ou minimum dune fonction spcique, le
Lagrangien22 . Cette fonction est enrichie des contraintes, de manire pnaliser le rsultat si
elles ne sont pas vries. On introduit les contraintes grce des multiplicateurs de Lagrange
dont les valeurs seront fournies par le programme doptimisation.
4.8.1. La proximit formelle des problmes doptimisation

En notant x , r et 2 les multiplicateurs de Lagrange ncessaires, les problmes doptimisation (1.10), (1.13) et (1.15) demandent respectivement :
la minimisation de la fonction :
L1 (X, x , r ) =
2P
+ x
(N
S
)
xi 1
+ r (E [RP ] Cr ) ,
i=1
= X VX + x (U X 1) + r (R X Cr ) ;
(1.16)
la maximisation de la fonction :
L2 (X, x , 2 ) = E [RP ] + x
(N
S
)
xi 1
)
(
2 2P C2 ,
i=1
= R X + x (U X 1) 2 (X VX C2 ) ;
(1.17)
la maximisation de la fonction :
L3 (X, x ) = E [RP ] 2P x
2
= R X
(N
S
)
xi 1 ,
i=1

X VX x (U X 1) .
2
(1.18)
Des exercices sintresseront la rsolution de ces diffrents problmes, mais on peut remarquer ici la grande similitude formelle entre les fonctions L1 , L2 et L3 . Mathmatiquement, L2
et L3 sont identiques, une constante prs. Financirement, la diffrence essentielle entre L2
18
22
La mthode est tudie en dtail dans le Synthex de Dussart et al. (2004, chapitre 7).
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 19 #23
La recherche du minimum de la fonction L1 et du maximum des fonctions L2 et L3 passe par

la rsolution des conditions dites de premier ordre que lon peut associer aux diffrents problmes (les conditions du second ordre de ces fonctions quadratiques sont clairement vries).
En reprenant les notations de Dussart et al. (2004), on a respectivement L1 (X, x , r ) = 0,
L2 (X, x , 2 ) = 0 et L3 (X, x ) = 0.
4.8.2. Un exemple : la recherche du portefeuille optimal

En labsence de contrainte de budget (x = 0), la maximisation de la fonction L3 est aise.
On suppose que le coefcient daversion est connu. En annulant la drive, on trouve le
vecteur poids :
1
(1.19)
X = V1 R.
En termes de dimensions, on peut vrier qu droite de lgalit, le produit de la matrice

V1 et du vecteur colonne R est bien un vecteur colonne (N N) (N 1) = (N 1).
Cette expression est importante car elle dcrit la solution de lapproche par optimisation. On
en dduit que :
2
et L3 rside dans la nature de 2 et de
2 . Le multiplicateur de Lagrange est dtermin
par le programme de maximisation, alors que le paramtre
dcrit
laversion
pour le risque
2
de linvestisseur qui est cens tre connu a priori. Le parallle est nanmoins intressant car il
permet dinterprter le multiplicateur 2 . un facteur prs, cest laversion pour le risque de
linvestisseur.
Chapitre 1
1. le portefeuille optimal admet comme prol de risque :

)
) (1
]
( [
1 1
=
, P
E RP
RV R ;
R V R,
2. la variance est donne par : 2P =

vrie =
[
]
E RP
2P
1
E
et donc que laversion pour le risque

RP
3. lutilit procure par le portefeuille optimal est :
R X
]

1
1 [
X V X = R V1 R = E RP
.
2
2
2
Et puisquun portefeuille optimal maximise lutilit dun investisseur, il est ncessairement

efcient et lon peut caractriser la frontire efciente comme lensemble des portefeuilles optimaux que lon peut trouver lorsque varie.
4.8.3. Lenveloppe des portefeuilles de variance minimale et de rentabilit espre xe

La minimisation de la fonction L1 peut tre ralise numriquement ou analytiquement. Dans
ce dernier cas, on peut construire lenveloppe point par point ou bien comme le graphe
dune fonction que Merton (1972) a caractrise. Si lon note = R V1 R, = R V1 U
et = U V1 U, = 2 (ce sont donc des constantes), lenveloppe E est dcrite par
lquation :
2P (E [RP ]) = a0 + a1 E [RP ] + a2 E [RP ]2 ,
(1.20)
19
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 20 #24
Finance de march
o a0 =
, a1 = 2 et a2 = . Cette quation permet de trouver simplement les coordonnes duportefeuille de variance minimale (donne par (1.12)), puisquil suft de rsoudre
2P (E[RP ])
= 0, soit encore, a1 + 2a2 E [Rmin ] = 0. On peut galement montrer
E[RP ] E[R ]=R
min
P
que :
le vecteur poids X des portefeuilles de lenveloppe E est une fonction linaire de lesprance de rentabilit envisage :
X = A1 + A2 E [RP ] .
A1 et A2(sont deux vecteurs donns
par (
)
)
A1 = 1 V1 U V1 R et A2 = 1 V1 R V1 U ;
lenveloppe E peut tre construite laide de deux portefeuilles efcients. En effet, lquation prcdente implique aussi que les poids X des portefeuilles de lenveloppe E
vrient :
X = (1 E [RP ]) A1 + E [RP ] (A1 + A2 ) ,
o A1 et (A1 + A2 ) sont les poids de portefeuilles efcients23 ;
la covariance des rentabilits de deux portefeuilles de lenveloppe est donne par :
cov (RP , RQ ) =
(E [RP ] E [Rmin ]) (E [RQ ] E [Rmin ]) + 2min .
(1.21)
On a en particulier cov(RPmin , RQ ) = 2min . Cest une constante qui ne dpend pas du

portefeuille Q.
4.8.4. Un exemple
La gure 1.6 superpose les frontires efcientes des marchs trois ou quatre actifs, dj tudis
dans les gures 1.4, 1.5 et 1.6. On constate que lintroduction dun quatrime actif amliore
la performance attendue des portefeuilles efcients. La frontire efciente est dplace vers la
gauche et le haut. Le portefeuille de variance minimale est lui-mme moins risqu et plus
3 actifs
(min = 8, 45 % ; E [Rmin ] = 7, 04 %) et
rentable . Sur la simulation ralise, on a Pmin
4 actifs
Pmin (min = 8, 35 % ; E [Rmin ] = 7, 22 %).
4.8.5. Lintroduction de contraintes dingalits

Lintroduction de contraintes dingalits sur les poids est importante pour des raisons dapplications oprationnelles des principes prcdents. Si elles ne changent rien dans les principes,
ces dernires perturbent la rsolution des systmes prcdents. Markowitz (1952) a propos
lalgorithme dit de la ligne critique pour les prendre en compte. Nous ninsisterons pas sur
ce point et renvoyons lexcellente prsentation de cette technique propose par Broquet et
al. (2004).
23
20
(
)
Ils vrient les conditions : U A1 = 1 U V1 U U V1 R =
et U (A1 + A2 ) = U A1 + U A2 = 1 + 1 ( ) = 1.
(
)
2 = 1
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 21 #25
E@R P D
0.12
Frontire efficiente
quatre actifs
0.10
actifs
P4min
0.08
Frontire efficiente
trois actifs
0.06
actifs
P3min
0.06
0.08
0.10
0.12
0.14
0.16
5. Le choix de portefeuilles en prsence dun placement sans risque
Fig. 1.6 : La frontire efciente et le portefeuille de variance minimale
Chapitre 1
Lintroduction dun placement sans risque comme support dinvestissement possible change
considrablement lensemble des portefeuilles ralisables et efcients. Les portefeuilles efcients se situent maintenant sur une demi-droite qui passe par le placement sans risque et le
point de tangence de cette demi-droite la frontire efciente dtermine avec les seuls actifs
risqus. Notons p0 le placement sans risque24 . On suppose que p0 rmunre rF une valeur
constante strictement infrieure E [Rmin ] lesprance de rentabilit du portefeuille efcient
de variance minimale. Cette seconde hypothse est, somme toute, assez raisonnable dans la
mesure o le niveau de rmunration des placements sans risque doit constituer le plancher
des rtributions attendues (sinon pourquoi investir dans des actifs risqus !). Lachat de p0 (vu
comme un actif) permet de placer une partie de la richesse au taux rf . La vente dcouvert
de ce mme actif revient emprunter au taux rF . Le prol de risque de cet actif est (0, rF ) car
E [Rp0 ] = rF et 2p0 = 0. Dans le plan (0, , E [R]), p0 se situe donc sur laxe des ordonnes.
Notons que lactif sans risque nest pas ncessairement unique, mais tous les placements sans
risque auront les mmes coordonnes (par absence dopportunit darbitrage).
Deux approches sont envisageables pour montrer que la prsence du placement sans risque
modie la forme de la frontire efciente. La premire technique consiste reprendre, modier
et rsoudre les problmes doptimisation prcdents. La seconde, peut-tre plus lgante, est
le chemin que lon suit maintenant.
24
La notion dactif sans risque est en fait double dans notre contexte. Lactif est dabord sans risque de dfaut. Il ny a
ensuite aucune incertitude sur le montant de sa rmunration.
21
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 22 #26
Finance de march
5.1. Limpossible procdure deux tapes

Supposons que lopportunit de placer ses fonds sur p0 soit une dcision distincte de la caractrisation du portefeuille optimal Popt de la section prcdente, Popt ne contenant que des actifs
risqus. Une fois le Popt connu, on accde un ensemble de portefeuilles en rpartissant ses
fonds dans lactif p0 et le portefeuille Popt . La vente dcouvert tant autorise, la proportion
x de richesse investie dans Popt peut tre suprieure ou infrieure un. Le portefeuille ainsi
constitu a pour prol (, E [R]) avec E [R] = (1 x) rf + xE [RPopt ] et 2 = x2 2Popt . La
proportion investie dans Popt , qui vrie x = opt , est donc le niveau de risque recherch
P
(divis par le risque du portefeuille optimal). En
( remplaant
) x par cette valeur, lordonne du
portefeuille dinvestissement devient E [R] = 1
E [R] = rf +
Popt
rf +
Popt
E [RPopt ]. On trouve :
E [RPopt ] rf
.
Popt
Lensemble des portefeuilles dinvestissement ralisables (avec lactif p0 et le portefeuille optimal Popt ) est donc une demi-droite dont lordonne lorigine est rF et dont la pente est
E[RPopt ]rf
. Cet ensemble de portefeuilles ralisables, qui passe par p0 et le portefeuille efPopt
cient Popt , est-il pour autant lui-mme efcient ? La rponse est non si le portefeuille Popt
nest pas un point de la droite issue de p0 , qui est tangente la frontire efciente.
La gure 1.7 montre que la tangente lenveloppe (issue de p0 ) dcrit bien lensemble des
portefeuilles efcients, qui minimisent le risque rentabilit espre xe et maximisent la
rentabilit espre niveau de risque donn. Notons M lunique point de tangence avec la
frontire efciente25 . En remplaant Popt par M dans le raisonnement prcdent, on voit que
le raisonnement reste valable et lon obtient :
E [R] = rf + M ,
(1.22)
o M = E[RMM]rf . La droite dcrite par (1.22) est appele la droite de march des capitaux ou Capital Market Line (CML).
La gure 1.7 illustre la droite de march, CML, qui regroupe lensemble des portefeuilles efcients en prsence dau moins un placement sans risque. Sur le graphique de droite, on rappelle que sur le segment [p0 ;M], les portefeuilles efcients contiennent une proportion x du
portefeuille de march qui ne dpasse pas 100 %, le reste (1 x) tant investi dans le support
p0 . Au del de M, la proportion x dpasse 100 % et donc la richesse de linvestisseur. Si le
placement sans risque p0 est un prt, une valeur x ngative sassimile un emprunt. Cela est
rendu possible grce la vente de p0 .
5.2. Les proprits, interprtations et implications de la CML

Les proprits, interprtations et implications de la droite de march des capitaux sont multiples. On en prsente quelques-unes.
1. La rentabilit attendue (en excs du taux sans risque) du portefeuille que choisira linvestisseur est proportionnelle au niveau de risque quil prendra.
22
25
Rappel : on a suppos que rf < A/C.
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 23 #27
Fig. 1.7 : La frontire efciente en prsence dun placement sans risque

E@R P D
E@R P D
0.12
CML
0.10
0.08
0.06
M
0<x<1
0.06
actifs
P3min
0.04
0.00
x>1
0.10
M
0.08
0.02
CML
0.12
actifs
P3min
0.04
P0
0.02
0.05
0.10
0.15
0.00
P0
0.05
0.10
0.15
0.20
2. La droite de march des capitaux est unique pour chaque investisseur. Elle dpend de
lactif sans risque (0, rf ) et du prol de risque du portefeuille M anticip par ce dernier
(M , E [RM ]).
3. Si tous les investisseurs partagent les mmes anticipations sur le prol de risque du portefeuille M, alors celui-ci est unique et la droite de march lest aussi.
Cette droite est unique car les deux actifs par lesquels elle passe le sont dans lespace
(0, , E [R]). Les placements sans risque possdent en effet les mmes coordonnes26 .
Chapitre 1
4. Si la droite est unique, le portefeuille M est parfaitement caractris (cest le portefeuille

de march) et E [RM ] rf peut sinterprter comme la prime de risque de march
anticipe par les investisseurs. La prime de risque divise par la mesure du risque de
march M , autrement dit M , est alors le prix du risque puisque M est la quantit
de risque pris.
Lorsque les investisseurs partagent les mmes anticipations27 sur les prols de risque des
portefeuilles et les niveaux de corrlation, il ny a aucune incertitude sur la composition
de M. Ce dernier contient tous les actifs dans les proportions que ceux-ci reprsentent
sur le march. Puisque la composition de M est indpendante de laversion pour le
risque des investisseurs, ils possderont tous le mme portefeuille M. Seule la proportion
de richesse quils investiront dans ce dernier changera dun individu un autre. Ce
rsultat est formalis de diverses manires dans des thormes de sparation.
5. La gure 1.7 montre que la droite de march tend les opportunits dinvestissement
des niveaux de risque infrieurs min le niveau de risque du portefeuille de risque
minimal Pmin .
La section prcdente avait montr que, pour investir le march des actions, les investisseurs devaient accepter un niveau minimal de risque savoir le risque du portefeuille
de variance minimale de la frontire efciente (E [Rmin ] , min ). La droite de march
permet de proposer des investissements aux investisseurs les plus frileux ne souhaitant
pas ncessairement atteindre ce niveau de risque.
26
Black remarque quun emprunt formel devrait tre rmunr un taux re suprieur rf . Il en conclut que la frontire
efciente sera alors forme dun premier segment de droite [p0 , M], et dune demi-droite qui dbute et passe par
M ]re
.
M et dont la pente est E[R
27
On dit aussi que leurs croyances (ou beliefs) sont homognes.
23
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 24 #28
Finance de march
6. La droite de march augmente systmatiquement le niveau de rentabilit espre.

7. Le portefeuille tangent, qui ne contient que des actifs risqus, a pour vecteur poids
V1 (Rrf U)
U V1 (Rrf U) , o V est la matrice de variance-covariance des titres considrs et R
le vecteur colonne de leur rentabilit espre.
6. Sur quelques avances rcentes

Trs tt, le cadre esprance-variance a t critiqu tant pour des raisons thoriques quoprationnelles (voir Campbell, Lo, McKinlay [1997]). La nance comportementale (FC), par
exemple, questionne les hypothses ayant trait au comportement de linvestissseur et sa rationnalit. Aucun corpus thorique na pour le moment vraiment remplac le cadre esprancevariance , mme si on constate que les grants nappliquent pas au pied de la lettre les techniques doptimisation vues dans le cours. Leurs pratiques vont nettement au-del.
6.1. La prise en compte des pratiques de grants

Si lgants soient-ils, les rsultats concernant loptimisation de portefeuilles ne sont videmment pas utiliss tels quels dans lindustrie nancire28 . Lindiffrence relative aux techniques
doptimisation classiques est mme tout fait comprhensible, comme lexplique Michaud
(1989). Ce cadre est peu compatible avec les modes dorganisation des socits dinvestissement. Il pose mme parfois un problme dordre politique en sattaquant aux prrogatives
des comits dinvestissement et aux intrts des grants de portefeuilles qui voient leur pouvoir affaibli. Plus grave, les portefeuilles optimaux issus de lanalyse esprance-variance
sont trs sensibles aux valeurs utilises en entres (inputs) et leur composition est mme le plus
souvent extrme, trs concentre, contre-intuitive et difcile justier dun point de vue nancier. Lapproche originale ne produit en outre aucun intervalle de conance. Ces manques ont
pouss Black et Litterman en 1992 proposer une approche qui permet de prendre en compte
explicitement certains points cruciaux de la gestion dactifs comme :
lexistence de vues ou danticipations sur les valeurs absolues ou relatives des rentabilits
attendues ;
la prise en compte de pourcentages de conance dans ces vues ;
limportance du portefeuille de march comme rfrent naturel.
6.2. Les avances de la nance comportementale

Depuis quelques annes, la Finance Comportementale avance des explications recevables aux
incohrences et anomalies constates. Lintrt essentiel de cette approche est de ne pas sappuyer sur lirrationnalit radicale des investisseurs, mais plutt de renvoyer lexistence de
biais cognitifs et comportementaux. Fama (1998) propose lui-mme de revenir sur lanalyse
de lefcience.
24
28
On ne saurait trop inciter le lecteur intress consulter les ouvrages spcialiss.
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 25 #29
Rsum
Ce premier chapitre a introduit les outils et les concepts les plus importants de lanalyse de la
rentabilit et du risque des actifs et des portefeuilles nanciers. Nous avons pass en revue les
principaux rsultats de la thorie du choix de portefeuille dvelopp la suite de Markowitz
(1952). Cette thorie sappuie fondamentalement sur la notion de diversication. En labsence
de placement sans risque, nous avons progressivement construit et repr les portefeuilles ralisables, efcients, de variance minimale et optimaux dans un espace esprance-variance .
Nous avons galement tabli la proximit formelle des diffrentes approches. Lopportunit
dun placement sans risque change considrablement la forme de la frontire efciente.
plusieurs reprises, le raisonnement nancier nous a conduit mettre en lumire le rle cl du
portefeuille de march qui contient lensemble des actifs du march dans les proportions que
ceux-ci reprsentent. Le risque de ce portefeuille est notamment incompressible par diversication : il justie donc une rmunration.
Aprs des travaux fouills sur les biais comportementaux, Kahneman et Tvsersky (2000) proposent une prospect theory qui sert de fondations la thorie du choix de portefeuille comportementale de Shfrin et Statman (2000). Celle-ci, discute en profondeur dans le livre de Broihanne, Merli et Roger (2004), mrite, elle seule, un ouvrage.
Chapitre 1
Bibliographie
Aftalion F., La Nouvelle Finance et la gestion de portefeuille, Economica, 2004.
Alphonse P., G. Desmuliers, P. Grandin et Levasseur M., Gestion de portefeuille et marchs nanciers, Pearson
Education France, 2010.
Bertrand P. et Prigent J.L., Gestion de portefeuille, Economica, 2006.
Black F. (1972), Capital Market Equilibrium with Restricted Borrowing, Journal of Business, 45, 444454.
Black F. et Litterman R. (1992), Global Portfolio Optimization, Financial Analysts Journal, septembre,
28-43.
Bressoud E. et Kahan J.-C. (2008), Statistique descriptive (avec Excel et la calculatrice), Coll. Synthex Sciences
de Gestion, Pearson Education France, 2008.
Broihanne M., M. Merli et Roger P., Finance comportementale, Economica, 2004.
Broquet C., R. Cobbaut, R. Gillet et van den Berg A., Gestion de portefeuille , De Boeck, 4e d., 2004.
Campbell J., A. W. Lo et MacKinlay A., The Econometrics of Financial Markets, Princeton University Press,
1997.
Colmant B., R. Gillet et Szafarz A, Efcience des marchs : concepts, bulles spculatives et image comptable, De
Boeck et Larcier, 2e d., 2009.
Dor E., conomtrie, Coll. Synthex Sciences de gestion, Pearson Education France, 2004.
Dussart J., Joukoff N., Loulit A. et Szafarz A., Mathmatiques appliques la gestion, Coll. Synthex Sciences
de Gestion, Pearson Education France, 2004.
25
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 26 #30
Finance de march
Fama E. (1970), Efcient Capital Markets : A Review of Theory and Empirical Work, Journal of Finance,
25 (2), 383417.
Fama E., Foundation of Finance, New York : Basic Book, 1976.
Fama E. (1991), Efcient Markets : II, Journal of Finance , 46, 1575-1617.
Fama E. (1998), Market Efciency, Long-Term Returns, and Behavioural Finance, Journal of Financial
Economics, 49 , 283-306.
Hamon J., Bourse et Gestion de Portefeuille, Economica, 2008.
Ingersoll J., Theory of Financial Decision Making, Rowman & Littleeld, New Jersey, 1987.
Jacquillat B. et Solnik B., Marchs nanciers - gestion de portefeuille et des risques, Dunod, 1997.
Jensen M. (1978), Some Anomalous Evidence Regarding Market Efciency, Journal of Financial Economics, 6, 95-101.
Kahneman, D. et Tversky A. (Eds.), Choices, Values and Frames. New York : Cambridge University Press,
2000
Markowitz H. (1952), Portfolio Selection, Journal of Finance 7, 77-91.
Merton R. (1972), An Analytical Derivation of the Efcient Portfolio Frontier Journal of Financial and
Quantitative Analysis 10, 1851-1872.
Michaud R. (1989) The Markowitz Optimization Enigma : Is Optimized Optimal ? Financial Analyst
Journal, 45(1), 31-42.
Mignon V. (2008), Les ambiguts de la thorie de lefcience informationnelle des marchs nanciers , Regards Croiss sur lEconomie, Numro 3.
Roy A. (1952), Safety First and the Holding of Assets, Econometrica, 20, 431-449.
Shefrin, H. et Statman M. (2000), Behavioral Portfolio Theory. Journal of Financial and Quantitative
Analysis 35 (2), 127151.
Viviani J.-L., Gestion de Portefeuille, Dunod, 1997.
26
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 27 #31
Exercices
Exercice 1
Cet exercice permet de vrier que les dnitions lmentaires concernant les rentabilits
sont bien comprises et mme intgres. Il met galement en lumire quelques subtilits de la
convention choisie pour le calcul des rentabilits.
Le cours nonce que la rentabilit gomtrique calcule sur n priodes est la somme de n
rentabilits gomtriques de chaque priode. Pouvez-vous expliciter en dtail les arguments
qui permettent de lafrmer ?
Le cours nonce que la rentabilit arithmtique dun portefeuille est la moyenne pondre
des rentabilits arithmtiques individuelles (en supposant que la composition du portefeuille
est inchange). Pouvez-vous expliciter en dtail les arguments qui permettent de lafrmer ?
Vous prendrez (sans perte de gnralits) le cas de la rentabilit ex post.
Aprs lquation (1.6), le cours donne un exemple mettant en lumire une diffrence dapprciation entre les rentabilits arithmtique et gomtrique. Ltude des dveloppements limits
des fonctions exponentielle et logarithmique montre quil ny a l rien de surprenant. Dmon( )
2
3
u
trez ces rsultats qualitatifs en notant que,
pour
u petit, eu = 1+ 1!
+ u2! + u3! +o u3 , |u| < 1
(
)
et ln (1 + u) = u 21 u2 + 13 u3 + o u3 29 .
Compltez et commentez le tableau suivant.

Rentabilit
P0
P1 si R^a
P1 si R^g
Diffrence
Diffrence relative
-15 %
1 000,00
-10 %
1 000,00
-5 %
1 000,00
0%
1 000,00
5%
1 000,00
10 %
1 000,00
15 %
1 000,00
R
P0
P1
P0
R^a
R^g
Diffrence
Diffrence relative
700,00
1 000,00
800,00
1 000,00
900,00
1 000,00
1 000,00
1 000,00
1 100,00
1 000,00
1 200,00
1 000,00
1 300,00
1 000,00
P1
P0
-15,00 %
-10,00 %
-5,00 %
R. arithmtique
0,00 %
R gomtrique
5,00 %
10,00 %
15,00 %
R_a
-15,00 %
-10,00 %
-5,00 %
R gomtrique
0,00 %
R. arithmtique
5,00 %
10,00 %
15,00 %
R_g
Dv. limit ordre 1

Dv. limit ordre 2
Dv. limit ordre 3
Formule exacte
Dv. limit ordre 1

Dv. limit ordre 2
Dv. limit ordre 3
Formule exacte
27
29
Si besoin, vous pourrez consulter le chapitre 3 et les exercices 26 et 27 de Dussart et al. (2004).
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 28 #32
Vous avez observ le comportement dune action XYZ sur les deux derniers mois. Le premier
mois, son cours est pass de 100 euros 90 euros. Le second mois, il est revenu 100 euros.
Quelle est la rentabilit de laction sur la priode des deux mois et, selon vous, quelle est
la rentabilit mensuelle moyenne sur la priode ? Comparez ce chiffre avec la moyenne des
rentabilits mensuelles calcules laide des deux conventions ? Un commentaire ?
Soient deux actifs ABC et XYZ dont les variances de rentabilits respectives sont 4 % et 16 %.
Que peut-on dire de leur volatilit ? Peut-on en dduire que lactif XYZ est deux fois moins
attrayant que lactif ABC ?
Vous envisagez de grer un portefeuille de 200 actions. Dcrivez le nombre de paramtres que
vous devez estimer ainsi que le nombre total de donnes que vous devez collecter, sachant que
vous comptez estimer les paramtres ncessaires sur deux ans de donnes journalires.
Exercice 2
En utilisant la base de donnes journalires du CAC 40 sur la priode 1999-2009, tudiez
les caractristiques empiriques (statistiques) des rentabilits gomtrique et arithmtique de
lindice phare de la place de Paris. Vous commenterez les rsultats et testerez la normalit
des observations en utilisant, par exemple, le test de Bra-Jarque. On vous rappelle que le test
de normalit de Bra-Jarque utilise la statistique dnie par :
(
BJ = Nobs
skewness2 (kurtosis 3)2

+
3!
4!
et que, sous lhypothse nulle de normalit, BJ se comporte selon une loi du 22 . Si besoin,
vous trouverez quelques rappels utiles dans les annexes (ou sur le site compagnon).
Exercice 3
1
Dmontrez, par rcurrence, la proposition 1 du paragraphe 5.2, consacr la diversication,

qui afrme que P < xA + (1 x) B . Vous supposerez quil nest pas possible de vendre
dcouvert.
Comment, selon vous, mesurer leffet diversication ?
i ,RP )
sinterprtait comme la contribuOn a afrm, dans le texte, que le terme relatif covar(R
P
tion dun actif la volatilit du portefeuille. Pouvez-vous le dmontrer ?
Exercice 4
28
Dans cet exercice, on vous propose ( laide des fonctionnalits dExcel) dapprendre construire des enveloppes et des frontires efcientes dans un monde trois actifs X, Y et Z. Pour ce
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 29 #33
6%
faire, on va supposer que le vecteur de rentabilit attendue est R = 7 % , que le vecteur
11 %
10 %
1 30 % 20 %
de volatilit est s = 12 % et que la matrice de corrlation est 30 % 1 40 % .
15 %
20 % 40 % 1
1
Calculez la matrice de variance-covariance.
Il est afrm dans le texte que lon peut construire point par point lenveloppe des portefeuilles de variance minimale et de rentabilit espre xe en rsolvant le problme (1.10) qui
implique une valeur arbitraire Cr . Dmontrez-le en exploitant la condition dite de premier
ordre note L1 (X, x , r ) = 0, nonce dans le texte. Si besoin, vous pourrez relire le
chapitre 7 de Dussart et al. (2004).
laide du rsultat analytique prcdent, on peut calculer sur Excel les points de lenveloppe
de la gure 1.5 obtenus pour trois actifs. Il suft de savoir effectuer une fois le calcul pour
une valeur Cr xe, puis de reproduire la dmarche en faisant varier Cr depuis 5 % jusqu
12 %, de 5 points de base en 5 points de base (rappel : 1 point de base = 0,01 %). Il vous faut
donc trouver les compositions des portefeuilles solutions, puis calculer leurs coordonnes dans
lespace (0, , E [R]). Vous pouvez vous aider des fonctionnalits dExcel.
Le cours afrme quen rsolvant le problme (1.15), c.--d. en maximisant la fonction dutilit, pour diffrents coefcients daversion pour le risque , on peut construire la frontire
efciente. En vous inspirant du mode opratoire des questions 1 et 2, pouvez-vous a) rsoudre
le problme (1.15) pour une valeur xe et b) calculer directement des points de la frontire
efciente. On prendra pour les valeurs 3, 4, 5, 6, 7, 8, 9, 10, 11, 100 et 10 000. Au fait,
pourquoi 10 000 ?
Faites une reprsentation graphique des points obtenus aux deux questions prcdentes. Vous
pourrez galement y joindre quelques portefeuilles ralisables avec X et Y et dautres ralisables
avec X et Z.
Reprez, sur les deux enveloppes, les portefeuilles de variance minimale et dterminez approximativement leurs coordonnes. Calculez avec Excel les valeurs exactes donnes par les
quations (1.12).
Comparez les points obtenus aux questions 2 et 3 avec ceux impliqus de lanalyse de Merton
rappele dans lquation (1.20).
Exercice 5
Lobjet ici est de refaire lexercice prcdent de construction de la frontire en prsence, cette
fois-ci, dun placement sans risque. Ouvrez une nouvelle feuille Excel mais, pour pouvoir comparer la modication de la frontire efciente, collez-y les prols de portefeuilles de lenveloppe
dtermins lexercice 4.
6%
7%
Reprenez le principe mis en uvre dans lexercice en exploitant R =

11 % avec rf = 3 %
rf
29
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 30 #34
0, 01000 0, 00360 0, 00300 0

0, 00360 0, 01440 0, 00720 0
et V =
0, 00300 0, 00720 0, 02250 0 . U est maintenant un vecteur colonne (4 1) ne
0
0
0
0
contenant que des 1. Vous effectuerez les calculs en faisant varier Cr de 3 % jusqu 12,5 %,
de 5 points de base en 5 points de base (rappel 1 point de base = 0,01 %). Pour chaque valeur
Cr , vous dterminerez les proportions investir dans X, Y , Z et le placement sans risque,
puis les coordonnes du portefeuille associ. Enn, vous dessinerez dans le repre (0, , E [R])
lensemble des portefeuilles obtenus.
2
Nous allons maintenant focaliser notre attention sur linvestissement dans les titres risqus, en
considrant le portefeuille des actifs risqus. Comment se ventile votre richesse au sein de ce
portefeuille, selon le niveau de contrainte Cr choisi ? Que remarquez-vous ? Pouvions-nous
nous y attendre ?
On cherche ici trouver les coordonnes du portefeuille de march point dintersection de

la frontire efciente et de la demi-droite (tangente la frontire efciente) qui passe par le
point de coordonnes (0, rf ). Une premire approche utilise les poids dtermins la question prcdente. Une seconde approche exploite une caractristique du portefeuille de march. Ce dernier est le portefeuille efcient qui forme, avec le placement sans risque, la droite
des portefeuilles ralisables de plus forte pente. Sachant que la pente de cette droite appele Capital Market Line vaut E[RMM]rf (et quelle est la plus forte), pouvez-vous dterminer
directement M ?
Exercice 6
Lobjet de cet exercice est de refaire lexercice 4 en interdisant, cette fois-ci, les ventes dcouvert. Vous prendrez une nouvelle feuille Excel et collerez les prols de portefeuilles de
lenveloppe dtermins lexercice 4 , pour pouvoir comparer la modication de la frontire
efciente.
1
On vous demande de rsoudre numriquement le problme doptimisation (1.10) en autorisant

la vente dcouvert. Pour ce faire, on vous suggre de procder en deux tapes. La premire
consiste calculer la variance (ou lcart-type) de rentabilit de votre portefeuille et sa rentabilit espre en supposant connus les poids investis dans les trois actifs X, Y et Z. Pour la
seconde, utilisez le solveur pour minimiser la variance sous contrainte de budget et en exigeant
que lesprance de rentabilit atteigne un niveau arbitraire. La contrainte de budget impose
que la somme des poids est gale 1. Les cellules variables sont les poids investir.
Recommencez ensuite lexercice doptimisation en ajoutant la contrainte que les poids restent
positifs. Avez-vous un commentaire formuler ?
Exercice 7
30
Que pensez-vous de lafrmation suivante : supposer lhomognit des croyances des investisseurs et
lexistence dun unique placement sans risque suft pour justier le fait que le portefeuille de march M contient
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 31 #35
tous les actifs .30 Que se passe-t-il si les investisseurs ont des croyances homognes cest-dire sils anticipent les mmes esprances de rentabilits, les mmes volatilits et les mmes
corrlations pour les titres nanciers risqus.
Exercice 8
La dtermination des portefeuilles ralisables laide de deux actifs est un exercice classique
de la thorie nancire. Tout tudiant en nance doit savoir le rsoudre seul et le simuler sur
un tableur.
Vous envisagez dinvestir dans deux actifs A et B aux prols de risque connus (tels que E [RA ] <
E [RB ], A < B ), dont le niveau de corrlation linaire est AB . On suppose galement que
vous souhaitez investir dans la limite de vos moyens prsents et sans recourir au dcouvert.
Vous avez donc une contrainte de budget et les proportions investies resteront positives. On a
xA > 0, xB > 0 et xA + xB = 1. Vous dcidez dtudier le prol de risque des portefeuilles
ralisables, cest--dire ceux que lon peut atteindre, en faisant varier linvestissement dans A
de 0 1 et en faisant une reprsentation graphique de lensemble des portefeuilles obtenus
dans le repre habituel (0, , E [R]) . Vous envisagerez au moins trois niveaux de corrlation
(AB = 1, 0 et 1). Ds que possible, vous identierez le portefeuille de variance minimale.
Exercice 9
Nous voulons dmontrer ici les trois enseignements de la thorie de Markowitz en matire
de diversication. Pour styliser le raisonnement, on considre un portefeuille de N actifs qui
serait quipondr et dont les actifs auraient une volatilit identique (et gale ) et une
mme corrlation < 1. En fait, cet exercice dmontre une quation importante prsente
dans louvrage de Farber et al. (2008) mais sans dmonstration.
Rappelez lexpression de la variance dun portefeuille. Dmontrez que, dans le cas qui nous
intresse, la variance est donne par :
(
)
1
1
2P = 2 + 1
2 .
N
N
Cette quation est prsente dans louvrage de Farber et al. (2008).

2
Dduisez de cette expression quil existe une limite la diversication. Donnez la volatilit du
portefeuille le plus diversi.
Proposez une mesure de sensibilit lajout dun titre. Montrez que la diminution du risque
du portefeuille par ajout dun titre supplmentaire samoindrit mesure que le nombre N de
titres dj prsents est grand.
30
Rappelons que dans le cours, nous avons suppos que rf < E [Rmin ].
31
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 32 #36
Pour = 1 et = 25 %, vriez que la volatilit du portefeuille le plus diversi est moiP (N)
ti moindre que celui contenant un seul actif. Comment interprtez-vous

et 1
P (N)
? Combien faut-il de titres pour que la diversication atteigne 75 % de son efcacit

maximale en termes de volatilit (mme question pour une corrlation de 5 %) ?
Exercice 10
1
En examinant la gure 1.7, que pouvez-vous dire de la pente de la droite (rf , M) par rapport
aux pentes de toute autre droite (rf , P) construite avec un portefeuille efcient P ?
Si lon connaissait les coordonnes des points (0, rf ) et (E [RM ] , M ), que vaudrait cette
pente ?
Pour caractriser les coordonnes de M, les questions 1) et 2) suggrent de rsoudre le programme :

(X Rrf )
E [RM ] rf
max
max
.
x1 ,...,xNS
X
M
X VX
a) Quel est le Lagrangien associ ? Attention, on notera rf = rf X U.
b) Quelles sont les conditions de premier ordre ?
Quelle est la solution ? Que nous apprend le cours sur le portefeuille solution ?
Exercice 11
Ayant hrit dune trs forte somme dargent, vous venez de signer un mandat de gestion
avec la banque YMx qui est cense grer votre nouveau patrimoine. Votre capital disponible
slve actuellement W0 et, nayant pas de besoin de consommation supplmentaire, vous
envisagez dinvestir W0 dans le march nancier. Votre ide est dobtenir lhorizon 1 une
richesse W1 . Aprs une analyse de votre attitude envers la richesse, votre banquier considre
quelle est bien dcrite par la (fonction dutilit
donne par U (W) = ln (W). La richesse
)
la date 1 vriera W1 = W0 1 + wT R1 , avec R1 le vecteur (colonne) des rentabilits des
actifs disponibles sur le march et wT le vecteur (ligne) des poids investis dans chacun dentre
eux. En assimilant ces rentabilits des variables alatoires de loi normale desprance et de
variance connues et en supposant que votre banquier sait anticiper leur matrice de corrlation,
le vecteur peut tre dcrit par R1 N (, ). Le banquier doit donc choisir le vecteur de poids
w, de manire maximiser votre utilit attendue. Le mandat de gestion prcise que vous ne
souhaitez pas investir plus que W0 , mais il autorise le banquier prendre quelques positions
courtes. Pouvez-vous aider ce dernier rsoudre son problme ? Indication : vous pourrez
faire un dveloppement de la fonction logarithmique pour simplier la rsolution.
Exercice 12
32
Cet exercice illustre quel point lenveloppe, la frontire efciente et le portefeuille de march
sont sensibles aux anticipations des grants.
i
i
i
Prepa-Exos 2010/9/30 10 :19 page 33 #37
Reprenez les rsultats de lexercice 5 et tudiez ce qui se passe si lesprance de rentabilit

de Y est de 6,5 % au lieu de 9 %. Vous dessinerez les deux enveloppes et commenterez la
composition du nouveau portefeuille de march. Mme question si lesprance de rentabilit
de Z passe de 12 % 15 %.
33
i
i

7316 Chap01

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

7316 Chap01

Transféré par

Droits d'auteur :

Formats disponibles



1 Notons la mme anne larticle de Roy dans Econometrica.

2010 Pearson Education France Finance de march Franck Moraux

1. Les actions, les portefeuilles

On exclut de notre analyse les socits non cotes.

2010 Pearson Education France Finance de march Franck Moraux

2.1. Les rentabilits arithmtiques

Analyse de la rentabilit et du risque des portefeuilles dactions

2.2. Les rentabilits gomtriques

2010 Pearson Education France Finance de march Franck Moraux

o ln (x) est le logarithme nprien. La rentabilit gomtrique ex ante la date t sur la

2.3. Les rentabilits ex post ou ex ante ?

2.4. Lintrt dannualiser des rentabilits

nombre dannes dans la base de donnes

est le nombre de priodes de dure t contenues dans une anne.

2010 Pearson Education France Finance de march Franck Moraux

2.5. Les rentabilits arithmtiques ou gomtriques ?

2.5.1. Deux conventions diffrentes...

Analyse de la rentabilit et du risque des portefeuilles dactions

Pt = Ptt et.Rt Div[tt,t] .

Les dividendes interviennent de la mme manire. Les rentabilits se distinguent donc en

2.5.2. ... sans divergence numrique excessive...

2010 Pearson Education France Finance de march Franck Moraux

2.5.3. ... mais dotes dintrts propres

valeur de ce qui est investi dans la socit i divise par la va-

leur du portefeuille . xi a une interprtation immdiate : cest le pourcentage de ri]

portefeuille xmax Pti actions.

2010 Pearson Education France Finance de march Franck Moraux

Dans la suite, on utilise les notations matricielles,( plus compactes.

Analyse de la rentabilit et du risque des portefeuilles dactions

2.6. Les faits styliss des rentabilits dactions

2010 Pearson Education France Finance de march Franck Moraux

Histogramme des rentabilits

3. Les hypothses de la thorie

3.1. Lefcience du march

2010 Pearson Education France Finance de march Franck Moraux

Analyse de la rentabilit et du risque des portefeuilles dactions

3.2. La perfection du march

2010 Pearson Education France Finance de march Franck Moraux

3.3. Les hypothses de la thorie classique

2010 Pearson Education France Finance de march Franck Moraux

4. Le choix de portefeuilles en labsence de placement sans risque

Analyse de la rentabilit et du risque des portefeuilles dactions

4.1. Le prol de risque et le repre risque-rentabilit espre

2010 Pearson Education France Finance de march Franck Moraux

avec V la matrice de variances-covariances

4.2.1. Les rsultats

3. La volatilit du portefeuille le plus diversi est la racine carre de la covariance moyenne

2010 Pearson Education France Finance de march Franck Moraux

La proposition 1 est conforme ce que lon pouvait attendre du concept de diversication20 .

Fig. 1.3 : Leffet diversication dun portefeuille

Analyse de la rentabilit et du risque des portefeuilles dactions

Composante non diversifiable

2010 Pearson Education France Finance de march Franck Moraux

4.2.3. Les interprtations et implications

Le terme cov(RiP,RP ) sinterprte alors comme la contribution de lactif i la volatilit

4.3. Le prol des portefeuilles ralisables

2010 Pearson Education France Finance de march Franck Moraux

Fig. 1.4 : Quelques portefeuilles ralisables dans deux marchs particuliers

March quatre actifs

Remarque : aucune vente dcouvert nest autorise.

4.4. Les portefeuilles de variance minimale ( rentabilit espre

Analyse de la rentabilit et du risque des portefeuilles dactions