ThA Se - Guillaume - Tergny PDF

Allocation dynamique de portefeuille avec profil de gain
asym
etrique : risk management, incitations financi`
eres
et benchmarking
Guillaume Tergny
To cite this version:

Guillaume Tergny. Allocation dynamique de portefeuille avec profil de gain asymetrique : risk
management, incitations financières et benchmarking. Education. Conservatoire national des
arts et metiers - CNAM, 2011. French. <NNT : 2010CNAM0755>. <tel-00629049>
HAL Id: tel-00629049

https://tel.archives-ouvertes.fr/tel-00629049
Submitted on 4 Oct 2011
HAL is a multi-disciplinary open access

archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
Larchive ouverte pluridisciplinaire HAL, est

destinee au depot et à la diffusion de documents
scientifiques de niveau recherche, publies ou non,
emanant des etablissements denseignement et de
recherche francais ou etrangers, des laboratoires
publics ou prives.
CONSERVATOIRE NATIONAL DES
ARTS ET METIERS
Ecole Doctorale de Sciences de Gestion
&
ESSEC
Programme Doctoral Finance
`
THESE
presentee par :
Guillaume TERGNY
soutenue le : 31 mai 2011
pour obtenir le grade de : Docteur du Conservatoire National des Arts et Metiers
Discipline : Sciences de Gestion
Specialite : Expertise et Ingenierie Financière
Allocation dynamique de portefeuille avec profil de

gain asym
etrique : risk management, incitations
financi`
eres et benchmarking
COMPOSITION DU JURY :
Patrice PONCET
Professeur, Universite Paris I Sorbonne et ESSEC
Jean-Luc PRIGENT Professeur, THEMA, Universite de Cergy-Pontoise
Rapporteur
Rapporteur
Roland PORTAIT
Professeur, ancien titulaire de la chaire de Finance, CNAM Directeur de

Thèse
Alexis COLLOMB
Professeur, titulaire de la chaire de Finance, CNAM
Examinateur
Didier MAILLARD
Professeur, titulaire de la chaire de Banque, CNAM
Examinateur
Remerciements
Remerciements. Je souhaiterais exprimer toute ma gratitude envers le professeur Roland PORTAIT qui ma fait lhonneur, après avoir dirige mon memoire
dactuariat, daccepter detre mon directeur de thèse.
Durant toutes ces annees, sil ma laisse une grande liberte daction, il ma aussi
apporte, par ses encouragements permanents et ses suggestions fructueuses, une
aide decisive qui ma permis de mener à terme ce travail de recherche.
Cest aussi en collaborant avec lui et avec le professeur Isabelle BAJEUX-BESNAINOU
(notamment dans le cadre dun papier de recherche) que jai pu minitier a` certaines
des problematiques analysees dans cette thèse. Je leur en suis fort reconnaissant.
Jexprime egalement mes vifs remerciements aux professeurs Patrice PONCET et
Jean-Luc PRIGENT qui ont accepte detre les rapporteurs de cette thèse, ainsi
quaux professeurs Alexis COLLOMB et Didier MAILLARD qui ont bien voulu
faire partie du jury.
Enn, je tiens à remercier très chaleureusement ma femme et mes parents pour
leur patience a` toute epreuve. Ils mont apporte un soutien psychologique inestimable, sans lequel ce travail naurait probablement pas pu voir le jour.
R
esum
e
R
esum
e. Les gerants de portefeuille pour compte de tiers sont souvent juges
par leur performance relative à celle dun portefeuille benchmark. A ce titre, ils
sont amenes très frequemment a` utiliser des modèles internes de risk management pour contr
oler le risque de sous-performer le benchmark. Par ailleurs, ils
sont de plus en plus nombreux a` adopter une politique de remuneration incitative,
en percevant une commission de sur-performance par rapport au benchmark. En
eet, cette composante variable de leur remuneration leur permet daugmenter leur
revenu en cas de sur-performance sans contrepartie en cas de sous-performance. Or
de telles pratiques ont fait recemment lobjet de nombreuses polemiques : la periode
recente de crise nancière mondiale a fait apparatre certaines carences de plusieurs
acteurs nanciers en terme de controle de risque ainsi que des niveaux de prise
de risque et de remuneration juges excessifs. Cependant, letude des implications
de ces pratiques reste un thème encore relativement peu explore dans le cadre de
la theorie classique des choix dynamiques de portefeuille en temps continu. Cette
thèse analyse, dans ce cadre theorique, les implications de ces pratiques de benchmarking sur le comportement dinvestissement de lasset manager. La première
partie etudie les proprietes de la strategie dynamique optimale pour lasset manager
concerne par lecart entre la rentabilite de son portefeuille et celle dun benchmark
xe ou stochastique (sur ou sous-performance). Nous considerons plusieurs types
dasset managers, caracterises par dierentes fonctions dutilite et qui sont soumis à
dierentes contraintes de risque de sous-performance. Nous montrons en particulier
quel est le lien entre les problèmes dinvestissement avec prise en compte de laversion a` la sous-performance et avec contrainte explicite de risk management. Dans
la seconde partie, on sinteresse a` lasset manager beneciant dune remuneration
incitative (frais de gestion variables, bonus de sur-performance ou commission sur
encours additionnelle). On etudie, selon la forme de ses incitations nancières et
son degre daversion à la sous-performance, comment sa strategie dinvestissement
secarte de celle de linvestisseur (ou celle de lasset manager sans remuneration
incitative). Nous montrons que le changement de comportement de lasset manager
peut se traduire soit par une reduction du risque pris par rapport à la strategie sans
incitation nancière soit au contraire par une augmentation de celui-ci. Finalement,
nous montrons en quoi la presence de contraintes de risque de sous-performance,
imposees au gerant ou traduisant son aversion a` la sous-performance, peut etre
beneque à linvestisseur donnant mandat de gestion nancière.
Mots cl
es : choix dynamique de portefeuille, aversion à la perte, assurance
de portefeuille, Value at Risk, esperance de perte, problème Moyenne-Variance,
benchmarking, modèle de taux dinteret stochastique, incitation nancière.
Abstract
Abstract. It is common practice to judge third-party asset managers by looking at their nancial performance relative to a benchmark portfolio. For this reason, they often choose to rely on internal risk-management models to control the
downside risk of their portfolio relative to the benchmark. Moreover, an increasing
number are adopting an incentive-based scheme, by charging an over-performance
commission relative to the benchmark. Indeed, including this variable component
in their global remuneration allows them to increase their revenue in case of overperformance without any penalty in the event of underperforming the benchmark.
However, such practices have recently been at the heart of several polemics: the
recent global nancial crisis has uncovered some shortcomings in terms of internal risk control as well as excessive risk-taking and compensation levels of several
nancial players. Nevertheless, it appears that analysing the impact of these practices remains a relatively new issue in continuous time-dynamic asset allocation
theory. This thesis analyses in this theoretical framework the implications of these
benchmarking practices on the asset managers investment behaviour. The rst
part examines the properties of the optimal dynamic strategy for the asset manager who is concerned by the dierence of return between their portfolio and a
x or stochastic benchmark (over- or under-performance). Several asset manager
types are considered, dened by dierent utility functions and dierent downsiderisk constraints. In particular, the link between investment problems with aversion
to under-performance and risk management constraints is shown. In the second
part, the case of the asset manager who benets from an incentive compensation
scheme (variable asset management fees, over-performance bonuses or additional
commission on asset under management), is investigated. We study how, depending on the choice of nancial inventive structure and loss aversion level, the asset
managers strategy diers from that of the investor (or the strategy of the asset
manager receiving no incentive remuneration). This study shows that the change
in investment behavior of the asset manager can lead to both a reduction in the risk
taken relative to the strategy without nancial incentives or conversely an increase
thereof. Finally we show that the existence of downside risk constraints, imposed
on the asset manager or corresponding to their aversion for under-performance, can
be benecial to the investor mandating nancial management.
Keywords : dynamic portfolio choice, loss aversion, portfolio insurance,
Value-at-Risk, expected loss, Mean-Variance problem, benchmarking, stochastic
interest rate model, nancial incentive.
Table des mati`

eres
Remerciements
iii
R
esum
e
Abstract
vii
Introduction
1. Revue de la litterature
2. Plan de la thèse
1
6
20
partie 1. Allocation dynamique avec contrainte de risk

management
25
Chapitre 1. Allocation dynamique avec aversion a` la sous-performance

1. Problème de lasset manager averse a` la sous-performance
2. Investisseur CRRA loss averse
3. Investisseur loss averse et neutre au risque
29
29
36
58
Chapitre 2. Critère moyenne - variance - downside risk

1. Strategie optimale avec contrainte VaR
2. Strategie optimale avec contrainte Limited Expected Loss
3. Conclusion du chapitre
67
68
90
115
Chapitre 3. Allocation dynamique avec benchmark et taux stochastique

1. Modèle dactifs considere
2. benchmarking sans aversion à la sous-performance
3. benchmarking avec aversion à la sous-performance
117
119
123
130
partie 2. Allocation dynamique avec r

emun
erations variables
135
Chapitre 4. Incitations nancières et benchmarking

1. Problème de lasset manager avec remuneration asymetrique
2. Asset manager HARA avec frais de gestion variables
3. Asset manager CRRA beneciant dun bonus contractuel
4. Critère Moyenne Variance avec remuneration minimale
5. Benchmark stochastique et plusieurs sources de risque
139
141
155
180
213
234
Chapitre 5. Incitation nancière et aversion à la sous-performance

1. Problème de lasset manager Loss Averse
2. Strategie dynamique de lasset manager CRRA Loss Averse
3. Critère Moyenne Variance avec double contrainte de risque
241
242
250
272
289
Annexe A. Demonstrations partie 1
291
xi
xii
`
TABLE DES MATIERES
Annexe B. Demonstrations partie 2
313
Annexe. Bibliographie
343
Introduction
Lindustrie de la gestion nancière peut etre denie comme lensemble des activites ayant pour but deectuer des investissements nanciers tout en respectant
certaines contraintes qui peuvent etre reglementaires, contractuelles, ou encore bilancielles.
Cette industrie se divise traditionnellement en deux groupes dactivite (eux memes
assez heterogènes) :
La gestion pour compte propre : dans ce cas, linvestisseur (une banque, une
assurance, un fonds de pension, un tresorier dentreprise) eectue des placements nanciers dans le but de realiser des prots en investissant ses propres
fonds ; il peut dans ce cadre decider de coner tout ou partie des sommes a`
investir à un gerant pour compte de tiers, par exemple dans le cadre dun
mandat de gestion.
La gestion pour compte de tiers : dans ce cas, linvestisseur est un gestionnaire mandate par des tiers (mandat de gestion, fonds commun de placement)
an de realiser, contre remuneration, des placements nanciers pour leur
compte ; cest le cas en particulier de toutes les societes de gestion de portefeuille (designees communement sous la designation anglo-saxonne de societes
dasset management) mais aussi des fonds speculatifs (hedge funds) qui
gèrent souvent à la fois leur fonds propres et ceux cones par leurs clients.
Dans le cadre de la gestion pour compte de tiers, linvestissement se fait souvent
par reference à un portefeuille benchmark, le gestionnaire tentant de repliquer
ou de sur-performer le benchmark. Celui-ci sert de point de repère pour analyser la
performance du gestionnaire et denir son univers dinvestissement de reference. Il
represente un panier de titres signicatifs dun segment de placement donne.
Les deux types de fonds communs de placements les plus courants sont les suivants :
Les fonds de gestion indicielle o`
u lobjectif est de realiser une performance
la plus proche possible de celle du benchmark choisi ; cet objectif necessite
la mise en ouvre dun processus de replication rigoureux qui doit integrer
dans ses objectifs la minimisation des co
uts de transactions ; cest le cas de
la gestion des Exchanged Traded Funds qui, comme leur nom lindique,
permettent detre echanges en permanence sur les marches organises et sont
pour la plupart des produits indiciels.
Les fonds à gestion benchmarkee o`
u lobjectif est de realiser une performance superieure a` celle du benchmark choisi. Lobjectif de sur-performance
est souvent assorti dun niveau de tracking error 1 maximal, ce qui permet
de controler le risque pris par rapport au benchmark. Ce type de gestion
autorise le gerant a` plus de marge de manuvre que dans que la gestion
indicielle : il a pour principaux avantages de pouvoir tenter de tirer parti
des evolutions des marches et de pouvoir benecier dune plus grande diversication dactifs ; en contrepartie, il comporte un risque plus important de
sous-performance par rapport au benchmark.
1. D
enie comme l
ecart-type de la rentabilit
e de l
ecart entre le portefeuille et le benchmark
sur une p
eriode donn
ee.
De meme, dans le cadre de la gestion pour compte propre, la reference à un portefeuille benchmark revet un caractère fondamental ; si linvestissement se fait par
reference à un portefeuille benchmark, il sagit ici souvent dun portefeuille de
replication imparfaite du passif dune institution nancière (une assurance ou un
fonds de pension,...), permettant à cet investisseur institutionnel de pouvoir faire
face à ses engagements (paiement de primes, pension,...), celui-ci cherchant a` maximiser lecart de richesse entre son portefeuille dactifs et la valeur de son passif, on
parle de gestion actif-passif.
En consequence, il semble que le thème de la gestion avec contrainte de benchmark soit un element central de la gestion dactif qui recouvre un large champs
dapplications pratiques allant de la gestion nancière de Fonds Commun de Placement a` la gestion Actif-Passif (Asset Liability Management).
Laissant de cote la question du choix du benchmark dejà abondamment discutee
dans la litterature, nous nous interessons à deux autres pratiques courantes dans
lindustrie de lasset management et liees a` celle du benchmarking que sont la prise
en compte de contraintes de risque de sous-performance et lexistence dun mode
de remuneration variable liee a` la sur-performance du gerant.
Bien que ces deux pratiques fassent actuellement lobjet de nombreuses polemiques
(la periode de crise nancière mondiale recente ayant mis à jour certaines carences
en termes de prises de risques et de remunerations parfois jugees excessives de
certains acteurs nanciers) et dune attention toute particulière des autorites de
tutelle des marches nanciers (par exemple lAMF en France), il nous apparat que
les modèles dallocation dactifs de la theorie nancière classique ne repondent pas
ou de manière incomplète à ces interrogations des praticiens de la gestion de portefeuille.
Cela pouvant sexpliquer par le fait que les modèles classiques dallocation dactifs (modèle de [Markowitz, 1952], de [Merton, 1971] et de [Merton, 1973]),
naboutissent a` des formulations simples que dans le cas dhypothèses simplicatrices ou restrictives fortes :
optimisation statique ignorant la nature dynamique des marches nanciers,
non adaptee pour un horizon moyen-long terme ou optimisation dynamique
non resoluble analytiquement.
hypothèse sous-jacente dune dynamique des actifs trop simplicatrice ne correspondant pas a` la nature physique des actifs sous-jacents etudies comme
par exemple lexistence dun taux court constant (remis en cause en pratique
par lexistence dune structure factorielle des taux dinteret).
utilisation dun critère de maximisation de lesperance dutilite trop general
et sans prise en compte de contraintes supplementaires correspondant a` des
preferences dinvestisseur asymetrique : assurance de portefeuille, controle de
la VaR du portefeuille, gestion benchmarkee, prise en compte de remunerations
variables.
Dautre part, certains auteurs ( voir par exemple [Canner et al., 1997]
et [Bajeux-Besnainou et al., 2003b]) ont montre que les resultats theoriques
de ces modèles aboutissaient a` des règles dinvestissement entrant en contradiction
avec les règles dallocation dactif dites de bons sens 2) car ils ne prennent pas
en compte un certain nombre de ces specicites empiriques (aspect dynamique des
marches nanciers, taux stochastique).
Dans le prolongement de ces etudes, nous nous interesserons à leet de la prise en
compte supplementaire de contraintes de risque asymetriques et/ou de remuneration
incitative sur la dynamique des strategies optimales au regard de ces règles de bon
sens.
Notre travail qui sinscrit dans le cadre des problèmes de choix dynamique de portefeuille tentera de repondre de manière explicite a` deux questions pratiques des
professionnels de la gestion dactifs : quelle politique de gestion du risque et de
remuneration adopter ?
Nous revisiterons la gestion benchmarkee a` la lumière de techniques doptimisation dynamique de portefeuille et de modèles dactifs issus des hypothèses classiques
en nance mathematique :
Processus stochastiques dIt
o pour decrire les actifs risques et hypothèse de
marche complet.
Problème doptimisation dynamique orant une resolution simpliee (methode
des martingales) par rapport a` la methode de la programmation dynamique
de Bellmann (dans le cadre de lhypothèse de marche complet).
Prise en compte des preferences de risque de linvestisseur mais aussi de son
aversion à la sous-performance par rapport a` un benchmark en considerant
une classe de fonction dutilite HARA loss averse que nous preciserons.
Resolution analytique dans le cadre du modèle de Black & Scholes a` deux
actifs, extension à un modèle a` N sources de risques actions, puis à un modèle
a facteur de taux stochastique de type Vasicek avec un univers dinvestis`
sement comprenant les trois actifs traditionnels (actif monetaire, obligataire
et action) ; recherche de lallocation optimale et analyse de ses proprietes empiriques : sensibilite de lallocation optimale aux variations de marche, aux
changements de paramètres de risque et a` la forme de la remuneration.
Cette thèse sarticule en deux parties :
La première partie analyse les strategies dun investisseur qui est concerne par
lecart entre la rentabilite de son portefeuille et celle dun benchmark xe ou stochastique (sur ou sous-performance). Nous analyserons les strategies optimales dans
2. Ces règles au nombre de deux pr
econisent un niveau d actifs risqu
es dautant plus faible
que, dune part laversion au risque de linvestisseur est importante et que, dautre part lhorizon
de placement est proche, s
enoncent de la facon suivante :
(1) R`
egle du prol de risque (Popular Advice) : lallocation optimale doit attribuer aux
actifs les plus risqu
es une pond
eration dautant plus faible que laversion de linvestisseur au risque est plus grande.
(2) R`
egle de lallocation temporelle (Conventional Wisdom) : la formule denissant lallocation optimale impose une baisse relative du poids des actifs les plus risques au
cours du temps a
` partir dune allocation initiale en actifs dits risques dautant plus
importante que lhorizon est
eloign
e.
les cas de dierents investisseurs caracterises par dierentes fonctions dutilite et/ou
dierentes contraintes de risque.
Dans la deuxième partie, on sinteresse a` lasset manager beneciant dune remuneration
incitative (frais de gestion variables et bonus de sur-performance, commission sur
encours additionnelle,...). On etudie comment sa strategie secarte de celle de linvestisseur (ou celle de lasset manager sans remuneration incitative) selon la forme
de ces incitations.
1. Revue de la litt
erature
1.1. Mod`
ele de Merton.
Le modèle dequilibre de Merton (Intertemporal Capital Asset Pricing Model)

est considere comme la reference de la theorie du choix dynamique de portefeuille
en temps continu.
Les travaux de Merton ([Merton, 1971] et [Merton, 1973]) ont pose les premières
pierres de cette theorie, en montrant, dans un cadre dynamique et dinvestissement
en temps continu, que lallocation optimale pour linvestisseur peut etre decomposee
comme une somme de positions elementaires investies dans plusieurs portefeuilles
dont la composition est independante de ses preferences dinvestissement 3.
Le cadre theorique que Merton considère dans son modèle ICAPM est le suivant
Le marche nancier est ouvert en permanence et comprend N + 1 actifs qui
se negocient sans co
ut de transaction :
(1) Un actif sans risque, representant un titre monetaire dont le rendement instantane, note r(t), designe le taux de reference unique demprunt ou de pret en vigueur sur le marche nancier,
(2) N actifs risques dont les rendements esperes instantanes sont modelises
par des processus stochastiques continus, des processus dIto.
Le problème de linvestisseur est de maximiser une fonction objectif (specique
a chacun des investisseurs) a` un horizon dinvestissement donne. Cette fonc`
tion objective sexprime, quelque soit linvestisseur concerne, comme la somme
des deux composantes suivantes : lutilite 4 esperee du ux de consommation
dune part, celle de la valeur nale du portefeuille dactifs nanciers dautre
part.
Les paramètres (esperance de rendement instantane et volatilite instantanee)
denissant lequation des processus de prix des N actifs risques sont fonction
de K facteurs ou variables detats qui servent a` decrire la deformation de
letat des opportunites dinvestissement 5.
Partant de cette structure generale de marche nancier, Merton parvient, en utilisant les outils de resolution de problèmes de contr
ole stochastique optimal fournis
par la theorie de la programmation dynamique de Bellmann en temps continu, a`
demontrer son theorème de decomposition en plusieurs fonds : independamment de
leur aversion au risque respectif, lallocation optimale pour chacun des investisseurs
3. Ces travaux en temps continu sinscrivent dans le prolongement des r
esultats de s
eparation
en plusieurs fonds obtenus dans le cadre de mod`
eles nanciers statiques `
a une seule p
eriode : voir
par exemple Tobin (1958), Black (1973) ou encore Cass et Stiglitz (1970).
4. Au sens classique de fonction dutilit
e croissante et strictement concave de Von Neumann
Morgenstern.
5. Ces facteurs peuvent prendre de multiples formes selon les mod`
eles consid
er
es ; par exemple,
ils peuvent servir `
a d
ecrire l
evolution stochastique du niveau de prime de risque ou de volatilite
dun actif action ou bien encore correspondre a
` lhypoth`
ese dune structure par terme des taux
dint
er
ets.

1. REVUE DE LA LITTERATURE
admet la meme decomposition en plusieurs positions elementaires.

En particulier, le nombre de fonds (ou de portefeuilles) de cette decomposition
est identique quelque soit linvestisseur considere et depend du nombre de facteurs
de risques consideres dans le modèle dactifs : il y a K + 2 portefeuilles pour K
facteurs de risque 6.
Cependant, malgre la force et la simplicite des resultats theoriques enonces par
Merton dans son modèle ICAPM, ce nouveau cadre de choix dynamique de portefeuille laisse un certain nombre de questions en suspens et en particulier les deux
problematiques suivantes :
(1) Lanalyse des faits stylises dans le cadre du modèle de Merton :
Merton ne parvient à obtenir une expression explicite de lallocation optimale quau prix dhypothèses speciques très restrictives sur la dynamique
des actifs : il sagit du cas particulier o`
u les N actifs risques ont pour rendements instantanes des mouvements browniens geometriques (i.e. lespace
des opportunites est suppose constant avec K 0) et lactif sans risque
ore un rendement instantane constant qui sidentie au taux dinteret en
vigueur sur le marche.
Or ces deux hypothèses ne sont pas en phases avec un certain nombre de
faits stylises observes sur les marches : cycles economiques, eet predictifs
de certaines variables, decomposition factorielle de la courbe des taux
dinteret en un ou plusieurs facteurs stochastiques, processus de volatilite
stochastique des actifs consideres.
La question se pose alors de savoir sil est possible, dans le cadre dun
modèle de Merton generalise, danalyser leet de ces faits stylises sur
lallocation dynamique optimale, ce qui imposerait dobtenir des formules
fermees ou semi-fermees qui puissent etre analysables en pratique.
(2) Lanalyse du puzzle des règles dallocation de bon sens (Conventional
Wisdom et Popular Advice) :
Cette hypothèse detat des opportunites dinvestissement constant (K =
0), qui correspond aussi à la generalisation à N actifs du modèle a` deux actifs de [Black Scholes, 1973], implique en particulier que le portefeuille
optimal de linvestisseur, quelque soit son niveau daversion au risque, peut
etre decompose en deux fonds : un actif de taux sans risque et un fonds
compose dactifs risques dont la proportion est la meme pour tous les investisseurs 7.
Ce resultat de decomposition qui peut etre vu comme une generalisation
en temps continu du theorème de Tobin (1958) parat cependant etre en
6. [Merton, 1973] analyse successivement le cas K 0 (le mod`
ele dactifs consid
er
e
etant le
mod`
ele de [Black Scholes, 1973] `
a deux actifs et une source de risque) puis le cas K 1.
7. Il sagit du portefeuille de linvestisseur quali
e souvent dans la litt
erature dinvestisseur
myopique car la composition de son portefeuille est constante et en ce sens elle ne tient pas
compte dun
eventuel changement d
etats ni de la consid
eration de son horizon dinvestissement.
contradiction avec les règles de bon sens suivies en pratique par les investisseurs nanciers qui preconisent un ratio dallocation action - obligation
fonction decroissante du niveau daversion au risque (comme mentionne
par [Canner et al., 1997]) et fonction croissante de lhorizon dinvestissement (voir par exemple [Bajeux-Besnainou et al., 2003b]).
Ainsi, dans le cadre de cette hypothèse restrictive de labsence de facteurs (espace des opportunite constant), le Modèle de Merton ne peut
expliquer ces puzzles.
Comme nous allons le voir dans la suite de la revue de la litterature, cest la
consideration de modèles plus generaux, soit en terme de modelisation dactifs
(facteurs stochastiques), soit en terme de preference de linvestisseur (contrainte
daversion a` la perte) qui permettent de resoudre en partie ces problèmes.
1.2. Allocation dynamique dactifs et mod`

eles `
a facteurs.
Cest lavancee recente, dune part, dans letude des modèles factoriels lineaires en
temps continu 8 et, dautre part, dans le developpement des techniques de resolution
des problèmes doptimisation stochastiques en temps continu (avec par exemple les
travaux de [Karatzas et al., 1987] et de [Cox Huang, 1989] 9) qui a probablement favorise lemergence dune autre litterature, tout aussi recente, dans le
domaine de la theorie du choix dynamique de portefeuille en temps continu avec
prise en compte de facteurs stochastiques.
Dans le cadre dun modèle dactifs comprenant un facteur de taux stochastique
(modèle a` un facteur de taux de Vasicek) en complement du traditionnel risque
action, et sous lhypothèse dun marche nancier complet, o`
u linvestisseur cherche
a maximiser lutilite esperee de sa richesse nale à un horizon dinvestissement xe,
`
les auteurs suivants etudient limpact de lexistence dun facteur de taux stochastique sur lallocation dynamique optimale suivie par linvestisseur :
[Sorensen, 1999] analysent le problème de linvestisseur CRRA (Constant Relative Risk Aversion, i.e. agent dont laversion relative au risque est constante, et
[Bajeux-Besnainou Portait, 1998] etudient les proprietes du problème moyenne
variance dynamique (fonction dutilite quadratique). Dans les deux cas, lallocation optimale sobtient comme une simple combinaison du portefeuille solution du
problème de Merton (cas de linvestisseur myopique) et de lobligation Zero-coupon
dont la maturite correspond à lhorizon dinvestissement de linvestisseur (qui sapparente `
a un portefeuille de couverture contre la variation des taux dinteret).
8. En particulier dans l
etude des mod`
eles lin
eaires de d
eformation de la courbe des
taux dint
er
et en temps continu comme par exemple les mod`
eles `
a un facteur propos
es par
[Vasicek, 1977] ou encore par [John C. Cox Ross, 1985] et plus r
ecemment la litt
erature
relative aux mod`
eles multi-factoriels anes g
en
eralis
es de taux dint
er
ets (voir par exemple
[Dai Singleton, 2000]).
9. [Karatzas et al., 1987] et [Cox Huang, 1989] orent un nouveau cadre de r
esolution
analytique de probl`
eme doptimisation dynamique en temps continu (m
ethode martingale) qui
consiste `
a exploiter les propri
et
es de martingale du prix des actifs nanciers sous certaines hypoth`
eses et en particulier celle dA.O.A (dAbsence dOpportunit
e dArbitrage) et de compl
etude
du march
e (cas du mod`
ele de Merton o`
u il y a au moins autant dactifs risqu
es que de sources de
risque `
a couvrir).

Dans le contexte de la problematique particulière du Popular Advice introduite

par [Canner et al., 1997] (voir la section precedente), [Brennan Xia, 2000]
considèrent le problème de lagent CRRA, et [Bajeux-Besnainou et al., 2001]
celui de de linvestisseur CRRA et de linvestisseur Moyenne Variance (fonction
dutilite quadratique) au regard du ratio action / obligation optimal. Dans les deux
cas, lanalyse de lexpression du ratio optimal fait ressortir un poids relatif action /
obligation qui crot avec le niveau de tolerance au risque, ce qui est consistant avec
la règle du Popular Advice.
Enn, [Bajeux-Besnainou et al., 2003b] etudient lallocation temporelle (au regard de la règle du Conventional Wisdom) issue de la strategie dynamique optimale suivie par linvestisseur du problèmeMoyenne-Variance et considèrent, à
titre de generalisation, un investisseur ayant une fonction dutilite HARA (Hyperbolic Absolute Risk Aversion), i.e. dont laversion absolue au risque est une
fonction hyperbolique decroissante. Ils aboutissent à la conclusion que lallocation
temporelle depend du type daversion considere ; pour un paramètre daversion
relative au risque croissant (cest le cas en particulier de la fonction dutilite quadratique), la strategie ressemble à la règle dallocation temporelle de bon sens
dictant une baisse de lexposition a` lactif de type action au prot des obligations
et de lactif monetaire (actifs consideres moins risques) au fur et à mesure que lhorizon dinvestissement se rapproche.
En resume, toutes ces etudes montrent que la simple prise en compte dun facteur de risque supplementaire sur la courbe des taux dinterets dans le problème de
linvestisseur permet daboutir à une expression (explicite) de lallocation optimale
qui, contrairement à celle de linvestisseur logarithmique myopique, depend de
son horizon dinvestissement et de son degre daversion au risque ; de plus lanalyse de cette expression permet de lever en partie le puzzle des règles de bon sens.
Considerant egalement une dynamique de taux stochastique à la Vasicek, dans
un cadre de marche incomplet, [Sorensen, 2007] analyse la strategie dynamique
optimale de lagent-investisseur CRRA qui doit prendre en compte une contrainte
de poids alloue sur certains actifs (par exemple de type interdiction de vente a`
decouvert ou restriction sur le niveau de levier total du portefeuille).
Enn, [Lioui Poncet, 2001], prenant en compte un processus de taux stochastique dans un cadre general, considèrent un investisseur CRRA et, à titre de comparaison, un investisseur ayant une fonction dutilite logarithmique. Ils montrent
que la decomposition en K + 2 portefeuilles de Merton, peut, sous lhypothèse de
marche complet, se reduire a` une decomposition en quatre portefeuilles comprenant deux portefeuilles de couverture correspondant lun aux mouvements de taux
et lautre aux co-mouvements entre le taux court et la prime de risque des actifs
risques.
Prolongeant les etudes pre-citees, [Omberg, 2000], [Brennan Xia, 2002],
[Sangvinatsos Wachter, 2003] et [Menoncin, 2003] ont comme point commun de sinteresser a` leet de la prise en compte dun facteur supplementaire de
10
risque inationniste pour modeliser les variations de la courbe des taux dinteret 10.
De plus, ces auteurs considèrent comme variable du problème de linvestisseur, la
richesse reelle (richesse nominale deatee du niveau de lindice dination) pour
tenir compte du risque inationniste que subit la valeur nominale de sa richesse.
Dans un cadre de marche incomplet, [Kim Omberg, 1996], [Wachter, 2002],
[Brennan Xia, 2005] ou encore [Campbell et al., 2002] analysent limpact sur
la strategie dynamique optimale pour linvestisseur de la prise en compte dun eet
predictif correspondant à lhypothèse dune prime de risque action variable et non
parfaitement replicable par un actif.
Letude du choix dynamique de portefeuille dans le cadre dun modèle multifactoriel lineaire gaussien plus large (à la fois prime de risque et taux dinteret
supposes stochastiques) est abordee par [Cvitanic et al., 2003] qui, se placant
sous lhypothèse de marche complet, resolvent numeriquement le problème dinvestissement de linvestisseur par simulations de Monte-Carlo.
Lanalyse du choix dynamique de portefeuille dans le cadre dun modèle multifactoriel gaussien en presence de risques non parfaitement replicables (i.e hypothèse
de marche incomplet) est etudiee par [Brennan M. R., 1997],
[Campbell Viceira, 2001], [Campbell Viceira, 2002], [Campbell Viceira, 2003],
[Sorensen Trolle, 2004] et [Munk et al., 2004].
Leet de la prise en compte dun facteur de risque de credit supplementaire (risque
de defaut) sur la politique dinvestissement optimale est analyse par [Walder, 2002],
[Hou, 2002], [Hou Jin, 2002] et [Basak Shapiro, 2004].
Enn, [Liu, 2001], [Liu Pan, 2003], [Chacko Viceira, 2005], [Liu, 2007] et
[Branger et al., 2008] considèrent des problèmes dallocation dynamique de portefeuille sous lhypothèse dun processus de volatilite action stochastique.
1.3. Allocation dactifs avec contraintes de risque.
1.3.1. Modèle statique dallocation de portefeuille avec prise en compte de laversion `

a la sous-performance.
Si [Markowitz, 1952] considère une mesure de risque symetrique, la variance,
non adaptee au cas o`
u les prix des actifs ne sont pas des processus gaussiens, cest
[Roy, 1952] qui est le premier à proposer dans le cadre dun modèle dallocation
de portefeuille une mesure de risque asymetrique : il sagit de la Safety First qui
correspond a` la probabilite de ruine de linvestisseur (i.e. probabilite de perdre plus
quun niveau de seuil pre-deni).
Dans la continuite de ces deux articles, [Markowitz, 1959] propose en guise dalternative a` la variance des rendements, une autre mesure de risque de sous-performance,
la semi-variance, ecart type des rendements inferieurs a` un niveau de seuil donne.
10. Il sagit de mod`
eles lin
eaires gaussiens `
a plusieurs facteurs de taux g
en
eralisant le mod`
ele
de Vasic`
ek `
a un facteur qui incluent les deux facteurs explicatifs suivants : taux dint
er
et r
eel
instantan
e et taux de croissance instantan
ee esp
er
ee de lination, i.e. le drift du processus dIt
o
d
ecrivant l
evolution du niveau de lindice dination.

11
[Bawa, 1975], [Bawa, 1978], [Fishburn, 1977], et [Harlow, 1991] analysent

les moments partiels inferieurs dordre zero à deux 11.
Dans le cadre de sa celèbre theorie des perspectives (Prospect Theory),
[Kahneman Tversky, 1979] proposent une fonction dutilite, dissymetrique autour dun seuil de richesse, dont la forme est celle dun S : celle-ci permet de
prendre en compte le fait que linvestisseur a des preferences comportementales qui
lamènent a` penaliser plus ses pertes que ses gains.
[Jarrow Zhao, 2006] proposent une approche uniee de lallocation dactifs sous
contrainte daversion à la perte, integrant comme cas particulier à la fois les LPM
et la fonction dutilite loss averse de la Prospect Theory : ils considèrent lexpression generale dune fonction de perte traduisant la dissymetrie des preferences de
linvestisseur autour du seuil de richesse cible.
Finalement, [Rockafellar Uryasev, 2000], [Jorion, 2001], ou bien encore
[Alexander Baptista, 2001] et [Alexander Baptista, 2003], etudient le problème
dallocation de portefeuille optimale avec prise en compte dune contrainte de risque
de perte de type VaR ou CVaR.
1.3.2. Allocation dynamique de portefeuille avec prise en compte de preferences

asymetriques de linvestisseur.
Bien que ce type de contraintes de risque ou de preferences dinvestissement asymetriques
correspondent en pratique a` de très nombreux cas de gure (contrainte de passif
pour les investisseurs institutionnels, protection du capital retraite pour les particuliers), elles nont pourtant ete que peu analysees jusqu`
a une epoque recente dans
la litterature traitant des modèles dallocation dynamique de portefeuilles qui sest
plutot attache, dans un cadre derive du modèle de Merton, a` decrire leet de la
prise en compte de facteurs de risques non parfaitement replicables sur la strategie
de linvestisseur.
Or, si lhypothèse de marche incomplet est en phase avec la realite des marches
nanciers 12, les techniques de resolutions disponibles dans ce cadre (methode de
programmation dynamique de Bellmann) sont assez lourdes à manipuler ; le plus
souvent, elles naboutissent à des solutions explicites que dans certains cas particuliers (investisseur CRRA, etat des opportunites constant,..) et paraissent donc
mal adaptees a` la complexite de la prise en compte de preferences dinvestissement
asymetriques ou de contraintes de risque explicites supplementaires.
A linverse, si lhypothèse de marche complet ne permet pas de prendre en compte
11. Les moments partiels inf

erieurs d
esign
es couramment par labr
eviation LPM (pour Lower
Partial Momment) se d
enissent de la mani`
ere suivante : le LPM dordre 0 correspond `
a la
probabilit
e de perte, le LPM dordre 1 a
` lesp
erance de perte et le LPM dordre 2 a
` la semivariance.
12. Comme on la vu dans la section pr
ec
edente, cette hypothèse permet de traiter les probl`
emes
de choix dynamique de portefeuille en temps continu en pr
esence de couverture imparfaite ; il sagit
de cas aussi vari
es que la prise en compte dun risque inationniste de long terme, dune prime de
risque ou encore de lexistence dun facteur de volatilite stochastique. Elle correspond egalement
a dautres situations particuli`
`
eres comme la prise en compte dans le probl`
eme dinvestissement de
contraintes de poids ou encore de ux de revenu de salaire non parfaitement corr
el
es au march
e.
12
des problematiques de couverture nancière imparfaite 13, elle a lavantage doffrir un cadre simplie pour la resolution de tels problèmes dinvestissement ; cette
hypothèse rend possible lutilisation de la methode de resolution dite des martingales 14, mentionnee dans la section precedente, voir [Karatzas et al., 1987], qui
est particulièrement adaptee a` la prise en compte de contraintes additionnelles de
risque de sous-performance à un horizon dinvestissement pre-deni.
En eet, dans le cas particulier o`
u le problème dinvestissement ne fait intervenir que lutilite esperee de la richesse terminale de linvestisseur 15, lapplication
de la methode des martingales est particulièrement aisee et permet de daboutir a`
une solution explicite pour nimporte quel type de prol de richesse optionnel ou
asymetrique 16.
Aussi, comme une grande partie de la litterature qui sest interesse a` lallocation
dynamique de portefeuille en presence daversion au risque, cest cette approche de
resolution en marche complet que nous adopterons.
La prise en compte dune contrainte de protection de capital est abordee par les
auteurs suivants :
[Grossman Vila, 1989], [Basak, 1995], [Grossman Zhou, 1996] (contrainte
explicite dassurance de portefeuille et agent CRRA) etudient, dans un cadre de
marche complet et de temps continu, des modèles dequilibre en presence dassurance de portefeuille.
Considerant un investisseur CARA operant sur des contrats futures,
[Lioui Poncet, 1996] et [Lioui et al., 1996] analysent le problème de choix dynamique de portefeuille en presence dune contrainte de non-negativite sur la richesse nale et sous hypothèse de couverture imparfaite de lunivers des actifs nanciers. [Nguyen Portait, 2002] analysent le problème Moyenne Variance Dynamique (fonction dutilite quadratique) avec cette meme contrainte dans un cadre
de marche complet.
Toujours dans un cadre de marche complet, [Bajeux-Besnainou Ogunc, 2006]
sinteressent au cas particulier dune fondation nancière (Endowment Plan) en
13. Elle est cependant adaptee a
` un grand nombre de cas de gures pratiques qui correspondent
le plus souvent a
` des situations de probl`
emes purement nanciers (i.e. pas de consommations ni
de ux de capitaux exog`
enes) o`
u les actifs sont soumis `
a des risques nanciers (pas de facteurs de
risques exogènes non replicables par des actifs nanciers).
14. Pour une comparaison entre la m
ethode martingale et la programmation dynamique appliqu
ee au probl`
emes dinvestissement en temps continu et une revue de la litterature compl`
ete de
leur application respective dans un cadre de march
e complet ou de march
e incomplet on pourra
se r
ef
erer a
` [Runggaldier, 2003].
15. Il sagit du cas o`
u linvestisseur place, `
a une date initiale, lint
egralit
e de sa richesse dans
son portefeuille dactifs nanciers qui sauto-nance sans sortie (i.e. sans ux de consommation)
ni entr
ee de nouveaux fonds (i.e. pas de consid
eration de revenus de salaire a
` r
e-investir) jusqu`
a
un horizon dinvestissement pr
e-d
eni.
16. Sous les hypoth`
ese dA.O.A. (pas de strat
egies darbitrages possibles) et de compl
etude
du march
e nancier, la r
esolution de ce type de probl`
eme dynamique se decompose en deux
etapes
el
ementaires qui sont les suivantes : dans un premier temps, r
esolution dun probl`
eme
doptimisation statique exprim
e sur la richesse terminale (an dobtenir lexpression de la richesse
terminale optimale) et dans un second temps, obtention de la strat
egie dynamique de r
eplication
atteignant cette richesse nale en utilisant la propri
et
e de martingales des prix (de facon similaire
a la r
`
eplication dactifs contingents en temps continu utilisee pour le pricing et la couverture
doption).

13
considerant une fonction dutilite HARA integrant une contrainte implicite dassurance de portefeuille (fonction dutilite puissance avec plancher implicite sur le niveau de richesse) 17 identique a` celle consideree par [Basak, 2002] dans son modèle
dequilibre avec agent averse a` la sous-performance.
Lanalyse de leet dune contrainte de risque de sous-performance sur lallocation dynamique de linvestisseur est lobjet des etudes suivantes :
[Basak Shapiro, 2001] considèrent leet dune contrainte explicite de type VaR
(Value at Risk) et LEL (Limited Expected Loss 18) sur le comportement de linvestisseur maximisant lutilite esperee de sa richesse dans un cadre de marche complet ; ils derivent lexpression de la strategie dynamique optimale sous lhypothèse
dun taux dinteret constant et de rendements des actifs risques suivant des mouvements browniens geometriques. Dans un cadre similaire, [Cuoco et al., 2008]
proposent une contrainte de risque alternative de type VaR court terme.
[Zhao Ziemba, 2000] utilisent une mesure de risque proche de la VaR, lEarning
at Risk et [Li et al., 2007] aboutissent à une expression analytique de lallocation
sous contrainte dEarning at Risk en supposant de plus que les portefeuilles sont a`
poids constants (Constant Rebalanced Portfolio).
[Li Wu, 2008] considèrent, dans un cadre dynamique et en temps continu, le
problème dynamique de minimisation de la Below-Threshold Variance (semivariance) et [Berkelaar Kouwenberg, 2000] analysent les problèmes doptimisation moyenne downside-risque o`
u le risque est mesure par les LPM dordre 0,1 et
2 (respectivement probabilite de perte, esperance de perte et semi-variance) .
[Berkelaar et al., 2002] et [Berkelaar et al., 2004] analysent la strategie dynamique optimale dans le cas o`
u les preferences de linvestisseur se traduisent par
une fonction dutilite issue de la theorie des perspectives.
Enn, [Jalal, 2007] resout le problème dallocation dynamique de portefeuille dun
investisseur averse à la perte (au sens de la theorie des perspectives) en supposant
la volatilite de lactif risque modelise par un processus stochastique à saut et, plus
recemment, [Hainaut, 2009] considère un univers de taux stochastique derive du
modèle de Hull and White dans le cadre de lanalyse du choix dynamique de portefeuille avec contrainte VaR et investisseur CRRA.
17. Pour ce choix de fonction dutilit

e, la strat
egie dynamique optimale du probl`
eme dinvestissement de maximisation de lutilite esp
er
ee de la richesse terminale est similaire `
a une strat
egie
CPPI (Constant Protection Portfolio Insurance) ; voir par exemple [Perold Sharpe, 1988]
pour une description de ce type de strat
egie dynamique dassurance de portefeuille.
18. mesure de perte de sous-performance, correspondant `
a la valeur pr
esente de lesp
erance de
perte, similaire a
` la CVaR.
14
1.4. Benchmarking et mod`

eles dallocation dynamique dactifs.
1.4.1. Modèles dallocation de portefeuille avec benchmark et contrainte de risque.
Dans un cadre statique, [Roll, 1992] montre que si le benchmark considere nest
pas sur la frontière eciente, au sens traditionnel du modèle MV (MoyenneVariance) de Markowitz, alors le portefeuille de linvestisseur qui cherche à minimiser la valeur de la Tracking Error Variance (denie comme la variance de lecart
de rendement entre le portefeuille et le benchmark), a` niveau desperance de surperformance xe, nest pas non plus ecient.
[Rudolf et al., 1999], analysent dans un univers relatif (richesse du portefeuille
moins benchmark), le problème de linvestisseur qui cherche à minimiser la valeur
absolue de lecart de richesse avec le benchmark (la mesure de risque nest plus,
comme dans le modèle de Roll, la variance de lecart de richesse mais lesperance
de la valeur absolue de ce meme ecart).
[Wagner, 2002] etudie un critère mixte doptimisation avec benchmark qui generalise
` la fois le critère MV de Markowitz et le critère MTEV (Mean Tracking Era
ror Variance ) de Roll. [Wang, 1999] considère le cas dun investisseur ayant à
prendre en compte plusieurs benchmark dans un critère doptimisation MV.
Les problèmes de minimisation de la TEV (problème de Roll) avec prise en compte

dune contrainte supplementaire de risque de perte absolue (sans reference au benchmark), ayant pour eet de limiter linecience au sens MV du portefeuille, sont
traites par [Jorion, 2003] qui considère une contrainte additionnelle sur le niveau
de volatilite du portefeuille et par [Alexander Baptista, 2008], dans le cas dune
contrainte de type VaR.
Dans un cadre de choix dynamique de portefeuille avec benchmarking et controle
du risque de sous-performance, on peut citer les references suivantes :
[Tepla, 2001] considère le problème de linvestisseur CRRA (problème de Merton) avec prise en compte supplementaire dune contrainte sur le niveau de sousperformance par rapport au benchmark (contrainte forte dassurance de portefeuille) et [Basak et al., 2003] generalisent ce problème en considerant une contrainte
sur le niveau de VaR et de LEL (Limited Expected Loss) relativement au benchmark (contrainte faible autorisant des pertes).
[Bajeux-Besnainou et al., 2003a] etudient le problème dynamique de minimisation de la Tracking Error Variance (problème de Roll en temps continu) avec une
contrainte additionnelle dassurance de portefeuille ou de sur-performance maximale par rapport au benchmark tandis que [Zhao, 2007] analyse, pour une forme
generale de fonction dutilite HARA, le problème de maximisation de lesperance
dutilite de lecart de richesse du portefeuille par rapport au benchmark.

15
1.4.2. Allocation de portefeuille en presence dincitations nancières contractuelles ou implicites.

Dans le cadre de la litterature sur le lien dincitation nancière implicite qui existe
entre les ux de souscription et le niveau de risque pris par les gerants de fonds
commun de placement, on peut citer les references suivantes :
[Chevalier Ellison, 1995] proposent une forme de relation non lineaire entre
croissance des encours (facteur dincitation nancière indirecte) et sur-performance
ou sous-performance par rapport au benchmark. Ils montrent que cette relation de
lien de cause a` eet entre une sur-performance sur lexercice annuel et des nouveaux
ux dinvestissement en n dexercice se traduit par un niveau accru de risque pris
par les gerants 19 au cours des derniers mois de lannee.
Dans le prolongement de cette specication de relation ux - performance,
[Basak et al., 2008] proposent un modèle dallocation dynamique de portefeuille
avec prise en compte dun eet incitatif de ux dinvestissement, qui par nature
est asymetrique 20 et [Basak Makarov, 2009] analysent un modèle dequilibre
en presence de cette meme forme dincitation de nouveaux ux dinvestissement.
Pour une analyse empirique detaillee de limpact dun mode de remuneration variable (comme par exemple une commission de sur-performance) sur la performance
et sur le niveau de risque relatif au benchmark des gerants de mutual funds (mesure par la variance de la TE), on pourra se referer à [Elton et al., 2003].
Ceux-ci conrment le niveau de risque superieur pour les gerants recevant une incitation nancière.
Pour une analyse, dans le cadre du choix dynamique de portefeuille, du problème
dinvestissement de lasset manager en presence dun prol de remuneration optionnel et convexe, typique des commissions de sur-performance en gestion de portefeuille, on peut citer [Carpenter, 2000].
Les papiers suivants traitent de leet de lexistence dincitations nancières, indirectes ou non, sur les performances ou les ux dinvestissement des fonds dit de
hedge funds avec les specicites propres à cette industrie nancière :
[Agarwal et al., 2004] valident empiriquement le resultat suivant : plus le niveau dincitation manageriale, d
u à lexistence dun mode de remuneration variable
de type optionnel 21, est eleve, plus les niveaux de ux dinvestissement et de performances futures des gerants de hedge funds augmentent.
Dans la continuite de cette etude, [Agarwal et al., 2008] montrent que les facteurs suivants ont tous un eet positif statistiquement signicatif sur les performances futures des gerant de hedge funds : eet de delta d
u au contrat de
19. Le niveau de risque dun fonds
etant mesur
e par lexposition en actions des fonds communs
de placement (mutual funds) du panel consid
er
e.
20. une sur-performance par rapport au benchmark asym
etrique
21. d
eni comme le delta exprim
e en montant de la r
emun
eration contractuelle du g
erant ;
le prol de la r
emun
eration est similaire `
a celui dune option (dont le strike est le niveau de
performance correspondant au seuil de d
eclenchement du paiement de la commission variable) et
d
epend de facon lin
eaire de la valeur du taux de la commission de gestion variable mais aussi de
facon non lin
eaire de la performance des actifs ger
es.
16
remuneration incitative, eet de lexistence dune periode de lock up (periode

durant laquelle le porteur ne peut vendre ses parts), eet du degre dinvestissement
personnel du gerant dans le fonds speculatif quil gère (managerial owership) et
enn, eet de linclusion dun mecanisme de High Water Mark dans le calcul des
frais de sur-performances.
[Hodder Jackwerth, 2006] et [Kouwenberg Ziemba, 2007] considèrent le
problème de choix dynamique de portefeuille du gerant de hedge funds qui
cherche a` maximiser lutilite esperee de sa remuneration nale, laquelle depend du
niveau des frais de sur-performance recus (le pay-o du gerant de fonds speculatif
ayant un prol optionnel d
u à la composante asymetrique de la commission de surperformance).
Sous lhypothèse dune forme de compensation ane ou lineaire du gerant,
[Lioui Poncet, 2006] analysent dans le cadre du problème Principal-Agent de
la theorie de lagence 22, la strategie optimale suivie par lasset manager (agent),
celle de linvestisseur nal (principal) et la forme du benchmark optimal (les termes
nanciers du contrats etant supposes pre-denis).
1.4.3. Choix dynamique de portefeuille en gestion actif-pasif.

Le nombre detudes portant sur lapplication de modèles de choix dynamique de
portefeuille à la gestion actif-passif (en anglais Asset-Liabilities Management ou
ALM), et en particulier à la gestion des fonds de pension, a considerablement progresse durant les deux dernières decennies.
Si cette litterature se distingue de celle, plus generaliste, qui a ete decrite dans
les sections precedentes, par certains aspects qui lui sont propres 23, on retrouve
cependant dans les problèmes dALM lensemble des problematiques dejà evoquees
precedemment.
En eet, la prise en compte dune contrainte de risque de sous-performance, celle
dun benchmark sous lhypothèse de couverture incomplète (benchmark represente
par le passif de linvestisseur) ou encore lhypothèse de lexistence de taux dinteret
stochastiques comprenant un facteur de risque inationniste 24 sont autant delements
pouvant inuencer considerablement la politique dinvestissement dinstitutions nancières telle que les fonds de pension ou les compagnies dassurance ; ils constituent autant de thèmes cruciaux pour une analyse pertinente des choix dallocation
en ALM et en particulier pour la bonne comprehension de la gestion dynamique
22. Pour une revue compl`
ete de la litt
erature sur le probl`
eme Principal - Agent en gestion de
portefeuille avec d
el
egation de gestion, benchmarking et mecanisme de compensation nanci`
ere,
on pourra se ref
erer `
a [Stracca, 2005].
23. Par exemple, on peut citer la prise en compte de ux de contribution au fonds de pension
en partie assur
es par les revenus du salaire stochastique, de prestations de retraite (par exemple
annuit
es dune pension de retraite) ou encore lexistence de deux p
eriodes distinctes dinvestissement, phase daccumulation ant
erieure `
a la date de retraite et de d
ecumulation, qui lui est
post
erieure.
Ces caract
eristiques et dautres qui sont speciques `
a lunivers des fonds de pension ne sont, `
a ce
titre, pas prises en compte dans la litterature qui sint
eresse au probl`
eme dinvestissement classique, i.e. celui dun investisseur cherchant `
a optimiser la gestion dynamique de son portefeuille
dactifs auto-nanc
e a
` un horizon dinvestissement donne.
24. param`
etre dautant plus important que lhorizon de placement consid
er
e en ALM est bien
souvent le long terme voir le très long terme.

17
des fonds de pension.

Ainsi, dans le cadre specique de lALM, laversion à la perte de linvestisseur
institutionnel se materialise typiquement par le risque de sous-performance de ses
actifs par rapport a` ses engagements de passif (par exemple si le ratio actif sur
passif est inferieur a` lunite, on dira que le fonds de pension est sous-capitalise, en
anglais unfunded) ; en ce qui concerne le benchmark, un choix naturel simpose
comme la valeur du passif qui nest dailleurs en general pas entièrement replicable
(hypothèse de marche incomplet). A titre illustratif, on peut citer les deux exemples
suivants souvent evoques dans la litterature nancière portant sur les problèmes de
fonds de pension :
Dans le cas dun fonds de pension de type DB à regime de prestations
denies (Dened Benets Pension Fund), le benchmark correspond à un
portefeuille de replication imparfaite des ux dengagements du passif de
linstitution.
Dans le cas du problème dinvestissement à horizon (life cycle) typique de
linvestisseur et contributeur dun fonds de pension de type DC (Dened
Contributions Pension Fund), le benchmark peut sidentier a` un seuil minimum de richesse accumulee correspondant à la contrainte de protection du
capital-retraite à la date de depart a` la retraite ou de manière identique à
la solvabilite du fonds de pension (si cette garantie est donnee formellement).
La gestion actif-passif en presence de contrainte de sous-performance (avec ou sans
prise en compte dun facteur stochastique de taux dinteret) fait lobjet des contributions suivantes :
[Cairns, 1996] etudie, sous lhypothèse detat des opportunites constant, un modèle
dallocation dynamique de fonds de pension de type DB qui correspond a` une
generalisation de la methode dassurance de portefeuille CPPI (Constant Protection Portfolio Insurance 25).
Toujours sous cette hypothèse detat des opportunites constant,
[Lucas Siegmann, 1999] considèrent le problème de gestion actif-passif dun
fonds de pension de type DB o`
u le critère du problème dinvestissement considere
est celui de la minimisation de lesperance dutilite du niveau de contribution (ou la
fonction dutilite est CRRA, logarithmique ou CARA et represente une fonction de
perte qui mesure la de-utilite associee a` un niveau du taux de contribution donnee).
[Boulier et al., 2001] analysent le problème dinvestissement dynamique dun
fonds de pension de type DC dans le cadre dun modèle de taux stochastique
a la Vasicek et en presence dune contrainte de protection implicite à la fonction
`
dutilite consideree 26.
[Deelstra et al., 2003] proposent un modèle de fonds de pension de type DC
sous lhypothèse dun modèle ane de taux dinteret plus general (qui inclut comme
cas particulier à la fois le modèle de Vasicek et le modèle CIR) et considèrent le
25. Voir par exemple [Perold Sharpe, 1988] pour une description de ce type de strat
egie
dynamique dassurance de portefeuille.
26. fonction dutilit
e puissance avec un niveau de seuil de richesse minimum appartenant a
` la
famille de fonctions dutilit
e HARA. On montre facilement que lexpression de la strat
egie optimale
du probl`
eme dinvestissement qui en decoule correspond a
` une strat
egie CPPI particulière.
18
meme type de fonction dutilite (fonction dutilite puissance ou logarithmique incluant une contrainte de garantie de capital implicite).
[Battocchio et al., 2003] etudient un modèle de fonds de pension mixte (DC
et DB) avec prise en compte du risque de mortalite du contributeur du fonds 27
et sous lhypothèse dun etat des opportunites dinvestissement constant.
Le critère du problème dinvestissement considere est celui de la maximisation de
lesperance dutilite du surplus de richesse du fonds de pension (suppose etre un
investisseur CRRA) ; le surplus de richesse etant deni comme lecart (positif ou
negatif) entre la valeur du fonds de pension et ses reserves dassurances 28. Tout se
passe comme si les reserves constituaient un plancher de richesse 29 que le fonds de
pension ne souhaite pas, an de garantir sa solvabilite, franchir a` la baisse.
[Hainaut, 2005] (sous lhypothèse que les paramètres des equations de diusion
des prix des actifs sont constants) et [Lei, 2008] (dans un cadre de taux stochastique à la Vasicek) sinteressent a` des modèles de fonds de Pension avec prise en
compte dune contrainte de risque de type VaR, tandis que [Romaniuk, 2007]
considère (dans le cadre dun modèle dactifs de type Black & Scholes a` une seule
source de risque) un critère dinvestissement avec contrainte de protection implicite (strategie de type CPPI) ou explicite (strategie de type optionnelle) qui peut
a la fois sappliquer à la gestion de fonds de pension de type DC et de type DB .
`
Une autre branche de cette litterature de la gestion actif-passif sinteresse aux
problèmes de choix dynamique de portefeuille en presence de risques speciques
lies a` des facteurs exogènes (ination, niveau de salaire,..) et considère comme variable de richesse du problème dinvestissement, non plus la valeur nominale de la
richesse de linvestisseur, mais la valeur de la richesse deatee dun benchmark
numeraire, qui reète le niveau de risque que le facteur de risque fait courir sur la
richesse accumulee par linvestisseur.
[Cairns et al., 2000] analysent (dans le cadre dun modèle a` un facteur de taux
et N actifs risques) le problème dun fond de pension DC pour lequel le revenu
du salaire de linvestisseur est stochastique et non parfaitement correle au marche.
Sous lhypothèse dun versement nal sous forme de rente ils utilisent comme variable du problème dinvestissement le Ratio de Remplacement deni comme le
niveau de la rente achetee en proportion du niveau de salaire nal.
[Cairns et al., 2006] considèrent comme variable du problème dinvestissement
le Ratio de Remplacement (cas o`
u le montant de la retraite est payee sous la
forme dune rente annuelle) et alternativement, le ratio entre la valeur de la richesse nale accumulee par le fond de pension et le niveau de salaire nal (cas o`
u
linvestisseur recoit le montant cumule de son epargne retraite sous la forme dun
paiement unique).
[Menoncin Scaillet, 2003] considèrent un modèle de fonds de pension hybride
(qui englobe comme cas particulier les DB et DC) dans un cadre de modèle de
taux stochastique avec prise en compte dun risque inationniste et o`
u la variable
27. Les auteurs consid`
erent dans leur problème dinvestissement que la date de d
ec`
es du souscripteur du fonds est stochastique et que son temps de vie restant est d
ecrit par la distribution
dune loi de Gompertz-Makeham.
28. d
enies comme le niveau cumule des prestations et des ux de contributions
29. Compte tenu de la propri
et
e dutilit
e marginale de la fonction dutilit
e CRRA
egale a
` +
en 0.

19
du problème dinvestissement consideree est la richesse reelle du fonds de pension

(i.e. le ratio de la richesse nominale sur le processus stochastique de lindice des
prix à la consommation).
[Martellini, 2006] considère, dans le cadre du modèle dactifs de Black & Scholes
generalise à N actifs risques et un actif de taux sans risque (hypothèse detat des
opportunites constant), que linvestisseur institutionnel (par exemple un fonds de
pension DB ou une assurance) est un agent CRRA qui cherche à maximiser
lutilite esperee de son Funding Ratio deni comme la valeur de son portefeuille
dactifs sur un actif numeraire correspondant a` la valeur de son passif non parfaitement replicable.
Plus recemment, [Lim Wong, 2010] ore une approche uniee du concept de
benchmark numeraire dans le cadre dun modèle dynamique de gestion actifpassif.
Dans un cadre dynamique en temps discret, [Hoevenaars et al., 2008] considèrent
le problème dune gestion actif-passif sous lhypothèse dun modèle dynamique dactifs avec eet predictif de type VAR (Vector AutoRegressif) tandis que
[Van Binsbergen Brandt, 2007] etudient, toujours sous les hypothèses dun
modèle VAR, leet dune contrainte de risque court terme en utilisant une methode
de resolution numerique.
20
2. Plan de la th`
ese
2.1. Probl`
eme du risk manager avec contrainte de risque asym
etrique.
Dans la première partie, nous analysons, dans le cadre de la theorie du choix

dynamique de portefeuille, le problème du risk manager que lon peut denir
simplement comme un investisseur averse à la sous-performance 30.
Nous considerons dierents choix implicites de mesure de risque de sous-performance
(par exemple la probabilite de perte, lesperance de perte ou encore la semi-variance)
et dierentes formes de preference face au risque 31.
Nous proposons une approche uniee de la gestion dynamique avec prise en compte
du risque de sous-performance en faisant le lien entre les deux approches principales
proposees dans la litterature : problème de lagent averse a` la sous-performance dont
la fonction dutilite intègre une contrainte implicite de risque et problème de lagent
non averse mais devant prendre en compte une contrainte explicite supplementaire
portant sur le niveau de risque à lhorizon dinvestissement.
Cette partie sarticule de la facon suivante :
(1) Dans le premier chapitre, generalisant certains cas particuliers dejà etudies
dans la litterature 32, nous analysons le problème de linvestisseur HARA
averse à la sous-performance. Nous considerons dierentes fonctions de
perte, continues ou non au niveau du seuil de richesse cible 33, pour mesurer la de-utilite de linvestisseur à la sous-performance. A titre de comparaison, nous etudions egalement le problème de linvestisseur neutre au
risque mais averse à la sous-performance 34 :
(a) Dans la première section, nous exposons le problème de linvestisseur
HARA averse a` la perte. Nous denissons lexpression generale de la
fonction dutilite de linvestisseur avec fonction de perte consideree
(fonction dutilite continue par morceaux avec une discontinuite au
niveau du seuil de richesse cible), puis nous explicitons lexpression
de la richesse terminale optimale du problème dinvestissement correspondant.
30. On entend par investisseur averse `
a la sous-performance, un investisseur dont la fonction
dutilit
e est dissym
etrique autour du seuil de richesse cible. Cette forme asym
etrique de la fonction dutilit
e, relativement `
a la cible de performance, traduit un niveau daversion pour la sousperformance plus important que lappetit pour le gain (voir [Kahneman Tversky, 1979]).
31. On consid`
erera les trois cas suivants de pr
ef
erences au risque : investisseur HARA dont
laversion relative au risque est constante, qui est CRRA, investisseur HARA dont la fonction
dutilit
e est quadratique, qui est IRRA, ou encore investisseur neutre au risque.
32. Le cas de linvestisseur CRRA loss averse est par exemple consider
e dans un cadre de
choix dynamique de portefeuille par [Berkelaar et al., 2004] sous lhypoth`
ese dune fonction
dutilit
e continue et asym
etrique au niveau du seuil de richesse cible.
33. fonction de perte int
egr
ee `
a la fonction dutilit
e avec saut dans lutilit
e de la richesse (utilit
e
discontinue) ou avec saut dans lutilite marginale au niveau du seuil de richesse.
34. Il sagit du probl`
eme analyse par [Berkelaar Kouwenberg, 2000] qui consid`
erent un
investisseur ayant une fonction dutilit
e int
egrant plusieurs type de fonction daversion a
` la perte
dont lesp
erance correspond `
a la valeur des moments partiels inf
erieurs dordre 0,1 et 2.
`
2. PLAN DE LA THESE
21
(b) Considerant le cas particulier de linvestisseur CRRA averse à la

sous-performance, nous montrons dans la section suivante que cet investisseur sidentie, selon la fonction de perte consideree, à un changement de paramètres près, à linvestisseur CRRA avec contrainte
explicite de type VaR (Value at Risk) ou LEL (Limited Expected Loss) 35 et analysons certaines proprietes de la strategie dynamique optimale correspondant a` ces problème dinvestissement.
(c) Dans la troisième et dernière section de ce chapitre, nous analysons

le problème de linvestisseur loss averse et neutre au risque. Nous
explicitons, pour dierentes mesures de perte (probabilite de perte,
esperance de perte ou semi-variance), la relation qui lie le niveau du
paramètre daversion a` la perte de cet investisseur avec la valeur de
la contrainte implicite de risque de sous-performance correspondante.
(2) Dans le second chapitre, nous analysons le problème
moyenne-variance /downside risk.
Nous supposons que linvestisseur cherche à maximiser lutilite esperee
de sa richesse nale et quil a une fonction dutilite quadratique loss
averse ; il sagit dune forme de fonction dutilite quadratique generalisee
qui prend en compte laversion à la perte de linvestisseur.
Nous nous interesserons au choix implicite de deux mesures daversion
a la perte que sont la probabilite de perte et lesperance du co
`
ut dutilite
de la perte.
Cette fonction dutilite quadratique loss averse appartient à la classe des
fonctions dutilite HARA loss averse dont laversion relative au risque
crot avec la richesse. Ce qui implique, pour linvestisseur, le choix dun
prol de gain concave avec un plafond de richesse traduisant un niveau de
performance nale o`
u linvestisseur atteint la satiete 36.
Nous etudions les proprietes de la strategie dynamique optimale pour
cet investisseur averse à la perte en supposant quil est tenu de respecter
une contrainte explicite supplementaire de protection du capital investi 37.
Nous montrons quil est equivalent de considerer le problème de linvestisseur ayant une fonction dutilite quadratique non averse et qui doit
prendre en compte une double contrainte de risque dans le critère de son
problème dinvestissement : contrainte dassurance de portefeuille et, selon
la forme de la mesure de perte consideree, contrainte de risque de sousperformance, de type Value at Risk (penalisation de la perte) ou Limited
Expected Loss (penalisation du co
ut de la perte).
35. Ces deux probl`
emes dinvestissement avec contrainte explicite ont
et
e analys
es par
[Basak Shapiro, 2001].
36. En ce sens, il sagit dun cas compl
ementaire du prol de richesse convexe avec une
contrainte implicite de protection de la richesse qui caract
erise linvestisseur CRRA loss averse
et dont le probl`
eme dinvestissement est analyse dans le premier chapitre.
37. contrainte stricte de protection qui assure en particulier la non-negativit
e de la richesse
terminale qui nest pas garantie avec une fonction dutilit
e quadratique.
22
(3) Dans le troisième et dernier chapitre, nous analyserons leet de la prise

en compte dun modèle de taux stochastique (modèle a` un facteur de type
Vasicek) sur la strategie dynamique optimale suivie par linvestisseur
HARA devant prendre en compte une contrainte de benchmark ; en guise
de generalisation, nous considerons ensuite le cas de linvestisseur averse
a la sous-performance par rapport au benchmark.
`
2.2. Probl`
eme de lasset manager avec prol de r
emun
eration asym
etrique.
Dans la seconde partie, nous analysons le problème de lasset manager HARA avec
prise en compte dincitations nancières à la performance et generalisons certains
modèles dej`
a proposes dans la litterature.
Cette partie est organisee de la facon suivante :
(1) Dans le premier chapitre de cette seconde partie (chapitre 4), nous montrons comment lexistence dune commission liee a` la performance de
lasset manager (frais de sur-performance, bonus) peut faire diverger les
interets de lasset manager de ceux de linvestisseur de reference (i.e. lasset manager sans remuneration incitative), tous deux etant supposes chercher `
a maximiser lutilite esperee de leur richesse et avoir la meme fonction
dutilite.
(a) Dans la première section, nous explicitons la forme generale du problème

dinvestissement considere. Il sagit du problème de choix dynamique
de portefeuille pour lasset manager HARA maximisant lutilite esperee
de la valeur nale de sa remuneration. Lexpression de cette remuneration
est une fonction lineaire par morceaux 38 de la richesse totale mais
aussi de lecart de richesse avec la valeur du benchmark (composante
incitative de la remuneration).
(b) Dans la section suivante, nous considerons le cas particulier o`
u le
benchmark est xe et o`
u lasset manager HARA ne recoit comme incitation nancière que des frais de gestion variables de sur-performance.
Nous explicitons ensuite lexpression de la richesse terminale optimale
et nous analysons la strategie dynamique optimale dans le cas particulier o`
u le modèle dactifs est celui de B&S et lasset manager HARA
a une fonction dutilite puissance avec seuil implicite de remuneration
minimale (prole de gain convexe).
(c) Dans la troisième section, nous considerons a` nouveau le cas particulier o`
u le benchmark est xe et lasset manager HARA a une
fonction dutilite puissance avec seuil implicite de remuneration minimale. De plus, nous supposons que lasset manager recoit en cas
38. la discontinuit
e qui a lieu au niveau de la valeur du benchmark traduit lexistence dune
forme de r
emun
eration incitative asym
etrique.
`
2. PLAN DE LA THESE
23
de sur-performance, un bonus xe en plus des frais de gestion variables 39. Nous explicitons lexpression de richesse terminale optimale
puis nous analysons, dans le cadre du modèle de B&S, lallocation
dynamique correspondantes.
(d) Dans la quatrième section, nous considerons le cas particulier o`
u le
benchmark est xe et lasset manager a une fonction dutilite quadratique (prol de richesse concave). De plus, on supposera quil ne recoit
comme incitation nancière que des frais de gestion variables de surperformance (meme structure de remuneration que dans la seconde
section) et quil doit prendre en compte une contrainte supplementaire
dassurance de portefeuille.
(e) Dans la cinquième et dernière section, nous explicitons lexpression
de la strategie optimale pour lasset manager CRRA dans le cas le
plus general o`
u le benchmark est stochastique et o`
u on suppose lexistence de plusieurs sources de risque actions.
(2) Dans le second chapitre de cette partie (chapitre 5), nous examinons en
quoi la prise en compte de contraintes de risque telles que celles etudiees
dans la première partie, qui correspondent à un choix de fonction daversion a` la perte continue, peut conduire a` une reduction du conit dinteret
entre lasset manager et linvestisseur de reference.
(a) Dans la première section, generalisant certains des resultats presentes
dans les sections precedentes, nous explicitons lexpression de la richesse terminale optimale associee au problème de lasset manager
HARA averse a` la sous-performance et recevant une commission
de sur-performance.
(b) Dans la seconde section, nous placant dans le cadre du modèle a`
deux actifs de B&S et dans le cas particulier o`
u lasset manager est
CRRA loss averse, nous derivons lexpression de la strategie dynamique optimale correspondante.
(c) Le cas de la strategie dynamique optimale associee au problème
moyenne variance (fonction dutilite quadratique) en presence dune
double contrainte de risque supplementaire est traite dans la dernière
section ; le critère du problème dinvestissement intègre a` la fois une
contrainte daversion à la sous-performance par rapport au seuil de
richesse cible 40 et egalement une contrainte supplementaire dassurance de portefeuille 41.
39. Comme nous le verrons, ceci est

equivalent a
` faire lhypoth`
ese que lasset manager est
CRRA et quil recoit des frais de gestion sym
etriques incitatifs en plus des deux commissions de
gestion incitatives asym
etriques d
ej`
a mentionn
ees.
40. Seuil de richesse cible au-dessus duquel lasset manager recoit une commission de
performance.
41. assurant la non-n
egativit
e de la richesse nale de linvestisseur.
Premi`
ere partie
Allocation dynamique avec

contrainte de risk management
Nous partons du constat que de nombreux investisseurs professionnels ont un

double objectif à lhorizon dinvestissement : atteindre une sur-performance par
rapport a` un portefeuille benchmark dune part, maitriser le niveau de risque de
sous-performance dautre part.
En eet, si cette problematique de gestion sous contrainte de benchmark et de
risque de sous-performance est typique de lindustrie de la gestion de fonds communs de placement, on la retrouve aussi, sous des formes moins explicites, dans de
nombreux autres activites de gestion nancière :
Dans le cadre de leur activites de gestion pour compte propre, les investisseurs institutionnels se doivent de denir des objectifs de rentabilite de leur
portefeuille dactifs en phase avec un niveau de remuneration minimum. De
plus, ils doivent pouvoir demontrer quils ont la matrise de levaluation du
risque de sous-performance de leurs investissements, an de pouvoir faire face
dans nimporte quel scenario de marche à leurs engagements de passif.
Les produits de gestion de lepargne retraite proposes (dened contribution
pension plan, PERP (Plan dEpargne Retraite Populaire) et PERCO (Plan
dEparge Retraite Collectif) en France, Variable Annuities aux Etats-Unis,
etc) cherchent a` repondre a` un double objectif des epargnants : maximiser
la performance des sommes investies successivement jusqu`
a lhorizon correspond a` la date de depart a` la retraite sous contrainte de protection progressive
dune partie du capital accumule.
Ainsi, nous nous proposons detudier, dans cette première partie, le problème dallocation dynamique de lasset manager averse a` la sous-performance ou, de facon
alternative, de lasset manager qui cherche a` implementer une gestion dynamique
de portefeuille sous contrainte dun niveau pre-deni de risque de sous-performance.
En particulier, nous souhaitons analyser la question du choix dune mesure de
risque asymetrique. Cette question qui revet une importance toute particulière pour
la gestion de portefeuille avec reference à un benchmark, reste, il nous semble, encore relativement inexploree dans la litterature traitant de problèmes de gestion
dynamique de portefeuille.
En eet, bien qu`
a première vue, le problème doptimisation dynamique correspondant paraisse simple à modeliser (maximiser lesperance de lutilite de lexcès
de richesse par rapport au benchmark pour un niveau de risque de sous-performance
27
donne 42), la question fondamentale de savoir comment expliciter ce risque de sousperformance maximale reste a` ce jour encore relativement ouverte (voir, par exemple,
[Nawrocki, 1999]) et le champs danalyse des implications de ce choix de mesure
de perte sur le comportement des investisseurs, dans un cadre dynamique, demeure
encore assez peu explore.
Nous montrerons comment le choix implicite dune mesure de risque de perte relative 43 couplee a` celui de la forme de la fonction dutilite, induit de la part des
investisseurs, des comportements daversion au risque très dierents.
En particulier, nous montrerons quune contrainte de sous-performance maximale
peut etre denie de deux manières equivalentes et expliciterons formellement le lien
qui existe entre ces deux approches :
(1) Contrainte implicite de sous-performance :
Il sagit du cas o`
u la contrainte est donnee implicitement a` travers le
choix dune forme particulière de fonction dutilite prenant en compte la
dissymetrie souvent observee en pratique entre laversion pour le risque et
lappetit pour le gain des investisseurs, relativement a` la cible de performance.
Ce type de fonction dutilite dissymetrique prend en compte laversion de
linvestisseur à la perte (loss aversion) par le biais dun terme additionnel
dans son expression correspondant à une fonction de perte ; ce qui permet dintroduire implicitement une mesure du risque de sous-performance
(downside risk) dans le problème dinvestissement considere.
Par exemple on peut citer le problème de minimisation de la semivariance ; ce problème consiste a` minimiser , pour un objectif de rendement xe, la variance de lecart negatif de richesse par rapport a` la
cible de performance.
Ce problème peut aussi secrire de manière equivalente comme celui de
linvestisseur qui cherche à maximiser lutilite esperee de sa richesse, avec
pour denir ses preferences, une fonction dutilite discontinue au niveau
du seuil de richesse cible, et dont lexpression est derivee de la fonction
42. Sans perte de g
en
eralit
e, nous supposerons dans les deux premiers chapitres de la thèse
que le benchmark sidentie a
` une cible xe de richesse nale (i.e. un objectif de performance
pour le g
erant). De plus, nous consid`
ererons le niveau absolu de la richesse nale (sans ref
erence
a la valeur du benchmark) comme variable du probl`
`
eme dinvestissement.
Dans le cas o`
u le benchmark est stochastique, le problème dinvestissement consider
e,
ecrit
sur l
ecart de richesse nale entre le portefeuille g
er
e et le benchmark, est ind
ependant de la
valeur du benchmark. Ainsi, lexpression de la strat
egie optimale, dans le cas dun benchmark
stochastique, sobtient, par un simple changement de variable, de lexpression de la strat
egie
optimale obtenue sous lhypoth`
ese dun benchmark xe.
Le probl`
eme avec contrainte implicite de sous-performance maximale relative au niveau
dun benchmark stochastique (i.e. contrainte non independante du choix de la forme du benchmark) sera trait
e dans la seconde partie de la th`
ese, o`
u nous consid`
ererons un asset manager
averse a
` la sous-performance et recevant une incitation nancière `
a la sur-performance.
43. A travers le choix de lexpression de la fonction de perte int
egr
ee `
a la fonction dutilit
e de
linvestisseur.
28
dutilite quadratique.
Seuls les niveaux de richesse inferieurs au niveau cible sont penalises par
une mesure de perte quadratique qui est integree à la fonction dutilite ;
au dessus du niveau cible, la fonction dutilite est lineaire, ce qui traduit
la neutralite face au risque de linvestisseur.
(2) Contrainte explicite :
Il sagit du cas o`
u lasset manager doit prendre en compte une contrainte
explicite de sous-performance dans le critère de son problème doptimisation et cela de facon independante du choix de sa fonction dutilite.
A titre dexemple, il peut sagir de contraindre la VaR (Value At Risk)
du portefeuille à lhorizon dinvestissement (ce qui revient à imposer une
contrainte sur le niveau de probabilite de perte maximum par rapport à
la cible de performance). Cette contrainte peut etre imposee à lasset manager par linvestisseur nal, ou par un risk manager ou encore par une
entite de contr
ole externe.
Par ailleurs, la consideration de la VaR comme mesure de risque, couramment utilisee par les praticiens de la gestion de portefeuille et des
risques (gestion actif-passif, mesure du risque des strategies dites alternatives, gestion de mandat pour institutionnels), nous permettra de la
comparer à dautres mesures du risques alternatives dans le cadre de la
theorie classique du choix de portefeuille optimal en temps continu.
Cette première partie est organisee de la facon suivante :
Dans le premier chapitre, nous mettrons en lumière limpact de la prise en compte
de dierentes mesures de perte asymetriques dans le problème dinvestissement de
lasset manager HARA ou neutre au risque et qui est, de plus, averse à la sousperformance. Nous etablirons la correspondance qui existe entre les pratiques de
risk management (contraintes explicites de risque maximal de sous-performance) et
le prol de lasset manager averse a` la sous-performance (contraintes implicites de
penalisation de la sous-performance integrees a` la fonction dutilite).
Dans le second chapitre, en guise dalternative aux critère moyenne-downside risk,
nous resoudrons le problème moyenne-variance-downside risk avec contrainte
supplementaire dassurance de portefeuille, considerant implicitement deux mesures
de perte asymetriques : la probabilite de perte et lesperance de perte.
Dans le troisième et dernier chapitre, nous analyserons leet de la prise en

compte dun modèle de taux stochastique (modèle a` un facteur de type Vasicek)
sur la strategie dynamique optimale suivie par linvestisseur HARA sous contrainte
de benchmark et, le cas echeant, daversion a` la sous-performance.
CHAPITRE 1
Allocation dynamique avec aversion `

a la
sous-performance
Nous etudions, dans ce chapitre, les proprietes de la solution optimale du problème

dinvestissement de lasset manager HARA loss averse et de lasset manager
neutre au risque mais averse à la sous-performance.
En particulier nous comparerons leet de la prise en compte de plusieurs mesures
de perte asymetriques (probabilite de perte, esperance de perte, semi-variance) et
dierentes formes de contraintes de risque de sous-performance 1 sur le comportement dinvestissement de lasset manager.
1. Probl`
eme de lasset manager averse `
a la sous-performance
Dans cette section, nous presentons les hypothèses sous-jacentes au modèle de

marche nancier considere ainsi que la forme du problème dinvestissement de lasset manager loss averse que nous cherchons a` resoudre 2.
Nous nous interessons à deux fonctions daversion a` la sous-performance : la première
penalisant la sous-performance de manière uniforme et la seconde proportionnelle
au co
ut dutilite de cette sous-performance.
Nous explicitons ensuite lexpression de la richesse terminale optimale correspondant au problème considere.
1. contrainte explicite supplementaire ou contrainte implicite integr

ee `
a lexpression de la
fonction dutilit
e.
2. On supposera que lasset manager cherche a
` maximiser lutilit
e esp
er
ee de sa richesse nale
pour une forme g
en
erale de fonction dutilit
e HARA loss averse que nous preciserons.
29
30
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
1.1. Cadre G
en
eral.
(1) Economie de marche consideree

Nous considerons un gerant dactifs operant entre la date initiale dinvestissement 0 et la date T (son horizon dinvestissement) sur un marche
nancier qui a les proprietes suivantes :
marche nancier ouvert en permanence, dans lequel les portefeuilles

sont rebalances de manière continue sans arbitrages possibles (hypothèses dAOA) et sans co
uts de transaction.
marche nancier complet : nimporte quelle richesse terminale (comme
par exemple le pay-o dune option) peut etre atteinte par une
strategie dynamique de replication.
An de decrire la structure aleatoire et informationnelle du marche nancier, nous supposons quil existe N sources de risques
denies par un

mouvement brownien, de dimension, N, note Z = Z 1 , . . . , Z N , deni
sur un espace de probabilite (, F, P) o`
u (, F ) est un espace mesurable
et P une probabilite sur F . On suppose de plus que (, F, P) est muni
dune ltration (Ft ,0 t T ) d
enie comme etant la ltration naturelle
engendree par Z = Z 1 , . . . , Z N
(2) Dynamique des actifs

Le marche est constitue de N+1 actifs :
Lactif dit ASR, Actif Sans Risque ; localement sans risque, il sinterprète comme un roll over dun instrument du marche monetaire, et
a pour rendement instantane :
dSt0 /St0 = r(t)dt
ou r(t) est un processus qui represente le taux court instantane en vigueur
sur le marche monetaire.
Les N autres actifs sont risques et ont pour rendements instantanes des
processus dIto. Plus precisement, on ecrit en notation vectorielle :
dSt = St ((t)dt + (t)dZt )
o`
u St = (St1 , . . . , StN ) represente le vecteur des N actifs risques,
(t) = (j (t) ; j = 1 . . . N ) represente le vecteur des rendements moyens
instantanes (taux court plus prime de risque) et o`
u (t) = (j k (t) ; j, k =
1 . . . N ) represente la matrice de co-volatilite des processus de rendements

instantanes. Ainsi represente la matrice de variance-covariance des
rendements instantanes. Les processus r, , sont supposes adaptes a` la
`
1. PROBLEME
DE LASSET MANAGER AVERSE A
31
ltration Ft et satisfont aux conditions dintegrabilite classiques 3. De plus,

(t), est supposee inversible ; ce qui implique que le marche est complet
(puisque le nombre dactifs risques est egal au nombre de mouvements
browniens consideres).
(3) Ensemble des strategies considerees
Une strategie de portefeuille est notee (W, w), o`
u{Wt }t 0 represente le
processus de prix des portefeuilles et, {wt }t 0 , le vecteur des poids de la
richesse investie sur les N actifs risques (le poids sur lA.S.R etant donne

u 1 represente le vecteur unite de dimension N ).
par 1 wt 1 o`
On considère lensemble des strategies qui satisfont les proprietes suivantes :
Autonancement : pas dapport de richesse intermediaire autre que
le gain, qui est toujours reinvesti ; ce qui secrit

dWt = Wt (r(t) + wt ((t) r(t)1)dt + wt (t)dZt
Admissibilite : la strategie procure une richesse terminale dont le
moment dordre 2 est ni (on notera cet ensemble L2 (P )). Dans
la suite, on notera A lensemble des strategies autonancantes et
admissibles.
(4) Valorisation
Propriete de martingale des processus de prix sous la probabilite historique : le portefeuille intitule portefeuille numeraire par [Long, 1990] 4
que lon note (H, h) est tel que pour toute strategie autonancante et
admissible, (W, w) A, la valeur du processus {Wt /Ht }t0 est une martingale sous la probabilite historique P, ce qui implique quon a Wt /Ht =
Et (WT /HT ).
3.
T
0
|j (t)| dt < , p.s.
pour
j=1,. . . ,N
et

T

trace (t)(t) dt < , p.s.
voir
[Karatzas et al., 1987]

4. Le portefeuille num
eraire est aussi appel
e portefeuille a
` taux de croissance optimale
(growth optimal) par [Merton, 1990] car il correspond `
a la strat
egie dynamique optimale
pour linvestisseur logarithmique qui cherche a
` maximiser lesp
erance du taux de croissance
logarithmique de sa richesse terminale.
Sous nos hypoth`
eses, on d
emontre que le portefeuille num
eraire, not
e (H,h), est donn
e par les
expressions suivantes :

1
((t) r(t)1) et, en notant le vecteur des prix de march
e du risque
ht = (t)(t)

t
t

par (t) = (t)1 ((t) r(t)1), Ht = exp
(r(s) + (s) (s)/2)ds + (s) dZs
0
32
1.2. Probl`
eme doptimisation consid
er
e.
(1) Problème doptimisation

Le problème considere est celui de lasset manager qui, etant donnee la
structure de marche decrite ci-dessus, cherche à maximiser lutilite esperee
de sa richesse terminale.
Lexpression de ce problème dynamique est la suivante :

max E(v(WT ))
(D) (W,w) A
s.a. W0 = 1
Dans le cadre de lhypothèse de marche complet, ce problème peut se

reduire au problème statique suivant (voir [Karatzas et al., 1987]) :
Probl`
eme 1.
(P 1)
max
WT L2 (P )
s.a.
E(v(WT ))
E(WT /HT ) =1
Ou v(.) designe la fonction dutilite de linvestisseur dont nous preciserons

la forme et les proprietes dans les sections suivantes.
Ainsi la resolution du problème dynamique en est simpliee et seectue
en deux temps :
1ère phase : obtention de la richesse terminale optimale, solution

du problème statique correspondant (P1).
2ième phase : determination de la strategie nancière de replication
a mettre en place qui permet datteindre la richesse terminale op`
timale dont lexpression a ete trouvee precedemment ; durant cette
phase qui sera decrite dans les sections ulterieures, nous nous restreindrons, dans un souci de simplicite, au modèle à deux actifs de
B&S (N = 1).
(2) Fonction dutilite avec aversion à la sous-performance
On suppose que la performance de lasset manager est mesuree par rapport `
a un niveau de richesse cible de reference qui est ainsi penalise en cas
de sous-performance.
Comme nous lavons dejà evoque, cette contrainte peut se traduire par
un co
ut nancier pour le gerant a` lhorizon dinvestissement qui est fonction de lecart de richesse entre la valeur nale des actifs du portefeuille
et celle du benchmark cible (fonds de pension sous capitalises (underfunded) par exemple).
`
1. PROBLEME
33
Elle peut encore sinterpreter comme une contrainte de gestion du risque

relativement a` un benchmark impose à lasset manager (pratique courante
en gestion de portefeuille pour compte de tiers).
An de prendre en compte ce facteur daversion a` la sous-performance
du gerant dans lexpression de sa fonction dutilite, nous considerons un
terme additionnel correspondant, a` un facteur près, à lexpression dune
fonction de perte.
Ce qui introduit une dissymetrie dans lexpression de la fonction dutilite distinguant la zone de sur-performance (richesse superieure a` la richesse cible) de la zone de sous-performance ; plus precisement, lexpression generale du type de fonction dutilite consideree est la suivante :

si x < x0
u(x) C L(x0 , x, )
v(x) =
u(x)
si x x0
o`
u
u designe la fonction dutilite de lasset manager qui est neutre ou
averse au risque selon que u est une fonction lineaire o`
u une fonction strictement croissante, strictement concave sur son domaine de
denition.
C est une constante positive ou nulle qui designe le coecient
daversion a` la sous-performance,
L(x0 , x, ) designe la fonction de perte, mesurant lamplitude de la
sous-performance qui depend de la valeur de la richesse x, du niveau de richesse cible, x0 , et de la valeur du paramètre daversion
au risque ; la fonction de perte, L(x0 , x, ), est modelisee soit par
une fonction constante positive soit par une fonction decroissante
de x qui prend des valeurs positives sur 0 x x0 . Notons que si
L(x0 , x0 , a) > 0 alors la fonction de perte est discontinue au voisinage de la richesse cible (cest le cas en particulier de la fonction de
perte constante).
(3) Fonction dutilite HARA loss Averse (avec aversion a` la sous-performance)

Nous nous interessons maintenant à la classe de fonctions dutilite HARA
(Hyperbolic Absolute Risk Aversion) car elle inclue la plupart des fonctions dutilite considerees dans la litterature et en pratique.
Une fonction dutilite HARA se caracterise par un coecient daversion au risque absolu correspondant à une fonction hyperbolique ; plus
precisement, son coecient daversion absolue au risque,

RAbs (x) u (x)/u (x), verie RAbs (x) = 1/(x/ + a) avec x/ + a > 0.
Nous nous restreignons aux cas o`
u le paramètre daversion au risque
est non nul et dierent de lunite : R \ {0, 1} ; ce qui inclut en particulier le cas de la fonction dutilite iso-elastique (ou fonction dutilite
34
puissance) dont le coecient daversion relative est constant (CRRA)

ainsi que celui de la fonction dutilite quadratique ; ces deux cas particuliers seront analyses plus en detail dans les sections suivantes.
Dans les deux autres cas restant, correspondant au choix dune fonction
dutilite logarithmique (pour 1) et dune fonction dutilite exponentielle (pour +), lexpression de la solution du problème (P1) sobtient de manière totalement similaire.
Remarquons que la valeur de la solution optimale du problème dinvestissement, dans ces deux cas particuliers, peut etre obtenue numeriquement
en considerant la limite pour 1 (utilite logarithmique) et pour
+ (utilite exponentielle) de lexpression de la solution optimale obtenue
avec la forme de fonction dutilite que nous considerons (qui est exposee
dans le cadre du theorème 1 ci-dessous).
Pour R \ {0, 1}, la resolution de lequation dierentielle ci-dessus
fournit lexpression de la fonction dutilite HARA :
1

x
C1
+a
+ C2
(1.1)
u(x) =
1
avec a > 0, C1 > 0 et C2 R.
Enn, nous considerons deux types de fonctions de perte :
Une fonction de perte constante independante du niveau de sousperformance qui penalise les pertes de la meme facon quelque soit
leur niveau : L1 (x, x0 , ) 1
Une fonction de perte continue qui est proportionnelle
au co

ut dutilite de la sous-performance : L2 (x, x0 , ) u(x0 ) u(x)
Ce qui revient à considerer les fonctions dutilite HARA loss averse suivantes :
Fonction dutilite HARA discontinue au niveau du seuil de richesse
cible et avec fonction de perte constante :
v1 (W ) = u(W ) C 1{W <W 0 }
(1.2)
Fonction dutilite HARA continue (dont lutilite marginale est discontinue) avec fonction de perte mesurant le co
ut dutilite de la
sous-performance :

v2 (W ) = u(W ) C u(W 0 ) u(W ) 1{W <W 0 }
(1.3)
o`
u u(x) est une fonction dutilite HARA dont lexpression est denie par
lequation (1.1), W designe la richesse de linvestisseur et W 0 la richesse
cible.
`
1. PROBLEME
35
(4) Expression de la richesse terminale optimale dans le cas dune fonction

dutilite HARA loss averse
Th
eoreme 1. Sous les hypothèses de structure de marche decrites
dans la section precedente,
(a) 1er cas : si la fonction dutilite est donnee par lexpression (1.2),
alors la richesse terminale du problème (P1) est donnee par lexpression suivante :
I(k/HT )
WT =
W0
I(k/HT )
si HT > H
si H < HT H
si HT H
(1.4)
avec k veriant lequation de budget suivante : E(WT /HT ) = 1,

avec H k/u (W 0 ) et H est solution de lequation suivante :
C = u(I(k/H)) (k/H)I(k/H) u(W 0 ) + (k/H)W 0
o`
u H < H.
(b) 2d cas : si la fonction dutilite est donnee par lexpression (1.3), alors
la richesse terminale du problème (P1) est donnee par lexpression
suivante :
WT
I(k/HT )
W0
=
k
I( 1+C
/HT )
si HT > H
si H < HT H
si HT H
(1.5)

avec H k/ u (W 0 ), H (k/(1 + C))/ u (W 0 ).
Enn, dans les deux cas, I(.) designe linverse de la fonction u (.).
Les resultats du theorème 1 montrent clairement ce qui distingue le pay-o de

chacune des deux expressions ci-dessus : la richesse terminale, dont lexpression est
donnee par (1.4), exhibe une discontinuite au niveau du seuil de richesse cible ; ce
qui nest pas le cas de la richesse terminale correspondant a` la forme de fonction
dutilite continue dont lexpression est donnee par (1.5).
Nous allons à present analyser plus en detail les proprietes des strategies dynamiques correspondant à plusieurs fonctions dutilite considerees dans la litterature
et notamment la fonction dutilite CRRA (seconde section) et la fonction dutilite lineaire dun agent a` la fois neutre au risque et averse a` la sous-performance
(troisième et dernière section) :
Prolongeant cette analyse dans le second chapitre, nous montrerons que le critère
moyenne variance (fonction dutilite quadratique) etendu à la prise en compte
de laversion à la sous-performance peut remplacer avantageusement les critères
36
Moyenne - Risque de Perte fondes sur les mesures de risques que sont les Moments
Partiels Inferieurs dordre 0 à 2.
2. Investisseur CRRA loss averse
Dans cette section, nous analysons le problème dinvestissement de lagent CRRA

(Constant Relative Risk Aversion) cherchant a` maximiser lutilite esperee de sa
richesse nale avec prise en compte dune contrainte explicite ou implicite sur le
niveau de risque de sous-performance.
Nous considerons plusieurs problèmes doptimisation dynamique avec contraintes
de risk management proposes dans la litterature et analysons les proprietes des
strategies dynamiques qui en decoulent.
Nous montrons que ces problèmes dinvestissement avec contraintes de risk management peuvent etre vus comme des cas particuliers du problème 1 de lasset
manager HARA loss averse deni dans la section precedente.
Nous apportons ainsi une presentation uniee de la gestion dynamique avec contrainte
de risk management et du problème de linvestisseur averse a` la perte ; ces deux approches se revelant parfaitement equivalentes a` un changement de parametrisation
près.
2.1. Contrainte de Value at Risk.
Cette section est organisee de manière suivante :
Nous rappelons les principales proprietes de la strategie optimale du problème doptimisation dynamique de portefeuille pour un investisseur CRRA avec contrainte explicite sur le niveau de probabilite de sous-performance (ou de manière equivalente
sur le niveau de la Value at Risk) propose par [Basak Shapiro, 2001] 5.
Nous montrons ensuite que ce problème sidentie a` un problème de maximisation de lutilite esperee de la richesse nale avec, pour traduire les preferences de
linvestisseur en terme de risque, mais aussi daversion à la sous-performance, une
forme de fonction dutilite plus generale que la fonction dutilite CRRA ; il sagit
du problème doptimisation considere dans la section precedente dans le cas particulier o`
u linvestisseur est CRRA loss averse avec une fonction de perte constante
(fonction dutilite discontinue au niveau du seuil de richesse cible).
Ainsi, les deux problèmes sont equivalents. Le choix de la valeur du paramètre
daversion a` la sous-performance integre à lexpression de cette fonction dutilite
discontinue peut sinterpreter comme le choix dun seuil de VaR impose à lasset
manager. Reciproquement, le problème dallocation dynamique de portefeuille avec
5. [Basak Shapiro, 2001] r
esolvent le probl`
eme de linvestisseur maximisant lesperance
dune fonction dutilit
e de sa richesse terminale avec une contrainte suppl
ementaire explicite de
type VaR (Value at Risk) a
` lhorizon dinvestissement ; linterpr
etation
etant la suivante : linvestisseur est tenu dint
egrer dans son programme doptimisation une contrainte reglementaire de
gestion du risque ou encore une contrainte impos
ee par le risk manager.
2. INVESTISSEUR CRRA LOSS AVERSE
37
contrainte VaR revient à resoudre celui dun investisseur CRRA loss averse dont
la fonction de perte est constante.
2.1.1. Strategie optimale avec contrainte VaR.
[Basak Shapiro, 2001] considèrent que la fonction dutilite de linvestisseur est

strictement croissante, concave et exhibe une utilite marginale innie en 0 et une
utilite marginale qui converge vers 0 en +. Le cas de la fonction dutilite CRRA
(Constant Relative Risk Aversion) comme cas particulier est ensuite propose pour
lobtention de la strategie dynamique de replication ; son expression est la suivante :
u(x) =
x1
1
o`
u represente laversion relative (constante) au risque de linvestisseur,avec
]0; +[ \ {1}
Le problème a` resoudre secrit :
Probl`
eme 2.

(P 2)
max
WT L2 (P )
s.a.
E(u(WT ))
E(WT /HT ) =W0 et P (WT W 0 ) 1
avec une constante tel que [0; 1],

` atteindre, o`
u W 0 K W0 et K 0 ; dans la
avec W 0 la cible de richesse a
suite on supposera sans perte de generalite que W0 = 1.
Tout dabord il est utile de faire quelques commentaires sur la contrainte imposee
a lasset manager :
`
P (WT W 0 ) 1 avec xe
(1) Contrainte de sous-performance maximale
Remarquons tout dabord que cette contrainte de risque peut etre vue
comme une generalisation à la fois du cas particulier de lassurance de
portefeuille et de celui dune contrainte de gestion du budget de risque :
Pour 0 et W 0 K erT , on se ramène au problème avec contrainte
dassurance de portefeuille : le gerant na pas le droit de sous-performer
et la contrainte secrit : WT K p.s.
Pour ]0%; 100%] et W 0 K erT , la contrainte sapparente a`
une contrainte de budget de risque de sous-performance ; lasset manager
est autorise `
a prendre des risques sous la condition de respecter un seuil
de probabilite de sous-performance maximum de niveau :
P (WT < K) avec xe.
(2) Objectif de rendement cible minimum
Le cas dune contrainte de sur-performance par rapport à un rendement
38
cible correspond à ]0%; 100%] et W 0 K > erT .

Par exemple (voir [Basak et al., 2003]), dans le cas o`
u lobjectif de lasset manager est dobtenir un rendement excedentaire par rapport au taux
monetaire, la contrainte secrit :
P (WT W 0 ) 1 P (RTW RT0 ) 1
Ou encore P (RTW r + ) 1
0
0
o`
u on a pose : W 0 eT RT e(r+)T RT0 r + Log(W )/T , avec
W
> 0 et avec RT Log(WT )/T .
(3) Expression de la contrainte en terme de niveau de VaR maximum
Il est interessant de noter que cette contrainte peut sexprimer en terme
de niveau maximum de VaR de la facon suivante :
En supposant que W 0 < 1 et en imposant la contrainte suivante sur
le niveau de VaR :
V aRT 1 W 0 1 V aRT W 0
o`
u V aRT est denie implicitement par lexpression suivante :
P (WT 1 V aRT ) 1 ,
on en deduit lexpression de la contrainte du problème considere :
P (WT W 0 ) 1 .
Ainsi cette contrainte de risque peut sexprimer en terme de limite maximum sur le niveau de VaR.
(4) Limite de linterpretation en terme de VaR
Notons que cette comparaison avec la Value At Risk doit etre relativisee (voir [Cuoco et al., 2008]). En eet nous considerons ici que la
contrainte VaR est evaluee une seule fois à la date initiale, quelle ne
sapplique quà lhorizon dinvestissement entier (moyen ou long terme)
et quelle est donc insensible à levolution du portefeuille aux temps intermediaires.
Au contraire, comme le notent [Cuoco et al., 2008] qui citent [Jorion, 2001],
dans la pratique une contrainte de limite de risque de type VaR doit
etre re-estimee a` pas de temps regulier (quotidiennement pour les banques,
proposition du comite de Basle, Avril 1995, voir [Jorion, 2001], p. 64)
en se basant sur une periode relativement courte qui correspond à un intervalle de temps moyen au cours duquel les poids du portefeuille restent
inchanges ; par exemple, on peut considerer que cette periode est de lordre
de un mois pour les mutuals funds , et de un jour pour la gestion de
bilan des banques (voir [Jorion, 2001], p. 117).
Cette contrainte doit donc etre comprise non pas comme une mesure de
risque a` court terme mais plutot comme une mesure de laversion a` la
sous-performance a` moyen/long terme correspondant à celle de linvestisseur à un horizon dinvestissement donne.
39
En eet, nous verrons dans la section suivante que le problème dinvestissement avec contrainte explicite sur le seuil de probabilite de sousperformance a` lhorizon dinvestissement est equivalent à celui de linvestisseur averse à la sous-performance dont lexpression de la fonction dutilite est asymetrique ; ainsi le gestionnaire cherchera à repliquer la strategie
dynamique solution optimale du problème jusquà lhorizon dinvestissement sans avoir à eectuer une nouvelle evaluation de son paramètre
daversion a` la sous-performance.
Propri
et
e 1. Sous les hypothèses precedentes, la richesse terminale optimale
du problème (P2) est donnee par lexpression suivante,
I(k/HT ) si HT > H
WT =
W0
si H < HT H
I(k/HT ) si HT H

avec H k/u (W 0 ) et H solution de lequation :
P (HT H) =
avec H < H et o`
u I(.) designe linverse de la fonction u(.).
Dans le cas dune fonction dutilite CRRA, ce resultat sexprime de la facon suivante :
Cons
equence 1. Dans le cas dune fonction dutilite CRRA, la richesse terminale optimale du problème (P2) est donnee par lexpression suivante,
1/
si HT > H
(k/HT )
0
WT =
W
si H < HT H ,
(k/H )1/ si H H
T
T
avec k veriant lequation de budget suivante : E(WT /HT ) = 1, avec H k(W 0 )
et H solution de lequation :
P (HT H) =
o`
u H < H.
On remarque que la contrainte P (WT W 0 ) 1 avec xe, se traduit

dans lexpression de la solution optimale par lexpression de H donnee par P (HT
H) = , expression qui ne depend ni de la valeur de W 0 , le niveau de performance
minimum cible, ni de , le niveau daversion au risque.
Autrement dit pour une valeur de donnee, quelque soit la valeur de W 0 et de ,
lintervalle de valeurs de H o`
u il se produit une sous-performance reste identique ;
nous verrons dans la section suivante quil nen est pas de meme si lon considère
une parametrisation non pas sur le niveau de mais sur celui du paramètre daversion implicite de linvestisseur.
40
Nous analysons a` present les proprietes de la strategie dynamique optimale en

considerant le modèle classique a` deux actifs de [Black Scholes, 1973] (dans la
suite B&S). Dans ce cadre, on fait lhypothèse de lexistence dune seule source de
risque (i.e. le nombre dactifs est de deux) ; de plus, on suppose que tous les paramètres servant a` decrire la dynamique du prix des deux actifs nanciers (un actif
sans rique et un actif risque) sont constants. Lunivers dinvestissement se compose
donc des deux actifs suivants :
Un actif dit sans risque (A.S.R.) representant lactif monetaire et dont la

valeur à la date t est notee St0 ; cet actif a un rendement instantane donne
par
dSt0 /St0 = rdt
o`
u r designe le taux monetaire constant.
Un actif dit risque (A.R) representant le portefeuille de marche ou tout
autre actif action dont la dynamique de prix est decrite par un mouvement
brownien geometrique ; son rendement instantane secrit
dMt /Mt = dt + dZt (r + )dt + dZt
o`
u le paramètre represente son rendement moyen instantane (egal au taux
court plus une prime de risque action notee r) et designe sa
volatilite constante.
Compte tenu de lhypothèse de log-normalite du processus de prix de lactif risque,
qui implique en particulier la log-normalite du prix du portefeuille numeraire H 6,
on en deduit que la valeur de la borne basse, notee H, gurant dans lexpression
de la richesse terminale optimale, est donnee par lexpression suivante :
2
H = e[(r+ /2)T d0 T ]
Avec d0 , le quantile dordre 1 de la loi Normale centree reduite N (d0 ) = .
Ainsi la zone de valeurs nales du portefeuille numeraire, H, o`
u il se produit une
sous-performance ne depend que du niveau du taux sans risque, r, du prix de marche
e
du risque, r
, de lhorizon dinvestissement, T, et du niveau de probabilit
de sous-performance maximale, .
On demontre facilement que la strategie dynamique de replication associee à la richesse terminale optimale est la combinaison de strategies elementaires ayant pour
1/
sous-jacent la strategie dynamique atteignant la richesse terminale HT qui correspond a` la solution optimale du problème de [Merton, 1971] :
6. On rapelle que le portefeuille num
eraire not
e (H, h) est aussi appel
e portefeuille logoptimal ou encore `
a taux de croissance optimal car il sagit de la strategie dynamique solution
optimale du probl`
eme de maximisation de lesp
erance du taux de croissance logarithmique de la
richesse terminale.
Dans le cadre du mod`
ele de B&S, le portefeuille num
eraire sidentie `
a une strat
egie dynamique
investissant un poids constant dans lactif risque, not
e h, qui est donn
e par lexpression suivante
h = /2 / .
Dautre part, toujours sous les hypoth`
eses du mod`
ele de B&S, sa dynamique de prix est decrite
par un mouvement brownien g
eom
etrique dont lexpression est la suivante :
dHt /Ht = (r + 2 )dt + dZt

ou de facon
equivalente par Ht = exp (r + 12 2 ) t + Zt .
Ce qui implique que Ht suit une loi log normale.
41
(1) Une strategie dassurance de portefeuille : acheteuse dune obligation Zero

Coupon et dune option Call
(2) Une position vendeuse dune option Put et dune option put binaire
Plus precisement, nous avons le resultat suivant,
Cons
equence 2. Dans le cas dune fonction dutilite CRRA, la valeur `
a la
date t, de la strategie dynamique atteignant la richesse terminale, solution optimale
du problème (P2), que lon notera, Wt , est donnee par la formule suivante :
Wt = W0 ZC(T t)+C(yHt , W 0 , T t)P (yHt, W , T t)(W 0 W )B(yHt , W , T t)
o`
u C(yHt , W 0 , T t) ( resp. P (yHt , W , T t), resp. B(yHt , W , T t)) designe
la valeur a
` la date t, du Call europeen (resp. du Put europeen, resp. de loption put
binaire) decheance, T t de strike W 0 (resp. W , resp. W ) sur le sous-jacent
yHt et ZC(T t) la valeur de lobligation Zero-Coupon decheance T t 7,
a la date t du portefeuille solution du problème de
avec Ht designant la valeur `
Merton qui atteint la richesse nale (HT )1/ 8, et avec W yH 1/ , y k 1/ et
W < W 0.
Finalement, on notera que dans le cadre du modèle de Black & Scholes, il existe
une relation biunivoque entre la valeur du portefeuille numeraire, Ht , celle du portefeuille de Merton, Ht et celle de lactif risque, Mt pris deux à deux 9 ; ce qui nous
permet dexprimer la valeur du portefeuille optimal en excès de celle du benchmark, notee Yt , en fonction de Mt ; propriete que nous utiliserons dans la suite
pour lanalyse de la strategie optimale.
On a represente sur la gure (Fig.1), le pay-o de la strategie optimale pour
lasset manager cherchant a` resoudre le problème (P2) 10, que lon notera strategie
7. Lexpression de C(Zt , X, T t) est donn
ee dans le cadre du mod`
ele Black & Scholes
(1973) par la formule suivante : C(Zt , X, T t) = Zt N (d1 (X)) + Xer(T t) N (d2 (X)) avec
Z
( )2

log( Xt )+(r+ 2 )(T t)
d2 (X) = d1 (X) T t T t V ar (ln (ZT /Zt )) .

d1 (X) =
( ) T t
eduit de lexpression de Ht que = /. Avec

De plus pour Zt yHt , on en d
les m
emes notations, on a P (Zt , X, T t) = Xer(T t) N (d2 (X)) + Zt N (d1 (X)) et
B(Zt , X, T t) = er(T t) N (d2 (X)) et ZC(T t) = er(T t) .
8. Le portefeuille (h , H ) correspond `
a une strat
egie dynamique investissant un poids
constant de la richesse dans lactif risqu
e qui est donn
e par lexpression suivante : h (1/)h.
De plus, son processus de prix suit un mouvement brownien g
eom
etrique dont lexpression est la
suivante :
dHt /Ht = (r + 2 /) dt + (/ )dZt ,

ou de facon
equivalente, Ht = H0 exp (r + ( 1/2) (/)2 )t + (/)Zt
2
avec H0 = e((1)/) (r+ /2)T

9. En eet, dans le cadre du mod`
ele de B&S, les propri
et
es de transformation suivantes
permettent dexprimer la valeur du portefeuille num
eraire, Ht , ou du portefeuille de Merton,
eciproquement : on a, Ht = (t)(Mt )h avec
Ht , en fonction de celle de lactif risque Mt et r
(t) e(r( 2 2 ))t = e(1h)(r+ 2h )t = e(1h)(r+

(/)2
(1h )(r+ 2h
h2
2
)t
)t
h 2
et Ht = (t)(Mt )h avec (t) H0 e

= H0 e(1h )(r+ 2 )t .
10. On d
esigne par pay-o, la courbe de valeur de la richesse terminale exprim
ee en fonction
du niveau de lactif risqu
e, note MT .
Comme nous lavons
evoqu
e ci-dessus, sous lhypoth`
ese du mod`
ele dactifs de B & S, il existe
42
Figure 1. Richesse Terminale - Strategie CRRA VaR - Probabilite de sur-performance = 95% - W 0 = 100%
Les valeurs numeriques des autres paramètres sont les suivantes : r = 4%, = 10%, = 20%, = 75% et T = 5 ;
ce qui donne = 30%, h = 150% et h = 200%, et pour
W 0 = 100%, on trouve k = 70, 31%, H = 1, 30 et H = 0, 51,
Mmax = 1, 34 et MV aR = 0, 71.
Figure 2. Richesse Terminale - Strategie CRRA VaR - Probabilite de sur-performance = 95% - W 0 = 100% et W 0 = 122%.
Les valeurs numeriques des autres autres paramètres sont
les suivantes : r = 4%, = 10%, = 20%, = 75% et T = 5 ;
ce qui donne = 30%, h = 150% et h = 200%, et pour
W 0 = exp(rT ) = 122%, on trouve k = 55, 81%, H = 1, 80 et
H = 0, 51 et Mmax = 1, 6 et MV aR = 0, 71.
CRRA VaR, avec un niveau cible de richesse de W 0 = 100%.
une correspondance biunivoque entre Mt , la valeur de lactif risque `
a la date t, et Ht celle du
portefeuille num
eraire ou de croissance optimale, ce qui nous permet de tracer cette courbe. En
43
On notera leet Casino ou Gambling Eect illustre sur cette gure par le
fait que, dans lintervalle de valeurs de lactif risque en dessous du niveau cible (intervalle de sous-performance), la courbe de richesse de la strategie CRRA VaR
est situee en dessous de celle de la strategie optimale pour linvestisseur CRRA sans
aversion à la perte, solution du problème de Merton (strategie CRRA Merton).
Autrement dit, dans le cas dun scenario de marche defavorable, lasset manager
subit une perte de richesse plus importante en suivant la strategie CRRA VaR (i.e.
avec un controle sur le niveau initial de la VaR) quen investissant dans le portefeuille de Merton (i.e. strategie solution du problème de Merton) qui nintègre
pas de contrainte de risque ; ce qui plaide clairement en defaveur du choix de la
contrainte VaR comme contrainte de gestion du risque.
[Basak Shapiro, 2001] interprètent cet eet par le comportement Joueur de
linvestisseur CRRA VaR : dans un intervalle de valeurs basses de lactif risque o`
u
linvestisseur CRRA VaR garde lespoir de pouvoir atteindre à nouveau la valeur
cible de richesse, il sur-reagit en augmentant son niveau dexposition a` lactif risque
qui surpasse celui de linvestisseur CRRA sans contrainte.
Cet eet Casino sexplique quantitativement par la composante binaire de la
strategie optionnelle qui introduit une discontinuite dans le pay-o de cette
strategie.
Leet du changement de la valeur cible de W 0 = 100% à W 0 = exp(rT ) = 122%
est illustre sur la gure (Fig.2).
Dans la suite du chapitre, nous utiliserons ces memes valeurs numeriques des paramètres pour les applications numeriques.
2.1.2. Critère de maximisation de lutilite esperee de la richesse nale avec
fonction de perte constante.
Nous considerons `
a present un investisseur ayant une fonction dutilite CRRA et
qui, de plus, est averse a` la sous-performance par rapport a` une cible de richesse.
On suppose que son aversion à la perte se traduit par la forme asymetrique et discontinue de sa fonction dutilite ; celle-ci exhibe une discontinuite au voisinage de
la cible de richesse :
1
x
0
1 A si x < W
v(x) =
1
x
si x W 0
1
avec A > 0 le paramètre daversion a` la sous-performance de linvestisseur, et
comme precedemment, avec le paramètre daversion au risque de linvestisseur et
W 0 la cible de richesse a` atteindre.
Nous avons represente graphiquement cette fonction dutilite (que lon note CRRA
Aversion) et, `
a titre de comparaison, la fonction dutilite CRRA standard, sur la
gure (Fig.3) ci-dessous.
particulier, les valeurs seuils not

ees Mmax et MV aR correspondent aux valeurs de lactif risqu
e
qui sobtiennent de celles de H et de H par cette transformation.
44
Figure 3. Fonction dutilite CRRA avec ou sans paramètre daversion.

Le problème statique à resoudre secrit :
Probl`
eme 3.

(P 3)
max
WT L2 (P )
s.a.
E(v(WT ))
E(WT /HT ) =1
u x u(x) designe une fonction dutilite

avec v(W ) = u(W ) A 1{W <W 0 } 11 o`
1
CRRA (i.e. u(x) x1 avec ]0; +[ \ {1}) et o`
u W 0 designe la cible de
richesse a
` atteindre.
Propri
et
1/
si HT > H
(k/HT )
WT =
si H < HT H ,
W0
(k/H )1/ si H H
T
T
avec k veriant lequation de budget suivante : E(WT /HT ) = 1, avec H k(W 0 )
et H solution de lequation 12 :
(W 0 )1
(k/H)11/
+ (k/H)W 0 = A
1
1
avec H < H.
11. il sagit de lexpression donn
ee dans l
equation (1.2) pour les fonctions dutilit
e avec fonction
de perte constante consid
er
ees dans le probl`
eme doptimisation (P1) de la section 2. Ainsi, ce
probl`
eme correspond au probl`
eme (P1) dans le cas particulier o`
u x u(x) est la fonction dutilit
e
dun agent CRRA (non averse a
` la perte).
ee par lequation
12. Il existe une relation biunivoque entre H et A > 0 donn
A = u(I(k/H)) (k/H)I(k/H) u(W 0 ) + (k/H)W 0
45
Notons maintenant que le problème (P3) peut se re-ecrire de la facon suivante :

max E(WT /) AP (WT W 0 )
(P 3) WT L2 (P )
s.a. E(WT /HT ) =1
o`
u P (WT W 0 ) sinterprète comme la mesure de risque à minimiser/penaliser, et
correspond au Moment Partiel Inferieur dordre 0 :

0

LP M (0, W 0 , WT )
P (WT W 0 ) = E M ax W 0 WT , 0
On en deduit que ce problème est equivalent au problème (P2) et, pour un niveau du paramètre `
a denir, admet lexpression suivante :

max E(WT /)
(P 2) WT L2 (P )
s.a. E(WT /HT ) =1 et P (WT W 0 ) 1 (A) avec A xe
Propri
et
e 3. Si WT est la solution du problème (P3)(A) avec A veriant
(W 0 )1
(k/H)11/
+ (k/H)W 0
1
1
o`
u k est tel que E(WT /HT ) = 1 et o`
u P (HT H) = , alors WT est aussi la
solution du problème (P2)() et reciproquement.
A=
Ainsi le problème avec contrainte explicite VaR peut sinterpreter comme celui
dun agent averse a` la sous-performance ; i.e. un investisseur cherchant a` maximiser
une fonction dutilite qui exhibe une dissymetrie entre gain et perte et un prol
discontinu au niveau du seuil de richesse cible.
Reciproquement, on peut interpreter le paramètre daversion pour le risque A en
terme nancier en lui faisant correspondre une probabilite de perte maximum de
niveau .
A titre illustratif, on a represente sur la gure (Fig.4) ci-dessous la correspondance
de valeurs entre A et pour les memes valeurs numeriques des paramètres que
celles utilisees dans les gures precedentes.
Finalement, on a represente sur la gure suivante (Fig.5) la valeur des deux strikes,
Mmax et MV aR , correspondant aux deux bornes separant les trois intervalles de valeurs de lactif risque, M, pour lesquels la strategie optimale exhibe un pay-o
dierent 13, en fonction du niveau de sous-performance maximum, .
On observe que pour les valeurs de superieures à une valeur limite denviron
33%, la valeur des deux strikes se rejoint et la zone intermediaire (de protection)
disparat ; en eet, a` partir dun seuil limite de probabilite ( = P (HT H)), la
contrainte de protection ne joue plus dans le problème doptimisation et la strategie
13. Comme nous lavons
evoqu
e ci-dessus, sous les hypothèses du mod`
ele dactifs de B & S,
` la date t, et Ht
il existe une correspondance biunivoque entre Mt , la valeur de lactif risque a
celle du portefeuille num
eraire ou de croissance optimale ; en particulier, les valeurs seuils not
ees
e qui se d
eduisent de celles de H et H
Mmax et MV aR correspondent aux valeurs de lactif risqu
par cette transformation.
46
Figure 4. Niveau du coecient daversion a` la sous-performance

(A) en fonction de la probabilite de sous-performance ().
W 0 = 100% et = 75%.
Figure 5. Valeurs des strikes (Mmax et MV aR ) en fonction de

la probabilite de sous-performance ().
W 0 = 100% et = 75%.
CRRA VaR sidentie avec la strategie CRRA sans contrainte.
A loppose, quand converge vers 0% (niveau maximum daversion) la strategie
CRRA VaR se confond avec la strategie CRRA PI (cas o`
u = 0%), et la zone
intermediaire de protection est alors maximale.
47
2.2. Contrainte Limited Expected Loss.
Cette section est organisee de la manière suivante :

Dans la première sous section, nous analysons les resultats de [Berkelaar et al., 2004]
qui proposent un critère de maximisation de lesperance dune fonction dutilite
CRRA avec prise en compte de laversion pour la sous-performance ; nous montrons quil sagit du cas particulier du problème doptimisation considere dans la
section 1 precedente quand la fonction dutilite est CRRA et la fonction de perte
est continue.
Dans la seconde sous-section, après avoir rappele les principales proprietes de la
solution optimale correspondant au critère LEL RM (Limited Expected Loss
Risk Management) propose par [Basak Shapiro, 2001] 14, nous montrons que
ce problème sidentie au critère propose par [Berkelaar et al., 2004].
Autrement dit, il existe une relation biunivoque entre le paramètre daversion a`
la sous-performance de linvestisseur loss averse (dont le problème dinvestissement est celui propose par [Berkelaar et al., 2004]) et le niveau de perte maximale esperee (niveau de LEL) impose par le risk manager a` linvestisseur du
problème dinvestissement de [Basak Shapiro, 2001]) puisque ces deux investisseurs nen font quun.
Enn, dans la troisième sous-section, nous montrons que la mesure de risque consideree
implicitement a` travers la contrainte LEL sinterprète comme la mesure de risque
associee au ratio de Sharpe Omega de la strategie dynamique optimale du problème
sans contrainte (problème de [Merton, 1971]).
2.2.1. critère de maximisation de lesperance dutilite avec fonction de perte

non constante.
[Berkelaar et al., 2004] considèrent une fonction dutilite de type CRRA avec
prise en compte de laversion à la perte ; partant dune fonction dutilite CRRA,
[Berkelaar et al., 2004] introduisent une discontinuite non pas dans lexpression
de la fonction dutilite mais dans celle de la fonction dutilite marginale. Ceci
leur permet de prendre en compte une dissymetrie entre laversion pour la sousperformance et lappetit pour le gain de linvestisseur tout en conservant une fonction dutilite continue au niveau du seuil de richesse cible. Lexpression de cette
fonction dutilite est la suivante :

0 1
1
)
si x W 0
A x1 + (B A) (W1
v(x) =
1
B x1
si x > W 0
14. [Basak Shapiro, 2001] consid`
erent le probl`
eme de linvestisseur CRRA qui est soumis `
a
une contrainte explicite de risque.
Cette contrainte revient `
a imposer un seuil maximal sur la valeur pr
esente de lesp
erance de sousperformance a
` lhorizon dinvestissement. A noter que cette mesure de risque de type Expected
Loss est tr`
es proche du concept de la CVaR (Conditional VaR), autre mesure de risque qui
est tr`
es utilis
ee par les professionnels du risk management comme alternative a
` lapproche de la
VaR.
48
o`
u A > B > 0 (aversion pour la sous-performance), represente laversion relative (constante) au risque de linvestisseur et W 0 la cible de richesse a` atteindre.
Nous avons represente graphiquement cette fonction dutilite sur la gure (Fig.6)
ci-dessous.
Figure 6. Fonction dutilite CRRA avec fonction de perte

continue (CRRA Aversion Continue), avec fonction de perte
constante (CRRA Aversion) et sans fonction de perte (CRRA
standard).
CRRA Aversion : A = 1, 59 ; CRRA Aversion continue :
A = 5, 09, B = 1 et W 0 = 122%.
Notons tout dabord que, contrairement au prol discontinu de la fonction dutilite presentee dans la sous-section precedente, la fonction dutilite consideree ici
est dune part continue et, dautre part, elle prend en compte lamplitude de la
sous-performance en penalisant la sous-performance de manière croissante avec le
niveau de perte atteinte.
Il est facile de voir que cette fonction dutilite est un cas particulier de la famille
de fonctions dutilite HARA loss averse introduite dans la section 1 precedente
et dont lexpression est donnee par lequation (1.3). En eet, on peut ecrire,
1
x
0
0
1 C L(x, W , ) si x W
v(x)/B =
x1
si x > W 0
1
o`
u C (A/B1) designe le coecient daversion à la sous-performance et L(x, W 0 , )
est la fonction de perte mesurant le co
ut dutilite de la sous-performance :

0 1
x1
(W )
0
L(x, W , )
1
Ainsi, le niveau daversion a` la sous-performance de linvestisseur est une fonction croissante de la sous-performance enregistree ; en eet, son aversion a` la sousperformance est proportionnelle au co
ut dutilite engendre par cette sous-performance.
49
Le problème statique de maximisation de lutilite espere de la richesse nale,

peut donc secrire, avec ce choix de fonction dutilite, de la facon suivante :
Probl`
eme 4.

WT1
) C E L(WT , W 0 , )1{WT <W 0 }

max2 E( 1
WT L (P )
(P 4)
s.a. E(W /H ) =1
T
T
[(W 0 )1 x1 ]
o`
u L(x, W 0 , )
est la fonction de perte mesurant le co
ut dutilite
1
de la sous-performance par rapport a
` la cible de richesse a
` atteindre notee W 0 .
On a le resultat suivant :
Propri
et
1/
si HT > H
( Bk /HT )
WT =
W0
si H < HT H
( k /H )1/ si H H
T
T
A
avec k veriant lequation de budget suivante : E(WT /HT ) = 1, avec H (k/B)(W 0 )
et avec H (k/A)(W 0 )
On retrouve, comme pour la strategie CRRA VaR analysee dans la section
precedente, les deux cas limites suivants :
Pour A 0 (maximum daversion à la sous-performance), la strategie solution du problème avec contrainte de protection du capital de niveau W 0 .
Pour A B, la strategie solution optimale du problème de Merton, sans
contrainte daversion à la sous-performance.
Remarquons que le pay-o de la strategie optimale, est une fonction continue de
HT . Contrairement a` la strategie CRRA VaR, la richesse terminale optimale du
problème (P4) nest pas discontinue au niveau du seuil H (k/A)(W 0 ) 15.
On demontre facilement que la strategie dynamique de replication associee à la richesse terminale optimale est la combinaison de strategies plus elementaires ayant
pour sous-jacent, le portefeuille, solution optimale du problème de [Merton, 1971],
1/
strategie dynamique atteignant la richesse terminale HT :
(1) Une strategie dassurance de portefeuille : acheteuse dune obligation Zero
Coupon et dune option Call
(2) Une position vendeuse dune option Put
15. ce seuil correspond `

a la borne inf
erieure de lintervalle de valeurs m
edianes de HT o`
u il est
optimal pour linvestisseur de gerer passivement son portefeuille.
50
Cons
equence 3. La valeur, `
a la date t, de la strategie dynamique atteignant
la richesse terminale, solution optimale du problème (P4), que lon notera, Wt , est
donnee par la formule suivante :
Wt = W0 ZC(T t) + C(yB Ht , W 0 , T t) P (yA Ht , W 0 , T t)
` la date t, du Call
o`
u C(Zt , W 0 , T t) ( resp. P (Zt , W 0 , T t)) designe la valeur a
europeen (resp. du Put europeen) decheance, T t de strike W 0 sur le sous-jacent
Zt et o`
u on a pose yA 1/(k/A)1/ , et yB 1/(k/B)1/ ,
avec ZC(T t) la valeur de lobligation Zero-Coupon decheance T t,
` la date t du portefeuille solution du problème de Merton
et avec Ht la valeur a
qui atteint la richesse nale (HT )1/ .
On notera la dierence avec lexpression, obtenue dans la section precedente, pour

la strategie dynamique CRRA VaR : la strategie dynamique optimale correspondant au problème (P4) ne comporte plus de position investie sur une option binaire
qui traduisait la discontinuite du pay-o de la strategie dynamique CRRA VaR.
Finalement on notera que linegalite A < B, implique par voie de consequence que
cette strategie dynamique est, comme letait la strategie CRRA VaR, reductrice
du niveau de VaR par rapport à la strategie sans contrainte du problème de Merton.
2.2.2. Strategie optimale avec contrainte LEL.
[Basak Shapiro, 2001] proposent en guise dalternative a` la contrainte de risque
basee sur le seuil de VaR, une contrainte basee sur une autre mesure de risque non
symetrique, le moment partiel inferieur dordre 1 quils designent sous le nom de
contrainte Limited Expected Loss ; en eet, cette mesure enrichit lanalyse du
risque en tenant compte non pas seulement de la probabilite de perte mais aussi de
son amplitude ; la contrainte consideree sexprime de la facon suivante :

E (1/HT )(W 0 WT )1{WT W 0 }
avec 0 xe.
Cette contrainte de risque peut sexprimer ainsi : la valeur presente (sous la probabilite historique) de la sous-performance à lhorizon dinvestissement doit etre
inferieure a` un seuil donne, note .
Tout dabord, il parait interessant de montrer que cette contrainte est très proche
de la mesure de risque appele CVaR (Conditional VaR ou encore Mean Excess
Loss) plus connue dans la pratique :
En eet, la CVaR(), `
a un horizon T donne, peut se denir comme la moyenne de la
future sous-performance au-delà de la VaR correspondant a` un seuil de probabilite
donne (par exemple = 5%) et notee VaR() :

CV aR() = (1/) E ((1 WT ) V aR())1{(1WT )V aR()}
51
o`
u la valeur de V aR() est determinee implicitement par lequation suivante :
P (1 WT V aR()) = 1 avec [0, 1]
En posant V aR() = 1 W0 , on obtient lexpression suivante :

CV aR() = (1/) E (W 0 WT )1(W 0 WT ) avec xe
Ainsi la contrainte imposee par ces auteurs est bien similaire a` une contrainte de
niveau maximum sur la CvaR (au terme dactualisation 1/HT près).
De plus, il est interessant de noter que :

E (1/HT )(W 0 WT )1{WT W 0 } = E (1/HT )(W 0 WT ) WT W 0 P (WT W 0 )
Ce qui signie que la contrainte penalise non seulement la probabilite de sousperformance (comme le critère de type VaR) mais aussi un niveau eleve de sousperformance sachant quil y a une sous-performance.
En revanche, ce nest pas le cas de la CVaR, dont la valeur ne depend que du
niveau de perte conditionnellement à une sous-performance par rapport a` la cible ;
en eet on a :

CV aR() = (1/) E (W 0 WT )1(W 0 WT ) =E (W 0 WT ) WT W 0
puisque par construction on a P (WT W 0 ) =
Revenons maintenant au problème doptimisation propose par [Basak Shapiro, 2001] :
Probl`
eme 5.
WT1
max2 E( 1
)
WT L (P )
(P 5)

s.a. E(W /H ) =1 et E (1/H )(W 0 W )1
e
T
T
T
T {WT W 0 } avec 0 x
Avec W 0 la cible de richesse a
` atteindre.
Propri
et
1/
si HT > H
(k1 /HT )
WT =
W0
si H < HT H
((k k )/H )1/ si H H

1
2
T
T
o`
u H (k1 )(W 0 ) et H (k1 k2 )(W 0 ) avec k1 0 et k2 0 veriant le
système dequations suivant :

E(W
T (k1 , k2 )/HT ) = 1 (equation de budget)
E (1/HT )(W 0 WT (k1 , k2 ))1{W (k1 ,k2 )W 0 } =
T
Nous en deduisons le resultat dequivalence suivant :
ou k2 = 0
52
t
Proprie
e 6. Si WT est la solution du problème (P4)(A,B) avec A et B
u k1 et k2 sont solutions du système
veriant A = k/(k1 k2 ) et B = k/k1 o`
dequations suivant :

E(W

T (k1 , k2 )/HT ) = 1
E (1/HT )(W 0 WT (k1 , k2 ))1{W (k1 ,k2 )W 0 } = ou k2 = 0
T
Alors WT est aussi la solution du problème (P5)() et reciproquement

Nous nous placons à nouveau dans le cadre restreint du modèle de B & S a` deux
actifs 16.
Ce qui nous permet en particulier dexprimer la valeur du portefeuille optimal
en excès de celle du benchmark, notee Yt , en fonction de Mt ; propriete que nous
utiliserons dans la suite pour lanalyse de la strategie optimale ; en eet, comme
on la dej`
a mentionne, il existe, dans le cadre du modèle de Black & Scholes, une
relation biunivoque entre la valeur du portefeuille numeraire, Ht , et celle de lactif
risque, Mt , ou encore, entre celle du portefeuille de Merton, Ht 17, et Mt 18.
On a represente sur la gure (Fig.7), le pay-o de cette strategie 19 que lon
nommera CRRA LEL et à titre de comparaison celui de la strategie solution optimale du problème avec contrainte VaR (strategie CRRA VaR) et du problème
16. Lunivers dinvestissement se compose des deux actifs suivants :
Un actif dit sans risque (A.S.R.) repr

esentant lactif mon
etaire et dont la valeur a
` la
e donn
e par
date t est notee St0 ; cet actif a un rendement instantan
dSt0 /St0 = rdt
o`
u r d
esigne le taux mon
etaire constant.
Un actif dit risqu
e (A.R) repr
esentant le portefeuille de march
e ou tout autre actif
action dont la dynamique de prix est decrite par un mouvement brownien g
eom
etrique ;
son rendement instantan
e s
ecrit
o`
u le param`
etre repr
esente son rendement moyen instantan
e (
egal au taux court plus
une prime de risque action not
ee r) et d
esigne sa volatilit
e constante.
` une
17. On rappelle que dans le cadre du mod`
ele de B&S, le portefeuille (h , H ) sidentie a
strat
egie dynamique `
a poids constant donn
e par lexpression suivante : h (1/)h.
De plus, son processus de prix suit un mouvement brownien g
eom
etrique dont lexpression est la
suivante :
dHt /Ht = (r + 2 /) dt + (/ )dZt ,

ou de facon
equivalente, Ht = H0 exp (r + ( 1/2) (/)2 )t + (/)Zt avec H0 =
2
e((1)/) (r+ /2)T

18. En eet, dans le cadre du mod`
ele de B&S, les propri
et
es de transformation suivantes
permettent dexprimer la valeur du portefeuille num
eraire, Ht , ou du portefeuille de Merton,
eciproquement : on a Ht = (t)(Mt )h avec
Ht , en fonction de celle de lactif risque Mt et r
(t) e(r( 2 2 ))t = e(1h)(r+ 2h )t = e(1h)(r+

(/)2
(1h )(r+ 2h
h2
2
)t
)t
h 2

= H0 e(1h )(r+ 2 )t .
19. On rappelle que nous d
esignons par pay-o, la courbe de valeur de la richesse terminale
exprim
ee en fonction du niveau de lactif risqu
e, note MT .
Comme nous lavons
evoqu
ese du mod`
portefeuille num
eraire ou de croissance optimale, ce qui nous permet de tracer cette courbe.
En particulier, les valeurs seuils (not
ees Mmax et Mmin ) correspondent aux valeurs de lactif
risque qui sobtiennent de celles de H et H par cette transformation.
53
sans contrainte (strategie CRRA Merton).
Figure 7. strategies optimales CRRA LEL (esperance de

sous-performance = 5%), CRRA VaR (probabilite de sousperformance = 5%) et CRRA Merton.
Les valeurs numeriques sont les suivantes : r = 4%, = 10%,
= 20%, = 75% et T = 5 ;
CRRA VaR (CRRA aversion discontinue) : = 5% A =
1, 59 ;
CRRA LEL (CRRA aversion continue) : = 5% A = 5, 09
avec B = 1 et W 0 = 122%, et on trouve, avec les valeurs cidessus des paramètres : k = 214, 63%, H = 2, 49 et H = 0, 49,
Mmax = 2, 06 et Mmin = 0, 69.
On observe sur la gure (Fig.7) que leet Casino de la strategie CRRA VaR
nest plus present ; dans la zone de valeurs basses du portefeuille sous-jacent, pour
laquelle la richesse terminale est inferieure au niveau de richesse cible, la courbe de
la strategie CRRA LEL(en bleue) est au-dessus de celle de la strategie standard
CRRA, solution du problème de Merton (courbe violette).
De plus il ny a plus non plus, contrairement a` la strategie CRRA VaR (courbe
rouge) de discontinuite entre letat intermediaire de richesse et letat des valeurs de
richesses inferieures au niveau cible.
Leet du changement de valeur cible de W 0 = 100% à W 0 = 122% est illustre
sur la gure (Fig.8).
On remarque que, dans un intervalle de valeurs basses à medianes du sous-jacent,
la courbe des valeurs nales de la strategie CRRA LEL pour W 0 = 122, 14% est
au-dessus de celle correspondant à une cible de richesse plus basse, W 0 = 100%.
Ainsi, le comportement de linvestisseur CRRA LEL parat coherent avec la
realite observee : en cas de scenario defavorable, celui-ci aura un besoin de protection dautant plus fort que sa cible de richesse nale est elevee ; ce qui netait
pas le cas de linvestisseur CRRA VaR.
54
Figure 8. Strategies optimales CRRA LEL - = 5%

- W 0 = 122%, W 0 = 100% et W 0 = 0% (strategie CRRA
Merton).
Les valeurs numeriques des autres paramètres sont les suivantes : r = 4%, = 10%, = 20%, = 75% et T = 5 ;
Pour W 0 = 100%, on trouve k = 142, 03%, H = 1, 42 et H = 0, 53,
Mmax = 1, 42 et Mmin = 0, 73 ;
Pour W 0 = 122%, memes valeurs de k, H, H, Mmax et Mmin
que pour la gure (Fig.7).
2.2.3. Expression de la mesure de perte LEL de la strategie optimale.

Nous avons vu precedemment que la mesure du risque de sous-performance associee a` la strategie optimale du problème CRRA VaR se ramenait au simple
calcul de la probabilite de sous-performance de lactif H en dessous dun seuil
(correspondant implicitement au co
ut dacquisition dune option binaire de couverture).
Nous montrons maintenant un resultat interessant en terme danalyse du risque pris
par linvestisseur CRRA LEL : la valeur de lexpression de la mesure du risque
de sous-performance associee au critère CRRA LEL, notee (HT , WT , W 0 , T ),
correspond a` la valeur dune option Put de couverture ecrite sur le sous-jacent
H .
Nous enoncons ce resultat de facon detaille dans la propriete qui suit :
Propri
et
e 7.
La mesure du risque de sous-performance pour le critère CRRA LEL notee,
ut dacquisition dune option Put de couver(HT , WT , W 0 , T ), correspond au co
ture contre la sous-performance de lactif H (`
a une constante multiplicative près
` la mesure de risque associee au ratio de Sharpe Omega du
yA ) et sidentie a
portefeuille H pour le niveau de richesse cible, W 0 .
55
Preuve de la propri
et
e 7.

Par denition, on a (HT , WT , W 0 , T ) E (1/HT )(W 0 WT (k1 , k2 ))1{W (k1 ,k2 )W 0 } .
De lexpression de WT donnee par la propriete (5), on en deduit que :
(HT , WT , W 0 , T ) = W0 er(T t) + C(yB H0 , W 0 , T ) E [(1/HT )WT (k1 , k2 )]

soit encore, (HT , WT , W 0 , T ) = P (yA H0 , W 0 , T )
o`
u C(Zt , W 0 , T t) (resp. P (Zt , W 0 , T t)) designe la valeur, à la date t, du Call
europeen (resp. Put europeen) decheance T t, de strike W 0 sur le sous-jacent Zt ,
et o`
u on a pose yA 1/(k1 k2 )1/ et yB 1/(k1 )1/ .
Ce resultat permet de simplier lenonce de la propriete (6) de la facon suivante :
Cons
equence 4. Si WT est la solution du problème (P4)(A)avec A = k1 /(k1
k2 ) o`
u k1 et k2 sont solutions du système dequations suivantes :

E(WT (k1 , k2 )/HT ) = 1
P (yA H0 , W 0 , T ) = o`
u k2 = 0
20
Alors WT est aussi la solution du problème (P5)() et reciproquement.
Autrement dit, en choisissant une valeur de A qui corresponde à une valeur de

loption Put egale a` (tel que P ((A/k)1/ H0 , W 0 , T ) = ), le problème (P4)(A)
sanalyse comme celui dun investisseur CRRA avec une contrainte explicite de type
Limited Expected Loss (problème (P5)()).
On a represente sur le graphique (Fig.9) la correspondance, pour et W 0 xes,
et pour dierentes valeurs de WT , entre le niveau daversion a` la perte,
LossAversion(C, W 0 , WT , ) C L(W 0 , WT , ), et la valeur du paramètre .
On retrouve, pour une valeur de susamment elevee (superieure a` 22% dans
lexemple dapplication numerique traite), le cas de la solution du problème de
Merton sans contrainte qui correspond a` A = 1.
Dautre part, on remarque que plus la valeur du paramètre, est basse, plus lecart
du niveau daversion à la sous-performance obtenu pour deux valeurs de richesse
nales distinctes est eleve.
A titre complementaire, on a represente, sur la gure (Fig.10), en fonction du

niveau du paramètre de risque maximum , la valeur prise par chacun des deux
strikes (note Mmax et Mmin ) correspondant aux deux bornes separant les trois
intervalles de valeurs de lactif risque, M, pour lesquels la strategie optimale exhibe
20. On peut supposer, sans perte de gen
eralit
e, que B = 1 et le probl`
eme (P4)(A,B) ne d
epend
plus du param`
etre B.
56
Figure 9. LossAversion(C, W 0 , WT , ) en fonction de

W 0 = 100%, = 75%, et WT = 50%, 80% ou 95% .
un pay-o dierent 21.
Figure 10. Valeurs des strikes (Mmax et Mmin ) en fonction de

la probabilite de sous-performance ().
W 0 = 100% et = 75%.
En conclusion, le problème avec contrainte de risque explicite LEL peut aussi

sinterpreter comme celui de linvestisseur averse à la perte qui cherche à maximiser
une fonction dutilite continue prenant en compte un co
ut dutilite supplementaire
lie `
a lamplitude de la sous-performance.
Reciproquement, on peut interpreter le choix du niveau daversion a` la perte de
evoqu
ele dactifs de B & S, il
` la date t, et Ht celle
existe une correspondance biunivoque entre Mt , la valeur de lactif risque a
du portefeuille num
ees Mmax
et Mmin correspondent aux valeurs de lactif risqu
e qui sobtiennent de celles de H et H par cette
transformation.
57
cet investisseur en terme nancier en lui faisant correspondre le choix dune mesure
de risque portant sur la valeur dune option Put de couverture associee au ratio
Sharpe Omega.
2.3. Conclusion de la section.

Dans cette section, nous avons revisite la litterature portant sur les problèmes de
choix dallocation dynamique de portefeuille avec contrainte de gestion du risque
et apporte les contributions suivantes :
Nous avons montre les deux resultats dequivalence suivants :
Le problème (P3) de linvestisseur CRRA Loss Averse, avec une fonction dutilite CRRA generalisee qui penalise de manière uniforme la perte (forme de fonction
dutilite discontinue), est equivalent au problème (P2) de linvestisseur CRRA ayant
une contrainte de risque explicite de type Value at Risk à son horizon dinvestissement.
Le problème (P4) de linvestisseur CRRA Loss averse, avec une fonction dutilite
CRRA generalisee qui penalise la perte en fonction du co
ut dutilite engendre par
cette perte (forme de fonction dutilite continue), est equivalent au problème (P5)
de linvestisseur CRRA ayant une contrainte explicite de type Limited Expected
Loss à son horizon dinvestissement.
De plus, nous avons mis en lumière le fait que lexpression de la contrainte de
perte de la strategie optimale admet, selon la mesure de perte consideree, des proprietes dierentes :
(1) Cas de linvestisseur averse à la perte avec prol de gain discontinu :
Dans le cas du problème (P2), le niveau de risque de perte de la strategie
optimale, i.e. p(WT < W 0 ), sidentie a` la probabilite de perte du portefeuille de croissance optimale en dessous dun certain seuil note H.
Lexpression du seuil H est fonction des paramètres de marche et du
niveau de probabilite de perte considere ; en revanche, il est independant
du niveau de richesse cible (i.e. paramètre W 0 de notre modèle), et du
niveau daversion au risque de linvestisseur (i.e. paramètre ).
La constante daversion à la perte du problème (P3) et la valeur du seuil H
sont lies par une correspondance bi-univoque qui depend des paramètres
W 0 et .
(2) Cas de linvestisseur averse à la perte avec prol de gain continu :
Dans le cas du problème (P5), le niveau de risque de perte de la strategie
ut dacquisition dune option Put
optimale, i.e e(WT ), sidentie au co
de couverture contre la sous-performance relativement à la valeur cible
de richesse W 0 , du portefeuille sous-jacent de type Merton. Il sagit de
la mesure de perte associee au ratio de Sharpe Omega de ce portefeuille
pour le niveau de richesse cible W 0 .
58
Cette mesure de perte depend de la valeur des paramètres W 0 et . De

plus, contrairement à linvestisseur avec contrainte explicite de type VaR
(i.e. problème (P2)), la probabilite de sous-performance de la strategie optimale de linvestisseur avec contrainte LEL (i.e problème (P5)) depend
implicitement de la valeur de la richesse cible, de la valeur du paramètre
daversion au risque mais aussi du niveau desperance de perte consideree.
3. Investisseur loss averse et neutre au risque
Nous nous interesserons, dans cette section, aux mesures de risque downside risk,
i.e. Probabilite de Perte, Esperance de Perte ou Semi-Variance, qui ont ete proposees dans la litterature en guise de mesures alternatives a` la Variance.
Nous rappellerons les principales proprietes des strategies solutions des problèmes
de maximisation de lutilite esperee dun agent loss averse neutre au risque ; ces
problèmes dinvestissement traduisant un arbitrage entre esperance de gain et downside risk (Moments Partiels Inferieurs dordre 0 à 2) ont ete proposes par
[Berkelaar Kouwenberg, 2000].
Nous considerons ensuite les problèmes similaires de maximisation de lesperance
de la richesse nale sous contrainte explicite de downside risk et montrons quelle
relation dequivalence lie le choix de la valeur du paramètre daversion a` la perte
de lagent correspondant au problème de [Berkelaar Kouwenberg, 2000] avec
celui du niveau de downside risk correspondant au problème avec contrainte explicite.
3.1. Cadre g
en
eral : le crit`
ere Moyenne / Downside Risk.
[Berkelaar Kouwenberg, 2000] etudient le problème de maximisation de lesperance
dutilite dun agent averse à la perte cherchant à arbitrer entre esperance de performance et risque de sous-performance.
Ces critères qui consistent, pour un niveau desperance donnee, à penaliser la partie
de la distribution des richesses en dessous de la cible, se fondent, dune part, sur
des mesures de risque de perte assez populaires, les mesures downside risk (telles
que la probabilite de perte, lesperance de perte, ou la semi-variance) et, dautre
part, sur le choix dune fonction dutilite lineaire pour la mesure de laversion au
risque standard.
Le problème dinvestissement correspondant est le suivant :
Probl`
eme 6.
(P 6)
max
WT L2 (P )
s.a.
E(WT ) A LP M (, W 0 , WT )
E(WT /HT ) =1
3. INVESTISSEUR LOSS AVERSE ET NEUTRE AU RISQUE
59

avec LP M (, W 0 , WT ) = E M ax W 0 WT , 0
qui designe le moment partiel inferieur (note LPM pour Lower Partial Moment),
avec 0, lordre du moment representant lattitude au risque de linvestisseur,
`
A, le coecient daversion `
a la perte de linvestisseur et W 0 la cible de richesse a
atteindre.
Remarquons que le problème (P6) peut se traduire en terme de maximisation de
lutilite esperee de linvestisseur ayant une fonction dutilite integrant dans son expression une fonction de perte (i.e. mesurant laversion à la perte) ; lexpression de
cette fonction dutilite est la suivante :

v(x) =
x A(W 0 x)
x
si x W 0
si x > W 0
Nous avons represente sur la gure (Fig.11) ci-dessous, les valeurs prises par cette
fonction dutilite pour les trois dierentes valeurs du paramètre considerees (i.e.
0,1 ou 2).
Figure 11. Fonctions dutilite Moyenne / Downside Risk.

A = 2, W 0 = 122%, = 0, = 1 ou = 2.
Comme lillustre la gure (Fig.11), selon le choix du paramètre , la sensibilite

au risque de linvestisseur est très dierente :
Pour les deux plus faibles valeurs de ( = 0, = 1), linvestisseur est très
sensible à de faibles deviations en dessous de la richesse cible, tandis que
pour = 2, linvestisseur sera davantage preoccupe par les variations plus
larges (prise en compte de lamplitude de la sous-performance).
60
En dessous du seuil de richesse cible W 0 , linvestisseur sera risque-neutre

pour = 0, = 1 (fonction dutilite lineaire), ce qui implique un comportement joueur pour linvestisseur (cest leet Casino dej`
a decrit pour
la strategie CRRA VaR) qui est pret, en cas de sous-performance intermediaire, a` prendre plus de risque, dans lespoir de pouvoir minimiser
sa perte. Au contraire il sera risque averse pour = 2 mais avec une aversion
relative au risque croissante, ce qui genère encore une exposition en actif
risque dautant plus importante que la sous-performance lest.
au-dessus de la richesse cible, la fonction dutilite est lineaire quelque soit le
choix du paramètre , ce qui implique que linvestisseur est neutre au risque.
La forme denitive du problème considere par [Berkelaar Kouwenberg, 2000]
est la suivante 22 :
Probl`
eme 7.

(P 7)
max
WT L2 (P )
s.a.
E(v(WT ))
E(WT /HT ) =1; WT 0
o`
u la fonction dutilite `
a maximiser est la suivante :
x A(W 0 x) si x W 0
x
si W 0 < x W
v(x) =
W
si x > W
Avec le paramètre daversion representant lattitude au risque de perte de linvestisseur, A son coecient daversion a
` la perte, W 0 la cible de richesse a
` atteindre
et W le niveau de richesse maximale (i.e. seuil de satiete de linvestisseur).
3.2. Probabilit
e ou esp
erance de sous-performance comme mesure
de risque.
[Berkelaar Kouwenberg, 2000] obtiennent le resultat suivant (avec les memes

notations que precedemment) :
Propri
et
e 8. Avec 1, la richesse terminale optimale du problème (P7)
est donnee par lexpression suivante,
si HT > H
W
WT =
W 0 si H HT H
0
si HT < H

o`
u H k et H k/ 1 + A(W 0 )1 Avec k 0 veriant lequation de budget
suivante : E(WT /HT ) = 1
22. [Berkelaar Kouwenberg, 2000] proposent cette forme modi
ee de fonction dutilit
e
born
ee pour palier au probl`
eme de la lin
earit
e au-dessus de la richesse cible (qui rend le probl`
eme
doptimisation non borne) ; Cette valeur de richesse seuil, W , sinterpr`
ete comme un niveau de
sati
et
e au-dessus de laquelle, si atteinte, lint
egralit
e de la richesse de lagent est investi dans lactif
non risqu
e. Lajout dune contrainte suppl
ementaire de non n
egativit
e sur la richesse nale dans
le probl`
eme de maximisation permet d
eviter des niveaux de richesse n
egative.
61
Ce resultat implique que la strategie peut sinterpreter comme un investissement

sur deux options call binaires de strike dierents : la première, de strike H, payant
(W W 0 ) ou 0 et la seconde, de strike H, et payant W 0 ou 0.
Nous donnons ci-dessous lexpression de la valeur intermediaire de la strategie dynamique obtenue dans le cas du modèle a` deux actifs de B&S :
Cons
equence 5. La valeur `
a la date, t, de la strategie dynamique atteignant
la solution optimale du problème (P7), notee Wt , est donnee par la formule :
Wt = W 0 Bc (Ht , H, T t)+(W W 0 )Bc (Ht , H, T t)
avec les memes notations que precedemment et o`
u Bc (Ht , X, T t) designe la valeur,
` la date t, de loption call binaire, decheance T-t, de strike X, sur le sous-jacent
a
Ht .
Nous placant a` nouveau dans le cadre restrictif du modèle de B&S, nous avons
represente sur la gure (Fig.12) ci-dessous, le pay-o 23, des strategies mean
downside risk (dans la suite notees MD) pour = 0 et = 1.
Figure 12. Strategies optimales Moyenne / Downside Risk Probabilite et Esperance de Perte - A = 2, W 0 = 122%.
Les valeurs numeriques des autres paramètres sont les suivantes :
r = 4%, = 10%, = 20% et T = 5.
23. On d
esigne par pay-o, la courbe de valeur de la richesse terminale exprim
ee en fonction
du niveau de lactif risqu
e, note MT .
Comme nous lavons
evoqu
ese du mod`
portefeuille num
eraire ou de croissance optimale, ce qui nous permet de tracer cette courbe.
62
On observe que la richesse optimale exhibe un double prol binaire :

En dessous du niveau de richesse cible, la richesse optimale tombe de facon
discontinue a` un niveau de richesse nulle.
Le passage entre la zone de sur-performance (niveau de satiete) et le niveau
intermediaire (richesse cible) se fait egalement de manière discontinue.
3.3. Choix de la Downside Variance comme mesure de risque.

Dans le cas de la semi-variance, [Berkelaar Kouwenberg, 2000] obtiennent le
resultat suivant
Propri
et
e 9. Avec > 1, la richesse terminale optimale du problème (P7)
est donnee par lexpression suivante :
si HT > H
W
1/(1)

k/H
1
T
WT =
W0
si H HT < H
A
0
si HT < H

o`
u H k et H k/ 1 + A(W 0 )1 Avec k 0 veriant lequation de budget
suivante : E(WT /HT ) = 1
On en deduit que, pour = 2, la strategie dynamique optimale, notee Moyenne

/ Semi-Variance, se decompose comme la somme de trois positions optionnelles
elementaires : une position longue sur une option Put de strike I 1/H =
(2AW 0 +1)/k, une position courte sur une option Put de strike I 1/H et enn une
position longue sur une option put binaire de strike I = 1/H, les trois options etant
ecrites sur le meme sous-jacent, le portefeuille atteignant la richesse terminale IT 24.
Lexpression de la richesse intermediaire dans le cas du modèle à deux actifs de
B&S en decoule :
Cons
equence 6. La valeur `
a la date, t, de la solution optimale MD avec
= 2,Wt , est donnee par la formule suivante :
Wt = (W W 0 )B(It , I, T t) + ak{P (It , I, T t) P (It , I, T t)}
Avec P (It , X, T t)(resp. B(It , X, T t)) qui designe la valeur du put europeen
(resp. de loption put binaire) de strike X, decheance T-t, sur le sous-jacent It et
o`
u on a pose a 1/2A
24. Il sagit du portefeuille solution du problème dynamique de minimisation de la norme de la
richesse terminale ; dans le cadre du mod`
ele B&S `
a deux actifs consid
er
es, ce portefeuille correspond `
a une strat
egie dynamique investissant un poids constant de la richesse dans lactif risque,

. De plus le processus de prix
not
e i qui est donn
e par la formule suivante : i h r
2
eom
etrique dont lexpression
est la suivante
:
du portefeuille, not
e It est un mouvement brownien g

equivalente It = I0 exp (r 32 2 ) t Zt avec
dIt /It = (r 2 ) dt dZt , ou encore, de facon
I0 = e(
2r)T .
63
Dans le cadre des hypothèses restrictives du modèle de B&S, nous avons represente
sur la gure (Fig.13) ci-dessous, le pay-o de la strategie Moyenne / SemiVariance (strategie MD avec = 2, notee MSV dans la suite de la thèse) et
a titre comparatif celui de la strategie Moyenne / Variance (MV) standard.
`
On observe que la richesse terminale optimale nexhibe pas de discontinuite au
niveau du seuil de la valeur de lactif risque marquant le passage entre la zone intermediaire de richesse et la zone basse (egale a` 0) ; il ny a donc pas deet casino
(gambling eect) entre letat intermediaire et letat de sous-performance (richesse
nulle) contrairement au cas 1.
Figure 13. Strategie optimale Moyenne / Semi-Variance &

Moyenne / Variance
Semi-Variance : A = 2, W 0 = 122% - Variance : A = 0, 25.
Les valeurs numeriques des autres paramètres sont les suivantes :
r = 4%, = 10%, = 20% et T = 5.
Ce qui peut sinterpreter de la manière suivante : linvestisseur est plus preoccupe

deviter les niveaux de richesses nales très faibles ou nulles que datteindre ou non
la richesse cible (contrairement au cas precedent, sa richesse terminale est inferieure
a la cible dans la zone de intermediaire).
`
Cependant, on observe toujours une discontinuite au niveau du passage entre letat
de richesse haute et letat de richesse intermediaire du fait de la risque-neutralite
de linvestisseur au-dessus de la richesse cible.
64
3.4. Expression du degr

e daversion en fonction du risque de perte
tol
er
e.
Nous considerons ici le problème avec contrainte explicite de downside risk suivant :
Probl`
eme 8.

max E(WT )
(P 8) WT L2 (P )
s.a. E(WT /HT ) =1 ; LP M (, W 0 , WT ) ; 0 WT W
Propri
et
e 10. La richesse terminale optimale du problème (P8) est donnee
par lexpression suivante,
(1) Pour 1,
WT =
W0
si HT > H
si H HT H
si HT < H
o`
u H k1 et H tel que P (HT H) = (W 0 ) Avec k1 0 veriant
lequation de budget suivante : E(WT /HT ) = 1
(2) Pour > 1,
W
1/(1)

k1 /HT 1
0
WT =
W
A
si HT > H
si H HT < H
si HT < H
o`
u H k1 et H k1 /(1 + k2 (W 0 )1 ) et avec (k1 , k2 ) veriant le
système dequations suivant :

E(WT (k1 , k2 )/HT ) = 1

LP M (, W 0 , WT (k1 , k2 )) =
Nous en deduisons les resultats dequivalence suivants :

Cons
equence 7.
(1) Pour 1, si WT est la solution du problème (P7)(A) avec A veriant,
A=(
k
1) (W 0 )1
H
o`
u P (HT H) =
(W 0 )
alors WT est aussi la solution du problème (P8)() et reciproquement.
65
(2) Pour > 1, si WT est la solution du problème (P7)(A) avec

k = k1 et A = k2
o`
u k1 et k2 sont solutions du système dequations suivantes :

E(WT (k1 , k2 )/HT ) = 1
LP M (, W 0 , WT (k1 , k2 )) =
Malgre leur interet pratique et leur grande simplicite, les critères de type Moyenne
/ Downside Risk paraissent induire un certain nombre de comportements non souhaitables de la part de linvestisseur.
Il apparat ainsi necessaire de proposer des critères alternatifs qui puissent repondre
aux dicultes majeures quinduisent les critères examines dans cette partie et notamment :
La neutralite au risque au-dessus du seuil de richesse cible.
-La discontinuite des pay-os impliquant un comportement joueur de linvestisseur (eet casino).
CHAPITRE 2
Crit`
ere moyenne - variance - downside risk
Si le critère du problème doptimisation Moyenne / Variance (MV dans
la suite) est très utilise en pratique par les praticiens de la gestion (bien plus par
exemple que lapproche du critère de maximisation de lesperance dutilite de linvestisseur avec une preference CRRA), il est cependant bien connu que la mesure
de risque quil utilise, la variance, presente un certain nombre dinconvenients 1.
Dans ce chapitre, le defaut quil sagira de palier est son caractère symetrique 2
qui le rend inadapte a` la prise en compte dune forme de preference asymetrique
telle que laversion à la sous-performance.
Ainsi nous souhaitons generaliser lapproche du critère Moyenne /Variance (MV
dans la suite) dans un cadre de choix dallocation dynamique de portefeuille (voir
par exemple [Bajeux-Besnainou Portait, 1998] pour lanalyse de ce problème
sans contrainte daversion et [Nguyen Portait, 2002] pour lanalyse de ce meme
problème avec une contrainte supplementaire de non negativite sur la richesse terminale).
Nous proposons pour cela detudier un problème doptimisation plus general repondant
a une pre-occupation de contr
`
ole du risque de sous-performance : il sagit du
problème Moyenne-Variance / Downside Risk pour lequel nous exposons les principales proprietes des strategies optimales correspondantes.
Nous resoudrons le problème dinvestissement dynamique de lasset manager qui
cherche a` maximiser lutilite esperee de sa richesse nale pour un choix particulier de fonction dutilite appartenant à la classe HARA loss averse introduite
dans le chapitre precedent. Il sagit dune fonction dutilite qui generalise la forme
standard de fonction dutilite quadratique à la prise en compte de laversion a` la
sous-performance 3.
A ce titre, nous considerons implicitement deux mesures de perte introduites dans
le chapitre precedent :
La probabilite de perte (niveau de VaR) pour lagent averse a` la perte
cherchant a` maximiser une fonction dutilite quadratique dont lexpression
comprend une fonction de perte constante. Ce problème sera traite dans la
première section.
Lesperance de perte (niveau de LEL (Limited Expected Loss) similaire
a la notion de CVaR) pour lagent averse a` la perte cherchant à maximiser
`
1. En particulier il sagit dune mesure de risque incoh
erente.
2. Les gains extremes sont p
enalis
es autant que les pertes de meme amplitude.
3. Cette fonction dutilit
e quadratique loss averse comprend une fonction de perte qui
p
enalise la sous-performance par rapport au niveau de richesse cible.
67
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
68
une forme de fonction dutilite quadratique generalisee qui penalise le co

ut
dutilite de la sous-performance. Ce problème sera analyse dans la seconde
section.
1. Strat
egie optimale avec contrainte VaR
Nous considerons dans cette section un investisseur qui cherche à allouer son portefeuille en se fondant sur une approche MV dynamique : arbitrage entre esperance
de rendement et niveau de risque à lhorizon dinvestissement avec rebalancements
intermediaires possibles.
De plus, on suppose quil doit tenir compte dune contrainte supplementaire de
type VaR imposee, par exemple, par linvestisseur nal ou le risk manager.
Ce qui peut secrire en terme de maximisation de lutilite esperee de la richesse
nale, pour un choix de fonction dutilite quadratique, de la facon suivante :
Probl`
eme 9.
E(u(WT ))
WT max
L2 (P )
(P 9)
s.a. E(WT /HT ) =1 ;
WT W
P (WT W 0 ) 1 avec 0 1 xe;
avec u(.) la fonction dutilite quadratique donnee par la formule :

u(x) = x (1/2a) x2 et avec W 0 < a (sinon la contrainte de sur-performance nest
pas pertinente)
Comme pour les problèmes doptimisation moyenne-downside risk etudies dans la
dernière section du chapitre precedent, nous imposons une contrainte supplementaire
de non negativite sur la richesse terminale (car lutilite marginale de la fonction
dutilite quadratique nest pas innie en 0).
Plus precisement, et pour reeter leventuelle aversion supplementaire de linvestisseur à la sous-performance, nous considerons une contrainte de richesse nale
minimale de la forme WT W avec 0 W W 0 .
Ce qui implique, par AOA, que la richesse intermediaire de linvestisseur ne peut
etre inferieure a` la valeur presente de ce seuil de richesse :
u ZC(t, T ) designe la valeur, à la date t, de lobligaWt W ZC(t, T ) 0 o`
tion Zero-Coupon decheance T 4.
Pour une valeur du coecient daversion à la sous-performance, B 0, à denir 5,
le problème est equivalent au problème suivant :
a la date t, de lobligation Z
ero-Coupon dech
eance T est donnee par ZC(t, T )
valeur, `
4. la
E
1
HT
5. voir la propri
et
e 11 d
equivalence dans la sous-section 1.2 qui suit, intitul
ee Choix du
niveau daversion `

1. STRATEGIE
OPTIMALE AVEC CONTRAINTE VAR
Probl`
eme 10.
(P 10)
max
WT L2 (P )
s.a.
69
E(u(WT )) BP (WT W 0 )
E(WT /HT ) =1; WT W
Ce problème dinvestissement est donc celui de linvestisseur averse à la sousperformance qui cherche à maximiser lutilite esperee de sa richesse nale pour
une forme de fonction dutilite quadratique generalisee qui exhibe une discontinuite
au voisinage du seuil de richesse cible et dont lexpression est la suivante :
v(W ) u(W ) B 1{W W 0 }
Il parat utile de mentionner les cas limites suivants :
Pour a + (pas daversion au risque), le problème se ramène au problème
Moyenne / Downside Risk (note MD dans la suite) avec = 0 presente
dans la dernière section du precedent chapitre 6.
Pour B 0 (pas daversion à la sous-performance), le problème sidentie
au problème MV avec contrainte explicite de protection de niveau W (note
MV PIdans la suite de la section).
1.1. Expression de la richesse nale optimale.
Th
eoreme 2. La richesse terminale optimale du problème (P10) est donnee
(1) Si W 0 W + 2aB,
a(1 k/HT ) si HT > H
si H < HT H
W0
WT =
)
si
HW < HT H
a(1
k/H
W
si HT HW
(2) Si W 0 < W + 2aB

WT =
W0
si HW < HT H
W
si HT HW
avec k veriant lequation de budget suivante :E(WT /HT ) = 1,
avec H k/(1 W 0 /a), H k/(1 (W 0 2aB)/a), 7 HW k/(1 W /a) et
o`
u H > H.
6. il
sagit
du
probl`
eme
Moyenne
/
Downside
Risk
propos
e
par
[Berkelaar Kouwenberg, 2000] pour un choix de mesure de perte correspondant a
`
la probabilit
e de sous-performance par rapport au niveau cible, i.e. = 0. A noter que
[Berkelaar Kouwenberg, 2000], an de palier a
` la neutralit
e au risque de linvestisseur en
cas de sur-performance, prennent en compte une contrainte technique supplementaire de richesse
maximum ou seuil de sati
et
e, i.e. WT < W .
7. H est solution de
u(I(k/H))(k/H)I(k/H)u(W 0 )+(k/H)W 0 = B (a/2) (1k/H)2 +W 0 (k/H) = W 0 (W 0 /2a)+B
eriv
ee premi`
ere de la
o`
u I : x I(x) a(1 x) d
esigne la fonction inverse de u , la fonction d
fonction dutilit
e quadratique u.
70
`
2. CRITERE
Nous pouvons faire les remarques suivantes sur le prol de gain nal de la strategie
optimale du problème MV avec contrainte VaR (designee dans la suite strategie
MV VaR) :
(1) Pour a, B, W xes, Si W 0 W + 2aB, (i.e le niveau de richesse cible

est susamment eloigne du niveau de la contrainte dassurance de portefeuille), on a H HW . Sinon, on a H < HW et la strategie optimale
prend la forme dune strategie dassurance de portefeuille a` deux niveaux
de protection donnee par la seconde expression du theorème (2).
(2) Pour a, W 0 , W xes, la contrainte W 0 W + 2aB implique que

u A 1/2a represente le niveau
B Bmax avec Bmax A (W 0 W )2 o`
daversion au risque et Bmax le seuil daversion à la perte au-del`
a duquel
lasset manager nest plus en mesure de prendre de risque supplementaire
de perte dans les etats intermediaires de marche 8. Lexpression de ce seuil
daversion implique que sa valeur est une fonction croissante du niveau
daversion au risque et de lecart entre la richesse cible W 0 et la richesse
minimale W .
(3) Le cas limite W 0 = W + 2aB implique HW = H et correspond au niveau

daversion limite (i.e. B = Bmax ) au-delà duquel la strategie MV VaRest
independante du paramètre daversion B et sidentie a` une strategie dassurance de portefeuille a` deux niveaux de protection 9 :
Un premier etat intermediaire o`

u la richesse nale est maintenue
egale au niveau de performance cible, W 0 .
Un deuxième etat o`
u la richesse nale est egale au niveau de richesse minimale W .
(4) On retrouve le cas limite B = 0 pour W 0 = W (puisque dans ce cas
Bmax A (W 0 W )2 = 0) ; de plus, on a aussi H = H et la strategie
optimale sidentie à la strategie MV PI a` un seul etat de protection
sans aversion à la perte par rapport a` la cible W 0 .
8. Ce qui peut sinterpr

eter de la mani`
ere suivante : pour B Bmax , le niveau de perte toler
ee
(impos
ee par exemple par le risk manager) est si faible quil contraint lasset manager a
` suivre
une strat
egie dassurance de portefeuille, en maintenant la richesse nale au-dessus de la richesse
edianes du portefeuille sous-jacent H (HW < HT H)
cible, W 0 , dans une zone de valeurs m
9. il est facile de montrer que cette strat
egie peut sinterpr
eter comme la combinaison des
strat
egies
el
ementaires suivantes :
Une strat
egie dinvestissement sidentiant `
a la solution du probl`
eme MV dynamique
sans aucune contrainte de risque ni de protection (`
a la valeur de la constante k pr`
es),
ecrite sur ce
Un premi`
ere niveau de couverture comprenant une option put de strike W
m
eme portefeuille,
Un deuxi`
eme niveau de couverture constitu
e dune option call spread binaire payant
ecrite sur le m
eme sous-jacent.
W 0 W entre les strikes W et W 0 et
On notera la similitude de ce pay-o avec celui de la strat
egie MD dordre 0 a
`1
etudi
ee dans
la section pr
ec
edente.

1. STRATEGIE
71
On en deduit du theorème (2) que la strategie optimale peut etre decomposee en

strategies elementaires, resultat qui peut senoncer de la manière suivante :
Cons
equence 8. La strategie dynamique atteignant la richesse terminale solution du problème (P10) et dont lexpression est donnee dans le theorème(2) est
la combinaison des positions elementaires suivantes :
(1) Si W 0 W +
2aB,
Une strategie dassurance de portefeuille consistant a

` detenir dune
part un portefeuille sidentiant (`
a la valeur de la constante k près)
a la solution du problème moyenne variance dynamique sans contraintes
`
et, dautre part, une position acheteuse dune option Put de strike
W 0 ecrite sur le meme portefeuille.
Une strategie vendeuse de couverture sur le meme portefeuille
sous-jacent et comprenant
une position vendeuse dune option Put
vendeuse dune option Put

de strike W 0 2aB et une position
binaire de meme strike et payant 2aB.

Une strategie acheteuse de couverture constituee dune position
acheteuse dune option Put de strike W sur le meme portefeuille
sous-jacent.
(2) Si W 0 < W +
2aB,

` detenir dune
part un portefeuille sidentiant (`
a la valeur de la constante k près)
a la solution du problème moyenne variance dynamique sans contraintes
`
et, dautre part, une position acheteuse dune option Put de strike
W 0 ecrite sur ce meme portefeuille.
Une strategie vendeuse de couverture comprenant une position
vendeuse dune option Put binaire de strike W et payant W 0 W
ecrite sur le meme portefeuille sous-jacent.
Dans la suite de cette section , an danalyser les proprietes de la strategie

optimale, nous allons nous placer dans le cadre restreint du modèle a` deux actifs
de [Black Scholes, 1973] (dans la suite B&S).
On rappelle que dans ce cadre, on fait lhypothèse de lexistence dune seule source
de risque (i.e. le nombre dactifs est de deux) ; de plus, on suppose que tous les paramètres servant a` decrire la dynamique du prix des deux actifs nanciers (un actif
sans rique et un actif risque) sont constants. Lunivers dinvestissement se compose
donc des deux actifs suivants :

valeur à la date t est notee St0 ; cet actif a un rendement instantane donne
`
2. CRITERE
72
par
dSt0 /St0 = rdt
o`
autre actif action dont la dynamique de prix est decrite par un mouvement
brownien geometrique ; son rendement instantane secrit
o`
court plus une prime de risque action notee r) et designe sa
volatilite constante.
On remarquera que dans le cadre du modèle de B&S, nous avons les proprietes
suivantes :
(1) Expression du portefeuille numeraire, note (H, h), atteignant la richesse

nale HT :
-le portefeuille numeraire sidentie à une strategie dynamique investissant un poids constant dans lactif risque, note h, qui est donne par
lexpression suivante : h = / 2 / .
-sa dynamique de prix est decrite par un mouvement brownien geometrique
dont lexpression est la suivante :
dHt /Ht = (r + 2 )dt + dZt

ou de facon equivalente, Ht = exp (r + 12 2 ) t + Zt .
(2) Expression du portefeuille de norme minimum 10, note (I, i), atteignant
la richesse nale 1/HT :
-le portefeuille de norme minimum correspond a` une strategie dynamique investissant un poids constant de la richesse dans lactif risque,
note i, qui est donne par la formule suivante :
i h r
2 .
-la valeur de ce portefeuille, note It , suit un mouvement brownien geometrique
dont lexpression est la suivante :
dIt /It = (r 2 ) dt dZt ,

ou encore, de facon equivalente, It = I0 exp (r 32 2 ) t Zt
2
avec I0 = e( 2r)T .
(3) Expression de la relation de correspondance entre la valeur des deux portefeuilles, Ht et It , et celle de lactif risque notee Mt :
Il existe une relation biunivoque entre la valeur du portefeuille numeraire,
Ht , et celle de lactif risque, Mt , ou encore, entre celle du portefeuille de
10. Il sagit du portefeuille solution du probl`
eme dynamique de minimisation de la norme de
la richesse terminale.

1. STRATEGIE
73
Norme Minimum, It et Mt . Ces relations sont donnees par les expressions suivantes :
Ht = (t)(Mt )h avec (t) e(r( 2 2 ))t = e(1h)(r+ 2h )t = e(1h)(r+
et It = (t)(Mt )i avec (t) I0 e(1i)(r+ 2i ) t = I0 e(1i)(r+
i2
2
)t
h2
2
Cette dernière propriete nous permettra dexprimer la valeur du portefeuille optimal en excès de celle du benchmark, notee Yt , en fonction de Mt ; resultat qui nous
sera utile dans la suite de cette section pour lanalyse des proprietes de la strategie
optimale.
Enn, notons que dans la suite de ce chapitre, nous utiliserons pour toutes les
applications numeriques, et sauf si cela est precise autrement, les valeurs suivantes
des paramètres : r = 4%, = 10%, = 20% et T = 5.
1.2. Choix du niveau daversion `

Lequivalence entre les deux formulations du problème (avec contrainte explicite de
VaR o`
u avec fonction dutilite prenant en compte laversion a` la perte) est donnee
par la propriete suivante :
Propri
et
e 11. Si WT est la solution du problème (P10)(B) avec B veriant
0
u P (HT H) =
B = A(W a(1k/H))2 o`

En nous placant dans le cadre du modèle a` deux actifs de B&S, nous pouvons en
deduire lexpression de H en fonction du niveau de probabilite de perte maximum,
.
Cette expression qui est independante du choix de la fonction dutilite est la meme
que celle trouvee dans la section precedente o`
u nous avions analyse la strategie
dynamique CRRA VaR 11.
En revanche, la fonction, dont lexpression est donnee dans la propriete (11) et
qui donne la correspondance entre les deux parametrisations B et , nest plus la
meme que dans le cas de la fonction dutilite CRRA.
A titre dillustration, nous avons represente sur les gures ci-dessous la correspondance de valeurs entre B et pour a = 1, 5 (g.1) et a = 4 (g. 2).
En comparant les deux gures ci-dessous, on observe leet escompte : la hausse
de la valeur du paramètre de tolerance au risque, a (passant de 1,5 à 4) implique
une baisse du seuil du paramètre daversion a` la perte, Bmax (qui passe de 49,7% à
18%) ou de manière equivalente une hausse du niveau correspondant de probabilite
de perte toleree (qui passe de 0,4% à 14,5%).
11. solution du probl`

erance dutilit
e dun investisseur CRRA ayant
une contrainte de VaR identique
)t
74
`
2. CRITERE
Figure 1. Niveau du coecient daversion a` la sous-performance,

B, en fonction du niveau de probabilite de sous-performance
maximum note P (WT W 0 )
a = 1, 5, W 0 = 122%, W = 0%
Figure 2. Niveau du coecient daversion a` la sous-performance,

B, en fonction du niveau de probabilite de sous-performance
maximum note P (WT W 0 )
a = 4, W 0 = 122%, W = 0%
Nous avons represente sur les gures suivantes, pour a = 1, 5 (Fig.3) et pour
a = 4 (Fig.4), les valeurs des strikes(Mmax, MV aR et MWmin ) correspondant
aux trois bornes separant les quatre intervalles de valeurs de lactif risque, M, pour
lesquels la strategie optimale exhibe un pay-o dierent 12, en fonction du niveau
de sous-performance maximum, .

evoqu
ele dactifs de B & S,
` la date t, et Ht
il existe une correspondance biunivoque entre Mt , la valeur de lactif risque a
celle du portefeuille num
ees
e qui sobtiennent de celles de
Mmax , MV aR et MWmin correspondent aux valeurs de lactif risqu
H, H et HW par cette transformation.

1. STRATEGIE
75
Nous observons les deux cas limites dejà mentionnes :
La strategie MV VaR sidentie a` la strategie MV sans contrainte daversion (MV PI) pour un niveau de probabilite de perte superieur à un certain
seuil. Dans notre exemple dapplication numerique, pour a = 1, 5 (Fig.3), ce
seuil est egal a` 15,8% et pour a = 4 (Fig.4), il prend la valeur 26,4%. Ce
seuil de probabilite de perte correspond implicitement au choix dune valeur
nulle pour le paramètre daversion, note B. Ainsi, on observe que les courbes
de valeurs des deux strikes, Mmax et MV aR , se rejoignent a` ce seuil de
probabilite de perte (i.e la zone intermediaire de protection disparat).
A loppose, pour les valeurs de inferieures à un seuil minimum (correspondant a` une valeur du paramètre daversion egale a` Bmax ), la strategie MV
VaR sidentie à la strategie MV PI a` deux etats de richesses xes (W 0 et
W ) ; on observe que pour cette valeur du paramètre , les courbes des deux
plus petits strikes, MV aR et MWmin , se rejoignent.
Figure 3. Valeurs des strikes (Mmax , MV aR et MWmin ) en fonction de la probabilite de sous-performance ()

W 0 = 122% et a = 1, 5.
76
`
2. CRITERE
Figure 4. Valeurs des strikes (Mmax et MV aR et MWmin ) en

fonction de la probabilite de sous-performance ()
W 0 = 122% et a = 4.
1.3. Analyse comparative du pay-o de la strat
egie optimale.
Dans la suite, on sinteresse au cas de la solution pour lequel on a W 0 W + 2aB.

Nous souhaitons comparer le prol de richesse nale de la strategie MV VaR
a celui de dierentes strategies dej`
`
a considerees precedemment.
(1) Comparaison avec la strategie optimale du problème MV avec contrainte

de protection (strategie MV PI) et avec celle du problème MV sans
contrainte (designee dans la suite strategie MV).
Sur la gure (Fig.5), nous observons les deux points suivants :
Dans les etats de richesse intermediaire à elevee (au-dessus du seuil

de richesse cible), la strategie MV VaR sidentie a` une strategie
dassurance de portefeuille. La valeur de sa performance nale est
comprise entre celle de la strategie MV PI (à un seul niveau de protection W 0 et correspondant au maximum daversion à la perte) et
celle de la strategie MV sans assurance de portefeuille (minimum
daversion a` la sous-performance).
Dans la zone de sous-performance, la courbe de la strategie MV VaR
est en dessous de celle de la strategie MV sans aucune contrainte de
risque (eet Casino dej`
a mentionne dans le chapitre precedent).
(2) Comparaison avec la strategie optimale du problème Moyenne / SemiVariance (Mean Downside Variance), notee MSV.
A première vue, les pay-os de ces deux strategies ont certaines similitudes comme le montre la gure (Fig.6) ci-dessous ; en eet si lon

1. STRATEGIE
77
Figure 5. strategies optimales MV, MVPI, MV VaR (a = 1, 5,

W 0 = 100%, W = 0%).
exclut la zone de sur-performance de la strategie MV VaR, les trois autres
etats de richesse de cette strategie (etat intermediaire, bas et de richesse
nulle) sont similaires aux trois etats de la strategie MSV (etat de surperformance, intermediaire et de richesse nulle).
Cependant en examinant les deux pay-os, etat par etat de richesse
equivalente, nous en deduisons que les deux strategies exhibent des proprietes assez dierentes :
La fonction dutilite de la strategie MV VaR netant pas lineaire audessus du seuil de richesse cible, il ny a pas de discontinuite entre
letat intermediaire et letat de sur-performance ; au contraire, la
strategie MSV admet un saut entre ces deux niveaux.
La forme de la richesse de la strategie MV VaR correspondant à
letat de sur-performance est similaire a` celle de la strategie MV 13,
alors que celle de la strategie MSV correspond a` une fonction constante
egale au niveau de satiete.
La valeur de la strategie MV VaR dans letat intermediaire de richesse est constante et egale a` la richesse cible (la couverture contre
la sous-performance est donc totale). A loppose, dans un intervalle
de valeurs medianes du sous-jacent, la valeur nale de la strategie
MSV est inferieure a` la richesse cible (couverture partielle).
Ces trois points semblent plaider en faveur du prol de la strategie MV
VaR. Cependant, celle-ci a le grand inconvenient dexhiber une discontinuite dans son pay-o au niveau du seuil de richesse cible, ce qui nest
pas le cas pour la strategie MSV.
13. la strat
egie MV admet un prol concave avec une borne de richesse maximale
egale au
param`
etre de tol
erance au risque, a , qui sinterpr`
ete comme le niveau implicite de sati
et
e de
linvestisseur
`
2. CRITERE
78
En eet, la strategie MSV prend en compte, gr

ace à lutilisation de la semivariance comme mesure du risque, lamplitude des deviations negatives par
rapport a` la cible, ce qui permet deviter leet casino de la strategie MV
VaR dans cet etat intermediaire de richesse (provenant de lutilisation de
la probabilite de sous-performance comme mesure de risque).
Figure 6. strategies optimales MV VaR et MSV

Strategie MV VaR : a = 1, 5, W 0 = 122%, W = 0%, = 1%.
Strategie MSV : A = 1, W = 142%, W 0 = 122%, W = 0%.
(3)
Comparaison avec la strategie solution optimale du problème CRRA VaR

Lexercice de comparaison entre les pay-os des strategies, solutions
optimales des problème CRRA VaR et MV VaR, qui correspondent a` des
choix de fonctions dutilite ayant des proprietes très dierentes, semble
dicile.
En partant de lexemple numerique represente sur la gure (Fig.7), et en
considerant ces deux strategies pour le meme niveau de sous-performance
maximale et la meme valeur de richesse cible, nous pouvons cependant
faire les remarques suivantes :
Le prol de gain concave de la strategie MV VaR implique une

moindre performance que celle de la strategie CRRA VaR dans la
zone des richesses les plus elevees (dans notre exemple pour les valeurs de MT superieures à environ 2,3).
Tandis que lasset manager MV VaR opere un de-investissement
progressif au fur et à mesure que la richesse se rapproche du seuil
de satiete represente par le niveau du paramètre, a (dans lexemple
traite a = 4), lasset manager qui suit la strategie convexe CRRA
VaR continue daugmenter son exposition en actif risque.
A loppose, a` cause de son prol de gain concave, la strategie MV
VaR sur-performe, dans une zone de richesses intermediaires -

1. STRATEGIE
79
hautes (dans notre exemple pour les valeurs de MT de 1,2 à 2,3),

la strategie convexe CRRA VaR.
Une discontinuite entre letat intermediaire et letat de richesse nulle
apparait dans le pay-o de la strategie MV VaR ; elle resulte de
la contrainte de non-negativite imposee dans le critère doptimisation 14.
Cette discontinuite est moins importante dans le cas de la strategie
CRRA VaR qui converge de facon continue vers 0 quand le sousjacent tend vers 0 dans la zone de richesse basse.
Figure 7. strategies optimales MV VaR et MV CRRA avec le

meme niveau de probabilite de sous-performnace
Strategie MV VaR : a = 4, W 0 = 122%, W = 0%, = 15%.
Strategie CRRA VaR : = 75%, W 0 = 122%, W = 0%, = 15%.
14. dans lexemple trait

e sur la gure (Fig.7), la strat
egie MV VaR prend son prol le plus
restrictif de strat
egie dassurance de portefeuille a
` deux
etats : il ny a pas d
etat o`
u lasset
manager MV VaR est actif et sous-performe ; de plus, un seul saut de valeur se produit entre
l
etat interm
ediaire et l
etat de richesse nulle
80
`
2. CRITERE
1.4. Sensibilit
e du pay-o optimal au choix des param`
etres.
(1) Eet du changement du seuil de probabilite de sous-performance maximum

On observe sur la gure (Fig.8) ci-dessous que la hausse de la valeur
du paramètre de tolerance à la perte entrane lelargissement des deux
zones de valeurs de lactif risque, M , pour lesquelles linvestissement est
actif (zones de sur et de sous-performance) au detriment de la zone intermediaire de richesse o`
u sopère une couverture totale du risque (richesse
constante egale a` la richesse cible) :
Pour = 1% (courbe bleue), le pay-o de la strategie est proche

de celui de la strategie, discontinue à deux etats de protection
consecutifs, qui correspond au seuil daversion Bmax .
Pour = 3% (courbe rouge), la strategie correspond à un niveau
daversion intermediaire.
Pour = 16% (courbe vilolette), la strategie optimale sidentie
avec la strategie MV PI qui correspond à un niveau nul daversion a` la sous-performance (i.e. B = 0) et a` une contrainte unique
de protection contre les niveaux de richesse negative.
On en deduit que plus le niveau de tolerance à la perte est eleve, plus
la performance de la strategie MV VaR est elevee dans les scenarios de
marche medians, et a` linverse, plus elle est faible dans les scenarios de
marche defavorables et favorables.
Figure 8. Strategie Optimale MV VaR : eet du niveau de

probabilite de sous-performance
a = 1, 5, W 0 = 122%, W = 0%.

1. STRATEGIE
81
(2) Eet du changement du niveau de richesse cible W 0

Lanalyse de la gure (Fig.9) fait ressortir les deux points suivants : pour
un seuil de probabilite de sous-performance xe,
La zone intermediaire de valeurs de lactif risque, o`
u le gerant
implemente une gestion passive avec protection du seuil de richesse cible, est dautant plus large que le niveau de richesse cible
est eleve.
A linverse, la zone de gestion active avec sous-performance est dautant plus etroite que la cible de richesse nale est elevee. De plus,
la hauteur du saut de richesse (discontinuite), qui a lieu entre letat
intermediaire et la zone de sous-performance, est une fonction croissante de la cible de richesse nale.
Ainsi la strategie MV VaR sera dautant plus performante dans les scenarios
de marche medians et dautant moins performante dans les scenarios plus
extremes que le niveau de richesse cible sera eleve.

richesse cible W 0
a = 1, 5, = 1, 5%, W = 0%.
82
`
2. CRITERE

tolerance au risque a
W 0 = 122%, = 1, 5%, W = 0%.
(3) Eet du changement du niveau de tolerance au risque a
Comme le montre la gure (Fig.10), a` niveau de seuil de sous-performance
equivalent,
La zone intermediaire de valeur de lactif risque, o`

u le gerant implemente
une gestion passive avec protection du seuil de richesse cible,
setend quand le niveau de tolerance au risque augmente.
A linverse, la zone de gestion active avec sous-performance est dautant plus etroite et le saut de valeur (discontinuite), entre letat intermediaire et la zone de sous-performance, est dautant plus grand
que le niveau de tolerance au risque est eleve.
Par consequent, on en deduit que laugmentation du niveau de tolerance
au risque implique une prise de risque plus importante, se traduisant par
une perte plus importante, resp. un gain plus important en cas de scenario
de marche defavorable, resp. favorable.
1.5. Analyse de la strat

egie dynamique optimale.
En considerant
u
lexpression de la richesse terminale optimale dans le cas o`
W 0 W + 2aB qui est donnee dans le theorème (2), on en deduit que la strategie
MV VaR est la combinaison de trois strategies plus elementaires ecrites sur le meme
sous-jacent, le portefeuille note I atteignant la richesse nale 1/HT 15 :
15. Il sagit du portefeuille solution du probl`
eme dynamique de minimisation de la norme de
la richesse terminale. On rapelle que , dans le cadre du mod`
ele B&S `
er
es, ce

1. STRATEGIE
83
Une strategie dassurance de portefeuille de type MV PI dont la valeur intermediaire est notee Xt comprenant une position investie dans un ZeroCoupon et une position acheteuse dune option put de strike I 1/H.
Une strategie vendeuse de couverture dont la valeur intermediaire est notee
Yt et comprenant une position vendeuse dune option Put et une position
acheteuse dune option Put binaire de meme strike I 1/H.
Une strategie acheteuse de couverture dont la valeur intermediaire est
notee Zt constituee dune position acheteuse dune option Put de strike
IW = 1/H W .
Plus precisement, on a le resultat suivant :
t
a la date t, de la solution
Proprie
e 12. Pour W 0 W + 2aB, la valeur `
optimale, Wt , est donnee par la formule suivante :
Wt = Xt + Y t + Zt
avec Xt W ZC(t, T ) + akP (It , I, T t),
Yt ak{P (It , I, T t) (I I)B(It , I, T t)},
et Zt akP (It , IW , T t)
u ZC(t, T ) (resp. P (It , X, T t),
resp. B(It , X, T t)) designe la valeur du Zero-coupon, (resp. de loption put europeen, resp. de loption Put binaire de strike X ,decheance T t, sur le sous-jacent
It ).
On en deduit sous les hypothèses du modèle a` deux actifs de type B&S les resultats
suivants :
t
a la date t de la solution
Proprie
e 13. Pour W 0 W + 2aB, la valeur `
optimale, Wt , est donnee par la formule :
Wt = W er(T t) + ak{P (It , I, T t) P (It , I, T t) + P (It , IW , T t)}
+ak(I I)er(T t) N (d2 (I))
Avec P (It , X, T t) qui designe la valeur de loption put europeen de strike X,
decheance T t, sur le sous-jacent It :
P (It , X, T t) = Xer(T t)N (d2 (X)) It N (d1 (X))
avec
d2 (x) =
log(
It
x
)+(r 2 )(T t)
T t
d1 (x) = d2 (x) + T t
et avec I = 1/H ; I = 1/H ; IW = 1/HW

portefeuille correspond `
a une strat
egie dynamique investissant un poids constant de la richesse

.
dans lactif risque, note i qui est donn
2
De plus le processus de prix du portefeuille, note It est un mouvement brownien g
eom
etrique
equivalente
dont lexpression est la suivante : dIt /It = (r 2 ) dt dZt , ou encore, de facon

2
It = I0 exp (r 32 2 ) t Zt avec I0 = e( 2r)T .
`
2. CRITERE
84
Propri
et
e 14. Pour W 0 W +

wt Wt
(1 wt )Wt
avec wt Wt =
2aB, lallocation optimale est la suivante :
investi (en cash) dans lActif Risque M

investi (en cash) dans lA.S.R
Wt
It iIt = (ak)h{N (d1 (I)) + N (d1 (IW ))
+ ((ak)h
(I I)er(T t) (d2 (I))
T t)
N (d1 (I))}It
Nous analysons maintenant la sensibilite de la strategie MV VaR aux variations de

lactif risque pour dierentes valeurs des paramètres consideres.
(1) Sensibilite a` lactif risque sous-jacent

Nous considerons la strategie MV VaR pour W 0 = 122, 14% et pour un
niveau de protection à hauteur de 90% du capital investi ; à titre de comparaison, nous nous interessons egalement au prol de gain de la strategie
MV PI avec une protection du capital a` 90% (notee MV PI 0) et avec
une protection du capital a` 100% (notee MV PI 1).
Sur la gure (Fig.11), nous avons represente le pay-o de la strategie
MV VaR (courbe rose) et celui de la strategie MV PI 0 (courbe violette)
et de la strategie MV PI 1 (courbe bleue).
On observe que la strategie MV VaR domine les strategies dassurance
de portefeuille dans une zone de valeurs medianes du sous-jacent.
A linverse, la strategie MV VaR sous-performe les strategies dassurance
de portefeuille pour les valeurs correspondant aux zones de sous et de surperfomance de la richesse cible.
Comme on peut lobserver sur la gure (Fig.12), la valeur intermediaire
(au bout de 4,5 ans) de la strategie MV VaR reste proche de celle de la
strategie MV PI 0 et MV PI 1.
Le graphique de la gure (Fig.13) montre le poids de lallocation optimale investi dans lactif risque pour les trois strategies considerees.
Nous pouvons faire les commentaires suivants :
Linvestisseur de la strategie MV VaR (courbe rose) se comporte,
dans la zone de sur-performance, de facon similaire a` celui de la
strategie MV PI 90% sans contrainte de sous-performance (courbe
violette) et a donc un prol concave (le poids de la richesse totale
investi dans lactif risque augmente quand la valeur de lactif risque
baisse).
Dans un intervalle de valeurs de lactif risque o`
u la richesse se trouve
legèrement inferieure au niveau cible (valeurs de Mt comprises entre

1. STRATEGIE
Figure 11.
MV PI 0
MV VaR :
MV PI 0 :
MV PI 1 :
85
Valeurs nales - Strategie MV VaR, MV PI 0,

W 0 = 122%, W = 90%.
W = 90%.
W = 100%.
Figure 12. Valeurs intermediaires - Strategie MV VaR, MV

PI 0, MV PI 0
MV VaR : W 0 = 122%, W = 90%.
MV PI 0 : W = 90%.
MV PI 1 : W = 100%.
1 et 1, 5), la strategie MV VaR ressemble à une strategie dassurance

de portefeuille convexe (baisse de lexposition en actif risque au fur
et a` mesure de la baisse de la valeur de lactif risque) tandis que la
strategie MV PI 0 continue dexhiber un prol concave.
Dans un intervalle de valeurs encore plus basses de lactif risque
(valeurs de Mt comprises entre 0,7 et 1), linvestisseur MV VaR
86
`
2. CRITERE
decide de sur-exposer son portefeuille à lactif risque (eet casino) : le poids de la richesse totale investi dans lactif risque
depasse fortement celui du portefeuille de linvestisseur MV PI
0.
Dans lintervalle de valeurs de lactif risque les plus basses (valeurs
de Mt inferieures à 0,7 dans notre exemple numerique), la strategie
MV VaR ressemble à nouveau a` une strategie convexe dassurance
de portefeuille : lexposition a` lactif risque regresse a` nouveau et
repasse en dessous de celle de la strategie MV PI 0, en convergeant
vers 0 quand la valeur de lactif risque converge vers 0.
Figure 13. Poids intermediaires - Strategie MV VaR, MV PI

0, MV PI 0
MV VaR : W 0 = 122%, W = 90%.
MV PI 0 : W = 90%.
MV PI 1 : W = 100%.
(2) Sensibilite au temps restant jusquà lhorizon dinvestissement.

Comme le montre la gure (Fig.14), linvestisseur de la strategie MV
VaR se comporte de manière contraire aux règles de diversication temporelle du Conventional Wisdom.
En eet, plus le temps passe et plus la strategie MV VaR est sensible
au mouvement du sous-jacent Mt .
(3) Sensibilite au seuil de probabilite de sous-performance .
Comme le montre la gure (Fig.15) ci-dessous, plus laversion à la sousperformance est elevee (i.e. plus la valeur du paramètre est faible) et
plus linvestisseur de la strategie MV VaR a tendance a` sur-reagir par
rapport a` celui de la strategie MV PI ; ce dernier sidentiant a` linvestisseur MV VaR avec un niveau minimum daversion à la sous-performance
(obtenue dans lexemple numerique considere pour = 19%).

1. STRATEGIE
87
Figure 14. Eet du temps restant jusqu`

a lhorizon dinvestissement T t - Poids intermediaires - Strategie MV VaR
Figure 15. Eet du seuil de probabilite de sous-performance Poids intermediaires - Strategie MV VaR
(4) Sensibilite au niveau de tolerance au risque a.

Les gures (Fig.16) et (Fig.17) ci-dessous illustrent le fait que, pour un niveau du paramètre daversion a` la sous-performance B xe, plus le degre de
tolerance au risque de linvestisseur est eleve et moins la contrainte daversion a` la sous-performance est restrictive ; par exemple dans lexemple
numerique considere, pour la valeur la plus elevee du paramètre de tolerance
au risque , i.e. a = 2, 5 (courbe rose), le niveau daversion à la sousperformance considere ne joue presque pas puisque la strategie exhibe
le prol convexe-concave typique dune strategie dassurance de portefeuille MV PI.
88
`
2. CRITERE
Figure 16. Eet du niveau de tolerance au risque a - Valeurs

intermediaires - Strategie MV VaR
Figure 17. Eet du niveau de tolerance au risque a - Poids intermediaires - Strategie MV VaR
(5) Sensibilite au niveau de protection du capital W .
Plus le niveau de protection est bas et plus leet de sur-exposition
dans la zone de sous-performance proche de la richesse cible est importante comme illustre sur la gure (Fig.19).

1. STRATEGIE
Figure 18. Eet du niveau de protection du capital W - Valeurs

Figure 19. Eet du niveau de protection du capital W - Poids

89
90
`
2. CRITERE
2. Strat
egie optimale avec contrainte Limited Expected Loss
Comme dans la section precedente, nous nous placons dans le cadre de la problematique
suivante : nous souhaitons analyser le problème de choix dynamique de portefeuille
pour linvestisseur averse à la perte et maximisant lutilite esperee de sa richesse,
avec une forme generalisee de fonction dutilite quadratique adaptee à la prise en
compte de son aversion à la sous-performance.
De plus, nous faisons lhypothèse que le terme supplementaire, mesurant laversion a` la perte de linvestisseur et integre a` lexpression de sa fonction dutilite,
penalise la sous-performance non plus de manière uniforme (comme cetait le cas
de linvestisseur dans la première section), mais en fonction du co
ut dutilite engendre par la sous-performance 16.
Plus precisement, de facon à decrire le prol dutilite asymetrique mais continue de
cet investisseur averse à la sous-performance (i.e. laversion à la sous-performance
etant superieure a` lappetit pour le gain), nous considerons une fonction dutilite
de la forme suivante :

AuMV (x) + (B A)uMV (W 0 ) si x < W 0
v(x) =
BuMV (x)
si x W 0
avec uMV (.) qui designe la fonction dutilite quadratique donnee par la formule :
uMV (x) x (1/2a) x2
avec A, A > B, le niveau daversion à la sous-performance de linvestisseur 17 ,
et avec W 0 la cible de richesse a` atteindre, o`
u 0 < W 0 < a.
Autrement dit, nous supposons que la fonction daversion a` la perte prend en
compte laversion a` la sous-performance en penalisant de manière continue les
valeurs de sous-performance en fonction de lamplitude de la perte 18, ce qui permet deviter le gambling eect decrit dans les sections precedentes 19.
Ainsi, cette formulation implique un saut dans la fonction dutilite marginale (et
non plus dans la fonction dutilite elle-meme comme cetait le cas pour le critère
MV VaR), ce qui secrit 20 :

A(1 x/a) si x < W 0

v (x) =
B(1 x/a) si x W 0
16. Le co
ut dutilit
e de la sous-performance est d
eni comme l
ecart dutilit
e par rapport au
niveau cible de richesse pour un investisseur non averse a
` la sous-performance et ayant une fonction
dutilit
e quadratique avec le m
eme niveau daversion au risque que linvestisseur averse `
a la perte
consid
er
e.
17. on exclut le cas particulier A = B puisquil se r
eduit au cas de linvestisseur non averse `
a
la sous-performance et ayant la forme standard de fonction dutilit
e quadratique.
18. la fonction de perte consider
ee ne p
enalise plus seulement le fait d
etre en sous-performance
ou non comme cela
etait le cas pour le probl`
eme Moyenne Variance avec contrainte de probabilit
e
de perte maximale (i.e. contrainte de VaR) analysee pr
ec
edemment : `
a pr
esent, une forte sousperformance sera beaucoup plus penalis
ee quun faible niveau de sous-performance
19. leet Casino se traduit par un saut discontinu dans lexpression de la richesse nale
optimale et une sous-performance par rapport `
a la strat
egie solution du probl`
eme sans contrainte
dans les cas les plus d
efavorables ; pour plus de d
etails, voir la section pr
ec
edente qui traite de
linvestisseur avec contrainte de risque de type VaR
esigne la d
eriv
ee premi`
ere de la fonction dutilit
e v(x)
20. x v (x) d

2. STRATEGIE
OPTIMALE AVEC CONTRAINTE LIMITED EXPECTED LOSS
91
Finalement, on montre facilement que cette fonction dutilite peut secrire de

la facon suivante :

v(x) = B u(x) C M ax L(x, W 0 , a), 0
o`
u u(x) uMV (x), C (A/B 1) designe le coecient daversion et L(x, W 0 , a)
la fonction de perte mesurant le co
ut dutilite de la sous-performance :
L(x, W 0 , a) uMV (W 0 ) uMV (x) =
(W 0 x) (2a W 0 x)
2a
Il sagit donc dun cas particulier de lexpression donnee dans lequation (1.3)
pour les fonctions dutilite HARA, avec fonction de perte continue. Nous avons
considerees cette classe de fonction dutilite dans le problème dinvestissement (P1)
analyse dans la section 1 du chapitre precedent.
Notons que cette expression de la fonction dutilite montre que la fonction de perte
consideree penalise lamplitude de la sous-performance de facon similaire a` la fonction de perte associee a` la semi-variance 21
Le problème statique a` resoudre secrit 22 :
Probl`
eme 11.
(P 11)
max
WT L2 (P )
s.a.
E(v(WT ))
E(WT /HT ) =1
WT W p.s.
Ce qui implique en particulier les proprietes suivantes pour les valeurs limites
des paramètres :
Pour a (niveau daversion au risque minimum), le problème se ramène
au problème MD avec = 1 analyse dans la dernière section du premier
chapitre 23.
Pour C 0 (niveau daversion a` la perte minimum), le problème est equivalent
au problème MV PI, avec contrainte explicite de protection W.
21. en eet la mesure de risque associ

a la semi-variance est donnee par le moment partiel
ee `

2
dordre deux, LP M (2, W 0 , WT ) E M ax W 0 WT , 0
22. Comme pr
ec
edemment, nous consid
erons une contrainte supplementaire dassurance de
portefeuille dont lexpression est la suivante : WT W p.s. avec 0 W W 0 ; cela implique en
particulier que la richesse interm
ediaire est bornee par la valeur pr
esente de ce seuil de richesse
u ZC(t, T ) Et (1/HT ) d
esigne la valeur `
a la date, t, de
minimale, soit W ZC(t, T ) 0 o`
lobligation Z
ero-Coupon dech
eance T-t.
23. il
sagit
du
probl`
eme
Moyenne
/
Downside
Risk
propos
e
par
[Berkelaar Kouwenberg, 2000] pour un choix de mesure de perte correspondant a
` lesp
erance
de sous-performance par rapport au niveau cible, i.e. = 1.
92
`
2. CRITERE
2.1. Expression de la richesse nale optimale.
Th
par lexpression suivante :
a(1 k/B)/HT si HT > H
W0
si H < HT H
WT =
a(1
k/A)/H
si H < HT H
W
si HT H
avec H (k/B)/(1 W 0 /a), H (k/A)/(1 W 0 /a), H (k/A)/(1 W /a)
et o`
uH>H>H
Dans le cas limite W 0 = W (respectivement A = B), on retrouve bien comme cas
particulier la strategie dassurance de portefeuille MV PI de niveau de protection
W correspondant au niveau minimum daversion a` la perte ; en eet on a alors
H = H (respectivement H = H).
On en deduit du theorème (3) que la strategie optimale peut etre decomposee
en strategies elementaires, resultat qui peut senoncer de la manière suivante :
Cons
equence 9.
La strategie dynamique atteignant la richesse terminale solution du problème (P11)
et dont lexpression est donnee dans le theorème(3) est la combinaison des positions
elementaires suivantes :
` detenir dune part, un
portefeuille sidentiant (`
a la valeur de la constante k/B près) `
a la solution
du problème moyenne variance dynamique sans contraintes et dautre part,
une position acheteuse dune option Put de strike W 0 ecrite sur ce meme
portefeuille.
Une strategie vendeuse de couverture sur le meme portefeuille sous-jacent
(`
a la valeur de la constante k/A près) comprenant une position vendeuse
dune option Put de strike W 0 .
Une strategie acheteuse de couverture sur le meme portefeuille sous-jacent
(`
a la valeur de la constante k/A près) comprenant une position acheteuse
dune option Put de strike W .
Dans la suite de la seconde section , nous allons etudier les proprietes de la strategie
optimale en considerant le meme exemple dapplication numerique que celui de la
première section, celui-ci faisant reference implicitement au modèle a` deux actifs de
[Black Scholes, 1973] 24 (dans la suite B&S) :
24. On rappelle que dans ce cadre, on fait lhypoth`
ese de lexistence dune seule source de
risque (i.e. le nombre dactifs est de deux) ; de plus, on suppose que tous les param`
etres servant

2. STRATEGIE
93
2.2. Choix des param`

etres daversion `
a la perte.
Considerons le problème suivant (avec contrainte explicite de type LEL 25) :
Probl`
eme 12.

max E(u(WT ))
(P 12) WT L2 (P )

s.a. E(WT /HT ) =1 et E (1/HT )(W 0 WT )1{WT W 0 } avec 0 xe
avec u(.) uMV (.) la fonction dutilite quadratique et avec W 0 est la cible de
richesse a
` atteindre.
Propri
et
a(1 k1 /HT )
si HT > H
0
W
si H < HT H
WT =
a(1
(k
k
)/H
)
si
H < HT H
1
2
T
W
si HT H
avec H k1 /(1 W 0 /a), H (k1 k2 )/(1 W 0 /a), H (k1 k2 )/(1 W /a)
tels que H > H > H,
avec k1 0 et k2 0 veriant le système dequations suivant :

E(W

T (k1 , k2 )/HT ) = 1
u k2 = 0
E (1/HT )(W 0 WT (k1 , k2 ))1{W (k1 ,k2 )W 0 } = o`
T
` d
a
ecrire la dynamique du prix des deux actifs nanciers (un actif sans rique et un actif risqu
e)
sont constants. Lunivers dinvestissement se compose donc des deux actifs suivants :
Un actif dit sans risque (A.S.R.) repr

esentant lactif mon
etaire et dont la valeur a
` la
date t est notee St0 ; cet actif a un rendement instantan
e donn
e par
dSt0 /St0 = rdt
o`
u r d
esigne le taux mon
etaire constant.
Un actif dit risqu
e (A.R) repr
esentant le portefeuille de march
e ou tout autre actif
action dont la dynamique de prix est decrite par un mouvement brownien g
eom
etrique ;
son rendement instantan
e s
ecrit
o`
u le param`
etre repr
esente son rendement moyen instantan
e (
egal au taux court plus
une prime de risque action not
ee r) et d
esigne sa volatilit
e constante.
25. mesure introduite par [Basak Shapiro, 2001] dans le cadre dun probl`
eme de maximisation de lesperance dutilit
e dun agent ayant une fonction dutilit
e CRRA et une contrainte
de risque explicite se traduisant par un seuil maximum desp
erance de perte (Limited Expected
Loss) ; pour plus de d
etails voir le chapitre pr
ec
edent qui traite des probl`
emes de maximisation
de lesp
erance dutilit
e CRRA avec prise en compte de laversion a
` la perte de linvestisseur
`
2. CRITERE
94
On obtient ainsi un resultat dequivalence entre les deux problèmes (P11) et (P12)
que nous formulons dans la consequence suivante :
Cons
equence 10. Si WT est la solution du problème (P11)(A,B) avec B =
k/k1 , A = k/(k1 k2 ), et avec k1 et k2 veriant le système dequations suivant :

E(W

T (k1 , k2 )/HT ) = 1
E (1/HT )(W 0 WT (k1 , k2 ))1{W (k1 ,k2 )W 0 } = ou k2 = 0
T
Alors
WT
est aussi la solution du problème (P12)() et reciproquement.
Sur la gure (Fig.20) (respectivement (Fig.21)) ci-dessous nous avons represente

la fonction de correspondance entre le niveau daversion a` la perte de lasset manager, i.e. LossAversion(C, WT , W 0 , a) C L(WT , W 0 , a), et la valeur du paramètre , pour dierentes valeurs de WT , pour une valeur de richesse cible egale
a la performance de lactif monetaire, W 0 = 122% (respectivement superieure a` la
`
performance de lactif monetaire, W 0 = 135%) et un niveau du paramètre daversion au risque de a = 1, 5.
On notera que plus la valeur de est basse, plus lecart entre les courbes de niveau
daversion a` la sous-performance est important ; autrement dit plus le degre daversion a` la perte est important (i.e. plus la valeur de est faible) et plus la mesure
daversion est sensible a` lecart de sous-performance.
Enn, il est interessant de souligner la dierence suivante entre les deux cas consideres :
Laversion maximale dans le cas W 0 = 122, 14% parat correspondre à une
valeur de egale a` 0% ( semble converger rapidement vers la valeur 0 quand
A augmente vers +).
Dans le cas W 0 = 135%, laversion maximale est atteinte pour une valeur de
strictement non nulle, approximativement egale a` 10,54%. Ainsi la strategie
limite correspondant au maximum daversion semble etre dierente selon
le niveau de richesse cible choisie, ce que nous allons preciser ulterieurement.
An dillustrer graphiquement leet du choix du niveau de risque maximum
tolere, , sur le prol de la strategie optimale, nous avons represente sur la gure
(Fig.22) (respectivement (Fig.23)), pour dierentes valeurs de et dans le cas paru W 0 = 135%), les valeurs des
ticulier o`
u W 0 = 122, 14% = erT (resp. dans le cas o`
26
strikes, notees Mmax , Mmed et MW , correspondant aux trois seuils de valeur
de lactif risque separant les quatre etats de richesse o`
u lexpression de la richesse
nale optimale est dierente.
On peut faire les remarques suivantes :
26. Comme nous lavons d

ej`
a mentionn
e dans la section 1 ci-dessus, sous les hypoth`
eses du
mod`
ele dactifs de B & S, il existe une correspondance biunivoque entre Mt , la valeur de lactif
eraire ou de croissance optimale ; en particulier,
risque `
a la date t, et Ht celle du portefeuille num
les valeurs seuils not
ees Mmax , Mmed et MW correspondent aux valeurs de lactif risque qui
sobtiennent de celles de H, H et H par cette transformation.

2. STRATEGIE
95
Figure 20. LossAversion(C, WT , W 0 , a) en fonction de pour

dierentes valeurs de la richesse terminale WT
W 0 = 122%, W = 0%, a = 1, 5, B = 1
Figure 21. LossAversion(C, WT , W 0 , a) en fonction de pour

dierentes valeurs de la richesse terminale WT
W 0 = 135%, W = 0%, a = 1, 5, B = 1
A la limite du seuil daversion maximum, la strategie MV LEL semble se comporter de la meme facon quelque soit le niveau de richesse cible.
Pour les valeurs de superieures à un certain seuil correspondant au maximum
daversion C = 0 (approximativement 5,97% pour W 0 =122% et 11,6% pour W 0 =135%),
la strategie MV LEL sidentie a` la strategie MV sans contrainte daversion à la
so`
us-performance : les courbes de valeur des deux strikes Mmax et Mmed se rejoignent et la zone intermediaire de protection disparat.
A loppose, pour les valeurs intermediaires et elevees du paramètre , la strategie
MV LEL semble se comporter dieremment selon que lon considère le cas W 0 =
122, 14% ou le cas W 0 = 135%.
96
`
2. CRITERE
Pour W 0 = 135%, quand diminue, les valeurs de Mmed et MW restent quasi

constantes et celle de Mmax crot fortement ;
Pour W 0 = 122%, les valeurs Mmed et MW decroissent en convergent vers 0
et celle de Mmax crot avec une vitesse qui diminue au fur et a` mesure que
diminue (prol concave de la courbe).
On verie que, pour les très grandes valeurs de A, les valeurs limites des strikes
u W 0 = 122% et non nulles pour
Mmed et MW sont bien nulles dans le cas o`
0
W = 135% ; de plus, dans les deux cas, Mmax tend vers linni.
Figure 22. Valeurs des strikes (Mmax , Mmed et MW ) en fonction du niveau desperance de sous-performance () - W 0 = 122%,
W = 0% et a = 1, 5.
Figure 23. Valeurs des strikes (Mmax , Mmed et MW ) en fonction du niveau desperance de sous-performance () - W 0 = 135%,
W = 0% et a = 1, 5.

2. STRATEGIE
97
On en deduit une conjoncture importante que lon enonce sous la forme de la

propriete suivante :
Propri
et
e 16. Pour A , (cas de linvestisseur avec un degre daversion
` la sous-performance maximum), la solution du problème (P11) dont lexpression
a
generale est donnee dans le theorème (3) converge vers la strategie suivante :
(1) Pour W 0 = erT et W = 0,
la strategie dont la valeur nale est une constante egale au seuil de richesse cible, W 0 : WT W 0 .
(2) Pour W 0 > erT et W = 0,
la strategie dont la richesse nale est la solution du problème Moyenne /
Semi-Variance 27 pour laquelle le seuil de richesse maximum impose est
xe au niveau de la richesse cible W 0 ; son expression est la suivante
si HT > H
W0
WT =
a (1 k/HT ) si H HT < H
0
si HT < H
avec a W 0 + 1/2A o`
u A est le coecient daversion du problème
Moyenne / Semi-Variance, avec H k/(1 W 0 /a ), H k et avec k
veriant lequation de budget suivante : E(WT /HT ) = 1.
(3) Pour W 0 < erT et W=0,
la strategie MV PI dassurance de portefeuille de niveau W 0 .
2.3. Etude comparative du pay-o de la strat
egie optimale.
Nous souhaitons comparer le prol de gain nal de la strategie MV LEL à celui

de plusieurs strategies dej`
a analysees precedemment et en particulier a` celui de la
strategie MV VaR etudiee dans la section precedente.
(1) Comparaison avec la strategie optimale du problème MV avec contrainte

de protection (strategie MV PI) et sans aucunes contraintes (strategie
MV).
En observant la gure (Fig.24), nous pouvons faire les deux remarques
suivantes :
On peut considerer la strategie MV LEL comme une strategie dassurance
de portefeuille intermediaire entre la strategie MV PI (correspondant au
maximum daversion) et la strategie MV sans contrainte daversion ni de
protection (minimum daversion à la sous-performance).
27. il sagit du probl`
erance de gain sous contrainte de seuil sur
la semi-variance (i.e. variance des richesses en dessous du seuil de richesse cible) avec contraintes
suppl
ementaires de non n
egativit
e et plafond de richesse ; ce probl`
eme a
et
e analys
e dans la derni`
ere
section du chapitre pr
ec
edent
98
`
2. CRITERE
On notera aussi que la valeur nale de la strategie MV LEL est au-dessus

de celle de la strategie MV dans la zone de sous-performance (il ny a pas
leet casino observe sur le pay-o de la strategie solution optimale du
problème MV VaR).
Figure 24. strategies optimales MV, MV PI, MV LEL (a = 1, 5,

W 0 = 100%, W = 0%).
(2) Comparaison avec la strategie optimale MV VaR et MSV 28
Lanalyse de la gure (Fig.25) revèle que pour les niveaux de richesse
correspondant à une sur-performance, les deux strategies (MV VaR et
MV LEL) possèdent les memes caracteristiques qui les distinguent de la
strategie MSV.
En eet, a` loppose de la strategie MSV, les pay-os des strategies MV
LEL et MV VaR ne sont pas constants dans la zone des richesses elevees
et nexhibent pas non plus de discontinuite entre letat des richesses intermediaires et letat des richesses elevees ; de plus, on observe que la couverture dans letat intermediaire est parfaite contrairement au cas MSV
o`
u il se produit une sous-performance.
En revanche, les deux strategies MV VaR et MV LEL correspondent à
des prols de gain très dierents dans les etats de sous-performance.
La richesse nale de la strategie MV LEL a lavantage, par rapport a`
celle de la strategie MV VaR, de ne pas exhiber une discontinuite entre
letat de sous-performance et letat de richesses intermediaires induisant
un comportement de joueur de la part de linvestisseur MV VaR.
28. On rappelle que la strategie MSV (Moyenne / Semi-Variance) designe la strat

egie solution optimale du problème MD avec = 2 (i.e. probl`
eme Mean Downside Variance) propos
e
par [Berkelaar Kouwenberg, 2000] et dont nous avons pr
esent
e les principales propri
et
es dans
la derni`
ere section du premier chapitre.

2. STRATEGIE
99
Figure 25. strategies optimales MV VaR, MV LEL, MSV

Strategie MV VaR : a = 1, 5, W 0 = 100%.
Strategie MV LEL a = 1, 5, W 0 = 100%, W = 0%, = 1%
Strategie MSV : A = 1, W = 142%, W 0 = 122%, W = 0%.
Ceci peut sexpliquer de la manière suivante : linvestisseur MV LEL

est sensible non seulement a` la deviation par rapport a` la cible de richesse (tout comme linvestisseur MV VaR) mais aussi à lamplitude des
deviations (comme linvestisseur MSV).
Finalement en terme de performance relative, la strategie MV LEL surperforme la strategie MV VaR dans les cas defavorables ; ceci se produisant au detriment dune zone de couverture parfaite (etat intermediaire)
plus restreinte que dans le cas MV VaR. En ce qui concerne le niveau de
gain en cas de sur-performance, il est relativement similaire pour les deux
strategies.
(3) Comparaison avec la valeur nale de la strategie solution du problème
CRRA LEL
Bien quil soit encore une fois dicile (voir la section precedente) de comparer les deux critères, CRRA LEL et MV LEL, qui sont fondes sur des
fonctions dutilite très dierentes, en nous referant a` lexemple numerique
illustre sur la gure (Fig.26) 29, nous pouvons faire les deux remarques
suivantes :
29. on consid`
ere les deux strat
egies CRRA LEL et MV LEL pour le m
eme niveau desp
erance
de sous-performance maximum et la m
eme richesse cible
100
`
2. CRITERE
Figure 26. strategies optimales MV LEL et CRRA LEL pour le

meme niveau desperance de sous-performance
Strategie MV LEL : a = 2, W 0 = 122%, W = 0%, = 11%.
Strategie CRRA LEL : = 75%, W 0 = 122%, W = 0%, = 11%.
Le prol de gain concave de la strategie MV LEL implique que

cette strategie sur-performe la strategie convexe CRRA VaR dans
une zone de richesse intermediaire - haute (dans notre exemple
pour les valeurs de MT allant de 1,1 à 2,1).
On observe une discontinuite dans le pay-o de la strategie MV
LEL entre letat bas et letat de richesse nulle resultant de la contrainte
imposee de non negativite. Ceci nest pas le cas pour la strategie
CRRA LEL qui, dans la zone des richesses basses, converge de
manière continue vers une valeur limite egale a` zero.
2.4. Sensibilit
e du pay-o optimal au choix des param`
etres.
(1) Eet du changement du seuil desperance de sous-performance maximale

30
Les graphiques ci-dessous illustrent le fait que la sensibilite au changement du paramètre, , est dierente selon que lecart considere entre le
niveau de richesse cible, W 0 et la performance nale de lactif sans risque
est nulle, positif ou negatif.
Le cas dune richesse cible egale a` celle de lactif sans risque est illustre
avec lexemple numerique de la gure (Fig.27) ; le choix dune richesse cible
plus elevee que la performance de lactif monetaire est represente sur la
gure (Fig.28) et celui dune richesse plus basse sur la gure (Fig.29).
30. ou de mani`
ere
equivalente du changement du paramètre daversion a
` la sous-performance
A.

2. STRATEGIE
101
(a) Interessons nous tout dabord au cas limite o`

u laversion à la perte
est minimum A = B = 1 : ce qui correspond a` = 6% pour
W 0 = 122% = erT (Fig.27), = 11, 57% pour W 0 = 135% > erT
(Fig.28), = 2, 05% pour W 0 = 100% < erT (Fig.29). Dans ce cas,
linvestisseur VaR LEL se comporte de la meme facon quelque soit
le choix du niveau de richesse cible consideree : la strategie MV LEL
sidentie dans les trois cas a` la strategie MV PI de richesse minimum
W (egale a` 0 dans lexemple numerique considere).
(b) Dans le cas limite o`
u, au contraire, le niveau daversion a` la perte de
linvestisseur est maximal, i.e. A , nous retrouvons les proprietes
enoncees dans la propriete (16) ci-dessus.
Dans ce cas, linvestisseur VaR LEL se comporte dieremment selon le choix de la cible de richesse nale consideree :
Pour W 0 = 122% = erT , le pay-o de la strategie MV LEL (cf. cas
= 0, 3% (courbe bleue) de la gure (Fig.27)) converge vers celui
de la strategie limite constante W 0 .
Figure 27. strategies optimales MV LEL : eet du niveau

desperance de sous-performance - cas W 0 = erT
Pour W 0 > erT , le pay-o de la strategie MV LEL (cf. cas =
10, 54% (courbe bleue) de la gure (Fig.28)) converge vers celui
de la strategie limite MSV pour laquelle le seuil de richesse
maximum est xe à W 0 .
Pour W 0 < erT , le pay-o de la strategie MV LEL (cf. cas =
0, 24% (courbe bleue) de la gure (Fig.29)) converge vers celui de
la strategie limite MV PI avec un niveau de protection egal a`
celui de la richesse cible W 0 .
102
`
2. CRITERE

desperance de sous-performance - cas W 0 > erT

desperance de sous-performance - cas W 0 < erT
(2) Eet du changement du niveau de richesse cible W 0 .
Lanalyse de la gure (Fig.30) fait ressortir les deux points suivants :
Comme pour la strategie MV VaR, a` niveau de seuil de probabilite
de sous-performance equivalent, la zone intermediaire de valeurs de
lactif risque correspondant à une gestion passive, avec protection
du seuil de richesse cible, est dautant plus etendue que le niveau
de richesse cible est eleve.
A linverse de la strategie MV VaR, a` niveau de seuil de probabilite
de sous-performance equivalent, la zone de gestion active o`
u il se
produit une sous-performance est dautant plus etendue que le niveau de richesse cible est eleve (ce qui traduit simplement la forme
continue du pay-o de la strategie MV LEL).

2. STRATEGIE
103
Ainsi, le prol de gain de la strategie MV LEL sera dautant plus defensif

que le niveau de richesse cible sera eleve (i.e. moins de performance dans
les scenarios favorables, et plus de protection dans les scenarios de marche
medians et defavorables, quand le niveau de richesse cible augmente).
Figure 30. strategies optimales MV LEL : eet du niveau de

richesse cible W 0
(3)
Eet du changement du niveau daversion au risque a.

Comme le montre la gure (Fig.31), a` niveau de seuil de sous-performance
equivalent,
La zone intermediaire de valeur de lactif risque o`
u sopère une gestion passive avec protection du seuil de richesse cible est dautant
plus large que le niveau de tolerance au risque est eleve.
A linverse, la zone de gestion active avec sous-performance est dautant plus reduite que le niveau de tolerance au risque est eleve.
Enn, dans la zone de gestion active avec sur-performance, à partir
dun certain seuil de performance de lactif risque, la strategie est
dautant plus performante que le niveau de tolerance au risque est
eleve.
Par consequent, on en deduit que laccroissement du niveau de tolerance
au risque implique une prise de risque plus importante ; i.e. une perte plus
importante, resp. un gain plus important en cas de scenario de marche
defavorable, resp. favorable.
104
`
2. CRITERE
Figure 31. strategies optimales MV LEL : eet du niveau daversion au risque a

En considerant lexpression de la richesse terminale optimale qui est fournie dans

le theorème (3), on en deduit que la strategie MV LEL peut sinterpreter comme la
combinaison de trois strategies plus elementaires ecrites sur le meme sous-jacent, le
portefeuille note I atteignant la richesse nale 1/HT 31 :
Une strategie dassurance de portefeuille de type MV PI dont la valeur intermediaire est notee Xt comprenant une position investie dans un ZeroCoupon et une position acheteuse dune option Put de strike I 1/H.
Une strategie vendeuse de couverture dont la valeur intermediaire est notee
Yt constituee dune position vendeuse dune option Put de strike I 1/H.
Une strategie acheteuse de couverture dont la valeur intermediaire est notee
Zt constituee dune position acheteuse dune option Put de strike I = 1/H.
Plus precisement, on a le resultat suivant :
Propri
et
e 17. La valeur `
a la date t, de la solution optimale, Wt , est donnee
par la formule suivante : Wt = Xt + Y t + Zt
avec Xt W ZC(t, T ) + akB P (It , I, T t),
Yt akA P (It , I, T t),
et Zt akA P (It , I, T t)
31. pour une d
enition pr
ecise de ce portefeuille voir la section pr
ec
edente qui traite de la
strat
egie MV VaR

2. STRATEGIE
105

u ZC(t, T ) (resp. P (It , X, T t),
resp. B(It , X, T t)) designe la valeur du Zero-coupon (resp. de loption put europeen, resp. de loption Put binaire de strike X), decheance T t, sur le sousjacent It .
On en deduit sous les hypothèses du modèle a` deux actifs de B&S les resultats
suivants :
t
Proprie
e 18. La valeur `
a la date t de la solution optimale, Wt , est donnee
par la formule :
Wt = W er(T t) + akB P (It , I, T t) akA {P (It , I, T t) P (It , I, T t)}
avec P (It , X, T t) qui designe la valeur de loption put europeen de strike X,
decheance T t, sur le sous-jacent It :
P (It , X, T t) = Xer(T t)N (d2 (X)) It N (d1 (X))
avec
d2 (x) =
log(
It
x
)+(r 2 )(T t)
T t
d1 (x) = d2 (x) + T t
et avec I = 1/H, I = 1/H, I = 1/H, kA = k/A, kB = k/B.

Finalement, nous montrons quil est possible didentier lexpression de la mesure
du risque de sous-performance pour la strategie optimale MV LEL, quon notera
(HT , WT , W 0 , T ), à la valeur dune option Put Spread de couverture ecrite sur
le portefeuille de type MV, a(1 kA IT ).
Ce resultat est expose dans la propriete suivante :
Propri
et
e 19 (Mesure de risque LEL).
(1) La mesure du risque de sous-performance associee `
a la solution optimale
du problème MV LEL, notee (HT , WT , W 0 , T ), correspond au co
ut dacquisition dune strategie de couverture qui nest autre quune option Put
Spread ayant pour strikes W et W 0 avec W < W 0 et ecrite sur le portefeuille de type MV atteignant la richesse nale a(1 kA IT )
(2) La mesure de risque (HT , WT , W 0 , T ) sapparente a
` la mesure de risque
associee au ratio de Sharpe Omega, pour le niveau de richesse cible W 0 ,
du portefeuille de type MV PI qui atteint la richesse nale
M ax {a(1 kA /HT ); W } 32.
32. En eet, on a
(HT , WT , W 0 , T ) = E0

W 0 a(1 kA /HT ) 1H<HT H +(W 0 W )1HT H
ecrite sur le portefeuille sous-jacent

ce qui est la valeur pr
esente dune option Put de strike, W 0 ,
egie de type PI MV.
atteignant la richesse nale, M ax {a(1 kA /HT ); W }, strat
106
`
2. CRITERE
Preuve de la propri
et
e (19).

On a : (HT , WT , W 0 , T ) E (1/HT )(W 0 WT )1{W W 0 }
T
De lexpression de WT donnee dans le theorème (3), on en deduit que
(HT , WT , W 0 , T ) = W 0 er(T t) + akB P (I0 , I, T ) E [(1/HT )WT ]

Et en utilisant la Propriete (18), on obtient alors :
(HT , WT , W 0 , T ) = W erT + akA P (I0 , I, T ) (W erT + akA P (I0 , I, T ))
Ainsi le niveau de risque mesure par le paramètre est egal a` la dierence entre la
valeur dune strategie MV PI de strike W 0 et celle dune strategie MV PI de strike
a la meme constante kA , ce qui secrit encore :
W < W 0 associee `
(HT , WT , W 0 , T ) = P spread (a(1 kA IT ), W , W 0 , T )
o`
u P spread (Zt , W , W 0 , T t) designe la valeur à la date, t, du Put Spread decheance,
T t, de strikes W et W 0 avec W < W 0 sur le sous-jacent Zt 33. On en deduit le
resultat cherche.
Ainsi le choix du niveau daversion pour le risque, A, considere par linvestisseur

cherchant a` resoudre le problème (P11) peut se traduire en terme nancier par un
choix implicite de niveau de tolerance au risque de sous-performance ; cette mesure
de risque etant identiee comme la mesure de risque associee au ratio de Sharpe
Omega de seuil W 0 de la strategie MV PI de richesse minimale W et correspondant a` la constante kA 34.
Lexpression des poids de la strategie optimale se deduit aisement de la Propriete
(18) :
Propri
et
e 20. Lallocation de la strategie dynamique optimale correspondant
au problème (P12) est donnee par lexpression suivante :

investi (en cash) dans lactif risque M
wt Wt
(1 wt )Wt investi (en cash) dans lA.S.R
avec wt Wt =
Wt
It iIt
= ah{kB N (d1 (I)) + kA N (d1 (I)) kA N (d1 (I))}It
Nous analysons maintenant la sensibilite de la strategie MV LEL aux variations de

lactif risque pour dierentes valeurs des paramètres consideres.
(1) Sensibilite a` lactif risque sous-jacent

Nous considerons la strategie MV LEL pour W 0 = 122, 14% et pour un
niveau de protection à hauteur de 90% du capital investi ; à titre de comparaison, nous considerons egalement la strategie MV PI avec une protection
du capital à 90% (notee MV PI 0) et à 100% (noteeMV PI 1).
33.Le pay-ode cette option Put Spread secrit :
M ax W 0 ZT ; 0 M ax {W ZT ; 0} avec ZT a(1 kA /HT ).
eriant l
equation de budget suivante E(WT /HT ) = 1 o`
u WT d
esigne
34. kA k/A avec k v
la strat
egie MV LEL (dont lexpression de la richesse terminale est donn
ee dans le theor`
eme (3)).

2. STRATEGIE
107
Sur la gure (Fig.32), nous avons represente le pay-o de la strategie

MV LEL (courbe rouge), MV VaR (courbe rose) et celui de la strategie
MV PI 0 (courbe violette) et de la strategie MV PI 1 (courbe bleue).
La strategie MV LEL domine les strategies dassurance de portefeuille
dans un intervalle de valeurs de lactif risque medianes a` basses ; a` loppose, pour les valeurs de lactif risque o`
u elle sur-perfomance la richesse
cible, la strategie MV LEL est dominee par les strategies dassurance de
portefeuille.
Dautre part, dans la zone de sous-performance par rapport a` la richesse
cible, la valeur de la strategie MV LEL est au-dessus de celles des strategies
MV VaR et MV PI 0 ; de plus, le pay-o de la strategie MV LEL ne
presente pas de discontinuite comme cest le cas pour la strategie MV
VaR.
Figure 32.
MV PI 1
MV VaR :
MV PI 0 :
MV PI 1 :
Valeurs nales - Strategie MV LEL, MV PI 0,

W 0 = 122%, W = 90%.
W = 90%.
W = 100%.
Comme on peut lobserver sur la gure (Fig.33), la valeur intermediaire

(au bout de 4,5 ans) de la strategie MV LEL reste proche de celle de la
strategie MV PI 0 et MV PI 1 et les remarques faites sur le pay-o de
ces strategies reste valables.
Sur la gure (Fig.34), nous avons represente, pour les trois strategies
considerees, le poids de la richesse totale investi dans lactif risque.
Nous pouvons faire les commentaires suivants :
108
`
2. CRITERE
Figure 33. Valeurs intermediaires - Strategie MV LEL, MV

VaR, MV PI 0, MV PI 1
MV LEL MV VaR : W 0 = 122%, W = 90%.
MV PI 0 : W = 90%.
MV PI 1 : W = 100%.
Linvestisseur de la strategie MV LEL (courbe rouge) se comporte,

dans un intervalle de valeurs elevees de lactif risque o`
u se produit
une sur-performance (valeurs de Mt superieures à 1,5 dans lexemple
numerique considere), de facon similaire a` celui de la strategie MV
PI 0 sans contrainte de sous-performance (courbe violette) et a donc
un prol concave (le poids de la richesse total investi en actif risque
augmente quand la valeur de lactif risque baisse).
Dans un intervalle de valeurs intermediaires de lactif risque o`
u la
richesse est legèrement inferieure au niveau cible (valeurs de Mt
comprises entre 1 et 1,5), la strategie MV LEL est similaire a` une
strategie dassurance de portefeuille convexe (baisse de lexposition
en actif risque au fur et a` mesure de la baisse de la valeur de lactif
risque) tandis que la strategie MV PI 0 continue dexhiber un prol
concave ; a` noter que le niveau de desinvestissement en actif risque
de la strategie MV LEL est plus faible que dans le cas de la strategie
VaR.
Dans un intervalle de valeurs encore plus basses de lactif risque (valeurs de Mt comprises entre 0,6 et 1), la strategie MV VaR opère
un re-investissement sans depasser lexposition a` lactif risque de la
strategie MV PI 0 ; il ny a donc pas deet casino, au contraire de
la strategie MV VaR.
Pour les valeurs les plus basses de lactif risque (valeurs inferieures à
0,6 dans notre exemple numerique), la strategie MV LEL est à nouveau similaire à une strategie convexe dassurance de portefeuille :
quand lactif risque baisse, le niveau dexposition à lactif risque
regresse, en convergeant vers 0, et sans jamais, contrairement a` la

2. STRATEGIE
109
strategie MV VaR, repasser en dessous du niveau dexposition de

la strategie MV PI 0 (correspondant à une strategie moins averse a`
la sous-performance).
Figure 34. Poids intermediaires - Strategie MV LEL, MV

VaR, MV PI 0, MV PI 1
MV VaR et MV LEL : W 0 = 122%, W = 90%.
MV PI 0 : W = 90%.
MV PI 1 : W = 100%.
(2) Sensibilite au temps restant jusquà lhorizon dinvestissement.

Comme on peut observer sur la gure (Fig.35), linvestisseur MV LEL
se comporte de manière contraire aux règles de diversication temporelle du Conventional Wisdom ; en eet plus le temps passe et plus la
strategie est sensible au mouvement du sous-jacent MT .
(3) Sensibilite au seuil desperance de sous-performance .
Les gures (Fig.36), (Fig.37),(Fig.38),(Fig.39) montrent que, comme dans
le cas de linvestisseur MV VaR, plus laversion à la sous-performance
est elevee (i.e. plus la valeur du paramètre est faible) plus linvestisseur
MV LEL a tendance à sur reagir par rapport a` linvestisseur MV PI
de reference (investisseur MV LEL avec un niveau minimum daversion
a la sous-performance).
`
Ainsi, le creux dexposition a` lactif risque, qui se produit dans un intervalle de valeurs intermediaires de lactif risque, devient plus prononce
quand la valeur du paramètre de perte, , diminue.
A loppose, contrairement à la strategie VaR, le pic dexposition a` lactif risque qui se produit dans la zone de sous-performance est le meme
quelque soit le choix du niveau de risque de sous-performance maximale.
110
`
2. CRITERE
(4) Sensibilite au niveau de tolerance au risque a.

Les gures (Fig.40) et (Fig.41) ci-dessous illustrent le fait que pour une
valeur donnee du paramètre daversion a` la sous-performance A, plus le
niveau de tolerance au risque est eleve, moins la contrainte daversion à
la sous-performance est restrictive pour lasset manager MV LEL.
Par exemple, pour le niveau le plus eleve de tolerance au risque considere
dans notre exemple numerique, i.e. a = 4 (courbe rose), le degre daversion a` la sous-performance ne joue presque pas puisque la strategie exhibe
le prol convexe-concave typique dune strategie dassurance de portefeuille MV PI.
(5) Sensibilite au niveau de protection du capital W .
Plus le niveau de protection est bas et plus leet de sur-exposition
dans la zone de sous-performance proche de la richesse cible est important comme illustre sur les gures (Fig.42) et (Fig.43).
Figure 35. Eet du temps restant jusqu`

a lhorizon dinvestissement T t - Poids intermediaires - Strategie MV LEL W 0 = 122%

2. STRATEGIE
Figure 36. Eet du seuil desperance de sous-performance Valeurs intermediaires - Strategie MV LEL - W 0 = 122%
Figure 37. Eet du seuil desperance de sous-performance Poids intermediaires - Strategie MV LEL - W 0 = 122%
111
112
`
2. CRITERE
Figure 38. Eet du seuil desperance de sous-performance Valeurs intermediaires - Strategie MV LEL - W 0 = 135%
Figure 39. Eet du seuil desperance de sous-performance Poids intermediaires - Strategie MV LEL - W 0 = 135%

2. STRATEGIE
Figure 40. Eet du niveau de tolerance au risque a - Valeurs

intermediaires - Strategie MV LEL W 0 = 122%
Figure 41. Eet du niveau de tolerance au risque a - Poids

113
114
`
2. CRITERE
Figure 42. Eet du niveau de protection du capital W - Valeurs

Figure 43. Eet du niveau de protection du capital W - Poids

3. CONCLUSION DU CHAPITRE
115
Dans ce chapitre, nous nous sommes interesse au problème dallocation dynamique

de portefeuille Moyenne-Variance / Donwnside Risk, en guise dalternative aux
problèmes Moyenne / Variance (non prise en compte de laversion a` la sousperformance de linvestisseur) et Moyenne / Donwnside Risk (neutralite au risque
dans la zone de sur-performance).
Il sagit du problème dinvestissement de lasset manager qui cherche à maximiser
lutilite esperee de sa richesse nale pour une forme generalisee de fonction dutilite quadratique adaptee a` la prise en compte de son aversion à la sous-performance.
Nous avons considere implicitement les deux mesures de risque que sont la probabilite de perte et lesperance du co
ut dutilite de cette perte, et nous avons suppose
que linvestisseur doit prendre en compte une contrainte explicite supplementaire
dassurance de portefeuille dans son critère dinvestissement.
La forme du problème dinvestissement analyse generalise un certain nombre de
problèmes dinvestissement dej`
a proposes dans la litterature :
A la limite, pour un niveau daversion a` la perte nul, on retrouve la forme du
problème Moyenne-Variance avec contrainte de protection du capital mais
sans aversion à la sous-performance.
A la limite, pour un niveau de tolerance au risque maximal, on retrouve la
forme du problème Moyenne / Downside Risk avec contrainte de protection du capital et avec une neutralite face au risque de linvestisseur dans la
zone de sur-performance.
Nous avons montre que ce problème dinvestissement peut, de manière equivalente,
sexprimer comme celui de linvestisseur non averse à la sous-performance, qui
cherche a` maximiser lutilite (quadratique) esperee de sa richesse nale et qui doit
prendre en compte une double contrainte explicite de risque ; une contrainte dassurance de portefeuille ainsi quune contrainte de niveau maximal de risque de
sous-performance.
Il sagira dune contrainte explicite de type Value at Risk (si la probabilite de
perte est la mesure de risque choisie) ou dune contrainte de type Limited Expected Loss (si le choix de la mesure de risque porte sur lesperance du co
ut dutilite
de la perte).
Nous avons montre que, selon la mesure de perte consideree, leet de la prise
en compte dune contrainte supplementaire dassurance de portefeuille sur le prol
de gain optimal est très dierent :
116
`
2. CRITERE
(1) La forme du prol optimal de richesse nale pour le problème dinvestissement avec fonction dutilite discontinue (contrainte implicite sur la
probabilite de sous-performance) depend de lecart entre la richesse cible
et le niveau considere de protection du capital 35 :
-Si la cible de richesse nale est susamment eloignee du niveau de protection (i.e. pour un ecart de valeur superieur à un seuil de reference 36),
le pay-o de la strategie optimale admet quatre etats de richesse, dont
trois sont similaires a` la strategie optimale de ce meme problème sans
assurance de portefeuille 37 et un quatrième etat de richesse basse qui correspond au niveau de protection du capital.
-Dans le cas contraire, i.e. si la cible de richesse est trop proche du niveau de protection, la strategie optimale admet une forme degradee, a`
trois etats de richesse nale, qui ne depend pas du degre daversion à la
sous-performance de linvestisseur.
-Dans les deux cas, le prol de gain de la strategie optimale est discontinue, ce qui induit une prise de risque supplementaire similaire à celui
dune strategie optionnelle binaire (option digitale).
(2) La strategie optimale du problème dinvestissement avec fonction dutilite

continue (contrainte implicite sur lesperance du co
ut dutilite de la sousperformance) admet au contraire une forme de pay-o continue qui est
unique quelque soit le niveau considere de protection du capital.
Le pay-o de la strategie optimale admet quatre etats de richesse, dont
trois sont similaires a` la strategie optimale de ce meme problème sans
assurance de portefeuille 38 et un quatrième etat de richesse basse qui correspond au niveau de protection du capital. Le passage entre chacun de
ces etats est continu
Enn, nous avons explicite, dans le cadre du modèle a` deux actifs de Black &
Scholes (1973), lexpression de la strategie dynamique optimale ; celle-ci sidentie
a une combinaison doptions dont le sous-jacent correspond au portefeuille de type
`
Moyenne Variance, solution du problème dynamique sans contrainte daversion
ni protection du capital.
35. Toute chose restant egale par ailleurs (i.e. `

a valeur constante des paramètres daversion au
risque et daversion `
a la perte de linvestisseur).
36. La valeur de ce seuil de protection du capital est une fonction croissante de laversion au
risque et de laversion `
a la perte de linvestisseur.
eme de lasset manager HARA loss averse (sans contrainte de protection)
pr
esent
e dans le premier chapitre dans le cas particulier o`
u la fonction dutilit
e est une fonction
dutilit
e quadratique discontinue et comprend une mesure de perte uniforme.
eme de lasset manager HARA loss averse (sans contrainte de protection)
pr
esent
e dans le premier chapitre dans le cas particulier o`
u la fonction dutilit
e est une fonction
dutilit
e quadratique continue et comprend une mesure de perte non uniforme qui d
epend du co
ut
dutilit
e de la perte.
CHAPITRE 3
Allocation dynamique avec benchmark et taux

stochastique
Nous souhaitons dans ce chapitre etudier le problème de lallocation dynamique

de portefeuille optimale avec benchmark et, le cas echeant, contrainte daversion a`
la sous-performance 1, dans le cadre dun modèle dactifs avec des hypothèses moins
restrictives que celles du modèle de Black & Scholes (hypothèse de taux dinteret
constant et existence dun seul actif risque).
Ainsi, nous considerons un marche nancier elargi à deux sources de risques (un facteur de risque action et un facteur de risque de taux dinteret) et nous nous placons
sous les hypothèses du modèle de taux stochastique à un facteur de [Vasicek, 1977]
pour decrire la deformation de la courbe des taux dinteret.
Le choix dun univers dinvestissement comprenant les deux grandes classes dactifs
traditionnelles que sont les actions et les obligations couple a` la prise en compte
dune contrainte de gestion du risque de sous-performance va nous permettre danalyser le problème dinvestissement caracteristique de linvestisseur institutionnel
(assureur, fonds de pension), à savoir :
allouer son portefeuille de manière dynamique entre plusieurs classes dactifs
(action, obligation,...).
generer, a` un horizon dinvestissement xe, une sur-performance par rapport
a un benchmark denissant lallocation strategique de son portefeuille 2,
`
tout en matrisant son risque de sous-performance.
Notons que ce type de problème dallocation dynamique en temps continu pour
lequel la variable de richesse est la valeur du portefeuille en excès du benchmark a
dej`
a ete propose dans la litterature.
[Bajeux-Besnainou et al., 2003a] etudient le critère de minimisation de la Tracking Error (denie comme lecart type de la dierence entre valeur nale du portefeuille et du benchmark) pour un niveau xe desperance de sur-performance 3 ;
ces auteurs considèrent deux types de contraintes explicites supplementaires (une
contrainte portant sur un niveau de richesse minimum xe et une contrainte de
sous-performance maximale par rapport a` un benchmark variable) et se placent
1. relativement `
a un portefeuille de r
ef
erence ou benchmark
2. le portefeuille benchmark peut aussi sinterpr
eter comme un portefeuille proxy de couverture des engagements futurs, i.e des ux du passif, de linvestisseur institutionnel.
3. Ce qui revient a
` consid
erer comme crit`
ere du probl`
eme dinvestissement la maximisation
de lutilit
e esp
er
ee du surplus de richesse avec un choix de fonction dutilit
e quadratique.
117
118
3. ALLOCATION DYNAMIQUE AVEC BENCHMARK ET TAUX STOCHASTIQUE
dans le cadre dun modèle a` trois actifs (portefeuille de marche, portefeuille benchmark et actif monetaire) sous lhypothèse de taux dinteret constant.
[Zhao, 2007] propose un modèle similaire (comprenant N actifs qui suivent des
Mouvements Browniens Geometriques et un taux court non stochastique) et resout
le problème de maximisation de lutilite esperee du surplus de la richesse (ecart
de richesse nale entre le portefeuille et le benchmark) en se fondant sur une forme
generale de fonction dutilite HARA (avec comme cas particulier la fonction dutilite quadratique) mais sans prendre en compte une contrainte de risque de sousperformance maximale.
Dans le prolongement de ces articles, nous cherchons à expliciter lallocation dynamique action / obligation / monetaire optimale en supposant que linvestisseur
doit prendre en compte une contrainte supplementaire sur le niveau du risque de
sous-performance de son portefeuille 4 et quil est soumis en plus du risque action
a une seconde source de risque liee à la variation stochastique des taux dinteret.
`
Notre modèle dactifs sera celui propose par [Bajeux-Besnainou et al., 2001]
ou [Bajeux-Besnainou et al., 2003b]. Il sagit dun modèle a` deux sources de
risques (taux et action) fonde sur la dynamique du taux court pour decrire la
courbe des taux. Ce modèle implique en particulier lexistence dun paramètre de
correlation constant negatif entre le facteur de risque lie à lactif action et celui
provenant de la dynamique des taux dinteret.
Dans la première sous-section, nous presentons les principales caracteristiques du
modèle a` trois actifs considere.
Dans la seconde sous-section, nous explicitons et analysons les proprietes de la solution du problème de maximisation de lutilite esperee du surplus de richesse par
rapport a` un benchmark (investisseur HARA non averse a` la sous-performance) ;
nous considerons a` la fois linvestisseur HARA ayant un prol de gain concave (similaire a` linvestisseur du problème Moyenne-Variance dynamique) et linvestisseur
HARA avec prol convexe (similaire à une strategie dassurance de portefeuille
non optionnelle de type Constant Proportion Portfolio Insurance 5) .
Dans la troisième et dernière sous-section, nous expliciterons lallocation dynamique optimale pour linvestisseur HARA, averse a` la sous-performance, devant
prendre en compte une contrainte sur le niveau de risque de sous-performance du
portefeuille couplee a` une contrainte explicite dassurance de portefeuille.
4. portant sur le niveau desp

erance de sous-performance par rapport `
a un benchmark
5. La strat
egie CPPI ou encore strategie du coussin est une strat
egie dynamique dassurance de portefeuille consistant a
` investir, dans un portefeuille dactifs risqu
es, une proportion
constante de lexc`
es de richesse par rapport au niveau cible ou benchmark (appel
e couramment
coussin ; elle implique un d
e-investissement progressif ou dynamique au fur et a
` mesure que le
niveau du sous-jacent baisse, i.e. que la valeur du Coussin diminue.
Pour plus de d
etail, on pourra se ref
erer `
a [Perold Sharpe, 1988] ou plus r
ecemment, dans un
cadre de probl`
eme dallocation dynamique, `
a [Basak, 2002].
On notera enn, que la forme de prol concave des strat
egies optimales que nous considerons
(cas o`
u < 0) peut
etre vue comme une strat
egie anti-coussin qui est la strategie oppos
ee de
la strat
egie CPPI ; la strat
egie Anti-Coussin sapparente `
a une strat
egie contrariante : elle
implique un r
einvestissement progressif en actifs risqu
es au fur et `
a mesure que le niveau du sousjacent baisse, i.e. que la valeur de lAnti-Coussin diminue (d
eni comme la di
erence entre la
richesse du portefeuille et le niveau cible de richesse maximale).
`
E
1. MODELE
DACTIFS CONSIDER
119
1. Mod`
ele dactifs consid
er
e
1.1. Expression de la dynamique des actifs consid

er
es.
Nous nous placons dans le cadre du modèle de [Bajeux-Besnainou et al., 2001],
qui supposent que la courbe des taux est decrite par le modèle de [Vasicek, 1977] et
considèrent lexistence de quatre actifs (dont deux actifs obligataires redondants) :
(1) Lactif monetaire dont la dynamique de prix est decrite par lequation
suivante :
dSt0 /St0 = r(t)dt
ou rt designe la valeur du taux dinteret à court terme du marche monetaire
et suit un processus dOrstein-Uhlenbech donne par lequation suivante :
drt = ar (br rt )dt r dZtr
avec ar designant le taux de retour à la moyenne, br le niveau moyen
du taux court a` lequilibre et r la volatilite du taux court.
(2) Deux actifs obligataires redondants 6 :
Un Zero-Coupon, qui a pour maturite, à la date 0, lhorizon dinvestissement T (et qui a donc une duration de T t, a` la date
t [0, T ]) ; sa dynamique de prix est la suivante :
dB(t, T t)/B(t, T t) = (rt + r T t )dt + T t dZtr
ou r est le prix du risque, suppose constant.
Sa prime de risque depend de T t et secrit : T t = r T t
avec T t = r (1 ear (T t) )/ar
Un fonds obligataire maintenant une duration constante, notee K

(en pratique K > T ) modelise par le processus suivant :
dBK /BK = (rt + r K )dt + K dZtr
Sa prime de risque est constante et secrit : K = r K avec
6. Notons que le mod`
ele de Vasic`
ek implique que x = r (1exp(ax))/a avec x = K ou T t
De plus on remarque quon a dBT t /BT t = (T t /K )dBK /BK + (1 T t /K )dSt0 /St0 .
Ce qui sinterpr`
ete de la mani`
ere suivante : 1 Euro investi dans BT t , entre t et t + dt , est
equivalent a
` un portefeuille compos
e de T t /K Euros investis sur BK et 1 T t /K Euros
investis sur St0 .
120
K = r (1 ear K )/ar
(3) Un actif de type action ou indice action, dont la dynamique est la suivante 7 :
dS/S = (rt + S )dt + 1 dZtS + 2 dZtr ,
avec(WS , Wr ) un mouvement brownien standard bidimensionnel,
et ou S = S 1 + r 2 , designe la prime de risque constante de lindice action.
On notera que les hypothèses de ce modèle impliquent, dune part, que les prix
des instruments de taux (taux court et instrument obligataire Zero-Coupon ) sont
modelises par des processus stochastiques dont la volatilite est deterministe, et
dautre part, que la deformation de la courbe des zero-coupon est decrite entièrement
par une seule variable detat, le taux court, note rt 8.
7. Sous les hypoth`

eses de ce mod`
ele, les deux propri
et
es suivantes
sont v
eri
ees :

2
2
-la volatilit
e de lindice action est constante, donnee par S 1 + 2 .
-le niveau de corr
elation entre la valeur de lactif de type action et le niveau des taux (dr ou
egatif et constant .
-dLnB(t,T-t)), qui provient du terme 2 dWtr , est n
8. Lexpression du prix de lactif Z
ero-Coupon est donnee dans le cadre du mod`
ele de
[Vasicek, 1977] par la formule suivante :
B(t, T t) = em(T t)+
2 (T t)
2
T 2
avec m (T t) = br (T t) + (rt br )F (T t), 2 (T t)
T u du =
t

2
2
a
(T
t)
r
r
(T t)
(T t)
(T t)
1 F(T
, o`
u on a pos
e F (T t) Tt 1e a
ar F2(T
et br =
t)
t)
a2
r
r
br + r
a
r
`
E
1. MODELE
DACTIFS CONSIDER
121
1.2. Expression de la dynamique du portefeuille growth-optimal

et du portefeuille de Merton.
Lemme 1.
(1) Le portefeuille numeraire (ou growth-optimal ou encore log-optimal),
note (H, h), est une strategie dont les poids, representant la part de richesse investie dans les dierents actifs, sont donnes par les expressions
suivantes 9 :
h s /1 sur lactif de type action S
S
hK (r 1 s 2 )/1 K sur lactif de type obligataire BK
1 hS hK sur lactif monetaire S 0

Ou encore,
h sur lactif de type action S
S
hK K /T t sur lactif Zero-Coupon BT t
1 hS hK K /T t sur lactif monetaire S 0

(2) De plus le prix de ce portefeuille suit un processus dIt
o multidimensionnel

2
dont lexpression est la suivante : dHt /Ht = (rt + ) dt + dZt
(3) Expression de lallocation du portefeuille H en terme de prime de risque

Nous pouvons reecrire les poids, correspondant a
` la part de richesse totale
investie dans les actifs action et obligataire, de la facon suivante 10 :
2
hS s1 /12 et hK (K /K
) hS (s2 /K )
avec s1 = S 1 et s2 = r 2
9. On notera les propri
et
es suivantes :
-Les poids de la richesse totale investie dans les di
erents actifs du portefeuille H sont constants
ependent du temps restant
quand on les exprime par rapport aux trois actifs S, BK , et S 0 mais d
a courir jusqu`
`
a maturit
e quand on les exprime par rapport aux trois actifs S, B T t , et S 0 .
et r = 2
( ou de mani`
ere
equivalente si s = s2
-Dautre part, on note que si s = 1
et K = 2 K ) alors les poids du portefeuille H sont hS = 1 ; hK = 0 et par cons
equent le
portefeuille H se r
eduit a
` lactif, S, de type action.
10. Ce qui sinterpr`
ete de la facon suivante
-Plus lanticipation sur l
evolution de la composante pure action est positive (i.e. plus le ratio de
la prime correspondant au risque action pure, s1 , sur la partie de la variance action pure, 12 ,
est
elev
e) et plus hS , le poids du portefeuille H investi sur lactif S de type action, est important.
2 ) , de la
-Plus lanticipation sur l
evolution de lactif obligataire est positive (plus le ratio (K /K
elev
e.
prime de lactif obligataire sur sa variance est grande) et plus hK , est
-Inversement, plus hS et (s2 /K ) (rapport entre la partie de la prime de lactif action provenant
de la corr
elation action / taux et de la prime de lactif obligataire) sont
elev
es et plus, hK , le
poids du portefeuille H investi sur lactif BK , est faible. Implicitement, une partie de la prime
obligataire est d
ej`
a captur
ee par lexposition du portefeuille a
` lactif action.
122
Lemme 2.
(1) Le portefeuille de Merton qui peut se denir comme la strategie dynamique
atteignant la richesse nale (HT )1/ 11 , et que lon note (h , H ), exhibe
des poids, correspondant `
a la part de richesse investie dans les dierents
actifs, qui sont donnes par les formules suivantes 12 :

1/ sur le portefeuille H
1 1/
sur lactif Zero-Coupon BT t
Ou
hS / sur lactif action S
hK / sur lactif obligataire BK
(1 hS hK )/ sur lactif monetaire S 0
(1 1/) sur lactif Zero-Coupon B
T t
Ou encore
h / sur lactif de type action S
S
(hK /) + (1 1/)T t /K sur lactif de type obligataire BK
Le reste sur lactif monetaire S 0

(2) Le prix du portefeuille (h , H ) suit un processus dIt
o dont la dynamique
est la suivante :
2
dHt /Ht = (rt + /) dt + ( /)dZt

(3) La valeur intermediaire, notee Ht , est donnee par lexpression suivante :
1/
Ht = Ht
[B(t, T t)]
(11/)
(1)
(H (T t)/)2
2
2
avec H
(T t) = V ar(Ln(HT )) = 2 (T t)+ (T t)2H (T t)
T
T
o`
u 2 (T t) T2 u du ; (T t) ( T u du) ;H = r / et
2
= 2r + 2S et o`
u B(t, T t) designe la valeur de lactif Zero-Coupon
decheance T t dans le modèle de [Vasicek, 1977].
11. `
a la constante de budget près
ependants de T t quand ils sont
12. On notera que les poids du portefeuille H sont ind
ependent de T t,
exprim
es en fonction du prix des quatre actifs S, BK , et S 0 et B T t mais d
quand ils sont exprim
es en fonction du prix des trois actifs S, BK , et S 0 .
Quand t T , le vecteur des poids de H tend vers le vecteur de poids constant, (1/) h.
2. BENCHMARKING SANS AVERSION A
123
2. benchmarking sans aversion `

2.1. Probl`
eme dinvestissement consid
er
e.
On suppose que linvestisseur cherche à maximiser, a` un horizon dinvestissement
pre-deni, lutilite esperee de lecart de sa richesse par rapport a` celle dun benchmark (ou portefeuille de reference), note (O, o).
Nous considerons un investisseur dont la fonction dutilite est HARA et dont lexpression est la suivante :
1
u(y) (1/c) (cy+a)

1
o`
u on suppose que cy + a > 0 et c > 0
avec
y : lexcès de richesse par rapport au benchmark,
: le paramètre daversion au risque de linvestisseur R/{0; 1},
c : un paramètre non nul qui a le meme signe que et depend donc du prol
de gain de linvestisseur 13,
a/c : le seuil de richesse maximum, respectivement de perte maximum,
pour negatif, respectivement positif, o`
u a > 0.
Notons que pour = 1, on retrouve le cas de linvestisseur du problème MoyenneVariance, dont la fonction dutilite est une fonction quadratique, dont le prol de
richesse est concave 14, et dont le seuil de richesse maximale est egal a` a (seuil de
richesse o`
u linvestisseur atteint la satiete)
Enn, pour > 0, on retrouve le cas de linvestisseur HARA, ayant une fonction
dutilite puissance, un seuil de richesse minimum egal a` a, et un prol convexe 15
qui generalise le cas de linvestisseur CRRA (obtenu pour a 0 ).
Le problème dinvestissement secrit de la facon suivante :
13. Sans perte de g

en
eralit
e, on peut supposer que ce paramètre prend la valeur -1 ou +1 en
fonction du prol de gain de linvestisseur : -1 pour un prol de richesse concave correspondant `
a
< 0 et +1 pour un prol convexe correspondant a
` un choix du param`
etre positif.
.
Ce qui revient a
` supposer que son expression est la suivante : c ||
Cette terminologie de prol convexe, resp. prol concave, fait r
ef
erence `
a une strat
egie dont lallocation ou le montant investi dans un portefeuille dactifs risque (que lon pr
ecisera dans la suite)
est une fonction croissante, resp. decroissante de la valeur du portefeuille dactifs risques.
14. ce qui se traduit par une forme concave de la courbe de richesse nale en fonction de la
valeur du portefeuille dactifs risqu
es.
15. ce qui se traduit, pour 0 < < 1, par une forme convexe de la courbe de richesse nale
en fonction de la valeur du portefeuille dactifs risqu
es et un montant allou
e dans le portefeuille
dactifs risqu
es croissant en fonction de sa valeur. Pour > 1, la forme de la richesse est concave
mais le montant allou
e dans le portefeuille dactifs risques reste croissant en fonction de sa valeur.
124
Probl`
eme 13.

(P 13)
max
YT L2 (P )
s.a
E(u(YT ))
E {YT /HT } = 0
avec Yt Wt Ot , la valeur de lecart de richesse (ou encore le surplus) par

rapport `
a celle du benchmark, `
a linstant t,
et avec 0 1 E {OT /HT } 1 et E {OT /HT } 1 16
2.2. Expression de la richesse terminale et de lallocation dynamique

optimale.
On obtient le resultat suivant :
Propri
et
e 21.
(1) La richesse terminale optimale du problème (P13) est donnee par lexpression suivante :

1/
WT = OT + kHT a /c avec k = (aB(0, T ) + c0 )/H0 (equation
de budget)
(2) La valeur a
` la date t , de la strategie dynamique optimale, notee Wt , est
donnee par la formule suivante 17 :
Wt = Ot + {kHt aB(t, T t)} /c
1/
(11/)
(1)
avec Ht = Ht [B(t, T t)]

e 2 (H (T t)/) ,
18
2
u B(t, T t) designe la valeur dun
o`
u H (T t) = V ar(Ln(HT )) et o`
Zero-Coupon dans le modèle de [Vasicek, 1977].
(3) Lallocation optimale est donnee par le vecteur de poids, wt , dont lexpression est la suivante :
16. Sinon le portefeuille benchmark nest pas une strat
egie admissible.
17. La non-n
egativit
e de la richesse est garantie dans les deux cas suivants :
-le portefeuille benchmark sidentie a
` lactif Z
ero-Coupon et > 0 ; dans ce cas on a Wt
(1 a/c)B(t, T t) p.s.
ese
-le coecient a est proportionnel a
` la valeur du benchmark, i.e. a aOt (toujours dans lhypoth`
el
ementaire Buy
o`
u > 0) ; dans ce cas, on a Wt (1 a/c)Ot p.s. et il ny a plus de position
& Hold investie dans lactif obligataire Zero-Coupon qui est remplace par une position investie
dans le portefeuille Benchmark : Wt = (k/c) Ht + (1 a/c) Ot .
2 (T t) = V ar(Ln(H )) = 2 (T t) +
2 (T t)
18. Sous nos hypoth`
eses, on a H
T
T

T
2
2
u (T t) T u du ; (T t) ( T u du) ; H = r /
et
2 =
2H
(T t) o`
2r + 2S .
125
wt = (Ot /Wt )o + ((k/c)Ht /Wt )h + ((k/c) (1 1/)Ht

(a/c) B(t, T t))/Wt )b
ou encore, avec yt = wt (Ot /Wt )o ,
yt = ([(Wt Ot )/ + (a/c)B(t, T t)] /Wt )h
+ [(1 1/)(Wt Ot ) (a/c)B(t, T t)] /Wt )b
o`
u o (oS , oK , oB , 1 oS oK oB ) , h (hS ,hK ,0,1 hS hK ) ,

b (0, 0, 1, 0) .
Cons
equence 11.
Lallocation optimale, exprimee en montant, est la suivante :
oS Ot + (hS /)(k/c)Ht sur lactif de type action S
oK Ot + (hK /)(k/c)Ht sur lactif de type obligataire BK
oB Ot + (1 1/)(k/c)Ht (a/c)B(t, T t) sur le Zero - coupon BT t
(1 o o o )O + ((1 h h )/)(k/c)H sur lactif monetaire S 0

S
K
B
t
S
K
t
2.3. Propri
et
e de d
ecomposition en plusieurs fonds de la strat
egie
optimale.
Cons
equence 12.
(1) Quelque soit le type dinvestisseur considere et son degre daversion au
risque, la strategie optimale peut sexprimer comme une strategie de type
Buy & Hold qui se decompose en trois portefeuilles elementaires : le
portefeuille benchmark O, le portefeuille de Merton H , et lactif obligataire Zero-Coupon.
(2) Alternativement, le portefeuille optimal peut etre vu comme la somme des
deux strategies suivantes :
-la première qui est integralement investie sur le portefeuille benchmark
represente la partie passive ou strategique de la strategie optimale.
-la seconde correspond `
a la partie active du portefeuille optimal et correspond `
a une strategie long-short qui est independante de la valeur du
benchmark.
Lexpression de la partie active du portefeuille montre que, pour 0 = 0, celleci sidentie a` une strategie Buy & Hold composee dune position longue investie
126
initialement dans le portefeuille H nancee par une position courte investie initialement dans lactif obligataire Zero-Coupon pour c = +1 , i.e. cas de linvestisseur
convexe (linverse se produisant pour c = 1).
Cette strategie active est similaire a` celle correspondant à la solution optimale du
problème sans reference au benchmark, a` la dierence près quelle est maintenant
de type long - short (contrainte de budget initial nul) ou partiellement long short (contrainte de budget initial strictement positif).
De plus, cette composante active de la strategie optimale sapplique au surplus
de la richesse independamment du choix du benchmark. Ainsi, mise à part la
determination de la taille de linvestissement initial, la strategie optimale ne depend
donc pas du choix du benchmark 19.
On notera aussi que ce resultat de decomposition sinterprète simplement en terme
de mesure de performance de la facon suivante (voir [Zhao, 2007]) : toute gestion
active peut etre comparee en terme de sur-performance a` un portefeuille long short de reference, qui tire sa performance de celle du portefeuille Growth Optimal H.
Finalement, on peut faire les remarques suivantes :
-dans le cas de linvestisseur convexe, pour lequel > 0 et c = +1, la sousperformance maximale est egale a` a ; autrement dit, le paramètre a correspond a`
une contrainte implicite dassurance de portefeuille.
-dans le cas de linvestisseur concave pour lequel < 0 et c = 1, la sur-performance
maximale est egale a` a ; autrement dit, le paramètre a represente un plafond de richesse correspondant au niveau de satiete de linvestisseur au-dessus duquel son
utilite est nulle.
-dans le cas particulier o`
u = 1, le portefeuille de la strategie optimale nest
ecient au sens du critère Moyenne-Variance que si le benchmark lest aussi, voir
[Bajeux-Besnainou et al., 2003a].
2.4. Analyse de lallocation dynamique en fonction du niveau de richesse, du benchmark et du prix du Z

ero-Coupon.
Cons
equence 13. Quelque soit le type dinvestisseur considere, lexpression
du vecteur de poids optimal est une combinaison lineaire dynamique de trois portefeuilles, le benchmark, le portefeuille Growth Optimal , note H, et lactif ZeroCoupon dont les coecients dependent de trois variables detats : la valeur du benchmark, la valeur du portefeuille optimal et celle du Zero-Coupon.
Ce resultat generalise ainsi la propriete de decomposition en deux fonds obtenue

19. Ce qui
etait pr
evisible, compte tenu du crit`
ere doptimisation du probl`
eme consid
er
e qui
est d
eni sur le surplus de la richesse.
127
par [Zhao, 2007], dans le cadre de la resolution du problème dinvestissement similaire `

a celui considere ici mais sous lhypothèse plus restrictive de taux deterministe.
En eet, [Zhao, 2007] obtient, sous cette hypothèse, une decomposition lineaire de
lallocation du portefeuille optimal dependant de deux portefeuilles (le portefeuille
de croissance optimal et le benchmark) et trouve que les poids investis dans ces
deux portefeuilles dependent de deux variables detat que sont la valeur du portefeuille benchmark et celle du portefeuille optimal.
Dans le cadre du modèle dactifs que nous considerons, qui prend en compte lexistence de taux dinteret stochastiques, sajoute une troisième composante correspondant a` linvestissement eectue dans lactif obligataire Zero-Coupon.
(1) Cas de linvestisseur ayant un prol convexe
Dans ce cas o`
u > 0, le poids de la richesse totale investi dans chacun des trois portefeuilles est le suivant :
(a) Le poids correspondant au benchmark O (partie passive de la strategie)

est egal au ratio Ot /Wt .
Ainsi, plus la strategie optimale sur-performe le benchmark et plus
le poids de la richesse allouee dans le portefeuille benchmark diminue
(composante convexe ou dassurance de portefeuille).
(b) Le poids investi dans le portefeuille Growth Optimal H est proportionnel a` deux facteurs :
-Lexcedent de richesse relativement au benchmark en % de la richesse totale, (Wt Ot )/Wt pondere par le coecient, 1/ , positif
qui joue un r
ole deet de levier si < 1.
-la valeur dune position longue investie sur lactif Zero-Coupon egale
` (a/)B(t, T t) , exprimee en % de la richesse optimale.
a
Ainsi, plus la strategie optimale sur-performe le benchmark, et plus
la valeur du montant investi dans le portefeuille Growth Optimal,
i.e. ((Wt Ot ) + aB(t, T t))/ , augmente (composante convexe
de la strategie) 20.
(c) Le poids investi dans lactif Zero-Coupon dont lexpression est egalement
une combinaison lineaire des deux memes facteurs :
20. Notons que, dans le cas o`
u le coecient a est proportionnel `
a la valeur du benchmark, i.e.
a lactif Z
ero-Coupon), alors le
a aOt (et en particulier tel est le cas si le benchmark sidentie `
poids de la richesse investie dans le portefeuille Growth Optimal est une fonction croissante de
lexc
edent de richesse avec le benchmark puisquon a : yt = ([(Wt Ot )/ + (a/c)Ot ] /Wt )h +
[(1 1/)(Wt Ot ) (a/c)Ot ] /Wt )o
128
-Le rapport (Wt Ot )/Wt pondere par (1 1/) correspondant

a linvestissement dans lactif Zero-Coupon qui compense les posi`
tions investies sur les portefeuilles O et H, respectivement egale a`
Ot /Wt , et (Wt Ot )/ et qui progresse en sens inverse de celles ci.
Sa valeur est une fonction decroissante du surplus de richesse si linvestisseur a un paramètre daversion plus faible que linvestisseur
logarithmique (i.e. < 1) et une fonction croissante du surplus de
richesse dans le cas contraire (pour > 1).
-La valeur dune position vendeuse investie sur lactif Zero-Coupon
exprimee en % de la richesse optimale qui est egale a` (a/)B(t, T t).
Cette position nance la position acheteuse, de meme taille, investie
initialement sur le portefeuille H.
Ainsi, pour < 1, une augmentation du surplus de richesse a pour effet de reduire la valeur du montant investi dans lactif Zero-Coupon,
i.e. ((1 1/)(Wt Ot ) + aB(t, T t))/ (composante convexe de
la strategie) ; cest linverse qui se produit pour > 1.
(2) Cas de linvestisseur ayant un prol concave

Dans ce cas o`
u < 0, lexpression du poids de la richesse totale investie
dans chacun des trois portefeuilles est la suivante :
(a) Le poids correspondant a` la partie de la strategie optimale investie

dans le benchmark O (partie passive de la strategie) est exactement
la valeur du ratio Ot /Wt (comme pour linvestisseur ayant un prol
convexe).
(b) Le poids correspondant a` la partie de la strategie optimale investie dans le portefeuille Growth Optimal, H, est proportionnel aux
deux facteurs suivants :
-Le ratio (Wt Ot )/Wt pondere par le coecient negatif : 1/ < 0.
-La valeur dune position longue sur le Zero-Coupon, (a/)B(t, T
t) , exprimee en % de la richesse optimale .
Ainsi, plus la strategie optimale sur-performe le benchmark, plus la
valeur du montant investi dans le portefeuille Growth Optimal, i.e.
(aB(t, T t) (Wt Ot ))/ || , diminue (composante concave de
la strategie) ; sa valeur converge vers 0 quand lexcedent de richesse
atteint sa valeur plafond, Yt Wt Ot = aB(t, T t) .
(c) Le poids correspondant a` lactif Zero-Coupon qui est une fonction

lineaire des deux memes facteurs :
129
-le ratio (11/)(Wt Ot )/Wt avec un coecient positif : (11/) >

0 ( < 0).
-La valeur dune position courte sur le Zero-Coupon, (a/)B(t, T t),
exprimee en % de la richesse optimale qui nance la position longue
de meme taille sur le portefeuille Growth Optimal H.
Ainsi, plus la strategie optimale sur-performe le benchmark et plus
le montant de la richesse investie dans lactif Zero-Coupon augmente
(composante concave) ; sa valeur converge vers le montant plafond
aB(t, T t) quand lexcedent de richesse atteint sa valeur plafond
Yt Wt Ot = aB(t, T t) .
(3) Expression de lallocation dynamique optimale en fonction de lexcès de

richesse par rapport au benchmark :
Cons
equence 14.
(a) Le vecteur yt* des sur/sous ponderations peut se re-ecrire comme une
combinaison lineaire dynamique de deux portefeuilles, le portefeuille
Growth Optimal H et lactif Zero-Coupon dont les coecients sont
fonctions de deux variables detat, le ratio du surplus sur la richesse
(Wt Ot )/Wt , et le ratio Ct /Wt :
yt = (Ct /Wt )h + [(Wt Ot ) Ct ] /Wt )b
avec Ct (Wt Ot )/ + (a/ c )B(t, T t)
et avec h (hS ,hK ,0,1 hS hK ) et b (0, 0, 1, 0)

(b) la variable Ct sinterprète comme un coussin de richesse relative
au benchmark 21 qui a les proprietes suivantes :
-dans le cas o`
u > 0 et c +1 (cas de linvestisseur convexe), le
montant investi dans le portefeuille H, Ct ((Wt Ot ) + aB(t, T
t))/ , est une fonction croissante du surplus de richesse.
-`
a loppose, dans le cas o`
u linvestisseur a un prol concave, i.e.
< 0 et c 1, Ct (aB(t, T t) (Wt Ot ))/ || est une
fonction decroissante du surplus de richesse.
(c) Dans le cas o`
u le niveau implicite de richesse minimum (maximum
dans le cas < 0) depend de la valeur du benchmark, i.e. a aOt ,
21. Par analogie `
a la strat
egie dite du Coussin (ou encore Constant Proportion Portfolio
Insurance) (cas > 0) qui consiste `
a investir dans un portefeuille dactifs risqu
es une proportion
constante de lexc`
es de la richesse totale par rapport `
a un niveau de richesse minimum.
Dans le cas o`
u > 0, lanalogie se fait avec la strategie dite de lAnti-Coussin qui consiste a
`
investir dans un portefeuille dactifs risques une proportion constante de l
ecart entre un niveau
de richesse plancher et la richesse totale du portefeuille.
Pour plus de d
etails, voir le commentaire ci-dessus dans lintroduction de la pr
esente section.
130
le poids de la richesse investie dans le portefeuille H, Ct /Wt , est

proportionnel `
a lecart de richesse par rapport `
a ce niveau cible, exprimee en % de la richesse totale :
-dans le cas o`
u > 0 et c +1 (cas de linvestisseur convexe),
Ct ((Wt (1 a)Ot )/ || et Ct /Wt est une fonction croissante de
la variable (Wt (1 a)Ot )/Wt .
-dans le cas o`
u linvestisseur a un prol concave, i.e. < 0 et c 1,
Ct ((1 + a)Ot Wt )/ || et Ct /Wt est une fonction croissante de
la variable ((1 + a)Ot Wt )/Wt .
2.5. Cas particulier de lutilit

e quadratique (pour = 1).
Dans ce cas, le problème dinvestissement considere peut etre exprime de facon

alternative, comme celui de linvestisseur cherchant (pour un objectif de sur-performance
donne) `
a minimiser la Tracking Error de son portefeuille par rapport a` un portefeuille de reference 22 :
min2 ST D(YT )
YT L (P )
(P)
s.a. E(Y ) = Y
; E {YT /HT } = 0
T

avec ST D(YT ) = V AR(YT ) la Tracking Error qui se denit ici comme lecart
type de YT WT OT , la dierence entre la richesse nale du portefeuille et celle
du benchmark.
Notons quil existe une relation biunivoque liant le paramètre a et le niveau cible
desperance de richesse nale Y .
3. benchmarking avec aversion `

Nous proposons a` present dexpliciter le problème de linvestisseur averse a` la sousperformance 23 dans le cadre du modèle dactif integrant un facteur de taux stochastique decrit dans la section 3.1 ci-dessus.
22. Notons que ce probl`
eme peut aussi sinterpr
eter de facon alternative comme le problème
de maximisation du Ratio dInformation sous contrainte de rendement cible :
I(YT )
max
YT L2 (P )
(P)
s.a. E(Y ) = Y
; E {YT /HT } = 0
T
o`
u I(YT ) E(YT )/ST D(YT ) est le Ratio dInformation (exprim
e par rapport au niveau de
surplus nal de richesse, i.e. YT WT OT .
23. ou de facon
equivalente, du probl`
eme de linvestisseur sous contrainte de risque de sousperformance)
3. BENCHMARKING AVEC AVERSION A
131
3.1. Probl`
eme consid
er
e et expression de la richesse terminale optimale.
De facon à prendre en compte la dissymetrie entre laversion pour la sous-performance
et lappetit pour le gain de linvestisseur, nous considerons a` nouveau une fonction
dutilite HARA loss averse et continue de la forme :

Au(y) + (B A)u(0) si y < 0
v(y) =
Bu(y)
si y 0
avec y qui represente lecart de richesse par rapport a` la valeur du portefeuille
benchmark,
avec D A/B 1 0 qui designe le degre daversion pour la sous-performance,
o`
u A B > 0,
et avec u(.) qui designe la fonction dutilite dun investisseur HARA sans aversion
` la sous-performance dont lexpression est celle consideree dans la sous-section
a
precedente :
1
u(y) (1/c) (cy+a)

1
o`
u on suppose que cy + a > 0 et c > 0
avec
: le paramètre daversion au risque de linvestisseur, o`
u R/{0; 1},
c: un paramètre non nul qui a le meme signe que 24,
a/c: le paramètre de richesse maximum ou minimum 25, o`
u a > 0.
Le problème secrit de la facon suivante :
Probl`
eme 14.

(P 14)
max
YT L2 (P )
s.a
E(v(YT ))
E {YT /HT } = 0 ; YT Y
o`
u 0 1 E {OT /HT } 1 et E {OT /HT } 1 26 et avec :
YT WT OT : la valeur nale de lecart de richesse du portefeuille avec le

benchmark
24. On pourra supposer sans perte de g
en
eralit
e que lexpression de ce paramètre est
= - 1<0 + 1>0
c ||
25. a/c +/ a d
esigne le seuil de richesse maximum, respectivement de perte maximum,
pour n
egatif, respectivement positif.
26. Sinon le portefeuille benchmark nest pas une strat
egie admissible
132
Y : le niveau de sous-performance maximale autorisee, avec Y < 0

v: une fonction dutilite HARA loss averse dont lexpression est la suivante : v(y) = u(y) D (u(0) u(y)) 1{y<0}
D = A/B 1 0: le degre daversion pour la sous-performance,
avec A B > 0.
u(.): la fonction dutilite dun investisseur HARA sans aversion `
a la perte
denie plus haut.
Par un raisonnement identique a` ceux des sections precedentes, on en deduit les

resultats suivants :
Propri
et
(1) Dans le cas sans contrainte explicite de portefeuille : Y

1/
k/B
a /c
si HT > H
HT
0
si H < HT H
WT = OT +

1/
k/A
a /c
si HT H
HT

k
a et o`
avec H Bk a , H A
u on suppose que c > 0
(2) Dans le cas avec contrainte explicite de portefeuille : Y > 27

1/
k/B
a /c
si HT > H
HT
0
si H < HT H
WT = OT +

1/
k/A
a /c
si H < HT H
HT
Y
si HT H
et avec H
k
B
a , H
k
A
a , et H =
k
A
(a + cY )
27. Sans perte de g

en
eralit
e, nous pouvons consid
erer uniquement le cas de linvestisseur ayant
un prol de gain concave pour lequel < 0 ; en eet dans le cas o`
u > 0, correspondant au prol
convexe avec contrainte implicite de niveau a/c, si on suppose que Y a/c alors la contrainte
explicite ne joue pas.
3. BENCHMARKING AVEC AVERSION A
133
3.2. Expression de lallocation dynamique optimale.

Les expressions de la valeur intermediaire et de celle du vecteur des poids de la
strategie de replication, dans le cadre du modèle avec taux stochastique considere,
sont enoncees dans les proprietes suivantes :
t
Proprie
e 23. La valeur `
a la date t, notee Wt , de la strategie, solution optimale du problème (P14), est donnee par lune des expressions suivantes :
(1) Dans le cas du problème sans contrainte explicite de portefeuille : Y

a) Si le prol de gain de linvestisseur est convexe ( > 0) :
Wt = Ot + (C(yB Ht , a, T t) P (yA Ht , a, T t))/c
b) Si le prol de gain est concave ( < 0) :
Wt = Ot (P (yB Ht , a, T t) C(yA Ht , a, T t))/c
(2) Dans le cas du problème avec contrainte explicite de portefeuille : Y >
et < 0 28
Wt = Ot + Y B(t, T t) P (yB Ht , a, T t)/c
P (yA Ht , a, T t)/c + P (yA Ht , a + cY , T t)/c
avec yA
k 1/
A
1/
avec Ht = Ht
et yB
k 1/
[B(t, T t)]
B
(11/)
(1)
(H (T t)/)2
2
2
o`
u H
(T t) = V ar(Ln(HT )) 29 et o`
u B(t, T t) designe la valeur de
lobligation Zero-Coupon dans le modèle de [Vasicek, 1977],
et avec C(Ht , X, T t) , respectivement P (Ht , X, T t) , qui designe

la valeur du call europeen, respectivement du put europeen de strike X,
decheance T t, sur le sous-jacent Ht 30.
28. Nous consid

erons uniquement le cas de linvestisseur ayant un prol de gain concave pour
lequel < 0 ; dans le cas o`
u > 0 et Y a/c , la contrainte explicite ne joue pas et le cas > 0
et Y > a/c sobtient de facon similaire.
2 (T t) = V ar(Ln(H )) = 2 (T t) +
2 (T t)
eses, on a H
T
2H
(T t)
ou 2 (T t)
T
t
T
2
2
2
2
T
u du ; (T t) ( T u du) ; H = r /
et
= r + S
t

eses, on a C(Ht , X, T t) = Ht N (d1 ) X B(t, T t)N (d2 )
u on a pos
e d1 (ln(Ht /X)ln(B(t, T
et P (Ht , X, T t) = X B(t, T t)N (d2 )Ht N (d1 ) o`
t) + (H (T t)/)2 /2)/(H (T t)/) et
2 (T t) = V ar(Ln(H )) d
enis comme pr
ec
edemment.
d2 d1 H (T t)/ et H
T
134
Propri
et
e 24.
Le vecteur, note wt , des poids de la strategie, solution optimale du problème (P14),
est donne par la formule suivante :
wt = (Ot /Wt )o + (t /Wt )h + ([(Wt Ot ) t ] /Wt )b
avec t denie selon les cas par les formules suivantes
(1) Dans le cas du problème sans contrainte explicite de portefeuille : Y
t

yB N (c/ |c|)da/yB + yA N (c/ |c|)da/yA /(|c| ) Ht
(2) Dans le cas du problème avec contrainte explicite de portefeuille : Y >

et avec < 0
t

yB N da/yB ) yA N da/yA + yA N d(a+cY )/yA /(c) Ht
o`
u on a pose yA
et dX
H
ln( Xt
k 1/
, yB
k 1/
B
(H (T t)/)2
2
)ln(B(t,T t)+
H (T t)/
2
(T t) et Ht tels que denis dans la propriete 23,
o`
u H
et avec o (oS , oK , oB , 1 oS oK oB ), h (hS ,hK ,0,1 hS hK ) et

b (0, 0, 1, 0)
Deuxi`
eme partie
Allocation dynamique avec

r
emun
erations variables
Il sagit dune pratique courante que les societes de gestion dactifs pour compte
de tiers percoivent non seulement une commission de gestion sur encours xe
(prelèvement dun pourcentage xe de la valeur des actifs geres) mais aussi une
commission variable liee a` leur performance.
Cette seconde composante incitative de leur remuneration appelee commission de
sur-performance sexprime le plus souvent comme un pourcentage de la sur-performance
positive du portefeuille gere par rapport à un portefeuille de reference (le benchmark).
Ce type de remuneration asymetrique (à caractère optionnel) fait lobjet de critiques, exacerbees depuis la crise de 2007-2008, notamment parce quil est susceptible dinciter lasset manager à prendre des risques excessifs. Dailleurs, an de
limiter ces derniers, lasset manager est souvent soumis a` des contraintes portant
sur le niveau de risque maximum de sous-performance.
Nous souhaitons dans cette partie analyser limpact sur le comportement des gerants
de portefeuille de lexistence dun tel mode de remuneration incitative ; en outre,
dans le prolongement des chapitres precedents, nous souhaitons savoir si la prise
en compte de contraintes de risque de sous-performance supplementaires imposees
au gerant ou traduisant son aversion a` la sous-performance peut etre beneque à
linvestisseur donnant mandat de gestion nancière.
Au plan theorique, ces questions peuvent sinscrire dans le cadre des modèles
principal-agent 31. An deviter une complexite technique inadaptee à notre
problematique, letude des distorsions impliquees par la remuneration incitative
et les contraintes de gestion, nous adoptons une approche dierente et plus simple
et, à loppose de la theorie du problème Principal-Agent, nous ne cherchons pas à
determiner les termes du contrat optimal.
Considerant que le contrat de remuneration et toutes les contraintes dinvestissement (type de benchmark et contraintes de risque) sont xes de manière exogène
avant la date dinvestissement initial, nous souhaitons quantier à posteriori leet
de cette forme de remuneration et de ces contraintes sur la strategie dynamique
suivie par lasset manager 32.
31. La th
eorie du probl`
eme Principal - Agent cherche `
a d
eterminer la forme de contrat
optimal pour les deux parties et sinteresse en particulier aux questions suivantes dans le
cadre dune d
el
egation de gestion nancière : d
eterminer sous quelles conditions (y compris le
choix du benchmark), une forme a
` priori donn
ee de structure de frais (par exemple lin
eaire)
est optimale ou encore, partant dune hypothèse de structure de frais sp
ecique et dun choix
exog`
ene de benchmark, d
eterminer quel est le choix optimal des valeurs des param`
etres du contrat.
Par exemple, sous lhypoth`
ese dune forme de compensation nanci`
ere ane ou lineaire (les
termes nanciers du contrat de r
emun
eration
etant suppos
es pr
e-d
enies), [Lioui Poncet, 2006]
analysent la strategie optimale suivie par lasset manager (agent) puis ils explicitent le choix de
la forme optimale de benchmark pour linvestisseur (principal).
Pour une revue compl`
ete de la litt
erature sur le probl`
eme Principal - Agent en gestion
de portefeuille avec d
el
egation de gestion, benchmarking et mecanisme de compensation
nanci`
ere ont pourra se ref
erer `
a [Stracca, 2005].
32. On peut citer deux
etudes qui suivent la m
eme approche que la notre et sint
eressent plus
particuli`
erement `
a certaines sp
ecicit
es de lindustrie des hedge funds :
[Hodder Jackwerth, 2006] et [Kouwenberg Ziemba, 2007] consid`
erent le probl`
eme de
choix dynamique de portefeuille du g
erant de Hedge Funds qui cherche `
a maximiser lutilit
e esp
er
ee de sa richesse (agent CRRA pour [Hodder Jackwerth, 2006] et agent ayant
137
Plus precisement, nous allons montrer en quoi la strategie suivie par un asset manager qui benecie dune remuneration incitative et qui est assujetti à des contraintes
de sous-performance se dierencie de celle que lui meme suivrait en tant quinvestisseur. Nous comparerons donc la strategie de lasset manager (qui depend de sa
remuneration) a` la strategie optimale de linvestisseur ayant la meme fonction dutilite, qui maximise lesperance de lutilite de la valeur terminale de son portefeuille
(ou de lecart de cette valeur par rapport à un benchmark).
Par ailleurs, nous ferons valoir quen labsence de remuneration incitative, la strategie
optimale pour lasset manager lest aussi pour linvestisseur 33. Un tel asset manager (sans remuneration incitative) constituera donc lasset manager de reference.
La comparaison des strategies eectivement suivies par rapport a` celle de lasset
manager de reference permet, de facon simple, dapprecier simultanement les distorsions impliquees par la remuneration incitative et les contraintes de gestion
ainsi que les conits dinteret quelles impliquent.
Notre analyse portera en particulier sur les deux elements suivants :
(1) Impact de la prise en compte de plusieurs formes de remuneration incitative sur le comportement de lasset manager en terme dexposition
dynamique aux actifs risques.
(2) Impact de la mise en place dun contr
ole de risque additionnel (par exemple
par le risk manager de la societe de gestion) sur le comportement de lasset
manager recevant une incitation nancière. Benece retire par linvestisseur.
Nous supposons que la remuneration de lasset manager est prelevee sur la valeur
du portefeuille de linvestisseur à la date de n du mandat, date qui correspond à
lhorizon dinvestissement de linvestisseur 34.
De plus, nous faisons lhypothèse que lasset manager/investisseur est HARA. Dans
un contexte de gestion avec benchmark, nous supposerons que lasset manager doit
prendre en compte des contraintes 35 qui peuvent etre imposees par linvestisseur
une fonction dutilit
e asym
etrique issue de la th
eorie perspectives (Prospects Th
eory) pour
[Kouwenberg Ziemba, 2007]).
La richesse du gerant de hedge funds a un prol optionnel du `
a la composante asym
etrique de
la commission de sur-performance recue. Nous g
en
eraliserons certaines des caracteristiques de ces
mod`
eles en consid
erant une forme de r
emun
eration du g
erant plus g
en
erale.
33. Nous verrons dans la suite de ce chapitre que, dans le cas o`
u lasset manager ne recoit que
des frais de gestion sur encours, i.e. proportionnels a
` la valeur du portefeuille g
er
e, et si lon suppose
que linvestisseur et lasset manager cherchent `
a maximiser lutilit
e esp
er
ee de leur richesse nale
respective et quils ont, de plus, les m
emes pr
ef
erences dinvestissement (i.e. la meme fonction
dutilit
e), alors leurs probl`
emes dinvestissement se confondent.
34. Comme nous le pr
eciserons ult
erieurement, le mod`
ele que nous consid
erons peut
etre interpr
et
e comme une g
en
eralisation du mod`
ele de ux de fonds (fund ows) de
[Basak et al., 2008] ; en eet, notre mod`
ele peut prendre en compte non seulement un eet
dincitation nancière mais aussi un eet dincitation de ux lie a
` un accroissement de lencours
d
ependant de la performance `
a lhorizon dinvestissement ; en revanche nous excluons la possibilit
e
de nouveaux ux dinvestissements avant lhorizon dinvestissement.
35. Nous ferons lhypoth`
ese que le seuil de richesse maximum ou minimum compris dans lexpression de la fonction dutilit
e HARA consid
er
ee d
epend de la valeur nale du benchmark.
138
ou encore motivees par des raisons nancières.

Dans le cas o`
u le prol de gain de lasset manager HARA est convexe (fonction dutilite avec seuil de richesse minimale), il sagira de la prise en compte
dune contrainte implicite de protection de la sous-performance par rapport
a un benchmark.
`
Pour lasset manager HARA ayant un prol de richesse concave (fonction
dutilite avec seuil de richesse maximale correspondant au niveau o`
u lasset
manager atteint la satiete), la contrainte implicite prendra la forme dun niveau de sur-performance maximale par rapport au benchmark.
Nous analyserons egalement le cas plus general de lasset manager HARA
loss averse qui, sans linterdire, penalise la sous-performance par rapport au
benchmark.
Finalement, nous considerons une fonction de frais qui generalise les structures
de remuneration les plus couramment rencontrees dans lindustrie de la gestion
nancière pour compte de tiers et qui comprend une ou plusieurs des quatre composantes suivantes :
des frais de gestion xes independants de la valeur du portefeuille,
une commission de gestion proportionnelle à la richesse du portefeuille ou a`
lecart de richesse par rapport au benchmark,
une commission de sur-performance par rapport au benchmark (i.e. proportionnelle au surplus (positif) de la richesse par rapport au benchmark).
un bonus contractuel, montant xe ou proportionnel à la valeur nale du
portefeuille, verse au gerant en cas de sur-performance par rapport au benchmark.
Cette partie est organisee de la facon suivante :
Dans le chapitre 4, nous montrons comment lexistence dune commission
liee a` la performance de lasset manager peut faire diverger les interets de
lasset manager de ceux de linvestisseur nal.
Dans le chapitre 5, nous examinons leet de contraintes de gestion supplementaires
portant sur le niveau de risque de sous-performance pris par lasset manager.
CHAPITRE 4
Incitations financi`
eres et benchmarking
Ce chapitre a pour but danalyser comment lasset manager est amene à modier sa strategie dinvestissement en fonction des termes de son contrat de remuneration
incitative.
Dans la première section, nous denissons le cadre general que nous considerons
dans toute la suite de ce chapitre : delegation de gestion avec structure de remuneration
asymetrique par rapport à un benchmark, preferences dinvestissement HARA avec
contraintes de benchmark, structure de marche identique à celle de la première
partie, et enn, problème dinvestissement de lasset manager consistant à maximiser lutilite esperee de sa remuneration nale. Nous presentons egalement les
dierentes formes de restriction du problème considere que nous nous proposons
detudier dans les sections suivantes 1.
Dans la seconde section, nous faisons lhypothèse que le benchmark est xe, et
nous explicitons lexpression de la richesse terminale optimale du problème de lasset manager HARA recevant en plus des frais de gestion xe sur encours, des frais
de gestion variables dit de sur-performance 2. Nous analysons ensuite, dans le cadre
restrictif du modèle de B&S, les proprietes de la strategie dynamique optimale suivie par lasset manager HARA qui a une fonction dutilite puissance avec seuil de
remuneration minimale.
Dans la troisième section, prolongeant les resultats de la seconde section et nous

placant toujours sous lhypothèse dun benchmark xe, nous nous interessons au
problème dinvestissement de lasset manager CRRA (prol de richesse convexe)
recevant en plus des frais de gestion de sur-performance asymetrique, deux composantes supplementaires dincitation nancière : une remuneration incitative symetrique
(gain en cas de sur-performance et perte en cas de sous-performance) et un bonus
xe (incitation asymetrique binaire).
Dans la quatrième section, toujours sous lhypothèse dun benchmark xe, nous
etudions le problème de lasset manager ayant une fonction dutilite quadratique
(prol de richesse concave avec plafond de richesse) et devant prendre en compte
une contrainte explicite dassurance de portefeuille. Lallocation dynamique optimale sera encore une fois analysee dans le cadre du modèle a` deux actifs de B&S.
1. Il sagit, le cas
ech
eant, dhypoth`
eses restrictives suppl
ementaires que nous ferons sur la
forme de la r
emun
eration (benchmark xe, forme particuli`
ere de lincitation nanci`
ere) et sur le
choix de la fonction dutilit
e HARA consid
er
ee (fonction dutilit
e CRRA ou quadratique).
2. Forme de r
emun
eration sans composante dincitation sym
etrique ni bonus de surperformance qui est la plus courante en pratique.
139
140
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
Dans la cinquième et dernière section, nous generalisons les resultats obtenus dans
la troisième section, en considerant lhypothèse plus generale dun benchmark stochastique. Nous explicitons, pour lasset manager CRRA, lexpression de la richesse
terminale optimale du problème dans sa forme la plus generale (pas de restriction
sur la structure de remuneration et benchmark stochastique). Lexpression de lallocation dynamique de portefeuille correspondante est ensuite derivee dans le cadre
du modèle dactifs de B&S generalise à la prise en compte de plusieurs sources de
risque actions (N + 1 actifs et N 1 sources de risque).
1. PROBLEME
DE LASSET MANAGER AVEC REMUN
ERATION
ASYMETRIQUE
141
1. Probl`
eme de lasset manager avec r
emun
eration asym
etrique
Nous decrivons dans cette section, le cadre general qui est le notre dans toute
la suite de ce chapitre.
1.1. Fonction de r
emun
eration de lasset manager.
Dans un contexte de delegation de gestion nancière, un investisseur sengage à
verser, a` un horizon dinvestissement, note T, une remuneration au gerant a` qui
il a donne mandat de gestion ; nous considerons une structure de frais lineaire par
morceaux dont lexpression prend la forme generale suivante 3 :
FT (WT ) a WT + b YT + WT 1YT 0 + c max (YT , 0)
(1.1)
o`
u WT designe la valeur nale du portefeuille gere, BT , celle du portefeuille de
reference ou Benchmark, et YT WT BT leur dierence et avec :
a WT : le montant de la commission de gestion sur encours prelevee sur la
periode avec a b o`
u b represente le taux de chargement total sur
lactif du fonds hors commissions de sur-performance 4, avec 0 < b < 1 et
0 1;
b YT : le montant de la commission symetrique dincitation nancière ou
un eet symetrique de ux de fonds 5 avec b (1 ) b ;
3. Notons que la fonction de r

emun
eration, FT (WT ) d
epend non seulement de WT mais aussi
` un param`
etre exog`
ene xe ou variable
de BT , la valeur nale du benchmark ; celle-ci correspond a
de la r
emun
eration, et non a
` une variable du probl`
eme.
4. b est
egal au taux annuel de gestion multipli
e par le nombre dann
ees sur la p
eriode dinvestissement consid
er
ee (i.e. T ann
ees) ; en pratique, la valeur de b est x
ee en fonction du niveau de
rendement attendu du portefeuille et d
epend donc du type dactif consid
er
e dans le portefeuille ;
par exemple, en gestion collective, le taux de commission annuel (pour T 1) sera de lordre
de b = 1% a
` b = 2% pour un fonds action et de lordre de b = 0.5% `
a b = 1% pour un fonds
obligataire.
5. Cette composante de la remun
eration, qui r
ecompense lasset manager pour sa surperformance de la m
eme facon quelle le p
enalise en cas de sous-performance, repr
esente une
alternative a
` la commission, dite de sur-performance, qui est elle asymetrique et favorise lasset
manager au d
etriment de linvestisseur nal.
Cette notion de p
enalisation en cas de sous-performance a dailleurs
et
e reprise par certains acteurs
de lindustrie nancière ; voir par exemple la r
eglementation de la SEC en vigueur aux Etats-Unis
qui impose que les frais variables pr
elev
es par les mutual funds soient symetriques autour du
benchmark (les Fulcrum Fee), structure de r
emun
eration analys
ee par [Elton et al., 2003]).
Par ailleurs, cette forme de r
emun
eration sym
etrique a
et
e largement analys
ee dans la litt
erature
nanci`
ere portant sur lapplication du probl`
eme Principal - Agent `
a des mod`
eles de d
el
egation
de gestion nanci`
ere et de forme de contrat optimal (voir par exemple [Stracca, 2005] pour une
revue de cette litt
erature).
Une autre interpr
etation de cette composante de la r
emun
eration est un eet sym
etrique de
ux de fonds traduisant un niveau dencours proportionnel a
` l
ecart de performance par rapport
au benchmark, ce qui semble etre empiriquement plus le cas pour les ux de fonds de pension
que pour les mutual funds moins p
enalis
es par une sous-performance que recompens
es en cas de
sur-performance (voir [Del Guercio Tkac, 2000]).
`
ET BENCHMARKING
142
WT 1YT 0 : le bonus paye a` lasset manager en cas de sur-performance

(suppose proportionnel a` la valeur nale du portefeuille) 6 ou un eet
asymetrique de ux de fonds 7, avec 0 < 1 a ;
c YT+ : les frais de gestion de sur-performance avec : c < 1 8 et
0 c < 1 b o`
u c + c designe le taux des frais de gestion sur actif
verses en cas de sur-performance 9.
Tout dabord, il parat utile de mentionner que les contraintes imposees sur la valeur
des paramètres impliquent que linegalite FT (WT ) < WT , est bien veriee. Ce qui
permet dexclure les cas (non desirables) o`
u la remuneration du gerant excederait
la valeur totale des actifs.
En eet,
(1) pour WT BT , on a : FT (WT ) = a BT + b YT bWT < WT puisque,
par construction, on a suppose que 0 a b 10 ;
(2) pour WT > BT , on a : FT (WT ) = (a + ) BT + (c + b) YT < WT
)(c+b)
WT /BT > (a +
; inegalite veriee pour WT > BT avec la
1(c+b)
double contrainte suivante : 0 < 1 a et 0 < b + c < 1.
On notera aussi que la prise en compte dune contrainte de non negativite de la
remuneration de lasset manager F (WT ) > 0 est equivalente à faire une hypothèse
de contrainte de protection portant sur la valeur nale du portefeuille gere puisquon a : F (WT ) b WT b BT et b WT b BT > 0 WT > (1 ) BT avec
b (1 ) b.
6. Notons que ce terme peut
egalement sinterpr
eter dans le cadre dun mod`
ele de frais de
g
erant de hedge fund de la facon suivante : lexpression des deux termes de la commission dont le
paiement est conditionnel `
a une sur-performance,
que lon

note GT (WT ) avec :
GT (WT ) WT 1WT W 0 + c max WT W 0 , 0
peut se r
e-
ecrire
de la facon suivante :
GT (WT ) c WT W 1 1WT W 0
avec W0 la valeur initiale du portefeuille g
er
e, et avec BT W 0 (1 + /c ) W 1 la valeur du
seuil de d
eclenchement (hurdle rate) de la commission de sur-performance.
ee d`
es
Dans le cas o`
u = 0 W 1 = W 0 et W 1 = W0 , la commission de performance sera vers
le premier euros de performance.
egalement vers
ee d`
es le premier euros de
Dans le cas o`
u > 0 et W 1 = W0 , la commission sera
performance mais uniquement si la performance est au dessus du seuil declenchement, que lon
qualiera de soft hurdle rate.
Dans le cas o`
u = 0 W 1 = W 0 et W 1 > W0 , lasset manager recevra une commission
suppl
ementaire uniquement sur la partie de la performance au dessus du seuil de d
eclenchement,
que lon qualiera de hard hurdle rate.
7. Cette composante peut sinterpr
eter comme un eet de ux de fonds asym
etrique (voir par
exemple [Basak et al., 2008]) correspondant `
a une augmentation des encours `
a un taux de
en cas de sur-performance par rapport au benchmark.
8. Remarquons que dans le cas o`
u c 0 0 c , la composante asym
etrique de
la r
emun
eration prend la forme suivante : (BT + cWT ) 1YT 0 avec : 0 ( c) .
Par exemple, dans lhypoth`
ese o`
u le benchmark est xe, i.e. BT W 0 , et le taux de frais de
gestion de sur-performance est nul, i.e. c = 0, on obtient la structure de r
emun
eration, avec bonus
de sur-performance xe, dont lexpression est la suivante :
u on a pos
e a aW 0 , W 0 et YT WT W 0 .
FT (WT ) a + bYT + 1YT 0 o`
9. On a typiquement c >> b/T avec c de lordre de 10% a
` 30%
10. En eet, sinon cela reviendrait a
` supposer que le taux de chargement de la commission
egatif.
sym
etrique dincitation nancière, not
e b b a , est un coecient n
1. PROBLEME
ERATION
ASYMETRIQUE
143
Nous analyserons plus en detail, dans la sous-section suivante, les interpretations

possibles de la prise en compte, de manière explicite ou implicite, dune telle
contrainte de protection dans les preferences dinvestissement de lasset manager.
Finalement, on remarquera que cette forme de remuneration generalise plusieurs
modèles de frais de gestion ou de ux de fonds exposes dans la litterature dans un
cadre de gestion dynamique de portefeuille :
(1) Dans le cas particulier o`

u il ny a pas dincitation nancière de type
asymetrique (c = 0), on obtient la fonction de frais lineaire symetrique
du modèle Principal-Agent de [Lioui Poncet, 2006]
FT (WT ) a WT + b (WT BT )
(2) Dans le cas particulier o`

u lasset manager ne recoit pas de commission sur
encours ni de bonus en cas de sur-performance (i.e. b 0 et 0), et si
nous supposons de plus que le benchmark est xe (i.e. BT = W 0 ) et que
les paramètres a et b ne sont pas lies entre eux 11, on retrouve le modèle
de [Carpenter, 2000] :

+
FT (WT ) a W 0 + c WT W 0
(3) Dans le cas particulier, o`

u il ny pas de remuneration incitative symetrique
(i.e. b 0) ni de bonus verse en cas de sur-performance ( 0), on
obtient la fonction de frais associee au modèle de comportement de gerant
de hedge fund 12 de [Hodder Jackwerth, 2006] 13, fonction de frais qui
peut se re-ecrire avec nos notations de la facon suivante :
FT (WT ) a WT + c (WT BT )+
(4) Le modèle de ux de fonds de [Basak et al., 2008] correspond à une

structure de frais lineaire par morceaux fonction dune seule variable, la
valeur du portefeuille gere (b 0, c 0) 14. Ce modèle suppose que
11. On consid`
ere lexpression suivante de la r
emun
eration du g
erant :

+
FT (WT ) a W 0 + b YT + c WT W 0 .
Nous supposons de plus que b 0 ind
ependamment de la valeur de a , avec a > 0.
12. Nous faisons lhypoth`
ese suppl
ementaire que lasset manager na pas investi une partie de sa
richesse dans le portefeuille dont il a obtenu le mandat de gestion ; bien quil soit facile dint
egrer
une telle contrainte en rajoutant un paramètre suppl
ementaire `
a notre mod`
ele, il sagit dune
pratique qui est plus sp
ecique `
a lunivers des hedge funds qu`
a celui de la gestion de portefeuille
traditionnelle).
13. [Hodder Jackwerth, 2006] consid`
erent que le g
erant de hedge fund est CRRA et font
lhypoth`
ese restrictive dun benchmark xe, i.e. BT W 0 ; [Kouwenberg Ziemba, 2007]
consid`
erent la m
eme structure de frais que [Hodder Jackwerth, 2006] et font lhypoth`
ese que
le g
erant a une fonction dutilit
e dont lexpression est celle de la th
eorie des perspectives (propect
theory) pour mod
eliser son son aversion `
a la perte.
14. Ce mod`
ele peut sinterpr
eter
egalement comme une forme r
eduite dune structure de
frais de sur-performance avec plafond de commission sur encours. En eet, en supposant que
la r
emun
eration prend la forme suivante :
144
`
ET BENCHMARKING
le taux de souscription augmente si une sur-performance est constatee à

lhorizon dinvestissement entranant un surcroit de remuneration pour
lasset manager qui est recompense, le cas echeant, de sa bonne gestion :
FT (WT ) a WT + WT 1WT BT
1.2. Pr
ef
erence dinvestissement de lasset manager.
On suppose que lasset manager cherche a` maximiser lutilite esperee de sa remuneration
nale et que ses preferences sont decrites par une fonction dutilite HARA dont lexpression est la suivante 15 :
v(x, x0T )
C1
x x0T
1
+ C2
(1.2)
avec les notations suivantes :

: le paramètre daversion au risque de lasset manager, avec R \ {0, 1},
x FT (WT ): la valeur nale de la remuneration de lasset manager,
x0T : la valeur du plancher de remuneration (pour > 0), respectivement du
plafond de remuneration (pour < 0) 16,
C1 , C2 : deux constantes quelconques veriant C1 > 0, et C2 R 17.
On suppose que la contrainte technique suivante est veriee : pour > 0, on a
x > x0T 0, et pour < 0, x0T > x 0.

FT (WT ) a WT + min c WT W 0 , WT 1WT W 0
Celle-ci peut se r
e-
ecrire :

FT (WT ) a WT + WT 1WT W 1 + c WT W 0 1W 0 WT <W 1
1
0
0
avec W W / (1 /c ) W
Or en g
en
eral dans la pratique, le ratio taux des frais de gestion sur encours maximum / taux des
er
e est faible).
frais de sur-performance, i.e. /c , est petit (dautant plus que lhorizon consid
ele de frais peut alors
etre
Ce qui implique que la valeur de l
ecart W 1 W 0 est faible et ce mod`
approxim
e par la forme r
eduite suivante : FT (WT ) a WT + WT 1WT W 0
15. Une fonction dutilit
e HARA se caract
erise par un coecient daversion absolue pour le
risque qui sidentie `
a une fonction hyperbolique ; en particulier, lexpression consid
er
ee se d
eduit

de l
equation di
erentielle suivante : RAbs (x) u (x)/u (x) = /(x x0T ) avec (x x0T )/ > 0
et R \ {0, 1}.
16. Pour > 0, lasset manager admet un prol de richesse convexe : sa fonction dutilit
e
ecroissante
est DARA (Diminishing Absolute Risk Aversion) puisque RAbs (x) est une fonction d
de x, et elle est DRRA (Diminishing Relative Risk Aversion) puisque son coecient daversion
relative pour le risque, RRe (x) x RAbs (x) est une fonction decroissante de x.
Pour < 0, lasset manager admet un prol de richesse concave : sa fonction dutilit
e est IARA
(Increasing Absolute Risk Aversion) puisque RAbs (x) est une fonction croissante de x, et elle est
egalement IRRA (Increasing Relative Risk Aversion) puisque son coecient daversion relative
pour le risque, RRe (x) est une fonction croissante de x.

17. Notons que la contrainte C1 > 0 permet de garantir que u (x) > 0 et u (x) < 0.
De plus, il est utile de remarquer que si la consid
eration dun terme additionnel C2 non nul
ne change pas les pr
ef
erences de lasset manager HARA, en revanche, cela permet dobtenir
alg
ebriquement certaines formes de fonction dutilit
e HARA comme la fonction dutilit
e quaee
dratique ; en eet, en posant 1, C1 1/x0T , C2 x0T /2, lexpression de v(x, x0T ) donn
dans l
equation (1.2) devient celle dune fonction dutilit
e quadratique : v(x, x0T ) = x x2 /2x0T .
1. PROBLEME
ERATION
ASYMETRIQUE
145
De plus, on fait lhypothèse (contrainte de benchmark) que le seuil de richesse minimum ou maximum, note x0T , est proportionnel au niveau central de remuneration,
FT (BT ), obtenu dans le cas o`
u la valeur nale du portefeuille est egale a` celle du
benchmark 18 ; ce qui secrit :
x0T (1 ) FT (BT ) (1 0 ) bBT , o`
u on a pose 0 1 (1 ) 19, avec
0
0
0 1 pour > 0 et < 0 pour < 0.
Ce choix particulier de niveau de remuneration seuil, note x0T , revient a` faire lhypothèse que lasset manager doit prendre en compte, dans ses preferences, une
contrainte implicite de sous-performance ( > 0) ou de sur-performance ( < 0)
par rapport a` la valeur du benchmark. En eet :
(1) pour > 0,

u on
On a x FT (WT ) > x0T (1 0 ) bBT WT /BT 1 > , o`
a pose (1 ) (1 0 ) + (1 ) et o`
u on suppose que 0 1
1 0 + 2.
(2) pour < 0,
)b+c
b
On a x0T > x 0 WT /BT < (1b+c
WT /BT 1 < b+c
,
avec toujours (1 ) (1 )+(1) et o`

u on suppose que < /b
0 + < 1 /b
Cette hypothèse de seuil de remuneration faisant reference au benchmark correspond `

a de nombreux cas de gure observes dans la pratique :
(1) Contrainte de sous-performance par rapport au benchmark ( > 0)

Notons tout dabord que, dans ce cas ( > 0), la prise en compte dans les
preferences dinvestissement de lasset manager, dune telle contrainte de
benchmark revient a` supposer que sa remuneration inclut une composante dincitation lineaire symetrique.
En eet, le gerant de portefeuille ayant une remuneration (sans composante dincitation symetrique, i.e. pour = 1) denie par lexpression
18. La valeur nale du benchmark, not
ee BT , sert de seuil de richesse de r
ef
erence (point
central) pour d
eterminer lobtention ou non de la commission de sur-performance. De mani`
ere
similaire, [Kouwenberg Ziemba, 2007] font lhypoth`
ese dune r
emun
eration cible
egale a
` ce
a la sous-performance et dont la fonction
niveau de r
ef
erence, FT (BT ), pour lasset manager averse `
dutilit
e correspond `
a celle de la th
eorie des perspectives (propect theory) ; son expression (avec
nos notations) est la suivante :

A(x0T x)1 si x x0T
0
v(x, xT )
+B(x x0T )2 si x > x0T
avec x FT (WT ), x0T FT (BT ), A, B > 0, et 0 < 1 , 2 1.
19. La derni`
ere expression de x0T sobtient en remarquant que FT (WT ) a BT bBT et
ec
edemment) 0 1,
en posant (1 ) (1 0 )/ 0 1 (1 ), avec (comme pr
et o`
u on suppose de plus que 0 1 pour > 0 et < 1 1/ < 0 pour < 0.
146
`
ET BENCHMARKING
suivante :
FT (WT ) bWT + (c ) max (YT , 0) + WT 1YT 0
et dont la fonction dutilite est donnee par :
v(x FT (WT ), x0T (1 0 ) bBT )
resout le meme problème dinvestissement que le gerant, beneciant dune
incitation nancière symetrique, dont la remuneration est donnee par
FT0 (WT ) 0 bWT + (1 0 ) b YT + (c ) max(YT , 0)
+ WT 1YT 0
et la fonction dutilite prend la forme suivante : v(x FT0 (WT ), x0T 0).
Dans le cas particulier o`
u = 1 0 = = 1 (niveau maximal
de risque de sous-performance), la contrainte implicite correspond a` une
contrainte de non negativite de la remuneration du gerant, FT (WT ) > 0,
ou, de facon equivalente, a` une contrainte de non negativite de la valeur
du portefeuille gere, i.e. WT > 0. En eet, il est facile de voir que pour
0 = = 1, nos hypothèses se re-ecrivent de la facon suivante :
une remuneration, sans incitation nancière symetrique, de la forme
suivante : FT (WT ) bWT + (c ) max (YT , 0) + WT 1YT 0
un seuil de remuneration minimale nul, i.e. x0T 0 (i.e. contrainte de
non negativite)
Dans le cas o`
u 0 < < 1 1 < 0 + < 2, la contrainte implicite de Benchmark, plus restrictive que la simple non-negativite, peut
provenir de la prise en compte par le gerant dune contrainte de sousperformance maximale qui lui est imposee par linvestisseur (hypothèse
de contrainte exogène). Une seconde hypothèse, consiste à supposer que
cette contrainte implicite traduit laversion (stricte) à la sous-performance
du gerant (contrainte endogène) :
(a) Hypothèse de contrainte exogène de sous-performance : pratique

de benchmarking
Dans ce cas, on suppose que le risk-manager, ou encore linvestisseur donnant mandat de gestion, impose cette contrainte de
sous-performance par rapport au benchmark a` lasset manager.
Ce dernier lintègre de manière implicite dans lexpression de sa
fonction dutilite 20 :
20. Nous analyserons plus en d

etail le cas particulier dune fonction dutilit
e puissance avec plancher de richesse implicite dans les sections suivantes. Voir par exemple
[Bajeux-Besnainou Ogunc, 2006] pour lutilisation de ce type de fonction dutilit
e dans le
cadre du probl`
eme dinvestissement dune fondation nancière (Endowment Plan) ou encore
[Basak, 2002] dans le cadre dun mod`
ele d
equilibre avec agent averse `
Remarquons aussi que le choix de ce type de fonction dutilit
e implique que la strat
egie dynamique
optimale du probl`
eme dinvestissement est similaire `
a une strat
egie CPPI (Constant Protection
Portfolio Insurance) ; voir par exemple [Perold Sharpe, 1988] pour une description de cette
strat
egie dynamique dassurance de portefeuille.
1. PROBLEME
ERATION
ASYMETRIQUE
147
(b) Hypothèse de contrainte endogène : aversion a` la sous-performance

De manière alternative, on peut considerer que cest lasset manager lui-meme qui souhaite se premunir dune situation de sousperformance importante.
La raison en etant que, au-delà du co
ut nancier (il ne recoit
pas de commission de sur-performance pour WT < BT ), et
du co
ut dopportunite (perte de temps) quil subit, un niveau
trop important de sous-performance peut engendrer pour lui un
co
ut reputationnel induisant de facon indirect une baisse de sa
remuneration (une sous-performance importante peut engendrer
moins de collecte voir meme une decollecte, ce qui au nal signie moins de commission dencours) 21.
Finalement, dans le cas limite o`
u = 0 0 = 1 , la contrainte de
benchmark correspond à un niveau de risque de sous-performance nul ;
autrement dit, le gerant est contraint dimplementer une gestion de portefeuille sans aucun risque de sous-performance par rapport au benchmark :
par exemple pour 0 = 0 et = 1, la contrainte implicite de protection secrit FT (WT ) bWT > FT (BT ) bBT , ou de facon equivalente,
WT > BT 22.
(2) Prol de richesse concave ( < 0) :

Pour < 0 (prol concave), il sagit du cas o`
u lasset manager doit ou
souhaite prendre en compte une contrainte implicite de plafond de surperformance.
Cette valeur plafond sidentie à un niveau dexcès de performance par
rapport au benchmark que lasset manager ne souhaite jamais depasser
car, a` ce niveau de performance, il atteint la satiete et ne souhaite donc
plus etre expose en actif risque.
Ce seuil de satiete decoule du choix du prol de gain concave de lasset
manager ( < 0) ; de meme que dans le cas > 0, on peut supposer que
ce prol de gain avec remuneration maximale traduit son propre appetit
pour le risque (contrainte endogène) ou lui est impose par linvestisseur
nal (contrainte exogène).
A noter que dans ce cas, la richesse du portefeuille netant pas bornee a` la
baisse, il est necessaire de considerer une contrainte de sous-performance
explicite dans le problème de lasset manager.
Cest ce que nous ferons quand nous analyserons, dans la quatrième section
21. Nous consid
erons ici la forme la plus restrictive daversion `
a la perte (contrainte stricte de
sous-performance maximale) ; nous analyserons dans le chapitre suivant une forme moins restreinte
daversion avec p
enalisation de la sous-performance.
22. Notons que cela loblige `
a op
erer une gestion totalement passive si E {BT /HT } = 1, la
gestion restant partiellement active seulement dans le cas o`
u E {BT /HT } < 1.
148
`
ET BENCHMARKING
de ce chapitre, le problème moyenne-variance avec contrainte implicite de

Tracking Error 23 et contrainte explicite de sous-performance.
(3) Problème de lasset manager de reference ne recevant pas de commission dincitation nancière ( = 1 et c = 0) :
Il est facile de voir que dans le cas o`
u = 1 et c = 0, lasset manager resout le meme problème dinvestissement que linvestisseur HARA
lui donnant mandat si lon suppose que :
le problème dinvestissement considere par linvestisseur nal est de
maximiser lutilite esperee de lecart entre la valeur nale de son portefeuille et celle du benchmark 24
le budget de risque de linvestisseur (seuil de sous-performance ou de
sur-performance maximale implicite) est donne par 0 BT .
la fonction dutilite de linvestisseur nal est la meme que celle de lasset
manager
Dans ce cas, les preferences des deux investisseurs sont identiques ; autrement dit en labsence dincitation nancière il ny a pas de conit dinteret
entre lasset manager et linvestisseur avec contrainte de benchmark :
En eet, pour = 1 et c = 0, la fonction dutilite de lasset manager
est donnee par :
v(x bWT , x0 (1 0 ) bBT )
= v(WT BT , 0 BT )
Finalement, notons quon retrouve, pour 0 1, le cas particulier de
lasset manager de reference sans incitation nancière (resp. de linvestisseur sans contrainte de benchmarking) et avec contrainte de non
negativite du niveau de la remuneration nale (resp. de la valeur nale du
portefeuille) ; dans ce cas, lequivalence des preferences secrit de la facon
suivante :
v(x bWT , x0 0)
= v(WT , 0)
1.3. Hypoth`
eses de march
e et probl`
er
e.
Nous faisons lhypothèse que la structure du marche nancier est la meme que
celle decrite dans la première partie de la thèse (chapitre 1, section 1.1). Rappelons
de manière succincte quelles sont ces hypothèses de marche qui seront les notres
23. Nous verrons que le probl`
eme dinvestissement consider
e, dans le cas = 1 est
equivalent
au probl`
eme Tracking Error - Moyenne Variance, i.e. probl`
eme Moyenne-Variance dont la variable de richesse nale est la Tracking Error, i.e. lecart entre la remun
eration nale de lasset
manager et la valeur de la r
emun
eration cible.
24. Il sagit typiquement de la problematique de certains investisseurs institutionnels comme
les fonds de pension qui donnent mandat de gestion `
a un g
erant tiers sur un ou plusieurs segments
de march
e, chacun repr
esent
e par un portefeuille benchmark.
1. PROBLEME
ERATION
ASYMETRIQUE
149
dans ce chapitre et le suivant 25 :
(1) Le marche est suppose ouvert en permanence et les transactions se font

sans arbitrages possibles (hypothèse dAOA) et sans co
uts de transaction.
(2) Le marche est complet et comprend N+1 actifs :
-Lactif dit Actif Sans Risque (ASR) ; localement sans risque, il sinterprète comme un rollover dun instrument du marche monetaire, et a
pour rendement instantane :
dSt0 /St0 = r(t)dt
ou r(t) est un processus qui represente le taux court instantane en vigueur
-Les N autres actifs sont risques et ont pour rendements instantanes des
o`
u St =
(St1 , . . . , StN )
represente le vecteur des N actifs risques,
(t) = (j (t) ; j = 1 . . . N ), represente le vecteur des rendements moyens

instantanes (taux court plus prime de risque),
et o`
u (t) = (j k (t) ; j, k = 1 . . . N ) represente la matrice de co-volatilite
des processus de rendements instantanes.
(3) On considère lensemble des strategies dynamiques autonancantes et admissibles :
-autonancantes : pas dapport de richesse intermediaire et gain nancier entièrement re-investi,
-admissibles : elles procurent une richesse nale dont le moment dordre
deux est ni (ensemble note L2 (P )).
Dans ce cadre de marche, le problème dinvestissement de lasset manager (i.e. trouver la strategie dynamique optimale maximisant lutilite esperee de la remuneration
nale) se ramène a` la resolution du problème statique dont lexpression est la suivante :

(P 0)
max2
WT L (P )

E v(x FT (WT ), x0 (1 0 ) FT (BT ))
s.a. E((WT BT ) /HT ) = 1 E {BT /HT } 0
avec
WT : la valeur nale du portefeuille gere,
25. Pour plus de d
etail voir la section 1.1 intitul
ee cadre g
en
eral dans le premier chapitre de
la premi`
ere partie de la th`
ese.
`
ET BENCHMARKING
150
BT : la valeur nale du portefeuille Benchmark,

FT (WT ) : la fonction de remuneration dont lexpression est fournie par lequation
(1.1) ci-dessus,
v(x, x0 ): lexpression de la fonction dutilite donnee dans lequation (1.2) cidessus,
0 : un paramètre de perte maximale avec 0 0 1 pour > 0 (prol
de gain convexe) ou un paramètre servant a` mesurer une cible de richesse
maximale (satiete) avec 0 < 0 pour < 0 (prol de gain concave),
: le niveau daversion au risque de lasset manager, paramètre entrant en
jeux dans lexpression de la fonction v(x, x0 ) (voir lequation (1.2) cidessus).
HT : la valeur nale du portefeuille numeraire 26
Nous nous interessons, dans la suite de ce chapitre, a` plusieurs cas particuliers

de ce problème dinvestissement.
Nous considerons la structure de remuneration donnee par lequation (1.1) de la
section 1.1, avec ou sans restrictions supplementaires sur
la structure de remuneration incitative : hypothèse de benchmark xe ou
stochastique, commission incitative avec ou sans bonus de sur-performance,
la fonction dutilite HARA dont lexpression est donnee par lequation (1.2)
de la section 1.2 : fonction dutilite CRRA ou quadratique.
1.3.1. Hypothèse de benchmark xe.

Dans les trois sections suivantes, nous ferons lhypothèse restrictive que la valeur
nale du benchmark est xe 27 et analyserons la strategie dynamique optimale dans
le cadre du modèle a` deux actifs de Black & Scholes 28.
eraire est aussi appele portefeuille de croissance optimale (growth
optimal) par [Merton, 1990] car il correspond `
a la strat
egie optimale pour linvestisseur logarithmique.
Sous nos hypoth`
eses de march
e (les m
emes que dans la première partie de la th`
ese), ce portefeuille,
not
e (H,h), est donn
e par les expressions suivantes :

1
((t) r(t)1) et, en d
esignant le vecteur des prix de march
e du risque (market
ht = (t)(t)
prices of risk)
par (t) = (t)1 ((t) r(t)1) :

t
t

(r(s) + (s) (s)/2)ds + (s) dZs
Ht = exp
0
27. il sagit du cas particulier o`

u le paiement de la commission de sur-performance d
epend du
franchissement dune cible de richesse nale qui est xe.
28. Notons que dans le cadre particulier du mod`
ele de Black & Scholes `
a deux actifs ou sa
g
en
eralisation a
` N actifs o`
u on fait lhypoth`
ese de lexistence dun taux dint
er
et constant, cela
revient `
a supposer, `
a une constante pr`
es, que le benchmark sidentie avec lactif sans risque.
1. PROBLEME
ERATION
ASYMETRIQUE
151
Nous etudierons successivement, sous cette hypothèse restrictive dun benchmark

xe, les trois problematiques suivantes :
(1) Seconde section : problème de lasset manager HARA avec frais de gestion
variables et strategie dynamique avec contrainte implicite de protection.
Dans cette section, nous expliciterons lexpression de la richesse terminale
optimale du problème de lasset manager HARA avec benchmarking
dont la remuneration comprend uniquement des frais de gestion sur encours et des frais de gestion variables.
Il sagit de la forme de remuneration la plus courante en pratique dans
lindustrie de la gestion pour compte de tiers.
Elle correspond a` lexpression de la fonction de remuneration, donnee
par lequation (1.1) de la section 1.1, dans le cas o`
u le benchmark est
xe, i.e. BT W 0 , et lasset manager ne recoit ni remuneration incitative symetrique (i.e. b = 0 a = b) ni bonus de sur-performance (i.e.
= 0 c = c) :

FT (WT ) b WT + c max WT W 0 , 0
avec W 0 qui designe le seuil de richesse cible (hypothèse de benchmark
xe, i.e. BT W 0 ).
De plus, à titre illustratif, nous analysons dans le cadre du modèle de
Black & Scholes, la strategie dynamique optimale pour lasset manager
HARA dont le prol de gain est convexe et qui doit prendre en compte
une contrainte implicite de protection.
La fonction dutilite qui est choisie pour decrire les preferences dinvestissement de cet asset manager est une fonction dutilite puissance avec
seuil de remuneration minimale qui admet la forme suivante 29 :
v(x FT (WT ), x0 (1 0 ) FT (W 0 )) u(x x0 )
(xx0 )1
1
avec 0 0 1 et avec , ]0; +[ \ {1}, qui designe le niveau

daversion au risque de lasset manager.
(2) Troisième section : problème de lasset manager CRRA avec prise en
compte dun bonus xe verse en cas de sur-performance
29. Notons que le probl`
eme consider
e est
equivalent a
` celui de lasset manager CRRA ayant les
caract
eristiques suivantes :
la structure de sa r
emun
eration comprend une commission de gestion xe et une composante sym
etrique de
frais
de gestion
incitatifs
et son expression
est la suivante :

FT (WT ) a0 + b WT W 0 + c max WT W 0 , 0
o`
u on a pos
e a0 0 b W 0 avec 0 a0 b W 0 ,
lexpression de sa fonction dutilit
e puissance est la suivante (seuil de richesse minimale
1
esigne le
egal a
` 0) : v(x FT (WT ), x0 0) x1 , avec , ]0; +[ \ {1}, qui d
param`
etre daversion au risque de lasset manager.
152
`
ET BENCHMARKING
Dans la troisième section, nous generalisons les resultats de la seconde

section dans le cas o`
u lasset manager est CRRA ; nous nous interessons en
particulier à leet du versement dun bonus xe en cas de sur-performance
(en plus des frais de gestion variables le cas echeant) sur le prol de gain
de cet asset manager.
Nous placant toujours sous lhypothèse dun benchmark xe (BT W 0 ),
nous resolvons le problème de lasset manager CRRA (prol de gain
convexe) dont lexpression de la remuneration est la forme generale donnee
par lequation (1.1) de la section 1.1 :
Sa remuneration comprend donc a` la fois une commission de gestion

xe, une composante symetrique de frais de gestion incitatifs, des frais
de gestion variables et un bonus xe en cas de sur-performance
:

FT (WT ) a0 + b (WT W 0 ) + 0 1WT W 0 + c max WT W 0 , 0
avec les notations suivantes a0 a W 0 (composante de frais de gestion
xes), b a + b (frais de gestion symetriques), 0 W 0 (bonus
xe), et c c + (frais de gestion variables).
sa fonction dutilite est denie par lexpression suivante :
1
v(x FT (WT ), x0 0) u(x) x1 , avec , ]0; +[ \ {1},

qui designe le niveau daversion au risque de lasset manager.
(3) Quatrième section : problème de lasset manager recevant des frais de gestion variables avec fonction dutilite quadratique et contrainte explicite
Il sagit du problème de la seconde section, dans le cas particulier o`
u
la fonction dutilite de lasset manager est quadratique (prol de gain
concave) et o`
u ce dernier doit prendre en compte une contrainte supplementaire
Le but etant, dans le cas o`
u < 0, deviter une situation de faillite qui
resterait possible sans la prise en compte de cette contrainte explicite dans
le problème dinvestissement : WT W > 0.
La structure de la remuneration consideree est celle de la seconde section :

La fonction dutilite prend la forme quadratique suivante :
v(x FT (WT ), x0 (1 0 ) FT (W 0 )) u (x x0 ) (x
x)2
2
avec 0 < 0.
Finalement, de manière equivalente, nous pouvons considerer, dans le
problème dinvestissement, la forme de fonction dutilite quadratique plus
connue suivante :
1. PROBLEME
ERATION
ASYMETRIQUE
153
u(z) = z z 2 /2a
o`
u on a pose :

z x x0 FT (WT ) FT (W 0 ) b (WT W 0 ) + c max WT W 0 , 0
qui represente la Tracking Error de la remuneration de lasset manager,
denie comme la dierence entre sa remuneration nale et le niveau central de remuneration correspondant a` une gestion passive.
a0 = 0 b W 0 > 0 qui designe le paramètre de tolerance au risque
de lasset manager.
1.3.2. Hypothèse de benchmark stochastique.

En guise de generalisation, dans la cinquième et dernière section, nous explicitons
la solution du problème de lasset manager CRRA dans sa forme la plus generale :
hypothèse de benchmark stochastique et forme de remuneration correspondant a`
lexpression donnee par lequation (1.1) de la section 1.1 sans aucune restriction.
De plus, nous considerons N sources de risque, avec N 1, pour decrire la strategie
dynamique optimale (generalisation du modèle de de Black & Scholes à deux actifs
et une seule source de risque).
La table 1 ci-dessous fait la synthèse des dierentes caracteristiques des problèmes
consideres dans les sections suivantes, tandis que la table 2 ore un apercu de
chacune des problematiques correspondantes.
Table 1. Principales caracteristiques des problèmes dinvestissement consideres

Section
Benchmark
Section 2
xe
Section 3
Section 4
Section 5
Remuneration 1
Utilite
specique :
HARA
b 0 et
0
xe
forme
CRRA
generale
xe
specique : quadratique 3
b 0 et
0
stochastique forme
CRRA
generale
Prol de gain Modèle

dactifs
quelconque 2 B&S
convexe
B&S
mixte 4
B&S
convexe
B&S
multidimensionnel 5
.
154
`
ET BENCHMARKING
Table 2. Comparaison des dierentes problematiques dinvestissement considerees

Section Problematique
Section 2 Etudier leet du changement de valeur du taux
des frais de gestion variables (paramètre c 6) sur le
comportement dinvestissement de lasset manager
HARA dans un cadre simplie : benchmark xe,
forme de remuneration standard (pas de bonus de
sur-performance) et analyse de lallocation dynamique optimale pour lasset manager ayant une fonction dutilite puissance avec seuil de richesse minimale (prol de gain convexe).
Section 3 Generaliser les resultats de la seconde section en
considerant la forme generale de remuneration : celleci comprend le versement dun bonus en cas de de
sur-performance en complement des frais de gestions variables (le cas echeant). Analyser limpact du
montant de bonus considere (paramètre 0 7) sur la
strategie dynamique de lasset manager CRRA.
Section 4 Resoudre le problème dinvestissement (moyenne variance) de lasset manager HARA utilisant la Tracking Error Variance comme mesure de risque (prol de gain concave). Analyser limpact de la prise en
compte dune contrainte explicite de protection sur
leet dincitation nancière.
Section 5 Generaliser les resultats de la troisième section à la
prise en compte dun benchmark stochastique. Expliciter la solution optimale du problème dinvestissement (forme generale) de lasset manager CRRA
avec benchmark stochastique : expression de la richesse terminale optimale et de lallocation dynamique correspondante dans le cadre du modèle de
Black & Scholes etendu à N actifs risques, avec
N 1.
1. Les param`
etres b et mentionn
es dans la colonne r
emun
eration font r
ef
erence `
a lexpression g
en
erale de la r
emun
eration fournie par lequation (1.1) de la section 1.1
2. Dans le cadre de lobtention de la strategie dynamique, nous ferons lhypoth`
ese
suppl
ementaire du choix dune fonction dutilit
e HARA de type puissance avec seuil de richesse
minimale (prol convexe).
3. On suppose de plus que lasset manager doit prendre en compte une contrainte explicite
dassurance de portefeuille dans son probl`
eme dinvestissement
4. prol de richesse convexe pour les richesses faibles et concave pour les valeurs
elev
ees
5. G
en
eralisation a
` N + 1 actifs du mod`
ele de B&S

6. dans lexpression de la r
emun
eration qui suit : FT (WT ) b WT + c max WT W 0 , 0 .
7. dans lexpression de la r
emun
eration suivante :

FT (WT ) a0 + b (WT W 0 ) + 0 1WT W 0 + c max WT W 0 , 0 .
2. ASSET MANAGER HARA AVEC FRAIS DE GESTION VARIABLES
155
2. Asset manager HARA avec frais de gestion variables
Nous nous placons sous les hypothèses qui sont decrites dans la section precedente
et supposons que le benchmark de linvestisseur est xe (i.e. cible de richesse nale
xe).
Dans la première sous-section, nous explicitons lexpression de la richesse terminale optimale du problème dinvestissement de lasset manager HARA 30, recevant
en sus dune commission sur encours a` taux xe, des frais de gestion variables fonction de sa sur-performance par rapport à la cible de richesse de linvestisseur 31.
Dans la seconde sous-section, nous nous placons sous les hypothèses du modèle
a deux actifs de B&S, et nous supposons de plus que lasset manager a une fonction
`
dutilite puissance avec seuil de remuneration minimale (prol convexe). Nous analysons leet du changement de la valeur du taux des frais de gestion variables, des
paramètres de risque du modèle ainsi que de lhorizon dinvestissement consideres
sur la strategie dynamique suivie par cet asset manager.
2.1. Probl`
eme dinvestissement et richesse terminale optimale.
Nous reprenons les hypothèses generales decrites dans la première section : nous
supposons que lasset manager est HARA et quil cherche a` maximiser lutilite
esperee de sa remuneration nale dont lexpression est fournie par lequation (1.1)
de la section 1.1. et qui peut se re-ecrire de la manière suivante :
FT (WT ) aBT + bYT + ( BT + cYT ) 1YT 0
avec b a + b , c + c , et les memes contraintes sur tous les coecients que
dans lequation (1.1),
avec YT WT BT lecart de valeur entre le portefeuille gere et le benchmark
de linvestisseur nal.
Dans cette section, nous considerons la forme restrictive de remuneration la plus
courante en pratique : il sagit du cas particulier o`
u lasset manager ne percoit ni
de remuneration incitative symetrique (i.e b = 0 a = b) 32, ni de bonus de
sur-performance ( = 0 c = c) ; lexpression de cette structure de frais prend
donc la forme suivante :
FT (WT ) b WT + c max (YT , 0)
eme dinvestissement enonc
e dans la section 1.3 sous lhypoth`
ese
suppl
ementaire dun benchmark xe. Lexpression de la fonction dutilit
e de lasset manager est
fournie par l
equation (1.2) de la section 1.2, sous cette meme hypoth`
ese de benchmark xe.
31. La structure de r
emun
eration consid
er
ee est celle fournie par l
equation (1.1) de la section
1.1, avec les restrictions suivantes : le benchmark est xe (i.e. cible de richesse nale xe), et de plus
lasset manager ne percoit ni r
emun
eration sym
etrique incitative, ni bonus de sur-performance ; il
sagit de la forme de contrat de r
emun
eration incitative qui est, dans la pratique, la plus courante.
32. Hypoth`
ese qui est faite sans perte de g
en
eralit
e, compte tenu de forme de la fonction dutilit
e
HARA avec contrainte implicite de Benchmark consid
er
ee, cf. section pr
ec
edente.
`
ET BENCHMARKING
156
Notons quavec cette forme de remuneration, la fonction dutilite de lasset manager

peut etre re-exprimee de la manière suivante :
v(x FT (WT ), x0T (1 0 ) FT (BT )) u(x x0T ZT + 0 b BT )
avec v(x, x0T ) u(x x0T ) la fonction denie par lexpression de lequation 1.2
de la section precedente,
avec ZT lexcedent de remuneration du gerant (par rapport au niveau central
de remuneration) dont lexpression est la suivante :
ZT FT (WT ) FT (BT ) bYT + c (YT )+
Finalement, dans la suite de cette section, on fera lhypothèse supplementaire que
le benchmark de linvestisseur correspond à une cible xe de richesse nale 33, i.e.
u ZC(T ) designe la valeur de
BT W 0 avec 0 W0 1/E {1/HT } 1/ZC(T ) o`
lobligation Zero-Coupon decheance T 34.
Sans perte de generalite 35 , on peut considerer la variable suivante dans le problème
dinvestissement de lasset manager :
ZT ZT /b YT + d (YT )
o`
u d c/b designe le taux de commission de sur-performance rapporte au taux de
commission sur encours et o`
u YT WT W 0 .
Finalement, sous lhypothèse supplementaire dun benchmark xe, la fonction dutilite `
a maximiser prend la forme suivante :
u(ZT + 0 b W 0 )
= w( ZT )
avec w(z ) u(z + A ) et A 0 W 0 .

On en deduit que le problème dinvestissement de lasset manager peut senoncer
de la manière suivante :
33. Nous montrerons, dans la dernière section de ce chapitre, que les resultats obtenus dans
cette section et la suivante, sous cette hypoth`
ese restrictive, se g
en
eralisent au cas o`
u le benchmark
est stochastique.
en
eralit
e et
34. Cette hypoth`
ese dencadrement de la valeur de W 0 est faite sans perte de g
permet de conserver une simplicit
e d
ecriture dans l
enonc
e de notre probl`
eme.
Faire cette hypothèse revient `
a ne consid
erer que les niveaux de richesse nale atteignables par
une strat
egie admissible dont le montant dinvestissement initial est inf
erieur ou
egal a
` un (i.e.
strat
egie dassurance de portefeuille avec contrainte implicite de protection du capital).
Dans le cas contraire (strat
egie avec cible de sur-performance par rapport `
a lactif obligataire
Z
ero-Coupon, actif sans risque a
` lhorizon dinvestissement), on peut toujours, par un simple changement de variables, se ramener au cas o`
u la richesse cible est exactement
egale `
a la performance
de lactif obligataire Z
ero-Coupon.
35. Les pr
ef
erences dinvestissement (forme de fonction dutilite) sont invariantes par transformation lin
eaire.
Probl`
eme 15.
(P 15)
max
2
YT L (P )
157

+
E w(YT + d (YT ) )
E(YT /HT ) = 1 W 0 E {1/HT }
s.a.
avec YT WT W 0 lecart entre la valeur nale du portefeuille, WT , et le niveau

de richesse cible, W 0 , avec 0 W 0 1/E {1/HT },
avec d le taux de commission de sur-performance rapporte au taux de commission sur encours 36,
avec w(.) la fonction dutilite HARA donnee par lexpression suivante :
w(x) =
C1
1
1
x
+A
+ C2
(2.1)
avec R \ {0, 1}, C1 > 0 37 , A > 0, C2 quelconque.
La solution du problème est presentee dans le theorème 4 qui suit :

Th
eoreme 4. La richesse terminale optimale du problème (P15) admet lexpression suivante 38 :
YT
WT
W =
1
1
k
( 1+d
)I( 1+d
HT ) si HT > H
I(k/HT )
si HT H
(2.2)
o`
u HT designe la valeur nale du portefeuille numeraire 39,
avec k veriant lequation de budget suivante : E(YT /HT ) = 1 W 0 E {1/HT } ,
et H 40 donne par lexpression suivante :

k (Ad)
1 1/
H
11/
1 + d C1
(1 + d)
1
avec d c/b, d 0, le ratio du taux de la commission de sur-performance, c, sur
celui de la commission sur encours, b,

avec y I(y) la fonction
de
la fonction x w (x) et dont lexpression est
inverse
1/
C1
la suivante : I(y)
A .
y
36. Ce param`
etre sinterpr`
ete de facon intuitive comme une mesure du degr
e dincitation nanci`
ere qui est oerte au g
erant.

37. Ce qui permet de garantir que w (x) > 0 et w (x) < 0.
38. il sagit de lexpression de la valeur terminale optimale du portefeuille en exc`
es de celle du
benchmark
eses g
en
erales on rappelle que le portefeuille num
eraire , not
e (H,h), est

1
((t) r(t)1) et, en d
esignant le vecteur
donn
e par les expressions suivantes : ht = (t)(t)
1
des prix de
e du risque (market prices of risk) par
march
(t) = (t) ((t) r(t)1),
t

t

Ht = exp
r(s) + (s) (s)/2 ds +
(s) dZs
.
0
0

1
40. H est solution de l
= 0 avec f (x) g((1 + d)x) g(x) et
equation suivante : f Hk 1+d
avec g(x) w [I(x)] x [I(x)] o`

u I(.) d
esigne linverse de la fonction w (.).
158
`
ET BENCHMARKING
Ce qui implique en particulier que lexcedent de remuneration de lasset manager,

+
deni par ZT FT (WT ) FT (W 0 ) bYT + c (YT ) , est donne par lexpression
suivante :
ZT =
1
k
bI( 1+d
HT ) si HT > H
bI(k/HT )
si HT H
(2.3)
Pour d = 0, on retrouve la strategie dynamique du problème sans commission

de performance et la remuneration de lasset manager est proportionnel a` la valeur
nale du portefeuille ; en eet, on a ZT = bYT soit encore FT (WT ) = bWT .
Pour d > 0, le pay o de lasset manager qui peut recevoir, le cas echeant,
une commission de sur-performance, nest
à la valeur en excès
plus proportionnel

+
du portefeuille total puisquon a ZT = b YT + d (YT ) .
Lexistence dune commission de sur-performance implique que lexpression de la
valeur du portefeuille en excès du benchmark, YT (voir lequation 2.2 ci-dessus), et
celle de la remuneration excedentaire de lasset manager, ZT (voir lequation (2.3)
ci-dessus), sont toutes deux des fonctions de HT discontinue et asymetriques par
rapport au seuil H .
En eet, ces deux expressions ressemblent au pay-o discontinu typique dune
option binaire. Le saut de richesse qui se produit au niveau du seuil H traduit une
volonte de prise de risque supplementaire de la part de lasset manager autour de
ce seuil de valeur.
De plus, comme nous pouvons le constater, cette asymetrie provient du paramètre
d. En eet, le paramètre d ne gure pas dans lexpression de YT et de ZT correspondant a` letat des richesses les plus basses 41. En revanche, il intervient dans
lexpression de la partie superieure des richesses (HT H ) en creant une asymetrie
a deux niveaux :
`
Tout dabord, a` travers le terme 1/(1 + d) qui agit comme un coecient
reducteur de la valeur nale du portefeuille. Cet eet de levier inverse crot
avec le degre dincitation nancière, d. En revanche, ce terme nimpacte pas
la remuneration du gerant (voir lexpression de ZT donnee par lequation (2.3)).
1
k
Ensuite, par lintermediaire du terme (1 + d) dans lexpression I( 1+d
HT ).
Dans ce cas, le terme (1 + d) joue un r
ole de coecient multiplicateur procurant
un eet de levier à lexposition au portefeuille H. Cet eet de levier crot avec le
degre dincitation nancière, d. De plus, on notera que, toute chose restant egal
par ailleurs, ce terme impacte positivement a` la fois la valeur nale du portefeuille et le niveau de remuneration du gerant (voir lexpression de ZT donnee
par lequation (2.3)).
Remarquons enn que, dans le cas o`

u > 0 et C1 > 0 (prol convexe), nous
pouvons contraindre les valeurs prises par les paramètres A et , de facon à nous
premunir de la negativite de la richesse nale du portefeuille optimal, notee WT .
41. Lexpression d
epend cependant implicitement du paramètre d `
a travers la valeur de la
contrainte de budget près, not
ee k.
159
En eet, il est facile de voir que pour A < W 0 42, on a : HT 0, WT (HT ) > 0.
Par voie de consequence, ceci permet egalement deviter que la valeur nale de
la remuneration de lasset manager ne puisse etre negative. En eet, on a :
WT (HT ) > 0 FT (WT (HT )) bWT (HT ) 0.
A linverse, dans le cas o`
u < 0 et C1 < 0 (prol concave), cela nest pas possible.
Aussi, de facon à eviter des valeurs negatives de richesse, il est necessaire dintroduire dans le problème considere une contrainte explicite supplementaire de non
negativite sur la richesse nale du portefeuille, WT 0.
Cest dailleurs ce que nous ferons dans la quatrième section de ce meme chapitre
o`
u nous etudierons le problème dinvestissement de lasset manager maximisant
lutilite esperee de sa remuneration pour un choix de fonction dutilite quadratique
et sous une contrainte de protection de la richesse prenant la forme WT W avec
W 0.
2.2. Expression de la strat

An dillustrer les proprietes de la strategie optimale, nous nous placons à present
dans le cas particulier o`
u la fonction dutilite de lasset manager est donnee par
lexpression suivante 43 :
v(x, x0 ) u(x x0 )
1
avec u(z) z1 et avec , ]0; +[ \ {1}, le paramètre daversion au risque de

lasset manager et o`
u on utilise, comme dans la sous-section precedente, les notations suivantes :
+
x FT (WT ) b WT + c (YT ) et x0 (1 0 ) FT (W 0 ) (1 0 ) b W 0
avec YT WT W 0 et avec W 0 la cible de richesse de linvestisseur o`
u 0 0 1.
Notons tout dabord que la fonction dutilite prend la forme equivalente suivante 44 :

v(x, x0 )
= w(z ) u(x x0 z + a)
avec z ZT ZT /b (FT (WT ) FT (W 0 ))/b YT + d (YT ) et YT WT W 0 ,

avec d c/b le taux de commission de sur-performance rapporte au taux de commission sur encours,
et avec a 0 W 0 , un paramètre qui represente le niveau de sous-performance,
42. cette relation sinterpr`
ete de la facon suivante : le niveau de budget de risque, A ,
repr
esentant la perte maximale relativement `
a la cible de richesse nale, ne peut exc
eder cette
derni`
ere valeur.
43. cette forme de fonction dutilit
e HARA g
en
eralise lexpression de la fonction dutilit
e CRRA
par la prise en compte dune contrainte implicite de protection suppl
ementaire de la r
emun
eration
a hauteur de x0 > 0.
`
44. Cette expression est celle de la fonction dutilit
e de lasset manager HARA donnee par
l
equation (2.1) dans le cas particulier o`
u C2 = 0, C1 1 et a A
`
ET BENCHMARKING
160
par rapport a` la valeur cible W 0 , que linvestisseur ne souhaite pas depasser 45, avec
0 a W 0.
On en deduit que lexpression de la fonction à maximiser dans le problème dinvestissement (P15) est la suivante :
w(YT + d (YT )+ ) avec w(x) u(x + a) , u la fonction dutilite CRRA et les paramètres a et d denis comme ci-dessus.
Remarquons egalement que nous pouvons de facon alternative considerer les deux
hypothèses suivantes :
(1) Lexpression de la remuneration de lasset manager derive de lequation
(1.1) de la section 1.1 sous les hypothèses restrictives de benchmark xe
et de montant de bonus nul :
+
FT (WT ) a0 + b YT + c (YT )
avec YT WT W 0 et o`
u on a pose a0 a b.
Soit encore, FT (WT ) a WT + b YT + c (YT )
avec a a b/W 0 0 b < b et b b a b (1 a/W 0 ).

(2) Lasset manager est CRRA, i.e. sa fonction dutilite est donnee par lexpression suivante :
v(x, 0) u(x) avec x FT (WT ).

Ainsi, on retrouve le resultat dequivalence dejà enonce dans la section 1 : lexistence dun budget de risque de sous-performance ou dune commission de gestion
incitative symetrique sont deux notions equivalentes.
En particulier, lasset manager CRRA sans incitation nancière symetrique (a =

+
W 0 a = b b = 0) dont la remuneration est FT (WT ) b WT + c (YT )
sidentie a` lasset manager HARA considere plus haut dans le cas o`
u le budget de
risque est maximal (contrainte de non negativite de la richesse).
Nous nous placons à present sous les hypothèses du modèle a` deux actifs de
[Black Scholes, 1973] 46. Lunivers dinvestissement se compose donc des deux
actifs suivants :
valeur à la date t est notee St0 ; cet actif a un rendement instantane donne par
45. Le param`
etre a sinterpr`
ete aussi comme un param`
etre de budget de risque. En eet, comme
nous le verrons avec la propri
et
e qui suit, la taille du pari actif (i.e. le montant investi dans le
portefeuille `
a risque) d
epend de sa valeur.
46. On rappelle que dans ce cadre, on fait lhypoth`
ese de lexistence dune seule source de risque
(i.e. N = 1, le nombre dactifs
etant N + 1 = 2) ; de plus, on suppose que tous les param`
etres
servant `
a d
ecrire la dynamique du prix des deux actifs nanciers (un actif sans risque et un actif
risque) sont suppos
es constants.
161
lexpression suivante
dSt0 /St0 = rdt
o`
autre actif action dont la dynamique de prix est decrite par un mouvement brownien geometrique ; son rendement instantane secrit
o`
u le paramètre represente son rendement moyen instantane (egal au taux court
plus une prime de risque action notee r) et sa volatilite constante.
Dans ce cadre, le ratio de Sharpe de lactif risque est deni par ( r) /
/, et le poids du portefeuille à croissance optimal, note H, est constant et donne
par lexpression, h = / / 2 47 .
Nous en deduisons les resultats de la propriete suivante :
Propri
et
e 25.
Sous les deux hypothèses suivantes :
(1) Lasset manager a une remuneration donnee par lexpression suivante :
+
FT (WT ) b(a + YT + d (YT ) ), avec YT WT W 0 et avec W 0 la cible de

richesse nale de linvestisseur,
avec a a0 /b, le montant de la commission xe rapporte au taux de la commission
sur encours 48,
avec d c/b, le taux de la commission de sur-performance rapporte au taux de
la commission sur encours.
(2) Lasset manager cherche `
a maximiser lutilite esperee de sa remuneration nale et
a une fonction dutilite CRRA dont lexpression est la suivante :
1
u(x) = x1 avec le paramètre daversion au risque de lasset manager,

o`
u ]0; +[ \ {1},
Nous avons les resultats suivants :
(1) Le problème dinvestissement considere par cet asset manager est un cas particulier
du problème (P15) et lexpression de la richesse terminale solution du problème
47. Sous les hypothèses du mod`
ele de B&S, la dynamique de prix du portefeuille H suit un
2
mouvement brownien g
eom
etrique dont
est la
lexpression
suivante : dHt /Ht = (r + ) dt + dZt ,
1 2
ou de facon
equivalente : Ht = exp (r + 2 ) t + Zt .
48. De facon alternative, a sinterpr`
ete comme le montant de la sous-performance par rapport
a la baisse, avec 0 a W 0 .
a la richesse cible, W 0 , que linvestisseur ne souhaite pas franchir `
`
`
ET BENCHMARKING
162
(P15) prend la forme suivante :

YT
WT
W =
1
1+d

1/
1+d
k HT
1/
(HT /k)
si HT > H
si HT H
avec H 49 denie par lexpression suivante :

11/
ad
1 (1/(1 + d))
H k
/
1+d
1 1/
et avec k veriant lequation de budget suivante : E(YT /HT ) = 1 W 0 E {1/HT }
(2) La valeur `
a la date t de la solution optimale du problème (P15), notee Yt , est
donnee par la formule suivante :
yd
C(Ht , (H )1/ , T t) y0 P (Ht , (H )1/ , T t)
Yt =
1+d

1
yd (H )1/ a ZC(T t)
+
1+d

yd
da
1/
(
y0 )(H )
+
B(Ht , (H )1/ , T t)
1+d
1+d
avec Ht qui designe la valeur intermediaire du portefeuille, solution du problème
1/
1/
de Merton, atteignant la richesse terminale, HT 50, avec yd ((1 + d)/k) ,
1/
y0 (1/k) ,
et o`
u C(Zt , X, T t), (resp. P (Zt , X, T t), resp. B(Zt , X, T t)) designe la
valeur de loption dachat europeenne, (resp. de loption de vente europeenne, resp.
de loption digitale de vente) de strike X, decheance T t, sur le sous-jacent Zt et
ZC(T t) la valeur dune obligation Zero-Coupon decheance T t dans le cadre
du modèle de Black & Scholes. 51.
(3) Dans le cadre du modèle de Black & Scholes, lallocation de la strategie dynamique
optimale correspondant au problème (P15) est donnee par lexpression suivante :

investi (en cash) dans lA.R.
wt Wt
49. H est la solution de f (k/H ) = 0 avec f (x) g(x) g(x/(1 + d)) o`
u
esigne la fonction inverse de la fonction
g(x) u [I(x)] x [I(x) a] et x I(x) = x1/ d

x u (x).
50. Le portefeuille (h , H ) correspond `
a une strat
egie dynamique `
a investissant un poids
constant de la richesse dans lactif risqu
e. Lexpression de ce poids est donn
e par lexpression
esigne le poids constant investi dans lactif
suivante : h (1/)h avec h / 2 / qui d
risque du portefeuille num
eraire, H.
De plus son processus de prix suit un mouvement brownien g
eom
etrique dont lexpression
equivalente, Ht =
est la suivante : dHt /Ht = (r + 2 /) dt + (/ )dZt , ou de facon

2
H0 exp (r + ( 1/2) (/)2 )t + (/)Zt avec H0 = e((1)/) (r+ /2)T .
ele Black & Scholes
par la formule suivante : C(Zt , X, T t) = Zt N (d1 (X)) + Xer(T t) N (d2 (X)) avec
Z
( )2

log( Xt )+(r+ 2 )(T t)
d1 (X) =
d2 (X) = d1 (X) T t T t V ar (ln (ZT /Zt )) .
( ) T t
De plus pour Zt Ht , on en d
eduit de lexpression de Ht que = / avec /.
Avec les m
emes notations, on a : P (Zt , X, T t) = Xer(T t) N (d2 (X)) + Zt N (d1 (X)) et
B(Zt , X, T t) = er(T t) N (d2 (X)) et ZC(T t) = er(T t) . Les formules d
evaluation de
ces options dans le cadre dun modèle a
` N actifs risques, N 2 sont donn
ees dans la derni`
ere
section du pr
esent chapitre qui gen
eralise les r
esultats expos
es.

dW
163

avec wt Wt wB Bt + dHt h Ht qui est donnee par la formule suivante 52 :

t

yd
h
wt Wt = Ht 1+d N d1 H 1/
+ y0 N d1 H 1/

her(T t) d H 1/

2
d
yd
y0 H 1/ +
a
+
1+d
1+d
T t
avec N (.), resp. (.), la fonction
resp. la fonction de densite de la

de repartition,
Ht
loi normale et avec d1 (X) ln X e r(T t) / + /2 et

2
u ( )2 V ar [ln(HT /Ht )/] = (T t) et /.
d2 (X) d1 (X) o`
On en deduit de lexpression de YT , donnee dans la propriete ci dessus, que le paramètre dincitation nancière, d c/b a pour eet daugmenter la remuneration
de lasset manager, ZT b YT + c M ax(YT ; 0), dans letat de sur-performance
(HT > H ) par rapport à letat de sous-performance (dont lexpression correspond
au cas sans incitation nancière).
En eet, on peut ecrire :

1/
a
ZT b (1 + (1 + d)1/ 1 1HT >H ) (HT /k)
Finalement, on notera que, sous les hypothèses du modèle de Black & Scholes,
il existe une relation bi-univoque entre la valeur de chacun des trois portefeuilles
suivants pris deux à deux : la valeur du portefeuille numeraire, Ht , celle du portefeuille de Merton, Ht , et enn, celle de lactif risque, Mt 53.
Ceci nous permettra, à tout instant t, dexprimer la valeur de la richesse optimale en excès de celle du benchmark, notee Yt , en fonction de Mt ; expression qui
nous sera utile pour analyser les proprietes de cette strategie optimale.
2.3. Analyse de sensibilit

e du pay-o optimal.
En nous fondant sur un exemple dapplication numerique dans le cadre du modèle
de Black & Scholes, nous analysons la sensibilite du prol de gain optimal aux variations des paramètres de remuneration et de risque consideres.
En particulier, nous souhaitons comparer la valeur terminale (pay-o) de la
strategie avec prise en compte de frais de gestion variables (cas c > 0) avec celle de
la strategie correspondant au cas o`
u il ny a pas dincitation nancière (cas c = 0) ;
Les valeurs numeriques utilisees dans toute la suite de ce chapitre seront les suivantes : r = 4%, = 10%, = 20%, = 75%, T = 5, et W 0 erT = 122% ; ce qui
52. Dans notre cas o`
u le benchmark est choisi comme
etant lactif mon
etaire on a w B 0
53. En particulier, dans le cadre du mod`
ele de B&S, on obtient les propri
et
es de transformation
suivantes qui permettent dexprimer la valeur du portefeuille num
eraire, Ht , ou du portefeuille de
eciproquement : on a, Ht = (t)(Mt )h
Merton, Ht , en fonction de celle de lactif risque Mt et r
avec (t) e(r( 2 2 ))t = e(1h)(r+ 2h )t = e(1h)(r+

et
Ht
= (t)(Mt
)h
avec (t)
H0 e
(/)2
(1h )(r+ 2h
)t
h2
2
)t
h 2
H0 e(1h )(r+ 2 )t .
164
`
ET BENCHMARKING
donne en particulier = 30%, h = 150% et h = 200%.
2.3.1. Sensibilite aux variations du taux des frais de gestion variables c.

Sur la gure (Fig.1), nous avons represente, pour dierentes valeurs du taux de
commission de sur-performance, note c, la valeur nale du portefeuille gere en excès
de celle du benchmark en fonction de la valeur nale de lactif risque sous-jacent,
notee MT .
La gure (Fig.2) montre, toujours pour les memes valeurs du taux de commission
de sur-performance, note c, la valeur nale de la remuneration de lasset manager
(en excès de la remuneration correspondant a` une gestion passive) en fonction de
la valeur de lactif risque sous-jacent, notee MT .
Enn, sur la gure (Fig.3) ci-dessous, on peut observer la courbe de lexcedent de
richesse nale obtenue par linvestisseur par rapport à une gestion passive, toujours
en fonction de la valeur de lactif risque sous-jacent, notee MT , et pour dierentes
valeurs du taux de commission de sur-performance, note c.
Dune part, ces gures illustrent la discontinuite du prol optimal de richesse nale
du portefeuille (cf. Fig.1) et de lasset manager (cf. Fig.2) en presence dincitation
nancière : prol de gain qui ressemble au pay-o dune option binaire. On remarquera que le saut de valeur diminue en meme temps que le niveau du taux des
frais de gestion variables, c, baisse. A la limite, pour c = 0, on obtient le cas de la
strategie optimale sans incitation nancière dont le pay-o est continu.
Dautre part on peut distinguer sur la gure (Fig.1) trois zones o`
u lincitation
nancière a un eet dierent sur le comportement de lasset manager :
pour les valeurs de MT en dessous dun seuil, que lon notera M 54, il se produit une sous-performance par rapport a` la strategie sans incitation nancière
(courbe rouge), qui est dautant plus importante que le niveau du taux de commission variable, c, est eleve (prol de moins en moins convexe dans cette zone).
pour les valeurs de MT dans un intervalle de valeurs medianes-hautes du
sous-jacent (au-dessus du seuil M ), nous observons une sur-performance par
rapport a` la strategie sans incitation nancière (courbe rouge), qui est dautant
plus importante que le niveau du taux de commission variable, c, est eleve. De
plus on observe une discontinuite par rapport à la zone de sous-performance ; ceci
traduit la prise en compte par lasset manager dun niveau de budget de perte
plus faible dans la zone de sur-performance que dans la zone de sous-performance.
pour les valeurs de MT les plus elevees (scenarios de marche les plus favorables), on constate une sous-performance par rapport à la strategie sans incitation nancière (courbe rouge). Celle-ci traduit un prol convexe moins fort pour
la strategie avec incitation nancière que pour la strategie de reference sans incitation nancière.
54. Sous les hypothèses du mod`

ele de Black & Scholes, lexpression de M se d
eduit de celle
enonc
ee ci-dessus qui lie la valeur de Mt `
a
de H par la fonction de correspondante bi-univoque
celle de Ht .
165
Finalement, on notera, comme illustre sur la gure (Fig.2), que la remuneration,

percue par lasset manager avec incitation est, en cas de sur-performance, beaucoup
plus importante que celle du gerant sans incitation nancière (courbe rouge). De
plus, cet excedent de remuneration, percu en cas de sur-performance, compense
largement le manque à gagner dans la zone de sous-performance.
Figure 1. Strategies CRRA avec frais de gestion variables excedent de richesse du portefeuille - eet du niveau des frais de
gestion variables c
Figure 2. Strategies CRRA avec frais de gestion variables excedent de richesse de lasset manager - eet du niveau de taux
des frais de gestion variables c
A titre complementaire, nous avons analyse la sensibilite de la valeur du strike,

note M , aux variations du niveau de frais de gestion variables c. On rappelle que
M est deni comme le seuil limite des valeurs du sous-jacent qui separe letat de
sous-performance par rapport au benchmark de letat de sur-performance.
166
`
ET BENCHMARKING
Figure 3. Strategies CRRA avec frais de gestion variables excedent de richesse de linvestisseur nal - eet du niveau de
taux des frais de gestion variables c
Nous avons represente sur la gure (Fig.4) ci-dessous la courbe de la valeur de

M en fonction de celle du taux de commission variable, c, pour dierentes valeurs
du paramètre daversion au risque . On observe sur cette gure que, pour un niveau susamment eleve du paramètre daversion au risque ( > 50% dans notre
cas), la valeur du strike M est une fonction decroissante du taux de la commission
variable, note c.
Figure 4. Strategies CRRA avec frais de gestion variables valeurs du Strike M en fonction du niveau du taux des frais de
gestion variables c pour dierents niveaux du paramètre daversion
au risque
Autrement dit, quand le paramètre, c, augmente, lintervalle de valeurs les plus

elevees de MT , o`
u se produit une sur-performance par rapport au benchmark
setend vers des valeurs plus basses de lactif risque, au detriment de la zone de
167
sous-performance.
Ceci est nancièrement positif pour lasset manager puisque le manque à gagner
en cas de sous-performance est beaucoup plus faible que le gain en cas de surperformance (cf.(Fig.2)). En revanche, ce nest pas le cas pour le portefeuille de
linvestisseur (cf. (Fig.3)).
2.3.2. Sensibilite aux variations des autres paramètres : b, et a.
Sur les gures (Fig.5), (Fig.6) et (Fig.7) ci-dessous, nous avons represente, pour
dierentes valeurs des paramètres du modèle, b, et a, la valeur nale du portefeuille optimal en fonction de celle de lactif risque.
Ces trois gures illustrent leet du changement de valeur de chacun de ces trois paramètres sur le prol de gain optimal pour lasset manager recevant une incitation
nancière. Le niveau de risque est une fonction croissante de la valeur de chacun
de ces paramètres (i.e. 1/b, 1/ et a).
(1) Eet du changement de valeur du taux de la commission sur encours b :

Le niveau de risque de la strategie optimale augmente quand la valeur
du taux des frais de gestion sur encours, b, diminue. En eet, le montant
de la perte en cas de scenarios de marche defavorables, le gain pour les
valeurs elevees du sous-jacent, et la hauteur du saut de richesse au niveau
du seuil H , augmentent quand la valeur du paramètre b diminue.
(2) Eet du changement de valeur du paramètre daversion au risque :
Quand la valeur du paramètre daversion au risque, , diminue, la zone de
sous-performance setend a` des valeurs elevees du sous-jacent, lamplitude
de la sous-performance augmente, et enn leet de convexite dans la zone
de sur-performance est plus marque.
(3) Eet du changement de valeur du niveau de budget de risque a :
Quand la valeur du budget de risque, a, augmente, lamplitude de la sousperformance, resp. de la sur-performance, augmente dans la zone de valeurs basses, resp. de valeurs elevees du sous-jacent. Notons egalement que
le niveau du strike M est independant du choix de la valeur du paramètre
a.
168
`
ET BENCHMARKING
Figure 5. Strategies CRRA avec frais de gestion variables excedent de richesse du portefeuille - eet du niveau de frais de
gestion sur encours b.
Figure 6. Strategies CRRA avec frais de gestion variables excedent de richesse du portefeuille - eet du niveau daversion au
risque .

Nous analysons a` present la sensibilite de lallocation dynamique optimale aux

variations des paramètres de remuneration et de risque du modèle considere. Nous
souhaitons en particulier comparer lallocation dynamique mise en place par lasset
manager recevant des frais de gestion variables (c > 0) avec celle du gerant ne
recevant que des frais de gestion xes sur encours (cas sans incitation nancière
correspondant à c = 0). Nous etudierons egalement leet de lhorizon dinvestissement sur la valeur nale du portefeuille optimal.
169
Figure 7. Strategies CRRA avec frais de gestion variables excedent de richesse du portefeuille - eet du niveau de budget de
risque a.
Nous avons illustre sur les huit gures ci dessous leet du changement des paramètres consideres (taux de commission, budget de risque et niveau daversion au
risque) sur la strategie dynamique optimale.
Sont representes, pour plusieurs valeurs de chacun des paramètres consideres, la
richesse intermediaire du portefeuille optimal (notee Yt ) et lexposition a` lactif
risque correspondante (notee Pt ), en fonction de la valeur de lactif risque.
(1) Eet du changement de valeur du taux des frais de gestion variables c :

La gure (Fig.8) illustre leet de la hausse du taux des frais de gestion
variables, c, sur la performance intermediaire de la strategie optimale :
dans la zone de valeurs medianes du sous-jacent, cela se traduit par une
sur-performance par rapport au cas sans incitation nancière (courbe
rouge), dautant plus importante que la valeur de c est elevee,
dans les zones de valeurs basses et elevees du sous-jacent, la strategie
avec incitation (c > 0) sous-performe la strategie sans incitation nancière (courbe rouge, avec c = 0).
En parallèle, on observe une sur-exposition a` lactif risque, par rapport au
cas sans incitation nancière, dans une zone de valeurs medianes de lactif
risque (cf. (Fig.9)).
A loppose, il y a sous-exposition relativement a` la strategie sans incitation nancière dans les zones de valeurs basses et hautes de lactif risque.
Enn, lamplitude de ces ecarts dexposition par rapport a` la strategie
de reference (cas sans incitation nancière) crot avec la valeur des frais
de gestion variables, c.
170
`
ET BENCHMARKING
(2) Eet du changement de valeur du taux des frais de gestion sur encours, b,
et du paramètre de budget de risque a :
La baisse de valeur du taux des frais de gestion sur encours, b, augmente le
montant de perte dans letat de sous-performance et accentue la concavite
de la courbe de richesse dans letat des richesses medianes (cf. (Fig.10)).
Dautre part, le pic dexposition a` lactif risque, qui se produit dans une
zone de valeurs medianes, augmente en amplitude (en absolu mais aussi
par rapport aux cas sans incitation nancière 55), quand le niveau du taux
des frais de gestion sur encours, b, diminue (cf. (Fig.11)).
Leet dune hausse du paramètre de budget de risque, a (voir les gures
(Fig.12) et (Fig.13) 56), est similaire à celui dune baisse du taux xe de
la commission sur encours, b.
Dans le cas particulier o`
u a = W 0 , on retrouve la structure de frais
analysee par [Hodder Jackwerth, 2006] 57. Celle-ci correspond, avec
notre modèle de frais au choix particulier dune fonction dutilite CRRA
pour lasset manager (i.e. contrainte implicite de non-negativite de la
remuneration).
Comme le montre la gure (Fig.13), lallocation dynamique optimale sidentie, dans une zone de valeurs basses du sous-jacent, à celle du portefeuille
de Merton, à poids constant (h = 200% dans notre exemple dapplication
numerique).
(3) Eet du changement de valeur du paramètre daversion au risque :

La gure (Fig.14) montre que, plus la valeur du paramètre daversion
au risque, , diminue, plus la zone de sous-performance setend vers des
valeurs elevees du sous-jacent, et plus le niveau de sous-performance augmente.
Dautre part, quand laversion au risque de lasset manager augmente,
leet de concavite dans la zone des valeurs medianes de lactif risque
augmente tandis que leet de convexite dans la zone des valeurs elevees
diminue.
La gure (Fig.15) fait apparatre une zone mediane o`
u se produit un pic de
sur-exposition a` lactif risque. On remarque que la valeur de lactif risque
o`
u se produit ce pic dexposition decrot avec la valeur du paramètre .
De plus, lamplitude de ce pic est egalement une fonction decroissante de
la valeur du paramètre .
55. Par souci de lisibilite du graphique, seul le cas de lasset manager sans incitation nanci`
ere
avec c = 0% et b = 5% (courbe rouge) est repr
esent
e.
56. Ou, ce qui revient au m
eme, de la commission xe a b (avec b x
e).
57. [Hodder Jackwerth, 2006] r
esolvent num
eriquement le m
eme probl`
eme que celui
consid
er
e dans cette section en supposant de plus que lasset manager est CRRA.
171
Ainsi, dans un intervalle de valeurs basses à medianes de lactif risque,

lallocation dynamique optimale nest pas conforme à la règle de bon
sens (Popular Advice) qui dicte une allocation en actif risque croissante en fonction du niveau de tolerance au risque.
Figure 8. Strategies CRRA avec frais de gestion variables sans

bonus - excedent de richesse du portefeuille - eet du niveau de
taux des frais de gestion variables c avec t = 4.

bonus - exposition a` lactif risque - eet du niveau de taux des
frais de gestion variables c avec t = 4.
172
`
ET BENCHMARKING

frais de gestion xe sur encours b avec t = 4.

bonus - exposition a` lactif risque - eet du niveau de frais de
gestion xe sur encours b avec t = 4.

bonus - excedent de richesse du portefeuille - eet du budget de
risque a avec t = 4 .

bonus - exposition a` lactif risque - eet du budget de risque a
avec t = 4.
173
174
`
ET BENCHMARKING

bonus - excedent de richesse du portefeuille - eet du niveau
daversion au risque avec t = 4.

bonus - exposition a` lactif risque - eet du niveau daversion au
risque avec t = 4.
175
Leet de lhorizon dinvestissement, T t, sur le prol de gain de lasset manager recevant une incitation nancière est represente sur la gure (Fig.16) (excedent
de richesse) et la gure (Fig.17) (exposition a` lactif risque).
Comme le montre la gure (Fig.16), lallocation temporelle est contraire à la règle
de bon sens (Conventional Wisdom) dune allocation en actif risque croissante
en fonction du temps restant à courir. Ceci etant d
u au prol optionnel binaire de
la strategie optimale qui traduit la discontinuite de lexpression entre les deux etats
de sur et de sous-performance par rapport au benchmark.
Figure 16. Strategies CRRA avec frais de gestion variables

sans bonus - excedent de richesse du portefeuille - eet du temps
restant a` maturite T t.

sans bonus - exposition a` lactif risque - eet du temps restant à
maturite T t.
176
`
ET BENCHMARKING

Dans cette seconde section, nous avons resolu le problème dinvestissement de lasset manager HARA, cherchant a` maximiser lutilite esperee de sa remuneration
nale, nous placant sous les hypothèses suivantes :
Hypothèse de benchmark xe : lasset manager doit prendre en compte

une contrainte implicite de sous-performance ou de sur-performance par rapport
a une cible xe de richesse nale ; sa valeur est integree à lexpression de la fonc`
tion dutilite HARA consideree.
Forme de remuneration avec incitation nancière, la plus courante en pratique : celle-ci comprend, dune part, des frais de gestion sur encours et, dautre
part, des frais de gestion variables, recompensant lasset manager en cas surperformance par rapport au niveau cible de richesse nale.
2.5.1. Analyse de lexpression de la richesse terminale optimale.

Le pay-o optimal pour lasset manager 58 presente les caracteristiques suivantes :
(1) le prol de gain optimal est discontinu et asymetrique

Le pay-o de la strategie optimale ressemble à celui dune option binaire. Lexpression de la richesse nale, qui est fonction de la valeur du
portefeuille à croissance optimale ou logarithmique, exhibe un saut de
richesse au niveau dun point central de valeur de ce portefeuille sousjacent.
La strategie optimale enregistre, pour les valeurs du portefeuille sousjacent situees en dessous (resp. au-dessus) de ce niveau central, une sousperformance (resp. une sur-performance) par rapport à la cible de richesse
nale.
Lexpression de la richesse nale optimale est asymetrique autour du point
central. La dierence dexpression entre la zone de sur-performance et la
zone de sous-performance est dautant plus prononcee que le niveau dincitation nancière, mesure par le ratio entre le taux des frais de gestion
variables et le taux de frais de gestion sur encours, est eleve.
(2) il existe un conit dinteret entre le gerant et linvestisseur
Lanalyse de lexpression de la remuneration nale optimale pour lasset manager montre que lexistence dune incitation nancière lamène a`
favoriser sa propre remuneration au detriment de la celle de linvestisseur.
En eet, la comparaison avec le cas sans incitation nancière montre que
58. dont lexpression est fournie dans le theor`
eme 4
177
lasset manager recevant des frais de gestion variables cherche a` augmenter son gain en cas de sur-performance (zone o`
u il recoit une remuneration
supplementaire du fait de sa sur-performance).
Lintensite de ce conit dinteret augmente avec le niveau dincitation
nancière oerte (i.e. avec le ratio entre le taux des frais de gestion variables et celui des frais de gestion sur encours).
2.5.2. Analyse de la strategie dynamique optimale.

Dans un second temps, nous nous sommes places sous les hypothèses restrictives
du modèle de B&S et avons considere le cas particulier de lasset manager HARA
ayant une fonction dutilite puissance avec contrainte implicite de protection (prol
convexe) 59.
Lanalyse du prol de gain optimal et de la strategie dynamique de replication
a fait ressortir les principaux resultats suivants :
(1) Prol de gain optimal asymetrique favorable à lasset manager :

Pour lasset manager recevant des frais de gestion variables, la sousperformance nale subie par rapport au cas sans incitation nancière,
en cas de scenarios de marche defavorables, est beaucoup plus faible que
la sur-performance percue en cas de scenarios favorables.
Ce nest pas le cas du prol optimal de richesse du portefeuille gere qui
peut subir une sous-performance par rapport au portefeuille de lasset
manager sans incitation nancière (dans les etats des richesses basses et
elevees) qui est de meme amplitude que la sous-performance observee dans
letat des richesses medianes.
(2) Courbe dexposition a` lactif risque en forme de cloche asymetrique :

Quelque soit la valeur consideree des paramètres de remuneration et de
risque, le prol dexposition à lactif risque prend la forme dune cloche
asymetrique avec un niveau maximal atteint dans un intervalle de valeurs
medianes du sous-jacent (intervalle o`
u se produit le saut de richesse).
(3) Sur-exposition à lactif risque par rapport a` la strategie sans incitation
egalement en forme de cloche asymetrique :
La valeur centrale de lactif risque o`
u se produit le pic dexposition à
lactif risque est egalement celle o`
u a lieu le pic de sur-exposition par rapport au cas sans incitation nancière.
59. On peut consid
erer de facon
equivalente, que lasset manager est CRRA (seuil de richesse
minimale
egal a
` z
ero) et que sa remun
eration comprend
egalement une commission incitative
sym
etrique ; il sagit de la forme g
en
erale donnee par l
equation 1.1 de la section 1.2 sous lhypoth`
ese suppl
ementaire dun benchmark xe.
178
`
ET BENCHMARKING
Il y a sur-exposition a` lactif risque par rapport à la strategie sans incitation nancière dans une zone de valeurs medianes de lactif risque
(correspondant à la zone o`
u se produit le saut de richesse).
A loppose, on observe une sous-exposition par rapport a` la la strategie
sans incitation nancière pour les niveaux les plus eleves de lactif risque 60.
Enn, dans un intervalle de valeurs basses du sous-jacent, lexposition
a lactif risque est inferieure ou egale a` celle observee dans le cas sans
`
incitation nancière 61.
(4) Niveau de risque global de la strategie dynamique fonction croissante du
degre dincitation nancière :
Toute chose restant egal par ailleurs, le montant de la perte subie en
cas de scenario defavorable et le niveau global dexposition a` lactif risque
augmente avec la valeur du paramètre dincitation nancière (i.e. mesure
par le ratio du taux des frais de gestion variables sur celui des frais de
gestion sur encours).
De plus, le risque lie au conit dinteret progresse avec le degre dincitation nancière. En particulier, la sur-exposition à lactif risque par rapport
a la strategie de reference, de lasset manager ne recevant pas dincitation
`
nancière, est une fonction croissante de la valeur du paramètre dincitation nancière.
(5) Sur-reaction de lasset manager fonction croissante du niveau de risque
et fonction decroissante de lhorizon dinvestissement :
Toute chose restant egal par ailleurs, la sur-reaction de lasset manager, par rapport a` la strategie sans incitation, dans letat des richesses
medianes, augmente quand le niveau de risque considere augmente et
quand lhorizon dinvestissement diminue.
En particulier, lamplitude du pic dexposition / sur-exposition a` lactif risque qui se produit dans la zone de valeurs medianes de lactif risque,
est une fonction croissante du niveau de risque considere : elle sera dautant plus elevee que le seuil de richesse minimale est bas, et/ou que le
coecient daversion au risque est bas,
60. correspondant aux niveaux les plus

elev
es de richesse nale.
61. Dans cette zone correspondant aux niveaux de richesse nale les plus faibles, lexposition
` lactif risque :
a
est inf
erieure `
a celle de la strat
egie sans incitation dans le cas ou lasset manager HARA
doit prendre en compte une contrainte dassurance de portefeuille strictement positive,
est identique `
a celle de la strat
egie sans incitation dans le cas o`
u lasset manager est CRRA
(i.e. contrainte implicite de non n
egativit
e de la richesse nale).
179
est une fonction decroissante du temps restant jusquà maturite : plus

lhorizon dinvestissement est proche, plus elle sera elevee.
180
`
ET BENCHMARKING
3. Asset manager CRRA b

en
eciant dun bonus contractuel
Lobjectif de cette section est detendre les resultats de la seconde section en

considerant une forme de remuneration plus generale. Nous nous placons à nouveau sous les hypothèses qui sont decrites dans la première section et supposons
que le benchmark de linvestisseur est xe (i.e. cible de richesse nale xe).
Dans la section precedente, nous avons etudie les proprietes de la strategie dynamique optimale pour lasset manager CRRA (prol de richesse convexe), maximisant lutilite esperee de sa remuneration, et qui recoit, en guise dincitation nancière, des frais de gestion de sur-performance.
Nous allons à present completer cette analyse en considerant le problème dinvestissement de lasset manager CRRA beneciant, en plus de frais de gestion de
sur-performance, dun montant de bonus verse en cas de sur-performance (incitation asymetrique binaire).
Après avoir explicite lexpression de la richesse terminale optimale, nous etudions,
sous les hypothèses restrictives du modèle de B&S, leet du changement de valeur du montant de bonus de sur-performance et des autres paramètres du modèle
considere sur la strategie dynamique suivie par lasset manager.
3.1. Expression du probl`

er
e.
Nous nous placons toujours sous les hypothèses generales qui sont celles decrites
dans la section 1 du present chapitre :
Dans le cadre dune delegation de gestion, nous supposons que,
lasset manager recoit une remuneration à un horizon dinvestissement xe
en accord avec linvestisseur, note T, donnee par lequation (1.1) de la section
1.1 :
avec les memes notations et hypothèses que dans la section 1.1
lasset manager cherche a` maximiser lutilite esperee de sa remuneration ; ses
preferences dinvestissement sont decrites par une fonction dutilite HARA dont
lexpression generale est celle donnee par lequation (1.2) de la section 1.2 :

1
xx0T
C1
+ C2
v(x, x0T ) 1
avec x FT (WT ) et x0T (1)FT (W 0 ) la valeur du plancher de remuneration,

les autres paramètres etant denis comme dans la section 1.
De plus, nous faisons les deux hypothèses supplementaires suivantes :
EFICIANT
3. ASSET MANAGER CRRA BEN

DUN BONUS CONTRACTUEL
181
Dune part, nous nous restreignons au cas particulier o`

u le benchmark sidentie a` un objectif de performance xe 62 :
BT W 0 1/E {1/HT } 1/ZC(T ) o`
u ZC(T ) designe la valeur de lobligation
Zero-Coupon decheance T 63.
Sous cette hypothèse, nous pouvons reformuler lexpression de la remuneration de
lasset manager donnee par lequation (1.1) de la section 1.1 de la facon suivante :

FT (WT ) a0 + bYT + 0 + c YT 1YT 0
(3.1)
avec YT WT W 0 qui designe lecart entre la valeur nale du portefeuille gere

et la richesse nale cible de linvestisseur et avec les notations suivantes :
b a + b : le taux des frais de gestion symetriques, avec 0 < b < 1,
a0 a W 0 : le montant dune commission de gestion xe, avec 0 a b,
c c + : le taux des frais de sur-performance, avec 0 c < 1 b,
0 W 0 : le montant dun bonus contractuel qui est verse à lasset manager en cas de sur-performance, avec 0 < 1 a .
Dautre part, nous considerons le cas particulier o`
u la fonction dutilite de lasset
manager admet la forme suivante : v(x, x0 ) u(x x0 )
1
u designe le niveau daversion au risque de lasset manaavec u(z) z1 , o`

ger, avec ]0; +[ \ {1},
et avec les memes notations que celles introduites dans la section 1 du present
chapitre :
x FT (WT ) designe lexpression de la remuneration de lasset manager,
x0 (1 ) FT (W 0 ) (1 0 ) bW 0 64 est lexpression du seuil de remuneration
u on a pose
minimum avec W 0 , la cible de richesse nale de linvestisseur, o`
0 1 (1 ) avec 0 0 1.
Finalement on suppose, sans perte de generalite, que 0 = 1 ou de facon equivalente
que x0 = 0 (contrainte de non negativite de la remuneration), ce qui signie que
lasset manager est CRRA et sa fonction dutilite donnee par : v(x, 0) u(x)
62. Le cas dun benchmark stochastique sera traite dans la derni`
ere section de ce chapitre.
63. Hypoth`
ese faite sans perte de g
en
eralit
e qui permet de conserver une simplicit
e d
ecriture
dans l
enonc
e de notre probl`
eme.
Cette hypoth`
ese revient `
a ne consid
erer que les niveaux de richesse nale atteignables par une
strat
egie admissible de montant dinvestissement initial inf
erieur ou
egal a
` un (i.e. strat
egie dassurance de portefeuille avec cible de protection du capital).
a lobligation Z
eroCoupon, actif sans risque a
egale a
` la performance de
lactif Z
ero-Coupon.
64. expression obtenue en remarquant que FT (W 0 ) = a0 a W 0 bW 0 et en posant
(1 0 ) (1 ) .
182
`
ET BENCHMARKING
On verie facilement que sous nos hypothèses, on a 0 F (WT ) < WT et

WT > W 0 a0 /b > 0 ; autrement dit, le choix de paramètres respectant les
contraintes considerees garantit que :
le montant de la remuneration du gerant et la valeur du portefeuille gere ne
peuvent etre negatives ; plus precisement la valeur nale du portefeuille ne peut
etre inferieure au seuil de richesse minimale implicite toleree par linvestisseur,
i.e. WT W 0 a0 /b > 0,
le montant nal de la remuneration du gerant ne peut exceder la valeur nale
du portefeuille.
Remarquons aussi que, dans le cas particulier o`
u a0 bW 0 = 0 = c = 0, lexpression de lequation (3.1) se reduit a` FT (WT ) = bWT ; autrement dit, la remuneration
de lasset manager qui ne recoit aucune incitation nancière a` la sur-performance
est proportionnelle à la valeur du portefeuille gere et son problème doptimisation
sidentie au problème dinvestissement de Merton.
Compte tenu de lexpression de la remuneration consideree ci-dessus, on en deduit
par un simple changement de variable (en posant z x a0 ), que la fonction dutilite de lasset manager peut aussi se re-ecrire sous une forme HARA avec seuil de
remuneration minimum de niveau a0 65 :
w(z) u(z + a)
avec z ZT FT (WT ) FT (W 0 ) b YT + ( + cYT ) 1YT 0 o`
u ZT represente
lexcedent de remuneration par rapport au niveau central de remuneration et
YT WT W 0 lecart de richesse nale entre le portefeuille et le benchmark.
Enn, il parait utile de preciser que les hypothèses de remuneration et de preferences
dinvestissement que nous faisons dans cette section peuvent se reformuler des deux
autres manières suivantes :
(1) Première formulation equivalente : forme de fonction dutilite HARA identique a` celle consideree dans la seconde section
On suppose que lasset manager ne recoit pas de commission dincitation nancière symetrique ; sa remuneration prend la forme suivante :

FT (WT ) bWT + 0 + cYT 1YT 0 .
De plus, on considère que lasset manager doit prendre en compte dans ses
preferences une contrainte implicite de protection : sa fonction dutilite, de

type HARA, est donnee par lexpression suivante 66 : v (x, x0 ) u(x x0 )

avec x FT (WT ) et x0 (1 0 ) FT (W 0 ) bW 0 a0 0 qui
65. Il sagit de lexpression de la fonction dutilit
e HARA donn
ee par lequation (2.1) dans le
a un prol de gain convexe
cas particulier o`
u C2 = 0, C1 1 et a A ; celle-ci correspond `
egale a
` a0 .
( > 0 et C1 > 0) avec contrainte implicite de perte maximum
66. qui est celle de lexemple de fonction dutilite HARA consid
er
ee dans la seconde section
pour lanalyse des propri
et
es de la strat
egie dynamique optimale,.
EFICIANT

183
represente le seuil de remuneration minimale 67 .

Il est facile de voir que cet asset manager resout le meme problème dinvestissement que lasset manager CRRA recevant une commission dincitation nancière symetrique (i.e dont la remuneration est donnee par
x F (WT ) et la fonction dutilite secrit u(x)) que nous avons considere
ci-dessus 68.
Ce resultat sinterprète de la facon suivante : il est equivalent de prendre
en compte une composante dincitation symetrique dans lexpression de
la remuneration du gerant ou de considerer lexistence dune contrainte
implicite de protection integree à lexpression de sa fonction dutilite.
(2) Seconde formulation equivalente : hypothèse de remuneration identique à

celle de la seconde section :
Une autre alternative, est de considerer que la remuneration de lasset
manager est donnee par lexpression suivante :
FT (WT ) bWT + cYT 1YT 0 69,

avec YT WT W 0 lecart entre la valeur du portefeuille gere et le
seuil de richesse cible.
De plus, on considère que lasset manager prend en compte dans ses
preferences une contrainte implicite de protection ainsi quun paramètre
de budget de risque asymetrique par rapport à la valeur du seuil de richesse cible, notee W 0 .
Le niveau du budget de risque utilise par lasset manager est suppose
etre plus eleve pour les valeurs nales de richesse superieures à celle de la
cible de linvestisseur, que pour les valeurs de richesse inferieures.
Ainsi, nous supposons que sa fonction dutilite, notee w (z), est une fonction dutilite HARA par morceaux donnee par lexpression suivante :

w (z) = u z + a0 1z<0 + a0 + 0 1z0
1
avec u(x) x1 la fonction dutilite isoelastique, o`

u on suppose que
]0; +[ \ {1},
avec z FT (WT )FT (W 0 ) bYT +cYT 1YT 0 lexcedent de remuneration

du gerant par rapport au niveau central de remuneration,
67. Il sagit dune contrainte implicite de benchmarking, i.e. hypoth`
ese daversion a
` la sousperformance par rapport a
` un benchmark xe. Pour plus de d
etail sur cette interpr
etation voir la
section 1.
eduit
68. En eet, on a u(FT (WT )) = u FT (WT ) (b W 0 a0 ) et par consequent, on en d

0
0
0
0
0
que u(FT (WT )) = v x FT (WT ), x (1 ) FT (W ) b W a .
69. Il sagit de la forme de r

emun
eration consid
er
ee dans la seconde section : elle correspond au
cas o`
u le g
erant ne recoit ni commission incitative symetrique ni bonus de sur-performance. Son
expression est fournie par l
equation 3.1 dans le cas particulier o`
u a0 = b W 0 et 0 0.
184
`
ET BENCHMARKING
et avec a0 (respectivement a0 + 0 ) qui designe, a` la valeur du paramètre b

près, le niveau de budget de risque utilise par lasset manager pour denir
la taille du pari actif dans la zone de sous-performance (respectivement
dans la zone de sur-performance) 70.
Par consequent, cet asset manager HARA dont le niveau de budget de
risque est plus elevee en situation de sur-performance quen cas de sousperformance et qui, par ailleurs, ne recoit ni commission incitative symetrique
ni bonus cherche à resoudre le meme problème dinvestissement que lasset
manager CRRA que nous considerons, qui lui recoit a` la fois une commission symetrique dincitation nancière et un bonus de sur-performance 71.
En particulier, la prise en compte dun budget de risque asymetrique
ou le paiement dun bonus en cas de sur-performance sont deux notions
equivalentes et interchangeables : plus le montant de bonus, verse en cas
de sur-performance, est eleve plus le budget de risque considere implicitement lest egalement, et reciproquement.
Finalement, dans un souci de simplicite decriture, et sans perte de generalite 72, on
considère lexpression suivante de la remuneration du gerant :
F (YT ) F (WT )/b a + YT + ( + dYT ) 1YT 0

o`
u on a pose a a0 /b a W 0 /b, 0 /b W 0 /b et d/b.
Le problème dinvestissement est le suivant :
Probl`
eme 16.
(P 16)
max
YT L2 (P )
s.a.
E {u(a + YT + ( + dYT ) 1YT 0 )}
E(YT /HT ) = 1 W 0 E {1/HT }
o`
u
YT WT W 0 : ecart entre la valeur nale du portefeuille, WT , et la cible de richesse
de linvestisseur, W 0 , avec 0 W 0 1/E {1/HT },
u(.): fonction dutilite CRRA de lasset manager
a a0 /b: rapport entre le montant de la commission xe et le taux des frais de gestion
sur encours, avec 0 a W 0 ,
70. Ce qui revient `
a supposer que le budget de risque est une fonction binaire de lecart de valeur
du portefeuille
avec
la cible de richesse nale de linvestisseur ; son expression est la suivante :

a
(z) a0 + 0 1z0 .
Ceci implique en particulier que le budget de risque alloue en cas de sur-performance (i.e a0 + 0 )
est sup
erieur de au budget de risque attribu
e en cas de sous-performance (i.e a0 ).
Finalement, on remarquera que, dans la zone de sous-performance, le montant de budget de
risque designe le seuil maximal de perte relativement a
` la cible centrale de r
emun
eration que
lasset manager est pr`
es `
a supporter : bYT a0 . Dans la zone de sur-performance la contrainte
eri
ee par construction puisque lexc
edent de richesse est positif
(b + c)YT (a0 + 0 ) est v
(i.e.YT 0).

71. En eet, on a u(FT (WT )) = u FT (WT ) b W 0 + a0 1YT <0 + a0 + 0 1YT 0 ,
ce qui implique que u(FT (WT )) = w ( FT (WT ) FT (W 0 )) .

72. Nous excluons de notre analyse le cas limite b = 0 d
ej`
a
etudi
e par [Carpenter, 2000].
EFICIANT

185
0 /b: rapport entre le montant du bonus paye en cas de sur-performance et le taux

des frais de gestion sur encours, avec 0 W 0 /b a,
d c/b: rapport entre le taux des frais de gestion variables et le taux des frais de
gestion sur encours, avec 0 < b < 1 et 0 c < 1 b.
3.2. Expression de la richesse terminale optimale.
Th
eoreme 5. La richesse terminale solution du problème (P16) est donnee
par lexpression suivante 73 :
(1) Pour a 0 , d 0, = 0 74

YT
avec H
1
1+d
1/
( 1+d
k HT )

si HT > H
si HT H
1+d
(2) Pour a = 0, d 0 et = 0
1/
(a + ) si HT > H
(HT /k)
YT =
0
si H < HT H
(H /k)1/ a
si HT H
T
avec H k (a + ) et avec H solution implicite de lequation : h(k/H ) = 0
11/
avec h (x) x11/ u(a + ) + ax 75
(3) Pour a = 0 et d = 0, on pose /da et pour = 0 et (a = 0 et d = 0) ou (a = 0

et d = 0) , on pose 0

(1)(1+d)
> 0 76
(a) cas d1 (1+d)
11/ 1 1
YT =
1
1+d
1/
( 1+d
k HT )
(1 + d)a
k
(1+d)
h(k/H ) = 0
si HT > H
si H < HT H
si HT H
(HT /k)1/ a
avec H
{(1 + d)a} , et avec H solution implicite de lequation :
avec
11/
h (x) x11/ u((1 + d)a) + ax
73. Dans le cas o`

u lasset manager ne recoit pas de frais xe ni aucunes incitations nanci`
eres `
a
la performance, i.e. pour a = d = 0, la solution optimale du problème de lasset manager (qui
es, au portefeuille de
est aussi celle de linvestisseur de ref
erence) sidentie, `
a la constante W 0 pr`
Merton. En eet dans ce cas, la valeur nale du portefeuille optimal est donn
ee par :
WT = W 0 + (HT /k)1/ .
74. Dans le cas limite o`
u W 0 = 1/E {1/HT }, la contrainte de budget, i.e. E(YT /HT ) = 0
implique que WT = W 0 .
75. Cette expression sobtient en posant h (x) g (x) u (a + ) avec
1

= x1/
g (x) u [I(x)] x [I(x) a] et avec I(x) u (x)
1/

76. On a 0 < < M in 0 ; 1 o`
u 0 (1+d)d 1 . Par ailleurs, est la solution de l
equation

H () = H (). De facon
equivalente, est solution implicite de l
equation g k/H () = 0.
Par cons
equent pour = , on a H () = H () = H () et la solution 3 (a) et 3 (b) du
th
eor`
eme 5 se confondent.
`
ET BENCHMARKING
186
(b) cas 0

YT
1
1+d
1/
( 1+d
k HT )
(1 + d)a
(HT /k)1/ a
si HT > H
si HT H
avec H 77 denie par lexpression suivante :

11/
ad
1
(1/(1 + d))
( 1) /
H k
1+d
1 1/
avec, dans tous les cas, k veriant lequation de budget suivante :
E(YT /HT ) = 1 W 0 E {1/HT }
Notons que la contrainte a W 0 implique que : HT 0, on a
W 0 a 0 ; ce qui permet de se premunir contre la negativite de WT .
WT (HT )
Linegalite FT (WT ) > 0 est egalement veriee puisquon a, HT 0 , FT (WT )

b(WT W 0 ) + ba 0.
De plus, il est utile de faire la remarque technique suivante : on peut considerer
que lenonce du theorème (5) se restreint aux deux seuls cas correspondant aux
expressions (3)(a) et (3)(b).
En eet, en partant de lexpression du cas (3)(a), en remplacant lexpression da
par , puis en considerant le cas limite a 0 78, on retrouve lexpression du cas (1)
du theorème (5).
Lexpression du cas (2) se deduit egalement de celle du cas (3)(a) par le meme
changement de variable que precedemment (en remplacant lexpression d a
par ).
Les resultats du theorème (5) peuvent sinterpreter de la manière suivante 79 :
(1) Niveau dincitation faible (cas (3)(b)) :
d
Le rapport entre la valeur du bonus xe verse en cas de sur-performance,

0 b, et le niveau de commission xe, a0 a b, est inferieur au
seuil d 80
La strategie optimale admet une forme à deux etats similaire a` celle de
lasset manager ne recevant pas de bonus de sur-performance qui a ete
analysee dans la section precedente 81
77. H est la solution de f (k/H ) = 0 avec f (x) g(x) g(x/(1 + d)) +
da
1+d
o`
u
g(x) u [I(x)] x [I(x) a] et x I(x) = x1/ d

esigne la fonction inverse de la fonction

x u (x).
emontre que H 0 quand a 0.
78. Dans le cas W 0 < E {1/HT }, on d
79. Pour la raison
evoqu
ee ci dessus, nous nous restreignons aux deux seuls cas correspondant
aux expressions
(3)(a) et (3)(b) du th
eme (5).
eor`
80. d

(1)(1+d)
(1+d)11/ 1
1 .
81. En eet, l
enonc
e du th
eor`
eme (5) en supposant de plus que = 0 (pas de versement de
bonus xe en cas de sur-performance) se reduit a
` l
enonc
e du th
eor`
eme (4) dans le cas particulier
o`
u lasset manager est CRRA. .
EFICIANT

187
Un etat de richesses basses (pour HT H ) o`

u lexpression de la
strategie optimale est similaire à celle du cas sans incitation nancière.
u lexpression de la
Un etat de richesses elevees (pour HT > H ) o`
strategie se distingue de celle de letat des richesses basses par les deux
termes suivants : le coecient dexposition au portefeuille numeraire,
H, (qui passe de 1 à (1 + d)1/1 ) et le niveau de budget de risque (qui
passe de a `
a [(1 + d)/(1 + d)] a).
(2) Niveau dincitation eleve ((cas (3)(a)) :
d
Le rapport entre la valeur du bonus xe verse en cas de sur-performance,

0 b, et le niveau de commission xe, a0 a b, est superieur au
seuil d
Dans ce cas, il sagit dune forme de strategie a` trois etats : deux etats
(de richesses basses et hautes) similaires au cas (3)(b) plus un etat
intermediaire de richesse nulle correspondant a` un intervalle de valeurs
medianes de HT dans lequel il est optimal de gerer passivement le portefeuille.
On remarquera que le seuil

de .
d est une fonction croissante de d et decroissante
Enn, on notera que le modèle de frais expose ici generalise certaines des formulations dej`
a analysees dans la litterature traitant de cette meme problematique de
gestion nancière avec incitation à la performance :
lexpression (3)(b), dans le cas particulier o`
u a = W 0, = 0 a = W 0
et = 0, sidentie a` la solution du problème dinvestissement de hedge funds
etudie par [Hodder Jackwerth, 2006] 82.
lexpression (3)(a) dans le cas particulier o`
u a = W 0 et = dW 0 a =
0
W et = 1, sidentie a` lexpression analytique de la strategie optimale du
problème dinvestissement avec eet incitatif de ux dinvestissement analyse
par [Basak et al., 2008] 83.
On rappelle que, sous les hypothèses du modèle de Black & Scholes, il existe une
relation bi-univoque entre la valeur de chacun des trois portefeuilles suivants pris
82. Remarquons les deux dierences suivantes :

-[Hodder Jackwerth, 2006] consid`
erent le cas, plus sp
ecique `
a lindustrie des hedge funds,
o`
u le g
erant investit pour son propre compte dans le fonds quil gère et r
esolvent num
eriquement
le probl`
eme dinvestissement consider
e.
-A loppos
e, nous explicitons la forme analytique de la solution du problème dinvestissement mais
nous ne traitons pas du cas mentionn
e ci-dessus.
83. Dans le cas o`
u le benchmark est xe ; le cas dun benchmark stochastique sera traite dans
la derni`
ere section du chapitre.
188
`
ET BENCHMARKING
deux à deux : la valeur du portefeuille numeraire, Ht , celle du portefeuille de Merton, Ht 84, et enn, celle de lactif risque, Mt 85.
Ceci nous permettra, à tout instant t, de dexprimer la valeur de la richesse optimale en excès de celle du benchmark, notee Yt , en fonction de Mt ; expression
qui nous sera utile pour analyser les proprietes de la strategie optimale.

e du pay-o optimal.
En nous fondant sur le meme exemple dapplication numerique que dans la section precedente 86, nous analysons, dans le cadre du modèle de Black & Scholes, la
sensibilite du prol de gain optimal aux variations des paramètres de remuneration
et de risque du modèle considere.
Nous souhaitons en particulier expliciter leet de la prise en compte dun montant xe de bonus verse au gerant en cas de sur-performance ; pour cela, nous
comparerons le prol de gain nal (pay-o) de lasset manager recevant des frais
de gestion variables et un montant de bonus xe en cas de sur-performance (c = 0
et = 0) avec le prol de lasset manager percevant des frais de gestion variables
mais pas de bonus (c = 0 et = 0) qui a ete analyse dans la section precedente.
3.3.1. Sensibilite aux variations des paramètres de remuneration et de risque.

An dillustrer leet du changement du niveau de remuneration et du degre daversion au risque sur le prol de gain de lasset manager, nous avons represente, sur
les cinq gures ci-dessous, la valeur nale de la strategie optimale, en fonction de
la valeur nale de lactif risque, pour dierentes valeurs de chacun des paramètres
consideres :
(1) Sensibilite aux variations du montant de bonus xe, 0 b (avec b
xe), et aux variations du taux des frais de gestion variables, c :
Une hausse de la valeur du montant de bonus (i.e. hausse de la valeur
du paramètre ) a pour consequence de faire baisser la richesse du portefeuille dans lintervalle des valeurs les plus elevees de lactif risque (cf.
gure (Fig.18)).
De plus, au-dessus dun certain montant de bonus, et dans un intervalle
84. On rappelle que le portefeuille de Merton, not
e (h , H ), sidentie `
a la strat
egie dynamique
1/
atteignant la richesse terminale, HT . Il sagit dune strat
egie dynamique dont le poids de lactif
risque dans le portefeuille est constant et donn
e par lexpression suivante : h (1/)h avec
2
esigne le ratio de Sharpe de lactif risqu
e.
h / / et avec ( r) / qui d
et
eciproquement : on a,
Ht = (t)(Mt )h avec (t) e(r( 2 2 ))t = e(1h)(r+ 2h )t = e(1h)(r+

(/)2
(1h )(r+ 2h
)t
2
(1h )(r+ h 2
h2
2
)t
)t

= H0 e
.
86. Sauf si cela est pr
ecis
e di
eremment, les valeurs num
eriques utilis
ees sont les suivantes :
r = 4%, = 10%, = 20%, = 75%, T = 5, et W 0 erT = 122% ; ce qui donne en particulier
= 30%, h = 150% et h = 200%.
EFICIANT

189
de valeurs intermediaires de lactif risque, on remarque que la strategie

optimale sidentie à une gestion totalement passive (i.e. la performance
relativement a` la cible de richesse nale est nulle).
Enn, leet dune baisse du taux de commission variable, c, est similaire a`
celui dune hausse du bonus verse en cas de sur-performance (cf. (Fig.19)).
(2) Sensibilite aux variations du taux des frais de gestion sur encours, b 87, et
aux variations du paramètre de budget de risque, a :
Comme cela est illustre sur la gure (Fig.20), le montant de la perte, dans
la zone de sous-performance, est une fonction decroissante de la valeur du
taux des frais de gestion sur encours, b. De plus, la longueur de lintervalle
o`
u il y a sous-performance et le gain dans la zone de sur-performance sont
egalement fonction decroissante de la valeur du paramètre b.
De plus, on remarque quau-dessus dune certaine valeur du taux de frais
de gestion sur encours, b, (dans notre exemple dapplication numerique,
ce seuil est situe entre 5% et 10%) la strategie optimale devient passive
dans un intervalle de valeurs intermediaires de lactif risque. La longueur
de cet intervalle est une fonction croissante de la valeur du paramètre b.
Finalement, leet dune baisse du montant de la commission xe a0 ab
(avec b xe) 88, est similaire a` celui dune hausse du taux des frais de gestion sur encours (cf. (Fig.21)).
(3) Sensibilite aux variations du paramètre daversion au risque, :
Comme le montre la gure (Fig.22), la baisse de la valeur de laversion au
risque consideree, , implique que la zone de sous-performance setend a`
des valeurs plus elevees de lactif risque, que le montant de la perte, en
cas de sous-performance, augmente, et enn que leet de convexite de la
courbe de richesse, observe dans la zone de sur-performance, saccentue.
87. A niveau x
e des param`
etres 0 et a0 .
88. Ou ce qui revient au meme, dune baisse du param`
etre a, le niveau de budget de risque
consid
er
e par lasset manager.
190
`
ET BENCHMARKING
Figure 18. Strategies CRRA avec frais de gestion variables et

bonus xe b.

taux des frais de gestion variables c.
EFICIANT


taux des frais de gestion sur encours b.

bonus - excedent de richesse du portefeuille - eet du niveau du
taux de commission xe a b (avec b xe).
191
192
`
ET BENCHMARKING

daversion au risque .
3.3.2. Sensibilite des strikes aux variations des paramètres de remuneration et

de risque.
Nous partons du constat que lexpression de la richesse terminale optimale fournie
dans le theorème 5 ressemble au pay-o dune combinaison doptions 89.
Nous souhaitons analyser leet dune variation de la valeur des paramètres du
modèle sur celle des strikes de ces options. A noter que ces strikes sont egalement
les bornes des dierents intervalles de valeurs de lactif risque qui correspondent aux
etats de richesse o`
u lexpression de la strategie optimale prend une forme dierente.
Nous avons represente sur la gure (Fig.23), les valeurs prises par ces strikes,
notes M , M et M max 90, en fonction de la valeur du bonus xe, 0 b
(avec b xe).
Nous pouvons faire les remarques suivantes :
(1) Pour
ac
b
(niveau de bonus faible)
Dans ce cas (valeur du bonus en dessous de 3% dans lexemple dapplication numerique considere), lexpression de la strategie optimale est
celle à deux etats de richesse du theorème 5.
De plus, il ny a quun seul strike, note M et sa valeur est une fonction decroissante du paramètre .
Ainsi, quand la valeur du paramètre augmente, lintervalle de valeurs
89. ce que nous pr
eciserons dans les sections suivantes.
90. On rappelle que, sous les hypoth`
eses du mod`
ele dactifs de B&S, il existe une correspondance
a la date t, et Ht celle du portefeuille de croissance
bi-univoque entre Mt , la valeur de lactif risque `
eduisent respectivement de celle de H , H , H
optimale. Les valeurs de M , M , M max se d
par cette transformation.
EFICIANT

193
elevees de lactif risque, dans lequel leet de lincitation nancière est positif pour lasset manager 91, setend au detriment de lintervalle de valeurs
basses de lactif risque o`
u lincitation nancière lui est defavorable.
(2) Pour
ac
b
(niveau de bonus eleve)
Dans ce cas (valeur du bonus au-dessus de 3% dans lexemple considere),

lexpression de la strategie optimale est celle à trois etats de richesse et
deux strikes du theorème 5.
Quand la valeur du paramètre augmente, nous observons que la valeur de M baisse et celle de M max augmente.
Autrement dit, quand le montant du bonus de sur-performance augmente,
lintervalle des valeurs medianes de lactif risque, o`
u la strategie optimale
est passive, setend au detriment des deux autres intervalles de valeurs
basses et hautes de lactif risque o`
u le gerant est actif.
Finalement, remarquons que, toute chose restant egale par ailleurs, les changements
suivants de valeur des paramètres ont le meme eet sur le prol de gain optimal
que la hausse de valeur du montant de bonus de sur-performance (i.e la hausse du
paramètre ) :
la baisse de la valeur du taux des frais de gestion variables c (voir la gure
(Fig.24)),
la baisse du montant de la commission xe (i.e. baisse de la valeur du paramètre a, voir la gure (Fig.25) ci-dessous),
ou encore, la hausse du taux de la commission sur encours b (voir la gure
(Fig.26)).
On en deduit que la prise en compte dun bonus contractuel en plus de frais de
sur-performance tend à modier de facon considerable le comportement de lasset
manager et lincite à reduire son prol de risque :
En implementant, pour les niveaux de bonus faibles, une strategie dont la
zone de sur-performance est dautant plus longue (et la performance dans cette
zone dautant plus faible) que le montant du bonus de sur-performance est eleve
En choisissant, pour les niveaux de bonus susamment eleves, une gestion
passive dans un intervalle de valeurs medianes de lactif risque. La longueur de
cet intervalle de valeurs medianes de lactif risque, est une fonction croissante
du montant de bonus verse en cas de sur-performance. A linverse, la longueur
des intervalles de valeurs de lactif risque, o`
u il y a sur-performance, ou sousperformance et o`
u une gestion active est optimale, decrot avec le niveau de bonus.
91. puisque dans ce cas, le montant de la r

emun
eration recu par lasset manager est sup
erieur
a celui quil obtiendrait sans incitation nancière.
`
194
`
ET BENCHMARKING

bonus - valeurs des Strikes en fonction du niveau de bonus xe
b (b=5% xe).

bonus - valeurs des Strikes en fonction du niveau de frais de
gestion xe a b (pour b=5% xe).
EFICIANT


bonus - valeurs des Strikes en fonction du niveau du taux des
frais de gestion variables c.

bonus - valeurs des Strikes en fonction du niveau du taux des
frais de gestion sur encours b.
195
`
ET BENCHMARKING
196
3.4. Expression de la strat

Nous explicitons à present lexpression de la strategie dynamique optimale en
considerant a` nouveau le modèle a` deux actifs de [Black Scholes, 1973]. On
rappelle que dans ce cadre, lunivers dinvestissement se compose des deux actifs
suivants :

valeur à la date t est notee St0 ; cet actif a un rendement instantane donne par
lexpression suivante
dSt0 /St0 = rdt
o`
autre actif action dont la dynamique de prix est decrite par un mouvement brownien geometrique ; son rendement instantane secrit
o`
court plus une prime de risque action notee r) et designe sa volatilite constante.
Nous presentons les expressions obtenues pour la valeur intermediaire et lallocation

dynamique de la strategie optimale 92 dans les proprietes 26 et 27 qui suivent.
Propri
et
e 26. Pour a = 0, d = 0, la valeur `
a la date t de la solution optimale
du problème (P16), notee Yt , est donnee par la formule suivante :
(1) Pour
Yt =

yd
C(Ht , (H)1/ , T t)y0P (Ht , (H )1/ , T t) a y0 (H )1/ B(Ht , (H )1/ , T t)
1+d
(2) Pour 0
Yt =

yd
1
C(Ht , (H )1/ , T t)y0P (Ht , (H )1/ , T t)+
yd (H )1/ (1 + d)a ZC(T t)
1+d
1+d

yd
d(1 )a
(
y0 )(H )1/ +
B(Ht , (H )1/ , T t)
1+d
1+d

1/
de Merton, atteignant la richesse terminale, HT 93,

1/
1/
(1)(1+d)
1
, yd ((1 + d)/k) , y0 (1/k) .
avec /da, d1 (1+d)
11/ 1
92. Par soucis de simplicit

e d
ecriture, nous exposons ici uniquement les resultats obtenus dans
les cas (non d
eg
en
er
es) 3(a) et 3(b) du th
eor`
eme 5.
a une strat
egie dynamique dont le poids
93. On rappelle que le portefeuille (h , H ) sidentie `
de lactif risque dans le portefeuille est constant et donn
e par lexpression suivante : h (1/)h
esigne le ratio de Sharpe de lactif risqu
e.
avec h / 2 / et avec ( r) / qui d
EFICIANT

197

11/
1
k
ad
avec H (1+d)
[{(1 + d)a} , H k 1+d
( 1) / (1/(1+d))
et avec
11/
H qui designe la solution implicite de lequation :

h(k/H ) = 0
avec
h (x)
x 11/
u((1 + d)a) + ax
1 1/
o`
u C(Zt , X, T t), (resp. P (Zt , X, T t), resp. B(Zt , X, T t)) designe la valeur
de loption dachat europeenne, (resp. de loption de vente europeenne, resp. de
loption digitale de vente) de strike X, decheance T t, sur le sous-jacent Zt et
ZC(T t) la valeur dune obligation Zero-Coupon decheance T t dans le cadre
du modèle de Black & Scholes. 94.
Propri
et
e 27. Dans le cadre du modèle de Black & Scholes, lallocation de la
strategie dynamique optimale correspondant au problème (P16) est donnee par la
formule suivante :

wt Wt
investi (en cash) dans lA.R.

dW
avec wt Wt wB Bt + dHt h Ht qui est donnee par la formule suivante 95 :
t
Pour

1/

yd
1/
+ y0 N d1 H
N d1 H
+
1+d

her(T t) d2 H 1/

1/
a y0 H
T t
Pour 0

yd
h
1/
1/
wt Wt = Ht
+ y0 N d1 H
N d1 H
1+d

her(T t) d H 1/

2
yd
d(1 )
y0 H 1/ +
a
+
1+d
1+d
T t
avec N (.), resp. (.) la fonction
resp. la fonction de densite, de la loi

de repartion,
wt Wt
h
= Ht
normale et avec d1 (X) ln
Xe
Ht
r(T t)
2
/ + /2 et d2 (X) d1 (X)
o`
u ( )2 V ar [ln(HT /Ht )/] = (T t) et / et avec le reste des
paramètres denis comme dans la propriete 26.
ele Black & Scholes
par la formule suivante : C(Zt , X, T t) = Zt N (d1 (X)) + Xer(T t) N (d2 (X)) avec
Z
( )2

log( Xt )+(r+ 2 )(T t)
d1 (X) =
, d2 (X) = d1 (X) T t et T t V ar (ln (ZT /Zt ))
( ) T t
eduit de lexpression de Ht que = / avec /.
De plus pour Zt Ht , on en d
Avec les m
emes notations, on a P (Zt , X, T t) = Xer(T t) N (d2 (X)) + Zt N (d1 (X))
et B(Zt , X, T t) = er(T t) N (d2 (X)) et ZC(T t) = er(T t) . Les formules d
evaluation
de ces options dans le cadre dun modèle `
a N actifs risques, N 2 sont donn
ees dans la derni`
ere
section du pr
esent chapitre qui gen
eralise les r
esultats expos
es dans cette section.
95. Dans notre cas o`
u le benchmark est choisi comme
etant lactif mon
etaire on a w B 0.
198
`
ET BENCHMARKING
3.5. Analyse de lallocation dynamique optimale.

Nous analysons la sensibilite de lallocation dynamique optimale (niveau dexposition a` lactif risque et performance intermediaire) aux variations des paramètres
du modèle (remuneration, aversion au risque et horizon de placement) en nous appuyant sur le meme exemple dapplication numerique que precedemment 96.
En particulier, nous comparerons la strategie dynamique des trois prols suivants :
lasset manager recevant des frais de gestion variables et un bonus xe en cas
de sur-performance (c = 0 et = 0),
lasset manager recevant des frais de gestion variables mais pas de bonus xe
(c = 0 et = 0), qui a ete analyse dans la section precedente,
lasset manager de reference sans aucune incitation nancière (c = 0 et
= 0).
3.5.1. Sensibilite aux variations des paramètres de remuneration.
Nous avons represente, pour dierentes valeurs de chacun des quatre paramètres de
la remuneration, la valeur intermediaire de la strategie dynamique optimale (notee
Yt ) ainsi que lexposition a` lactif risque correspondante (notee Pt ), en fonction
de la valeur de lactif risque.
(1) Sensibilite aux variations du montant de bonus de sur-performance, 0

b (avec b xe) et aux variations du taux des frais de gestion variables c :
On observe sur la gure (Fig.27) que la hausse de la valeur du bonus
(i.e. hausse du niveau du paramètre ) implique,
dans une zone de valeurs basses à medianes du sous-jacent : une hausse
du niveau de la sur-performance du portefeuille de lasset manager
avec incitation nancière relativement au portefeuille sans incitation nancière. Ce qui saccompagne dune concavite de la courbe de richesse
nale plus marquee.
dans une zone de valeurs hautes du sous-jacent : une hausse du montant
de la sous-performance de la strategie avec incitation nancière relativement au portefeuille sans incitation nancière.
Les eets dun changement du montant de bonus de sur-performance sur
lexposition a` lactif risque sont illustres sur la gure (Fig.28). On peut
faire les remarques suivantes
premièrement : la valeur de lactif risque o`
u a lieu le pic de surexposition, par rapport au cas de reference sans incitation nancière,
96. Sauf si cela est pr
ecis
e di
eremment, les valeurs num
eriques utilis
ees sont les suivantes :
r = 4%, = 10%, = 20%, = 75%, T = 5, et W 0 erT = 122% ; ce qui donne en particulier
= 30%, h = 150% et h = 200%.
EFICIANT

199
est une fonction decroissante du montant de bonus.

deuxièmement : lamplitude du creux de sous-exposition par rapport
au cas sans incitation, qui a lieu dans un intervalle de valeurs medianes
du sous-jacent, est une fonction croissante du montant de bonus.
troisièmement : pour les valeurs du bonus au-dessus dun seuil 97, il y a,
dans la zone de valeurs elevees du sous-jacent, sur-exposition à lactif
risque par rapport au cas sans incitation.
Leet dune baisse du taux de la commission variable, c, est similaire a`
celui dune hausse du bonus verse en cas de sur-performance (i.e. hausse
du paramètre ) : le niveau globale de risque diminue, voir les gures
(Fig.29) et (Fig.30).
(2) Sensibilite aux variations du taux de frais de gestion sur encours b et aux
variations du montant de la commission xe a0 a b (avec b xe) :
La baisse de la valeur du taux des frais de gestion sur encours, b, augmente le niveau global de risque de la strategie optimale :
dune part, le montant de la perte dans la zone de sous-performance
et le niveau de gain dans la zone de sur-performance augmentent (cf.
gure (Fig.31)),
dautre part, le niveau global dexposition a` lactif risque augmente et
en particulier la sur-exposition qui sopère dans une zone de valeurs
medianes du sous-jacent (cf. gure (Fig.32)).
Leet dune hausse du montant de la commission xe, a0 a b (avec
b xe), est similaire a` celui dune baisse du taux des frais de gestion sur
encours, b (voir les gures (Fig.33) et (Fig.34)).
97. en particulier pour le niveau maximum de bonus = d W 0 , cf. courbe violette.
200
`
ET BENCHMARKING

bonus xe b (b xe).

bonus - exposition a` lactif risque - eet du niveau de bonus xe
b (b xe).
EFICIANT


taux des frais de gestion variables c.

bonus - exposition a` lactif risque - eet du niveau du taux des
frais de gestion variables c.
201
202
`
ET BENCHMARKING

frais de gestion sur encours b.

bonus - exposition a` lactif risque - eet du niveau de frais de
gestion sur encours b.
3.5.2. Sensibilite aux variations du paramètre daversion au risque et aux variations de lhorizon dinvestissement.
Leet du changement du niveau daversion au risque, , est represente sur la gure
(Fig.35) et la gure (Fig.36).
Quand le paramètre daversion au risque, , baisse, lallocation dynamique devient
plus risquee :
dune part, le montant de la perte dans la zone de sous-performance et du

gain dans la zone de sur-performance augmentent. De plus, la courbe de richesse
EFICIANT

203

taux de commission xe a b (avec b xe).

bonus - exposition a` lactif risque - eet du niveau du taux de
commission xe a b (avec b xe).
devient de plus en plus convexe (cf. gure (Fig.35)).

dautre part, le niveau global dexposition a` lactif risque augmente, et en
particulier, la sur-exposition qui sopère dans un intervalle de valeurs medianes
de lactif risque. De plus, cet intervalle correspond à des valeurs de lactif risque
plus elevees (cf. gure (Fig.36)).
Finalement, on remarquera que, dans un intervalle de valeurs basses à medianes de
lactif risque, lallocation dynamique optimale est contraire a` la règle de bon sens
(Popular Advice) qui dicte une allocation en actif risque croissante en fonction
du niveau de tolerance au risque.
204
`
ET BENCHMARKING


EFICIANT

205
Leet du changement de lhorizon dinvestissement, T t, sur le prol de risque

de lasset manager avec frais de gestion variables et bonus de sur-performance est
illustre sur la gure (Fig.37) (excedent de richesse) et la gure (Fig.38) (exposition
a lactif risque).
`
Comme le montre la gure (Fig.38), lallocation temporelle est contraire à la règle
de bon sens (Conventional Wisdom) dune allocation en actif risque croissante
en fonction du temps restant à courir. Ceci est d
u au prol doption binaire de la
strategie optimale (qui traduit la discontinuite de valeur qui a lieu entre les deux
etats de richesses hautes et basses).

et bonus - excedent de richesse du portefeuille - eet du temps
restant a` maturite T t.

et bonus - exposition a` lactif risque - eet du temps restant à
maturite T t.
206
`
ET BENCHMARKING
3.5.3. Structures de frais particulières.

(1) Structure de frais sans incitation nancière symetrique (i.e. a = W 0 98).
La strategie sans incitation nancière sidentie au portefeuille a` poids
constant h h/ et on retrouve comme cas particulier de notre problème
dinvestissement avec incitation nancière, les problèmes etudies par
[Hodder Jackwerth, 2006] (a = W 0 et = 0) et par
[Basak et al., 2008] (a = W 0 et = d W 0 99).
Nous avons represente, pour dierentes valeurs de , la richesse intermediaire
du portefeuille (cf. gure (Fig.39)) et le niveau dexposition à lactif risque
(cf. gure (Fig.39)), en fonction de la valeur de lactif risque.
Dans un intervalle de valeurs eleves de lactif risque, le niveau dexposition a` lactif risque de la strategie du modèle de [Basak et al., 2008]
converge vers le poids constant du portefeuille de Merton, note h (dans
notre exemple numerique, h = 2) 100 et cela sans jamais exceder cette
valeur (cf. gure (Fig.40)).
Cette propriete nest plus veriee dans le cas o`
u a W 0 . Voir par exemple
la gure (Fig.28) : dans lexemple numerique considere (a = 50% < W 0 =
122% et = d W 0 ), lexposition a` lactif risque du portefeuille avec
incitation nancière commence par exceder lexposition du portefeuille de
reference, sans incitation nancière (qui ne sidentie plus au portefeuille
de Merton) avant de converger très lentement vers le poids du portefeuille
h (convergence lente qui nest pas visible sur la gure).
(2) Structure de frais comprenant sans incitation nancière (a = W 0 ) et sans

frais de gestion variables (i.e. c = 0) :
Nous avons represente, pour dierente valeur de , la richesse intermediaire

du portefeuille (cf. gure (Fig.41)), et le niveau dexposition à lactif risque
(cf. gure (Fig.42)), en fonction de la valeur de lactif risque 101.
On notera, dans un intervalle de valeurs basses et hautes de lactif risque,
la sur-exposition a` lactif risque de la strategie optimale par rapport a` la
strategie de reference sans incitation nancière (qui sidentie au portefeuille de Merton) (cf. gure (Fig.42)).
98. ce qui correspond au choix dun montant maximum de commission xe, i.e. a0 b a =
0
equivalente au choix dun montant maximum
b W 0 , ou de facon
de budget de risque
a = W . La
structure de frais prend la forme suivante : FT (WT ) = bWT + 0 + c (WT W 0 ) 1WT W 0 .
99. nous consid
ererons ici le cas o`
u le benchmark est xe ; le cas o`
u le benchmark est stochastique sera analyse dans la derni`
ere section du pr
esent chapitre.
` la strat
egie
100. En eet, dans le cas particulier o`
u a = W 0 , le portefeuille de Merton sidentie a
sans incitation nancière.
101. Autrement dit la fonction de remun
eration prend la forme suivante :
F (WT ) = bWT + b 0 1WT W 0 .
EFICIANT

207

bonus - budget de risque maximum (a = W 0 ) - excedent de
richesse du portefeuille - eet du niveau de bonus b (b xe).

bonus - budget de risque maximum (a = W 0 ) - exposition a` lactif
risque - eet du niveau de bonus b (b xe).
On remarquera aussi que, dans un intervalle de valeurs centrales de lactif

risque, la strategie optimale tend a` devenir passive avec très peu voir plus
dexposition a` lactif risque.
208
`
ET BENCHMARKING

bonus - budget de risque maximum (a = W 0 ) et frais de gestion
variables nuls (c = 0) - excedent de richesse du portefeuille - eet
du niveau de bonus b (b xe).

bonus - budget de risque maximum (a = W 0 ) et frais de gestion
variables nuls (c = 0) - exposition à lactif risque - eet du niveau
de bonus b (b xe).
EFICIANT

209

Dans cette troisième section, nous avons etudie le problème dinvestissement de
lasset manager CRRA qui cherche a` maximiser lutilite esperee de sa remuneration
nale. La structure de remuneration incitative consideree, plus generale que celle
analysee dans la seconde section, comprend non seulement des frais de gestion variables mais egalement un montant de bonus verse en cas de sur-performance 102.
3.6.1. Expression de la richesse terminale optimale.

Dans un premier temps, nous avons montre que lexpression de la richesse terminale optimale 103, fournie dans le theorème 5, prend une forme dierente selon
que le montant du bonus, verse en cas de sur-performance, est superieur ou inferieur
a un seuil limite fonction des autres paramètres du modèle.
`
Les principales caracteristiques du prol de gain sont les suivantes :
(1) Un prol optimal à deux etats de richesse si le montant du bonus de surperformance est faible :
Dans le cas o`
u le montant de bonus de sur-performance est inferieur ou
egal au seuil limite, lexpression de la solution optimale est similaire à celle
du problème etudiee dans la seconde section.
Il sagit dune strategie a` deux etats avec une discontinuite de valeur entre
letat o`
u se produit une sous-performance 104 et celui correspondant à une
sur-performance.
Seule dierence avec les resultats de la section precedente : dans la zone
de sur-performance, le budget de risque est plus important et comprend
un terme supplementaire qui est proportionnel au montant du bonus de
sur-performance.
102. Il sagit de la forme g

en
erale donn
ee par l
equation 1.1 de la section 1.2, sous lhypoth`
ese
suppl
ementaire dun benchmark xe (i.e. la cible de richesse nale de linvestisseur est xe).
La structure de r
emun
eration de lasset manager comprend les quatre composantes suivantes : des
frais de gestion sur encours, une commission de gestion incitative sym
etrique, des frais de surperformance (asym
etrique), ainsi quune composante incitative binaire prenant la forme dun
bonus xe pay
e en cas de sur-performance.
103. Expression de la richesse nale optimale en fonction de la valeur du portefeuille dactif
risque sous-jacent (portefeuille a
` croissance optimale ou logarithmique).
104. intervalle des valeurs du portefeuille dactifs risques sous-jacent, i.e. le portefeuille `
a croissance optimale, pour lesquelles la richesse terminale est en dessous du niveau cible de richesse
nale.
210
`
ET BENCHMARKING
(2) Un prol à trois etats de richesse si le montant du bonus de sur-performance

est eleve :
Dans le cas o`
u le montant du bonus est superieur ou egal au seuil limite, lexpression de la solution optimale prend une forme à trois etats.
Pour les deux intervalles de valeurs du portefeuille sous-jacent les plus
extremes, correspondant a` une sous-performance ou a` une sur-performance
par rapport au niveau de richesse cible, on retrouve les memes expressions
que celles des deux etats du cas precedent (i.e. niveau de bonus faible).
Dans le troisième etat de valeurs medianes du sous-jacent, la richesse
optimale pour lasset manager est egale a` cible xe de richesse nale de
linvestisseur (gestion passive).
(3) Un seuil limite qui est fonction du niveau de risque et du degre dincitation nancière
Le seuil limite de bonus, au-dessus duquel il devient optimal pour lasset
manager dimplementer une gestion passive dans un intervalle de valeurs
medianes du sous-jacent (expression a` trois etats de richesse), est fonction
croissante des trois paramètres suivants :
le montant de la commission de gestion xe ou, ce qui revient au meme,
le seuil implicite de sous-performance maximale toleree ;
le degre dincitation nancière represente par le ratio entre le taux de
frais de sur-performance (commission asymetrique) et le taux de frais
de gestion sur encours (commission symetrique) ;
le paramètre de tolerance au risque de lasset manager qui se denit
comme linverse du paramètre daversion au risque.
(4) Un prol de gain qui est discontinu et asymetrique
Le pay-o du portefeuille optimal 105, exhibe un saut de richesse au
niveau dun point limite de valeur du portefeuille sous-jacent separant
la zone de sous-performance avec la zone de sur-performance ou de neutralite par rapport à la richesse cible (selon quil sagit de lexpression a`
deux ou à trois etats de richesse).
Lexpression de la richesse nale du portefeuille optimal est asymetrique :
cette asymetrie traduit la dierence entre la forme de la strategie optimale
dans letat de sur-performance et dans letat de sous-performance.
Lasymetrie entre ces deux etats est dautant plus importante que le niveau
dincitation nancière est eleve : ce dernier etant une fonction croissante,
dune part, du ratio entre taux des frais de gestion variables et taux de
frais de gestion sur encours, et dautre part, du montant de bonus verse
105. On rappelle que nous d
esignons par pay-o lexpression de la richesse nale optimale en
fonction de la valeur du portefeuille dactif risqu
e sous-jacent (portefeuille a
` croissance optimale
ou logarithmique).
EFICIANT

211
en cas de sur-performance.
(5) Une double forme de conit dinteret entre le gerant et linvestisseur
Une première forme de conit dinteret provient, comme dans le cadre de
la section precedente, de lasymetrie de lexpression de la valeur terminale
optimale entre la zone de sur-performance et la zone de sous-performance ;
celle-ci traduit lappetit accru de lasset manager pour le risque dans une
zone de valeurs elevees du sous-jacent.
Un deuxième type de conit dinteret concerne plus particulièrement les
cas o`
u le montant du bonus est susamment eleve pour inciter lasset
manager a` mettre en place une strategie partielle dassurance de portefeuille ; ce qui, dans ce cas, traduit une forte aversion à la perte de lasset
manager dans un intervalle de valeurs medianes du sous-jacent.
(6) Comparaison avec la litterature existante
Le problème considere generalise, par certain aspects, deux articles dej`
a
publiees dans la litterature :
le modèle de frais de [Hodder Jackwerth, 2006] : il sagit du problème
consideree dans la seconde section (i.e. remuneration sans bonus de
sur-performance) dans le cas particulier o`
u lasset manager est CRRA.
Dans ce cas, la strategie optimale prend la forme à deux etats decrite
precedemment.
le modèle de ux de [Basak et al., 2008] : ce modèle de ux correspond analytiquement a` notre modèle de frais dans le cas particulier o`
u
la structure de remuneration est lineaire par morceaux en fonction de
lencours. Dans ce cas, la strategie optimale prend la forme à trois etats
decrite precedemment.
3.6.2. Sensibilite de la strategie dynamique optimale aux paramètres de la remuneration

incitative.
Nous placant sous les hypothèses restrictives du modèle de B&S, nous avons dans
un second temps, etudie la sensibilite du prol de gain optimal et de lallocation dynamique correspondante au changement de valeur des paramètres de remuneration
(et de risque) du modèle.
Les principaux resultats obtenus sont les suivants :
(1) Sensibilite du prol de gain au niveau dincitation nancière :

La sensibilite du prol de gain aux changements de la politique de remuneration
incitative depend de la nature de lincitation nancière consideree :
Une augmentation du montant de bonus, toute chose restant egale par
212
`
ET BENCHMARKING
ailleurs, aura tendance a` diminuer le niveau de risque de la strategie optimale ; le niveau de perte potentielle etant reduit et lamplitude de lintervalle correspondant a` une gestion passive plus grande (ceci se faisant au
detriment des deux autres intervalles o`
u il est optimal de gerer activement
le portefeuille).
A loppose un niveau de taux de frais de sur-performance plus eleve sera
synonyme dun prol de gain plus risque.
(2) Impact sur le niveau dexposition à lactif risque de la valeur du bonus de
sur-performance :
Pour les niveaux faibles de bonus, on retrouve la courbe en forme de
cloche asymetrique decrite dans la section precedente (cas particulier o`
u
le montant du bonus verse est nul) avec une sur-exposition, par rapport
au cas sans incitation nancière, dans une zone mediane de valeurs du
sous-jacent.
Pour les niveaux de bonus eleve, il sagit dune courbe en forme de
v avec, à loppose du cas precedent, une sur-exposition dans les zones
de valeurs basses et hautes de lactif risque et une sous exposition dans
la zone mediane de valeurs du sous-jacent o`
u il est optimal pour lasset
manager de gerer passivement le portefeuille de linvestisseur.
4. CRITERE
MOYENNE VARIANCE AVEC REMUN
ERATION
MINIMALE
213
4. Crit`
ere Moyenne Variance avec r
emun
eration minimale
4.1. Probl`
er
e et expression de la richesse
terminale optimale.
Nous considerons a` nouveau le problème de lasset manager qui recoit mandat
de gerer un portefeuille pour le compte dun investisseur en contrepartie dune
retribution nancière.
Le cadre danalyse est le meme que celui decrit dans la première section du present
chapitre :
(1) Nous faisons les hypothèses suivantes :

Toutes les contraintes de gestion (le choix du benchmark et la structure
de remuneration integrant une commission sur encours et, eventuellement,
une commission de performance) sont xees dans le cadre dun mandat
de gestion avant la date dinvestissement.
Lasset manager cherche a` maximiser, a` un horizon dinvestissement
xe, lutilite esperee de sa remuneration.
Cet horizon dinvestissement est choisi en accord avec linvestisseur donnant mandat de gestion ; il correspond à la date de n de mandat de
gestion, date à laquelle le paiement de la commission du gerant de portefeuille est suppose avoir lieu.
(2) Nous analysons lexpression de la strategie dynamique optimale suivie par
lasset manager avec incitation nancière et la comparons a` celle de lasset
manager de reference ne recevant pas dincitation nancière 106.
De plus, nous faisons lhypothèse que le benchmark considere est un seuil de richesse xe (BT W 0 ) et nous considerons le cas particulier de la structure de
remuneration la plus courante en pratique, donnee par lexpression suivante :
FT (WT ) b WT + c (YT )+
avec b qui designe les frais de gestion sur encours et c les frais de gestion de surperformance,
avec YT WT W 0 lecart entre la valeur du portefeuille et la richesse cible
et avec W 0 qui designe la cible de richesse nale de linvestisseur.
Nous nous interessons dans cette section au cas particulier o`
u la fonction dutilite HARA de lasset manager est une fonction quadratique.
106. Il sagit du cas o`
u linvestisseur ne paye pas de commission de sur-performance au g
erant
et que seule une commission sur encours est percue ; dans ce cas particulier, la remun
eration de
lasset manager est proportionnelle `
a la valeur total des actifs du portefeuille g
er
e et la strat
egie
optimale pour les deux investisseurs est la m
eme (i.e. seul cas de gure o`
u il ny a pas de conit
dint
er
et).
214
`
ET BENCHMARKING
Son expression est la suivante : v(x, x0 ) u (x0 x) (x
x)2
2
avec les variables et paramètres de cette expression denis comme dans la section 1 du present chapitre :
+
x FT (WT ) b WT + c (YT ) designe la remuneration de lasset manager,

x0 (1 0 ) FT (W 0 ) (1 0 ) b W 0 le niveau de remuneration maximale cible o`
u on suppose que 0 < 0.
Soit encore, en posant z (FT (WT ) FT (W 0 ))/b YT + d (YT )+ , avec d c/b,
et a 0 W 0 > 0 o`
ua>0:
v(x, x0 ) u (x0 x b(a z ))

= w(z ) u (a z ).
Finalement, de manière equivalente, nous considerons la forme de fonction dutilite

quadratique plus connue suivante 107 :
u(z ) = z (z )2 /2a
Notre motivation est double :
(1) Dune part, le choix dune fonction dutilite quadratique revient à considerer
implicitement que le critère dinvestissement est celui du problème moyenne
variance, critère très repandu en gestion pour compte de tiers.
(2) Dautre part, la fonction dutilite quadratique appartient au sous-ensemble
des fonctions dutilite HARA ayant un prol de richesse concave 108 qui
est complementaire du sous-ensemble des fonctions dutilite HARA avec
a considere dans les sections precedentes.
un prol convexe 109 dej`
Nous partons du constat quune incitation nancière a` la performance induit
necessairement lasset manager à modier son comportement dinvestissement ; cela
pouvant le conduire, dans certains cas decrits dans les sections precedentes, a` un deinvestissement en actif risque ou au contraire à une prise de risque supplementaire.
Nous cherchons a` savoir si la prise en compte dune contrainte dassurance de portefeuille supplementaire peut avoir un eet correctif sur les comportements dinvestissement de lasset manager induits par lexistence dune incitation nancière et
non souhaitables du point de vue de linvestisseur nal 110.
107. En eet, on a u(z ) = u (a z )/a + a/2

= w(z ) u (a z )
108. En eet, lexpression de la fonction dutilit
e quadratique correspond a
` celle donn
ee par
l
equation (2.1) dans le cas particulier o`
u 1, C1 1/A , C2 A/2 et A a > 0. Ce qui
correspond bien a
` un prol concave puisque < 0 et C1 < 0.
109. Il sagit des fonctions dutilit
e HARA dont lexpression est donnee par lequation (2.1) dans
le cas o`
u > 0 et C1 > 0.
110. [Basak et al., 2008] suivent une approche similaire : ils analysent dans le cadre dun
mod`
ele de ux de fonds o`
u la r
emun
eration de lasset manager est li
ee au montant de nouvelles
souscriptions, leet de lintroduction dune contrainte de protection sur le comportement de lasset
manager CRRA (i.e. suppos
e avoir une aversion pour le risque constante).
4. CRITERE
ERATION
MINIMALE
215
Nous faisons donc lhypothèse supplementaire que lasset manager doit prendre en
compte une contrainte dassurance de portefeuille sur la richesse nale (WT W ).
Nous supposons que la valeur de cette richesse minimale est superieure a` 0, i.e.
W 0 (cas limite daversion minimale correspondant a` exclure la possibilite dun
niveau de remuneration negatif pour lasset manager 111).
Nous supposons egalement que cette valeur plancher est inferieure au
chesse au del`
a duquel une commission de sur-performance est payee à
nager, i.e. W < W 0 ; en eet, dans le cas contraire, cela reviendrait
que linvestisseur paye des frais variables en dessous du niveau tolere
minimum.
seuil de rilasset maà supposer

de richesse
Ce double objectif (optimisation moyenne variance et contrainte dassurance de

portefeuille) peut sinterpreter de deux manières :
(1) Première hypothèse : les deux contraintes de gestion sont imposees par
linvestisseur dans le cadre du contrat de delegation de gestion qui le lie
a lasset manager 112.
`
Dans ce cadre, lasset manager est tenu deectuer les investissements
pour lesquels il a le mandat de gestion en suivant un processus de gestion
qui intègre ce double objectif :
Objectif de maximisation de la performance sous contrainte dun seuil

maximum de volatilite (se traduisant par le choix du paramètre de
tolerance au risque, a, de la fonction dutilite, dont le niveau est impose par linvestisseur à lasset manager).
Contrainte dassurance de portefeuille ; celle-ci aura pour eet de mitiger, le cas echeant, la prise de risque supplementaire de lasset manager en cas de sous-performance (risque potentiellement pris an de
maximiser ses chances de recevoir une part de commission variable
supplementaire).
(2) Seconde hypothèse : independamment des choix de linvestisseur, ce double
objectif correspond aux propres choix de lasset manager (ou lui est impose par exemple par son risk manager) qui souhaite sassurer dun niveau
de remuneration minimum et contr
oler lecart type de sa richesse.
111. Cela revient egalement `

a exclure la n
egativit
e de la valeur nale du portefeuille de linvestisseur ; en eet la richesse terminale, qui correspond a
` la strat
egie optimale du probl`
eme Moyenne
Variance sans contrainte de protection, peut prendre des valeurs negatives, ce qui nest pas souhaitable en pratique quel que soit le niveau daversion de lasset manager et de linvestisseur donnant
mandat de gestion.
112. Par exemple, dans le cas dun fonds d
edi
e, les termes d
enissant la gestion sont r
edig
ees
dans le cadre dun document juridique appel
e prospectus du fonds ; ce document doit inclure
non seulement la structure de tarication en vigueur, mais aussi le cas ech
eant les contraintes de
risque que doit respecter le g
erant telles quun niveau de volatilit
e maximale ou une contrainte
`
ET BENCHMARKING
216
Par consequent, nous supposons quil y a, selon les cas, une ou deux sources de
conit dinteret entre linvestisseur et lasset manager : la première etant d
ue,
comme dans les sections precedentes, a` lexistence dune incitation nancière, la
seconde provenant, le cas echeant, de lecart entre le niveau de protection considere
par lasset manager et celui souhaite par linvestisseur nal (seulement sous lhypothèse (2) ci-dessus).
Quelque soit lhypothèse faite, il en resulte que lasset manager a des preferences
dinvestissement se traduisant par le prol de risque mixte suivant :
convexe pour les valeurs de richesse faibles (provenant de la contrainte de

protection).
concave pour les valeurs elevees de richesse provenant du choix particulier
dune fonction dutilite quadratique 113.
Sous ces hypothèses, le problème de lasset manager prend la forme suivante :
Probl`
eme 17.

(P 17)
max
2
YT L (P )
s.a.

+
E u(YT + d (YT ) )
E(YT /HT ) 1 W 0 E {1/HT }
; YT Y 0
avec :
YT WT W 0 : lecart entre la valeur nale du portefeuille, WT , et la cible de richesse de linvestisseur, W 0 , avec 0 W 0 1/E {1/HT } 114,
Y 0 W W 0 : le niveau de sous-performance maximale toleree
avec W 0 Y 0 0 115,
u(z) = z z 2 /2a: la fonction dutilite quadratique de lasset manager, avec a, a > 0,
le paramètre de tolerance au risque de lasset manager,
113. Le choix dune fonction dutilit

e quadratique implique en particulier que les param`
etres
daversion relative et absolue au risque sont des fonctions croissantes du niveau de richesse.
114. Hypothèse faite sans perte de g
en
eralit
e qui permet de conserver une simplicit
e d
ecriture
dans l
enonc
e de notre probl`
eme.
Cette hypoth`
ese revient `
a ne consid
erer que les niveaux de richesse nale atteignables par une
strat
egie admissible de montant dinvestissement initial inf
erieur ou
egal a
` un (i.e. strat
egie dassurance de portefeuille avec cible de protection du capital).
a lobligation Z
eroCoupon, actif sans risque a
egale a
` la performance de
lactif Z
ero-Coupon.
Notons enn que la r
esolution de ce probl`
eme est ind
ependante, `
a la contrainte de budget près,
du choix du benchmark (xe ou stochastique) .
115. Remarquons si lon pose W W 0 avec 0 < 1, on a Y 0 = ( 1) W 0 , et la
contrainte explicite de protection se r
e-
ecrit WT W 0 .
0
En particulier, on a Y = 0 (contrainte de protection maximum) pour = 1 (et dans ce cas
WT = W 0 sauf si W 0 < 1/E {1/Ht }).
De m
eme, on a Y 0 = W 0 (contrainte de protection minimum) pour = 0.
4. CRITERE
ERATION
MINIMALE
217
d c/b : le rapport entre le taux de la commission de sur-performance et le taux de

la commission de gestion sur encours, avec 0 < b < 1 et 0 c 1 b.
Le problème (P17) sans contrainte de protection, i.e. Y 0 , sidentie au

problème (P15) dans le cas particulier o`
u la fonction dutilite est quadratique.
Lexpression de la solution optimale est donnee dans le theorème 4.
Lintroduction dune contrainte supplementaire dassurance de portefeuille (ou, de
facon equivalente, de montant minimum de remuneration pour lasset manager),
i.e. Y 0 > , rend plus complexe la resolution du problème.
Nous presentons dans le theorème qui suit, lexpression de la solution optimale
du problème (P17)
Th
(1) Pour d/(d + 2) 116,
YT
a
1+d (1
a(1
Y0
k
HT
1
k
1+d HT
si HT > H
si H < HT H
si HT H
(2) Pour 0 < ,

si HT > H
Y
si HT H

k
k
k
avec H = 1+d/(d+2)
, H = 1+
, H 1+d
1 + + d 1 1 +
YT =
a
1+d (1
0
1
k
1+d HT
2(+1)
d
1
117
avec Y 0 /a
Lexpression de la richesse terminale optimale donnee dans le theorème (6) prend
une forme dierente selon le niveau de sous-performance maximale considere, Y 0 :
(1) Cas Y 0 a < 0

Dans ce cas, correspondant aux plus faibles niveaux de protection, la
strategie optimale est similaire à la strategie sans contrainte ; seule dierence,
elle exhibe trois etats de richesse au lieu de deux pour le cas sans contrainte
de protection. Dans le troisième etat de richesse, la contrainte de protection est active, et la richesse nale du portefeuille en excès du niveau cible
de linvestisseur est egale au niveau de perte maximale toleree (i.e. Y 0 ).
116. est solution de H = k/ (1 + )). De facon
equivalente, d/(d + 2) est solution de
l
equation suivante : f (1 + ) = 0 avec f (x) g(x/(1 + d)) g(1 + ) + A(1 + x) ou encore
A
2
f (1 + ) g((1 + )/(1 + d)) g(1 + ) = 0 avec g(x)
u [I(x)] x [I(x)] 2 (1 x) .
equation suivante : f
117. k/H est solution de l
k
H
) + A(1 + x) et avec g(x) u [I(x)] x [I(x)]
= 0 avec f (x) g(x/(1 + d)) g(1 +
A
(1
2
x)2
`
ET BENCHMARKING
218
(2) Cas 0 < a Y 0 < 0

Dans ce cas, correspondant à une contrainte de protection plus forte,
seul deux etats sur trois subsistent : letat des richesses elevees, o`
u la
strategie suivie par lasset manager consiste à augmenter sa remuneration
par rapport a` celle percue dans le cas sans incitation nancière, et letat
de protection de la richesse dans lequel la richesse nale du portefeuille
en excès du niveau cible de linvestisseur est egale a` Y 0 .
On remarquera quil existe une discontinuite entre ces deux etats de rik
k
118
> H 0 (1+d)(1+(1+d))
.
chesse puisquon a H > 1+d
Dautre part, quand la valeur de diminue, le niveau de protection augmente et la longueur de lintervalle des valeurs basses du sous-jacent HT ,
o`
u la contrainte dassurance de portefeuille est active, diminue.
A la limite, quand 0, on a H k/(1+d), et Y 0 0. Autrement dit,
la strategie limite sidentie a` une strategie dassurance de portefeuille de
niveau de protection W 0 si W 0 E {1/HT } < 1 119.
On notera que dans le cas central correspondant a` = , les deux expressions de
la strategie se confondent : en eet, on a : = H = H = H.
Finalement, on rappelle que, sous les hypothèses du modèle de Black & Scholes,
Cette propriete nous permettra, a` tout instant t, dexprimer la valeur de la richesse optimale en excès du celle du benchmark, notee Yt , en fonction de Mt ;
cette expression nous sera utile dans la suite pour analyser les proprietes de la
strategie optimale.

e du pay-o optimal.
En nous appuyant sur le meme exemple dapplication numerique que dans les sections precedentes, dans le cadre particulier du modèle de Black & Scholes à deux
actifs, nous analysons la sensibilite du prol de gain aux variations des paramètres
de remuneration et de risque du modèle considere.
Nous comparerons le prol de gain nal (pay-o) de lasset manager recevant
des frais de gestion variables (c = 0) avec celui de lasset manager sans incitation

118. Ce qui implique que YT H > YT H 0 Y 0 .
119. pour W 0 E {1/HT } = 1, la strat
egie limite sidentie a
` la strat
egie passive, pour laquelle
on a YT = 0 out encore WT = W 0 .
et
eciproquement : on a, Ht = (t)(Mt )h
avec (t) e(r( 2 2 ))t = e(1h)(r+ 2h )t = e(1h)(r+

et
Ht
= (t)(Mt
)h
avec (t)
H0 e
(/)2
(1h )(r+ 2h
)t
h2
2
)t
h 2
H0 e(1h )(r+ 2 )t .
4. CRITERE
ERATION
MINIMALE
219
nancière (c = 0). Nous nous interesserons en particulier à leet, sur le prol de

gain optimal, dune contrainte de protection explicite, YT Y 0 p.s., avec Y 0 >
couplee a` lexistence dune forme de remuneration incitative.
4.2.1. Sensibilite aux variations du taux des frais de gestion variables c.

Nous avons represente, pour dierentes valeurs du taux des frais de gestion variables, lexcedent de richesse du portefeuille (cf. gure (Fig.43)), de lasset manager
(cf. gure (Fig.44)) et de linvestisseur nal (cf. gure (Fig.45)), en fonction de la
valeur du sous-jacent, MT .
Ces gures illustrent le caractère discontinu du prol de gain optimal pour lasset
manager avec incitation nancière. En eet, celui-ci ressemble au pay-o dune
option binaire.
La strategie dynamique suivie par lasset manager avec incitation nancière exhibe les caracteristiques suivantes :
Dans lintervalle de valeurs de lactif risque les plus basses, o`

u la contrainte
de protection joue, la performance de la strategie avec incitation nancière
est en ligne avec la strategie sans incitation nancière (courbe rouge).
Dans un intervalle de valeurs intermediaires/basses de lactif risque et uniquement pour les niveaux de taux de frais de gestion variables inferieur à
un seuil (dans notre exemple numerique en dessous de 7%, cf. courbe pour
c = 1%) 121, la strategie avec incitation nancière sous-performe la strategie
sans incitation nancière (courbe rouge).
Dans un intervalle de valeurs medianes de lactif risque, le portefeuille avec
incitation nancière sur-performance le portefeuille de reference sans incitation nancière (courbe rouge) (voir la gure (Fig.43)). De plus, le montant
de la remuneration de lasset manager par rapport au cas sans incitation nancière est considerable et crot avec la valeur du taux des frais de gestion
variables (voir la gure (Fig.44)).
Enn, dans un intervalle de valeurs elevees de lactif risque, le portefeuille
avec incitation nancière sous-performe très nettement la strategie sans incitation nancière (courbe rouge). Lamplitude de cette sous-performance crot
avec la valeur du taux des frais de gestion la commission variable, c (voir la
gure (Fig.45)).
On en deduit que, la consideration dune contrainte explicite de protection de la

richesse couplee au choix dune fonction dutilite quadratique, limite fortement
letendue de la zone de sous-performance par rapport a` la strategie sans incitation ainsi que le niveau de cette sous-performance ; ce qui nest pas le cas pour le
prol convexe de lasset manager CRRA, avec contrainte implicite de protection,
etudie dans les sections precedentes.
121. toute chose restant

egale par ailleurs
220
`
ET BENCHMARKING
Figure 43. Strategie Moyenne-Variance avec incitation nancière

et contrainte dassurance de portefeuille - excedent de richesse du
portefeuille - eet du niveau du taux des frais de gestion variables c

et contrainte dassurance de portefeuille - excedent de richesse
de lasset manager - eet du niveau du taux des frais de gestion
variables c
4. CRITERE
ERATION
MINIMALE
221

et contrainte dassurance de portefeuille - excedent de richesse de
linvestisseur nal - eet du niveau du taux des frais de gestion
variables c
A titre danalyse complementaire, nous avons represente sur la gure (Fig.46)

ci-dessous les valeurs prises par les strikes, notes M , M et M0 , 122, en fonction
de la valeur du taux des frais de gestion variables.
Nous distinguons le cas avec protection du capital investi (i.e. Y 0 = 22%) et
le cas sans protection (i.e. Y 0 = ).
(1) cas sans protection du capital : Y 0 =

Dans ce cas, on observe que, toute chose restant egale par ailleurs, la
hausse du taux des frais de gestion variables, c, a pour eet de faire baisser le niveau du strike M (courbe violette).
Ainsi, la zone des valeurs de richesse elevees (o`
u il y a sur-performance
et pour laquelle le paramètre dincitation nancière, d c/b, joue un r
ole
deet de levier multiplicatif dans lexpression de la richesse de lasset manager) setend au detriment de la zone de sous-performance.
(2) cas avec protection du capital : Y 0 = 22%

122. Il sagit des di
erents seuils de valeurs nales de lactif risque, MT , qui s
eparent les
etats
de la richesse nale o`
u lexpression prend une forme di
erente. Nous utilisons la terminologie
strikes pour designer ces valeurs car, comme nous le pr
eciserons dans la sous-section suivante,
la strat
egie optimale peut se d
ecomposer en position
el
ementaires optionnelles dont les strikes sont
justement ces valeurs a
` une transformation près.
Sous lhypoth`
ese du mod`
ele dactifs de B&S, il existe une fonction de correspondance bi-univoque
` la date t, et Ht celle du portefeuille de croissance optimale ;
entre Mt , la valeur de lactif risque a
eduisent respectivement de celle de H , H , H (dont les
ainsi les valeurs de M , M , M 0 se d
expressions sont donn
ees dans le th
eor`
eme (6)) par cette formule de correspondance.
222
`
ET BENCHMARKING
Dans le cas o`
u lasset manager doit tenir compte dune contrainte de
protection, et toute chose restant egale par ailleurs, nous observons que le
changement de valeur du taux des frais de gestion variables, c, modie la
forme de la strategie de la manière suivante :
(a) pour les valeurs du taux des frais de gestion variables, c, en dessous dun seuil (correspondant dans lexemple considere à approximativement 8%) :
Lexpression de la richesse optimale est celle à trois etats de
richesse donnee dans le theorème (6). Cette expression peut
etre vue comme celle de la richesse optimale du problème sans
contrainte de protection à laquelle sajoute un troisième etat correspondant aux valeurs les plus basses du sous-jacent (M M 0 )
pour lesquelles la protection joue et la strategie nest plus investie en actif risque.
De plus, nous observons que la valeur de M decrot et celle
de M 0 crot avec le paramètre c.
Autrement dit, au fur et a` mesure que le niveau considere du
taux des frais de gestion variables, c, augmente, la zone de valeurs faibles de lactif risque (pour laquelle la strategie du gerant
est passive) et la zone de valeurs elevees (pour laquelle lexpression de la richesse favorise la remuneration de lasset manager
relativement a` la zone de sous-performance) setendent.
Cela se fait au detriment de la zone mediane de valeurs du sousjacent o`
u lexpression nest pas favorable a` la remuneration du
gerant 123.
(b) Pour les valeurs du taux des frais de gestion variables, c, audessus de ce meme seuil (8% dans notre exemple numerique) :
La strategie optimale admet lexpression à deux etat donnee du
theorème (6).
Dans ce cas, il ny a quun seul strike M , et nous observons
que la valeur de M est une fonction decroissante du taux des
frais de gestion variables, c.
De plus, lintervalle de valeurs elevees de lactif risque, o`
u il y
a sur-performance (cas favorable a` lasset manager), setend au
detriment de lintervalle de valeurs basses de lactif risque dans
lequel la strategie optimale consiste à repliquer passivement le
benchmark.
123. En eet, dans cet intervalle de valeurs de lactif risqu

e o`
u il y a sous-performance par rapport
au benchmark, lexpression est similaire a
` celle de la strat
egie sans incitation (`
a la constante de
budget près).
4. CRITERE
ERATION
MINIMALE
223
Nous en deduisons que, la prise en compte dune contrainte dassurance de portefeuille tend a` modier de facon considerable le comportement de lasset manager
recevant des frais de gestion variables en lincitant à reduire son prol de risque de
la facon suivante :
En augmentant par rapport au cas sans contrainte de protection, le seuil de

valeur de MT au-dessus duquel la strategie est le plus impactee par lincitation nancière (etat de richesse le plus eleve).
En arbitrant, en partie ou integralement (dautant plus que la valeur du taux
des frais de gestion variables, c, est elevee), letat o`
u lasset manager gère activement le portefeuille et o`
u se produit une sous-performance au prot dun
etat de gestion passive sans exposition à lactif risque.

et contrainte dassurance de portefeuille - valeurs des strikes en
fonction du taux des frais de gestion variables c avec ou sans
assurance de portefeuille (Y 0 = ou Y 0 = 22%)
224
`
ET BENCHMARKING
4.2.2. Sensibilite aux variations du paramètre de tolerance au risque, a, et aux

variations du seuil de protection du capital, Y 0 .
Nous avons represente sur les deux gures ci-dessous, pour dierentes valeurs de
chacun des deux paramètres de risque du modèle, la valeur nale de la strategie
optimale en fonction de celle de lactif risque.
(1) Eet du changement de la valeur du seuil de protection du capital, Y 0 :

Le montant de la perte dans la zone de sous-performance est une fonction
decroissante de la valeur du seuil de protection (cf. gure (Fig.47)).
(2) Eet du changement de valeur du paramètre de tolerance au risque, a :
Comme illustre sur la gure (Fig.48), quand la valeur du paramètre de
tolerance au risque, a, augmente,
-le niveau de la sur-performance observee par rapport a` la cible de richesse augmente,
-lintervalle de valeurs medianes de lactif risque, correspondant à une surperformance par rapport a` la strategie sans incitation nancière, setend
vers des valeurs plus elevees du sous-jacent,
-lintervalle de valeurs basses du sous-jacent, o`
u la contrainte de protection
joue, et o`
u une perte est enregistree, setend egalement vers des valeurs
plus elevees du sous-jacent.

portefeuille - eet du niveau de protection du capital Y 0 .
4. CRITERE
ERATION
MINIMALE
225

portefeuille - eet du niveau de tolerance au risque a.

4.3.1. Expression de lallocation dynamique optimale.

Nous pouvons en deduire lexpression de la valeur intermediaire et de lallocation dynamique correspondant a` la strategie dynamique optimale dans le cadre du
modèle de B&S `
a deux actifs (et une seule source de risque).
Propri
et
e 28. La valeur `
a la date t de la solution optimale du problème (P17),
notee Yt , est donnee par la formule suivante :
(1) Pour d/(d + 2),
Yt = Y 0 ZC(T t)+ak(
(2) Pour 0 < ,
Yt = Y 0 ZC(T t)+
1
ad
B(It , I , T t)
1)P (It , I , T t)+akP (It , I , T t)+
(1 + d)2
1+d
ak
ad
P
(I
,
I
,
T
t)+
1
+
2(
+
1)/d
B(It , I , T t)
t
(1 + d)2
1+d
avec It qui designe la valeur intermediaire du portefeuille, atteignant la richesse

terminale, IT 1/HT 124,
124. On rappelle quil sagit du portefeuille solution du problème dynamique de minimisation
de la norme de la richesse terminale. Dans le cadre du mod`
ele B&S `
er
es,
ce portefeuille sidentie a
` une strat
egie dynamique investissant un poids constant de la richesse
`
ET BENCHMARKING
226
Y 0 /a, I = 1/H , I = 1/H , I = 1/H ,

avec P (Zt , X, T t), (resp. B(Zt , X, T t)) qui designe la valeur de loption put
europeen, (resp. de loption Put binaire) de strike X, decheance T t, sur le sousjacent Zt , et avec ZC(T-t) qui est le prix de lobligation Zero-Coupon decheance
T t dans le cadre du modèle de Black & Scholes.
Propri
et
e 29. Dans le cadre du modèle de Black & Scholes (`
a une seule
source de risque), lallocation de la strategie dynamique optimale correspondant au
problème (P17) est donnee par lexpression suivante :

wt Wt
avec wt Wt wB Bt +
dWt
dIt (h)It
est donnee par la formule suivante 125 :
Pour d/(d + 2),

1
ad er(T t) h(d2 (I ))
1
N
(d
(I
))
+
N
(d
(I
))
+
wt Wt = akhIt
1
1
2
(1 + d)
1+d
T t
Pour 0 < ,
er(T t) h(d (I ))
ak
ad
2
=
hIt N (d1 (I )) +
1 + 2( + 1)/d
(1 + d)2
1+d
T t
avec N (.), resp. (.) la fonction de repartition, resp. la fonction de densite, de la
loi normale et avec d1 (X) ln( Xe r(T t)It)/ + /2
wt Wt
et d2 (X) d1 (X) o`
u ( )2 V ar [ln(IT /It )] = () (T t).
4.3.2. Analyse de la sensibilite de lallocation dynamique optimale aux variations des dierents paramètres.
Nous analysons a` present leet, sur la strategie dynamique optimale, du changement de valeur du taux des frais de gestion variables, c, du niveau de tolerance
au risque, a, du niveau de protection du capital, Y 0 , ainsi que de la periode restant
a courir avant lecheance, T t.
`
Nous avons represente sur les huit gures ci-dessous, pour dierentes valeurs de
chacun des paramètres consideres, la valeur, a` une date intermediaire, du portefeuille optimal (notee Yt ) et celle de lexposition a` lactif risque (notee Pt wt ),
en fonction de la valeur de lactif risque.
totale dans lactif risque, note i qui est donn

.
2
etrique
De plus le processus de prix du portefeuille, note It , est un mouvement brownien geom
equivalente
dont lexpression est la suivante : dIt /It = (r 2 ) dt dZt , ou encore, de facon

2
It = I0 exp (r 32 2 ) t Zt avec I0 = e( 2r)T .
125. avec w B qui d
esigne le poids de lactif risque dans le portefeuille benchmark. Sous lhyese de benchmark
poth`
ese qui est la notre de benchmark xe, on a w B 0 puisque lhypoth`
xe revient `
a choisir lactif mon
etaire comme portefeuille benchmark.
4. CRITERE
ERATION
MINIMALE
227
(1) Sensibilite aux variations du taux des frais de gestion variables c :

La hausse de la valeur du taux des frais de gestion variables, c, a les
consequences suivantes (voir la gure (Fig.49)) :
dans la zone de valeurs medianes du sous-jacent, la forme concave de la
courbe de valeurs est plus marquee, et le montant de la sur-performance
par rapport au cas sans incitation nancière (courbe rouge) augmente.
dans la zone de valeurs elevees du sous-jacent, le niveau de sous-performance
par rapport au cas sans incitation nancière augmente.
En ligne avec la forme de la courbe de valeur du portefeuille de la gure
(Fig.49), on observe sur la gure (Fig.50), un pic dexposition a` lactif
risque qui se produit dans une zone de valeurs medianes du sous-jacent.
On peut faire les remarques suivantes :
La valeur de lactif risque o`
u se produit le pic dexposition est une fonction decroissante du taux des frais de gestion variables c.
Pour les niveaux les plus faibles du taux des frais de gestion variables
(dans notre exemple numerique en dessous de c = 10%), la hauteur du
pic dexposition est legèrement superieure a` celle de la strategie sans
incitation nancière.
Au dessus dun certain seuil du taux de la commission variable (dans
notre exemple numerique, approximativement au dessus de c = 10%),
on observe que le niveau du pic dexposition decroit au fur et à mesure
que le paramètre c augmente. Il devient meme, pour les valeurs eleves
du taux des frais de gestion variables c, legèrement inferieur au pic dexposition de la strategie sans incitation nancière.
Finalement, on remarquera que lecart dexposition a` lactif risque relativement au cas sans incitation nancière prend la forme dune courbe en
cloche inversee et asymetrique 126 :
lexistence de frais de gestion variables dans le contrat de remuneration
implique une sur-exposition par rapport au cas sans incitation nancière
dans une zone de valeurs faibles à medianes du sous-jacent.
il se produit une sous-exposition importante relativement au cas sans
incitations, dans un intervalle de valeurs medianes a` elevees de lactif risque. Ce creux de sous-exposition traduit la forte aversion au
risque de lasset manager dans la zone de sur-performance par rapport
au benchmark.
126. Ce qui est exactement linverse de ce qui se passe pour lasset manager CRRA : pour
ce dernier, le niveau de sur-exposition par rapport au cas sans incitation nancière, exprim
e en
fonction de la valeur de lactif risque, est une courbe en forme de cloche.
228
`
ET BENCHMARKING

et contrainte dassurance de portefeuille - valeurs intermediaires
de lexcedent de richesse du portefeuille - eet du niveau du taux
des frais de gestion variables c avec t = 4.

de lexposition a` lactif risque - eet du niveau du taux des frais
de gestion variables c avec t = 4.
(2) Sensibilite aux variations du seuil de protection du capital Y 0 :

Quand la valeur du seuil de protection du capital, Y 0 , baisse, la perte
dans la zone de sous-performance augmente. En parallèle, dans la zone
de valeur mediane de lactif risque o`
u se produit une sur-performance par
rapport a` la strategie sans incitation nancière, la concavite de la courbe
de richesse est plus marquee (cf. gure (Fig.51)).
4. CRITERE
ERATION
MINIMALE
229
En ce qui concerne lallocation dynamique (cf. gure (Fig.52)), il se produit un pic dexposition à lactif risque dans un intervalle de valeurs
medianes de lactif risque. De plus son amplitude est une fonction decroissante
du seuil de protection du capital. Enn, la valeur de lactif risque o`
u a lieu
ce pic dexposition est une fonction decroissante du seuil de protection du
capital.

de lexcedent de richesse du portefeuille - eet du niveau de
protection du capital Y 0 avec t = 4.

de lexposition a` lactif risque - eet du niveau de protection du
capital Y 0 avec t = 4.
230
`
ET BENCHMARKING
(3) Sensibilite aux variations du paramètre de tolerance au risque a :

Quand la valeur du paramètre de tolerance au risque, a, augmente (cf.
gure (Fig.53),
-dans une zone de valeurs medianes du sous-jacent : la convexite de la
courbe devient plus marquee et la strategie optimale est moins performante,
-dans la zone des valeurs du sous-jacent les plus elevees : en meme temps
que la concavite de la courbe de richesse saccentue, le gain de la strategie
augmente.
Quelle que soit la valeur consideree du paramètre de tolerance au risque,
a, un pic dexposition à lactif risque se produit dans une zone de valeurs
medianes du sous-jacent (cf. gure (Fig.54)). Le niveau dexposition maximum est une fonction croissante de la valeur du paramètre de tolerance au
risque, a. Enn, la valeur centrale du sous-jacent o`
u le pic dexposition
a lieu, crot avec la valeur du paramètre de tolerance au risque.
A titre de comparaison avec la strategie de reference sans incitation nancière, on peut faire les remarques suivantes :
-Pour un niveau identique de tolerance au risque, a : la valeur de lactif
risque o`
u a lieu le pic dexposition est plus basse en presence dincitation
nancière (courbe bleue, a = 50% et c = 20%) que dans le cas de reference
sans incitation nancière (courbe rouge, a = 50% et c = 0%).
-Pour un niveau de tolerance au risque plus eleve : la valeur de lactif risque o`
u a lieu le pic dexposition en presence dincitation nancière
(courbe rose, a = 200% et c = 20%) est plus aligne par rapport au cas
sans incitation nancière 127. De plus, la sur-exposition par rapport au cas
sans incitation nancière ressemble à la courbe en cloche obtenue pour
lasset manager CRRA (voir la seconde section).
Finalement, on peut en conclure que la hausse du niveau de tolerance au
risque de lasset manager a un co
ut pour linvestisseur nal. Il se traduit
par un risque accru d
u à une sur-exposition a` lactif risque dans un intervalle de valeurs medianes du sous-jacent. En revanche cela a egalement
un eet positif : compenser laversion au risque elevee de lasset manager
avec incitation nancière dans la zone de sur-performance.
(4) Leet du changement de valeur de lhorizon dinvestissement, T t, sur
lallocation dynamique de lasset manager avec incitation nancière est
represente sur la gure (Fig.55) (excedent de richesse) et la gure (Fig.56)
(exposition a` lactif risque).
Comme le montre la gure (Fig.56), dans un intervalle de valeurs medianes
de lactif risque, lallocation temporelle est contraire à la règle dite de bon
127. Ce qui a pour eet de corriger leet incitatif de la r
emun
eration en augmentant laversion
au risque de lasset manager dans la zone de sur-performance ainsi que la valeur du plafond de
richesse nale.
4. CRITERE
ERATION
MINIMALE
231

et contrainte dassurance de portefeuille - valeurs intermediaires de
lexcedent de richesse du portefeuille - eet du niveau de tolerance
au risque a avec t = 4.

de lexposition a` lactif risque - eet du niveau de tolerance au
risque a avec t = 4.
sens (Popular Advice) qui dicte une allocation en actif risque croissante
en fonction du temps restant à courir. Ceci est d
u au prol de gain optimal
de type option digitale (qui traduit la discontinuite entre les deux etats
de richesses hautes et basses).
232
`
ET BENCHMARKING

portefeuille - eet du temps restant à maturite T t.

et contrainte dassurance de portefeuille - exposition a` lactif risque
- eet du temps restant a` maturite T t.

Nous avons montre que pour une valeur susamment elevee du taux des frais
de gestion variables 128, le prol de gain optimal pour lasset manager, ayant une
fonction dutilite quadratique et une contrainte de protection, ressemble à celui
128. Il sagit du param`
etre c de notre mod`
ele et toute chose restant egale par ailleurs : pour un
erance au risque)
choix donn
e des autres paramètres Y 0 (seuil maximal de perte autorisee), a (tol
et b (frais de gestion sur encours).
4. CRITERE
ERATION
MINIMALE
233
dune strategie optionnelle binaire :

gestion passive en cas de scenario de marche defavorable : richesse nale egale
a la valeur plancher de la contrainte de protection,
`
gestion active faiblement investie en actif risque, en cas de scenario favorable : richesse nale convergeant très rapidement, quand la valeur de lactif
risque augmente, vers la valeur du seuil de remuneration maximale (niveau
de satiete).
Le niveau dexposition a` lactif risque relativement à la strategie sans incitation nancière, exprimee en fonction de la valeur de lactif risque, ressemble à une courbe
en forme de cloche inversee et asymetrique :
exposition nulle, identique a` la strategie sans incitation nancière, pour les
valeurs basses de lactif risque,
legère sur-exposition par rapport à la strategie sans incitation dans un intervalle de valeurs basses à medianes du sous-jacent.
sous exposition par rapport à la strategie sans incitation dans lintervalle
des valeurs les plus elevees du sous-jacent ; après avoir atteint rapidement
un niveau maximal, la sous-exposition diminue à nouveau en convergeant
lentement vers 0, quand la valeur de lactif risque continue de progresser.
Ainsi, la prise en compte dune contrainte de protection de la richesse permet à linvestisseur nal de se premunir, dans les scenarios de marche les plus defavorables,
dune situation de sous-performance par rapport au cas sans incitation nancière.
En revanche, elle ne lui permet pas, dans les scenarios de marche favorables, deviter
le comportement fortement averse au risque de lasset manager.
En eet, dès que la valeur du portefeuille se situe dans la zone de sur-performance
par rapport au benchmark, lasset manager va avoir tendance a` diminuer très rapidement son exposition a` lactif risque pour la porter a` zero. Ce qui se traduit, dans
un intervalle de valeurs medianes de lactif risque, par une forte sous-exposition
relativement au cas sans incitation nancière.
La prise en compte dune contrainte de risque plus agressive (i.e. choix dune valeur
plus elevee du paramètre de tolerance au risque) a pour eet positif de limiter un
desinvestissement trop important de la part de lasset manager très averse au risque
en cas de sur-performance avec le benchmark. En revanche, cela implique egalement
une prise de risque supplementaire de la part de lasset manager : on observe une
sur-exposition a` lactif risque par rapport au cas sans incitation nancière, dans un
intervalle de valeurs medianes de lactif risque.
234
`
ET BENCHMARKING
5. Benchmark stochastique et plusieurs sources de risque

Dans la troisième section, nous avons resolu le problème dinvestissement de lasset
manager CRRA recevant frais de gestion variables et bonus de sur-performance,
sous lhypothèse de benchmark xe (i.e. cible de richesse nale xe).
Nous avons ensuite etudie les proprietes de la strategie dynamique optimale dans
le cadre restrictif du modèle de B&S à deux actifs.
Dans cette section, nous generalisons les resultats obtenus dans la troisième section
de la facon suivante :
(1) Tout dabord, nous considerons que le benchmark est stochastique. Ce
qui implique que la structure de remuneration nancière consideree ici est
plus generale que celle de la troisième section. Il sagit dune structure de
frais lineaire par morceaux qui depend a` la fois de la valeur du portefeuille
et de celle du benchmark de manière independante.
(2) De plus, dans le cadre de lobtention de la strategie dynamique optimale,
nous nous placons sous lhypothèse supplementaire du modèle de B&S
generalise `
a N actifs risques : le marche nancier etant compose de N + 1
actifs, N sources de risque actions et un actif monetaire sans risque avec
N 1 . Cela permet en particulier de traiter le cas o`
u le benchmark nest
pas parfaitement correle au portefeuille de marche 129.
Comme dans les sections precedentes, nous nous placons dans le cadre general deni
dans la section 1 ci-dessus :
(1) Structure de remuneration :

Nous faisons lhypothèse que, dans le cadre dun contrat de delegation de
gestion nancière, lasset manager recoit, a` un horizon dinvestissement
xe en accord avec linvestisseur, note T, une remuneration globale qui
intègre dune part une commission symetrique (i.e. independante de ses
objectifs de performance) et dautre part une commission non symetrique
liee a` sa performance.
Lexpression de cette remuneration est celle de lequation (1.1) de la section 1.1 :
avec les memes notations et hypothèses que dans la section 1.1.
Expression qui peut se re-ecrire de la facon suivante :
129. Ce qui n
etait pas possible sous les hypoth`
eses du mod`
ele de B&S qui ne compte quune
seule source de risque, i.e. N = 1.
5. BENCHMARK STOCHASTIQUE ET PLUSIEURS SOURCES DE RISQUE
FT (WT ) a BT + bYT + ( BT + c YT ) 1YT 0
235
(5.1)
avec les notations b a + b et c + c

(2) Preferences dinvestissement :
Nous considerons que le problème dinvestissement de lasset manager est
de maximiser lutilite esperee de sa remuneration nale, et nous supposons, comme dans la troisième section, que lasset manager a une aversion
relative au risque constante (preferences CRRA) 130.
Sa fonction dutilite est de type iso-elastique et son expression est la sui1
vante : u(x) x1 o`
u ]0, 1[]1, +[.
avec x = FT (WT ) qui designe lexpression de la remuneration de lasset manager denie par lequation 5.1.
Sans perte de generalite, on considère dans la suite lecriture suivante de la fonction

de remuneration :
F (YT ) FT (WT )/b a BT + YT + (BT + dYT ) 1YT 0
(5.2)
o`
u on a pose a a /b , /b, d c/b.
Le problème de lasset manager est le suivant :

Probl`
eme 18.

(P 18)
max
YT L2 (P )
s.a.
E {u(aBT + YT + (BT + dYT ) 1YT 0 )}
E(YT /HT ) =0
avec u(.), la fonction dutilite CRRA de lasset manager et avec d (c/b) le ratio
du taux de la commission de sur-performance sur celui de la commission de gestion
sur encours et avec les memes hypothèses que dans la section 1.
On en deduit le resultat suivant qui generalise le theorème (5) (cf. troisième
section ci-dessus) a` la prise en compte dun benchmark stochastique.
130. On g
en
eralise facilement les r
esultats qui vont suivre au cas o`
u laversion au risque de lasset
manager HARA nest plus constante mais d
epend de la valeur du benchmark et o`
u sa fonction
1
C1
x
dutilit
e est donn
ee par lexpression plus gen
erale suivante : u(x) = 1
+
A
B
+ C2
T
avec R \ {0, 1}, C1 > 0 et > 0, A > 0, C2 0.
`
ET BENCHMARKING
236
Th
par lexpression suivante 131 :
(1) Pour a = 0 et d = 0, on pose /da et pour a

0

(1)(1+d)
(a) cas d1 (1+d)
> 0 132
11/ 1 1

1/
1
1+d
(1 + d)aBT
1+d ( k HT )
YT =
0
1/
(HT /k)
aBT
avec
k
(1+d)
si HT > BT
si BT < HT BT
si HT BT
{(1 + d)a} , et avec solution implicite de lequation :
h(k/ ) = 0
(b) cas 0
YT
0 ou d 0 et = 0, on pose
1
1+d
avec
h (x)
x 11/
u((1 + d)a) + ax
1 1/

1/
( 1+d
(1 + d)aBT
k HT )
(HT /k)1/ aBT
si HT > BT
si HT BT
avec 133 denie par lexpression suivante :

11/
ad
(1/(1
+
d))
1
( 1) /
k
1+d
1 1/
De plus, an dobtenir la strategie dynamique optimale, nous faisons lhypothèse que le marche comprend les N + 1 actif suivants :
Lactif dit Actif Sans Risque (ASR) ; localement sans risque, il sinterprète
comme un rollover dun instrument du marche monetaire, et a pour rendement
instantane :
dSt0 /St0 = rdt
ou r est le taux court instantane en vigueur sur le marche monetaire suppose
constant.
Les N autres actifs risques (titres de societe cotes sur le marche action par exemple)
131. Les cas particuliers correspondant au choix des paramètres suivants : a 0 ; = 0, et
a = 0 ; d 0 ; = 0 sobtiennent de la meme facon que ceux expos
es ici : ils font r
ef
erence directe
aux expressions de la strategie donn
ees dans le th
eor`
eme (5) ci-dessus pour les memes valeurs des
a la place de HT et YT /BT en remplacement de

`
param`
etres et en consid
erant la variable HT /BT
YT .
132. est la solution de l
equation () = () avec d
eni implicitement par f (k/ ) = 0
da
1
avec f (x) g(x) g(x/(1 + d)) + 1+d
o`
u g(x) u [I(x)] x [I(x) a] et o`
u I(x) 1/
a;
x
apr`
es calcul, on obtient pour lexpression suivante :

ad
(1/(1 + d))11/ 1
( 1) /
k
1+d
1 1/

De facon
equivalente, est solution implicite de l
equation h k/ () = 0.
Par cons
equent pour = , on a () = () = () et les solutions 3 (a) et 3 (b) du
th
eor`
eme 5 se confondent.
da
133. est la solution de f (k/ ) = 0 avec f (x) g(x) g(x/(1 + d)) + 1+d
o`
u g(x)
u [I(x)] x [I(x) a] et x I(x)
1
x1/
a d
esigne la fonction inverse de la fonction x u (x)
237
ont des rendements instantanes stochastiques qui suivent des mouvements browniens geometriques ; ce qui secrit en notation vectorielle :
dSt = St (dt + dZt )
avec St = (St1 , . . . , StN ) le vecteur des N actifs risques,
avec = (j (t) ; j = 1 . . . N ), le vecteur des rendements moyens instantanes,
avec = (j k (t) ; j, k = 1 . . . N ) la matrice de co-volatilite des processus de rendements instantanes.
La propriete (30) ci-dessous fournie lexpression de la valeur intermediaire de la
strategie dynamique optimale sous les hypothèses du modèle de B&S generalise à
N actifs risques :
Propri
et
e 30. Pour a = 0 et d = 0, la valeur `
a la date t de la solution optimale du problème (P18), notee Yt , est donnee par la formule suivante :
(1) Pour
Yt = Bt

yd
C 0 (t , ()1/ , T t) y0 P 0 (t , ( )1/ , T t)
1+d

a y0 ( )1/ B 0 (t , ( )1/ , T t)
Bt
(2) Pour 0

yd
1
1/
0
1/
1/
C (t , ( ) , T t) y0 P (t , ( ) , T t) +
yd ( )
Yt = Bt
(1 + d)a
1+d
1+d

d(1 )a
yd
y0 )( )1/ +
(
Bt
B 0 (t , ( )1/ , T t)
1+d
1+d
avec t Ht /Bt 134 o`
u Ht designe la valeur intermediaire du portefeuille, solution
1/
du problème de Merton, atteignant la richesse terminale, HT 135,

1/
1/
(1)(1+d)
, y0 (1/k) ,
avec /da, d1 (1+d)
11/ 1 1 , yd ((1 + d)/k)
avec
k
(1+d)
{(1 + d)a} , k
B
134. t est donnee par EtQ
1/
HT
BT

ad
1+d (

11/
1
1) / (1/(1+d))
,
11/

o`
u lesp
erance est calculee par rapport `
a la mesure mar-
QB
associ
ee au num
eraire, B, le portefeuille Benchmark.
1/
2
Apr`
es calcul, on trouve lexpression explicite suivante : t = e{f (T t)+ /2} HtB
t

bT
2
2
T T b
(T
t),
o`
u
b
avec f (T t) ( 1
)r
+
(b
,
...,
bN ) d
esigne le
1
2
2
tingale equivalente not
ee
transpose du vecteur de poids des N actifs risqu

es investis dans le portefeuille benchmark, B, et

2
avec 2 V ar {ln(HT /Ht )/ ln(BT /Bt )} = T / bT (T t) avec 1 ( r1).
eni enti`
erement par la donnee du vecteur de poids des N actifs
135. Le portefeuille H est d
risques investis dans ce portefeuille, not
e h (h1 , ..., hN )T , dont lexpression est la suivante :
( 1 )T
h
o`
u 1 ( r1)
238
`
ET BENCHMARKING
et avec qui designe la solution implicite de lequation :

h(k/ ) = 0
avec
h (x)
x 11/
u((1 + d)a) + ax
1 1/
avec C 0 (Zt , X, T t), (resp. P 0 (Zt , X, T t), resp. B 0 (Zt , X, T t)) qui designe la
formule de Black & Scholes donnant la valeur de loption call europeen, (resp. de
loption put europeen, resp. de loption Put binaire) de strike X, decheance T t,
u le taux sans risque est suppose nul 136.
sur le sous-jacent Zt o`
Notons que C E (Ht , X Bt , T t) Bt C 0 (Ht /Bt , X, T t) est la valeur presente

du pay o dune option call europeenne dechange entre deux actifs ; le detenteur
de cette option recoit a` la date de maturite de loption, notee T , lecart si celui-ci
1/
est positif entre la valeur du premier sous-jacent, HT , et X fois celle du second
137
.
sous-jacent, i.e. le benchmark, soit X BT
Il en va de meme pour P E (Ht , X Bt , T t) Bt P 0 (Ht /Bt , X, T t), resp.
B E (Ht , X Bt , T t) Bt B 0 (Ht /Bt , X, T t) qui correspond a` la valeur dune
option put europeenne dechange, resp. dune option put binaire dechange, ecrite
sur les memes deux sous-jacents que loption call decrite precedemment.
Ainsi la strategie optimale associee au problème (P18) est denie par une combinaison de positions Buy & Hold investies sur plusieurs options dechanges ecrites
sur les memes deux sous-jacents : le portefeuille du problème de Merton, H , et le
portefeuille benchmark.
Notons que dans le cas o`
u N = 1 (existence de deux actifs risques), lexpression des
options dechanges se reduit a` la formulation de [Margrabe, 1978].
Enn, remarquons que lon retrouve comme cas particulier le modèle de

[Basak et al., 2008] dans le cas o`
u a = 1 et 1 a = 1 et d.
La propriete (31) suivante donne lexpression de lallocation dynamique optimale.
Propri
et
e 31. Expression du vecteur des fractions de la richesse optimale
investis dans les N actifs risques, propriete de decomposition en deux fonds et expression du Delta de la strategie optimale
(1) Lallocation de la strategie dynamique optimale correspondant au problème (P18)
est donnee par lexpression suivante :
136. C 0 (Zt , X, T t) est donn
ee par lexpression suivante : Zt N (d1 (X)) XN (d2 (X))
avec d1 (X) ln(Zt /X)/ + /2, d2 (X) d1 (X) /2 et ( )2 V ar(ln(ZT )).
1/
De plus avec ZT T HT /BT , on a :

2
( )2 V ar [ln(HT )/ ln(BT )] = T / bT (T t) avec 1 ( r1).
Avec les m
emes notations, on a egalement :
P 0 (Zt , X, T t) XN (d2 (X)) Zt N (d1 (X)) et B 0 (Zt , X, T t) N (d2 (X)).
H
137. C E (Ht , X Bt , T t) = Ht N (d1 (X))X Bt N (d2 (X)) avec d1 (X) ln( XBt )/ + /2
t

2
o`
u ( )2 V ar [ln(HT )/ ln(BT )] = T / bT (T t) avec 1 ( r1).
wt Wt (t Ht ) h + (Wt t Ht ) b
(1 (wt )T 1) Wt
239
investi (en cash) dans les N Actifs Risques

investi (en cash) dans lA.S.R
avec h (h1 , ..., hN )T : le vecteur de poids des N actifs risques investis dans le
portefeuille H et dont lexpression est la suivante :
h
(1 )
o`
u 1 ( r 1),
avec b (b1 , ..., bN )T : le vecteur de poids des N actifs risques investis dans le
portefeuille benchmark, note B,
avec 1 (1, ..., 1)T : le vecteur unite, et avec t
dWt
dHt .
(2) De manière equivalente, lallocation de la strategie dynamique optimale correspondant au problème (P18) est entièrement denie par la fraction de la richesse optimale investie, dune part, dans le portefeuille de Merton, note H 138, et dautre
part, dans le portefeuille Benchmark, note B :

investi (en % de la richesse totale) dans le portefeuille (H , h )
t Ht /Wt
investi (en % de la richesse totale) dans le portefeuille benchmark (B, b)

1 t Ht /Wt
avec h ,b et t denie comme precedemment.
(3) Expression de t
dWt
dHt
Pour ,

d1 ( 1/ )

yd
1/ )) + y0 N (d1 ( 1/ )) a 1/ y0
t =
N (d1 (
1+d
Pour 0 ,
t =
1/
yd
yd
d(1 )a
N (d1 ( 1/ ))+y0 N (d1 ( 1/ )) (
y0 ) +
1+d
1+d
1+d
avec N (.), resp. (.), la fonction de repartition, resp. la fonction de densite, de la

loi normale,
H
u ( )2 V ar [ln(HT /Ht )/ ln(BT /Bt )]

avec d1 (X) ln( XBt t )/ + /2 o`

T
2
= / bT (T t) avec 1 ( r1).
138. H d
esigne le portefeuille, solution du probl`
eme de Merton, qui atteint la richesse terminale,
1/
HT . Le vecteur des poids (constants) des N actifs risques investis dans ce portefeuille est donn
e
T

h = h/ avec h = 1 et 1 ( r1).

d1 ( 1/ )
CHAPITRE 5
Incitation financi`
ere et aversion `
a la
sous-performance
Nous prolongeons lanalyse du chapitre precedent en considerant le problème
dinvestissement de lasset manager recevant une incitation nancière a` la surperformance et qui, de plus, est averse a` la sous-performance 1.
Comme nous lavons montre dans le chapitre precedent 2, la prise en compte dune
contrainte explicite dassurance de portefeuille na pas seulement pour eet de
rendre lasset manager (recevant une incitation nancière ou non) totalement averse
a la sous-performance dans les scenarios de marche defavorables.
`
En eet, lexistence dune contrainte stricte de protection de la richesse a egalement
comme consequence (positive) pour linvestisseur de reduire fortement, dans les
scenarios de marche les plus defavorables, le risque de sous-performance par rapport a` la strategie de reference suivie par lasset manager sans incitation nancière.
Cependant, quel que soit le niveau de protection considere, lasset manager continue de gerer le portefeuille en se demarquant fortement de la strategie optimale
pour linvestisseur (i.e. celle de lasset manager de reference ne recevant pas de
commission de sur-performance). Le prol de gain du portefeuille optimal demeure
discontinu et asymetrique et la strategie dinvestissement suivie par lasset manager
le favorise nancièrement.
En guise dalternative, nous supposons dans ce chapitre que linvestisseur nal ou
le risk manager impose une contrainte à lasset manager qui prend la forme dun
montant de budget de risque de sous-performance maximum.
Nous cherchons a` savoir si une telle contrainte de gestion du risque de perte, très
courante en pratique, est plus à meme quune contrainte stricte dassurance de portefeuille de rectier les comportements dinvestissement de lasset manager non
souhaites par linvestisseur 3.
Partant des resultats exposes dans le second chapitre (première partie de la thèse),
portant sur lanalyse de lallocation dynamique de portefeuille en presence de contrainte
de risk management, nous faisons lhypothèse que la fonction dutilite de lasset
manager intègre une mesure de perte continue qui penalise la sous-performance par
1. autrement dit, il doit prendre en compte une contrainte implicite de gestion du risque de
sous-performance dans ses pref
erences dinvestissement. Pour plus de details voir le chapitre 1 et
le chapitre 2 (premi`
ese)
2. voir la quatri`
eme section du chapitre pr
ec
edent qui traite du problème dinvestissement de
lasset manager maximisant lutilit
e esp
er
ee de sa r
emun
eration nale pour un choix de fonction
dutilit
e quadratique et sous contrainte explicite dassurance de portefeuille.
3. comportements se traduisant, par exemple, par une prise de risque trop importante ou au
contraire un niveau dexposition en actif risque trop faible.
241
242
`
5. INCITATION FINANCIERE
ET AVERSION A
rapport a` une cible de richesse 4.

Nous montrons que la prise en compte dune telle forme daversion à la perte permet
de reduire certains eets negatifs de lincitation nancière sur le prol de gain du
portefeuille et en particulier la discontinuite de la courbe de valeur nale du portefeuille gere ainsi que la dissymetrie du prol de remuneration de lasset manager.
Ce chapitre est organise de la facon suivante :
Dans la première section, generalisant certains des resultats presentes dans les
sections precedentes, nous explicitons lexpression de la richesse terminale optimale associee au problème de lasset manager averse a` la sous-performance
et recevant une commission de sur-performance.
Dans la seconde section, nous analysons lexpression de la strategie dynamique optimale obtenue dans le cadre du modèle a` deux actifs de B&S et
dans le cas particulier o`
u lasset manager est CRRA loss averse.
Finalement, nous etudions la strategie dynamique optimale associee au problème
moyenne variance (fonction dutilite de lasset manager supposee quadratique) en presence dune double contrainte de risque : contrainte dassurance
de portefeuille et contrainte supplementaire daversion à la sous-performance
par rapport au seuil de richesse cible.
1. Probl`
eme de lasset manager Loss Averse
Nous considerons le problème dinvestissement dun asset manager averse à la sousperformance qui cherche à maximiser lutilite esperee de sa remuneration à un
horizon dinvestissement pre-deni.
Faisant lhypothèse que la structure de marche est celle introduite dans la première
partie de la thèse (section 1.1 du chapitre 1), nous explicitons lexpression de la
richesse terminale, solution optimale du problème considere.
4. Il sagit de la fonction dutilit

e HARA loss Averse dont lexpression comprend une mesure de perte
equivalente a
` une contrainte explicite de risque de type Limited Expected Loss
(cf. second chapitre). Ceci revient a
` supposer que lasset manager, en plus d
etre averse au risque,
est averse a
` la sous-performance. Pour plus de pr
ecision sur l
equivalence entre les deux probl`
emes
(contrainte explicite de risque et fonction dutilit
e loss averse), on se reportera au second
chapitre.
`
1. PROBLEME
DE LASSET MANAGER LOSS AVERSE
243
1.1. Structure de r
emun
eration et pr
ef
erences dinvestissement.
Dans le cadre dun contrat de delegation de gestion nancière, un investisseur sengage a` verser au gerant de portefeuille recevant mandat de gestion, une remuneration
a un horizon dinvestissement determine à lavance, note T (i.e. date de n du
`
contrat de delegation).
La structure de remuneration consideree comprend, dune part, une commission
de gestion sur encours et, dautre part, une commission liee à sa performance. Son
expression est la suivante :

avec
WT : la valeur nale du portefeuille sous gestion,
W 0 : la richesse nale cible de linvestisseur 5,
b: le taux de commission de gestion sur encours avec 0 < b < 1,
c: le taux des frais de gestion variables dit de sur-performance avec
0 c < 1 b.
De plus, nous supposons, dune part, que lasset manager cherche à maximiser lutilite esperee de sa remuneration à lhorizon dinvestissement pre-deni, note T , et
dautre part, quil est averse à la perte : sa fonction dutilite HARA Loss averse
admet la forme suivante 6 :
v (x, x0 , x ) u (x, x0 ) (D 1) L (x, x0 , x ) 1{xx }
(1.1)
avec les notations suivantes :

1
C1
xx0
u (x, x0 ) 1
+ C2 : lexpression dune fonction dutilite HARA,
: le paramètre daversion au risque de lasset manager, avec R \ {0, 1},

x FT (WT ) : la valeur nale de la remuneration de lasset manager,
x : la remuneration cible,
x0 : le seuil de remuneration minimale ( > 0) ou maximale ( < 0) de lasset
manager,
5. Nous faisons lhypoth`
ese que le portefeuille benchmark de linvestisseur sidentie, a
` une
constante pr`
es, au portefeuille compos
e uniquement de lactif sans risque ; ce benchmark xe
traduit un objectif implicite de performance nale pr
e-d
etermin
ee qui est integr
ee `
a lexpression
de la r
emun
eration de lasset manager comme seuil d
eclencheur du paiement dune commission
suppl
ementaire.
Le probl`
eme dinvestissement de lasset manager dans le cas plus g
en
eral o`
u lexpression de la
r
emun
eration int`
egre un portefeuille benchmark comprenant une ou plusieurs sources de risque,
i.e. une richesse cible variable, se g
en
eralise de la m
eme mani`
ere que dans le chapitre pr
ec
edent.
Il sut de consid
erer un changement de la variable de r
ef
erence du probl`
eme an que celle-ci
int`
egre la valeur du portefeuille benchmark comme num
eraire (pour plus de details voir la derni`
ere
section du chapitre quatre). Lexpression de la richesse terminale, solution optimale du probl`
eme
avec benchmark stochastique, est, `
a ce changement de variable près, identique `
a celle du probl`
eme
avec hypoth`
ese de benchmark xe.
6. Lexpression de la fonction dutilit
e HARA Loss Averse peut etre vue comme une fonction
dutilit
e HARA standard a
` laquelle on retranche un terme de penalisation de la sous-performance
par rapport `
a la richesse cible. Ce terme asymetrique, qui prend une valeur non nulle pour les
valeurs inf
erieures `
a la cible de richesse, sidentie a
` une mesure du co
ut de la perte, qui est une
fonction croissante de lamplitude de la perte.
244
`
ET AVERSION A
D : le coecient daversion à la sous-performance de lasset manager, avec

D 1,
C1 , C2 : deux constantes quelconques veriant C1 > 0, et C2 R.
x L (x, x0 , x ): la fonction daversion à la perte qui est continue et proportionnelle au co
ut dutilite de la sous-performance et dont lexpression
est la suivante 7 : L (x, x0 , x ) u (x , x0 ) u (x, x0 ).
Nous supposons que la contrainte technique suivante est veriee :
pour > 0, on a x > x0 0, et pour < 0, x0 > x 0.
Nous faisons les deux hypothèses supplementaires suivantes (contraintes de benchmarking) :
(1) x FT (W 0 ) b W 0 :
la remuneration cible de lasset manager est egale au niveau central
u la valeur nale du
de sa remuneration, FT (W 0 ), obtenu dans le cas o`
portefeuille est egale a` W 0 , la cible de richesse choisie par linvestisseur 8,
(2) x0 (1 0 ) x (1 0 ) FT (W 0 ) (1 0 ) b W 0 :
le seuil de richesse minimum ( > 0) ou maximum ( < 0), note x0 , est
proportionnel au niveau de la cible de remuneration de lasset manager,
i.e. le point central de sa remuneration, x FT (W 0 ) avec 0 0 1
pour > 0 et 0 < 0 pour < 0.
Ces deux hypothèses couplees a` la contrainte technique de seuil ennoncee ci-dessus
(i.e. x > x0 ou x < x0 ) et a` la prise en compte du terme de penalisation de la perte
(i.e. L (x, x0 , x )) dans lexpression de la fonction dutilite, sinterprètent comme
des contraintes liees a` une pratique de benchmarking, et correspondent a` de nombreux cas de gure rencontres en pratique.
Une première situation très courante est celle o`
u des contraintes de Tracking Error
(i.e. contrainte de risque portant sur lecart entre la valeur (nale) du portefeuille
et la valeur cible, notee W 0 ) sont imposees par linvestisseur ou le risk manager
7. La forme de la fonction de perte consid
er
ee ici a d
ej`
a
et
e analys
ee dans la premi`
ere partie.
Elle correspond `
a une fonction de perte lin
eaire qui mesure le co
ut dutilit
e de la perte. Cette
fonction de perte se d
enit comme l
ecart entre lutilit
e du niveau cible et lutilit
e de la richesse
nale atteinte.
Remarquons que, lutilite
etant une fonction croissante de la richesse, ce terme de co
ut devient
positif (et p
enalise lasset manager) si le niveau de richesse atteint est inf
erieur `
a la cible nale.
ef
erence (point
8. La cible de richesse de linvestisseur, notee W 0 , sert de seuil de richesse de r
central) pour d
eterminer lobtention ou non de la commission de sur-performance. De mani`
ere
similaire, [Kouwenberg Ziemba, 2007] font lhypoth`
ese dune r
emun
eration cible
egale a
` ce
a la sous-performance et dont la fonction
niveau de r
ef
erence, FT (W 0 ), pour lasset manager averse `
dutilit
e correspond `
a celle de la th
eorie des perspectives (propect theory) ; son expression (avec
nos notations) est la suivante :

A(x x)1 si x x
v (x, x )
+B(x x )2 si x > x
avec x FT (WT ), x FT (W 0 ), A, B > 0, et 0 < 1 , 2 1.
`
1. PROBLEME
245
` lasset manager, ce dernier devant les integrer dans ses preferences dinvestissea
ment. Il sagira par exemple de contrainte de seuil maximum impose sur le montant
de la sous-performance, ou sur un indicateur de risque comme la Tracking Error
volatility ou encore la Tracking Error Value-at-Risk 9.
Une autre interpretation est de considerer que, independamment des preferences
de linvestisseur, ces contraintes implicites de seuil traduisent laversion à la sousperformance ou encore un prol de gain specique qui est propre à lasset manager
(convexe dans le cas > 0 et concave dans le cas < 0).
Dans ce cas, on supposera que ces preferences de lasset manager sont liees au co
ut nancier que represente, pour lui, une situation de sous-performance : penalisation de
la sous-performance (aversion à la sous-performance), prise de risque supplementaire
consideree comme prohibitive au del`
a dun certain niveau de sous-performance (seuil
de remuneration minimale dans le cas > 0) ou au del`
a dun certain niveau de
sur-performance (seuil de remuneration maximale pour < 0).
Par exemple, une sous-performance trop importante par rapport a` la valeur cible
a du non paiement de la commission
de linvestisseur, W 0 , peut entraner, au del`
de sur-performance, une baisse des nouveaux ux dinvestissement, ce qui indirectement implique un niveau de remuneration nale plus faible.
Nous considerons a` present la variable z x x , qui represente la richesse
excedentaire de lasset manager par rapport à la remuneration cible. De meme, on
pose z 0 x0 x .
Sous nos hypothèses, on peut ecrire z ZT = FT (WT ) FT (W 0 ) ; la richesse
excedentaire de lasset manager sidentie à la remuneration de lasset manager
en excès du niveau central de remuneration. On a egalement z 0 = 0 FT (W 0 )
Nous pouvons re-exprimer la fonction dutilite de lasset manager en fonction des
variables z et z 0 sous la forme suivante :
v (x, x0 , x ) = v (z, z 0 , 0)

avec : v (z, z 0 , 0) = u (z, z 0 ) (D 1) u (0, z 0 ) u (z, z 0 )) 1{z0}
Finalement en posant z z/b ZT /b, on obtient :

z ZT (FT (WT ) FT (W 0 ))/b = YT + (c/b) (YT )+ .
On en deduit lexpression equivalente suivante de la fonction dutilite de lasset
manager 10 :

)
(D
1)
u(0)
u(z
)
si z < 0
u(z
0
v(z )
v (z, z , 0) =

u(z )
si z 0
avec z ZT = YT +d (YT )+ qui represente, a` la constante b près, la remuneration
excedentaire de lasset manager relativement au niveau central de remuneration,
9. On entend par Tracking Error volatility, la volatilite de la Tracking Error, cette

derni`
ere variable
etant d
enie comme pr
ec
edemment. De m
eme la Tracking Error Value-at-Risk
repr
esente la VaR par rapport `
a la cible de richesse.
10. En eet, les pr
ef
erences de linvestisseur sont invariantes par transformation lineaire.
246
`
ET AVERSION A
avec x u(x) qui designe la fonction dutilite HARA donnee par lexpression
suivante :
u(x) u (x + A , 0) =
C1
1
1
+A
+ C2 ,
avec R \ {0, 1}, C1 > 0, A 0 W 0 / > 0, C2 quelconque,

et avec d c/b, le rapport entre le taux de frais des gestion variables, note c,
et le taux des frais de gestion sur encours, note b, avec 0 c < 1 b et 0 < b < 1.
1.2. Expression du probl`

eme dinvestissement et de la richesse terminale optimale.
Rappelons tout dabord succinctement les principales hypothèses de marche qui
sont les n
otres dans tous ce chapitre 11 :
(1) Le marche est suppose ouvert en permanence et les transactions se font

sans arbitrages possibles (hypothèse dAOA) ni co
uts de transaction.
(2) Le marche est complet et comprend N+1 actifs :
Lactif dit Actif Sans Risque (ASR) ; localement sans risque, il sinterprète comme un rollover dun instrument du marche monetaire, et a
pour rendement instantane :
dSt0 /St0 = r(t)dt
o`
u r(t) est un processus qui represente le taux court instantane en vigueur
Les N autres actifs sont risques et ont pour rendements instantanes des
o`
u St =
(St1 , . . . , StN )
represente le vecteur des N actifs risques,
o`
u (t) = (j (t) ; j = 1 . . . N ), represente le vecteur des rendements
moyens instantanes (taux court plus prime de risque),
et o`
u (t) = (j k (t) ; j, k = 1 . . . N ) represente la matrice de co-volatilite
des processus de rendements instantanes.
(3) On considère lensemble des strategies dynamiques autonancantes et admissibles :
-autonancantes : pas dapport de richesse intermediaire et gain entièrement
re-investi,
11. Pour plus de d
etail voir la section 1.1 intitul
ee cadre gen
eral dans le premier chapitre
(premi`
ese).
`
1. PROBLEME
247
-admissibles : elles procurent une richesse nale dont le moment dordre

deux est ni (ensemble note L2 (P )).
Sous ces hypothèses de marche, le problème dinvestissement de lasset manager
(i.e. trouver la strategie dynamique optimale qui maximise lutilite esperee de la
remuneration nale) se ramène à la resolution du problème statique dont lexpression est la suivante :
Probl`
eme 19.

(P 19)
max
2
YT L (P )
s.a.

E v(YT + d (YT )+ )
E(YT /HT ) = 1 W 0 E {1/HT }
avec YT WT W 0 lecart de la valeur nale du portefeuille par rapport au niveau

de richesse cible,
avec x v(x) la fonction dutilite HARA Loss Averse dont lexpression est
la suivante 12 :
v(x) = u(x) (D 1) (u(0) u(x))
(1.2)
avec D, D 1, le paramètre daversion `

a la sous-performance de lasset manager,
avec d c/b, le rapport entre le taux des frais de gestion variables, note c, et
le taux des frais de gestion sur encours, note b, avec 0 c < 1 b et 0 < b < 1,
avec x u(x) qui designe lexpression de la fonction dutilite HARA :
u(x) =
C1
1
x
+A
1
+ C2
o`
u R \ {0, 1}, C1 > 0, A 0 W 0 / > 0, C2 quelconque et o`
u on a
0 0 1 pour > 0 et 0 < 0 pour < 0.
12. Apr`
es avoir remarquer que ZT = YT + d (YT )+ = YT 1{YT <0} + YT 1{YT 0} o`
u on
a pos
e 1 + d, nous pouvons r
e-
ecrire lexpression de la fonction a
` maximiser de la mani`
ere
suivante :

v(z (y))
= w(y) v(z (y))/D =
(1D)
u(0)
D
u(y) +
u(y)/D
si y < 0
si y 0
avec, comme pr
ec
edemment, D, D 1, le param`
etre daversion a
` la sous-performance de lasset

manager et o`
u on pos
e : z (y) ZT et y YT
248
`
ET AVERSION A
et avec HT qui designe la valeur nale du portefeuille numeraire 13.

Pour D = 1, on retrouve lexpression de la fonction dutilite de lasset manager HARA non averse au risque. Lexpression de la solution du problème (19) est
donnee dans le theorème suivant :
Th
(1) Pour D 1,
k
I( D
HT )/
YT =
0
I(k/HT )
(2) Pour D 1,
YT
si HT H
si H < HT < H
si HT H
k
I( D
HT )/
I(k/HT )
si HT > H
si HT H
avec k veriant lequation de budget suivante : E(YT /HT ) = 1 W 0 E {1/HT },

/u (0) = k D
avec H k/u (0) = k CA1 , H k D
C1 et avec H solution im k D
1
g(x) (1
plicite de lequation suivante : f H = 0 avec f (x) g( D x) D
C1
1/D)g( A ) o`
u g(x) u [I(x)] x [I(x)] et o`
u x I(x) designe linverse de la

1/
C1 1

A .
fonction x u (x) et a pour expression : I(x)
x
avec D, D 1, qui designe le paramètre daversion `

a la sous-performance,
avec d c/b, le rapport entre le taux des frais de gestion variables, note c, et
le taux des frais de gestion sur encours, note b, avec 0 c < 1 b et 0 < b < 1.
et o`
u on a pose 1 + d .
Pour D = 1, on retrouve le problème correspond à celui de lasset manager HARA
non averse au risque recevant une commission de performance, analyse dans le chapitre precedent.
Pour D > 1 et d = 0, il sagit du problème de lasset manager HARA averse
a la sous-performance ne touchant quune commission de gestion sur encours. Ce
`
problème est celui qui a ete analyse dans le second chapitre. Ainsi, dans ce cas, la
strategie optimale de lasset manager sidentie à celle dun investisseur averse à la
sous-performance maximisant lutilite espere de la richesse nale de son portefeuille.
Pour D > 1 ou d > 0, lexpression de la richesse terminale de la strategie optimale est fournie dans le theorème ci-dessus.
eraire, qui est aussi appele portefeuille de croissance optimale
(growth optimal) par [Merton, 1990] car il correspond a
` la strat
egie optimale de linvestisseur
logarithmique, not
e (H,h), est donn
e par les expressions suivantes :

1
((t) r(t)1) et, en notant le vecteur des prix de march
e du risque (market
ht = (t)(t)
prices of risk)
par (t) = (t)1 ((t) r(t)1),

t

t

Ht = exp
(r(s) + (s) (s)/2)ds + (s) dZs
0
`
1. PROBLEME
249
En particulier, on a le resultat suivant :
Propri
et
e 32. Pour D = > 1,
(1) La richesse terminale, solution optimale du problème (P19) est donnee par lexpression suivante :

I(k/HT )/ si HT kA
C
1
YT =
I(k/HT )
si HT kA
C1
(2) La fonction de remuneration excedentaire de lasset manager loss averse correspondant au problème (P19) est donnee par lexpression suivante : ZT = bYT
avec YT I(k/HT ).
Il sagit, `
a la constante k près, de lexpression de la remuneration de lasset manager de reference 14.
Autrement dit, `
a la contrainte de budget près, lasset manager recevant des frais
de gestion variables a le meme prol de gain (symetrique et continu) que lasset
manager sans incitation nancière ni aversion `
a la perte.
14. il sagit de lasset manager sans aversion `

a la sous-performance et sans commission de
sur-performance.
`
ET AVERSION A
250
2. Strat
egie dynamique de lasset manager CRRA Loss Averse
2.1. Probl`
er
e et expression de la strat
egie
optimale.
Nous analysons dans cette section les proprietes de la strategie dynamique optimale dans le cas o`
u lasset manager a une fonction dutilite HARA Loss Averse
dont lexpression est la suivante 15 :

u(z ) + (1D)
D u(0) si z < 0
v(z )

si z 0
u(z )/D
avec
z (FT (WT ) FT (W 0 ))/b YT + d M ax (YT , 0): lexcedent de remuneration

par rapport au niveau central de remuneration (à la constante b près),
d c/b: le paramètre dincitation nancière 16,
YT WT W 0 : lecart de valeur nale entre le portefeuille gere et la cible
de richesse de linvestisseur,
u(x):
(x+a)1
1
avec ]0, + [\{1}
a 0 W 0 < 0: le seuil de perte maximale autorisee, avec 0 < 0 < 1

D: le niveau daversion a` la sous-performance de lasset manager,
avec D 1.
Considerons `
a present la variable y z + a a + YT + d (YT ) . Lexpression

a maximiser, v(z y a), prend la forme dune fonction dutilite CRRA Loss
`
Averse :

0
u0 (y) + (1D)
D u (a) si y < a
v 0 (y) v(y a)
(2.1)
0
u (y)/D
si y a
avec u0 (y) u(y a) =
D 1.
(y)1
1 ,
]0, + [\{1} , et o`
u on suppose que a > 0, et
Finalement, remarquons que les hypothèses faites sur la structure de remunerations

et les preferences de lasset manager peuvent se reformuler des deux manières
equivalentes suivantes :
(1) Première formulation : remuneration avec commission xe et incitation

nancière symetrique
15. il sagit du cas particulier de lexpression de la fonction dutilit

e de lasset manager HARA
loss averse donnee par lequation (1.2) dans le cas o`
u C2 = 0, C1 1 et A a/.
16. On rappelle que le param`
etre d est d
eni comme le rapport entre le taux des frais de gestion
variables, not
e c, et le taux des frais de gestion sur encours, note b o`
u on suppose que 0 < b < 1
et 0 c < 1 b.

2. STRATEGIE
DYNAMIQUE DE LASSET MANAGER CRRA LOSS AVERSE
251
Lexpression de la fonction de remuneration est la suivante :

+
x/b F (WT )/b a + YT + d (YT )
+
avec b d (YT ) le montant des frais de sur-performance, b a le
montant de la commission xe, et b YT le montant de la commission
dincitation nancière symetrique.
la remuneration cible est donnee par lexpression suivante :
x /b F (W 0 )/b a et la remuneration minimale par
x0 /b (1 ) x /b 0 avec 1.
La fonction dutilite est donnee par lexpression suivante 17 :
v (x, x0 , x )
= v ((x x )/b x/b a, (x0 x )/b a, 0)
+
= v(x/b a) = v 0 (x/b a + YT + d (YT ) )
0
avec la fonction v donnee par lexpression (2.1) ci dessus.
(2) Seconde formulation : remuneration avec commission xe et assurance de
portefeuille
Lexpression de la fonction de remuneration est la suivante :

x/b F (WT )/b a + WT + d (YT )+
+
avec b d (YT ) le montant des frais de sur-performance, b a le montant de la commission xe et b WT le montant des frais de gestion sur
encours.
la remuneration cible est donnee par lexpression suivante :
x /b F (W 0 )/b a + W 0 et la remuneration minimale par x0 /b
(1 ) x /b W 0 avec (1 ) 1/(1 + 0 ).
La fonction dutilite est donnee par lexpression suivante 18 :
v (x, x0 , x )
= v ((x x )/b, (x0 x )/b, 0)
= v (x/b (a + W 0 ), a, 0) = v(x/b (a + W 0 ))
+
= v 0 (x/b W 0 a + YT + d (YT ) )
avec la fonction v 0 donnee par lexpression (2.1) ci dessus.
Le problème (P20) peut donc secrire comme suit :
Probl`
eme 20.
(P 20)
max
2
YT L (P )
s.a.

+
E v 0 (a + YT + d (YT ) )
E(YT /HT ) = 1 W 0 E {1/HT }
avec
x v 0 (x) : la fonction dutilite CRRA Loss Averse donnee par lequation (2.1)
ci- dessus,
17. Nous supposons que lexpression de v (x, x0 , x ) est celle de l
equation 1.1 ci-dessus avec
enie comme
lhypoth`
ese suppl
ementaire suivante : u (x, x0 ) u0 (x x0 ) avec x u0 (x) d
pr
ec
edemment (fonction dutilit
e iso
elastique).
equation 1.1
18. M
eme hypoth`
ese faite sur la forme de la fonction dutilite v (x, x0 , x ) (cf.
ci-dessus) que dans la premi`
ere formulation.
252
`
ET AVERSION A
a : le rapport entre le montant de la commission xe et le taux de frais de gesu a > 0,

tion sur encours 19, o`
d : le rapport entre le taux des frais de gestion variables et le taux xe des frais de
gestion sur encours.
Le problème (P20) etant un cas particulier du problème (P19), on en deduit le

resultat suivant :
Cons
equence 15. La richesse terminale optimale du problème (P20) est donnee
(1) Pour D 1,

H 1/
a /
( D kT )
YT =
0
HT 1/
a
( k )
(2) Pour D 1,
YT =

HT 1/
a /
(D k )
( HkT )1/ a
si HT H
si H < HT < H
si HT H
si HT > H
si HT H
equation :
avec H ka , H kD
a et avec H la solution implicite de l
k D
1
f H = 0 avec f (x) g( D x) D
g(x) (1 1/D)g(a )
11/
o`
u on a pose g(x) x11/ + ax.
avec D, D 1, le paramètre daversion `

avec d, d 0, le rapport entre le taux des frais de gestion variables et le taux xe
de frais de gestion sur encours,
avec a, a > 0, le montant de la commission xe rapporte au taux des frais de gestion
sur encours,
et o`
u on a pose 1 + d.
Par voie de consequence, on en deduit les resultats suivants :
Cons
equence 16. Pour = D > 1,
(1) La richesse terminale optimale correspondant au problème (P20) est donnee par
lexpression suivante :

HT 1/
( k )
a / si HT k a
YT =
( HkT )1/ a
si HT k a
1/
avec YT HkT
a.
19. Ou de mani`
ere
equivalente avec a qui d
esigne le seuil de perte maximale autorisee par
linvestisseur ou le risk manager.

2. STRATEGIE
253
Il sagit, `
a la constante k près, de lexpression de la remuneration de lasset manager de reference 20.
Autrement dit, `
a la contrainte de budget près, lasset manager recevant des frais de
gestion variables a le meme prol de gain optimal que lasset manager sans incitation nancière ni aversion `
a la perte.
Les expressions de la valeur intermediaire et de lallocation de la strategie dynamique optimale sont fournies dans les proprietes (33) et (34) ci-dessous :
Propri
et
e 33. La valeur `
notee Yt , est donnee par lune des formules suivantes :

(1) Pour D 1,
Yt =
y
C(Ht , (H)1/ , T t) yP (Ht , (H)1/ , T t)
(2) Pour D 1,
Yt

y
y(H )1/ a
1/
1/
= C(Ht , (H ) , T t)yP (Ht , (H ) , T t)+
ZC(T t)

ad
y
B(Ht , (H )1/ , T t)
( y)(H )1/ +

1/
de Merton, atteignant la richesse terminale, HT ,
1/
1/
, y (1/k) , H kD
avec y kD
a , H ka ,
avec H qui designe la solution implicite de lequation :

f
k D
H
= 0 avec f (x) g( D
x)
11/
o`
u g(x) x11/ + ax.
1
D g(x)
(1 1/D)g(a )
et enn, avec C(Zt , X, T t), (resp. P (Zt , X, T t), resp. B(Zt , X, T t)) qui
designe la valeur de loption call europeen, (resp. de loption put europeen, resp.
de loption Put binaire Cash or Nothing) de strike X, decheance T t, sur le
sous-jacent Zt et ZC(T t) le prix de lobligation Zero-Coupon decheance T t
dans le cadre du modèle de Black & Scholes.
Propri
et
e 34. Dans le cadre du modele de Black & Scholes (`
a une seule

wt Wt

dW
Ou wt Wt dHt h Ht est donnee par la formule suivante :
t
20. expression de la richesse terminale solution du probl`

eme de lasset manager non averse `
a la
sous-performance et ne recevant pas de commission de sur-performance.
`
ET AVERSION A
254
Pour D 1,

h y
1/
1/
+ yN d1 (H)
N d1 (H)
= Ht
Pour D 1,

h y 1/
1/
+ yN d1 (H )
N d1 (H )
wt Wt = Ht

r(T t)
h d2 (H )1/
y
ad e
1/
y (H )
+
+
T t
avec N (.), resp. (.) la fonction de repartition, resp. la fonction de densite, de la
loi normale,
wt Wt
et avec d1 (X) ln( er(Ttt)X )/ + /2 et d2 (X) d1 (X)

2
T
o`
u on a pose 2 V ar ln( H
(T t) .
Ht )/ =
Cette propriete nous permet en particulier, à tout instant t, dexprimer la valeur de
la richesse optimale en excès du celle du benchmark, notee Yt , en fonction de Mt ;
expression qui nous sera utile pour analyser les proprietes de la strategie optimale.
e du pay-o optimal.
En nous appuyant sur un exemple dapplication numerique, nous analysons la sensibilite du prol de gain optimal aux variations des paramètres de remuneration et
de risque du modèle, ainsi que de lhorizon dinvestissement considere.
En particulier, nous comparerons le prol de gain nal (pay-o) de lasset manager recevant des frais de sur-performance et qui est averse à la sous-performance
(i.e. c > 0 et D > 1) avec :
-dune part, le prol de gain de lasset manager qui nest pas averse à la sousperformance mais qui recoit une incitation nancière (i.e. c > 0 et D = 1),
-et, dautre part, le prol de gain de lasset manager averse a` la sous-performance
mais qui ne recoit pas dincitation nancière (i.e. c = 0 et D > 1) .
Les valeurs numeriques utilisees dans toute la suite de ce chapitre seront les suivantes : r = 4%, = 10%, = 20%, = 75%, T = 5, et W 0 erT = 122% ; ce qui
donne en particulier = 30%, h = 150% et h = 200%.
et
eciproquement :
on a Ht = (t)(Mt )h avec (t) e(r( 2 2 ))t = e(1h)(r+ 2h )t = e(1h)(r+

et
Ht
= (t)(Mt
)h
avec (t)
H0 e
(/)2
(1h )(r+ 2h
)t
H0 e(1h
2
)(r+ h 2
)t
h2
2
)t

2. STRATEGIE
255
2.2.1. Sensibilite aux variations du paramètre dincitation nancière - cas de

lasset manager non averse a
` la sous-performance.
Nous avons represente, pour dierentes valeurs du taux des frais de gestion variables, c, lexcedent de richesse nale du portefeuille (cf. gure (Fig.1)), de lasset
manager (cf. gure (Fig.2)) et de linvestisseur (cf. gure (Fig.3)) en fonction de la
valeur de lactif risque.
Il sagit du cas analyse dans la seconde section du chapitre precedent. Ces gures
montrent que le prol de gain optimal pour lasset manager, avec incitation nancière et sans aversion à la sous-performance (i.e. c > 0 et D = 1), admet les
caracteristiques suivantes (cf. gure (Fig.1)) :
le pay-o de la strategie optimale est discontinu (contrairement à la strategie

de reference sans incitation nancière, cf. courbe rouge). De plus, lamplitude de cette discontinuite est une fonction croissante du niveau du taux des
frais de gestion variables, note c. A la limite inferieure, i.e. pour c = 0, on
retrouve la forme continue du pay-o de la strategie sans incitation nancière.
Le prol de gain de lasset manager est dautant plus risque que la valeur du
taux des frais de gestion variables est elevee.
En dessous dun certain seuil dactif risque (zone de sous-performance de la
strategie relativement au benchmark), la strategie avec incitation nancière
sous-performe la strategie sans remuneration incitative. Le niveau de la sous
performance est une fonction croissante du taux des frais de gestion variables.
En contrepartie, pour les niveaux du sous-jacent les plus eleves (scenarios de
marche les plus favorables), il y a sur-performance par rapport à la strategie
sans incitation nancière. Le niveau de la sur-performance est une fonction
croissante du taux des frais de gestion variables.
Finalement, on remarquera que lexistence dune incitation nancière a pour eet
daugmenter de manière consequente la richesse de lasset manager en cas de surperformance alors que le manque a` gagner (par rapport au cas sans incitation
nancière) en cas de sous-performance est minime (cf. gure (Fig.2)).
256
`
ET AVERSION A

sans aversion à la sous-performance - excedent de richesse du
portefeuille - eet du niveau de frais de gestion variables c pour
1 et D = 1.

sans aversion à la sous-performance - excedent de richesse de
lasset manager - eet du niveau de frais de gestion variables c
pour 1 et D = 1.

2. STRATEGIE
257

sans aversion à la sous-performance - excedent de richesse de
linvestisseur nal - eet du niveau de frais de gestion variables c
pour 1 et D = 1.
2.2.2. Sensibilite aux variations du paramètre daversion `

- cas de lasset manager beneciant dun niveau eleve dincitation nancière.
Nous nous interessons au cas o`
u la valeur du paramètre dincitation nancière,
1 + c/b, est plus elevee que celle du paramètre daversion a` la sous-performance,
D : /D 1.
Nous avons represente, pour dierentes valeurs du paramètre daversion a` la sousperformance, D 22, lexcedent de richesse nale du portefeuille (cf. gure (Fig.4)),
de lasset manager (cf. gure (Fig.5)) et de linvestisseur (cf. gure (Fig.6)) en fonction de la valeur de lactif risque.
Ces trois gures montrent que le niveau de risque de la strategie suivie par lasset
manager, averse a` la sous-performance et recevant une incitation nancière, est une
fonction decroissante du degre daversion à la sous-performance. En particulier, on
peut faire les commentaires suivants :
le pay-o est discontinu (ce qui nest pas le cas du pay-o de la strategie
sans incitation nancière, cf. courbe rouge) et lamplitude de cette discontinuite diminue en meme temps que la valeur du paramètre daversion, D,
augmente ; a` la valeur limite, D = , cette discontinuite disparait.
le prol de gain de la strategie optimale pour lasset manager, recevant des
frais de gestion variables, est dautant moins risque que le niveau daversion
a la sous-performance est eleve (moins de perte dans les scenarios de marche
`
defavorables et moins de gain dans les scenarios favorables).
22. pour un niveau du taux des frais de gestion variables c x

e, avec /D 1.
258
`
ET AVERSION A
au-dessus dun certain niveau daversion à la sous-performance (cest le cas

en particulier pour D = ), la strategie optimale avec aversion à la perte subit moins de perte que la strategie sans aversion et sans incitation nancière
dans la zone de valeurs basses du sous-jacent.
Quand laversion à la perte augmente, lintervalle de valeurs de lactif risque,
o`
u la strategie avec incitation nancière sur-performe la cible de richesse
nale, setend vers des valeurs plus basses de lactif risque (assurance de portefeuille).
Dautre part, dans lintervalle o`
u se produit une sous-performance, la convexite
de la courbe de richesse saccentue quand le niveau daversion a` la perte augmente. Le contraire se produit dans lintervalle o`
u la valeur de la strategie
est au dessus de la cible de richesse.
Finalement, on remarquera que laversion à la sous-performance a pour eet de
fortement diminuer lexcès de remuneration de lasset manager avec incitation nancière par rapport au cas sans incitation et sans aversion (cf. gure (Fig.5)). Ce
qui est beneque pour linvestisseur nal.
On comparera la gure (Fig.2) (cas sans aversion) avec la gure (Fig.5) (cas avec
aversion). Mentionnons aussi le cas limite D = (courbe rose) o`
u le prol de
remuneration de lasset manager devient continu.
On en deduit que la prise en compte dun controle de risque tel que celui considere
ici implique,
pour linvestisseur nal : un prol de gain moins risque

pour lasset manager : un prol de remuneration moins asymetrique (le cas
limite D = correspondant meme a un prol de remuneration symetrique).

aversion à la sous-performance - excedent de richesse du portefeuille - eet du niveau daversion a` la sous-performance, D , c
xe, pour /D 1.

2. STRATEGIE

aversion à la sous-performance - excedent de richesse de lasset
manager - eet du niveau daversion a` la sous-performance, D , c
xe,pour /D 1.

aversion à la sous-performance - excedent de richesse de linvestisseur nal - eet du niveau daversion à la sous-performance, D , c
xe, pour /D 1.
259
260
`
ET AVERSION A
2.2.3. Sensibilite aux variations du paramètre dincitation nancière - cas central o`

u le paramètre daversion `
a la sous-performance est egal au niveau dincitation nancière.
u la valeur du paramètre dincitation nancière
est egale a` celle du paramètre daversion a` la sous-performance : D 1 avec
1 + c/b.
Nous avons represente, pour dierentes valeurs du taux des frais de gestion variables, c 23, lexcedent de richesse nale du portefeuille (cf. gure (Fig.7)), de lasset
manager (cf. gure (Fig.8)) et de linvestisseur (cf. gure (Fig.9)) en fonction de la
Ces trois gures montrent que le prol de gain optimal pour lasset manager, à
niveau dincitation nancière et daversion a` la sous-performance equivalent (i.e.
D = ), reste inchange quelque soit les valeurs considerees pour le taux des frais de
gestion variables et le niveau equivalent du paramètre daversion a` la perte. En
particulier, on observe les points suivants :
le pay-o de la strategie optimale correspondant a` = D est continu (cf.

gure (Fig.7)).
le niveau de risque de la strategie optimale baisse quand le niveau dincitation nancière, , augmente (à ratio D/ constant egal a` un). Ce qui se
traduit par plus de gain dans les scenarios de marche defavorables et moins
de plus-value dans les cas favorables (cf. gure (Fig.7)).
Dans la zone de valeurs basses du sous-jacent, la strategie optimale correspondant a` = D > 1 sur-performe la strategie de reference, obtenue pour
= D = 1 (courbe rouge) (cf. (Fig.7)).
Le niveau de la sur-performance augmente avec le degre dincitation nancière,
(à ratio D/ constant egal a` un). En revanche, lintervalle de valeurs de
lactif risque o`
u se produit cette sur-performance par rapport a` la strategie
sans aversion ni incitation (valeurs les plus basses de lactif risque) reste quasiment identique (cf. gure (Fig.7)).
le prol de remuneration de lasset manager est symetrique et continu comme
cest le cas pour lasset manager sans incitation et sans aversion (cf. gure
(Fig.8)).
lasset manager fortement averse a
u le niveau dincitation nancière est inferieur à
celui de laversion à la sous-performance : /D 1 avec 1 + c/b.
23. pour chaque valeur consid

er
ee du param`
etre c, la valeur du param`
etre daversion a
` la sousperformance, D, est choisie de telle sorte quelle v
erie : D = 1 + c/b 1 avec b x
e.

2. STRATEGIE
261

aversion à la sous-performance - excedent de richesse du portefeuille - eet du niveau de frais de gestion variables c pour D = .

aversion à la sous-performance - excedent de richesse de lasset
manager - eet du niveau de frais de gestion variables c pour D = .
Nous avons represente, pour dierentes valeurs du taux des frais de gestion variables, c 24, lexcedent de richesse nale du portefeuille en fonction de la valeur de
lactif risque (cf. gure (Fig.10)).
Cette gure nous montre que le prol de gain optimal pour lasset manager averse a`
la perte, et dont le niveau dincitation nancière est plus faible que son aversion à la
sous-performance (i.e. D > 1), est semblable a` celui dun asset manager averse
a la sous-performance et qui ne benecie pas dincitation nancière (i.e. D = 1,
`
cf. première partie de la thèse).
24. pour un niveau x

e du param`
etre daversion a
` la sous-performance, D.
262
`
ET AVERSION A

aversion à la sous-performance - excedent de richesse de linvestisseur nal - eet du niveau du taux des frais de gestion variables
c, pour D = .
Quand le degre dincitation nancière baisse, la courbe de richesse exhibe un prol

de gain dont laversion a` la sous-performance, par rapport a` la cible de richesse,
augmente : quand la valeur du taux des frais de gestion variables diminue (toute
chose restant egale par ailleurs), lamplitude de lintervalle des valeurs medianes de
lactif risque o`
u il est optimal de gerer passivement le portefeuille augmente.

et aversion a` la sous-performance - excedent de richesse de
linvestisseur nal - eet du niveau du taux des frais de gestion
variables, c, pour /D 1.

2. STRATEGIE
263
2.2.5. Sensibilite de la valeur des strikes aux variations du paramètre daversion `

Nous analysons leet du changement de valeur du paramètre daversion a` la sousperformance, D, sur les strikes (prix dexercice) des options comprises dans lexpression de la strategie optimale (cf. propriete 33 ci dessus).
Ces strikes sidentient aux bornes des intervalles de valeurs de lactif risque o`
u
lexpression de la strategie optimale reste la meme (etats de richesse). Il y a deux
strikes et trois etats de richesse dans le cas o`
u le paramètre daversion a` la sousperformance est plus eleve que le niveau dincitation nancière ; un seul strike et
deux etats de richesse dans le cas contraire (voir la consequence 15 ci-dessus).
Nous avons represente le niveau de ces strikes, notes M , M min et M max 25,
en fonction de la valeur de laversion à la sous-performance, D, pour = 2 (cf.
gure (Fig.11)), et pour = 5 (cf. gure (Fig.12)).

aversion à la sous-performance - valeurs des Strikes en fonction
du niveau daversion à la sous-performance, D pour = 2
En-dessous dun certain seuil du paramètre daversion a` la perte, (i.e. pour

D D0 ) et toute chose restant egale par ailleurs, la strategie optimale correspond a` lexpression a` deux etats donnee dans la consequence 15 26, et la valeur
du strike M est une fonction decroissante du paramètre daversion a` la sousperformance, D, de lasset manager.
Autrement dit, quand laversion diminue, la longueur de la zone de sous-performance
25. lexpression de M , respectivement M min , respectivement M max , sobtient `
a partir de
ees dans la
celle de H , respectivement H, respectivement H, (dont les expressions sont donn
cons
equence (16)) par la transformation donnant Mt en fonction de celle de Ht dans le cadre du
mod`
ele de Black & Scholes.
26. expression similaire a
` celle de la strat
egie optimale, pour lasset manager non averse `
a la
sous-performance et recevant des frais de gestion variables, qui a et
e
etudi
ee dans le chapitre
pr
ec
edent.
264
`
ET AVERSION A

aversion à la sous-performance - valeurs des Strikes en fonction
du niveau daversion à la sous-performance, D pour = 5
(valeurs basses du sous-jacent) augmente au detriment de la zone de sur-performance.

Ce qui traduit une probabilite de perte accrue.
A linverse, au-dessus de ce meme seuil du paramètre daversion a` la perte, (i.e.
pour D D0 ), et toute chose restant egale par ailleurs, la strategie optimale
correspond a` lexpression a` trois etats qui est donnee dans la consequence 15 27.
Dans ce cas, la valeur du strike M min , respectivement M max , est une fonction
decroissante, respectivement croissante du niveau daversion à la sous-performance,
D.
Ainsi, quand la valeur du paramètre daversion a` la sous-performance, D, augmente,
lintervalle de valeurs medianes du sous-jacent dans lequel la strategie optimale est
une strategie passive setend au detriment des deux autres intervalles de valeurs de
lactif risque o`
u il est optimal de gerer activement le portefeuille.
Quelque soit la valeur consideree du paramètre dincitation nancière, , leet
des variations du niveau daversion a` la sous-performance sur la valeur des strikes
reste le meme (comparer la gure (Fig.11) avec la gure (Fig.12)).
2.2.6. Sensibilite aux variations des paramètres de risque.
(1) Sensibilite aux variations du paramètre daversion au risque, :

Leet sur la strategie optimale du changement de valeur du paramètre
daversion a` la sous-performance, note D, reste le meme quelque soit le
niveau du paramètre, considere (voir les gures (Fig.13) et (Fig.14)
ci-dessous).
27. expression similaire a
` la forme de la strat
egie optimale pour lasset manager averse a
` la
sous-performance et ne recevant pas dincitation nancière, qui a
et
e
etudi
ee dans la partie I.

2. STRATEGIE
265

et aversion a` la sous-performance - excedent de richesse du
portefeuille - eet du niveau daversion a` la sous-performance,
pour 50%.

et aversion a` la sous-performance - excedent de richesse du
portefeuille - eet du niveau daversion a` la sous-performance,
pour 200%.
La baisse du paramètre, , daversion au risque, a pour eet daccroitre

le prol de risque de la strategie optimale (cf. gure (Fig.15)). En eet,
quand la valeur de laversion au risque consideree, , baisse :
-La zone de sous-performance setend a` des valeurs elevees du sous-jacent,
-Le niveau de sous-performance augmente,
-la convexite de la courbe de richesse nale, dans la zone de sur-performance,
saccentue.
266
`
ET AVERSION A
Figure 15. Strategie CRRA avec frais de gestion variables et

aversion à la sous-performance - excedent de richesse du portefeuille - eet du niveau daversion au risque .
(2) Sensibilite aux variations du montant de budget de risque a :

Quand la valeur du budget de risque, a, augmente, le niveau de la sousperformance dans la zone de valeurs basses de lactif risque, augmente (cf.
gure (Fig.16)). Il en va de meme du montant de la sur-performance dans
la zone de de valeurs elevees de lactif risque. Remarquons aussi que la
valeur du strike M est independant du choix de la valeur du paramètre
a. Comme cela est illustre sur la gure (Fig.16),
Figure 16. Strategie CRRA avec frais de gestion variables et

aversion à la sous-performance - excedent de richesse du portefeuille - eet du niveau de budget de risque a.

2. STRATEGIE
267
2.3. Analyse de lallocation dynamique optimale.
Nous analysons la sensibilite de lallocation dynamique optimale (niveau dexposition a` lactif risque et richesse intermediaire) aux variations des paramètres du
modèle considere (taux des frais de gestion variables, c, niveau daversion à la
sous-performance, D, paramètres de risque du modèle considere, a et et horizon
dinvestissement, T ).
Nous souhaitons en particulier comparer lallocation dynamique mise en place par
lasset manager averse a` la sous-performance et recevant des frais de gestion variables (D > 1 et > 1) avec celle du gerant non averse a` la sous-performance mais
recevant des frais de gestion variables (D = 1 et 1, cf. chapitre precedent) et
celle du gerant averse a` la sous-performance mais ne beneciant pas dincitation
nancière (D 1 et = 1, cf. première partie de la thèse).
Nous commenterons egalement les resultats de notre modèle dans le cas particulier o`
u le montant de budget de risque est maximal (i.e. a = W 0 et D 1).
Il sagit dune generalisation du modèle analyse par [Hodder Jackwerth, 2006]
(i.e. a = W 0 et D = 1) `
a la prise en compte de laversion a` la sous-performance de
lasset manager (i.e. D > 1).

dans le cas dun niveau eleve dincitation nancière.
Nous considerons le cas particulier o`
u la valeur numerique du paramètre dincitation nancière est superieure ou egale a` celle du paramètre daversion a` la sousperformance : /D 1.
Nous avons represente, pour dierents niveaux daversion à la sous-performance,
D, la richesse intermediaire du portefeuille optimal (notee Yt , cf. gure ((Fig.17)),
et le niveau optimal dexposition a` lactif risque (note Pt , cf. gure ((Fig.18)), en
fonction de la valeur de lactif risque.
On observe (cf. gure (Fig.17)) que, dans un un intervalle de valeurs medianes a`
basses de lactif risque, la strategie optimale pour lasset manager averse à la sousperformance et beneciant dun niveau eleve dincitation nancière (i.e. /D > 1)
sur-performe la strategie de reference de lasset manager sans incitation et sans
aversion à la sous-performance (i.e. = D = 1 cf. courbe rouge).
Cette sur-performance se traduit par une sur-exposition dont lamplitude est une
fonction decroissante du paramètre D (cf. gure (Fig.18)). De plus, quand le niveau du paramètre D augmente, la zone de sur-performance est translatee vers un
intervalle de valeurs plus basses du sous-jacent.
Enn, on remarque que, quelque soit le niveau du paramètre daversion a` la perte,
il se produit, dans un intervalle de valeurs elevees de lactif risque, une sousexposition a` lactif risque relativement au cas sans incitation et sans aversion (cf.
gure (Fig.18)).
268
`
ET AVERSION A
Figure 17. Strategie CRRA avec frais de gestion variables

et aversion a` la sous-performance - valeurs intermediaires de
lexcedent de richesse du portefeuille - eet du niveau daversion
a la sous-performance pour /D 1 et t = 4.
`

lexposition a` lactif risque - eet du niveau daversion a` la
sous-performance pour /D 1 et t = 4.

Nous nous placons à present dans le cas particulier o`
u la valeur du paramètre dincitation nancière est inferieure a` celle de laversion à la sous-performance : /D 1.
Nous avons represente, pour dierents niveaux du taux des frais de gestion variables, c, la richesse intermediaire du portefeuille optimal (notee Yt , cf. gure
((Fig.19)), et le niveau optimal dexposition a` lactif risque (note Pt , cf. gure
((Fig.20)), en fonction de la valeur de lactif risque.

2. STRATEGIE
269
Nous pouvons faire les remarques suivantes :

Dans un intervalle de valeurs medianes du sous-jacent, lasset manager ayant un
niveau eleve daversion a` la sous-performance et recevant une incitation nancière
(i.e. pour /D 1) choisit de diminuer fortement la fraction de son portefeuille
investie en actif risque (cf. gure (Fig.20)).
Lamplitude de ce creux dexposition, en absolu mais aussi relativement a` la
strategie de reference sans incitation nancière ni aversion a` la sous-performance
(courbe rouge), est une fonction decroissante de c, le taux des frais de gestion variables.
Dans un intervalle des valeurs basses de lactif risque, Il se produit une sur-exposition
par rapport a` la strategie de reference sans incitation ni aversion a` la sous-performance
(cf. gure (Fig.20)).
Cette sur-exposition se traduit par une sur-performance de la strategie avec aversion a` la perte et incitation nancière par rapport a` la strategie sans incitation
nancière ni aversion à la sous-performance (cf. gure Fig.19)) .

a la sous-performance pour /D 1 et t = 4.
`
2.3.3. Sensibilite aux variations des autres paramètres ( et a) et aux variations de lhorizon dinvestissement considere.
Pour lasset manager dont lincitation nancière est plus elevee que le niveau daversion a` la sous-performance (i.e. avec D), les eets, sur lallocation dynamique
optimale, du changement de valeur du paramètre daversion au risque, , du seuil
de perte maximale, a, ou de lhorizon dinvestissement, sont similaires au cas de
lasset manager recevant une incitation nancière mais qui nest pas averse a` la
sous-performance (i.e. > 1 et D = 1 , cf. chapitre precedent).
270
`
ET AVERSION A

sous-performance, pour /D 1 et t = 4.
De meme, pour lasset manager dont le niveau dincitation nancière est moins
eleve que celui de laversion à la sous-performance (i.e. avec < D), les eets, sur
la strategie dynamique optimale, du changement de valeur des paramètres de risque
et de lhorizon dinvestissement sont les memes que pour lasset manager averse à la
sous-performance mais ne recevant pas dincitation nancière (i.e. = 1 et D > 1,
cf. première partie de la thèse).

D dans le cas particulier o`
u a = W 0.
Nons analysons a` present le cas particulier o`
u le budget de risque est maximum :
a = W 0.
Dans ce cas, la strategie de reference, i.e. optimale pour lasset manager sans incitation nancière ni aversion a` la sous-performance (i.e. = D = 1), sidentie au
portefeuille de Merton. Ce portefeuille, note H , est caracterise par une strategie
dynamique à poids constant, note h .
Nous avons represente, pour dierents niveaux du paramètre daversion a` la sousperformance, note D, la richesse intermediaire du portefeuille optimal (notee Yt ,
cf. gure ((Fig.21)), et le niveau optimal dexposition a` lactif risque (note Pt , cf.
gure ((Fig.22)), en fonction de la valeur de lactif risque.
Notons tout dabord que le cas sans aversion (i.e. D = 1, c 0) correspond au
modèle de [Hodder Jackwerth, 2006].
Le niveau dexposition a` lactif risque est une fonction decroissante du paramètre
daversion a` la sous-performance.

2. STRATEGIE
271
En dessous dun certain seuil de valeur du paramètre daversion a` la perte, il y

a sur-exposition par rapport à la strategie de reference (i.e. = D = 1), dans un
intervalle de valeurs medianes de lactif risque. Le montant de la sur-exposition
decrot avec la paramètre D.
Finalement, au dessus de ce meme seuil, la sous-exposition par rapport a` la strategie
de reference (i.e. = D = 1) devient permanente.

a la sous-performance pour a = W 0 et t = 4.
`

sous-performance pour a = W 0 et t = 4 .
`
ET AVERSION A
272
3. Crit`
ere Moyenne Variance avec double contrainte de risque
3.1. Probl`
er
e et expression de la strat
egie
optimale.
Nous considerons dans cette section lasset manager HARA Loss Averse dont
la fonction dutilite est suivante 28 :

u(z ) + (1D)
D u(0) si z < 0
v(z )
(3.1)

si z 0
u(z )/D
avec
z (FT (WT ) FT (W 0 ))/b YT + d M ax (YT , 0): lexcedent de remuneration

par rapport au niveau central de remuneration (à la constante b près),
d c/b: le paramètre dincitation nancière 29,
YT WT W 0 : lecart de valeur nale entre le portefeuille gere et la cible
de richesse de linvestisseur,
u(x): x x2 /2a , la fonction dutilite quadratique,
a 0 W 0 : le seuil de sur-performance maximale autorisee,
avec 0 < 0,
D: le niveau daversion a` la sous-performance de lasset manager,
avec D 1.
Ainsi, nous faisons lhypothèse que lasset manager a une forme generalisee de
fonction dutilite quadratique adaptee à la prise en compte de son aversion à la
sous-performance.
Autrement dit, il cherche a` maximiser lesperance de sa remuneration nale sous
la double contrainte implicite de risque suivante : contrainte de Tracking Error
Volatilite maximale 30 et contrainte desperance de sous-performance maximale 31.
28. il sagit de la fonction dutilit
e HARA loss averse donn
ee par lequation (1.2) dans le cas
particulier o`
u 1, C1 1/A , C2 A/2 et a A 0 W 0 > 0.
29. On rappelle que le param`
etre d est d
eni comme le rapport entre le taux des frais de gestion
variables, not
e c, et le taux des frais de gestion sur encours, note b o`
u on suppose que 0 < b < 1
et 0 c < 1 b.
30. contrainte de niveau maximum de risque mesur
e par l
ecart-type de sa r
emun
eration
exc
edentaire.
31. Il sagit de la contrainte Limited Expected Loss de [Basak et al., 2008] qui est similaire
a la CVaR. Pour plus de d
`
etails sur lintegration de cette contrainte de risque dans le cadre
dun probl`
eme dinvestissement moyenne variance downside risk (i.e. asset manager ayant une
fonction dutilit
e quadratique), voir le chapitre 2 ci-dessus (premi`
ese).
`
3. CRITERE
MOYENNE VARIANCE AVEC DOUBLE CONTRAINTE DE RISQUE
273
De plus, nous supposons que lasset manager doit prendre en compte une contrainte
de richesse nale minimale positive ou nulle 32.
On peut supposer que ces contraintes sont imposees a` lasset manager par linvestisseur dans le cadre du mandat de gestion ou par le risk manager.
Le problème de lasset manager secrit donc de la facon suivante :
Probl`
eme 21.

+
max
E
v(Y
+
d
(Y
)
)
T
T
(P 21) YT L2 (P )
s.a. E(YT /HT ) = 1 W 0 E {1/HT } ; YT Y 0 avec Y 0 < 0
avec
avec
avec
avec
z v(z) u(z)1{z<0} + u(z)/D 1{z0} 33

z u(z) z z 2 /2a la fonction dutilite quadratique,
a, a 0, le paramètre de tolerance au risque de lasset manager,
D, D 1, le degre daversion `
a la sous-performance de lasset manager.
Notons que la strategie optimale du problème (P21) sans la contrainte de protection

(i.e. YT Y 0 ) est celle du problème (P19) dans le cas particulier o`
u lexpression de la fonction dutilite HARA de lasset manager est donnee par lequation
(3.1).
Dans le cas plus general o`
u lasset manager doit prendre en compte une contrainte
dassurance de portefeuille en plus de son aversion au risque, le theorème suivant
donne lexpression de la richesse terminale optimale :
Th
(1) Pour D
YT =
a
(1
0
a(1
0
Y
D k
HT
k
HT
si HT > k D
si k < HT k D
si H < HT k
si HT H
32. Ce qui implique en particulier lexclusion des valeurs de richesses n

egatives qui ne sont
pas souhaitables car sinon cela reviendrait `
a consid
erer que lasset manager peut avoir une
r
emun
eration n
egative ou de mani`
ere
equivalente que la richesse nale de linvestisseur peut etre
n
egative.
En eet si cette contrainte de richesse non negative est naturellement v
eri
ee pour la fonction
dutilit
e CRRA ou Iso-
elastique, car elle exhibe une utilit
e marginale
egale a
` + en 0, ce nest
pas le cas de la fonction dutilit
e quadratique.
Ainsi la richesse terminale, solution optimale du probl`
eme Moyenne Variance sans contrainte
suppl
ementaire dassurance de portefeuille peut prendre des valeurs n
egatives.
33. La r
emun
eration exc
edentaire exprimee en fonction de l
ecart de richesse nale, YT

WT W 0 peut s
ecrire de la mani`
ere suivante : YT ZT YT 1{YT <0} + YT 1{YT 0} ,
o`
u on a pos
e 1 + d.
En remarquant de plus que u(0) = 0, on obtient lexpression suivante de la fonction `
a maximiser
dans le probl`
eme dinvestissement :

si YT < 0
u(YT )
w(YT ) v(ZT )) =
u( YT )/D si YT 0
`
ET AVERSION A
274
(2) Pour D et
YT
(/D1)
( /
34
(D) +1)
k
D
HT )
k
=
a(1 HT )
0
Y
a
(1
si HT > H
si H < HT H
si HT H
(3) Pour D et 0 < ,

YT
avec H =
k
1+ ,

=
H =
a
(1
0
k
1+ ,
D k
HT
si HT > H
si HT H
avec pour D, H
35
kD

1

1 + ((2 D) 2 + 2 ( D)
avec Y 0 /a o`
u > 0 et o`
u on a pose 1 + d,
et avec k veriant lequation de budget suivante : E(YT /HT ) = 1W 0 E {1/HT },
Par voie de consequence, on en deduit les resultats suivants :

Cons
equence 17. Pour = D,
(1) La richesse terminale optimale correspondant au problème (P21) est donnee par
lexpression suivante :
a
k
(1 HT ) si HT > k
k
a(1 HT ) si 1(Yk0 )/a < HT k

YT =
Y0
si HT 1Yk0 /a
avec YT :

a(1 HkT ) si HT > 1Yk0 /a
YT
Y0
si HT 1Yk0 /a
Il sagit, `
a la constante k près, de lexpression de la remuneration de lasset manager
de reference 36.
Autrement dit, `
a la contrainte de budget près, lasset manager recevant des frais
de gestion variables a le meme prol de gain optimal que lasset manager sans
incitation nancière et sans aversion.
Les expressions de la valeur intermediaire et de lallocation dynamique de la strategie

optimale sont donnees dans les proprietes (35) et (36) ci-dessous :
34. est solution de H = k/ (1 + ). De facon
equivalente, est solution de l
equation
suivante : f (1 + ) = 0 avec f (x) g(xD/)/D g(1 + ) + a(1 + x) ou encore
f (1 + ) g((1 + )D/) g(1 + ) = 0 avec g(x)
u [I(x)]
x [I(x)] a2 (1 x)2 .

35. k/H est solution de l
equation suivante : f
k
H
=0
avec f (x) g(xD/)/D g(1 + ) + a(1 + x) et avec g(x) u [I(x)] x [I(x)] a2 (1 x)2
36. asset manager sans aversion `
a la sous-performance et sans commission de sur-performance
mais soumis `
a la m
eme contrainte de protection que celle du probl`
eme consider
e.
`
3. CRITERE
275
Propri
et
e 35. La valeur `
notee Yt , est donnee par la formule suivante :
(1) Pour D
Yt

akD
1+
1
, T t)+ak P (It ,
, T t) P (It , , T t)
= Y ZC(T t)+ 2 P (It ,
kD
k
k
0
(2) Pour D et
Yt
(/D1)
( / (D) +1)
D
a
= Y ZC(T t)+ak( 2 1)P (It , I , T t)+akP (It , I , T t)+
D
0

D
1
B(It , I , T t)
(3) Pour D et 0 < ,
akD
a 2
P (It , I , T t)+
( D) 2 + 2( D) B(It , I , T t)
2
avec It qui designe la valeur intermediaire du portefeuille, atteignant la richesse

terminale, IT 1/HT ,
Yt = Y 0 ZC(T t)+
avec 1 + d, Y 0 /a, I = 1/H , I = 1/H , I = 1/H , o`

u H , H ,
H et k tels que denis dans le theorème 9,

avec P (Zt , X, T t), (resp. B(Zt , X, T t)) qui designe la valeur de loption put
europeen, (resp. de loption Put binaire Cash or Nothing) de strike X, decheance
T t, sur le sous-jacent Zt et ZC(T t) le prix de lobligation Zero-Coupon
decheance T t obtenus dans le cadre du modèle a
` deux actifs de Black & Scholes.
Propri
et
e 36. Dans le cadre du modèle de Black & Scholes (`
a une seule

wt Wt
dW
Ou wt Wt dItt (h)It est donnee par la formule suivante :

Pour D,

D
1+
1
wt Wt = akhIt 2 N (d1 (
)) + N (d1 (
)) N (d1 ( ))
kD
k
k
Pour D et
(/D1)
,
( / (D) +1)

D
a
D er(T t) h(d2 (I ))
= akhIt
1 N (d1 (I )) + N (d1 (I )) +
1
T t
2
D
Pour D et 0 < ,
wt Wt

wt Wt
er(T t) h(d (I ))
akD
a 2
2
= 2 hIt N (d1 (I ))+

( D2 ) 2 + 2( D)
T t
avec N (.), resp. (.), la fonction de repartition, resp. la fonction de densite, de la

loi normale,
avec d1 (X) ln( e{r(T t)}IXt / + /2 et d2 (X) d1 (X) ,
`
ET AVERSION A
276

2
avec ( )2 V ar ln( IITt ) = () (T t),
et avec les autres paramètres et variables tels que denis dans le theorème 9.
Cette propriete nous permet en particulier, à tout instant t, dexprimer la valeur de
la richesse optimale en excès du celle du benchmark, notee Yt , en fonction de Mt ;
expression qui nous sera utile pour analyser les proprietes de la strategie optimale.
e du pay-o optimal.
Nous analysons leet sur le prol de gain optimal de lexistence dune remuneration
incitative couplee a` une double contrainte daversion a` la sous-performance et dassurance de portefeuille.
En particulier, nous voulons comparer le prol de gain optimal pour lasset manager
averse a` la sous-performance et recevant des frais de gestion variables avec celui de
lasset manager sans incitation nancière et/ou sans aversion a` la sous-performance.
En nous appuyant sur le meme exemple dapplication numerique, dans le cadre
du modèle de B & S `
a deux actifs, que celui de la section precedente 38, nous
etudions la sensibilite du prol de gain optimal aux variations des paramètres de
remuneration et de risque du modèle considere.

- cas de lasset manager beneciant dun niveau eleve dincitation nancière.
u la valeur du paramètre dincitation nancière,
1 + c/b, est plus elevee que celle du paramètre daversion a` la sous-performance,
D : /D 1.
Nous avons represente, pour dierentes valeurs de laversion à la sous-performance,
D 39, lexcedent de richesse nale du portefeuille (cf. gure (Fig.23)), de lasset manager (cf. gure (Fig.24)) et de linvestisseur (cf. gure (Fig.25)) en fonction de la
Les caracteristiques du prol de gain optimal pour lasset manager, averse a` la
sous-performance et beneciant dune incitation nancière, changent en fonction
et
eciproquement :
on a Ht = (t)(Mt )h avec (t) e(r( 2 2 ))t = e(1h)(r+ 2h )t = e(1h)(r+

Ht
H0 e(1h
(/)2
)(r+ 2h
)t
H0 e(1h
2
)(r+ h 2
)t
h2
2
)t
= (t)(Mt
avec (t)
=
.
38. On rapelle que les valeurs num
eriques utilis
ees sont les suivantes : r = 4%, = 10%,
= 20%, = 75%, T = 5, et W 0 erT = 122% ; ce qui donne en particulier = 30%, h = 150%
et h = 200%.
39. pour une valeur x
ee du taux des frais de gestion variables c v
eriant /D 1.
et
)h
`
3. CRITERE
277
du niveau daversion à la sous-performance considere.
(1) Discontinuite de la richesse terminale :

Pour D < , le pay-o est discontinu (ce qui nest pas le cas de celui
de la strategie sans incitation nancière, cf. courbe rouge) et lamplitude
de cette discontinuite diminue en meme temps que le niveau du paramètre
daversion a` la sous-performance, D, augmente.
A la valeur seuil, D = , cas o`
u le paramètre daversion a` la sousperformance est egal au niveau du paramètre dincitation nancière, le
pay-o de la strategie optimale devient continu (cf. gure (Fig.23)).
(2) Prol de gain du portefeuille :
On peut observer sur la gure (Fig.23) que le niveau de risque du prol
de gain de la strategie optimale est une fonction decroissante du niveau
daversion a` la sous-performance ; plus daversion a` la sous-performance
implique moins de perte dans les scenarios de marche defavorables et moins
de plus-value dans les cas favorables.
(3) Prol de remuneration de lasset manager :
Globalement, laversion a` la sous-performance a pour eet de diminuer
de manière consequente lexcès de remuneration percu par lasset manager qui est lie `
a lincitation nancière (cf. gure (Fig.24)) :
le prol de lasset manager avec incitation et sans aversion à la perte
(courbe bleue) est discontinu et fortement excedentaire (par rapport
au cas sans inicitation nancière, courbe rouge) dans la zone de surperformance,
au contraire, pour une valeur du paramètre dincitation nancière et du
paramètre daversion a` la perte identique
(i.e. cas D = 1 + c/b = 5 > 1, cf. courbe rose), lasset manager a
un prol de remuneration continu et beaucoup moins excedentaire.
On en deduit que la prise en compte par lasset manager, recevant une incitation
nancière, dune contrainte implicite daversion a` la perte change son comportement dinvestissement de la manière suivante :
dune part, le prol de gain pour linvestisseur est plus equilibre que dans
le cas sans contrainte daversion a` la sous-performance. Cela se traduit par
plus de gain en cas de sous-performance, un faible co
ut dopportunite en cas
de sur-performance, et un saut de richesse moins important entre la zone de
gain et de perte,
dautre part, le prol de remuneration pour lasset manager est moins asymetrique ;
le cas D = correspondant a un prol de remuneration parfaitement symetrique.
278
`
ET AVERSION A
Figure 23. Strategies optimale du problème Moyenne-Variance

avec frais de gestion variables et aversion a` la sous-performance excedent de richesse du portefeuille - eet du niveau daversion a`
la sous-performance D pour c xe et /D 1.
Figure 24. Strategie optimale du problème Moyenne-Variance

avec frais de gestion variables et aversion a` la sous-performance excedent de richesse de lasset manager - eet du niveau daversion
a la sous-performance, D pour c xe et /D 1.
`
`
3. CRITERE
279

avec frais de gestion variables et aversion a` la sous-performance
- excedent de richesse de linvestisseur nal - eet du niveau
daversion a` la sous-performance, D pour c xe et /D 1.
3.2.2. Sensibilite aux variations du paramètre dincitation nancière - cas central o`

u le paramètre daversion `
a la sous-performance est egal au niveau dincitation nancière.
Nous nous placons dans le cas o`
u le paramètre dincitation nancière est egal a`
celui de laversion à la sous-performance : D 1 avec 1 + c/b.
Nous avons represente, pour dierentes valeurs du taux des frais de gestion variables
c 40, lexcedent de richesse nale du portefeuille (cf. gure (Fig.26)), de lasset manager (cf. gure (Fig.27)) et de linvestisseur (cf. gure (Fig.28)) en fonction de la
Quelque soit la valeur des paramètres c et D consideres, veriant D = 1, les
caracteristiques du prol de gain optimal pour lasset manager restent inchangees :
le pay-o de la strategie optimale est continu (cf. gure (Fig.26)).
le niveau de risque global est une fonction decroissante du paramètre dincitation nancière (ou de facon equivalente, une fonction croissante du niveau
daversion a` la sous-performance). Ceci se traduit par plus de gain dans les
scenarios de marche defavorables et moins de plus-value dans les scenarios
favorables (cf. gure (Fig.26)).
Le prol de remuneration de lasset manager est symetrique et continu (cf.
gure (Fig.27)).
40. pour une valeur variable du param`

etre daversion a
` la sous-performance, D, v
eriant D =
1 + c/b et avec b x
e.
280
`
ET AVERSION A

avec frais de gestion variables et aversion a` la sous-performance excedent de richesse du portefeuille - eet du niveau du taux des
frais de gestion variables c pour D = .

avec frais de gestion variables et aversion a` la sous-performance excedent de richesse de lasset manager - eet du niveau du taux
des frais de gestion variables c pour D = .

u le niveau dincitation nancière est inferieur à
celui de laversion à la sous-performance : /D 1 avec 1 + c/b.
`
3. CRITERE
281

- excedent de richesse de linvestisseur nal - eet du niveau du
taux des frais de gestion variables c pour D = .
Nous avons represente, pour dierentes valeurs du taux des frais de gestion variables, c 41, lexcedent de richesse nale du portefeuille en fonction de la valeur de
lactif risque (cf. gure (Fig.29)).
Cette gure nous montre que le prol de gain optimal pour lasset manager averse
a la perte, et dont le niveau dincitation nancière est plus faible que son aversion
`
a la sous-performance (i.e. D > 1), est semblable a` celui dun asset manager
`
averse à la sous-performance mais ne beneciant pas dincitation nancière
(i.e. D > = 1, cf. première partie de la thèse).
Le niveau de risque du portefeuille optimal crot avec la valeur du taux des frais
de gestion variables : en particulier, quand la valeur de c augmente, lamplitude de
lintervalle, o`
u il est optimal de gerer passivement le portefeuille, diminue.
41. pour un niveau x

e du param`
etre daversion a
` la sous-performance, D.
282
`
ET AVERSION A

- eet du niveau du taux des frais de gestion variables c pour
/D 1.
3.2.4. Sensibilite de la valeur des strikes aux variations du paramètre daversion `

Nous analysons leet du changement de valeur du paramètre daversion a` la sousperformance, D, sur les strikes (prix dexercice) des options comprises dans dans
lexpression de la strategie optimale (cf. propriete 35 ci dessus).
Ces strikes sidentient egalement aux bornes des intervalles de valeurs de lactif risque o`
u lexpression de la strategie optimale reste la meme (i.e. les dierents
etats de richesse), voir le theorème 9 ci-dessus.
Nous avons represente le niveau de ces strikes, notes M0 , M min , M max et M 42,
en fonction de la valeur de laversion à la sous-performance, D, pour Y 0 = (cas
sans protection de la richesse nale, cf. gure (Fig.30)), et pour Y 0 = 22% (cas
avec protection de lintegralite du capital investi, cf. gure (Fig.31)).
Tout dabord commentons le cas o`

u il ny a pas de protection de richesse (voir
la gure (Fig.30)) :
(1) Pour D > = 5,

Pour ces valeurs les plus elevees du paramètre daversion a` la perte, D,
la strategie optimale prend une forme à trois etats similaire a` celle de la
strategie optimale pour lasset manager averse à la perte mais ne recevant
42. lexpression de M0 , respectivement M min , respectivement M max , respectivement M
sobtient de celle de H , respectivement k, respectivement k D/, respectivement H par la
fonction de transformation donnant la valeur de Mt en fonction de celle de Ht dans le cadre du
mod`
ele de Black & Scholes.
`
3. CRITERE
283

- valeurs des Strikes en fonction du niveau daversion a` la sousperformance, D
Les valeurs numeriques utilisees sont les suivantes : Y 0 = ,
a = 50%, b = 5%, c = 20% ; ce qui implique = 5.

sans assurance de portefeuille - valeurs des Strikes en fonction
du niveau daversion à la sous-performance, D
Les valeurs numeriques utilisees sont les suivantes : Y 0 = 22%,
a = 50%, b = 5%, c = 20% ; ce qui implique = 5.
pas dincitation nancière (voir partie I de la thèse).
La largeur de lintervalle de valeurs du sous-jacent dans lequel il est
optimal de gerer passivement le portefeuille est une fonction croissante
du paramètre daversion a` la perte, D. Ainsi, M min est une fonction
decroissante du paramètre D tandis que M max est une fonction croissante de ce meme paramètre.
284
`
ET AVERSION A
A la valeur limite, D = , il nest plus optimal de gerer passivement

le portefeuille puisquon a M min = M max .
(2) Pour D = 5,
Pour ces valeurs les plus basses du paramètre daversion a` la sous-performance,
la strategie optimale prend une forme à deux etats similaire a` lexpression de la strategie optimale pour lasset manager non averse a` la sousperformance mais beneciant dune incitation nancière (analysee dans la
quatrième section du precedent chapitre).
Dans le cas o`
u lasset manager doit tenir compte dune contrainte de protection (cf.
gure (Fig.31), on peut faire les remarques suivantes :
(1) Pour D > = 5,
Pour ces valeurs les plus elevees du paramètre daversion a` la perte, D, la
strategie optimale prend une forme à quatre etats similaire a` celle de la
strategie optimale pour lasset manager averse à la perte, sous contrainte
dassurance de portefeuille, et ne recevant pas dincitation nancière (voir
partie I de la thèse).
On observe le meme eet que dans le cas sans protection de capital :
lamplitude de la zone o`
u il est optimal pour lasset manager de gerer passivement le portefeuille est une fonction croissante du paramètre daversion a` la sous-performance, D.
Ainsi, quand le paramètre daversion a` la sous-performance, D, augmente,
la zone de gestion passive setend au detriment des autres zones de richesses elevees et basses o`
u il est optimal de gerer activement le portefeuille ou bien dimplementer une strategie dassurance de portefeuille
(zone de valeurs de lactif risque les plus faibles, i.e. sous- jacent en dessous du seuil M0 ).
(2) Pour D = 5 et D > 1,
La strategie optimale prend la forme à trois etats du theorème 9.
Quand le paramètre daversion a` la sous-performance, D, diminue, la
zone o`
u la contrainte de protection du capital est active (assurance de
portefeuille) crot au detriment de la zone de gestion active avec sousperformance.
(3) pour D = 1
La strategie optimale admet lexpression à deux etats du theorème 9.
La richesse nale du portefeuille passe directement dun etat de surperformance o`
u la gestion du portefeuille est active et favorise la remuneration
de lasset manager a` un etat de protection de la richesse nale (il ny a
plus detat intermediaire de gestion active avec sous-performance).
`
3. CRITERE
285
Nous en deduisons que la prise en compte dune contrainte daversion a` la sousperformance tend a` modier le comportement de lasset manager recevant des frais
de gestion variables et lincite naturellement à adopter le comportement typique
dun investisseur averse à la sous-performance.
Lasset manager va ainsi arbitrer, en partie ou integralement (dautant plus que
son aversion à la sous-performance est grande), letat de sous-performance et de
sur-performance, o`
u lasset manager suit une gestion active ou dassurance de portefeuille, au prot dun etat de gestion passive sans exposition à lactif risque (zone
o`
u la richesse nale est egale a` la cible de richesse de linvestisseur).
Nous etudions la sensibilite de lallocation dynamique optimale aux variations du
paramètre daversion a` la sous-performance, D, et du taux des frais de gestion variables c.
En particulier nous comparerons lallocation dynamique mise en place par lasset manager averse a` la sous-performance et recevant des frais de gestion variables
(D > 1 et > 1) a` celle du gerant sans aversion a` la sous-performance et/ou sans
ne beneciant pas de frais de gestion variables (D = 1 et/ou = 1).

dans le cas dun niveau eleve dincitation nancière.
u la valeur numerique du paramètre dincitation nancière est superieure ou egale a` celle du paramètre daversion a` la sousperformance : /D 1.
Nous avons represente, pour dierents niveaux daversion à la sous-performance,
D, la richesse intermediaire du portefeuille optimal (notee Yt , cf. gure ((Fig.32)),
et le niveau optimal dexposition a` lactif risque (note Pt , cf. gure ((Fig.33)), en
fonction de la valeur de lactif risque.
Dans une zone de valeurs medianes du sous-jacent, la strategie avec aversion et
niveau dincitation eleve (i.e. /D 1) sur-performe la strategie de reference sans
incitation et sans aversion (courbe rouge) (cf. gure (Fig.32)).
Cette sur-performance se traduit par une sur-exposition relativement a` la strategie
de reference sans incitation et sans aversion. Lamplitude de cette sur-exposition
est une fonction decroissante du paramètre D. Finalement, quand le niveau du paramètre D augmente, la zone de sur-performance est translatee vers des valeurs
plus basses du sous-jacent (cf. gure (Fig.33)) .
Enn, on observe une sous-exposition importante par rapport au cas sans incitation et sans aversion dans une zone de valeurs medianes-hautes du sous-jacent
(cf. gure (Fig.33)).
286
`
ET AVERSION A

avec frais de gestion variables et aversion a` la sous-performance valeurs intermediaires de lexcedent de richesse du portefeuille eet du niveau daversion a` la sous-performance pour /D 1 et
t = 4.

- valeurs intermediaires de lexposition a` lactif risque - eet du
niveau daversion a` la sous-performance pour /D 1 et t = 4.
`
3. CRITERE
287

Nous nous placons à present dans le cas particulier o`
u la valeur du paramètre dincitation nancière est inferieure a` celle de laversion à la sous-performance : /D 1.
Nous avons represente, pour dierents niveaux du taux des frais de gestion variables, c, la richesse intermediaire du portefeuille optimal (notee Yt , cf. gure
((Fig.34)), et le niveau optimal dexposition a` lactif risque (note Pt , cf. gure
((Fig.35)), en fonction de la valeur de lactif risque.
Dans une zone des valeurs medianes du sous-jacent, lasset manager avec incitation nancière et ayant un niveau eleve daversion à la sous-performance (i.e. pour
/D 1) choisit de de-investir fortement son portefeuille en actif risque (cf. gure (Fig.35)). A noter que lamplitude de cette sous-exposition est une fonction
decroissante du taux des frais de gestion variables, c.
Dautre part, on observe sur la gure (Fig.35) quune sur-exposition par rapport a`
la strategie de reference, sans incitation nancière ni aversion à la sous-performance
(courbe rouge), se produit dans la zone de valeurs les plus basses de lactif risque.
Dans cet etat de sur-exposition a` lactif risque, la strategie avec aversion à la sousperformance et incitation nancière, sur-performe la strategie de reference sans incitation nancière ni aversion a` la sous-performance (courbe rouge, cf.gure Fig.34).
Enn, on notera que le niveau de risque global du prol de gain de lasset manager averse a` la sous-performance est une fonction croissante du taux des frais de
gestion variables c. En eet, quand la valeur du paramètre c augmente,
-il y a moins de gain / moins dexposition risquee dans une zone de valeurs basses
de lactif risque,
-il y a plus de gain / plus dexposition risquee dans une zone de valeurs medianes
de lactif risque,
-il y a moins de gain / moins dexposition risquee dans une zone de valeurs elevees
de lactif risque.
On comparera sur la gure (Fig.35), la courbe bleue (cas sans incitation) avec
la courbe verte et la courbe rose (cas avec incitation nancière correspondant respectivement a` c = 10% et c = 20%).
288
`
ET AVERSION A

avec frais de gestion variables et aversion a` la sous-performance valeurs intermediaires de lexcedent de richesse du portefeuille eet du niveau daversion a` la sous-performance pour /D 1 et
t = 4.

- valeurs intermediaires de lexposition a` lactif risque - eet du
niveau daversion a` la sous-performance, pour /D 1 et t = 4.
4. CONCLUSION DU CHAPITRE
289
Nous avons resolu le problème dinvestissement de lasset manager HARA, beneciant

dune incitation nancière sous la forme de frais de sur-performance, et qui cherche
a maximiser lutilite esperee de sa remuneration nancière, à un horizon dinvestis`
sement donne, et sous contrainte daversion à la sous-performance.
Nous avons montre que le prol de gain optimal depend du rapport entre le paramètre dincitation nancière, note 43, et le paramètre daversion a` la sousperformance, note D 44, de la manière suivante :
(1) Pour lasset manager qui est faiblement averse a` la perte ( > D > 1),
le prol de richesse ressemble à celui de lasset manager non averse a` la
perte et recevant une incitation nancière ( > D = 1).
Pour lasset manager CRRA, il sagit dun prol asymetrique et discontinu à deux etats de richesse plus risque que celui de lasset manager
de reference sans aversion ni incitation nancière (cas = D = 1 o`
u le
pay-o est symetrique et continu).
Pour lasset manager ayant une fonction dutilite quadratique et soumis
a une contrainte supplementaire dassurance de portefeuille, le prol est
`
asymetrique et discontinu à deux ou trois etats de richesse. Pour un niveau susamment elevee de la contrainte de protection 45, la strategie
optimale prendra une forme à deux etats moins risquee que la strategie
suivie par lasset manager de reference sans aversion ni incitation nancière. Dans le cas contraire (i.e. niveau de protection faible), la
strategie prendra une forme à trois etats de richesse plus risquee que la
strategie de reference.
une courbe dexposition à lactif risque en fonction de la valeur de cet
actif en forme de cloche asymetrique : il se produit un pic dexposition (qui correspond egalement au pic de sur-exposition par rapport
au cas sans incitation nancière) dans un intervalle de valeurs basses à
medianes du sous-jacent.
43. dont lexpression exacte est la suivante : 1 + c/b o`

u c est la valeur du taux des frais de
sur-performance et b celle du taux des frais de gestion sur encours
44. qui d
epend implicitement du niveau maximum tol
er
ee desp
erance de sous-performance
(Limited Expected Loss), voir la premi`
ese.
45. toute chose restant
egale par ailleurs
290
`
ET AVERSION A
(2) Pour lasset manager qui est fortement averse à la perte (D > > 1),
le prol de gain est similaire a` celui de lasset manager averse a` la perte
et sans incitation nancière (D > = 1) :
un prol asymetrique et continu a` trois ou quatre etats de richesse 46
qui est moins risque que celui de lasset manager de reference sans aversion ni incitation nancière (cas D = = 1 pour lequel le pay-o est
symetrique et continu).
un etat de richesse supplementaire, par rapport a` la strategie de reference
D = = 1, qui correspond a` un intervalle de valeurs intermediaires de
lactif risque dans lequel le gerant implemente une gestion passive.
La courbe du poids de lactif risque investi dans le portefeuille optimal,
exprime en fonction de la valeur de cet actif, ressemble à une forme de
cloche inversee et asymetrique : dans une zone de valeurs medianes de
lactif risque, lasset manager diminue fortement linvestissement de son
portefeuille dans lactif risque. Ce qui se traduit egalement par une sousexposition par rapport au portefeuille de lasset manager de reference,
sans incitation nancière ni aversion à la sous-performance.
(3) Pour lasset manager qui est moderement averse à la perte (D = > 1),
le prol de la remuneration de lasset manager est continu et symetrique
et ressemble à celui de lasset manager de reference (à la contrainte de
budget près).
le prol de gain de linvestisseur, egalement continu, reste asymetrique
(prol averse a` la sous-performance) et plus defensif que la strategie de
reference (sans aversion à la sous-performance ni incitation nancière a`
la sous-performance, i.e. D = = 1).
46. trois
etats pour le prol de gain de lasset manager CRRA, et quatre
etats pour lasset
manager quadratique qui doit prendre en compte une contrainte suppl
ementaire dassurance de
portefeuille.
ANNEXE A
D
emonstrations partie 1
Preuve du th
eor`
eme 1.
(a) 1er cas: : Fonction dutilite discontinue

La demonstration dans ce cas est similaire a` celle de la proposition 1 dans ([Basak Shapiro, 2001]).
Ces auteurs utilisent une approche permettant de resoudre des problèmes dynamiques non standards (pour des fonctions non concaves et non dierentiables) ; la
demonstration se fait en deux etapes :
(1) Tout dabord, on montre que le convexe conjugue (ou transforme de LegendreFenchel) du problème (P1), deni par
U (T ) = M ax {U (W ) kT W }, avec T 1/HT ,
W
a pour solution ( point par point ) lexpression WT telle que denie explicitement dans le theorème 1.
En considerant separement le maximum local pour la partie superieure et pour
la partie inferieure a` W 0 , on peux appliquer les CPO
(ou conditions de Khun et Tucker) localement et on trouve :

-pour W W 0 , un maximum local egal a` M ax W 0 , I(kT )

-pour W < W 0 , un maximum local egal a` M in W 0 , I(kT )
Donc le maximum global est, selon les cas, soit W1 = I(kT ), soit W2 = W 0 ;
Si U (W1 ) kT W1 > U (W2 ) kT W2 , W1 est le maximum globale sinon cest
W2
(a) Pour A > 0 H < H,

les dierents sous-cas sont les suivants :
-Pour T < , avec 1/H u (W 0 )/k , on trouve que I(kT ) est le maximum.
-Pour T < , avec 1/H > , solution de lequation u(I(k))
(k)u(I(k)) u(W 0 ) + (k)W 0 = A , on trouve pour maximum W 0 .
-Pour T , on trouve que I(kT ) est le maximum.
291
292
A. DEMONSTRATIONS
PARTIE 1
(b) Pour A = 0 H = H 1,
lexpression de WT , telle que denie explicitement dans le theorème 1, est donnee
par I(kT ), avec T 1/HT .
On demontre quil sagit bien de lexpression de la richesse terminale optimale du
problème dinvestissement considere pour A = 0 : la resolution est celle du problème
de lasset manager HARA sans contrainte daversion sous lhypothèse dune fonction dutilite concave et dierentiable.
C.Q.F.D.
(2) Montrons maintenant que W telle que U (T ) M ax {U (W ) kT W } = U (W )
W
kT W est solution du problème statique considere (P1) :

Considerons une strategie quelconque admissible veriant la contrainte de budget et dont la valeur nale est notee WT .
On a
E [U (WT )] E [U (WT )] =
E [U (WT )] E [U (WT )] E(kT WT ) + E(kT WT ) =
E [U (T )] (E [U (WT )] E(kT WT )) 0
La première egalite se deduit de la contraint de budget du problème consideree
qui est veriee a` la fois par WT et par WT . Linegalite est une consequence directe
du resultat demontre dans le premier point.
(3) Conclusion : WT est solution du problème statique considere (P1).
(b) 2d cas: Fonction dutilite continue

Il sagit du problème (P19) dans le cas particulier o`
u linvestisseur est averse à
la sous-performance mais ne recoit pas dincitation nancière. La solution de ce
problème est donnee dans le theorème 9 (cf. chapitre 5 de la seconde partie de la
thèse).
Ainsi, lexpression de la richesse terminale optimale correspond a` celle de la solution du problème (P19) pour un choix de la valeur du paramètre dincitation
nancière egale a` 1 : = 1 (cas o`
u il ny a pas dincitations nancières).

1. Ce choix de valeurs seuils du portefeuille H revient `
a consid
erer un param`
etre, A, daversion
` la perte,
a
egal a
` 0. Or la valeur 0 est un minorant du paramètre A (cas du niveau daversion a
`
la perte minimal pour lequel la contrainte de p
enalisation de la sous-performance ne joue pas), et
on peut donc consid
erer, sans perte de gen
eralit
e que H est un majorant de H.

A. DEMONSTRATIONS
PARTIE 1
293
Preuve de la propri
et
e 1 et de la cons
equence 1.
Voir [Basak Shapiro, 2001]
Preuve de la cons
equence 2.
La strategie peut etre vue comme la somme des deux strategies suivantes :
(1) une strategie dassurance de portefeuille :

Cette strategie a pour sous-jacent le portefeuille de Merton et correspond a` niveau de protection egal a` W 0 ;
(2) une strategie vendeuse de protection :

Cette strategie comprend une position vendeuse dune option Put et une position
vendeuse dune option binaire versant (W 0 W ).
Ces deux options ont pour sous-jacent le portefeuille de Merton atteignant la ri1/
chesse HT et pour strike lexpression suivante :
W yH 1/ avec y k 1/ et avec H solution de lequation P (HT H) = .
On en deduit lexpression cherchee :
Wt = W0 er(T t) + C(yHt , W 0 , T t) P (yHt , W , T t)
+ (W W 0 )B(yHt , W , T t)
avec C(yHt , W 0 , T t) (resp. P (yHt , W , T t) , resp. B(yHt , W , T t) )
la valeur, à la date t, du Call europeen (resp. Put europeen, resp. option Binaire)
decheance T t , de strike W 0 , ( resp. W , resp. W ) sur le sous-jacent yHt
.
Preuve de la propri
et
e 2.
Dans le cas dun investisseur CRRA, on a I(x) x1/ , et u (x) x , et

on trouve le resultat cherche par application directe du theorème 1.
Preuve de la propri
et
e 3.
Dans le cas o`
u linvestisseur considere est CRRA, et si WT est la solution du
problème (P3)(A) avec A veriant A = u(I(k/H)) (k/H)u(I(k/H)) u(W 0 ) +
(k/H)W 0 et H veriant P (HT H) = , alors il est facile de voir que WT est aussi
la solution du problème (P2)() dont lexpression est donnee dans la propriete 1.
294
A. DEMONSTRATIONS
PARTIE 1
La reciproque sobtient de la meme manière en partant de lexpression de WT ,

la solution du problème (P2)() donnee dans la propriete 1, et en considerant lexpression de la solution optimale du problème (P3)(A)donnee dans la propriete 2.
Preuve de la propri
et
e 4.
Cette demonstration se trouve dans [Berkelaar et al., 2004] qui suivent la meme
methode de resolution que ([Basak Shapiro, 2001]) ; on rappelle que celle-ci permet de resoudre des problèmes dynamiques non standard (non concaves et/ou non
dierentiables).
Elle se fait en deux etapes :
1) Les auteurs montrent dans un premier temps que le convexe conjugue du problème
(P4), denie par U (T ) = M ax {U (W ) kT W }, avec la notation T 1/HT a
W
pour solution ( point par point ) lexpression WT telle que denie explicitement
dans la propriete 4.
2) Ils montrent ensuite que W = U (T ) M ax {U (W ) kT W } est solution
W
du problème statique considere (P4).

Ils en concluent que WT est solution du problème statique considere (P4).
Preuve de la cons
equence 3.
On montre que la strategie optimale peut etre vue comme la combinaison de plusieurs positions optionnelles elementaires comprenant :
-une position acheteuse investie sur une strategie dassurance de portefeuille optionnelle ( Option Based Portfolio Insurance ) dont le sous-jacent est, a` une constante
1/
multiplicative près, le portefeuille de Merton (sa valeur nale est yB HT ) et dont
0
le niveau de protection est egal a` W .
-une position vendeuse sur une option Put ecrite, au levier près, sur le meme sous1/
jacent (sa valeur nale est yA HT ) et de strike W 0 ,
o`
u on a pose yA 1/(k/A)1/ et yB 1/(k/B)1/ .
On en deduit lexpression cherchee :
Wt = W0 er(T t) + C(yB Ht , W 0 , T t) P (yA Ht , W 0 , T t)
O`
u C(Zt , W 0 , T t) (resp. P (Zt , W 0 , T t)) designe la valeur à la date t, du
Call europeen (resp. Put europeen) decheance T t, de strike W 0 et ecrite sur le
sous-jacent Zt .

A. DEMONSTRATIONS
PARTIE 1
295
Preuve de la propri
et
e 5.
Voir [Basak Shapiro, 2001]
Preuve de la propri
et
e 6.
Si WT est la solution du problème (P4)(A, B) avec A et B veriant B = k/k1 et A =
k/(k1 k2 ) ou k1 et k2 sont solutions du système dequations suivant :
E(WT (k1 , k2 )/HT ) = 1

E (1/HT )(W 0 WT (k1 , k2 ))1 W (k ,k )W 0 = ou k2 = 0
{
}
1 2
T
alors, par application directe de la propriete 5, on en deduit que WT est aussi

la solution du problème P5().
En utilisant la propriete 4, la reciproque sen deduit aisement.
Preuve de la propri
et
e 8 et 9 .
Voir [Berkelaar Kouwenberg, 2000]
Preuve des cons

equences 5 et 6 .
Ces resultats sobtiennent par application directe des proprietes 8 et 9.
Preuve de la propri
et
e 10.
La demonstration est identique à celle de [Berkelaar Kouwenberg, 2000] ;

il sut pour cela :
- de supposer que linvestisseur nest pas averse à la sous-performance,
- de remplacer, dans la fonction objective, le paramètre daversion implicite A
du problème (P7) de [Berkelaar Kouwenberg, 2000], par le coecient de Lagrange correspondant aux contraintes explicites de risque de sous-performance que
nous avons introduites dans lenonce du problème (P8).
Preuve de la cons
equence 7 .
Le resultat sobtient par application directe de la propriete 10 et des proprietes
8 et 9.

A. DEMONSTRATIONS
PARTIE 1
296
Preuve du th
eor`
eme 2 .
On suit les memes etapes que dans la demonstration du theorème 1 pour determiner
la solution du problème dinvestissement (P1) avec fonction dutilite discontinue
(dont lexpression correspond au cas a) du theorème 1, voir aussi [Basak Shapiro, 2001].
Notre demonstration se distingue de celle de [Basak Shapiro, 2001] par le fait
que nous considerons une fonction dutilite specique de type quadratique et une
contrainte supplementaire dassurance de portefeuille dans le problème dinvestissement.
(1) Tout dabord on montre que le convexe conjugue (ou transforme de LegendreFenchel) du problème (P10), U (T ) a pour solution ( point par point ) lexpression WT telle que denie explicitement dans le theorème 2.
U (T ) est denie par lexpression U (T ) = M ax {U (W ) kT W }
avec T 1/HT ,

et avec U (x) =
W W
u(x) B si x < W 0
u(x) si x W 0
et o`
u u(x) = x (1/2a)x2 .

la partie inferieure a` W 0 , on peux appliquer les CPO ( ou conditions de Khun
et Tucker) localement et on trouve :

-pour W W 0 , un maximum local egal a` W1 = M ax W 0 , a(1 kT )

-pour W < W 0 , un maximum local egal a` W2 = M in W 0 , M ax {W ; a(1 kT )}
Donc le maximum global est, selon les cas, soit W1 , soit W2 ;
Si U (W1 )kT W1 > U (W2 )kT W2 , W1 est le maximum globale sinon cest W2 .
Pour T < , avec 1/H (1 W 0 /a)/k , on a a(1 kT ) > W 0 donc
W1 = a(1 kT ) et W2 = W 0 .
En posant gT (x) u(x) (kT )x x (1/2a)x2 (kT )x , on obtient :
U (W1 ) kT W1 = gT (W1 ) = gT (a(1 kT )) et
U (W2 ) kT W2 = gT (W2 ) = gT (W 0 )
Or gT (x) admet pour maximum global : a(1 kT ) , donc
gT (a(1 kT )) > gT (W 0 ) et le maximum cherche est a(1 kT ).
Dans la suite de la demonstration, on supposera, sans
perte de generalite, que
B = 0 2 et on distinguera les cas selon que W 0 W + 2aB est veriee ou non.
2. Dans ce cas le probl`
eme est celui de linvestisseur sans aversion et lexpression de la richesse
terminale optimale sobtient en consid
erant les arguments standards sous lhypothèse dune fonction dutilit
e concave et di
erentiable ; on obtient WT = a(1 kT ).

A. DEMONSTRATIONS
PARTIE 1
1er cas : W 0 W +
297
2aB
a) Pour T < W , avec W 1/HW (1 W /a)/k > .

On a W < a(1 kT ) W 0 donc W1 = W 0 et W2 = a(1 kT ) .
et on obtient U (W1 ) kT W1 = gT (W1 ) = gT (W 0 ) et
U (W2 ) kT W2 = gT (W2 ) B = gT (a(1 kT )) B.
Donc W 0 est le maximum si gT (W 0 ) + B > gT (a(1 kT )).
Soit solution de g (a(1 k)) = g (W 0 ) + B ,
0 2
cest `
a dire de a2 (1 k)2 + W 0 (k) = W 0 (W2a) + B.
On a gT (W 0 ) + B = gT (W 0 ) + g (a(1 k)) g (W 0 )
soit encore gT (W 0 ) + B = g (a(1 k)) + kW 0 ( T )
Posons fW 0 (T ) = gT (a(1 kT )) + kW 0 T a2 (1 kT )2 + kW 0 T .
fW 0 (T ) est une fonction croissante pour T (1 W 0 /a)/k,
et on en deduit que pour T < on a fW 0 (T ) < fW 0 ().
et donc aussi que gT (W 0 ) + B = g (a(1 k)) + kW 0 ( T ) > gT (a(1 kT )).
Ce qui montre que W 0 est le maximum pour T < .
De plus, on a par hypothèse < W puisque W 0 W +
2aB.
On en deduit donc que a(1 kT ) est le maximum pour T < W .

Finalement on note que H 1/ est solution de
u(I(k/H)) (k/H)u(I(k/H)) u(W 0 ) + (k/H)W 0 = B
Ou encore de
a
2
0
0
2 (1 k/H) + W (k/H) = W
Ce qui donne H k/(1 (W 0
(W 0 )2
2a
+ B u(k/H) + B
2aB)/a)
b) Pour T W
On a a(1 kT ) W donc W1 = W 0 et W2 = W , et on obtient :
U (W1 ) kT W1 = gT (W1 ) = gT (W 0 )
et U (W2 ) kT W2 = gT (W2 ) B = gT (W ) B

A. DEMONSTRATIONS
PARTIE 1
298
Donc W est le maximum si gT (W 0 ) + B < gT (W )

T < (1/k) 1 (W 0 + W )/2a + B/(W 0 W )
Or W 0 W +
2aB W > donc T , T W T W .
Par consequent le maximum est toujours W .
2d cas : W 0 < W +
2aB
Dans ce cas, on a > > W > et on obtient de la meme manière que pour le
cas precedent :
a) Pour T < W , W 0 est le maximum.
b) Pour T > W , W est le maximum.
(2) Montrons maintenant que W telle que

U (T ) M ax {U (W ) kT W } = U (W ) kT W est solution du problème
W W
statique considere (P10).
Considerons une strategie quelconque admissible dont la richesse nale est notee
WT et veriant la contrainte de budget du problème (P10). On en deduit que :
E [U (WT )] E [U (WT )] =
E [U (T )] (E [U (WT )] E(kT WT )) 0
qui est veriee a` la fois par WT et par WT . La relation dinegalite de la dernière
ligne est une consequence directe du resultat demontre dans le premier point.
Preuve de la cons
equence 8 .
Le resultat cherche sobtient par application directe du theorème 2.

A. DEMONSTRATIONS
PARTIE 1
299
Preuve de la propri
et
e 11 .
Lemme 3.
La richesse terminale optimale du problème (P9) est donnee par lexpression suivante,
-Si W 0 W + 2aB
W 0 si H < H H
T
WT =
a(1 k/HT ) si HW < HT H
W si HT HW
-Si W 0 < W + 2aB , la solution est degeneree et est donnee par lexpression
suivante :
WT = W 0 si HW < HT H
W si HT HW
avec H k/(1 W 0 /a), H solution de P (HT H) = ,
u H > H,
avec HW k/(1 W /a), o`
et avec B = A (W 0 a(1 k/H))2
Preuve du Lemme 3.
En partant des denitions de H, solution de P (HT H) = , et de

H k/(1 W 0 /a) , dans le cas o`
u la contrainte du problème P9() ne joue pas 3,
alors on a H > H, et la solution du problème (P9) est la richesse terminale de la
strategie Option Based Portfolio Insurance, qui est solution du problème dinvestissement avec une unique contrainte de seuil de richesse minimum W .
Dans le cas contraire, on a H H , et P (WT < W 0 ) = .
Le reste de la demonstration est similaire à celle du theorème 2 :
1) Tout dabord on montre que le convexe conjugue (ou transforme de LegendreFenchel) du problème (P9), U (T ) , avec un terme additionnel pour tenir compte
de la contrainte VaR, a pour solution ( point par point ) lexpression WT telle
que denie explicitement dans le lemme 3 ci-dessus.
3. cest `
a dire si P (WT < W 0 ) <

A. DEMONSTRATIONS
PARTIE 1
300
U (T ) est denie par lexpression

U (T ) = M ax u(W ) kT W B1{W <W 0 }
W W
avec T 1/HT et avec B u(I(k)) (k)u(I(k)) u(W 0 ) + (k)W 0 0

Ce qui donne B a2 (1 k/H)2 + W 0 (k/H) W 0 +
(W 0 )2
2a
soit encore B = A (W 0 a(1 k/H))2 .

Par consequent U (T ) peut se reecrire de la facon suivante :
U (T ) = M ax {U (W ) kT W }
W W

avec U (x) =
u(x) B si x < W 0
u(x) si x W 0
o`
u u(x) = x (1/2a)x2
Le reste de la demonstration de la partie 1) du lemme est identique à celle de

la demonstration de theorème 2.
2) Montrons maintenant que que W telle que

U (T ) = M ax u(W ) kT W B1{W <W 0 } = u(W ) kT W B1{W <W 0 }
W W
est solution du problème statique considere (P9)

On considère une strategie quelconque admissible veriant la contrainte de budget et la contrainte VaR du problème (P9) et dont la richesse nale est notee WT .
On en deduit que :
E [u(WT )] E [u(WT )] =
E [u(WT )] E [u(WT )] E(kT WT ) + E(kT WT ) + B B
E [U (T )] (E [u(WT )] E(kT WT ) E(B1WT <W 0 )) 0
La relation degalite se deduit de la contrainte de budget du problème considere
qui est veriee a` la fois par WT et par WT .
La première relation dinegalite se deduit de la contrainte VaR du problème (P9)
veriee a` la fois par WT (avec une inegalite) et par WT (avec une egalite).
La seconde relation dinegalite est une consequence directe du resultat demontre
dans le premier point.

Finalement, le resultat dequivalence entre le problème (P9) et le problème
(P10) donne dans le cadre de la Propriete 11 sobtient comme une consequence
directe du lemme 3 (i.e. qui fournit lexpression de la solution optimale du problème
(P9)) et du theorème 2 (qui fournit la solution optimale du problème (P10)).

A. DEMONSTRATIONS
PARTIE 1
301
Preuve de la propri
et
e 12.
On obtient le resultat de la Propriete 12 par une decomposition, en position optionnelle elementaire, de lexpression de la richesse terminale optimale fournie dans
le theorème 2.
Preuve de la propri
et
e 13.
On se place dans le cas o`
u W0 W +
2aB.
Le resultat de la Propriete 13 est une consequence directe de la propriete 11 en

utilisant les hypothèses du modèle à deux actifs de Black & Scholes.
On peut aussi utiliser un calcul direct en partant de lexpression donnee dans le
theorème 2 de la richesse nale optimale.
On utilise la probabilite Risque Neutre, notee Q ; par changement de probabilite de
la probabilite historique P à Q, on en deduit que le portefeuille de norme minimum
I a une dynamique qui secrit
dIt /It = r dt dZt avec dZt = dt + dZt
Par consequent, on obtient Wt = er(T t) EtQ {WT }

et de facon plus detaillee Wt = er(T t) EtQ WT1 + WT2 + WT3 + WT4
avec WT1 = a(1 kIT ) 1(IT <1/H) , WT2 = W 0 1(1/HIT <1/H) ,
WT3 = a(1 k/HT )1(1/HIT <1/H
W)
, et WT4 = W 1(IT 1/H
W)
Après calcul, en utilisant la log normalite de It , on trouve lexpression cherchee :

Wt = aer(T t) {N (d2 (I)) + N (d2 (I W )) N (d2 (I))}
kIt {N (d1 (I)) + N (d2 (I W )) N (d2 (I))}
+ W 0 er(T t) {N (d2 (I)) + N (d2 (I))}
+ W er(T t) N (d2 (I W )
avec I = 1/H, I = 1/H, I W = 1/H W et avec
2
d2 (x) =
log( Ixt ) + (r 2 )(T t)
T t
d1 = d2 +
T t

A. DEMONSTRATIONS
PARTIE 1
302
Preuve de la propri
et
e 14.
Partant de lexpression de Wt , donnee dans la propriete 13, et en utilisant la
theorie standard de levaluation des options, et le fait que le portefeuille I est une
strategie de valeur intermediaire, It et de poids constant, note i, on peut ecrire :
Wt
iIt investi (en cash) dans lindice (M, m)
It
Wt
Wt
iIt investi (en cash) dans lA.S.R
It
avec :
Wt
iIt = (ak)h{N (d1 (I)) + N (d1 (IW )) N (d1 (I))}It
It
(ak)h
(I I)er(T t) (d2 (I))
+
( T t)
wt Wt =
Preuve du th
eor`
eme 3.
La demonstration se fait en deux etapes :
(1) Tout dabord on montre que le convexe conjugue (ou transforme de LegendreFenchel) du problème (P11), note U (T ), a pour solution (point par point)
lexpression WT telle que denie explicitement dans le theorème 3.
U (T ) est denie par lexpression U (T ) = M ax {U (W ) kT W } , avec T
W W
1/HT ,
et avec U (x) =
Au(x) + (B A)u(W 0 ) si x < W 0

Bu(x) si x W 0
ou u(x) = x (1/2a)x2 designe la fonction dutilite quadratique.


-pour W W 0 , un maximum local egal a` W1 = M ax W 0 , a(1 (k/B)T )

-pour W < W 0 , un maximum local egal a` W2 = M in W 0 , M ax {W ; a(1 (k/A)T )}
Donc le maximum global est, selon les cas, soit W1 , soit W2 .
Si U (W1 ) kT W1 > U (W2 ) kT W2 , W1 est le maximum globale sinon cest
W2
(a) Pour T < , avec 1/H (1 W 0 /a)/(k/B).

A. DEMONSTRATIONS
PARTIE 1
On a a(1 (k/B)T ) > W 0 donc W1 = a(1 (k/B)T ) et W2 = W 0 .

En posant gT (x) Bu(x) (kT )x B(x (1/2a)x2 ) (kT )x,
on obtient : U (W1 ) kT W1 = gT (W1 ) = gT (a(1 kT ))
et U (W2 ) kT W2 = gT (W2 ) = gT (W 0 ).
Or gT (x) admet pour maximum global : a(1 (k/B)T ),
Par consequent, on a gT (a(1 (k/B)T )) > gT (W 0 ).
Le maximum cherche est donc a(1 (k/B)T )
(b) Pour T , avec 1/H (1 W 0 /a)/(k/A) > .
On a a(1 (k/B)T ) W 0 et a(1 (k/A)T ) W 0
par consequent, le maximum est W1 = W2 = W 0 .
(c) Pour < T , avec 1/H (1 W /a)/(k/A) > .

On a W a(1 (k/A)T ) < W 0 donc W1 = W 0
et W2 = a(1 (k/A)T ).
En posant gT (x) Au(x) (kT )x A(x (1/2a)x2 ) (kT )x,
on obtient :
U (W1 ) kT W1 = gT (W1 ) C = gT (W 0 ) C
et U (W2 ) kT W2 = gT (W2 ) C = gT (W ) C
avec C (B A)u(W 0 ) .
Donc W 0 est le maximum si gT (W 0 ) > gT (W ) .
Or gT (x) admet pour maximum global : a(1 (k/A)T ).
Par consequent, on a gT (a(1 (k/A)T )) > gT (W 0 ).
On en deduit que le maximum cherche est a(1 (k/A)T ).
(d) Pour T > .

On a a(1 (k/A)T ) > W donc W1 = W 0 et W2 = W .
On obtient :
303

A. DEMONSTRATIONS
PARTIE 1
304
U (W1 ) kT W1 = gT (W1 ) C = gT (W 0 ) C et
U (W2 ) kT W2 = gT (W2 ) C = gT (W ) C
Donc W 0 est le maximum si gT (W 0 ) > gT (W ).
Or on a : gT (W 0 ) > gT (W )

si et seulement si T < W (A/k) 1 (W 0 + W )/2a
De plus, on a (A/k)(1 W /a) > W .
On en deduit que T , T T W .
Par consequent, le maximum est W .
(2) Montrons maintenant que W telle que U (T ) M ax {U (W ) kT W } = U (W )
W W
kT W est solution du problème statique considere (P11).

On considère une strategie quelconque admissible veriant la contrainte de budget du problème (P11) et dont la valeur nale est notee WT .
On en deduit que :
E [U (WT )] E [U (WT )] =
E [U (T )] (E [U (WT )] E(kT WT )) 0
qui est veriee a` la fois par WT et par WT . La relation dinegalite de la dernière
ligne est une consequence directe du resultat demontre dans le premier point.
Preuve de la cons
equence 9.
On obtient le resultat de la Consequence 9 par une decomposition en positions
optionnelles elementaires de lexpression de la richesse terminale optimale qui est
donnee dans le theorème 3.
Preuve de la propri
et
e 15.

Si E (1/HT )(W 0 WT (k1 , k2 ))1{W (k1 ,k2 )W 0 } < donc k2 = 0 et H = H
T
et la solution du problème P12() est celle de la strategie OBPI , de niveau de

protection W , et dont le sous-jacent est le portefeuille solution du problème MV
dynamique sans contrainte.

Sinon E (1/HT )(W 0 WT (k1 , k2 ))1{W (k1 ,k2 )W 0 } = et on a H H .
T

A. DEMONSTRATIONS
PARTIE 1
305
(1) Tout dabord on montre que le convexe conjugue (ou transforme de LegendreFenchel) du problème (P12), U (T ) , avec un terme additionnel pour tenir compte
de la contrainte LEL , a pour solution ( point par point ) lexpression WT
telle que denie explicitement dans la propriete 15.
U (T ) est denie par lexpression

U (T ) = M ax u(W ) k1 T W k2 (W 0 W ) T 1{W <W 0 }
W W
avec T 1/HT .

-pour W W 0 , un maximum local egal a` W1 = M ax W 0 , a(1 k1 T )

-pour W < W 0 , un maximum local egal a` W2 = M in W 0 , M ax {W ; a(1 (k1 k2 )T )}
Donc le maximum global est, selon les cas, soit W1 , soit W2 .
En posant B k/k1 et A k/(k1 k2 ), le reste de la demonstration de la partie
1) est identique à la demonstration de la partie 1) du Theorème 3 .

(2) Montrons maintenant que U (T ) = M ax u(W ) k1 T W k2 (W 0 W )1{W <W 0 }
W W
est solution du problème statique considere (P12).

On considère une strategie quelconque admissible veriant la contrainte de budget et la contrainte LEL du problème (P12) et dont la richesse nale est notee WT .
On a :
E [u(WT )] E [u(WT )] =
E [u(WT )] E [u(WT )] E(k1 T WT ) + E(k1 T WT ) + k2 k2
E [U (T )] (E [u(WT )] E(k1 T WT ) E(k2 T (W 0 W )1WT <W 0 )) 0
La relation degalite se deduit de la contrainte de budget du problème (P12) qui
est veriee `
a la fois par WT et par WT .
La première relation dinegalite se deduit de la contrainte LEL du problème (P12)
veriee a` la fois par WT (avec une relation dinegalite) et par WT (avec une relation
degalite).
La seconde relation dinegalite est une consequence directe du resultat demontre
dans le premier point.

A. DEMONSTRATIONS
PARTIE 1
306
Preuve de la cons
equence 10.
La consequence 10 est une consequence directe du theorème 3 et de la propriete 15.
Preuve des propri

et
es 17, 18 et 20.
Les expressions de la valeur, a` la date t, de la solution optimale, Wt , et de lallocation optimale sobtiennent de la meme facon que pour le problème avec contrainte
de type VaR considere dans la section precedente (voir les demonstrations des proprietes 13 et 14 ci-dessus).
Preuve de lappendice n 8. Expression du prix de lobligation Zero-Coupon

dans le cadre du modèle de Vasicèk
En partant de la propriete de martingale des prix sous la probabilite historique :
B(t, T t) Ht Et (1/HT ) et en en utilisant la dynamique de Ht , on en deduit que
B(t, T t) = Et (eN0 ) o`
u N0 est le processus de loi normale suivant :
T

N0 Ln(HT /Ht ) = ( ru du + 2 (T t)/2 + Zt )
t
Ce qui implique que :

2
Et (N0 ) m(T t) avec m(T t) = (b + /2)(T t) + (rt b)T t /r

et V ar(N0 ) = V ar(Ln(HT )) = 2 (T t) + 2 (T t) 2H (T t)
o`
u on a pose :
2 (T t)
T
t
T2 u du =
r2 (T t)
a2r

1
T t
r (T t)

T
(T t) ( T u du) = r (T t) a1r 1
t
et
T t
r

2
ar 22T(Ttt) ,
T t
r (T t)
1ear (T t)
ar
Par consequent, on peut ecrire

B(t, T t) = eEt (N0 )+
V ar(N0 )
2
= em(T t)+
o`
u on a pose 2 (T t) = V ar(Ln(HT )) .
Enn, en notant que :
2 (T t)
2
et H = r / , 2 = 2r +2S

A. DEMONSTRATIONS
PARTIE 1
m(T t) +
2 (T t)
2
307
= b(T t) + (rt b)T t /r + 2 (T t)/2 r (T t)
Ce qui se re ecritm(T t) +
2 (T t)
2
= m (T t) + 2 (T t)/2
avec la notation suivante : m (T t) b (T t) + (rt b) Trt et b b + arr .

On obtient le resultat cherche : B(t, T t) = e m(T t)+
2 (T t)
2
Preuve du Lemme 1. Cf. [Bajeux-Besnainou et al., 2003b]

De [Merton, 1990], on a h = (
suivantes :
1
= (
dS/S = (rt + )dt + dZt
1
avec S (S, BK ) , S (S , K ), et avec
avec les notations vectorielles
1
0
2
K
et avec ()1
On en deduit lexpression du vecteur h cherchee.

En utilisant la propriete dauto-nancement du portefeuille H :
dH/H = (rt + h )dt + h dZt

et lexpression de h, on en deduit lexpression de la dynamique cherchee.
Preuve du Lemme 2. Cf. [Bajeux-Besnainou et al., 2003b]

(1) En partant de la propriete de martingale des prix sous la probabilite historique : Ht Ht Et (HT /HT ), et en utilisant la dynamique de Ht , on en deduit que :
Ht Htc Et (eNc )
o`
u on a pose c = 1/ et o`
u Nc est le processus de loi normale suivant :
T

2
Nc (c 1)Ln(HT /Ht ) = (c 1)( ru du + (T t)/2 + Zt )
t
Ce qui implique que :

2
Et (Nc ) (c 1)m(T t) avec m(T t) = (b + /2)(T t) + (rt b)T t /r

2
et V ar(Nc ) = (c1)2 V ar(Ln(HT )) = (c1)2 2 (T t) + (T t) 2H (T t)
ou 2 (T t)
(T t)
T
t
T
t
T2 u du =
r2 (T t)
a2r
T u du = r (T t) a1r

1
T t
r (T t)
T t
r (T t)

2
ar 22T(Ttt) ,
r
et H = r / , 2 = 2r + 2S

A. DEMONSTRATIONS
PARTIE 1
308
et
T t
r
1ear (T t)
ar
Ce qui implique que Ht Htc eEt (Nc )+
V ar(Nc )
2
= Htc e(c1)m(T t)+(c1)
2
2 (T t)
2
o`
u on a pose 2 (T t) = V ar(Ln(HT )) .
T t
u est une fonction deterministe

Par consequent, on a Ht = Htc (t)e(c1) r rt o`
du temps, et on en deduit que Ht verie lEDS suivante :
u [.] est deterministe localement.
dH /H = c(dH/H) + (c 1) Trt rt + [.] dt o`
En utilisant la dynamique de rt et de B, on en deduit que H peut etre replique
par la strategie a` poids constant suivante :

c 1/ sur le portefeuille H
1c
sur lactif Zero coupon B(t, T t).
(2) En utilisant la propriete dauto-nancement pour le portefeuille H :

dH /H = (rt + h )dt + h dZt et lexpression de h , on en deduit lexpression

de la dynamique cherchee.
2 (T t)
(3) Sachant que B(t, T t) = em(T t)+ 2

et que Ht = Htc e(c1)m(T t)+(c1)
(1c) c(c1) ((T t))2
c
avec c = 1/, on en deduit que Ht = Ht [B(t, T t)]
e 2
2
2 (T t)
2
Preuve de la propri
et
e 21 .
(1) Lexpression de la richesse terminale solution du problème considere sobtient
par application du theorème 1 en considerant linvestisseur HARA sans aversion a`
la sous-performance.
La solution du problème peut aussi sobtenir par resolution directe du problème
statique considere :
Le Lagrangien du problème secrit : L(YT ) = E(u(YT )) k E(YT /HT ) .
Les CPO secrivent : ,
L
YT ()
=0

1/
a /c ,
Ce qui donne : YT = WT OT = I(k /HT ) (k /H)
avec y I(y) (y 1/ a)/c qui designe la fonction inverse de la fonction

x u (x) (cx + a)

1/
1/
En posant k (k )
, on obtient lexpression cherchee : WT = OT + kHT a /c
avec k veriant lequation de budget :

A. DEMONSTRATIONS
PARTIE 1
309
E {YT /HT } = 0 k = (aB(0, T ) + c0 )/H0

(2) Lexpression de la valeur intermediaire decoule de lexpression de la richesse
terminale optimale trouvee en (1) et de lexpression de Ht donnee dans
le Lemme 2.
(3) Le formule denissant lallocation dynamique optimale resulte de lexpression
de la valeur intermediaire de la strategie optimale trouvee en (2) et de lexpression
donnant lallocation du portefeuille H dans les dierents actifs qui est exposee
dans le lemme 2.
Preuve des cons

equences 11, 12, 13, 14.
Les resultats enonces dans les consequences 11, 12, 13, 14 sobtiennent par application directe des resultats de la propriete 21.
Preuve de la propri
et
e 22.
(1) Lexpression de la richesse terminale optimale du problème sans contrainte
resulte dune application directe du theorème 1.
(2) Lexpression de la richesse terminale optimale du problème de linvestisseur
ayant un prol concave ( < 0), et devant prendre en compte une contrainte de
protection, sobtient de la meme facon que lexpression de la solution du problème
de linvestisseur ayant une fonction quadratique (qui correspond au cas particulier = 1) donne dans le cadre du theorème 3 ci-dessus ; il sut pour cela de
considerer la variable T (1/HT )1/ au lieu de T 1/HT (voir demonstration
du theorème 3 ci-dessus).
Lemme 4. Resultat enonce dans lappendice n30 : expression, dans le cadre

du modèle considere a
` deux actifs risques et un facteur de taux de type Vasicèk, du
prix dune option call et dune option Put ecrite dont le sous-jacent est le portefeuille de Merton.
Dans le cadre des hypothèses du modèle considere, lexpression de la valeur de loption call europeen, respectivement de loption put europeen de strike W 0 , decheance
T t, ecrite sur le sous-jacent kHt , notee C(kHt , W 0 , T t), respectivement
P (kHt , W 0 , T t), avec k > 0, W 0 > 0, et o`
u Ht , designe la valeur intermediaire
4
du portefeuille de Merton , est donnee par la formule suivante (qui generalise celle
du modèle de Black & Scholes a
` un seul actif risque et avec hypothèse de taux
dinteret constant) :
4. On rappelle quil sagit, a
` une constante de budget pr`
es du portefeuille atteignant la richesse
nale (HT )1/

A. DEMONSTRATIONS
PARTIE 1
310
C(kHt , W 0 , T t) = kHt N (d1 ) W 0 B(t, T t)N (d2 )

et P (kHt , W 0 , T t) = W 0 B(t, T t)N (d2 ) kHt N (d1 )
avec d1 (ln(kHt /W 0 ) ln(B(t, T t) + ((T t)/)2 /2)/((T t)/)
et avec d2 d1 (T t)/
o`
u les expressions de 2 (T t) V ar(Ln(HT )) et de B(t, T t) sont celles donnees
dans le lemme 2.
Preuve du lemme 4. : expression du prix dune option call et Put sur le portefeuille Ht dans le cadre du modèle de Vasicèk
En utilisant la propriete de martingale des prix sous la probabilit
e historique, on
peut ecrire : C(kHt , W 0 , T t) = Ht Et (kHTc W 0 )+ /HT avec c = 1/, soit
encore,

C(kHt , W 0 , T t) = Ht Et kHTc1 1{H c1 (k/W 0 )(1c)/c } W 0 Ht Et HT1 1{H 1 <(k/W 0 )1/c }
T
En utilisant la log normalite de
HTc1
u Nc est le processus de loi normal suivant :

HTc1 = Htc1 eNc o`
T

Nc (c 1)Ln(HT /Ht ) = (c 1)( ru du + 2 (T t)/2 + Zt ) ,
t
ce qui implique que :

mc Et (Nc ) = (c 1)m(T t) et c2 V ar(Nc ) = (c 1)2 2 (T t)
2
avec m(T t) = (b + /2)(T t) + (rt b)T t /r

et 2 (T t) V ar(Ln(HT )) = 2 (T t) + 2 (T t) 2H (T t)

on en deduit que Ht Et kHTc1 1{kH c1 W 0 } = kHtc Et (eNc 1{Nc Ln((k/W 0 )(1c)/c )+Ln(H 1c )} )
t
Or Et (eNc 1{Nc y0 } ) =
+

u0
u2 /2
emc +c u e 2 du = emc +c /2
+

z0
z 2 /2
e
2
dz
o`
u on a pose,
z 0 u0 c = ((y 0 mc )/c ) c , et y 0 (1/c 1) Ln(k/W 0 ) + Ln(Ht1c ) ,
2
donc kHtc Et (eNc 1{Nc y0 } ) = kHtc emc +c /2 N (z 0 )

et en posant d1 z 0 = u0 + c = ((y 0 m)/c ) + c ,
on obtient : d1 =
(1/c) ln(
kHtc
W0
)ln(B(t,T t)+(c1/2)2 (T t)
(T t)
Do`
u, en utilisant lexpression Ht = Htc [B(t, T t)]
dans le lemme 2,
(1c)
c(c1)
((T t))2
2
donnee

A. DEMONSTRATIONS
PARTIE 1
d1 =
ln(
kHt
W0
311
)ln(B(t,T t)+((c(T t))2 /2)

c(T t)

En procedant de la meme facon pour le second terme W 0 Ht Et HT1 1{H 1 <(k/W 0 )1/c } ,
T
on obtient :
C(kHt , W 0 , T t) = kHt N (d1 ) B(t, T t)W 0 N (d2 ) avec d2 = d1 c(T t)
Lexpression de la valeur de loption Put se deduit de celle de loption Call (enoncee
ci-dessus) de memes caracteristiques en utilisant la parite Call-Put.
Preuve de la propri
et
e 23.
Il est facile de montrer que les expressions de la valeur nale de la strategie optimale
donnee dans la propriete 22 dans les dierents cas consideres correspondent à une
somme de positions elementaires investies sur des options Call ou Put europeens.
Il ne reste plus ensuite, pour trouver les resultats cherches, qu`
a utiliser lexpression
analytique de la valeur de loption call et put europeen dans le modèle considere
qui est donnee dans le cadre du lemme 4.
Lemme 5. Expression, dans le cadre du modèle considere `

a deux actifs risques
et `
a un facteur de taux de type Vasicèk, de la strategie de replication dune option
call europeen ecrite sur le portefeuille de Merton

Le pay-o dune option call europeen dont lexpression est WT = M ax 0, k(HT )1/ W 0
(call europeen decheance T t , de strike W 0 ecrite sur le portefeuille de Merton),
peut etre atteinte par une strategie de replication :
u C(kHt , W 0 , T
-dont la valeur a
` la date t , est donnee par Wt = C(kHt , W 0 , T t) o`
t) est lexpression donnee dans le cadre du lemme 4 ci-dessus
-dont lexpression de lallocation dynamique est la suivante :

kN (d1 )Ht investi (en cash) dans le portefeuille H
Wt kN (d1 )Ht investi en cash dans lactif B(t, T t)
avec
d1 =
ln(
kHt
W0
)ln(B(t,T t)+(((T t)/)2 /2)

((T t)/)
et o`
u les expressions de 2 (T t) V ar(Ln(HT )) , B(t, T t) et Ht sont denies
comme dans le lemme 2.
Preuve du lemme 5. : expression de la strategie de replication dune option

call ecrite sur le portefeuille Ht dans le cadre du modèle considere a` deux actifs
312
A. DEMONSTRATIONS
PARTIE 1
risques et un facteur de taux de type Vasicèk

Par derivation de lexpression de Wt donnee dans le lemme 4, par rapport à Ht et
a B(t, T t), on en deduit que la strategie de replication de la strategie optionnelle
`
consideree est celle enoncee dans le lemme 5.
Preuve de la propri
et
e 24.
Les expressions de lallocation dynamique de la strategie optimale dans les dierents
cas de gure consideres qui sont enoncees dans la propriete 24 sobtiennent par application du lemme 5.
En eet, il sut de remarquer que les expressions de la valeur intermediaire de
la strategie optimale, dans les dierents cas respectifs, qui sont donnees dans la
propriete 23, correspondent à des sommes de positions elementaires investies dans
des options Call et Put europeens dont lallocation dynamique est celle donnee dans
le cadre du lemme 5.
ANNEXE B
D
emonstrations partie 2
Preuve du th
eor`
eme 4. Le problème de maximisation considere (P15) peut
etre vu comme un cas particulier du problème (P19) pour un choix du paramètre
daversion, D particulier : D = 1 ; lexpression de la solution optimale du problème
(P19) est enoncee dans le chapitre 5 dans le cadre du theorème 8 (cf. demonstration
ci-dessous).

Preuve du th
eor`
eme 5. Notons tout dabord que la fonction à maximiser
dans le cadre du problème doptimisation considere (P16), que lon notera y w(y),
admet lexpression suivante :

u(a + y) si y < 0
w(y) u(z(y)) =
u(a + + (1 + d)y) si y 0
1
esigne la fonction dutilite de lasset manager (i.e. inavec z u(z) (z)

1 qui d
vestisseur CRRA), ]0; +[ \ {1} son paramètre daversion au risque et z(y)
a + y + ( + (1 + d)y) 1y0 sa fonction de frais o`
u les paramètres , a et d sont des
constantes positives ou nulles et y designe lexcedent de richesse par rapport au
benchmark.
Nous cherchons a` montrer que la solution du problème (P16) est donnee par lexpression de YT fournie dans le theorème 5. Il sut pour cela de montrer que
le convexe conjugue
(ou transformede Legendre - Fenchel) du problème (P16),
note w (HT ) M ax w(Y )

Y
k
HT
Y , a pour solution point par point (i.e. pour
chaque valeur de HT possible) lexpression de YT donnee explicitement dans le

cadre du theorème 5. 1.
Le problème statique correspondant au convexe conjugue du problème (P16) peut
secrire de la facon suivante : determiner y = arg max L(y) avec L(y) w(y)
y
k
HT
y ; en considerant separement le maximum local pour la partie superieure et

pour la partie inferieure au benchmark (y < 0 et y 0), on peut appliquer localement les CPO (Conditions du Premier Ordre) qui dans le cadre de ce problème

secrivent L (y) = 0 :
1. En eet YT Argmax w(Y )

Y
k
HT
est aussi la solution du probl`

eme (P16)
puisque pour toute strat

admissible
eriant
egie quelconque

v
la contrainte de budget du problème
(P16), not
ee YT , on a E w(YT ) E [w(YT )] = E w(YT ) E [w(YT )]E( Hk YT )+E( Hk YT ) =
T
[w (H
T )]
(E [w(YT )]
E( Hk
T
YT )) 0 .
313

B. DEMONSTRATIONS
PARTIE 2
314
Pour y < 0, avec L(y) = u(a + y) HkT y, les CPO donnent :L (y) = 0

u (a + y) = HkT ou encore L (y) = 0 y = I( HkT ) a, avec x I(x)

qui designe la fonction inverse de fonction x u (x) ; par consequent, un
premier maximum local est

k
) a; 0 = M in (HT /k)1/ a; 0
y1 M in I(
HT
De meme pour y 0, on a L(y) = u(a + + (1 + d)y) HkT y, ce qui implique

que L (y) = 0 u (a + + (1 + d)y) = 0, et après inversion
de la fonction

1
k
y u (y), L (y) = 0 y = 1+d I( (1+d)HT ) (a + ) ; on en deduit
lexpression du second maximum local :

1/
(1
+
d)
H
1
T
M ax
y2
(a + ) ; 0
1+d
k
Par consequent il y a deux candidats possibles pour le maximum global cherche ;

en fonction des valeurs des paramètres , a, d, et de celle de HT , la valeur nale du
portefeuille H, le maximum global cherche sera ou bien y1 ou bien y2 .
Notons que lon a y2 > 0 T
y1 > 0 T <
u (a)
k
(a)
k
1/
1
HT
<
(1+d)
k u (a
+ ) =
(1+d)
k
(a + )
2 et
1 et par consequent on a lequivalence suivante
1 pour a > 0 et les memes valeurs des autres

1 2 /a (1 + d)
paramètres que celles decrites precedemment.
Cas 1: a = 0, d 0, > 0 2

Dans ce cas, on a 1 = +, y1 M in I( HkT ); 0 = 0, 2 =

k
)
;
0
/ (1 + d)
y2 = M ax I( (1+d)H
T
(1+d)
k
()
et
Pour T < 2 , on a y1 = 0 et y2 > 0 et donc pour ces deux valeurs, lexpression

de la fonction à maximiser est la meme : L(y) = u( + (1 + d)y) HkT y ; de plus,

on a L (y) = 0 y = y2 et L (y) > 0 y < y2 , par consequent y2 est le
maximum global.
Pour T 2 , on a y1 = y2 = 0 et 0 est le maximum global cherche. On en
deduit que lexpression de la richesse terminale optimale pour lasset manager est
bien lexpression du cas (1) exposee dans lenonce du theorème 5 pour ces memes
valeurs des paramètres (i.e. a = 0, d 0 et > 0).
Demontrons maintenant le resultat enonce dans lemme suivant :
2. Cas particulier o`
u lasset manager ne recoit pas de frais de gestion xes (a = 0) mais en
revanche recoit, en cas de sur-performance, un bonus xe ( > 0) et
eventuellement des frais de
gestion variables suppl
ementaires (d 0).

B. DEMONSTRATIONS
PARTIE 2
315
Lemme 6.

1/
(, a, d, ) (, a, d, ) R4 \ > 0, a > 0, d 0, > 0, = 1, /a (1 + d)
1 ,
alors la solution du problème (P16) est donnee par lexpression suivante :

1
1+d
1/
HT )
(a + )
si HT > H
(
1+d
k
YT = 0
si H < HT H
(H /k)1/ a
si HT H
T
k
avec H (1+d)
{(1 + d)a} , avec H solution implicite de lequation :
h(k/H ) = 0 avec h (x) g(x) u(a + ),
11/
3
et avec g(x) u [I(x)] x [I(x) a] = x
11/ + ax .
Preuve du Lemme 6.
Notons quon a k2 (1 + d) (a + ) a k1 . Il y a donc trois cas possibles :
Pour T < 2 1 , on a y1 = 0 et y2 > 0 et donc pour ces deux valeurs, lexpression de la fonction à maximiser est la meme : L(y) = u(a + + (1 + d)y) HkT y ;

de plus, on a L (y) = 0 y = y2 et L (y) > 0 y < y2 , par consequent y2 est
le maximum global.
Pour 1 T 2 , on a y1 = y2 = 0 et on en deduit que 0 est le maximum.
Pour T > 1 2 , on a y1 < 0, y2 = 0 , L(y1 ) = u(a + y1 )
1
k
HT
y1 et
L(y2 ) = u(a + + (1 + d)y2 ) HkT y2 = u(a + ) = (a+)

; nous cherchons à
1
determiner le sous-ensemble de T ]1 ; +[ pour lequel L(y1 ) > L(y2 ).
On verie que T ]1 ; +[ pour lequel L(y1 ) > L(y2 ) est equivalent à
x kT ]x1 ; +[ veriant h(x) L(y1 (x)) L(y2 (x)) > 0
avec h(x) L(y1 (x)) L(y2 (x)) = g(x) u (a + ) ax
o`
u on a pose g(x) u [I(x)] x [I(x) a] =
x11/
11/
x11/
11/
+ ax et x1
(a+)1
et
1
k1 = a .
Or on a h (x) > 0 x > x1 et de plus on a h(x1 ) < 0 (on a h(x1 ) =

u(a) u(a + ) < 0 car u est une fonction croissante) ; par consequent il existe
dans lintervalle x ]x1 ; +[, une unique racine de lequation h(x) = 0, notee x0 .
Donc, en posant k0 x0 , on en deduit que pour T ]1 ; 0 [, y2 = 0 est
le maximum global cherche et pour T ]0 ; +[, y1 < 0 est le maximum global cherche.
3. x I(x) = x1/ d
esigne la fonction inverse de la fonction x u (x) = x

B. DEMONSTRATIONS
PARTIE 2
316
k
Enn en posant H 1/2 (1+d)
{(1 + d)a} et H 1/0 1/kx0 avec
h(x0 ) = 0, on obtient lexpression de la richesse terminale optimale donnee dans le

lemme 6.
Cas 2: a > 0, d = 0, > 0 4

On obtient lexpression de la strategie optimale dans ce cas par application directe du lemme 6 dans le cas particulier o`
u d = 0 : il sagit bien de lexpression du
cas (2) de lenonce du theorème 5.
Cas 3a: a > 0, d > 0, 0 5
Notons tout dabord que lon peut supposer que > 0 puisque dans le cas o`
u
= 0, on se ramène a` lexpression donnee dans le theorème 4 dans le cas particulier
o`
u lasset manager est CRRA.
De plus dans la suite, an de simplier la resolution du problème, nous utiliserons la
notation /da > 0 ; en eet, avec cette notation, on peut re-ecrire lexpression
des deux maximums locaux de la facon suivante :

y1 = M in (HT /k)1/ a; 0
et
y2
1
M ax
1+d

(1 + d) HT
k
et on a 1 = a k 2 = (1+d)
(1 + d)
k
1/
0
(1 + d)
1 /d > 0
(i) Sous cas: 0
(1+d)1/ 1
d
1/

(1 + ) a; 0
>0
Lexpression de la strategie optimale enoncee dans le theorème 5 dans ce cas

(a > 0 , d > 0 et 0 > 0) est obtenue par application directe du lemme 6
en posant da > 0 : il sagit de lexpression donnee dans le theorème 5 pour
6
(ii) Sous cas: 0 < < 0

Pour T 1 < 2 , on a y1 = 0 et y2 > 0 et donc pour ces deux valeurs,
lexpression de la fonction à maximiser est la meme :

L(y) = u((1 + d)a + (1 + d)y) HkT y ; de plus, on a L (y) = 0 y = y2 et

L (y) > 0 y < y2 , par consequent y2 est le maximum global.
4. cas particulier o`
u lasset manager recoit des frais de gestion xe (a > 0) et, en cas de
sur-performance, un bonus xe ( > 0) mais pas de frais de gestion variables suppl
ementaires
(d = 0).
5. cas particulier o`
u lasset manager recoit `
a la fois des frais de gestion xe (a > 0) et, en
cas de sur-performance, des frais de gestion variables (d > 0) plus
eventuellement un bonus xe
( >= 0)
eri
ee
6. Nous verrons dans la suite de la d
emonstration que 0 > est bien v

B. DEMONSTRATIONS
PARTIE 2
317
Pour 2 >T > 1 , on a y1 = I (kT) a < 0,

1/
(1+d)HT
1
y2 = 1+d
(1 + d) a > 0 ,
k
L(y1 ) = u(a + y1 )
k
HT
y1 et L(y2 ) = u((1 + d)a + (1 + d)y2 )
k
HT
y2 .
Nous cherchons a` determiner le sous-ensemble de T ]1 ; 2 [ pour lequel

L(y1 ) > L(y2 ).
Pour 0 < < 0 , a > 0, d > 0, > 0 et = 1, on a le resultat dequivalence
suivant :
T ]1 ; 2 [ tel que L(y1 ) > L(y2 ) x ]x1 ; x2 [ tel que
l(x) L(y1 ) L(y2 ) = u(a + y1 ) HkT y1 u((1 + d)a + (1 + d)y2 ) + HkT y2 > 0
1
{I (x/ (1 + d)) (1 + ) a} > 0,
avec y1 = I (x) a < 0, y2 = 1+d
k
x kT HT , x1 k1 = a et x2 k2 = (1 + d) (1 + d) a .
Soit encore ,
x
[I (x/ (1 + d)) (1 + d) a] >
l(x) = u(I(x))x (I(x) a)u(I (x/ (1 + d)))+ (1+d)
0.
On en deduit que T ]1 ; 2 [ tel que L(y1 ) > L(y2 ), x ]x1 ; x2 [ tel que
l(x) g(x) g(x/ (1 + d))
avec g(x) u [I(x)] x [I(x) a] =
x11/
11/
da
x>0
1+d
(0.1)
+ ax, 7.
Nous demontrons a` present le resultat suivant :
Lemme 7.
(, a, d, ) R4 tel que 0 < < 0 avec 0
> 0 et = 1,
(1+d)1/ 1
d
> 0, a > 0, d > 0,
(1) Il existe dans lintervalle x ]0; +[, une racine unique de lequation l(x) = 0,
notee x0 et donnee par lexpression suivante :

(1/(1+d))11/ 1
x0 a(1)d
0 < < M in 0 ; 1
1+d
11/
(2) Lunique racine delequation l(x) = 0 est comprise dans lintervalle x ]x1 ; x2 [
(1)(1+d)
0 < < d1 (1+d)
11/ 1 1
0
avec 0 < < M in ; 1 , x1 = a et x2 = (1 + d) (1 + d) a .
Preuve du Lemme 7.
Etude de la fonction x l(x) :
En utilisant lequation (Eq. 0.1) ainsi que lexpression de la fonction x g(x),
7. x I(x) = x1/ d

B. DEMONSTRATIONS
PARTIE 2
318
g(x) =
x11/
11/
+ ax, nous en deduisons lexpression de la fonction x l(x) et

par derivation
celle de sa derivee première x l (x) :

(1/(1+d))11/ 1
x11/ a(1)d
x
l(x) =
11/

1+d

11/
1/
et donc l (x) = (1/(1 + d))
1 x
a(1)d
1+d
Par consequent, on obtient les resultats suivants :
(1+d)1/ 1
< 1 et donc pour

d
11/
(1/(1+d))
x1 a(1)d/(1+d)1 > 0.
-Pour > 1, on a 0 < 0

peut ecrire l (x) > 0 x >
< 0 < 1, on
On en deduit que la fonction x l(x) est une fonction monotone et croissante

de x x > x1 > 0.
De plus, la resolution de l(x) > 0 donne lexpression de lunique racine de
lequationl(x) = 0, que lon notera x0 ; en eet, on peut ecrire : l(x) > 0
x > x0
(1/(1+d))11/ 1
11/
1+d
a(1)d
x
1
(11/)
> x1
Et comme on a lim l(0) = 0, on en deduit que pour x ]0; x0 ], on a l(x) < 0 et

x0
pour x ]x0 ; +[ on a l(x) > 0 avec l(x0 ) = 0.

-Pour 0 < < 1, on a 0
sous cas suivants :
(1+d)1/ 1
d
> 1, et on doit distinguer les deux
-pour < 1 < 0 , on a l (x) > 0 x > 0 et on en deduit que la fonction

x l(x) est une fonction croissante de x x > 0.
De plus, on a lequivalence
:

11/
1
1+d
> 0. On en deduit que pour

l(x) > 0 x > x0 (1/(1+d))
11/
a(1)d
x ]0; x0 ], on a l(x) < 0 et pour x ]x0 ; +[, on a l(x) > 0 avec l(x0 ) = 0
-nalement pour 1 < < 0 , on a x > 0, l(x) < 0 et donc, il nexiste pas,
pour x > 0, de racine à lequation l(x) = 0.
Etude du signe de l(x1 ) :
Montrons que l(x1 ) < 0.

Nous venons de demontrer que, pour 0 < < M in 0 ; 1 , il existe une unique racine strictement positive à lequation l(x) = 0, notee x0 , dont on connat lexpression ; Il sut donc, pour montrer que l(x1 ) < 0, de prouver que x1 a < x0 .
En utilisant lexpression de x0 , on peut ecrire :
1(1/(1+d))11/
1+d
(1)d
11/
1/
.
A (, d) (1+d)(1+d)
(11/)d
a < x0 1 <
o`
u on a pose
> 1 (1+d)(1+d)
(11/)d
1/
1 A (d, )
Montrons à present que A (, d) > 1.

Pour > 1, on a A (, d)
(1+d)(1+d)1/
(11/)d
> 1 / + (1 1/) 1/ >

B. DEMONSTRATIONS
PARTIE 2
319
0 11/ > 1 avec (1 + d) > 1, ce qui est vrai par hypothèse.

Pour 0 < < 1, on a A (, d)
(1+d)1/ (1+d)
(1/1)d
> 1 / + (1 1/) 1/ <
0 1/1 < 1 avec (1 + d) > 1, ce qui est vrai par hypothèse.

On en deduit que 1 A (d, ) = 1 (1+d)(1+d)
(11/)d
a le resultat cherche : > 0, a < x0 .
Etude du signe de l(x2 ) :
1/
< 0 et par consequent on

En partant à nouveau de fait quil existe, pour 0 < < M in 0 ; 1 , une
unique racine strictement positive à lequation l(x) = 0, notee x0 , on en deduit
lequivalence suivante :
l(x2 ) > 0 x2 (1 + d) (1 + d)
a > x0 .
En utilisant lexpression obtenue ci-dessus de la racine x0 , on a :

11/
x2 (1 + d) (1 + d) a > x0 (1 + d) < (1)d (1 + d)1/1 / (1/(1+d))

11/
Soit encore, avec la notation
11/
B (, d) d (1 + d)1/1 / 1(1/(1+d))
> 0,
11/
x2 > x0 (1)B (, d)(1 + d)
> 0 < (B (,d) 1) / (B (, d) + d)
(1)(1+d)
1
1
et après calcul, on trouve = d (1+d)
11/
1

Montrons que 0 < < M in 0 ; 1
- On a > 0
(1)
11/ 1
> 1 avec (1 + d) > 1.
Pour > 1, on a > 0 ( 1) < 1/1 1 q () ( 1)

1/1 + 1 > 0 avec (1 + d) > 1 ;

en derivant la fonction q, on trouve q () ( 1) 1 1/ > 0 > 1 avec
q (1) 0 ;
ce qui implique que > 1 q () 0 et prouve donc que > 0.
Pour 0 < < 1, la demonstration est similaire.
- De plus, on a < 0
(1)
11/ 1
< 1/ .
Dans le cas o`
u > 1, on a < 0 ( 1) < 1/1 1/1 < 1
avec (1 + d) > 1 ; ce qui est vrai par hypothèse.
Dans le cas o`
u 0 < < 1, on a < 0 (1 ) < 1/1 1/1 > 1, ce
qui est egalement vrai par hypothèse. Par consequent, on a bien < 0 .
-Il ne reste donc plus quà montrer que pour 0 < < 1, on a < 1
(en eet pour > 1, on a < 0 < 1 puisque 0 < 1 > 1) :
(1)
1/1
> 1 ce qui est vrai par hypothèse.
on a < 1 1
11/ <

B. DEMONSTRATIONS
PARTIE 2
320
Conclusion :
On en deduit le resultat cherche du lemme 7 :

-Pour [0; ], avec 0 < < M in 0 ; 1 , on a l(x2 ) 0 et l(x1 ) < 0 et
il existe dans lintervalle [x1 ; x2 ], une unique racine à lequation l(x) = 0 donnee

11/
1
1+d
.
x0 (1/(1+d))
11/
a(1)d

-Pour ; 0 , avec 0 < < M in 0 ; 1 , on a l(x2 ) < 0 et l(x1 ) < 0
et plus generalement, on a x [x1 ; x2 ], l(x) < 0 ; il ny a donc pas de racine à
lequation l(x) = 0 dans cet intervalle de x.
En utilisant les resultats du lemme precedent, on en deduit lexpression du maximum global cherche selon les deux cas de gure consideres :
-Pour [0; ], avec 0 < < 0 , on a :
L(y1 ) > L(y2 ) l(kT ) > 0 l(k ) T >
o`
u on a pose k k/H x0 o`
u x0 est la solution de lequation
l(x) g(x)
da
g(x/ (1 + d)) 1+d
x = 0 donnee par lexpression suivante, x0
(1/(1+d))11/ 1
11/
Par consequent, T ]1 ; [, on a L(y1 ) < L(y2 ) et y2 > 0 est le maximum global, et T ] ; 2 [, y1 > 0 est le maximum global.

-Pour ; 0 , on a, T ]1 ; 2 [, l(kT ) < 0 L(y1 ) < L(y2 ) et par
consequent y2 > 0 est le maximum global.
Pour T 2 > 1 , on a y2 = 0 et y1 = I (kT )a < 0, L(y1 ) = u(a+y1 ) HkT y1
et L(y2 ) = u((1 + d) a + (1 + d)y2 )
k
HT
y2 = u((1 + d) a) =
((1+d)a)1
.
1
Nous cherchons a` determiner le sous-ensemble de T ]2 ; +[ pour lequel

L(y1 ) > L(y2 ).
On verie quil est equivalent decrire T ]2 ; +[ tel que L(y1 ) > L(y2 )
et :
x kT ]x2 ; +[ verie h(x) L(y1 (x)) L(y2 (x)) > 0,
11/
avec h(x) L(y1 (x)) L(y2 (x)) = g(x) u ((1 + d) a) ax x11/
((1+d)a)1
1
et o`
u on a pose g(x) u [I(x)] x [I(x) a] =
avec x1 k1 = a et x2 k2 8.
x11/
11/
+ ax
Or on a h (x) > 0 x > x1 et h(x1 ) < 0 (en eet on a h(x1 ) = u(a)

8. x I(x) = x1/ d
1+d
a(1)d

B. DEMONSTRATIONS
PARTIE 2
321
u((1 + d) a) < 0 car u est une fonction croissante) ; par consequent il existe
dans lintervalle x ]x1 ; +[, une unique racine de lequation h(x) = 0, notee
x
0 .
On en deduit pour x2 k2 b ((1 + d)a)
x2 > x
0 h(x2 ) > 0 ab ((1 + d)a)
]x1 ; +[ lequivalence suivante :
11/
((1+d)a)1
11/
((1+d)a)
1
> 0.
11/

1<
Après calcul, on trouve dans le cas o`
u > 1, h(x2 ) > 0
(1 + d)
(1)(1+d)
1
( 1) (1 + d) /(1 + d) et on a donc h(x2 ) > 0 < d (1+d)11/ 1 1
; on aboutit au meme resultat dans le cas o`
u 0 < < 1.
Notons
que, comme nous lavons demontre precedemment, on a 0 < <
0enn
M ax ; 1 .
Par consequent, on en deduit quil y a deux sous cas de gures possibles dans le cas
(ii) :
-Soit [0; ] et on a, T ]2 ; +[, h(kT ) > 0 L(y1 ) > L(y2 ) et par
consequent y1 = I (kT ) a < 0 est le maximum global cherche.

-Soit ; 0 et en posant k0 x
0 , on a pour T ]2 ; [, L(y1 ) < L(y2 )
et donc y2 = 0 est le maximum global, et pour T ] ; +[, y1 = I (kT )a < 0

est le maximum global cherche.
En agregeant les resultats obtenus pour les deux sous-cas (i) et (ii), on en conclut
que lexpression de la richesse terminale optimale pour lasset manager dans le cas
(3) (a) considere (a
que [0; ] ou que ] ; +[
> 0, d > 0 et 0) est selon

1/
(1)(1+d)
1
avec 0 < d (1+d)11/ 1 1 < M in 0 ; 1 et 0 (1+d)d 1 > 0 lune
des deux expressions donnees dans lenonce du theorème 5 pour ces memes valeurs
des paramètres.
Cas 3b: a = 0 ou d = 0 et = 0 9
Puisque = 0, Il sagit dun cas particulier du theorème 4 dans le cas o`
u lasset manager est CRRA. Lexpression de la richesse terminale optimale est donc un
cas particulier de celle enoncee dans le theorème 4 et on verie facilement quelle
correspond bien a` lexpression donnee dans le theorème 5 pour = 0 (avec a = 0
ou d = 0).
Preuve de la propri
et
e 25. Il sagit dun cas particulier des resultats donnes
dans les proprietes 26 et 27 dont la demonstration suit.
9. Cas particulier o`
u lasset manager ne recoit pas de bonus xe en cas de sur-performance
( = 0) et recoit ou bien des frais de gestion variables suppl
ementaires en cas de sur-performance
mais pas de frais de gestion xe ou linverse (a = 0 ou d = 0).

B. DEMONSTRATIONS
PARTIE 2
322
Preuve de la propri
et
e 26 . En notant que pour , on a
YT (HT ) = M ax {Y2 (HT ) ; 0}M ax {Y1 (H ) Y1 (HT ) ; 0}Y1 (H ) 1{HT }H
avec Y1 (HT ) (HT /k)1/ a,

1/
(1+d)HT
1
(1
+
d)
a
,
et avec Y2 (HT ) 1+d
k
on en deduit la decomposition de la richesse terminale comme une somme de pay-o
dune option call, dune option put et dune position investie sur une option put
binaire.
En considerant lesperance par rapport au temps t de YT , on trouve lexpression
donnee dans la propriete 26 pour Yt .
Lexpression dans le cas o`
u 0 sobtient de facon similaire.
Preuve de la propri
et
e 27 .
Par application du lemme dIto, on trouve :
dYt =
dHt
dMt
dWt dHt
1
dHt +(...) dt = t Ht
+(...) dt = t Ht h
+(...) dt
dHt dHt
Ht
Mt
avec h h , et t
dWt
dHt ,
soit encore Wt wt = Bt b +
pression de t
dWt
dHt
t Ht
h, et après derivation on trouve lex-
exposee dans la propriete 27.

Preuve du th
eor`
eme 6.
Le problème de maximisation considere (P17) sidentie au problème (P21) dans
le cas particulier o`
u D = 1 ; lexpression de la solution (plus generale) du problème
(P21) est fournie dans le theorème 9 du chapitre 5 (dont la demonstration se trouve
ci-dessous).

B. DEMONSTRATIONS
PARTIE 2
323
Preuve des propri

et
es 28 et 29. Meme type de demonstration que celles
des proprietes 26 & 27.
Preuve du th
eor`
eme 7.
Notons tout dabord que la fonction à maximiser dans le cadre du problème doptimisation considere (P18), que lon notera y w(y), est lexpression suivante :

u(a b + y) si y < 0
w(y) u(v(y; b)) =
u((a + ) b + (1 + d)y) si y 0
1
avec x u(x) (x)

1
investisseur CRRA),
designant la fonction dutilite de lasset manager (i.e.
o`
u ]0; +[ \ {1} est son paramètre daversion au risque,
et avec v(y; b) ab + y + (b + (1 + d)y) 1y0 sa fonction de frais qui depend
des paramètres , a et d, des constantes positives ou nulles, et de la variable y, la
valeur nale de lexcedent de richesse par rapport au benchmark, et de celle du
benchmark, notee b.
Nous cherchons a` montrer que la solution du problème (P18) sidentie a` lexpression de YT donnee dans le theorème 7.
Il sut pour cela de montrer que le convexe conjugu
e (ou transform

e de Legendre
- Fenchel) du problème (P18), note w (HT ) M ax w(Y ) HkT Y , a pour soluY
tion point par point (i.e. pour chaque valeur de HT possible) lexpression de YT
donnee explicitement dans le cadre du theorème 7. 10.
Le problème statique correspondant au convexe conjugue du problème (P18) consiste

a determiner lexpression de
`

YT = arg max w(Y ) HkT Y
Y
avec la fonction w qui depend non seulement de la variable Y mais aussi de b = BT ,

la valeur nale du benchmark.
Suivant la meme approche que Basak, Pavlova et Shapiro (2003), nous eectuons
un changement de variables an de simplier ce problème qui peut se re-ecrire de
la facon suivante :
determiner ZT = arg max L(Z) avec L(ZT ) z(ZT ) (k/T ) ZT
Z
ou ZT YT /BT , z(ZT ) w(ZT )/ BT1 et 1/T BT /HT .

Y
k
HT

eme (P18) puisque
pour toute strat

egie quelconque
admissible
v
eriant la contrainte
de budget du problème

(P18), not
ee YT , on a E w(YT ) E [w(YT )] =E w(YT ) E [w(YT )] E( Hk YT ) +
E( Hk YT ) =E [w (HT )] (E [w(YT )] E( Hk YT )) 0.
T

B. DEMONSTRATIONS
PARTIE 2
324
La fonction z(Z) ne depend plus que dune seule variable, Z et donc la suite de la
demonstration est identique à la demonstration du theorème 5 en considerant les
changement de variables suivants :
ZT YT /BT au lieu de YT WT BT comme variable de richesse
et 1/T BT /HT au lieu de 1/HT comme variable detat.
Preuve de la propri
et
es 30.
Considerons le cas .
Y
Notons quon a ZT BTT = l (T )

1/
1+d
1
T
(1 + d) a
si T >
1+d
k
avec l (T )
0
si < T
( /k)1/ a
si T
T
o`
u on a pose T
HT
BT
On en deduit que : Zt = er(T t) EtQ
YT
Bt
= er(T t) EtQ
BT
Bt

l (T )
o`
u Q designe la probabilite risque neutre. Considerons le changement de probaB
BT
u QB designe la probabilite associee au numeraire
bilite suivant : dQ
dQ erT T o`
B.
Y
Par consequent, on peut ecrire la valeur de Zt = Btt de la facon suivante :

B
Zt = er(T t) EtQ BBTt l (T ) EtQ Tt l (T ) = EtQ (l (T )).

bT WT
bT 2 T
BT
T , o`
u b est le vecteur des
Dautre part, on a dQ
dQ erT = e
poids de la richesse totale investie dans les actifs risques pour le portefeuille benchmark.
B
On en deduit par application du theorème de Girsanov que le processus WtQ ,

B
avec dWtQ dWtQ dt et T = bT est un QB -mouvement brownien.
On a T
HT
BT
H
te
Bt e
K2
2
bT
2
2

(T t)+K T (Wt Wt )

(T t)+bT (Wt Wt )
avec K 1 ( r),
ou encore après changement

de mouvement brownien :

2

bT K2 + K T bT T b (T t)+ K T bT W QB W QB
(1)
r+
1/
t
2
2
T
H
1/
1/
T BTT = t e

B. DEMONSTRATIONS
PARTIE 2
2
bT 2
En posant f (T t) (1)
r
+

K
2
2 +
T

B
B
et X K bT WTQ WtQ
N 0; 2
325

bT T b (T t)
KT
T
2

avec 2 V ar (X) = V ar {ln (HT ) / ln (BT )} soit encore 2 = K bT (T
1/
t), on en deduit que T

1/
1/ {f (T t)+X}
= t
est une variable log-normale :

ln N f (T t) ; 2 .
En utilisant lexpression de la fonction

de Zt :
l,on en deduit
lecriture suivante

B
B
1/
1/
1/
1/
1
1+d
Zt = 1+d
EtQ T 1T > + k1
EtQ T 1T
k

B
B
Q
T > aPtQ (T )
(1+d)a
1+d Pt
1/
Et après calcul, en utilisant la log-normalite de T , on trouve lexpression suivante :

B
2
1/ (f (T t)+x
/2) 1/
Zt = EtQ (l (T )) = t
N x0 + (1+d)111/ N
e
k

x2
x0
aN
(1+d)a
N
1+d
X
X
avec x0
ln( )ln(t )
f (T t), x2
ln()ln(t )
f (T t),
et o`
u x N (x) designe la fonction de repartition dune variable suivant une
loi normale centree reduite N (0; 1).
1/

B
2
HT
Ht
1/
1/
QB
= t e(f (T t)+x /2)

= EtQ T
En posant t = Bt = Et
BT

on obtient x0 = ln ( )1/ /t +
2
2

et x2 = ln ()1/ /t +
et en utilisant les notations suivantes : d

1
d
2
x0 = d
1
, d
1
x2
d
2 = d1 et yd
de Yt :
x2
k
1+d
x0
1/
ln{
}
t /()
1/
1/
ln{
)
}
t /(
2
2 ,
2
2 ,
, on en deduit lexpression cherchee

yd
Yt = Bt 1+d
C 0 (t , ()1/ , T t) y0 P 0 (t , ( )1/ , T t)

Bt a y0 ( )1/ B 0 (t , ( )1/ , T t)
avec

1/
()
C 0 (t , ()1/ , T t) t N d
N
d
1
2 ,

P 0 (t , ( )1/ , T t) ( )1/ N d
t N d
,
2
1

et B 0 (t , ( )1/ , T t) N d
2
2
2
x2

B. DEMONSTRATIONS
PARTIE 2
326
La valeur de Yt dans le cas 0 sobtient de la meme facon que dans

le cas traite precedemment.
Preuve de la propri
et
e 31.
Nous pouvons reecrire les expressions donnees dans le theorème 7 de la manière
suivante Yt = Bt C (t ) avec x C (x) une fonction deterministe dierente
selon que ou que 0 .
Par application du lemme dIto, nous en deduisons que :

C t
C t
dBt + Bt
dYt = C (t ) + Bt
B
H dHt + (...) dt
t
t
t
Après calcul, on trouve

t
dWt = (Bt + C (t ) Bt t t Bt ) dB
Bt +
avec t
t
[t t Bt ] dH
Ht + (...) dt
Wt
.
Finalement, après avoir note que

dH
1
t
Wt Bt + C (t ) Bt et que H t = 1 dH
Ht + (1 )rdt,
t

dW
t Ht
dBt
dHt
on en deduit que W t = 1 W
equent, on
Bt + [t Ht ] Ht , et par cons
t
t
a bien
wt Wt = t Ht h + (Wt t Ht ) b
ou wt designe le vecteur des poids investis dans les N actifs risques de la strategie
optimale, b celui du benchmark et h celui du portefeuille h .
Nous obtenons lexpression de t dans le cas et dans le cas 0
par simple derivation de lexpression de C (t ).
Preuve du th
eor`
eme 8.
Le problème de maximisation considere (P19) etant invariant par transformation
lineaire de la fonction à maximiser, nous considerons la forme suivante de la fonc
tion dutilite `
a maximiser w(y) v(z (y))/D 11.
1D
)u(0)
u(y) + (

D
11. w(y) v(z (y))/D =
u(y)
si y 0
D
avec

z (y) y 1y<0 + y 1y0 .
si y < 0

B. DEMONSTRATIONS
PARTIE 2
327
Nous cherchons a` montrer que la solution du problème (P19) est donnee par lexpression de YT donnee dans le theorème 8.
Il sut pour cela de montrer que le convexe conjugu
e (ou transform
e de Legendre

Fenchel) du problème (P19), w (HT ) M ax w(Y ) HkT Y , a pour solution
Y
point par point (i.e. pour chaque valeur de HT possible) lexpression de YT denie
explicitement dans le cadre du theorème 8. 12.

donc secrire de la facon suivante :
determiner y = arg max L(y) avec L(y) w(y)
y
k
HT
y.

la partie inferieure au benchmark (y < 0 et y 0), on peut appliquer localement
les CPO (Conditions du Premier Ordre) qui dans le cadre de ce problème

secrivent L (y) = 0 :
1D
D u(0)
k
HT
y les CPO donnent :

L (y) = 0 u (y) = HkT y = I( HkT ) ( C1 HkT )1/ A

Donc un premier maximum local est y1 M in I( HkT ); 0
-Pour y < 0, avec L(y) = u(y) +
-De meme pour y 0, on a L(y) =

k
1
D k
HT y = I( HT ) avec (1 + d).
u(y)
D
k
HT
y et L (y) = 0
On en deduit lexpression du second maximum local : y2 M ax
u (y)
D
1
D k
I( HT

); 0

selon les valeurs considerees des paramètres D, et la valeur nale du portefeuille,
notee HT , le maximum global cherche sera soit y1 soit y2 .
Notons que pour C1 > 0, on a y2 > 0 HT >
et y1 > 0 HT > k u (0) k A

C1 1
kD
u (0)
kD a
C1
Cas 1: D 1 13
On donne ci-dessous la demonstration dans le cas o`
u D > 1 (le cas o`
uD = 1
se demontre de facon similaire en considerant le fait que 2 = 1 ).
-Pour HT > 2 > 1 , on a y1 = 0 et y2 > 0 et donc pour ces deux valeurs,
12. en eet YT Argmax w(Y )

Y
k
HT
est aussi la solution du problème (P19) puisque
pour toute strat

egie quelconque
admissible
v
eriant la contrainte
de budget du problème

(P19), not
ee YT , on a E w(YT ) E [w(YT )] =E w(YT ) E [w(YT )] E( Hk YT ) +
T
E( Hk YT ) =E [w (HT )] (E [w(YT )] E( Hk YT )) 0.
T
T
13. Niveau daversion D plus
elev
e que , le niveau d incitation d
u aux frais de gestion
variables.

B. DEMONSTRATIONS
PARTIE 2
328

L(y) w(y)
k
HT
y=
u(y)
D
k
HT
y;
de plus, on a L (y) = 0 y = y2 et L (y) > 0 y < y2 , par consequent

y2 est le maximum global.
-Pour 2 HT 1 , on a y1 = y2 = 0 et on en deduit que 0 est le maximum. -Pour HT < 1 < 2 , on a y2 = 0 et y1 < 0 et donc pour ces deux valeurs,
k
L(y) w(y) HkT y = u(y) + 1D
D u(0) HT y ; les CPO impliquent que L (y) =
0 y = y1 donc y1 est le maximum global.
On en deduit que lexpression de la richesse terminale optimale pour lasset manager est bien celle exposee dans lenonce du theorème 8 pour D 1 C.Q.F.D.
Cas 2: cas 1 D 14
Sans perte de generalite, nous supposons que 1 D < (le cas 1 D = se
demontre de facon similaire en considerant le fait que 2 = 1 ).
-Pour HT 1 > 2 , on a y1 = 0 et y2 > 0 et donc pour ces deux valeurs,
k
lexpression de la fonction à maximiser est la meme : L(y) u(y)
D HT y ; de plus,

on a L (y) = 0 y = y2 et L (y) > 0 y < y2 , par consequent y2 est le
maximum global.
-Pour HT 2 < 1 , on a y2 = 0 et y1 < 0 et donc pour ces deux valeurs,
lexpression de la fonction à maximiser est la meme : L(y) u(y) HkT y , et les

CPO secrivent : L (y) = 0 y = y1 ; on en deduit que y1 est le maximum global.
-Pour 2 > HT > 1 on a y1 < 0 et y2 > 0 et on a L(y1 ) w(y1 )
u(y1 ) +
1D
D u(0)
k
HT
y1 , L(y2 )
u(y2 )
D
k
HT
y2 .
k
HT
y1 =
Nous cherchons donc a` determiner la zone de valeur de HT ]2 ; 1 [ pour laquelle y1 est le maximum global, i.e. le sous-ensemble de HT ]2 ; 1 [ pour lequel
L(y1 ) > L(y2 ) .

C1 C1
tel
; A
Lemme 8. HT ]1 ; 2 [ tel que L(y1 ) > L(y2 ) x D
A
que
D
1
C1
D
g( x)
g(x) g( A ) > 0
(0.2)
m(x)
D1
D1
o`
u on a pose x
D k
HT

et g(x) u0 I 0 (x) x I 0 (x) a
14. Niveau daversion, D plus faible que , le param`

etre dincitation nancière.

B. DEMONSTRATIONS
PARTIE 2
329
Preuve du Lemme 8.
1/
Posons u0 (y) u(y + A) = 11/ C1

1/
et I 0 (y) I(y) + A = 11/ C1
1
y 1/
1
y 1/
On peut re-ecrire les expressions de y1 et y2 de la facon suivante :

k
y1 = I 0 ( HkT ) A et y2 = 1 I 0 ( D
HT )
et celles de L(y1 ) et L(y2 ) comme suit :

L(y2 ) =
1
D k
D g( HT
1D 0
D u (A)
) et L(y1 ) = g( HkT ) +

avec g(x) u0 I 0 (x) x I 0 (x) a .
D C1
k
Posons x D
< x < C1 A
HT on a donc 2 > HT > 1 A
D
1
D1 0
et L(y1 ) > L(y2 ) g( x) D g(x) D u (A) > 0 et comme par ailleurs nous
avons u0 (a) = g( C1 a ), on en deduit le resultat cherche.

Etude de x g(x) et de x g (x) :

Après calcul on obtient les expressions suivantes :
1/
g(x) = Ax 11/ C1
x11/
+ C2
1 1/
(0.3)
1/
et g (x) = A I 0 (x) = A 11/ C1 x1/

On en deduit que, (C1 ; ) R2 tel que C1 > 0 , on a

g (x) > 0 x > C1 A
Etude de x m(x) et de x m (x) :

Remarquons que m( C1 A ) > 0 :

en eet on a m(x) > 0 D g(x D

) g( C1 A ) > g(x) g( C1 A ),

C1
) g( C1 A ) > 0, ce qui est
par consequent m( C1 A ) > 0 D g( D
A
vrai par construction puisque g est une fonction croissante de x x >
C1
.
A
C1
) < 0 . Par consequent on en deduit quil
De meme, on montre que m( D
A

C1 C1
A
;
A
.
existe au moins une racine de m(x) = 0 dans lintervalle x D

Nous allons maintenant montrer dans le Lemme 9 que cette racine est unique.
Lemme 9.
(C1 ; ) R2 tel que C1 > 0 , il existe une unique racine de lequation
C1 C1
m(x) = 0 dans lintervalle x D
; A
A

B. DEMONSTRATIONS
PARTIE 2
330
Preuve du Lemme 9.
En partant des equations 0.2et 0.3 et après calcul on obtient les expressions sui
vantes pour x m(x) et x m (x) :

1/
(1 11/ D1/ ) 11/ C1
1
1
ax g( C1 a )
m(x) = D1
x11/ + D1
11/

1/
1
et m (x) = D1
(1 11/ D1/ ) 11/ C1 x1/ + ( 1) a
-Cas > 1 et C1 > 0 :
On a m (x) > 0 x > x1
C1
1 11/ D11/
1
A .
Ainsi m est une fonction croissante de x x > x1 .

De plus on montre que, pour > 0 ,
C1
A
> x1 1 >
1 11/ D11/
1
> 1 , ce qui est vrai par hypothèse.
On en deduit quil existe une unique racine de m(x) = 0 pour x
D C1 C1
; A
A
-Cas 0 < < 1 , C1 > 0 et 1 < D < : idem cas precedent

11/ 11/

A .
On a m (x) > 0 x > x1 C1 1 1D
Ainsi m est une fonction croissante x > x1 et comme pour > 0 et > D
C1
> x1 ,
A

C1 C1
on en deduit quil existe une unique racine de m(x) = 0 pour x D
; A
A
-Cas 0 < < 1 , C1 > 0 et D 1 < :
On a m (x) > 0 x 0 , et on en deduit que, comme

dans les deux cas
C1 C1
.
; A
precedents, il existe une unique racine de m(x) = 0 pour x D
A
-Cas < 0 et C1 < 0 :
On a m (x) > 0 x > x1
C1
1 11/ D11/
1
A .
Ainsi m est une fonction croissante de x x > x1 .

On montre que, pour > 0 ,

C1
A
>
x1
1>

1
1/
( D
)
> 1, ce qui est vrai par hypothèse.
On en deduit comme
cas quil existe une unique racine de

dans les trois autres
C1 C1
A
;
A
m(x) = 0 pour x D

B. DEMONSTRATIONS
PARTIE 2
331
En utilisant les resultats du Lemme 8 et du Lemme 9 exposes ci-dessus, et en posant

k
eni implicitement par lequation suivante :

H0 D
x avec x0 d
0
m(x) g( D
x)
vant :
1
D g(x)
(1
C1
1
)
D )g( A
= 0, on en deduit le resultat sui-
Pour HT ]2 ; H0 [, on a L(y1 ) > L(y2 ) et par consequent y1 est le maximum

global cherche ;
Pour HT ]H0 ; 1 [, on a L(y1 ) < L(y2 ) et par consequent y2 est le maximum
global cherche.
Or comme par ailleurs pour HT ]0; 2 ], y1 est le maximum global et que, pour
HT [1 ; +[, y2 est le maximum global, on en deduit que lexpression de la richesse terminale optimale pour lasset manager dans le cas o`
u 1 D est bien
celle qui est enoncee dans le cadre du theorème 8.
Preuve des cons

equences 15 et 16. On obtient les resultats cherches par
application directe du theorème 8.
Preuve des propri

et
es 33 et 34. On en deduit de lexpression donnee dans
la consequence 15, que la richesse terminale peut se decomposer comme une somme
de pay-o de dierentes options. En considerant lesperance par rapport au temps
t de YT , on trouve lexpression donnee dans la propriete 33 pour Yt .
Lexpression de la propriete 34 sobtient par application direct du lemme dIt
o
en considerant lexpression de la propriete 33.
Preuve du th
eor`
eme 9.
Nous cherchons a` montrer que la solution du problème (P21) est donnee par lexpression de YT du theorème 9.
An dalleger lecriture, et sans perte de generalite nous supposons que W 0 1, ce
qui implique que Y 0 1 Il sut pour
cela de montrer
que le convexe conjugue
k
du problème (P21), w (HT ) M ax w(Y ) HT Y , avec 0 < 1, a pour

Y 1
solution point par point lexpression YT denie dans le cadre du theorème 9. 15

o`
u la fonction dutilite y w(y) est donnee par lexpression suivante : w(y)

Y 1
k
HT

eme (P21) puisque
pour toute strat

egie quelconque admissible v
eriant
la contrainte de budget
et la

contrainte de
protection du probl`
eme (P21), notee YT , on a E w(YT ) E [w(YT )] =E w(YT ) E [w(YT )]
E( Hk YT ) + E( Hk YT ) =E [w (HT )] (E [w(YT )] E( Hk YT )) 0.
T

B. DEMONSTRATIONS
PARTIE 2
332
u(y) si y < 0

y2
avec u(y) y 2a
v(z (y)) u(y)
ou a 0.
si y 0
D
donc secrire de la facon suivante :
determiner y = arg max L(y) avec L(y) w(y)
y1
k
HT
en considerant separement le maximum local pour la partie superieure et pour

la partie inferieure au benchmark ( 1 y < 0 et y 0 ), on peut appliquer

localement les CPO (i.e. conditions de Kuhn et Tucker) : L (y ) + = 0 ;
u designe le coecient de Lagrange associe à la
y ( 1) ; 0 ; y = 0 o`
contrainte dassurance de portefeuille :
-Pour y < 0 , on a L(y) u(y)
k
HT
y et deux cas sont possibles :

ou bien = 0 (la contrainte de protection ne joue pas) et on a L (y) = 0

u (y) = HkT y = I( HkT ) a(1 HkT ) , et le maximum local est donne par
y1 = a(1 HkT ),
ou bien > 0 (la contrainte est saturee) et on a y1 = 1 .

Donc un premier maximum local est y1 M in M ax a 1
-Pour y 0 , on a L(y) =
L (y) = 0
.
(y)
u(y)
D
k
HT
k
HT
y =
k
HT

; 1 ;0
y et les C.P.O. donnent

1
D k
I( HT
a
(1
D k
HT
) avec (1 + d)
On en deduit lexpression du second maximum local : y2 M ax
a
(1
D k
HT

); 0

selon les valeurs considerees des paramètres D , et la valeur nale du portefeuille,
HT , lexpression de la richesse terminale optimale sera y1 ou y2 .
Notons quon a y2 > 0 HT >
kD
et y1 > 0 HT > k
Cas 1: D 1 16
On expose la demonstration dans le cas o`
u D > 1 (le cas o`
u D = 1
se demontre de facon similaire en ne considerant que trois sous cas : HT k ,
k > HT > k/ (1 + ) et HT k/ (1 + ) ).
Dans ce cas on a
k
1+
< k < kD
car on suppose que
1
a
> 0.
(1) Pour HT > k D
On a y1 = 0 et y2 > 0 et donc ces deux valeurs verient : L(y)
u(y)
D
k
HT
y;
16. Niveau daversion D plus

elev
e que , la valeur du param`
etre d incitation nanci`
ere.

B. DEMONSTRATIONS
PARTIE 2
333
par consequent L (y) = 0 y = y2 et L (y) > 0 y < y2 , i.e. y2 est le

maximum global cherche.
(2) Pour k D
HT k
On a y1 = y2 = 0 et on en deduit que 0 est le maximum.
(3) Pour
k
1+
< HT < k
On a y2 = 0 et 1 < y1 < 0 et donc pour ces deux valeurs, on a : L(y)

u(y) HkT y ; les CPO secrivent L (y) = 0 y = a(1 HkT ) y1 et par consequent
y1 est le maximum global.
(4) Pour HT
k
1+
On a y2 = 0 et y1 = 1 < 0 et donc pour ces deux valeurs, on a L(y) u(y) HkT y ;

par consequent L (y) = 0 y = a(1 HkT ) et L (y) < 0 y > a(1 HkT ).
On en deduit comme a(1 HkT ) y1 = 1 < y2 = 0 que L(y1 ) > L(y2 ),
i.e. y1 = 1 est le maximum global cherche.
On en deduit que lexpression de la richesse terminale optimale pour lasset manager
exposee est bien celle de lenonce du theorème 9 pour D 1
C.Q.F.D.
Cas 2: 1 D < et
1
a

D

1 > 0 17

Sans perte de generalite, nous supposons que > D
1 > 0 : en eet, le cas

= D
1 > 0 se demontre de facon similaire en ne considerant que trois des
quatre sous-cas : HT k , HT k/ (1 + ) et k > HT > kD/ = k/ (1 + )
presentes ci-dessous.
Notons que dans lhypothèse o`
u nous nous placons, i.e. >
k
kD
<
<
k.
1+

D

1 > 0, on a :
(1) Pour HT k
k
On a y1 = 0 et y2 0 et donc pour ces deux valeurs de y, on a L(y) u(y)
D HT y ;

de plus, L (y) = 0 y = y2 et L (y) > 0 y < y2 , par consequent y2 est le
maximum global.

etre d incitation nanci`
ere et niveau de
protection faible .

B. DEMONSTRATIONS
PARTIE 2
334
(2) Pour
k
1+
< HT
kD
On a y2 = 0 et 1 < y1 0 et donc, pour ces deux valeurs de y, on a

L(y) u(y) HkT y 18 et les CPO secrivent : L (y) = 0 y = y1 ; on en deduit
que y1 est le maximum global.
(3) Pour HT
k
1+
on a y2 = 0 et y1 = 1 < 0 et donc pour ces deux valeurs, on a L(y) u(y) HkT y ;

par consequent L (y) = 0 y = a(1 HkT ) et L (y) < 0 y > a(1 HkT ).
On en deduit avec a(1 HkT ) y1 = 1 < y2 = 0 que L(y1 ) > L(y2 ), i.e.
y1 = 1 est le maximum global cherche.
(4) Pour k > HT >
kD
On a y1 < 0 et y2 > 0 et la fonction a` maximiser est pour Y1 , resp. pour YT ,

u(y )
donnee par L(y1 ) = u(y1 ) HkT y1 , resp. par L(y2 ) D 2 HkT y2 .

Nous cherchons donc a` determiner la zone de valeur de HT kD
; k pour la
quelle y1 est le maximum global, i.e. le sous-ensemble de HT kD
; k pour lequel
L(y1 ) > L(y2 ) .
Lemme 10.
HT
kD

; k tel que L(y1 ) > L(y2 ) x D
; 1 tel que
m(x) Dg(
o`
u on a pose x
D k
HT
D
x) g(x) > 0
(0.4)
et g(x) u [I(x)] x [I(x)]
Preuve du Lemme 10.

En partant des expressions de y1 et y2 , il en decoule que les expressions de L(y1 )
et L(y2 ) peuvent etre ecrites comme suit :
L(y2 ) =
1
D k
D g( HT
Posons x
D k
HT
) et L(y1 ) = g( HkT ) avec g(x) u [I(x)] xI(x) .
, on a donc k > HT >
kD
et L(y1 ) > L(y2 ) Dg( D

x) g(x) > 0 .
18. [car L(0) = 0
<x<1

B. DEMONSTRATIONS
PARTIE 2
335
Etude de x g(x) et de x g (x)

a
g(x) = (1 x)2
2

et g (x) = a(x 1) .
(0.5)
On en deduit que g(x) 0 x et g (x) > 0 x > 1 donc x 1 est un minimum global pour la fonction g.
Etude de x m(x) et de x m (x)
) > g(x).
Remarquons que m(1) > 0 puisque m(x) > 0 Dg(x D
Par consequent m(1) > 0 Dg( D

) > g(1) = 0 , ce qui est vrai par construction puisque g est une fonction positive pour tout x.
De meme, on montre que m( D

)< 0 .
Par consequent on en
deduit quil existe au moins une racine de m(x) = 0 dans
lintervalle x D
;1 .
Nous allons maintenant montrer dans le Lemme 11 que cette racine est unique.
Lemme 11.
Il existe une unique racine de lequation m(x) = 0 dans lintervalle x

notee x0 et donnee par lexpression suivante : x0
1+(1)/ D
( 2 /D1)
D

;1
Preuve du Lemme 11.

En partant des equations 0.4 et 0.5 et après calcul on obtient les expressions suivantes :

2
a
1 x2 + 2 (1 ) x + D 1
(0.6)
m(x) =
2
D

2

et m (x) = a D 1 x + a (1 )
Par consequent, on a m (x) > 0 x > x1
1
1
2
D
. Ainsi m est une fonc-
tion croissante de x x > x1 . De plus on montre que x1 <
<1.

On en deduit quil existe une unique racine de m(x) = 0 pour x D
; 1 , et
la resolution de m(x) = 0 avec m(x) donnee par lequation 0.6 donne lexpression
de x00 .

En utilisant les resultats du Lemme 10 et du Lemme 11 exposes ci-dessus, et en

B. DEMONSTRATIONS
PARTIE 2
336
posant H0
H0 =
k
1+
avec x0 deni explicitement par x0 1+(1)/

2

( /D1)

(/D1)

avec D
x0 1 = (2 /D1) / D 1 .
D k
x
0
, on obtient
On en deduit le resultat suivant :

equent y1 est le maxiPour HT kD

; H0 , on a L(y1 ) > L(y2 ) et par cons
mum global cherche ;
Pour HT ]H0 ; k[ , on a L(y1 ) < L(y2 ) et par consequent y2 est le maximum
global cherche.

k
; kD
Or comme par ailleurs, pour HT 1+
, y1 est le maximum global et, pour
HT [k; +[, y2 est le maximum global, on en deduit, dans les deux cas, que
lexpression de la richesse terminale optimale est celle du second cas expose dans le
theorème 9.
C.Q.F.D.
Cas 3: cas 1 D < et 0 <
Dans ce cas on a
kD
<
k
1+
et
1
a
k
1+
<

D
19
< k car par hypothèse > 0
(1) Pour HT k
On a y1 = 0 et y2 0 et donc pour ces deux valeurs de y, on a L(y)
u(y)
D
HkT y.
De plus, L (y) = 0 y = y2 et L (y) > 0 y < y2 , par consequent y2

est le maximum global.
(2) Pour HT
kD
On a y2 = 0 et y1 = 1 < 0 et donc pour ces deux valeurs, on a L(y) u(y) HkT y.

Par consequent L (y) = 0 y = a(1 HkT ) et L (y) < 0 y > a(1 HkT )
. On en deduit avec a(1 HkT ) y1 = 1 < y2 = 0 que L(y1 ) > L(y2 ) , i.e.
y1 = 1 est le maximum global cherche.
(3) Pour
kD
< HT <
k
1+
On a y1 = 1 < 0 et y2 > 0 et la fonction a` maximiser est pour Y1 , resp.

u(y )
pour Y2 , donnee par L(y1 ) = u(y1 ) HkT y1 , resp. par L(y2 ) D 2 HkT y2 .

k
;
Nous cherchons a` determiner la zone de valeur de HT kD
1+ pour laquelle
etre dincitation nancière et niveau
elev
e
de protection

B. DEMONSTRATIONS
PARTIE 2
y1 est le maximum global, i.e. le sous-ensemble de HT

linequation
L(y1 )
>
L(y2 )
337
kD
k
; 1+

pour lequel
est veriee.
Lemme 12.

k
HT kD
veriant L(y1 ) > L(y2 ) alors y 1 + ; D
avec y
; 1+
et
1
a
k
HT
> 0 verie linequation suivante :
1 D
g( y) + ( 1) y u( 1) < 0
D
o`
u on a pose g(x) u [I(x)] x [I(x)] et reciproquement.
l(y)
(0.7)
Preuve du Lemme 12.

En utilisant les expressions de y1 et y2 donnees precedemment, on peut re-ecrire
celles de L(y1 ) et de L(y2 ) de la manière suivante :
1
k
L(y2 ) = D
g( D
HT ) et L(y1 ) = u ( 1)
avec g(x) u [I(x)] xI(x).
k
HT
( 1)
> HT > kD
Posons y HkT on en deduit que 1+
D > x > 1 + et que
1
L(y1 ) > L(y2 ) l(y) D
g( D
y) + ( 1) y u( 1) < 0
Nous allons maintenant montrer,

Lemme 13 qui suit, sous quelles conditions
dans le
une racine à lequation l(y) = 0 et que, si
il existe dans lintervalle y 1 + ; D
elle existe, cette racine est unique .
Lemme 13.

a) Il existe une unique racine de lequation l(y) = 0 dans lintervalle y 1 + ; D
(/D1)(/ D1)
1
a <
( 2 /D1)
b) Si elle existe, cette racine, notee y0 , est donnee par lexpression suivante : y0

(2 D) 2 + 2 ( D)
D 1 +
Preuve du Lemme 13.

-Etude de x g(x) et de x g (x) :

g(x) =
a
(1 x)2
2
(0.8)
et g (x) = a(x 1) . On en deduit que g(x) 0 x et que g (x) > 0 x > 1

donc x 1 est un minimum globale pour la fonction g

B. DEMONSTRATIONS
PARTIE 2
338
-Signe de l( D
):
Montrons que l( D
) < 0 ; en utilisant lexpression de l(y) donnee par lequation
)= D
g(1) + ( 1) D
u( 1) = ( 1) D
u( 1) =
0.7, on en deduit que l( D

1
2
( 1) D 1 + 2a ( 1)

1
Donc l(x) < 0 D
1 + 2a
( 1) > 0

est vrai puisque par hypothèse (1)
< D
1 .
a
(1)
a
< 2

D

1 , ce qui
-Etude de la variation de l(y) :

En utilisant les equations 0.7 et 0.8 et après calcul on obtient les expressions sui
vantes pour la fonction y l(y) et la fonction y l (y) :
aD 2
a
1
a
2
y+
( 1) +
( 1)
y
+
(
1)
22
2D
2a

a
et l (y) = aD
2 y + ( 1)
l(y) =
Par consequent, on a l (y) > 0 y < y1
( 1) AD
>
(0.9)
> 1 + > 1.
On en deduit que l est une fonction decroissante de y y < y1 et que
> 1 + > 1.
y1 > D
-Etude du signe de la fonction l(y) :
La resolution de l(y) = 0, avec l(y) correspondant à lexpression de 0.9, donne
celle de la racine y0 avec y0 < y1 :
y0 = y1
2
AD < y1 avec

D
2a
D
2
1 2 (1 ) + (1 ) (1 )
(0.10)
et > 0 pour > 0.

Par consequent l(y) est une fonction positive pour y < y0 et negative pour y0 <
avec y0 < D
< y1 .
yD
-Expression de la racine de l(y) :
Après calculs en utilisant lequation 0.10 et lexpression
que lexpression de y0 se re-ecrit de la facon suivante :

y0 D
1 + (2 D) 2 + 2 ( D)
-Etude du signe de l(1 + ) :
En utilisant lequation 0.7, on peut ecrire :
1
g( D
l(1 + ) = D
(1 + )) + ( 1) (1 + ) u( 1)
et avec g(x) u [I(x)] xI(x) , on en deduit que
1
a
, on en deduit

B. DEMONSTRATIONS
PARTIE 2
l(1 + ) =
1
D
D g(
339
(1 + )) + ( 1) (1 + ) [g(1 + ) + (1 + ) ( 1)] .
Par consequent, on a l(1 + ) = g( D

(1 + ))/D g(1 + ) et en utilisant lexpression explicite de g donnee par 0.8, on en deduit après calcul lecriture suivante
de l(1 + ) :

aD
1 2 /D 2 + 2 (1 /D) + (1 /D)2
l(1 + ) = 2
2
Par consequent la fonction l(1 + ) est un polynome du second ordre dont
lunique racine, pour > 0 , a pour expression :

(/D1)(/ D1)
( 2 /D1)
>0.
De plus, on en deduit lexpression de la fonction derivee :

l (1 + ) =
aD
2

1 2 /D + (1 /D)
et donc, on a l (1 + ) < 0 > 1
(1/D)
( 2 /D1)
< 0.
Ce qui implique que, pour > 0, la fonction l(1 + ) est decroissante.

Par consequent, la fonction l(1 + ) est positive pour [0; [ et negative
pour [ ; /D 1[ .
-Conclusion :
On en deduit le resultat cherche :
) < 0 et comme y l(y) est une

-Pour [0; ] , on a l(1 + ) 0 et l( D

fonction decroissante de y sur 1 + ; D , alors il existe dans cet intervalle une

unique racine à lequation l(y) = 0 donnee par lexpression :

y0 D
1 + (2 D) 2 + 2 ( D) .

-Pour ; D
1 , on a l(1 + ) < 0 et l( D
) < 0 et comme y l(y) est une

fonction decroissante de y sur 1 + ; D , alors il ny a pas de racine à lequation

l(y) = 0 dans cet intervalle puisquon a l(y) < 0 y 1 + ; D

.
En utilisant les resultats du Lemme 12 et du Lemme 13 exposes ci-dessus, on en

deduit le resultat suivant :
(a) Pour ]0; ]

En posant H yk avec y0 deni par :
0

y0 D
1 + (2 D) 2 + 2 ( D)

B. DEMONSTRATIONS
PARTIE 2
340
on obtient H

1

1 + (2 D) 2 + 2 ( D)
.
kD

Pour HT kD
equent y1 1
; H , on a L(y1 ) > L(y2 ) et par cons
est le maximum global cherche ;

k
, on a L(y1 ) < L(y2 ) et par consequent y2 est le maxiPour HT H ; 1+
mum global cherche.

(b) Pour ; D
1
On a L(y1 ) > L(y2 ) et par consequent y1 1 est le maximum global cherche.
(4) Pour
k
1+
HT < k
On a 1 < y1 < 0 et y2 > 0 et la fonction a` maximiser est pour Y1 , resp.

pour Y2 , donnee par
L(y1 ) = u(y1 )
k
HT
y1 , resp. par L(y2 )
u(y2 )
D
k
HT
y2 .
Or nous avons demontre dans le cas 2 precedent que, pour k > HT > kD
dune
part, les expressions de y1 < 0 et y2 > 0 sont identiques a` celles du cas traite et
que, dautre part, independamment de la valeur consideree pour 1
a > 0 , le
resultat suivant est verie :

equent y1 est le maxiPour HT kD

; H0 , on a L(y1 ) > L(y2 ) et par cons
mum global cherche ;
Pour HT ]H0 ; k[ , on a L(y1 ) < L(y2 ) et par consequent y2 est le maximum
global cherche.

(/D1)
k
avec H0 1+
/ D 1 > 0
(
ou
2 /D1)
k
Puisque 1+
> kD
esulte que, dans le cas present, les deux sous-cas suivants
, il en r
sont possibles :
k
k
> H0 1+
-Ou bien H 1+
]0; ] et dans ce cas, HT [H ; k[
, on a L(y1 ) < L(y2 ) et par consequent y2 est le maximum global cherche.

-Ou bien H < H0 ; D

1 et dans ce cas, on a le resultat suivant :
Pour HT ]k; H0 [ , on a L(y1 ) > L(y2 ) et par consequent y1 est le maximum
global cherche ;
Pour HT ]H0 ; H ] , on a L(y1 ) < L(y2 ) et par consequent y2 est le maximum
global cherche.
On en deduit que lexpression de la richesse terminale
pour lasset manager
optimale

dans le cas 3 o`
u 1 D < et 0 < 1
<
1
est
ou bien lexpression
a
D

(2) du theorème 9 si ; D 1 , ou bien lexpression (3) du theorème 9 si
]0; ] .

B. DEMONSTRATIONS
PARTIE 2
341
Preuve de la cons
equence ??. On obtient le resultat cherche par application directe du theorème 9.
Preuve des propri

et
es 35 et 36. On en deduit, de lexpression donnee dans
le theorème 9, que la strategie optimale peut se decomposer comme une combinaison de plusieurs positions optionnelles elementaires. En considerant lesperance par
rapport au temps t de YT , on trouve lexpression donnee dans la propriete 35 pour
Yt .
Lexpression de la propriete 36 sobtient par application directe du lemme dIto
en partant de lexpression de la propriete 35.
Bibliographie
[Agarwal et al., 2004] Vikas Agarwal, Naveen D. Daniel, Narayan Y. Naik. Flows, Performance,
and Managerial Incentives in Hedge Funds. SSRN eLibrary, 2004.
[Agarwal et al., 2008] Vikas Agarwal, Naveen D. Daniel, Narayan Y. Naik. Role of Managerial
Incentives and Discretion in Hedge Fund Performance. SSRN eLibrary, 2008.
[Alexander Baptista, 2001] Gordon J. Alexander Alexandre M. Baptista. A var-constrained
mean-variance model : Implications for portfolio selection and the basle capital accord. SSRN
eLibrary, 2001.
[Alexander Baptista, 2003] Gordon J. Alexander Alexandre M. Baptista. Cvar as a measure of
risk : Implications for portfolio selection. SSRN eLibrary, 2003.
[Alexander Baptista, 2008] Gordon J. Alexander Alexandre M. Baptista. Active portfolio management with benchmarking : Adding a value-at-risk constraint. Journal of Economic Dynamics
and Control, 32(3) :779820, March 2008.
[Bajeux-Besnainou Ogunc, 2006] Isabelle Bajeux-Besnainou Kurtay Ogunc. Spending rules for
endowment funds. Review of Quantitative Finance and Accounting, 27(1) :93107, August 2006.
[Bajeux-Besnainou Portait, 1998] Isabelle Bajeux-Besnainou Roland Portait. Dynamic asset allocation in a mean-variance framework. Management Science, 44(11) :7995, 1998.
[Bajeux-Besnainou et al., 2003a] I. Bajeux-Besnainou, R. Portait, Tergny G.. Dynamic asset allocation with benchmarking. Outstanding academic paper in investments, eastern nance association meetings, april 2003, 2003.
[Bajeux-Besnainou et al., 2001] Isabelle Bajeux-Besnainou, Jordan James V., Portait Roland.
An asset allocation puzzle : Comment. The American Economic Review, 91(4) :11701179, Sep
2001.
[Bajeux-Besnainou et al., 2003b] Isabelle Bajeux-Besnainou, Jordan James V., Portait Roland.
Dynamic asset allocation for stocks, bonds, and cash. Journal of Business, 76(2) :263288, April
2003.
[Basak, 1995] Suleyman Basak. A general equilibrium model of portfolio insurance. Review of
Financial Studies, 8(4) :10591090, 1995.
[Basak, 2002] Suleyman Basak. A comparative study of portfolio insurance. Journal of Economic
Dynamics and Control, 26(7-8) :1217 1241, 2002.
[Basak Makarov, 2009] Suleyman Basak Dimitry Makarov. Strategic Asset Allocation in Money
Management. SSRN eLibrary, 2009.
[Basak et al., 2008] Suleyman Basak, Anna Pavlova, Alexander Shapiro. Osetting the implicit
incentives : Benets of benchmarking in money management. Journal of Banking Finance,
32(9) :1883 1893, 2008.
[Basak Shapiro, 2001] Suleyman Basak Alex Shapiro. Value-at-risk based risk management :
Optimal policies and asset prices. Review of Financial Studies, 14(2) :371405, 2001.
[Basak Shapiro, 2004] Suleyman Basak Alex Shapiro. A model of credit risk, optimal policies,
and asset prices. SSRN eLibrary, 2004.
[Basak et al., 2003] Suleyman Basak, Alex Shapiro, Lucie Tepla. Risk management with benchmarking. SSRN eLibrary, 2003.
[Battocchio et al., 2003] P. Battocchio, F. Menoncin, O. Scaillet. Optimal asset allocation for
pension funds under mortality risk during the accumulation and decumulation phases. Discussion
Papers (IRES - Institut de Recherches Economiques et Sociales) 2003004, Universit
e catholique
de Louvain, Institut de Recherches Economiques et Sociales (IRES), 2003.
[Bawa, 1975] Vijay S. Bawa. Optimal rules for ordering uncertain prospects. Journal of Financial
Economics, 2(1) :95121, 1975.
343
344
BIBLIOGRAPHIE
[Bawa, 1978] Vijay S. Bawa. Safety rst, stochastic dominance and optimal portfolio selection.
Journal of Financial and Quantitative Analysis, 13(2) :255271, 1978.
[Berkelaar et al., 2002] Arjan Berkelaar, Phornchanok Cumperayot, Roy Kouwenberg. The effect of var based risk management on asset prices and the volatility smile. European Financial
Management, 8(2) :139164, 2002.
[Berkelaar Kouwenberg, 2000] Arjan Berkelaar Roy R. Kouwenberg. Dynamic Asset Allocation
and Downside-Risk Aversion. SSRN eLibrary, 2000.
[Berkelaar et al., 2004] Arjan Berkelaar, Roy R. Kouwenberg, Thierry Post. Optimal portfolio
choice under loss aversion. Review of Economics and Statistics, 86(4) :973987, 2004.
[Black Scholes, 1973] Fischer Black Myron S Scholes. The pricing of options and corporate liabilities. Journal of Political Economy, 81(3) :63754, May-June 1973.
[Boulier et al., 2001] Jean-Francois Boulier, ShaoJuan Huang, Gr
egory Taillard. Optimal management under stochastic interest rates : the case of a protected dened contribution pension fund.
Insurance : Mathematics and Economics, 28(2) :173 189, 2001.
[Branger et al., 2008] Nicole Branger, Christian Schlag, Eva Schneider. Optimal portfolios when
volatility can jump. Journal of Banking Finance, 32(6) :10871097, 2008.
[Brennan Xia, 2000] Michael J. Brennan Yihong Xia. Stochastic Interest Rates and the BondStock Mix. European Finance Review, 4(2) :197210, 2000.
[Brennan Xia, 2002] Michael J. Brennan Yihong Xia. Dynamic asset allocation under ination.
Journal of Finance, 57(3) :12011238, Jun 2002.
[Brennan Xia, 2005] M. J. Brennan Y. Xia. Persistence, predictability, and portfolio planning.
Rodney l white center for nancial research working papers, 2005.
[Brennan M. R., 1997] E. Schwartz Brennan M. Lagnado R.. Strategic asset allocation. Journal
of Economic Dynamics and Control, 21 :13771043, 1997.
[Cairns, 1996] Andrew J.G. Cairns. Continuous-time pension-fund modelling. Proceedings of the
6th AFIR Colloquium, Nuremberg, 1(1) :609624, 1996.
[Cairns et al., 2006] Andrew J.G. Cairns, David Blake, Kevin Dowd. Stochastic lifestyling : Optimal dynamic asset allocation for dened contribution pension plans. Journal of Economic
Dynamics and Control, 30(5) :843 877, 2006.
[Cairns et al., 2000] Andrew J.G. Cairns, David Blake, Andrew J. G, Kevin Dowd. Optimal
dynamic asset allocation for dened-contribution pension plans. , June 2000.
[Campbell Viceira, 2003] Chan Y. L. Campbell, J. Y. L. M. Viceira. A multivariate model of
strategic asset allocation. Journal of Financial Economics, 67 :4180, 2003.
[Campbell et al., 2002] John Y. Campbell, George Chacko, Jorge F. Rodriguez, Luis M. Viceira.
Strategic asset allocation in a continuous-time var model. SSRN eLibrary, 2002.
[Campbell Viceira, 2001] Y. Campbell L. Viceira. Who should buy long-term bonds ? The American Economic Review, 91(1) :99127, 2001.
[Campbell Viceira, 2002] Y. Campbell L. Viceira. Strategic Asset Allocation. Oxford Press, 2002.
[Canner et al., 1997] Niko Canner, N Gregory Mankiw, David N Weil. An asset allocation puzzle.
American Economic Review, 87(1) :18191, March 1997.
[Carpenter, 2000] Jennifer Carpenter. Does option compensation increase managerial risk appetite ? The Journal of Finance, 55(5) :23112331, 2000.
[Chacko Viceira, 2005] George Chacko Luis M. Viceira. Dynamic consumption and portfolio
choice with stochastic volatility in incomplete markets. Rev. Financ. Stud., 18(4) :13691402,
2005.
[Chevalier Ellison, 1995] Judith A. Chevalier Glenn D. Ellison. Risk taking by mutual funds as
a response to incentives. SSRN eLibrary, 1995.
[Cox Huang, 1989] John C. Cox Chi-fu Huang. Optimal consumption and portfolio policies when
asset prices follow a diusion process. Journal of Economic Theory, 49(1) :3383, October 1989.
[Cuoco et al., 2008] Domenico Cuoco, Hua He, Sergei Isaenko. Optimal dynamic trading strategies with risk limits. Operations Research, 56(2) :358368, 2008.
[Cvitanic et al., 2003] Jaksa Cvitanic, Levon Goukasian, Fernando Zapatero. Monte carlo computation of optimal portfolios in complete markets. Journal of Economic Dynamics and Control,
27(6) :971 986, 2003.
[Dai Singleton, 2000] Qiang Dai Kenneth J. Singleton. Specication analysis of ane term structure models. Journal of Finance, 55(5) :19431978, 2000.
BIBLIOGRAPHIE
345
[Deelstra et al., 2003] Griselda Deelstra, Martino Grasselli, Pierre-Francois Koehl. Optimal investment strategies in the presence of a minimum guarantee. Insurance : Mathematics and Economics, 33(1) :189207, August 2003.
[Del Guercio Tkac, 2000] Diane Del Guercio Paula A. Tkac. The determinants of the ow of
funds of managed portfolios : Mutual funds versus pension funds. (2000-21), 2000.
[Elton et al., 2003] Edwin J. Elton, Martin J. Gruber, Christopher R. Blake. Incentive fees and
mutual funds. Journal of Finance, 58 :779804, April 2003.
[Fishburn, 1977] Peter C Fishburn. Mean-risk analysis with risk associated with below-target
returns. American Economic Review, 67(2) :11626, March 1977.
[Grossman Vila, 1989] Sanford Jay Grossman Jean-Luc Vila. Portfolio insurance in complete
markets : A note. Journal of Business, 62(4) :47376, 1989.
[Grossman Zhou, 1996] Sanford J Grossman Zhongquan Zhou. Equilibrium analysis of portfolio
insurance. Journal of Finance, 51(4) :13791403, 1996.
[Hainaut, 2009] Donatien Hainaut. Dynamic asset allocation under var constraint with stochastic
interest rates. Annals of Operations Research, 172(1) :97117, 2009.
[Hainaut, 2005] P. (2005) Hainaut, D. Devolder. Management of a pension fund under a var
constraint. Working paper, UCL, 2005.
[Harlow, 1991] W. V. Harlow. Asset allocation in a downside-risk framework. Financial Analysts
Journal, 47(5) :2840, 1991.
[Hodder Jackwerth, 2006] James E. Hodder Jens C. Jackwerth. Incentive contracts and hedge
fund management. Journal of Financial and Quantitative Analysis, May 2006, 2006.
[Hoevenaars et al., 2008] Roy P.M.M. Hoevenaars, Roderick D.J. Molenaar, Peter C. Schotman,
Tom B.M. Steenkamp. Strategic asset allocation with liabilities : Beyond stocks and bonds.
Journal of Economic Dynamics and Control, 32(9) :2939 2970, 2008.
[Hou, 2002] Yuanfeng Hou. Integrating market risk and credit risk : A dynamic asset allocation
perspective. SSRN eLibrary, 2002.
[Hou Jin, 2002] Yuanfeng Hou Xiangrong Jin. Optimal investment with default risk. Fame research paper series, International Center for Financial Asset Management and Engineering, 2002.
[Jalal, 2007] Amine Jalal. Dynamic option-based strategies under downside loss averse preferences.
Swiss Finance Institute Research Paper Series 07-34, Swiss Finance Institute, 2007.
[Jarrow Zhao, 2006] Robert Jarrow Feng Zhao. Downside loss aversion and portfolio management. Manage. Sci., 52(4) :558566, 2006.
[John C. Cox Ross, 1985] Jr. John C. Cox, Jonathan E. Ingersoll Stephen A. Ross. A theory of
the term structure of interest rates. Econometrica, 53(2) :385407, March 1985.
[Jorion, 2001] P. Jorion. Value at Risk. McGraw-Hill, New York, 2001.
[Jorion, 2003] Philippe Jorion. Portfolio optimization with tracking-error constraints. Financial
Analysts Journal, 59(5) :7082, 2003.
[Kahneman Tversky, 1979] Daniel Kahneman Amos Tversky. Prospect theory : An analysis of
decision under risk. Econometrica, 47(2) :263291, March 1979.
[Karatzas et al., 1987] Ioannis Karatzas, John P. Lehoczky, Steven E. Shreve. Optimal portfolio
and consumption decisions for a small investor on a nite horizon. SIAM J. Control Optim.,
25(6) :15571586, 1987.
[Kim Omberg, 1996] Tong Suk Kim Edward Omberg. Dynamic nonmyopic portfolio behavior.
Review of Financial Studies, 9(1) :14161, 1996.
[Kouwenberg Ziemba, 2007] Roy Kouwenberg William T. Ziemba. Incentives and risk taking in
hedge funds. Journal of Banking & Finance, 31(11) :3291 3310, 2007.
[Lei, 2008] Liu Lei. Optimal asset allocation of pension funds under value-at-risk constraints.
Working paper, May 2008.
[Li Wu, 2008] X. Li Z. Wu. Dynamic downside risk measure and optimal investment behaviors.
Presented at the 2008 Financial Management Association Europe Annual Meeting, Prague,
Czech Republic., 2008.
[Li et al., 2007] Z. F. Li, H. Yang, X. T. Deng. Optimal dynamic portfolio selection with earningsat-risk. Journal of Optimization Theory and Applications, 132(3) :459473, march 2007.
[Lim Wong, 2010] Andrew E.B. Lim Bernard Wong. A benchmarking approach to optimal asset
allocation for insurers and pension funds. Insurance : Mathematics and Economics, 46(2) :317
327, 2010.
346
BIBLIOGRAPHIE
[Lioui Poncet, 1996] Abraham Lioui Patrice Poncet. Optimal hedging in a dynamic futures market with a nonnegativity constraint on wealth. Journal of Economic Dynamics and Control,
20(6-7) :1101 1113, 1996.
[Lioui Poncet, 2001] Abraham Lioui Patrice Poncet. On optimal portfolio choice under stochastic
interest rates. Journal of Economic Dynamics and Control, 25(11) :1841 1865, 2001.
[Lioui Poncet, 2006] Abraham Lioui Patrice Poncet. Optimal benchmarking for active portfolio
managers. Working papers, 2006.
[Lioui et al., 1996] Abraham Lioui, Pascal Nguyen Duc Trong, Patrice Poncet. Optimal dynamic
hedging in incomplete futures markets. The Geneva Risk and Insurance Review, 21(1) :103122,
June 1996.
[Liu, 2001] Jun Liu. Dynamic choice and risk aversion. SSRN eLibrary, 2001.
[Liu, 2007] Jun Liu. Portfolio selection in stochastic environments. Rev. Financ. Stud., 20(1) :1
39, 2007.
[Liu Pan, 2003] Jun Liu Jun Pan. Dynamic derivative strategies. Journal of Financial Economics, 69 :401430, 2003.
[Long, 1990] John Jr. Long. The numeraire portfolio. Journal of Financial Economics, 26(1) :29
69, July 1990.
[Lucas Siegmann, 1999] Andr
e Lucas Arjen Siegmann. Continuous-time dynamic programming
for alm with risk averse loss functions. Working paper, ASTIN Colloquium International Actuarial Association - Brussels, Belgium, 1999 : Toyko, 1999.
[Margrabe, 1978] William Margrabe. The value of an option to exchange one asset for another.
Journal of Finance, 33(1) :17786, March 1978.
[Markowitz, 1952] Harry M Markowitz. Portfolio selection. The Journal of Finance, 7(5) :7791,
1952.
[Markowitz, 1959] Harry M Markowitz. Portfolio Selection. (First Edition). New York : John
Wiley and Sons, 1959.
[Martellini, 2006] Lionel Martellini. Managing pension assets : From surplus optimization to
liability-driven investment. Working paper, Edhec Risk and Asset Management Research Center,
2006.
[Menoncin, 2003] Francesco Menoncin. Optimal real consumption and asset allocation for a hara
investor with labour income. Discussion Papers (IRES - Institut de Recherches Economiques
et Sociales) 2003015, Universite catholique de Louvain, Institut de Recherches Economiques et
Sociales (IRES), 2003.
[Menoncin Scaillet, 2003] Francesco Menoncin Olivier Scaillet. Mortality risk and real optimal
asset allocation for pension funds. Fame research paper series, International Center for Financial
Asset Management and Engineering, 2003.
[Merton, 1971] R. C. Merton. Optimum consumption and portfolio rules in a continuous-time
model. Journal of Economic Theory, 3 :373413, 1971.
[Merton, 1973] R. C. Merton. An intertemporal capital asset pricing model. Econometrica,
41(5) :867887, 1973.
[Merton, 1990] R. C. Merton. Continuous-Time Finance. Basil Blackwell, Inc. 1990 ; Revised
Edition 1992, 1990.
[Munk et al., 2004] Claus Munk, Carsten Sorensen, Tina Nygaard Vinther. Dynamic asset allocation under mean-reverting returns, stochastic interest rates, and ination uncertainty : Are
popular recommendations consistent with rational behavior ? International Review of Economics
& Finance, 13(2) :141166, 2004.
[Nawrocki, 1999] David Nawrocki. A brief history of downside risk measures. Journal of Investing,
8(3) :925, Fall 1999.
[Nguyen Portait, 2002] Pascal Nguyen Roland Portait. Dynamic asset allocation with mean
variance preferences and a solvency constraint. Journal of Economic Dynamics and Control,
26(1) :11 32, 2002.
[Omberg, 2000] E. Omberg. Non-myopic asset-allocation with stochastic interest rates. , 2000.
[Perold Sharpe, 1988] Andre F. Perold William F. Sharpe. Dynamic strategies for asset allocation. Financial Analysts Journal, 44(1) :1627, 1988.
[Rockafellar Uryasev, 2000] R. Tyrrell Rockafellar Stanislav Uryasev. Optimization of conditional value-at-risk. Journal of Risk, 2 :2141, 2000.
BIBLIOGRAPHIE
347
[Roll, 1992] R. Roll. A mean-variance analysis of tracking error. Journal of Portfolio Management,
1322, 1992.
[Romaniuk, 2007] Katarzyna Romaniuk. The optimal asset allocation of the main types of pension
funds : a unied framework. The Geneva Papers on Risk and Insurance Theory, 32(2) :113128,
December 2007.
[Roy, 1952] A. D. Roy. Safety rst and the holding of assets. Econometrica, 20(3) :431449, 1952.
[Rudolf et al., 1999] Markus Rudolf, Hans-J
urgen Wolter, Heinz Zimmermann. A linear model
for tracking error minimization. Journal of Banking & Finance, 23(1) :85 103, 1999.
[Runggaldier, 2003] W.J. Runggaldier. On stochastic control in nance. in : Mathematical systems
theory in biology, communication, computation and nance. IMA Volumes in Mathematics and
its Applications, Mathematical Systems Theory in Biology, Communication, Computation and
Finance, 134 :317344, 2003.
[Sangvinatsos Wachter, 2003] Antonios A. Sangvinatsos Jessica A. Wachter. Does the failure of
the expectations hypothesis matter for long-term investors ? SSRN eLibrary, 2003.
[Sorensen, 1999] Carsten Sorensen. Dynamic asset allocation and xed income management. Journal of Financial and Quantitative Analysis, 34(04) :513531, December 1999.
[Sorensen, 2007] Carsten Sorensen. Interest rate uncertainty and strategic asset allocation with
borrowing and short sales constraints. SSRN eLibrary, 2007.
[Sorensen Trolle, 2004] C. Sorensen A. B. Trolle. Dynamic asset allocation and latent variables.
Working paper, 2004.
[Stracca, 2005] Livio Stracca. Delegated portfolio management : A survey of the theoretical literature. SSRN eLibrary, 2005.
[Tepla, 2001] Lucie Tepla. Optimal investment with minimum performance constraints. Journal
of Economic Dynamics and Control, 25(10) :16291645, October 2001.
[Van Binsbergen Brandt, 2007] Jules H. Van Binsbergen Michael W. Brandt. Optimal asset
allocation in asset liability management. SSRN eLibrary, 2007.
[Vasicek, 1977] O. Vasicek. An equilibrium characterization of the term structure. Journal of
Financial Economics, 5(2) :177188, November 1977.
[Wachter, 2002] Jessica A. Wachter. Portfolio and consumption decisions under mean-reverting
returns : An exact solution for complete markets. The Journal of Financial and Quantitative
Analysis, 37(1) :6391, Mar 2002.
[Wagner, 2002] N Wagner. On a model of portfolio selection with benchmark. Journal of Asset
Management, 3(1) :55 65, 2002.
[Walder, 2002] Roger Walder. Dynamic allocation of treasury and corporate bond portfolios.
FAME Research Paper Series rp64, International Center for Financial Asset Management and
Engineering, 2002.
[Wang, 1999] M. Wang. Multiple-benchmark and multiple-portfolio optimization. Financial Analyst Journal, 55(1) :6372, Jan 1999.
[Zhao, 2007] Yonggan Zhao. A dynamic model of active portfolio management with benchmark
orientation. Journal of Banking Finance, 31(11) :3336 3356, 2007.
[Zhao Ziemba, 2000] Yonggan Zhao William T. Ziemba. A dynamic asset allocation model with
downside risk control. Journal of Risk, 3(8), 2000.

ThA Se - Guillaume - Tergny PDF

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

ThA Se - Guillaume - Tergny PDF

Transféré par

Droits d'auteur :

Formats disponibles

Allocation dynamique de portefeuille avec profil de gain

To cite this version:

HAL Id: tel-00629049

HAL is a multi-disciplinary open access

Larchive ouverte pluridisciplinaire HAL, est

CONSERVATOIRE NATIONAL DES

Allocation dynamique de portefeuille avec profil de

Professeur, Universite Paris I Sorbonne et ESSEC

Jean-Luc PRIGENT Professeur, THEMA, Universite de Cergy-Pontoise

Professeur, ancien titulaire de la chaire de Finance, CNAM Directeur de

Professeur, titulaire de la chaire de Finance, CNAM

Professeur, titulaire de la chaire de Banque, CNAM

Table des mati`

partie 1. Allocation dynamique avec contrainte de risk

Chapitre 1. Allocation dynamique avec aversion a` la sous-performance

Chapitre 2. Crit`ere moyenne - variance - downside risk

Chapitre 3. Allocation dynamique avec benchmark et taux stochastique

partie 2. Allocation dynamique avec r

Chapitre 4. Incitations nanci`eres et benchmarking

Chapitre 5. Incitation nanci`ere et aversion `a la sous-performance

Annexe A. Demonstrations partie 1

Annexe B. Demonstrations partie 2

Le mod`ele dequilibre de Merton (Intertemporal Capital Asset Pricing Model)

admet la meme decomposition en plusieurs positions elementaires.

1.2. Allocation dynamique dactifs et mod`

Dans le contexte de la problematique particuli`ere du Popular Advice introduite

1.3. Allocation dactifs avec contraintes de risque.

1.3.1. Mod`ele statique dallocation de portefeuille avec prise en compte de laversion `

[Bawa, 1975], [Bawa, 1978], [Fishburn, 1977], et [Harlow, 1991] analysent

1.3.2. Allocation dynamique de portefeuille avec prise en compte de preferences

11. Les moments partiels inf

17. Pour ce choix de fonction dutilit

1.4. Benchmarking et mod`

1.4.1. Mod`eles dallocation de portefeuille avec benchmark et contrainte de risque.

Les probl`emes de minimisation de la TEV (probl`eme de Roll) avec prise en compte

1.4.2. Allocation de portefeuille en presence dincitations nanci`eres contractuelles ou implicites.

remuneration incitative, eet de lexistence dune periode de lock up (periode

1.4.3. Choix dynamique de portefeuille en gestion actif-pasif.

des fonds de pension.

du probl`eme dinvestissement consideree est la richesse reelle du fonds de pension

Dans la premi`ere partie, nous analysons, dans le cadre de la theorie du choix

(b) Considerant le cas particulier de linvestisseur CRRA averse `a la

(c) Dans la troisi`eme et derni`ere section de ce chapitre, nous analysons

(3) Dans le troisi`eme et dernier chapitre, nous analyserons leet de la prise

(a) Dans la premi`ere section, nous explicitons la forme generale du probl`eme

39. Comme nous le verrons, ceci est

Allocation dynamique avec

Nous partons du constat que de nombreux investisseurs professionnels ont un

Dans le troisi`eme et dernier chapitre, nous analyserons leet de la prise en

Allocation dynamique avec aversion `

Nous etudions, dans ce chapitre, les proprietes de la solution optimale du probl`eme

Dans cette section, nous presentons les hypoth`eses sous-jacentes au mod`ele de

1. contrainte explicite supplementaire ou contrainte implicite integr

(1) Economie de marche consideree

marche nancier ouvert en permanence, dans lequel les portefeuilles

(2) Dynamique des actifs

ltration Ft et satisfont aux conditions dintegrabilite classiques 3. De plus,

|j (t)| dt < , p.s.

[Karatzas et al., 1987]

(1) Probl`eme doptimisation

Dans le cadre de lhypoth`ese de marche complet, ce probl`eme peut se

Ou v(.) designe la fonction dutilite de linvestisseur dont nous preciserons

1`ere phase : obtention de la richesse terminale optimale, solution

u x u(x) designe une fonction dutilite

Figure 8. Strategies optimales CRRA LEL - = 5%

Figure 9. LossAversion(C, W 0 , WT , ) en fonction de