Académique Documents
Professionnel Documents
Culture Documents
asym
etrique : risk management, incitations financi`
eres
et benchmarking
Guillaume Tergny
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 Financi`ere
COMPOSITION DU JURY :
Patrice PONCET
Rapporteur
Rapporteur
Roland PORTAIT
Alexis COLLOMB
Examinateur
Didier MAILLARD
Examinateur
Remerciements
Remerciements. Je souhaiterais exprimer toute ma gratitude envers le professeur Roland PORTAIT qui ma fait lhonneur, apr`es avoir dirige mon memoire
dactuariat, daccepter detre mon directeur de th`ese.
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 `a 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 th`ese. 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 th`ese, ainsi
quaux professeurs Alexis COLLOMB et Didier MAILLARD qui ont bien voulu
faire partie du jury.
Enn, je tiens `a remercier tr`es 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 `a celle dun portefeuille benchmark. A ce titre, ils
sont amenes tr`es frequemment a` utiliser des mod`eles 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 nanci`ere 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 th`eme encore relativement peu explore dans le cadre de
la theorie classique des choix dynamiques de portefeuille en temps continu. Cette
th`ese analyse, dans ce cadre theorique, les implications de ces pratiques de benchmarking sur le comportement dinvestissement de lasset manager. La premi`ere
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 `a
dierentes contraintes de risque de sous-performance. Nous montrons en particulier
quel est le lien entre les probl`emes 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 nanci`eres et
son degre daversion `a 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 `a la strategie sans
incitation nanci`ere 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 `a linvestisseur donnant mandat de gestion nanci`ere.
Mots cl
es : choix dynamique de portefeuille, aversion `a la perte, assurance
de portefeuille, Value at Risk, esperance de perte, probl`eme Moyenne-Variance,
benchmarking, mod`ele de taux dinteret stochastique, incitation nanci`ere.
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.
iii
R
esum
e
Abstract
vii
Introduction
1. Revue de la litterature
2. Plan de la th`ese
1
6
20
25
29
29
36
58
67
68
90
115
117
119
123
130
135
139
141
155
180
213
234
241
242
250
272
289
291
xi
xii
`
TABLE DES MATIERES
313
Annexe. Bibliographie
343
Introduction
Lindustrie de la gestion nanci`ere 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 heterog`enes) :
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 `a 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
g`erent souvent `a 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 `a un portefeuille benchmark, le gestionnaire tentant de repliquer
ou de sur-performer le benchmark. Celui-ci sert de point de rep`ere 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 `a 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 `a un portefeuille benchmark revet un caract`ere fondamental ; si linvestissement se fait par
reference `a un portefeuille benchmark, il sagit ici souvent dun portefeuille de
replication imparfaite du passif dune institution nanci`ere (une assurance ou un
fonds de pension,...), permettant `a cet investisseur institutionnel de pouvoir faire
face `a 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 th`eme 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 nanci`ere de Fonds Commun de Placement a` la gestion Actif-Passif (Asset Liability Management).
Laissant de cote la question du choix du benchmark dej`a abondamment discutee
dans la litterature, nous nous interessons `a 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 nanci`ere mondiale recente ayant mis `a jour certaines carences
en termes de prises de risques et de remunerations parfois jugees excessives de
certains acteurs nanciers) et dune attention toute particuli`ere des autorites de
tutelle des marches nanciers (par exemple lAMF en France), il nous apparat que
les mod`eles dallocation dactifs de la theorie nanci`ere classique ne repondent pas
ou de mani`ere incompl`ete `a ces interrogations des praticiens de la gestion de portefeuille.
Cela pouvant sexpliquer par le fait que les mod`eles classiques dallocation dactifs (mod`ele de [Markowitz, 1952], de [Merton, 1971] et de [Merton, 1973]),
naboutissent a` des formulations simples que dans le cas dhypoth`eses 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.
hypoth`ese 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 crit`ere 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 mod`eles aboutissaient a` des r`egles dinvestissement entrant en contradiction
avec les r`egles 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 `a 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 r`egles de bon
sens.
Notre travail qui sinscrit dans le cadre des probl`emes de choix dynamique de portefeuille tentera de repondre de mani`ere 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 lumi`ere de techniques doptimisation dynamique de portefeuille et de mod`eles dactifs issus des hypoth`eses classiques
en nance mathematique :
Processus stochastiques dIt
o pour decrire les actifs risques et hypoth`ese de
marche complet.
Probl`eme doptimisation dynamique orant une resolution simpliee (methode
des martingales) par rapport a` la methode de la programmation dynamique
de Bellmann (dans le cadre de lhypoth`ese de marche complet).
Prise en compte des preferences de risque de linvestisseur mais aussi de son
aversion `a 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 mod`ele de Black & Scholes a` deux
actifs, extension `a un mod`ele a` N sources de risques actions, puis `a un mod`ele
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 param`etres de risque et a` la forme de la remuneration.
Cette th`ese sarticule en deux parties :
La premi`ere 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 r`egles 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 deuxi`eme 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.
1. REVUE DE LA LITTERATURE
contradiction avec les r`egles 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 hypoth`ese restrictive de labsence de facteurs (espace des opportunite constant), le Mod`ele 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 mod`eles 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 probl`emes.
Cest lavancee recente, dune part, dans letude des mod`eles factoriels lineaires en
temps continu 8 et, dautre part, dans le developpement des techniques de resolution
des probl`emes 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 mod`ele dactifs comprenant un facteur de taux stochastique
(mod`ele a` un facteur de taux de Vasicek) en complement du traditionnel risque
action, et sous lhypoth`ese dun marche nancier complet, o`
u linvestisseur cherche
a maximiser lutilite esperee de sa richesse nale `a 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 probl`eme 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 probl`eme moyenne
variance dynamique (fonction dutilite quadratique). Dans les deux cas, lallocation optimale sobtient comme une simple combinaison du portefeuille solution du
probl`eme de Merton (cas de linvestisseur myopique) et de lobligation Zero-coupon
dont la maturite correspond `a 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).
1. REVUE DE LA LITTERATURE
10
risque inationniste pour modeliser les variations de la courbe des taux dinteret 10.
De plus, ces auteurs consid`erent comme variable du probl`eme 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 `a lhypoth`ese dune prime de risque action variable et non
parfaitement replicable par un actif.
Letude du choix dynamique de portefeuille dans le cadre dun mod`ele multifactoriel lineaire gaussien plus large (`a la fois prime de risque et taux dinteret
supposes stochastiques) est abordee par [Cvitanic et al., 2003] qui, se placant
sous lhypoth`ese de marche complet, resolvent numeriquement le probl`eme dinvestissement de linvestisseur par simulations de Monte-Carlo.
Lanalyse du choix dynamique de portefeuille dans le cadre dun mod`ele multifactoriel gaussien en presence de risques non parfaitement replicables (i.e hypoth`ese
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] consid`erent des probl`emes dallocation dynamique de portefeuille sous lhypoth`ese dun processus de volatilite action stochastique.
1. REVUE DE LA LITTERATURE
11
12
des problematiques de couverture nanci`ere imparfaite 13, elle a lavantage doffrir un cadre simplie pour la resolution de tels probl`emes dinvestissement ; cette
hypoth`ese rend possible lutilisation de la methode de resolution dite des martingales 14, mentionnee dans la section precedente, voir [Karatzas et al., 1987], qui
est particuli`erement adaptee a` la prise en compte de contraintes additionnelles de
risque de sous-performance `a un horizon dinvestissement pre-deni.
En eet, dans le cas particulier o`
u le probl`eme dinvestissement ne fait intervenir que lutilite esperee de la richesse terminale de linvestisseur 15, lapplication
de la methode des martingales est particuli`erement 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 mod`eles 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 probl`eme de choix dynamique de portefeuille en presence dune contrainte de non-negativite sur la richesse nale et sous hypoth`ese de couverture imparfaite de lunivers des actifs nanciers. [Nguyen Portait, 2002] analysent le probl`eme 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 nanci`ere (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 exog`enes 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).
1. REVUE DE LA LITTERATURE
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 mod`ele
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] consid`erent 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 lhypoth`ese
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 `a 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] consid`erent, dans un cadre dynamique et en temps continu, le
probl`eme dynamique de minimisation de la Below-Threshold Variance (semivariance) et [Berkelaar Kouwenberg, 2000] analysent les probl`emes 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 probl`eme dallocation dynamique de portefeuille dun
investisseur averse `a la perte (au sens de la theorie des perspectives) en supposant
la volatilite de lactif risque modelise par un processus stochastique `a saut et, plus
recemment, [Hainaut, 2009] consid`ere un univers de taux stochastique derive du
mod`ele de Hull and White dans le cadre de lanalyse du choix dynamique de portefeuille avec contrainte VaR et investisseur CRRA.
14
Dans un cadre statique, [Roll, 1992] montre que si le benchmark considere nest
pas sur la fronti`ere eciente, au sens traditionnel du mod`ele MV (MoyenneVariance) de Markowitz, alors le portefeuille de linvestisseur qui cherche `a 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 probl`eme de linvestisseur qui cherche `a minimiser la valeur
absolue de lecart de richesse avec le benchmark (la mesure de risque nest plus,
comme dans le mod`ele de Roll, la variance de lecart de richesse mais lesperance
de la valeur absolue de ce meme ecart).
[Wagner, 2002] etudie un crit`ere mixte doptimisation avec benchmark qui generalise
` la fois le crit`ere MV de Markowitz et le crit`ere MTEV (Mean Tracking Era
ror Variance ) de Roll. [Wang, 1999] consid`ere le cas dun investisseur ayant `a
prendre en compte plusieurs benchmark dans un crit`ere doptimisation MV.
[Tepla, 2001] consid`ere le probl`eme de linvestisseur CRRA (probl`eme 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 probl`eme 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 probl`eme dynamique de minimisation de la Tracking Error Variance (probl`eme 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 probl`eme de maximisation de lesperance
dutilite de lecart de richesse du portefeuille par rapport au benchmark.
1. REVUE DE LA LITTERATURE
15
Les papiers suivants traitent de leet de lexistence dincitations nanci`eres, indirectes ou non, sur les performances ou les ux dinvestissement des fonds dit de
hedge funds avec les specicites propres `a cette industrie nanci`ere :
[Agarwal et al., 2004] valident empiriquement le resultat suivant : plus le niveau dincitation manageriale, d
u `a 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
1. REVUE DE LA LITTERATURE
17
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 mod`ele de fonds de pension mixte (DC
et DB) avec prise en compte du risque de mortalite du contributeur du fonds 27
et sous lhypoth`ese dun etat des opportunites dinvestissement constant.
Le crit`ere du probl`eme 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 lhypoth`ese que les param`etres des equations de diusion
des prix des actifs sont constants) et [Lei, 2008] (dans un cadre de taux stochastique `a la Vasicek) sinteressent a` des mod`eles de fonds de Pension avec prise en
compte dune contrainte de risque de type VaR, tandis que [Romaniuk, 2007]
consid`ere (dans le cadre dun mod`ele dactifs de type Black & Scholes a` une seule
source de risque) un crit`ere dinvestissement avec contrainte de protection implicite (strategie de type CPPI) ou explicite (strategie de type optionnelle) qui peut
a la fois sappliquer `a 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
probl`emes de choix dynamique de portefeuille en presence de risques speciques
lies a` des facteurs exog`enes (ination, niveau de salaire,..) et consid`ere comme variable de richesse du probl`eme dinvestissement, non plus la valeur nominale de la
richesse de linvestisseur, mais la valeur de la richesse deatee dun benchmark
numeraire, qui re`ete 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 mod`ele a` un facteur de taux
et N actifs risques) le probl`eme dun fond de pension DC pour lequel le revenu
du salaire de linvestisseur est stochastique et non parfaitement correle au marche.
Sous lhypoth`ese dun versement nal sous forme de rente ils utilisent comme variable du probl`eme dinvestissement le Ratio de Remplacement deni comme le
niveau de la rente achetee en proportion du niveau de salaire nal.
[Cairns et al., 2006] consid`erent comme variable du probl`eme 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] consid`erent un mod`ele de fonds de pension hybride
(qui englobe comme cas particulier les DB et DC) dans un cadre de mod`ele de
taux stochastique avec prise en compte dun risque inationniste et o`
u la variable
27. Les auteurs consid`
erent dans leur probl`eme 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.
1. REVUE DE LA LITTERATURE
19
20
2. Plan de la th`
ese
2.1. Probl`
eme du risk manager avec contrainte de risque asym
etrique.
`
2. PLAN DE LA THESE
21
22
2.2. Probl`
eme de lasset manager avec prol de r
emun
eration asym
etrique.
Dans la seconde partie, nous analysons le probl`eme de lasset manager HARA avec
prise en compte dincitations nanci`eres `a la performance et generalisons certains
mod`eles 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.
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 mod`ele de B&S, lallocation
dynamique correspondantes.
(d) Dans la quatri`eme 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 nanci`ere 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 cinqui`eme et derni`ere 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 premi`ere partie, qui correspondent `a 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 premi`ere section, generalisant certains des resultats presentes
dans les sections precedentes, nous explicitons lexpression de la richesse terminale optimale associee au probl`eme 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 mod`ele 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 probl`eme
moyenne variance (fonction dutilite quadratique) en presence dune
double contrainte de risque supplementaire est traite dans la derni`ere
section ; le crit`ere du probl`eme dinvestissement int`egre a` la fois une
contrainte daversion `a la sous-performance par rapport au seuil de
richesse cible 40 et egalement une contrainte supplementaire dassurance de portefeuille 41.
Premi`
ere partie
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 tr`es dierents.
En particulier, nous montrerons quune contrainte de sous-performance maximale
peut etre denie de deux mani`eres 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 particuli`ere 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 `a la perte (loss aversion) par le biais dun terme additionnel
dans son expression correspondant `a une fonction de perte ; ce qui permet dintroduire implicitement une mesure du risque de sous-performance
(downside risk) dans le probl`eme dinvestissement considere.
Par exemple on peut citer le probl`eme de minimisation de la semivariance ; ce probl`eme consiste a` minimiser , pour un objectif de rendement xe, la variance de lecart negatif de richesse par rapport a` la
cible de performance.
Ce probl`eme peut aussi secrire de mani`ere equivalente comme celui de
linvestisseur qui cherche `a 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 th`ese
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 probl`eme 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 nanci`ere `
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 `a 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 crit`ere de son probl`eme 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 `a lhorizon dinvestissement (ce qui revient `a imposer une
contrainte sur le niveau de probabilite de perte maximum par rapport `a
la cible de performance). Cette contrainte peut etre imposee `a 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 `a dautres mesures du risques alternatives dans le cadre de la
theorie classique du choix de portefeuille optimal en temps continu.
Cette premi`ere partie est organisee de la facon suivante :
Dans le premier chapitre, nous mettrons en lumi`ere limpact de la prise en compte
de dierentes mesures de perte asymetriques dans le probl`eme dinvestissement de
lasset manager HARA ou neutre au risque et qui est, de plus, averse `a 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 crit`ere moyenne-downside risk,
nous resoudrons le probl`eme 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.
CHAPITRE 1
1. Probl`
eme de lasset manager averse `
a la sous-performance
30
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
1.1. Cadre G
en
eral.
`
` LA SOUS-PERFORMANCE
1. PROBLEME
DE LASSET MANAGER AVERSE A
31
3.
T
0
pour
j=1,. . . ,N
et
T
trace (t)(t) dt < , p.s.
voir
32
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
1.2. Probl`
eme doptimisation consid
er
e.
max
WT L2 (P )
s.a.
E(v(WT ))
E(WT /HT ) =1
`
` LA SOUS-PERFORMANCE
1. PROBLEME
DE LASSET MANAGER AVERSE A
33
34
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
(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.
`
` LA SOUS-PERFORMANCE
1. PROBLEME
DE LASSET MANAGER AVERSE A
35
I(k/HT )
WT =
W0
I(k/HT )
si HT > H
si H < HT H
si HT H
(1.4)
WT
I(k/HT )
W0
=
k
I( 1+C
/HT )
si HT > H
si H < HT H
si HT H
(1.5)
36
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
Moyenne - Risque de Perte fondes sur les mesures de risques que sont les Moments
Partiels Inferieurs dordre 0 `a 2.
37
contrainte VaR revient `a resoudre celui dun investisseur CRRA loss averse dont
la fonction de perte est constante.
x1
1
o`
u represente laversion relative (constante) au risque de linvestisseur,avec
]0; +[ \ {1}
Le probl`eme a` resoudre secrit :
Probl`
eme 2.
(P 2)
max
WT L2 (P )
s.a.
E(u(WT ))
38
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
39
En eet, nous verrons dans la section suivante que le probl`eme dinvestissement avec contrainte explicite sur le seuil de probabilite de sousperformance a` lhorizon dinvestissement est equivalent `a celui de linvestisseur averse `a la sous-performance dont lexpression de la fonction dutilite est asymetrique ; ainsi le gestionnaire cherchera `a repliquer la strategie
dynamique solution optimale du probl`eme jusqu`a lhorizon dinvestissement sans avoir `a eectuer une nouvelle evaluation de son param`etre
daversion a` la sous-performance.
Propri
et
e 1. Sous les hypoth`eses precedentes, la richesse terminale optimale
du probl`eme (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 k veriant lequation de budget suivante : E(WT /HT ) = 1,
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 probl`eme (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.
40
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
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 `a 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 probl`eme 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
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 probl`eme (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 probl`eme 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 mod`ele 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 `a deux 9 ; ce qui nous
permet dexprimer la valeur du portefeuille optimal en exc`es 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 probl`eme (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
h2
2
)t
)t
h 2
42
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
Figure 1. Richesse Terminale - Strategie CRRA VaR - Probabilite de sur-performance = 95% - W 0 = 100%
Les valeurs numeriques des autres param`etres 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 param`etres 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 `a la perte, solution du probl`eme 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 probl`eme de Merton) qui nint`egre
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] interpr`etent 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 `a 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% `a W 0 = exp(rT ) = 122%
est illustre sur la gure (Fig.2).
Dans la suite du chapitre, nous utiliserons ces memes valeurs numeriques des param`etres pour les applications numeriques.
2.1.2. Crit`ere 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 `a 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 param`etre daversion a` la sous-performance de linvestisseur, et
comme precedemment, avec le param`etre 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.
44
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
(P 3)
max
WT L2 (P )
s.a.
E(v(WT ))
E(WT /HT ) =1
Propri
et
e 2. Sous les hypoth`eses precedentes, la richesse terminale optimale
du probl`eme (P3) est donnee par lexpression suivante,
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
On en deduit que ce probl`eme est equivalent au probl`eme (P2) et, pour un niveau du param`etre `
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 probl`eme (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 probl`eme (P2)() et reciproquement.
A=
Ainsi le probl`eme 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 param`etre 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 param`etres 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 `a 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 probl`eme doptimisation et la strategie
13. Comme nous lavons
evoqu
e ci-dessus, sous les hypoth`eses 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
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
47
48
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
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.
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 mani`ere 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 `a 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
WT1
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 `a la sous-performance), la strategie solution du probl`eme avec contrainte de protection du capital de niveau W 0 .
Pour A B, la strategie solution optimale du probl`eme de Merton, sans
contrainte daversion `a 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
probl`eme (P4) nest pas discontinue au niveau du seuil H (k/A)(W 0 ) 15.
On demontre facilement que la strategie dynamique de replication associee `a la richesse terminale optimale est la combinaison de strategies plus elementaires ayant
pour sous-jacent, le portefeuille, solution optimale du probl`eme 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
On a le resultat suivant :
50
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
Cons
equence 3. La valeur, `
a la date t, de la strategie dynamique atteignant
la richesse terminale, solution optimale du probl`eme (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 probl`eme de Merton
et avec Ht la valeur a
qui atteint la richesse nale (HT )1/ .
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 pr`es).
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 crit`ere 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 `a 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 probl`eme 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
e 5. Sous les hypoth`eses precedentes, la richesse terminale optimale
du probl`eme (P5) est donnee par lexpression suivante,
1/
si HT > H
(k1 /HT )
WT =
W0
si H < HT H
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
ou k2 = 0
52
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
t
Proprie
e 6. Si WT est la solution du probl`eme (P4)(A,B) avec A et B
u k1 et k2 sont solutions du syst`eme
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
h2
2
)t
)t
h 2
53
54
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
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 :
Cons
equence 4. Si WT est la solution du probl`eme (P4)(A)avec A = k1 /(k1
k2 ) o`
u k1 et k2 sont solutions du syst`eme dequations suivantes :
E(WT (k1 , k2 )/HT ) = 1
P (yA H0 , W 0 , T ) = o`
u k2 = 0
20
56
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
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.
58
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
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 probl`emes
de maximisation de lutilite esperee dun agent loss averse neutre au risque ; ces
probl`emes dinvestissement traduisant un arbitrage entre esperance de gain et downside risk (Moments Partiels Inferieurs dordre 0 `a 2) ont ete proposes par
[Berkelaar Kouwenberg, 2000].
Nous considerons ensuite les probl`emes 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 param`etre daversion a` la perte
de lagent correspondant au probl`eme de [Berkelaar Kouwenberg, 2000] avec
celui du niveau de downside risk correspondant au probl`eme avec contrainte explicite.
3.1. Cadre g
en
eral : le crit`
ere Moyenne / Downside Risk.
[Berkelaar Kouwenberg, 2000] etudient le probl`eme de maximisation de lesperance
dutilite dun agent averse `a la perte cherchant `a arbitrer entre esperance de performance et risque de sous-performance.
Ces crit`eres qui consistent, pour un niveau desperance donnee, `a 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 probl`eme 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
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 probl`eme (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 `a 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 param`etre considerees (i.e.
0,1 ou 2).
Pour les deux plus faibles valeurs de ( = 0, = 1), linvestisseur est tr`es
sensible `a 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
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
Probl`
eme 7.
(P 7)
max
WT L2 (P )
s.a.
E(v(WT ))
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 param`etre 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.
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
Cons
equence 5. La valeur `
a la date, t, de la strategie dynamique atteignant
la solution optimale du probl`eme (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 mod`ele 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 param`etres 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
e ci-dessus, sous lhypoth`
ese du mod`
ele dactifs de B & S, il existe
a la date t, et Ht celle du
une correspondance biunivoque entre Mt , la valeur de lactif risque `
portefeuille num
eraire ou de croissance optimale, ce qui nous permet de tracer cette courbe.
62
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
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
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 probl`eme 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 hypoth`eses restrictives du mod`ele 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 th`ese) 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.
64
` LA SOUS-PERFORMANCE
1. ALLOCATION DYNAMIQUE AVEC AVERSION A
Nous considerons ici le probl`eme 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 probl`eme (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
syst`eme dequations suivant :
k
1) (W 0 )1
H
o`
u k est tel que E(WT /HT ) = 1 et o`
u P (HT H) =
(W 0 )
65
CHAPITRE 2
Crit`
ere moyenne - variance - downside risk
Si le crit`ere du probl`eme doptimisation Moyenne / Variance (MV dans
la suite) est tr`es utilise en pratique par les praticiens de la gestion (bien plus par
exemple que lapproche du crit`ere 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 caract`ere symetrique 2
qui le rend inadapte a` la prise en compte dune forme de preference asymetrique
telle que laversion `a la sous-performance.
Ainsi nous souhaitons generaliser lapproche du crit`ere 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 probl`eme
sans contrainte daversion et [Nguyen Portait, 2002] pour lanalyse de ce meme
probl`eme avec une contrainte supplementaire de non negativite sur la richesse terminale).
Nous proposons pour cela detudier un probl`eme doptimisation plus general repondant
a une pre-occupation de contr
`
ole du risque de sous-performance : il sagit du
probl`eme Moyenne-Variance / Downside Risk pour lequel nous exposons les principales proprietes des strategies optimales correspondantes.
Nous resoudrons le probl`eme dinvestissement dynamique de lasset manager qui
cherche a` maximiser lutilite esperee de sa richesse nale pour un choix particulier de fonction dutilite appartenant `a la classe HARA loss averse introduite
dans le chapitre precedent. Il sagit dune fonction dutilite qui generalise la forme
standard de fonction dutilite quadratique `a 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 probl`eme sera traite dans la
premi`ere section.
Lesperance de perte (niveau de LEL (Limited Expected Loss) similaire
a la notion de CVaR) pour lagent averse a` la perte cherchant `a 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
1. Strat
egie optimale avec contrainte VaR
Nous considerons dans cette section un investisseur qui cherche `a allouer son portefeuille en se fondant sur une approche MV dynamique : arbitrage entre esperance
de rendement et niveau de risque `a 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
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 `
a la sous-performance.
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 )
Ce probl`eme dinvestissement est donc celui de linvestisseur averse `a la sousperformance qui cherche `a 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 probl`eme se ram`ene au probl`eme
Moyenne / Downside Risk (note MD dans la suite) avec = 0 presente
dans la derni`ere section du precedent chapitre 6.
Pour B 0 (pas daversion `a la sous-performance), le probl`eme sidentie
au probl`eme 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 probl`eme (P10) est donnee
par lexpression suivante,
(1) Si W 0 W + 2aB,
si H < HT H
W0
WT =
)
si
HW < HT H
a(1
k/H
W
si HT HW
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
MOYENNE - VARIANCE - DOWNSIDE RISK
Nous pouvons faire les remarques suivantes sur le prol de gain nal de la strategie
optimale du probl`eme MV avec contrainte VaR (designee dans la suite strategie
MV VaR) :
1. STRATEGIE
OPTIMALE AVEC CONTRAINTE VAR
71
2aB,
(2) Si W 0 < W +
2aB,
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
72
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 param`etre represente son rendement moyen instantane (egal au taux
court plus une prime de risque action notee r) et designe sa
volatilite constante.
On remarquera que dans le cadre du mod`ele de B&S, nous avons les proprietes
suivantes :
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
OPTIMALE AVEC CONTRAINTE VAR
73
Norme Minimum, It et Mt . Ces relations sont donnees par les expressions suivantes :
i2
2
)t
h2
2
Cette derni`ere propriete nous permettra dexprimer la valeur du portefeuille optimal en exc`es 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 param`etres : r = 4%, = 10%, = 20% et T = 5.
)t
74
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
1. STRATEGIE
OPTIMALE AVEC CONTRAINTE VAR
75
La strategie MV VaR sidentie a` la strategie MV sans contrainte daversion (MV PI) pour un niveau de probabilite de perte superieur `a 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 param`etre 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 `a un seuil minimum (correspondant a` une valeur du param`etre daversion egale a` Bmax ), la strategie MV
VaR sidentie `a la strategie MV PI a` deux etats de richesses xes (W 0 et
W ) ; on observe que pour cette valeur du param`etre , les courbes des deux
plus petits strikes, MV aR et MWmin , se rejoignent.
76
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
1. STRATEGIE
OPTIMALE AVEC CONTRAINTE VAR
77
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
MOYENNE - VARIANCE - DOWNSIDE RISK
78
(3)
1. STRATEGIE
OPTIMALE AVEC CONTRAINTE VAR
79
80
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
1.4. Sensibilit
e du pay-o optimal au choix des param`
etres.
1. STRATEGIE
OPTIMALE AVEC CONTRAINTE VAR
81
82
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
En considerant
u
lexpression de la richesse terminale optimale dans le cas o`
W 0 W + 2aB qui est donnee dans le theor`eme (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 `
a deux actifs consid
er
es, ce
1. STRATEGIE
OPTIMALE AVEC CONTRAINTE VAR
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)
avec les memes notations que precedemment et o`
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 hypoth`eses du mod`ele 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
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
MOYENNE - VARIANCE - DOWNSIDE RISK
84
Propri
et
e 14. Pour W 0 W +
wt Wt
(1 wt )Wt
avec wt Wt =
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
1. STRATEGIE
OPTIMALE AVEC CONTRAINTE VAR
Figure 11.
MV PI 0
MV VaR :
MV PI 0 :
MV PI 1 :
85
86
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
decide de sur-exposer son portefeuille `a 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 `a 0,7 dans notre exemple numerique), la strategie
MV VaR ressemble `a 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.
1. STRATEGIE
OPTIMALE AVEC CONTRAINTE VAR
87
Figure 15. Eet du seuil de probabilite de sous-performance Poids intermediaires - Strategie MV VaR
88
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
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
OPTIMALE AVEC CONTRAINTE VAR
89
90
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
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 probl`eme de choix dynamique de portefeuille
pour linvestisseur averse `a la perte et maximisant lutilite esperee de sa richesse,
avec une forme generalisee de fonction dutilite quadratique adaptee `a la prise en
compte de son aversion `a la sous-performance.
De plus, nous faisons lhypoth`ese 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 mani`ere uniforme (comme cetait le cas
de linvestisseur dans la premi`ere section), mais en fonction du co
ut dutilite engendre par la sous-performance 16.
Plus precisement, de facon `a decrire le prol dutilite asymetrique mais continue de
cet investisseur averse `a la sous-performance (i.e. laversion `a 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 `a 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 mani`ere 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 crit`ere
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
(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 probl`eme 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 probl`eme 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 param`etres :
Pour a (niveau daversion au risque minimum), le probl`eme se ram`ene
au probl`eme MD avec = 1 analyse dans la derni`ere section du premier
chapitre 23.
Pour C 0 (niveau daversion a` la perte minimum), le probl`eme est equivalent
au probl`eme MV PI, avec contrainte explicite de protection W.
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
MOYENNE - VARIANCE - DOWNSIDE RISK
Th
eoreme 3. La richesse terminale optimale du probl`eme (P11) est donnee
par lexpression suivante :
W0
si H < HT H
WT =
a(1
k/A)/H
si H < HT H
W
si HT H
avec k veriant lequation de budget suivante : E(WT /HT ) = 1,
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 theor`eme (3) que la strategie optimale peut etre decomposee
en strategies elementaires, resultat qui peut senoncer de la mani`ere suivante :
Cons
equence 9.
La strategie dynamique atteignant la richesse terminale solution du probl`eme (P11)
et dont lexpression est donnee dans le theor`eme(3) est la combinaison des positions
elementaires suivantes :
Une strategie dassurance de portefeuille consistant a
` detenir dune part, un
portefeuille sidentiant (`
a la valeur de la constante k/B pr`es) `
a la solution
du probl`eme 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 pr`es) 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 pr`es) 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
premi`ere section, celui-ci faisant reference implicitement au mod`ele 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
OPTIMALE AVEC CONTRAINTE LIMITED EXPECTED LOSS
93
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 syst`eme 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 :
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
MOYENNE - VARIANCE - DOWNSIDE RISK
94
On obtient ainsi un resultat dequivalence entre les deux probl`emes (P11) et (P12)
que nous formulons dans la consequence suivante :
Cons
equence 10. Si WT est la solution du probl`eme (P11)(A,B) avec B =
k/k1 , A = k/(k1 k2 ), et avec k1 et k2 veriant le syst`eme 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
2. STRATEGIE
OPTIMALE AVEC CONTRAINTE LIMITED EXPECTED LOSS
95
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 `a 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 `a 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 param`etre , la strategie
MV LEL semble se comporter dieremment selon que lon consid`ere le cas W 0 =
122, 14% ou le cas W 0 = 135%.
96
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
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
OPTIMALE AVEC CONTRAINTE LIMITED EXPECTED LOSS
97
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 probl`eme
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.
98
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
2. STRATEGIE
OPTIMALE AVEC CONTRAINTE LIMITED EXPECTED LOSS
99
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
MOYENNE - VARIANCE - DOWNSIDE RISK
2.4. Sensibilit
e du pay-o optimal au choix des param`
etres.
2. STRATEGIE
OPTIMALE AVEC CONTRAINTE LIMITED EXPECTED LOSS
101
102
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
2. STRATEGIE
OPTIMALE AVEC CONTRAINTE LIMITED EXPECTED LOSS
103
(3)
104
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
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
OPTIMALE AVEC CONTRAINTE LIMITED EXPECTED LOSS
105
log(
It
x
)+(r 2 )(T t)
T t
d1 (x) = d2 (x) + T t
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
106
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
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
Wt
It iIt
2. STRATEGIE
OPTIMALE AVEC CONTRAINTE LIMITED EXPECTED LOSS
107
Figure 32.
MV PI 1
MV VaR :
MV PI 0 :
MV PI 1 :
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
MOYENNE - VARIANCE - DOWNSIDE RISK
2. STRATEGIE
OPTIMALE AVEC CONTRAINTE LIMITED EXPECTED LOSS
109
110
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
2. STRATEGIE
OPTIMALE AVEC CONTRAINTE LIMITED EXPECTED LOSS
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
MOYENNE - VARIANCE - DOWNSIDE RISK
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
OPTIMALE AVEC CONTRAINTE LIMITED EXPECTED LOSS
113
114
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
3. CONCLUSION DU CHAPITRE
115
3. Conclusion du chapitre
116
`
2. CRITERE
MOYENNE - VARIANCE - DOWNSIDE RISK
(1) La forme du prol optimal de richesse nale pour le probl`eme 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 `a 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 probl`eme sans
assurance de portefeuille 37 et un quatri`eme 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 `a 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 `a celui
dune strategie optionnelle binaire (option digitale).
CHAPITRE 3
118
dans le cadre dun mod`ele a` trois actifs (portefeuille de marche, portefeuille benchmark et actif monetaire) sous lhypoth`ese de taux dinteret constant.
[Zhao, 2007] propose un mod`ele similaire (comprenant N actifs qui suivent des
Mouvements Browniens Geometriques et un taux court non stochastique) et resout
le probl`eme 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 `a 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 `a la variation stochastique des taux dinteret.
`
Notre mod`ele dactifs sera celui propose par [Bajeux-Besnainou et al., 2001]
ou [Bajeux-Besnainou et al., 2003b]. Il sagit dun mod`ele a` deux sources de
risques (taux et action) fonde sur la dynamique du taux court pour decrire la
courbe des taux. Ce mod`ele implique en particulier lexistence dun param`etre de
correlation constant negatif entre le facteur de risque lie `a lactif action et celui
provenant de la dynamique des taux dinteret.
Dans la premi`ere sous-section, nous presentons les principales caracteristiques du
mod`ele a` trois actifs considere.
Dans la seconde sous-section, nous explicitons et analysons les proprietes de la solution du probl`eme 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 probl`eme Moyenne-Variance dynamique) et linvestisseur
HARA avec prol convexe (similaire `a une strategie dassurance de portefeuille
non optionnelle de type Constant Proportion Portfolio Insurance 5) .
Dans la troisi`eme et derni`ere 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.
`
E
1. MODELE
DACTIFS CONSIDER
119
1. Mod`
ele dactifs consid
er
e
(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 `a 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 `a 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, `a 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
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 hypoth`eses de ce mod`ele 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 enti`erement
par une seule variable detat, le taux court, note rt 8.
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
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 :
S
hK (r 1 s 2 )/1 K sur lactif de type obligataire BK
S
hK K /T t sur lactif Zero-Coupon BT t
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/
Ou
T t
Ou encore
S
(hK /) + (1 1/)T t /K sur lactif de type obligataire BK
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 mod`ele de [Vasicek, 1977].
11. `
a la constante de budget pr`es
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.
` LA SOUS-PERFORMANCE
2. BENCHMARKING SANS AVERSION A
123
2.1. Probl`
eme dinvestissement consid
er
e.
On suppose que linvestisseur cherche `a 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
o`
u on suppose que cy + a > 0 et c > 0
avec
y : lexc`es de richesse par rapport au benchmark,
: le param`etre daversion au risque de linvestisseur R/{0; 1},
c : un param`etre 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 probl`eme 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 probl`eme dinvestissement secrit de la facon suivante :
.
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
Propri
et
e 21.
(1) La richesse terminale optimale du probl`eme (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)
(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 .
` LA SOUS-PERFORMANCE
2. BENCHMARKING SANS AVERSION A
125
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 :
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 premi`ere 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 `a la solution optimale du
probl`eme sans reference au benchmark, a` la dierence pr`es 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 `a 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 sinterpr`ete 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 param`etre 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 param`etre 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 crit`ere Moyenne-Variance que si le benchmark lest aussi, voir
[Bajeux-Besnainou et al., 2003a].
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.
` LA SOUS-PERFORMANCE
2. BENCHMARKING SANS AVERSION A
127
(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
(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) .
` LA SOUS-PERFORMANCE
2. BENCHMARKING SANS AVERSION A
129
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)
130
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 param`etre a et le niveau cible
desperance de richesse nale Y .
Nous proposons a` present dexpliciter le probl`eme de linvestisseur averse a` la sousperformance 23 dans le cadre du mod`ele 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 probl`eme
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)
` LA SOUS-PERFORMANCE
3. BENCHMARKING AVEC AVERSION A
131
3.1. Probl`
eme consid
er
e et expression de la richesse terminale optimale.
De facon `a 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
o`
u on suppose que cy + a > 0 et c > 0
avec
: le param`etre daversion au risque de linvestisseur, o`
u R/{0; 1},
c: un param`etre non nul qui a le meme signe que 24,
a/c: le param`etre de richesse maximum ou minimum 25, o`
u a > 0.
Le probl`eme 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 :
= - 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
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
avec k veriant lequation de budget suivante : E(WT /HT ) = 1,
et avec H
k
B
a , H
k
A
a , et H =
k
A
(a + cY )
` LA SOUS-PERFORMANCE
3. BENCHMARKING AVEC AVERSION A
133
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 mod`ele de [Vasicek, 1977],
2 (T t)
29. Sous nos hypoth`
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
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 probl`eme (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 probl`eme sans contrainte explicite de portefeuille : Y
t
yB N (c/ |c|)da/yB + yA N (c/ |c|)da/yA /(|c| ) Ht
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
Deuxi`
eme partie
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
(prel`evement 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 `a un portefeuille de reference (le benchmark).
Ce type de remuneration asymetrique (`a caract`ere optionnel) fait lobjet de critiques, exacerbees depuis la crise de 2007-2008, notamment parce quil est susceptible dinciter lasset manager `a 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 `a
linvestisseur donnant mandat de gestion nanci`ere.
Au plan theorique, ces questions peuvent sinscrire dans le cadre des mod`eles
principal-agent 31. An deviter une complexite technique inadaptee `a notre
problematique, letude des distorsions impliquees par la remuneration incitative
et les contraintes de gestion, nous adoptons une approche dierente et plus simple
et, `a loppose de la theorie du probl`eme Principal-Agent, nous ne cherchons pas `a
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 mani`ere exog`ene
avant la date dinvestissement initial, nous souhaitons quantier `a 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 nanci`ere : 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 hypoth`ese 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 `a 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 `a 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 nanci`ere. Benece retire par linvestisseur.
Nous supposons que la remuneration de lasset manager est prelevee sur la valeur
du portefeuille de linvestisseur `a la date de n du mandat, date qui correspond `a
lhorizon dinvestissement de linvestisseur 34.
De plus, nous faisons lhypoth`ese 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 nanci`ere 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
CHAPITRE 4
Incitations financi`
eres et benchmarking
Ce chapitre a pour but danalyser comment lasset manager est amene `a modier sa strategie dinvestissement en fonction des termes de son contrat de remuneration
incitative.
Dans la premi`ere 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 `a un benchmark, preferences dinvestissement HARA avec
contraintes de benchmark, structure de marche identique `a celle de la premi`ere
partie, et enn, probl`eme dinvestissement de lasset manager consistant `a maximiser lutilite esperee de sa remuneration nale. Nous presentons egalement les
dierentes formes de restriction du probl`eme considere que nous nous proposons
detudier dans les sections suivantes 1.
Dans la seconde section, nous faisons lhypoth`ese que le benchmark est xe, et
nous explicitons lexpression de la richesse terminale optimale du probl`eme 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 mod`ele 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 quatri`eme section, toujours sous lhypoth`ese dun benchmark xe, nous
etudions le probl`eme 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 mod`ele 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 cinqui`eme et derni`ere section, nous generalisons les resultats obtenus dans
la troisi`eme section, en considerant lhypoth`ese plus generale dun benchmark stochastique. Nous explicitons, pour lasset manager CRRA, lexpression de la richesse
terminale optimale du probl`eme 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 mod`ele dactifs de B&S generalise `a 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 nanci`ere, un investisseur sengage `a
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 nanci`ere ou
un eet symetrique de ux de fonds 5 avec b (1 ) b ;
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
142
)(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 `a faire une hypoth`ese
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 nanci`ere, not
e b b a , est un coecient n
1. PROBLEME
DE LASSET MANAGER AVEC REMUN
ERATION
ASYMETRIQUE
143
144
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
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)
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
DE LASSET MANAGER AVEC REMUN
ERATION
ASYMETRIQUE
145
De plus, on fait lhypoth`ese (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 lhypoth`ese 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 :
)b+c
b
On a x0T > x 0 WT /BT < (1b+c
WT /BT 1 < b+c
,
146
`
4. INCITATIONS FINANCIERES
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 probl`eme dinvestissement que le gerant, beneciant dune
incitation nanci`ere 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 hypoth`eses se re-ecrivent de la facon suivante :
une remuneration, sans incitation nanci`ere 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 (hypoth`ese
de contrainte exog`ene). Une seconde hypoth`ese, consiste `a supposer que
cette contrainte implicite traduit laversion (stricte) `a la sous-performance
du gerant (contrainte endog`ene) :
1. PROBLEME
DE LASSET MANAGER AVEC REMUN
ERATION
ASYMETRIQUE
147
148
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
(3) Probl`eme de lasset manager de reference ne recevant pas de commission dincitation nanci`ere ( = 1 et c = 0) :
Il est facile de voir que dans le cas o`
u = 1 et c = 0, lasset manager resout le meme probl`eme dinvestissement que linvestisseur HARA
lui donnant mandat si lon suppose que :
le probl`eme 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 nanci`ere 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 nanci`ere (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`
eme dinvestissement consid
er
e.
Nous faisons lhypoth`ese que la structure du marche nancier est la meme que
celle decrite dans la premi`ere partie de la th`ese (chapitre 1, section 1.1). Rappelons
de mani`ere succincte quelles sont ces hypoth`eses 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
DE LASSET MANAGER AVEC REMUN
ERATION
ASYMETRIQUE
149
(St1 , . . . , StN )
max2
WT L (P )
E v(x FT (WT ), x0 (1 0 ) FT (BT ))
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.
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
150
1. PROBLEME
DE LASSET MANAGER AVEC REMUN
ERATION
ASYMETRIQUE
151
(1) Seconde section : probl`eme 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 probl`eme 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 (hypoth`ese de benchmark
xe, i.e. BT W 0 ).
De plus, `a titre illustratif, nous analysons dans le cadre du mod`ele 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
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
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
x)2
2
avec 0 < 0.
Finalement, de mani`ere equivalente, nous pouvons considerer, dans le
probl`eme dinvestissement, la forme de fonction dutilite quadratique plus
connue suivante :
1. PROBLEME
DE LASSET MANAGER AVEC REMUN
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 param`etre de tolerance au risque
de lasset manager.
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
convexe
B&S
mixte 4
B&S
convexe
B&S
multidimensionnel 5
.
154
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
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 .
155
Nous nous placons sous les hypoth`eses 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 premi`ere sous-section, nous explicitons lexpression de la richesse terminale optimale du probl`eme 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 `a la cible de richesse de linvestisseur 31.
Dans la seconde sous-section, nous nous placons sous les hypoth`eses du mod`ele
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
param`etres de risque du mod`ele 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 hypoth`eses generales decrites dans la premi`ere 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 mani`ere 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)
30. Il sagit du probl`
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.
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
156
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 lhypoth`ese supplementaire dun benchmark xe, la fonction dutilite `
a maximiser prend la forme suivante :
u(ZT + 0 b W 0 )
= w( ZT )
33. Nous montrerons, dans la derni`ere 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 hypoth`ese 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 ) )
s.a.
C1
1
1
x
+A
+ C2
(2.1)
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
39. Sous nos hypoth`
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
158
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
1
k
bI( 1+d
HT ) si HT > H
bI(k/HT )
si HT H
(2.3)
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 `a eviter des valeurs negatives de richesse, il est necessaire dintroduire dans le probl`eme considere une contrainte explicite supplementaire de non
negativite sur la richesse nale du portefeuille, WT 0.
Cest dailleurs ce que nous ferons dans la quatri`eme section de ce meme chapitre
o`
u nous etudierons le probl`eme 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.
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)
`
4. INCITATIONS FINANCIERES
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 `a maximiser dans le probl`eme dinvestissement (P15) est la suivante :
w(YT + d (YT )+ ) avec w(x) u(x + a) , u la fonction dutilite CRRA et les param`etres a et d denis comme ci-dessus.
Remarquons egalement que nous pouvons de facon alternative considerer les deux
hypoth`eses suivantes :
(1) Lexpression de la remuneration de lasset manager derive de lequation
(1.1) de la section 1.1 sous les hypoth`eses 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.
161
lexpression suivante
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 param`etre 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 `a 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 hypoth`eses suivantes :
(1) Lasset manager a une remuneration donnee par lexpression suivante :
+
(1) Le probl`eme dinvestissement considere par cet asset manager est un cas particulier
du probl`eme (P15) et lexpression de la richesse terminale solution du probl`eme
47. Sous les hypoth`eses 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 `
`
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
162
WT
W =
1
1+d
1/
1+d
k HT
1/
(HT /k)
si HT > H
si HT H
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 probl`eme (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 probl`eme
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 mod`ele de Black & Scholes. 51.
(3) Dans le cadre du mod`ele de Black & Scholes, lallocation de la strategie dynamique
optimale correspondant au probl`eme (P15) est donnee par lexpression suivante :
investi (en cash) dans lA.R.
wt Wt
(1 wt )Wt investi (en cash) dans lA.S.R
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 .
51. Lexpression de C(Zt , X, T t) est donn
ee dans le cadre du mod`
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
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 mod`ele 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.
163
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
On en deduit de lexpression de YT , donnee dans la propriete ci dessus, que le param`etre dincitation nanci`ere, 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 `a letat de sous-performance (dont lexpression correspond
au cas sans incitation nanci`ere).
En eet, on peut ecrire :
1/
a
ZT b (1 + (1 + d)1/ 1 1HT >H ) (HT /k)
Finalement, on notera que, sous les hypoth`eses du mod`ele de Black & Scholes,
il existe une relation bi-univoque entre la valeur de chacun des trois portefeuilles
suivants pris deux `a deux : la valeur du portefeuille numeraire, Ht , celle du portefeuille de Merton, Ht , et enn, celle de lactif risque, Mt 53.
Ceci nous permettra, `a tout instant t, dexprimer la valeur de la richesse optimale en exc`es de celle du benchmark, notee Yt , en fonction de Mt ; expression qui
nous sera utile pour analyser les proprietes de cette strategie optimale.
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
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
165
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
166
`
4. INCITATIONS FINANCIERES
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
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 param`etre daversion
au risque
167
sous-performance.
Ceci est nanci`erement positif pour lasset manager puisque le manque `a 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 param`etres : b, et a.
Sur les gures (Fig.5), (Fig.6) et (Fig.7) ci-dessous, nous avons represente, pour
dierentes valeurs des param`etres du mod`ele, 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 param`etres sur le prol de gain optimal pour lasset manager recevant une incitation
nanci`ere. Le niveau de risque est une fonction croissante de la valeur de chacun
de ces param`etres (i.e. 1/b, 1/ et a).
168
`
4. INCITATIONS FINANCIERES
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 .
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 param`etres 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 param`etres 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.
170
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
(2) Eet du changement de valeur du taux des frais de gestion sur encours, b,
et du param`etre 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 nanci`ere 55), quand le niveau du taux
des frais de gestion sur encours, b, diminue (cf. (Fig.11)).
Leet dune hausse du param`etre de budget de risque, a (voir les gures
(Fig.12) et (Fig.13) 56), est similaire `a 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 mod`ele 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, `a celle du portefeuille
de Merton, `a poids constant (h = 200% dans notre exemple dapplication
numerique).
171
172
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
173
174
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
175
Leet de lhorizon dinvestissement, T t, sur le prol de gain de lasset manager recevant une incitation nanci`ere 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 `a la r`egle
de bon sens (Conventional Wisdom) dune allocation en actif risque croissante
en fonction du temps restant `a 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.
176
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
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
nanci`ere oerte (i.e. avec le ratio entre le taux des frais de gestion variables et celui des frais de gestion sur encours).
178
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
Il y a sur-exposition a` lactif risque par rapport `a la strategie sans incitation nanci`ere dans une zone de valeurs medianes de lactif risque
(correspondant `a 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 nanci`ere 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 nanci`ere 61.
(4) Niveau de risque global de la strategie dynamique fonction croissante du
degre dincitation nanci`ere :
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 param`etre dincitation nanci`ere (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 nanci`ere. En particulier, la sur-exposition `a lactif risque par rapport
a la strategie de reference, de lasset manager ne recevant pas dincitation
`
nanci`ere, est une fonction croissante de la valeur du param`etre dincitation nanci`ere.
(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,
179
180
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
EFICIANT
181
(3.1)
182
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
EFICIANT
183
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
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 .
184
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
max
YT L2 (P )
s.a.
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 ,
EFICIANT
185
Th
eoreme 5. La richesse terminale solution du probl`eme (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
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
avec
11/
`
4. INCITATIONS FINANCIERES
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
( 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 )
d
da
1+d
o`
u
(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
d
Enn, on notera que le mod`ele de frais expose ici generalise certaines des formulations dej`
a analysees dans la litterature traitant de cette meme problematique de
gestion nanci`ere avec incitation `a 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 probl`eme 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
probl`eme dinvestissement avec eet incitatif de ux dinvestissement analyse
par [Basak et al., 2008] 83.
On rappelle que, sous les hypoth`eses du mod`ele de Black & Scholes, il existe une
relation bi-univoque entre la valeur de chacun des trois portefeuilles suivants pris
188
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
deux `a 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, `a tout instant t, de dexprimer la valeur de la richesse optimale en exc`es de celle du benchmark, notee Yt , en fonction de Mt ; expression
qui nous sera utile pour analyser les proprietes de la strategie optimale.
)t
2
(1h )(r+ h 2
h2
2
)t
)t
EFICIANT
189
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
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
EFICIANT
191
192
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
ac
b
Dans ce cas (valeur du bonus en dessous de 3% dans lexemple dapplication numerique considere), lexpression de la strategie optimale est
celle `a deux etats de richesse du theor`eme 5.
De plus, il ny a quun seul strike, note M et sa valeur est une fonction decroissante du param`etre .
Ainsi, quand la valeur du param`etre 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 nanci`ere est positif pour lasset manager 91, setend au detriment de lintervalle de valeurs
basses de lactif risque o`
u lincitation nanci`ere lui est defavorable.
(2) Pour
ac
b
194
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
EFICIANT
195
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
196
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
, yd ((1 + d)/k) , y0 (1/k) .
avec /da, d1 (1+d)
11/ 1
EFICIANT
197
11/
1
k
ad
avec H (1+d)
[{(1 + d)a} , H k 1+d
( 1) / (1/(1+d))
et avec
11/
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 mod`ele de Black & Scholes. 94.
Propri
et
e 27. Dans le cadre du mod`ele de Black & Scholes, lallocation de la
strategie dynamique optimale correspondant au probl`eme (P16) est donnee par la
formule suivante :
wt Wt
investi (en cash) dans lA.R.
(1 wt )Wt investi (en cash) dans lA.S.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
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
param`etres denis comme dans la propriete 26.
94. Lexpression de C(Zt , X, T t) est donn
ee dans le cadre du mod`
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
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 mod`ele `
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
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
EFICIANT
199
(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 sop`ere 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)).
200
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
EFICIANT
201
202
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
3.5.2. Sensibilite aux variations du param`etre 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 param`etre daversion au risque, , baisse, lallocation dynamique devient
plus risquee :
EFICIANT
203
204
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
EFICIANT
205
206
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
EFICIANT
207
208
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
EFICIANT
209
(1) Un prol optimal `a 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 `a celle
du probl`eme 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 `a 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.
210
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
EFICIANT
211
en cas de sur-performance.
(5) Une double forme de conit dinteret entre le gerant et linvestisseur
Une premi`ere 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 deuxi`eme type de conit dinteret concerne plus particuli`erement 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 `a la perte de lasset
manager dans un intervalle de valeurs medianes du sous-jacent.
(6) Comparaison avec la litterature existante
Le probl`eme considere generalise, par certain aspects, deux articles dej`
a
publiees dans la litterature :
le mod`ele de frais de [Hodder Jackwerth, 2006] : il sagit du probl`eme
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 `a deux etats decrite
precedemment.
le mod`ele de ux de [Basak et al., 2008] : ce mod`ele de ux correspond analytiquement a` notre mod`ele 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 `a trois etats
decrite precedemment.
212
`
4. INCITATIONS FINANCIERES
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 `a 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 nanci`ere, dans une zone mediane de valeurs du
sous-jacent.
Pour les niveaux de bonus eleve, il sagit dune courbe en forme de
v avec, `a 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`
eme dinvestissement consid
er
e et expression de la richesse
terminale optimale.
Nous considerons a` nouveau le probl`eme de lasset manager qui recoit mandat
de gerer un portefeuille pour le compte dun investisseur en contrepartie dune
retribution nanci`ere.
Le cadre danalyse est le meme que celui decrit dans la premi`ere section du present
chapitre :
214
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
x)2
2
avec les variables et param`etres de cette expression denis comme dans la section 1 du present chapitre :
+
u(z ) = z (z )2 /2a
Notre motivation est double :
(1) Dune part, le choix dune fonction dutilite quadratique revient `a considerer
implicitement que le crit`ere dinvestissement est celui du probl`eme moyenne
variance, crit`ere tr`es 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 nanci`ere a` la performance induit
necessairement lasset manager `a 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 `a 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 nanci`ere et
non souhaitables du point de vue de linvestisseur nal 110.
4. CRITERE
MOYENNE VARIANCE AVEC REMUN
ERATION
MINIMALE
215
Nous faisons donc lhypoth`ese 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 `a
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.
(1) Premi`ere hypoth`ese : 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 int`egre ce double objectif :
`
4. INCITATIONS FINANCIERES
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 premi`ere etant d
ue,
comme dans les sections precedentes, a` lexistence dune incitation nanci`ere, 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 lhypoth`ese (2) ci-dessus).
Quelque soit lhypoth`ese faite, il en resulte que lasset manager a des preferences
dinvestissement se traduisant par le prol de risque mixte suivant :
max
2
YT L (P )
s.a.
+
E u(YT + d (YT ) )
; 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 param`etre de tolerance au risque de lasset manager,
4. CRITERE
MOYENNE VARIANCE AVEC REMUN
ERATION
MINIMALE
217
a
1+d (1
a(1
Y0
k
HT
1
k
1+d HT
si HT > H
si H < HT H
si HT H
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 theor`eme (6) prend
une forme dierente selon le niveau de sous-performance maximale considere, Y 0 :
k
H
A
(1
2
x)2
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
218
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
MOYENNE VARIANCE AVEC REMUN
ERATION
MINIMALE
219
220
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
4. CRITERE
MOYENNE VARIANCE AVEC REMUN
ERATION
MINIMALE
221
222
`
4. INCITATIONS FINANCIERES
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 mani`ere suivante :
(a) pour les valeurs du taux des frais de gestion variables, c, en dessous dun seuil (correspondant dans lexemple considere `a approximativement 8%) :
Lexpression de la richesse optimale est celle `a trois etats de
richesse donnee dans le theor`eme (6). Cette expression peut
etre vue comme celle de la richesse optimale du probl`eme sans
contrainte de protection `a laquelle sajoute un troisi`eme 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 param`etre 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 `a deux etat donnee du
theor`eme (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 `a repliquer passivement le
benchmark.
4. CRITERE
MOYENNE VARIANCE AVEC REMUN
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 `a reduire son prol de risque de
la facon suivante :
224
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
4. CRITERE
MOYENNE VARIANCE AVEC REMUN
ERATION
MINIMALE
225
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
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
226
Propri
et
e 29. Dans le cadre du mod`ele de Black & Scholes (`
a une seule
source de risque), lallocation de la strategie dynamique optimale correspondant au
probl`eme (P17) est donnee par lexpression suivante :
wt Wt
investi (en cash) dans lactif risque M
(1 wt )Wt investi (en cash) dans lA.S.R
avec wt Wt wB Bt +
dWt
dIt (h)It
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 param`etres.
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 param`etres 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
e par la formule suivante : i h r
.
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
MOYENNE VARIANCE AVEC REMUN
ERATION
MINIMALE
227
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 nanci`ere, exprim
e en
fonction de la valeur de lactif risque, est une courbe en forme de cloche.
228
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
4. CRITERE
MOYENNE VARIANCE AVEC REMUN
ERATION
MINIMALE
229
En ce qui concerne lallocation dynamique (cf. gure (Fig.52)), il se produit un pic dexposition `a 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.
230
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
4. CRITERE
MOYENNE VARIANCE AVEC REMUN
ERATION
MINIMALE
231
sens (Popular Advice) qui dicte une allocation en actif risque croissante
en fonction du temps restant `a 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
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
4. CRITERE
MOYENNE VARIANCE AVEC REMUN
ERATION
MINIMALE
233
234
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
235
(5.1)
(5.2)
o`
u on a pose a a /b , /b, d c/b.
max
YT L2 (P )
s.a.
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 hypoth`eses que dans la section 1.
On en deduit le resultat suivant qui generalise le theor`eme (5) (cf. troisi`eme
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
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
236
Th
eoreme 7. La richesse terminale solution du probl`eme (P18) est donnee
par lexpression suivante 131 :
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
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 )
si HT > BT
si HT BT
1
( 1) /
k
1+d
1 1/
De plus, an dobtenir la strategie dynamique optimale, nous faisons lhypoth`ese que le marche comprend les N + 1 actif suivants :
Lactif dit Actif Sans Risque (ASR) ; localement sans risque, il sinterpr`ete
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 param`etres 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
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 hypoth`eses du mod`ele de B&S generalise `a
N actifs risques :
Propri
et
e 30. Pour a = 0 et d = 0, la valeur `
a la date t de la solution optimale du probl`eme (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 probl`eme 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
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
238
`
4. INCITATIONS FINANCIERES
ET BENCHMARKING
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`
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
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 mani`ere equivalente, lallocation de la strategie dynamique optimale correspondant au probl`eme (P18) est enti`erement 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
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
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
par lexpression suivante :
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 probl`eme
dinvestissement de lasset manager recevant une incitation nanci`ere 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 nanci`ere 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 nanci`ere.
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 nanci`erement.
En guise dalternative, nous supposons dans ce chapitre que linvestisseur nal ou
le risk manager impose une contrainte `a 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, tr`es
courante en pratique, est plus `a 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 (premi`ere partie de la th`ese),
portant sur lanalyse de lallocation dynamique de portefeuille en presence de contrainte
de risk management, nous faisons lhypoth`ese que la fonction dutilite de lasset
manager int`egre 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`
ere partie de la th`
ese)
2. voir la quatri`
eme section du chapitre pr
ec
edent qui traite du probl`eme 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
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
Dans la premi`ere section, generalisant certains des resultats presentes dans les
sections precedentes, nous explicitons lexpression de la richesse terminale optimale associee au probl`eme 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 mod`ele 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 probl`eme
moyenne variance (fonction dutilite de lasset manager supposee quadratique) en presence dune double contrainte de risque : contrainte dassurance
de portefeuille et contrainte supplementaire daversion `a la sous-performance
par rapport au seuil de richesse cible.
1. Probl`
eme de lasset manager Loss Averse
Nous considerons le probl`eme dinvestissement dun asset manager averse `a la sousperformance qui cherche `a maximiser lutilite esperee de sa remuneration `a un
horizon dinvestissement pre-deni.
Faisant lhypoth`ese que la structure de marche est celle introduite dans la premi`ere
partie de la th`ese (section 1.1 du chapitre 1), nous explicitons lexpression de la
richesse terminale, solution optimale du probl`eme considere.
`
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 nanci`ere, un investisseur sengage a` verser au gerant de portefeuille recevant mandat de gestion, une remuneration
a un horizon dinvestissement determine `a 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 `a sa performance. Son
expression est la suivante :
FT (WT ) b WT + c max WT W 0 , 0
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 `a maximiser lutilite esperee de sa remuneration `a lhorizon dinvestissement pre-deni, note T , et
dautre part, quil est averse `a 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)
244
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
(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 hypoth`eses 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, sinterpr`etent comme
des contraintes liees a` une pratique de benchmarking, et correspondent a` de nombreux cas de gure rencontres en pratique.
Une premi`ere situation tr`es 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
DE LASSET MANAGER LOSS AVERSE
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 `a la sousperformance ou encore un prol de gain specique qui est propre `a 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 `a 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 `a la remuneration cible. De meme, on
pose z 0 x0 x .
Sous nos hypoth`eses, on peut ecrire z ZT = FT (WT ) FT (W 0 ) ; la richesse
excedentaire de lasset manager sidentie `a la remuneration de lasset manager
en exc`es 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}
(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 pr`es, la remuneration
excedentaire de lasset manager relativement au niveau central de remuneration,
246
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
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 ,
(St1 , . . . , StN )
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 consid`ere lensemble des strategies dynamiques autonancantes et admissibles :
-autonancantes : pas dapport de richesse intermediaire et gain enti`erement
re-investi,
11. Pour plus de d
etail voir la section 1.1 intitul
ee cadre gen
eral dans le premier chapitre
(premi`
ere partie de la th`
ese).
`
1. PROBLEME
DE LASSET MANAGER LOSS AVERSE
247
Probl`
eme 19.
(P 19)
max
2
YT L (P )
s.a.
E v(YT + d (YT )+ )
(1.2)
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
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
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
/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
`
1. PROBLEME
DE LASSET MANAGER LOSS AVERSE
249
Propri
et
e 32. Pour D = > 1,
(1) La richesse terminale, solution optimale du probl`eme (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 probl`eme (P19) est donnee par lexpression suivante : ZT = bYT
avec YT I(k/HT ).
Il sagit, `
a la constante k pr`es, de lexpression de la remuneration de lasset manager de reference 14.
Autrement dit, `
a la contrainte de budget pr`es, lasset manager recevant des frais
de gestion variables a le meme prol de gain (symetrique et continu) que lasset
manager sans incitation nanci`ere ni aversion `
a la perte.
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
250
2. Strat
egie dynamique de lasset manager CRRA Loss Averse
2.1. Probl`
eme dinvestissement consid
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
(x+a)1
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
2. STRATEGIE
DYNAMIQUE DE LASSET MANAGER CRRA LOSS AVERSE
251
= 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 probl`eme (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 ) )
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
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
Cons
equence 15. La richesse terminale optimale du probl`eme (P20) est donnee
par lexpression suivante :
(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.
YT =
( HkT )1/ a
si HT k a
(2) La fonction de remuneration excedentaire de lasset manager loss averse correspondant au probl`eme (P20) est donnee par lexpression suivante : ZT = bYT
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
DYNAMIQUE DE LASSET MANAGER CRRA LOSS AVERSE
253
Il sagit, `
a la constante k pr`es, de lexpression de la remuneration de lasset manager de reference 20.
Autrement dit, `
a la contrainte de budget pr`es, lasset manager recevant des frais de
gestion variables a le meme prol de gain optimal que lasset manager sans incitation nanci`ere 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 `
a la date t de la solution optimale du probl`eme (P20),
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/ +
, y (1/k) , H kD
avec y kD
a , H ka ,
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 mod`ele de Black & Scholes.
Propri
et
e 34. Dans le cadre du modele de Black & Scholes (`
a une seule
source de risque), lallocation de la strategie dynamique optimale correspondant au
probl`eme (P20) est donnee par lexpression suivante :
investi (en cash) dans lactif risque M
wt Wt
(1 wt )Wt investi (en cash) dans lA.S.R
dW
Ou wt Wt dHt h Ht est donnee par la formule suivante :
t
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
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
T
o`
u on a pose 2 V ar ln( H
(T t) .
Ht )/ =
Finalement, on rappelle que, sous les hypoth`eses du mod`ele de Black & Scholes,
il existe une relation bi-univoque entre la valeur de chacun des trois portefeuilles
suivants pris deux `a deux : la valeur du portefeuille numeraire, Ht , celle du portefeuille de Merton, Ht , et enn, celle de lactif risque, Mt 21.
Cette propriete nous permet en particulier, `a tout instant t, dexprimer la valeur de
la richesse optimale en exc`es du celle du benchmark, notee Yt , en fonction de Mt ;
expression qui nous sera utile pour analyser les proprietes de la strategie optimale.
2.2. Analyse de sensibilit
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 param`etres de remuneration et
de risque du mod`ele, 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 `a la sous-performance
(i.e. c > 0 et D > 1) avec :
-dune part, le prol de gain de lasset manager qui nest pas averse `a la sousperformance mais qui recoit une incitation nanci`ere (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 nanci`ere (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%.
21. 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 :
Merton, Ht , en fonction de celle de lactif risque Mt et r
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
DYNAMIQUE DE LASSET MANAGER CRRA LOSS AVERSE
255
256
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
2. STRATEGIE
DYNAMIQUE DE LASSET MANAGER CRRA LOSS AVERSE
257
le pay-o est discontinu (ce qui nest pas le cas du pay-o de la strategie
sans incitation nanci`ere, cf. courbe rouge) et lamplitude de cette discontinuite diminue en meme temps que la valeur du param`etre 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).
258
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
2. STRATEGIE
DYNAMIQUE DE LASSET MANAGER CRRA LOSS AVERSE
259
260
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
2. STRATEGIE
DYNAMIQUE DE LASSET MANAGER CRRA LOSS AVERSE
261
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 nanci`ere est plus faible que son aversion `a 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 nanci`ere (i.e. D = 1,
`
cf. premi`ere partie de la th`ese).
262
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
2. STRATEGIE
DYNAMIQUE DE LASSET MANAGER CRRA LOSS AVERSE
263
264
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
2. STRATEGIE
DYNAMIQUE DE LASSET MANAGER CRRA LOSS AVERSE
265
266
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
2. STRATEGIE
DYNAMIQUE DE LASSET MANAGER CRRA LOSS AVERSE
267
Nous analysons la sensibilite de lallocation dynamique optimale (niveau dexposition a` lactif risque et richesse intermediaire) aux variations des param`etres du
mod`ele considere (taux des frais de gestion variables, c, niveau daversion `a la
sous-performance, D, param`etres de risque du mod`ele 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
nanci`ere (D 1 et = 1, cf. premi`ere partie de la th`ese).
Nous commenterons egalement les resultats de notre mod`ele 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 mod`ele 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).
268
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
2. STRATEGIE
DYNAMIQUE DE LASSET MANAGER CRRA LOSS AVERSE
269
2.3.3. Sensibilite aux variations des autres param`etres ( et a) et aux variations de lhorizon dinvestissement considere.
Pour lasset manager dont lincitation nanci`ere 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 param`etre daversion au risque, , du seuil
de perte maximale, a, ou de lhorizon dinvestissement, sont similaires au cas de
lasset manager recevant une incitation nanci`ere mais qui nest pas averse a` la
sous-performance (i.e. > 1 et D = 1 , cf. chapitre precedent).
270
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
De meme, pour lasset manager dont le niveau dincitation nanci`ere est moins
eleve que celui de laversion `a la sous-performance (i.e. avec < D), les eets, sur
la strategie dynamique optimale, du changement de valeur des param`etres de risque
et de lhorizon dinvestissement sont les memes que pour lasset manager averse `a la
sous-performance mais ne recevant pas dincitation nanci`ere (i.e. = 1 et D > 1,
cf. premi`ere partie de la th`ese).
2. STRATEGIE
DYNAMIQUE DE LASSET MANAGER CRRA LOSS AVERSE
271
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
272
3. Crit`
ere Moyenne Variance avec double contrainte de risque
3.1. Probl`
eme dinvestissement consid
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
`
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 probl`eme 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
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
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
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
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 },
a
k
(1 HT ) si HT > k
k
Y0
si HT 1Yk0 /a
(2) La fonction de remuneration excedentaire de lasset manager loss averse correspondant au probl`eme (P21) est donnee par lexpression suivante : ZT = bYT
avec YT :
a(1 HkT ) si HT > 1Yk0 /a
YT
Y0
si HT 1Yk0 /a
Il sagit, `
a la constante k pr`es, de lexpression de la remuneration de lasset manager
de reference 36.
Autrement dit, `
a la contrainte de budget pr`es, lasset manager recevant des frais
de gestion variables a le meme prol de gain optimal que lasset manager sans
incitation nanci`ere et sans aversion.
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
MOYENNE VARIANCE AVEC DOUBLE CONTRAINTE DE RISQUE
275
Propri
et
e 35. La valeur `
a la date t de la solution optimale du probl`eme (P21),
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
D
0
D
1
B(It , I , T t)
akD
a 2
P (It , I , T t)+
( D) 2 + 2( D) B(It , I , T t)
2
Yt = Y 0 ZC(T t)+
Propri
et
e 36. Dans le cadre du mod`ele de Black & Scholes (`
a une seule
source de risque), lallocation de la strategie dynamique optimale correspondant au
probl`eme (P21) est donnee par lexpression suivante :
investi (en cash) dans lactif risque M
wt Wt
(1 wt )Wt investi (en cash) dans lA.S.R
dW
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
T t
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
276
2
avec ( )2 V ar ln( IITt ) = () (T t),
et avec les autres param`etres et variables tels que denis dans le theor`eme 9.
Finalement, on rappelle que, sous les hypoth`eses du mod`ele de Black & Scholes,
il existe une relation bi-univoque entre la valeur de chacun des trois portefeuilles
suivants pris deux `a deux : la valeur du portefeuille numeraire, Ht , celle du portefeuille de Merton, Ht , et enn, celle de lactif risque, Mt 37.
Cette propriete nous permet en particulier, `a tout instant t, dexprimer la valeur de
la richesse optimale en exc`es du celle du benchmark, notee Yt , en fonction de Mt ;
expression qui nous sera utile pour analyser les proprietes de la strategie optimale.
3.2. Analyse de sensibilit
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 nanci`ere et/ou sans aversion a` la sous-performance.
En nous appuyant sur le meme exemple dapplication numerique, dans le cadre
du mod`ele 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 param`etres de
remuneration et de risque du mod`ele considere.
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
MOYENNE VARIANCE AVEC DOUBLE CONTRAINTE DE RISQUE
277
278
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
`
3. CRITERE
MOYENNE VARIANCE AVEC DOUBLE CONTRAINTE DE RISQUE
279
280
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
`
3. CRITERE
MOYENNE VARIANCE AVEC DOUBLE CONTRAINTE DE RISQUE
281
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 nanci`ere est plus faible que son aversion
`
a la sous-performance (i.e. D > 1), est semblable a` celui dun asset manager
`
averse `a la sous-performance mais ne beneciant pas dincitation nanci`ere
(i.e. D > = 1, cf. premi`ere partie de la th`ese).
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.
282
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
`
3. CRITERE
MOYENNE VARIANCE AVEC DOUBLE CONTRAINTE DE RISQUE
283
284
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
`
3. CRITERE
MOYENNE VARIANCE AVEC DOUBLE CONTRAINTE DE RISQUE
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 `a adopter le comportement typique
dun investisseur averse `a la sous-performance.
Lasset manager va ainsi arbitrer, en partie ou integralement (dautant plus que
son aversion `a 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 `a lactif risque (zone
o`
u la richesse nale est egale a` la cible de richesse de linvestisseur).
3.3. Analyse de la strat
egie dynamique optimale.
Nous etudions la sensibilite de lallocation dynamique optimale aux variations du
param`etre 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).
286
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
`
3. CRITERE
MOYENNE VARIANCE AVEC DOUBLE CONTRAINTE DE RISQUE
287
On comparera sur la gure (Fig.35), la courbe bleue (cas sans incitation) avec
la courbe verte et la courbe rose (cas avec incitation nanci`ere correspondant respectivement a` c = 10% et c = 20%).
288
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
4. CONCLUSION DU CHAPITRE
289
4. Conclusion du chapitre
(1) Pour lasset manager qui est faiblement averse a` la perte ( > D > 1),
le prol de richesse ressemble `a celui de lasset manager non averse a` la
perte et recevant une incitation nanci`ere ( > D = 1).
Pour lasset manager CRRA, il sagit dun prol asymetrique et discontinu `a deux etats de richesse plus risque que celui de lasset manager
de reference sans aversion ni incitation nanci`ere (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 `a deux ou trois etats de richesse. Pour un niveau susamment elevee de la contrainte de protection 45, la strategie
optimale prendra une forme `a deux etats moins risquee que la strategie
suivie par lasset manager de reference sans aversion ni incitation nanci`ere. Dans le cas contraire (i.e. niveau de protection faible), la
strategie prendra une forme `a trois etats de richesse plus risquee que la
strategie de reference.
une courbe dexposition `a 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 nanci`ere) dans un intervalle de valeurs basses `a
medianes du sous-jacent.
290
`
` LA SOUS-PERFORMANCE
5. INCITATION FINANCIERE
ET AVERSION A
(2) Pour lasset manager qui est fortement averse `a la perte (D > > 1),
le prol de gain est similaire a` celui de lasset manager averse a` la perte
et sans incitation nanci`ere (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 nanci`ere (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 `a 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 nanci`ere ni aversion `a la sous-performance.
(3) Pour lasset manager qui est moderement averse `a la perte (D = > 1),
le prol de la remuneration de lasset manager est continu et symetrique
et ressemble `a celui de lasset manager de reference (`a la contrainte de
budget pr`es).
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 `a la sous-performance ni incitation nanci`ere 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.
(1) Tout dabord, on montre que le convexe conjugue (ou transforme de LegendreFenchel) du probl`eme (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 theor`eme 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
-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 theor`eme 1, est donnee
par I(kT ), avec T 1/HT .
On demontre quil sagit bien de lexpression de la richesse terminale optimale du
probl`eme dinvestissement considere pour A = 0 : la resolution est celle du probl`eme
de lasset manager HARA sans contrainte daversion sous lhypoth`ese 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
A. DEMONSTRATIONS
PARTIE 1
293
Preuve de la propri
et
e 1 et de la cons
equence 1.
Preuve de la cons
equence 2.
La strategie peut etre vue comme la somme des deux strategies suivantes :
Preuve de la propri
et
e 2.
Preuve de la propri
et
e 3.
Dans le cas o`
u linvestisseur considere est CRRA, et si WT est la solution du
probl`eme (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 probl`eme (P2)() dont lexpression est donnee dans la propriete 1.
294
A. DEMONSTRATIONS
PARTIE 1
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 probl`emes 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 probl`eme
(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
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 pr`es, 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 pr`es, 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 `a 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.
Preuve de la propri
et
e 6.
Si WT est la solution du probl`eme (P4)(A, B) avec A et B veriant B = k/k1 et A =
k/(k1 k2 ) ou k1 et k2 sont solutions du syst`eme dequations suivant :
Preuve de la propri
et
e 8 et 9 .
Preuve de la propri
et
e 10.
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 theor`eme 1 pour determiner
la solution du probl`eme dinvestissement (P1) avec fonction dutilite discontinue
(dont lexpression correspond au cas a) du theor`eme 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 probl`eme dinvestissement.
(1) Tout dabord on montre que le convexe conjugue (ou transforme de LegendreFenchel) du probl`eme (P10), U (T ) a pour solution ( point par point ) lexpression WT telle que denie explicitement dans le theor`eme 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 .
A. DEMONSTRATIONS
PARTIE 1
1er cas : W 0 W +
297
2aB
2aB.
(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
2d cas : W 0 < W +
2aB
Dans ce cas, on a > > W > et on obtient de la meme mani`ere que pour le
cas precedent :
a) Pour T < W , W 0 est le maximum.
b) Pour T > W , W est le maximum.
Considerons une strategie quelconque admissible dont la richesse nale est notee
WT et veriant la contrainte de budget du probl`eme (P10). On en deduit que :
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 premi`ere egalite se deduit de la contraint de budget du probl`eme consideree
qui est veriee a` la fois par WT et par WT . La relation dinegalite de la derni`ere
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 theor`eme 2.
A. DEMONSTRATIONS
PARTIE 1
299
Preuve de la propri
et
e 11 .
Lemme 3.
La richesse terminale optimale du probl`eme (P9) est donnee par lexpression suivante,
-Si W 0 W + 2aB
W 0 si H < H H
T
WT =
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 k veriant lequation de budget suivante : E(WT /HT ) = 1,
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.
A. DEMONSTRATIONS
PARTIE 1
300
(W 0 )2
2a
avec U (x) =
u(x) B si x < W 0
u(x) si x W 0
o`
u u(x) = x (1/2a)x2
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 theor`eme 2.
Preuve de la propri
et
e 13.
On se place dans le cas o`
u W0 W +
2aB.
W)
W)
d2 (x) =
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
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 probl`eme (P11), note U (T ), a pour solution (point par point)
lexpression WT telle que denie explicitement dans le theor`eme 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) =
A. DEMONSTRATIONS
PARTIE 1
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
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 theor`eme 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
A. DEMONSTRATIONS
PARTIE 1
305
(1) Tout dabord on montre que le convexe conjugue (ou transforme de LegendreFenchel) du probl`eme (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 .
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` 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 `a la demonstration de la partie 1) du Theor`eme 3 .
(2) Montrons maintenant que U (T ) = M ax u(W ) k1 T W k2 (W 0 W )1{W <W 0 }
W W
A. DEMONSTRATIONS
PARTIE 1
306
Preuve de la cons
equence 10.
La consequence 10 est une consequence directe du theor`eme 3 et de la propriete 15.
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
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
Ce qui se re ecritm(T t) +
2 (T t)
2
= m (T t) + 2 (T t)/2
2 (T t)
2
1
= (
1
1
0
2
K
et avec ()1
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
V ar(Nc )
2
2
2 (T t)
2
o`
u on a pose 2 (T t) = V ar(Ln(HT )) .
T t
2 (T t)
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 probl`eme considere sobtient
par application du theor`eme 1 en considerant linvestisseur HARA sans aversion a`
la sous-performance.
La solution du probl`eme peut aussi sobtenir par resolution directe du probl`eme
statique considere :
Le Lagrangien du probl`eme 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
Preuve de la propri
et
e 22.
(1) Lexpression de la richesse terminale optimale du probl`eme sans contrainte
resulte dune application directe du theor`eme 1.
(2) Lexpression de la richesse terminale optimale du probl`eme 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 probl`eme
de linvestisseur ayant une fonction quadratique (qui correspond au cas particulier = 1) donne dans le cadre du theor`eme 3 ci-dessus ; il sut pour cela de
considerer la variable T (1/HT )1/ au lieu de T 1/HT (voir demonstration
du theor`eme 3 ci-dessus).
A. DEMONSTRATIONS
PARTIE 1
310
Preuve du lemme 4. : expression du prix dune option call et Put sur le portefeuille Ht dans le cadre du mod`ele de Vasic`ek
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
HTc1
+
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
(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
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 `a 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 mod`ele considere
qui est donnee dans le cadre du lemme 4.
avec
d1 =
ln(
kHt
W0
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.
312
A. DEMONSTRATIONS
PARTIE 1
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 `a 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 probl`eme de maximisation considere (P15) peut
etre vu comme un cas particulier du probl`eme (P19) pour un choix du param`etre
daversion, D particulier : D = 1 ; lexpression de la solution optimale du probl`eme
(P19) est enoncee dans le chapitre 5 dans le cadre du theor`eme 8 (cf. demonstration
ci-dessous).
Preuve du th
eor`
eme 5. Notons tout dabord que la fonction `a maximiser
dans le cadre du probl`eme 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
k
HT
k
HT
k
HT
[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 apr`es 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
u (a)
k
(a)
k
1/
1
HT
<
(1+d)
k u (a
+ ) =
(1+d)
k
(a + )
2 et
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
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 probl`eme (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 `a 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
x11/
11/
x11/
11/
+ ax et x1
(a+)1
et
1
k1 = a .
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
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
B. DEMONSTRATIONS
PARTIE 2
317
k
HT
k
HT
y2 .
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.
Lemme 7.
(, a, d, ) R4 tel que 0 < < 0 avec 0
> 0 et = 1,
(1+d)1/ 1
d
(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
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
esigne la fonction inverse de la fonction x u (x) = x
B. DEMONSTRATIONS
PARTIE 2
318
g(x) =
x11/
11/
par derivation
celle de sa derivee premi`ere 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.
< 0 < 1, on
(1/(1+d))11/ 1
11/
1+d
a(1)d
x
1
(11/)
> x1
(1+d)1/ 1
d
11/
1
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 `a 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 `a 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, )
(1+d)(1+d)1/
(11/)d
B. DEMONSTRATIONS
PARTIE 2
319
(1+d)1/ (1+d)
(1/1)d
1/
En partant `a nouveau de fait quil existe, pour 0 < < M in 0 ; 1 , une
unique racine strictement positive `a lequation l(x) = 0, notee x0 , on en deduit
lequivalence suivante :
l(x2 ) > 0 x2 (1 + d) (1 + d)
a > x0 .
1
et apr`es calcul, on trouve = d (1+d)
11/
1
Montrons que 0 < < M in 0 ; 1
- On a > 0
(1)
11/ 1
(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 hypoth`ese.
Dans le cas o`
u 0 < < 1, on a < 0 (1 ) < 1/1 1/1 > 1, ce
qui est egalement vrai par hypoth`ese. Par consequent, on a bien < 0 .
-Il ne reste donc plus qu`a 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 hypoth`ese.
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 `a lequation l(x) = 0 donnee
par lexpression suivante :
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 `a
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
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
8. x I(x) = x1/ d
esigne la fonction inverse de la fonction x u (x) = x
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 .
x2 > x
0 h(x2 ) > 0 ab ((1 + d)a)
11/
((1+d)a)1
11/
((1+d)a)
1
> 0.
11/
1<
Apr`es 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 )
Cas 3b: a = 0 ou d = 0 et = 0 9
Puisque = 0, Il sagit dun cas particulier du theor`eme 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 theor`eme 4 et on verie facilement quelle
correspond bien a` lexpression donnee dans le theor`eme 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
(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
Preuve du th
eor`
eme 6.
Le probl`eme de maximisation considere (P17) sidentie au probl`eme (P21) dans
le cas particulier o`
u D = 1 ; lexpression de la solution (plus generale) du probl`eme
(P21) est fournie dans le theor`eme 9 du chapitre 5 (dont la demonstration se trouve
ci-dessous).
B. DEMONSTRATIONS
PARTIE 2
323
Preuve du th
eor`
eme 7.
Notons tout dabord que la fonction `a maximiser dans le cadre du probl`eme 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
o`
u ]0; +[ \ {1} est son param`etre daversion au risque,
et avec v(y; b) ab + y + (b + (1 + d)y) 1y0 sa fonction de frais qui depend
des param`etres , 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 probl`eme (P18) sidentie a` lexpression de YT donnee dans le theor`eme 7.
Il sut pour cela de montrer que le convexe conjugu
e (ou transform
e de Legendre
- Fenchel) du probl`eme (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 theor`eme 7. 10.
k
HT
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 `a la demonstration du theor`eme 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
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
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
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 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),
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/
1/ {f (T t)+X}
= t
ln N f (T t) ; 2 .
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
2
2
et x2 = ln ()1/ /t +
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 ,
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
Preuve de la propri
et
e 31.
Nous pouvons reecrire les expressions donnees dans le theor`eme 7 de la mani`ere
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
avec t
t
[t t Bt ] dH
Ht + (...) dt
Wt
.
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 probl`eme de maximisation considere (P19) etant invariant par transformation
lineaire de la fonction `a 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 probl`eme (P19) est donnee par lexpression de YT donnee dans le theor`eme 8.
Il sut pour cela de montrer que le convexe conjugu
e (ou transform
e de Legendre
Fenchel) du probl`eme (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 theor`eme 8. 12.
k
HT
y.
k
HT
u(y)
D
k
HT
y et L (y) = 0
u (y)
D
1
D k
I( HT
); 0
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,
k
HT
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
k
HT
y=
u(y)
D
k
HT
y;
k
L(y) w(y) HkT y = u(y) + 1D
D u(0) HT y ; les CPO impliquent que L (y) =
On en deduit que lexpression de la richesse terminale optimale pour lasset manager est bien celle exposee dans lenonce du theor`eme 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 `a 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 `a 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
B. DEMONSTRATIONS
PARTIE 2
329
Preuve du Lemme 8.
1/
1
y 1/
1
y 1/
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.
1/
g(x) = Ax 11/ C1
x11/
+ C2
1 1/
(0.3)
1/
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 apr`es 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 :
C1
1 11/ D11/
1
A .
C1
A
> x1 1 >
1 11/ D11/
1
D C1 C1
; A
A
C1
1 11/ D11/
1
A .
>
x1
1>
1
1/
( D
)
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
m(x) g( D
x)
vant :
1
D g(x)
(1
C1
1
)
D )g( A
Preuve du th
eor`
eme 9.
Nous cherchons a` montrer que la solution du probl`eme (P21) est donnee par lexpression de YT du theor`eme 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
k
HT
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
Le probl`eme statique correspondant au convexe conjugue du probl`eme (P21) peut
donc secrire de la facon suivante :
determiner y = arg max L(y) avec L(y) w(y)
y1
k
HT
k
HT
L (y) = 0
.
(y)
u(y)
D
k
HT
k
HT
y =
k
HT
; 1 ;0
a
(1
D k
HT
) avec (1 + d)
a
(1
D k
HT
); 0
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.
u(y)
D
k
HT
y;
B. DEMONSTRATIONS
PARTIE 2
333
(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
(4) Pour HT
k
1+
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 lhypoth`ese 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.
B. DEMONSTRATIONS
PARTIE 2
334
(2) Pour
k
1+
< HT
kD
(3) Pour HT
k
1+
kD
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)
1
D k
D g( HT
Posons x
D k
HT
kD
<x<1
B. DEMONSTRATIONS
PARTIE 2
335
(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.
) > g(x).
Remarquons que m(1) > 0 puisque m(x) > 0 Dg(x D
1+(1)/ D
( 2 /D1)
D
;1
a
1 x2 + 2 (1 ) x + D 1
(0.6)
m(x) =
2
D
2
et m (x) = a D 1 x + a (1 )
1
1
2
D
<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+
, on obtient
; 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
theor`eme 9.
C.Q.F.D.
Dans ce cas on a
kD
<
k
1+
et
1
a
k
1+
<
D
19
(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.
(2) Pour HT
kD
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+
1+ pour laquelle
19. Niveau daversion, D plus faible que , le param`
etre dincitation nanci`ere et niveau
elev
e
de protection
B. DEMONSTRATIONS
PARTIE 2
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
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)
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
(/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 +
a
(1 x)2
2
(0.8)
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 hypoth`ese (1)
< D
1 .
a
(1)
a
< 2
D
1 , ce qui
1)
22
2D
2a
a
et l (y) = aD
2 y + ( 1)
l(y) =
( 1) AD
>
(0.9)
> 1 + > 1.
> 1 + > 1.
y1 > D
-Etude du signe de la fonction l(y) :
La resolution de l(y) = 0, avec l(y) correspondant `a 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)
avec y0 < D
< y1 .
yD
-Expression de la racine de l(y) :
Apr`es 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)] .
(/D1)(/ D1)
( 2 /D1)
>0.
l (1 + ) =
aD
2
1 2 /D + (1 /D)
(1/D)
( 2 /D1)
< 0.
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
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
k
HT
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 :
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.
1
est
ou bien lexpression
a
D
(2) du theor`eme 9 si ; D 1 , ou bien lexpression (3) du theor`eme 9 si
]0; ] .
B. DEMONSTRATIONS
PARTIE 2
341
Preuve de la cons
equence ??. On obtient le resultat cherche par application directe du theor`eme 9.
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.