Cours de gestion financière (M1)

Séance du 3 octobre 2014

Beta, SML, droite caractéristique

S&P500 vs high beta
stocks

1
 Plan de la séance du 3 octobre 2014 (3)
Beta, Security Market Line (SML), droite caractéristique

 Espérance de rentabilité et risque (introduction)

 Beta d’un titre, droite caractéristique d’un titre
 Estimation des Betas : approches de Bloomberg, Blume et Vasicek
 Beta ex-ante
 Beta d’un portefeuille de titres
 Risque systématique (ou de marché) et risque spécifique (ou
idiosyncratique), décomposition du risque total
 Le modèle d’évaluation des actifs financiers (MEDAF)
 De la capital market line à la security market line (SML)
 Démonstration intuitive du MEDAF : diversification du risque idiosyncratique
 Beta d’un titre, d’un portefeuille, aspects mathématiques
 Estimation des écart-types des rentabilités

2
 Décomposition d’un
risque d’un titre
 Dans le graphique ci-dessous, on
compare les résultats d’un
investissement de 1 $ dans l’action
McDonald’s et dans le portefeuille
S&P 500
 Dividendes réinvestis

1 $ investi en 1980 dans l’action McDo
vaut 150 $ en 2012
Si l’on investit dans le portefeuille 
diversifié S&P 500, on n’obtient que 30 $

Comment expliquer cet écart de 
rentabilité ?
« chance », « risque » ?

3
 Décomposition d’un
risque d’un titre
Évolution comparée des rentabilités cumulées de Pier 
Import et de MacDo
Traders sur le marché des 
Il semble que le cours de Pier  options de Chicago CBOE
Import soit plus volatile que celui 
de MacDo
Est‐ce que la rentabilité du 
premier titre est significativement 
plus élevée ?

4
 Décomposition d’un risque d’un titre
 Variabilité des rentabilités d’Apple supérieure à celle de Clorox
 Qu’en déduire à propos des rentabilités attendues ?

Rentabilités quotidiennes des actions Apple 
et Clorox de mai 2012 à mai 2013

5
 Droite caractéristique d’un titre
 , représente la rentabilité du titre i à la date t
 Il peut aussi s’agir de la rentabilité d’un portefeuille de titres
 représente la rentabilité d’un indice boursier à la
,
date t, représentant l’évolution du marché boursier
 Typiquement CAC40, indice S&P 500 aux États-Unis
 Pondération par la capitalisation boursière
 Décomposition du risque du titre i en risque lié au
marché , et un terme résiduel ,
 , , ,
 constantes, :beta du titre i
 Ceci signifie que si le marché augmente de 1%, le titre i
augmente en moyenne de
6
 Droite caractéristique d’un titre
 , , ,
 :beta du titre i
 déterminé à partir des rentabilités passées
 On parle aussi de beta ex-post

 , , ,

 et sont les rentabilités moyenne du titre i et du marché sur la

période d’estimation, ici de longueur
 Propriétés complémentaires
 , 0 le terme résiduel a une moyenne nulle

 , , 0 pas de corrélation entre résidu et

rentabilité du portefeuille de marché
 équation d’une droite dite caractéristique
7
 Droite caractéristique d’un titre
 Navellier Fundamental A (NFMAX, fonds géré par
Navellier) contre Russell 3000 Index
Données 
hebdomadaires
Mai 2005 
Juillet 2009

Russell 3000 
Indice large
98% de la 
capitalisation 
boursière US

8
 Droite caractéristique d’un titre
 Quelles données pour déterminer la droite caractéristique ?
 De nombreux points à préciser concernant les rentabilités
utilisées
 Prise en compte des dividendes (réinvestis)
 Opérations sur titres (OST) : division, distribution d’actions gratuites,
augmentation de capital avec droits préférentiels de souscription
 Périodicité : quotidienne, hebdomadaire, mensuelle
 Composition des rentabilités : moyenne arithmétique, géométrique
 Périmètre : choix des marchés sur lesquels les actions sont cotées,
retraits de la côte, différence entre les dates de clôture des différents
marchés
 Pondérations : par la valeur boursière, par la valeur boursière flottante
 Période d’observation : date de début, date de fin, prise en compte des
données manquantes (la non cotation
9
 Droite caractéristique d’un titre, méthode des
moindres carrés
 Droite caractéristique du titre i : , ,

À chaque point est associé 
une date t
En abscisse, la rentabilité du 
portefeuille de marché à 
cette date t :  ,
En ordonnée, la rentabilité 
du titre i à cette date t : , Pente de la droite 
caractéristique

Ordonnée de la droite 
caractéristique à l’origine

10
 Droite caractéristique d’un titre, méthode des
moindres carrés
 Droite caractéristique du titre i : , ,

À chaque point est associé une 
date t
En abscisse, la rentabilité du 
portefeuille de marché à cette 
date t :  ,
En ordonnée, la rentabilité du 
titre i à cette date t : ,
Pente de la droite 
La droite caractéristique du  caractéristique
titre est obtenu par un 
ajustement linéaire au nuage 
de points selon la méthode  Ordonnée de la droite 
des moindres carrés caractéristique à l’origine

 i ,t  Ri ,t    i   i RM ,t  Distance verticale entre un point 
et la droite caractéristique  11
 Droite caractéristique d’un titre, méthode des
moindres carrés
 Droite caractéristique du titre i : , ,

La droite caractéristique du 
titre est obtenu par un 
ajustement linéaire au nuage 
de points selon la méthode 
des moindres carrés :
et  minimisent la somme 
des carrés des écarts  , : Pente de la droite 
caractéristique
∑ , ,

Ordonnée de la droite 
caractéristique à l’origine

 i ,t  Ri ,t    i   i RM ,t  Distance verticale entre un point 
et la droite caractéristique  12
 Droite caractéristique d’un titre et beta / la
pratique
 Beta de l’action Disney (source Bloomberg)

Indice S&P 500 retenu 
pour approcher le 
portefeuille de 
marché
Rentabilités 
mensuelles sur une 
période de 5 ans
« raw beta » 
correspond au Beta 
historique
« adjusted beta » = 
2/3 raw beta + 1/3 x 1

13
 Estimation des betas / retour à la moyenne
 Raw beta / beta brut : déterminé comme indiqué précédemment
 Bloomberg s’appuie sur les travaux de Blume et de Vasicke
 Blume part de la constatation d’un retour à la moyenne des
betas estimés sur des périodes consécutives

 Blume, M. E. (1975). Betas and their regression tendencies. The

Journal of Finance, 30(3), 785-795.
 Blume, M. E. (1979). Betas and their regression tendencies: some
further evidence. Journal of Finance, 265-267. 14
 Estimation des betas / retour à la moyenne
 Le tableau ci-dessous considère des betas estimés sur une
période de 7 ans (1926-1933) et regroupés en 4 groupes
 Le groupe 1 est constitué des actions avec le Beta le plus faible
et ainsi de suite
 La dernière colonne représente les betas pour ces titres sur la
période de 7 ans qui suit

 On constate un retour à la moyenne (sauf pour la catégorie 3)

15
 Estimation des betas / biais de sélection
 Une partie de l’effet observé est due au biais de sélection
 Illusion statistique, plus spécifiquement ici de biais de classement
 Prenons une série de grandeurs tirées de manière aléatoire, par
exemple des tirages de dés
 L’observation d’une valeur extrême, disons 6, est (nécessairement)
suivie d’une valeur plus proche de la moyenne
 Si l’on raisonne en termes de causalité, on dira que les fils des hommes
grands ne sont pas aussi grands (relativement à la moyenne de leur
génération) que leur père … Ce qui parait d’une logique « évidente » …
 En sens inverse, une valeur moyenne, disons 3 ou 4, va être suivie
d’une valeur extrême 1,2 ou 5,6 avec une probabilité de 2/3 et on n’a
ainsi qu’une probabilité de 1/3 de rester dans la moyenne
 On ne va bien sûr pas en déduire que les hommes moyens engendrent
souvent des géants ou des nains …
 Le sophisme est d’autant plus apparent que la numérotation des faces du dé est arbitraire …

16
 Estimation des betas / biais
Pour aller plus loin, voir 
de sélection Kahneman, p. 219‐225

 Concept de retour à la moyenne attribué à Francis Galton

 Regression to the mean
 Selon les observations de Galton, si les parents mesurent 6 cm de

plus que la moyenne, les enfants ne mesurent plus que 2/3 x 6 cm

de plus que la moyenne …
 Galton, F. (1886). "Regression towards mediocrity in hereditary
stature". The Journal of the Anthropological Institute of Great Britain
and Ireland 15: 246–263.
 D’où l’origine du terme “regression”
Galton  Galton, inventeur des concepts d’écart-type et ayant retrouvé celui
de corrélation (une invention française) …
 Indispensable pour corriger du biais de sélection précédent
 L’artéfact précédent survient dès que le coefficient de corrélation est
inférieur à 1
 Pour en revenir aux betas estimés, ils ne sont déterminés qu’avec un
bruit statistique et donc imparfaitement corrélés
17
 Estimation des betas / biais de sélection
 Revenons maintenant aux betas ajustés et à l’étude de Blume
 Le beta moyen étant de 1, la formule du beta ajustée: 2/3 beta
estimé sur la période précédente + 1/3 x 1
 On pourrait penser qu’il y a un problème statistique de même
nature dans le phénomène de retour à la moyenne des Betas
 Blume avait heureusement conscience de ce phénomène
 Il s’agit en fait de ce qu’on appelle un problème d’erreur sur la
variable explicative
 Qui tend à biaiser le coefficient reliant le beta d’une période au
beta de la période précédente
 Selon Blume, le phénomène subsiste même après les correctifs
adaptés
 Il n’y a bien sûr aucune raison pour que le coefficient 2/3 ne
dépende pas de la période d’estimation et du titre considéré
18
 Estimation des betas / O. Vasicek
approche de Vasicek
 « Adjusted Beta » (Vasicek)
 Vasicek, O. A. (1973). A NOTE ON USING
CROSS‐SECTIONAL INFORMATION IN BAYESIAN
ESTIMATION OF SECURITY BETAS. The Journal of Finance,
28(5), 1233-1239.
 L’idée est différente de celle de Blume
 Vasicek propose une approche bayésienne, selon laquelle, en
l’absence d’information, on suppose que le beta est égal à un
 L’estimateur du beta à partir de données historiques va être une
moyenne pondérée du beta estimé et du beta déterminé a priori
 Poids dépendant du degré de précision des beta estimé et a priori
 Comme dans le cas de Blume, on ne voit pas pourquoi, on en resterait
à des poids de 2/3 et 1/3 dans tous les cas de figure …
 http://www.stat.ucla.edu/~nchristo/statistics_c183_c283/vasicek_betas.pdf
 http://guides.lib.byu.edu/content.php?pid=53518&sid=401576
19
 Beta (ex-ante) d’un titre, d’un portefeuille

 On s’intéresse maintenant aux rentabilités à venir et



,
 Beta (ex-ante) du titre i
 Si augmente de %, augmente en moyenne de %
 Cov , covariance entre et
 variance de la rentabilité du portefeuille de marché
 : espérance de rentabilité du titre i
 et sont des variables aléatoires : on ne connaît pas les
rentabilités à venir
 risque spécifique ou risque idiosyncratique du titre i
 De moyenne nulle
 Non corrélé avec
20
 La théorie du marché du capital
Risque de marché et risque idiosyncratique
 Décomposition du risque associé à la rentabilité du titre i
Ri  Ei   i   RM  E M    i
 D’où :
Var  Ri   Var  E i   i   RM  E M    i   Var   i RM   i 
 On a utilisé Var Var si a est constant.
Var   i RM   i   Var   i RM   2Cov   i RM ,  i   Var  i 
 
  i2  Var RM    i Cov  RM , i   0

      Var  i 
 ,   0 ?
2 2 2
 i

i
 
M
 i  j ,Cov i j
risque total risque de marché risque spécifique

risque spécifique ou idiosyncratique dû à des événements

propres au titre 21
 Beta d’un actif sans risque, du portefeuille de
marché, d’un portefeuille de deux titres
,
 Actif sans risque
,
 Portefeuille de marché


,
 Beta d’un portefeuille de titres
, ,


Beta d’un portefeuille : moyenne 
 P  X 1  1  X   2 pondérée des betas des titres le 
constituant.
Coefficients de pondération : fraction de 
la richesse investie dans chaque titre 22
 Modèle d’évaluation des actifs financiers
(MEDAF)
 Relation entre l’espérance de rentabilité d’un titre i et
son Beta
 MEDAF : modèle d’évaluation des actifs financiers


 : espérance de rentabilité (ou « rentabilité attendue »)

du titre i
 taux d’intérêt sans risque
 D’un placement dont l’écart-type du taux de rentabilité = 0
 : espérance de rentabilité du portefeuille de marché
 : prime de risque (positive)
 Le MEDAF établit une relation affine entre les betas des
titres et leur espérance de rentabilité
23
 Modèle d’évaluation des actifs financiers
(MEDAF)

Ei  R f   i  E M  R f 
 Équation fondamentale du MEDAF
 MEDAF : Modèle d’Évaluation Des Actifs Financiers
 Concerne tous les titres i
 Relie espérance de rentabilité, beta du titre, taux sans
risque et espérance de rentabilité du portefeuille de
marché

Ei  R f   i  E M  R f


Seul le risque 
prime de risque
de marché est  EM  R f
rémunéré Ei  R f   i M 
 M
risque de marché 

prix de marché du risque
24
 Modèle d’évaluation des actifs financiers
(MEDAF)
Ei  R f   i  E M  R f  
 MEDAF : Modèle d’Évaluation Des Actifs Financiers
 CAPM : Capital Asset Pricing Model
Ei  Rf

 i
   EM  R f
  

taux sans risque  du titre i
prime de risque

 Prime de risque :écart entre la rentabilité du portefeuille

de marché et le taux sans risque
 Dans l’équation , est le
seul terme qui dépend du titre i.

25
 Modèle d’évaluation des actifs financiers
(MEDAF)
 Rappel : décomposition du risque d’un titre
Seul le risque   2
     Var  i 
2 2

de marché est   i
i
 
 M

risque total risque de marché risque spécifique
rémunéré
EM  R f Pente de 
Ei  R f   i M 
 M la CML
risque de marché 

prix de marché du risque

 Implications pour la stratégie des entreprises

 Le MEDAF donne la rentabilité attendue par les investisseurs
 Le risque spécifique non pris en compte par les investisseurs
 Conglomérats, assurance de la part des entreprises, de la gestion
des risques par les banques ?

26
 Modèle d’évaluation des actifs financiers
(MEDAF) /Security Market Line (SML)
 On se place dans un plan où le beta des portefeuilles
est porté en abscisse
 Pour la CML, c’est l’écart-type des rentabilités
 L’espérance des rentabilités en ordonnées
Espérance de rentabilité
Security  
Ei  R f   i  E M  R f  Pente de la SML
= 
Market Line
Portefeuille 
de marché
Actif sans 
risque Beta des portefeuilles 
de titres
27
 Modèle d’évaluation des actifs financiers
(MEDAF)
 Relation entre l’espérance de rentabilité d’un titre i et
son niveau de risque
 MEDAF : modèle d’évaluation des actifs financiers
 Précise le risque à prendre en compte
 Uniquement le risque de marché
 Relation affine entre espérance de rentabilité et beta
 Le Médaf va servir de critère pour l’évaluation :
 De la performance d’un titre
 De la performance d’un portefeuille de titres
 De la performance de projets d’investissement

28
 Le modèle d’évaluation des actifs financiers
 On va d’abord donner l’intuition du résultat fondamental,


 En cherchant au préalable à indiquer pourquoi le risque

spécifique n’est pas rémunéré
 Il « disparaît » dans les portefeuilles détenus par les investisseurs
 Une démonstration rigoureuse est donnée en annexe
 Elle fait intervenir des raisonnements financiers et des résultats sur
les dérivées des fonctions
 La démonstration ne présente pas de difficulté particulière mais est
trop longue pour être présentée en amphi.
 Elle est recommandée pour ceux qui veulent poursuivre des études
en finance
 Elle ne fera pas l’objet de question au partiel
29
 La théorie du marché du capital : de la CML à
la SML (Security Market Line)
 La démonstration intuitive part de la décomposition des
rentabilités

 Où est associé au risque de marché et est le
risque spécifique
 Une première approche consiste à supposer que le risque
spécifique est « diversifiable »
 Si les ne sont pas corrélés entre eux, si leur variance est
constante et si les différents titres sont équipondérés, la
variance du risque spécifique du portefeuille tend vers 0
 Quand le nombre de titres tend vers l’infini
 Ce risque pouvant être éliminé par les investisseurs, il
n’est demandé aucune prime de rentabilité pour ce risque
30
 La théorie du marché du capital : de la CML à
la SML (Security Market Line)
 Démonstration intuitive (suite)
 L’espérance de rentabilité du portefeuille

 Est donc identique à celle du portefeuille

 Ce second portefeuille est colinéaire au portefeuille de

marché
 Comme tous les portefeuilles situés sur la CML et combinant
portefeuille de marché et actif sans risque
 Voir transparent suivant
 On sait que pour un portefeuille sur la CML :

31
 La théorie du marché du capital : de la CML à
la SML (Security Market Line)
 Démonstration intuitive (suite)


 Comme ,
 Ce qui donne la relation annoncée


 On notera que seul le beta du titre, et pas la volatilité de

la rentabilité détermine l’espérance de rentabilité
 Le raisonnement précédent a deux faiblesses
 Il suppose que les risques spécifiques sont peu corrélés entre eux
 Prenons l’exemple de Peugeot et de Renault : ce n’est pas le cas
 Même en l’absence de corrélation, les risques spécifiques ne
disparaissent que pour des portefeuilles comportant une infinité
d’actifs
32
 La théorie du marché du capital : de la CML à
la SML (Security Market Line)
 Démonstration intuitive (suite)
 Le raisonnement précédent a deux faiblesses …
 Même en l’absence de corrélation, les risques spécifiques
ne disparaissent que pour des portefeuilles comportant une
infinité d’actifs
 Or le MEDAF vaut même pour un petit nombre d’actifs
 On peut améliorer le raisonnement intuitif en revenant à
l’équilibre des marchés financiers
 À l’équilibre les investisseurs ne demandent que de l’actif
sans risque et du portefeuille de marché
 La demande de risque spécifique est nulle
 Par ailleurs, l’offre agrégée de risques spécifiques est nulle
33
 La théorie du marché du capital : de la CML à
la SML (Security Market Line)
 On peut améliorer le raisonnement intuitif en revenant à
l’équilibre des marchés financiers
 Par ailleurs, l’offre agrégé de risques spécifiques est nulle
 En effet (aux constantes près), ,

 D’où
 Comme , et
 L’offre de risque spécifique est également nulle
 On peut donc « oublier » la présence de ce risque
 On remarque que l’équation montre que le
risque spécifique est plus que « diversifié » au niveau
agrégé, il n’existe tout simplement pas.
34
 La théorie du marché du capital : de la CML à
la SML (Security Market Line)
 Rappel : portefeuilles sur la CML
La CML représentée à 
droite est dans un plan 
(écart‐type, espérance) EP
Idée de la démonstration 
rigoureuse : Frontière efficiente 
EM M des actifs risqués
La courbe bleue représente 
les portefeuilles combinant le 
titre i et le portefeuille de  Ei Portefeuilles 
marché combinant i et M
Les courbes bleues et rouges 
sont tangentes en M
Rf Titre i
Voir transparents 
complémentaires en annexe
i M P
35
 La théorie du marché du capital : de la CML à
la SML (Security Market Line)
 Rentabilité d’un portefeuille de titres 


 Linéarité de l’espérance
 MEDAF appliqué aux titres 1 et 2 :
  
E1  R f   1 E M  R f , E 2  R f   2 E M  R f 
D’où :
 
EP  X R f  1 EM  R f    1  X   R    E
f 2 M  Rf 
EP  R f   X 1  1  X     E  R 
2 M f

 Ceci est cohérent avec

 Voir transparents sur la décomposition du risque
36
 Capital Market Line et Security Market Line
 Les portefeuilles sur la CML sont constitués d’actif sans risque
et de portefeuille de marché en quantité positive.
RP  XRF   1  X  RM , 1  X  0
 Remarques :
 Le risque spécifique au portefeuille RP est nul :
 Beta du portefeuille :
 =Var  RP   Var  1  X  RM    1  X   M2   P   1  X   M
2 2
P

 Lien entre espérance et écart-type des rentabilités pour les

portefeuilles sur la CML  E M  RF 

E P  RF     P
 M 
 E P  RF   1  X    E M  RF   RF   P   E M  RF 
 On retrouve directement la relation entre espérance et beta (SML)
37
Security Market Line (SML)
 À l’équilibre, tous les titres et tous les portefeuilles de
titres devraient être situés sur la SML
 Les betas sont représentés sur l’axe des abscisses
Espérance de rentabilité
Security Market
Line

Portefeuille 
de marché
Actif sans 
risque Beta des portefeuilles 
de titres
i
 CML et SML : Récapitulatif et notations
 Pour les portefeuilles situés sur la CML uniquement
 C’est-à-dire ceux qui combinent actif sans risque et portefeuille de
marché


 Poly d’exercices

 Pour tous les titres et tous les portefeuilles


,
 Comme

 est le risque de marché ( )

 Poly d’exercices
39
 La théorie du marché du capital
Michael Jensen
mesures de performance
 Alpha de Jensen   E i  R f   i  E M  R f
i
J
 
 À l’équilibre, tous les alpha devraient être nuls

Alpha de 
Si   ,   titre i Jensen positif
sous‐évalué.
Devrait être acheté Alpha de 
Jensen négatif

L’alpha de Jensen est une mesure de la distance à la SML
40
 La théorie du marché du capital
mesures de performance
 Indice de Treynor maximal pour les portefeuilles efficients

EA  Rf
A

EB EB  R f
EA B
Jack L. Treynor

41
 Beta d’un titre, d’un portefeuille, aspects
mathématiques
 Rappel des notations
 i : titre de rentabilité
Notation 
 ou dans l’ouvrage de référence du livre

 M : portefeuille de marché de rentabilité (ou )

 : espérances de rentabilité du titre
i et du portefeuille de marché
 Variances et covariances
Var  Ri    i2 , Var  RM    M2 ,Cov  Ri , R M    iM  i M  C iM

 On rappelle que la rentabilité d’un portefeuille constitué d’actif

sans risque et de portefeuille de marché dans les proportions
et est égale à
42
 Beta d’un titre, d’un portefeuille, aspects
mathématiques
 Les portefeuilles efficients sont composés du placement sans
risque et de portefeuille de marché :
 : constante (quantité non aléatoire), notée
 : constante noté


 Considérons un titre de rentabilité

 Il est naturel de s’intéresser à l’écart entre la rentabilité de ce titre et
les portefeuilles sur la frontière d’efficience


 Si le titre est sur la frontière efficiente, cet écart est nul

 Le titre est sur ou en-dessous de la frontière efficiente
 Comment mesurer cette « distance » ?
43
 Beta d’un titre, d’un portefeuille, aspects
mathématiques
 Comment mesurer la « distance » entre et
 On considère l’écart entre les valeurs prises par les rentabilités
 Pour différentes dates ou différentes valeurs possibles des rentabilités
 Comme on s’intéresse à la distance, il est logique de considérer la valeur
absolue | |
 La distance entre 2 et 3 est 1 et pas -1
 Pour des raisons de simplicité mathématique, on choisit souvent des
écarts quadratiques
 → est dérivable en 0, ce qui n’est pas le cas de →| |
 On va ensuite pondérer ces écarts
 Par les probabilités d’occurrence des écarts
 Approche prospective / utilisation de l’espérance / régression linéaire
 Par le nombre de dates où on observe un écart donné
 Approche historique / écart quadratique moyen / moindre carrés ordinaires
44
 Beta d’un titre, d’un portefeuille, aspects
mathématiques
 Régression linéaire : modalités et résultats
 Utilisation du critère
 rentabilité du titre i, rentabilité du portefeuille de marché
 Quantité toujours positive ou nulle
 Nulle si
 On va chercher de manière à réduire au maximum
l’écart entre et ,
 On trouve :
,
 Beta du titre
 par rapport au portefeuille
 On notera
45
 Beta d’un titre, d’un portefeuille, aspects
mathématiques
 , ∈
 Ajustement de par une fonction affine de
 Conditions du premier ordre
 les dérivées du critère par rapport à et sont nulles


 Dérivée par rapport à :

 Ce qui donne
46
 Beta d’un titre, d’un portefeuille, aspects
mathématiques
 Combinons les résultats précédents :


 Permet d’écrire


 Il reste donc à minimiser en b :



 On obtient un polynôme de degré 2 en b

E  Ri  E i   b  E  RM  E M   Ri  Ei    b  E  RM  E M  
  
2 2 2

   
 Cov
47
 Beta d’un titre, d’un portefeuille, aspects
mathématiques
 Valeur du coefficient de régression minimise


 Le minimum s’obtient en dérivant par rapport à

 Cov
,
 ou avec les notations du livre

 coefficient de régression de par rapport à

 En finance, on parle de Beta du titre i et on le note

,


 La référence au portefeuille de marché est implicite

48
 Beta d’un titre, d’un portefeuille, aspects
mathématiques

,
 Avec :
 « erreur », « résidu »
 En finance, risque spécifique ou risque
idiosyncratique.
 L’espérance du risque spécifique est nulle :
 Démonstration :
 Partons de la première équation.
 égalité des variables aléatoires implique égalité des espérances
 linéarité de l’espérance :

 D’où la nullité de l’espérance du risque spécifique

49
 Beta d’un titre, d’un portefeuille, aspects
mathématiques
 Le coefficient de corrélation linéaire entre le risque
idiosyncratique et la rentabilité du portefeuille de marché
est égal à 0.
 En d’autres termes, le risque spécifique est non corrélé avec et
d’espérance nulle
 C’est un « bruit »
 Vérifions cette propriété à titre d’exercice
 D’après la définition du coefficient de corrélation
 Il suffit de montrer que: ,
 Ou, en revenant à la définition du risque spécifique, que :
 
Cov  Ri   i RM  Ei   i E M , RM   0
  
 constante 
50
 Beta d’un titre, d’un portefeuille, aspects
mathématiques
 
Cov  Ri   i RM  Ei   i E M , RM   0?
  
 constante 
 Cov
 Cov Cov
 bilinéarité de la covariance
 covariance entre une variable aléatoire et une constante est
nulle
 Cov Cov car :
Cov  Ri , RM  Cov  Ri , RM 
i  
 2
M Cov  RM , RM 
51
 Beta d’un titre, d’un portefeuille, aspects
mathématiques
 La régression linéaire fait intervenir des espérances
mathématiques
 Au niveau de la fonction objectif

min a ,b E  Ri   a  bRM   

 2

 
 Au niveau des résultats
 Cov  Ri , RM  E  Ri RM   E  Ri  E  RM 
 b   i  
M E  RM    E  RM 
2 2
2


 a   i  E  Ri    i E  RM 
 Comment déterminer des espérances mathématiques ?
52
 Beta d’un titre, d’un portefeuille,
aspects mathématiques
 Calcul des espérances de rentabilité de titres ?
 Rentabilité entre t et t+1 du titre i ,
, , ,
,
 , variable aléatoire
 Notations du livre : , ,

 On cherche à évaluer
,
 Mais aussi

 Il faut calculer pour déterminer

 Utilisation d’observations passées des rentabilités
53
 Beta d’un titre, d’un portefeuille,
aspects mathématiques
Rentabilité passées indice S&P500
 Rentabilités courante et passées du titre i
 , , , ,

 , rentabilités moyenne ou glissante

 Calculée entre la date courante et la date
 Intervalle de temps de longueur
 Pour simplifier les notations, il n’est fait référence dans
ni à la date courante, ni au nombre d’observations
 De même, on peut calculer la rentabilité moyenne du
portefeuille de marché
54
 Beta d’un titre, d’un portefeuille,
aspects mathématiques
T 1
1
Ri   Ri ,t  n  E  Ri ,t 1 
T n 0 Logiciel R
 La moyenne des rentabilités passées est une bonne
approximation de l’espérance de la rentabilité sur la
période à venir…
 Quand la moyenne des rentabilités historiques est prise
sur une « longue période »
 Plus précisément quand →∞
 Formellement → ,

 Une des variantes de la loi des grands nombres

 Nombreuses hypothèses, pas forcément vérifiées!
55
 Beta d’un titre, d’un portefeuille, aspects
mathématiques
1 T 1 Approximation de 
Ri   Ri ,t  n  E  Ri ,t 1  l’espérance par la 
T n 0 moyenne historique
 Sous certaines hypothèses sur les rentabilités
 , , , , ont la même loi de probabilité
 Les lois de probabilité ne changent pas au cours du temps
 Rentabilités future, courante et passées non corrélées
Cov  Ri ,t 1 n , Ri ,t 1 m   0, n, m  0, , T  1, n  m
 Coefficients de corrélation entre rentabilités égaux à 0
 Il s’agit des rentabilités du titre i à différentes périodes
 Hypothèses facilement compréhensibles
 Quelques points de statistique sont laissés de côté
56
 Beta d’un titre, d’un portefeuille,
aspects mathématiques
 Revenons au problème de la régression linéaire

E  Ri   i   i RM   
 2
min i , i 
 
 Approximation de l’espérance par la moyenne :
1 T 1

min a ,b  Ri ,t  n   a  bRM ,t  n  
2

T n 0
 Estimation d’un modèle linéaire par la méthode des
moindres carrés
 Les critères de l’espérance et de la moyenne historique étant
proches
 Les valeurs obtenues pour et seront proches
 Pour des grandes valeurs de
57
 Beta d’un titre, d’un portefeuille, aspects
mathématiques
 Deux approches complémentaires
 Droite caractéristique, moindres carrés
 Ex-post, rentabilités historiques ou réalisées, rétrospectif (tourné
vers le passé)
 Données disponibles : calculs faciles, moyennes historiques
 Régression linéaire
 Ex-ante, prospectif (tourné vers le futur)
 Ce qu’il faut pour la prise de décision
 Données non disponibles, espérance mathématique
 Approche statistique « classique » universitaire
 Stationnarité : le futur reproduit le passé
 On peut alors utiliser les données passées pour estimer les données
ex-ante
 Statistique inférentielle
58
 Validation empirique du MEDAF
 Dans notre approche, les rentabilités 
des investissements sont aléatoires
 Leurs lois de probabilités ne changent 
pas au cours du temps
 “I, at any rate, am convinced that He A. Einstein (1921)
does not throw dice.”
 Albert Einstein, 1926

Einstein, stop telling 
God what to do!”

Niels Bohr
Niels Bohr 59
 Estimation des écart-types des rentabilités
 Bloomberg fournit d’autres informations sur les titres
notamment des mesures de l’écart-type des taux de rentabilité
 Approches historiques, basées sur des moyennes glissantes

 Comme pour les espérances de rentabilité

 Approches prospectives
 Utilisant les prix des options financières qui dépendent de la
volatilité future telle que perçue par les opérateurs de marché
 On donnera également un aperçu d’autres méthodes
couramment utilisées pour évaluer ces écart-types
 Bourses : calcul de dépôts de garantie ou marges initiales
 Banques : mise à l’échelle des données pour l’évaluation des
risques de marché (Value at Risk)
 On donne alors plus de poids aux observations récentes
60
 Estimation des écart-types
des rentabilités
 Volatilité de l’action Disney
Périodicité hebdomadaire
Source Bloomberg
Volatilités glissantes
Plusieurs longueurs de 
fenêtres
10, 30, 50, 100 semaines
Plus grande stabilité 
temporelle avec des longues 
fenêtres
Ici, écart‐type des rentabilités 
de l’ordre de 28% 
À droite, volatilités 
déterminés à partir des 
marchés d’options

61
 Estimation des écart-types des rentabilités
 Volatilité ou écart-type de la rentabilité d’un titre
 rentabilité aléatoire
 espérance de rentabilité
 écart-type (ou volatilité) de la rentabilité


 Utilisation de données historiques pour déterminer

 Comme pour la détermination des Beta
 Ou de l’espérance de rentabilité (rappel)
 ∑ →
 rentabilité observée à la date
 moyenne empirique (ou historique) des volatilités

62
 Estimation des écart-types des rentabilités
 On peut définir une volatilité historique


 Avec les mêmes hypothèses que précédemment

 Plusieurs périodicités peuvent être envisagées pour
 Quotidienne, hebdomadaire, mensuelle, …
 Fenêtres glissantes, …
 Moyennes pondérées (Lissage exponentiel, filtrage)
 EWMA : Exponential Weighted Moving Average
 Couramment utilisé pour la prévision de la volatilité (JP Morgan)


 : facteur d’amortissement (decay factor)

 Estimation ponctuelle :
63
 Estimation des écart-types des rentabilités
 L’approche EWMA a pour effet de donner plus de poids
aux observations récentes
 Elle va de pair avec l’idée que les volatilités fluctuent au
cours de temps
 La volatilité n’est plus alors un paramètre (constant)
 L’approche EWMA va avoir pour objet de déterminer la
volatilité aujourd’hui
 Dans ce cas comme quand on utilise des périodes
d’estimation glissantes pour les betas, on ne pense pas que
les « paramètres » du modèle restent constants au cours
du temps
 Le futur ne reproduit pas nécessairement le passé qui est
« mouvant »
64