Asset Management

Comment
appréhender et
exploiter les
primes de risque
sur les marchés
financiers

Pour les investisseurs institutionnels uniquement

Février 2018
2

L’auteur

Sommaire

Dr. Daniel Seiler

Head of Multi Asset 3
Daniel Seiler dirige la boutique multi-actifs de
Introduction
Vontobel Asset Management. A ce titre, il
supervise les solutions d’investissement systé-
matiques et fondamentales respectivement 6
proposées par Vescore et les marques Vontobel.
Il est responsable des processus de placement, Explorer la prime de risque
de l’innovation dans le développement des
produits et de la gestion des équipes d’investis-
des actions
sement.

Préalablement, de 2017 à 2018, il était Head 10

of Vescore, la franchise d’investissement quanti-
tatif de Vontobel Asset Management. Daniel Les moteurs économiques
Seiler a accédé au poste de Chief Investment
Officer de Vescore Solutions AG en 2009 et a des primes de risque
joué un rôle crucial dans le bon fonctionnement
du département gestion de portefeuille et
d’investissement de la société. 12
Auparavant, il dirigeait la plateforme de hedge Comment identifier et
funds de Swiss Capital Investment AG, où il
supervisait les activités d’investissement de exploiter les primes de risque
différents fonds de hedge funds. Daniel Seiler
a débuté sa carrière en tant qu’analyste dans
le secteur des investissements durables. 15
Au gré de son parcours académique, Daniel Capter le plein potentiel
Seiler a obtenu un PhD (Dr. oec. HSG) ainsi qu’un
master en théorie des marchés financiers et d’une approche de placement
de capitaux auprès de l’Université de Saint-Gall
(lic. oec. HSG). En outre, il est titulaire d’un disciplinée
master en sciences environnementales délivré
par l’école polytechnique fédérale (ETH) de
Zurich (dipl. natw. ETH). 17
En bref

Introduction
Les primes de risque des marchés
financiers représentent un véritable
défi pour ceux qui souhaitent les
exploiter. En effet, les marchés sont
de plus en plus interconnectés et
efficients dans le transfert des risques,
ce qui érode progressivement la prime
moyenne récompensant la prise de
risque des investisseurs. Dans les faits,
les primes de risque sont réparties
sur un nombre croissant d’acteurs
opérant sur les marchés mondiaux.
Par conséquent, il est devenu difficile
de les exploiter dans le but d’obtenir
des rendements adéquats.
À long terme, le rendement attendu de toute stratégie
d’investissement est lié à son exposition au risque
systématique et non diversifiable. Ce concept d’évalua-
tion fondamentale est largement admis en théorie comme
en pratique depuis que le Capital Asset Pricing Model
(CAPM), ou modèle d’évaluation des actifs financiers, a
été introduit en tant que modèle d’équilibre des rende-
ments au sein du schéma moyenne-variance de Harry
Markowitz, également appelé théorie moderne du
portefeuille (Modern Portfolio Theory, MPT). À l’heure
actuelle, on considère que les rendements attendus sont
liés à diverses sources de risque systématique. En outre,
nous nous sommes habitués à l’idée que les primes de
Introduction 3
risque sont capricieuses par nature puisqu’elles varient
au fil du temps. En conséquence, capturer les primes
de risque dans un environnement globalisé n’est pas une
tâche facile. D’une part, cela nécessite une solide com-
préhension des sources de risque et de la dynamique des
rendements associés. D’autre part, il faut savoir utiliser
à bon escient les outils quantitatifs dans un processus de
mise en œuvre du portefeuille pour pouvoir tirer parti
des primes de risque. Dans ce contexte, la question qui
se pose est la suivante : que savons-nous des primes
de risque sur les marchés financiers ?
Avant d’entrer dans le vif du sujet, soulignons que nous
ne sommes pas encore en mesure de définir précisément
les sources de risque systématique et les déterminants
des primes de risque sur les marchés financiers. En
tant qu’investisseurs, nous constatons que les prix des
actifs sont influencés par divers événements imprévus
dont certains ont des répercussions plus importantes
que d’autres. Les études scientifiques concernant
les moteurs de rendement sur les marchés financiers
partent du principe qu’il existe des variables latentes
ayant un impact systématique sur l’évaluation du prix
des actifs par les acteurs du marché. Les variables
latentes ne sont pas observables mais déduites d’autres
variables qui peuvent être mesurées directement. Il
semble que le comouvement observable des prix des
actifs corresponde à la présence de forces exogènes
communes d’ordre macroéconomique. Toutefois, nous
constatons que cette relation fonctionne aussi bien dans
le sens inverse puisque les marchés financiers peuvent
influencer les développements macroéconomiques. Ainsi,
toutes les variables économiques et tous les prix des
actifs font partie d’une relation qui se renforce mutuelle-
4
 5

ment au sein d’un même système et peuvent

au final se définir comme des facteurs endogènes.
Par conséquent, appréhender toutes les subtilités
du mécanisme de formation des prix sur les
marchés financiers est une tâche ardue.

Au cours des 50 dernières années, deux grands axes

de développement des connaissances ont émergé dans
la compréhension des sources de risque évaluées sur
les marchés financiers. Tous deux se sont essentielle-
ment concentrés sur les marchés des actions dans la
mesure où la prime de risque des actions est la principale
source de rendement et accapare toute l’attention des
chercheurs. Le premier axe a adopté une approche
« bottom-up » pour expliquer les rendements des
marchés en se focalisant sur les fondamentaux des
entreprises qui, avec le bêta du marché, contribuent à
déterminer les prix des actions. Après avoir dans un
premier temps dominé le débat, le CAPM à facteur unique
n’a pas tardé à être remis en question, notamment par
les travaux d’Eugene Fama et de Kenneth French à
l’Université de Chicago à la fin des années 1980, qui ont
ajouté au CAPM d’autres facteurs contribuant aux rende-
ments des actions. Ce terrain s’est avéré fertile pour
d’autres chercheurs dans le monde qui ont développé
des modèles multifactoriels très divers pour l’évaluation
des actions. Ces modèles et leurs résultats empiriques
constituent le fondement des stratégies actuelles de
« smart beta » et d’investissement multifactoriel dans le
domaine des actions.

Inversement, le deuxième axe de recherche a adopté

une approche « top-down » des facteurs déterminant les
primes de risque des actions en liant les marchés finan-
ciers au cycle conjoncturel. Les chercheurs ont analysé
les forces plus générales de l’économie et du marché qui
déterminent les primes de risque des actions dans des
portefeuilles diversifiés au niveau international. Le débat
a pris de l’ampleur dans les années 1990 avec les études
de Wayne Ferson et Campbell Harvey sur les modèles
conditionnels d’évaluation des actifs. Ils ont utilisé des
données de marché directement observables et des
indices de confiance pour modéliser la variance tempo-
relle dans les primes de risque, créant ainsi la base de
l’allocation tactique d’actifs et de la gestion des risques
actuellement pratiquées dans les porte-feuilles globaux.

Dans l’ensemble, les résultats empiriques sur les facteurs

de rendement des marchés financiers sont bien étayés
par des travaux de recherche dans les deux axes de
connaissances susmentionnés tout en ayant une portée
très large. La présente étude a pour objectif d’éclairer
les grandes étapes de la recherche universitaire qui ont
forgé notre compréhension des primes de risque sur
les marchés financiers. Elle fait également le point sur les
outils les plus efficients pour exploiter les primes de
risque du marché mondialisé d’aujourd’hui.
6
Explorer la prime de
risque des actions
Le rendement attendu est lié
au risque systématique
Les travaux de recherche sur les marchés des actions
débutent en 1900, lorsque le mathématicien français
Louis Bachelier utilise un processus stochastique égale-
ment appelé « mouvement brownien » pour décrire la
variation des prix des actions comme une marche aléa-
toire. Le concept de prime de risque des actions apparaît
pour la première fois en 1924 quand Edgar Lawrence
Smith démontre dans un ouvrage fondateur que les
actions représentent un meilleur investissement à long
terme que les obligations. Les travaux de Smith ont eu
une telle influence qu’on leur attribue en partie le boom
des années 1920 sur les marchés des actions. Mais la
première théorie véritablement cohérente sur la relation
entre risque et rendement sur les marchés des actions
est le modèle CAPM créé par William Sharpe, John
Lintner et Jan Mossin vers 1965. Il introduit le facteur
marché comme la seule source de risque systématique
et établit un rapport linéaire entre le rendement attendu
d’un actif et sa covariance avec le rendement du marché.
Le CAPM est une théorie d’équilibre fondée sur le
schéma moyenne-variance développé par Harry Marko-
witz. Toutefois, l’efficience du portefeuille (de tangence)
du marché au sein du cadre moyenne-variance et la
validité du CAPM dépendent l’un de l’autre. Ce lien entre
le « vrai » portefeuille du marché inobservable et le
modèle d’équilibre des rendements d’actifs rend le CAPM
– à proprement parler – invérifiable. Ce gros dilemme
est appelé le problème des hypothèses jointes.
Les tests empiriques du CAPM suite à l’étude fondatrice
d’Eugene Fama et James MacBeth publiée en 1973
utilisent les indices de marché comme variables indica-
tives pour le portefeuille du marché théorique, ce qui
est en principe une approche acceptable. Toutefois, les
résultats de ces tests empiriques sont globalement déce-
vants. Dans de nombreux cas, le rapport linéaire positif
établi entre bêta du marché et rendement moyen, tel que
spécifié par la Security Market Line (SML) du CAPM,
n’est pas reflété dans les données. À certaines périodes,
la SML empirique semble plate ou même descendante.
De nombreuses études empiriques des années 1970 et
1980 ont démontré que le CAPM n’expliquait pas de
façon suffisante les rendements attendus des actions,
une mauvaise nouvelle pour la seule théorie qui existait
à cette époque pour évaluer les actifs financiers.
L’énigme des anomalies de
rendement contredit le CAPM
Pendant que le CAPM était soumis à divers tests, les
chercheurs se sont mis en quête d’autres explications
pour les rendements des actions. Pour cela, ils ont utilisé
des informations spécifiques aux entreprises telles que la
capitalisation boursière et les ratios dividend-to-price
(D/P), earnings-to-price (E/P) ou book-to-price (B/P)
comme variables explicatives en plus du bêta de marché
d’une entreprise. Ces études ont fortement étayé l’hypo-
thèse selon laquelle ces facteurs fondamentaux captent
une part significative de la variation des rendements des
actions après la prise en compte du bêta. Les résultats,
qui contredisent le CAPM, sont en conséquence appelés
« anomalies de rendement ». Les deux principales ano-
malies de rendement sont l’effet taille et l’effet valeur.
La première, découverte par Rolf Banz en 1981, part du
constat que les entreprises ayant une faible capitalisation
boursière tendent à surperformer les entreprises à forte
capitalisation boursière après un ajustement du risque
systématique basé sur le CAPM. La seconde est liée
à la valorisation d’une entreprise sur le marché financier
en comparaison avec les paramètres comptables du
flux de trésorerie ou de la valeur comptable au bilan de
l’entreprise. Les analyses empiriques montrent que les
entreprises ayant une valeur intrinsèque élevée, telle que
reflétée dans un ratio E/P, B/P ou D/P élevé, dégagent
des rendements plus élevés (après prise en compte
du bêta de marché) que les entreprises ayant une faible
valeur intrinsèque. Dès 1934, Benjamin Graham et David
Dodd ont été les premiers à encourager la poursuite des
stratégies d’investissement basées sur la valeur avant
même l’invention du CAPM. Parmi les pionniers de l’effet
valeur dans le contexte du CAPM, on citera notamment
Sanjoy Basu, Ray Ball et Marc Reinganum.
L’exploration des diverses anomalies de rendement a
dominé la recherche empirique sur les marchés des
actions tout au long des années 1980. En 1992, Eugene
Fama et Kenneth French mettent à profit les résultats
convaincants fournis par les études académiques et
introduisent un modèle à trois facteurs comme extension
du CAPM pour décrire le comportement de série tempo-
relle des rendements des actions. Ils y intègrent des
portefeuilles fictifs pour les facteurs de taille et de valeur
(ratio B/P) en plus du facteur de marché basé sur le
CAPM pour modéliser la relation entre risque systéma-

tique et rendement sur les marchés des actions. Leurs
résultats montrent que les facteurs de taille et de valeur
captent une part importante de la variation transversale
des rendements, impliquant que ces deux facteurs fon-
damentaux représentent des sources de risque addition-
nelles que le CAPM ne prenait pas en compte. Depuis
lors, le modèle Fama-French (FF) a été communément
admis comme point de départ de la recherche en matière
d’évaluation du prix des actions.
Pour de nombreux acteurs du marché et chercheurs, il
n’a pas été facile d’accepter la proposition du modèle
FF à trois facteurs selon laquelle la prime de risque
du marché n’est pas le seul moteur de rendement des
actions. La taille et la valeur de l’entreprise sont essentiel-
lement des risques idiosyncratiques au sujet desquels
la recherche financière admet communément qu’ils
peuvent être écartés par la diversification. Ils ne devraient
donc pas être compensés à long terme. Dans les années
1990, ce problème a fait l’objet de nombreuses études
pour tenter de trouver les raisons économiques de l’in-
fluence systématique des deux facteurs sur les rende-
ments des actions. Bien que les données empiriques
aient révélé que les primes de rendement basées sur la
taille et la valeur varient considérablement au fil du temps,
les résultats des travaux de recherche ont convergé
vers l’interprétation selon laquelle la prime de valeur est
probablement une compensation du risque de détresse
financière d’une entreprise tandis que la prime de taille
récompense l’investisseur pour avoir accepté les risques
liés à la faible liquidité d’une action d’entreprise faible-
ment capitalisée.
Les modèles multifactoriels
prennent le relais du CAPM
En 1997, Mark Carhart complète le modèle FF avec le
facteur momentum du prix de l’action. Ce modèle à
quatre facteurs intègre le constat empirique selon lequel
les tendances des cours des actions sont, dans une
certaine mesure, stables et prévisibles. De cette manière,
Mark Carhart rend hommage aux travaux de Narasimhan
Jegadeesh et Sheridan Titman, publiés en 1993, qui
démontrent que les actions ayant surperformé par le
passé sont susceptibles de faire de même dans le futur.
Dans les milieux académiques, l’effet momentum,
7
également qualifié d’anomalie de rendement, est
communément considéré comme le résultat de biais
comportementaux des acteurs du marché qui tendent
à sous-réagir aux nouvelles publiées sur un « winner »,
telles que les annonces de bénéfices. En même temps,
il reste difficile d’attribuer l’effet momentum à des
risques tangibles supportés par les investisseurs,
comme c’est le cas des facteurs taille et valeur.
Dès qu’elles ont été découvertes, ces diverses anomalies
de rendement ont stimulé le développement de nouvelles
stratégies d’investissement qui ont rapidement débouché
sur l’adoption par l’ensemble du marché des stratégies
small cap, value et momentum. Elles sont devenues un
moyen répandu d’exploiter les primes de risque sur les
marchés financiers, attirant des investissements de plu-
sieurs milliards au fil du temps. Un peu à l’écart de cette
agitation générale, la prime dite de qualité a fait son
apparition dans les milieux académiques.
Devenue très populaire parmi les professionnels, elle a
finalement été reconnue par Eugene Fama et Kenneth
French qui, en 2015, ont accepté d’élargir leur modèle
classique à trois facteurs avec deux facteurs supplémen-
taires indicatifs de la « qualité » d’une action. Ce
faisant, Fama et French ont validé les études empiriques
de plus en plus nombreuses prouvant que la variation des
rendements moyens des actions est liée aux bénéfices
futurs attendus d’une entreprise ainsi qu’à ses
activités d’investissement. Ils ont utilisé le modèle d’ac-
tualisation des dividendes comme point de départ
conceptuel de leur argumentation, ajoutant deux facteurs
– la rentabilité et les investissements – à leur
spécification. Le modèle à cinq facteurs qui en a résulté
est la contribution la plus récente des deux célèbres
chercheurs à l’explication des primes de risque sur les
marchés des actions. Il a déjà suscité un vif débat parmi
les universitaires, mais aussi les professionnels de l’inves-
tissement concernant la spécification des nouveaux
facteurs et en particulier leur conception empirique.
En plus des primes de risque des marchés financiers
associées à la taille, la valeur, le momentum, la rentabilité
et les investissements, le concept de la prime associée
au risque faible a été introduit en 2006 par Andrew Ang,
Robert Hodrick, Yuhang Xing et Xiaoyan Zhang avec
leur étude sur l’évaluation du risque de volatilité dans
l’éventail des rendements des actions. L’investissement
8
à faible risque est une stratégie fondée sur le constat
empirique selon lequel les actions peu risquées, c’est-
à-dire celles qui ont une volatilité ou un bêta faible,
tendent à dégager des rendements supérieurs à ceux
des actions très risquées. Cet effet met à mal les
théories courantes sur le rapport entre risque et rende-
ment sur les marchés financiers et peut donc être
qualifié d’anomalie de rendement. Ces dernières années,
les stratégies à faible risque ont fortement gagné en
popularité sur les marchés des actions.
Une nouvelle approche après
quatre décennies de recherche
En résumé, notre compréhension actuelle des forces
systématiques à l’œuvre sur les marchés des actions
internationaux est façonnée par les innombrables travaux
de recherche de ces quatre dernières décennies qui ont
tenté de percer le secret de la variation des rendements
des actions par le prisme du CAPM et de ses diverses
extensions multifactorielles. Les approches « bottom-
up » qui analysent l’éventail des rendements fournissent
des données exhaustives sur le fait que les primes de
risque des actions sont bien liées à des caractéristiques
fondamentales de l’entreprise et du prix de l’action telles
que la taille, la valeur, la qualité (englobant les facteurs
de rentabilité et des investissements), le momentum
et le risque faible. Ces cinq facteurs, ajoutés au facteur
de marché traditionnel, définissent le terrain de jeu des
gérants d’actifs lorsqu’il s’agit d’élaborer des stratégies
d’investissement en actions fermement ancrées dans
la recherche empirique sur les marchés financiers
(voir graphique 1).
Comme l’investissement factoriel réside essentiellement
dans une sélection d’actions stratégique sur la base
des facteurs susmentionnés, il implique de s’exposer à
des sources de risques économiques ou comportemen-
taux sur les marchés financiers. Les caractéristiques
fondamentales des actions telles que la taille (capitalisa-
tion boursière), la valeur (c.-à-d. ratio B/P), la rentabilité
(c.-à-d. ratios profits-to-assets ou book-to-equity), et les
investissements (c.-à-d. variation annuelle de l’actif total)
déterminent la sensibilité de l’entreprise au cycle
conjoncturel, aux chocs économiques et aux difficultés
financières, ainsi que sa capacité générale à profiter
des opportunités de croissance. Les caractéristiques de
rendement des actions telles que le momentum et le
risque faible (c.-à-d. la volatilité faible) reflètent la sensibi-
GRAPHIQUE 1
Les stratégies factorielles dégagent un profil risque /
rendement attractif par rapport à l’ensemble du marché
Ratio de Sharpe
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
MSCI World
Risque faible
Momentum
Qualité
Valeur
Taille
Les données se basent sur les données allant du 31.12.1998 au 31.12.2017
des indices MSCI suivants: MSCI World Index Net TR USD, MSCI World Minimum
Volatility Daily Net TR USD, MSCI World Momentum Net TR USD, MSCI World
Quality Net TR USD, MSCI World Value Net TR USD, MSCI World Small Cap Net
TR USD. Les coûts ne sont pas pris en compte. La performance passée n’est
pas un indicateur fiable de la performance actuelle ou future.
Source : Bloomberg / calculs Vescore
lité d’une action aux biais comportementaux des acteurs
du marché. Les primes de risque découlant de ces
sources économiques et comportementales ont une
composante systématique, mais sont également sou-
mises à la variabilité conditionnelle dans le temps comme
la prime de risque du marché global.
Bien que le terrain paraisse solide pour ce qui est de notre
compréhension des facteurs systématiques déterminant
les rendements des actions, une nouvelle approche
fait aujourd’hui souffler un esprit critique bienvenu dans
les milieux académiques. Après quatre décennies de
recherche empirique et des centaines d’études, la com-
munauté de chercheurs a finalement commencé à
remettre en question les méthodes statistiques utilisées
pour extraire les facteurs des rendements. Publiée en
2016, l’étude riche de Campbell Harvey, Yan Liu, et Heqing
Zhu intitulée «… and the Cross-Section of Expected
Returns» est un point de cristallisation important dans
la discussion qui émerge. Elle aborde les problèmes
généraux de l’analyse des données (data mining) en éco-
nomie financière et affirme que les obstacles statistiques
à surmonter pour qu’un facteur soit considéré comme
significatif sont trop faibles. Eu égard aux tentatives
futures d’approfondir notre compréhension de la prime
de risque des actions, il s’agit là d’un débat salutaire.
9
10
Les moteurs économiques
des primes de risque
L’évaluation rationnelle des actifs
financiers, une idée irrésistible
Les prix des actifs réagissent aux événements écono-
miques, c’est un fait. La théorie selon laquelle les prix des
actifs dépendent de leurs expositions respectives aux
variables d’état qui décrivent l’économie remonte au
modèle intertemporel d’évaluation des actifs développé
par Robert Merton au début des années 1970 et aux
travaux de John Cox, Jonathan Ingersoll et Stephen
Ross qui lui ont succédé au milieu des années 1980.
À cette époque, une contribution importante au domaine
méthodologique est le modèle d’évaluation par l’arbitrage
(Arbitrage Pricing Theory, APT) de Stephen Ross qui
conditionne les rendements des actifs à un ensemble
de facteurs abstraits en faisant appel à des arguments
d’arbitrage pour poser une restriction d’évaluation
incluant des primes de risque multiples. Contrairement
au CAPM, qui repose sur une série d’hypothèses établis-
sant des conditions d’équilibre sur la base desquelles
les investisseurs peuvent prédire le rendement d’un actif
pour son niveau de risque systématique donné, le modèle
de Ross ne s’appuie pas à proprement parler sur la
théorie économique. Néanmoins, l’APT est très utilisé
pour analyser l’influence de facteurs prédéterminés sur
les prix des actifs et les rendements attendus.
Les modèles rationnels d’évaluation des actifs supposent
que les rendements attendus sont fonction de la sensi-
bilité d’un actif aux évolutions de l’économie dans son
ensemble. Le CAPM mesure cette sensibilité par le bêta
de l’actif. D’autres modèles qui utilisent des facteurs
multidimensionnels pour décrire l’environnement écono-
mique reposent sur des coefficients bêta multiples.
Dans un schéma multifactoriel comme l’APT, l’exposition
aux variables d’état économiques concernées est
compensée par des primes de risque multiples. Dans
les années 1980, plusieurs travaux universitaires
proposent les variables économiques comme indicateurs
des variables latentes qui déterminent les rendements
des actifs. L’une des études les plus remarquables dans
ce domaine a été menée par Nai-Fu Chen, Richard Roll
et Stephen Ross en 1986. Elle introduit des variables
macroéconomiques telles que l’écart entre les taux
d’intérêt à long et court terme, l’inflation attendue et
inattendue, les obligations d’entreprises de bonne et de
mauvaise qualité et la production industrielle comme
sources de risque systématique intégrées dans les cours
des marchés des actions. En d’autres termes, l’exposition
d’un actif à ces variables macroéconomiques détermine
le degré auquel un détenteur d’actifs est en mesure
de participer au paiement de primes de risque systéma-
tiques. Les études sur les facteurs économiques qui
influencent les prix des actifs sont nombreuses et
couvrent aussi bien les marchés des actions que des
obligations, mais l’ampleur et l’importance des primes
de risque estimées est souvent plutôt faible. Face à
l’ambiguïté des résultats empiriques sur les facteurs de
rendement, les chercheurs ont commencé à développer
des modèles conditionnels d’évaluation des actifs
pour étudier en profondeur la dynamique des primes
de risque sur les marchés financiers.
Les primes de risque varient
au fil du temps
Dans les années 1990, la variabilité temporelle des primes
de risque est devenue la cible des travaux de recherche
dans le domaine émergent de l’évaluation conditionnelle
des actifs qui adoptait une approche « top-down » des
moteurs de rendement des actifs. Eugene Fama et
Kenneth French ont été parmi les premiers à lier les ren-
dements des actifs à l’environnement économique.
Pour modéliser le cycle économique, ils ont appliqué des
variables telles que le rendement sur dividende global
sur le marché des actions ainsi que les écarts de défaut
et la pente des courbes des taux d’intérêt mesurés sur
les marchés obligataires. Publiée en 1989, leur étude sur
les marchés des actions et obligataires est considérée
comme pionnière, car elle établit que les rendements
attendus des actifs sont moins élevés lorsque la conjonc-
ture est positive et plus élevés lorsque les perspectives se
détériorent. Cette conclusion est intuitive pour la plupart
des acteurs du marché financier mais contredit les théo-
ries d’évaluation classiques telles que le CAPM ou l’APT,
qui reposent sur l’hypothèse de la constance des rende-
ments attendus en contrepartie du risque systématique.
Les modèles conditionnels d’évaluation
des actifs à la pointe de la finance
Encouragés par l’intuition de la variance temporelle des
primes de risque, les chercheurs ont commencé à tendre
les modèles d’évaluation des actifs à des variables obser-
vables qui intègrent les anticipations économiques et
le sentiment du marché. Dans ce domaine de recherche,
Wayne Ferson et Campbell Harvey font figure de pion-
niers avec leur étude sur la variation des primes de risque
économique publiée en 1991. Ils introduisent diverses
variables instrumentales, telles que le différentiel entre
les rendements des bons du Trésor à trois mois et à un
mois, l’écart de rendement entre les obligations d’entre-
prises notées Baa et Aaa et le rendement sur dividende
du marché des actions. Dans un modèle d’évaluation
rationnel avec des bêtas multiples qui lie les rendements
 11

L’intuition des primes de risque variables dans le temps est assez

simple : la volonté des acteurs du marché de prendre un risque
systématique varie en fonction de leurs attentes économiques. Des
perspectives conjoncturelles favorables aiguisent l’appétit des
investisseurs pour le risque, ce qui se traduit par une demande crois-
sante pour les actifs risqués, permettant de participer à la croissance
économique. En conséquence, les prix des actifs risqués montent
en même temps que la pression sur les primes de risque (coefficients
d’actualisation) qui fait baisser les rendements attendus. Lorsque
les perspectives sont défavorables, la demande d’actifs risqués
faiblit, ce qui s’accompagne d’une baisse des prix et d’une hausse
des primes de risques qui poussent les rendements attendus vers
le haut. Ainsi, les rendements attendus des actifs correspondent
fondamentalement aux évolutions de l’environnement conjoncturel.

attendus des actifs à leur sensibilité aux changements
économiques, leurs résultats empiriques indiquent que
les variations des primes de risque sont captées par de
telles variables, censées refléter les informations que
les acteurs du marché utilisent dans leurs décisions
d’investissement. En outre, Ferson et Harvey ont décou-
vert que la variation conditionnelle des primes de risque
est la première source de prévisibilité des rendements
d’actifs au niveau du portefeuille, davantage que le com-
portement de série temporelle des bêtas mis en avant par
d’autres études. Surtout, cette étude de Ferson et Harvey
joue un rôle fondamental dans notre compréhension
selon laquelle la prévisibilité sur les marchés financiers
est en accord avec l’hypothèse des marchés efficients.
Leur approche a incité des chercheurs universitaires
du monde entier à étudier les prix des actifs au sein
d’un système conditionnel rassemblant des données
fiables sur les sources de risque évaluées et les instru-
ments qui captent la variation des primes de risque.
Dès lors, les modèles conditionnels d’évaluation des
actifs sont devenus des outils de pointe dans le domaine
financier et le sont restés depuis. Sur les 20 dernières
années, la modélisation conditionnelle des primes de
risque pour générer des rendements au niveau des caté-
gories d’actifs s’est développée comme une compétence
clé pour la construction de portefeuille, l’allocation
tactique d’actifs et la gestion du risque de marché. La
variation prévisible des primes de risque est l’un des
éléments permettant de générer des rendements actifs
sur nos marchés financiers généralement efficients. Les
principaux ratios d’évaluation observés sur les marchés
des actions ou les écarts de taux d’intérêt mesurés sur
les marchés obligataires peuvent être utilisés pour prévoir
dans une certaine mesure la dérive à long terme dans
les prix des actifs risqués. Les processus d’allocation
modernes d’actifs exploitent cette prévisibilité.
Les primes de risque des marchés
obligataires sont influencées par
les mêmes facteurs macroéconomiques
que celles des actions
Jusqu’ici, nous nous sommes principalement intéressés
aux primes de risque des actions, car toute l’histoire des
connaissances sur la relation entre risque et rendement
débute avec le concept CAPM selon lequel le risque
systématique est reflété par le marché. Au sens le plus
strict, les obligations ne font pas partie de l’univers des
actifs risqués puisque la somme des obligations déte-
nues dans le monde s’établit à zéro. Par conséquent, il n’y
a pas d’agrégat représentant le risque systématique dans
les obligations. Néanmoins, les emprunts d’État et d’en-
treprises forment la « classe d’actifs » la plus vaste dans
les portefeuilles institutionnels. Des recherches empi-
riques exhaustives montrent que les fluctuations des
prix obligataires jusqu’à leur maturité sont également
liées au cycle économique et influencées par les mêmes
facteurs macro que les marchés des actions. En 1995,
Antti Ilmanen a réalisé une étude qui a fait date sur la
variation des rendements attendus au fil du temps sur les
marchés obligataires internationaux. Dans ce contexte,
la structure de la courbe des taux d’intérêt joue un rôle
central dans l’intégration des changements prévus de
la conjoncture dans les prix obligataires, en plus des
primes de risque observables sur les marchés du crédit.
Il en résulte qu’au niveau de l’allocation d’actifs, les
mêmes modèles économiques multifactoriels peuvent
être appliqués pour gérer les risques d’un portefeuille
balancé.
12

Comment identifier et
exploiter les primes de risque
Tout est dans la gestion du
risque conjoncturel global
Notre connaissance des moteurs de rendement des
actifs, des sources de risque systématique et de la dyna-
mique des primes de risque a beaucoup avancé ces
30 dernières années grâce aux centaines d’études réali-
sées dans des universités de premier plan du monde
entier. C’est au début des années 1970 que des cher-
cheurs universitaires ont commencé à étudier systémati-
quement l’identité des variables d’état, dites latentes, qui
influent l’évaluation des actifs par les acteurs du marché.
En résumé, ces nombreuses études nous ramènent à
la compréhension commune selon laquelle, le risque d’in-
vestissement systématique est plus ou moins égal au
risque conjoncturel global. Nous pouvons nous appuyer
sur un ensemble de données empiriques démontrant que
les marchés financiers évaluent les sources multiples de
risque macroéconomique au moyen des primes de risque
qui varient au gré de l’appétit des investisseurs pour le
risque. Les taux d’intérêt, les taux d’inflation, les mesures
de capacité, les taux de change et certains prix de
matières premières ont été identifiés comme des
variables indicatives adéquates pour l’environnement
macroéconomique actuel. Les principaux ratios d’évalua-
tion des actions ainsi que la courbe des taux d’intérêt
et les écarts de crédit semblent refléter les anticipations
économiques des investisseurs et l’état d’esprit qui
domine leurs décisions d’investissement. En résumé, les
recherches de pointe dans le domaine de la finance ont
généré des modèles conditionnels d’évaluation des actifs
et des résultats empiriques exhaustifs sur les moteurs
des rendements effectifs et attendus, ce qui enrichit
notre boîte à outils pour la création de valeur dans la ges-
tion d’actifs. Bien que certains biais comportementaux
soient parfois considérés comme des points de repère
pour les stratégies d’investissement, exploiter les primes
de risque signifie en premier lieu gérer l’exposition du
placement au risque conjoncturel global au niveau des
classes d’actifs ou en adoptant un style ou une stratégie
d’investissement spécifique (voir graphique 2).

GRAPHIQUE 2
La gestion du risque conjoncturel global passe par l’exposition à des facteurs macro
dans l’allocation d’actifs ou de styles d’investissement sur les marchés des actions

gique et tactiq
até
str ue
d
on Adoption d’une exposition à
es
i
at

des sources de rendement

ac
oc

systématiques au niveau de
tifs
All

l’allocation d’actifs.
Risque
conjonc- Adoption d’une exposition à
Taille turel Momentum des sources de rendement
systématiques par la mise en
œuvre de styles d’investissement
sur les marchés des actions.
Valeur Risque
faible Source: Vescore

Croissance Qualité
 13

Exploiter les primes de risque exige
des manœuvres tactiques
L’allocation stratégique d’actifs détermine la participation
à long terme d’un investisseur dans la croissance
économique mondiale. Les décisions stratégiques sur
la quote-part en actions d’un portefeuille, l’allocation
géographique et sectorielle sur les marchés des actions,
l’allocation en titres à revenu fixe, la duration et la qualité
de crédit des placements obligataires ainsi que l’alloca-
tion en devises constituent le terrain de jeu de l’inves-
tisseur pour exploiter les primes des classes d’actifs liées
à l’évolution à long terme de l’économie globale. Toute-
fois, il est bien connu que la croissance économique
révèle des cycles et des frictions qui font considérable-
ment varier les primes de risque au fil du temps. Si
l’horizon de placement est assez long, par exemple
30 ans, ces variations ne devraient pas réduire l’effectivité
d’une allocation stratégique d’actifs à long terme.
L’horizon de placement est néanmoins beaucoup plus
court dans bien des cas, ce qui requiert des éléments
tactiques dans le processus de placement pour lisser
la courbe de performance générée par l’investissement
dans les primes des classes d’actifs. Les modèles
conditionnels d’évaluation des actifs et les recherches
empiriques qui les étayent permettent aux procédures
de mise en œuvre de l’allocation tactique d’actifs de
soutenir le timing de l’exposition dans les classes d’actifs.
Leur objectif est de stabiliser les résultats des stratégies
d’investissement qui exploitent les primes de risque
sur la place de marché. Le modèle GLOCAP de Vescore
est un exemple de modèle conditionnel d’évaluation
des actifs qui est mis en pratique avec succès depuis
20 ans pour gérer tactiquement la quote-part en actions
dans un portefeuille diversifié à l’échelle mondiale. Le
graphique 3 montre comment l’allocation en actions
GLOCAP a évolué au fil du temps en réponse aux
principales variables économiques composant l’envi-
ronnement de marché en vigueur à cette période.
Tandis que la gestion de portefeuille active au niveau
de l’allocation d’actifs, avec pour objectif de contrôler
l’exposition au cycle économique, représente une
approche top-down pour récolter les primes de risque,
l’investissement dans un style ou une stratégie de place-
ment en actions spécifique représente une approche
bottom-up qui s’expose aux mêmes sources de risque
systématique et donc de rendement attendu. Le parti
pris d’un portefeuille d’actions pour des facteurs scien-
tifiquement validés tels que la taille, la valeur, la qualité,
le momentum ou le risque faible détermine son exposition
au risque conjoncturel et aux primes qui en découlent.
Comme nous savons que les primes de risque varient
en fonction des attentes économiques des acteurs du
marché et de leur appétit pour des stratégies d’inves-
tissement exploitant les primes de risque au niveau de
l’allocation d’actifs et sur les marchés des actions, ces
stratégies doivent inclure des capacités tactiques pour
lisser la performance sur des horizons de placement
à plus court terme (voir graphique 4).

GRAPHIQUE 3
La quote-part en actions GLOCAP s’adapte tactiquement au fil du temps en réponse à l’évolution
des variables économiques fondamentales.
150 %
125 %
100 %
75 %
50 %
25 %
0%
–25 %
–50 %
–75 %
–100 %
1998 2000 2002 2004 2006 2008 2010 2012 2014 2016 2018

Anticipations économiques
Préférences de liquidité
Confiance dans les entreprises
Fundamental valuation
Allocation en actions

Le graphique illustre l’évolution de l’allocation tactique d’actifs déterminée par le modèle GLOCAP de Vescore sur un horizon de 20 ans qui débute en
janvier 1998. La quote-part tactique en actions varie entre 0 et 100 % (ligne grise) et se base sur les variables instrumentales décrivant les anticipations
économiques des participants (pente de la courbe des taux d’intérêt), les préférences en termes de liquidité à l’échelle du marché (TED spread), la
confiance des investisseurs dans les entreprises (écarts de crédit) et l’évaluation fondamentale des actions (rendement sur dividende). Avec comme
point de départ une quote-part en actions neutre de 50 % dans un portefeuille équilibré, ces quatre variables reflètent l’évolution de l’environnement
de marché. La contribution de chacune d’elles à la quote-part en actions finale peut être positive ou négative et d'ampleur très variable. En résumé,
GLOCAP ajuste la quote-part en actions au sentiment général du marché à l’égard du risque systématique.
La performance passée ne constitue pas un indicateur fiable de la performance actuelle ou future.

Source : Vescore
14

GRAPHIQUE 4
Les primes factorielles varient au fil du temps
60 %
50 %
40 %
30 %
20 %
10 %
0
–10 %
–20 %
–30 %
–40 %
1999 2001 2003 2005 2007 2009 2011 2013 2015 2017

Taille
Valeur
Qualité
Momentum
Volatilité minimum

Le graphique illustre les écarts de rendement en année glissante entre les indices factoriels MSCI et MSCI World du 31.12.1999 au 31.12.2017.
La performance passée ne constitue pas un indicateur fiable de la performance actuelle ou future.

Source : Bloomberg / calculs Vescore


Capter le plein potentiel
d’une approche de
placement disciplinée
L’évolution des connaissances académiques sur les
primes de risque des marchés financiers forge la philoso-
phie d’investissement de Vescore depuis 20 ans. Nous
recherchons et exploitons les primes de risque dans les
actions, devises, contrats à terme sur matières premières
et marchés des options en fondant nos décisions d’inves-
tissement sur des modèles quantitatifs. Nous sommes
convaincus que des primes de risque économiquement
saines sont les sources de rendement les plus fiables.
En parallèle, nous savons que les primes de risque varient
en fonction des attentes des investisseurs à l’égard du
cycle conjoncturel et du sentiment général du marché,
ce qui requiert des méthodes conditionnelles d’évaluation
et d’allocation susceptibles de saisir et d’exploiter cette
dynamique. Notre champ d’action pour exploiter les
primes de risque englobe cinq segments de marché :
–– Primes de risque sur les marchés des actions : nous
exploitons la prime de risque globale des actions
dans un portefeuille diversifié en gérant tactiquement
la quote-part investie sur les marchés internationaux
par rapport aux positions en titres à revenu fixe. Le
cœur de notre processus d’allocation est un modèle
conditionnel d’évaluation des actifs liant les prix des
actions à des variables d’état macroéconomiques
et à des instruments qui reflètent l’appétit des acteurs
du marché pour le risque systématique. Sur les
marchés des actions, nous exploitons des données
empiriques approfondies sur les principaux facteurs
de rendement en choisissant des expositions
tactiques (« smart beta ») pour lisser la performance
du portefeuille.
–– Primes de risque sur les marchés obligataires : nous
exploitons les primes de risque sur les marchés
obligataires en rapport avec les changements impré-
vus dans la structure à terme des taux d’intérêt induits
par l’inflation et la préférence des acteurs du marché
pour le lissage intertemporel de la consommation.
Notre processus d’investissement décompose les
courbes de rendement dans les principales devises
selon des moteurs de valeur fondamentaux incluant
le carry, le retour à la moyenne et le momentum
dans les taux d’intérêt. Les positions tactiques au
niveau de la duration sur les marchés obligataires
internationaux reflètent ces forces intrinsèques.
Dans le même temps, elles sont subordonnées
à l’état mesurable de l’économie mondiale.
15
–– Primes de risque sur les marchés des matières
premières : nous exploitons les primes de risque
sur les marchés à terme des matières premières en
prenant des positions tactiques sur des contrats à
terme. Pour ce faire, nous nous appuyons sur la dyna-
mique de la courbe à terme des matières premières
qui peut être en backwardation ou en contango. Notre
processus d’investissement aboutit à un porte-feuille
diversifié de contrats à terme sur matières premières
dont la courbe affiche une forte backwardation.
De cette manière, nous prenons systématiquement
le risque de changements imprévus dans les prix des
matières premières. Ces risques peuvent venir des
producteurs et des consommateurs dans un environ-
nement complexe faisant intervenir de nombreux
facteurs tels que les pénuries, la météorologie, les
cycles économiques et l’évolution technologique.
–– Primes de risque sur les marchés des options : nous
exploitons les primes de risque sur les marchés
des options qui découlent du besoin des acteurs
du marché de couvrir les risques de baisse de leurs
portefeuilles d’actions. Notre processus d’inves-
tissement prend des positions à découvert sur les
volatilités des principaux marchés des actions au
moyen de swaps de variance qui négocient la volatilité
réalisée future en contrepartie de la volatilité implicite
actuelle, ainsi que des positions relatives dans des
swaps de variance répliqués sur les marchés des
actions. D’un point de vue économique, cette straté-
gie d’investissement fournit une assurance pour le
portefeuille avec le gain d’une prime d’assurance.
–– Primes de risque sur les marchés des devises : nous
exploitons les primes de risque sur les marchés
des devises qui résultent des cycles économiques
divergents entre les zones monétaires, une situation
qui se reflète essentiellement dans la dynamique
des différentiels de taux d’intérêt, mais aussi dans les
écarts par rapport aux parités de pouvoir d’achat
(PPA) et l’évolution à court terme des taux de change.
Notre processus d’investissement exploite ces forces
systématiques sur les marchés des devises par
l’allocation tactique de positions longues et à décou-
vert à des devises dans un portefeuille-zéro, tout
en gérant de manière rigoureuse les risques de
volatilité sur ces marchés.
16

Nos stratégies d’exploitation des primes de risque

se fondent sur une analyse rigoureuse de la pérennité des
sources de rendement respectives. Dans tous les cas,
nous assumons des risques systématiques bien définis
sur les marchés financiers en relation avec les forces
économiques et les cycles conjoncturels. En règle géné-
rale, nous modélisons les risques de placement au sein
d’un schéma multidimensionnel intégrant le postulat
d’une variation conditionnelle des primes de risque. Les
dernières découvertes de la recherche concernant les
risques évalués par les marchés financiers et la dynamique
des rendements qui en découlent constituent la base
du développement de nos stratégies d’investissement, qui
sont conçues pour capitaliser sur l’expansion technolo-
gique rapide. Nous aidons ainsi nos clients à exploiter
les points forts d’une approche de placement disciplinée
sur des marchés financiers globalement efficients.

En bref
1. Seul le risque systématique est évalué par les
marchés financiers.
2. Plus le risque systématique d’un actif est élevé,
plus son rendement attendu à long terme sera élevé :
c’est le concept fondamental du Capital Asset
Pricing Model (CAPM).
3. L’étude scientifique des moteurs de rendement sur
les marchés financiers part de l’hypothèse qu’il
existe des variables d’état latentes ayant un impact
systématique sur l’évaluation des actifs par les
participants au marché.
4. Les modèles d’évaluation rationnels affirment que
le risque systématique d’un actif se reflète dans
sa sensibilité aux évolutions de l’économie globale.
En d’autres termes, le risque systématique équivaut
au risque conjoncturel.
5. Les modèles multifactoriels d’évaluation des actifs
dans l’esprit de l’Arbitrage Pricing Theory (APT)
décrivent l’état de l’économie globale à l’aide de
variables observables telles que les taux d’intérêt,
les taux d’inflation, les mesures de capacité ou
les prix des matières premières en plus des données
agrégées concernant l’évaluation des actifs sur
les marchés financiers.
6. L
es primes de risque varient au fil du temps en
fonction de l’idée que les acteurs du marché se
font de la situation économique globale et de
leur appétit de risque.
17
7. Les modèles conditionnels d’évaluation des actifs
captent au moins une partie de la variation temporelle
des primes de risque à l’aide d’instruments décrivant
le comportement des acteurs du marché à l’égard
du risque tel que reflété dans les différentiels de taux
d’intérêt et les principaux ratios agrégés d’évaluation.
8. Les primes de risque peuvent être exploitées selon
une approche « top-down » par l’exposition au risque
conjoncturel au niveau de l’allocation d’actifs, ou«
bottom-up » par la mise en œuvre de styles d’investis-
sement spécifiques tels que la taille, la valeur, la
rentabilité, la qualité, le momentum ou le risque faible
sur les marchés des actions – les principales sources
de rendement sont les mêmes.
9. Toute stratégie visant à exploiter les primes de risque
doit inclure des compétences tactiques pour lisser
la performance sur des horizons de placement plus
courts.
10. Dans la mesure où l’exploitation des primes de
risque implique d’exposer l’investissement au cycle
conjoncturel global, elle est consistante avec la
croyance selon laquelle les prix des actifs sur les
marchés financiers sont dans une large mesure
informationnellement efficientes.
18
Références bibliographiques
Ang, Andrew, Robert Hodrick, Yuhang Xing, and Xiaoyan Zhang,
“The Cross-Section Of Volatility And Expected Returns”, The
Journal Of Finance, 61/1 (2006), 259-299
Bachelier, Louis, “Théorie De La Spéculation”, Annales
Scientifiques De L’Ecole Normale Supérieure, 17 (1900), 21-86
Ball, Ray, “Anomalies In Relationships Between Securities’
Yields And Yield-Surrogates”, Journal Of Financial Economics,
6/2-3 (1978), 103-126
Banz, Rolf W., “The Relationship Between Return And
Market Value Of Common Stocks”, Journal Of Financial Economics,
9/1 (1981), 3-18
Basu, Sanjoy, “Investment Performance Of Common Stocks
In Relations To Their Price-Earnings Ratios: A Test Of The Efficient
Market Hypothesis”, The Journal Of Finance, 32/3 (1977), 663-682
Carhart, Mark, “On Persistence In Mutual Fund Performance”,
The Journal Of Finance, 52/1 (1997), 57-82
Chen, Nai-Fu, Richard Roll, and Stephen Ross, “Economic Forces And
The Stock Market”, The Journal Of Business, 59/3 (1986),
383-403
Fama, Eugene F., and Kenneth R. French, “Business Conditions
And Expected Returns On Stocks And Bonds”, Journal Of Financial
Economics, 25/1 (1989), 23-49
Fama, Eugene F., and Kenneth French, “The Cross-Section Of
Expected Stock Returns”, The Journal Of Finance, 47/2 (1992),
427-465
Fama, Eugene F., and Kenneth R. French, “Common Risk Factors
In The Returns On Stocks And Bonds”, Journal Of Financial
Economics, 33/1 (1993), 3-56
Fama, Eugene F., and Kenneth R. French, “Size, Value, And
Momentum In International Stock Returns”, Journal Of Financial
Economics, 105/3 (2012), 457-472
Fama, Eugene F., and Kenneth French, “A Five-Factor Asset
Pricing Model”, The Journal Of Finance, 116/1 (2015), 1-22
Fama, Eugene F., and James D. MacBeth, “Risk, Return, And
Equilibrium: Empirical Tests”, Journal Of Political Economy, 81/3
(1973), 607-636
Ferson, Wayne E., and Campbell R. Harvey, “The Variation
Of Economic Risk Premiums”, Journal Of Political Economy,
99/2 (1991), 385-415
Ferson, Wayne E., and Campbell R. Harvey, “The Risk And
Predictability Of International Equity Returns”, Review Of
Financial Studies, 6/3 (1993), 527-566
Ferson, Wayne E., and Campbell R. Harvey, “Sources Of Risk
And Expected Returns In Global Equity Markets”, Journal
Of Banking & Finance, 18/4 (1994), 775-803
Graham, Benjamin, Security Analysis (New York, 1934)
Harvey, Campell, and Heqing Zhu Yan Liu, “…And The Cross-
Section Of Expected Returns”, The Review Of Financial Studies,
29/1 (2016), 5-68
Ilmanen, Antti, “Time-Varying Expected Returns In International
Bond Markets”, The Journal Of Finance, 50/2 (1995), 481
Jegadeesh, Narasimhan, and Sheridan Titman, “Returns To
Buying Winners And Selling Losers: Implications For Stock
Market Efficiency”, The Journal Of Finance, 48/1 (1993), 65
Lintner, John, “Security Prices, Risk, And Maximal Gains From
Diversification”, The Journal Of Finance, 20/4 (1965), 587
Markowitz, Harry M., “Portfolio Selection”, The Journal Of
Finance, 7/1 (1952), 77-91
Merton, Robert C., “Optimum Consumption And Portfolio
Rules In A Continuous-Time Model”, Journal Of Economic
Theory, 3/4 (1971), 373-413
Mossin, Jan, “Equilibrium In A Capital Asset Market”,
Econometrica, 34/4 (1966), 768
Reinganum, Marc R., “Misspecification Of Capital Asset Pricing”,
Journal Of Financial Economics, 9/1 (1981), 19-46
Ross, Stephen A., “The Arbitrage Theory Of Capital Asset Pricing”,
Journal Of Economic Theory, 13/3 (1976), 341-360
Sharpe, William F., “Capital Asset Prices: A Theory Of Market
Equilibrium Under Conditions Of Risk”, The Journal Of Finance,
19/3 (1964), 425
Smith, Edgar L., Common Stocks As Long Term Investments
(New York, 1925)
 19

Vontobel imprime sur du papier 100 %

recyclable: la fabrication du papier recyclé
consomme environ 1.5 fois moins d’énergie
et 2.5 fois moins d’eau que la production
de papier à partir de fibres fraîches. De
plus, le papier recyclé réduit les émissions
de gaz à effet de serre de plus de 20 %.
Nous compensons les émissions restantes
par différents projets de CO2 dans le
monde.

Plus d’informations:
vontobel.com/durabilite

Remarques juridiques importantes

Le présent document a été conçu uniquement à des fins d’information et ne constitue ni une incitation à l’achat ou à la vente de titres, ni une
incitation à la remise d’une offre d’achat ou de souscription. Il n’est donc pas soumis aux « Directives visant à garantir l’indépendance de
l’analyse financière» de l’Association suisse des banquiers. Vontobel, ses sociétés affiliées, les membres de sa (ses) direction(s), ses cadres
dirigeants et/ou ses collaborateurs peuvent détenir et négocier des positions d’achat ou de vente de l’ (des) instrument(s) financier(s) mention-
né(s) le cas échéant dans le présent document. La performance historique ne saurait préjuger des résultats actuels ou futurs. Le rendement
peut augmenter ou diminuer en fonction des fluctuations monétaires. La valeur des devises d’investissement peut augmenter ou diminuer
et il n’y a aucune garantie de remboursement de l’intégralité ou d’une partie du capital investi. Bien que Vontobel Asset Management AG
(«Vontobel») soit d’avis que les informations figurant dans le présent document s’appuient sur des sources fiables, Vontobel décline toute
responsabilité quant à la qualité, l’exactitude, l’actualité et l’exhaustivité desdites informations. Sauf autorisation émanant des lois de droits
d’auteur, aucune de ces informations ne pourra être reproduite, adaptée, téléchargée pour une tierce partie, reliée, mise en exergue, publiée,
distribuée ou transmise sous quelque forme que ce soit par quelque processus que ce soit sans le consentement écrit spécifique de
Vontobel. Dans toute la mesure permise par la législation applicable, Vontobel décline toute responsabilité résultant de toute perte ou de
tout dommage que vous encourez occasionné(e) par l’utilisation ou l’accès aux présentes informations, ou de son incapacité à fournir les
présentes informations. Notre responsabilité pour négligence, violation contractuelle ou contravention à la loi résultant de notre incapacité
à fournir les présentes informations dans leur intégralité ou en partie, ou pour tout problème posé par ces informations, qui ne peut être
licitement exclu, se limite à la retransmission des présentes informations en intégralité ou en partie ou au paiement pour assurer cette retrans-
mission, à notre gré et dans la mesure autorisée par la loi en vigueur. Aucun exemplaire du présent document ni aucune copie de celui-ci ne
peuvent être distribués dans toute juridiction où sa distribution est limitée par la loi. Les personnes recevant le présent document doivent être
conscientes de ces restrictions et les accepter. Ce document en particulier ne doit être ni distribué ni remis à des personnes américaines ni
être distribué aux Etats-Unis. Toutes les entreprises décrites dans ce document peuvent, mais ne doivent pas, faire l’objet d’une position dans
nos portefeuilles. Tous les pronostics, toutes les prévisions, estimations et autres hypothèses de ce document se basent sur une série d’esti-
mations et d’hypothèses. Aucune garantie ne saurait être donnée quant au fait que ces estimations et hypothèses s’avèrent exactes si bien
que les résultats effectifs peuvent fortement différer de ceux pronostiqués.
vescore
Vontobel Asset Management AG
Gotthardstrasse 43, 8022 Zurich
Suisse

Vontobel Asset Management S.A.

2– 4, rue Jean l’Aveugle, 1148 Luxembourg
Luxembourg

Vontobel Asset Management S.A.

Niederlassung München
Leopoldstrasse 8 –10, 80802 Munich
Allemagne